Vous êtes sur la page 1sur 350

Mathmatiques en ECS2

Alain GUICHET

5 mars 2007
2

propos du droulement de lanne scolaire :


1. Lusage des calculatrices est toujours interdit lors des preuves des concours.
2. La cl USB est toujours indispensable.
3. Lachats de livres de cours et/ou de problme nest toujours pas obligatoire. Pour des problmes de
concours, voir le site de lassociation des professeurs de classe prparatoire conomique et commer-
ciale http://www.int-evry.fr/aphec/concours/sujets/index.php.
4. La mention * : Deux niveaux dexercices et de devoirs sont proposs dans ce document selon quils
portent ou non la mention *. Cette mention ne concerne quun certain groupe dlves dont la com-
position peut voluer dans lanne afin de prparer au mieux les coles parisiennes .
Les DL sont obligatoires pour tous. Les DL* ne sont obligatoires que pour les lves du groupe *.
5. Les questions de cours en colle (lves et colleurs) : Les thormes et autres propositions dont les
dmonstrations sont au programme de colle sont libells par (QC) ou bien par (QC*). Les questions
(QC*) peuvent tre proposes aux lves du groupe * mais pas aux autres lves.
En colle, il doit toujours y avoir en question de cours une dfinition et une (QC) ainsi quun exercice
dapplication directe du cours (un exercice du document par exemple) puis un exercice de reflexion
(surtout pour le groupe *).
Table des matires

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

2 Variables alatoires relles discrtes finies 25


2.1 Rappels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2.1.1 Espace probabilis fini . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2.1.2 Conditionnement et indpendance . . . . . . . . . . . . . . . . . . . . . . . 25
2.1.3 Variables alatoires finies . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
2.1.4 Lois discrtes usuelles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
2.2 Complment : esprance conditionnelle . . . . . . . . . . . . . . . . . . . . . . . . 29
2.3 Rappels (suite) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
2.3.1 Couples de variables alatoires finies . . . . . . . . . . . . . . . . . . . . . 29
2.3.2 Vecteurs alatoires finis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
2.4 Complment : esprance conditionnelle (suite) . . . . . . . . . . . . . . . . . . . . . 31
2.5 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
2.5.1 Pour les TD . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
2.5.2 Pour les DL . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
2.5.3 Autres exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36

3 Espaces vectoriels, applications linaires et matrices 39


3.1 Espaces et sous espaces vectoriels . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
3.1.1 Rappels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
3.1.2 Somme et somme directe de plusieurs sous espaces . . . . . . . . . . . . . . 40
3.2 Applications linaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
3.2.1 Rappels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
3.2.2 Sous espace stable par une application linaire . . . . . . . . . . . . . . . . 43
3.2.3 Polynmes annulateurs dune application linaire . . . . . . . . . . . . . . . 44
3.3 Matrices dune application linaire . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
3.3.1 Rappels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45

3
4 TABLE DES MATIRES

3.3.2 Cas de la somme directe . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46


3.3.3 Polynmes annulateurs dune matrice . . . . . . . . . . . . . . . . . . . . . 47
3.4 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
3.4.1 Pour les TD . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
3.4.2 Pour les DL . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
3.4.3 Autres exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51

4 tude des fonctions numriques 53


4.1 Limites, continuit en un point . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
4.2 Continuit sur un intervalle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
4.3 Drivabilit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
4.4 Fonctions convexes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
4.5 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
4.5.1 Pour les TD . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
4.5.2 Pour les DL . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
4.5.3 Autres exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58

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

6 Variables alatoires discrtes infinies 71


6.1 Espaces probabiliss infinis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
6.1.1 Gnralits . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
6.1.2 Conditionnement et indpendance . . . . . . . . . . . . . . . . . . . . . . . 72
6.2 Variables alatoires relles discrtes . . . . . . . . . . . . . . . . . . . . . . . . . . 72
6.2.1 Gnralits . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
6.2.2 Lois de probabilits . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
6.2.3 Fonctions de transfert . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
6.2.4 Fonction de rpartition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
6.3 Esprance dune variable alatoire . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
6.3.1 Gnralit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
6.3.2 Esprance conditionnelle . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
6.3.3 Thorme de transfert et applications . . . . . . . . . . . . . . . . . . . . . 78
6.3.4 Ingalits de Markov . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
6.4 Variance et covariance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
6.4.1 Variance, cart type et autre moments . . . . . . . . . . . . . . . . . . . . . 80
6.4.2 Covariance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
6.5 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
6.5.1 Pour les TD . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
6.5.2 Pour les DL . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
6.5.3 Autres exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
TABLE DES MATIRES 5

7 Rduction des endomorphismes et des matrices carres 89


7.1 Matrices et application linaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
7.1.1 Rappels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
7.1.2 Cas de la somme directe . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
7.1.3 Matrices semblables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
7.2 lments propres dun endomorphisme . . . . . . . . . . . . . . . . . . . . . . . . 91
7.2.1 Gnralits . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
7.2.2 Lien avec les polynmes annulateurs . . . . . . . . . . . . . . . . . . . . . . 92
7.2.3 propos des sous espaces propres . . . . . . . . . . . . . . . . . . . . . . . 93
7.3 Endomorphismes diagonalisables . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
7.4 Matrices carres diagonalisables . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
7.4.1 lments propres dune matrice . . . . . . . . . . . . . . . . . . . . . . . . 94
7.4.2 Lien entre matrice et application linaire . . . . . . . . . . . . . . . . . . . . 95
7.4.3 Mthode pratique de recherche des lments propres . . . . . . . . . . . . . 95
7.5 Rduction des endomorphismes et des matrices carres . . . . . . . . . . . . . . . . 96
7.5.1 Thorme fondamental de la rduction . . . . . . . . . . . . . . . . . . . . . 96
7.5.2 Application : puissances successives dune matrice diagonalisable . . . . . . 96
7.6 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96
7.6.1 Pour les TD . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96
7.6.2 Pour les DL . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
7.6.3 Autres exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101

8 Intgrales sur un segment 103


8.1 Rappels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
8.1.1 Intgrales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
8.1.2 Proprits de lintgrale . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
8.1.3 Primitives . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104
8.1.4 Formules de Taylor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104
8.2 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104
8.2.1 Pour les TD . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104
8.2.2 Pour les DL . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
8.2.3 Autres exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109

9 Intgrales sur un intervalle quelconque 111


9.1 Intgrales gnralises ou intgrales impropres . . . . . . . . . . . . . . . . . . . . 111
9.2 Proprits . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112
9.2.1 Lien avec les primitives . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112
9.2.2 Lien avec les suites de limite la borne impropre . . . . . . . . . . . . . . . . 113
9.2.3 Lien avec les sries . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
9.2.4 Chasles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114
9.2.5 Linarit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115
9.2.6 Positivit et ingalits . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115
9.2.7 Intgration par parties . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116
9.2.8 Changement de variables . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116
9.2.9 Fonction dont la variable est une borne dune intgrale impropre . . . . . . . 117
9.3 Cas des fonctions positives . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117
6 TABLE DES MATIRES

9.3.1 Intgrales de Riemann . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117


Rb
9.3.2 CNS de convergence de lintgrale a f (t)dt . . . . . . . . . . . . . . . . . 118
9.3.3 Rgles de comparaison . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 118
9.3.4 Fonction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 119
9.4 Cas des fonctions de signe variable . . . . . . . . . . . . . . . . . . . . . . . . . . . 120
9.5 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121
9.5.1 Pour les TD . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121
9.5.2 Pour les DL . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 124
9.5.3 Autres exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 126

10 Variables alatoires densit 129


10.1 Rappels sur les variables alatoires quelconques . . . . . . . . . . . . . . . . . . . . 129
10.2 Gnralits sur les variables densit . . . . . . . . . . . . . . . . . . . . . . . . . 129
10.2.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129
10.2.2 Dfinition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 130
10.2.3 Proprits . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 130
10.2.4 Densit par transfert . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 131
10.2.5 Somme de deux variables alatoires densit indpendantes . . . . . . . . . 133
10.3 Moments dune variable alatoire densit . . . . . . . . . . . . . . . . . . . . . . 134
10.3.1 Moment dordre k . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 134
10.3.2 Esprance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 134
10.3.3 Moment dordre 2 et variance . . . . . . . . . . . . . . . . . . . . . . . . . 136
10.3.4 Ingalits usuelles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 137
10.4 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 137
10.4.1 Pour les TD . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 137
10.4.2 Pour les DL . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 139
10.4.3 Autres exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 140

11 Espaces euclidiens 141


11.1 Produit scalaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 141
11.1.1 Produit scalaire et norme associe . . . . . . . . . . . . . . . . . . . . . . . 141
11.1.2 Orthogonalit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 143
11.1.3 Familles orthogonales et familles orthonormales . . . . . . . . . . . . . . . 144
11.2 Espaces euclidiens . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 145
11.2.1 Bases orthonormales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 146
11.2.2 Produits scalaires et matrices . . . . . . . . . . . . . . . . . . . . . . . . . . 146
11.3 Projections orthogonales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 147
11.3.1 Supplmentaire orthogonal . . . . . . . . . . . . . . . . . . . . . . . . . . . 147
11.3.2 Projecteurs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 148
11.3.3 Application : un problme des moindres carrs . . . . . . . . . . . . . . . . 149
11.4 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 150
11.4.1 Pour les TD . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 150
11.4.2 Pour les DL . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 151
11.4.3 Autres exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 152
TABLE DES MATIRES 7

12 Continuit des fonctions de n variables 155


12.1 lments de topologie de lensemble Rn . . . . . . . . . . . . . . . . . . . . . . . . 155
12.1.1 quation paramtrique dune droite, dun segment . . . . . . . . . . . . . . 155
12.1.2 Boules . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 156
12.1.3 Ensembles ouverts . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 156
12.1.4 Ensembles ferms . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 157
12.1.5 Ensembles borns . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 157
12.1.6 Ensembles convexes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 158
12.2 Fonctions dfinies sur Rn . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 158
12.3 Continuit des fonctions de n variables . . . . . . . . . . . . . . . . . . . . . . . . 159
12.3.1 Limite et continuit en un point . . . . . . . . . . . . . . . . . . . . . . . . 159
12.3.2 Continuit sur un ouvert . . . . . . . . . . . . . . . . . . . . . . . . . . . . 161
12.3.3 Cas de fonctions particulires . . . . . . . . . . . . . . . . . . . . . . . . . 161
12.3.4 Autres thormes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 162
12.4 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 162
12.4.1 Pour les TD . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 162
12.4.2 Pour les DL . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 163
12.4.3 Autres exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 165

13 Variables alatoires densit usuelles 167


13.1 Loi uniforme sur un intervalle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 167
13.1.1 Loi uniforme sur [0, 1] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 167
13.1.2 Loi uniforme sur [a, b] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 168
13.2 Loi exponentielle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 170
13.2.1 Loi E(1) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 170
13.2.2 Loi E() . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 171
13.2.3 Loi sans mmoire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 172
13.3 Les diffrentes lois gamma . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 173
13.3.1 Loi gamma . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 173
13.3.2 Loi Gamma . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 175
13.4 Les diffrentes lois normales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 177
13.4.1 Loi normale centre rduite . . . . . . . . . . . . . . . . . . . . . . . . . . 177
13.4.2 Loi normale gnrale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 178
13.5 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 180
13.5.1 Pour les TD . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 180
13.5.2 Pour les DL . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 181
13.5.3 Autres exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 182

14 Endomorphismes symtriques 185


14.1 Gnralits . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 185
14.1.1 Dfinition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 185
14.1.2 Lien avec les matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 186
14.2 Rduction des endomorphismes symtriques . . . . . . . . . . . . . . . . . . . . . . 187
14.2.1 Cas des endomorphismes symtriques . . . . . . . . . . . . . . . . . . . . . 187
14.2.2 Cas des matrices symtriques . . . . . . . . . . . . . . . . . . . . . . . . . 188
14.3 Formes quadratiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 188
8 TABLE DES MATIRES

14.3.1 Forme quadratique associe un endomorphisme symtrique . . . . . . . . . 188


14.3.2 Rduction des formes quadratiques . . . . . . . . . . . . . . . . . . . . . . 189
14.4 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 191
14.4.1 Pour les TD . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 191
14.4.2 Pour les DL . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 193
14.4.3 Autres exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 195

15 Fonctions de n variables de classe C 1 197


15.1 Drives partielles dordre 1 et gradient en un point . . . . . . . . . . . . . . . . . . 197
15.2 Dveloppement limit lordre 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 199
15.3 Fonctions de classe C 1 sur un ouvert de Rn . . . . . . . . . . . . . . . . . . . . . . 200
15.3.1 Fonctions drives partielles . . . . . . . . . . . . . . . . . . . . . . . . . . 200
15.3.2 Fonctions de classe C 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 201
15.3.3 Drives directionnelles . . . . . . . . . . . . . . . . . . . . . . . . . . . . 202
15.3.4 Accroissements finis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 204
15.4 Extrema dune fonction de n variables . . . . . . . . . . . . . . . . . . . . . . . . . 204
15.4.1 Notions dextrema . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 204
15.4.2 Condition ncessaire dexistence dun extremum sur un ouvert . . . . . . . . 205
15.5 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 206
15.5.1 Pour les TD . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 206
15.5.2 Pour les DL . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 207
15.5.3 Autres exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 208

16 Convergences des suites de variables alatoires 209


16.1 Convergence en probabilit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 209
16.1.1 Gnralits . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 209
16.1.2 Proprits opratoires de la convergence en probabilit . . . . . . . . . . . . 210
16.1.3 Loi faible des grands nombres . . . . . . . . . . . . . . . . . . . . . . . . . 211
16.2 Convergence en loi et approximations de certaines lois usuelles . . . . . . . . . . . . 212
16.2.1 Gnralits . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 212
16.2.2 Cas des variables discrtes valeurs dans N et premires approximations . . 214
16.2.3 Thorme de la limite centre et nouvelles approximations . . . . . . . . . . 216
16.3 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 218
16.3.1 Pour les TD . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 218
16.3.2 Pour les DL . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 220
16.3.3 Autres exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 221
16.4 Solutions des exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 222

17 Fonctions de n variables de classe C 2 223


17.1 Fonctions drives partielles dordre 2 . . . . . . . . . . . . . . . . . . . . . . . . . 223
17.1.1 Drives partielles dordre 2 . . . . . . . . . . . . . . . . . . . . . . . . . . 223
17.1.2 Oprations sur les fonctions de classes C 2 . . . . . . . . . . . . . . . . . . . 224
17.2 Utilisations de la forme quadratique associe la hessienne . . . . . . . . . . . . . . 224
17.2.1 Matrice hessienne en un point et thorme de Schwarz . . . . . . . . . . . . 224
17.2.2 Dveloppement limit lordre 2 . . . . . . . . . . . . . . . . . . . . . . . 225
17.2.3 Drive seconde directionnelle . . . . . . . . . . . . . . . . . . . . . . . . . 226
17.2.4 galit de Taylor-Lagrange lordre 1 . . . . . . . . . . . . . . . . . . . . . 226
TABLE DES MATIRES 9

17.3 Recherches dextrema . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 227


17.3.1 Condition suffisante dexistence dextrema locaux . . . . . . . . . . . . . . 227
17.3.2 Positions relatives du graphe et de lhyperplan tangent . . . . . . . . . . . . 228
17.3.3 Recherche dextrema sous contraintes linaires . . . . . . . . . . . . . . . . 228
17.4 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 229
17.4.1 Pour les TD . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 229
17.4.2 Pour les DL . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 230
17.4.3 Autres exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 232

18 Statistiques descriptives 233


18.1 Statistiques une variable . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 233
18.1.1 Vocabulaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 233
18.1.2 tude dune srie statistique . . . . . . . . . . . . . . . . . . . . . . . . . . 234
18.2 Statistiques deux variables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 236
18.2.1 Exemple . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 236
18.2.2 Vocabulaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 237
18.2.3 Ajustement affine . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 237
18.3 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 238
18.3.1 Pour les TD . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 238
18.3.2 Pour les DL . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 239
18.3.3 Autres exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 239

19 Statistique infrentielle : estimation 241


19.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 241
19.1.1 Premier exemple . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 241
19.1.2 Second exemple . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 245
19.2 Position du problme de lestimation . . . . . . . . . . . . . . . . . . . . . . . . . . 246
19.3 Estimation ponctuelle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 247
19.3.1 Estimateur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 247
19.3.2 Biais dun estimateur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 248
19.3.3 Risque quadratique et convergence dun estimateur . . . . . . . . . . . . . . 248
19.3.4 Critres de convergence dun estimateur . . . . . . . . . . . . . . . . . . . . 249
19.4 Estimation par intervalle de confiance . . . . . . . . . . . . . . . . . . . . . . . . . 249
19.4.1 Gnralits . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 250
19.4.2 Construction dun intervalle de confiance . . . . . . . . . . . . . . . . . . . 250
19.5 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 250
19.5.1 Pour les TD . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 250
19.5.2 Pour les DL . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 252
19.5.3 Autres exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 253

20 Solutions des exercices 255


20.1 Suites relles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 255
20.1.1 TD . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 255
20.1.2 TD* . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 255
20.1.3 DL (voir lnonc la page 19) . . . . . . . . . . . . . . . . . . . . . . . . 255
20.1.4 DL* (voir lnonc la page 20) . . . . . . . . . . . . . . . . . . . . . . . . 258
20.2 Variables alatoires relles discrtes finies . . . . . . . . . . . . . . . . . . . . . . . 260
10 TABLE DES MATIRES

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

20.11.2 TD* . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 312


20.11.3 DL (voir lnonc la page 151) . . . . . . . . . . . . . . . . . . . . . . . . 312
20.11.4 DL* (voir lnonc la page 152) . . . . . . . . . . . . . . . . . . . . . . . 315
20.12Continuit des fonctions de n variables . . . . . . . . . . . . . . . . . . . . . . . . 318
20.12.1 TD . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 318
20.12.2 TD* . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 318
20.12.3 DL (voir lnonc la page 163) . . . . . . . . . . . . . . . . . . . . . . . . 318
20.12.4 DL* (voir lnonc la page 165) . . . . . . . . . . . . . . . . . . . . . . . 321
20.13Variables alatoires densits usuelles . . . . . . . . . . . . . . . . . . . . . . . . . 322
20.13.1 TD . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 322
20.13.2 TD* . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 322
20.13.3 DL (voir nonc la page 181) . . . . . . . . . . . . . . . . . . . . . . . . . 322
20.13.4 DL* (voir lnonc la page 182) . . . . . . . . . . . . . . . . . . . . . . . 325
20.14Endomorphismes symtriques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 327
20.14.1 TD . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 327
20.14.2 TD* . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 327
20.14.3 DL (voir lnonc la page 193) . . . . . . . . . . . . . . . . . . . . . . . . 327
20.14.4 DL* (voir lnonc la page 194) . . . . . . . . . . . . . . . . . . . . . . . 332
20.15Fonctions de n variables de classe C 1 . . . . . . . . . . . . . . . . . . . . . . . . . 333
20.15.1 TD . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 333
20.15.2 TD* . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 333
20.15.3 DL (voir lnonc la page 207) . . . . . . . . . . . . . . . . . . . . . . . . 334
20.15.4 DL* (voir lnonc la page 207) . . . . . . . . . . . . . . . . . . . . . . . 337
20.16Convergences des suites de variables alatoires . . . . . . . . . . . . . . . . . . . . 338
20.16.1 TD . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 338
20.16.2 TD* . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 338
20.16.3 DL (voir lnonc la page 220) . . . . . . . . . . . . . . . . . . . . . . . . 338
20.16.4 DL* (voir lnonc la page 221) . . . . . . . . . . . . . . . . . . . . . . . 341
20.17Fonctions de n variables de classe C 2 . . . . . . . . . . . . . . . . . . . . . . . . . . 342
20.17.1 TD . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 342
20.17.2 TD* . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 342
20.17.3 DL (voir lnonc la page 230) . . . . . . . . . . . . . . . . . . . . . . . . 342
20.17.4 DL* (voir lnonc la page 231) . . . . . . . . . . . . . . . . . . . . . . . 347
12 TABLE DES MATIRES
Chapitre 1

Suites relles

Il est vivement conseill de rviser les chapitres 1, 2, 3, 4, 5, 7, 8, 27 (techniques opratoires et dve-


loppements usuels) et accessoirement 19 du cours de premire anne.

1.1 Notions sur les suites


Suite, suite extraite, oprations sur les suites (en particulier notion de sous espace vectoriel).
Suites minores, majores, bornes.
Suites (strictement) croissantes, (strictement) dcroissantes.
Suites arithmtiques, gomtriques, arithmtico-gomtriques, rcurrentes linaires dordre 2.

Thorme des 4 sommes (QC)


Pour tout entier naturel n non nul et pour tout rel q, on a :
n n n  2
X n(n + 1) X
2 n(n + 1)(2n + 1) X
3 n(n + 1)
k= k = k =
k=1
2 k=1
6 k=1
2

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

(a) Dterminer lexpression du terme gnral de cette suite en fonction du rel a.


(b) En dduire la nature (et la limite ventuelle) de la suite (un ) en fonction du rel a.
2. Soit a un rel. On dfinit la suite (un )nN par :

u0 = 0 u1 = a et n N, un+2 = 2un+1 a2 un

(a) Dterminer lexpression du terme gnral de cette suite en fonction du rel a.


(b) En dduire, lorsque cela est possible , la nature (et la limite ventuelle) de la suite (un ) en
fonction du rel a.

13
14 CHAPITRE 1. SUITES RELLES

1.2 Convergence et divergence


Limite finie, limite infinie, pas de limite.
Oprations sur les limites, limites et ingalit(s).
Limite comme point fixe dune fonction numrique.
Suites adjacentes : dfinition, convergence (admis).
Convergence (ou divergence) laide de suites extraites. Ces des suites extraites des rangs pairs et
impairs.

Thorme de lunicit de la limite (QC, dmonstration uniquement en cas de convergence)

Si une suite admet une limite alors celle-ci est unique.

Preuve (par labsurde)


`0 `
Soit (un )n0 une suite convergeant la fois vers ` et vers `0 > `. Posons = 3
> 0. Alors, la
convergence vers ` nous donne :

n1 N, / n n1 , |un `|

La convergence vers `0 nous donne ensuite :

n2 n1 / n n2 , |un `0 |

Ainsi, pour tout entier n n2 , on a :

`0 + 2` 2`0 + `
un ` + = < = `0 + un
3 3
ce qui est absurde.

Thorme (QC)

Toute suite convergente est borne.


Attention : la limite nest pas ncessairement le minorant ou le majorant de la suite dont on dispose.

