Académique Documents
Professionnel Documents
Culture Documents
Alain GUICHET
5 mars 2007
2
1 Suites relles 13
1.1 Notions sur les suites . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.2 Convergence et divergence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.3 Borne suprieure et borne infrieure dune partie de R . . . . . . . . . . . . . . . . 15
1.4 Suites monotones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.5 Suites ngligeables, suites quivalentes, dveloppements limits . . . . . . . . . . . 17
1.6 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.6.1 Pour les TD . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.6.2 Pour les DL . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.6.3 Autres exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
3
4 TABLE DES MATIRES
5 Sries numriques 61
5.1 Rappels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
5.2 Sries doubles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
5.2.1 Gnralits . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
5.2.2 Sries doubles termes positifs . . . . . . . . . . . . . . . . . . . . . . . . 64
5.2.3 Sries doubles termes de signe variable . . . . . . . . . . . . . . . . . . . 65
5.3 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
5.3.1 Pour les TD . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
5.3.2 Pour les DL . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
5.3.3 Autres exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
20.2.1 TD . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 260
20.2.2 TD* . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 260
20.2.3 DL (voir lnonc la page 34) . . . . . . . . . . . . . . . . . . . . . . . . 260
20.2.4 DL* (voir lnonc la page 35) . . . . . . . . . . . . . . . . . . . . . . . . 264
20.3 Espaces vectoriels, applications linaires, matrices . . . . . . . . . . . . . . . . . . 266
20.3.1 TD . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 266
20.3.2 TD* . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 266
20.3.3 DL (voir lnonc la page 49) . . . . . . . . . . . . . . . . . . . . . . . . 266
20.3.4 DL* (voir lnonc la page 50) . . . . . . . . . . . . . . . . . . . . . . . . 268
20.4 tude des fonctions numrique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 270
20.4.1 TD . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 270
20.4.2 TD* . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 270
20.4.3 DL (voir lnonc la page 57) . . . . . . . . . . . . . . . . . . . . . . . . 270
20.4.4 DL* (voir lnonc la page 58) . . . . . . . . . . . . . . . . . . . . . . . . 273
20.5 Sries numriques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 274
20.5.1 TD . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 274
20.5.2 TD* . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 274
20.5.3 DL (voir lnonc la page 68) . . . . . . . . . . . . . . . . . . . . . . . . 274
20.5.4 DL* (voir lnonc la page 68) . . . . . . . . . . . . . . . . . . . . . . . . 276
20.6 Variables alatoires discrtes infinies . . . . . . . . . . . . . . . . . . . . . . . . . . 278
20.6.1 TD . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 278
20.6.2 TD* . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 278
20.6.3 DL (voir lnonc la page 84) . . . . . . . . . . . . . . . . . . . . . . . . 278
20.6.4 DL* (voir lnonc la page 85) . . . . . . . . . . . . . . . . . . . . . . . . 281
20.7 Rduction des endomorphismes . . . . . . . . . . . . . . . . . . . . . . . . . . . . 284
20.7.1 TD . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 284
20.7.2 TD* . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 284
20.7.3 DL (voir lnonc la page 99) . . . . . . . . . . . . . . . . . . . . . . . . 284
20.7.4 DL* (voir lnonc la page 100) . . . . . . . . . . . . . . . . . . . . . . . 288
20.8 Intgrales sur un segment . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 290
20.8.1 TD . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 290
20.8.2 TD* . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 290
20.8.3 DL (voir lnonc la page 107) . . . . . . . . . . . . . . . . . . . . . . . . 290
20.8.4 DL* (voir lnonc la page 109) . . . . . . . . . . . . . . . . . . . . . . . 297
20.9 Intgrales sur un intervalle quelconque . . . . . . . . . . . . . . . . . . . . . . . . . 300
20.9.1 TD . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 300
20.9.2 TD* . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 300
20.9.3 DL (voir lnonc la page 124) . . . . . . . . . . . . . . . . . . . . . . . . 300
20.9.4 DL* (voir lnonc la page 125) . . . . . . . . . . . . . . . . . . . . . . . 305
20.10Variables alatoires densit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 308
20.10.1 TD . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 308
20.10.2 TD* . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 308
20.10.3 DL (voir lnonc la page 139) . . . . . . . . . . . . . . . . . . . . . . . . 308
20.10.4 DL* (voir lnonc la page 140) . . . . . . . . . . . . . . . . . . . . . . . 311
20.11Espaces euclidiens . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 312
20.11.1 TD . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 312
TABLE DES MATIRES 11
Suites relles
n
(
X n+1 si q = 1
qk = 1q n+1
1q
6 1
si q =
k=0
Preuves
Rcurrences lmentaires.
Exercices
1. Soit a un rel. On dfinit la suite (un )nN par :
u0 = a et n N, un+1 = (1 a)un + a
u0 = 0 u1 = a et n N, un+2 = 2un+1 a2 un
13
14 CHAPITRE 1. SUITES RELLES
n1 N, / n n1 , |un `|
n2 n1 / n n2 , |un `0 |
`0 + 2` 2`0 + `
un ` + = < = `0 + un
3 3
ce qui est absurde.
Thorme (QC)
Preuve
Soit ` la limite de dune suite (un )n0 . Soit > 0. La convergence nous donne :
k N, / n k, |un `| donc n k, ` un ` +
Posons :
m = min{u0 , . . . , uk1 , ` } et M = max{u0 , . . . , uk1 , ` + }
Alors, pour tout entier naturel n, on a : m un M ce qui assure que la suite est borne.
Thorme (QC)
Si (un )np et (vn )np sont deux suites adjacentes telles que la suite (un ) est croissante et la suite (vn )
est dcroissante alors :
n p, m p, um vn
1.3. BORNE SUPRIEURE ET BORNE INFRIEURE DUNE PARTIE DE R 15
Exercice
Soit t un rel. Pour tout entier naturel n, on note an X +bn le reste de la division euclidienne du polynme
(cos(t)X + sin(t))n par X 2 + 1.
1. Dterminer les expressions de an et de bn en fonction de n.
2. Dterminer la nature de ces deux suites dans les deux cas : t = 0 et t = 2 .
Preuve
On suppose que A est non vide et majore.
Construction dun candidat ` pour la borne suprieure.
Soit P(n) la proposition :
2n+2 x0 xn yn y0
(x0 , . . . , xn , y0 , . . . , yn ) R /
yn xn = y02xn
0
Comme A est non vide, choisissons x0 A. Comme A est majore, choisissons un majorant y0 de A.
Alors x0 y0 et y0 x0 = y02x
0
0
donc P(0) est vraie. Soit n N et supposons que P(n) est vraie. Si
xn +yn
2
est un majorant de A alors on pose xn+1 = xn et yn+1 = xn +y2
n
, sinon on pose xn+1 = xn +y
2
n
et yn+1 = yn . Comme xn xn +y 2
n
yn alors, dans les deux cas, on a :
x0 xn xn+1 yn+1 yn y0
De plus, dans les deux cas :
yn xn y0 x0
yn+1 xn+1 = = n+1
2 2
ce qui prouve la proposition P(n + 1). La proposition P(n) est donc vraie pour tout entier naturel n.
De plus, les deux suites construites sont adjacentes donc convergentes vers la mme limite `.
Validation du candidat `.
Soit x un lment de A. Par construction, la suite (yn ) est une suite de majorants de A donc :
n N, x yn
Par passage la limite, on en dduit que x ` ce qui prouve que ` est un majorant de A.
Soit y un majorant de A. Par construction, la suite (xn ) est constitue de rels dont aucun nest un
majorant de A donc :
n N, xn y
Par passage la limite, on en dduit que ` y ce qui prouve que ` est le plus petit des majorants
de A.
16 CHAPITRE 1. SUITES RELLES
Preuve
On suppose que A est non vide et majore. Soit > 0. Si sup(A) A alors x = sup(A) convient.
Supposons maintenant que sup(A) 6 A. Si sup(A) x > pour tout x A alors sup(A) est un
majorant de A strictement infrieur sup(A) ce qui est absurde. Ainsi :
x A / sup(A) x = |x sup(A)|
Preuve
On suppose que (un ) est croissante.
Si (un ) est convergente alors (un ) est borne donc majore.
Supposons maintenant que (un ) est majore et posons A = {un | n N}. Cet ensemble est non vide
et major donc admet une borne suprieure `. Soit > 0. Daprs la proprit de la borne suprieure,
il existe n0 N tel que |un0 `| . Par croissance de la suite (un ), on en dduit que :
n n0 , |un `| = ` un ` un0
n0 N / un0 M
n n0 , un un0 M
Exercice
Soit (un )n0 la suite relle dfinie par :
2un + 1
u0 = 1 et n N, un+1 =
un + 1
2x+1 b
1. Dterminer deux rels a et b tels que : x R {1}, = a + x+1
x+1
.
h i
2. En dduire que cette suite est bien dfinie et que : n N, un 1, 1+2 5 .
3. Dterminer le sens de variation de cette suite.
4. En dduire la nature et la limite ventuelle de la suite (un )n0 .
1.5. SUITES NGLIGEABLES, SUITES QUIVALENTES, DVELOPPEMENTS LIMITS 17
Exercice
Dterminer un couple (a, b) de rels tel que :
h i
lim 4n2 + n + 1 (an + b) = 0
n+
1.6 Exercices
1.6.1 Pour les TD
TD
1. Pour tout entier naturel n, on dfinit lintervalle de R : In = 2 + n, 2 + n .
(a) i. Justifier que lquation tan(x) = x admet une unique solution xn dans lintervalle In .
ii. Justifier que xn n. En dduire la limite de la suite (xn )nN .
n+
ii. On pose : n N, n = an 2
= xn n 2 . Prouver que : n 1
n .
n+
(c) Dmontrer enfin que :
1 1 1 1
xn = n + + 2 + et lim =0
2 n 2 n n2 n+ n2
2. Soit (a, b) un couple de rels. Dterminer un quivalent et prciser la nature, en fonction des valeurs
de a et b des suites dont les termes gnraux sont les suivants :
p an bn na nb
an = n (n a)(n b) bn = cn = 1 1
an + bn na + nb
1 1
2 n+1 n
n+1 n
(b) En dduire que les suites (un )n1 et (vn )n1 sont adjacentes.
(c) Dterminer alors un quivalent de nk=1 1k lorsque n tend vers +.
P
5. (a) Soit n N. Dmontrer que lquation x + ln(x) = n admet une unique solution sur ]0, +[.
On note un cette solution.
(b) i. Dmontrer que la suite (un )nN est croissante.
Indication : On pourra calculer fn (un+1 ) o fn : x 7 x + ln(x) n.
ii. Dmontrer que la suite (un )nN admet pour limite +.
Indication : On pourra raisonner par labsurde.
(c) Dmontrer que un n puis que un n ln(n).
TD*
1. Thorme de Cesaro et lemme de lescalier.
Soit (un )n0 une suite relle.
i. On suppose que la suite (un ) converge vers 0. Dmontrer que la suite (vn )n1 converge
aussi vers 0.
Indication : on pourra choisir un rel > 0 puis couper la somme vn en deux sommes pour
des entiers n assez grands grce la convergence de la suite (uk )k1 .
ii. On suppose maintenant que la suite (un ) converge vers un rel `. Dduire de ce qui prcde
que la suite (vn )n1 converge aussi vers `.
iii. Que peut-on dire de la suite (vn ) lorsque (un ) diverge vers + ?
i. On suppose que la suite (vn )n1 converge vers ` et que ` 6= 0. Dmontrer que la suite (un )
converge vers `.
ii. Que peut-on dire dans le cas o un = (1)n pour tout entier n 1 ?
1
iii. Que peut-on dire dans cas o un = n
pour tout entier n 1 ?
(c) Continuit de L en 0.
i. Justifier que L admet une limite droite en 0.
ii. En utilisant lune des galits prcdentes, prouver que L est continue en 0.
(d) Branche infinie au voisinage de +.
Dduire de la question prcdente la limite de L en +. Quel est alors le type de branche
infinie ?
(e) Drivabilit de L en 0.
Dduire de la question prcdente que L nest pas drivable en 0 et prciser lallure de la courbe
de L au voisinage de 0.
(f) Continuit de L sur ]0, +[.
i. Soit x0 ]0, +[. Justifier que L admet une limite gauche et une limite droite en x0 et
que :
lim L(x) L(x0 ) lim+ L(x)
xx0 xx0
L(x)
ii. En tablissant dabord le sens de variation de la fonction x 7 x
sur ]0, +[, prouver
que :
lim+ L(x) L(x0 ) lim L(x)
xx0 xx0
iii. Conclure.
2. Soit p un entier suprieur ou gal 2. Soit (a1 , . . . , ap ) un p-uplet de rels tel que : 0 < a1 < < ap .
(a) Soit n un entier tel que ap < n. Montrer que lquation dinconnue relle x :
ax1 + + axp = nx
1
u0 = 1 et n N, un+1 = un +
un
2. (a) Dmontrer lexistence et lunicit de deux suites (an )nN et (bn )nN dentiers naturels telles
que : n
n N, 1 + 2 = an + bn 2
(a) Montrer que la suite (un ) est croissante et que la suite (vn ) est dcroissante.
(b) Montrer que u1 un vn v1 pour tout entier n 1.
(c) En dduire que ces deux suites sont convergentes puis quelles sont adjacentes.
En tudiant les suites (u2n ) et (u2n+1 ), montrer que la suite (un ) est convergente.
n+1
9. (a) Montrer que, pour tout entier n 1, lquation xn + xn1 + + x2 + x = n
admet une
unique solution positive, que lon notera un .
(b) tudier la suite (un )n1 .
22 CHAPITRE 1. SUITES RELLES
(a) Monter que cette suite est majore puis dterminer son sens de variation.
(b) En dduire quelle est convergente et dterminer sa limite.
11. tudier la suite dfinie par u0 = 0 et un+1 = eun pour tout entier naturel n.
12. Soit a et b deux rels strictement positifs. On dfinit une suite (un )nN par :
p
u0 0 et n N, un+1 = aun + b
(a) Montrer quil existe une unique valeur de u0 (que lon prcisera) pour laquelle cette suite est
stationnaire.
(b) Montrer que si u0 est un rel distinct de la valeur prcdente alors la suite est monotone et
borne. Dterminer ensuite sa limite.
1
13. On pose u2 = 1 22
et pour tout entier naturel n 3 :
1 1 1
un = 1 2 1 2 ... 1 2
2 3 n
DS
1. Soit a et b deux rels tels que 0 < a < b. On dfinit les suites (un )nN et (vn )nN par :
un+1 = un +v
u0 = a n
et n N, 2
v0 = b vn+1 = un+1 vn
Il est vivement conseill de revoir les chapitres 6, 11, 12, 13, 20, 21, 22 du cours de premire anne.
2.1 Rappels
2.1.1 Espace probabilis fini
Vocabulaire : exprience alatoire, ventualit, univers, vnement, vnement lmentaire, vne-
ment impossible, vnement certain, vnement contraire, vnements incompatibles, systme com-
plet dvnements.
Probabilit P, espace probabilis fini (, (), P). Proprits de la probabilit.
Modlisation (choix dune probabilit). Cas de lquiprobabilit.
Dans le cas o les vnements sont deux deux incompatibles, la formule se simplifie en :
P(A1 An ) = P(A1 ) + + P(An )
Exercices
1. On lance un d cubique quilibr. Soit A lvnement le numro obtenu est pair et B lvnement
le numro obtenu est divisible par 3 . Montrer que les vnements A et B sont indpendants.
2. Soit A, B et C trois vnements tels que :
A est indpendant de B C et de B C,
B est indpendant de A C,
C est indpendant de A B,
les probabilits P(A), P(B), P(C) sont strictement positives.
Prouver que A, B, C sont mutuellement indpendants.
25
26 CHAPITRE 2. VARIABLES ALATOIRES RELLES DISCRTES FINIES
Dans le cas o les vnements sont mutuellement indpendants, la formule se simplifie (on retrouve
la dfinition) en :
P(A1 An ) = P(A1 ) P(An )
P(A1 An+1 ) = P(A1 ) PA1 (A2 ) PA1 An1 (An ) PA1 An (An+1 )
Preuve
Pour tout vnement B, on a :
n
! ! n
! n
[ [ X
P(B) = P( B) = P Ak B =P (Ak B) = P(Ak B)
k=1 k=1 k=1
Preuve
Dfinition de la probabilit conditionnelle et formule des probabilits totales.
2.1. RAPPELS 27
Exercice
On dispose dune pice de monnaie truque de sorte que le ct pile a une probabilit dapparition de
2
3
ainsi que de deux urnes : lurne A contient deux boules rouges et trois boules vertes et lurne B contient
trois boules rouges et deux boules bleues.
On lance la pice. On pioche alors successivement et avec remise deux boules dans lurne A si le ct pile
apparat ou bien dans lurne B si le ct face apparat.
1. Donner un espace probabilis (, (), P) modlisant cette exprience alatoire.
2. Soit Ek lvnement on obtient k boules rouges pour tout k {0, 1, 2}. Calculer P(Ek ).
3. On note Ri (pour i {1, 2}) lvnement le ime tirage amne une boule rouge . Ces deux vne-
ments sont-ils P-indpendants ?
4. Calculer la probabilit que les tirages aient t effectus dans lurne A sachant que lon a obtenu :
(a) deux boules rouges,
(b) exactement une boule rouge,
(c) aucune boule rouge,
(d) au moins une boule rouge.
Preuve
Pour tout rel a > 0, on a :
X X
aP(X a) = a P(X = x) = aP(X = x)
xX(),xa xX(),xa
X X
xP(X = x) xP(X = x) = E(X)
xX(),xa xX()
do le rsultat attendu.
28 CHAPITRE 2. VARIABLES ALATOIRES RELLES DISCRTES FINIES
Soit X une variable discrte finie dans un espace probabilis fini (, (), P) et r un rel strictement
positif. Alors, pour tout rel a > 0, on a :
E (|X|r )
P(|X| a)
ar
En particulier, on a :
E (X 2 )
a > 0, P(|X| a)
a2
Preuve
Par bijectivit de lapplication x 7 xr sur R+ , par positivit de la variable alatoire |X|r et par appli-
cation de la premire ingalit de Markov, on a :
E (|X|r )
a > 0, P(|X| a) = P(|X|r ar )
ak
Soit X une variable discrte finie dans un espace probabilis fini (, (), P). Alors, pour tout rel
a > 0, on a :
V(X)
P(|X E(X)| a)
a2
Preuve
Exercices
1. Soit X , B(n, p). On note pk = P(X = k) pour tout entier naturel k. Montrer quil existe un
unique entier m tel que la suite (pk )kN est strictement croissante du rang 0 au rang m et strictement
dcroissante du rang m + 1 au rang n.
2. Supposons que parmi 500 magistrats, conseillers la Cours dAppel, il y en ait r = 200 qui dclarent
avoir des affinits avec les partis de gauches (appelons-les magistrats de gauche) et s = 300 qui
dclarent avoir un penchant pour les partis de droite (appelons-les magistrats de droite).
Soit n J0, 249K. On choisit au hasard 2n + 1 magistrats parmi les 500 pour former un tribunal.
(a) Calculer la probabilit pn pour que ce tribunal ait une majorit de droite.
(b) Donner des valeurs approches de p5 , p10 , p30 , p50 .
2.2. COMPLMENT : ESPRANCE CONDITIONNELLE 29
Exemple
Un joueur dispose dun d cubique non truqu dont les faces sont numrotes de 1 6 et dune pice de
monnaie dont la probabilit dapparition de pile chaque lancer est p (o p ]0, 1[). Le joueur lance le d
puis lance la pice autant de fois que le nombre apparu sur le d. Soit X le nombre de pile obtenus.
Calculer lesprance de X sachant que le d a donn le nombre k (o k J1, 6K).
Preuve
laide de la formule des probabilits totales, on a immdiatement :
" n #
X X X
E(X) = xP(X = x) = x P(Ak )PAk (X = x)
xX() xX() k=1
n
X X n
X
= P(Ak ) xPAk (X = x) = P(Ak )EAk (X)
k=1 xX() k=1
Exemple
Reprendre lexemple prcdent et calculer E(X).
Preuve
La premire implication est vidente. La seconde dcoule de lgalit [X Y ] = [X Y 0] et de la
linarit de lesprance.
Preuve
Il est clair que (X + Y )() = J0, m + nK. Posons q = 1 p. Soit donc k J0, m + nK. Alors :
m min{k,m}
X X
P(X + Y = k) = P([X = i] [X + Y = k]) = P([X = i] [Y = k i])
i=0 i=max{0,kn}
min{k,m}
X
= P(X = i)P(Y = k i)
i=max{0,kn}
min{k,m}
X m i mi n ki n+ik
= pq p q
i ki
i=max{0,kn}
min{k,m}
k m+nk
X m n k m+nk m + n
= p q =p q
i ki k
i=max{0,kn}
Preuve
Pour tout rel t, on a :
La fonction du second degr en la variable relle t admet donc un discriminant ngatif ou nul :
4Cov(X, Y )2 4V(X)V(Y ) 0
do le rsultat attendu.
Exercice
Soit (X, Y ) un couple de variables alatoires discrtes finies admettant la mme variance. Montrer
qualors les variables alatoires X + Y et X Y sont non corrles.
Exercices
1. Preuve de lesprance et de la variance de la loi hypergomtrique.
Une urne contient r boules rouges et v boules vertes. On tire successivement et sans remise n boules
(une par une) o n J1, r + vK. Pour tout entier i J1, nK, on note Xi la variable alatoire qui prend
la valeur 1 si le ime tirage amne une boule rouge et la valeur 0 dans le cas contraire.
(a) Prciser la loi de X1 .
(b) i. Dterminer la loi conjointe du couple (X1 , X2 ).
ii. En dduire la loi de X2 puis calculer Cov(X1 , X2 ).
(c) i. Dterminer la loi conjointe du couple (Xi , Xj ) pour tout couple dentiers (i, j) tel que
1 i < j n puis calculer Cov(Xi , Xj ).
ii. Prciser la loi de Xi pour tout entier i J1, nK.
(d) On note X le nombre de boules rouges obtenues lors du tirage. Dduire de ce qui prcde
lesprance et la variance de X.
2. Une urne contient r boules rouges, v boules vertes et b boules bleues. On tire simultanment n boules
dans lurne (n r + v + b). On note R (resp. V , B) la VARDF gale au nombre de boules rouges
(resp. vertes, bleues) tires. Reconnatre les lois de R, V , B puis dterminer la matrice de variance-
covariance du triplet (R, V, B).
Thorme (admis)
Soit n 2, p J1, n1K, (X1 , . . . , Xn ) une famille de variables alatoires mutuellement indpendantes
sur un espace probabilis fini (, (), P) et : Rp R, : Rnp R. Alors, les variables alatoires
(X1 , . . . , Xp ) et (Xp+1 , . . . , Xn ) sont indpendantes (o et sont deux fonctions de transfert).
Exemple
On considre une urne contenant n boules noires, une boule rouge et une boule blanche. On effectue
des tirages successifs sans remise dune boule jusqu obtenir la boule blanche. On note alors X le rang de
tirage de la boule blanche et Y le rang de tirage de la boule rouge si elle a t obtenue (sinon Y prend la
valeur 0).
1. Dterminer la loi de X.
2. Dterminer la loi conditionnelle de Y sachant ralis lvnement [X = k] pour tout entier k X().
3. En dduire loi de lesprance conditionnelle de Y sachant X.
4. Calculer la probabilit dobtenir la boule rouge.
32 CHAPITRE 2. VARIABLES ALATOIRES RELLES DISCRTES FINIES
E(X) = E (E(X|Y ))
Preuve
Daprs la formule de lesprance totale avec le systme complet ([Y = y])yY () , on a :
X X
E(X) = P(Y = y)E[Y =y] (X) = P E(X|Y ) = E[Y =y] (X) E[Y =y] (X) = E (E(X|Y ))
yY () yY ()
Exemple
On reprend la situation de lexemple prcdent. Calculer E(Y ).
Remarque
Cette formule permet de calculer lesprance dune variable alatoire sans connatre sa loi.
2.5 Exercices
2.5.1 Pour les TD
TD
1. Un concierge dispose de n cls dont une seule ouvre la porte devant laquelle il est situ. Il essaie
les cls une par une jusqu ouvrir la porte (les cls ne convenant pas sont mises de ct au fur et
mesure). Calculer le nombre moyen de cls essayes pour ouvrir la porte.
2. On lance 5 fois une pice de monnaie quilibre. On appelle X le nombre de pile (P ) obtenu et Y le
nombre de srie de pile. Par exemple : (X, Y )(P F F P P ) = (3, 2).
(a) Prciser la loi de X, son esprance et sa variance.
(b) i. Dterminer la loi conjointe du couple (X, Y ). X et Y sont-elles indpendantes ?
ii. En dduire la loi de Y , son esprance et sa variance.
(c) i. Calculer le coefficient de corrlation (X, Y ) des variables alatoires X et Y .
ii. On appelle droite de rgression de Y en X la droite dquation :
(Y )
y E(Y ) = (X, Y ) (x E(X))
(X)
5. lentre dun restaurant, n personnes donnent leurs chapeaux la consigne. Aprs le repas, elles
trouvent leurs chapeaux compltement mlangs et chacune prend un chapeau au hasard. On note Sn
le nombre de personnes qui ont rcupr leur propre chapeau.
(a) Prciser un espace probabilis modlisant cette exprience alatoire.
(b) Esprance de Sn : premire mthode.
Les personnes tant numrotes de 1 n selon leur ordre darrive, on note Ak lvnement la
personne numro k recupre son chapeau .
i. Dterminer la loi de Sn . Vrifier que Sn () = J0, n 2K {n}.
ii. Calculer E(Sn ).
(c) Esprance de Sn : seconde mthode.
On note Xk la variable alatoire prenant la valeur 1 si la personne k rcupre son chapeau et la
valeur 0 dans le cas contraire.
i. Prciser la loi de Xk .
ii. En dduire la valeur de E(Sn ).
(d) Variance de Sn .
i. Calculer E(Xi Xj ) pour tout 1 i < j n puis Cov(Xi , Xj ).
ii. En dduire V(Sn ).
6. On considre une urne contenant n jetons numrots de 1 n (avec n 2). On prlve tous les jetons
un par un au hasard et sans remise.
(a) Donner un espace probabilis modlisant cette exprience alatoire.
(b) Les records.
Soit (u1 , . . . , un ) un rsultat de cette exprience. Pour i J2, nK, on dit quil y a un record
linstant i si et seulement si :
ui > max{u1 , . . . , ui1 }
On convient quil y a toujours un record linstant 1.
i. Calculer la probabilit pour que, au cours des n tirages, il y ait eut exactement :
a) un seul record b) n records c) deux records
ii. On dsigne par Ri (pour 1 i n) la variable alatoire qui prend la valeur 1 sil y a un
record linstant i et la valeur 0 sinon. Dterminer la loi de Ri .
iii. On note n le nombre de records obtenus au cours des n tirages. Prciser n () puis calculer
E(n ).
(c) Les montes et les descentes.
Soit (u1 , . . . , un ) un rsultat de cette exprience. Pour i J2, nK, on dit quil y a une
monte (resp. descente) linstant i si et seulement si
ui > ui1 (resp. ui < ui1 )
On note n (resp. n ) le nombre de montes (resp. descentes) obtenues lors de ces n tirages.
i. Prciser n () et n ().
ii. On dsigne par Mi (pour 2 i n) la variable alatoire qui prend la valeur 1 sil y a une
monte linstant i et la valeur 0 sinon. Dterminer la loi de Mi .
iii. En dduire lesprance de n puis celle de n .
iv. Calculer Cov(Mi , Mj ) pour tout couple (i, j) dentiers tels que 2 i < j n.
v. En dduire la variance de n puis celle de n .
34 CHAPITRE 2. VARIABLES ALATOIRES RELLES DISCRTES FINIES
TD*
1. On lance une pice de monnaie truque n fois (o n 2). On suppose que la probabilit dapparition
du ct pile est p chaque lancer (o p ]0, 1[). On note Xn le numro de lancer qui donne pour la
premire fois deux pile conscutif ou bien 0 si on nobtient jamais deux pile conscutifs. Par exemple,
on a :
X10 (P F F P P P F P P F ) = 5 et X10 (F F P F P F F F P F ) = 0
(a) Prciser Xn ().
(b) On note pk = P(Xn = k) pour tout k N. Dterminer une relation entre pk+2 , pk+1 et pk .
(c) En dduire la loi de Xn .
(d) Calculer limn+ P(Xn = 0). Interprter ce rsultat.
2. Les allumettes de Banach.
Un fumeur a dans ses poches droite et gauche une bote dallumettes (N allumettes initialement dans
chaque bote). Lorsquil dsire une allumette, il choisit au hasard une de ses poches. On considre le
moment o, pour la premire fois, le fumeur saperoit que lune de ses botes est vide. ce moment,
lautre bote peut contenir un nombre quelconque dallumettes. On dsigne par ur la probabilit pour
quelle en contienne r.
(a) Calculer ur pour r J0, N K.
(b) Calculer la probabilit vr pour quau moment o la premire bote est vide de sa dernire
allumette (mais non encore reconnue vide) lautre bote contienne exactement r allumettes.
(c) Calculer la probabilit v pour que la premire bote vide ne soit pas la premire bote reconnue
vide.
(d) tablir, pour tout entier n 0 et tout entier a n, la relation :
n
X ak a+1 an
=
k=0
N 1 N N
2N
2(2N +1) .
(e) Dduire des deux questions qui prcdent que v = N
m1 n
(b) i. Dmontrer que E(Xn ) = m m m
. On rappelle que 00 = 1.
ii. Calculer lim E(Xn ). Ce rsultat tait-il prvisible ?
n+
(a) On note Bi (resp. Ni , Ri ) lvnement le ime tirage amne une boule blanche (resp. noire,
rouge) .
On note Gr lvnement le joueur gagne en commenant ses tirages dans une urne contenant
r boules rouges .
i. Calculer les probabilits P(G0 ) et P(G1 ).
ii. Trouver une relation entre P(Gr ) et P(Gr1 ).
iii. Calculer P(Gr ).
(b) Soit Xr la variable alatoire gale au nombre de tirages ncessaires pour quune partie sachve,
lurne contenant initialement r boules rouges.
i. Calculer les esprances E(X0 ), E(X1 ) et E(X2 ).
ii. Trouver une relation entre P(Xr = k) et P(Xr1 = k 1) pour r 1 et k 2 puis une
relation entre E(Xr ) et E(Xr1 ).
iii. En dduire E(Xr ).
2. Soit X une variable alatoire discrte finie valeurs strictement positives : x1 < < xn . On pose :
1
r R {0}, er = (E(X r )) r
appel cart dordre r de la variable alatoire X. Montrer que cet cart er admet une limite finie,
note e0 , lorsque r tend vers 0 et que :
n
Y P(X=xk )
e0 = xk
k=1
appele moyenne gomtrique de la variable alatoire X (e1 = E(X) est sa moyenne arithmtique
et e1 est sa moyenne harmonique).
DS
1. Fonction gnratrice.
Soit n N . Pour toute variable alatoire X telle que X() J0, nK, on appelle fonction gnra-
trice de la variable alatoire X la fonction polynme GX dfinie sur R par :
n
X
x R, GX (x) = P([X = k])xk
k=0
(a) Soit X une variable alatoire telle que X() J0, nK.
i. Prciser la valeur de GX (1).
ii. Dterminer une relation entre E(X) et G0X (1).
iii. Prouver que : V(X) = G00X (1) G0X (1)2 + G0X (1).
iv. Vrifier ces rsultats dans les cas suivant :
Il est vivement conseill de rviser les chapitres 6, 9, 10, 14, 15, 18, 19, 28, 29, 35 et 36 (paragraphes
sur les matrices de passage) du cours de premire anne.
Preuve
Comme rg(~x1 , . . . ~xp ) = p < n = dim(E) alors il existe un vecteur ~xp+1 E tel que ~xp+1 6
Vect(~x1 , . . . ~xp ). Ainsi rg(~x1 , . . . ~xp+1 ) = p + 1. Si p + 1 = n alors on a obtenu une base (famille libre
de rang maximal) sinon il existe un vecteur ~xp+2 E tel que ~xp+2 6 Vect(~x1 , . . . ~xp+1 ).... On recommence
ainsi jusqu obtenir une famille de rang n donc une base de E.
Preuve
Soit (~x1 , . . . , ~xp ) une base de F G. On la complte en une base (~x1 , . . . , ~xp , f~p+1 , . . . , f~p+r ) de F ainsi
quen une base (~x1 , . . . , ~xp , ~gp+1 , . . . , ~gp+s ) de G. Alors :
39
40 CHAPITRE 3. ESPACES VECTORIELS, APPLICATIONS LINAIRES ET MATRICES
On va montrer que (~x1 , . . . , ~xp , f~p+1 , . . . , f~p+r , ~gp+1 , . . . , ~gp+s ) est une base de F + G. Tout dabord,
cette famille de vecteurs de E est clairement une famille gnratrice de vecteurs de F + G. Ensuite, soit
(1 , . . . , p , 1 , . . . , r , 1 , . . . , s ) Kp+q+s tel que :
p r s
X X X
k ~xk + k f~p+k + k~gp+k = ~0
k=1 k=1 k=1
Alors, on a :
p r s
X X X
k ~xk + k f~p+k = k~gp+k
k=1 k=1 k=1
Le vecteur de gauche est dans F , celui de droite est dans G. Comme ils sont gaux, ils sont tous les deux
dans F G. Chacun est donc une combinaison linaire des vecteurs ~x1 , . . . , ~xp . Alors, dans le vecteur de
gauche, on en dduit que les k sont tous nuls (puisque (~x1 , . . . , ~xp , f~p+1 , . . . , f~p+r ) est une base de F ) et
que les k sont tous nuls (puisque (~x1 , . . . , ~xp , gp+1 , . . . , ~gp+s ) est une base de G). On obtient donc que :
p
X
k ~xk = ~0
k=1
ce qui assure que tous les k sont nuls. La famille est donc libre dans E. Cest alors une base de F + G. En
consquence, on a :
Autrement dit, tout vecteur de la somme se dcompose en la somme de vecteurs dont chacun est
dans lun des sous espaces.
La somme F1 + + Fp est dite directe si et seulement si :
et on note alors cette somme F1 Fp . Autrement dit, pour tout vecteur de la somme, la d-
composition est unique.
Exemple
Soit (~x1 , . . . , ~xn ) une famille de vecteurs dun espace E.
1. Montrer que Vect(~x1 ) + + Vect(~xn ) = Vect(~x1 , . . . , ~xn ).
2. Dmontrer que cette somme est directe si et seulement si la famille (~x1 , . . . , ~xn ) est libre.
Proposition
Soit (F1 , . . . , Fp ) une famille de vecteurs dun K-espace vectoriel E. Alors :
la somme F1 + + Fp est un sous espace de E,
cest le plus petit sous espace de E qui contient le sous ensemble F1 Fp .
3.1. ESPACES ET SOUS ESPACES VECTORIELS 41
Preuve
Immdiat.
Si ~xi Fi alors ~0 + + ~0 + ~xi + ~0 + + ~0 F1 + + Fp donc Fi F1 + + Fp et donc
(F1 Fp ) F1 + + Fp . Soit G un autre sous espace de E tel que (F1 Fp ) G.
Comme chaque Fi G et comme G est un sous espace de E alors chaque somme ~x1 + + ~xp G.
Ainsi F1 + + Fp G.
Preuve
(i) (i)
Pour tout i J1, pK, on note : ri = dim(Fi ) et Bi = ~x1 , . . . , ~xri .
1 2 : Supposons que la somme est directe. La dcomposition de ~0 est unique et ~0 + + ~0 en est
une donc cest la seule.
2 3 : Supposons lunicit de la dcomposition de ~0. La concatnation des bases est ncessaire-
de la somme F1 + + Fp . Montrons quelle est aussi libre. Soit alors
ment une famille gnratrice
(i)
la famille de scalaires k Kr1 ++rp telle que :
iJ1,pK,kJ1,ri K
p ri
!
X X (i) (i)
k ~xk = ~0
i=1 k=1
Proposition (QC)
Soit E et F deux K-espaces vectoriels et f L(E, F ). Alors, Ker(f ) est un sous espace de E et Im(f )
est un sous espace de F .
Preuve
Comme f (~0E ) = ~0F alors ~0E Ker(f ) et ~0F Im(f ) donc ces deux ensembles sont non vide.
Soit (~x, ~y ) Ker(f )2 et (, ) K2 . Alors :
On en dduit que :
~x + ~y = f (~a) + f (~b) = f (~a + ~b) Im(f )
ce qui prouve que Im(f ) est un sous espace de F .
Preuve
: Supposons que f est injective. Il est immdiat que {~0E } Ker(f ). Soit donc ~x Ker(f ).
Comme on sait que f (~0E ) = ~0F alors :
f (~x) = f (~0E )
Preuve
Posons n = dim(E) et p = dim(Ker(f )). Si p = n (cest dire que f = ) alors le rsultat est
vident. Suppsons donc que p < n. Soit (~x1 , . . . , ~xp ) une base de Ker(f ). On la complte en une base
(~x1 , . . . , ~xp , ~xp+1 , . . . , ~xn ) de E. On en dduit que :
Im(f ) = Vect (f (~x1 ), . . . , f (~xp ), f (~xp+1 ), . . . , f (~xn )) = Vect (f (~xp+1 ), . . . , f (~xn ))
On dmontre que (f (~xp+1 ), . . . , f (~xn )) est libre, ainsi ce sera une base de Im(f ). Soit donc (p+1 , . . . , n )
Knp tel que :
p+1 f (~xp+1 ) + + n f (~xn ) = ~0F
On en dduit successivement que :
f (p+1~xp+1 + + n~xn ) = ~0F
p+1~xp+1 + + n~xn Ker(f )
p+1 = = n = 0
Alors, f a pour rang n p ce qui achve la preuve.
Preuve
Supposons que p est un projecteur de E. Alors E = Ker(p) Im(p) et :
(~x1 , ~x2 ) Ker(p) Im(p), p(~x1 + ~x2 ) = ~x2
Ainsi, on a :
(~x1 , ~x2 ) Ker(p) Im(p), p(p(~x1 + ~x2 )) = p(~x2 ) = p(~x1 ) + p(~x2 ) = p(~x1 + ~x2 )
ce qui prouve que p2 = p.
Rciproquement, supposons que p2 = p. Alors, on a :
~x E, ~x = (~x p(~x)) + p(~x)
Or ~x p(~x) Ker(p) puisque p(~x p(~x)) = p(~x) p2 (~x) = ~0 par linarit de p. Ainsi, on en dduit
que :
E = Ker(p) + Im(p)
Soit ~x E = Ker(p) Im(p). Toujours laide de p2 = p, on obtient aisment que ~x = ~0 et donc
que :
E = Ker(p) Im(p)
(en dimension finie, le thorme du rang donne immdiatement ce rsultat). Il reste alors prouver
que p est le projecteur sur Im(p) dans la direction de Ker(p). On a :
~x E, p(~x) = p(~xK + ~xI ) = u(~xI ) = u2 (~xant ) = u(~xant ) = ~xI
Exemples
1. Dterminer les sous espaces dun espace vectoriel E stables par IdE puis par E .
2. Soit f : K2 K2 , xy 7 x+y
x+y
. Justifier que f est linaire puis dterminer tous les sous espaces de
2
K stables par f .
Proposition/Dfinition
Soit f L(E) et F un sous espace de E stable par f .
Lapplication fF : F F, ~x 7 f (~x) est un endomorphisme de F .
On lappelle endomorphisme induit par f sur le sous espace stable F .
Preuve
Cest quasi-immdiat.
Exemple
x x+y
Prciser lendomorphisme induit par f : K2 K2 , y
7 x+y
sur chacun de ses sous espaces stables
stricts obtenus prcdemment.
Exemples
Justifier que X 1 est un polynme annulateur de IdE .
Dterminer un polynme annulateur de E .
Dterminer un polynme annulateur dun projecteur, dune symtrie, dune homothtie de rapport .
Proposition
Soit f L(E), (, ) K2 et (P, Q) K[X]2 . Alors :
(P + Q)(f ) = P (f ) + Q(g)
Preuve
Cest du calcul.
Preuve
2 2 n2
Posons n = dim(E). Soit f L(E). On sait que : dim(L(E)) = n . Alors IdE , f, f , . . . , f est
2 2
une famille lie dans L(E) de n + 1 applications. Comme dim(L(E)) < n + 1 alors :
2 +1 2
(a0 , . . . , an2 ) Kn / a0 IdE + a1 f + + an2 f n = E
2
On en dduit que P (X) = a0 + a1 X + + an2 X n est un polynme annulateur de f .
Exemple
x x+y
Dterminer un polynme annulateur de f : K2 K2 , y
7 x+y
.
Thorme : matrices dune application linaire dans deux bases distinctes (QC*)
Soit E un K-espace vectoriel de dimension finie dont on considre deux bases B et B 0 distinctes. Soit
f L(E). On pose :
A = MatB0 (f ) A0 = MatB (f ) et P = PB,B0 = MatB0 ,B (IdE )
Alors, on a :
A0 = P 1 A P
En particulier, les matrices de f dans deux bases distinctes sont semblables.
Preuve
On a le diagramme suivant form de couples espace/base :
f
(E, B 0 ) (E, B 0 )
IdE IdE
(E, B) (E, B)
f
cest dire que : IdE f = f IdE . Ainsi, on a : P A0 = A P ce qui donne le rsultat attendu.
46 CHAPITRE 3. ESPACES VECTORIELS, APPLICATIONS LINAIRES ET MATRICES
E = F1 Fp
o les Fi sont des sous espaces stables par f et de dimension non nulle pour lesquels on considre une base
Bi . Soit B la concatnation des bases B1 , . . . , Bp .
La matrice de f dans la base B est alors :
A1 ...
... ..
A2 .
MatB (f ) = .
... ...
. .
. . . Ap
Preuve
Cest quasi-immdiat.
Exemples
1. Soit E un espace vectoriel de dimension finie n 2. Soit F un sous espace de E de dimension r telle
que 1 r n 1. Soit G un supplmmentaire de F dans E. Soit BF (resp. BG ) une base matrice
de F (resp. G) et B la concatnation de ces deux bases.
(a) Soit p le projecteur sur F paralllement G.
i. Montrer que F et G sont stables par p.
ii. En dduire que la matrice de p dans la base B est diagonale par blocs puis la dterminer.
(b) Soit s la symtrie par rapport F dans la direction de G.
i. Montrer que F et G sont stables par s.
ii. En dduire que la matrice de s dans la base B est diagonale par blocs puis la dterminer.
2. Soit f lendomorphisme de R3 dont la matrice dans la base canonique B est :
1 1 0
A = 1 2 1
1 0 1
On pose :
1 1 1
~x1 = 1 ~x2 = 1 ~x3 = 1 F = Vect(~x1 ) G = Vect(~x2 , ~x3 )
1 B 1 B 1 B
(a) Montrer que B 0 (~x1 , ~x2 , ~x3 ) est une base de R3 . Que peut-on en dduire concernant les sous
espaces F et G ?
(b) Justifier que la matrice A0 de f dans la base B 0 est diagonale par blocs. La dterminer.
3.4. EXERCICES 47
Exemple
2 0 0
1 1
Dterminer un polynme annulateur de puis de 0 1 1 .
1 1
0 1 1
Proposition
Soit A Mn (K), (P, Q) K[X]2 et (, ) K2 . Alors :
Preuve
Cest du calcul.
Thorme
Soit E un K-espace vectoriel de dimension finie dont on considre une base B. Soit f L(E). On pose
A = MatB (f ). Soit enfin P (X) K[X]. Alors :
P (A) = MatB (P (f )),
P (X) est un polynme annulateur de f si et seulement sil est un polynme annulateur de A.
Preuve
Dcoule de la proposition qui prcde et des dfinitions.
Exemple
x xyz
Dterminer un polynme annulateur de f : K3 K3 , y
7 x + y z .
z x y + z
3.4 Exercices
3.4.1 Pour les TD
TD
1. Soit F et G deux sous espaces dun espace E.
(a) Montrer que F G est un sous espace de E.
(b) Dterminer une CNS pour que F G soit un sous espace de E.
(c) Montrer que F + G est le plus petit sous espace de E qui contient le sous ensemble F G.
48 CHAPITRE 3. ESPACES VECTORIELS, APPLICATIONS LINAIRES ET MATRICES
2. Soir E un espace vectoriel de dimension finie. Soit f un endomorphisme de E. Dmontrer que les
propositions suivantes sont quivalentes :
Im(f ) = Im(f f ) Ker(f ) = Ker(f f ) E = Ker(f ) Im(f )
3. Soit n N . Soit (X, Y ) un couple de vecteurs non nuls de Kn . Montrer quil existe une matrice
A GLn (K) telle que Y = AX.
4. Soit f L(E) et P un polynme annulateur de f . On suppose quil existe ~x E {~0} et K
tels que f (~x) = ~x. Dmontrer que est une racine de P .
5. Soit f L(E). Montrer que f GL(E) si et seulement si f admet un polynme annulateur dont 0
nest pas racine.
0 1 1
6. Soit A = 1 2 0 M3 (R). On note I la matrice unit de M3 (R).
1 0 1
(a) i. Montrer que la famille (I, A, A2 ) est libre dans M3 (R).
ii. Dterminer un polynme annulateur P (X) de A.
iii. En dduire que A est inversible et prciser son inverse A1 .
(b) Pour tout entier naturel n, on note un X 2 + vn X + wn le reste de la division euclidienne de X n
par P (X).
i. Justifier cette affirmation.
ii. Montrer que : n N, An = un A2 + vn A + wn I.
iii. En dduire que :
un+1 1 1 0 un
n N, vn+1 = 4 0 1 vn
wn+1 1 0 0 wn
iv. On note B la matrice de M3 (R) obtenue la question prcdente. Montrer que A et B sont
semblables.
(c) Inverser directement la matrice A par la mthode de Gauss.
7. Soit p et q deux projecteurs dun espace vectoriel E.
(a) Dmontrer que p q = q p = si et seulement si p + q est un projecteur de E.
(b) On suppose que lune des deux conditions quivalentes prcdentes est vrifie. Montrer alors
que :
Im(p + q) = Im(p) Im(q) et Ker(p + q) = Ker(p) Ker(q)
8. Soit f un endomorphisme dun K-espace vectoriel E.
(a) Soit g L(E) tel que f g = g f . Montrer que Ker(g) et Im(g) sont stables par f .
(b) En dduire que pour tout polynme P (X) K[X], Ker(P (f )) et Im(P (f )) sont stables par f .
9. Soit B = (e1 , e2 , e3 , e4 ) la base canonique de R4 . Soit u lendomorphisme de R4 tel que :
3 0 0 5
1 2 1 5
MatB (u) =
0 1
2 1
9 0 0 3
(a) Montrer que F = Vect(e2 , e3 ) est stable par u.
3
(b) En dduire lexistence dun triplet de B, C) M2 (R) tel que MatB (u) soit sem-
matrices (A,
A B
blable la matrice dfinie par blocs : .
C
3.4. EXERCICES 49
TD*
1. Soit E un K-espace vectoriel de dimension finie. Soit f et g deux endomorphismes de E tels que :
g 6= E f g = E et f + g GL(E)
(a) On suppose dans cette seule question que E = R2 . Dterminer deux projecteurs vrifiant les
conditions ci-dessus.
(b) i. Justifier que Im(g) Ker(f ).
ii. Justifier que E = Im(f ) + Im(g).
iii. Dduire des deux questions qui prcdent que Ker(f ) = Im(g) puis que :
2. Soit E = Cn [X] o n 2.
(a) i. Soit C et P (X) = (X )k avec k J1, nK. Montrer que P est divisible par son
polynme driv P 0 .
ii. Rciproquement, soit P E divisible par son polynme driv P 0 . Dterminer la forme de
P (X).
(b) Soit u lapplication dfinie sur E par :
X M1 (K) {} / AX =
3. Soit f L(E) o E est un espace vectoriel de dimension finie. On suppose que le polynme P (X) =
(X a)(X b) est un polynme annulateur de f (avec a 6= b).
Dmontrer que A GLn (C). Indication : on pourra raisonner par labsurde et utiliser judicieusement
le rsultat de lexercice 1 du DL.
2. (daprs EDHEC 99)
On considre lespace vectoriel R2 muni de sa base canonique B(i, j). On note Id (resp. ) lendo-
morphisme identit (resp. nul) de R2 . Lobjectif de cet exercice est de dterminer les couples (u, v)
dendomorphismes de R2 tels que :
(A1 ) : u2 = u u = Id (A2 ) : v 6= Id
(A3 ) : (v Id)2 = (A4 ) : Ker(u + v + Id) 6= {0}
F = {(X a)n P (X) | P Rn1 [X]} et G = {(X b)n P (X) | P Rn1 [X]}
DS
1. (oral ESCP 2001) Soit E = Rn1 [X] o n 3. Soit a et b deux rels distincts.
(a) i. Montrer que les ensembles Fa , Fb , F dfinis ci-dessous sont des sous espaces vectoriels de
E:
ii. Montrer que la famille de polynmes ((X a), X(X a), X 2 (X a), . . . , X n2 (X a))
est une base de Fa .
iii. Dterminer une base de F .
iv. Montrer que E = Fa + Fb .
(b) Soit u : E E, P (X) 7 (u(P ))(X) = P (a)X + P (b).
i. Montrer que u est une application linaire.
ii. Dterminer Ker(u) et Im(u).
Chapitre 4
Il est vivement conseill de rviser les chapitres 16, 17, 23, 24, 25 (prolongements) et 27 (dveloppe-
ments limits usuels).
Dans tout ce chapitre, f dsigne une application dfinie sur un intervalle I de R valeurs dans R.
Thorme (QC)
La fonction f est continue en x0 I si et seulement si elle admet une limite gauche en x0 , une limite
droite en x0 et :
lim f (x) = f (x0 ) = lim+ f (x)
xx0 xx0
Preuve
Supposons que f est continue en x0 . Alors la limite en x0 vaut f (x0 ). De plus, la dfinition de la
limite donne les limites gauche et droite (par restrictions de lintervalle [x0 , x0 + ]).
Supposons lexistence de la limite gauche et/ou droite ainsi que lgalit f (x0 ). En runis-
sant les valeurs de x obtenues pour chaque > 0, on obtient la limite en x0 .
Exercices
1. Montrer que si f est continue en x0 alors |f | lest aussi. La rciproque est-elle vraie ?
2. On suppose que limxx0 f (x) = ` > 0. Montrer quil existe un rel > 0 tel que :
`
x [x0 , x0 + ] I, |f (x)|
2
1+x 1x
3. (a) Dterminer lim .
x0 x
1 + xm 1 xm
(b) Soit m et n deux entiers naturels non nuls. tudier lim .
x0 xn
53
54 CHAPITRE 4. TUDE DES FONCTIONS NUMRIQUES
Exercices
1. Soit f une application dfinie sur R, continue en 0 et telle que :
x R, f (2x) = f (x)
Dmontrer que f est constante sur R.
2. (a) Soit f une fonction
1 dfinie et continue sur [0, 1] et telle que f (0) = f (1). Montrer quil existe
1
un rel c 0, 2 tel que f (c) = f c + 2 .
(b) Un cycliste parcourt 20 km en une heure lors de sa promenade dominicale. Montrer quil existe
un intervalle de temps dune demi-heure durant lequel il parcourt exactement 10 km (on pourra
introduire la fonction distance parcourue depuis le dpart, fonction rpute continue, puis une
seconde fonction).
3. Dmontrer que si f est continue et priodique sur R alors f est borne sur R.
4. Soit f une fonction continue sur un intervalle I de R. Montrer que f est strictement monotone sur I
si et seulement si elle est injective sur I.
5. Soit f dfinie sur R par f (x) = cos(x)
1+x2
. Montrer que f est borne sur R puis dterminer supf (x).
xR
4.3 Drivabilit
Nombre driv en un rel x0 : dfinition (quivalence limite du taux daccroissement avec dvelop-
pement limit lordre 1), interprtation graphique.
Nombre driv gauche et/ou droite de x0 , lien avec la drivabilit en x0 .
Fonction drivable sur un intervalle I : dfinition, ensemble D1 (I), oprations les fonctions de cet
ensemble, en particulier cest un espace vectoriel, cas des fonctions rciproques.
QC : Drivabilit des fonctions trigonomtriques rciproques.
Fonctions de classe C 1 , C n , C : oprations sur ces fonctions, en particulier ces ensembles sont des
espaces vectoriel.
Les grands thormes : extremum local, thorme de Rolle, galit des accroissements finis, ingalits
des accroissements finis, lien entre signe de la fonction drive et sens de variation de la fonction.
Formule de Taylor-Young et dveloppements limits des fonctions usuelles.
Exercices
1. (a) Soit u et v deux fonction p fois drivables sur un intervalle I. Montrer que la fonction uv est p
fois drivable sur I et que lon a :
p p
(p)
X p (k) (pk)
X p
(uv) = u v = u(pk) v (k)
k k
k=0 k=0
4.4. FONCTIONS CONVEXES 55
(b) Soit a et b deux rels distincts. Soit n N . Pour tout rel x, on pose : f (x) = (x a)n (x b)n .
i. Justifier que f est de classe C sur R dterminer f (n) .
2
ii. En dduire la valeur de nk=0 nk .
P
2. Soit f de classe de C 2 sur R et sannulant au moins trois fois. Dmontrer que la fonction f 0 sannule
au moins deux fois sur R puis que la fonction f 00 sannule au moins une fois sur R.
3. Soit f et g deux fonctions continues sur [a, b] et drivables sur ]a, b[. Dmontrer que :
c ]a, b[ / (f (b) f (a))g 0 (c) = (g(b) g(a))f 0 (c)
2
4. Soit la suite u dfinie par u0 = 2 et : n N, un+1 = 1+un
. On note f sa fonction associe.
(a) Dmontrer que : n N, un [ 23 , 2].
(b) Dterminer un rel M [0, 1[ tel que : x [ 32 , 2], |f 0 (x)| M .
(c) Dmontrer que : n N, |un+1 1| M |un 1|.
(d) En dduire que : n N, |un 1| M n .
(e) Justifier que la suite u converge et dterminer sa limite.
5. Soit f (x) = x2 + x + dfinie sur le segment [a, b]. Dterminer le rel c ]a, b[ provenant de
lgalit des accroissements finis. Interprter graphiquement.
6. Soit ]0, 1[.
(a) Dmontrer que, pour tout entier naturel n, on a : n1 (n + 1) n (n+1)1
.
(b) En dduire un quivalent et la limite de nk=1 k1 .
P
Exercices
1. tudier la convexit des fonctions trigonomtriques rciproques.
2. Dmontrer que si f est convexe sur I alors :
n N , (x1 , . . . , xn ) I n , (1 , . . . , n ) [0, 1]n ,
1 + + n = 1 f (1 x1 + + n xn ) 1 f (x1 ) + + n f (xn )
56 CHAPITRE 4. TUDE DES FONCTIONS NUMRIQUES
4.5 Exercices
4.5.1 Pour les TD
TD
1. Soit f une fonction dfinie et continue sur un intervalle I. Montrer que si f (x)2 = 1 pour tout rel
x I alors f est constante sur I.
1
2. Soit f la fonction dfinie par : f (x) = x2 arctan x+1 .
(a) Dterminer son domaine de dfinition et justifier que f est de classe C 1 sur ce domaine.
(b) Prciser les branches infinies de la courbe de cette fonction aux voisinage de .
(c) On considre la restriction, note g, de f ] 1, +[. Montrer que g se prolonge est en une
fonction de classe C 1 sur [1, +[ puis prciser la valeur de g(1).
(d) On considre la restriction, note h, de f ] , 1[. Montrer que h se prolonge est en une
fonction de classe C 1 sur ] , 1] puis prciser la valeur de h(1).
ln(x)
3. tudier la fonction x 7 x x
.
x
4. Soit f dfinie sur R par f (x) = 1+|x| .
(a) Montrer que f est strictement croissante sur R.
(b) En dduire quelle tablit une bijection de R dans ] 1, 1[ et prciser sa bijection rciproque.
(c) La fonction f est-elle drivable en 0 ? de classe C 1 sur R ?
5. Peut-on prolonger par continuit sur R les fonctions suivantes :
e + ex
x
1 1 1 2
f (x) = sin(x) sin g(x) = ln h(x) =
x x 2 1 x 1 x2
TD*
1. Soit f dfinie et continue sur R. On suppose que f admet une limite finie en et une limite finie
en +.
(a) Dmontrer que f est borne.
(b) On suppose, de plus, que les deux limites en linfini sont gales. Dmontrer que le borne sup-
rieure ou la borne infrieure de f (R) est atteinte, cest dire que f admet un maximum ou un
minimum.
2. Soit f dfinie sur R par : f (t) = 0 si t 0 et f (t) = e1/t si t > 0.
(a) Montrer que f est continue sur R.
(b) i. Montrer que f est drivable en 0.
ii. Justifier que f est drivable sur ] , 0[ et sur ]0, +[.
4.5. EXERCICES 57
Pn (t) 1
Pn (0) = 1 et t ]0, +[, f (n) (t) = e t
t2n
x R, f (x2 ) = f (x)
(a) Montrer que lquation f (x) = xn admet au moins une solution dans [0, 1] pour tout entier
naturel n 1.
(b) On suppose, de plus, que f est dcroissante sur [0, 1].
i. Montrer que, pour tout entier n 1, la solution de lquation prcdente est unique. On la
note an .
ii. Dterminer la nature de la suite (an )n1 .
ii. Conclusion ?
4. Soit f une fonction deux fois drivable sur [a, b] telle que f (a) = f (b) = 0 et f 00 (x) 0 pour tout
x ]a, b[. Montrer que f (x) 0 pour tout rel x [a, b].
x
5. On pose f (x) = 1 + x1 .
(a) Prciser le domaine de dfinition de cette fonction et justifier que f y est de classe C 1 puis
dterminer lexpression de f 0 (x).
(b) Dterminer un dveloppement limit lordre 2 au voisinage de de f . En dduire que la
courbe admet une asymptote que lon prcisera ainsi que la position relative de la courbe avec
son asymptote.
(c) Dterminer la limite de f aux autres bornes de son domaine de dfinition. La fonction se
prolonge-t-elle par continuit ? par drivabilit ?
58 CHAPITRE 4. TUDE DES FONCTIONS NUMRIQUES
(a) Soit t ]0, 1[. Justifier lexistence du rel inf{x R | F (x) t}.
(b) On dfinit alors la fonction h :]0, 1[ R, t 7 inf{x R | F (x) F (t)}.
i. Montrer que :
f (a) 2f (a + h) + f (a + 2h) = h2 f 00 (a + h)
4. Soit f dfinie sur un intervalle I et telle que f possde une limite droite en tout point de I. Soit g la
fonction dfinie sur I par :
x I, g(x) = lim+ f (t)
tx
DS
1. Ecricome 2005, voie co, exercice 2
2. (daprs ESSEC 83)
Soit (, (), P) un espace probabilis fini. Pour tout variable alatoire discrte finie X telle que
X() = {x1 , . . . , xk } avec la condition x1 < < xk , on pose :
k
!
1 X
t R , X (t) = ln pi exi t
t i=1
(a) Un exemple. Dans cette seule question, on suppose que X , U({1, 1}).
t R, fn (t) = en t
Dmontrer par rcurrence que la famille (f1 , . . . , fn ) est libre pour tout entier naturel n
non nul.
B. Soit X et Y deux variables alatoires discrtes finies. Dduire de la question prcdente
que X = Y si et seulement si X et Y ont la mme loi.
iv. Caractriser les variables alatoires X telles que X est une fonction impaire.
v. Dmontrer que :
et +et
o sinh est la fonction dfinie sur R par : sinh(t) = 2
(sinh est appel sinus
hyperbolique).
B. Retrouver ainsi les valeurs de E(UN ) et V(UN ).
C. crire a+rUN (t) pour tout triplet (a, r, t) de rels tels que r 6= 0.
Chapitre 5
Sries numriques
5.1 Rappels
Dfinition et convergence, limite du terme gnrale dune srie convergente, relation de Chasles,
linarit.
Sries termes positifs : CNS de convergence, thormes de comparaisons des sries termes positifs,
sries de Riemann.
Sries termes de signe variable : convergence absolue, semi-convergence, une srie convergente est
la diffrence de deux srie absolument convergente, la convergence absolue implique la convergence,
changement de lordre des termes dune srie absolument convergente, sries gomtriques et ses
drives, sries exponentielles.
Thorme (QC*)
1
P
La srie de Riemann n
est convergente si et seulement si > 1.
Preuve
1
0 : La suite n n1
ne converge pas vers 0 donc la srie est divergente.
1
0 < < 1 : La fonction t 7 t
est strictement dcroissante sur ]0, +[ donc :
1 1 1
k N , t [k, k + 1],
(k + 1) t k
Le thorme IAF donne alors :
1 1 1 1
k N ,
1
1
(k + 1) (1 )(k + 1) (1 )k k
On somme ces ingalits du rang 1 au rang n et, par tlescopage, on obtient :
n n
X 1 1 1 X 1
n N ,
k=1
(k + 1) (1 )(n + 1)1 (1 ) k=1
k
1
La seconde ingalit assure la divergence de la srie puisque
(1)(n+1)1 n+
+ (car 1 < 0).
En exploitant aussi la premire ingalit, on peut mme obtenir un quivalent de la somme partielle
de rang n de la srie.
= 1 : On mne un raisonnement analogue, seule la primitive choisie est modifie pour donner
ln(n + 1) comme membre du milieu de la double ingalit. On obtient encore la divergence de la
srie.
61
62 CHAPITRE 5. SRIES NUMRIQUES
> 1 : On obtient la mme double ingalit que ci-dessus, mais cette fois, la premire ingalit
donne : n
X 1 1 1 1 1
1
+1 1
k=1
k (1 )(n + 1) (n + 1) (1 ) (1 )
La srie tant terme positifs et la suite des sommes partielles tant majore, cela assure la conver-
gence de la srie. Attention toutefois, le majorant nest pas gal la somme de la srie.
Exercice
Dterminer un quivalent de la somme partielle de rang n dune srie de Riemann divergente.
Thorme (QC)
La srie gomtrique xn est convergente si et seulement si |x| < 1 et la convergence est absolue.
P
De plus, pour tout rel x ] 1, 1[, on a :
+
X 1
xn =
n=0
1x
En consquence, on a :
+ +
X n nk
X n+k 1
k N , x ] 1, 1[, x = xn =
n=k
k n=0
k (1 x)k+1
Preuves
Si |x| 1 alors la suite (xn )n0 ne converge pas vers 0 donc la srie est divergente. Supposons que
|x| < 1. On sait que :
n
X 1 xn+1 1
n N, xk =
k=0
1 x n+ 1 x
et ce rsultat est encore valable en remplaant x par |x| do convergence absolue de la srie et valeur
de sa somme.
Pour la drive, on applique la mthode prcdente. Dans le cas o |x| < 1, lgalit ci-dessus peut
se driver sur ] 1, 1[ et on obtient :
n
X (n + 1)xn (1 x) (1 xn+1 )(1) 1 (n + 1)xn + nxn+1 1
kxk1 = 2
= 2
(1 x) (1 x) n+ (1 x)2
k=1
5.2.1 Gnralits
Dfinitions
On appelle suite double toute application u de N2 dans R :
u : N2 R
(i, j) 7 u(i, j)
Comme pour les suites usuelles, on note ui,j le rel u(i, j) et (ui,j )(i,j)N2 la suite double u.
+
Une telle suite est qualifie de positive si et seulement si u est
X valeurs dans R .
Soit (ui,j )(i,j)N2 une suite double. On appelle srie double ui,j (associe la suite double (ui,j ))
i,j
lensemble des rels de la forme : XX
ui,j
iA jB
o A et B sont deux parties finies de N. Cette srie double est dite termes positifs si et seulement
si la suite
X associe Xest positive.
Soit ui,j et vi,j deux sries doubles. On appelle somme de ces deux sries la srie note
i,j i,j
X
(ui,j + vi,j ) et constitue des rels de la forme :
i,j
XX XX XX
(ui,j + vi,j ) = ui,j + vi,j
iA jB iA jB iA jB
Remarque
A = J0, pK et B = J0, qK
ont un sens (sur le plan mathmatique) et elles sont susceptibles dtre gales.
Proposition
Toute srie double est la diffrence de deux sries doubles termes positifs.
64 CHAPITRE 5. SRIES NUMRIQUES
Preuve
Pour tout couple (i, j) dentiers naturels, on pose :
|ui,j | + ui,j |ui,j | ui,j
vi,j = max{ui,j , 0} = et wi,j = min{ui,j , 0} =
2 2
Alors ui,j = vi,j wi,j pour tout couple (i, j) dentiers naturels ce qui donne le rsultat.
Preuve
s
Exemples
X i+j
1. Nature et somme ventuelle de la srie avec R+ .
i!j!
+ X+
X 1
2. Calculer .
n=0 k=n
k!
Remarque
Le thorme prcdent sapplique aussi au calcul de somme des sries faussement doubles du type :
+ X
X i
ui,j
i=0 j=0
puisquil suffit de poser ui,j = 0 pour tout couple (i, j) tel que j > i.
Preuve
peu prs immdiat pour la convergence daprs la dfinition prcdente. Un poil plus sophistiqu pour
la divergence.
Exemple
P i+j
Justifier que la srie i!j!
converge absolument pour tout rel .
Proposition
Toute srie double absolument convergente est la diffrence de deux sries doubles positives conver-
gentes.
Preuve
Pour tout couple (i, j) dentiers naturels, on pose :
Thorme de Fubini
P
Soit ui,j une srie double termes de signe P quelconque. On suppose que :
pour tout entier naturel i, la srie (simple) j ui,j converge absolument vers un rel ai et on note
P+
a0i = P j=0 |ui,j |
la srie a0i converge. P
(ces deux conditions
P sont vrifies lorsque la srie ui,j est absolument convergente). Alors, on a :
la srie ai converge absolumentPvers un rel S,
Pentier naturel j, la srie i ui,j converge absolument vers un rel bj ,
pour tout
la srie bj converge absolument vers ce mme rel S, cest dire que :
+ X
X + +
X +
X + X
X +
ui,j = ai = S = bj = ui,j
i=0 j=0 i=0 j=0 j=0 i=0
P
Dans une telle situation, on appelle somme de la srie double absolument convergente ui,j ce rel S.
Corollaire
Toute srie double absolument convergente est convergente.
Preuve
On applique le thorme de Fubini.
66 CHAPITRE 5. SRIES NUMRIQUES
Exemple
P i+j
Nature et somme de la srie i!j!
.
Preuve
s
Exemple
P
1. Soit ui,j une srie double absolument convergente de somme S. On pose :
n N, In = {(i, j) N2 | i + j = n}
Justifier que :
+ X
X
S= ui,j
n=0 (i,j)In
2. Applications
1
P
(a) Nature et somme ventuelle de la srie double (i+j)!
.
P xi y j
(b) Soit x et y deux rels. Nature et somme ventuelle de (i+j)!
.
5.3 Exercices
5.3.1 Pour les TD
TD
1. Dterminer la nature des sries dont le terme gnral est :
n2
(xy)n
1 1 n
an = sin tan bn = et cn = avec x > 0 et y > 0
n n n+1 xn + y n
2. Dterminer la nature et la somme ventuelle des sries dont le terme gnral est :
an2 + bn + c n2
un = avec (a, b, c) R3 et vn =
n! 5n
3. Soit (an )n0 une suite de rels positifs dcroissante et convergente vers 0.
(a) Montrer que la srie, dite alterne, (1)n an est convergente.
P
(b) Donner un exemple dans lequel la srie est absolument convergente puis un autre exemple dans
leque la srie est semi convergente.
5.3. EXERCICES 67
+
X
(c) Montrer que : n N, (1)k ak an+1 .
k=n+1
pn
X 1
(d) Soit p N . Dterminer lim .
n+
k=n+1
k
(e) Montrer que :
2n 2n
X (1)k+1 X 1
n N , =
k=1
k k=n+1
k
+
X (1)k+1
En dduire que : = ln(2).
k=1
k
X ji
5. Nature et somme ventuelle de .
i!j!
(i,j)N2
P
6. Soit an une srie absolument convergente. Pour tout entier naturel n, on pose :
n
1 X n
bn = n ak
2 k=0 k
h nk i
(a) Soit k N. En remarquant que 21n nk ak = 2akkk! n(n 1) . . . (n k + 1) 21
pour tout
entier n k, prouver que la srie nk 21n nk ak converge absolument.
P
TD*
1. Fonction (zta) de Riemann.
+
X 1
Pour tout rel x > 1, on pose : (x) = x
.
n=1
n
(a) Justifier que cela dfinit bien une fonction sur ]1, +[.
(b) Montrer que est dcroissante sur ]1, +[.
(c) Dmontrer que lim+ (x) = +.
x1
Indication : On pourra considrer la somme partielle de rang k, pour un x donn, puis faire
tendre k vers +.
(d) Montrer que :
Z n+1 n Z n
dt X 1 dt
n N , x ]1, +[, 1 +
1 tx k=1
kx 1 t
x
68 CHAPITRE 5. SRIES NUMRIQUES
(e) En dduire :
i. un encadrement de (x),
ii. la limite de (x 1)(x) lorsque x tend vers 1.
(f) Dmontrer que est continue sur ]1, +[.
1 1
Indication : On pourra majorer x0 +h x0 par le terme gnral dune srie convergente.
n n
2. Rgle de dAlembert.
Soit (un )n0 une suite de rels strictement positifs et tels que :
un+1
lim = a R
n+ un
P
(a) On suppose que a < 1. Montrer que la srie un converge.
P
(b) On suppose que a > 1 (y compris +). Montrer que la srie un diverge.
1 1
(c) En considrant les suites un = n
puis un = n2
, peut-on conclure dans le cas o a = 1 ?
(d) On suppose maintenant quil existe un rel b et une suite (vn )n1 borne tels que :
un+1 b vn
n N , =1 + 2
un n n
On pose aussi : n N , tn = nb un .
i. Montrer que la srie ln tn+1
P
tn
est convergente.
ii. En dduire quil existe un rel A > 0 tel que un Ab .
n+ n
P
iii. Pour quelles valeurs du rel b est-on sr que la srie un convergente ?
135(2n1)
iv. Application : Nature de la srie de terme gnral 246(2n) en fonction du rel
0.
DS
1. s
70 CHAPITRE 5. SRIES NUMRIQUES
Chapitre 6
+
!
[
lim P(An ) = P Ak
n+
k=0
Si (An )nN est une suite dcroissante dlments de T alors la suite (P(An ))nN converge et :
+
!
\
lim P(An ) = P Ak
n+
k=0
+
! n
! +
! n
!
[ [ \ \
P Ak = lim P Ak et P Ak = lim P Ak
n+ n+
k=0 k=0 k=0 k=0
Preuve
71
72 CHAPITRE 6. VARIABLES ALATOIRES DISCRTES INFINIES
Exercices
1. On suppose que est dnombrable. On considre une tribu T de parties de telle que :
, {} T
Dmontrer que T = ().
2. Soit A et B deux parties de . Montrer que la tribu engendre par A et B, note T (A, B) est :
{, A, B, A, B, A B, A B, A B, A B, A B, A B, A B, A B, AB, AB, }
o AB = (A B) (B A) est la diffrence symtrique de A par B.
3. Soit = R et T la tribu des borliens (la tribu engendre par tous les intervalles ferms et borns
de R). Tous les lments de T sont alors appels borliens.
(a) Justifier que tous les intervalles de R sont dans T .
(b) Soit A T et TA = {B A | B T }. Dmontrer que TA est une tribu de parties de R.
(c) Dmontrer que T est aussi la tribu engendre, successivement, par les intervalles du type :
]a, b[ [a, b[ ]a, b] ]a, +[ [a, +[ ] , a[ ] , a]
o a et b sont deux rels.
4. On joue une infinit de fois pile/face avec une pice dont la probabilit dapparition de pile est
p ]0, 1[. Calculer la probabilit de lvnement F : on obtient toujours face .
Dfinition
On dit quune partie E de R est un ensemble discret si et seulement si :
soit E est un ensemble fini,
soit E = {x0 , x1 , . . .} (les lments de E sont numrots laide des lments de N) et :
x0 < x1 < . . . et lim xn = + ou x0 > x1 > . . . et lim xn =
n+ n+
Remarques
Dans la pratique, tous les ensembles discrets que nous utiliserons seront soit finis soit une partie infini
de N.
Nous noncerons alors tous les rsultats de ce chapitre dans le cas o lensemble X() est discret de
la forme {x0 , x1 , x2 , . . .} avec :
Dfinitions
Une variable alatoire X : R est dite discrte si et seulement si X() est discret.
Soit X et Y deux variables alatoires discrtes.
On appelle tribu associe la variable X la tribu, note AX , engendre par la famille dvne-
ments ([X = x])xX() .
On appelle tribu associe au couple alatoire (X, Y ) la tribu, note A(X,Y ) , engendre par la
famille dvnements ([X = x] [Y = y])(x,y)X()Y () .
Propositions
Preuves
Propositions
Soit (, T , P) un espace probabilis.
P
Soit X une variable alatoire discrte. Alors, la srie n0 P(X = xn ) converge (absolument) et sa
somme vaut 1. De plus, on peut liminer du systme complet ([X = xn ])n0 les vnements
ngligeables et donc liminer de X() les xn correspondants. La famille dvnements qui reste est
alors un systme presque complet et on considre que lapplication , note encore X, ainsi obtenue
est encore une variable alatoire.
Soit (yn )n0 une suite de rels deuxP deux distincts et de limite +. Soit (pn )n0 une suite de rels
positifs (ou nuls) telle que la srie n0 pn converge (absolument) et sa somme vaut 1. Alors, il existe
une variable alatoire discrte Y telle que :
n N, P(Y = yn ) = pn
Preuves
s
Proposition
Soit (X, Y ) un couple alatoire dans (, T , P) dont on connat la loi conjointe. Alors :
X X
x X(), P(X = x) = P([X = x] [Y = y]) = P(Y = y)P[Y =y] (X = x)
yY () yY ()
X X
y Y (), P(Y = y) = P([Y = y] [X = x]) = P(X = x)P[X=x] (Y = y)
xX() xX()
Preuve
Formule des probabilits totales.
Proposition
Deux variables alatoires discrtes X et Y sont indpendantes si et seulement si leurs tribus associes
AX et AY sont indpendantes.
Preuve
s
n
X() = N et n N, P(X = n) = e
n!
6.2. VARIABLES ALATOIRES RELLES DISCRTES 75
Exemples
1
1. Montrer que les rels pn = pour tout n N sont les probabilits associes une variable
n(n + 1)
alatoire discrte.
2. On lance une infinit de fois une pice pour laquelle pile a pour probabilit dapparition le rel
p ]0, 1[. On note X le rang dapparition du premier pile et Y celui du second pile.
(a) Prciser la loi de X puis dterminer la loi conjointe du couple (X, Y ).
(b) En dduire la loi de Y . Les variables alatoires X et Y sont-elles indpendantes ?
3. On lance une infinit de fois une pice pour laquelle pile a pour probabilit dapparition le rel
p ]0, 1[. On pose : q = 1 p. On note Z le rang du lancer pour lequel on obtient pour la premire
fois deux pile conscutifs et on considre que Z prend la valeur 0 si lon obtient jamais deux pile
conscutifs.
(a) Prciser Z().
(b) Montrer que, pour tout n 2, on a :
(c) En dduire lexpression de P(Z = n) pour tout n 2 puis vrifier que Z est bien une variable
alatoire discrte. Quelle est la probabilit dobtenir deux pile conscutifs ?
Propositions
Soit (, T , P) un espace probabilis.
Soit X une variable alatoire et f : I R une fonction de transfert. Alors, Y = f X = f (X) est
une variable alatoire, AY AX et on a :
X
Y () = {f (xi ) | i N} et y Y (), P(Y = y) = P(X = x)
xf 1 ({y})
En particulier :
pour tout couple (a, b) de rels avec a 6= 0, aX + b est une variable alatoire et :
yb
y R, P(aX + b = y) = P X =
a
Preuves
s
Thorme (admis)
Soit (X1 , . . . , Xn ) une famille de variables alatoires mutuellement indpendantes sur un espace proba-
bilis (, T , P). Soit p J1, n 1K.
La tribu associe (X1 , . . . , Xp ) et la tribu associe (Xp+1 , . . . , Xn ) sont indpendantes.
Soit : Rp R, : Rnp R. Alors, les variables alatoires (X1 , . . . , Xp ) et (Xp+1 , . . . , Xn )
sont indpendantes (o et sont deux fonctions de transfert).
Preuve
Soit z R. Comme ([X = xi ])iN est un systme complet dvnements, on a :
X X
P(X + Y = z) = P([X = x] [X + Y = z]) = P([X = x] [Y = z x])
xX() xX()
Propositions (QC)
Soit (, T , P) un espace probabilis et (X1 , . . . , Xn ) une famille de variables alatoires mutuellement
indpendantes et telles que Xi , P(i )pour tout 1 i n. Alors :
X1 + + Xn , P(1 + + n )
Preuve
Rcurrence.
Exemples
1. Reprsentations graphiques dans le cas des exemples du paragraphe 6.2.2.
2. Soit X et Y deux variables alatoires indpendantes dun mme espace probabilis (, T , P) et sui-
vant la mme loi G(p). Dterminer la loi des variables alatoires S = sup(X, Y ) et I = inf(X, Y ).
Propositions (QC)
Si X , G(p) alors X admet une esprance et E(X) = p1 .
Si X , P() alors X admet une esprance et E(X) = .
Preuves
s
Exemples
1. Calculer, si possible, les esprances des variables alatoires des exemples du paragraphe 6.2.2.
(1p)(3p)
2. Montrer que E(S) = p(2p)
puis calculer E(I) dans lexemple 2 du paragraphe 6.2.4.
Preuve
Pour tout entier k, on a :
|xk P(A [X = xk ])| |xk P(X = xk )|
P P P P(A[X=xk ])
donc xk P(A [X = xk ] converge absolument et alors xk PA (X = xk ) = xk P(A)
converge
absolument.
Preuve
Pour tout couple (k, n) N2 , on pose :
P : Supposons que X admet une epsrance pour P. Pour tout entier k 0, on sait que la srie
P(An [X = xk ]) converge absolument en vertu de la formule des probabilits totales donc la
n0P
srie n0 uk,n est aussi absolument convergente et on a :
+
X
k N, |uk,n | = |xk |P(X = xk )
n=0
P
Comme X admet une esprance alors k0 |xk |P(X = xk ) converge. On peut alors appliquer le
thorme de Fubini, savoir que X admet une esprance pour chaque PAn et de plus :
+
X + X
X +
E(X) = xk P(X = kk ) = xk PAn (X = kk )P(An )
k=0 k=0 n=0
+ X
X + +
X
= xk PAn (X = kk )P(An ) = E(X|An )P(An )
n=0 k=0 n=0
Exemple
On lance une pice de monnaie, pour laquelle pile a pour probabilit dapparition le rel p ]0, 1[
chaque lancer, jusqu obtenir pile. Ce premier pile ayant t obtenu en n lancers, on lance la pice n fois
conscutives et on note X le nombre de pile obtenus au cours de cette dernire squence de n lancers.
Justifier que X admet une esprance et la calculer.
En particulier, si X admet une esprance alors, pour tout couple (a, b) de rels, la variable alatoire
Y = aX + b admet une esprance et E(aX + b) = aE(X) + b.
Soit (X, Y ) un couple de variables alatoires discrtes. Soit f : R2 R une fonction de transfert et
Z = f (X, Y ). Alors :
6.3. ESPRANCE DUNE VARIABLE ALATOIRE 79
P
la variable Z admet une esprance si et seulement si la srie (i,j)N2 f (xi , yj )P([X = xi ] [Y = yj ])
converge absolument et dans ce cas, on a :
+ X
X + X
E(Z) = f (xn )P(X = xn ) = f (x, y)P([X = x] [Y = y])
i=0 j=0 xX()
yY ()
En particulier, si X et Y admettent une esprance alors, pour tout couple (, ) de rels, la variable
alatoire X + Y admet une esprance et on a :
E(XY ) = E(X)E(Y )
Preuves
s
Preuve
La premire implication est vidente. La seconde dcoule de lgalit [X Y ] = [X Y 0] et de la
linarit de lesprance.
E(X)
P(X a)
a
Soit X une variable alatoire discrte telle que X r admet une esprance. Alors, pour tout rel a
strictement positif, on a :
E(|X|r )
P(|X| a)
ar
En particulier, si X 2 admet une esprance, on a :
E (X 2 )
a > 0, P(|X| a)
a2
Preuves
s
80 CHAPITRE 6. VARIABLES ALATOIRES DISCRTES INFINIES
Remarque
En raison de son caractre universel (i.e. pour toutes les variables alatoires), cette majoration est
mdiocre. Par exemple, pour X , G( 13 ), a = 100 et r = 1, comparer le rsultat donn par lingalit de
Markov avec la valeur exacte.
Proposition (QC)
Si X , G(p) alors X admet une variance et V(X) = 1p
p2
.
Si X , P() alors X admet une variance et V(X) = .
Preuves
Soit (, T , P) un espace probabilis et X une variable alatoire discrte admettant une variance. Alors,
pour tout rel a strictement positif, on a :
V(X)
P (|X E(X)| a)
a2
Preuve
Exemples
Prciser si les variables alatoire discrte du paragraphe lois de probabilit admettent une variance et la
calculer le cas chant.
6.4.2 Covariance
Dfinition, formule de Huygens.
Ingalit de Cauchy-Schwarz.
Corrlation et non corrlation. Coefficient de corrlation, ajustement affine.
Matrice de variance-covariance dun vecteur alatoire.
6.5. EXERCICES 81
Proposition
Soit (X1 , . . . , Xn ) une famille de variables alatoires dun espace probabilis (, T , P) admettant cha-
cune une variance. Alors, X1 + + Xn admet une variance et on a :
n
X X
V(X1 + + Xn ) = V(Xn ) + 2 Cov(Xi , Xj )
i=1 1i<jn
Preuve
s
6.5 Exercices
6.5.1 Pour les TD
TD
1. Soit un ensemble et T1 et T2 deux tribus de parties de .
(a) Dmontrer que T1 T2 est une tribu de parties de .
(b) En choisissant judicieusement , T1 et T2 , montrer que T1 T2 tre ou ne pas tre une tribu de
parties de .
2. Soit L , P(). Soit la variable alatoire X telle que, pour tout entier naturel n, la loi de X sachant
ralis lvnement [L = n] est la loi P(n).
(a) Prciser E[L=n] (X) pour tout entier n N.
(b) En dduire que X admet une esprance et la calculer.
3. On considre une urne U qui contient initialement une boule blanche et une boule noire. On tire
dans cette urne selon le protocole : chaque tirage, on prlve une boule et on la remet dans U
accompagne dune autre boule de la mme couleur, provenant dun stock annexe (suppos infini).
On note T le temps dattente du premier tirage noir.
(a) Calculer, pour n N , la probabilit de lvnement [T = n]. En dduire que T est une variable
alatoire.
(b) Cette variable alatoire admet-elle une esprance ?
4. Loi binomiale ngative.
Une urne contient a boules noires et b boules blanches. On effectue des tirages successifs dune boule
avec remise de la boule dans lurne entre chaque tirage. Pour tout entier naturel k non nul, on note
Xk le rang de tirage de la k me boule noire.
(a) Lois de X1 et de X2 .
i. Dterminer la loi de X1 puis prciser son esprance et sa variance.
ii. Dtermnier la loi de X2 puis calculer son esprance si elle existe.
iii. Les variables alatoires X1 et X2 sont-elles indpendantes ?
(b) Esprance de Xk . Pour tout entier naturel n non nul, on pose : Yn = Xn+1 Xn .
i. Dterminer la loi de Yn pour tout entier naturel n non nul.
ii. En dduire que Xk admet une esprance et la calculer (k 1).
iii. Justifier que Xk admet une variance et la calculer.
82 CHAPITRE 6. VARIABLES ALATOIRES DISCRTES INFINIES
P
(b) On suppose que la srie P (X > k) converge.
i. Prouver que :
n
X +
X
n 1, kP(X = k) P(X > k)
k=1 k=0
P
ii. En dduire que la srie P(X > k) converge et prciser alors la valeur de E(X).
(d) Quel thorme a-t-on dmontr lors des questions (b) et (c) ?
(e) Une marque de lessive dite une collection de 4 pins diffrents. Une mnagre achte des
barils de cette lessive afin que sa fille puisse collectionner les pins. On suppose que chaque
baril contient un unique pins (rpartis uniformment dans chaque baril dans lusine) et que les
achats de la mnagre sont indpendants.
i. Montrer que la probabilit quau bout de n achats il manque toujours un pins, au moins,
la fille est : n n n
3 1 1
pn = 4 6 +4
4 2 4
ii. Soit X le nombre de barils que la mnagre a achet lorsque sa fille a, pour la premire fois,
tous les pins. Exprimer P(X > n) en fonction de pn puis dduire des questions prcdentes
que X admet une esprance et la calculer.
6. On dit quune variable alatoire X est sans mmoire si et seulement si :
2
X() R+ et (x, y) R+ , P(X > x + y) = P(X > x)P(X > y)
(b) Soit X une variable alatoire discrte valeurs positives et non certaine gale 0. Montrer que
X suit une loi sans mmoire si et seulement si X suit une loi gomtrique.
7. Soit X et Y deux variables alatoires indpendantes suivant la mme loi G(p) (avec 0 < p < 1). Soit
m N . On pose Im = inf(X, m) et Sm = sup(X, m). Dterminer la loi et lesprance de Im puis
de Sm .
8. (ESCP 2001) Une rampe verticale de spots nomms de bas en haut S1 , S2 , S3 , S4 change dtat de la
manire suivante :
linstant t = 0 le spot S1 est allum,
si, linstant t = n (o n 0) le spot S1 est allum alors un (et un seul) des spots S1 , S2 , S3 , S4
sallume linstant t = n + 1 et ceci de manire quiprobable,
si, linstant t = n (o n 0) le spot Si (o 2 i 4) est allum alors le spot Si1 sallume
linstant t = n + 1,
chaque instant, un seul spot est allum.
Soit X la variable alatoire reprsentant linstant, sil existe, o le spot S2 sallume pour la premire
fois.
(a) Calculer la probabilit pour que le spot S1 reste constamment allum jusqu linstant t = n. En
dduire que X est bien une variable alatoire.
(b) Calculer la probabilit des vnements [X = 1] et [X = 2].
(c) Calculer la probabilit des vnements [X = n] pour n 3.
(d) Justifier que X admet une esprance et la calculer.
9. Soit X et Y des variables alatoires indpendantes suivant la mme loi de Poisson desprance 1. Soit
s un entier naturel. Dterminer la loi de X conditionne par lvnement [X + Y = s].
10. Soit X , P(). Soit Y la variable alatoire prenant la valeur 0 lorsque X prend une valeur impaire
et la valeur 21 X sinon. Dterminer la loi de Y puis calculer son esprance et sa variance.
TD*
(a) Calculant P[N =n] (Xi = k) pour tout couple (k, n) dentiers naturels.
(b) En dduire la loi de Xi puis son esprance et sa variance.
2. Lemmes de Borel-Cantelli.
On considre une suite infinie (Ai )iN dvnements dun espace probabilis (, T , P). Soit alors
lvnement A une infinit des vnements Ai sont raliss .
T+ S+
(a) Montrer que : A = n=0 i=n Ai .
P
(b) Lemme 1. On suppose que la srie n0 P(An ) converge. Montrer qualors : P(A) = 0.
P
(c) Lemme 2. On suppose que la srie n0 P(An ) diverge et que les vnements Ai sont mutuel-
lement indpendants. Montrer qualors P(A) = 1.
(d) On suppose
P que Ai = A0 pour tout entier naturel i et que P(A0 ) = 21 . Quelle est la nature de la
srie n0 P(An ) ? Calculer P(A). Consquence ?
84 CHAPITRE 6. VARIABLES ALATOIRES DISCRTES INFINIES
(d) Soit Sn = X1 + + Xn1 . La variable alatoire Sn est alors le nombre dobjets dfectueux
fabriqus avant le nme objet.
i. Soit m un entier tel que 0 m n 1. Calculer PAn (Sn = m).
ii. Dterminer lesprance de la variable alatoire Sn pour la probabilit conditionnelle sa-
chant ralis lvnement An .
2. Soit n un entier suprieur ou gal 2. On considre un d quilibr n faces numrotes de 1 n.
On effectue une succession infinie de lancers de ce d et, pour chaque i J1, nK, on note Xi le rang
dobtention du premier numro i. Lobjectif de lexercice est de calculer (Xi , Xj ) pour tout couple
(i, j) tel que i 6= j.
6.5. EXERCICES 85
(a) Montrer que lon peut ainsi dfinir deux variable alatoires discrtes X et Y dont on prcisera
les lois. Sont-elles indpendantes ?
(b) Calculer leurs esprances et variances.
2. Soit X , P(). Soit Y la variable alatoire telle que Y () N et, pour tout n N, la loi de Y
sachant ralis lvnement [X = n] est la loi B(n, p). Dterminer la loi de Y .
3. Soit p ]0, 1[. Deux adversaires (A et B) jouent au tennis. Ils sont galit 7 points 7 dans le jeu
dcisif dun set. Le joueur A a la probabilit p de gagner chacun des points suivants (et le joueur B
a la probabilit 1 p). On suppose que le rsultat que chacun des points est indpendant des points
prcdents. Le joueur gagnant est celui qui mne au score par deux points dcart pour la premire
fois.
(a) i. Justifier que le nombre de points qui restent jouer est pair.
ii. Quelle est la probabilit que le jeu dure encore 2n points ?
(b) i. Quelle est la probabilit que le joueur A gagne ?
ii. Quelle est la probabilit que le joueur B gagne ?
iii. En dduire la probabilit que le jeu dure indfiniment.
4. Soit (, T , P) un espace probabilis et (An )nN une suite dvnements mutuellement indpendants.
(a) Dmontrer que : !
+
[ n
Y
P An = 1 lim P(Ai )
n+
n=0 i=0
S+
(c) Dans chacun des cas suivants, calculer P n=0 An :
i. n N, P(An ) = a o a ]0, 1[,
1
ii. n N, P(An ) = (n+1)2
.
5. On considre une infinit de jetons deux faces (pile/face) nots J1 , J2 , . . . . On les lance successi-
vement. Soit ai la probabilit que le jeton Ji tombe sur le ct pile.
(a) Dterminer la probabilit que la premire apparition de pile soit au lancer numro n.
(b) Dterminer la probabilit que le ct pile napparaisse jamais.
(c) Dmontrer alors que, pour toute suite (ai )iN dlments de [0, 1], on a :
+ n1
! +
X Y Y
an (1 ai ) + (1 an ) = 1
n=1 i=1 n=1
On admettra que le produit infini est la limite du produit partiel des n premiers facteurs lorsque
n tend vers linfini.
6. Un jeu entre deux joueurs A et B est divis en parties indpendantes. chaque partie, la probabilit
que A perde est 1 p et la probabilit que B perde est p (o p ]0, 12 [] 21 , 1[) ; de plus, le perdant
donne 1 euro au gagnant.
(a) Les joueurs A et B possdent eux deux une somme totale de N euros (N 2). Le jeu sarrte
ds que lun des joueurs est ruin. Pour tout entier k J0, N K, on note ak la probabilit que le
joueur A, ayant initialement une somme de k euros, soit ruin par la suite.
6.5. EXERCICES 87
i. Prciser a0 et aN .
ii. Prouver que : k J1, N 1K, ak = pak+1 + (1 p)ak1 .
iii. Dmontrer que :
N k
1p 1p
p
p
k J0, N K, ak = N
1p
p
1
(b) Le joueur B est infiniment riche et le joueur A possde une somme initiale de k euro(s). D-
k
montrer que la probabilit ak que le joueur A se ruine vaut 1 si p < 2 et vaut 1p
1
p
si p > 21 .
7. Des paquets de crales contiennent lun des autocollants dune collection en comportant n. On sup-
pose que les autocollants ont t placs de manire indpendante et uniforme dans les paquets. Un
enfant souhaite la collection complte. Il fait donc acheter sa mre des paquets (quil ouvre au fur et
mesure chez lui, bien videmment) . Soit Xn le nombre de paquets achets (les achats cessent ds
que lenfant a une collection complte).
(a) On note Yk le nombre de paquets achets pour obtenir k autocollants diffrents et on pose Zk =
Yk Yk1 . Prciser la loi de Zk , son esprance et sa variance.
(b) En dduire E(Xn ) et V(Xn ).
(c) Donner un quivalent simple de E(Xn ) lorsque n tend vers +.
8. Soit p ]0, 1[. On pose : q = 1 p ]0, 1[.
P+ qk
(a) En utilisant une formule de Taylor, montrer que : k=0 k = ln(1 q).
(b) Soit X , G(p). Calculer E(1/X).
DS
1. s
88 CHAPITRE 6. VARIABLES ALATOIRES DISCRTES INFINIES
Chapitre 7
Dans ce chapitre, E dsigne un K-espace vectoriel. Lorsque cela sera ncessaire, on prcisera sil est de
dimension finie. Dautre part, u dsigne un endomorphisme de E.
Thorme : matrices dune application linaire dans deux bases distinctes (QC)
Soit E un K-espace vectoriel de dimension finie dont on considre deux bases B et B 0 distinctes. Soit
f L(E). On pose :
A = MatB0 (f ) A0 = MatB (f ) et P = PB,B0 = MatB0 ,B (IdE )
Alors, on a :
A0 = P 1 A P
Preuve
On a le diagramme suivant form de couples espace/base :
f
(E, B 0 ) (E, B 0 )
IdE IdE
(E, B) (E, B)
f
cest dire que : IdE f = f IdE . Ainsi, on a : P A0 = A P ce qui donne le rsultat attendu.
89
90 CHAPITRE 7. RDUCTION DES ENDOMORPHISMES ET DES MATRICES CARRES
Preuve
Cest quasi-immdiat.
Exemples
1. Soit E un espace vectoriel de dimension finie n 2. Soit F un sous espace de E de dimension r telle
que 1 r n 1. Soit G un supplmmentaire de F dans E. Soit BF (resp. BG ) une base matrice
de F (resp. G) et B la concatnation de ces deux bases.
On pose :
1 1 1
~x1 = 1 ~x2 = 1 ~x3 = 1 F = Vect(~x1 ) G = Vect(~x2 , ~x3 )
1 B 1 B 1 B
(a) Montrer que B 0 (~x1 , ~x2 , ~x3 ) est une base de R3 . Que peut-on en dduire concernant les sous
espaces F et G ?
3. Justifier que la matrice A0 de f dans la base B 0 est diagonale par blocs. La dterminer.
Exemples
1 2 2 1
1. Montrer que et sont semblables.
1 2 2 1
2. Dterminer toutes les matrices semblables n , puis In .
Thorme
Deux matrices semblables de Mn (K) reprsentent le mme endomorphisme exprim dans deux bases
diffrentes. En consquence, elles ont le mme rang.
Preuves
s
Exemples
1 1 0 0
Montrer que et sont semblables.
1 1 0 2
~x E {~0E } / u(~x) = ~x
Un tel vecteur ~x est alors appel vecteur propre de u associ la valeur propre . Autrement dit,
est valeur propre de u si et seulement si u IdE nest pas injectif.
On appelle sous espace propre de u associ la valeur propre lensemble constitu du vecteur
nul et des vecteurs propres associs , cest dire lensemble :
Exemples
1. Soit f dfinie sur R3 par :
x x x+y+z
y R3 , f y = x + y + z
z z x+y+z
(a) Vrifier que u L(R2 [X]) puis prciser la matrice M de u dans la base (1, (X 1), (X 1)2 )
de R2 [X].
(b) En dduire des valeurs propres de u ainsi que des vecteurs propres qui leur sont associs.
Thorme
Soit K. On suppose que E est de dimension finie. Les propositions qui suivent sont quivalentes :
1. est valeur propre de u,
2. u IdE nest pas bijectif,
3. rg(u IdE ) < dim(E),
4. dim(E (u)) = dim(E) rg(u IdE ) > 0
En particulier, si 0 Sp(u) alors E0 (u) = Ker(u) et donc :
u GL(E) 0 6 Sp(u)
Preuves
s
Exemples
1. Dterminer le spectre et une base des sous espaces propres des endomorphisme reprsents dans la
base canonique de R3 par les matrices suivantes :
1 0 2 2 3 1 1 2 3
A = 0 3 3 B= 0 2 3 C= 1 2 3
2 4 0 0 0 2 1 2 3
2. Dterminer les valeurs propres et les sous espaces propres de u L(R2 ) dfini par :
1 1 0 3
u = et u =
0 3 1 1
3. Dterminer les valeurs propres et les sous espaces propres de u L(C2 ) dfini par :
1 1 0 3
u = et u =
0 3 1 1
Preuve
Par rcurrence.
Proposition (QC)
Soit P (X) K[X] un polynme annulateur de u. Alors :
Sp(u) P () = 0
Autrement dit, toutes les valeurs propres de u sont parmi les racines de P (X). Attention, la rciproque est
fausse.
Preuve
Posons P (X) = a0 + a1 X + + an X n avec an 6= 0. Soit Sp(u) et ~x un vecteur propre qui lui est
associ. Alors :
n n n
!
X X X
~0 = (P (u))(~x) = ak uk (~x) = ak k ~x = ak k ~x = P ()~x
k=0 k=0 k=0
Corollaire
Si E est de dimension finie alors u admet un nombre fini de valeurs propres.
Preuve
Comme E est de dimension finie alors u admet un polynme annulateur P (X) qui a au plus deg(P )
racines donc u admet au plus deg(P ) valeurs propres.
Preuve
Notons F1 , . . . , Fk les sous espaces propres de u (ils sont en nombre fini puisque les valeurs propres
sont en nombre fini). Supposons que :
x1 + + xk = 0
o xi Fi pour tout entier i. ...
Corollaire
Si E est de dimension finie alors Card(Sp(u)) dim(E).
Preuve
chaque valeur propre est associ un sous espace propre. Les sous espaces propres sont en somme
directe donc leur nombre est infrieur la dimension de E.
94 CHAPITRE 7. RDUCTION DES ENDOMORPHISMES ET DES MATRICES CARRES
Exemples
Dterminer les valeurs propres et les sous espaces propres des endomorphismes du paragraphe 7.2.1.
Preuve
1 2 : Cest une caractrisation de la somme directe.
2 3 : Par concatnation des bases de E (u) puisque chaque vecteur non nul de E (u) est un
vecteur propre.
3 1 : Supposons que E admet une Pbase de vecteurs propres pour u. Chaque vecteur propre tant
lment dun E (u) alors dim(E) Sp(u) dim(E (u)). De plus, comme les sous espaces propres
P
sont en somme directe alors Sp(u) dim(E (u)) dim(E) do lgalit des dimensions.
Exemples
Les endomorphismes qui prcdent sont-ils diagonalisables ?