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

Preuve (par labsurde)


Supposons lexistence dun couple (m, n) dentiers suprieurs p tels que un > vm . Posons alors
= un vm > 0. Pour tout entier k suprieur max{n, m}, on a donc :
uk v k un v m > 0
Comme la suite (uk vk )kp converge vers 0 alors, par passage la limite dans lingalit, on obtient :
0>0
ce qui est absurde.

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 .

1.3 Borne suprieure et borne infrieure dune partie de R


Thorme de lexistence de la borne suprieure et/ou infrieure dune partie de R (QC*)
Soit A une partie de non vide et majore (resp. minore) de R. Alors A admet un plus petit majorant
(resp. plus grand minorant) not sup(A) (resp. inf(A)).

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

Proprit de la borne suprieure (resp. infrieure)


Soit A une partie non vide et majore (resp. minore) de R. Alors, pour tout rel > 0, il existe un
lment x de A tel que :
|x sup(A)| (resp. |x inf(A)| )

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)|

1.4 Suites monotones


Thorme (QC*)
Soit (un )np une suite croissante (resp. dcroissante). Alors :
(un ) converge si et seulement si elle est majore (resp. minore),
(un ) diverge vers + (resp. ) si et seulement si elle nest pas majore (resp. minore).

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

ce qui assure la convergence de la suite vers `.


Si (un ) diverge vers + alors elle ne converge pas donc elle nest pas majore.
Supposons maintenant que (un ) nest pas majore. Soit M R. Alors :

n0 N / un0 M

Par croissance de la suite, on en dduit que :

n n0 , un un0 M

ce qui prouve que la suite diverge vers +.

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

1.5 Suites ngligeables, suites quivalentes, dveloppements limits


Dfinitions et proprits.
Ngligeabilit des suites de rfrence.
quivalents des suites usuelles des suites de rfrence.
Dveloppements limits lordre n au voisinage de +.

Exercice
Dterminer un couple (a, b) de rels tel que :
h i
lim 4n2 + n + 1 (an + b) = 0
n+

Prciser alors un quivalent de cette suite.

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+

iii. On pose : n N, an = xn n. Prouver que la suite (an ) converge vers 2 .


(b) i. Soit a un rel tel que 2 a ] 2 , 2 [. Exprimer tan 2 a en fonction de tan(a).



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

3. Soit a et b deux rels strictement positifs.


(a) Justifier lexistence et lunicit de la suite (un )nN dfinie par :

u0 = a u1 = b et n N, un+2 = un+1 un

3
(b) Dmontrer que cette suite converge vers ab2 .
4. Pour tout entier naturel n non nul, on pose :
n
! n
!
X 1 X 1
un = 2 n+1 et vn = 2 n
k=1
k k=1
k
18 CHAPITRE 1. SUITES RELLES

(a) Dmontrer que, pour tout n N , on a :

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.

(a) Thorme : moyenne de Cesaro.


Pour tout entier naturel n non nul, on pose :
n
u1 + + un 1X
vn = = uk
n n k=1

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 + ?

(b) tude de la rciproque.

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) Lemme de lescalier et application.

i. (lemme de lescalier) Soit ` R. En utilisant le thorme de Cesaro, dmontrer que :


un
lim (un+1 un ) = ` lim =`
n+ n+ n

ii. On suppose que : n N, un > 0. Dduire de la question ci-avant que :


un+1
lim =` lim n
un = `
n+ un n+
1.6. EXERCICES 19

iii. Dterminer les limites suivantes :


s 
2n 1p
lim n et lim n
n(n + 1)(n + 2) . . . (n + n)
n+ n n+ n

2. On dfinit les ensembles :


1 (1)n
   
1 1 1 2 2
A= + (m, n) (N ) et B = + (m, n) (N )
m n mn n m
(a) Montrer que A et B sont non vide et bornes. Consquence ?
(b) Dterminer les bornes infrieure et suprieure de A puis de B.

1.6.2 Pour les DL


DL 1 (voir le corrig la page 255)
1. Moyenne arithmtico-gomtrique.
Soit a et b deux rels positifs.
(a) Justifier lexistence des suites (an )nN et (bn )nN dfinies par :
an +bn
 
a0 = a an+1 =
et n N, 2
b0 = b bn+1 = an bn

(b) tude de ces deux suites.


i. Dmontrer que : n N , an bn .
ii. En dduire le sens de variation des suites (an )n1 et (bn )n1 .
iii. Dmontrer qualors ces deux suites convergent et ont la mme limite.
On notera `(a, b) cette limite et on ne cherchera pas lexprimer en fonction de a et b.
(c) Un peu de programmation.
crire un programme qui demande les valeurs de a et b (des rels positifs ou nuls) puis la
prcision (un rel strictement positif) puis qui calcule et affiche une valeur approche de `(a, b)
prs par dfaut ainsi que le rang n correspondant cette valeur approche.
(d) Quelques proprits de la limite.
i. Calculer `(a, b) dans les trois cas suivants : a = 0, b = 0, a = b.
ii. Comparer `(b, a) et `(a, b).
iii. Montrer que : R+ , `(a, b) = `(a, b).

iv. Montrer que : ab `(a, b) a+b 2
.
2. Thorme du point fixe.
Soit a et b deux rels tels a < b. Soit f : [a, b] [a, b] une fonction croissante sur [a, b]. On pose :
A = {x [a, b] |f (x) x }
(a) Justifier que A admet une borne suprieure que lon note .
(b) i. Justifier que a b.
ii. En dduire que f () puis que f () = .
3. Soit a et b deux rels strictement positifs.
(a) Soit n un entier naturel suprieur ou gal 2. Dmontrer que lquation xn = ax + b admet une
unique solution positive que lon note un .
(b) Montrer que la suite (un )n2 converge et dterminer sa limite `.
Indication : On distinguera les cas a + b 1 et a + b > 1.
(c) Dterminer un quivalent de un `.
20 CHAPITRE 1. SUITES RELLES

DL* 1 (voir le corrig la page 258)


1. Suite de lexercice sur la moyenne arithmtico-gomtrique.
Soit L lapplication dfinie sur [0, +[ par : L(x) = `(1, x).
(a) Sens de variation de L.
i. Soit (x, y) un couple de rels tels que 0 x < y. On note (an (x))n0 et (bn (x))n0
les suites arithmtico-gomtriques dfinies pour a = 1 et b = x ainsi que (an (y))n0 et
(bn (y))n0 les suites arithmtico-gomtriques dfinies pour a = 1 et b = y.
Dmontrer que, pour tout entier naturel n, on a :

an (x) an (y) et bn (x) bn (y)

ii. En dduire que la fonction L est croissante sur [0, +[.


(b) Quelques proprits de la fonction L.
Justifier que, pour tout rel x positif ou nul, on a :
 

 
L(x) 1 1+x 2 x 1+x
x 6= 0 =L L(x) = L x L(x)
x x 2 1+x 2

(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

admet une unique solution xn dans R+ .


(b) Dmontrer que la suite (xn ) est dcroissante et quelle converge vers 0.
ln(p)
(c) En dduire que : xn ln(n)
.
1.6. EXERCICES 21

1.6.3 Autres exercices


Colle
1. Soit (un )n0 la suite dfinie par :

1
u0 = 1 et n N, un+1 = un +
un

(a) tudier la monotonie et dterminer la limite ventuelle de la suite (un ).


(b) Dmontrer que : k N, 2 u2k+1 u2k 2 + uk+1 uk .
(c) En dduire que : n N, 2n + 1 u2n 2n + un .

(d) Dmontrer que : un 2n.

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

(b) Montrer que : n N, a2n 2b2n = (1)n .


j n k
(c) Calculer 1 + 2 en fonction de an pour tout entier naturel n.
3. Pour tout entier naturel n non nul, on pose :
n    
Y 1 1
un = 1+ 2 et v n = un 1+
k=1
k n

(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.

4. Soit A une partie non vide et borne de R. On pose :



B = |x y| (x, y) A2


Dmontrer que B est borne puis que sup(B) = sup(A) inf(A).


5. Soit A une partie non vide et majore de R et x un rel. Montrer que x = sup(A) si et seulement si x
est un majorant de A et il existe une suite (xn )nN dlments de A qui converge vers x.
6. Encadrer la suite dfinie par : n N , un = nk=1 n2 +k 1
P
2 . Que peut-on en dduire ?

7. Nature de la suite de terme gnral :


2n+1 n1

 
X 1 1X 1
n2 + n + 1 n n 2
cos
k=1
n +k n k=0 n+k

8. On donne la suite (un )nN par :



u0 = 2 et n N, un+1 = 2 un

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

10. Soit (un ) la suite dfinie par :



u0 = 1 et n N, un+1 = 1 + un

(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

Calculer un en fonction de n puis prciser la nature de cette suite.


14. (Mthode dHron). Soit a et u0 deux rels strictement positifs. On pose :
 
1 a
n N, un+1 = un +
2 un

On se propose de dmontrer que cette suite converge vers a.

(a) Montrer que :


2
(u2n a)
n N, u2n+1 a =
4u2n

(b) Montrer que un a pour tout entier n 1 puis que cette suite est dcroissante.

(c) En dduire que cette suite converge vers a.

En utilisant la relation u2n+1
(d) a = (un+1 a) (un+1 + a), donner une majoration de un+1
a en fonction de un a.

(e) Si u1 a k et n 1, montrer que :
2n1


k
un a2 a
2 a

En dduire un entier n tel que un soit une approximation de 10 108 prs dans le cas o
u0 = 3.

15. Nature et limite ventuelle de un = nk=1 n1 .


P
(k )
16. Soit (un ) et (vn ) deux suites valeurs dans [0, 1] et telles que un vn 1. Montrer que ces deux
n+
suites convergent vers 1.
1.6. EXERCICES 23

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

(a) i. Montrer que un < vn pour tout entier naturel n.


ii. En dduire que ces deux suites sont adjacentes.
(b) Soit 0, 2 tel que cos() = ab (remarquer que cela est possible).
 

i. Montrer que, pour tout entier naturel n, on a :


 b sin()
un = vn cos et vn =
2n sin 2n

2n

ii. En dduire la limite commune des ces deux suites.


(c) Un peu de programmation.
2. tude de un (p) = np 1
P
k=n+1 k .
P1
3. tude de k
ln(n)
24 CHAPITRE 1. SUITES RELLES
Chapitre 2

Variables alatoires relles discrtes finies

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.

Formule du crible Poincar (admise)


Soit (A1 , . . . , An ) une famille dvnements dun espace probabilis fini (, (), P).
Dans le cas gnral, on a :
n
" #
X X
P(A1 An ) = (1)k1 P (Ai1 Aik )
k=1 1i1 <<ik n

Dans le cas o les vnements sont deux deux incompatibles, la formule se simplifie en :
P(A1 An ) = P(A1 ) + + P(An )

2.1.2 Conditionnement et indpendance


Probabilit conditionne par un vnement A de probabilit non nulle : dfinition, espace probabilis
(, (), PA ).
Indpendance de deux vnements, indpendance mutuelle dune famille finie dvnements. Cas de
la substitution de certains vnements par leur vnement contraire.

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

Formule des probabilits composes (QC)


Soit (A1 , . . . , An ) une famille dvnements dun espace probabilis fini (, (), P).
Si P(A1 An1 ) 6= 0 alors :

P(A1 An ) = P(A1 ) PA1 (A2 ) PA1 An1 (An )

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 )

Preuve (par rcurrence)


Soit P(n) la proposition : pour toute famille (A1 , . . . , An ) dvnements tels que P(A1 An1 ) 6=
0, on a P(A1 An ) = P(A1 ) PA1 (A2 ) PA1 An1 (An ) . La dfinition de la probabilit
conditionnelle assure que P(2) est vraie. Soit n 2 et supposons que P(n) est vraie. Soit (A1 , . . . , An+1 )
une famille dvnements tels que P(A1 An ) 6= 0. Daprs P(2), on a :

P(A1 An+1 ) = P(A1 An ) PA1 An (An+1 )

Comme A1 An A1 An1 alors :

0 < P(A1 An ) P(A1 An1 )

On peut ainsi appliquer P(n) :

P(A1 An+1 ) = P(A1 ) PA1 (A2 ) PA1 An1 (An ) PA1 An (An+1 )

donc P(n + 1) est vraie.

Formule des probabilits totales (QC)


Soit (A1 , . . . , An ) un systme complet dvnements (tous de probabilit non nulle) dun espace proba-
bilis fini (, (), P). Pour tout vnement B, on a :
n
X n
X
P(B) = P(Ak B) = P(Ak )PAk (B)
k=1 k=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

Formule de Bayes (QC)


Soit (A1 , . . . , An ) un systme complet dvnements (tous de probabilit non nulle) dun espace proba-
bilis fini (, (), P). Alors, pour tout vnement B de probabilit non nulle et pour tout entier i J1, nK,
on a :
P(Ai )PAi (B) P(Ai )PAi (B)
PB (Ai ) = = Pn
P(B) k=1 P(Ak B)

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.

2.1.3 Variables alatoires finies


Dfinition, oprations sur les variables alatoires.
Remarquer que la variable alatoire qui prend lunique valeur a R est lapplication a11 .
Loi de probabilit, fonction de rpartition, existence dune variable alatoire.
On sautorisera crire P(X = x) la place de P([X = x]) pour dsigner la probabilit de lv-
nement [X = x]. Par contre, la probabilit de lvnement [X = x] [X = x0 ] scrira encore
P([X = x] [X = x0 ]) sinon il y a difficult dinterprtation des notations.
Remarquer aussi que si X() = {x1 , . . . , xn } o x1 < < xn , si pk = P(X = xk ) et si
qk = p1 + + pk alors :
FX = q1 11[x1 ,x2 [ + q2 11[x2 ,x3 [ + + qn1 11[xn1 ,xn [ + qn 11[xn ,+[
galit qui est la base dune technique utilise pour simuler informatiquement une variable alatoire
discrte pour laquelle on ne dispose pas de modle exprimental.
Esprance E, variance V, cart type .
Remarquer que : V(X) = 0 P (a R / X = a11 ) = 1 a R / X = a11 .
Fonctions de transfert, thorme de transfert, application lesprance et la variance.

Ingalit de Markov (QC*)


Soit X une variable discrte finie valeurs positives dans un espace probabilis fini (, (), P). Alors,
pour tout rel a > 0, on a :
E(X)
P(X a)
a

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

Ingalit de Markov gnralise (QC*)

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

Ingalit de Bienaym-Tchebychev (QC*)

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

Cest une consquence immdiate du cas particulier r = 2 de lingalit de Markov gnralise.

2.1.4 Lois discrtes usuelles


Loi uniforme, esprance et variance, condition dutilisation.
Loi de Bernoulli, esprance et variance, condition dutilisation.
Loi binomiale, esprance et variance, condition dutilisation.
Loi hypergomtrique, esprance et variance, condition dutilisation.

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

2.2 Complment : esprance conditionnelle


Dfinition
Soit X une variable alatoire dfinie sur un espace probabilis fini (, (), P). Soit A un vnement
de probabilit non nulle. On appelle esprance conditionnelle de X sachant ralis lvnement A le
rel, not EA (X) ou bien E(X|A), gal lesprance de X dans lespace probabilis (, (), PA ), cest
dire que : X
EA (X) = E(X|A) = xPA ([X = x])
xX()

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).

Formule de lesprance totale (QC)


Soit X une variable alatoire dfinie sur un espace probabilis fini (, (), P) et (A1 , . . . , An ) un
systme complet dvnements (tous de probabilit non nulle). Alors :
n
X n
X
E(X) = P(Ak )EAk (X) = P(Ak )E(X|Ak )
k=1 k=1

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).

2.3 Rappels (suite)


2.3.1 Couples de variables alatoires finies
Dfinition, loi de probabilit (ou loi conjointe) du couple, lois marginales, lois conditionnelles.
Indpendance de deux variables alatoires.
Covariance, non corrlation, matrice de variance-covariance.
Coefficient de corrlation.

Thorme : croissance de lesprance


Soit X et Y deux variables alatoires discrtes finies sur (, (), P). Alors :
P(X 0) = 1 E(X) 0 et donc P(X Y ) = 1 E(X) E(Y )
30 CHAPITRE 2. VARIABLES ALATOIRES RELLES DISCRTES FINIES

Preuve
La premire implication est vidente. La seconde dcoule de lgalit [X Y ] = [X Y 0] et de la
linarit de lesprance.

Somme de deux lois binomiales (QC)


Soit p un rel de ]0, 1[, m et n deux entiers strictement positifs et (X, Y ) un couple alatoire sur un
espace probabilis fini (, (), P). On suppose que X et Y sont indpendantes et telles que X , B(m, p)
et Y , B(n, p). Alors : X + Y , B(m + n, p).

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}

Ingalit de Cauchy-Schwarz (QC)


Soit (X, Y ) un couple alatoire discret fini sur un espace probabilis (, (), P). Alors :

Cov(X, Y )2 V(X)V(Y ) ou |Cov(X, Y )| (X)(Y )

Preuve
Pour tout rel t, on a :

0 V(X + tY ) = Cov(X + tY, X + tY ) = V(X) + 2tCov(X, Y ) + t2 V(Y )

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.

2.3.2 Vecteurs alatoires finis


Dfinition, loi de probabilit du vecteur, lois marginales, lois conditionnelles.
Indpendance mutuelle dune famille finie de variables alatoires.
Covariance, non corrlation, matrice de variance-covariance.
2.4. COMPLMENT : ESPRANCE CONDITIONNELLE (SUITE) 31

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).

2.4 Complment : esprance conditionnelle (suite)


Dfinition
Soit (X, Y ) un couple alatoire discret fini sur un espace probabilis (, (), P). On appelle esp-
rance conditionnelle de X sachant Y la variable alatoire, note EY (X) ou bien E(X|Y ), dont la loi est
lensemble des couples de la forme :

E[Y =y] (X), P(Y = y)

pour tout y Y (). Autrement dit :


 
y Y (), P E(X|Y ) = E[Y =y] (X) = P(Y = y)

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

Thorme de lesprance totale (QC)


Pour tout couple (X, Y ) de variables alatoires discrtes finies sur (, (), P), on a :

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)

Dterminer lquation rduite de la droite de rgression de Y en X puis celle de X en Y .


(d) Dterminer la loi de la variable E(Y |X) puis celle de E(X|Y ) (on vrifiera le rsultat du tho-
rme de lesprance totale).
3. Soit X1 , . . . , Xn des variables alatoires admettant la mme loi discrte finie. Soit N une variable
alatoire valeurs dans J1, nK. On suppose que les toutes ces variables mutuellement indpendantes.
On pose : SN = X1 + + XN . Montrer que : E(SN ) = E(N )E(X1 ).
4. Une urne contient N boules numrotes de 1 N . On tire au hasard, successivement et avec remise n
fois une boule. On note Sn (resp. In ) le plus grand (resp. petit) numro obtenu au cours des n tirages.
(a) Dterminer la loi de Sn . En dduire lim P(Sn = N ). Commenter.
n+
2.5. EXERCICES 33

(b) Dterminer la loi de In . En dduire lim P(In = 1). Commenter.


n+

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

2.5.2 Pour les DL


DL 2 (voir le corrig la page 260)
1. On lance successivement n fois un d quitable m faces numrotes de 1 m. On note Xn le nombre
de faces diffrentes obtenues au cours de ces n lancers.
(a) Pour entier k J1, mK, on dsigne par Ak lvnement la face portant le numro k nest pas
apparue au cours des n lancers.
i. Soit k J1, mK et (i1 , . . . , ik ) un k-uplets dentiers tels que 1 i1 < < ik m.
Prciser la valeur de P(Ak ) puis celle de P (Ai1 Aik ).

ii. En dduire la valeur de P A1 Ak Ak+1 Am pour tout entier k J1, mK.
iii. Dterminer la loi de Xn .
iv. Calculer lim P(Xn = k) pour tout entier k J1, mK. Ce rsultat tait-il prvisible ?
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+

iii. Calculer lim E(Xn ). Ce rsultat tait-il prvisible ?


m+
2.5. EXERCICES 35

2. (daprs EDHEC 99)


Une urne contient une boule noire et n 1 boules blanches (o n est un entier suprieur ou gal
2). On vide lurne en effectuant des tirages dune boule de la manire suivante : le premier tirage
seffectue sans remise, le deuxime seffectue avec remise, le troisime sans remise, le quatrime avec
remise, ... Dune manire gnrale, les tirages dordre impair seffectuent sans remise et les tirages
dordre pair seffectuent avec remise de la boule tire.
(a) i. Quel est le nombre total N de tirages effectus lors de cette preuve ?
ii. Pour j J1, n1K, combien reste-t-il de boules avant le (2j)me tirage ? avant le (2j +1)me
tirage ?
(b) On dsigne par Xk la variable alatoire qui vaut 1 si la boule noire est obtenue au k me tirage
(que ce soit la premire fois ou non) et 0 sinon. On dsigne par X la variable alatoire gale au
nombre dapparitions de la boule noire lors de cette preuve.
i. Calculer P(X1 = 1) puis P(X2 = 1).
ii. Pour j J1, n 1K, calculer P(X2j+1 = 1) et P(X2j = 1)
iii. En dduire la loi suivie par toutes les variables Xk .
(c) Pour j J1, nK, on note Uj lvnement on obtient la boule noire pour la premire fois au
(2j 1)me tirage .
i. En considrant ltat de lurne avant le (2n 2)me tirage, montrer que : P(Un ) = 0.
nj
Montrer que : j J1, nK, P(Uj ) = .
n(n 1)
ii. Exprimer lvnement [X = 1] en fonction des Uj puis en dduire la valeur de P(X = 1).
1
iii. Montrer que : P(X = n) = .
n!
P2n1
(d) Montrer que X = k=1 Xk puis en dduire lesprance de X.
(e) Soit i J0, n 2K.
i. Pour tout j J1, 2n 2i 2K, donner la valeur de P[X2i+1 =1] (X2i+j+1 = 1).
1
ii. En dduire que : j J1, 2n 2i 2K, Cov (X2i+1 , X2i+j+1 ) = 2 .
n
(f) Soit i J1, n 1K.
1
i. Montrer que : k J1, n i 1K, P[X2i =1] (X2i+2k = 1) = .
ni
1
ii. Montrer que : k J0, n i 1K, P[X2i =1] (X2i+2k+1 = 1) = .
ni
i
iii. En dduire que : j J1, 2n 2i 1K, Cov (X2i , X2i+j ) = 2 .
n (n i)
n1
(2n + 1)(n 1) 2 X 1
(g) Montrer que la variance de X est : V(X) = .
n2 n j=1 j

DL* 2 (voir le corrig la page 264)


1. Une urne contient b boule blanches, n boules noires et r boules rouges o (b, n, r) N N N.
Un joueur tire une boule. Si elle est blanche alors il gagne ; si elle est noire alors il perd ; si elle est
rouge alors il la met de ct et effectue un nouveau tirage (avant le second tirage, lurne contient donc
r 1 boules rouges). Dans ce dernier cas, si la boule est blanche alors il gagne ; si elle est noire alors
il perd ; si elle est rouge alors il la met de ct et effectue un troisime tirage, ... La partie sarrte
lorsque le joueur a gagn ou perdu.
36 CHAPITRE 2. VARIABLES ALATOIRES RELLES DISCRTES FINIES

(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).