Consquences
Un endomorphisme u est diagonalisable si et seulement sil est reprsent par une matrice diagonale
dans une base (de vecteurs propres). De plus, la diagonale de cette matrice est constitue des valeurs
propres de u crites dans lordre des vecteurs propres de la base.
Si u admet n valeurs propres deux deux distinctes alors u est diagonalisable (et ses sous espaces
propres sont tous de dimension 1). La rciproque est fausse.
Preuves
Cest vident.
Une telle matrice colonne X est alors appele vecteur propre de la matrice A.
7.4. MATRICES CARRES DIAGONALISABLES 95
On appelle sous espace propre de la matrice A associ la valeur propre le sous ensemble de
Mn,1 (K) constitu du vecteur nul et des vecteurs propres associs que lon note aussi :
Notation
Comme on peut identifier (au sens disomorphisme despaces vectoriels) les ensembles Mn (K) avec
L(E) (o E est de dimension finie gale n) et Mn,1 (K) avec E (une base de E tant pralablement
choisie), alors on sautorise crire :
E (A) = Ker(A In )
Propositions
Soit A Mn (K) et u L(E) reprsent par A dans une base quelconque B de E. Alors :
Sp(A) si et seulement si Sp(u).
X Mn,1 (K) est un vecteur propre de A si et seulement si X E (vu comme les coordonnes dans
la base B) est un vecteur propre de u.
Sp(A) = Sp(u), E (A) = E (u).
A est diagonalisable dans K si et seulement si u lest aussi.
Preuves
s
Exemples
2
1.
Dterminer
les valeurs et les sous espaces propres associs de lendomorphisme de R reprsent par
0 1
dans la base canonique de R2 .
1 0
2
2.
Dterminer
les valeurs et les sous espaces propres associs de lendomorphisme de C reprsent par
0 1
dans la base canonique de C2 .
1 0
3
3.
Dterminer les
valeurs et les sous espaces propres associs de lendomorphisme de R reprsent par
1 1 1
1 1 1 dans la base canonique de R3 .
1 1 1
96 CHAPITRE 7. RDUCTION DES ENDOMORPHISMES ET DES MATRICES CARRES
D = diag(1 , . . . , n ) et P = PB,B0
Alors :
D = P 1 M P ou bien M = P DP 1
Preuve
s
Exemples
Dterminer, si possible, deux matrices relles P (inversible) et D (diagonale) telles que A = P DP 1
dans les cas suivants :
5 3 3
0 1
A= puis A = 1 3 1
1 0
0 0 2
Preuve
s
Exemples
Calculer An pour les exemples prcdents.
7.6 Exercices
7.6.1 Pour les TD
TD
1 2
1. Soit A = M2 (R). Dterminer une matrice inversible P telle que P 1 AP soit une
4 3
matrice diagonale.
7.6. EXERCICES 97
x1 y1
2. Soit X = ... Mn,1 (K) et Y = ... Mn,1 (K) tous les deux non nuls. On pose :
xn yn
t
M = XY .
(a) Dterminer le rang de la matrice M .
(b) Que peut-on dire de X pour M ?
(c) La matrice M est-elle diagonalisable ?
m 1 1
3. Soit m un rel et A(m) = 1 m 1 M3 (R).
1 1 m
(a) Dterminer, en fonction de m, les valeurs propres et les sous espaces propres de A(m).
(b) Cette matrice est-elle diagonalisable ?
4. Soit A et B deux lments de Mn (R) tels que AB BA = A. Lobjectif de lexercice est de
dmontrer que A est nilpotente cest dire que :
k N / Ak =
(a) Prciser le rang de cette matrice puis dterminer une base de Im(u) puis de Ker(u).
(b) Dterminer les valeurs propres et les sous espaces propres de u. Cet endomorphisme est-il dia-
gonalisable ?
6. (daprs ESC 2001).
Soit n N et En = Rn [X]. Pour tout polynme P de En , on note P 0 son polynme driv. On
considre lapplication f qui, tout polynme P de En , associe le polynme f (P ) dfini par :
i. On suppose dans cette seule question que n = 1. Dterminer toutes les valeurs propres de
A puis tous les sous espaces propres de f .
ii. On suppose dans cette seule question que n = 2. Dterminer toutes les valeurs propres de
A puis tous les sous espaces propres de f .
(c) On suppose dsormais que n est un entier naturel non nul quelconque.
i. Montrer que si un polynme P est vecteur propre de lendomorphisme f alors P est de
degr n.
ii. On considre la famille de polynmes (Pk )0kn dfinie par :
Montrer que :
k J0, nK, f (Pk ) = (2k n 1)Pk
iii. En dduire les valeurs propres et vecteurs propres associs de lendomorphisme f . Lendo-
morphisme f est-il diagonalisable ?
iv. Pour quelle(s) valeur(s) de n est-il bijectif ?
7. On dfinit trois suites relles u, v et w par :
u0 = 1 un+1 = 2un + 3vn 3wn
v0 = 1 et n N, vn+1 = un + wn
w0 = 1 wn+1 = un + vn
TD*
1. Soit M M3 (R) et A M3,1 (R).
(a) On suppose que A est un vecteur propre de tM . Montrer que :
(b) Montrer que M et tM ont les mmes valeurs propres et que les sous espaces propres associs
sont de mme dimension.
(c) On considre lespace vectoriel E = R3 muni de sa base canonique (e1 , e2 , e3 ). Soit f L(E)
de matrice M et g L(E) de matrice tM dans cette base.
Montrer que u = a1 e1 + a2 e2 + a3 e3 est un vecteur propre de g si et seulement si le plan P
dquation a1 x + a2 y + a3 z = 0 est stable par f .
7 3 4
(d) On suppose que M = 6 2 5 .
4 2 1
7.6. EXERCICES 99
(a) Montrer que cette application (appele trace) est une forme linaire sur Mn (K).
(b) i. Dmontrer que : (A, B) Mn (K)2 , tr(BA) = tr(AB).
ii. En dduire que deux matrices semblables ont la mme trace. La rciproque est-elle vraie ?
(c) Soit M une matrice carre diagonalisable. Exprimer sa trace en fonction de ses valeurs propres.
est convergente si et seulement si les quatre suites relles (an )nN , (bn )nN , (cn )nN , (dn )nN sont
convergentes. De plus, en cas de convergence, on appelle limite de cette suite convergente de matrices
(An )nN la matrice : !
lim an lim bn
A = n+ n+
lim cn lim dn
n+ n+
(i, j) J1, n + 1K2 , ai,j = P([X = i] [Y = j]) et A = (ai,j )(i,j)J1,n+1K2 Mn+1 (R)
1
(a) On suppose que ai,j = 2n
si |i + j (n + 2)| = 1 et que ai,j = 0 sinon.
i. Vrifier que lon a bien dfini la loi conjointe dun couple (X, Y ).
ii. On suppose, dans cette question, que n = 3. Prciser la matrice A puis dterminer ses
valeurs propres et les sous espaces propres associs. Cette matrice est-elle diagonalisable ?
(b) Dterminer les lois de X et de Y .
(c) Pour tout couple (i, j) J1, n + 1K2 , on pose : bi,j = P[Y =j] (X = i). On note aussi B = (bi,j )
Mn+1 (R).
i. Dterminer la matrice B.
P(X = 1)
..
ii. Montrer que le vecteur est un vecteur propre de B. Prciser la valeur
.
P(X = n + 1)
propre associe.
(a) Montrer que les valeurs propres de A sont p et les deux rels a et b dfinis par :
a+b = q
ab = pq
(b) On considre une suite infinie dpreuves de Bernouilli indpendantes dfinies sur un mme
espace probabilis (, T , P) pour lesquelles, chaque preuve, la probabilit de succs est p. Si
lon obtient deux succs conscutifs, alors on dit que lon a ralis un doubl. Pour tout entier
n 2, on note :
An lvnement le premier doubl est obtenu par un succs aux preuves n 1 et n ,
Bn lvnement un doubl, au moins, est obtenu au cours des n premires preuves .
On note alors pn = P(An ) et on pose p1 = 0.
i. Montrer que P(Bn ) = nk=1 pk puis que pn+3 = p2 q (1 nk=1 pk ).
P P
ii. En dduire que, pour tout entier n non nul, on a pn+3 = pn+2 p2 qpn puis que :
n1
2a bn1
pn = p
ab
3. Soit E un espace vectoriel de dimension finie. Soit f L(E) diagonalisable. Dmontrer lquiva-
lence des propositions suivantes :
(a) (Id, f, . . . , f n1 ) est libre,
(b) x E / E = Vect(x, f (x), . . . , f n1 (x)),
(c) les valeurs propres de f sont simples.
DS
1. s
102 CHAPITRE 7. RDUCTION DES ENDOMORPHISMES ET DES MATRICES CARRES
Chapitre 8
Il est vivement conseill de rviser les chapitres 25, 26 et 27 du cours de premire anne.
8.1 Rappels
8.1.1 Intgrales
fonction en escalier positive, intgrale, aire,
intgrale dune fonction continue positive, cas des fonctions continues de signe variable,
intgrale dune fonction continue par morceaux,
valeur moyenne dune fonction,
sommes de Riemann.
Exercices
R1
1. Soit f C 0 ([0, 1]) telle que 0
f (t)dt = 12 . Montrer quil existe un rel a ]0, 1[ tel que f (a) = a.
2. Soit f et g deux fonctions continues sur [a, b]. On suppose, de plus, que f est monotone sur [a, b] et
que g est positive sur [a, b]. Dmontrer quil existe un rel c [a, b] tel que :
Z b Z c Z b
f (t)g(t)dt = f (a) g(t)dt + f (b) g(t)dt
a a c
n
X n+k
3. Calculer lim 2 + k2
.
n+
k=1
n
Exercices
Rb
1. Quelles sont les fonctions f : [a, b] R continues telles que : a
f (t)dt = (b a)max|f |.
[a,b]
R1
2. tudier la suite de terme gnral : an = 0
tn et dt.
Z b
1
3. Soit f C ([a, b]). Montrer que : lim f (t) sin(nt)dt = 0.
n+ a
Rx
4. Calculer 0 (t2 + t + 1)et dt pour tout rel x.
103
104 CHAPITRE 8. INTGRALES SUR UN SEGMENT
R ln(2)
5. En considrant le changement de variable u = ex 1, calculer 0
ex 1dx.
6. Soit f continue et strictement croissante sur [a, b]. On pose : = f (a) et = f (b).
(a) Justifier que f tablit une bijection de [a, b] dans [, ].
(b) En posant y = f (t), montrer que :
Z b Z
f (x)dx + f 1 (y)dy = b a
a
8.1.3 Primitives
primitive, lien primitive/intgrale (intgrale fonction de la borne suprieure, QC*),
prolongement des fonctions de classe C n ,
quation diffrentielle linaire du premier ordre sans second membre.
Exercices
1. Dterminer une primitive de x 7 a2 x2 sur [a, a] (on pourra poser t = a sin(x)).
2. Dterminer une primitive sur R de x 7 cos(x) cos(2x) + sin(x) sin(3x).
Rx
3. Soit f C 0 (R). On pose : g(x) = x1 0 f (t)dt.
(a) Montrer que cela dfinit une fonction g sur ] , 0[ et sur ]0, +[.
(b) Montrer que g se prolonge par continuit en 0 et prciser alors g(0).
(c) Montrer que si f est priodique sur R alors g est borne sur R.
4. Rsoudre sur ] 1, +[ lquation diffrentielle y 0 + ln(x + 1)y = 0.
Exercices
xk
P+
1. (QC) Dmontrer que : x R, ex = n=0 n! .
2. Soit x R. En utilisant une formule de Taylor, dmontrer que :
n n
X (1)k x2k X (1)k x2k+1
cos(x) = lim et sin(x) = lim
n+
k=0
(2k)! n+
k=0
(2k + 1)!
8.2 Exercices
8.2.1 Pour les TD
TD
1. RSoit f une fonction dfinie et continue sur [0, 1], valeurs dans [a, b] (avec a < 0 < b) et telle que
1 R1 2
0
f (t)dt = 0. Dmontrer que 0 f (t) dt ab.
R1
Indication : on pourra considrer lintgrale 0 (f (t) a)(f (t) b)dt.
R 1 xn
2. Soit In = 0 1+x dx pour tout entier naturel.
8.2. EXERCICES 105
(a) Calcuer I0 et I1 .
(b) Dmontrer que la suite (In )nN converge vers 0.
(c) Calculer In + In+1 pour tout entier n 0.
n
X (1)k1
(d) Dterminer alors lim .
n+
k=1
k
R1 n
3. On pose : In = 0 (1 t2 ) dt.
(a) Justifier lexistence de la suite (In )n0 puis calculer I0 , I1 , I2 .
(b) i. Dterminer une relation entre In+1 et In pour tout entier naturel n.
22n (n!)2
ii. Montrer que : n N, In = (2n+1)!
.
Pn (1)k n
(c) En dduire lexpression de la somme k=0 2k+1 k en fonction de lentier n.
Z 1 x1
t
4. On pose (x) = dt.
0 1+t
(a) Montrer que le rel (x) est dfini pour tout rel x > 0.
(b) i. Montrer que : x > 0, (x) + (x + 1) = x1 .
1
ii. Montrer que : x > 0, 2x
(x) x1 . En dduire limx+ (x).
(c) Soit une application dfinie sur ]0, +[ et vrifiant :
1
x > 0, (x) + (x + 1) = et lim (x) = 0
x x+
On pose : d = .
i. Montrer que d est 2-priodique.
ii. En dduire que d est identiquement nulle sur ]0, +[.
(d) i. Calculer k + 12 + k 12 pour tout entier naturel k 1.
6. (a) Montrer que, pour tout couple (s, t) de rels de [0, 1], on a :
2
ln (1 + t) ln2 (1 + s) 2|t s|
(b) Dans la suite de cet exercice, g dsigne une fonction continue et 1-priodique sur R.
i. Montrer que g est borne sur R.
ii. Pour tout t [0, 1] et tout n N , on pose :
n1
1X 2 k+t 2 k
un (t) = ln 1 + ln 1 +
n k=0 n n
Montrer que : Z 1
lim un (t)g(t)dt = 0
n+ 0
R1
(c) i. Calculer 0
ln2 (1 + t)dt.
R1
ii. En dduire la convergence et la limite de la suite de terme gnral 0
g(nt) ln2 (1 + t) en
R1
fonction de 0 g(t)dt.
TD*
+
X 1
1. Calcul de (2) = 2
.
n=1
n
(c) Soit une fonction dfinie et de classe C 1 sur [0, ]. Montrer que :
Z Z
lim (t) sin(N t)dt = lim (t) cos(N t)dt = 0
N + 0 N + 0
+
X 1 2
(d) En dduire que : (2) = 2
= .
n=1
n 6
(e) Justifier alors que les sries suivantes convergent et prciser leurs sommes :
+ +
X 1 X 1
et
n=1
(2n)2 n=1
(2n 1)2
n+1
ii. En dduire que wn+2 = w .
n+2 n
(e) i. Montrer que la suite de terme gnral un = (n + 1)wn wn+1 est constante.
p
ii. En dduire que : wn 2n
.
n+
R1
2. On considre lintgrale F (x) = 0
ln(1 + xt2 )dt.
(a) Montrer que F est dfinie sur ] 1, +[ puis quelle est croissante sur cet intervalle.
(b) i. Montrer que, pour tout rel u > 0 et pour tout rel k tel que 0 < u |k|, on a :
k2
k
ln(u + k) ln(u)
u 2(u |k|)2
ii. Montrer que, pour tout rel x > 0 et pour tout rel h tel que 0 < |h| < x, on a :
|h|
|D(x, h)|
10
Montrer que, pour tout rel x ] 1, 0] et pour tout rel h tel que 0 < |h| < x + 1, on a :
|h|
|D(x, h)|
2(1 + x |h|)2
iii. En dduire que F est drivable sur ] 1, +[ et donner une expression de F 0 (x) laide
dune intgrale.
108 CHAPITRE 8. INTGRALES SUR UN SEGMENT
R 1 t2
(c) i. Calculer lintgrale 0 1+xt2 dt dans les cas suivants :
x = 0,
t2 1 b
x > 0 (on dterminera a et b tels que 1+xt 2 = x a + ),
h 2
1+xt i
t2 1 a b
x ] 1, 0[ (on dterminera a et b tels que 1+xt2
= x
1+
1+t x
+
1t x
).
3. On considre lespace vectoriel Rn [X] des polynmes de degr infrieur o gal n (n tant un entier
suprieur ou gal 1).
R1
(a) Pour tout couple (a, b) N2 , on pose : I(a, b) = 0
xa (1 x)b dx.
np
(1)j
X
n np
p j=0 j (p + j + 1)k
8.2. EXERCICES 109
i. Calculer (n (f ))(p) (0) (drive dordre p en 0 de n (f )) pour tout entier p J0, nK.
ii. En dduire une expression de n (f )(x) laide dune unique intgrale.
iii. Justifier que la srie nN n (f )(x) converge.
P
P+ n
(c) Montrer que, pour toute fonction f E, la fonction g : x 7 n=0 (f )(x) est lunique
solution dans E lquation
Pn : g (g) = f .
k
En posant gn = k=0 (f ), on admettra que, pour tout rel x [0, 1], (gn )(x) n+
(g)(x)
2. (a) i. Soit (a, b) N2 et n N. Montrer que le polynme Pn (X) = 1
n!
X n (bX a)n et ses
drives successives prennent, en 0 et en ab , des valeurs entires.
Z
ii. Montrer que : lim Pn (t) sin(t)dt = 0.
n+ 0
(b) Montrer par labsurde que R Q.
Indication : Poser = ab et effectuer plusieurs intgrations par parties successives.
DS
1. s
110 CHAPITRE 8. INTGRALES SUR UN SEGMENT
Chapitre 9
111
112 CHAPITRE 9. INTGRALES SUR UN INTERVALLE QUELCONQUE
Exemples
1. Montrer que les intgrales suivantes convergent et prciser leur valeur :
Z + Z + Z +
dx dt dt
e x ln2 (x) 0 1 + t2 1 + t2
Remarques
La plupart des noncs qui suivent seront uniquement noncs dans le cadre dintgrales impropres
en la borne suprieure de lintgrale (mais snoncent de manire vidente dans les deux autres
cas).
(intgrale faussement impropre) Si f (non dfinie R b en b R) est prolongeable par continuit en
b (fonction note alors f ) alors on dit que lintgrale a f (t)dt est faussement impropre puisque :
Z b Z b
f (t)dt = f(t)dt
a a
Exemples
R +
1. Existence et valeur ventuelle de
f (t)dt lorsque f (t) = et si t 0 et f (t) = 0 si t < 0.
R + 1
2. Existence et valeur ventuelle de
f (t)dt lorsque f (t) =
t
si t > 0 et f (t) = 0 si t 0.
R1
3. Existence de lintgrale 1 dx
x2
.
9.2 Proprits
9.2.1 Lien avec les primitives
Proposition
Rb
Soit f dfinie et continue sur [a, b[. On suppose que lintgrale a
f (t)dt impropre en b converge. Soit
F une primitive de f sur [a, b[. Alors :
Z b
f (t)dt = lim F (x) F (a)
a xb
9.2. PROPRITS 113
Preuve
Rx
Immdiat puisque F (x) F (a) = a
f (t)dt.
Preuve
Rb
Notons I = a f (t)dt. Soit > 0.
Cas b R : Par convergence de lintgrale, il existe un rel > 0 tel que a < b et :
Z x
x [b , b[, I f (t)dt
a
Remarques
R +
La rciproque est fausse : lintgrale, 0
cos(t)dt diverge alors que un = 2n + et
R un n+
0
cos(t)dt = 0 0.
n+ R un
Par contraposition, sil existe une suite (un )nN de limite b telle que la suite a
f (t)dt nN diverge
Rb
alors lintgrale a f (t)dt diverge.
Preuve
Pour tout entier k Ent(a) + 1, on a :
t [k, k + 1[, f (k + 1) f (t) f (k)
Z k+1 Z k+1 Z k+1
f (k + 1)dt f (t)dt f (k)dt
k k k
Z k+1
f (k + 1) f (t)dt f (k)
k
Ainsi, pour tout entier n Ent(a) + 1, on a :
n
X n
X Z k+1 n
X
f (k + 1) f (t)dt f (k)
k=Ent(a)+1 k=Ent(a)+1 k k=Ent(a)+1
n+1
X Z n+1 n
X
f (k) f (t)dt f (k)
k=Ent(a)+2 Ent(a)+1 k=Ent(a)+1
Supposons que lintgrale converge. Alors, par positivit de f , la premire ingalit prouve que :
Ent(x)+1 Z x+1 Z +
X
f (k) f (t)dt f (t)dt
k=Ent(a)+2 a a
P P
donc la srie ( termes positifs) nEnt(a)+2 f (n) converge do la convergence de nEnt(a)+1 f (n).
Supposons que la srie converge. Alors, par positivit de f , la seconde ingalit prouve que :
Z x Ent(x) +
X X
f (t)dt f (k) f (k)
Ent(a)+1 k=Ent(a)+1 k=Ent(a)+1
Rx
donc, par croissance et majoration de la fonction x 7 f (t)dt, on a la convergence en + de
Ent(a)+1
R +
lintgrale. Par relation de Chasles, on a alors la convergence de a f (t)dt.
Diffrence srie/intgrale
On sait que, si une srie converge, alors son terme gnral converge vers 0. CE NEST PAS LE CAS
POUR LES INTGRALES comme le prouve la fonction f dfinie sur [0, +[ par :
2n+1 1
n+1 (x n) si x n, n + 2n+1
2n+1
n + 21n x si x n + 2n+11
, n +21n
n N, t [n, n + 1[, f (t) = n+1
si x n + 21n , n + 1
0
9.2.4 Chasles
Thorme
Soit a R et b ]a, +]. On suppose que f est continue sur [a, b[. Alors, pour tout rel c [a, b[, les
Rb Rb
intgrales a f (t)dt et c f (t)dt sont de la mme nature. De plus, en cas de convergence de lune de ces
intgrales, on a : Z b Z Z c b
c [a, b[, f (t)dt = f (t)dt + f (t)dt
a a c
9.2. PROPRITS 115
Preuve
Choisir x > c, crire la relation de Chasles sur [a, x] puis passer la limite lorsque x tend vers b.
Proposition
Rb
On suppose que lintgrale a
f (t)dt impropre en b est convergente. Alors le reste de lintgrale tend
vers 0 lorsque x tend vers b : Z b
lim f (t)dt = 0
xb x
Preuve
Rb Rb Rx
Dcoule immdiatement de x
f (t)dt = a
f (t)dt a
f (t)dt, galit obtenue par la relation de
Chasles.
9.2.5 Linarit
Thorme
Soit a R et b ]a, +]. On suppose que f et g sont continues sur [a, b[. Soit (, ) R2 . Si les
Rb Rb Rb
intgrales a f (t)dt et a g(t)dt convergent alors lintgrale a (f (t) + g(t))dt converge et on a :
Z b Z b Z b
(f (t) + g(t))dt = f (t)dt + g(t)dt
a a a
Preuve
On utilise la linrait sur le segment [a, x] puis on passe a la limite lorsque x tend vers b.
Preuves
Positivit sur sur [a, x] puis passage la limite lorsque x b (puisque lintgrale converge).
Ingalit sur [a, x] puis passage la limite. Autre mthode : utiliser le point prcdent avec g f 0
et la linarit.
Soit x0 tel que f (x0 ) > 0. Pour tout x x0 , lingalit est vrifie puis on passe la limite lorsque
x b.
Exemple
R +
Calculer lintgrale : 0
t2 et dt.
Dans le cas o u est strictement dcroissante, il convient de permuter soit les bornes a et b soit les bornes
et .
Preuve
Notons x0 [, [ et t0 = u(x0 ). On applique le thorme dintgration par parties sur [a, t0 ] :
Z t0 Z x0
f (t)dt = f (u(x))u0 (x)dx
a
Exemple
R +
1. Convergence et calcul de 0 a2dx+x2
en fonction du rel a > 0.
R + t2
2. Montrer que te dt = 0.
R + 2 R + 2
3. Montrer que : et dt = 2 0 et dt.
Remarque
Tout changement de variable non affine devra tre indiqu.
9.3. CAS DES FONCTIONS POSITIVES 117
9.2.9 Fonction dont la variable est une borne dune intgrale impropre
Thorme (QC)
Soit a R {}. On suppose que f est continue sur ]a, +[ (resp. ]a, b] avec b ]a, +[) et que
Rb
a
f (t)dt converge.
Rx Alors :
lintgrale a f (t)dt Rest dfinie pour tout rel x ]a, +[ (resp. x ]a, b]).
x
la fonction F : x 7 a f (t)dt est de classe C 1 sur ]a, +[ (resp. ]a, b]) et :
Soit b R {+}. On suppose que f est continue sur ] , b[ (resp. [a, b[ avec a ] , b[) et
Rb
que a f (t)dt converge. Alors :
Rb
lintgrale x f (t)dt est dfinie pour tout rel x ] , b[ (resp. x [a, b[).
Rb
la fonction F : x 7 x f (t)dt est de classe C 1 sur ] , b[ (resp. [a, b[) et :
Preuve
Le deuxime cas est lanalogue du premier en renversant lordre des bornes. Pour le premier cas :
dcoule de la relation de Chasles.
Soit c ]a, b[. Pour tout rel x ]a, b], on a :
Z c Z x
F (x) = f (t)dt + f (t)dt
a c
Rx Rx
Comme lintgrale c f (t)dt nest plus impropre, la fonction x 7 c f (t)dt est de classe C 1 sur ]a, b]
et on a F 0 (x) = f (x) pour tout rel x ]a, b].
Exemple
R + 2
tudier la fonction x 7 x
et dt.
Thorme (QC)
Preuve
Remarque
Rb
9.3.2 CNS de convergence de lintgrale a f (t)dt
Thorme
Soit a R et b ]a, +]. On suppose que f est continue et positive sur [a, b[. Alors, lintgrale
Rb Rx
a
f (t)dt converge si et seulement si lapplication x 7 a f (t)dt (primitive de f sur [a, b[ sannulant en a)
est borne sur [a, b[.
Preuve
Cest le thorme sur les fonctions monotones qui sapplique.
Remarque
Lorsque lintgrale sur [a, b[ dune fonction f positive sur [a, b[ est divergente (en b) alors :
Z x
lim f (t)dt = +
xb a
Preuves
f g : Cest une consquence du thorme prcdent ainsi que de la remarque qui le suit.
f = o(g) : Cest une consquence du point prcdent. En effet, f (t) = o (g(t)) signifie quil existe
tb
un rel [a, b[ et une fonction : [, b[ R tels que :
La fonction est alors positive et majore sur [, b[. Soit donc M un majorant. On a :
On applique ici le point prcdent sur lintervalle [, b[. La conclusion sur lintervalle [a, b[ se dduit
par relation de Chasles.
9.3. CAS DES FONCTIONS POSITIVES 119
f g : Cest encore une consquence du premier point. En effet, f (t) g(t) signifie quil existe
tb
un rel [a, b[ et une fonction : [, b[ R tels que :
Daprs la dfinition de la limite, il existe un rel [, b[ tel que, pour tout rel t [, b[ :
1 1 1 3
(t) et donc g(t) f (t) g(t)
2 2 2 2
On applique ici le premier point sur lintervalle [, b[ et on conclut sur lintervalle [a, b[ par relation
de Chasles.
Exemples
R +
1. Convergence de 0
P (t)et dt o P est une fonction polynme.
R + 1+t
2. Convergence de 0 1+t3
dt.
3. Soit f continue, dcroissante et positive sur [a, b[ (o a R et b ]a, +]). Montrer que si lintgrale
Rb
a
f (t)dt converge alors limt0 f (t) = 0.
4. Soit a et b deux rels tels que a < b.
Rb
(a) Justifier que lintgrale a dt converge.
(ta)(bt)
(b) Calculer cette intgrale (on pourra utiliser la forme canonique puis un changement de variable).
9.3.4 Fonction
Proposition/Dfinition (QC)
R +
Lintgrale 0 tx1 et dt, impropre en + et (selon les valeurs du rel x) en 0, est convergente si
et seulement si x > 0.
On appelle fonction Gamma lapplication :
: ]0, +[ R
R +
x 7 0 tx1 et dt
Preuve
Convergence en + : On intgre une fonction positive. De plus, pour tout rel x, on a :
t 1 x1 t 1
e = o x+1
donc t e = o
t+ t t+ t2
R + R +
Or, lintgrale de Riemann 1 dt t2
est convergente donc lintgrale 1 tx1 et dt est convergente
pour tout rel x.
Convergence en 0 : La fonction t 7 tx1 et est continue sur [0, +[ lorsque x > 1 et sur ]0, +[
lorsque x 1 mais se prolonge par continuit en 0 dans le cas o x = 1. Il ny a donc de problme
que dans le cas o x < 1. On intgre alors une fonction positive. De plus :
1
tx1 et tx1 =
t0 t1x
R 1 dt
Or, lintgrale de Riemann 0 t1x converge si et seulement si 1 x < 1 cest dire si et seulement
R 1 x1 t
si x > 0. Alors, lintgrale 0 t e dt est convergente si et seulement si x > 0.
R +
On en dduit que lintgrale 0 tx1 et dt est convergente si et seulement si x > 0.
120 CHAPITRE 9. INTGRALES SUR UN INTERVALLE QUELCONQUE
(n + 1) = n!
Preuve
Soit x > 0. Alors (x) et (x + 1) existent. De plus, pour tout couple (a, b) de rels strictement
positifs et par intgration par parties, on a :
Z b b
Z b Z b
t e dt = tx (et ) a
x t x1 t x a x b
tx1 et dt
xt (e )dt = a e b e +x
a a a
Or, on a : Z b
x a x b
lim a e =0 lim b e =0 lim tx1 et dt = (x)
a0 b+ a0
a
b+
Do le rsultat : (x + 1) = x(x).
On effectue alors une rcurrence. En utilisant la dfinition, on obtient immdiatement que :
(1) = 1 = 0!
Exercice
Dmontrer que la fonction est strictement dcroissante sur ]0, 1] et strictement croissante sur [1, +[.
Exemples
R +
sin(t)
1. Prouver que lintgrale 1 t2
dt est absolument convergente.
R + sin(t)
2. Prouver que lintgrale 0 t
dt est semi-convergente.
Rb Rb
3. On suppose que a f (t)dt et a g(t)dt sont absolument convergentes ( a < b +). Montrer
Rb
que a (f (t) + g(t))dt est absolument convergente et comparer :
Z b Z b Z b
|f (t) + g(t)|dt avec |f (t)|dt + |g(t)|dt
a a a
9.5. EXERCICES 121
Thorme (QC*)
Rb
Soit a R et b ]a, +]. On suppose que f est continue sur [a, b[. Si lintgrale a
f (t)dt est absolu-
ment convergente alors elle est convergente et on a :
Z b Z b
f (t)dt |f (t)|dt
a a
Preuve
Rb
Posons g = f + |f |. Alors 0 g 2|f |. De plus, comme lintgrale a
|f (t)|dt converge alors
Rb
lintgrale a g(t)dt converge. On en dduit que :
Z x Z x Z x Z b Z b
x [a, b[, f (t)dt = g(t)dt |f (t)|dt g(t)dt |f (t)|dt
a a a xb a a
Rb
Ainsi, lintgrale a
f (t)dt converge. De plus, pour tout rel x [a, b[, on a :
x x b
Z Z Z
f (t)dt |f (t)|dt |f (t)|dt
a a a
Exemple
R + sin(t)
Justifier que lintgrale 1 t2
dt est convergente.
9.5 Exercices
9.5.1 Pour les TD
TD
+
tx
Z
1. Reprsenter lensemble des points de coordonnes (x, y) tels que lintgrale dt converge.
0 1 + ty
2. tudier la convergence des intgrales :
1 1 + +
x2 ex
Z Z Z Z
dx dx
dx dx
0 1 x4 0 x 5x2
3
0 x5 + 1 0 x
Z + Z + Z + Z +
x2 x dx
e dx dx xx dx
0 0
x
e 1 (1 + e )(1 + ex )
x
0
Z +
(c) Montrer que : (f (x + 1) f (x))dx = ` `0 .
R + cos(t)
5. On considre lapplication f : x 7 x t
dt.
(a) Montrer que f est dfinie et de classe C 1 sur ]0, +[.
(b) Montrer que, pour tout rel x > 0, on a : f (x) + sin(x) x22 .
x
R1 R +
(c) Montrer que, pour tout rel x > 0, on a : f (x)+ln(x) = x cos(t)1 t
dt+ 1 cos(t)
t
dt. En dduire
que f (x) ln(x).
x0
R +
(d) En intgrant par parties, montrer la convergence et dterminer la valeur de lintgrale 0
f (x)dx.
R + 2 R + 2
6. Calcul de I = cos(t) exp t2 dt. On pose A(x) = cos(xt) exp t2 dt
R + 2
0
(a) Prouver que A est dfinie et drivable sur R et que A (x) =
sin(xt)t exp t2 dt
(utiliser Taylor lordre 2).
(b) A laide dune intgration par parties, dterminer une relation entre A0 (x) et A(x).
(c) En dduire lexpression de A(x) en fonction de x.
(d) Conclure lexercice.
2
7. Soit (a, b, c) un triplet de rels tel que a > 0. On pose : d = c ba . Montrer que :
Z + r
2
e(at +2bt+c) dt = ed
a
R + 2
Indication : Forme canonique et changements de variables. On admet que ex dx = .
Z +
x2
8. Pour tout entier naturel n, on pose : In = xn e 2 dx.
0
(a) Vrifier que la suite (In )nN est bien dfinie et calculer I1 .
(b) i. Dterminer une relation entre In+2 et In .
ii. On admet que I0 = 2 . Dterminer lexpression deI2n en fonction de lentier n.
p
TD*
+
ext
Z
1. Soit F la fonction dfinie par : F (x) = dt.
0 1 + t2
(a) i. Dterminer le domaine de dfinition D de F .
ii. tudier les variations de F sur D.
iii. Dterminer la limite de F en +.
(b) i. Justifier, pour tout x D, de la convergence des intgrales :
Z + u Z 1 u
e e 1
G(x) = du et I= du
x u 0 u
ii. Montrer que G(x) = ln(x) + G(1) + I + o + (1). En dduire un quivalent de G(x) au
x0
voisinage de 0.
+
ext
Z
(c) i. Justifier la convergence de lintgrale H(x) = dt.
0 1+t
ii. Dduire de la question (b) que H(x) + ln(x).
x0
(d) i. Calculer la drive de g : t 7 ln t + 1 + t2 .
Z +
1 1
ii. En dduire la valeur de lintgrale J = dt.
0 1 + t2 1 + t
(e) Dduire de ce qui prcde un quivalent de F (x) au voisinage de 0.
2. (a) Soit f : [0, +[ R une fonction continue et dcroissante telle queson intgrale sur [0, +[
converge.
i. Montrer que f est positive sur [0, +[ et quelle tend vers 0 en +.
ii. Montrer que, pour tout rel h > 0 et tout entier N 1, on a :
N
X Z Nh N
X 1
h f (nh) f (x)dx h f (nh)
n=1 0 n=0
iii. En dduire que, pour tout rel h > 0, la srie de terme gnral f (nh) converge et que :
+
X Z + +
X
hf (0) + h f (nh) f (x)dx h f (nh)
n=0 0 n=0
+ r
X
n2 1
ii. Montrer que : t .
n=0
t1 2 1t
2
3. Soit (n, p) N . On pose :
Z + n Z p n
sin(t) sin(t)
In = dt et Sp = dt
0 t 0 t
(a) Justifier lexistence de In .
(b) On suppose, dans cette question, que n est un entier impair. Montrer que les suites (S2p )pN et
(S2p+1 )pN sont adjacentes et de limite commune In .
(c) Montrer que : n N, In > 0.
(d) i. Montrer que la fonction [0, 1] R, t 7 sin(t)
t
est valeurs dans [0, 1] et est dcroissante
sur [0, 1].
Z 1 n
sin(t)
ii. Soit a ]0, 1[. Montrer que : lim dt = 0.
n+ a t
(e) i. Montrer que, pour tout entier N > 2, on a :
N 1
sin(x)
XN Z + 1 + x
sin(x)
2
n
(1) In = sin(x)
dx
n=2 0 1 + x
x
R + 2
(a) Calcul de lintgrale de Gauss 0 et dt.
R 1 x(1+t2 )
Pour tout rel x, on pose f (x) = 0 e 1+t2 dt.
R1 2
i. Montrer que f est dfinie et drivable sur R et que f 0 (x) = 0 ex(1+t ) dt.
Indication : On pourra utiliser lingalit de Taylor-Lagrange lordre 2.
9.5. EXERCICES 125
ii. Pour tout rel x, on pose g(x) = f (x2 ). Justifier que g est drivable sur R et que :
Z x
0 x2 2
x R, g (x) = 2e et dt
0
3. Soit a et b deux rels tels que 0 < a < b. Soit f :]0, +[ R continue sur ]0, +[ et telle que :
Z 1 Z +
f (t) f (t)
dt converge et dt converge
0 t 1 t
(a) Montrer que, pour tout couple (x, y) de rels tels que 0 < x < y, on a :
y bx by
f (at) f (bt)
Z Z Z
f (u) f (u)
dt = du du
x t ax u ay u
i. Justifier lexistence de B(x, y) pour tout couple (x, y) de rels strictement positifs.
ii. Justifier que B(y, x) = B(x, y).
iii. Dterminer une relation entre B(x + 1, y) et B(x, y + 1).
x
iv. En dduire que B(x + 1, y) = x+y
B(x, y).
v. Calculer B(n + 1, y) pour tout y > 0 et tout n N.
126 CHAPITRE 9. INTGRALES SUR UN INTERVALLE QUELCONQUE
(b) Soit n N .
i. Montrer que, pour tout rel t 0, on a : 1 t et .
n
ii. En dduire que : t [0, n], 1 nt et .
2
n
iii. Montrer que : t [0, n], 1 tn et 1 nt .
Indication : On distinguera les cas t n et t n.
(c) Soit x > 0.
Z n n
t
i. Soit n N . Dduire des questions qui prcdent un encadrement de 1 tx1 dt.
0 n
Z n n
t
ii. En conclure que : lim 1 tx1 dt = (x).
n+ 0 n
Z n n
t
iii. Exprimer 1 tx1 dt en fonction de B(n + 1, x).
0 n
nx n!
iv. En dduire que : lim = (x).
n+ x(x + 1) . . . (x + n)
2. Soit a et b deux rels tels que 0 < a < b. Soit f :]0, +[ R continue sur ]0, +[ et telle que :
(a) Montrer que, pour tout couple (x, y) de rels tels que 0 < x < y, on a :
Z y Z bx Z by
f (at) f (bt) f (u) f (u)
dt = du du
x t ax u ay u
DS
1. s
128 CHAPITRE 9. INTGRALES SUR UN INTERVALLE QUELCONQUE
Chapitre 10
Dfinition
Deux variables alatoires X et Y dun mme espace probabilis (, T , P) sont indpendantes si et
seulement si :
(x, y) R2 , P([X x] [Y y]) = P(X x) P(Y y)
Extension de cette dfinition lindpendance mutuelle de n (avec n 3) ou dune infinit dnombrable
de variables alatoires.
3. Application. Soit R et f : t 7 1+t2
.
(a) Dterminer la valeur de pour que f satisfasse aux conditions de lintroduction.
(b) Dterminer lexpression de F (x) pour tout rel x.
(c) Reprsenter Cf . Interprter graphiquement les probabilits :
(d) Reprsenter CF .
129
130 CHAPITRE 10. VARIABLES ALATOIRES DENSIT
10.2.2 Dfinition
Dfinition
Soit (, T , P) un espace probabilis. On dit quune variable alatoire X est densit si et seulement
si sa fonction de rpartition FX est continue sur R et de classe C 1 sur R sauf ventuellement en un nombre
fini de points. De plus, toute fonction f : R R positive sur R et telle que f (x) = FX0 (x) pour tout rel x
sauf ventuellement en un nombre fini de points est appele densit de la variable alatoire X.
Exemples
1. Justifier que la fonction f qui prcde est une densit.
On peut changer la valeur de f en un ou plusieurs points (avec une valeur positive) tout en conservant
la mme fonction de rpartition.
0 si x < 0
2. Soit X une variable alatoire donne par sa fonction de rpartition FX : x 7 x si 0 x 1 .
1 si x > 1
(a) Reprsenter FX .
(b) Justifier que X est une variable alatoire densit et prciser une densit f .
x
1 pe si x < 0
3. Soit p 0, 2 . Soit F : x 7 x .
1 pe si x 0
(a) Justifier que F est la fonction de rpartition dune variable alatoire X.
(b) Cette variable alatoire X est-elle densit ? est-elle discrte ?
Remarques
Il ny a pas unicit dune fonction densit.
FX peut ne pas tre drivable en un nombre fini de points.
FX peut tre drivable sur R mais FX0 peut ne pas tre continue en un nombre fini de points.
FX peut tre de classe C 1 sur R.
Dterminer la loi dune variable alatoire densit consiste dterminer sa fonction de rpartition.
10.2.3 Proprits
Thorme
Soit f une densit dune variable alatoire X. Alors :
x R, P(X = x) = 0,
en consquence : x R, P(X < R xx) = P(X x), P(X > x) = P(X x),
x R, P(X x) = FX (x) = f (t)dt,
en Rconsquences :
+
f (t)dt = 1,
R +
x R, P(X x) = x f (t)dt, Ry
(x, y) R2 , x y P(x X y) = x f (t)dt.
Preuves
Soit x R. On sait que FX est continue en x. De plus :
1 1
P(X = x) = lim P x < X x = lim FX (x) FX x =0
n+ n n+ n
10.2. GNRALITS SUR LES VARIABLES DENSIT 131
Thorme
Soit f : R R une fonction positive
R + sur R, continue sur R sauf ventuellement en un nombre fini de
rels a1 < < an et telle que f (t)dt converge et vaut 1. Alors, il existe une variable alatoire
densit X dont f est une densit.
Preuve
Voir lintroduction.
Exemples
si x 0
0
1. On pose : f (x) = si x ]0, 1[ o R.
x
si x 1
2
x x
(a) Dterminer la valeur du rel pour que f soit une densit dune variable alatoire X puis
reprsenter la courbe de f .
(b) Dterminer lexpression de FX (x) pour tout rel x puis reprsenter la courbe de FX .
2. Soit un rel strictement positif. On pose : x R, f (x) = ex 11[0,+[ (x).
(a) i. Justifier que f est une densit dune variable alatoire X puis reprsenter la courbe de f .
ii. Dterminer lexpression de FX (x) pour tout rel x puis reprsenter la courbe de FX .
(b) i. Calculer les probabilits suivantes : P( 1 X + 1) P(X ).
1
ii. Dterminer le rel m tel que P(X m) = 2
. Quel nom pourrait-on donner ce rel ?
iii. Pour quelle(s) valeur(s) de a-t-on : n N, P(X n) 10n ?
f (1 (y))
y R, g(y) = 11(I) (y)
|0 (1 (y))|
Preuve
Notons AX lensemble des rels x vrifiant lune des trois conditions suivantes : soit FX nest drivable
pas en x, soit FX0 nest pas continue en x, soit enfin f (x) 6= FX0 (x). On sait que AX est un ensemble fini.
Remarquons que (I) est un intervalle et donc que R (I) est soit un intervalle, soit une runion de
deux intervalles. Pour tout rel y, on a :
FY (y) = P(Y y) = P( X y)
probabilit qui est nulle lorsque y 6 (I), ce qui prouve que FY0 sannule sur R (I) et donc que FY0 et
g concident sur R (I).
On suppose que est strictement croissante sur I. Pour tout rel y (I), on a :
Comme est de classe C 1 sur I et comme 0 ne sannule pas sur I alors 1 est de classe C 1 sur
(I). De plus, on sait que FX est continue sur R et de classe C 1 sur R AX . Alors, FY = FX 1
est continue sur R et de classe C 1 sur R (AX I) (on remarque que AY = (AX I) est un
ensemble fini) donc Y est une variable alatoire densit. De plus, pour tout y (I) AY , on a :
0 1
FY0 (y) = 1 (y)FX0 (1 (y)) = f 1 (y)
0 (1 (y))
donc FY0 et g concident sur (I) AY ce qui prouve que g est bien une densit de Y .
On suppose que est strictement dcroissante sur I. Pour tout rel y (I), on a :
La fonction FY est donc continue sur R et de classe C 1 sur (I) AY . De plus, pour tout y
(I) AY , on a :
0 1 f (1 (y))
FY0 (y) = 1 (y)FX0 (1 (y)) = 1
f (y) =
0 (1 (y)) |0 (1 (y))|
puisque 0 est strictement ngative sur I. Ainsi Y est densit et g en est une densit.
Applications
1. Soit X une variable alatoire dont f est une densit.
2. Soit X une variable alatoire dont f est une densit. On suppose que X() ]0, +[. Dterminer
une densit de Y = ln(X).
3. Soit X une variable alatoire dont f est une densit.
4. Soit X une variable alatoire dont f est une densit. On suppose que X() ]0, +[. Dterminer
une densit de Y = X1 .
10.2. GNRALITS SUR LES VARIABLES DENSIT 133
Preuve
Changement de variable.
Si h est dfinie et continue sur R sauf ventuellement en un nombre fini de points (auquels cas, on
choisit pour h(z) une valeur positive arbitraire afin de dfinir la fonction h sur R) alors h est une
densit de la variable alatoire X + Y .
Une telle fonction h est alors appele produit de convolution des fonctions f et g et se note h = f g.
Si f ou g est borne sur R alors une telle fonction h est bien dfinie.
Exemple
Soit X et Y deux variables alatoires densit indpendantes. On suppose que, pour tout rel x, on a :
0 si x < 0 0 si x < 1
FX (x) = x si 0 x 1 et FY (x) = x si 1 x 2
1 si x > 1 1 si x > 2
Remarque
Bien noter lanalogie de ce thorme avec celui de la somme de deux variables alatoires discrtes.
Si f est nulle sur ] , a[ et sur ]b, +[ (avec a < b) alors :
Z b
h(z) = f (x)g(z x)dx
a
Proposition
Si une variable alatoire X densit admet un moment dordre k N alors elle admet un moment
dordre i pour tout i J1, kK.
Preuve
Existence par comparaison (ngligeabilit).
10.3.2 Esprance
Dfinitions
Soit (, T , P) un espace probabilis. Soit X une variable alatoire densit dont f est lune de ses
densits. R +
On dit que X admet une esprance si et seulement si lintgrale tf (t)dt converge absolument.
Si X admet une esprance alors on appelle esprance de X le rel :
Z +
E(X) = m1 (X) = tf (t)dt
Exemples
Dterminer si les variables alatoires suivantes dont on donne une densit admettent une esprance et la
calculer le cas chant :
1. X donne par f = 11[0,1] ,
2. X donne par f : t 7 et 11[0,+[ (t),
10.3. MOMENTS DUNE VARIABLE ALATOIRE DENSIT 135
1
3. X donne par f : t 7 (1+t2 )
,
si x 0
0
4. X donne par f : x 7 si x ]0, 1[ o est un rel prciser.
x
si x 1
x2 x
Dfinition
Soit X une variable alatoire densit admettant une esprance. On dit que X est centre si et seulement
si E(X) = 0.
Proposition
Si X est une variable alatoire densit admettant une esprance alors X E(X) est une variable
alatoire densit centre.
Preuve
Par linarit.
Proposition/Dfinition
Soit X une variable alatoire densit dont f est une densit. R
+
Si X admet une moment dordre k N alors lintgrale (t E(X))k f (t)dt est dfinie et
convergente.
Si X admet une moment dordre k N alors on appelle moment centr dordre k le rel :
Z +
k (X) = (t E(X))k f (t)dt
136 CHAPITRE 10. VARIABLES ALATOIRES DENSIT
Preuve
Lesprance existe donc lintgrale a du sens. Par la formule du binme, chaque intgrale converge
puisque les moment dordre i k existent.
Exemples
Reprendre les exemples de calculs desprance et dterminer les variances ventuelles.
Preuve
Linarit de lintgrale.
Proposition (admise)
Soit X et Y deux variables alatoires quelconques ( densit ou discrtes ou ni lun ni lautre) indpe-
nantes et admettant une variance. Alors la variable alatoire X + Y admet une variance et on a :
V(X + Y ) = V(X) + V(Y )
10.4. EXERCICES 137
E(|X|r )
P(|X| a)
ar
En particulier, si X 2 admet une esprance (ou si X admet un moment dordre 2), on a :
E (X 2 )
a > 0, P(|X| a)
a2
Si X admet une variance alors, pour tout rel a strictement positif, on a :
V(X)
P (|X E(X)| a)
a2
Preuves
s
10.4 Exercices
10.4.1 Pour les TD
TD (certains exercices ncessitent lutilisation de rsultats des exercices du chapitre prcdent).
1. On pose f = 12 11[2,1] + 21 11[1,2] .
(a) i. Vrifier que f est bien une densit dune variable alatoire X puis reprsenter la courbe de
f.
ii. La variable X admet-elle une esprance ? Si oui, la calculer.
iii. La variable X admet-elle une esprance ? Si oui, la calculer.
(b) i. Dterminer une densit g de Y = eX . Reprsenter la courbe de g.
ii. En dduire la loi de Y .
iii. Dterminer lesprance et la variance de Y dans le cas o elles existent.
1
(c) i. Dterminer une densit h de Z = X
. Reprsenter la courbe de h.
ii. En dduire la loi de Z.
iii. Dterminer lesprance et la variance de Z dans le cas o elles existent.
2. Pour tout rel x, on pose : f (x) = ex 11[0,+[ (x).
(a) Vrifier que f est une densit dune variable alatoire X puis reprsenter sa courbe.