2.5.3 Autres exercices


Colle
1. On considre r boules numrotes de 1 r (o r 1) ainsi quune commode constitue de n tiroirs
numrots de 1 n (o n 1). On place les boules lune aprs lautre au hasard dans lun des tiroirs
(chaque tiroir pouvant contenir lintgralit des boules). On note :
T le nombre de boules dans le tiroir 1,
V le nombre de tiroir(s) vide(s) lissue de cette exprience alatoire.
Lobjectif de lexercice est de calculer Cov(V, T ). Pour cela, on note :
Vi la variable alatoire prenant la valeur 1 lorsque le tiroir i est vide et la valeur 0 dans le cas
contraire (pour chaque i J1, nK),
Tj la variable alatoire prenant la valeur 1 lorsque la boule j est dans le tiroir 1 et la valeur 0 dans
le cas contraire (pour chaque j J1, rK).
(a) i. Prciser Card().
ii. Calculer P([Vi = 1] [Tj = 1]) pour tout i J1, nK et tout j J1, rK).
iii. En dduire la valeur de Cov(Vi , Tj ) puis celle de Cov(V, T ).
iv. Que peut-on en conclure ?
(b) i. Dterminer la loi de T .
ii. Dterminer la loi de V .
iii. On suppose que n 2 et r 2. Montrer que P([V = n 1] [T = 1]) 6= P(V =
n 1)P(T = 1).
iv. Affiner la conclusion prcdente.
2. s
2.5. EXERCICES 37

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 :

X , U(J1, nK) X , B(1, p) X , B(n, p)


P
(on crira les fonctions gnratrices sans le symbole ).
(b) Soit Y une autre variable alatoire telle que Y () J0, nK.
i. Justifier que X et Y ont mme loi si et seulement si elles ont la mme fonction gnratrice.
ii. On suppose que X et Y sont indpendantes. Montrer GX+Y = GX GY .
iii. En dduire que si (X1 , . . . , Xp ) sont des variables alatoires mutuellement indpendantes
toutes valeurs dans J0, nK alors : GX1 ++Xp = GX1 . . . GXp .
iv. Retrouver ainsi la fonction gnratrice de X , B(n, p) partir de variables de Bernoulli.
(c) A complter (voir Foata/Fuchs)
2. s
38 CHAPITRE 2. VARIABLES ALATOIRES RELLES DISCRTES FINIES
Chapitre 3

Espaces vectoriels, applications linaires et


matrices

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.

3.1 Espaces et sous espaces vectoriels


3.1.1 Rappels
K-espace vectoriel, sous espace vectoriel, combinaisons linaires, sous espace engendr par une fa-
mille de vecteurs.
Familles libres, familles gnratrices, bases (et coordonnes), dimension dun (sous) espace vectoriel,
rang dune famille de vecteurs.
Somme et somme directe de deux sous-espaces : proprits, lien avec les bases. Supplmentaire,
existence en dimension finie.

Thorme de la base incomplte (QC)


Soit E un K-espace vectoriel de dimension finie n 2. Toute famille libre dans E peut tre complte
en une base de E. Autrement dit, pour tout p J1, n 1K et toute famille libre (~x1 , . . . ~xp ) de vecteurs de
E, il existe une famille (~xp+1 , . . . , ~xn ) de vecteurs de E telle que (~x1 , . . . ~xn ) est une base de E.

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.

Formule de Grassmann (QC*)


Soit F et G deux sous espaces vectoriels dun espace E de dimension finie. Alors :

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

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 :

dim(F G) = p dim(F ) = p + r et dim(G) = p + s

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 :

dim(F + G) = p + r + s = (p + r) + (p + s) p = dim(F ) + dim(G) dim(F G)

3.1.2 Somme et somme directe de plusieurs sous espaces


Dfinitions
Soit (F1 , . . . , Fp ) une famille de vecteurs dun K-espace vectoriel E.
On appelle somme des sous espaces F1 , . . . , Fp , le sous ensemble de E :

F1 + + Fp = {~x E |(~x1 , . . . , ~xp ) F1 Fp / ~x = ~x1 + + ~xp }

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 :

~x F1 + + Fp , !(~x1 , . . . , ~xp ) F1 Fp / ~x = ~x1 + + ~xp

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.

Thorme : caractrisations de la somme directe (QC*)


Soit (F1 , . . . , Fp ) une famille de vecteurs dun K-espace vectoriel E. Pour tout i J1, pK, on considre
une base Bi de Fi . Les propositions suivantes sont quivalentes :
1. la somme F1 + + Fp est directe,
2. pour tout (~x1 , . . . , ~xp ) F1 Fp , si ~x1 + + ~xp = ~0 alors ~x1 = = ~xp = ~0,
3. la concatnation des bases B1 , . . . , Bp est une base de F1 + + Fp ,
4. dim (F1 + + Fp ) = dim(F1 ) + + dim(Fp ).
Ce rsultat sapplique, en particulier, au cas o E = F1 Fp .

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

Par unicit de la dcomposition de ~0 dans F1 + + Fp , on en dduit que :


ri
X (i) (i)
i J1, pK, k ~xk = ~0
k=1

Comme chaque Bi est une base de Fi , on en dduit que :


(i)
i J1, pK, k J1, ri K, k = 0
La concatnation des bases est une famille libre et gnratrice de la somme : cen est donc une base.
3 1 : Supposons que la concatnation des bases est une base de la somme. Soit ~x F1 + + Fp .
Supposons lexistence de deux dcompositions :
~x = ~x1 + + ~xp = ~y1 + + ~yp
Pri (i) (i) (i) (i)
Fi et ~yi = rk=1
Pi
Posant ~xi = k=1 k ~xk k ~xk Fi pour tout i J1, pK, on obtient :
p p
ri
! ri
!
X X (i) (i)
X X (i) (i)
~x = k ~xk = k ~xk
i=1 k=1 i=1 k=1
 
(1) (1) (p) (p)
Comme ~x1 , . . . , ~xr1 , . . . , ~x1 , . . . , ~xrp est une base de F1 + + Fp , alors :
(i) (i)
i J1, pK, k J1, ri K, k = k
Do lunicit de la dcomposition.
3 4 : cest immdiat.
42 CHAPITRE 3. ESPACES VECTORIELS, APPLICATIONS LINAIRES ET MATRICES

3.2 Applications linaires


3.2.1 Rappels
f L(E, F ), f (~0E ) = ~0F , f (1~x1 + + n~xn ) = . . . , applications IdE : ~x 7 ~x et E : ~x 7 ~0.
Endomorphisme, isomorphisme, automorphismes, formes linaires ; espace L(E), ensemble GL(E).
Noyau et image, applications linaires injectives/surjectives/bijectives, lien avec les bases, hyperplan.
Rang dune application linaire, thorme du rang, dimension dun hyperplan, cas dun endomor-
phisme en dimension finie.
Oprations sur les applications linaires, dimension de L(E, F ).
Opration sur les iso(auto)morphismes.
Projecteurs et symtries : dfinitions, proprits, caractrisation.

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 :

f (~x + ~y ) = f (~x) + f (~y ) = ~0F + ~0F = ~0F

donc ~x + ~y Ker(f ) ce qui prouve que Ker(f ) est un sous espace de E.


Soit (~x, ~y ) Im(f )2 et (, ) K2 . Alors :

(~a, ~b) E 2 / f (~a) = ~x, f (~b) = ~y

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 .

Thorme : caractrisation de linjectivit (QC)


Soit E et F deux K-espaces vectoriels et f L(E, F ). Alors, lapplication f est injective si et seule-
ment si Ker(f ) = {~0E }.

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 )

Par injectivit de f , on en dduit que ~x = ~0E donc que Ker(f ) {~0E }.


: Supposons que Ker(f ) = {~0E }. Soit (~x, ~y ) E 2 tel que f (~x) = f (~y ). Par linarit de f , on en
dduit que f (~x ~y ) = ~0F . Par hypothse, on obtient donc que ~x ~y = ~0E do linjectivit de f .

Thorme du rang (QC)


Soit f L(E, F ) o E est de dimension finie. Alors :

dim(E) = dim(Ker(f )) + rg(f ) = dim(Ker(f )) + dim(Im(f ))


3.2. APPLICATIONS LINAIRES 43

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.

Caractrisation dun projecteur (QC*)


Soit p L(E). Alors, p est un projecteur de E si et seulement si p2 = p.

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

3.2.2 Sous espace stable par une application linaire


Dfinition
Soit f L(E) et F un sous espace de E. On dit que F est stable par f si seulement si f (F ) F , cest
dire si et seulement si :
~x F, f (~x) F
44 CHAPITRE 3. ESPACES VECTORIELS, APPLICATIONS LINAIRES ET MATRICES

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.

3.2.3 Polynmes annulateurs dune application linaire


Dfinition
Soit E un K-espace vectoriel. Soit f L(E) et P (X) = a0 + a1 X + + an X n K[X].
Lendomorphisme P (f ) = a0 IdE + a1 f + + an f n (valuation de P (X) en lendomorphisme f )
est appel polynme en f .
On dit que P (X) est un polynme annulateur de f si et seulement si P (f ) = E .

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)

(P Q)(f ) = P (f ) Q(f ) = Q(f ) P (f ) = (QP )(f )


En consquence, si P est un polynme annulateur de f alors P Q est aussi un polynme annulateur de f .

Preuve
Cest du calcul.

Thorme : existence dun polynme annulateur (QC)


Tout endomorphisme dun K-espace vectoriel E de dimension finie admet un polynme annulateur.
3.3. MATRICES DUNE APPLICATION LINAIRE 45

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 .

Recherche pratique dun polynme annulateur


1. Rechercher un polynme unitaire de degr 1 (donc de la forme X + a).
2. Si aucun polynme de degr 1 ne convient, rechercher un polynme unitaire de degr 2 (donc de la
forme X 2 + aX + b).
3. Si aucun polynme de degr 2 ne convient, rechercher un polynme unitaire de degr 3 (donc de la
forme X 3 + aX 2 + bX + c).
4. On continue jusqu obtenir satisfaction (ce qui arrivera ncessairement compte tenu du thorme
prcdent).

Exemple
x x+y
 
Dterminer un polynme annulateur de f : K2 K2 , y
7 x+y
.

3.3 Matrices dune application linaire


3.3.1 Rappels
Dfinition, oprations sur les matrices.
Rang dune matrice, proprits du rang, caractrisation des matrices inversibles.
Invariance du rang par oprations lmentaires successives sur les lignes : application linversion
des matrices par la mthode du pivot de Gauss.
Matrice de passage dune base une autre : dfinition et proprits.
Lien entre les matrices dune mme application dans deux bases distinctes.
Matrices semblables.

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

3.3.2 Cas de la somme directe


Proposition/Dfinition
Soit E de dimension finie n 2. Soit f L(E). On suppose que :

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

o Ai est la matrice dans la base Bi de lendomorphisme induit par f sur Fi .


Une telle matrice est dite diagonale par blocs.

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

3.3.3 Polynmes annulateurs dune matrice


Dfinitions
Soit A Mn (K) et P (X) = a0 + a1 X + + am X m K[X].
La matrice P (A) = a0 In +a1 A+ +am Am (valuation de P en la matrice A), est appel polynme
en la matrice A.
On dit que P (X) est un polynme annulateur de la matrice A si et seulement si P (A) = n .

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 :

(P + Q)(A) = P (A) + Q(A)

(P Q)(A) = P (A) Q(A) = Q(A) P (A) = (QP )(A)

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 :

E = Ker(f ) Im(f ) = Ker(g) Im(g)

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 :

P E, u(P ) = (X 2 + 1)P 0 (X) nXP (X)

i. Montrer que u L(E).


ii. Dterminer tous les couples (, P ) C (E {0}) tels que : u(P ) = P .
iii. En dduire quil existe une base B de E telle que la matrice de u dans cette base est diago-
nale. On prcisera la base et la matrice obtenues.

3.4.2 Pour les DL


DL 3 (voir le corrig la page 266)
1. Soit A Mn (K) non inversible. En utilisant chacune des deux mthodes suivantes, dmontrer que :

X M1 (K) {} / AX =

(a) le rang de la matrice A,


(b) lendomorphisme associ dans la base canonique de Kn .
2. Soit f lendomorphisme de R3 dont la matrice dans la base canonique est :

1 1 1
A = 1 1 1
1 1 1

Par ailleurs, on note Id lapplication identique de R3 , f 0 = Id et f n+1 = f n f = f f n les composes


successives de f .
(a) i. Dterminer un polynme P (X) annulateur de f unitaire et de degr le plus petit possible.
ii. Lapplication f est-elle un automorphisme de R3 ? Si oui, prciser lexpression de f 1 en
fonction de f et Id.
(b) Pour tout entier naturel n, on note an X + bn le reste de la division euclidienne de X n par P (X).
50 CHAPITRE 3. ESPACES VECTORIELS, APPLICATIONS LINAIRES ET MATRICES

i. Montrer que : n N, f n = an f + bn Id.


ii. Dterminer les expressions de an et bn en fonction de n.
iii. Lgalit f n = an f + bn Id conviendrait-elle encore pour n = 1 ?

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).

(a) Dmontrer que E = Ker(f aIdE ) Ker(f bIdE ).


(b) On suppose que E = Mn (K). Vrifier que f : M 7 tM est un endomorphisme de E puis lui
appliquer le rsultat qui prcde.

DL* 3 (voir le corrig la page 268)


1. Soit A Mn (C) telle que :
X
i J1, nK, |ai,i | > |ai,j |
jJ1,nK{i}

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}

(a) tude dun exemple.


Vrifier que les endomorphismes u et v donct les matrices dans la base B sont respectivement :
   
0 1 1 1
U= et V =
1 0 0 1

sont solutions du problme pos.


(b) On revient dsormais au cas gnral et on considre un couple (u, v) solution du problme.

i. Montrer que u et v sont des automorphismes de R2 puis exprimer u1 et v 1 en fonction de


u, v et Id.
ii. Pour tout entier naturel n, exprimer v n comme combinaison linaire de v et Id.

(c) i. tablir que : Im(v Id) Ker(v Id).


ii. En dduire, en raisonnant sur les dimensions, que : Im(v Id) = Ker(v Id).
(d) Montrer, en raisonnant par labsurde, que : dim (Ker(u + v Id)) = 1.
(e) Soit (e2 ) une base de Ker(u + v Id). On pose : e1 = u(e2 ).

i. Montrer que (e1 , e2 ) est une base de R2 .


ii. Donner les matrices de u et v dans cette base.

(f) Donner la conclusion de lexercice.


3.4. EXERCICES 51

3.4.3 Autres exercices


Colle

2 2 a b
1. Soit f L(K ) dont la matrice dans une base de K est : A = .
c d
Montrer que X 2 (a + d)X + (ad bc) est un polynme annulateur de f .
2. (oral ESCP 2001) Soit E un R-espace vectoriel de dimension 4. On note 0 lendomorphisme nul de
E et I lapplication identique de E. On considre un endomorphisme u de E tel que u3 + u2 + u = 0.
On pose :
E1 = Ker(u2 + u + I) et E2 = Ker(u)
(a) Montrer que Im(u) E1 puis que E1 et E2 sont stables par u.
(b) Montrer que E = E1 E2 puis que E1 = Im(u) et E2 = Im(u2 + u + I).
(c) Montrer que, pour tout vecteur non nul x de E1 , la famille (x, u(x)) est libre.
(d) Montrer que sil existe deux vecteurs x et y de E1 tels que la famille (x, u(x), y) est libre alors
la famille (x, u(x), y, u(y)) est libre.
(e) Quelles sont les dimensions possibles de E1 ?
3. (oral ESCP 2001) Soit E un R-espace vectoriel de dimension finie. Soit (f, g) L(E).
(a) Montrer que : Ker(g|Im(f ) ) = Ker(g) Im(f ).
(b) En dduire que :

rg(g f ) = rg(f ) dim(Ker(g) Im(f )) et rg(g f ) rg(f ) + rg(g) dim(E)

4. Soit n 2, A Mn (R) et P un polynme annulateur de A. On suppose que 0 est racine dordre k


de P cest dire que P (X) = X k Q(X) avec Q(0) 6= 0. Montrer que A est inversible si et seulement
si Q est un polynme annulateur de A.
5. (oral ESCP 2001) Soit E = M2 (R). Un endomorphisme D de E est appel drivation dans E si et
seulement si :
(p, q) E 2 , D(pq) = D(p)q + pD(q)
On note D(E) lensemble des drivations dans E.
 
x 0
(a) Soit D D(E) et X = E o x R. Dterminer D(X).
0 x
(b) Soit a E et Da : E E, p 7 ap pa. Montrer que Da est une drivation.
(c) Montrer que D(E) est un sous espace vectoriel de L(E).
(d) Montrer que si D1 et D2 sont deux drivations dans E alors il en est de mme de D1 D2
D2 D1 .
6. (oral ESCP 2001) Soit E = Mn (C) o n 2. On note S (resp A) le sous espace vectoriel de E
form des matrices symtriques (resp. antisymtriques). On dsigne par I la matrice unit de E et Id
lapplication identique de E. Soit (a, b) un couple de complexes non nuls et f lapplication dfinie
sur E par :
M E, f (M ) = aM + btM
(a) Montrer que E = S A.
(b) Exprimer f en fonction de p et q o p dsigne un projecteur sur S dans la direction de A et
q = Id p.
(c) Exprimer f 2 = f f en fonction de f et Id.
(d) Dterminer une condition ncessaire et suffisante pour que f soit un automorphisme de E.
Exprimer alors f 1 en fonction de f et Id.
52 CHAPITRE 3. ESPACES VECTORIELS, APPLICATIONS LINAIRES ET MATRICES

(e) Exprimer, pour tout k N , f k en fonction de p, q, a, b. En dduire la puissance k me de la


matrice :
a+b 0 0 0
0 a b 0
A= 0

b a 0
0 0 0 a+b
7. (oral ESCP 2001) Soit a et b deux rels distincts. On dsire dterminer une solution de lquation :

(En ) (X a)n An (X) + (X b)n Bn (X) = 1

dinconnues An (X) et Bn (X) lments de Rn1 [X].


(a) Montrer que si (En ) admet un couple solution alors celui-ci est unique.
(b) On considre les ensembles :

F = {(X a)n P (X) | P Rn1 [X]} et G = {(X b)n P (X) | P Rn1 [X]}

i. Vrifier que F et G sont deux espaces vectoriels dont on prcisera la dimension.


ii. Dterminer F G. En dduire la dimension de F + G.
iii. En dduire que (En ) admet une unique solution.
(c) i. Montrer quil existe un polynme Pn (X), dont on prcisera le degr, vrifiant :
Z x
x R, ((t a)(t b))n1 dt = (x a)n Pn (x)
a

ii. tablir lidentit :

x R, (x a)n Pn (x) + (b x)n Pn (a + b x) = (b a)n Pn (b)

iii. Exprimer le couple solution de (En ) en fonction du polynme Pn .

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:

Fa = {P E | P (a) = 0} Fb = {P E | P (b) = 0} F = {P E | P (a) = P (b) = 0}

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

tude des fonctions numriques

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.

4.1 Limites, continuit en un point


Limite en un point, continuit, prolongement par continuit, dveloppement limit lordre 0.
Limites gauche et droite, critre de continuit. Cas des fonctions monotones.
Limite en linfini, branches infinies dune courbe : asymptotes, branches paraboliques.
Oprations sur les limites, oprations sur les fonctions continues en un point. Caractrisation squen-
tielle de la limite.
quivalents et dveloppements limits usuels.

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

Une seule galit suffit lorsque x0 est une borne de lintervalle I.

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

4. tudier les branches infinies des fonctions :



r
x x3 3
f (x) = g(x) = h(x) = x3 + 1 + x2 + x + 1
ln(x) x1

4.2 Continuit sur un intervalle


Continuit sur I : dfinition, ensemble C 0 (I), oprations sur les fonctions de cet ensemble, en parti-
culier, cest un espace vectoriel.
Thorme des valeurs intermdiaires, minimum et maximum sur un segment, limage dun segment
par une application continue sur ce segment est un segment, thorme de la bijection.
QC : Applications aux fonction trigonomtriques rciproques.

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

7. Soit f une fonction drivable sur ]a, +[. Dmontrer que :


(a) lim f 0 (x) = + lim f (x) = +
x+ x+
f (x)
(b) lim f 0 (x) = 0 lim =0
x+ x+ x
f (x)
(c) lim f 0 (x) = L (L ]0, +[) lim = L et lim f (x) = +
x+ x+ x x+

3
3
8. Dterminer la limite en + de x3 + x2 x3 x2 .
p
9. Dterminer un quivalent en + de x2 + x4 + 1 x 2.
10. Soit f (x) = x ln(x) x pour tout x ]1, +[.
(a) Montrer que f est une bijection de ]1, +[ dans ] 1, +[.
(b) On pose g = f 1 . Calculer g(0) et g 0 (0).

4.4 Fonctions convexes


Dfinition : convexit, concavit, point dinflexion, interprtation graphique avec les cordes.
Cas dune fonction drivable, interprtation graphique.
Cas dune fonction deux fois drivable, interprtation graphique.

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

Lorsque lon peut prolonger, la fonction est-elle drivable ? de classe C 1 ?


6. tudier la continuit sur R de :
p p
f (x) = x + x bxc g(x) = bxc + x bxc
 n (n)
7. Soit n N et Pn le polynme : Pn (X) = (1 X 2 ) .
(a) Quel est son degr ?
(b) Montrer que Pn (X) admet n racines relles simples toutes situes dans lintervalle ] 1, 1[.

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

iii. Montrer que f est de classe C 1 sur R.


(c) Dmontrer que f est de classe C sur R et prciser f (n) (0) pour tout entier naturel n.
Indication : on pourra dmontrer que, pour tout entier naturel n non nul, il existe un polynme
Pn (X) Rn [X] tel que :

Pn (t) 1
Pn (0) = 1 et t ]0, +[, f (n) (t) = e t
t2n

4.5.2 Pour les DL


DL 4 (voir le corrig la page 270)
1. Soit f une fonction dfinie sur R, continue en 0 et en 1 et telle que :

x R, f (x2 ) = f (x)

Dmontrer que f est constante.


2. Soit f : [0, 1] [0, 1] une application continue sur [0, 1].

(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 .