(b) Dterminer la loi de X puis reprsenter la courbe de FX .
(c) Dterminer la loi de X 2 .
(d) Dterminer la loi de bXc.
138 CHAPITRE 10. VARIABLES ALATOIRES DENSIT
3. (daprs Oral ESCP 2001). Soit n 2 un entier. Soit (Vi )1in et (Wi )1in des variables alatoires
mutuellement indpendantes et admettant toutes pour densit la fonction f = 11]0,1[ .
(a) i. Dterminer la loi de V1 . En dduire la loi de ln(V1 ).
ii. Dterminer la loi de ln W11 . Montrer que cette variable alatoire admet une esprance et
une variance que lon calculera.
Vi
iii. Dterminer la loi de Yi = ln W i
pour tout entier i J1, nK.
(b) On note Zn la variable alatoire dfinie par Zn = min Yi .
1in
TD*
1. Soit X et Y deux variables alatoires quelconques dfinies sur un mme espace probabilis (, T , P)
et de fonctions de rpartition respectives FX et FY . Lobjectif de cet exercice est de montrer que pour
tout rel > 0 et tout rel x on a :
|FX (x) FY (x)| FX (x + ) FX (x ) + P (|X Y | > )
Soit donc x R et > 0.
(a) En remarquant que :
[Y x] ([Y x, X x + ] [Y x, X > x + ])
justifier que :
FY (x) FX (x + ) + P(|X Y | > )
(b) Montrer de mme que :
(x ) FY (x) + P(|X Y | > )
(c) En dduire un encadrement de FY (x).
(d) En se souvenant que FX (x ) FX (x) FX (x + ), conclure lexercice.
2. Loi de Weibull.
t a
On considre la fonction F : R R, t 7 1 exp
11]0,+[ (t) o (a, ) est un couple de
rels strictement positifs.
(a) Montrer que F est une fonction rpartition dune variable alatoire X.
(b) Montrer que X est une variable alatoire densit. Prciser une densit f de X.
(c) Montrer que X admet des moments de tous ordres puis calculer E(X n ) pour tout entier naturel
n 1.
10.4. EXERCICES 139
iv. En dduire la valeur de E(Um+1 ) E(Um ) puis, par sommation, dterminer un quivalent
simple de E(Un ).
DS
1. s
Chapitre 11
Espaces euclidiens
Exemples
Montrer que les applications suivantes sont des produits scalaires sur E :
x1 y1
1. Soit E = Rn . Pour tout couple (x, y) E 2 tels que x = ... et y = .. , on pose :
.
xn yn
n
X
hx|yi = xi yi = x1 y1 + + xn yn
k=1
141
142 CHAPITRE 11. ESPACES EUCLIDIENS
Dfinitions
Soit h., .i un produit scalaire sur E.
On appelle norme associe h., .i lapplication :
k.k : E R+ p
x 7 kxk = hx, xi
Exemples
Calculer la norme de chacun des vecteurs suivants (pour la nome associe au produit scalaire de mme
numro dans lexemple prcdent) :
1. x = (1, 0, . . . , 0), y = (1, . . . , 1), z = 1n , . . . , 1n .
2. f (x) = ex ,
3. P (X) = X k pour le premier produit scalaire et P (X) = 1 pour le second.
4. P (X) = X k .
et cette ingalit est une galit si et seulement si les vecteurs x et y sont colinaires
Ingalit triangulaire : (x, y) E 2 , kx + yk kxk + kyk.
Preuves
s
Exemples
1. Dmontrer que : (x, y) E 2 , hx, yi = 14 [kx + yk2 kx yk2 ].
2. Dterminer une CNS (portant sur les vecteurs x et y) pour que lingalit triangulaire soit une galit.
11.1. PRODUIT SCALAIRE 143
11.1.2 Orthogonalit
Dfinitions
Soit un produit scalaire sur E.
On dit que deux vecteurs x et y sont orthogonaux pour (ou bien quil sont -orthogonaux) si et
seulement si (x, y) = 0.
Soit F et G deux sous espaces vectoriels de E. On dit que F et G sont orthogonaux pour si et
seulement tout vecteur de F est orthogonal chaque vecteur de G, cest dire que :
x F, y G, (x, y) = 0
Exemples
1. Dterminer un polynme de R +degr 1 et unitaire orthogonal au polynme constant galR 1 pour le
1
produit scalaire hP, Qi = 0 P (t)Q(t)et dt puis pour le produit scalaire hP, Qi = 1 P(t)Q(t)
1t2
dt
Pn
et enfin pour le produit scalaire hP |Qi = k=0 P (k)Q(k) de Rn [X].
2. Soit F = Vect(x1 , . . . , xk ) et G = Vect(y1 , . . . , yh ) deux sous espaces dun espace vectoriel E muni
dun produit scalaire . Montrer que :
Preuve
Immdiat avec la proprit 3 de la norme.
Proposition/Dfinition
Soit un produit scalaire sur E.
Soit x un vecteur de E. Lensemble des vecteurs de E qui sont -orthogonaux au vecteur x est un
sous espace vectoriel de E appel -orthogonal de x.
Soit F un sous espace vectoriel de E. Lensemble des vecteurs de E qui sont -orthogonaux chaque
vecteur de F est un sous espace vectoriel de E appel -orthogonal de F et not F .
Preuves
Comme 0E est orthogonal x alors {x} 6= . Soit (y1 , y2 ) {x} et (1 , 2 ) R2 . Alors :
Exemples
1. Prciser {0E } et E .
2. Soit F un sous espace vectoriel strict de E. Montrer que la somme F + F est directe.
R1
3. Dterminer R0 [X] pour le produit scalaire hP, Qi = 1 P(t)Q(t)
1t2
dt de R2 [X].
144 CHAPITRE 11. ESPACES EUCLIDIENS
Exemples
1. Montrer que la base canonique de Rn est orthonormale pour le produit scalaire canonique de Rn .
2. Trois vecteurs deux deux orthogonaux forment-ils une famille orthogonale ?
Propositions (QC)
Soit h., .i un produit scalaire sur E et (x1 , . . . , xp ) une famille de vecteurs.
Si la famille (x1 , . . . , xp ) est orthogonale pour h., .i et ne contient pas le vecteur nul alors elle est
libre.
Si la famille (x1 , . . . , xp ) est orthonormale pour h., .i alors elle est libre. De plus, pour tout vecteur
x Vect(x1 , . . . , xp ), on a :
p
X
x = hx, x1 i x1 + + hx, xp i xp = hx, xi i xi
i=1
Preuve
Soit (1 , . . . , p ) une famille de rels tels que 1 x1 + + p xp = 0E . Pour tout i J1, pK, on a :
p
X
0 = h0E , xi i = h1 x1 + + p xp , xi i = k hxk , xi i = i hxi , xi i = i kxi k2
k=1
Donc, pour tout i J1, pK, comme xi 6= 0E alors kxi k2 6= 0 ce qui entrane que i = 0.
Aucun vecteur de la famille ne peut tre nul puisque chacun est de norme 1. On applique donc le
rsultat prcdent.
Soit x Vect(x1 , . . . , xp ). Alors, il existe (1 , . . . , p ) Rp tel que x = pi=1 i xi . Or, pour tout
P
entier k J1, pK, on a :
* p + p
X X
hx, xk i = i xi , xk = i hxi xk i = k
i=1 i=1
Preuve
Soit P(k) la proposition : il existe (x1 , . . . , xk ) E k orthonormale telle que Vect(x1 , . . . , xi ) =
Vect(e1 , . . . , ei ) pour tout i J1, kK.
11.2. ESPACES EUCLIDIENS 145
k = 1 : comme la famille (e1 , . . . , ep ) est libre alors e1 6= 0E donc x1 = ke11 k e1 est, lui seul, une
famille orthonormale qui convient.
Supposons que P(k) est vraie pour un entier k J1, p 1K. Notons F = Vect(x1 , . . . , xk ) =
Vect(e1 , . . . , ek ). Alors, les deux familles sont des bases de F . Soit P la matrice de passage de la base
(x1 , . . . , xk ) la base (e1 , . . . , ek ). Cette matrice est donc inversible. De plus, daprs la proposition
prcdente, on a :
P = (hxi , ej i)(i,j)J1,kK2
qui est alors triangulaire suprieure et coefficients diagonaux non nuls et gaux, cest dire que :
On cherche maintenant (1 , . . . , k+1 ) Rk+1 tel que le vecteur xk+1 = 1 e1 + + k+1 ek+1
vrifie :
k+1 6= 0 () i J1, kK, hxi , xk+1 i = 0 kxk+1 k = 1
Or, le systme () est quivalent :
k+1
X
i J1, kK, j hxi , ej i = 0
j=1
k
X
i J1, kK, j hxi , ej i = k+1 hxi , ek+1 i
j=i
Ce systme est triangulaire suprieur diagonale constitue de coefficients tous non nuls donc les
1 , . . . , k sont paramtrs par k+1 de manire unique :
Exemples
3
1. On considre lespace vectoriel
R muni
du
produit
scalaire
canonique.
1 1 0
Orthonormaliser la famille 1 , 0 , 1 .
0 1 1
R1
2. On considre lespace vectoriel R3 [X] muni du produit scalaire hP, Qi = 0 P (t)Q(t)dt.
Orthonormaliser les familles (1, X, X 2 ) et ((X 1)2 , (X 1)(X + 1), (X + 1)2 ).
i=1 i=1
Preuve
Il suffit dorthonormaliser nimporte quelle base de E.
Cest une consquence dune proposition prcdente.
Exemple
On considre lespace vectoriel R3 muni du produit scalaire canonique.
1 1 0
1. Justifier que la famille 1 , 0 , 1 est une base de R3 .
0 1 1
2. Orthonormaliser cette base.
3. Donner les coordonnes de vecteurs de la base initiale dans la base orthonormale obtenue.
Proposition
Toute famille orthonormale de E peut tre complte en une base orthonormale de E.
Preuve
Thorme de la base incomplte puis orthonormalisation de Gram-Schmidt.
Preuve
hx, e1 i hy, e1 i
On sait que : x = ni=1 hx, ei i ei et y = ni=1 hy, ei i ei donc X =
P P .. ..
et Y = .
. .
hx, en i hy, en i
Alors : n
X
hx, yi = hx, ei i hy, ei i = tXY
i=1
11.3. PROJECTIONS ORTHOGONALES 147
Exercice
Soit B = (e1 , . . . , en ) une base quelconque de E. On dfinit la matrice A Mn (R) par :
A = (hei , ej i)(i,j)J1,nK2
Pour tout vecteur x E, on note X la matrice colonne de ses coordonnes dans la base B.
1. Montrer que : (x, y) E 2 , hx, yi = tXAY .
2. Soit B 0 = (e01 , . . . , e0n ) une autre base de E et A0 = e0i , e0j (i,j)J1,nK2 . On note aussi P la matrice de
Preuve
On sait que :
n
X n
X
e0j e0j , ei ek , e0j e0j
j J1, nK, = ei et k J1, nK, ek =
i=1 j=1
Dfinition
Une matrice carre P est dite orthogonale si et seulement si elle est inversible et P 1 = tP .
Preuve
Soit x F F . Alors hx, xi = 0 donc x = 0. La somme est directe.
Soit (e1 , . . . , ep ) une base orthonormale de F . On peut complter cette base de F en une base ortho-
normale (e1 , . . . , ep , ep+1 , . . . , en ) de E. Alors le sous espace G = Vect(ep+1 , . . . , en ) est un suppl-
mentaire de F inclus dans F . Ainsi :
dim(E) = dim(F ) + dim(G) dim(F ) + dim(F ) dim(E)
On en dduit que dim(G) = dim(F ) ce qui nous assure que G = F .
148 CHAPITRE 11. ESPACES EUCLIDIENS
Exemples
1. Dans R3 muni du produit scalaire canonique, on considre les plans P et P 0 dquations cartsiennes
respectives :
x + 2y + 3z = 0 et xyz =0
Dterminer P puis (P P ) .
R1
2. On considre lespace vectoriel R3 [X] muni du produit scalaire hP, Qi = 0
P (t)Q(t)dt. On pose :
F = Vect(1, X). Dterminer une base de F .
11.3.2 Projecteurs
Dfinition
Soit F un sous espace vectoriel strict de E (cest dire que F 6= {0E } et F 6= E). On appelle projection
orthogonale sur F la projection sur F paralllement F , que lon note gnralement pF .
Exemples
1. Soit p un projecteur de E. Montrer que p est un projecteur orthogonal si et seulement si Ker(p)
Im(p).
2. Dans R3 muni du produit scalaire canonique, on considre le plan P dquation x + 2y + 3z = 0.
Dterminer la matrice de la projection orthogonale sur P dans la base canonique de R3 .
R1
3. On considre lespace vectoriel R3 [X] muni du produit scalaire hP, Qi = 0 P (t)Q(t)dt. On pose :
F = Vect(1, X). Dterminer pF (1 + X + X 2 + X 3 ).
Proposition
Soit (e1 , . . . , ep ) une base de F . Alors :
p
X
x E, pF (x) = hx, ek i ek
k=1
Preuve
Cest vident.
Proposition (QC*)
Soit pF la projection orthogonale sur F . Soit x E et y F . Alors :
y = pF (x) ky xk = min {ku xk | u F }
Autrement dit, le vecteur pF (x) est le vecteur de F tel que la distance de x F est minimale : pF (x)
est la meilleure approximation de x parmi les vecteurs de F .
Preuve
On sait que x = pF (x) + (x pF (x)) avec pF (x) F et x pF (x) F . Pour tout vecteur u F , on
a alors :
p
ku xk = k(u pF (x)) (x pF (x))k = ku pF (x)k2 + kx pF (x)k2
kx pF (x)k = kpF (x) xk
et lingalit est stricte si et seulement si u 6= pF (x). De plus, lensemble {ku xk | u F } est non
vide (puisque F est non vide) et minor par 0 (norme oblige) donc admet une borne infrieure qui est un
minimum puisque pF (x) F permet de le raliser.
11.3. PROJECTIONS ORTHOGONALES 149
Preuve
Soit f : Mp,1 (R) Mn,1 (R), X 7 AX. Lespace vectoriel Mn,1 (R) est muni de son produit
scalaire canonique. Posons F = Im(f ) Mn,1 (R) et considrons la projection orthogonale pF
L(Mn,1 (R)) sur F . Comme A est la matrice de f dans les bases canoniques respectives de Mp,1 (R)
et Mn,1 (R) alors :
dim(F ) = dim(Im(f )) = rg(f ) = rg(A) = p
Ainsi, g : Mp,1 (R) F, X 7 f (X) est bijective et donc f est injective. Alors :
On en dduit quil existe une unique matrice X0 Mp,1 (R) telle que f (X0 ) = pF (B). Or :
Exemples
1 2 0 3
1. Soit A = 2 0 , B = 1 et C = 2 .
1 1 2 2
(a) Dterminer le rang de la matrice A.
(b) Dterminer X M2,1 (R) tel que kAX Bk est minimale.
(c) Dterminer X M2,1 (R) tel que kAX Ck est minimale.
1 1 0 1
2. Soit A = 1 1 1 et B = 2 .
0 1 1 3
(a) La matrice A est-elle inversible. Le systme AX = B admet-il une solution dans M3,1 (R) ?
(b) Dterminer la matrice X0 M3,1 (R) telle que la matrice kAX0 Bk est minimale.
150 CHAPITRE 11. ESPACES EUCLIDIENS
11.4 Exercices
11.4.1 Pour les TD
TD
4. Soit E un espace euclidien dont le produit scalaire est not h.|.i. Soit f et g deux applications de E
dans E telles que :
(x, y) E 2 , hf (x)|yi = hx|g(y)i
x R, Tn (cos(x)) = cos(nx)
Prciser le degr de Tn .
(b) Soit n N . Soit h., .i lapplication dfinie sur Rn [X]2 par :
Z 1
P (t)Q(t)
hP, Qi = dt
1 1 t2
6. Soit n un entier suprieur ou gal 2. On note h.|.i le produit scalaire canonique de Rn . On identifie
les lments de Mn,1 (R) avec ceux de Rn . Soit A Mn (R). Montrer successivement que :
Im(A) Ker(tA) [Im(A)] Ker(tA) Im(A) = Ker(tA)
11.4. EXERCICES 151
TD*
1. Soit E un espace euclidien. Soit f L(E) tel que :
(x, y) E 2 , hx|yi = 0 hf (x)|f (y)i = 0
Montrer quil existe un rel > 0 tel que :
(x, y) E 2 , hf (x)|f (y)i = hx|yi
nR o
1 2 2 2
2. Soit A = (x ax b) dx (a, b) R . Calculer min(A). On prciser la valeur du couple
0
(a, b) ralisant ce minimum.
3. Soit E un espace euclidien. Soit p le projecteur sur F parallment G o F et G sont deux sous
espaces vectoriels de E.
(a) On suppose que F G (cest dire que p est un projecteur orthogonal). Montrer que :
x E, kp(x)k kxk
(b) On suppose que : x E, kp(x)k kxk.
i. Soit a F et b G. Montrer que : ka + bk kak.
ii. En dduire que : F G.
P (X)P (X + 1) = P (X 2 ) ()
Trouver une CNS portant sur (a, b, c) pour que soit un produit scalaire sur E.
2. (a) Soit (x, y, z) R3 tel que x2 + 2y 2 + 3z 2 1. Montrer que (x + y + z)2 116
.
Indication : On pourra utiliser lingalit de Cauchy-Schwarz pour un certain vectain de R3 avec
un produit scalaire bien choisi.
(b) Soit (x, y, z) R3 tel que x2 + y 2 + z 2 1. Montrer que (x + 2y + 3z)2 14.
3. Montrer que : n N , (x1 , . . . , xn ) Rn , | ni=1 xi | n ( ni=1 x2i ).
P p P
11.4. EXERCICES 153
DS
1. s
154 CHAPITRE 11. ESPACES EUCLIDIENS
Chapitre 12
Dans ce chapitre :
lespace vectoriel Rn est muni de son produit scalaire canonique h., .i, la norme associe, dit norme
euclidienne, est note k.k,
on considre la base canonique (~e1 , . . . , ~en ) qui est orthonormale pour le produit scalaire canonique,
lensemble (de points) Rn est muni dun repre Rn = (O, ~e1 , . . . , ~en ) orthonorm.
Aucune dmonstration nest exigible.
Exercice prliminaire
x1
Soit ~x = ... un vecteur de Rn . Montrer que :
xn
sup |xi | k~xk n sup |xi |
iJ1,nK iJ1,nK
De plus, lapplication :
R Rn
7 A + u
(qui est une bijection de R dans u) est appele paramtrisation de la droite dA,u .
Soit B un point de Rn distinct de A. On appelle segment dextrmits A et B lensemble :
[AB] = {A + (B A) | [0, 1]} = {(1 )A + B | [0, 1]}
De plus, lapplication :
[0, 1] Rn
7 A + u
(qui est une bijection de [0, 1] dans [AB]) est appele paramtrisation du segment [AB].
155
156 CHAPITRE 12. CONTINUIT DES FONCTIONS DE N VARIABLES
Remarque
On utilise la restriction de la bijection prcdente lintervalle [0, 1] avec le vecteur u = AB = B A.
12.1.2 Boules
Dfinitions
Soit A un point de lensemble Rn et r un rel strictement positif.
On appelle boule ouverte de centre A et de rayon r lensemble des points de Rn :
n o
B(A, r) = M Rn kAM k < r
Remarques
Bf (A, r) est le disque de centre A et de rayon r et B(A, r) est le mme disque priv de son bord.
Exemples
1. Montrer que la boule ouverte B(A, r) est ouverte dans Rn mais que la boule ferme Bf (A, r) ne lest
pas.
2. Soit A un point de Rn . Montrer que Rn {A} est un ouvert de Rn .
Propositions
Rn et sont ouverts dans Rn .
Une runion finie ou infinie densembles ouverts dans Rn est un ensemble ouvert dans Rn .
Une intersection finie densembles ouverts dans Rn est un ensemble ouvert dans Rn .
Si (I1 , . . . , In ) sont des intervalles ouverts de R alors le produit cartsien I1 In est un ouvert
de Rn .
Preuves
s
Exemples
1. Justifier que O1 = {(x, y) R2 | x > 3} est ouvert dans R2 .
2. Montrer que O2 = {(x, y, z) R3 | x > 3, y < 1, 1 < z < 2} est ouvert dans R3 .
1
3. Soit A un point de Rn . Montrer que nN B(A, n+1 ) nest pas ouvert dans Rn .
T
12.1. LMENTS DE TOPOLOGIE DE LENSEMBLE RN 157
Exemples
1. Montrer que Bf (A, r) est un ferm de Rn mais que B(A, r) nen est pas un.
2. Soit A un point de Rn . Montrer que {A} est ferm dans Rn .
Propositions
Rn et sont ferms dans Rn .
Une runion finie densembles ferms dans Rn est un ensemble ferm dans Rn .
Une intersection finie ou infinie densembles ferms dans Rn est un ensemble ferm dans Rn .
Si (I1 , . . . , In ) sont des intervalles ferms de R alors le produit cartsien I1 In est un ferm
de Rn .
Exemples
1. Justifier (graphiquement) quun segment [A, B] de R2 est ferm dans R2 .
2. Montrer que F1 = {(x, y) R2 | x 3} est ferm dans R2 .
3. Montrer que F2 = {(x, y, z) R3 | x 3, y 1, 1 z 2} est ferm dans R3 .
1
) est ferm dans Rn . Prciser cet ensemble.
T
4. Justifier que nN Bf (O, n+1
1
) est nest pas ferm dans Rn . Prciser cet ensemble. Est-il ouvert
S
5. Justifier que nN Bf (O, 1 n+1
n
dans R ?
Exemples
1. Montrer que est born mais que Rn ne lest pas.
2. Montrer quune boule (ouverte ou ferme) est borne.
3. Montrer quun segment [A, B] est born.
4. Les ensembles O1 , O2 , F1 , F2 sont-ils borns ?
Proposition
Une partie B de Rn est borne si et seulement si elle est incluse dans une boule ouverte de centre O.
Preuve
: Supposons que B soit borne. Alors, il existe un point A et un rel r > 0 tels que B B(A, r).
Posons R = kOAk. Par ingalit triangulaire, on obtient :
B B(A, r) B(O, R + r)
: immdiat.
158 CHAPITRE 12. CONTINUIT DES FONCTIONS DE N VARIABLES
Exemples
1. Montrer que et Rn sont convexes.
2. Montrer quune boule (ouverte ou ferme) est convexe.
3. Montrer quun segment [A, B] est convexe.
4. Les ensembles O1 , O2 , F1 , F2 sont-ils convexes ?
Proposition
Soit f : I R. Alors, f est convexe sur I si et seulement si {(x, y) R2 | x I, y f (x)} est
convexe.
Preuve
s
Soit u1 , . . . , un des fonctions dfinies sur un mme intervalle I de R, valeurs dans R et telles que :
t I, (u1 (t), . . . , un (t)) U
Alors, lensemble des points de Rn+1 :
{(u1 (t), . . . , un (t), f (u1 (t), . . . , un (t)) | t I}
est appel chemin sur la surface Sf .
Exemples
1. Soit f : (x1 , . . . , xn ) 7 1 x1 + + n xn + n+1 o (1 , . . . , n , n+1 ) est un (n + 1)-uplet de
rels est appele fonction affine.
Dans le cas o n+1 , montrer que le graphe de f est un hyperplan (vectoriel) de Rn+1 .
Dans le cas o n+1 6= 0, on dira que le graphe de f est un hyperplan affine de Rn+1 .
2. Soit f : (x, y) 7 x2 + y 2 .
3. Soit f : (x, y) 7 x2 y 2 .
p
4. Soit f : (x, y) 7 x2 + y 2 .
5. Soit f : (x, y) 7 xy.
xy
6. Soit f : (x, y) 7 p .
x2 + y 2
7. Soit f : (x, y) 7 sin(x) + cos(y).
12.3. CONTINUIT DES FONCTIONS DE N VARIABLES 159
Remarques
Si un point M a pour coordonnes (x1 , . . . , xn ) dans le repre Rn de lespace Rn , alors on pourra
crire f (M ) son image par f plutt que f (x1 , . . . , xn ).
On ne parlera jamais de fonctions croissantes ou dcroissantes sur une partie de Rn .
Par contre, on peut parler de fonctions majores ou minores ou bornes sur une partie de Rn .
Dfinition
Soit U une partie de Rn , f : U R et k un rel. On appelle ligne de niveau k de la fonction f dans le
repre Rn+1 la courbe obtenue par intersection du graphe de f avec lhyperplan dquation xn+1 = k.
La dfinition est conforme la notion intuitive dans le cas o n = 2.
Exemples
Dterminer, en fonction de k R, la ligne de niveau k de :
p
f : (x, y, z) 7 x + 2y 3z f : (x, y) 7 x2 + y 2 f : (x, y) 7 xy
Dfinitions
Soit f : O R. Soit ` un rel.
On dit que f admet le rel ` pour limite en le point A si et seulement si :
Dans le cas o A
/ O, on dit que :
f admet + pour limite en le point A si et seulement si :
Remarques
On peut constater lanalogie de ces dfinitions avec le cas des fonctions numriques (les intervalles
ferms borns et centrs en x0 sont remplacs par des boules fermes et centres en A).
On ne peut pas dfinir de limite en linfini : o est linfini dans Rn ?
Exemples
1. Montrer que (x1 , . . . , xn ) 7 1 x1 + + n xn + n+1 est continue en tout point de Rn .
xy
2. Montrer que (x, y) 7 p se prolonge par continuit en O.
x2 + y 2
Thormes
Soit f et g dfinies sur O valeurs dans R. Soit R.
Les oprations usuelles sur les limites sont encore valables (avec les cas dindtermination connus)
dans le cadre des fonctions de deux variables :
somme f + g, produit par un rel f et produit de deux fonctions f g,
limites par encadrements (gendarmes).
Dans le cas particulier o A O et propos de la continuit, on a :
Si f et g sont continues en A alors f + g, f et f g sont continues en A.
Si f et g sont continues en A et si g ne sannule pas en A alors g1 et fg sont continues en A.
Soit : I R o I est un intervalle de R contenant f (O).
Si f est continue en A et si u est continue en f (A) alors f est continue en A.
Preuves
s
Preuves
s
Remarque
On utilise ce thorme essentiellement pour justifier, par contraposition, de :
la non continuit dune fonction en un point,
limpossibilit de prolonger par continuit une fonction en un point.
12.3. CONTINUIT DES FONCTIONS DE N VARIABLES 161
Exemple
xy
Montrer que (x, y) 7 ne se prolonge pas par continuit en O.
x2 + y 2
Thormes
Soit f et g dfinies sur O valeurs dans R. Soit un rel.
Si f et g sont continues sur O alors f + g, f et f g sont continues sur O.
Si f et g sont continues sur O et si g ne sannule pas sur O alors g1 et fg sont continues sur O.
Soit : I R o I est un intervalle de R contenant f (O).
Si f est continue sur O et si est continue sur I alors f est continue sur O.
Preuves
Cest immdiat.
Preuves
s
Exemples
1. Montrer que ~x 7 k~xk est continue sur Rn .
2. Dterminer le plus grand ouvert O de R2 de sorte que la fonction f suivante sout continue sur O :
f : O R
x2 y + 4xy 3 7x
(x, y) 7
x2 y 2
f : R2 R
p xy
si (x, y) 6= (0, 0)
(x, y)
7 x2 + y 2
0 si (x, y) = (0, 0)
162 CHAPITRE 12. CONTINUIT DES FONCTIONS DE N VARIABLES
t 7 f (x1 , . . . , t, . . . , xn )
Preuves
s
Exemples
1. Dmontrer que toute droite de Rn est ferme dans Rn .
2. Dmontrer que = {(x, y) R2 | 2x + y < 5, x y < 1, x > 0} est ouvert dans R2 .
3. Dmontrer que = {(x, y) R2 | 2x + y 5, x y 1, x 0}} est ferm dans R2 .
Exemple
On considre la fonction :
f : R2 {(0, 0)} R
2x y + 1
(x, y) 7
x2 + y 2
1. Justifier que f est borne sur = { (x, y) R2 | 2x + y 5, x y 2, x 1 }.
2. On note le bord de .
(a) Prciser un systme dquations dfinissant .
(b) Justifier que f admet un minimum et un maximum sur .
(c) Dterminer minf et maxf et prciser les points o ils sont atteints.
12.4 Exercices
12.4.1 Pour les TD
TD
1. Ne pas confondre (x, y) (0, 0) et x 0 suivi de y 0.
x2 y 2
(a) Soit f dfinie sur R2 {(0, 0)} par : f (x, y) = x2 y 2 +(xy)2
.
12.4. EXERCICES 163
h i
i. Montrer que : lim lim f (x, y) = lim lim f (x, y) = 0.
x0 y0 y0 x0
x2 y |x| + |y| x4 y
f (x, y) = g(x, y) = h(x, y) =
x+y x2 + y 2 x2 y 2
5. On considre lespace vectoriel Rn muni de son produit scalaire canonique. Soit A Rn . On pose :
arctan (hA, Xi)
X Rn , f (X) =
1 + kXk2
Montrer que f est dfinie et continue sur Rn .
xy
6. (a) Montrer que f : (x, y) 7 x+y
est continue sur = {(x, y) R2 | x 4, y 3, x + y 2}.
(b) On note T le bord de . Montrer que T est ferm et born dans R2 .
(c) Justifier que f est borne sur T puis dterminer max f et min f .
T T
TD*
1. Soit f une fonction dfinie et continue sur une partie C convexe de R2 . Soit A et B deux points de C.
(a) Montrer que lapplication g : t 7 f (tA + (1 t)B) est dfinie et continue sur le segment [0, 1].
(b) En dduire que si f (A) < 0 et f (B) > 0 alors il existe un point C de C tel que f (C) = 0.
(c) Montrer que f (C) est un intervalle de R.
2. Dterminer le minimum de la somme des puissances nme de deux nombres rels strictement positifs
dont la somme vaut n.
On remarquera que g est continue sur Rn+1 puisque cest un cas particulier de la situation
prcdente (prendre = 0).
i. Montrer que g(a) > 0 pour tout a 6= 0.
ii. On pose = inf g(a).
kak=1
Justifier lexistence de cette borne infrieure puis montrer quelle est atteinte (en un certain
vecteur a). En dduire que > 0.
iii. Montrer que : a Rn+1 , g(a) kak.
iv. En dduire que :
DS
1. s
166 CHAPITRE 12. CONTINUIT DES FONCTIONS DE N VARIABLES
Chapitre 13
Preuve
La fonction 11[0,1] est en escalier sur R et nulle (donc dintgrale nulle) sur ] , 0[ et ]1, +[. De plus,
R1 R +
0
dt = 1 donc 11[0,1] (t)dt = 1 ce qui prouve bien que lon a une densit.
Remarque
11[0,1[ est aussi une densit de X , U([0, 1]). On admet que la fonction random du langage Pascal suit
cette loi.
1 1
E(X) = et V(X) =
2 12
Preuves
Rx Rx
Si x < 0 alors FX (x) =
0dt = 0. Si x [0, 1] alors FX (x) = 0
dt = x. Si x > 1 alors
Rx
FX (x) = 1 + 1 0dt = 1.
167
168 CHAPITRE 13. VARIABLES ALATOIRES DENSIT USUELLES
Comme la convergence est aussi absolue, on en dduit que X admet une esprance qui vaut 21 .
Pour tout couple (A, B) de rels tel que A < 0 et B > 1, on a :
Z B Z 1 3 1
2 2 t 1
t 11[0,1] (t)dt = t dt = =
A 0 3 0 3
Comme la convergence est aussi absolue, on en dduit que X admet un moment dordre 2 et, laide
de la formule de Koenig-Huygens, on a alors :
2
2 2 1 1 1
V(X) = E(X ) E(X) = =
3 2 12
Exemple
Soit X et Y deux variables alatoires indpendantes suit la loi U([0, 1]). Dterminer une densit puis la
fonction de rpartition de la variable alatoire X + Y .
Preuve
1
La fonction ba 11[a,b] est en escalier sur R et nulle (donc dintgrale nulle) sur ] , a[ et ]b, +[. De
Rb 1 R + 1
plus, a ba dt = 1 donc ba 11[a,b] (t)dt = 1 ce qui prouve bien que lon a une densit.
Proposition (QC)
Soit a et b deux rels tels que a < b. On a :
Preuve
Pour tout x R, on a :
xa xa
FY (x) = P(Y x) = P((b a)X + a x) = P X = FX
ba ba
Par drivation sur R, on a :
1 xa
x R, fY (x) = fX
ba ba
Remarquons encore que :
xa
x R, x [a, b] [0, 1]
ba
13.1. LOI UNIFORME SUR UN INTERVALLE 169
Remarque
Cette proposition est la base de la simulation informatique de X , U([a, b]).
a+b (b a)2
E(X) = et V(X) =
2 12
Preuves
Applications immdiates de la proposition prcdente (et de sa preuve pour FY ).
Exemples
1. Soit U , U([a, b]). On dfinit les variables alatoires X, Y, Z suivant la loi uniforme sur les inter-
valles respectifs [a, b[, ]a, b], ]a, b[ par :
1 1 1
fX (x) = 11[a,b[ fY (x) = 11]a,b] fZ (x) = 11]a,b[
ba ba ba
Vrifier que X, Y et Z ont mme fonction de rpartition, mme esprance et mme variance que U .
2. Soit X1 , . . . , Xn des variables alatoires mutuellement indpendantes suivant la mme loi U([a, b]).
On pose Sn = max(X1 , . . . , Xn )
Preuve
R +
Lintgrale
ex 11[0,+[ (x)dx est clairement convergente en . Pour tout rel A > 0, on a :
Z A Z A A
x
ex dx = ex 0 = 1 eA 1
e 11[0,+[ (x)dx =
0 A+
E(X) = 1 et V(X) = 1
Preuves
Rx Rx
Si x < 0 alors FX (x) =
et 11[0,+[ (t)dt =
0dt = 0. Si x 0 alors on a :
Z x Z x
t
FX (x) = e 11[0,+[ (t)dt = et dt = 1 ex
0
Les fonctions t 7 t et t 7 et sont de classe C 1 sur R. Par intgration par parties et pour tout rel
x > 0, on a :
Z x Z x Z x
t t
t x
te 11[0,+[ (t)dt = te dt = te 0 + et dt
0 0
t x
= xe + e 0 = 1 + (x 1)ex
x
Rx
Daprs les limites usuelles, on en dduit que tet 11[0,+[ (t)dt 1. De plus, la convergence
x+
est absolue
On prouve lexistence E(X 2 ) en effectuant deux intgrations par parties :
Z x Z x Z x
2 t 2 t
2 t x
t e 11[0,+[ (t)dt = t e dt = t e 0 + 2 tet dt
0 0
Z x
= x2 ex + 2 tet dt 2
0 x+
Preuve
R +
Lintgrale
ex 11[0,+[ (x)dx est clairement convergente en . Pour tout rel A > 0, on a :
Z A Z A A
x
ex dx = ex 0 = 1 eA 1
e 11[0,+[ (x)dx =
0 A+
Exemple
1
Tracer une densit de E 2
et E(2).
Proposition
Soit un rel strictement positif. Alors :
1
X , E(1) Y = X , E()
Preuve
Soit x R. Alors :
FY (x) = P(Y x) = P(X x) = FX (x)
Par drivation sur R, on obtient :
x R, fY (x) = fX (x)
: Supposons que X , E(1). Alors, pour tout rel x, on a :
fY (x) = ex
donc Y , E().
: Supposons que Y , E(). Alors, pour tout rel x, on a :
1 x
fX (x) = e = ex
Par bijectivit de x 7 x, on obtient que fX (x) = ex pour tout rel x. Ainsi X , E(1).
Preuves
Consquences de la proposition qui prcde.
Exemples
1
1. Tracer la fonction de rpartition de E 2
et E(2).
2. Soit X , E() o > 0. On pose p = 1 e ]0, 1[ et Y = bXc + 1. Montrer que Y , G(p).
Dfinition
Soit X une variable alatoire valeurs positives et telle que :
Interprtation
Si X mesure la dure de vie dune machine alors labsence de mmoire (labsence de vieillissement
ici) signifie que sa probabilit de fonctionner encore x units de temps sachant quelle a dj fonctionn y
units de temps est la mme que sa probabilit de fonctionner x units de temps ds aprs sa fabrication.
Remarquons aussi que la proprit dabsence de mmoire est quivalente aux deux propositions sui-
vantes :
(x, y) [0, +[2 , P(X > x + y) = P(X > x)P(X > y)
(x, y) [0, +[2 , FX (x + y) = FX (x) + FX (y) FX (x)FX (y)
Thorme (QC*)
Soit X une variable alatoire densit, valeurs positives et telle que :
Alors, X suit une loi exponentielle si et seulement si la loi de X est une loi sans mmoire.
Preuve
: Supposons que X , E() o > 0. Soit (x, y) [0, +[2 . Alors :
Par hyposthse, r(0) = P(X > 0) > 0 donc r(0) = 1. Par rcurrence, on obtient :
Ainsi :
1
n N, r(n) = = an
an
Soit q N . Alors :
q
1 1 1 1 1
a = r(1) = r + + =r donc r = aq
q q q q
Soit p N. Alors :
p
p 1 1 1 1 p p
r =r + + =r = aq = aq
q q q q
donc : x Q, r(x) = ax .
Comme r = 1 FX alors r est continue droite en tout point de R. Soit x R. Alors x est la
limite dune suite dcroissante de rationnels (prendre xn = 10n (b10n xc + 1) pour tout entier n).
Par continuit droite de r on en dduit que :
>0 et x R, FX (x) = 1 ex
donc X , E().
Preuve
R +
On sait que lintgrale 0 t1 et dt est absolument convergente pour tout rel > 0 et quelle vaut
R + 1 1 t
(). Ainsi, lintgrale () t e 11]0,+[ (t)dt est convergente et vaut 1 ce qui assure que la fonction
est bien une densit.
174 CHAPITRE 13. VARIABLES ALATOIRES DENSIT USUELLES
Exemples
1. Justifier que (1) = E(1).
2. Tracer lallure de la densit de 12 , (1), 23 , (2), (3).
3. Soit X et Y deux variables alatoires indpendantes suivant la mme loi E(1). Montrer que X + Y
suit la loi (2).
Proposition (QC)
Soit > 0 et X , (). Alors, X admet une esprance et une variance et on a :
E(X) = et V(X) =
Preuve
Pour tous rels a et b tels que 0 < a < b, on a :
Z b Z b
1 1 t 1 t ( + 1)
t t e 11]0,+[ (t)dt = t e dt =
a () a () a0
b+
()
Z b Z b
2 1 1 t 1 +1 t ( + 2)
t t e 11]0,+[ (t)dt = t e dt = ( + 1)
a () a () a0
b+
()
et la convergence est absolue donc :
E(X) = E(X 2 ) = ( + 1) et V(X) = E(X 2 ) E(X) =
Proposition (QC)
Soit n un entier suprieur ou gal 2 et (X1 , . . . , Xn ) une famille de variables alatoires mutuellement
indpendantes suivant toutes la loi (1) (ou E(1)). Alors :
X1 + + Xn , (n)
Preuve
On effectue une dmonstration par rcurrence. Soit P(n) la proposition ... Au rang n = 2, pour tout rel
x > 0, on a :
Z + Z x
1 21 x
fX1 +X2 (x) = fX1 (t)fX2 (x t)dt = ex dt = xex = x e
0 (2)
puisque (2) = 1! = 1. De plus, fX1 +X2 (x) est nul lorsque x 0. Ainsi X1 + X2 , (2). Supposons
la proposition vraie un certain rang n 2. Alors, pour toute famille (X1 , . . . , Xn , Xn+1 ) de variables
alatoires mutuellement indpendantes et de mme loi (1), on a :
X1 + + Xn , (n)
par hypothse de rcurrence et Xn+1 est indpendante de X1 + + Xn . Ainsi, pour tout rel x > 0, on a :
Z + Z x x
1 n1 x ex tn
f(X1 ++Xn )+Xn+1 (x) = f(X1 ++Xn ) (t)fXn+1 (x t)dt = t e dt =
(n) 0 (n) n 0
Comme (n + 1) = n(n) alors, pour tout rel x > 0 :
1
fX1 ++Xn+1 (x) = xn+11 ex 11]0,+[ (x)
(n + 1)
puisque la densit sannule clairement pour x 0. On en dduit que P(n + 1) est vraie.
13.3. LES DIFFRENTES LOIS GAMMA 175
Preuve
On effectue le changement de variable u(t) = bt qui est de classe C 1 puisque b > 0. Pour tous rels x et
y strictement positifs tels que x < y, on a :
Z y Z y/b Z y/b
1 1 bt 1 1 u 1
t e 11]0,+[ (t)dt = b (bu) e du = u1 eu du
x b () b () x/b () x/b
do la convergence vers 1 lorsque x 0 et y +.
Exemple
1
Justifier que () = (1, ) et que E() =
,1 .
Proposition (QC)
Soit (b, ) un couple de rels strictement positifs. Alors :
X , () Y = bX , (b, )
Preuve
On pose Y = bX. Comme b > 0, alors, pour tout rel x, on a :
Consquence (QC)
Soit b > 0, > 0 et X , (b, ). Alors, X admet une esprance et une variance et on a :
E(X) = b et V(X) = b2
176 CHAPITRE 13. VARIABLES ALATOIRES DENSIT USUELLES
Preuve
Comme Y = 1b X , () et comme Y admet une esprance et une variance alors X admet une
esprance et une variance. De plus :
Proposition (QC)
Soit b un rel strictement positif, n un entier suprieur ou gal 2, (1 , . . . , n ) une famille de rels
strictement positifs et (X1 , . . . , Xn ) une famille de variables alatoires mutuellement indpendantes suivant
chacune la loi (b, i ). Alors :
X1 + + Xn , (b, 1 + + n )
En consquence :
si (X1 , . . . , Xn ) sont mutuellement indpendantes et admettent toutes la loi E() (o > 0) alors :
1
X1 + + Xn , ,n
Preuve
On effectue une dmonstration par rcurrence. Soit P(n) la proposition ... Au rang n = 2, pour tout rel
x > 0, on a :
Z + x Z x
e b
fX1 +X2 (x) = fX1 (t)fX2 (x t)dt = 1 +2 t1 1 (x t)2 1 dt
b (v1 )(2 ) 0
t
Par changement de variable u = x
qui est de classe C 1 (car x > 0) on obtient :
x 1
x1 +2 1 e b
Z
fX1 +X2 (x) = 1 +2 u1 1 (1 u)2 1 du
b (v1 )(2 ) 0
Or, fX1 +X2 est une densit et, compte tenu de lexpression obtenue, dune loi Gamma donc on a :
Z 1
(v1 )(2 )
u1 1 (1 u)2 1 du =
0 (v1 + 2 )
ce qui donne :
1 x
x R, fX1 +X2 (x) = x1 +2 1 e b 11]0,+[ (x)
b1 +2 (v 1 + 2 )
donc X1 + X2 , (b, 1 + 2 ). Supposons la proposition vraie un certain rang n 2. Alors, pour
toute famille (X1 , . . . , Xn , Xn+1 ) de variables alatoires mutuellement indpendantes suivant chacune la
loi (b, i ), on a :
X1 + + Xn , (b, 1 + + n )
par hypothse de rcurrence et Xn+1 est indpendante de X1 + + Xn . Ainsi, daprs P(2), on en dduit
immdiatement que :
X1 + + Xn+1 , (b, 1 + + n+1 )
ce qui prouve que P(n + 1) est vraie.
Le cas des lois exponentielles et gamma est vident.
13.4. LES DIFFRENTES LOIS NORMALES 177
Proposition/Dfinition
2
La fonction x 7 12 exp x2 est la densit dune variable alatoire.
On dit quune variable alatoire X suit
la loi normale centre rduite si et seulement si lune de ses
1 x 2
densits est la fonction x 7 2 exp 2 .
Notation : X , N (0, 1).
Preuve
La fonction est continue et positive sur R. La valeur de lintgrale est fournie par le rappel.
Exercice
t 2
tudier la fonction f : t 7 1 e 2 . La reprsenter. On prcisera les points dinflexion.
2
Preuve
Soit x R. On sait que :
Z x
1 t2
(x) = P(X x) = e 2 dt
2
1
Par changement de variable u(t) = t qui est de classe C sur R et par parit de la densit, on a :
Z x Z + Z x
1 2
t2 1 2
t2 1 t2
(x) = e dt = e dt = 1 e 2 dt = 1 (x)
2 + 2 x 2
Exemples
1. Tracer lallure de la fonction .
2. Calculer P(X 0).
3. Lectures de la table de valeurs. Valeurs approches de :
P(2 X 3) P(3 X 1) P(1 X 5)
4. Soit X , N (0, 1). Dterminer la loi de X.
178 CHAPITRE 13. VARIABLES ALATOIRES DENSIT USUELLES
E(X) = 0 et V(X) = 1
Preuve
2
Par imparit de la fonction t 7 t 12 t2
sur R, il est immdiat que E(X) = 0 sous rserve de
exp
2
convergence absolue de lintgrale ce qui est immdiat puisque |t|et = o 1
2 .
t+ t
2
De la mme manire t2 et = o 1
t2
donc X admet un moment dordre 2. Pour tout couple (a, b) de
t+
rels tels que a < b et par intgration par parties, on a :
Z b 2
Z b 2 h ib Z b
2 t2 t2 t2 2
te dt = t te dt = te et dt
a a a a
Exemple
Soit X , N (0, 1). On note son cart type.
1. En utilisant la table de valeurs, donner une valeur approche de :
P( X ) P(2 X 2) P(2 X 2)
Preuve
xm
Par changement de variable t =
on se ramne la densit dune loi normale centre rduite.
Proposition (QC)
Soit m un rel et un rel strictement positif. Alors :
X , N (0, 1) Y = X + m , N (m, 2 )
13.4. LES DIFFRENTES LOIS NORMALES 179
Preuve
Compte tenu des dfinitions de fX et fY dans les cas qui nous intressent, le rsultat est immdiat.
Exemples
Soit X , N (m, 2 ) o m R et ]0, +[. Alors X admet une esprance et une variance et on a :
E(X) = m et V(X) = 2
do le rsultat fondamental :
X E(X)
X = , N (0, 1)
(X)
Preuve
Xm Xm
On sait que X , N (m, 2 ) donc
, N (0, 1). Or
admet une esprance et une variance donc
X aussi. De plus, on a :
X m X m
E =0 E(X) = m et V =1 V(X) = 2
X m
V =1 V(X) = 2
Le rsultat sur X est immdiat.
Proposition (QC*)
Soit n un entier suprieur ou gal 2, (m1 , . . . , mn ) une famille de rels, (1 , . . . , n ) une famille de
rels strictement positifs (X1 , . . . , Xn ) une famille de variables alatoires mutuellement indpendantes et
telles que Xi , N (mi , i2 ) pour tout i. Alors :
X1 + + Xn , N (m1 + + mn , 12 + + n2 )
180 CHAPITRE 13. VARIABLES ALATOIRES DENSIT USUELLES
Preuve
Soit P(n) la proposition ... Au rang n = 2, pour tout rel x, on a :
+ (tm1 )2 (xtm2 )2 +
Z Z
1 1 2 +2bt+c)
e(at
2
21 2
22
fX1 +X2 (x) = e dt = dt
1 2 2 1 2 2
ce qui prouve la proposition P(2). Lhrdit se traite comme pour la loi Gamma.
13.5 Exercices
13.5.1 Pour les TD
TD
1. Soit X1 , . . . , Xn des variables alatoires mutuellement indpendantes suivant la mme loi U([a, b]).
On pose In = min(X1 , . . . , Xn )
(a) Dterminer la loi de In .
(b) En dduire que In est une variable densit et prciser lune de ces densits.
(c) Montrer que In admet une esprance et une variance que lon dterminera.
2. Soit X , U([0, 1]) et Y , U([1, 2]). On suppose que X et Y sont indpendantes.
(a) Dterminer la loi de Y X.
(b) Prciser E(Y X) et V(Y X).
3. Soit X , E() o > 0. On pose U = eX . Montrer que U , U(]0, 1[).
4. Soit X , E() o > 0.
(a) i. Montrer, par rcurrence, que X admet un moment tous les ordres et que :
n!
n N, E(X n ) =
n
n)
ii. Pour quelles valeurs du rel x la srie n0 E(X xn est-elle convergente ? absolument
P
n!
P+ E(X n ) n
convergente ? Prciser alors la valeur de n=0 n! x .
(b) En utilisant un changement de variable, montrer que pour tout rel r > 1, on a :
(r + 1)
E(X r ) =
r
5. Soit X , () o > 0. Montrer que X admet un moment mk tous les ordres et que :
k1
Y
k N , mk (X) = ( + i)
i=0
13.5. EXERCICES 181
6. Soit X , N (0, 1). Montrer que |X|r admet une esprance pour tout rel x > 1 et que :
r
r 22 r+1
E(|X| ) =
2
TD*
1. On choisit
un point M au hasard sur le cercle trigonomtrique ce qui revient choisir au hasard
~
langle i, OM dans [, [.
(a) Dterminer la loi de labscisse du point M . Cette loi admet-elle une esprance ? Si oui, la cal-
culer.
(b) Dterminer la loi de lordonne du point M .
g(u) = E(euX )
Justifier que cela dfinit une fonction g sur ] , [ et exprimer g(u) sans intgrale.