3. Soit x et y deux rels tels que 0 < x < y.


yx
(a) Montrer que : x < ln(y)ln(x)
< y.
(b) Soit f la fonction dfinie sur [0, 1] par :

[0, 1], f () = ln(x + (1 )y) ln(x) (1 ) ln(y)

i. Dduire de ltude de f que :

[0, 1], ln(x + (1 )y) ln(x) + (1 ) ln(y)

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

DL* 4 (voir le corrig la page 273)


1. Soit F une fonction dfinie et croissante sur R valeurs dans [0, 1]. On suppose de plus que F est
continue droite en tout point et que :

lim F (x) = 0 et lim F (x) = 1


x x+

(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 :

x R, (h F )(x) x et t ]0, 1[, (F h)(t) t

ii. Montrer que si F est strictement croissante sur R alors h F = IdR .


iii. Montrer que si F est continue sur R alors F h = Id]0,1[ .
iv. Que peut-on en dduire lorsque F est continue et strictement croissante sur R ?
(c) Reprsenter F , dterminer la fonction h et la reprsenter dans les cas suivants :
i. x R, F (x) = (1 ex )11[0,+[ (x) o est un rel strictement positif.
ii. Soit (p1 , . . . , pn ) un n-uplet de rels strictement positifs tels que p1 + + pn = 1. Soit
P1n, . . . , xn ) un n-uplet de rels tel que x1 < < xn . Alors, on pose : x R, F (x) =
(x
k=1 pk 1 1[x1 ,x] (xk ).
f (x)
2. Soit f une fonction croissante sur ]0, +[ et telle que x 7 x
est dcroissante sur ]0, +[. Montrer
que f est continue sur ]0, +[.

4.5.3 Autres exercices


Colle
1
1. On pose f (x) = x 1+ln(x) .
(a) Prciser le domaine de dfinition de cette fonction et justifier que f y est de classe C 1 .
(b) Montrer que f se prolonge par continuit en 0 et prciser f (0). La fonction est-elle alors dri-
vable en 0. Prciser graphiquement.
(c) Montrer que la courbe de f admet une asymptote au voisinage de + et prciser la position
relative de la courbe par rapport son asymptote.
(d) Prciser les autres limites de f sur les bornes de son domaine de dfinition ainsi que dventuels
autres prolongements.
(e) Justifier que f tablit une bijection de [0, +[ dans R et prciser lexpression de f 1 (y) pour
tout rel y.
2. Soit f une fonction dfinie et continue sur [0, 1], valeurs relles et telle que f (0) = f (1). Montrer
que :    
1 1
n N , xn 0, 1 / f xn + = f (xn )
n n
3. Soit f une fonction deux fois drivables sur [a, a + 2h] o h est un rel strictement positif. Dmontrer
quil existe un rel [0, 2] tel que :

f (a) 2f (a + h) + f (a + 2h) = h2 f 00 (a + h)

Indication : on pourra utiliser la fonction g dfinie par g(t) = f (a + t + h) f (a + t).


4.5. EXERCICES 59

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

Montrer que g est continue droite sur I.


5. (*) Soitn N et h(x) = nk=0 k x pour tout rel x.
P

(a) tudier les variations de h. Prciser la convexit de h.


(b) Pour tout rel x, on pose : H(x) = ln(h(x)).
tudier les variations de H. Prciser la convexit de H.

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

o pi = P(X = xi ) pour tout entier i J1, kK.

(a) Un exemple. Dans cette seule question, on suppose que X , U({1, 1}).

i. Dterminer lexpression de X (t) pour tout rel non nul t.


ii. A. Donner un dveloppement limit lordre 2 au voisinage de 0 de la fonction exponen-
tielle.
B. En dduire que X admet un dveloppement limit lordre 1 au voisinage de 0 que
lon prcisera.
C. Justifier alors que X se prolonge par continuit en 0 (prolongement encore appel
X ) et que ce prolongement est drivable en 0. On prcisera les valeurs de X (0) et de
0X (0).
iii. Montrer que X est drivable sur R et prciser 0X (t) pour tout rel t.
iv. tudier les variations de la fonction f : t 7 t2 0X (t) sur R. En dduire les variations de X
sur R.
v. Dterminer lim X (t) et lim X (t).
t+ t

vi. Tracer lallure de la courbe reprsentative de X .

(b) Cas gnral : X est une variable alatoire non certaine.

i. A. Dterminer un dveloppement limit lordre 1 de X au voisinage de 0 en fonction


de E(X) et de V(X).
Indication : on pourra utiliser un dveloppement limit lordre 2 de et au voisinage
de 0.
B. Que peut-on en dduire quant la continuit et la drivabilit de X en 0 ?
ii. A. Montrer que :
z ]0, +[, ]0, 1[, z 1 + (z 1)
Dans quel cas a-t-on lgalit ?
60 CHAPITRE 4. TUDE DES FONCTIONS NUMRIQUES

B. Soit (t1 , t2 ) un couple de rels tel que 0 < t1 < t2 . On pose :


t1
= et i J1, kK, zi = et2 [xi X (t2 )]
t2
En utilisant lingalit qui prcde, dmontrer que X (t1 ) < X (t2 ).
C. tudier les variations de X sur R.
Indication : On pourra utiliser X .
iii. Dterminer lim X (t) et lim X (t).
t+ t
iv. Tracer lallure de la courbe reprsentative de X .
(c) tude de lapplication X 7 X .
i. Soit a R et X une variable alatoire discrte finie. Comparer X+a et aX avec X .
ii. Montrer que si X et Y sont deux variables alatoires discrtes finies indpendantes alors
X+Y = X + Y .
iii. A. Soit (n )nN une suite strictement croissante de rels. Pour tout entier naturel n non
nul, on dfinit la fonction fn :

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 :

a R, t [0, +[, eat P(X a) etX (t)

vi. Soit N un entier suprieur ou gal 2 et UN , U(J0, n 1K).


A. Montrer que :
!
N 1 1 sinh N2t
t R , UN (t) = + ln
N sinh 2t

2 t

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

Il est vivement conseill de rviser le chapitre 30 du cours de premire anne.

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

Soit k N . La srie gomtrique n(n 1) . . . (n k + 1)xnk drive dordre k est convergente


P
si et seulement si |x| < 1 et la convergence est absolue. De plus, pour tout rel x ] 1, 1[, on a :
+ +
X
nk
X k!
n(n 1) . . . (n k + 1)x = (n + k)(n + k 1) . . . (n + 1)xn =
n=k n=0
(1 x)k+1

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

On procde par rcurrence pour obtenir les drives successives.


La srie qui prcde tant convergente, on peut diviser terme terme terme par k! et on obtient le
rsultat.

5.2 Sries doubles


Aucun des rsultats qui suivent nest exigible des candidats et tout exercice ou problme y faisant appel
devra imprativement les rappeler.
5.2. SRIES DOUBLES 63

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

tout couple (A, B) de parties finie de N.


pour X
P
Soit ui,j une srie double et un rel. On appelle produit du rel par la srie ui,j la srie
i,j
P
note ui,j et constitue des rels de la forme :
XX XX
ui,j = ui,j
iA jB iA jB

pour tout couple (A, B) de parties finie de N.

Remarque

En pratique, ce qui nous intresse est essentiellement le cas :

A = J0, pK et B = J0, qK

et on veut savoir si les quantits :


+ X
+ p q + X
+ q p
X X X X X X
ui,j = lim lim ui,j et ui,j = lim lim ui,j
p+ q+ q+ p+
i=0 j=0 i=0 j=0 j=0 i=0 j=0 i=0

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.

5.2.2 Sries doubles termes positifs


Thorme/Dfinition (inversion de lordre des sommes, convergence dune srie double positive)
P
Soit ui,j une srie double termes positifs.POn suppose que :
pour toutPentier naturel i, la srie (simple) j ui,j converge vers un rel ai ,
la srie ai converge vers un rel S.
Alors, on a : P
pour toutPentier naturel j, la srie (simple) i ui,j converge vers un rel bj ,
la srie bj converge 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 dit que la srie double ui,j converge et que sa somme vaut S. Dans le cas
contraire, la srie est dite divergente.

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.

Thorme (convergence ou divergence par comparaison)


P P
Soit ui,j et vi,j deux srie doubles telles que :
(i, j) N2 , 0 ui,j vi,j
P P
Si la srie vi,j converge alors la srie ui,j converge aussi et on a :
+ X
X + + X
X +
ui,j vi,j
i=0 j=0 i=0 j=0
P P
Si la srie ui,j diverge alors la srie ui,j converge aussi.
5.2. SRIES DOUBLES 65

Preuve
peu prs immdiat pour la convergence daprs la dfinition prcdente. Un poil plus sophistiqu pour
la divergence.

5.2.3 Sries doubles termes de signe variable


Dfinition
P
Soit ui,j une srie double. On dit que cette sriePest absolument convergente (ou bien quelle
converge absolument) si et seulement si la srie double |ui,j | converge.

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 :

|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,P
P j) dentiers naturels. Comme 0 vi,j |u
Pi,j | et comme la srie
ui,j converge absolument alors la srie vi,j converge. On prouve de mme que wi,j converge.

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!
.

Thorme (sommation par paquets)


ui,j une srie double absolument convergente. Soit (Ak )kK une partition de N2 o K est un
P
Soit
ensemble du type J0, nK ou N. Alors : P
pour tout k K, la srie double (i,j)Ak ui,j converge absolument vers un rel ak ,
P
la srie (ou la somme finie) k ak converge absolument et on a :
X X X
ui,j = ui,j
kK (i,j)Ak (i,j)N2

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

4. Pour tout entier naturel n non nul, on pose :


n
!
X 1
un = ln(n)
k=1
k

(a) Dterminer un dveloppement limit lordre 2 de un+1 un .


(b) En dduire que la suite (un )n1 converge.
On notera sa limite (appele constante dEuler) et on admettra que > 0.
n
X 1
(c) Justifier que : = ln(n) + + o (1) puis que : 1 + 12 + + n1 ln(n).
k=1
k n+ n+

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 

(b) En dduire que la srie double (n,k) 21n nk ak converge absolument.


P 
P P
(c) Montrer que la srie bn converge et exprimer sa somme en fonction de celle de la srie an .

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

5.3.2 Pour les DL


DL 5 (voir le corrig la page 274)
1. Soit un une srie absolument convergente. Montrer que la srie u2n converge.
P P

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.

DL* 5 (voir le corrig la page 276)


(1)k xk converge.
P
1. (a) i. Dterminer lensemble I des rels x pour lesquels la srie k0

ii. Pour tout x I, calculer la somme + k k


P
k=0 (1) x .
P+ k k
iii. Pour tout entier naturel n et tout rel x
P de I, on pose : R n (x) = k=n+1 (1) x .
Calculer Rn (x), montrer que la srie n0 Rn (x) converge et calculer sa somme.
P
(b) Soit (un )n0 une suite de rels positifs telle que la srie un converge. Pour tout entier n 1,
on pose Rn = +
P
k=n+1 ku .
i. Soit n N. Calculer nk=0 Rk nk=0 kuk en fonction de n et de Rn .
P P
P P
ii. Montrer que si la srie Rn converge alors la srie nun converge.
P
(c) i. On suppose que la srie nun converge. Que vaut limn+ (n + 1)Rn ?
P P
ii. En dduire que les sries Rn et nun sont de mme nature et que, en cas de conver-
gence, elles ont la mme somme.
1
(d) Application : dans cette question un (x) = nx
.
5.3. EXERCICES 69
P
i. Pour quelles valeurs de x la srie n1 un (x) converge-t-elle ?
On note alors (x) = +
P 1
P+ 1
n=1 nx et, pour tout entier n 0 : Rn (x) = k=n+1 kx .
P
ii. Pour quelles valeurs de x la srie Rn (x) est-elle convergente ? Exprimer alors sa somme
en fonction de (x 1).
P (i+j)! i+j
2. Soit x un rel tel que |x| < 21 . Montrer que la srie double i!j!
x converge absolument et
calculer sa somme.

5.3.3 Autres exercices


Colle
1. s

DS
1. s
70 CHAPITRE 5. SRIES NUMRIQUES
Chapitre 6

Variables alatoires discrtes infinies

Il est vivement conseill de revoir les chapitres 31 et 32 du cours de premire anne.


Dans tout ce chapitre, dsigne un ensemble infini (et non dnombrable en gnral).

6.1 Espaces probabiliss infinis


6.1.1 Gnralits
Tribu T de parties de : dfinition, proprits opratoires ensemblistes, tribu engendre par une
famille finie ou infinie de parties.
Espaces probabilisables : dfinition, vocabulaire.
Espace probabilis (, T , P) : dfinition, proprit de la probabilit P (en particulier formule du crible
de Poincar), systme presque complet, proposition vraie presque srement.

Thormes de limite monotone (admis) et corollaires

Soit (, T , P) un espace probabilis.


Si (An )nN est une suite croissante dlments de T alors la suite (P(An ))nN converge et :

+
!
[
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

En consquence, si (An )nN une suite dlments de T alors :

+
! n
! +
! n
!
[ [ \ \
P Ak = lim P Ak et P Ak = lim P Ak
n+ n+
k=0 k=0 k=0 k=0

Preuve

La suite ( nk=0 Ak )nN est croissante et on a +


S S Sn S+
n=0 k=0 A k = n=0 An do le rsultat par limite
monotone. Mme type de raisonnement dans le cas dune intersection avec la dcroissance.

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 .

6.1.2 Conditionnement et indpendance


Probabilit conditionnelle : dfinition, nouvel espace probabilis.
QC : formule des probabilits conditionnelles, formule des probabilits totales, formule de Bayes.
Indpendance : couple dvnements indpendants, famille dvnements mutuellement indpen-
dants, cas des vnements contraires ; couple de tribus indpendantes, famille de tribus mutuellement
indpendantes, cas des tribus engendres (rsultat admis).

6.2 Variables alatoires relles discrtes


6.2.1 Gnralits
Dfinition
Soit (, T ) un espace probabilisable. On appelle variable alatoire relle toute application X de
dans R telle que :
x R, X 1 (] , x[) = { | X() < x} T
Autrement dit, X : R est une variable alatoire si et seulement si limage rciproque dun borlien
(de R) est un vnement (de T ).

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+

soit E = {. . . , y2 , y1 , x0 , x1 , . . .} (les lments de E sont numrots laide des lments de Z) et :


< y2 < y1 < x0 < x1 < . . . lim yn = , et lim xn = +
n+ n+
6.2. VARIABLES ALATOIRES RELLES DISCRTES 73

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 :

x0 < x 1 < . . . et lim xn = +


n+

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

Soit (, T ) un espace probabilisable. Soit X et Y deux variables alatoires discrtes.


La famille ([X = x])xX() est un systme complet dvnements.
La tribu associe X est : AX = {[X A] | A X()}.
La famille ([X = x] [Y = y])(x,y)X()Y () est un systme complet dvnements.
Les tribus associes X et Y sont incluses dans la tribu associe (X, Y ).

Preuves

6.2.2 Lois de probabilits


Dfinition

Soit (X, Y ) un couple de variables alatoires discrtes sur (, T , P).


On appelle loi de probabilit de X lensemble des couples :

{(x, P(X = x)) | x X()}

La loi conjointe du couple (X, Y ) est lensemble des triplets :

{(x, y, P([X = x] [Y = y])) | (x, y) X() Y ()}

Les lois marginales du couples sont les lois de X et de Y .


Pour tout rel x X(), on appelle loi conditionnelle de Y sachant ralis lvnement [X = x]
lensemble :
 
y, P[X=x] (Y = y) y Y ()

On dit que X et Y sont indpendantes si et seulement si :

(x, y) X() Y (), P([X = x] [Y = y]) = P(X = x) P(Y = y)


74 CHAPITRE 6. VARIABLES ALATOIRES DISCRTES INFINIES

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

Dfinitions (lois discrtes infinies usuelles)


Soit X une variable alatoire dfinie sur un espace probabilis (, T , P).
On dit que la loi de X est la loi gomtrique de paramtre p ]0, 1[ si et seulement si :

X() = N et n N , P(X = n) = p(1 p)n1

On dit que la loi de X est la loi de Poisson de paramtre ]0, +[ si et seulement si :

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 :

P(Z = n + 2) = qP(Z = n + 1) + pqP(Z = n)

(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 ?

6.2.3 Fonctions de transfert


Dfinition
Soit (, T , P) un espace probabilis.
On appelle fonction de transfert dune variable alatoire X toute fonction f : I R o lintervalle
I contient X().
On appelle fonction de transfert dun couple alatoire (X, Y ) toute fonction f : U R o U est une
partie de R2 contenant (X, Y )().
On appelle fonction de transfet dun vecteur alatoire (X1 , . . . , Xn ) toute fonction f : U R o U
est une partie de Rn contentant (X1 , . . . , Xn )().

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

X 2 est une variable alatoire et :



2 0 si y < 0
y R, P(X = y) =  
P X = y + P X = y si y 0
76 CHAPITRE 6. VARIABLES ALATOIRES DISCRTES INFINIES

Soit (X, Y ) un couple alatoire et f : U R une fonction de transfert. Alors Z = f (X, Y ) =


f (X, Y ) est une variable alatoire et on a :

Z() = {f (xi , yj ) | (i, j) (X, Y )()}


X
z Z(), P(Z = z) = P([X = x] [Y = y])
(x,y)f 1 ({z})

En particulier, X + Y , XY , inf(X, Y ) et sup(X, Y ) sont des variables alatoires.

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).

Thorme (loi de la somme de deux variables indpendantes : produit de convolution, QC)


Soit X et Y deux variables alatoires indpendantes. Alors :
X
z R, P(X + Y = z) = P(X = x)P(Y = z x)
xX()
zxY ()

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()

do le rsultat par indpendance de X et de Y .

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.

6.2.4 Fonction de rpartition


Dfinition et proprits caractristiques.
quivalence loi de probabilit avec fonction de rpartition.
6.3. ESPRANCE DUNE VARIABLE ALATOIRE 77

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 ).

6.3 Esprance dune variable alatoire


6.3.1 Gnralit
Dfinition de lexistence, variable alatoire centre.
Ncessit de la convergence absolue de la sries ( des fins de sommation par paquets).

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.

6.3.2 Esprance conditionnelle


Proposition/Dfinition (QC)
Soit (, T , P) un espace probabilis, A un vnement de probabilit non nulle et X une variable ala-
toire discrte admettant une esprance (pour P).
La variable X admet une esprance pour PA , cest dire dans lespace probabilis (, (), PA ).
Lesprance de X pour PA est appele esprance conditionnelle de X sachant ralis lvnement
A et on la note :
+
X
E(X|A) = EA (X) = xk PA (X = xk )
k=0

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.

Thorme de lesprance totale (QC*)


Soit (, T , P) un espace probabilis, (An )nN un systme (presque) complet dvnements tous de
probabilit non nulle et X une variable alatoire discrte. Alors, X admet une esprance pour P si et
78 CHAPITRE 6. VARIABLES ALATOIRES DISCRTES INFINIES

seulement si X admet une esprance pour chaque PAn et dans ce cas, on a :


+
X
E(X) = E(X|An )P(An )
n=0

Preuve
Pour tout couple (k, n) N2 , on pose :

uk,n = xk P(An )PAn (X = xk ) = xk P(An [X = xk ])

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

: Mme principe mais dans lautre sens.

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.

6.3.3 Thorme de transfert et applications


Thorme
Soit (, T , P) un espace probabilis.
Soit X une variable alatoire discrte. Soit f : I R une fonctionP
de transfert et Y = f (X). Alors :
la variable Y admet une esprance si et seulement si la srie n0 f (xn )P(X = xn ) converge
absolument et dans ce cas, on a :
+
X X
E(Y ) = f (xn )P(X = xn ) = f (x)P(X = x)
n=0 xX()

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(X + Y ) = E(X) + E(Y )

Si X et Y admettent une esprance et sont indpendantes alors XY admet une esprance et on a :

E(XY ) = E(X)E(Y )

Gnralisation un transfert dun vecteur alatoire et lesprance dune combinaison linaire.

Preuves
s

Proposition (croissance de lesprance)


Soit X et Y deux variables alatoires discrtes sur un espace probabilis (, T , P). Alors :

P(X 0) = 1 E(X) 0 et donc P(X Y ) = 1 E(X) E(Y )

Preuve
La premire implication est vidente. La seconde dcoule de lgalit [X Y ] = [X Y 0] et de la
linarit de lesprance.

6.3.4 Ingalits de Markov


Proposition
Soit (, T , P) un espace probabilis.
Soit X une variable alatoire discrte valeurs strictement positives et admettant une esprance.
Alors, pour tout rel a strictement positif, on a :

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.

6.4 Variance et covariance


6.4.1 Variance, cart type et autre moments
Variance et cart type : dfinitions, variable alatoire centre rduite, variable alatoire centre rduite
associe.
Thorme de Koenig-Huygens.
Variance et cart type de aX + b.
Variance dune somme finie de variables alatoires mutuellement indpendantes.
Moment dordre k N , moment centr dordre k N . Lexistence dun moment dordre k im-
plique lexistence dun moment tous les ordres infrieurs k.

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

Thorme (Ingalit de Bienaym-Tchebychev)

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

(c) Loi de Xk pour k quelconque.


Pour tout entier n 1, on note Sn le nombre de boules noires obtenues lors des n premiers
tirages et An lvnement le nme tirage amne une boule noire.
i. Prciser Xk ().
ii. Justifier que : n k, [Xk = n] = [Sn1 = k 1] An . En dduire P(Xk = n).
iii. Vrifier que Xk est bien une variable alatoire.
iv. En utilisant la loi de probabilit obtenue prcdemment, montrer que Xk admet une esp-
rance et la calculer..
5. Antirpartition.
Soit X une variable alatoire telle que X() N.
(a) Dmontrer que :
n
X n
X
n N, P(X > k) = kP(X = k) + (n + 1)P(X > n)
k=0 k=1

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

ii. Conclure que X admet une esprance et la prciser.


(c) Rciproquement, on suppose que X admet une esprance.
i. Dmontrer que :
+
X
n 1, (n + 1)P(X > n) kP(X = k)
k=n+1

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)

(a) Justifier que la variable certaine gale 0 est sans mmoire.


6.5. EXERCICES 83

(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*

1. Un page autoroutier comporte m guichets. On suppose que le nombre N de voitures arrivant en 1


heure suit une loi de Poisson de paramtre . On suppose, de plus, que les conducteurs choisissent au
hasard leur guichet et que ces choix sont indpendants. Soit Xi (o 1 i m) le nombre de voitures
passant au guichet numro i.

(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

6.5.2 Pour les DL


DL 6 (voir le corrig la page 278)
1. (daprs ESCP, voie conomique)
Une chane de fabrication produit des objets dont certains peuvent tre dfectueux. Pour modliser
ce processus, on considre une suite (Xn )n1 de variables alatoires de Bernoulli indpendantes, de
paramtres p (o 0 < p < 1). La variable alatoire Xn prend la valeur 1 si le nme objet produit est
dfectueux et prend la valeur 0 sil est de bonne qualit.
Pour contrler la qualit des objets produits, on effectue des prlvements alatoires et on considre
une suite (Yn )n1 de variables alatoires de Bernoulli indpendantes de paramtre p0 (o 0 < p0 < 1).
La variable alatoire Yn prend la valeur 1 si le nme objet produit est contrl et prend la valeur 0 sil
ne lest pas.
Toutes ces variables alatoires sont dfinies sur un mme espace probabilis (, T , P) et sont suppo-
ses toutes indpendantes entre elles.
Pour tout entier naturel n non nul, on pose Zn = Xn Yn . La variable alatoire Zn ainsi dfinie vaut
donc 1 si et seulement si le nme objet produit est contrl et dfectueux.
Lobjet de lexercice est dtudier le nombre dobjets dfectueux produits par la chane avant quun
objet dfectueux nest t dtect.
(a) Dterminer, pour tout entier n 1, la loi de la variable alatoire Zn puis la covariance des
variables Xn et Zn . En dduire que les variables alatoires Xn et Zn ne sont pas indpendantes.
Par contre, il rsulte des hypothses (et on ne demande pas de le justifier) que, pour tout entier
n la variable alatoire Zn est indpendante des variables Xi , Yi et Zi pour tout entier naturel
i 6= n.
(b) Pour tout entier n 1, on considre lvnement An : le nme objet produit est le premier qui
est contrl et trouv dfectueux .
i. Exprimer lvnement An en fonction des variables alatoires Z1 , . . . , Zn puis dterminer
la probabilit P(An ).
ii. Montrer quon finira presque srement par dtecter un objet dfectueux.
(c) Soit n 2.
i. Pour tout entier k tel que 1 k n 1, calculer la probabilit des vnements [Xk =
1] [Zk = 0] et [Xk = 1] An .
ii. On note Bk lvnement [Zk = 0]. Montrer que :
p pp0
k J1, n 1K, PAn (Xk = 1) = PBk (Xk = 1) =
1 pp0
iii. Soit (x1 , . . . , xn1 ) {0, 1}n1 . Montrer que :
n1
! n1
\ Y
PAn [Xk = xk ] = PAn (Xk = xk )
k=1 k=1

(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) Prciser la loi de Xi , son esprance et sa variance.


(b) Pour tout rel x ] 1, 1[ et tout entier s N , calculer les sommes :
s
X +
X
k1
As (x) = kx et Bs (x) = kxk2
k=1 k=s+1

(c) Soit (i, j) J1, nK2 tel que i 6= j.


i. Dterminer la loi conjointe du couple (Xi , Xj ).
ii. En utilisant la question (b), calculer E(Xi Xj ).
iii. En dduire la valeur du coefficient de corrlation (Xi , Xj ).

DL* 6 (voir le corrig la page 281)


1. Soit X et Y deux variables alatoires valeurs dans N indpendantes et de mme loi. Soit p ]0, 1[
et on pose : q = 1 p. Enfin, on considre les variables alatoires V = inf(X, Y ) et W = X Y .
(a) i. Justifier que : k N, P(V = k) = P(X k)2 P(X k + 1)2 .
ii. Justifier que : k Z, P(W = k) = +
P
i=0,ik0 P(X = i)P(X = i k).
(b) On suppose que la loi de X est donne par : n N, P(X = n) = pq n .
i. Dterminer la loi de V .
pq |k|
ii. Montrer que : k Z, P(W = k) = 1+q
.
iii. Montrer que V et W sont indpendantes.
P(W =1)
(c) Rciproquement, on suppose que V et W sont indpendantes. On pose : = P(W =0)
.
P([X=n+1][Y =n])
i. En calculant de deux faons diffrentes le quotient P([X=n][Y =n])
, montrer que : n
P(X=n+1)
N, = P(X=n)
.
ii. En dduire la loi commune de X et de Y .
2. On considre dun jeu deux issues S (succs) et E (chec). On suppose que la probabilit de succs
est p ]0, 1[. On rpte ce jeu jusqu obtenir pour la premire fois au moins un succs et au moins
un chec. On note alors T le nombre de rptitions ralises, S le nombre de succs et E le nombre
dchecs au moment de larrt.
(a) i. Dterminer la loi de T . En dduire que T est bien une variable alatoire.
ii. Montrer que T admet une esprance et une variance et les calculer.
(b) i. Donner la loi conjointe du couple (S, T ).
ii. En dduire la loi de S et vrifier que S est bien une variable alatoire.
iii. Montrer que S possde une esprance et une variance et les calculer.
iv. Justifier que le couple (S, T ) admet une covariance puis la calculer.
(c) Montrer que le couple (S, E) admet une covariance et la calculer.

6.5.3 Autres exercices


Colle
1. On donne :
e1 1
(n, m) N2 , P([X = n] [Y = m]) = n
n! 2
86 CHAPITRE 6. VARIABLES ALATOIRES DISCRTES INFINIES

(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

(b) On suppose que : n N, P(An ) 6= 1. Dmontrer que :


+
!
[ X  X
P An = 1 ln P(An diverge P(An ) diverge
n=0 n0 n0

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

Rduction des endomorphismes et des matrices


carres

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.

7.1 Matrices et application linaire


7.1.1 Rappels
Matrice de passage dune base une autre : dfinition et proprits opratoires.
Lien entre les matrices dune mme application dans deux bases distinctes.

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.

7.1.2 Cas de la somme directe


Proposition/Dfinition
Soit E de dimension finie n 2. Soit f L(E). On suppose que :
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 .

89
90 CHAPITRE 7. RDUCTION DES ENDOMORPHISMES ET DES MATRICES CARRES

La matrice de f dans la base B est alors :



A1 ...
... ..
A2 .
MatB (f ) =
.. ... ...

.

... Ap

o Ai est la matrice dans la base Bi de lendomorphisme induit par f sur Fi .


Une telle matrice est dite diagonale par blocs.

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 ?

3. Justifier que la matrice A0 de f dans la base B 0 est diagonale par blocs. La dterminer.

7.1.3 Matrices semblables


Dfinition
On dit que deux matrices M et N de Mn (K) sont semblables si et seulement sil existe une matrice
P GLn (K) telle que N = P 1 M P .
7.2. LMENTS PROPRES DUN ENDOMORPHISME 91

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

7.2 lments propres dun endomorphisme


7.2.1 Gnralits
Dfinitions
On dit que K est une valeur propre de lendomorphisme u si et seulement si :

~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 :

E (u) = {~x E | u(~x) = ~x} = Ker(u IdE )

Lensemble des valeurs propres de u sappelle le spectre de u, on le note Sp(u).

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) Dterminer une base de Ker(f ).



1
(b) Prciser f 1 .
1
(c) En dduire des valeurs valeurs propres ainsi que 3 vecteurs propres de f .
2. Soit u lapplication dfinie sur R2 [X] par : pour tout polynme P (X) R2 [X], u(P ) est le reste de
la division euclidienne de P (X) par X 1.
92 CHAPITRE 7. RDUCTION DES ENDOMORPHISMES ET DES MATRICES CARRES

(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.

3. Soit v : C C dfinie par : f C , v(f ) = f 00 .

(a) Vrifier que v L(C ).


(b) Soit a R. Justifier que x 7 eax est un vecteur propre de v associ une valeur propre que
lon prcisera.
(c) Montrer que les fonctions sin et cos sont deux vecteurs propres appartenant un mme sous
espace propre.

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

7.2.2 Lien avec les polynmes annulateurs


Proposition
Soit Sp(u) et ~x un vecteur propre qui lui est associ. Alors : k N, uk (~x) = k ~x.
7.2. LMENTS PROPRES DUN ENDOMORPHISME 93

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

Comme ~x 6= 0, on en dduit que P () = 0.


Un contre exemple de la rciproque : u = IdE admet pour unique seule valeur propre le rel 1 mais
admet aussi X(X 1) comme polynme annulateur.

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.

7.2.3 propos des sous espaces propres


Thorme
On suppose que E est de dimension finie. Les sous espaces propres de u (en nombre fini) sont en somme
directe.

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.

7.3 Endomorphismes diagonalisables


Proposition/Dfinition (QC)
On suppose que E est de dimension finie.
Les propositions
P suivantes sont quivalentes :
dim(E) = Sp(u) dim(E (u)),
L
E = Sp(u) E (u),
il existe une base de E constitue exclusivement de vecteurs propres de u.
On dit que lendomorphisme u est diagonalisable dans K si et seulement si lune des propositions
prcdentes est vrifie.

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.

7.4 Matrices carres diagonalisables


7.4.1 lments propres dune matrice
Dfinitions
Soit A Mn (K) et K.
On dit que est une valeur propre de la matrice A si et seulement si :

X Mn,1 (K) {0} / AX = X

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 :

E (A) = {X Mn,1 (K) | AX = X}

On appelle spectre de la matrice A lensemble Sp(A) constitu des valeurs propres de A.


On dit que la matrice A est diagonalisable dans K si et seulement si Mn,1 (K) admet une base
constitue de vecteurs propres de A.

7.4.2 Lien entre matrice et application linaire


On suppose ici que E est de dimension finie gale n. On considre une base B = (~e1 , . . . , ~en ) de E et
on note A la matrice de u dans la base B.

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

7.4.3 Mthode pratique de recherche des lments propres


Utilisation du pivot de Gauss.

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

7.5 Rduction des endomorphismes et des matrices carres


7.5.1 Thorme fondamental de la rduction
Thorme
Soit M la matrice de u dans une base B = (~e1 , . . . , ~en ) de E. On suppose que u est diagonalisable dans
une base de vecteurs propres B 0 = (~x1 , . . . , ~xn ) associs aux valeurs propres respectives 1 , . . . , n (non
ncessairement deux deux disctintes). On pose :

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

7.5.2 Application : puissances successives dune matrice diagonalisable


Proposition (preuve tablir chaque fois)
Soit M Mn (K) une matrice diagonalisable dans K. Alors, il existe une matrice inversible P et une
matrice diagonale D telles que :
k N, M k = P Dk P 1

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 =

Soit lapplication dfinie sur Mn (R) par : M Mn (R), (M ) = M B BM .


(a) Montrer que est un endomorphisme de Mn (R).
(b) Dmontrer que : k N, (Ak ) = kAk .
(c) On suppose que A nest pas nilpotente. Que peut-on dire du spectre de ? Conclure.
5. Soit n un entier suprieur ou gal 2. Soit u lendomorphisme de Rn dont la matrice dans la base
canonique de Rn est donne par :

1 1 ... 1
1 0 ... 0
A = .. .. Mn (R)

..
. . .
1 0 ... 0

(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 :

f (P ) = (X 2 1)P 0 (nX + 1)P

(a) Proprits gnrales.


i. Calculer f (X n ) et f (1). Calculer f (X k ) pour tout entier k J1, n 1K.
ii. Quelles sont les valeurs de lentier k J0, nK telles que deg(f (X k )) = deg(X k ) ?
iii. Montrer que f est un endormorphisme de En .
iv. crire la matrice A de f dans la base canonique de En .
(b) tude de f pour des valeurs particulires de n.
98 CHAPITRE 7. RDUCTION DES ENDOMORPHISMES ET DES MATRICES CARRES

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 :

Pk (X) = (X 1)k (X + 1)nk

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

(a) Dterminer une matrice A telle que :



un+1 un
n N, vn+1 = A vn
wn+1 wn

un u0
(b) Exprimer vn en fonction de v0 , A et n pour tout entier naturel n.
wn w0
(c) Montrer que A est diagonalisable et prciser ses sous espaces propres.
(d) En dduire les expressions de un , vn et wn en fonction de n pour tout entier naturel n.

TD*
1. Soit M M3 (R) et A M3,1 (R).
(a) On suppose que A est un vecteur propre de tM . Montrer que :

X M3,1 (R), tAX = 0 tAM X = 0

(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

i. Donner les valeurs propres de M .


ii. Donner toutes les droites stables par f .
iii. Donner tous les plans stables par f .
2. Soit tr lapplication dfinie sur Mn (K) par :
n
X
A = (ai,j ) Mn (K), tr(A) = ai,i
i=1

(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.

7.6.2 Pour les DL


DL 7 (voir le corrig la page 284)
1. On dit quune suite (An )nN de matrices de M2 (R) telle que :
 
an bn
n N, An =
cn dn

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+

Pour toute matrice M M2 (R) et pour tout entier naturel n, on pose :


n
X
Sn (M ) = Mk = I + M + + Mn
k=0

o I dsigne la matrice unit de M2 (R).


(a) On suppose que la suite de matrices (An )nN converge vers une matrice A dans M2 (R). Soit P
une matrice de M2 (R). Montrer que la suite (P An )nN converge vers P A. Que peut-on dire de
la suite (An P )nN ?
(b) Soit A M2 (R) et P GL2 (R).
i. Exprimer, pour tout entier naturel n, la matrice Sn (P 1 AP ) en fonction des matrices Sn (A)
et P .
ii. En dduire que la suite (Sn (A))nN converge si et seulement si la suite (Sn (P 1 AP ))nN
converge.
(c) Soit u un endomorphisme non diaonalisable de R2 admettant une valeur propre a R. Soit e1
un vecteur propre de u associ la valeur propre a.
i. Prciser Sp(u) et la dimension du sous espace propre de u associ la valeur propre a.
ii. Justifier lexistence dun vecteur e2 R2 tel que la famille B = (e1 , e2 ) est une base de R2 .
 
a b
iii. Montrer quil existe un rel b 6= 0 tel que la matrice de u dans la base B soit .
0 a
100 CHAPITRE 7. RDUCTION DES ENDOMORPHISMES ET DES MATRICES CARRES

iv. Dterminer alors la matrice de u dans la base C = (be1 , e2 ) de R2 .


 
a 1
(d) Soit a R et T = .
0 a
i. La matrice T est-elle diagonalisable ?
ii. Calculer T n pour tout entier naturel n.
iii. En dduire que la suite (Sn (T ))nN converge si et seulement si a ] 1, 1[ et calculer la
limite de cette suite.
(e) Soit A M2 (R) admettant au moins une valeur propre relle.
i. Montrer que (Sn (A))nN converge si et seulement si les valeurs propres de A appartiennent
toutes ] 1, 1[.
ii. Prciser, pour tout entier naturel n, la matrice (I A)Sn (A).
iii. En dduire que, lorsque la suite (Sn (A))nN converge, sa limite vaut (I A)1 .
2. On considre un espace probabilis (, T , P) et deux variables alatoires X et Y valeurs dans
J1, n + 1K o n 2. On pose :

(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.

DL* 7 (voir le corrig la page 288)


1. Soit n un entier naturel tel que n 2. Soit E = Cn [X] lespace vectoriel des polynmes coefficients
complexes de degr infrieur ou gal n.
(a) i. Soit C et Pk (X) = (X )k o k J1, nK. Montrer que Pk (X) est divisible par son
polynme driv.
ii. Rciproquement, soit P (X) E divisible par son polynme driv P 0 (X). Dterminer la
forme de P (X).
(b) Soit u lapplication dfinie sur E par :

P (X) E, u(P )(X) = (X 2 + 1)P 0 (X) nXP (X)

i. Montrer que u est un endomorphisme de E.


ii. Dterminer les valeurs propres et les sous espaces propres de u.
iii. Lendomorphisme u est-il diagonalisable ?
7.6. EXERCICES 101

2. Soit p ]0, 1[. On pose : q = 1 p. On considre la matrice A de M3 (R) dfinie par :



0 1 0
A= 0 0 1
2
p q 0 1

(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

7.6.3 Autres exercices


Colle

4 1 1
1. Diagonaliser la matrice A = 2 5 2 .
1 1 2
2. Pour quelles valeurs de a, b, c les matrices suivantes sont-elles diagonalisables :

1 a 1 0 0 a
A= 0 1 b et B= 0 0 b
0 0 c a b c

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

Intgrales sur un segment

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

8.1.2 Proprits de lintgrale


linarit, Chasles, positivit (QC),
intgration par parties (QC),
changements de variables (QC, les changements de variable non affines sont fournis), applications
aux fonctions paires ou impaires ou priodiques.

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.

8.1.4 Formules de Taylor


Formule de Taylor avec reste intgral (QC),
galit et ingalit de Taylor-Lagrange,
Formule de Taylor-Young.

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.
 

ii. En posant uk = (1)k k + 12 et en utilisant uk uk1 , exprimer n + 12 puis (n+1)


 

en fonction de lentier naturel n.


k1 k1
iii. En dduire que les sries k1 (1) et k1 (1)k sont convergentes et calculer leurs
P P
2k1
sommes respectives.
5. Soit f : [0, +[ R convexe et de classe C 2 sur [0, +[.
(a) Justifier que f 0 est croissante sur [0, +[.
(b) Soit k N.
R k+1 R k+1
1
f 0 (x)dx en fonction de f (k), f (k + 1) et

i. Exprimer k
xk 2 k
f (x)dx.
f (k)+f (k+1) R k+1
ii. En dduire que : 2
k f (x)dx puis que :
Z n
1 1
n N , f (1) + f (2) + f (3) + + f (n 1) + f (n) f (x)dx
2 2 1
R k+1 0 0 (k)
x k 12 f 0 (x)dx f (k+1)f

(c) i. Soit k N. Montrer que : k 8
.
1 2 1 1
On remarquera que x 7 2 (x k) (x k) 4 est une primitive de x 7 x k 2
sur R.
ii. En dduire que :
n
f 0 (n) f 0 (1)
Z
1
1
n N , f (1) + f (2) + f (3) + + f (n 1) + f (n) f (x)dx
2 2 1 8
106 CHAPITRE 8. INTGRALES SUR UN SEGMENT

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

(a) Montrer que :



t2
Z  
1
n N , t cos(nt)dt = 2
0 2 n
(b) Montrer que :
N    

X 1 t
N N , t ]0, [, cos(nt) = sin(N t) cos + cos(N t) 1
n=1
2 2

(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

2. Soit f C 2 ([a, b]).


Rb Rb
(a) Montrer que : a
f (t)dt = ba
2
(f (a) + f (b)) + 1
2 a
f 00 (x)(a x)(b x)dx.
(b) i. Justifier lexistence des rels : m = minf 00 et de M = maxf 00 .
[a,b] [a,b]
Rb
ii. En dduire un encadrement de a
f (t)dt.
8.2. EXERCICES 107

8.2.2 Pour les DL


DL 8 (voir le corrig la page 290)
1. (daprs EML, voie conomique).
R
Pour tout entier naturel n, on note : wn = 02 cosn (t)dt.
(a) Calculer w0 et w1 .
(b) i. Montrer que la suite (wn )nN est dcroissante.
ii. Montrer que la suite (wn )nN est convergente.
(c) Soit n N.
i. laide dune intgration par parties, montrer que :
Z
2
wn+2 = (n + 1) cosn (t) sin2 (t)dt
0

n+1
ii. En dduire que wn+2 = w .
n+2 n

(d) i. En utilisant certains rsultats des questions prcdentes, montrer que :


n+1
n N, 0 < wn wn+1 wn
n+2

ii. En dduire que wn+1 wn .


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

Indication : On pourra utiliser lingalit de Taylor-Lagrange.


Pour tout rel x > 1 et pour tout rel h non nul et tel que 1 < x |h|, on pose :
Z 1
t2
 
1
D(x, h) = F (x + h) F (x) h 2
dt
h 0 1 + xt

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
).

ii. Montrer que F est de classe C 1 sur ] 1, +[.


R1
(d) i. En utilisant les rsultats de la question (c)i, calculer 0
ln(1 + xt2 )dt.
ii. Montrer que F peut tre prolonge par continuit en 1.
(e) Soit G le prolongement de F et C sa courbe reprsentative.

i. tudier la drivabilit de G en 1. Quen dduit-on pour C ?


ii. Quelle est la nature de la branche infinie de C ?
iii. Tracer lallure de C.

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.

i. Dterminer une relation de rcurrence entre I(a, b) et I(a + 1, b 1) pour a N et b N .


ii. En dduire lexpression de I(a, b) en fonction des entiers naturels a et b.
Pb (1)k b

iii. Utiliser ce rsultat pour dterminer une expression simplifie de la somme : k=0 a+k+1 k .

(b) i. Montrer que :


Z x
1
P Rn [X], !Q Rn [X] / x R {1}, Q(x) = P (t)dt
x1 1

On a ainsi dfini une application f sur Rn [X] par : f (P ) = Q.


ii. Montrer que f est un automorphisme de Rn [X] et prciser sont automorphisme rciproque
f 1 .
(c) i. crire la matrice A de f dans la base canonique (1, X, . . . , X n ) de Rn [X].
ii. La matrice A est-elle diagonalisable dans R ? Si oui, prciser ses valeurs propres.
iii. La matrice A est-elle inversible ? Si oui, prciser sa matrice inverse A1 .
(d) i. Soit C une racine complexe de multiplicit k N dun polynme Q Rn [X]. Est-
elle racine du polynme f 1 (Q) et si oui avec quelle multiplicit ? (on pourra discuter selon
les valeur de k et de )
ii. En dduire les sous espaces propres de f 1 et montrer quils sont galement propres pour
f.
iii. Dterminer la matrice T triangulaire suprieure dont les coefficients de la diagonale sont
tous gaux 1 et la matrice diagonale D telles que D = T 1 AT .
(e) Soit k N et p J0, nK. Montrer que le coefficient de X p du polynme f k (X n ) est gal :

np 
(1)j
 X  
n np
p j=0 j (p + j + 1)k
8.2. EXERCICES 109

DL* 8 (voir le corrig la page 297)


1. (daprs Oral ESCP 2001) Soit E lespace vectoriel des fonctions continues sur [0, 1] et valeurs
dans R. Pour toute fonction f E, on dfinit la fonction (f ) par :
Z x
x [0, 1], (f )(x) = f (t)dt
0

(a) Justifier que est un endomorphisme de E.


(b) On note 0 = IdE et, pour tout entier naturel n, n+1 = n = n .
Soit f E, x [0, 1] et n N.

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.