2. Soit X , (p, ) o p > 0 et > 0. Montrer que pour tout rel r ] , +[, on a :
( + r)
E(X r ) = pr
()
DS
1. s
184 CHAPITRE 13. VARIABLES ALATOIRES DENSIT USUELLES
Chapitre 14
Endomorphismes symtriques
Dans tout ce chapitre, (E, h., .i) dsigne un espace euclidien de dimension n.
14.1 Gnralits
14.1.1 Dfinition
Proposition/Dfinition
Soit u : E E. On dit que u est symtrique si et seulement si :
Exemple
On considre lespace vectoriel R3 muni de son produit scalaire canonique. Soit
B = (e1 , e2 ,
e3 ) sa base
1 2 3
canonique. Soit u lendomorphisme de E dont la matrice dans la base B est : A = 2 4 5 . Montrer
3 5 6
que u est symtrique.
Proposition (QC)
Toute application symtrique de E est un endomorphisme de E.
Preuve
Soit u une application symtrique de E, (x, y) E 2 et (, ) R2 . Pour tout vecteur z E, on a :
Proposition
Soit (e1 , . . . , en ) une base orthonormale de E. Soit u L(E). Alors, u est symtrique si et seulement
si :
(i, j) J1, nK2 , hu(ei ), ej i = hei , u(ej )i
185
186 CHAPITRE 14. ENDOMORPHISMES SYMTRIQUES
Preuve
: cest vident.
: Supposons que : (i, j) J1, nK2 , hu(ei ), ej i = hei , u(ej )i. Soit x = ni=1 xi ei et y = ni=1 yi ei .
P P
Alors :
* n n
+ n X n
X X X
hu(x), yi = xi u(ei ), yj ej = xi yj hu(ei ), ej i
i=1 j=1 i=1 j=1
n X
n
* n n
+
X X X
= xi yj hei , u(ej )i = xi ei , yj u(ej ) = hx, u(y)i
i=1 j=1 i=1 j=1
Preuve
Notons A = (ai,j ) la matrice de u dans B = (e1 , . . . , en ). Notons Ei la matrice colonne des coordonnes
de ei dans la base B. Pour tout couple (i, j) J1, nK2 , on a :
t
hu(ei ), ej i = hei , u(ej )i (AEi )Ej = tEi AEj
t
ai,1 aj,1
... Ej = tEi ... ai,j = aj,i
ai,n aj,n
Remarque
Dans le cas dune base non orthonorme, un endomorphisme symtrique peut tre reprsent par une
matrice non symtrique. Par
exemple, dans R3 muni de son produit scalaire canonique, on considre lendo-
1 1 1
morphisme u de matrice 1 1 1 dans la base canonique B (qui est orthonormale). Un rapide calcul
1 1 1
1 0 0
0
assure que u est symtrique. Soit B = 1 , 1 , 0 . Alors, la matrice de u dans B 0 est
0 1 1
2 2 1
0 0 0 qui nest pas symtrique.
2 2 1
Proposition (QC)
Soit u L(E). Sil existe une base orthonormale B telle que la matrice de u dans B est symtrique
alors u est symtrique.
14.2. RDUCTION DES ENDOMORPHISMES SYMTRIQUES 187
Preuve
Supposons que B = (e1 , . . . , en ) est une base orthonormale telle que A = MatB (u) est symtrique. Pour
tout couple (x, y) de vecteurs de E, on a :
hu(x), yi = t(AX)Y = tX tAY = tXAY = hx, u(y)i
donc u est symtrique.
Exemple
Soit E un espace euclidien et p un projecteur de E. Montrer que p est un projecteur orthogonal si et
seulement si p est un endomorphisme symtrique.
Preuve
XAXt
Soit A une matrice symtrique. Lapplication X 7 kXk 2 admet un minimum sur {X Mn,1 (R) | kXk = 1}
(norme associe au produit scalaire canonique) puisque cette application est continue (quotient de poly-
nmes) sur un ferm-born. Notons ce minimum. Alors, il existe X0 de norme 1 tel que tX0 AX0 = ...
Proposition (QC)
Soit u un endomorphisme symtrique. Alors, ses sous espaces propres sont deux deux orthogonaux.
Preuve
Soit et deux valeurs propres distinctes de u. Soit x E et y E . Alors :
hu(x), yi = hx, u(y)i hx, yi = hx, yi ( ) hx, yi = 0 hx, yi = 0
puisque 6= . Ainsi : E E .
Thorme
Tout endomorphisme symtrique est diagonalisable dans une base orthonormale (et ses valeurs propres
sont toutes relles).
Preuve
Soit u un endomorphisme symtrique de E. Il suffit de dmontrer quil est diagonalisable puisque les
sous espaces propres sont en somme directe orthogonale (un petit peu de Gram-Schmidt au besoin). On
effectue une dmonstration par rcurrence (forte) sur la dimension de lespace E :
on considre un sous espace propre E : il en existe au moins un (puisque u admet au moins une
valeur propre) et est ncessairement u-stable,
on montre que E est lui-aussi u-stable : trs simple par proprit de symtrie,
on montre enfin que lendomorphisme induit par u sur E est symtrique pour lui appliquer lhypo-
thse de rcurrence : pas bien compliqu non plus,
on conclut alors que E est somme directe de sous espace propres de u donc que u est diagonalisable.
188 CHAPITRE 14. ENDOMORPHISMES SYMTRIQUES
Preuve
Lien endomorphisme symtrique avec matrice symtrique et matrice orthogonale.
Exemple
2 1 1
Dans R3 muni de son produit scalaire canonique, on considre lendomorphisme u de matrice 1 2 1
1 1 2
dans la base canonique B.
1. Justifier que u est diagonalisable dans une base orthonormale que lon prcisera.
2. Dterminer la matrice de un dans la base canonique de R3 en fonction de lentier n.
Proposition
Soit A une matrice symtrique relle de Mn (R). Alors, il existe des rels (1 , . . . , n ) et des matrices
colonnes (X1 , . . . , Xn ) telles que :
n
X
A= i Xi tXi = 1 X1 tX1 + + n Xn tXn
i=1
Preuve
Soit (1 , . . . , n ) les valeurs propres de A et (X1 , . . . , Xn ) des vecteurs propres associs supposs tous
unitaires. On note P la matrice dont les colonnes sont les coordonnes des vecteurs propres (P est la matrice
de passage de la base canonique la base de vecteurs propres choisie, on sait alors que P est orthogonale).
Alors :
...
1 (0) n (0)
A = P
... t
P =P
X
i
t
P
(0) n i=1 . ..
(0)
.
...
(0) .
X n
t X
n
t . X n
= P P = X . . . X X = i Xi tXi
i i 1 n i
i=1 ... i=1 .. i=1
(0) .
Proposition
Soit B une base orthonorme de E.
Soit u L(E) et q sa forme associe. Soit A la matrice de u dans la base B. Pour tout
quadratique
x1
..
vecteur x de E, on note X = . la matrice colonne de ses coordonnes dans la base B. Alors :
xn
n X
X n n
X X
t
x E, q(x) = XAX = ai,j xi xj = ai,i xi + 2 ai,j xi xj
i=1 j=1 i=1 1i<jn
q : E R
n
X X
x 7 q(x) = ai xi + 2 ai,j xi xj
i=1 1i<jn
Preuves
s
Preuves
vident avec la dfinition.
simple avec la dfinition.
toujours la dfinition avec bilinrait et symtrie.
Preuve
vident.
Remarque
Lobjectif est ainsi de dterminer si la forme bilinaire symtrique associe une forme quadratique
((x, y) = 14 (q(x + y) q(x y))) est un produit scalaire :
si toutes les valeurs propres sont strictement positives alors q est strictement positive et est un
produit scalaire,
si toutes les valeurs propres sont positives et si lune au moins est nulle alors q est positive ou nulle
et est positive non dfinie,
sil existe deux valeurs propres de signes contraires alors q peut prendre des valeurs positives et des
valeurs ngative et nest pas positive,
si toutes les valeurs propres sont ngatives et si lune au moins est nulle alors q est ngative ou nulle
et est ngative non dfinie,
si toutes les valeurs propres sont strictement ngatives alors q est strictement ngative et est un
produit scalaire.
Exemples
2 2 x1 y1
1. Lapplication : R R R, , 7 x1 y1 + x1 y2 + x2 y1 + x2 y2 est-elle un
x2 y2
produit scalaire sur R2 ?
2 2 x1 y1
2. Lapplication : R R R, , 7 x1 y2 + x2 y1 est-elle un produit scalaire
x2 y2
sur R2 ?
Mthode de Gauss
Nous allons dcrire une mthode permettant de connatre le signe des valeurs propres sans les calcu-
ler (et sans mme obtenir une base orthonormale de vecteurs propres). Cette mthode est base sur deux
relations :
1. la mise sous forme canonique, dans le cas o on a un facteur carr ai,i x2i (cest dire avec ai,i 6= 0) :
n
X
qi (xi , . . . , xn ) = ai,i x2i + ai,k xi xk + qi,2 (xi+1 , . . . , xn )
k=i+1
!2 !2
n n
X ai,k X ai,k
= ai,i xi + xk xk + qi,2 (xi+1 , . . . , xn )
k=i+1
2a i,i
k=i+1
2a i,i
n
!2
X ai,k
= ai,i xi + xk + qi+1 (xi+1 , . . . , xn )
k=i+1
2ai,i
Exemples
1. Lapplication suivante est-elle un produit scalaire sur R3 :
3
: R R3 R
x1 y1
x2 , y2 7 x1 y1 + x1 y2 + x2 y1 + x2 y2 + x1 y3 + x3 y1 + x3 y3 + x2 y3 + x3 y2
x3 y3
14.4 Exercices
14.4.1 Pour les TD
TD
1. Diagonaliser dans une base orthonormale pour le produit scalaire canonique de R3 les matrices :
5 1 2 2 1 1
A = 1 5 2 B = 1 2 1
2 2 2 1 1 1
x E, hu(x), xi = 0
x : Ex Ex
y 7 x (y) = (y)
(d) Montrer que E est somme directe orthogonale de Ker() et de sous espaces de dimension 2.
TD*
1. Soit E un espace euclidien.
(a) Soit f L(E). Dmontrer quil existe un unique endomorphisme, not f et appel endomor-
phisme adjoint de f , tel que :
Remarque : un endomorphisme f est symtrique si et seulement sil est gal son adjoint.
(b) Soit u un endomorphisme symtrique de E. Montrer lquivalence des propositions qui suivent :
i. x E, hu(x), xi 0
ii. v L(E) / u = v v
iii. w L(E) / u = w2 et w = w
14.4. EXERCICES 193
X M3 (R), F (X) = AX XB
L : Rp [X] Rp [X]
0
P 7 L(P )(X) = [(X 2 1)P 0 (X)]
i. Calculer P 2 et tP .
ii. Justifier que P est diagonalisable.
iii. Dterminer les valeurs propres et les sous espaces propres associs de P .
14.4. EXERCICES 195
iv. En dduire que P est la matrice dune projection orthogonale sur un sous espace de R4 que
lon dterminera.
(b) On revient maintenant au cas gnral (s quelconque). Montrer que P Ms (R) est la matrice
dune projection orthogonale si et seulement si :
t
P2 = P et P =P
(c) Soit P et Q deux matrices de Ms (R) reprsentant chacune une projection orthogonale. On
suppose de plus que :
x Rs , kP xk2 + kQxk2 kxk2 ()
i. Montrer que P Q = QP = .
ii. En dduire que P + Q est la matrice dune projection orthogonale.
(d) Soit P1 , . . . , Pn , n matrices reprsentant chacune une projection orthogonale de Rs et telles que
P1 + + Pn = Is (o Is P est la matrice unit de Ms (R)). Montrer que, pour tout partie non
vide E de J1, nK, la somme kE Pk est la matrice dune projection orthogonale de Rs .
(e) On se place nouveau dans R4 et on considre la matrice :
1 1 0 0
1 1 1 0 0
Q=
2 0 0 1 1
0 0 1 1
(a) Justifier que q est une forme quadratique sur R3 et donner la matrice de lendomorphisme sy-
mtrique f associ dans la base B.
(b) Pour quelles valeurs du rel a la forme quadratique q est-elle positive ?
(c) Pour quelles valeurs du rel a lapplication (u, v) 7 14 [q(u + v) q(u v)] est-elle un produit
scalaire sur R3 ?
(d) Diagonaliser f dans une base orthonormale dans le cas o a = 0.
DS
1. s
196 CHAPITRE 14. ENDOMORPHISMES SYMTRIQUES
Chapitre 15
Exemples
Les fonctions suivantes admettent-elles un gradient en tout point de leur domaine de dfinition ?
197
198 CHAPITRE 15. FONCTIONS DE N VARIABLES DE CLASSE C 1
Remarques
Si f admet des drives partielles par rapport chaque variable xi au point A alors elle nest pas
ncessairement continue en A (cf. exemple 4).
Si f admet une drive partielle par rapport la variable xi au point A alors elle nadmet pas nces-
sairement de drive partielle par rapport la variable xj en ce point (cf. exemple 6).
Pour calculer une drive partielle par rapport xi au point A, on value les autres variables en
a1 , . . . , ai1 , ai+1 , . . . , an puis on drive la fonction de la seule variable xi et enfin on value cette
fonction en xi .
xi g(A)2
( f ) f
(A) = (A) 0 (f (A))
xi xi
Idem avec le gradient au point A avec les relations suivantes (on rappelle que, le gradient tant un
vecteur, lopration . dsigne la multiplication externe gauche des vecteurs par un rel) :
Preuves
Ce sont des applications directes de la notion de nombre driv en un point des fonctions dune seule
variable pour le premier point puis application du premier point et de la structure despace vectoriel de R
pour le second point.
15.2. DVELOPPEMENT LIMIT LORDRE 1 199
Preuve
Notant (h1 , . . . , hn ) les coordonnes de H, on a :
n
D E X f
f (A) + f (A), OH = f (A) + hi (A)
i=1
xi
est bien une application affine des variables (h1 , . . . , hn ). De plus, daprs lingalit de Cauchy
Schwarz, on a : D E
f (A), OH kf (A)k kOHk 0
HO
Remarques
La fonction affine prcdente admet donc pour reprsentation graphique un hyperplan affine. Compte
tenu de la valeur nulle de la limite prcdente, on en dduit que cette fonction est une approximation
affine de la fonction f au voisinage du point A (mais rien ne dit que cest la meilleure approxima-
D de f en
tion affine A qui
E
soit).
Le rel f (A), OH est aussi not hf (A), Hi.
Dfinitions
On suppose que f admet un gradient en A.
On dit que f admet un dveloppement limit lordre 1 au voisinage de A si et seulement si :
D E
f (A + H) = f (A) + f (A), OH + kOHk kOHk
Exemples
Lorsque cela est possible, dterminer une quation cartsienne du plan tangent des fonctions suivantes :
1. f : (x1 , . . . , xn ) 7 1 x1 + + n xn + c (application affine) en tout point de Rn .
2. f : M 7 kOM k en O(0, . . . , 0) puis en M (1, . . . , 1).
200 CHAPITRE 15. FONCTIONS DE N VARIABLES DE CLASSE C 1
3. f : M 7 kOM k2 en O(0, . . . , 0) puis en M (1, . . . , 1).
xy
4. f : (x, y) 7 x2 +y 2
si (x, y) 6= (0, 0) et f (0, 0) = 0 en O(0, 0) puis en A(3, 5).
5. f : (x, y) 7 xy en O(0, 0) puis en A(3, 5).
x
6. f : (x, y) 7 y
en B(1, 1) puis en C(5, 1).
Proposition
Une combinaison linaire (finie) de fonctions admettant un dveloppement limit lordre 1 au voi-
sinage du point A est une fonction admettant elle-mme un dveloppement limit lordre 1 au
voisinage du point A.
Un produit (fini) de fonctions admettant un dveloppement limit lordre 1 au voisinage du point A
est une fonction admettant elle-mme un dveloppement limit lordre 1 au voisinage du point A.
En particulier, toute fonction polynme admet un dveloppement limit lordre 1 en tout point de
Rn (et donc aussi toutes les fonction affines).
Preuve
rechercher.
Thorme
Si f admet un dveloppement limit lordre 1 en A alors f est continue en A.
Preuve
vident.
f
: O R
xi
f
A 7
xi
Exemples
Prciser les fonctions drives partielles sur le plus grand ouvert possible de Rn des fonctions suivantes :
1. f : (x1 , . . . , xn ) 7 1 x1 + + n xn + c
2. f : M 7 kOM k
3. f : M 7 kOM k2
xy
4. f : (x, y) 7 x2 +y 2
si (x, y) 6= (0, 0) et f (0, 0) = 0
x
5. f : (x, y) 7 y
6. f : (x, y) 7 x y
15.3. FONCTIONS DE CLASSE C 1 SUR UN OUVERT DE RN 201
(f + g) f g (f g) f g
= + = g+f
xi xi xi xi xi xi
fg f g
g f x ( f ) f
xi
= i
= 0 f
xi g2 xi xi
Preuves
Ce sont des consquences de lexistence en tout point A de O des drives partielles en A.
Proposition
Toute fonction polynme admet des fonctions drives partielles par rapport chaque variable xi sur
Rn .
Preuve
s
Exemples
Dterminer le plus grand ouvert de Rn sur lequel les fonctions suivantes sont de classe C 1 :
1. f : (x1 , . . . , xn ) 7 1 x1 + + n xn + c
2. f : M 7 kOM k
3. f : M 7 kOM k2
xy
4. f : (x, y) 7 x2 +y 2
si (x, y) 6= (0, 0) et f (0, 0) = 0
x
5. f : (x, y) 7 y
6. f : (x, y) 7 x y
Preuves
Cest vident daprs les thormes prcdents.
202 CHAPITRE 15. FONCTIONS DE N VARIABLES DE CLASSE C 1
Thormes
(admis) Toute fonction de classe C 1 sur O admet un dveloppement limit lordre 1 en tout point de
O.
Toute fonction de classe C 1 sur O est continue sur O.
Preuve
On suppose que f est de classe C 1 sur O. Soit u1 , . . . , un des fonctions de classe C 1 sur un intervalle
I de R et telles que (u1 (t), . . . , un (t)) O pour tout rel t I. Alors, la fonction g : I R, t 7
f (u1 (t), . . . , un (t)) est de classe C 1 sur I et on a :
n
0
X f
t I, g (t) = u0i (t) (u1 (t), . . . , un (t))
i=1
xi
En particulier (seul cas officiellement au programme), si les fonctions ui sont affines de la forme t 7 ai +ti
alors on a :
f f
g 0 (t) = 1 (u1 (t), . . . , un (t)) + + n (u1 (t), . . . , un (t))
x1 xn
~ o U
(la trace du chemin sur Rn est la fonction u : t 7 A + tU ~ = 1~e1 + + n~en ).
Preuve
g(t + h) g(t) f (u1 (t) + h(u01 (t) + 1 (h)), . . . , un (t) + h(u0n (t) + n (h))) f (u1 (t), . . . , un (t))
=
h h
...
f (A + tU ) f (A)
fU0 (A) = g 0 (0) = lim
t0 t
Preuve
Exemples
4. f : (x, y) 7 xy avec A = (1, 1) et U = (a, b) tel que a2 + b2 = 1 puis avec A(1, 2) et U = (a, b).
Dterminer ensuite le vecteur U tel que la drive dans la direction de U soit maximale.
Remarques
f
On a clairement : i J1, nK, f~e0i (A) = xi
(A).
1
Une fonction de classe C sur louvert O admet une drive directionnelle en tout point de O et dans
toutes les directions.
On peut dfinir la notion de drive directionnelle pour des fonctions qui ne sont pas de classe C 1 sur
O mais alors il peut y avoir des points en lesquels la fonction nadmet pas de drive dans certaines
(voire toutes) les directions.
La drive directionnelle selon le vecteur unitaire U est gale la pente de la courbe obtenue par
intersection de Sf avec lhyperplan affine de Rn+1 passant par le point (A, f (A)), orthogonal lhy-
perplan xn+1 = 0 et contenant le vecteur U .
Proposition
Preuves
n
f (A + tU ) f (A) X f
fU0 (A) = lim = i (A) = hf (A), U i
t0 t i=1
xi
Cauchy-Schwarz.
En particulier, si O est convexe alors on a une telle galit pour tous les points H de O.
Preuve
Soit H(h1 , . . . , hn ) O tel que [A, A + H] O. Compte tenu de cette inclusion, la fonction :
: [0, 1] R, t 7 f (A + tH)
est bien dfinie. De plus est de classe C 1 sur [0, 1] (drive sur un segment) et on a :
n
0
X f D E
(t) = (A + tH)hi = f (A + tH), OH
k=1
xi
Dautre part, on a (0) = f (A) et (1) = f (A + H). Le thorme des accroissements finis (pour les
fonctions numriques dune variable) assure que :
(1) (0)
]0, 1[ / () =
10
D E
ce qui prouve que : f (A + H), OH = f (A + H) f (A).
Exemple
Soit f : Rn R, M 7 kOM k2 .
1. Justifier que f est de classe C 1 sur Rn .
2. Montrer que pour tout couple (A, B) de points de Rn :
Remarque
On rappelle que si U est ferm dans Rn et si f est continue sur U alors f admet un maximum et un
minimum sur U. Nous allons donc nous intresser dornavant la situation o U est un ensemble ouvert.
On suppose que f admet des fonctions drive partielles sur O. On dit quun point A de louvert O est
un point critique de la fonction f si et seulement si f (A) = ~0, autrement dit si et seulement si :
f
i J1, nK, (A) = 0
xi
Remarque
En un point critique, toutes les drives directionnelles sont nulles (pourvu quelles existent, ce qui est
le cas lorsque f est de classe C 1 ).
Thorme
On suppose que f admet un dveloppement limit en tout point de O (ce qui est le cas lorsquelle est
de classe C 1 sur O). Si f admet un extremum local en A alors A est un point critique de f .
Preuve
D E
Au voisinage de A, le rel f (M ) f (A) a mme signe que f (A), AM puisque kAM k kAM k est
D E
ngligeable devant f (A), AM au voisinage de A. Ce signe ne peut tre constant sur un voisinage de A
que si le produit scalaire est nul sur ce voisinage donc si f (A) est nul ce qui prouve que le point A est un
point critique.
Exemples
Pour chaque fonction, dterminer ses points critiques et prciser si f y admet ou non un extremum local
voire global.
1
1. f (x, y) = x2 +y 2
2. f (x, y, z) = x2 + y 2 + z 2
3. f (x, y) = x2 + xy y 2 + x
Remarque
La condition nonce est ncessaire mais nest pas suffisante puisquil existe des points critiques en
lesquels la fonction nadmet pas dextremum. Un tel point est appel point col ou point selle.
206 CHAPITRE 15. FONCTIONS DE N VARIABLES DE CLASSE C 1
15.5 Exercices
15.5.1 Pour les TD
TD
3 +y 3 +z 3
1. Soit f : R3 {(0, 0, 0)} R, (x, y, z) 7 x .
x2 +y 2 +z 2
(a) Montrer que f se prolonge en une fonction continue sur R3 (que lon notera encore f ).
(b) tudier lexistence de drives partielles dordre 1 sur R3 .
(c) La fonction f est-elle de classe C 1 sur R3 ?
direction.
3. Soit f : R3 R, (x, y, z) 7 x2 + xy + y 2 + yz + z 2 + zx + x + y + z + 1.
(a) Justifier que f est de classe C 1 sur R3 et dterminer lexpression des fonctions drives partielles
dordre 1.
(b) crire un dveloppement limit lordre 1 de f au voisinage de A(xA , yA , zA ). On donnera
lexpression de la fonction .
(c) Dterminer lensemble des points critiques de f .
(d) La fonction f admet-elle un extremum global ? un extremum local ?
i. Montrer que f admet un maximum M et un minimum m sur D et quil sont atteints sur
C = {(x, y) R2 | x2 + y 2 = 1}.
ii. tudier la fonction t 7 f (cos(t), sin(t)).
iii. En dduire les valeurs de M et m.
TD*
1. tudier les extrema de la fonction f dfinie sur R3 par : f (x, y, z) = x2 + y 2 + z 2 2xyz.
15.5. EXERCICES 207
1 a b
t R, = +
(x.et + 1)(y.et + 1) x.et + 1 y.et + 1
On exprimera a et b en fonction de x et y.
ii. En dduire la valeur de f (x, y).
(c) i. tudier lexistence de drives partielles pour f .
ii. La fonction f est-elle de classe C 1 sur son domaine de dfinition ?
2. Dterminer une fonction f dfinie sur un ouvert O de R2 le plus grand possible (et dterminer) telle
que :
f y2 f x2
(x, y) O, (x, y) = , (x, y) =
x (x + y)2 y (x + y)2
3. Soit D = {(x, y) R2 | 1 x y 1} et f : D R, (x, y) 7 (y x)2 + 6xy.
(a) Justifier que f admet des extrema.
(b) Dterminer les points critiques de f . A-t-on des extrema locaux ?
(c) Dterminer les extrema de f .
H,M : R R, t 7 f (M + tH)
(c) On suppose dans cette question que f (O) = 0 et que gradf (O) = ~0. On suppose galement que
f est strictement convexe, cest dire quelle vrifie :
(a) Montrer que f est continue sur R2 puis tudier lexistence de drives partielles de f .
(b) Pour tout rel x, on pose : h(x) = f (x, 0) 1.
tudier les variations de h. En dduire que f nadmet pas dextremum en (0, 0).
(c) Dterminer les points critique de f .
(d) i. Montrer que : x 0, f (x, y) h(x) + 1.
1
ii. En dduire que f admet un minimum local en e
,0 .
(e) Pour tout rel x, on pose : g(x) = f (x, 1) f (0, 1).
i. Montrer que g(x) est du signe de x.
ii. En dduire que f nadmet pas dextremum local en (0, 1).
DS
1. s
Chapitre 16
Dans tout ce chapitre, on considre une suite de variables alatoires (Xn )nN ainsi quune autre variable
alatoire X toutes dfinies sur un mme espace probabilis (, T , P).
Lobjetif de ce chapitre est de sintresser au comportement de cette suite lorsque n tend vers linfini et
notamment de dfinir le sens de (en occurrence diffrents sens de) :
Xn X
n+
Diffrentes dfinitions de la limite seront mises en exergue (2 dans le cours et 2 autres en exercice). La
dfinition qui semblerait la plus naturelle serait de dire que :
Xn X , lim Xn () = X()
n+ n+
(appele convergence simple de la suite dapplications (Xn ) vers lapplication X) mais cela pose de gros
problmes en lien avec le calcul des probabilits (cette dfinition ne fait aucune allusion la probabilit
P). Une meilleure dfinition, mais qui nest pas au programme, est la convergence presque sre :
Xn X P lim Xn () = X()
=1
p.s. n+
qui fait lobjet de lexercice 1. Un inconvnient de cette dfinition est quelle est trs contraignante : peu
(ou plutt pas assez) de suites seraient alors convergentes . Toutefois, cette dfinition prsente aussi des
avantages : elle corrige quelques dfauts de la convergence simple des applications tout en restant trs
proche delle.
Remarques
Cette dfinition de la convergence en probabilit est videmment quivalente :
209
210 CHAPITRE 16. CONVERGENCES DES SUITES DE VARIABLES ALATOIRES
Une interprtation de cette dfinition est de dire Xn ne peut presque srement pas prendre des valeurs
trs diffrentes de celles de X lorsque n tend vers linfini. Par contre, rien noblige ce que Xn ()
soit proche de X() pour chaque ventualit (voir exercice 1, question 3).
Dans la notation Xn X la notion de n tend vers linfini est sous entendue. On rencontre parfois
P
la notation :
P
Xn X
n+
Exemples
1. Soit p ]0, 1[, X = p11 (variable alatoire certaine prenant la valeur p) et, pour tout entier naturel n
non nul : Xn , B(n, p). En utilisant lingalit de Bienaym-Tchebychev, montrer que n1 Xn X.
P
2. Soit U , U([0, 1]) et (Xn )n1 une suite de variables alatoires mutuellement indpendantes ayant
toutes la mme loi que U . Pour tout entier naturel n non nul, on pose :
In = inf(X1 , . . . , Xn ) et Sn = sup(X1 , . . . , Xn )
(a) i. Calculer P(|Sn 1| > ) pour tout entier n 1 et tout rel > 0.
ii. En dduire que Sn 11 .
P
(b) Montrer que la suite (In ) converge en probabilit vers une variable certaine que lon prcisera.
1 1
Xn () = {0, n} P(Xn = 0) = 1 P(Xn = n) =
n n
(a) Montrer que (Xn ) converge en probabilit vers la variable certaine gale 0.
(b) Comparer limn+ E(Xn ) avec E(011 ).
4. On suppose que est lintervalle [0, 1], T est la tribu des borliens de [0, 1] (intersections des bor-
liens de R avec [0, 1]) et P est la probabilit uniforme. Soit X la variable certaine gale 0. Pour tout
entier naturel n, on pose : Xn = 11[0, 1 ] . Montrer que Xn X.
n+1 P
Remarques
Il ny a pas unicit de la limite lors de la convergence en probabilit, plus prcisment :
Xn X et Xn X 0 P(X 6= X 0 ) = 0
P P
|Xn | 0 Xn 0
P P
Xn X Xn X 0
P P
16.1. CONVERGENCE EN PROBABILIT 211
Xn X (a, b) R2 , aXn + b aX + b
P P
Preuves
On a :
|Xn | 0 lim P(||Xn | 0| > ) = 0 lim P(|Xn 0| > ) = 0 Xn 0
P n+ n+ P
Preuve
Il est clair que chaque Yn admet une esprance et que E(Yn ) = m. Comme les Xk sont deux deux non
corrles alors chaque Yn admet une variance et :
1 2
V(Yn ) = 2 (V(X1 ) + + V(Xn )) =
n n
Soit > 0. Daprs lingalit de Bienaym-Tchebychev, on a alors :
V(Yn ) 2
P (|Yn m11 | > ) = P (|Yn E(Yn )| > ) = 0
2 n2 n+
212 CHAPITRE 16. CONVERGENCES DES SUITES DE VARIABLES ALATOIRES
Exemple
On lance une pice de monnaie une infinit de fois. A chaque lancer, la probabilit dapparition de son
ct pile est p o 0 < p < 1, inconnu a priori. Dterminer le nombre n de lancers effectuer pour que la
frquence dapparition de pile soit une valeur approche de p 108 prs avec une probabilit dau moins
0,99. Que cela change-t-il si on sait que p = 0, 1 ?
Remarques
Ce thorme doit nous conforter dans notre intuition et dans notre choix de la dfinition de la pro-
babilit dun vnement comme frquence limite de son nombre dapparitions lors dune succession
infinie et indpendantes de ralisation de lexprience alatoire sous-jacente.
Ce thorme sert de base lestimation de la valeur du rel m lorsquil est inconnu, notamment lors
de simulations informatiques.
Exemples
n1 , n1 pour tout entier n 1. Montrer que Xn 011 .
1. On suppose que Xn , U
L
1 2 n1 n
2. On suppose que Xn , U n , n , . . . , n , n pour tout entier n 1. Montrer que Xn X o
L
X , U([0, 1]).
3. On suppose que Xn , U n1 pour tout entier n 1. Montrer que Xn 011 .
L
4. On suppose que Un , U ([0, 1]) pour tout entier n 1 et que ces variables alatoires sont mutuelle-
ment indpendantes. Pour tout entier n 1, on pose :
Mn = max(U1 , . . . , Un ) et Xn = n(1 Mn )
Montrer que Xn E(1).
L
Remarques
La convergence en loi est une convergence base sur la convergence simple des fonctions de
rpartitions. Rien noblige donc avoir Xn () X() pour ne serait-ce quun lment de .
n+
Une suite de variables alatoires discrtes peut converger en loi vers une variable alatoire discrte
(exemple 3) ou bien une variable alatoire densit (exemple 2).
Une suite de variables alatoires densit peut converger en loi vers une variable alatoire densit
(exemple 4) ou bien une variable alatoire discrte (exemple 1).
Lexemple 2 justifie quelques dtails prs que la fontion random du langage Pascal est une
bonne approximation de la loi uniforme sur [0, 1] : les rsultats fournis par cette fonction sont obtenus
avec des probabilits semblables (n = 1012 dans le cas de Turbo Pascal) ceux qui auraient t
fournis par une vraie variable alatoire suivant la loi U([0, 1]).
16.2. CONVERGENCE EN LOI ET APPROXIMATIONS DE CERTAINES LOIS USUELLES 213
Preuve
Supposons que Xn X. Notons Fn la fonction de rpartition de la variable alatoire Xn et F celle
P
de X. Soit > 0. Soit x un rel en lequel F est continue. Rappelons le rsultat de lexercice 1 du chapitre
10 appliqu aux variables alatoires X et Xn : pour tout rel > 0, on a
|F (x) Fn (x)| F (x + ) F (x ) + P (|X Xn | > )
Par continuit de F en x, on a :
F (x + ) F (x ) 0 donc > 0 / 0 F (x + ) F (x )
0
la suite (Xn ) converge clairement en loi vers Y . Dautre part, |Xn Y | = |1 2X| = 11 et donc,
pour tout rel ]0, 1[, on a P(|Xn Y | > ) = P(11 > ) = 1 ce qui prouve que la suite (Xn ) ne
peut pas converger en probabilit vers Y .
Remarques
La convergence en loi est plus faible (moins contraignante) que la convergence en probabilit puisque
la convergence se fait indpendamment de tout calcul de probabilit.
Il ny a pas unicit de la limite lors de la convergence en loi (puisquil ny a pas unicit de la limite
lors de la convergence en probabilit).
Il ny a pas compatibilit de lesprance avec la convergence en loi (puisque cest aussi le cas lors de
la convergence en probabilit).
La convergence en loi nest pas compatible, sauf cas particuliers (voir en exercice), avec les oprations
sur les variables alatoires (au contraire de la convergence en probabilit).
Exemples
1. Pour tout entier n 1, on considre la variable alatoire Xn dont la loi est : n1 , 1 n1 , n, n1 .
Preuve
Notons Fn (resp. F ) la fonction de rpartition de la variable alatoire Xn (resp. X). La variable X tant
valeurs dans N, on en dduit que F est continue sur R X().
: Supposons que Xn X. Soit k N. Alors k 12 R X(). Pour tout entier n 1, on a :
L
1 1 1 1
P(Xn = k) = Fn k+ Fn k F k+ F k = P(X = k)
2 2 n+ 2 2
: Supposons que lim P(Xn = k) = P(X = k) pour tout entier naturel k. Soit x R X().
n+
Si x < 0 alors :
Fn (x) = 0 = F (x)
Si x 0, alors :
X X
Fn (x) = P(Xn = k) P(X = k) = F (x)
n+
0kbxc 0kbxc
Applications (QC)
Soit (a, b, n) (N )3 . Pour tout entier N a+b
n
, on considre une variable alatoire XN suivant la
a a
loi H N (a + b), n, a+b . Soit X une variable alatoire suivant la loi B n, a+b . Alors : XN X.
L
Soit > 0. Pour tout entier naturel n > , on considre une variable alatoire Xn suivant la loi
B n, n . Soit X une variable alatoire suivant la loi P(). Alors : Xn X.
L
Preuves
Si k > n alors, pour tout N > k, on a :
P(XN = k) = 0 = P(X = k)
n
Soit donc k J0, nK. Alors, pour tout entier N a+b
, on a :
Na Nb
k nk n! (N a) . . . (N a k + 1) (N b) . . . (N b n + k + 1)
P(XN = k) = N a+N b
= .
k!(n k)! (N a + N b) . . . (N a + N b n + 1)
n
k nk
(N a)k (N b)nk
n n a b
= = P(X = k)
N + k (N a + N b)n k a+b a+b
a n
Or, on sait que 1 + n
ea donc :
n+
nk k
k
P(Xn = k) e = e = P(X = k)
n+ k! nk k!
On en dduit donc que Xn X.
L
sinterprte de la manire manire suivante : lorsque n est assez grand (et donc n
est assez
petit ) et pour tout entier naturel k, on peut crire :
P(Xn = k) P(X = k)
autrement dit, lorsque n est grand et p est petit , on peut approcher une loi binomiale par une
loi de Poisson. En pratique, ds lors que :
n 30 p 0, 1 et np < 15
Exemple
Un pisciculteur possde, dans un mme bassin, 1000 saumons et 9000 truites. Il attrape successivement
et sans remise 100 poissons. Soit X le nombre de saumons pchs.
1. Calculer la valeur exacte de P(X = 10).
2. En utilisant une premire approximation, dterminer une valeur approche de P(X = 10).
3. En utilisant une seconde approximation, dterminer une nouvelle valeur approche de P(X = 10).
Remarque
Bien quune loi de Poisson ne corresponde aucune exprience alatoire lmentaire, elle correspond
en fait une loi limite que lon retrouve dans de nombreuse situations do son importance.
216 CHAPITRE 16. CONVERGENCES DES SUITES DE VARIABLES ALATOIRES
Sn nm
n N , Sn = X1 + + Sn , Sn =
n
Alors, la suite (Sn ) converge en loi vers la variable alatoire X. Autrement dit, on a :
Z b
1 t2
2
(a, b) R , a < b lim P (a Sn b) = e 2 dt
n+ a 2
Exemples
1. Soit p ]0, 1[. On considre une succession infinie de lancers dune pice dont la probabilit dappa-
rition de son ct pile est p chaque lancer. On note Xk le rsultat du lancer numro k (0 si le ct
face est obtenu, 1 si le ct pile est obtenu). On note Sn = X1 + + Xn pour tout entier n 1.
p = 0, 1 p = 0, 4 p = 0, 5 p = 0, 8
La
remarque ci-dessusest appele correction de continuit : la famille dvnements
k 21 Sn < k + 12 kN est encore un systme complet dvnements. De manire
plus concrte, dire que la temprature extrieure est de 16C cest dire que la temprature
est dans lintervalle [15, 5; 16, 5[.
(b) On note Xn = n1 Sn pour tout entier n 1. Soit Yn , N p, p(1p)
n
. Justifier que, pour n
assez grand , on a :
]0, p[, P Xn [p , p + ] P (Yn [p , p + ])
2. Soit (Xn )n1 une suite de variables alatoires mutuellement indpendantes suivant toutes une mme
loi dont on ne connat que lesprance et la variance 2 6= 0. Soit Sn = X1 + + Xn pour tout
n 1. Soit Nn , N (n, n 2 ).
Justifier que, pour tout intervalle I de R et tout entier n assez grand , on a :
P(Sn I) P(Nn I)
Applications (QC)
Soit p ]0, 1[. On suppose que Xn , B(n, p) pour tout entier naturel n 1 et on note Xn sa variable
centre rduite associe. Soit N , N (0, 1). Alors :
Xn N
L
On suppose que Xn , P(n) pour tout entier naturel n 1 et on note Xn sa variable centre rduite
associe. Soit N , N (0, 1). Alors :
Xn N
L
16.2. CONVERGENCE EN LOI ET APPROXIMATIONS DE CERTAINES LOIS USUELLES 217
Preuves
Soit Bk une suite de variables alatoires mutuellement indpendantes suivant toutes la loi B(1, p).
Alors :
n 1, Xn = B1 + + Bn
Ainsi, comme E(B1 ) = p et V(B1 ) = p(1 p), on dduit du TLC que :
Xn np
Xn = p N
np(1 p) L
Soit Pk une suite de variables alatoires mutuellement indpendantes suivant toutes la loi P(1).
Alors :
n 1, Xn = P1 + + Pn
Ainsi, comme E(P1 ) = 1 et V(P1 ) = 1, on dduit du TLC que :
Xn n
Xn = N
n L
Exemple
Un pisciculteur possde, dans un mme bassin, 3000 saumons et 7000 truites. Il attrape successivement
et sans remise 100 poissons. Soit X le nombre de saumons pchs. En procdant deux approximations
successives (ne pas oublier la correction de continuit), dterminer une valeur approche de P(20 X
40).
16.3 Exercices
16.3.1 Pour les TD
TD
1. (a) On suppose que Xn 0. Montrer que Xn 0.
L P
(b) En dduire que, pour tout rel a, si Xn a alors Xn a.
L P
2. Soit Xn , P(1) pour tout n N . On suppose que les variables alatoires Xn sont mutuellement
indpendantes. On pose :
n 1, Sn = X1 + + Xn
(a) Prciser la loi de Sn pour tout n 1.
Sn n 1
(b) Montrer que : lim P 0 = .
n+ n 2
n
X nk en
(c) En dduire que : .
k=0
k! n+ 2
5. Sur une autoroute, la proportion de camions par rapport lensemble de vhicules est de 0,06.
(a) Soit X le nombre de camions parmi 100 vhicules choisis au hasard. Calculer une valeur appro-
che de P(X 4).
(b) Soit Y le nombre de camions parmi 10000 vhicules choisis au hasard. Calculer une valeur
approche de P(550 X 650).
(c) On choisit n vhicules au hasard. Dterminer pour quelles valeurs de n on peut affirmer que
la proportion de camions parmi ces n vhicules est comprise entre 0,05 et 0,07 avec un risque
infrieur 0,05 ? avec un risque infrieur 0,01 ?
6. Soit (Xn )n1 une suite de variables alatoires indpendantes telles que, pour tout entier n 1, on a :
1
Xn () = J1, +K et k Xn (), P(Xn = k) =
e(k + 1)!
(a) Dterminer la loi de Yk et prciser son esprance et sa variance pour tout entier k 1.
(b) Calculer lesprance et la variance de Zn pour tout entier n 1.
(c) tudier la convergence en probabilit puis la convergence en loi de la suite (Zn )n1 .
Peut-on utiliser la loi des grands nombres ?
TD*
1. Convergence forte, appele aussi convergence presque sre.
Rappelons la dfinition donne en introduction de ce chapitre :
Xn X P lim Xn () = X() =1
p.s. n+
, lim Xn () = X()
n+
En dduire que Xn X.
p.s.
ii. Pour tout entier naturel n, on dfinit la variable alatoire : Tn = 11[0, 1 ] . Montrer que :
n+1
2. On considre la suite (Xn )n1 de variables alatoires mutuellement indpendantes dfinies sur un
mme espace probabilis (, T , P) et qui suivent toutes la loi B 1, 12 = U({0, 1}). On pose alors :
n
1 1 1 X 1
n N , Yn = X1 + X 2 + + n Xn = Xk
2 4 2 k=1
2k
220 CHAPITRE 16. CONVERGENCES DES SUITES DE VARIABLES ALATOIRES
(a) Justifier que f (X1 ) est une variable alatoire densit admettant une esprance et une variance
que lon prcisera (en fonction de f ).
(b) Que peut-on dire de la suite (f (Xn ))n1 ?
(c) Montrer que :
> 0, lim P (|In (f ) I(f )| ) = 0
n+
(f) ? ? ?crire alors un programme qui calcule (1) (0) la prcision 106 .
2. Soit (Xn )n1 une suite de variables alatoires indpendantes suivant toutes la mme loi de fonction
de rpartition F . Soit un rel strictement positif. On pose :
n N , Mn = max{X1 , . . . , Xn }, Zn = Mn ln(n), Tn = n1/ (Mn 1)
(a) Dterminer la fonction de rpartition Fn de Mn en fonction de F et de n.
(b) Dans cette question, on suppose que : X1 , E(). Montrer que la suite (Zn )n1 converge en
loi vers une variable alatoire Z que lon prcisera.
(c) Dans cette question, on suppose que la fonction F est dfinie par :
0
si x < 0
F (x) = 1 (1 x) si 0 x 1
1 si x > 1
Montrer que la suite (Tn )n1 converge en loi vers une variable alatoire T que lon prcisera.
Que retrouve-t-on lorsque = 1 ?
3. Soit un rel strictement positif. Pour tout entier naturel n non nul, on considre la fonction fn
dfinie par :
n2 x n2 x2
x R, fn (x) = 2 e 22 11[0,+[ (x)
(a) Montrer que, pour tout entier n 1, fn est une densit dune variable alatoire Xn .
(b) Prouver que la suite (Xn )1 converge en probabilit vers une variable alatoire X que lon
prcisera.
16.3. EXERCICES 221
iii. Rechercher un exemple dans le cours qui prouve que la rciproque est fausse.
(b) La convergence en moyenne quadratique implique la convergence en probabilit.
Soit (Xn ) une suite de variables alatoires admettant un moment dordre 2. Soit X une autre
variable alatoire admettant un moment dordre 2.
i. Montrer que si la suite (Xn ) converge en moyenne quadratique vers X alors Xn X.
P
ii. (Un cas particulier) En dduire que :
lim E(Xn X) = lim V(Xn X) = 0 Xn X
n+ n+ P
2. (Oral ESCP 2003). Pour tout entier naturel n non nul et pour tout rel x, on pose :
x n
fn (x) = an 1 11[0,n] (x)
n
o an est un rel.
(a) Soit n N . Dterminer an pour que fn soit une densit dune variable alatoire.
(b) Pour tout entier naturel n 1, on note Xn une variable alatoire admettant fn pour densit.
i. Montrer que Xn admet un moment dordre k pour tout entier k 1.
ii. Dterminer la fonction de rpartition Fn de Xn .
(c) La suite (Xn )n1 converge-t-elle en loi ? Si oui, prciser la loi de la limite obtenue.
DS
1. s
E(Xn )
P(|Xn | > ) 0
n+
ii. La variable alatoire |Xn X| est valeurs positives et E(|Xn X|) 0 donc, daprs
n+
la question prcdente, |Xn X| 0 cest dire que Xn X en vertu dune proprit
P P
du cours.
iii. La rciproque est fausse en vertu de lexemple initial 3.
(b) i. Soit > 0. Daprs lingalit de Markov gnralise, on a :
E(|Xn X|2 )
P(|Xn X| > ) 0
2 n+
ii. La mme ingalit de Markov gnralise ainsi que la formule de Koenig-Huygens assure
la convergence en probabilit.
Chapitre 17
On dit que f admet une drive partielle dordre 2 par rapport xi puis par rapport xj sur O
f
si et seulement si la fonction xi
admet une fonction drive partielle par rapport xj sur O et on la
note alors :
2f 2f 2f 2f
: M
7 (M ) si j = i et : M 7 (M ) si j 6= i
x2i x2i xj xi xj xi
On dit que f est de classe C 2 sur O si et seulement si lune proprits (quivalentes) suivantes est
vrifie :
f est de classe C 1 sur O et toutes ses fonctions drives partielles dordre 1 sont aussi de classe C 1
sur O,
f admet des fonctions drives partielles dordre 2 par rapport tout couple (xk , xh ) de variables
qui sont continues sur O.
223
224 CHAPITRE 17. FONCTIONS DE N VARIABLES DE CLASSE C 2
Exemples
1. Fonctions affines.
2. Norme, carr de la norme.
(
x3 y
x2 +y 2
si (x, y) 6= (0, 0)
3. Drives partielles secondes de f dans le cas o f (x, y) = .
0 sinon
4. Montrer que si u est de classe C 2 sur I alors f : I Rn1 R, (x1 , . . . , xn ) 7 u(x1 ) est de classe
C 2 sur I Rn1 et que :
2f 2f 2f 2f
= u00 j J2, nK, = = =
x21 xj x1 x1 xj x2j
Notation
Dans le cas o n = 2 et f est de classe C 2 , il est dusage dutiliser les notations dites de Monge :
f f 2f 2f 2f 2f
p= (A) q= (A) r= (A) s= (A) = (A) t= (A)
x y x2 xy xy y 2
Preuves
Exemples
2f 2f
(A) = (A)
xi xj xj xi
Preuve
s
Corollaire
Si f est de classe C 2 sur O alors, pour tout couple (i, j) J1, nK tel que i 6= j, on a :
2f 2f
=
xi xj xj xi
(galit des fonctions sur O) et la matrice hessienne de f en tout point A est symtrique.
Preuve
Cest immdiat.
Exemple et contre-exemple
2f 2f
1. Comparer xy
(x, y) et xy
(x, y) dans le cas o f (x, y) = x3 + y 3 + xy 2 x2 y + xy.
( 3
x y
2f 2f x2 +y 2
si (x, y) 6= (0, 0)
2. Comparer xy
et xy
dans le cas o f (x, y) = .
0 sinon
Preuve
s
Exemple
1. Dveloppement limit lordre 2 de f (x1 , . . . , xn ) = 1 x1 + + n xn en A(a1 , . . . , an ).
2. Dveloppement limit lordre 2 de f (x, y, z) = x2 + xy + y 2 + yz + z 2 + zx + x + y + z + 1 en
A(1, 0, 1).
3. Dveloppement limit lordre 2 de f (x, y) = x3 + y 3 + xy 2 x2 y + xy en A(2, 1).
226 CHAPITRE 17. FONCTIONS DE N VARIABLES DE CLASSE C 2
t I, g(t) = f (A + tU )
Proposition
On suppose que f est de classe C 2 sur O. Soit U un vecteur unitaire. Alors f possde une drive
seconde dans la direction de U en tout point et on a :
A O, fU00 (A) = qA (U )
Preuve
Posons U = (1 , . . . , n ). Pour tout rel t tel que A + tU O, on a :
g(t) = f (A + tU ) = f (a1 + t1 , . . . , an + tn )
n
0
X f
g (t) = i (a1 + t1 , . . . , an + tn )
i=1
xi
n
" n
#
X X 2f
g 00 (t) = i j (A + tU ) = tU 2 f (A + tU )U = qA+tU (U )
i=1 j=1
xj xi
do fU00 (A) 00
= g (0) = qA (U ).
Preuve
Posons H = (h1 , . . . , hn ). Pour tout rel t [0, 1], on pose :
La fonction g tant de classe C 2 sur [0, 1], on lui applique lgalit de Taylor-Lagrange lordre 1 do :
1
]0, 1[ / g(1) = g(0) + g 0 (0)(1 0) + g 00 ()(1 0)2
2
1
f (A + H) = f (A) + hf (A), Hi + qA+U (U )
2
.