8.2.3 Autres exercices


Colle
1. s

DS
1. s
110 CHAPITRE 8. INTGRALES SUR UN SEGMENT
Chapitre 9

Intgrales sur un intervalle quelconque

9.1 Intgrales gnralises ou intgrales impropres


Dfinitions
Soit a R et b ]a, +]. On suppose que f est dfinie et continue sur [a, b[.
Rb
Lintgrale a f (t)dt est qualifie dimpropre en la borne b.
On dit que f admet une intgrale sur lintervalle [a, b[ ou bien que lintgrale (qualifie aussi
Rb
de gnralise) a f (t)dt est convergente en la borne b si et seulement si :
Z x
lim f (t)dt R
xb a
x<b

et la valeur de lintgrale se note alors :


Z b Z x
f (t)dt = lim f (t)dt
a xb a
Rb
Lintgrale a f (t)dt, impropre en b, est dite divergente si et seulement si elle ne converge pas en
b (la limite peut tre infinie ou bien ne pas exister).
Soit b R et a [, b[. On suppose que f est dfinie et continue sur ]a, b].
Rb
Lintgrale a f (t)dt est qualifie dimpropre en la borne a.
Rb
On dit que f admet une intgrale sur lintervalle ]a, b] ou bien que lintgrale a f (t)dt est
convergente en la borne a si et seulement si :
Z b
lim f (t)dt R
xa x
x>a

et la valeur de lintgrale se note alors :


Z b Z b
f (t)dt = lim f (t)dt
a xa x
Rb
Lintgrale a f (t)dt, impropre en a, est divergente si et seulement si elle ne converge pas en a.
Soit (a, b) R2 tel que a < b. Soit c ]a, b[. On suppose que f est dfinie et continue sur ]a, b[.
Rb
Lintgrale a f (t)dt est qualifie dimpropre en les deux bornes a et b.
Rb
On dit que f admet une intgrale sur lintervalle ]a, b[ ou bien que lintgrale a fR(t)dt est
c
convergente en les deux bornes a et b si et seulement si les deux intgrales impropres a f (t)dt
Rb
et c f (t)dt sont convergentes et on note :
Z b Z c Z b Z c Z x
f (t)dt = f (t)dt + f (t)dt = lim f (t)dt + lim f (t)dt
a a c xa x xb c
Rb
Lintgrale a
f (t)dt, impropre en a et en b, est divergente si et seulement si elle est divergente en
a ou en b.

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

2. Montrer que les intgrales qui suivent sont divergentes :


Z 1 Z + Z +
dx dx dx
0 x 1 x e x ln(x)

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

cette dernire intgrale ntant


R 1 ln(1+x) R 1 pas du tout impropre mais bien une intgrale sur un segment.
Exemple : 0 x
dx et 0 t ln(t)dt sont faussement impropres en 0.

Dfinitions (fonctions avec points de discontinuit)


Soit (a, b) R2 tel que a < b. On suppose que f est continue sur ]a, b[ sauf en un nombre finis de points
a1 , . . . , an tels que :
a = a0 < a1 < < an < b = an+1
Rb
On dit que f admet une intgraleRsur ]a, b[ ou bien que lintgrale a f (t)dt converge si et seulement
a
si, pour tout i J0, nK, l intgrale aii+1 f (t)dt, impropres en les deux bornes ai et ai+1 , est convergente.

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.

9.2.2 Lien avec les suites de limite la borne impropre


Thorme
Rb
On suppose que lintgrale a f (t)dt impropre en b est convergente. Alors, pour toute suite (un )nN
dlments de [a, b[ telle que un b, on a :
n+
Z un Z b
f (t)dt f (t)dt
a n+ a

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

Par convergence de la suite vers b, on a : n0 N / n n0 , un [b , b[. Alors :


Z un

n n0 , I
f (t)dt
a

Cas b = + : Par convergence de lintgrale, il existe un rel x0 > 0 tel que :


Z x

x x0 , I
f (t)dt
a

Par divergence de la suite vers +, on a : n0 N / n n0 , un x0 . Alors :


Z un

n n0 , 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.

9.2.3 Lien avec les sries


Il convient de noter certaines analogies entre les intgrales et les sommes :
Intgrale sur un segment / Somme finie.
Intgrale sur un intervalle non major / Srie : cas de convergence, cas de divergence.
Nous allons donc pousser un peu plus loin les analogies mais voir aussi certaines diffrences dans le cas
dintgrales impropres en +.

Thorme de comparaison srie/intgrale


R +
Psuppose que f est continue, positive et dcroissante sur [a, +[. Alors, lintgrale
On a
f (t)dt et la
srie nEnt(a)+1 f (n) sont de mme nature.
114 CHAPITRE 9. INTGRALES SUR UN INTERVALLE QUELCONQUE

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

Alors, pour tout rel x a + 1, on a :


Ent(x)+1 Z Ent(x)+1 Ent(x)
X 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.

Application : Reste dune intgrale impropre


Rb
On suppose que lintgrale a f (t)dt impropre en b est convergente. Pour tout rel x [a, b[, on appelle
Rb Rb Rx
reste de lintgrale impropre sur lintervalle [x, b[ le rel x f (t)dt = a f (t)dt a f (t)dt.

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.

Application : Ingalit de Cauchy-Schwarz


Soit a R et b ]a, +]. On suppose que f et g sont continues sur [a, b[ et que les intgrales
Rb Rb Rb
a
f (t)g(t)dt, a f (t)2 dt et a g(t)2 dt convergent. Dmontrer que :
Z b sZ b s
Z b

f (t)g(t)dt
2
f (t) dt g(t)2 dt

a a a

9.2.6 Positivit et ingalits


Thormes
Soit a R et b ]a, +]. On suppose que f et g sont continues sur [a, b[.
Rb Rb
Si f est positive sur [a, b[ et si a f (t)dt converge alors a f (t)dt 0.
Rb Rb Rb Rb
Si f g sur [a, b[ et si les intgrales a f (t)dt et a g(t)dt convergent alors a f (t)dt a g(t)dt.
Rb
Si f est positive sur [a, b[, si f est non nulle en au moins un point de [a, b[ et si a f (t)dt converge
Rb
alors a f (t)dt > 0.
Rb Rb
Par contraposition, si f est positive sur [a, b[, si a f (t)dt converge et si a f (t)dt = 0 alors f est
nulle sur [a, b[.
116 CHAPITRE 9. INTGRALES SUR UN INTERVALLE QUELCONQUE

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.

9.2.7 Intgration par parties


Nous nnoncerons pas de thorme particulier. Dans la pratique, pour effectuer une intgration par
parties sur une intgrale impropre, on se ramnera dabord une intgrale sur un segment (cf la dfinition
de la convergence de lintgrale impropre) puis on effectuera lintgration par parties proprement dite et
enfin on passera la limite sur la(les) borne(s) impropre(s) de lintgrale.

Exemple
R +
Calculer lintgrale : 0
t2 et dt.

9.2.8 Changement de variables


Thorme
Soit a R et b ]a, +]. On suppose que f est continue sur ]a, b[. Soit u :], []a, b[ une application
Rb R
de classe C 1 sur ], [ et strictement croissante sur ], [. Alors, les intgrales a f (t)dt et f (u(x))u0 (x)dx
sont de la mme nature. De plus, en cas de convergence, on a :
Z b Z
f (t)dt = f (u(x))u0 (x)dx
a

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

puis on passe la limite lorsque x0 , ce qui est quivalent t0 b.

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 :

x ]a, +[ (resp. ]a, b]), F 0 (x) = f (x)

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 :

x ] , b[ (resp. [a, b[), F 0 (x) = f (x)

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.

9.3 Cas des fonctions positives


9.3.1 Intgrales de Riemann
Dfinition
R + 1
R1 1
Pour tout rel , les intgrales 1 t
dt et 0 t
dt sont appeles intgrales de Riemann.

Thorme (QC)

Soit un rel.R Alors :


+
lintgrale 1 t1 dt, impropre en +, converge si et seulement si > 1.
R1
lintgrale 0 t1 dt, impropre en 0, converge si et seulement si < 1.

Preuve

Dfinition de la convergence et primitive usuelle.


118 CHAPITRE 9. INTGRALES SUR UN INTERVALLE QUELCONQUE

Remarque

R +En1 utilisant le thorme ci-dessus


1
ainsi que le thorme de comparaison srie/intgrale lintgrale
1 t
dt pour la fonction x 7 x qui est continue et dcroissante sur [1, +[ lorsque > 0, on
(re)dmontre le thorme sur la convergence des sries de Riemann.

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

9.3.3 Rgles de comparaison


Thormes de comparaison des intgrales impropres (QC*)
Soit a R et b ]a, +]. On suppose que f et g sont continues et positives sur [a, b[.
On suppose que : t [a, b[, f (t) g(t). Alors :
Rb Rb
si lintgrale a g(t)dt converge en b alors lintgrale a f (t)dt converge en b,
Rb Rb
si lintgrale a f (t)dt diverge en b alors lintgrale a g(t)dt diverge en b.
On suppose que : f (t) = o (g(t)). Alors :
tb
Rb Rb
si lintgrale a g(t)dt converge en b alors lintgrale a f (t)dt converge en b,
Rb Rb
si lintgrale a f (t)dt diverge en b alors lintgrale a g(t)dt diverge en b.
Rb Rb
On suppose que : f (t) g(t). Alors, les intgrales a f (t)dt et a g(t)dt sont de la mme nature.
tb

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 :

lim (t) = 0 et t [, b[, f (t) = g(t)(t)


tb

La fonction est alors positive et majore sur [, b[. Soit donc M un majorant. On a :

t [, b[, 0 f (t) M g(t)

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 :

lim (t) = 0 et t [, b[, f (t) = g(t)(1 + (t))


tb

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

Proprits de la fonction (QC)


Pour tout rel x > 0, on a :
(x + 1) = x(x)
En particulier, pour tout entier naturel n, on a :

(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!

La proprit prcdente assure lhrdit :

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

Exercice
Dmontrer que la fonction est strictement dcroissante sur ]0, 1] et strictement croissante sur [1, +[.

9.4 Cas des fonctions de signe variable


Dfinitions
Soit a R et b ]a, +]. On suppose que f est continue sur [a, b[.
Rb
On dit que lintgrale a f (t)dt est absolument convergente (ou bien quelle converge absolument)
Rb
si et seulement si lintgrale a |f (t)|dt converge.
Rb
On dit que lintgrale a f (t)dt est semi-convergente si et seulement si elle est convergente et non
absolument convergente.

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

Par passage la limite lorsque x b, on obtient lingalit attendue.

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

3. Existence et calcul des intgrales :


R2 et +et
(a) 1 xdx2 1 (pour le calcul, on pourra poser x = 2
),
R +
(b) 0 e x dx (pour le caclul, on pourra poser u = x),
R + 5
(c) 0 x12x +1 dx (pour le caclul, on pourra poser u = x6 ).

4. Soit f : R R telle que lim f (x) = ` et lim f (x) = `0 .


x+ x
Z B+1 Z A+1
(a) Dterminer lim f (x)dx et lim f (x)dx.
B+ B A A
122 CHAPITRE 9. INTGRALES SUR UN INTERVALLE QUELCONQUE

(b) tablir la convergence des intgrales :


Z + Z 0
(f (x + 1) f (x))dx et (f (x + 1) f (x))dx
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

iii. Dterminer lexpression de I2n+1 en fonction de n.


I2n+1
iv. Prciser I2n
en fonction de n.
(c) i. Montrer que, pour tout entier, n 1, on a :
Z + 2
Z +
nx2
n+1 nx
x e 2 dx = xn1 e 2 dx
0 0

ii. Montrer que, pour tout entier, n 1, on a :


Z +
n+2 n+1 1 nx2
n 2 In+1 n 2 In = xn1 e 2 (x 1)2 dx
2 0

iii. En dduire que, pour tout entier, n 1, on a :



0 nIn In+1
9.5. EXERCICES 123

(d) i. Montrer que, pour tout entier, n 1, on a :


r  
1 n 2n
1 n 1
2n 4 n

ii. En dduire un quivalent de 2n



n
.

(e) On admet la formule de Stirling : n! nn en 2n. Retrouver directement le rsultat qui
n+
prcde.

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

iv. Montrer que :


+ Z +
X 1
f (nh) + f (x)dx
h0 h 0
n=0
2
tn converge pour tout t ] 1, 1[.
P
(b) i. Montrer que le srie n0
124 CHAPITRE 9. INTGRALES SUR UN INTERVALLE QUELCONQUE

+ 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

(1)n In converge et trouver une expression de sa somme


P
ii. En dduire que la srie n2
laide dune intgrale.

9.5.2 Pour les DL


DL 9 (voir le corrig la page 300)
R + sin(t)
1. Calcul de 0 t
dt.
R sin((2n+1)t)
(a) Pour tout entier naturel n, on pose : In = 2
0 sin(t)
dt.
i. Justifier lexistence de la suite (In )nN .
ii. Pour tout entier naturel n, calculer : In+1 In . 
Indication : sin(a) sin(b) = 2 cos a+b 2
sin ab
2
.
iii. Calculer I0 puis dterminer lexpression de In en fonction de n N.
(b) i. Soit f une fonction de classe C 1 sur le segment [a, b]. Montrer que :
Z b
lim f (t) sin(nt)dt = 0
n+ a

ii. Montrer que lapplication g : 0, 2 R, x 7 1 1


 
x
sin(x)
se prolonge en une fonction de
g de classe C 1 sur 0, 2 .
 
R +
iii. En dduire que 0 sin(t) t
dt = 2 .
R + 2
2. Calcul de et dt et de n + 12 .


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

iii. Montrer que :


Z x 2
t2
x R, g(x) + e dt =
0 4
R + 2
iv. En dduire la valeur de 0
et dt.
(b) Loi de Laplace-Gauss.
R + 2
i. Justifier la convergence et calculer lintgrale et dt.
R +  2
ii. En dduire la valeur de 12 exp x2 dx.
Rx 1  2
iii. tudier la fonction : x 7 2 exp t2 dt (variations, limites, convexit, courbe).

(c) propos de la fonction .


R + 2
1
et dt.

i. En utilisant le changement de variable u = t, montrer que 2
= 0
ii. En dduire la valeur de n + 12 pour tout entier naturel n.


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

(b) Montrer que :


Z bx Z by
f (u) f (u)
lim+ du = 0 et lim du = 0
x0 ax u y+ ay u
R + f (at)f (bt)
(c) En dduire la convergence et la valeur de lintgrale I = 0 t
dt.

DL* 9 (voir le corrig la page 305)


R1 (a)(b)
1. O lon montre que 0 ta1 (1 t)b1 dt = (a+b)
.

(a) Pour tout couple (x, y) de rels strictement positifs, on pose :


Z 1
B(x, y) = tx1 (1 t)y1 dt
0

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)

(d) Soit (x, y) un couple de rels strictement positifs.


i. Montrer que : B(n + 1, y) (y)
y .
n+ n
(y)
ii. En dduire que : B(x, y) xy
.
x+
(x)(y)
iii. Montrer, enfin, que : B(x, y) = (x+y)
.
(x+y) B(x+n,y)ny
Indication : On pourra montrer que (x) = lim en utilisant la question (c).
n+ B(x,y)

2. Soit a et b deux rels tels que 0 < a < b. Soit f :]0, +[ R continue sur ]0, +[ et telle que :

lim f (t) = ` R et lim f (t) = L R


t0+ t+

(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

(b) Montrer que :


bx by
f (u) ` f (u) L
Z Z
lim+ du = 0 et lim du = 0
x0 ax u y+ ay u
+
f (at) f (bt)
Z
(c) En dduire la convergence et la valeur de lintgrale I = dt.
0 t
Z + at
e ebt
(d) Que vaut dt ?
0 t

9.5.3 Autres exercices


Colle
1. tudier la convergence des intgrales :
Z 1 Z 1
ln(x)
dx x ln(x)dx
0 x+1 0
9.5. EXERCICES 127

2. Soit P la fonction polynomiale dfinie par : P (t) = t5 t + 1.


(a) i. Combien P admet-elle de racines relles ?
ii. Montrer que les racines complexes de P sont simples.
R +
(b) On dfinit la fonction F par : F (x) = x P 4(t) dt.
i. Dterminer le domaine de dfinition de F .
ii. Dterminer le sens de variation de F et prciser sa convexit.
(c) i. tudier les limites de F aux bornes de son domaine de dfinition.
ii. Montrer que F (x) 14 .
x+ x

iii. Montrer que F (x) + 4 ln(xa)


5a2 1
o le rel a est tel que P (a) = 0.
xa
R + R x+1
3. Soit f C 1 ([0, +[, R) telle que 0
f (t)dt est convergente et x 7 x
(f 0 (t))2 dt est borne sur
[0, +[. Dterminer lim f (x).
x+
R + xn
4. On pose In = 1 e dx.
(a) En utilisant le changement de variable u = xn , montrer que :
Z A u Z A u
e 1/n e
A > 1, lim u du = du
n+ 1 u 1 u

(b) En dduire un quivalent de In lorsque n tend vers +.


5. (daprs Oral ESCP 2003)
R + xt
(a) i. Dterminer lensemble D des rels x pour lesquels lintgrale impropre 0 e1+t dt est
convergente. R + xt
Pour x D, on pose alors : f (x) = 0 e1+t dt.
R + eu
ii. Pour x D, montrer que lintgrale impropre 0 x+u du est convergente et comparer sa
valeur f (x).
(b) Soit g et h les fonctions dfinies sur D par :
Z 1 u +
e 1 eu
Z
g(x) = du et h(x) = du
0 x+u 1 x+u
i. Montrer que g et h sont bornes sur D.
ii. En dduire que : f (x) + ln(x).
x0
1 1 u
(c) i. Montrer que : (x, u) D R+ , 0 x
x+u
x2
.
ii. En dduire un quivalent simple de f (x) au voisinage de +.
R +
6. Condition sur pour que 0 arctan(t)
t
dt converge. Calculer lintgrale pour = 32 .

DS
1. s
128 CHAPITRE 9. INTGRALES SUR UN INTERVALLE QUELCONQUE
Chapitre 10

Variables alatoires densit

10.1 Rappels sur les variables alatoires quelconques


Tribu des borliens, dfinition dune variable alatoire, -algbre associe une variable alatoire.
La somme et le produit de deux variables alatoires sont deux variables alatoires.
Fonction de rpartition dune variable alatoire : dfinition et proprits (croissance, limites, conti-
nuit droite).

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.

10.2 Gnralits sur les variables densit


10.2.1 Introduction
Soit f : R R une fonction positive sur R, continue sur R sauf ventuellement en
R + R xun nombre fini de
rels a1 < < an et telle que f (t)dt converge et vaut 1. Soit F : R R, x 7 f (t)dt.
1. (a) Justifier que F est bien dfinie sur R puis prciser ses limites en et en +.
(b) Montrer que F est croissante sur R.
(c) Montrer que F est continue sur R.
Ainsi, F est la fonction de rpartition dune variable alatoire X.
(d) Justifier que F est de classe C 1 sur les intervalles ], a1 [ , ]x1 , a2 [ , . . . , ]an1 , an [ , ]an , +[.
2. Soit x R. En utilisant la famille dvnements x n1 < X x nN , calculer P(X = x).
 


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 :

P(X 1) P(X = 1) P(X < 1) P(X 1) P(X > 1)

(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

Alors, on en dduit que :

P(X x) = P(X < x) + P(X = x) = P(X < x)

et de mme pour P(X > x).


On sait que FX0 (t) = f (t) sauf ventuellement en les points a1 < < an qui sont en nombre finis.
Ncessairement f = FX0 est continue sur les intervalles dfinis par ces points. Soit x R. Si x < a1
alors :
Z x
0 0
t ] , x], f (t) = FX (t) et f C (] , x]) donc FX (x) = f (t)dt

Si x ]xi , xi+1 [ alors : ...

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 ?

10.2.4 Densit par transfert


Thorme (QC)
Soit f une densit dune variable alatoire X. Soit une fonction de classe C 1 , strictement monotone
et de fonction drive ne sannulant pas sur un intervalle I contenant X(). Alors, Y = X est une
variable alatoire densit et la fonction g dfinie par :

f (1 (y))
y R, g(y) = 11(I) (y)
|0 (1 (y))|

en est une densit.


132 CHAPITRE 10. VARIABLES ALATOIRES DENSIT

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 :

FY (y) = P(X 1 (y)) = FX (1 (y))

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 :

FY (y) = P(X 1 (y)) = 1 FX (1 (y))

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.

(a) (QC) Dterminer une densit de Y = aX + b avec a R et b R.


Dans le cas o a = 0, que peut-on dire de la variable alatoire Y ?
(b) Prciser le rsultat dans la cas o Y = X.

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.

(a) Dterminer une densit de Y = eX o R .


(b) Prciser la loi de Y lorsque f = 11[0,1] (on vrifiera dabord que lon a bien 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

Quelques cas de fonctions de transfert non bijectives


1. Soit X une variable alatoire dont f est une densit.

(a) (QC) Dterminer une densit g de la variable alatoire Y = X 2 .


1
(b) i. Prciser la fonction g dans le cas o f (x) = (1+x2 )
.

ii. En dduire la loi de Y (on pourra effectuer le changement de variable u = y).

2. Soit X une variable alatoire dont f est une densit.

(a) (QC) Dterminer une densit g de la variable alatoire Y = |X|.


(b) i. Prciser la fonction g dans le cas o f = 12 11[1,1] .
ii. En dduire la loi de Y .

10.2.5 Somme de deux variables alatoires densit indpendantes


Proposition
R + R +
Soit f et g deux densits et x un rel. Alors, les deux intgrales f (t)g(x t)dt et f (x t)g(t)dt
sont de mme nature. De plus, en cas de convergence, elles sont gales.

Preuve
Changement de variable.

Thorme (admis) / Dfinition


Soit X et Y deux variables alatoires densit indpendantes. Soit f une densit de X et g une densit
de Y . Sous rserve de convergence, on pose :
Z + Z +
z R, h(z) = f (x)g(z x)dx = f (z y)g(y)dy

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

1. (a) Reprsenter graphiquement FX et FY .


(b) Prciser X() et Y (). En dduire (X + Y )().
2. (a) Dterminer une densit f de X puis une densit g de Y . Les reprsenter graphiquement.
(b) Dterminer une densit h de X + Y . La reprsenter graphiquement.
(c) Dterminer la loi de X + Y .
134 CHAPITRE 10. VARIABLES ALATOIRES DENSIT

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

Si, de plus, g est sur ] , c[ et sur ]d, +[ (avec c < d) alors :


Z b
h(z) = f (x)g(z x)dx
a

10.3 Moments dune variable alatoire densit


10.3.1 Moment dordre k
Dfinition
Soit X une variable alatoire densit et f lune de ses densits. Soit k N . R
+
On dit que X admet un moment dordre k si et seulement si lintgrale tk f (t)dt converge
absolument.
Si X admet un moment dordre k alors on appelle moment dordre k de X le rel :
Z +
mk (X) = tk f (t)dt

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

Proprit (positivit de lesprance)


Soit X une variable alatoire densit admettant une esprance et telle que X() [0, +[. Alors
E(X) 0.
(admis) Soit X et Y deux variables alatoires quelconques ( densit ou discrtes ou ni lun ni lautre)
admettant une esprance. Si [X Y ] est vraie presque srement alors E(X) E(Y ).

Preuve (dans le cas de variables densit)


s

Proprit (linarit de lesprance, admis)


Soit X et Y deux variables alatoires quelconques ( densit ou discrtes ou ni lun ni lautre) admettant
une esprance. Alors, pour tout couple (, ) de rels, la variable alatoire X + Y admet une esprance
et on a :
E(X + Y ) = E(X) + E(Y )

Preuve (dans le cas de variables densit)


Lexistence dcoule dun rsultat sur les intgrales absolument convergentes.
Lgalit dcoule du fait que lon peut scinder lintgrale puisque chacune des deux converge.

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.

Thorme de transfert (preuve non exigible)


Soit X une variable alatoire densit telle que X() est un intervalle ]a, b[ de R (avec a < b
+). Soit f une densit de X et une fonction continue sur ]a, b[ sauf ventuellement en un nombre fini
Rb
de points. Alors la variable alatoire (X) admet une esprance si et seulement si lintgrale a (t)f (t)dt
converge absolument. De plus, en cas de convergence absolue, on a
Z b
E((X)) = (t)f (t)dt
a

Preuve (dans le cas o est de classe C 1 avec 0 strictement positive ou ngative)


Utiliser le thorme de transfert prcdent.

10.3.3 Moment dordre 2 et variance


Dfinitions
Soit (, T , P) un espace probabilis. Soit X une variable alatoire densit dont f est lune de ses
densits. On suppose que X admet une esprance. R +
On dit que X admet une variance si et seulement si lintgrale (t E(X))2 f (t)dt converge
(absolument).
Si X admet une variance alors on appelle variance de X le rel :
Z +
V(X) = 2 (X) = (t E(X))2 f (t)dt

p
et cart type de X le rel (X) = V(X).
On dit que X est centre-rduite si et seulement si elle admet une variance et :
E(X) = 0 et V(X) = 1

Exemples
Reprendre les exemples de calculs desprance et dterminer les variances ventuelles.

Proposition (formule de Koenig-Huygens)


Une variable alatoire X admet une variance si et seulement si elle admet un moment dordre 2. De
plus, en cas dexistence de lun de ces deux rels, on a :
V(X) = E(X 2 ) E(X)2

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

10.3.4 Ingalits usuelles


Proposition (ingalits de Markov et de Bienaym-Tchebychev, QC)
Soit (, T , P) un espace probabilis. Soit X une variable alatoire densit.
Si X est valeurs strictement positives et admet une esprance alors, pour tout rel a strictement
positif, on a :
E(X)
P(X a)
a
r
Soit r ]0, +[. Si X 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 (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

i. Dterminer la loi de Zn . Que vaut la probabilit P(Zn > 1) ?


ii. tudier lexistence des moments de Zn .
4. Loi de Rayleigh.
2
On considre la fonction f : R R, t 7 tet /2 11[0,+[ (t).
(a) Montrer que f est une densit dune variable alatoire X.
(b) Dterminer la fonction de rpartition de X.
(c) Montrer que X admet des moments de tous les ordres et les calculer. Prciser en particulier
lesprance et la variance de X.
5. Loi de Gilbrat.
2
On considre la fonction f : R R, t 7 1 e ln (t)/2 1]0,+[ (t).
t 2
(a) Montrer que f est une densit.
(b) Soit X une variable alatoire admettant f pour densit. Montrer que X admet une esprance et
une variance et les calculer.

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

10.4.2 Pour les DL


DL 10 (voir le corrig la page 308)
1. (daprs Oral ESCP 2001).
R + dt
(a) Montrer que, pour tout rel a, lintgrale I(a) = a e2t +1
est convergente et la calculer.
Indication : On pourra poser x = et .
1
(b) Soit f : R R, x 7 (1+x2 )
. Vrifier que f est une densit de probabilit.
(c) Soit x R. Dterminer deux rels A et B tels que :
1 A B
u R+ , 2x
= +
(u + 1)(u + e ) u + 1 u + e2x

(d) On considre deux variables alatoires X et Y indpendantes et admettant la mme densit f .


i. Dterminer une densit de ln(|X|).
ii. Dterminer une densit de Z = ln(|XY |).
2. (daprs Ecricome, voie conomique).
Un systme est constitu de n composants. On suppose que les variables alatoires T1 , . . . , Tn mesu-
rant le temps de bon fonctionnement de chacun des composants sont mutuellement indpendantes et
de mme loi donne par la densit f : t 7 et 11[0,+[ (t) o ]0, +[.
(a) Nombre moyen de composants dfaillants entre les intstants 0 et t.
On note Nt la variable alatoire gale au nombre de composants dfaillants entre les instants 0
et t o t [0, +[.
i. Soit i J1, nK. Calculer P(Ti t).
ii. Quelle est la loi de Nt ? Prciser son esprance.
iii. partir de quel instant t0 le nombre moyen de composants dfaillants dpasse-t-il la moiti
du nombre de composants ?
(b) Montage en srie.
On suppose que le systme fonctionne correctement si tous les composants eux-mmes fonc-
tionnent correctement et on note Sn le temps de bon fonctionnement du systme.
i. Pour t R, exprimer lvnement [Sn > t] en fonction des vnements [T1 > t], . . . , [Tn >
t].
ii. Dterminer la fonction de rpartition Fn de la variable alatoire Sn puis dfinir une densit
fn .
iii. Montrer que Sn admet une esprance et une variance que lon calculera.
(c) Montage en parallle.
On suppse maintenant que le systme fonctionne correctement si lun au moins des composants
fonctionne correctement et on note Un la variable alatoire mesurant le temps de bon fonction-
nement du systme.
i. Pour t R, exprimer lvnement [Un < t] en fonction des vnements [T1 < t], . . . , [Tn <
t].
ii. Dterminer la fonction rpartition Gn de la variable alatoire Un puis montrer quune den-
sit gn est donne par :

0 si t < 0
gn (t) =
n(1 et )n1 et si t 0
140 CHAPITRE 10. VARIABLES ALATOIRES DENSIT

iii. Montrer que Un admet une esprance puis que :


n1
1 X (1)k
 
n
E(Un ) =
k=0 k + 1 k + 1

iv. En dduire la valeur de E(Um+1 ) E(Um ) puis, par sommation, dterminer un quivalent
simple de E(Un ).

DL* 10 (voir le corrig la page 311)


1. (daprs Oral ESCP 2001). Soit X et Y deux variables alatoires indpendantes valeurs dans R+
et de densit respectives fX et fY .
(a) On pose U = ln(X) et V = ln(Y ). Exprimer des densits fU et fV des variables alatoires U
et V laide de fX et de fY .
(b) En dduire une expression dune densit de T = ln X

Y
.

0 si x 0
(c) Montrer quune densit g de X Y
est donne par : g(x) = 1 .
f (ln(x)) si x > 0
x T
(d) Prciser la fonction g dans les cas :

(1) fX = fY = 11[1,2] et (2) fX = fY : t 7 et 11]0,+[ (t)

10.4.3 Autres exercices


Colle
1. Soit X une variable alatoire admettant une densit f continue sur R. On suppose que X admet une
esprance. Montrer que : Z +
E(X) = (1 FX (t))dt
0

2. Loi de Cauchy gnralise.


3. Loi bta.

DS
1. s
Chapitre 11

Espaces euclidiens

11.1 Produit scalaire


Dans ce paragraphe, E dsigne un R-espace vectoriel de dimension finie ou infinie.

11.1.1 Produit scalaire et norme associe


Dfinition
Soit : E E R. On dit que est un produit scalaire sur E si et seulement si est une forme :
bilinaire :

(x1 , x2 , y) E 3 , (1 , 2 ) R2 , (1 x1 + 2 x2 , y) = 1 (x1 , y) + 2 (x2 , y)

(x, y1 , y2 ) E 3 , (1 , 2 ) R2 , (x, 1 y1 + 2 y2 ) = 1 (x, y1 ) + 2 (x, y2 )


symtrique :
(x, y) E 2 , (y, x) = (x, y)
dfinie-positive :
x E, (x, x) = 0 x = 0
x E, (x, x) 0
On utilise souvent les notations hx|yi ou bien hx, yi au lieu de (x, y).

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

Ce produit scalaire est appel produit scalaire canonique de Rn .


2. Soit E = C 0 ([a, b]). Pour tout couple (f, g) E 2 , on pose :
Z b
(f, g) = f (t)g(t)dt
a

141
142 CHAPITRE 11. ESPACES EUCLIDIENS

3. Soit E = R[X]. Pour tout couple (P, Q) E 2 , on pose :


Z + Z 1
t P (t)Q(t)
hP, Qi = P (t)Q(t)e dt et (P, Q) = dt
0 1 1 t2

4. Soit E = Rn [X]. Pour tout couple (P, Q) E 2 , on pose :


n
X
hP |Qi = P (k)Q(k)
k=0

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

On dit dun vecteur x de E quil est unitaire si et seulement si kxk = 1.

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 .

Proprits de la norme (QC)


Soit h., .i un produit scalaire sur E de norme associe k.k. Alors :
x E, kxk = 0 x = 0,
x E, R, kxk = || kxk,
(x, y) E 2 , kx + yk2 = kxk2 + kyk2 + 2 hx, yi,
Ingalit de Cauchy-Schwarz :

(x, y) E 2 , |hx, yi| kxk kyk

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 :

F G (i, j) J1, kK J1, hK, (xi , yj ) = 0

Proposition (thorme de Pythagore)


Deux vecteurs x et y de E sont -orthogonaux si et seulement si kx + yk2 = kxk2 + kyk2 .

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 :

(x, 1 y1 + 2 y2 ) = 1 (x, y1 ) + 2 (x, y2 ) = 0

Comme (0E , x) = 0 pour tout x F alors F 6= . Soit (y1 , y2 ) F et (1 , 2 ) R2 . Alors :

x F, (x, 1 y1 + 2 y2 ) = 1 (x, y1 ) + 2 (x, y2 ) = 0

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

11.1.3 Familles orthogonales et familles orthonormales


Dfinitions
Soit un produit scalaire sur E.
On dit quune famille (x1 , . . . , xp ) de vecteurs est -orthogonale si et seulement si ses vecteurs sont
deux deux orthogonaux.
On dit quune famille (x1 , . . . , xp ) de vecteurs est -orthonormale (ou orthonorme) si et seulement
si ses vecteurs sont unitaires et deux deux orthogonaux.

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

Thorme : Procd dorthonormalisation de Gram-Schmidt (QC*)


Soit h., .i un produit scalaire sur E et (e1 , . . . , ep ) une famille libre dans E. Alors, il existe une famille
orthonormale (x1 , . . . , xp ) dans E telle que :

k J1, pK, Vect(x1 , . . . , xk ) = Vect(e1 , . . . , ek )

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 :

j J1, kK, hxj , ej i =


6 0 et i Jj + 1, kK, hxi , ej i = 0

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 :

i J1, kK, !i R / i = i k+1


Pk+1
On en dduit que xk+1 = k+1 i=1 i ei en posant k+1 = 1. On pose aussi : xk+1 = k+1 x. Comme
k+1 = 1 alors x 6= 0. Alors :

kxk+1 k = 1 |k+1 | kxk = 1


1
On peut ainsi choisir k+1 = kxk
6= 0. Alors P(k + 1) est vraie.

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 ).

11.2 Espaces euclidiens


Dfinition
On appelle espace euclidien tout couple (E, ) o E est un R-espace vectoriel de dimension finie et
un produit scalaire sur E.
Par abus de langage, on dit souvent que E est un espace euclidien.
Dans le restant de ce chapitre, (E, h., .i) dsigne un espace euclidien de dimension n.
146 CHAPITRE 11. ESPACES EUCLIDIENS

11.2.1 Bases orthonormales


Thorme
Tout espace espace euclidien admet une base orthonormale.
Si (e1 , . . . , en ) est une base orthonormale de E alors les coordonnes, dans cette base, de tout vecteur
x de E sont donnes par :
n
X
x= hx, ei i ei = hx, e1 i e1 + + hx, en i en
i=1

ainsi la norme dun tel vecteur x est donne par :


v
n
X
u n q
uX
kxk2 = hx, ei i2 donc kxk = t hx, ei i = hx, e1 i2 + + hx, en i2
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.

11.2.2 Produits scalaires et matrices


Proposition
Soit B = (e1 , . . . , en ) une base orthonormale de E. Soit (x, y) un couple de vecteurs de E dont les
coordonnes dans la base B sont les matrices colonnes respectives X et Y . Alors :
hx, yi = tXY et kxk2 = tXX

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

La seconde galit est immdiate.

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



passage de la base B la base B 0 . Montrer que : A0 = tP AP .

Thorme : changement de base orthonormale (QC*)


Soit B = (e1 , . . . , en ) et B 0 = (e01 , . . . , e0n ) deux bases orthonormales. Soit P la matrice de passage de
la base B la base B 0 . Alors, la matrice de passage de la base B 0 la base B est la matrice :
P 1 = tP

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

e0j , ei P 1 = ek , e0j (j,k)J1,nK2





P = (i,j)J1,nK2
et
do lon dduit que :
t
e0j , ei ei , e0j = P 1



P = (j,i)J1,nK2
= (j,i)J1,nK2

Dfinition
Une matrice carre P est dite orthogonale si et seulement si elle est inversible et P 1 = tP .

11.3 Projections orthogonales


11.3.1 Supplmentaire orthogonal
Thorme
Soit F un sous espace vectoriel de E. Alors F est un supplmentaire de F dans E. En particulier :
dim(F ) = dim(E) dim(F )

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

Si y = pF (x) alors cest OK.


Si y 6= pF (x) alors kpF (x)xk < kyxk daprs ce qui prcde et donc kyxk =
6 min {ku xk | u F }
do le rsultat par contraposition.

11.3.3 Application : un problme des moindres carrs


Proposition (QC*)
Soit les matrices A Mn,p (R) de rang p (donc p n) et B Mn,1 (R). Alors :
Il existe une unique matrice X Mp,1 (R) telle que la valeur de kAX Bk est minimale.
De plus, cette matrice X est solution de lquation tAAX = tAB.

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 :

Y F, !X Mp,1 (R) / AX = f (X) = Y

On en dduit quil existe une unique matrice X0 Mp,1 (R) telle que f (X0 ) = pF (B). Or :

AX0 = pF (B) kAX0 Bk = min {kU Bk | U F } = min {kAX Bk | X Mp,1 (R)}

toujours par bijectivit de g ce qui assure lexistence et lunicit de X0 .


De plus :

f (X0 ) = pF (B) f (X0 ) F et B f (X0 ) F B f (X0 ) F


 

[Y F, hY, B f (X0 )i = 0] [X Mp,1 (R), hAX, B f (X0 )i = 0]


X Mp,1 (R), t(AX)(B AX0 ) = 0
 

X Mp,1 (R), tX tA(B AX0 ) = 0


  

X Mp,1 (R), X, tA(B AX0 ) = 0 tA(B AX0 ) =





do le rsultat : tAAX0 = tAB.

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

1. tous polynmes P (X) = a0 + a1 X + a2 X 2 et Q(X) = b0 + b1 X + b2 X 2 de R2 [X], on associe le


rel :
hP, Qi = (a0 + a1 )b0 + (a0 + 3a1 )b1 + 3a2 b2

Montrer que h., .i est un produit scalaire sur R2 [X].



x1 y1
2. On considre lapplication f dfinie pour (x, y) = x2 , y2 = R3 R3 par :
x3 y3

f (x, y) = x1 y1 + 6x2 y2 + 3x3 y3 + 2x1 y2 + 2x2 y1 + 3x1 y3 + 3x3 y1

(a) Montrer que f est une forme bilinaire symtrique sur R3 .


(b) Pour quelle(s) valeur(s) du rel , lapplication f est-elle un produit scalaire sur R3 ?

3. Les applications suivantes sont-elles des produits scalaires sur R[X] :


Z 1 Z 1
0 0
(P, Q) = [P (t)Q(t) + P (t)Q (t)] dt (P, Q) = P (0)Q(0) + P 0 (t)Q0 (t)dt
1 1

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

Montrer que f et g sont deux endomorphismes de E.


Indication : (x1 , x2 ) E 2 et (1 , 2 ) R2 tant fixs, on pourra calculer hf (1 x1 + 2 x2 ) |yi pour
tout vecteur y.
5. (a) Montrer que, pour tout entier naturel n, il existe un unique polynme Tn de R[X] tel que :

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

i. Montrer que h., .i est un produit scalaire sur Rn [X].


ii. Montrer que la famille (Tk )0kn est une base orthogonale pour ce produit scalaire.
iii. Dterminer kTk k pour tout entier k J0, nK.

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.

11.4.2 Pour les DL


DL 11 (voir le corrig la page 312)
1. Soit (E, ) un espace euclidien. Soit f : E E telle que f (0E ) = 0E et :
(x, y) E 2 , kf (x) f (y)k = kx yk
Montrer que f est linaire.
2. (daprs Oral ESCP 2001) Soit (E, h., .i) un espace euclidien. Soit (e1 , . . . , en ) une famille de vec-
teurs unitaires tels que :
X n
x E, kxk2 = hx, ek i2
k=1
(a) Montrer que la famille (e1 , . . . , en ) est orthonormale.
(b) Soit F = Vect(e1 , . . . , en ), x E et y sa projection orthogonale sur F . Montrer que x = y.
(c) En dduire que (e1 , . . . , en ) est une base orthonormale de E.
3. Pour tout vecteur u de coordonnes (x, y, z) de R3 , on pose : (u) = x2 + 5y 2 + z 2 4xy + xz yz.
(a) Mthode de Gauss pour lcriture de (u) comme combinaison linaire de carrs.
i. En considrant que les termes en x de (u) forment le dbut du dveloppement de (x +
y + z)2 crire (u) sous la forme : (x + y + z)2 + ay 2 + byz + cz 2 .
ii. En considrant que les termes en y de ay 2 + byz + cz 2 forment le dbut du dveloppement
dun carr, crire (u) sous la forme dune combinaison linaire de trois carrs.
iii. En dduire que (u) 0 pour tout vecteur u R3 puis que (u) = 0 si et seulement si u
est le vecteur nul.
(b) Pour tout couple (u, v) de vecteurs de R3 , on pose : (u, v) = 14 [(u + v) (u v)].
Montrer que est un produit scalaire sur R3 prciser sa norme associe en fonction de .
R1
4. On considre lapplication h.|.i : R2 [X]2 R, (P, Q) 7 1 P (t)Q(t)dt.
(a) Montrer que h.|.i est un produit scalaire sur R2 [X].
(b) Dterminer lorthonormalise (P0 , P1 , P2 ) de Gram-Schmidt de la base canonique de R3 .
(c) Dterminer la distance de P (X) = 1 + X + X 2 au sous espace vectoriel F des polynmes de
R2 [X] dont la drive sannule en 0.
152 CHAPITRE 11. ESPACES EUCLIDIENS

DL* 11 (voir le corrig la page 315)


1. (daprs Oral ESCP 2001) Soit E lensemble des polynmes P coefficients rels tels que :

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

(a) Trouver tous les polynmes constants vrifiant la relation ().


(b) On suppose, dans cette question, que P E a un degr suprieur ou gal 1.
p
i. Soit une racine (ventuellement complexe) de P . Montrer qualors 2 est racine de P
pour tout entier naturel p. Que peut-on en dduire sur le module de ?
ii. Montrer que si est racine de P alors ( 1)2 est galement racine de P .
iii. Quelles sont les racines possibles de P ?
iv. Montrer que P est de la forme X n (X 1)n avec n 1.
(c) Soit n N .
R1
i. Montrer que (P, Q) 7 0 P (t)Q(t)dt dfinit un produit scalaire sur Rn [X].
 (k) 
ii. La famille X k (X 1)k est-elle orthonorme pour ce produit scalaire ?
0kn
On rappelle que P (k) dsigne le polynm driv dordre k de P .
2. Soit n N . Pour toute matrice M = (mi,j ) de Mn (R), on appelle trace de M le rel :
n
X
tr(M ) = m1,1 + + mn,n = mi,i
i=1

Pour tout couple (A, B) de matrices de Mn (R), on pose : hA, Bi = tr(tAB).


(a) Montrer que h., .i est un produit scalaire sur Mn (R).
(b) i. Soit D le sous ensemble des matrices diagonales de Mn (R). Montrer que D est un sous
espace vectoriel de Mn (R) dont on prcisera une base puis dterminer D .
ii. Soit S le sous ensemble des matrices symtriques de Mn (R). Montrer que S est un sous
espace vectoriel de Mn (R) puis dterminer S .
(c) Soit N la norme associe ce produit scalaire.
i. Montrer que : (A, B) Mn (R)2 , N (AB) N (A)N (B).

ii. Montrer que : A Mn (R), |tr(A)| nN (A).

11.4.3 Autres exercices


Colle
1. Soit (E, ) un espace euclidien (non rduit au vecteur nul). Soit (a, b, c) R3 et : E E R
lapplication dfinie par :

(x, y) E 2 , (x, y) = a(x, x) + b(x, y) + c(y, y)

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

4. Soit F et G deux sous espaces dun espace euclidien E. Montrer que :


(a) si F G alors G F ,
(b) (F + G) = F G ,
(c) (F G) = F + G ,
(d) (F ) = F .
5. Soit E un espace euclidien. Soit f : E E telle que :

(x, y) E 2 , hf (x), yi = hx, f (y)i

(a) Montrer que f est linaire.


(b) Soit A sa matrice dans une base orthonorme de E. Montrer que A est symtrique.
6. Soit B = (e1 , e2 , e3 ) la base canonique de R3 muni de son produit scalaire canonique h., .i.

1 1 1
(a) Montrer que la famille 1 , 0 , 1 est une base de R3 .
2 1 1
(b) Orthonormaliser cette base. On la notera B 0 = (e01 , e02 , e03 ).
(c) Dterminer la matrice de passage de la base B 0 la base B.
7. Soit B = (e1 , e2 , e3 ) la base canonique de R3 muni de son produit scalaire canonique h., .i.

1 1 0
(a) Montrer que la famille 1 , 0 , 1 est une base de R3 .
0 1 2
(b) Orthonormaliser cette base. On la notera B 0 = (e01 , e02 , e03 ).
(c) Dterminer la matrice de passage de la base B 0 la base B.
R1
8. On pose hP, Qi = 0 P (t)Q(t)dt pour tout couple (P, Q) dlments de E = R2 [X].
(a) Montrer que h., .i est un produit scalaire sur E.
(b) Montrer que la famille ((X + 1)X, X(X 1), (X + 1)(X 1)) est une base de E.
(c) Orthonormaliser cette base.
R +
9. On pose hP, Qi = 0 P (t)Q(t)et dt pour tout couple (P, Q) dlments de E = R2 [X].
(a) Montrer que lapplication h., .i existe puis que cest un produit scalaire sur E.
(b) Montrer que la famille ((X + 1)X, X(X 1), (X + 1)(X 1)) est une base de E.
(c) Orthonormaliser cette base.

DS
1. s
154 CHAPITRE 11. ESPACES EUCLIDIENS
Chapitre 12

Continuit des fonctions de n variables

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

12.1 lments de topologie de lensemble Rn


12.1.1 quation paramtrique dune droite, dun segment
Dfinitions
Soit A un point de lensemble Rn et u un vecteur non nul de Rn .