Preuve
On utilise le dveloppement limit lordre 2 au point critique.
Exemple
Dterminer les extrema de f (x, y, z) = xy + yz + zx + x + y + 2z + 1.
Corollaire
On suppose que A est un point critique de f , fonction de classe C 2 sur O.
Si 2 f (A) na que de valeurs propres strictement positives alors f admet un minimum en A.
Si 2 f (A) na que de valeurs propres strictement ngatives alors f admet un maximum en A.
Si 2 f (A) a au moins une valeur propre strictement positive et au aumoins une valeur propre stricte-
ment ngative alors f admet un point selle en A
Preuve
Dcoule du thorme prcdent en utilisant une dcomposition de la forme quadratique en combinaison
linaire de carrs.
Cas particulier n = 2
On suppose que A est un point critique de f , fonction de classe C 2 sur O. On utilise les notations de
Monge.
Si rt s2 > 0 alors f admet un extremum en A. Si, de plus :
r > 0 alors f admet un minimum en A,
r < 0 alors f admet un maximum en A.
Si rt s2 < 0 alors f admet un point selle en A.
Si rt s2 = 0 alors on ne peut rien dire sans tude plus approfondie.
228 CHAPITRE 17. FONCTIONS DE N VARIABLES DE CLASSE C 2
Preuve
Dcoule du corollaire prcdent en remarquant que les valeurs propres de la hessienne ont pour produit
rt s2 et somme r + t (qui a mme signe que r).
Exemple
Soit f (x, y) = x3 + y 3 3x2 y. Dterminer les extrema de f .
Preuve
Cf preuve du thorme qui prcde.
Exemple
Soit f (x, y) = x3 + y 3 3x2 y. Dterminer les positions relatives du graphe de f par rapport au plan
tangent en A(1, 1) puis en B(1, 1) et enfin en O(0, 0).
dont on note C lensemble des solutions et H lensemble des solutions du systme linaire homogne
associ. Rappelons que H est un sous espace vectoriel de Rn et que si X0 C alors X C si et seulement
si X X0 H (ou bien H H X0 + H C).
Proposition
Pour tout point M de Rn , on a : H = Vect(g1 (M ), . . . , gp (M )).
Preuve
Cest immdiat. ? ? ? ?
17.4. EXERCICES 229
Proposition
On suppose que f est de classe C 1 sur O. Si f admet un extremum local en A sous la contrainte C alors
la drive de f dans la direction de tout vecteur unitaire H H est nulle et donc :
f (A) H
Preuve
Soit H = (h1 , . . . , hn ) H. Alors :
hf (A), Hi
Exemple
2 2 2
les extrema de f : (x, y, z) 7 x + y + z sous la contrainte x 2y + z = 1 puis sous les
Dterminer
x+y+z =0
contraintes .
xy =1
17.4 Exercices
17.4.1 Pour les TD
TD
1. Dterminer les extremums sur R2 des fonctions :
TD*
1. Soit F la fonction dfinie sur R3 par :
iii. Montrer que F atteint son minimum sur R3 en un unique point que lon dterminera (ainsi
que le minimum).
230 CHAPITRE 17. FONCTIONS DE N VARIABLES DE CLASSE C 2
R +
(b) i. Rappeler la valeur de In = 0
et tn dt.
ii. Justifier la convergence et exprimer en fonction de F lintgrale :
Z +
I(a, b, c) = et (t3 at2 bt c)2 dt
0
(a) Soit x0 R.
i. Montrer quil existe un rel M > 0 tel que :
2
f
(x, t) [x0 1, x0 + 1] [0, 1], 2 (x, t) M
x
iii. En dduire que F est drivable sur R et donner une expression de F 0 (x) laide dune
intgrale.
(b) Pour tout entier naturel n et tout rel x, on pose :
Z 1
In (x) = (1 t2 )n cos(tx)dt
0
i. Montrer que In est drivable sur R et exprimer In0 (x) sous forme dune intgrale.
ii. tablir une relation entre In+1 (x) et In0 (x).
iii. Dmontrer que In est de classe C sur R.
iv. laide dune intgration par parties, tablir une relation de rcurrence entre In+1 (0) et
In (0). En dduire la valeur de In (0).
v. En utilisant la notation factorielle, exprimer la somme :
n
X (1)k
k=0
(2k + 1)k!(n k)!
17.4. EXERCICES 231
2. (Oral ESCP 2006). Soit X1 , X2 , X3 trois variables alatoires discrtes centres. Soit M la matrice
de variance-covariance du triplet (X1 , X2 , X3 ), cest dire que :
M = (mi,j ) 1i3 = (E(Xi Xj )) 1i3
1j3 1j3
(a) Montrer que M est diagonalisable et que ses valeurs propres sont positives ou nulles.
2 1 1
(b) On suppose dans cette question que : M = 1 2 1 .
1 1 2
i. Diagonaliser cette matrice dans une base base orthonormale pour le produit scalaire cano-
nique de M3,1 (R).
ii. Ces variables alatoires sont-elles mutuellement indpendantes ?
(c) Soit Y une variable alatoire centre. On dfinit la fonction F sur R3 par :
" #2
X 3
F (x1 , x2 , x3 ) = E Y xi Xi
i=1
a E(Y X1 )
Montrer que F admet un minimum en (a, b, c) si et seulement si M b = E(Y X2 ) .
c E(Y X3 )
(d) On suppose dans cette question que la matrice M est celle de la question b.
i. Donner
une ncessaire et suffisante portant sur (, , ) pour que le systme
condition
x1
M x2 = admette une solution (au moins).
x3
ii. Cette condition tant ralise, donner une expression de cette solution.
3. Soit (a, b, c) trois rels strictement positifs. Soit f dfinie sur R3 par :
(x, y, z) R3 , f (x, y, z) = ax2 + by 2 + cz 2
(a) Justifier que f admet un maximum et un minimum absolus sur lensemble :
P = {(x, y, z) [0, +[3 | x + y + z = 1}
(b) Les dterminer.
DS
1. s
Chapitre 18
Statistiques descriptives
Autant les probabilits sintressent aux vnements a priori (caractre prdictif ), autant les statis-
tiques sintressent aux vnements rellement survenus donc a posteriori.
Exemples
Prciser la population, le caractre tudi et les modalits de ce caractre dans les exemples qui suivent.
1. Lors dun contrle de police en ville du Mans, on a relev le nom du dpartement dorigine des 80
automobilistes qui ont t arrts.
Dpartement Sarthe Mayenne Loire-Atlantique Eure et Loir Orne Paris
Effectif 56 6 8 5 2 3
2. Un institut de sondages interroge 1334 personnes sur leur intention de vote lors du premier tour des
prochaines lections prsidentielles.
Candidat Arle Oliv Jos M-Ge Sgo Domi Fran Nico Phil J-Ma Total
Effectif 22 66 12 32 290 121 301 332 13 145 1334
233
234 CHAPITRE 18. STATISTIQUES DESCRIPTIVES
Dfinitions
Frquence : Si F est une partie de E alors la frquence de F pour le caractre X est le quotient :
Card(X 1 (F ))
Card()
Frquences cumules croissantes : Si X est un caractre quantitatif et si x est une modalit de X
alors la frquence cumule croissante en x est la somme :
X Card(X 1 ({t}))
Card()
tX()
tx
On reprsente ces deux diagrammes des effectifs cumuls croissants et dcroissants sous la forme :
cas discret : histogrammes,
cas continu : lignes polygonales.
Exemples
1. Le nombre dinterventions graves quotidiennes, releves dans un cabinet vtrinaire pour une anne
donne, est indiqu dans le tableau ci-dessous :
Interventions 0 1 2 3 4 5 6 Total
Effectif 84 105 72 59 28 15 2 365
18.1. STATISTIQUES UNE VARIABLE 235
cart type : dfinition analogue aux probabilits (ne pas oublier la variance aussi), tenir compte des
deux cas (discret/continu).
Pour une rpartition normale , lintervalle :
[X (X), X + (X)] contient environ 68% des effectifs,
[X 2(X), X + 2(X)] contient environ 95% des effectifs,
[X 3(X), X + 3(X)] contient environ 99% des effectifs.
Exemples
Reprendre les deux exemples qui prcdent.
Proposition
Les rgles de calculs sur les esprances/variances/carts-type des variables alatoires sappliquent aux
moyennes/variances/cart-type des sries statistiques.
18.2.1 Exemple
Dans le tableau ci-dessous, on a relev le poids P (en kg) en fonction de lge A (en annes) de 492
enfants
X : XX Poids
[11,15[ [15,19[ [19,23[ [23,27[ [27,31[ [31,35[ [35,39[ [39,43[ [43,47[ [47,51[ [51,55[ [55,59[ [59,63[ [63,67]
ge XXX
5 et 6 1 9 16 8 5
7 et 8 1 13 32 17 6 1
9 et 10 14 26 33 21 3 1
11 et 12 1 1 10 28 26 31 17 10 1 2
13 et 14 10 13 31 41 30 18 6 8 1
1. (a) Dterminer la frquence denfants dont lge est dans lintervalle [7, 13[.
(b) Dterminer la frquence denfants dont le poids est dans lintervalle [19, 31[.
(c) Dterminer la frquence denfants dont le poids est dans lintervalle [19, 31[ sous la condition
dge dans lintervalle [7, 13[.
2. (a) Calculer lge moyen puis lcart type sur lge des individus tudis.
(b) Calculer le poids moyen puis lcart type sur lge des individus tudis.
3. (a) Calculer la covariance de cette srie statistique.
(b) En dduire le coefficient de corrlation.
4. On note (xi , yi ) les couples (ge,poids) pour chaque individu i (numrots de 1 492).
et montrer que ce minimum est atteint en un unique couple (a0 , b0 ) que lon dterminera.
(b) Un enfant pse 32,6 kg. Quel est son ge approximatif ?
(c) Un enfant a 20 ans et 4 mois. Quel est son poids approximatif ?
18.2. STATISTIQUES DEUX VARIABLES 237
18.2.2 Vocabulaire
Dfinitions
On appelle :
nuage de points la reprsentation graphique du couple (X, Y ),
regroupement en classes, effectif,
frquence, frquence marginale, frquence conditionnelle,
point moyen du couple (X, Y ) le point de coordonnes X, Y ,
covariance du couple (X, Y ), le rel :
Propositions
La covariance est une forme bilinaire symtrique positive (et Cov(X, X) = V(X) en vertu de
Koenig-Huygens).
|Cov(X, Y )| (X)(Y ) et donc |(X, Y )| 1.
|(X, Y )| = 1 si et seulement si les points du nuage sont aligns.
Preuve
Pour tout couple (a, b) R2 , on pose :
n
X
g(a, b) = fi (axi + b yi )2
i=1
Alors :
g
2
g
(a, b) = 2n X a + Xb XY et (a, b) = 2n Xa + b Y
a b
et le gradient sannule pour les valeurs annonces.
238 CHAPITRE 18. STATISTIQUES DESCRIPTIVES
Remarques
18.3 Exercices
18.3.1 Pour les TD
1. Soit X une srie statistique formes de couples (xi , ni ) pour chaque i J1, kK (ni dsignant leffectif
de la modalit xi ).
Pk
(a) Montrer que la moyenne X de cette srie statistique minimise sur R la somme i=1 ni (xi x)2
de la variable x.
Pk
(b) Montrer que la mdiane M de cette srie statistique minimise sur R la somme i=1 ni |xi x|
de la variable x.
t 1 2 3 4 5 6 7 8 9 10 11 12 13 14
x 10 9 8 7 6 5.5 5 4.5 3.8 3.4 3 2.7 2.4 2
(b) partir de quelle date les rsidus ont-ils diminu de moiti (par rapport la situation initiale) ?
3. Le tableau ci-dessous donne les dpenses de logement Y en fonction des dpenses totales X dun
foyer fiscal (les dpenses sont exprimes en milliers deuros) :
(b) i. Les dpenses de logement sont de 1500 e. Quelles sont les dpenses totales ?
ii. Les dpenses totales sont de 18950 e. Quelles sont les dpenses de logement ?
18.3. EXERCICES 239
XXX
XXXRacines [40,80[ [80,120[ [120,160[ [160,200[ [200,240[ [240,280[ [280,320[ [320,360]
Feuilles XX
XX
[0,80[ 2
[80,160[ 49 46 5 2
[160,240[ 86 137 46 11
[240,320[ 27 153 89 25 7
[320,400[ 5 45 91 40 6
[400,480[ 10 33 21 16 1 1
[480,560[ 1 4 11 10 3
[560,640[ 2 1 2 4 1
[640,720[ 1 3 2
[720,800] 1
19.1 Introduction
19.1.1 Premier exemple
La situation
On considre la famille de lois B(1, p) dont le paramtre p ]0, 1[ est inconnu (cas du lancer dune pice
de monnaie quelconque). Lobjectif de ce chapitre est de dterminer une estimation de la valeur de p (on
veut savoir si la pice est truque ou non truque puis, dans le second cas, quel point elle est truque) et
de vrifier dans quelle mesure cette estimation est fiable.
Soit p ]0, 1[ fix mais inconnu (on va le tirer au sort lors dune simulation). On considre une succes-
sion infinie de lancers dune pice dont la probabilit dobtenir le ct pile vaut p chaque lancer. Ainsi
lunivers est :
= {0, 1}N
et pour tout entier n 1, pour tout k J0, nK, pour tout k-uplet (i1 , . . . , ik ) dlments deux deux distincts
(n)
de J1, nK rangs dans lordre croissant, la probabilit de lvnement E(i1 ,...,ik ) lors des n premiers lancers,
pile a t obtenu exclusivement aux lancers numros i1 < < ik est :
(n)
P E(i1 ,...,ik ) = pk (1 p)nk
Pour tout entier k 1, on note Xk la variable alatoire qui prend la valeur 1 (resp. 0) si le k me lancer
donne pile (resp. face). Alors, les variables alatoires Xk sont mutuellement indpendantes et suivent toutes
la loi B(1, p).
1 p(1 p)
V(Xn ) = 2
(V(X1 ) + + V(Xn )) = 0
n n n+
241
242 CHAPITRE 19. STATISTIQUE INFRENTIELLE : ESTIMATION
donc lestimateur (Xn )n1 est dit estimateur convergent. Daprs ce qui prcde (pas tout fait vrai
dire), le rel Xn () est une valeur approche de p donc on dit que Xn () est une estimation ponctuelle du
rel p dautant meilleure que n est grand.
PROGRAM estimation_esperance_Bernoulli ;
CONST essais = 2000 ;
VAR p : real ;
FUNCTION bernoulli (p : real) : integer ;
BEGIN
IF random<p THEN bernoulli := 1 ELSE bernoulli := 0 ;
END ;
FUNCTION estim (p : real) : real ;
VAR e,k : integer ;
BEGIN
e := 0 ;
FOR k := 1 TO essais DO e := e+bernoulli(p) ;
estim := e/essais ;
END ;
BEGIN
randomize ; p := random ;
writeln(Estimation de p : ,estim(p) :1 :3) ;
writeln(Valeur exacte de p : ,p :1 :3) ;
END.
Estimation de p : 0.334
Valeur exacte de p : 0.341
Estimation de p : 0.794
Valeur exacte de p : 0.771
Estimation de p : 0.993
Valeur exacte de p : 0.994
Estimation de p : 0.944
Valeur exacte de p : 0.945
Estimation de p : 0.784
Valeur exacte de p : 0.778
Choisir une estimation, cest commettre a priori une erreur sur la valeur exacte de p. Toujours daprs la
loi faible des grands nombres, plus lchantillon est grand, plus la probabilit que lestimation soit loi-
gne de la valeur exacte est faible. Plus prcisment, on aimerait connatre un intervalle [a, b] qui contien-
drait p avec une probabilit suprieure une certaine limite fixe lavance (0,95 par exemple cest dire
un risque derreur de 5%). Dans le cas qui nous concerne, on recherche a < b en fonction de lchantillon
observ tels que :
P (p [a, b]) 0, 95 ou P (p 6 [a, b]) 0, 05
1 1 1
0, 05 2 = 0, 05
80002 400 20
Consquence :
P X2000 p > 0, 05 0, 05 P p X2000 () 0.05, X2000 () + 0.05 0, 95
Lintervalle X2000 () 0.05, X2000 () + 0.05 est appel intervalle de confiance au risque 0,05.
Simulation : on modifie le programme principal prcdent afin de raliser 1000 estimations diffrentes
du mme paramtre p et on compte le nombre de fois que p est dans lintervalle de confiance au risque 0,05
(repetitions est une constante fixe 1000).
BEGIN
randomize ; p := random ; compteur := 0 ;
FOR k := 1 TO repetitions DO
BEGIN
esti := estim(p) ;
IF (p>=esti-0.05) AND (p<=esti+0.05) THEN compteur := compteur+1 ;
END ;
writeln(Proportion dintervalles contenant p : ,
compteur/repetitions*100 :1 :1) ;
END.
Rsultats (1000 rptitions chacune des trois excutions du programme) :
Proportion dintervalles contenant p : 100.0
Proportion dintervalles contenant p : 100.0
Proportion dintervalles contenant p : 100.0
Commentaires : Les majorations effectues sont tellement grossires que tous les intervalles de confiance
contiennent la valeur p (alors quen moyenne 50 sur 1000 nauraient pas ds contenir p).
Une seconde mthode : laide dune approximation par une loi normale
De manire analogue la premire mthode, on recherche > 0 tel que
P p X2000 () , X2000 () + 0, 95
Comme les Xk sont mutuellement indpendantes et suivent la mme loi (cette loi admettant un moment
dordre 2) alors :
X p
qn N , N (0, 1)
p(1p) L
n
244 CHAPITRE 19. STATISTIQUE INFRENTIELLE : ESTIMATION
Permettons nous de remplacer p par son estimation (on ne fait que des calculs approchs) :
2000
P X2000 p 2 q 1
X2000 () 1 X2000 ()
Commentaires : Les rsultats obtenus sont bien conformes ceux esprs ce qui doit nous conforter, a pos-
teriori, dans le choix des deux approximations effectues. Remarquons que lon ne connat pas lamplitude
de lintervalle de confiance (qui change en fonction de lestimation de p obtenue alors que ce ntait pas le
cas lors de la premire mthode). Toutefois, on a :
s r
X2000 () 1 X2000 () 1/4
1, 96 1, 96 0, 022
2000 2000
ce qui est nettement infrieur 0,05 (obtenu lors de la premire mthode).
Exercice
crire un programme calculant une estimation de la variance de la loi B(1, p) en utilisant la variance
empirique :
1 2 2
1 1h 2 2 i
Vn = X1 + + Xn (X1 + + Xn ) = X1 Xn + + Xn Xn
n n n
Ce rel est appel tendue empirique. On va alors justifier que la suite de variables alatoires (En )n1 est
un estimateur de b a.
1. Dterminer la fonction de rpartition de la variable alatoire Sn = sup(X1 , . . . , Xn ) puis calculer son
esprance E(Sn ).
2. Calculer, de mme, lesprance E(In ) de la variable alatoire In = inf(X1 , . . . , Xn ).
3. En dduire que :
lim E(En ) = b a
n+
On dit alors que (En )n1 est un estimateur asymptotiquement sans biais de b a.
4. Pour tout entier naturel n non nul, on pose : En0 = n+1 E .
n1 n
0
Justifier que la suite (En )n1 est un estimateur sans biais de b a.
Simulation : On choisit les rels a et b au hasard dans, respectivement, [0, 1[ et [1, 2[. Ainsi, b a > 0.
On dtermine ensuite un 2000-chantillon de la loi U([a, b]) puis on calcule ltendue empirique (biaise),
ltendue empirique corrige (non biaise) et on affiche ensuite ltendue relle b a.
PROGRAM estimation_etendue_loi_uniforme ;
CONST essais = 2000 ;
VAR k : integer ; a,b,i,s,x : real ;
FUNCTION uniforme (a,b : real) : real ;
BEGIN
uniforme := (b-a)*random+a ;
END ;
BEGIN
randomize ; a := random ; b := random+1 ;
i := uniforme(a,b) ; s := i ;
FOR k := 2 TO essais DO
246 CHAPITRE 19. STATISTIQUE INFRENTIELLE : ESTIMATION
BEGIN
x := uniforme(a,b) ;
IF x<i THEN i := x ELSE IF x>s THEN s := x ;
END ;
writeln(Etendue biaise : ,s-i :1 :5) ;
writeln(Etendue non biaise : ,(essais+1)/(essais-1)*(s-i) :1 :5) ;
writeln(Etendue relle : ,b-a :1 :5) ;
END.
Rsultats : Les rsultats de 5 excutions du programme sont affichs ci-dessous. On peut constater que
lestimateur non biais ne donne pas toujours le meilleur rsultat.
Dfinitions
Soit et n N .
La famille de variables alatoires (X1 , . . . , Xn ) est appele n-chantillon indpendant et identi-
quement distribu (iid) de la loi .
Soit . Le n-uplet (X1 (), . . . , Xn ()) dlments de est appel n-chantillon observ de
la loi . On adit aussi que cest une ralisation du n-chantillon (X1 , . . . , Xn ).
Soit : Rn R. On dit que est une statistique sur le n-chantillon (X1 , . . . , Xn ) si et seulement
si Tn = (X1 , . . . , Xn ) est une variable alatoire de lespace probabilis ( , T , P ).
19.3. ESTIMATION PONCTUELLE 247
Exemples
1. Le premier exemple ci-dessus correspond la situation :
Objectif
Lobjectif de lestimation est de localiser la valeur de g() grce lunique donne de (x1 , . . . , xn ),
ralisation dun n-chantillon. On dfinira aussi des outils pour mesurer la pertinence de lestimation.
Exemples
1. Soit (Xi ) une suite de variable alatoire suivant toutes la loi E() o ]0, +[ est inconnu. Alors
lesprance empirique Xn = n1 (X1 + + Xn ) est un estimateur de 1 et, si est une ventualit,
alors Xn () est une estimation de 1 .
2. Cas de ltendue.
Exemples
1. Soit X1 , . . . , Xn des variables alatoires mutuellement indpendantes suivant la mme loi desprance
m et de variance 2 .
(a) Montrer que la moyenne empirique est un estimateur sans biais de m.
(b) La variance empirique est-elle un estimateur sans biais de 2 ? asymptotiquement sans biais ?
En dduire un estimateur sans biais de 2 .
2. On reprend la situation de lexemple 2 initial.
(a) Montrer que le minimum empirique (In )n1 est un estimateur asymptotiquement sans biais de
a.
(b) Construire, partir de cet estimateur, un estimateur sans biais de a.
Exemples
1. Risque quadratique de lesprance empirique.
Propositions
Le risque quadratique dun estimateur est gal la somme de sa variance et du carr de son biais.
En consquence, si un estimateur est sans biais alors son risque quadratique est gal sa variance.
Preuve
s
On dit aussi, mais cest un abus de langage, que lestimateur est convergent (ou encore consistant).
Thorme
Soit (Tn )nN une suite destimateurs de g().
Si limn+ rTn () = 0 alors la suite est un estimateur convergent de g().
En consquence :
tout estimateur sans biais donc la variance tend vers 0 est convergent,
tout estimateur asymptotiquement sans biais donc la variance tend vers 0 est convergent.
Preuve
Soit > 0. Pour tout entier naturel n 1, on a :
Application
On suppose que les lois admettent une variance. Alors, la moyenne empirique est un estimateur sans
biais convergent de lesprance de .
19.4.1 Gnralits
Dfinition
Soit et ]0, 1[. On dit que lintervalle [Un , Vn ] est un intervalle de confiance de g() au
niveau de confiance 1 si et seulement si :
P (Un g() Vn ) 1
Exemples
Revoir lexemple 1 initial, deux mthodes.
Preuve
Utilisation du TLC, voir le premier exemple, mthode 2.
Exemples
1000 lecteurs choisis au hasard on t interrogs avant une lection. 520 ont dclar quils voteront
pour le candidat A et 480 pour le candidat B (il ny a que deux choix possibles).
1. Dterminer un intervalle de confiance 95% de la proportion relle p dlecteurs qui voteront pour le
candidat p.
2. Mme question avec 99%.
19.5 Exercices
19.5.1 Pour les TD
TD
1. On admet que la dure de vie, exprime en heures, dun composant lectronique suit une loi normale
dcart type 50. Lobservation des dures de vie de 250 composants a donn une moyenne gale
600 heures. Donner un intervalle de confiance 99% de la dure de vie moyenne dun tel composant.
2. (Oral ESCP 2001). On considre une suite de parties indpendantes de pile ou face, la probabilit
dobtenir pile chaque partie tant gale p (o p ]0, 1[). Si n N , on note Tn le numro de
lpreuve amenant le nme pile. Enfin, on pose A1 = T1 et pour n 2, An = Tn Tn1 .
(b) Soit n 2. Montrer que A1 , A2 , . . . , An sont des variables alatoires indpendantes qui suivent
une mme loi.
(c) On pose n = {(x1 , . . . , xn ) Rn | nk=1 xi = 1} et on tablit lapplication f : n R par :
P
n
X
(x1 , . . . , xn ) n , f (x1 , . . . , xn ) = x2i
k=1
1 1 1 1
f + h1 , . . . , + hn f ,...,
n n n n
ii. En dduire que f admet un minimum atteint en un unique point de n que lon prcisera.
(d) Montrer que si n N est fix, il existe parmi les combinaisons linaires de T1 , . . . , Tn un
estimateur sans biais de p1 qui est de variance minimale et prciser quel est cet estimateur. Cet
estimateur est-il convergent ?
3. (Oral ESCP 2002). On cherche valuer le nombre N de poissons dans un tang. On prlve dans
ltang un chantillon de m poissons. On les marque et on les remet dans ltang. On propose deux
mthodes diffrentes destimation de N .
(a) Mthode 1.
Soit n J1, mK. On prlve des poissons dans ltang, au hasard et avec remise. On note Xn la
variable gale au nombre de poissons quil a t ncessaire de pcher pour obtenir n poissons
marqus. Pour tout i J2, nK, on pose Di = Xi Xi1 . On pose de plus D1 = X1 et on suppose
que les Di sont des variables alatoires indpendantes.
i. Dterminer, pour tout i J2, nK, la loi de Di , son esprance et sa variance. En dduire
lesprance et la variance de Xn .
m
ii. On pose An = n
Xn . Montrer que An est un estimateur sans biais de N .
iii. Pour n assez grand, par quelle loi peut-on approcher la loi de la variable alatoire Xn =
1
X ?
n n
iv. On a marqu 200 poissons puis effectu 450 prlvements pour obtenir 50 poissons mar-
qus. On pose = (An ). On a pu prouver, par ailleurs, que 100. Dterminer, en fonc-
tion de , un intervalle de confiance pour N au seuil de 0,9 (on donne : (1, 64) 0, 95).
(b) Mthode 2.
On prlve successivement et avec remise n poissons. Soit Yn le nombre de poissons marqus
parmi eux.
1 1
i. Montrer que Y
mn n
est un estimateur sans biais de N
.
ii. Pour quelle raison vidente ne peut-on pas prendre mn
Yn
comme estimateur de N ?
m(n+1)
iii. On pose alors Bn = Yn +1
. Calculer lesprance de Bn . Est-il un estimateur sans biais de
N?
TD*
1. (Oral HEC 2006). Pour n N , on considre n variables alatoires relles indpendantes X1 , . . . , Xn
dfinies sur un mme espace probabilis (, T , P), de mme loi de Poisson de paramtre > 0. On
pose : Xn = n1 (X1 + + Xn ).
(b) On cherche valuer P(X1 = 0) = e laide dune suite destimateurs (Zn ) convergeant en
un certain sens vers e et telle que : n N , E(Zn ) = e .
i. Une premire ide est de poser Zn = eXn . Que penser de ce choix ?
ii. Une seconde ide consiste choisir Zn = n1 Kn o :
, Kn () = {i J1, nK | Xi () = 0}
Dterminer la loi de Kn . Quen dduire pour la suite (Zn ) ?
2. (Oral HEC 2006). On admet que la dure de vie dampoules lectriques suit une loi exponentielle
desprance inconnue 1 (o > 0) et que les variables alatoires Xi reprsentant la dure de vie de
lampoule i sont indpendantes.
Pour estimer , on choisit un lot de n ampoules et on observe les instants, supposs deux deux
distincts, X(1) < X(2) < < X(r) o les r premires de ce lot clatent.
(a) Quelle est la loi de X(1) ? de X(n) ?
(b) En posant X(0) = 0, on admet, pour la suite de lexercice, que les variables alatoires X(i)
X(i1) (pour tout i J1, nK) sont indpendantes et suivent des lois exponentielles de paramtres
respectifs (n i + 1).
Parmi les estimateurs sans biais de 1 de la forme U = 1 X(1) + + r X(r) (i.e. combinaisons
linaires des r observations X(i) ), trouver celui, not U , qui rend minimum le rel V(U ).
Indications : On commencera par dterminer lesprance et la variance dune telle variable ala-
toire U puis on pourra montrer que U = 1r (X(1) + + X(r) ) + nr
r
X(r) et qualors V(U ) = r1 2 .
DL* 19
1. s
DS
1. s
254 CHAPITRE 19. STATISTIQUE INFRENTIELLE : ESTIMATION
Chapitre 20
20.1.2 TD*
s
a+b 1 2 2 1 2
a1 b1 = ab = a 2 a b+ b = a b 0
2 2 2
donc P(1) est vraie. Soit n N et supposons que P(n) est vraie. Alors, comme ci-avant,
on a :
1 p 2
an+1 bn+1 = an b n 0
2
ce qui prouve que P(n + 1) est vraie.
Conclusion : n N , an bn .
ii. Pour tout entier n 1, on a :
b n an p p
an+1 an = 0 et bn+1 bn = bn an bn 0
2
Conclusion : La suite (an )n1 est dcroissante et la suite (bn )n1 est croissante .
iii. Pour tout entier n 1, on a alors :
b0 bn an a0
ce qui prouve que la suite (an )n1 est minore par b0 et que la suite (bn )n1 est majore par
a0 . On en dduit donc que les deux suites convergent. Posons :
` = lim an et `0 = lim bn
n+ n+
255
256 CHAPITRE 20. SOLUTIONS DES EXERCICES
an +bn
Par passage la limite dans lgalit an+1 = 2
, on en dduit que :
` + `0
`= donc ` = `0
2
Conclusion : Les deux suites convergent et ont la mme limite .
(c) PROGRAM moyenne_arithmetico_geometrique ;
VAR a_n,b_n,a_n1,b_n1,eps : real ; n : integer ;
BEGIN
write(Donner a : ) ; readln(a_n) ;
write(Donner b : ) ; readln(b_n) ;
write(Donner epsilon : ) ; readln(eps) ;
n := 0 ;
REPEAT
| n := n+1 ;
| a_n 1 :=(a_n+b_n)/2 ; b_n1 := sqrt(a_n*b_n) ;
| a_n := a_n1 ; b_n := b_n ;
| UNTIL b_n-a_n<=eps ;
writeln(Valeur approche de l(a,b) : ,a_n) ;
writeln(Rang : ,n) ;
END.
(d) i. a = 0 : Une rcurrence immdiate prouve que :
b
n N , an = , bn = 0 donc `(0, b) = 0
2n
b = 0 : Une rcurrence immdiate prouve que :
a
n N , an = , bn = 0 donc `(a, 0) = 0
2n
a = b : Une rcurrence immdiate prouve que :
n N , an = bn = a donc `(a, a) = a
ii. On pose :
0 0
an +bn 0
an +bn
a0 = a a0 = b an+1 = a0n+1 = p
et n N, 2 2
b0 = b b00 = a bn+1 = an bn b0n+1 = a0n b0n
Une rcurrence immdiate assure que a0n = an et b0n = bn pour tout entier n 1.
Conclusion : `(b, a) = `(a, b) .
iii. Soit R+ On pose :
0 0
an +bn 0
an +bn
a0 = a a0 = a an+1 = a0n+1 = p
et n N, 2 2
b0 = b b00 = b bn+1 = an bn b0n+1 = a0n b0n
Une rcurrence immdiate assure que a0n = an et b0n = bn pour tout entier n 0. On
peut alors passer la limite dans ces galit.
Conclusion : R+ , `(a, b) = `(a, b) .
iv. Par monotonie des deux suites, on a :
a+b
ab = b1 lim bn = lim an a1
n+ n+ 2
a+b
Conclusion : ab `(a, b) .
2
20.1. SUITES RELLES 257
2. (a) On sait que A [a, b] donc A est major par b. De plus f (a) [a, b] donc f (a) a ce qui
prouve que A est non vide.
Conclusion : A admet une borne suprieure .
(b) i. Daprs ce qui prcde, a A donc a . De plus, b est un majorant de A donc b .
Conclusion : a b
ii. Par croissance de f sur [a, b] alors, pour tout rel x A, on a :
x f (x) f () x f ()
Alors fn est strictement dcroissante sur [0, an ] et strictement croissante sur [an , +[. Comme
fn (0) = b < 0, on en dduit que lquation fn (x) = 0 nadmet pas de solution sur [0, an ].
Comme fn (an ) < fn (0) < 0 et comme fn (x) xn +, on en dduit que lquation
x+ x+
fn (x) = 0 admet une unique solution sur [an , +[.
Conclusion : Pour tout n 2, lquation xn = ax + b admet une unique solution dans R+ .
(b) Si a + b = 1 alors un = 1 pour tout entier n 2. La suite est donc convergente et de limite 1.
Supposons que a + b > 1. Soit n 2. Alors fn (1) = 1 (a + b) < 0 donc un > 1.De plus :
donc un un+1 . Ainsi, la suite est dcroissante et minore par 1 donc convergente.
Supposons que a + b < 1. Soit n 2. Alors fn (1) = 1 (a + b) > 0 donc un < 1.De plus :
donc an < un un+1 . Ainsi, la suite est croissante et majore par 1 donc convergente.
Soit ` la limite de la suite.
Si ` > 1 alors (un )n = en ln(un ) + = 6 lim(aun + b) = a` + b.
n+
n n ln(un )
Si ` < 1 alors (un ) = e 0 6= lim(aun + b) = a` + b.
n+
Conclusion : La suite (un )n2 est convergente et sa limite vaut 1 .
(c) On sait que si a + b = 1 alors un = 1. Dans le cas o a + b 6= 1, on a :
ln(a + b)
n ln(un ) = ln(aun + b) ln(a + b) 6= 0 donc ln(un )
n+ n+ n
ln(a + b)
Comme lim(un ) = 1 alors ln(un ) (un 1) donc : un 1 .
n+ n
258 CHAPITRE 20. SOLUTIONS DES EXERCICES
On en dduit que :
1+x 2 x 1
a = lim+ L(x) = lim+ L = a
x0 x0 2 1+x 2
L(x)L(0) L(x) 1
(e) On a : x0
= x
=L x
+.
x0
Conclusion : L nest pas drivable en 0 et CL y admet une tangente verticale .
(f) i. Comme L est croissante sur ]0, +[, on a :
x0 ]0, +[, lim L(x) L(x0 ) lim+ L(x)
xx0 xx0
ii. On sait que x 7 x1 est dcroissante sur ]0, +[ valeurs dans ]0, +[ et L est croissante
1
sur ]0, +[ donc x 7 L x est dcroissante sur ]0, +[.
L(x)
Conclusion : x 7 est dcroissante sur ]0, +[ .
x
Soit x0 ]0, +[. Pour tout rel x > x0 , on a :
L(x) L(x0 ) x0 x0
L(x) L(x0 ) lim+ L(x) L(x0 )
x x0 x xx0 x
une bijection de [0, +[ dans ]0, p] et lquation fn (x) = 1 admet alors une unique solution
dans [0, +[.
Conclusion : Lquation ax1 + + axp = nx admet une unique solution dans R+ .
(b) Pour tout entier n > ap , on a :
fn+1 (xn ) = ax1 n + + axp n (n + 1)xn = nx (n + 1)xn < 0 = fn+1 (xn+1 )
Comme fn+1 est dcroissante sur [0, +[ alors xn > xn+1 . On en dduit que la suite est d-
croissante. Comme elle est minore par 0, on en dduit aussi que la suite est convergente. Soit `
sa limite. Si ` > 0 alors on a :
p p
X X
`
ak = lim exn ln(ak ) = lim nxn = lim exn ln(n) = +
n+ n+ n+
k=1 k=1
ln(p)
Conclusion : xn .
n+ ln(n)
260 CHAPITRE 20. SOLUTIONS DES EXERCICES
20.2.2 TD*
s
puisque les rsultats des lancers sont indpendants. Par quiprobabilit des rsultats chaque
lancer, on en dduit que P(Ak,i ) = m1m
.
n
m1
Conclusion : k J1, mK, P(Ak ) = .
m
Par un raisonnement analogue au prcdent, on a :
n
mk
k J1, mK, 1 i1 < < ik m, P (Ai1 Aik ) =
m
(le terme est nul pour h = k et le terme 1 correspond h = 0). On en dduit que :
k1
n X n
m (m k) k khh
P A1 Ak Ak+1 Am = (1)
m h=0
h k
k1 n
X k kh
h
Conclusion : k J1, mK, P A1 Ak Ak+1 Am = (1) .
h=0
h m
iii. Il est clair que : Xn () = J1, mK . Alors, pour tout k J1, mK, on a :
[ \
[Xn = k] = Ai1 Aik Aj
1i1 <<ik m j6{i1 ,...,ik }
20.2. VARIABLES ALATOIRES RELLES DISCRTES FINIES 261
qui est une runion dvnements deux deux disjoints et quiprobables. On en dduit que :
m
P(Xn = k) = P A1 Ak Ak+1 Am
k
X k1 n
m h k kh
Conclusion : k J1, mK, P(Xn = k) = (1) .
k h=0 h m
iv. Si k J1, m 1K alors kh
m
< 1 pour tout 0 h k 1 et donc P(Xn = k) 0
n+
puisque le nombre
khde termes de la somme est fini.
Si k = m alors m < 1 pour tout 1 h k 1 et donc P(Xn = m) 1 puisque le
n+
terme pour h = 0 vaut 1.
Conclusion : lim P(Xn = m) = 1 et k J1, m 1K, lim P(Xn = k) = 0 .
n+ n+
Lorsque n est trs grand, il est presque sr que toutes les faces du d apparatront au moins
une fois, ce qui est trs raisonnable et prvisible.
(b) i. On a : " k1
m n #
X m X k k h
E(Xn ) = k (1)h
k=1
k h=0
h m
En remarquant que hk = kh k
puis en procdant au changement de variable h0 = k h
On coupe la somme dindice ken deux sommes. Dans la premire, une nouvelle application
mh mh1
de la formule sans nom k k = (m h) k1 , un changement de variable k 0 = k 1
et on reconnat la formule du binme. Dans la seconde somme, on reconnat immdiatement
la formule du binme. On obtient donc :
m n
X m h mh1 mh
E(Xn ) = (m h)0 + h0
h=1
h m
n
0 m1
Comme 0 = 1, on en dduit que : E(Xn ) = m m .
m
ii. Comme m1
m
< 1, on en dduit que : lim E(Xn ) = m .
n+
Ce rsultat confirme celui de la question a(iv).
iii. On a :
n
1 1 1
E(Xn ) = m m 1 =mm 1n + o = n + o (1)
m m m+ m m+
2. (a) i. Par alternance et comme le premier tirage est sans remise, on en dduit que : N = 2n 1 .
ii. Il reste n j boules avant les (2j)me et (2j + 1)me tirages.
1
(b) i. Par quiprobabilit, il est immdiat que P(X1 = 1) = .
n
Comme ([X1 = 0], [X1 = 1]) est un systme complet dvnements, on a :
1
Conclusion : P(X2 = 1) = .
n
ii. Soit j J1, n 1K. On a :
puisque les tirages de rangs pairs 2, 4, . . . , 2(j 1), 2j se font avec remise alors que les
autres se font sans remise (la boule noire ne doit pas avoir t obtenue un rang impair).
Ainsi :
Comme prcdemment, on a :
et alors P(X2j = 1) = n1 .
1
Conclusion : j J1, n 1K, P(X2j+1 = 1) = P(X2j = 1) = .
n
1
iii. On en dduit immdiatement que : Xk , B 1, .
n
(c) i. Avant le (2n 2)me tirage, lurne contient 1boule. Si elle est noire alors elle sera nces-
sairement obtenue lors des tirages 2n 2 et 2n 1 donc elle ne peut tre obtenue pour la
premire fois au tirage 2n 1. Si elle est blanche alors la boule noire a dj t obtenue
lors dun tirage de rang impair prcdent et donc elle ne peut tre obtenue pour la premire
fois au tirage 2n 1. Conclusion : P(Un ) = 0 .
Soit j J1, nK. On a :
On en dduit que :
nj
Montrer que : j J1, nK, P(Uj ) = .
n(n 1)
20.2. VARIABLES ALATOIRES RELLES DISCRTES FINIES 263
ii. Si on obtient la boule noire lors dun tirage de rang pair alors elle sera remise dans lurne
et sera donc obtenue au moins une seconde fois. On en dduit que lvnement [X = 1] ne
peut tre ralis que si la boule noire est obtenue lors dun tirage de rang impair.
Conclusion : [X = 1] = U1 Un1 .
Comme les vnements Uj sont deux deux incompatibles, on en dduit que :
n1 n1 n1
X X nj 1 X
P(X = 1) = P(Uj ) = = k
j=1 j=1
n(n 1) n(n 1) k=1
1
Conclusion : P(X = 1) = .
2
iii. Lvnement [X = n] est ralis si et seulement si la boule noire est obtenue lors des tirages
de rangs pairs 2, 4, . . . , 2n 2 mais jamais lors des tirages de rangs impairs sauf le dernier.
Alors :
[X = n] = ([X1 = 0] [X2 = 1]) ([X2n3 = 0] [X2n2 = 1]) [X2n1 = 1]
n1 n1 n
Y nj 1 1 Y 1 Y 1
P(X = n) = = =
j=1
n j + 1 n j 1 j=1 n + 1 j k=2 k
1
Conclusion : P(X = n) = .
n!
(d) X tant le nombre de fois que la boule noire est obtenue et les Xi valant 1 si la boule noire est
2n1
X
obtenue au rang i et valant 0 si elle nest pas obtenue alors : X = Xk .
k=1
On en dduit que :
2n1 2n1
X X 1 2n 1
E(X) = E(Xk = =
k=1 k=1
n n
1
Conclusion E(X) = 2 .
n
(e) i. La boule noire tant obtenue au tirage 2i + 1 alors elle nest pas remise dans lurne et ne
peut donc pas tre obtenue lors dun tirage ultrieur.
Conclusion : i J0, n 2K, j J1, 2n 2i 2K, P[X2i+1 =1] (X2i+j+1 = 1) = 0 .
ii. Soit j J1, 2n 2i 2K. On en dduit que :
Cov (X2i+1 , X2i+j+1 ) = E (X2i+1 X2i+j+1 ) E (X2i+1 ) E (X2i+j+1 )
Or, la variable X2i+1 X2i+j+1 suit, a priori, une loi de Bernouilli dont le paramtre est :
E (X2i+1 X2i+j+1 ) = P (X2i+1 X2i+j+1 = 1) = P ([X2i+1 = 1] [X2i+j+1 = 1])
= P (X2i+1 = 1) P[X2i+1 =1] (X2i+j+1 = 1) = 0
1
Conclusion : i J0, n 2K, j J1, 2n 2i 2K, Cov (X2i+1 , X2i+j+1 ) = .
n2
(f) i. Soit k J1, n i 1K. Lorsque lvnement [X2i = 1] est ralis, la boule noire na pu
tre obtenue lors dun tirage de rang impair qui prcde ce qui nous ramne la situation
o lurne contient initialement n i boules dont une noire. Ainsi :
(ni)
1
P[X2i =1] (X2i+2k = 1) = P X2k = 1 =
ni
1
Conclusion : i J1, n 1K, k J1, n i 1K, P[X2i =1] (X2i+2k = 1) = .
ni
264 CHAPITRE 20. SOLUTIONS DES EXERCICES
ii. Le raisonnement qui prcde sapplique encore puisquil y a eu remise aprs le tirage nu-
mro 2i + 2k.
1
Conclusion : i J1, n 1K, k J1, n i 1K, P[X2i =1] (X2i+2k+1 = 1) = .
ni
iii. Soit j J1, 2n 2i 1K. En raisonnant comme en (e)ii et en tenant compte des deux
rsultats qui prcdent , on en dduit que :
1 1 1 1 1 n ni
Cov (X2i , X2i+j ) = =
n ni n n n (n i)n n(n i)
i
Conclusion : i J1, n 1K, j J1, 2n 2i 1K, Cov (X2i , X2i+j ) = .
n2 (n i)
(g) On sait que :
2n1
X X
V(X) = V(X1 + + X2n1 ) = V(Xk ) + 2 Cov (Xi , Xj )
k=1 1i<j2n1
En distingant les cas i pairs des cas i impairs dans la seconde somme, on obtient :
n2 2n2i2 n1 2n2i1
1n1 X X 1 X X i
V(X) = (2n 1) +2 2 +2 2
n n i=0 j=1
n i=1 j=1
n (n i)
" n2 n1
#
(2n 1)(n 1) 2 X X (2n 2i 1)i
= 2
+ 2 (2n 2i 2) +
n n i=0 i=1
ni
" n1 n1 #
(2n 1)(n 1) 2 X
0
X i
= 2
+ 2 2i + 2i
n n i0 =1 i=1
ni
n1 n1
(2n 1)(n 1) 2 X i (2n 1)(n 1) 2 X n i0
= 2 = 2
n2 n i=1 n i n2 n i0 =1 i0
n1
(2n 1)(n 1) 2 2X1
= + (n 1)
n2 n2 n i=1 i
n1
(2n + 1)(n 1) 2 X 1
Conclusion : V(X) = .
n2 n j=1 j
P(G1 ) = P(B1 )PB1 (G1 ) + P(N1 )PN1 (G1 ) + P(R1 )PR1 (G1 )
b n 1 b
= 1+ 0+
b+n+1 b+n+1 b+n+1 b+n
b
Conclusion : P(G1 ) = .
b+n
20.2. VARIABLES ALATOIRES RELLES DISCRTES FINIES 265
r
Conclusion : r 1, E(Xr ) = 1 + E(Xr1 ) .
b+n+r
266 CHAPITRE 20. SOLUTIONS DES EXERCICES
Ainsi :
n
X n
X
xrk P(X = xk ) = 1 + r [P(X = xk ) ln(xk )] + o (r)
r0
k=1 k=1
n
! n
X X
ln xrk P(X = xk ) =r [P(X = xk ) ln(xk )] + o (r)
r0
k=1 k=1
n
X
ln(er ) = P(X = xk ) ln(xk ) + o (1)
r0
k=1
On en dduit que :
n
X
lim ln(er ) = P(X = xk ) ln(xk )
r0
k=1
n
!
X
lim er = exp P(X = xk ) ln(xk )
r0
k=1
n
Y P(X=xk )
Conclusion : e0 = lim(er ) = xk .
r0
k=1
20.3.2 TD*
s
(1 , . . . , n ) Kn {(0, . . . , 0)} / 1 C1 + + n Cn =
20.3. ESPACES VECTORIELS, APPLICATIONS LINAIRES, MATRICES 267
1
Posons X = ... . Alors, on a : AX = 1 C1 + + n Cn = .
n
Conclusion : A Mn (K) GLn (K), X M1 (K) {} / AX = .
(b) Soit B la base canonique de Kn et f lendomorphisme de Kn tel que MatB (f ) = A. Comme
la matrice A nest pas inversible alors f nest pas un automorphisme de Kn et en particulier il
nest pas injectif donc :
~x Kn {~0} / f (~x) = ~0
Soit X la colonne des coordonnes de ~x dans la base B. On sait alors que X 6= et que f (~x) a
pour colonne de coordonnes la matrice AX. Comme f (~x) = ~0 alors AX = .
Conclusion : A Mn (K) GLn (K), X M1 (K) {} / AX = .
2. (a) i. Clairement A et I sont linairement indpendantes donc un polynme annulateur sera de
degr au moins 2. Comme :
3 1 1
A2 = 1 3 1 = 2I A
1 1 3
1 1
Conclusion : f GL(R3 ) et f 1 = f + Id .
2 2
(b) Soit n N. Comme P (X) est de degr 2, alors la division euclidienne de X n par P (X) est :
(an , bn ) R2 / Rn (X) = an X + bn
f n = P (f ) Qn (f ) + an f + bn Id = an f + bn Id
1 (2)n 2 + (2)n
Conclusion : n N, an = , bn = .
3 3
iii. On sait que f 1 = 21 f + 12 Id. De plus :
1 (2)1 1 2 + (2)1 1
= et =
3 2 3 2
Conclusion : Lgalit convient encore pour n = 1 .
268 CHAPITRE 20. SOLUTIONS DES EXERCICES
f (x) = ax et f (x) = bx
(f aIdE ) (f bIdE ) =
ce qui assure que : Im(f bIdE ) Ker(f aIdE ). Daprs le thorme du rang, on a :
Remarquer que cela correspond la dcomposition (connue tre en somme directe) en matrices
symtriques et matrices antisymtriques.
et on sait que v 6= Id donc Im(v Id) 6= {~0} et Ker(v Id) 6= R2 . Ainsi, on en dduit que :
dim (Im(v Id)) = dim (Ker(v Id)) = 1
20.4.2 TD*
s
Ainsi, f est constante sur [0, 1[. Par continuit de f en 1, il est immdiat que f (1) = f (0).
1/2n
Soit x ]1, +[. Alors la suite x n0
converge vers 1 et, comme prcdemment, on a :
n
n N, f x1/2 = f (x)
ce qui nous permet de conclure, por continuit de f en 1 que : f (x) = f (1) = f (0). Ainsi f est
constante sur [0, +[. Enfin, si x < 0 alors x2 > 0 et f (x) = f (x2 ) = f (0).
Conclusion : f est constante sur R .
2. (a) Soit n N et gn la fonction dfinie sur [0, 1] par gn (x) = f (x) xn . Alors gn (0) = f (0) 0
et gn (1) = f (1) 1 0. Comme gn est continue sur [0, 1] et comme 0 [gn (1), gn (0)] alors le
thorme des valeurs intermdiaires assure lexistence dun rel an [0, 1] tel que gn (an ) = 0
et donc que f (an ) = ann .
Conclusion : Lquation f (x) = xn admet une solution dans [0, 1] pour tout entier n 1 .
20.4. TUDE DES FONCTIONS NUMRIQUE 271
(b) i. Soit n 1. Comme f est dcroissante sur [0, 1] et x 7 xn est croissante sur [0, 1]. Si
gn (u) = gn (v) avec u 6= v alors :
1 1 1
t [x, y], = ln0 (t)
y t x
1 1
(y x) ln(y) ln(x) (y x)
y x
Comme yx > 0 et par application de la fonction inverse aux ingalits on en dduit [aisment :
yx
ingalits strictes] que : x < <y.
ln(y) ln(x)
(b) i. tudions la fonction f . On a :
Ainsi :
f 0 () 0 1
Conclusion : f est croissante sur [0, 1] .
Alors, pour tout rel [0, 1], on a f () f (0) = 0.
Conclusion : [0, 1], ln(x + (1 )y) ln(x) + (1 ) ln(y) .
5. (a) On a : x
1 x+1
f (x) = 1 + = ex ln( x )
x
Cette expression est calculable si et seulement si x+1 x
> 0 et x 6= 0. Une rapide tude de signe
assure que : Df =] , 1[]0, +[ .
Sur ce domaine, la fonction x 7 x+1 x
est de classe C 1 valeurs strictement positives, donc x 7
x ln x+1 y est aussi de classe C 1 . Par composition avec exp, on en conclut que : f C 1 (Df ) .
x
De plus, pour tout rel x Df , on a :
" x(x+1)
#
x + 1 x+1
ex ln( x )
2
f 0 (x) = ln + x x+1 x
x x
x+1 1 x+1
0
Conclusion : x Df , f (x) = ln ex ln( x ) .
x x+1
2 3
(b) On sait que x1 0 et ln(1 + u) = u u2 + u3 + o (u3 ) donc :
x u0
x+1 1 1 1 1 1 1 1
x ln =x 2+ 3+ o 3
=1 + 2+ o
x x 2x 3x x x 2x 3x x x2
1 2
+ 3x12 + o 1
0 et eu = 1 + u + u2 + o (u2 ) donc :
On sait aussi que 2x 2
x x x u0
1 1 1
f (x) = e exp + 2 + o
2x 3x x x2
" 2 #
1 1 1 1 1
= e 1+ + 2 + + o
2x 3x 2 2x x x2
e 7e 1
Conclusion : f (x) = e + + o .
2x 12x2 x x2
On en dduit que limx f (x) = e ce qui prouve que :
Cf admet pour asymptote la droite dquation y = e aux voisinages de
e
Daprs ce qui prcde, on a f (x) e 2x et lquivalence conserve le signe ainsi :
x
De plus :
f (x) 1 ex[ln(x+1)ln(x)] 1 x [ln(x + 1) ln(x)]
= +
x0 x x0 x x0
Ainsi lensemble {x R | F (x) t} est non vide. Comme limx F (x) = 0, alors, pour
= 2t > 0, il existe A < 0 tel que :
t
x A, |F (x) 0| donc x A, F (x) <t
2
Ainsi lensemble {x R | F (x) t} est minor par A.
Conclusion : inf{x R | F (x) t} existe pour tout rel t ]0, 1[ .
(b) i. Soit x R. Alors :
h(F (x)) = inf{y R | F (y) F (x)}
Comme F est croissante sur R et comme x {y R | F (y) F (x)} alors h(F (x)) x.
Conclusion : x R, (h F )(x) x .
Soit t ]0, 1[. Alors :
Par continuit de F droite en tout point de R donc en h(t), on en dduit que F (h(t)) t.
Conclusion : t ]0, 1[, (F h)(t) t .
ii. Lorsque F est strictement croissante sur R alors F (y) F (x) si et seulement si y x et
donc h(F (x)) = x. Conclusion : h F = IdR .
iii. Lorsque F est continue sur R alors, pour tout rel t ]0, 1[ :
ln(1 t)
t = F (x) t = 1 ex x = ln(1 t) x =
ln(1 t)
Conclusion : t ]0, 1[, h(t) = .
Remarquer que h se prolonge par continuit en 0.
ii. Ici, la fonction F est en escalier donc elle nest ni continue ni strictement croissante. Alors,
on a :
t ]0, p1 ], h(t) = x1 t ]p1 , p1 + p2 ], h(t) = x2 ...
f (x)
Comme x 7 x
est dcroissante sur ]0, +[ alors, pour tout rel x ]0, x0 [, on a :
f (x) f (x0 ) x
donc f (x) f (x0 ) donc lim f (x) f (x0 )
x x0 x0 xx
0
On en dduit donc que f (x0 ) = limxx0 f (x). De mme, pour tout rel x > x0 , on a :
f (x) f (x0 ) x
donc f (x) f (x0 ) donc lim f (x) f (x0 )
x x0 x0 xx+
0
20.5.2 TD*
s
n0 N / n n0 , |un | 1
2. (a) On suppose que a < 1. Soit >]0, 1 a[. crivons la dfinition de la limite ;
un+1
n0 N / n n0 , a a+<1
un
n n0 , 0 < un (a + )nn0 u0
(b) On suppose que a > 1 et que a est rel. Soit ]0, a 1[. Alors :
un+1
n0 N / n n0 , 1 < a a+
un
Une rcurrence puis un raisonnement du mme type qu la question prcdente prouvent que
n
P P
les sries (a ) et nn0 un divergent.
On suppose que a = +. Soit M > 1. Alors :
un+1
n0 N / n n0 , 1 < M
un
On en dduit que les sries M n et nn0 un divergent.
P P
X
Conclusion : La srie un diverge .
P1 P 1
(c) On sait que les sries de Riemann n
et n2
sont respectivement divergente et convergente.
De plus :
1 1
n+1 n (n+1)2 n2
lim = lim =1 et lim = lim =1
n+ 1 n+ n + 1 n+ 1 n+ (n + 1)2
n n2
X
Conclusion : On ne peut conclure quant la nature de un dans le cas o a = 1 .
(d) i. Pour tout entier naturel n non nul, on a :
tn+1 n+1 un+1 1 b vn
ln = b ln + ln = b ln 1 + + ln 1 + 2
tn n un n n n
" 2 #
1 1 1 b vn 1 b 1
= b + (n) + + 2 + 2 (n)
n 2n2 n2 n n 2 n n
b + 2vn b2 1
= + (n)
2n2 n2
Comme la suite (vn ) est borne, alors, on a ln tn+1 1
= o et comme la srie
tn n+ n3/2
converge alors la srie ln tn+1
P 1 P
converge.
n3/2 tn
X tn+1
Conclusion : La srie ln converge .
tn
ii. Notons S la somme de la srie prcdente. On a donc :
n1 n1
X tk+1 X
S = lim ln = lim [ln (tk+1 ) ln (tk )]
n+
k=1
tk n+
k=1
= lim [ln(tn ) ln(t1 )] = lim ln(nb un ) ln(t1 )
n+ n+
A
Conclusion : un .
n+ nb
276 CHAPITRE 20. SOLUTIONS DES EXERCICES
X
iii. Daprs le cours sur les sries de Riemann, la srie un converge pour b > 1 .
iv. Posons : n N , un = 135(2n1)
246(2n)
. Alors, pour tout entier n 1, on a :
1
un+1 2n + 1 1 + 2n
= =
un 2n + 2 1 + n1
1
Or, comme n
0, on a :
1
1 + 2n 1 1 1 1 1 1 1
1 = 1+ 1 + 2 + 2 (n) = 1 + 2 + 2 (n)
1+ n 2n n n n 2n 2n n
1 1 1
Comme 2n + 2n2
+ n2
(n) 0, on a :
un+1 1 1 1
= 1 + + (n)
un 2n 2n2 n2
2
1 1 ( 1) 1 1
= 1+ + 2 + + 2 (n)
2n 2n 2 2n n
/2 ( 1)/8 + /2 1
= 1 + 2
+ 2 (n)
n n n
Nous sommes alors dans les conditions initiales de cette question (d), savoir rel positif
et suite borne. La srie est donc convergente lorsque 2 > 1.
Conclusion : Si > 2 alors la srie converge .
(x)n+1
Conclusion : (n, x) N I, Rn (x) = .
1 + x
x
P
Au facteur 1+x prs, la srie Rn (x) est la srie initiale.
+
X X x
Conclusion : Pour tout x I, la srie Rn (x) converge et on a Rn (x) = .
n0 n=0
(1 + x)2
(b) i. Notons S la somme de la srie de terme gnral un . Soit n N. On a :
n n n k
! n n X
n n
X X X X X X X
Rk kuk = S ui kuk = (n + 1)S ui kuk
k=0 k=0 k=0 i=0 k=0 i=0 k=i k=0
n n
" n
#
X X X
= (n + 1)S (n i + 1)ui kuk = (n + 1) S ui
i=0 k=0 i=0
n
X n
X
Conclusion : n N, Rk kuk = (n + 1)Rn .
k=0 k=0
20.5. SRIES NUMRIQUES 277
X
Conclusion : Si la srie nun converge alors lim (n + 1)Rn = 0 .
n+
P P
ii. Compte tenu de (b)i et (c)i, si la srie nun converge alors la srie Rn converge aussi.
La rciproque a t tablie en (b)ii.
X X
Conclusion : Les sries Rn et nun sont de mme nature .
Supposons alors que la seconde converge. On dduit de (b)i que les sommes sont gales .
P
(d) i. La srie un (x) est une srie de Riemann. Elle converge si et seulement si x ]1, +[ .
On note alors (x) = +
P 1
P+ 1
n=1 nx et, pour tout entier n 0 : Rn (x) = x.
P P k=n+1 k
ii. Daprs (c)ii, la srie Rn (x) converge
P si et seulement si la srie kuk (x) converge cest
dire si et seulement si la srie un (x 1) converge. De plus, en cas de convergence, les
sommes sont gales.
X +
X
Conclusion : La srie Rn (x) converge pour x > 2 et alors Rn (x) = (x 1) .
n=0
1 1 1 |x|i
Comme |x| < 2
alors 1|x| > 2
donc 1|x|
< 2 et 2(2|x|)i qui est le terme gnral dune
(1|x|)i+1
P |x|i
srie gomtrique convergente toujours grce lhypothse sur x. Alors i0 (1|x|) i+1 converge et
la srie double initiale est absolument convergente. On peut alors appliquer le thorme du cours :
+ X+ + + i
X (i + j)! i+j X xi 1 X x 1 1 1
x = i+1
= = x =
i=0 j=0
i!j! i=0
(1 x) 1 x i=0 1 x 1 x 1 1x 1 2x
X (i + j)! 1
Conclusion : La srie xi+j converge absolument et sa somme vaut .
i!j! 1 2x
278 CHAPITRE 20. SOLUTIONS DES EXERCICES
20.6.2 TD*
s
k1
!
\
P([Xk = 1] An ) = P [Zi = 0] [Xk = 1] [Zk = 0] An
i=1
k1
!
\
= P [Zi = 0] [Xk = 1] [Yk = 0] PTk1 [Zi =0][Xk =1][Yk =0] (An )
i=1
i=1
= (1 pp0 )k1 p(1 p0 )P(Ank ) = (1 pp0 )k1 p(1 p0 )pp0 (1 pp0 )nk1
Par ailleurs, on a :
p pp0 1p
PAn (Xk = 1) = et PAn (Xk = 0) =
1 pp0 1 pp0
n1 x1 ++xn1 n1(x1 ++xn1 )
p pp0
Y 1p
PAn (Xk = xk ) =
k=1
1 pp0 1 pp0
n1
! n1
\ Y
n1
Conclusion : (x1 , . . . , xn1 ) {0, 1} , PAn [Xk = xk ] = PAn (Xk = xk ) .
k=1 k=1
Cela signifie que les variables (X1 , . . . , Xn1 ) sont mutuellement indpendante pour PAn .
(d) i. Daprs la question prcdente, les variables alatoires
X1, . . . , Xn1 sont mutuellement
ppp0
indpendantes. Comme elles suivent toutes la loi B 1, 1pp0 pour la probabilit PAn alors :
p pp0
Sn , B n 1, , cest dire que :
1 pp0
m n1m
p pp0
n1 1p
m J0, n 1K, PAn (Sn = m) =
m 1 pp0 1 pp0
280 CHAPITRE 20. SOLUTIONS DES EXERCICES
p pp0
ii. On en dduit immdiatement que : EAn (S) = (n 1) .
1 pp0
2. Soit n un entier suprieur ou gal 2. On considre un d quilibr n faces numrotes de 1 n.
On effectue une succession infinie de lancers de ce d et, pour chaque i J1, nK, on note Xi le rang
dobtention du premier numro i. Lobjectif de lexercice est de calculer (Xi , Xj ) pour tout couple
(i, j) tel que i 6= j.
1
(a) Il est clair que Xi , G . Ainsi E(Xi ) = n et V(Xi ) = n(n 1) .
n
(b) Soit x ] 1, 1[ et s N . La somme As (x) est la somme partielle de rang s de la srie
gomtrique drive. Comme on sait que :
s
X 1 xs+1
xk =
k=0
1x
s
X 1 (s + 1)xs + sxs+1
As (x) = kxk1 =
k=1
(1 x)2
1 (s + 1)xs sxs+1
xBs (x) = A s (x) =
(1 x)2 (1 x)2
(s + 1)xs1 sxs
Conclusion : Bs (x) = .
(1 x)2
(c) i. Soit (h, k) N2 . Si h = k alors P([Xi = h] [Xj = k]) = 0. Les rles de h et k
tant symtriques, il suffit de sintress au cas h < k. Par indpendance des rsultats des
lancers, on a alors :
n2 h1 1 n1 kh1 1 1 n2 h1 n1 k2
P([Xi = h] [Xj = k]) = n n n n
= n2 n1 n
1 n2 h1 n1 k2
n2 n1 n
si h < k
2
Conclusion : (h, k) N , P([Xi = h] [Xj = k]) = 0 si h = k .
1 n2 k1 n1 h2
n2 n1 n
si h > k
On en dduit que :
+
+ X + h h1
X X n1 2h n 2
hkph,k = h +
h=1 k=1 h=1
n n n
n1 1 2 1
= 2 +
n 1 n1 n 1 n2 2
n n
1
Conclusion : E(Xi Xj ) = n n .
2
iii. On en dduit que :
E(Xi Xj ) E(Xi )E(Xj ) n2 n2 n2
(Xi , Xj ) = =
(Xi )(Xj ) n(n 1)
1
Conclusion : (Xi , Xj ) = .
2(n 1)
+
X
Conclusion : k Z, P(W = k) = P(X = i)P(X = i k) .
i=0
ikN
pq |k|
Conclusion : k Z, P(W = k) = .
1+q
282 CHAPITRE 20. SOLUTIONS DES EXERCICES
P(X = n + 1)
Conclusion : n N, = .
P(X = n)
ii. Ainsi, la suite
P+(P(X = n))nN est gomtrique de raison donc P(X = n) = n P(X =
0). Comme n=0 P(X = n) = 1, on en dduit que P(X = 0) = 1 .
Conclusion : n N, P(X = n) = P(Y = n) = (1 )n .
2. (a) i. Il est clair que T () = J2, +K. Pour tout entier k 2, on a :
[T = k] = S1 Sk1 Sk S1 Sk1 Sk
De mme, + k1
= 1 p donc +
P P
k=2 p(1 p) k=2 P(T = k) = 1.
Conclusion : T est une variable alatoire .
ii. Pour lesprance, le raisonnement prcdent sapplique mais avec des srie gomtriques
drives :
+
" + #
X
k1
X
k1 1 1
k(1 p)p = (1 p) kp 1 = (1 p) 2
1 = (1 p)
k=2 k=1
(1 p) 1 p
Pour la variance, nous allons utiliser les sries gomtriques drives dordre 2 en utilisant
le principe k 2 = k[(k 1) + 1]. Pour tout entier n 3, on a :
1 + (1 p) 1+p
E(T 2 ) = E(T (T 1)) + E(T ) = 2
+ 1
p (1 p)2
1 1p p
Conclusion : E(T ) = 1 et V(T ) = 2
+ 2.
p(1 p) p (1 p)2
(b) i. On a de manire vidente : S() = N . Soit i N et k 2. On a :
P(S1 Sk1 Sk ) si i = 1 et k > 2
P(S1 S2 ) + P(S1 S2 ) si i = 1 et k = 2
P([S = i] [T = k]) =
P(S1 Sk1 Sk ) si i 6= 1 et k = i + 1
0 sinon
p(1 p)k1 si i = 1 et k > 2
2p(1 p) si i = 1 et k = 2
P([S = i] [T = k]) = k1
(1 p)p si i 6= 1 et k = i + 1
0 sinon
ii. Soit i N . On a :
+ P+
X 2p(1 p) + p k=3 (1 p)k1 si i = 1
P(S = i) = P([S = i] [T = k]) =
(1 p)pi si i > 1
k=2
1
Conclusion : E(S) = p.
1p
Avec la traditionnelle astuce de calcul i2 = i[(i1)+1], on justifie (comme prcdemment)
p2 (1 + p(1 p))
que S admet une variance et un calcul prouve que V(S) = .
(1 p)2
iv. Comme S et T admettent une variance alors (S, T ) admet une covariance . De plus :
+
X +
X
k1
Cov(S, T ) = 4p(1 p) + p k(1 p) + (1 p) i(i + 1)pi
i=2
k=3
1 2
= 4p(1 p) + p 2 1 2(1 p) + p(1 p) 2p
p (1 p)3
(c) Comme S + E = T alors E admet une variance donc (S, E) admet une covariance . De plus :
p p2 (1 + p(1 p))
Cov(S, E) = Cov(S, T S) = Cov(S, T ) Cov(S, S) = 2p
(1 p)2 (1 p)2
20.7.2 TD*
s
Comme lim pan + qcn = p lim an + q lim cn (et de mme pour les trois autres coeffi-
n+ n+ n+
cients) alors :
lim P An = P lim An
n+ n+
Conclusion : n N, Sn (P 1 AP ) = P 1 Sn (A)P .
ii. Supposons que la suite (Sn (A))nN converge et notons L sa limite. Daprs la question (a),
la suite (P 1 Sn (A))nN converge vers P 1 L et alors la suite (P 1 Sn (A)P )nN converge
vers P 1 LP . Ainsi, la suite (Sn (P 1 AP )nN converge.
Supposons que la suite (P 1 Sn (A)P )nN converge. Un raisonnement analogue au prc-
dent assure que la suite (P Sn (P 1 AP )P 1 )nN converge cest dire que la suite (Sn (A))nN
converge.
Conclusion : (Sn (A))nN converge si et seulement si (Sn (P 1 AP ))nN converge .
(c) i. Si u admettait une autre valeur propre alors u admettrait exactement 2 = dim(R2 ) valeurs
propres et ainsi serait diagonalisable. Dautre part, si dim(Ea (u)) = 2 = dim(R2 ) alors u
serait diagonalisable.
Conclusion : Sp(u) = {a} et Ea (u) = Vect(e1 ) .
20.7. RDUCTION DES ENDOMORPHISMES 285
ii. La famille (e1 ) est libre puisque e1 6= 0 (car vecteur propre) donc le thorme de la base
incomplte sapplique.
Conclusion : e2 R2 / Vect(e1 , e2 ) = R2 .
iii. On sait que u(e1 ) = ae1 . De plus, comme B est une base de R2 :
Daprs les rsultats connus sur les sries gomtriques et gomtriques drives :
1 1
1a (1a)2
De plus, en cas de convergence, on a : lim Sn (T ) = 1 .
n+ 0 1a
Supposons que u ne soit pas diagonalisable. Comme, il admet une valeur propre (notons-la
a) alors il existe une base B de R2 telle que :
a 1
MatB (u) =
0 a
Le mme raisonnement que ci-dessus et lutilisation des rsultats qui prcdent assurent
que la suite (Sn (P 1 AP ))nN (et donc aussi la suite (Sn (A))nN ) converge si et seulement
si a ] 1, 1[.
Conclusion : (Sn (A))nN converge si et seulement si Sp(A) ] 1, 1[ .
(i, j) J1, n + 1K2 , ai,j = P([X = i] [Y = j]) et A = (ai,j )(i,j)J1,n+1K2 Mn+1 (R)
1
(a) On suppose que ai,j = 2n
si |i + j (n + 2)| = 1 et que ai,j = 0 sinon.
i. On a : |i + j (n + 2)| = 1 si et seulement si i + j (n + 2) = 1 ou i + j (n + 2) = 1.
Ainsi :
n+1 X
X n+1 n+1
X n+1
X n
X
ai,j = (ai,n+3i + ai,n+1i ) = ai,n+3i + ai,n+1i = 1
i=1 j=1 i=1 i=2 i=1
Conclusion : La famille des (ai,j ) est la loi dun couple alatoire (X, Y ) .
0 0 1 0
1 0 1 0 1
ii. On a : A = . Cette matrice est symtrique donc est diagonalisable dans
6 1 0 1 0
0 1 0 0
R. Dterminons ses lments propres par la mthode du pivot de Gauss :
6 0 1 0
1 0 1 6 0 1
A I =
6 1 0 1 6 0
0 1 0 6
20.7. RDUCTION DES ENDOMORPHISMES 287
(c) Pour tout couple (i, j) J1, n + 1K2 , on pose : bi,j = P[Y =j] (X = i). On note aussi B = (bi,j )
Mn+1 (R).
i. On a :
ai,j 0 si |i + j (n + 2)| =6 1
(i, j) J1, n + 1K2 , bi,j = = 1 si (i, j) = (2, n + 1) ou (i, j) = (n, 1)
P(Y = j) 1
2
sinon
1
0 ... 0 2
0
.. .
. .. . .. 0 1
. . . 12 0
Conclusion : B = 0 21 .
.
. . . . . . ..
1 0
1
0 2
0 ... 0
288 CHAPITRE 20. SOLUTIONS DES EXERCICES
P(X = 1)
..
Conclusion : E1 (B) .
.
P(X = n + 1)
m1 + + mk + 1 = deg(P 0 ) + 1 = deg(P ) m1 + 1 + + mk + 1 = m1 + + mk + k
do lon obtient que k = 1 et donc que P 0 (X) = (X a1 )m1 et enfin que P (X) =
m1 +1
(X a1 )m1 +1 .
Conclusion : (, a) C2 , k N / P (X) = (X a)k .
(b) i. La linarit de u est quasi-immdiate (u(P + Q) = u(P ) + u(Q)), reste prouver
que u(P ) E pour tout P E. Pour tout entier k J0, nK, on a :
Remarquons, pour commencer, que deg(P ) = n car sinon u(P ) ne serait pas de mme
degr que P (en vertu des calculs qui prcdent).
On a : + nX | X 2 + 1 si et seulement si n {i, i}. Dans le cas o = ni alors on a :
donc P 0 (X) divise P (X) et i est racine de P (X). On en dduit (avec la question (a)) que
P (X) = (X i)k o C et k J1, nK. De plus, k = n donc :
E(n2k)i (u) = Vect((X 2 + 1)k (X i)n2k ) et E(n+2k)i (u) = Vect((X 2 + 1)k (X + i)n2k )
iii. On a obtenu n + 1 valeurs propres deux deux distinctes et Cn [X] est de dimension n + 1
donc u est diaonalisable .
2. (a) Soit R. On effectue les oprations lmentaires suivantes sur la matrice A I :
L1 L2 L1 L1 L2 L2 L3 L3 + L1 L2 L3 L3 L3 L1
p2 q
p2 q 0 1
(1)
et on obtient la matrice 0 1 . Ainsi :
p2 q
3 2 +p2 q
0 0 p2 q
an1 bn1
car a3 a2 +p2 q = 0. Ainsi P(n+3) est vraie. Conclusion : n N , pn = p2 .
ab
20.8.2 TD*
s
Z
2
Conclusion : n N, wn+2 = (n + 1) cosn (t) sin2 (t)dt .
0
ii. Comme sin2 (t) = 1 cos2 (t) pour tout rel t, on en dduit que :
Z
2
wn+2 = (n + 1) cosn (t)(1 cos2 (t))dt = (n + 1)(wn wn+2 )
0
n+1
Conclusion : n N, wn+2 = wn .
n+2
(d) i. Comme la suite (wn ) est dcroissante, on en dduit que :
n N, wn+2 wn+1 wn
do la double ingalit large avec le rsultat ci-dessus. De plus, wn > 0 pour tout entier n
puisque la fonction intgrer est continue, positive et non identiquement nulle sur 0, 2 .
n+1
Conclusion : n N, 0 < wn wn+1 wn .
n+2
ii. On en dduit que :
n+1 wn+1
n N, 0 < 1
n+2 wn
Comme limn+ n+1 n+2
= 1, on en dduit que limn+ wwn+1 n
= 1.
Conclusion : wn+1 wn .
n+
(e) i. Soit P(n) la proposition : un = u0 . Cette proposition est naturellement vraie au rang 0. Soit
n 0 tel que P(n) est vraie. Alors :
n+1
un+1 = (n + 2)wn+2 wn = (n + 2) wn wn+1 = un = u0
n+2
Conclusion : La suite (un )nN est constante .
ii. Comme u0 = (0 + 1)w1 w0 = 2 , on en dduit que :
n N, wn+1 wn =
2(n + 1) n+ 2n
r
De plus : wn+1 wn wn2 , do : wn2 . Conclusion : wn .
n+ n+ 2n n+ 2n
2. (a) Soit x ] 1, +[. Alors, la fonction t 7 1 + xt2 est continue sur [0, 1] valeurs dans
[1 x, 1 + x] ]0, +[. Comme la fonction ln est continue sur ]0, +[, on en dduit que la
fonction t 7 ln(1 + xt2 ) est continue sur [0, 1] donc lintgrale F (x) existe. Si x 1 alors
t 7 1 + xt2 est valeurs dans [1 x, 1] 6]0, +[ et donc on ne peut pas toujours composer
avec la fonction ln. Conclusion : DF =] 1, +[ .
(b) i. Soit (u, k) R2 tel que u > 0 et 0 < u |k|. Alors :
k 2
2
k
ln(u + k) ln(u)
k k k u
ln 1 + 2
u 2(u |k|)2 u u 2 1 uk
x 2
On montre alors que |ln (1 + x) x| 2(1|x|) 2 sur ] 1, 1[. Utilisons donc lingalit de
Taylor-Lagrange lordre 2 sur lintervalle [0, x]. Comme f : x 7 ln(1 + x) est de classe
C 2 sur ] 1, +[ alors :
|x|2
x ] 1, 1[, |ln (1 + x) x| max|f 00 |
[0,x] 2!
292 CHAPITRE 20. SOLUTIONS DES EXERCICES
Or, on a |f 00 | : t 7 1 1
est majore par (1|x|)
(1+t)2 2 sur [0, x] ce qui donne lingalit.
k2
k
Conclusion : u > 0 et 0 < u |k| ln(u + k) ln(u)
.
u 2(u |k|)2
ii. Soit x > 0 et h ] x, x[{0}. On a :
Z 1 2
1 ht
|D(x, h)| = ln(1 + xt2 + ht2 ) ln(1 + xt2 ) dt
h 0 1 + xt2
Z 1 2
1 ln(1 + xt2 + ht2 ) ln(1 + xt2 ) ht dt
|h| 0 1 + xt2
Pour tout rel t ]0, 1[, on pose u(t) = 1+xt2 et k(t) = ht2 . Alors, pour tout rel t [0, 1],
on a :
u(t) > 0 et |k(t)| = |h|t2 xt2 < 1 + xt2 = u(t)
On dduit de la question prcdente que :
Z 1 Z 1
ht2 h2 t4
ln(1 + xt2 + ht2 ) ln(1 + xt2 ) dt dt
0 1 + xt2 2 2
0 2(1 + (x |h|)t )
1
t4 |h| 1 4
Z Z
|D(x, h)| |h| dt t dt
0 2(1 + xt2 |h|t2 )2 2 0
|h|
Conclusion : x > 0 et 0 < |h| < x |D(x, h)| .
10
Soit x ] 1, 0] et 0 < |h| < x + 1. Comme |k(t)| = |h|t2 < (1 + x)t2 < 1 + xt2 = u(t),
on a encore :
Z 1
t4 |h| 1 t4
Z
|D(x, h)| |h| 2 2 2
dt dt
0 2(1 + xt |h|t ) 2 0 (1 + x |h|)2 t4
|h|
Conclusion : 1 < x 0 et 0 < |h| < x + 1 |D(x, h)| .
2(1 + x |h|)2
iii. On en dduit que :
x ] 1, +[, |D(x, h)| 0
h0
Z 1 2
F (x + h) F (x) t
x ] 1, +[, 2
dt 0
h 0 1 + xt
h0
1
t2
Z
0
Conclusion : F est drivable sur ] 1, +[ et x ] 1, +[, F (x) = dt .
0 1 + xt2
1 1
t2
Z Z
2 1
(c) i. Pour x = 0, on a : 2
dt = t dt = .
0 1 + xt 0 3
R 1 t2 1 1
R 1
Pour x > 0, on a : 0 1+xt 2 dt = x 0 1 1+xt 2 dt. De plus, comme u : t 7 xt est de
classe C 1 sur R et est bijective alors :
Z 1 Z 1 Z x
1 1 1 1 arctan ( x)
2
dt = 2 dt = du =
0 1 + xt 0 1 + ( xt) x 0 1 + u2 x
1
t2
Z
1 arctan ( x)
Conclusion : x > 0, dt = .
0 1 + xt2 x x x
Pour 1 < x < 0, on a :
1 1
t2 1 1 + xt2 1 2 2
= 2 = 1
1 + xt2 x 1 1 + t x 1 t x
xt
20.8. INTGRALES SUR UN SEGMENT 293
1
t2 1
Z
1 1 1
2
dt = t ln 1 + t x + ln 1 t x
0 1 + xt x 2 x 2 x 0
Z 1
t2
1 1 1 x
Conclusion : x ] 1, 0[, 2
dt = + ln .
0 1 + xt x 2x x 1 + x
ii. Compte tenu des rsultats qui prcdent, F 0 est continue sur ] 1, 0[ et sur ]0, +[. Reste
tudier la continuit en 0 de F 0 . On effectue des dveloppements limits au voisinage de
0. Par Taylor-Young, on a :
2
arctan (u) = u u3 + o (u3 )
6 u0
Puisque x + 0, on en dduit que :
x0
3
x 3 arctan ( x) 1 1
arctan x = x + o +( x ) donc = o (1)
3 x0 x x x 3 x0+
On en dduit que limx0+ F 0 (x) = 1
3
= F 0 (0). Dautre part, comme x 0 :
x0
1 x
ln = ln 1 x ln 1 + x
1 + x
x
(x) x
x
x x
= x 2 + 3
x 2
+ 3
+ o (x)3/2
x0
= 2 x + 2x 3x + o (x)3/2
x0
ln 1
x ln 1 + x
F (x) = ln 1 x + ln 1 + x 2
x
x 1 x + 1
= ln 1 x + ln 1 + x 2
x x
Or u ln(u) + 0 donc x1
x
ln 1 x + 0. On en dduit que :
u0 x1
iii.
a+1
3. (a) i. Soit a N et b N . Les fonctions x 7 xa+1 et x 7 (1 x)b sont de classe C 1 sur R.
Ainsi :
Z 1 a+1 1 Z 1 a+1
a b x b x
I(a, b) = x (1 x) dx = (1 x) (b)(1 x)b1 dx
0 a + 1 0 0 a + 1
b
Conclusion : (a, b) N N , I(a, b) = I(a + 1, b 1) .
a+1
ii. Une rcurrence immdiate sur b assure que :
b (b 1) 2 1 b!a!
b N, a N, I(a, b) = I(a+b, 0) = I(a+b, 0)
(a + 1) (a + 2) (a + b) (a + b)!
R1 1
Or, on a : I(a + b, 0) = 0
xa+b dx = a+b+1
.
a!b! 1 1
Conclusion : (a, b) N2 , I(a, b) = = =
a+b
.
(a + b + 1)! (a + b + 1) a
(a + 1) a+b+1
a+1
20.8. INTGRALES SUR UN SEGMENT 295
b
(1)k
a!b! X b
On obtient alors : = .
(a + b + 1)! k=0 a + k + 1 k
Rx
(b) i. Soit P Rn [X]. La fonction x 7 1 P (t)dt est lunique primitive sur R de la fonc-
tion polynomiale P qui sannule en x = 1. Cette primitive est encore une fonction poly-
nme. Comme elle sannule en 1 alors, par division euclidienne, on peut la factoriser (de
manire unique) par (x 1) ce qui donne une nouvelle fonction polynme Q. Par tude
du degr, il est immdiat que deg(Q) = deg(P ) n donc Q Rn [X]. Conclusion :
Z x
1
P Rn [X], !Q Rn [X] / x R {1}, Q(x) = P (t)dt .
x1 1
ii. Par linarit de lintgrale, on en dduit que f est un endomorphisme de Rn [X]. Soit donc
Q Rn [X]. Alors :
Z x
f (P ) = Q x R, (x 1)Q(x) = P (t)dt
1
x R, P (x) = Q(x) + (x 1)Q0 (x)
x k
xk+1 1
Z
k 1 k 1 1 X i
f (X ) : x 7 t dt = x
x1 1 k+1 x1 k + 1 i=0
1 1
1 ...
2 n+1
1 ..
0 .
k 1 k
donc : f (X ) = (1 + X + + X ). Conclusion : A = 2 .
k+1 .. ... ... ..
. .
1
0 ... 0 n+1
ii. Cette matrice est triangulaire suprieure et comporte n + 1 nombres rels deux deux
distincts sur sa diagonale.
1 1
Conclusion : A est diagonalisable dans R et Sp(A) = 1, , . . . , .
2 n+1
iii. Cette matrice est triangulaire suprieure et ne comporte aucun 0 sur sa diagonale.
Conclusion : A GLn+1 (R) .
De plus, on sait que A1 est la matrice de f 1 dans la base canonique. Or :
f 1 (X k ) = X k + (X 1)kX k1 = (k + 1)X k kX k1
= 1 : Alors f 1 (Q) = (X 1)k [(k + 1)R(X) + (X 1)R0 (X)] donc 1 est racine de
f 1 (Q) de multiplicit k puisque (k + 1)R(1) + (1 1)R0 (1) = (k + 1)R(1) 6= 0.
6= 1 : Alors f 1 (Q) = (X)k1 [(X ) [R(X) + (X 1)R0 (X)] + k(X 1)R(X)].
On en dduit que :
(f ) = Vect (X 1)k .
Conclusion : k J0, nK, E 1
k+1
k
k
X k
(X 1) = (1)ki X i
i=0
i
On pose :
1 1 . . . (1)n
... j
0 1 (1)ji si j i
T =
avec ti,j = i
.. . .
. ... 0 si i < j
. n
0 ... 0 1
np
n X
(1)j
k n
X n np
k N , p J0, nK, f (X ) = Xp
p=0
p j=0
j (p + j + 1)k
x
(x t)n1
Z
n (n) n
Comme ( (f )) = f alors : (f )(x) = f (t)dt .
0 (n 1)!
iii. Alors :
x x
(x t)n1 (x t)n1 xn
Z Z
n
| (f )(x)| |f (t)| dt max|f | dt = max|f |
0 (n 1)! [0,1] 0 (n 1)! [0,1] n!
n
Comme la srie n0 xn! converge (srie exponentielle) alors la srie n0 |n (f )(x)|
P P
converge.
X
Conclusion : n (f )(x) converge absolument .
nN
Continuit de g : Soit x0 [0, 1]. Par convergence absolue de la srie prcdente, pour tout
x [0, 1], on a :
X+ X +
n n
|g(x) g(x0 )| = [ (f )(x) (f )(x0 )] |n (f )(x) n (f )(x0 )|
n=0 n=0
+ Z x Z x0
(x t)n1 (x0 t)n1
X
f (t)dt f (t)dt + |f (x) f (x0 )|
n=1
0 (n 1)! 0 (n 1)!
+ h R i
R x0 (xt)n1 (x0 t)n1 x (xt)n1
X
f (t)dt + x0 f (t)dt + |f (x) f (x0 )|
0 (n1)! (n1)!
n=1
+ h i
Rx (xt)n1 (x0 t)n1 Rx(xt)n1
X
0
|g(x) g(x0 )| M 0 (n1)!
dt + x0 (n1)!
dt + |f (x) f (x0 )|
n=1
+
X (x x0 )n xn + xn0 + (x x0 )n
M + |f (x) f (x0 )|
n=1
n!
M (ex0 1 ex + 1) + |f (x) f (x0 )| + 0
xx0
donc : x [0, 1], gn (x) (gn )(x) = f (x) n+1 (f )(x) f (x). Par unicit de la limite,
n+
on a :
x [0, 1], g(x) (g)(x) = f (x)
Unicit de la solution : Soit h E telle que h (h) = f . Alors :
2. (a) i. On sait que 0 et ab sont racines dordre n de Pn (X) donc ses drives successives dordre
k J0, n 1K sannulent en 0 et en ab . De plus, la formule de Leibniz donne :
n
1 X n
Pn(n) (X) = (X n )(k) ((bX a)n )(nk)
n! k=0 k
n n 2
1 X n n! nk nk n! k
X n
= X b (bX a) = (bX)nk (bX a)k
n! k=0 k (n k)! k! k=0
k
(n)
donc Pn (X) est coefficients entiers. Ses drives successives sont encore une combinai-
son linaire coefficients entiers de polynmes de la forme (bX)i (bX a)j qui prennent
une valeur entire en 0 et en ab .
Conclusion : k N, Pn(k) (0), Pn(k) ab Z2 .
ii. Soit n N . On a :
Z Z Z
1 n 1
|t(bt a)|n dt
Pn (t) sin(t)dt |(t(bt a)) sin(t)| dt
0 n! 0 n! 0
Or, la fonction t 7 |t(bt a)| est continue sur [0, ] donc y admet un maximum M . Alors :
Z
1 n Mn
Z
P n (t) sin(t)dt
n! M dt = 0
0 0 n! n+
Z
Conclusion : lim Pn (t) sin(t)dt = 0 .
n+ 0
(b) Supposons que Q. Alors, il existe (a, b) N2 tel que = ab . Les fonctions Pn , cos et sin
tant de classe C sur [0, ], alors, par intgrations par parties successives, on a :
Z Z
0
0 < P2n (t) sin(t)dt = [P2n (t) cos(t)]0 P2n (t) cos(t)dt
0
Z 0 Z
0 00
= P2n (t) cos(t)dt = P2n (t) sin(t)dt
0 0
Z
(2n)
= = P2n (t) sin(t)dt
0
h i Z
(2n) (2n+1)
= P2n (t) cos(t)
P2n (t) cos(t)dt
0 0
Z
(2n) (2n) (2n+1)
= P2n () + P2n (0) + P2n (t) cos(t)dt
0
(4n)
R A est un entier daprs la premire question. De plus, P2n
o (X) est un polynme constant et
0
sin(t)dt = 2. On en dduit que :
Z Z
P2n (t) sin(t)dt N donc n N,
n N,
P2n (t) sin(t)dt 1
0 0
Mais cette suite extraite doit converger vers 0 daprs la question prcdente ce qui est absurde.
Conclusion : R Q .
300 CHAPITRE 20. SOLUTIONS DES EXERCICES
20.9.2 TD*
s
Donc cette fonction se prolonge par continuit en 0. Ainsi, lintgrale In est bien conver-
gente. Conclusion : La suite (In )nN est bien dfinie .
ii. Soit n N. On a alors :
Z Z
2 sin((2n + 3)t) sin((2n + 1)t) 2 cos((2n + 2)t) sin(t)
In+1 In = dt = 2 dt
0 sin(t) sin(t) 0 sin(t)
Z /2
2 sin((2n + 2)t) sin((n + 1))
= 2 cos((2n + 2)t)dt = 2 = =0
0 2n + 2 0 n+1
Conclusion : n N, In+1 In = 0 .
iii. Manifestement, on a : I0 = . On en dduit que : n N, In = .
2 2
(b) i. Soit n N. Les fonctions f et t 7 cos(nt)
n
sont de classe C 1 sur [a, b] donc, par intgration
par parties, on a :
Z b b Z b
cos(nt) cos(nt)
f (t) sin(nt)dt = f (t) f 0 (t) dt
a n a a n
Z b
|f (b)| + |f (a)| 1 b 0
Z
f (t) sin(nt)dt
+ |f (t)| dt
a n n a
Z b
Conclusion : lim f (t) sin(nt)dt = 0 .
n+ a
x
On en dduit que g(x) = 6
+ o(x2 ) 0 et donc g se prolonge par continuit en 0 en
x0
posant g(0) = 0. On en dduit aussi que :
0 1 1
le prolongement est drivableen 0et g (0) = 6 . Manifestement, g est de classe C sur
donc
0, 2 . De plus, pour tout rel x 0, 2 , on a :
" #
x2 3 x2 3
1 cos(x) 1 1 + o(x ) 1 1 + o(x )
g 0 (x) = 2 = 2 2
2 = 2 1
2
sin2 (x)
2
x x x3
x 6 + o(x )4 x x2
1 6 + o(x3 )
" 2
#
1 x2 + o(x3 ) x2 x2
1 1 3 3
= 2 1 2 = 2 1 1 + o(x ) 1+ + o(x )
x 1 x3 + o(x3 ) x 2 3
Z /2
lim g(t) sin(nt)dt = 0
n+ 0
Comme lintgrale In est convergente (lintgrale, pas la suite ici), on en dduit que lint-
R /2
grale 0 sin((2n+1)t)
t
dt converge aussi et alors, par convergence de la suite (In ), on a :
Z /2 Z /2
sin((2n + 1)t) sin((2n + 1)t)
lim dt = lim dt =
n+ 0 t n+ 0 sin(t) 2
R /2
Effectuons le changement de variable x = (2n + 1)t dans lintgrale 0 sin((2n+1)t) t
dt.
Comme cette intgrale
i converge
h et comme ce changement de variable est clairement bijectif
(2n+1)
, de classe C 1 et strictement croissant sur 0, 2 , alors :
de 0, 2 dans 0, 2
Z (2n+1)/2 Z /2
sin(x) sin((2n + 1)t)
n N, dx = dt
0 x 0 t
De plus, comme la fonction exp est de classe C sur R, pour tous rels a et a0 , on a :
(a a0 )2
|ea ea0 ea0 (a a0 )| max{ea , ea0 }
2
Ainsi, pour tous rels x et x0 et pour tout t [0, 1], en posant a = x(1 + t2 ) et a0 =
x0 (1 + t2 ) puis en reportant dans lingalit, on a :
Z 1 Z 1
1 + t2
f (x) f (x0 ) x 2) 2 2
max{ex(1+t ) , ex0 (1+t ) }dt
(1+t
+ e 0
dt |x x0 |
x x0 2
0 0
do lon obtient :
Z 1 Z 1
1 + t2
f (x) f (x0 ) x (1+t2) 2|x| 2|x |
+ e 0
dt |x x0 | max{e , e 0
} dt
x x0 2
0 0
Z 1
0 2
Conclusion : f est drivable sur R et : x R, f (x) = ex(1+t ) dt .
0
ii. La fonction g est la compose de la fonction carre, drivable sur R, avec la fonction f qui
est aussi drivable sur R. Conclusion : g est drivable sur R .
De plus, pour tout rel x, on a :
Z 1 Z 1
0 0 2 x2 (1+t2 ) x2 2
g (x) = 2xf (x ) = 2x e dt = 2xe e(xt) dt
0 0
On pose u = xt. Ce changement de variable est bijectif de [0, 1] dans [0, x] (ou [x, 0]),
de classe C 1 et strictement monotone (sauf pour x = 0 auquel cas lgalit demande est
immdiate) donc (x tant non nul) :
Z x Z x
0 x2 u2 1 x2 2
g (x) = 2xe e du = 2e eu du
0 x 0
Z x
2 2
Conclusion : x R, g 0 (x) = 2ex et dt .
0
R 2
x t2
iii. La fonction h : x 7 g(x) + 0
e dt est drivable sur R et, pour tout rel x, on a :
Z x
0 0 x2 2
h (x) = g (x) + 2e et dt = 0
0
1 2 2x 2
0 (x) = ex /2 > 0 et 00 (x) = ex /2
2 2
Z +
1 2
Conclusion : =2 et dt = .
2 0
304 CHAPITRE 20. SOLUTIONS DES EXERCICES
1
(2n1)!
ii. Soit P(n) la proposition n + 2
= 22n1 (n1)!
. Daprs ce qui prcde, on a :
1 (2 1 1)!
1 1 1
1+ = = = 211
2 2 2 2 2 (1 1)!
donc la proposition P(1) est vraie. Soit n N . Supposons que P(n) est vraie. Alors :
2n + 1
1 1 1 1 (2n 1)!
n+1+ = n+ +1 = n+ n+ = 2n1
2 2 2 2 2 2 (n 1)!
(2n + 1)(2n)(2n 1)! (2n + 1)!
= = 2n+1
2(2n)22n1 (n 1)! 2 n!
y bx by
f (at) f (bt)
Z Z Z
f (u) f (u)
Conclusion : 0 < x < y dt = du du .
x t ax u ay u
R1 f (t)
(b) Comme on sait que 0 t
dt converge alors, pour tout rel x > 0, on a :
Z bx Z ax Z bx
f (u) f (u) f (u)
du = du + du
0 u 0 u ax u
et comme on a : Z bx Z ax
f (u) f (u)
du + 0 et du + 0
0 u x0 0 u x0
Z bx
f (u)
on en dduit que lim+ du = 0 . De manire analogue :
x0 ax u
Z + Z by Z +
f (u) f (u) f (u)
du = du + du
ay u ay u by u
Z by
f (u)
do lon conclut, avec lhypothse initiale, que lim du = 0 .
y+ ay u
+
f (at) f (bt)
Z
(c) Des deux questions prcdentes, on en dduit que dt converge et vaut 0 .
0 t
20.9. INTGRALES SUR UN INTERVALLE QUELCONQUE 305
x
Conclusion : (x, y) ]0, +[2 , B(x + 1, y) = B(x, y + 1) .
y
iv. Soit x et y deux rels strictement positifs. On a :
Z 1 Z 1
x1 y
B(x, y + 1) = t (1 t) dt = tx1 (1 t)y1 (1 t)dt
Z0 1 0
Z 1
y x1 y1
B(x + 1, y) = t (1 t) dt tx (1 t)y1 dt = B(x, y) B(x + 1, y)
x 0 0
x
Conclusion : (x, y) ]0, +[2 , B(x + 1, y) = B(x, y) .
x+y
v. Soit n N et y > 0. On a alors (par rcurrence immdiate) :
n Z 1
Y k n!
B(n + 1, y) = B(1, y) (1 t)y1 dt
k=1
k+y 0 (n + y) (1 + y)
n!
Conclusion : n N, y ]0, +[, B(n + 1, y) = .
(n + y) (1 + y)y
306 CHAPITRE 20. SOLUTIONS DES EXERCICES
t
01 et/n
n
n
t
En levant la puissance n, on en dduit que : t [0, n], 1 et .
n
iii. Soit t [0, n[. Alors :
n
t2 t t2
t t
1 e 1 ln 1 t n ln 1
n n n n
x2
La fonction f : x 7 ln 1 n x n ln 1 nx est de classe C 1 sur [0, n[ et on a :
0 2 nx n1 2x n x(x2 2x + n)
f (x) = 1n = 1 + = 0
1 x2
n
1 nx n x2 nx (n x2 )(n x)
2
n
donc : f (t) f (0) = 0. Ainsi : 1 tn et 1 nt (encore valable pour t = n).
2
2
n
Soit t [ n, n]. Alors 1 tn 0 donc 1 tn et 1 nt .
n
t2 t
t
Conclusion : t [0, n], 1 e 1 .
n n
(c) i. Soit n N . Pour tout rel t [0, n], on a :
n n
t2 t t2 t x1
t t t
1 e 1 e donc 1 e t 1 tx1 et tx1
n n n n
Z n Z n Z n n Z n
x1 t 1 x+1 t t
t e dt t e dt 1 x1
t dt tx1 et dt
0 n 0 0 n 0
Z n n
t
Conclusion : n N, x ]0, +[, 1 tx1 dt = nx B(n + 1, x) .
0 n
n!
iv. Comme B(n + 1, x) = x(x+1)...(x+n)
et daprs le rsultat de la question ii, on en dduit
x
n n!
que : lim = (x) .
n+ x(x + 1) . . . (x + n)
(y)
(d) i. On vient de prouver que ny B(n + 1, y) (y) 6= 0 donc : B(n + 1, y) .
n+ n+ ny
20.9. INTGRALES SUR UN INTERVALLE QUELCONQUE 307
ii. Comme x 7 tx1 est dcroissante sur ]0, +[ pour tout rel t ]0, 1[ alors :
B(bxc + 1, y) B(x, y)
B(bxc , y) B(x, y) B(bxc + 1, y) donc 1
B(bxc , y) B(bxc , y)
B(bxc+1,y) bxc
Comme B(bxc,y)
=
bxc+y x+
1 alors :
(y) (y)
B(x, y) B(bxc , y)
x+ x+ bxcy x+ xy
(y)
puisque bxc x. Conclusion : B(x, y) .
x+ x+ xy
iii. Pour tout entier n N, on a :
n1
B(x + n, y)ny y
Y x+k x(x + 1) . . . (x + n 1)ny+x n!
= n =
B(x, y) k=0
x+k+y (x + y)(x + y + 1) . . . (x + y + n 1)nx n!
B(x+n,y)ny
donc : B(x,y)
(x+y) . Enfin, on a :
n+ (x)
ny n
y (x)(y)
Comme (x+n)y
= x+n
1 alors : B(x, y) = .
n+ (x + y)
2. (a) Comme lexercice 3 du DL.
(b) Soit > 0. Alors, il existe > 0 tel que :
u [0, ], |f (u) `|
Pour tout rel x 0, b , on a 0 < ax < bx et :
Z bx Z bx Z bx
f (u) ` f (u) ` du b
du du = ln
ax u ax
u
ax u a
bx
f (u) `
Z
On en dduit que : lim+ du = 0 .
x0 ax u
Soit > 0. Alors, il existe A > 0 tel que :
u [A, +[, |f (u) L|
A
Ainsi, pour tout rel y a
, on a A ay < by et :
Z by
f (u) L b
du ln
ay u a
by
f (u) L
Z
On en dduit que : lim du = 0 .
y+ ay u
(c) On dduit de la question prcdente que :
Z bx Z by
f (u) b f (u) b
lim+ du = ` et lim du = L
x0 ax u a y+ ay u a
+
f (at) f (bt)
Z
b
Avec la premire question, on en dduit que dt converge et vaut (` L) .
0 t a
308 CHAPITRE 20. SOLUTIONS DES EXERCICES
+
eat ebt
Z
b
Daprs la question prcdente, on en dduit que : dt = .
0 t a
20.10.2 TD*
s
ln(1 + e2a )
Conclusion : a R, I(a) = .
2
(b) La fonction f est continue et positive sur R et, pour tous rels A < B, on a :
Z B
1 1 arctan(B) arctan(A)
2
dx = [arctan(x)]B A = 1
A (1 + x ) A
B+
iii. On a :
n 1 1 ln(2)
E(Nt ) 1 et et t
2 2 2
ln(2)
Conclusion : t0 = .
(b) i. Soit t R. On a : [Sn > t] = [T1 > t] [Tn > t] .
ii. Par indpendance mutuelle des variables alatoires Ti , on a :
n
Y
Fn (t) = 1 P(Sn > t) = 1 P(Ti > t) = 1 (1 P(T1 t))n
i=1
310 CHAPITRE 20. SOLUTIONS DES EXERCICES
n1
1 X (1)k
n
Conclusion : n N , E(Un ) = .
k=0 k + 1 k + 1
20.10. VARIABLES ALATOIRES DENSIT 311
1
Conclusion : m N , E(Um+1 ) E(Um ) = .
(m + 1)
Alors, pour tout entier n 2, on a :
n1 n1 n
X 1 X 1X 1
E(Un ) E(U1 ) = E(Um+1 ) E(Um ) = =
m=1 m=1
(m + 1) m=2 m
n n
1X 1 1X 1
E(Un ) = E(U1 ) + =
m=2 m m=1 m
ln(n)
Conclusion : E(Un ) .
n+
min{x+ln(2),ln(2)] min{x+ln(2),ln(2)}
e2t
Z
x 2t x
fT (x) = e e dt = e
max{0,x} 2 max{0,x}
e2x 1
e3x ex
fT (x) = ex 4
=
2 2 8
Pour tout rel x [ ln(2), 0], on a :
2x
x 1 e4
ex e3x
fT (x) = e =
22 8
1
Comme ln(x) [ ln(2), ln(2)] si et seulement si x 2 , 2 , on a :
1 1
1 2x4
8x2
si 1 x 2
x , 2 , g(x) = 1 1
2 2x2
8x4
si 12 x 1
20.11.2 TD*
s
Donc hei , ek i = 0 pour tout k 6= i et les vecteurs sont deux deux orthogonaux. Comme les
vecteurs sont aussi unitaires, on en dduit que : (e1 , . . . , en ) est orthonormale .
(b) Comme la famille (e1 , . . . , en ) est orthonormale alors elle est libre donc cest une base de F . On
en dduit que :
Xn
y = pF (x) = hx, ek i ei
k=1
Alors, daprs le cours, on a :
n
X
kyk =2
hx, ek i2 = kxk2
k=1
Or, comme pF (x) x pF (x), le thorme de Pythagore nous permet dcrire que :
kxk2 = kpF (x)k2 + kx pF (x)k2 = kyk2 + kx yk2 = kxk2 + kx yk2
Ainsi kx yk2 = 0 donc x = y. Conclusion : x E, x = pF (x) .
(c) On en dduit que E F E. Ainsi E = F et (e1 , . . . , en ) est une base orthonormale de E .
3. (a) i. Pour tout vecteur u, on a :
2 2
1 1
(u) = x 2y + z 2y + z + 5y 2 + z 2 yz
2 2
2
1 3
Conclusion : u R , (u) = x 2y + z + y 2 + yz + z 2 .
3
2 4
ii. On a alors :
2 2
3 1 1 2 3 2 1 1
y + yz + z 2 =
2
y + z z + z = y + z + z2
4 2 4 4 2 2
2 2
1 1 1
Conclusion : u R , (u) = x 2y + z + y + z + z 2 .
3
2 2 2
314 CHAPITRE 20. SOLUTIONS DES EXERCICES
2 2
hP0 |P2 i = hP1 |P2 i = 0 h1|P2 i = hX|P2 i = 0 a + 2c = b = 0
3 3
1
donc P2 est de la forme a X 2 . De plus :
3
r
2 4 2 3 5
kP2 k2 = 1 a2 + =1 a=
5 9 9 2 2
20.11. ESPACES EUCLIDIENS 315
q
3 5 1
On choisit P2 = 2 2
X2 . 3
r r !
1 3 3 5 1
Conclusion : , X, X2 est une orthonormalise de Schmidt de (1, X, X 2 ) .
2 2 2 2 3
(c) Soit P F . Alors, P est de degr au plus 1 et admet 0 pour racine donc P 0 est de la forme
X o R. On en dduit que P est de la forme 2 X 2 + o R. Rciproquement, tout
polynme de cette forme est dans F . On en dduit que :
F = Vect(1, X 2 )
q
Daprs ce qui prcde, on a : 12 , 23 52 X 2 13 est une base orthonormale de F (ce sont
des lments de F , la famille est orthonormale donc libre et F est de dimension 2). Daprs le
le cours, on en dduit que :
* r + r
2 1 2 1 3 5 2 1 2 3 5 2 1
pF (1+X+X ) = 1 + X + X + X 1 + X + X X
2 2 2 2 3 2 2 3
Conclusion : pF (1 + X + X 2 ) = . . . .
a2 = a a(a + 1) = 0 a {1, 0}
donc 0 et 1 sont des racines possibles de P (et si lune lest alors lautre lest aussi). Soit
une racine de P distincte de 0 et 1. On sait que || = 1 donc quil existe un rel ]0, 2[
tel que = ei . Alors :
2
2 i 2
i2 i2 i 2
2
i
( 1) = (e 1) = e e e =e 2i sin
2
316 CHAPITRE 20. SOLUTIONS DES EXERCICES
2
( 1)2 = ei 2i sin = 4 sin2
2 2
De plus, comme 2
]0, [, on a :
( 1)2 = 1 sin 1 5 5
= , ,
2 2 2 6 6 3 3
Ainsi, les racines possibles de P sont parmi 0, 1, ei 3 , ei 3 . Or, si = ei 3 est racine alors
2
2 = ei 3 / {0, 1, , } est aussi racine de P ce qui est absurde. Le mme raisonnement
sapplique pour ei 3 . Conclusion : Les racines possibles de P sont 0 et 1 .
iv. Comme P admet au moins une racine, alors par factorisation :
R / P (X) = X p (X 1)q
(k)
puisque 0 et 1 sont racines dordre k de Pk donc racines de Pk . On peut itrer ce procd
k fois et on obtient alors :
Z 1 Z 1
(k) (h) k (0) (h+k)
Pk (t)Ph (t)dt = (1) Pk (t)Ph (t)dt
0 0
(h+k)
Si k > h alors Ph est le polynme nul (puisque Ph est de degr 2h < h + k) donc :
Z 1
(k) (h)
Pk (t)Ph (t)dt = 0
0
donc cette famille est aussi gnratrice de D. Conclusion : (Ei,i )1in est une base de D .
Remarque : La base canonique de Mn (R) est orthonormale pour ce produit scalaire puisque :
t 1 si k = i et l = j
hEi,j , Ek,l i = tr( Ei,j Ek,l ) = tr(Ej,i Ek,l ) =
0 sinon
hEi,j + Ej,i , Ek,l El,k i = hEi,j , Ek,l i hEi,j , El,k i + hEj,i , Ek,l i hEj,i , El,k i = 0
n
!2
X X
N (AB)2 = ai,k bk,j
(i,j)J1,nK2 k=1
Or, nk=1 ai,k bk,j est le produit scalaire canonique de Rn et donc, daprs Cauchy-Schwarz,
P
on a : !2 ! n !
Xn n
X X
2 2 2
(i, j) J1, nK , ai,k bk,j ai,k bk,j
k=1 k=1 k=1
n
! n
!
X X X
N (AB)2 a2i,k b2k,j
(i,j)J1,nK2 k=1 k=1
X X
a2i,k b2k,j = N (A)2 N (B)2
(i,k)J1,nK2 (k,j)J1,nK2
20.12.2 TD*
s
donc, on a :
xy
sin 2 x+y
x 6= y f (x, y) = xy cos 2
2
20.12. CONTINUIT DES FONCTIONS DE N VARIABLES 319
Soit x0 R. Alors, on a :
xy
xy sin(u) sin 2
2 (x,y)(x ,x )
0 et u
1 donc xy 1
0 0 u0 (x,y)(x0 ,x0 )
2
x+y x+y
2 (x,y)(x ,x )
x0 et cos(u) cos(x0 ) donc cos 2
cos(x0 )
0 0 ux0 (x,y)(x0 ,x0 )
(a) Les fonctions et t 7 nk=0 ak tk sont continues sur [0, 1]. Alors la fonction t 7 (t) nk=0 ak tk
P P
3.
est continue sur [0, 1] qui est ferm et born. Cette fonction admet donc un maximum sur [0, 1].
Conclusion : f (a) existe pour toute vecteur a Rn+1 .
(b) i. Soit t [0, 1]. Alors, comme t 0, on a :
Xn Xn Xn Xn
(t) ak tk = (t) (bk + ak bk )tk = (t) bk tk + (ak bk )tk
k=0 k=0 k=0 k=0
Xn X n
(t) bk tk + (ak bk )tk
k=0 k=0
X n X n X n
Conclusion : t [0, 1], (t) ak tk (t) bk tk + |bk ak | tk .
k=0 k=0 k=0
Pn
k
Comme f (b) = supt[0,1] (t) k=0 bk t , alors :
Xn
t [0, 1], (t) bk tk f (b)
k=0
n
X n
X
Comme t 1 alors : t [0, 1], (t) ak tk f (b) + |bk ak | .
k=0 k=0
n+1
On sait que |ui | kuk pour tout vecteur u R et tout entier i J0, nK.
n
X
Conclusion : t [0, 1], (t) ak tk f (b) + n + 1kb ak .
k=0
ii. Ainsi, le rel f (b) + n + 1kb ak est un majorant de t 7 (t) nk=0 ak tk sur [0, 1].
P
Conclusion : f (a) f (b) + n + 1kb ak .
On en dduit que : f (b)
f (a) n +1kb ak. Un raisonnement analogue assure alors
que : f (a) f (a) n + 1ka bk = n + 1kb ak.
2
Conclusion : (a, b) Rn+1 , |f (b) f (a)| n + 1kb ak .
iii. Fixons a Rn+1 . Alors :
b Rn+1 , |f (b) f (a)| n + 1kb ak 0
ba
Ainsi : f (b) f (a) et f est continue en a. Conclusion : f est continue sur Rn+1 .
ba
i. Soit a 6= 0. Alors nk=0 ak X k est un polynme non nul sur [0, 1] (sinon,
P
(c) Pnce polynme
admettrait une infinit de racines). Alors, il existe un rel t0 [0, 1] tel que k=0 ak tk0 6= 0.
Ainsi :
X n
k
g(a) ak t0 > 0
k=0
S = a Rn+1 | kak = 1
20.12. CONTINUIT DES FONCTIONS DE N VARIABLES 321
(sphre S de centre O et de rayon 1). Cette sphre est ferme (image rciproque de lin-
tervalle ferm [1, 1] par la fonction norme qui est continue sur Rn+1 ) et borne (car incluse
dans la boule Bf (O, 1)). On en dduit que g admet un minimum sur S qui est atteint.
Conclusion : a S / = g(a) .
On sait que g(a) > 0 puisque 0
/ S (k0k = 0 6= 1) donc > 0 .
iii. Soit a Rn+1 . Si a = 0 alors g(a) = 0 = k0k. Si a 6= 0 alors, pour tout rel t [0, 1], on
a:
n n
X X ak
g(a) ak tk = kak tk
k=0
kak k=0
On en dduit que :
1
g(a) kakg a kak
kak
Conclusion : a Rn+1 , g(a) kak .
iv. Soit a Rn+1 . Pour tout rel t [0, 1], on a :
Xn X n X n
ak tk = ak tk (t) + (t) ak tk (t) + |(t)| f (a) + K
k=0 k=0 k=0
(d) La fonction f est minore par 0 donc elle admet une borne infrieure sur Rn+1 . Notons-la m.
Comme limkak+ f (a) = + alors il existe r > 0 tel que :
a Rn+1 , kak > r f (a) > m + 1
Ainsi :
m f (a) m + 1 kak r
Mais la boule Bf (O, r) est ferme et borne et f est y continue donc f y admet un minimum m0
atteint en un lment a0 Rn+1 . Mais m0 est le minimum de f sur Rn+1 car m m0 m + 1
et f (a) > m + 1 lorsque a / Bf (O, r).
Conclusion : f admet un minimum sur Rn+1 .
p+q1
Conclusion : M R2 , f (M )
OM
.
322 CHAPITRE 20. SOLUTIONS DES EXERCICES
1
(b) Il est vident que : x R , f (x, x) = |x|p+q1 .
2
(c) Si p + q > 1 alors, daprs (a), on a :
p+q1
0 f (M )
OM
0
M O
1 1
lim f (x, x) = lim e0 = 6= 0 = f (0, 0)
x0 2 x0 2
donc f nest pas continue en O.
Si p + q < 1 alors, daprs (b), on a :
lim f (x, x) = +
x0
20.13.2 TD*
s
Soit x 0. Alors :
FY (x) = P(Y x) = P(X 2 x) = P x X x = x x
Conclusion : x R, FY (x) = 2 x 1 11[0,+[ (x) .
ii. Par drivation sur R, on obtient fY (x) = 0 pour x < 0 et :
0 ( x) 1 x 1
x 0, fY (x) = = e 2 = 1/2 t1/21 ex/2
x 2x 2 (1/2)
20.13. VARIABLES ALATOIRES DENSITS USUELLES 323
1 x2 1
Conclusion : x R, fY (x) = e 11[0,+[ (x) et donc Y , 2, .
2x 2
iii. On en dduit que admet une esprance et une variance et que : E(Y ) = 1 et V(Y ) = 2 .
(b) i. Par stabilit de la somme de deux lois indpendantes, on a : X12 + X22 , 2, 12 + 12 =
1
2 2 1
(2, 1). Dautre part, on sait que (b, 1) = E b . Conclusion : X1 + X2 , E .
2
ii. Par stabilit de la somme de n lois mutuellement indpendantes, on a :
n
Yn = X12 + + Xn2 , 2,
2
1 2 /2 1 2 /2
gn (x) = 2xfn (x2 ) = 2x xn2 ex = xn1 ex
2n/2 (n/2) 2n/21 (n/2)
1 x2
Conclusion : Une densit de Tn est donne par gn (x) = n
1 n
xn1 e 2 11]0,+[ (x) .
2 2 2
x2
en posant encore u = 2
.
!2
n+1
On en dduit donc que E(Tn2 ) = n puis que V(Tn ) = n 2 2
.
n2
324 CHAPITRE 20. SOLUTIONS DES EXERCICES
2. (a) Comme Y () = [1, +[, on a FY (x) = 0 pour x < 1. Pour tout rel x 1, on a :
1
FY (x) = P(Y x) = P(eX x) = P(X ln(x)) = FX (ln(x)) = 1 e ln(x) = 1
x
1
Conclusion : x R, FY (x) = 1 11[1,+[ (x) .
x
(
0 si x < 1
(b) Par drivation, on obtient une densit g de Y dfinie par : g(x) =
. La fonction
x +1 si x 1
x 7 x x+1 11[1,+[ (x) est positive sur R donc la convergence de lintgrale sur R implique sa
convergence absolue. On a :
Z + Z +
x +1 11[1,+[ (x)dx = dx
x 1 x
Conclusion : Y admet une esprance si et seulement si > 1 et E(Y ) = .
1
(c) La fonction x 7 xk x+1 11[1,+[ (x) est positive sur R donc la convergence de lintgrale sur R
implique sa convergence absolue. On a :
Z + Z +
k
x +1 11[1,+[ (x)dx = +1k
dx
x 1 x
[T3 + min(T1 , T2 ) > max(T1 , T2 )] = [T3 > max(T1 , T2 ) min(T1 , T2 )] = [T3 > |T1 T2 |]
est ralis.
La loi de T2 est la loi U([1, 0]).
Les variables alatoires T1 et T2 sont indpendantes donc il en va de mme de T1 et T2 . De
plus, ces deux variables alatoires ont une densit borne donc une densit de T1 T2 est donne
par :
Z + Z 1
g(x) = 11[0,1] (t)11[1,0] (x t)dt = 11[1,0] (x t)dt
0
( 0 si x
/ [1, 1]
0 si x / [1, 1]
= R min{1,1+x} = 1 + x si x [1, 0[
max{0,x}
dt si x [1, 1]
1 x si x [0, 1]
Alors : Z 1 Z 2
E(X3 ) = (2x2 x3 )dx + x(2 x)2 dx = . . .
0 1
5
Conclusion : E(X3 ) = .
6
Cette intgrale ne peut converger si u . Dans le cas contraire (u < ) et en reconnaissant une
densit de loi exponentielle, lintgrale converge absolument et on a : g(u) = .
u
326 CHAPITRE 20. SOLUTIONS DES EXERCICES
2. Sous rserve de convergence (donc de convergence absolue puisque lon intgre une fonction posi-
tive), on a :
Z + Z +
1 1 pt 1 t
r
E(X ) = r
t t e dt = tr+1 e p dt
0 p () p () 0
Z +
( + r) r 1 t ( + r) r
= p +r
t+r1 e p dt = p
() 0 p ( + r) ()
( + r) r
do la convergence pourvu que + r > 0. Conclusion : r ] , +[, E(X r ) = p .
()
3. (a) On sait que X() =]0, 1[ et que, pour tout rel x, on a :
0 si x 0
FX (x) = x si 0 < x < 1
1 si x 1
(
ex si x < 0
Conclusion : x R, FY (x) = .
1 si x 0
20.14.2 TD*
s
Reste alors orthonormaliser cette base de vecteurs propres. On commence par orthonor-
maliser la base de E1 (A) :
* 1 1 1 +
1
a 1 + 0 , 1 = 0 2a + 1 = 0 a =
2
0 1 0
1
1 1 1
1/2
r
1 + 0
=
1/2
= 3
1
= 2 et
2
2
0
0 1
1
1 1
donc : 12 1 , 16 1 est une base orthonorme de E1 (A). De mme,
0 2
1
1 1 est une base orthonorme de E1 (A). Comme les sous espaces propres sont
3
1
orthogonaux, on en dduit que :
1 1 1
1 1 , 1 1 , 1 1 est une base orthonorme de M3,1 (R)
2 0 6 2 3 1
(b) i. Soit X M3 (R). Alors, AX, XB et donc F (X) = AX XB sont lments de M3 (R).
Soit (X, Y ) M3 (R)2 et (, ) R2 . Alors :
F (X + Y ) = A(X + Y ) (X + Y )B = AX + AY XB Y B
= (AX XB) + (AY Y B) = F (X) + F (Y )
En multipliant droite par Uk pour tout k J1, 3K, et en se rappelant que la base (U1 , U2 , U3 )
est orthonormale, on en dduit que :
3
X
k J1, 3K, i,k Ui = donc k J1, 3K, 1,k = 2,k = 3,k = 0
i=1
donc cette famille de 9 matrices est libre dans M3 (R) qui est de dimension 32 = 9. On
a alors une base de M3 (R) qui est constitue exclusivement de vecteurs propres de F .
Conclusion : F est diagonalisable .
2. (a) Classique (ne pas oublier la continuit et la positivit puis linfinit de racines).
(b) Pour tout entier naturel n, on dfinit les polynmes Un et Pn par :
1
Un (X) = (X 2 1)n et Pn (X) = Un(n) (X)
2n n!
i. Soit n N. On a :
1 1 1
Un (X) = n (X 2 1)n = n ((X 1)(X + 1))n = n (X 1)n (X + 1)n
2 n! 2 n! 2 n!
n
1 X n
Pn (X) = n ((X 1)n )(k) ((X + 1)n )(nk)
2 n! k=0 k
n
1 X n n! n!
= n (X 1)nk (X + 1)n(nk)
2 n! k=0 k (n k)! (n (n k))!
330 CHAPITRE 20. SOLUTIONS DES EXERCICES
n 2
1 X n
Conclusion : n N, Pn (X) = n (X 1)nk (X + 1)k .
2 k=0 k
(c) i. Soit P Rp [X]. Alors P 0 Rp1 [X] donc (X 2 1)P 0 Rp+1 [X] do L(P ) Rp [X]
comme espr.
Soit (P, Q) Rp [X]2 et (, ) R2 . Alors :
0 0
(X 1)(P + Q)0 (X) = (X 2 1)(P 0 (X) + Q0 (X))
2
L(P + Q)(X) =
0
= (X 2 1)P 0 (X) + (X 2 1)Q0 (X)
0 0
= (X 2 1)P 0 (X) + (X 2 1)Q0 (X)
De mme :
Z 1 0
Z 1
(X 1)Pi0 (X) (t)Pj (t)dt = = (X 2 1)Pi0 (t)Pj0 (X)dt
2
hL(Pi ), Pj i =
1 1
n+1 n+1
X n+1 2 (k)
X n+1
(X 1) Un(n+2k) = 2n X (k) Un(n+1k)
k=0
k k=0
k
2
1)Un(n+2) 1)2XUn(n+1) + (n + 1)nUn(n) = 2n XUn(n+1) + (n + 1)Un(n)
(X + (n +
(X 2 1)Un(n+2) + 2XUn(n+1) = (n + 1)nUn(n)
0 0
2 (n+2) (n+1) 2 (n)
Comme (X 1)Un + 2XUn = (X 1) Un , on en conclut que :
(k)
puisque 1 et 1 sont racines dordre n de Un donc racines dordre nk de Un . On effectue
nouveau n intgrations par parties selon le mme principe et on obtient :
2
n N, kPn k2 =
2n + 1
332 CHAPITRE 20. SOLUTIONS DES EXERCICES
0 0 1
clairement de rang 3. On a aussi :
3x y + z + t = 0 1
x=t
x 3y z t = 0 1
PX = X y = t donc E1 (P ) = Vect
x y 3z + t = 0 1
z=t
x y + z 3t = 0 1
P = tM MatB0 (p)M
et ainsi tP = P .
Rciproquement, supposons que P 2 = P et que tP = P . Alors P est la matrice dun projecteur.
De plus, comme elle est symtrique alors elle est diagonalisable dans une base orthonormale et
Rs = E0 (P ) E1 (P ) = Ker(P ) Im(P ) donc le projecteur est orthogonale.
Conclusion : P est la matrice dun projecteur orthogonal ssi P 2 = P et tP = P .
(c) i. On identifie ici Ms (R) Rs . Pour tout x Rs , on a :
ce qui prouve que k(QP )xk2 = 0. Ainsi, (P Q)x = pour tout x Rs donc QP = . Un
t
raisonnement analoque prouve que P Q = (une autre possiblit tant : P Q = (tQtP ) =
t
(QP ) = t = ).
Conclusion : P Q = QP = .
ii. Comme P et Q commutent, alors la formule du binme donne :
(P + Q)2 = P 2 + 2P Q + Q2 = P 2 + Q2 = P + Q
Comme de plus :
t
(P + Q) = tP + tQ = P + Q
on en dduit que la matrice P + Q est la matrice dune projection orthogonale .
20.15. FONCTIONS DE N VARIABLES DE CLASSE C 1 333
t P P
(d) Soit E une partie non vide de J1, nK. Il est alors immdiat que kE Pk = kE Pk .
Soit x Rs . Alors :
n n n
* n
+
X X X X
2 t
Pi2 x
kPi xk = hPi x, Pi xi = x, Pi Pi x = x,
i=1 i=1 i=1 i=1
* n
+
X
= x, Pi x = hx, Ixi = hx, xi = kxk2
i=1
On en dduit que :
Pi Pj = Pj Pi =
Alors, on a :
!2
X X X X X
Pk = Pk2 + Pi Pj = Pk2 = Pk
kE kE (i,j)E 2 kE kE
i6=j
X
Conclusion : Pk est la matrice dune projection orthogonale de Rs pour tout E (J1, nK) {} .
kE
4(x1 x2 + x3 + x4 )2
kP xk2 =
16
x21 + x22 + x23 + x24 x1 x2 + x1 x3 + x1 x4 x2 x3 x2 x4 + x3 x4
= +
4 2
20.15.2 TD*
s
334 CHAPITRE 20. SOLUTIONS DES EXERCICES
1
Conclusion : x ]0, +[, f (x, x) = .
x
(b) i. Soit (a, b) R2 . Soit u > 0. On a alors :
1 a b 1 (ay + bx)u + (a + b)
= + =
(xu + 1)(yu + 1) xu + 1 yu + 1 (xu + 1)(yu + 1) (xu + 1)(yu + 1)
[1 = (ay + bx)u + (a + b)]
On en dduit que :
x
1 a b a+b=1 a = xy
u > 0, = + y
(xu + 1)(yu + 1) xu + 1 yu + 1 ay + bx = 0 b = xy
Par bijection u : R ]0, +[, t 7 et , on en conclut que :
1 a b
!(a, b) R2 / t R, = +
(x.et t
+ 1)(y.e + 1) t t
x.e + 1 y.e + 1
x y
De plus, on a : a = et b = .
xy xy
ii. On en dduit que, pour tout couple (A, B) ] , 0[]0, +[, on a :
Z B Z B Z B
et 1 xet 1 yet
t t
dt = dt dt
A (x.e + 1)(y.e + 1) x y A x.et + 1 x y A y.et + 1
1 B 1 B
= ln(x.et + 1) A ln(y.et + 1) A
xy xy
t B
1 x.e + 1 1 x
= ln ln ln(1)
xy y.et + 1 A A x y y
B+
ln(x) ln(y)
Conclusion : (x, y) ]0, +[2 , x 6= y f (x, y) = .
xy
20.15. FONCTIONS DE N VARIABLES DE CLASSE C 1 335
(c) i. Les fonctions x 7 ln(x) et y 7 ln(y) sont de classe C 1 sur ]0, +[ donc les fonctions
(x, y) 7 ln(x) et (x, y) 7 ln(y) sont de classe C 1 sur ]0, +[2 et ainsi leur diffrence
aussi. La fonction (x, y) 7 x y est polynomiale donc de classe C 1 sur ]0, +[2 et elle ne
sannule pas sur ]0, +[2 {(x, y) | x 6= y}. Ainsi, f est de classe C 1 sur ]0, +[2 {(x, y) | x 6=
y}. Soit x0 > 0. Daprs lgalit des accroissements finies applique la fonction ln, pour
tout x 6= y, on a :
ln(x) ln(y) 1
cx,y ]x, y[ / =
xy cx,y
Comme x < cx,y < y (ou bien y < cx,y < x) et comme x x0 et x x0
(x,y)(x0 ,x0 ) (x,y)(x0 ,x0 )
alors 1
1
cx,y (x,y)(x ,x ) x0
. On en dduit que f est continue sur ]0, +[2 .
0 0
De plus, les fonctions drives partielles sont donnes par :
1
f (x y) ln(x) + ln(y)
x 6= y, (x, y) = x
x (x y)2
De plus, pour tout x0 > 0 et tout h assez petit et non nul ,on a :
f (x0 + h, x0 ) f (x0 , x0 ) 1 ln(x0 + h) ln(x0 ) 1 1
= = 2 + o (1)
h h h x0 2x0 h0
f
par dveloppement limit de la fonction h 7 ln(x0 + h) lordre 2. Ainsi x
(x0 , x0 ) =
f
2x12 existe et, de mme, on obtient y
(x0 , x0 ) = 2x12 . Conclusion : f admet des drives partielles
0 0
f f
ii. Il est clair que x
et y
sont continues sur ]0, +[2 {(x, y) | x 6= y}. Soit x0 > 0. On a :
1
f (x y) ln(x) + ln(y) 1
x 6= y, (x, y) = x 2
= 2 + o (1)
x (x y) 2x yx0
f f
Or (x, y) (x0 , x0 ) y x 0 ainsi x
(x, y) x12 = x
(x0 , x0 ). De
(x,y)(x0 ,x0 ) 0
f f
mme, on obtient y
(x, y) y12 = y
(x0 , x0 ).
(x,y)(x0 ,x0 ) 0
1 2
Conclusion : f est de classe C sur ]0, 1[ .
f y2
2. Comme x
(x, y) = (x+y)2
pour tout (x, y) O, alors il existe une fonction g telle que :
y2
(x, y) O, f (x, y) = + g(y)
x+y
y2
La fonction : (x, y) 7 g(y) = f (x, y) + x+y
est donc de classe C 1 sur O et on a :
f 2y(x + y) y 2
(x, y) O, (x, y) = (x, y) + =1
y y (x + y)2
Comme (x, y) ne dpend pas de la variable x alors il existe un rel a tel que :
D = {(x, y) R2 | 1 x, x y, y 1} = {(x, y) R2 | 1 x, x y 0, y 1}
ce qui assure que D est ferm dans R2 (intersection de trois demi-plans) et born (inclus dans la
boule de centre O et de rayon 2). Conclusion : f admet des extrema sur D .
(b) La fonction g : (x, y) 7 (y x)2 + 6xy = x2 + 4xy + y 2 est de classe C 1 sur R2 et on a :
g g
(a, y) R2 , (x, y) = 2(x y) + 6y = 2x + 4y, (x, y) = 4x + 2y
x y
Alors, le seul point critique de g sur R2 est le point O(0, 0) qui nest pas lment de lintrieur
de D.
Conclusion : f nadmet pas de point critique sur lintrieur de D .
Par ailleurs g(0, 0) = 0 et, pour tout (x, y) D, on a :
ce qui prouve que f nadmet pas dextremum local en O puisque les points (t, 0) et t, 12 t
sont lments de D pour tout rel t ]0, 1] et sont aussi proches que lon veut de O.
(c) Le bord de D est un triangle ABC dont les sommets ont pour coordonnes :
fAB (t) = f (1, 1 2t) fBC (t) = f (2t 1, 1) fAC (t) = f (2t 1, 1 2t)
fAB (t) = 4t2 + 4t 2 fBC (t) = 4t2 12t + 6 fAC (t) = 2(2t 1)2
Do :
1
x 0 1
x 0 1 x 0 1 2
6 6 0
fAB (x) fBC (x) fAC (x)
2 2 2 2
Conclusion : M Rn , f (O) f (M ) .
Supposons quil existe un point M 6= O tel que f (M ) = 0. Alors, pour = 12 , la stricte
convexit donne :
1 1 1 1
0f O + M < f (O) + f (M ) = 0
2 2 2 2
Ce minimum est alors atteint en un point qui ne peut tre le point O, donc > 0 .
/ Bf (O, 1). Alors, M 6= O cest dire que OM 6= ~0 do :
iii. Soit M
! " # !
1 1 1
f M = f M + 1 O
kOM k kOM k kOM k
" #
1 1 1
< f (M ) + 1 f (O) = f (M )
kOM k kOM k kOM k
Conclusion : M
/ Bf (O, 1), f (M ) kOM k .
Comme > 0, on en dduit que
lim f (M ) = + .
kOM k+
338 CHAPITRE 20. SOLUTIONS DES EXERCICES
2. (a) La fonction est le quotient de deux fonction continues (la forme quadratique au numrateur
et le carr de la norme sont polynomiales) et le dnominateur ne sannule pas sur S (puisque
/ S). De plus, S = Bf (, 1) B(, 1) est un ensemble ferm et born donc admet une
borne suprieure sur S qui est atteinte. Conclusion : X0 S / (X0 ) = max (X) .
XS
(c) Les fonctions drives partielles existent sur Rn {} (quotients de fonctions polynmes) et
sont continues sur Rn {} (encore quotients de fonctions polynmes dont le dnominateur
ne sannule quen ) donc est de classe C 1 sur Rn {} .
(d) Lensemble Rn {} est ouvert et admet un maximumen X0 donc X0 est un point critique de .
x1
Pour tout vecteur X = ... Rn {}, on a :
xn
t
Pn P
XAX i=1 ai,i xi + 2 1i<jn ai,j xi xj
(X) = = Pn 2
kXk2 i=1 xi
Z 1
E(f (X1 )) = f (t)dt . De mme, f (X1 ) admet un moment dordre 2 si et seulement si lint-
0
R + R1
grale f (t)2 11[0,1] (t)dt = 0 f (t)2 dt converge absolument (vident l encore). Alors f (X1 )
Z 1 Z 1
2
admet une variance et V(f (X1 )) = f (t) dt f (t)dt .
0 0
(b) (f (Xn ))n1 est une suite de variables alatoires mutuellement indpendantes et de mme loi .
(c) On peut alors appliquer le thorme de loi faible
P des grands nombres (indpendance mutuelle,
mme esprance et mme variance) donc n1 nk=1 f (Xk ) E(f (X1 ))11 . Comme I(f ) =
P
E(f (Xn )) et comme In (f ) = n1 nk=1 f (Xk ), on en conclut que :
P
(d) Soit ]0, 1[. La variable alatoire In (f ) admet I(f ) pour esprance. De plus, sa variance vaut :
1 V(f (X1 ))
V(In (f )) = 2
nV(f (X1 )) =
n n
Pour tout rel > 0, lingalit de Bienaym-Tchebychev nous donne pour tout entier n 1 :
V(f (X1 )) V(f (X1 ))
P n |In (f ) I(f )| = P |In (f ) I(f )| 2 =
n 2
n n
V(f (X1 ))
Comme 2
0 alors il existe 0 tel que :
+
V(f (X1 ))
0 , 0
2
Conclusion : ]0, 1[, > 0 / n N , P
n |In (f ) I(f )| .
(e) Soit ]0, 1[. Soit X , N (0, 1). Alors :
In (f ) I(f )
n X
(f (X1 )) L
In (f ) I(f )
P n |In (f ) I(f )| = P n
(f (X1 )) (f (X1 ))
P |X| = 2
n+ (f (X1 )) (f (X1 ))
Comme est bijective alors il existe un unique rel tel que (f (X1 )) = 2 .
Conclusion : ]0, 1[, > 0 / lim P n |In (f ) I(f )| = .
n+
(b) Soit x R et n N . On a :
n
x + ln(n) x + ln(n)
P(Zn x) = P(Mn x + ln(n)) = Fn =F
Or, il existe n0 N tel que x + ln(n) 0 pour tout n n0 (daprs la dfinition de la limite
infinie). Ainsi :
x+ln(n) n
n
= 1 exln(n) = en ln(1e
xln(n)
n n0 , P(Zn x) = 1 e )
n ln 1 exln(n) nexln(n) = ex
n+
x
lim P(Zn x) = ee
n+
ex
La fonction G : x 7 e est clairement de classe C 1 sur R, de drive strictement positive sur
R ce qui prouve que G est croissante sur R. Enfin, G admet 0 pour limite en , admet 1 pour
limite en +. Conclusion : Zn Z avec FZ = G .
L
(c) Soit x R. On a :
1 1
P(Tn x) = P(Mn 1 + n x) = F (1 + n x)n
1
Si x 0 alors 1 + n x 1 pour tout entier n donc P(Tn x) = 1 pour tout n N .
Si x < 0 alors :
1 1
1 + n x [0, 1] x [n , 0]
1
appartenance vrifie pour tout entier n assez grand puisque n . Ainsi, pour tout
n+
n assez grand, on a :
n n
(x)
1
P(Tn x) = 1 n x = 1 e(x)
n n+
(
e(x) si x < 0
La fonction H : x 7 est continue sur R, de classe C 1 sur ] , 0[ et
1 si x 0
sur ]0, +[, croissante sur R, de limite 0 (resp. 1) en (resp. +) donc une fonction de
rpartition. Conclusion : Tn T avec FT = H .
L
Conclusion : Xn 0 .
P
ii. La suite de variables alatoires de terme gnral Yn = |Xn X| est valeurs positives et ad-
met une esprance (car convergence absolue). Si on suppose que E(|Xn X|) 0 alors
n+
on se retrouve nouveau dans la situation prcdente et donc Xn X 0. Compte tenu
P
de la stabilit de la convergence en probabilit avec les oprations sur les variables ala-
toires, on en dduit que Xn X. Conclusion : E(|Xn X|) 0 Xn X .
P n+ P
Remarque : Avec lingalit de Markov, on obtient encore plus simplement le rsultat.
iii. Exemple 3 du premier paragraphe du chapitre.
(b) i. On utilise nouveau une ingalit de Markov :
E(|Xn X|2 )
> 0, P(|Xn X|2 > ) 0
2 n+
2. (a) Soit n N . La fonction fn est continue sur R sauf en 0 (elle est continue en n) et est positive
sur R. De plus, on a :
Z + Z n n
x n n x n+1 n
fn (x)dx = an 1 dx = an 1 = an
0 n n+1 n 0 n+1
n+1 1
Conclusion : fn est une densit si et seulement si an = =1+ .
n n
k
(b) i. Soit n 1 et k 1. La fonction x 7 x fn (x) est positive sur R donc la convergence abso-
lue de lintgrale qui suit est quivalente sa convergence. Sous rserves de convergence,
on a : Z + Z n
k n+1 x n
x fn (x)dx = xk 1 dx
0 n n
Cette dernire intgrale ntant pas impropre, Xn admet un moment dordre k .
Pour calculer la valeur du moment dordre k (non demande ici mais demande dans le
sujet originel), une petite rcurrence base sur intgration par parties simpose.
ii. Il est clair que Fn (x) = 0 pour tout x 0 et Fn (x) = 1 pour tout x n. Soit donc
x ]0, n[. On a :
Z x n " n+1 #x
n+1 t t x n+1
Fn (x) = P(Xn x) = 1 dt = 1 = 1 1
0 n n n n
0
342 CHAPITRE 20. SOLUTIONS DES EXERCICES
0
n+1
si x < 0
Conclusion : Fn (x) = 1 1 nx si x [0, n] .
1 si x > n
(c) Soit x R. Si x < 0 alors Fn (x) = 0 0. Si x 0 alors, pour tout entier n > x, on a :
n+
x n+1 x
Fn (x) = 1 1 = 1 e(n+1) ln(1 n )
n
Or (n + 1) ln 1 nx n nx = x donc (n + 1) ln 1 nx x ce qui prouve que :
n+ n+
lim Fn (x) = 1 ex
n+
(
0 si x < 0
Soit X , E(1). Alors FX : x 7 . Conclusion : Xn X avec X , E(1) .
1 ex si x 0 L
20.17.2 TD*
1. s
Soit t [0, 1]. On crit lingalit de Taylor-Lagrange lordre 1 sur [x0 , x0 + h] pour la
fonction x 7 f (x, t) :
h2
2
f
f (x0 + h, t) f (x0 , t) h (x0 , t)
f
h2 M
max
2
(x, t)
x 2 [x0 ,x0 +h] x
2
Comme cette ingalit est vrai pour tous les rels t [0, 1], on en dduit que :
Z 1 Z 1
F (x0 + h) F (x0 ) h f 2M
dt = h2 M
(x0 , t)dt
h
0 x 2 2
0
20.17. FONCTIONS DE N VARIABLES DE CLASSE C 2 343
1
Z
f M
Conclusion : h [1, 1], F (x0 + h) F (x0 ) h (x0 , t)dt h2 .
0 x 2
iii. Pour tout rel h [1, 1] {0}, on a alors :
Z 1
h2 M
1 f M
F (x0 + h) F (x0 ) h (x 0 , t)dt = |h| 0
h
0 x 2|h| 2 h0
R1
donc F (x0 +h)F (x0 )
f
(x0 , t)dt
0. On en dduit que F est drivable en x0 et que
h 0 x h0
Z 1
0
R 1 f 0 f
F (x0 ) = 0 x (x0 , t)dt. Conclusion : F est drivable sur R et F : x 7 (x, t)dt .
0 x
x
Conclusion : (x, n) R N, In0 (x) = In+1 (x) .
2(n + 1)
iii. Soit P(k) la proposition : n N, In C k (R, R).
On sait que P(0) est vraie puisque In est drivable sur R (pour chaque entier naturel n).
Soit k N et supposons que P(k) est vraie. Soit n N. On sait que In+1 est de classe
x
C k sur R et quil en va de mme pour x 7 2(n+1) . Alors In0 est de classe C k sur R ce qui
prouve que In est de de classe C k+1 sur R. Ainsi P(k + 1) est vraie.
On en dduit que, pour tout entier naturel n, la fonction In est de classe C k sur R pour
tout entier naturel k.
Conclusion : n N, In C (R, R) .
iv. Soit n N. Les fonctions t 7 t et t 7 (1 t2 )n+1 sont de classe C 1 sur R donc :
Z 1 1
Z 1
2 n+1
t(n + 1)(2t)(1 t2 )n dt
dt = t(1 t2 )n+1 0
In+1 (0) = 1(1 t )
0 0
Z 1 Z 1
2 2 n
= 0 + 2(n + 1) t (1 t ) dt = 2(n + 1) [(1 t2 ) 1](1 t2 )n dt
0 0
= 2(n + 1)[In+1 (0) In (0)]
2n + 3
Conclusion : n N, In+1 (0) = In (0) .
2n + 2
Soit P(n) la proposition : In (0) = 2(2n+1)!
2n (n!)2 .
R1
Il est clair que I0 (0) = 0 dt = 1 donc P(0) est vraie.
344 CHAPITRE 20. SOLUTIONS DES EXERCICES
(2n + 1)!
Conclusion : n N, In (0) = .
22n (n!)2
v. Soit n N. Calculons In (0) par une mthode directe :
Z 1 "Xn
# n Z 1
n nk 2 k
X n k 2k
In (0) = 1 (t ) dt = (1) t dt
0 k=0
k k=0
k 0
n 2k+1 1 ! X n
(1)k
X n! k t n!
= (1) =
k=0
k!(n k)! 2k + 1 0 k=0
k!(n k)! 2k + 1
n
X (1)k (2n + 1)!
Conclusion : = 2n .
k=0
(2k + 1)k!(n k)! 2 (n!)3
2. (a) La matrice M est symtrique relle donc elle est diagonalisable valeurs propres relles .
x1
Supposons que M admet une valeur propre strictement ngative . Soit X = x2
x3
M3,1 (R) un vecteur propre de M associ . Alors :
0 V(x1 X1 + x2 X2 + x3 X3 ) = = tXM X = tX(X) = kXk2 < 0
vecteurs propres obtenue. Comme les sous espaces propres sont orthogonaux, il suffit dor-
thonormaliser chacune des bases des deux sous espaces propres. Pour tout rel a, on a :
* 1 1 1 +
1
a 1 + 0 , 1 = 0 2a + 1 = 0 a =
2
0 1 0
Comme on a :
1
1 1 1
1/2
r
1
1 + 0
=
1/2
= 3
1
= 3
0
= 2
2
2
1
1
0 1
1
1 1 1
1 1 1
Ainsi : 1 , 1 , 1 est une b.o.n. de vecteurs propres de M .
3 1 2 0 6 2
ii. Si ces variables alatoires taient mutuellement indpendantes alors elles seraient deux
deux non corrles. Mais comme Cov(X1 , X2 ) = E(X1 X2 ) = 1 6= 0 alors X1 et X2 ne
peuvent tre indpendantes. Conclusion : (X1 , X2 , X3 ) ne sont pas mutuellement indpendantes .
(c) Pour tout triplet (x1 , x2 , x3 ) R3 , on a :
3
X X 3
X
F (x1 , x2 , x3 ) = E(Xi2 )x2i +2 E(Xi Xj )xi xj 2 E(Xi Y )xi + E(Y 2 )
i=1 1i<j3 i=1
Ainsi, F est polynomiale donc de classe C 2 sur R3 . Recherchons ses points critiques. Pour tout
triplet (x1 , x2 , x3 ) R3 , on a :
3
F X
i J1, 3K, (x1 , x2 , x3 ) = 2 E(Xi Xj )xj 2E(Xi Y )
xi j=1
3
X
F (x1 , x2 , x3 ) = ~0 i J1, 3K, E(Xi Xj )xj = E(Xi Y )
j=1
x1 E(Y X1 )
M x2 = E(Y X2 )
x3 E(Y X3 )
Les points critiques (a, b, c) de F sont donc les seuls points de R3 vrifier la relation propose.
Dterminons les drives partielles dordre 2 de F . Pour tout triplet (x1 , x2 , x3 ) R3 , pour tout
i J1, 3K et tout j J1, 3K {i} on a :
2F 2F
(x1 , x2 , x3 ) = 2E(Xi2 ) (x1 , x2 , x3 ) = 2E(Xi Xj )
x2i xi xj
2 F (x1 , x2 , x3 ) = 2M
Soit (a, b, c) un point critique de F . Comme la fonction F est polynomiale de degr 2, alors le
dveloppement limit lordre 2 de F au voisinage de A = (a, b, c) ne comporte pas de terme
en kHk2 (H), cest dire que :
1t
H R3 , F (A + H) = F (A) + hF (A), Hi + H(2M )H = F (A) + tHM H
2
346 CHAPITRE 20. SOLUTIONS DES EXERCICES
Comme les valeurs propres de M sont positives alors tHM H 0 pour tout H R3 ce qui
prouve que :
H R3 , F (A + H) F (A) 0
On en dduit que tous les points critiques correspondent des minimums locaux de F .
a E(Y X1 )
Conclusion : F admet un minimum en (a, b, c) si et seulement si M b = E(Y X2 ) .
c E(Y X3 )
(d) i. Comme la somme des lignes de M est nulle alors le systme propos ne pourra admettre
de solutions si + + 6= 0. Rciproquement, si + + = 0 alors le systme est
quivalent aux deux seules premires quations donc il admettra une infinit de solutions
(les deux quations de plans formes par ce systme correspondent deux plans scants
puisque les deux premires lignes de M sont libres).
Conclusion : Le systme admet des solutions si et seulement si + + = 0 .
ii. On suppose donc que + + = 0. Alors :
x1
x1 = 31 (2 + ) + x3
2x 1 x 2 x 3 =
M x2 =
x1 + 2x2 x3 = x2 = 31 ( + 2) + x3
x3
1 2 + 1
Conclusion : S = + 2 + 1 R .
3
0 1
3. (a) Lensemble P est ferm comme image rciproque de {1} par lapplication (x, y, z) 7 x + y + z
qui est continue sur [0, +[3 . De plus :
P [0, 1]3 Bf (O, 3)
donc P est born. Comme f est continue sur R3 en tant que fonction polynme, on en conclut
que f admet un minimum et un maximum absolus sur P .
(b) Notons H lensemble des solutions dans R3 de x + y + z = 0. Alors, on a :
1
H = Vect 1
1
puisque x, y, z sont positifs et de somme gale 1. De plus, (1, 0, 0), (0, 1, 0) et (0, 0, 1) sont l-
ments de P et lun dentre eux a pour image max{a, b, c} par f . Conclusion : max f = max{a, b, c} .
P
donc S se prolonge par continuit au point (0, a) en posant S(0, a) = 0. De mme, S se prolonge
par continuit au point (a, 0) en posant S(a, 0) = 0. Enfin, pour tout couple R, L) , on a :
L
0 S(R, L) = R R k(R, L)k 0
R+L (R,L)(0,0)
Cette fonction est bien sr positive sur T et sannule en (0, T ) et en (T, 0) donc min S = 0 .
T
1
La fonction S est de classe C sur et on a :
2
S (s2 s)W L + L2 S
sW
(W, L) = et (W, L) =
W (sW + L)2 L sW + L
348 CHAPITRE 20. SOLUTIONS DES EXERCICES
Il ny a donc pas de point critique sur lintrieur de T (qui est ouvert). Les extrema de S sur T
ne peuvent tre atteints que sur le bord de T . Notons A (resp. B) le point de coordonnes (T, 0)
(resp. (0, T )). Daprs la question prcdente, S est nulle sur les cts [OA] et [OB], 0 tant
clairement le minimum de S (fonction positive). Sur le segment [AB] dfini par W + L = T ,
on a :
sW (T W ) sW (T W )
f (W ) = S (W, T W ) = =
sW + T W (s 1)W + T
La fonction f est drivable sur [0, T ] et on a :
T
W 0
1+
ps T
f (W )
0
+ 0
sT
(1 +
ps)2
f (W )
0 0
sT
Conclusion : max S = 2 .
T (1 + s)
Index
349
350 INDEX