Soit R et B le point de Rn tel que AB = u. Alors, on note : B A = u ou bien B = A + u.
On appelle droite passant par A et de vecteur directeur u lensemble :
n o
dA,u = M Rn AB Vect(u) = {A + u | R }

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

On appelle boule ferme de centre A et de rayon r lensemble des points de Rn :


n o
Bf (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.

12.1.3 Ensembles ouverts


Dfinition
On dit quune partie O de lensemble Rn est un ensemble ouvert dans Rn pour la norme euclidienne
si et seulement si :
A O, r > 0 / B(A, r) O

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

12.1.4 Ensembles ferms


Dfinition
On dit quune partie F de lensemble Rn est un ensemble ferm dans Rn pour la norme euclidienne
si et seulement si son complmentaire dans Rn est ouvert dans Rn .

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 ?

12.1.5 Ensembles borns


Dfinition
On dit quune partie B de lensemble Rn est borne si et seulement si elle est incluse dans une boule.

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

12.1.6 Ensembles convexes


Dfinition
On dit quune partie C de lensemble Rn est convexe si et seulement si :
(A, B) C 2 , [A, B] C

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

12.2 Fonctions dfinies sur Rn


Dfinitions
Soit U une partie de Rn et f : U R, (x1 , . . . , xn ) 7 f (x1 , . . . , xn ).
On appelle reprsentation graphique (ou graphe) de la fonction f dans le repre Rn+1 len-
semble des points (appel surface) :
Sf = (x1 , . . . , xn , f (x1 , . . . , xn )) Rn+1 | (x1 , . . . , xn ) U


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

12.3 Continuit des fonctions de n variables


Dans tout le restant du chapitre, O dsigne un ouvert de Rn .

12.3.1 Limite et continuit en un point


Dans ce paragraphe, on considre un point A(a1 , . . . , an ) de Rn tel que :
ou bien A O,
ou bien A / O mais toute boule ouverte de centre A contient au moins un point de O (autrement dit,
A est sur le bord de O, not parfois O).

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 :

> 0, r > 0 / M Bf (A, r) O, |f (M ) `|

Dans le cas o A O, on dit alors que f est continue en A.


Dans le cas o A
/ O, on dit alors que f se prolonge par continuit en A.
Notations :

lim f (x1 , . . . , xn ) = ` ou lim f (M ) = ` ou lim



f (M ) = `
(x1 ,...,xn )(a1 ,...,an ) M A kAM k0

Dans le cas o A
/ O, on dit que :
f admet + pour limite en le point A si et seulement si :

m > 0, r > 0 / M Bf (A, r) O, f (M ) m

f admet pour limite en le point A si et seulement si :

m < 0, r > 0 / M Bf (A, r) O, f (M ) m


160 CHAPITRE 12. CONTINUIT DES FONCTIONS DE N VARIABLES

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

Thorme ( tous les chemins mnent Rome )


Soit f : O R admettant pour limite ` (resp. ) en A. Soit I un intervalle de R et t0 I.
Pour tout n-uplet (u1 , . . . , un ) de fonctions dfinies sur I, valeurs dans R et telles que :

t I, (u1 (t), . . . , un (t)) O et i J1, nK, lim u1 (t) = ai


tt0

la fonction t 7 f (u1 (t), . . . , un (t)) admet pour limite ` (resp. ) en t0 .


En particulier, pour tout entier i J1, nK, la fonction :

xi 7 f (a1 , . . . , ai1 , xi , ai+1 , . . . , an )

admet pour limite ` (resp. ) en ai .

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

12.3.2 Continuit sur un ouvert


Dfinition
Soit f : U R o U est une partie de Rn . On dit que f est continue sur U si et seulement si f est
continue en chaque point de U.

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.

12.3.3 Cas de fonctions particulires


Propositions
Pour tout entier i J1, nK, on considre un intervalle Ii ouvert de R et une application ui : Ii R
continue sur Ii . Alors :
(x1 , . . . , xn ) 7 ui (xi ) est dfinie et continue sur R R Ii R R donc sur I1 In ,
(x1 , . . . , xn ) 7 u1 (x1 ) + + un (xn ) est dfinie et continue sur I1 In ,
(x, y) 7 u1 (x) un (xn ) est dfinie et continue sur I1 In .
En consquence, toute fonction polynme de n variables (i.e. polynme en la variable xi pour tout entier i)
est continue sur Rn .

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

3. Dmontrer que la fonction f qui suit est continue sur R2 :

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

Proposition ajouter (cas particulier de f (u1 (t), . . . , un (t)) ajouter aussi)


Si f est continue sur I1 In et si i J1, nK alors, pour tout (. . . , xi , . . . ) Ii . . . , on a :

t 7 f (x1 , . . . , t, . . . , xn )

est continue sur Ii .

12.3.4 Autres thormes


Thormes
Soit f : O R continue sur O.
Pour tout intervalle ouvert I de R, f 1 (I) est ouvert dans Rn .
Pour tout intervalle ferm J de R, f 1 (J) est ferm dans Rn .

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 .

Thorme (analogue aux valeurs intermdiaires ) (admis)


Soit F un ferm et born de Rn et une fonction f : F R continue sur F. Alors, lensemble f (F) est
born et ses bornes, notes minf et maxf sont atteintes en un ou plusieurs points de F.
F F

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

ii. Montrer que lim f (x, y) nexiste pas.


(x,y)(0,0)
 
1 1

(b) Soit g dfinie sur R2 {0, 0} par : g(x, y) = (x + y) sin x
sin y
.

i. Montrer que : lim g(x, y) = 0.


(x,y)(0,0)
  h i
ii. Montrer que lim lim g(x, y) et lim lim g(x, y) nexiste pas.
x0 y0 y0 x0

2. tudier lexistence dune limite en (0, 0) de :

x2 y |x| + |y| x4 y
f (x, y) = g(x, y) = h(x, y) =
x+y x2 + y 2 x2 y 2

3. tudier lexistence dune limite en (0, 0, 0) de :


xyz x+y
f (x, y, z) = et g(x, y, z) =
x+y+z x2 y2 + z2

4. tudier la continuit sur R2 des fonctions suivantes :


 sin(xy)  exy 1
y
si y 6= 0 x2 +y 2
si (x, y) 6= (0, 0)
f (x, y) = g(x, y) =
x si y = 0 0 si (x, y) = (0, 0)

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.

12.4.2 Pour les DL


DL 12 (voir le corrig la page 318)
1. (a) Un exemple.
sin(x)sin(y)
Soit f dfinie sur R2 {(x, x) | x R} par : f (x, y) = xy
.
i. Montrer que f est continue sur son domaine de dfinition.
164 CHAPITRE 12. CONTINUIT DES FONCTIONS DE N VARIABLES

ii. Peut-on prolonger f en une fonction continue sur R2 ?


 utiliser, en la justifiant pralablement, lgalit : sin(x) sin(y) =
Indication: On pourra
2 sin xy
2
cos x+y
2
.
(b) Cas gnral.  f (x)f (y)
1 2 si x 6= y
Soit f de classe C sur R et F dfinie sur R par : F (x, y) = 0
xy .
f (x) si x = y
Dmontrer que F est continue sur R2 .
2. Intgrale dpendant dun paramtre.
Soit I un intervalle de R et (a, b) un couple de rels tel que a b. Soit f une fonction dfinie et
Rb
continue sur I [a, b]. Pour tout rel x de I, on pose : g(x) = a f (x, t)dt. Montrer que g est dfinie
et continue sur I.
3. Soit : [0, 1] R continue sur [0, 1]. Soit n N. Pour tout a = (a0 , . . . , an ) Rn+1 , on pose :

Xn
f (a) = sup (t) ak tk

t[0,1] k=0

(a) Justifier lexistence de f (a) pour tout a = (a0 , . . . , an ) Rn+1 .


(b) Soit a et b deux lments de Rn+1 .
i. Montrer que, pour tout rel t [0, 1], on a :

Xn n
X X n
k k
(t) ak t (t) bk t + |bk ak | tk


k=0 k=0 k=0
n
X
f (b) + |bk ak |
k=0

f (b) + n + 1kb ak

ii. En dduire que f (a) f (b) + n + 1kb ak puis que :

|f (b) f (a)| n + 1kb ak

iii. Montrer que f est continue sur Rn+1 .


(c) On dfinit la fonction g : Rn+1 R par : g(a) = supt[0,1] nk=0 ak tk .
P

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 :

a Rn+1 , f (a) g(a) K kak K avec K = sup |(t)|


t[0,1]

Prciser alors lim f (a).


kak+

(d) Dduire de ce qui prcde que f possde un minimum. P


Si le minimum de f est atteint en a alors le polynme nk=0 ak tk est appel polynme de
meilleure approximation de sur [0, 1].
12.4. EXERCICES 165

DL* 12 (voir le corrig la page 321)


 x
2 ey 6 0
si y =
1. tudier la continuit sur R de la fonction dfinie par : f (x, y) = .
0 si y = 0
(
|x|p |y|q
|x|+|y|
si (x, y) 6= (0, 0)
2. Soit p et q deux rels strictement positifs. On pose : f (x, y) = .
0 si (x, y) = (0, 0)
p+q1
(a) Montrer que : M R2 , f (M ) OM .

(b) Calculer f (x, x) pour tout rel x 6= 0.


(c) En dduire les valeurs du couple (p, q) pour lesquelles f est continue en O.
Rx
3. Soit f : R2 R continue sur R2 . Pour tout rel x, on pose : g(x) = 1 f (t, t2 )dt.
(a) Justifier que lon a ainsi dfini une fonction g sur R.
(b) Dmontrer que g est continue sur R.

12.4.3 Autres exercices


Colle
1

1. Soit f : R2 {(0, 0)} R, (x, y) 7 (x2 + y 2 )e x2 +y 2 .
(a) Justifier que f est continue sur R2 {(0, 0)}.
(b) Montrer que f se prolonge en une fonction continue sur R2 .
x3 y
2. Soit f : R2 {(0, 0)} R, (x, y) 7 2x4 +y 4
.

(a) Justifier que f est continue sur R2 {(0, 0)}.


(b) La fonction f se prolonge-t-elle en une fonction continue sur R2 ?

DS
1. s
166 CHAPITRE 12. CONTINUIT DES FONCTIONS DE N VARIABLES
Chapitre 13

Variables alatoires densit usuelles

Dans tout ce chapitre, on considre un espace probabilis (, T , P).

13.1 Loi uniforme sur un intervalle


13.1.1 Loi uniforme sur [0, 1]
Proposition/Dfinition
La fonction 11[0,1] est la densit dune variable alatoire relle.
On dit quune variable alatoire X suit la loi uniforme sur lintervalle [0, 1] si et seulement si lune
de ses densits est la fonction 11[0,1] .
Notation : X , U([0, 1]).

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.

Propositions : fonction de rpartition, esprance et variance dune loi uniforme (QC)


Soit X , U([0, 1]). Alors :
Pour tout rel x R, on a :
0 si x < 0
FX (x) = x si 0 x 1
1 si x > 1

La variable alatoire X admet une esprance et une variance. De plus :

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

Pour tout couple (A, B) de rels tel que A < 0 et B > 1, on a :


Z B Z 1  2 1
t 1
t11[0,1] (t)dt = tdt = =
A 0 2 0 2

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 .

13.1.2 Loi uniforme sur [a, b]


Proposition/Dfinition
Soit (a, b) un couple de rels tel que a < b.
1
La fonction ba 11[a,b] est la densit dune variable alatoire relle.
On dit quune variable alatoire X suit la loi uniforme sur lintervalle [a, b] si et seulement si une
1
de ses densits est la fonction ba 11[a,b] .
Notation : X , U([a, b]).

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 :

X , U([0, 1]) Y = (b a)X + a , U([a, b])

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

cest dire que :  


xa
x R, 11[a,b] (x) = 11[0,1]
ba
: Supposons que X , U([0, 1]). Alors :
 
1 xa 1
x R, fY (x) = 11[0,1] = 11[a,b] (x)
ba ba ba

donc Y , U([a, b]).


: Supposons que Y , U([a, b]). Alors, pour tout rel x, on a :
     
1 1 xa xa xa
11[a,b] (x) = fX fX = 11[0,1]
ba ba ba ba ba
xa
Par bijectivit de x 7 ba
, on en dduit que fX = 11[0,1] cest dire que X , U([0, 1]).

Remarque
Cette proposition est la base de la simulation informatique de X , U([a, b]).

Consquences : fonction de rpartition, esprance et variance dune loi uniforme


Soit X , U([a, b]). Alors :
Pour tout rel x R, on a :
0 si x < a
xa
FX (x) = ba
si a x b
1 si x > b

La variable alatoire X admet une esprance et une variance. De plus :

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 )

(a) Dterminer la loi de Sn .


(b) En dduire que Sn est une variable densit et prciser lune de ces densits.
(c) Montrer que Sn admet une esprance et une variance que lon dterminera.
170 CHAPITRE 13. VARIABLES ALATOIRES DENSIT USUELLES

13.2 Loi exponentielle


13.2.1 Loi E(1)
Proposition/Dfinition
La fonction x 7 ex 11[0,+[ (x) est la densit dune variable alatoire relle.
On dit que quune variable alatoire X suit la loi exponentielle de paramtre 1 si et seulement si
lune de ses densits est la fonction x 7 ex 11[0,+[ (x).
Notation : X , E(1).

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+

Fonction de rpartition, esprance et variance (QC)


Soit X , E(1).
La fonction de rpartition de la variable alatoire X est :

x R, FX (x) = 1 ex 11[0,+[ (x)




La variable alatoire X admet une esprance et une variance. De plus :

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+

et la convergence est absolue. Daprs la formule de Koenig-Huygens, on en dduit que :

V(X) = E(X 2 ) E(X)2 = 2 12 = 1


13.2. LOI EXPONENTIELLE 171

13.2.2 Loi E()


Proposition/Dfinition
Soit un rel strictement positif.
La fonction x 7 ex 11[0,+[ (x) est la densit dune variable alatoire relle.
On dit que quune variable alatoire X suit la loi exponentielle de paramtre si et seulement si
lune de ses densits est la fonction x 7 ex 11[0,+[ (x).
Notation : X , E().

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).

Fonction de rpartition, esprance et variance (QC)


Soit un rel strictement positif et X , E().
La fonction de rpartition de la variable alatoire X est :

x R, FX (x) = 1 ex 11[0,+[ (x)




La variable alatoire X admet une esprance et une variance. De plus :


1 1
E(X) = et V(X) =
2
172 CHAPITRE 13. VARIABLES ALATOIRES DENSIT USUELLES

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).

13.2.3 Loi sans mmoire


Lexemple qui prcde tend montrer que la loi exponentielle est une extrapolation (continue) de la loi
gomtrique (discrte). Rappelons que la loi gomtrique est la seule loi sans mmoire discrte. Voyons ce
quil en est de la loi exponentielle.

Dfinition
Soit X une variable alatoire valeurs positives et telle que :

x 0, P(X > x) > 0

On dit que la loi de X est une loi sans mmoire si et seulement si :

(x, y) [0, +[2 , P[X>y] (X > x + y) = P(X > x)

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 :

x 0, P(X > x) > 0

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 :

P(X > x + y) 1 FX (x + y) e(x+y)


P[X>y] (X > x+y) = = = y
= ex = 1FX (x) = P(X > x)
P(X > y) 1 FX (x) e
: Supposons que X soit sans mmoire. Posons r(x) = P(X > x) = 1 FX (x) pour tout rel x.
Alors :
(x, y) [0, +[2 , r(x + y) = r(x)r(y)
Pour x = y = 0, on obtient :
r(0) = 0 ou r(0) = 1
13.3. LES DIFFRENTES LOIS GAMMA 173

Par hyposthse, r(0) = P(X > 0) > 0 donc r(0) = 1. Par rcurrence, on obtient :

(x1 , . . . , xn ) Rn , r(x1 + + xn ) = r(x1 ) . . . r(xn )

Posons a = r(1) > 0. Alors : n N, r(n) = r(1)n = an . De plus, on a :

n N, 1 = r(0) = r(n + n) = r(n)r(n)

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 :

lim r(xn ) = r(x) donc lim axn = r(x) donc r(x) = ax


n+ n+

donc : x R, r(x) = ax = ex ln(a) .


Comme FX est croissante alors r est dcroissante et donc a ]0, 1[. Posons = ln(a). Alors :

>0 et x R, FX (x) = 1 ex

donc X , E().

13.3 Les diffrentes lois gamma


13.3.1 Loi gamma
Proposition/Dfinition
Soit un rel strictement positif.
1 1 t
La fonction t 7 () t e 11]0,+[ (t) est la densit dune variable alatoire relle.
On dit quune variable alatoire X suit la loi gamma de paramtre si et seulement si lune de ses
1 1 t
densits est la fonction t 7 () t e 11]0,+[ (t).
Notation : X , ().

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

13.3.2 Loi Gamma


Proposition/Dfinition
Soit b et deux rels strictement positifs.
x
1
La fonction x 7 b () x1 e b 11]0,+[ (x) est la densit dune variable alatoire relle.
On dit quune variable alatoire X suit la loi Gamma de paramtres b et si et seulement si lune
x
1
de ses densits est la fonction x 7 b () x1 e b 11]0,+[ (x).
Notation : X , (b, ).

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 :

FX (x) = P(X x) = P(bX bx) = FY (bx)

Par drivation sur R, on obtient :


1 y 
x R, fX (x) = bfY (bx) et y R, fY (y) = fX
b b
: Supposons que X , (). Pour tout rel y, on a :
1 1  y 1 y y  1 y
fY (y) = e 11]0,+[
b = y 1 e b 11]0,+[ (y)
b () b b b ()
puisque b > 0. Ainsi Y , (b, ).
: Supposons que Y , (b, ). Pour tout rel x, on a :
1 1 bx 1 1 x
fX (x) = b (bx) e b 1
1 ]0,+[ (bx) = x e 11]0,+[ (x)
b () ()
puisque b > 0. Ainsi X , ().

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 :

E(X) = E(bY ) = bE(Y ) = b et V(X) = V(bY ) = b2 V(Y ) = b2

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

si (X1 , . . . , Xn ) sont mutuellement indpendantes et admettent respectivement la loi (i ) (o i > 0)


alors :
X1 + + Xn , (1, 1 + + 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

13.4 Les diffrentes lois normales


13.4.1 Loi normale centre rduite
Rappels
On a les galits suivantes :

12
+ +

et
Z Z
x2 1
e dx = dt = =
0 2 0 t 2 2
do lon tire : Z +
x2

Z +
x2
e dx = et e 2 dx = 2

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

Fonction de rpartition (QC)


Soit X , N (0, 1). La fonction de rpartition FX de X est souvent note . De plus, pour tout rel x,
on a : Z x  2
1 t
(x) = P(X x) = exp dt et (x) = 1 (x)
2 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

Esprance et variance (QC)


Soit X , N (0, 1). Alors X admet une esprance et une variance et on a :

E(X) = 0 et V(X) = 1

do lappellation de loi normale centre rduite.

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

Lorsque a et b + et aprs multiplication par 1 , on obtient :


2

E(X 2 ) = 1 et donc V(X) = 1

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)

2. Comparer ces valeurs avec celles fournies par lingalit de Bienaym-Tchebychev.

13.4.2 Loi normale gnrale


Proposition/Dfinition
Soit m un rel et un rel strictement
 positif.

(xm) 2
1
La fonction x 7 2 exp 22
est la densit dune variable alatoire.
On dit quune variable alatoire X suit la loi normale
 deparamtre (m, 2 ) si et seulement si lune
2
des ses densits est la fonction x 7 12 exp (xm)
2 2
.
Notation : X , N (m, 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

Soit X une variable alatoire et Y = X + m. Pour tout rel x, on a :

FX (x) = P(X x) = P(X + m x + m) = FY (x + m)

Par drivation sur R, on obtient :


 
1 ym
x R, fX (x) = fY (x + m) et y R, fY (y) = fX

Compte tenu des dfinitions de fX et fY dans les cas qui nous intressent, le rsultat est immdiat.

Exemples

1. Lectures de la table de valeurs. Soit X , N 3, 12 . Donner des valeurs approches de :




P(2 X 4) P(X 0) P(1 X 5)

2. Soit X , N (2, 1). Dterminer la loi de X.

Consquence : esprance et variance

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

12 +22 22 m1 +12 (m2 x) 2 m2 + 2 (m x)2


avec a = 212 22
, b = 212 22
et c = 2 1 212 2 2 . En utilisant le rsultat de lexercice 7 du
1 2
2
chapitre 9, en posant aussi d = c ba , on obtient :
!
(x (m1 + m2 ))2
r
1 1
fX1 +X2 (x) = ed =p 2 exp
1 2 2 a 1 + 22 2 2 (12 + 22 )

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

7. Soit X , N (0, 1) et Y , U({1, 1}) supposes indpendantes. Dterminer la loi de XY .


X+|X|
8. Soit X , N (0, 1). On pose : Y = 2
.
(a) Justifier que Y nest pas une variable discrte.
(b) Dterminer la loi de Y . La variable alatoire Y est-elle densit ?
(c) Dterminer E(X).

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 .

13.5.2 Pour les DL


DL 13 (voir le corrig la page 322)
1. Loi du 2 (loi du chi-deux, prononcer khi-deux).
Soit X une variable alatoire suivant la loi N (0, 1).
(a) On pose Y = X 2 .
i. Dterminer la loi de Y . Reprsenter graphiquement sa fonction de rpartition.
On dit que Y suit la loi du chi-deux un degr de libert.
ii. Dterminer une densit de Y puis la reprsenter graphiquement.
iii. Prciser lesprance et la variance de Y .
(b) i. Soit X1 et X2 deux variables
 alatoires indpendantes admettant la mme loi que X. Justi-
2 2 1
fier que X1 + X2 , E 2 .
ii. Soit n 2 et (X1 , . . . , Xn ) des variables alatoires mutuellement indpendantes et ayant
toutes la mme loi que X. Dterminer la loi de Yn = X12 + + Xn2 . Prciser son esprance
et sa variance.
On dit que Yn suit la loi du 2 n degr de libert.

(c) On pose : Tn = Yn .
i. Dterminer la loi de Tn .
On dit que Tn suit la loi de Maxwell-Rayleigh.
ii. Montrer que :
n+1

2
E(Tn ) = 2
n2
iii. Dterminer le moment dordre 2 de Tn puis calculer V(Tn ).
2. Loi de Pareto.
Soit X , E() avec > 0. On pose Y = eX .
182 CHAPITRE 13. VARIABLES ALATOIRES DENSIT USUELLES

(a) Dterminer une densit de Y .



(b) Montrer que Y admet une esprance si et seulement si > 1 et que dans ce cas : E(Y ) = 1
.
(c) Pour quelles valeurs de lentier k 1, la variable Y admet-elle un moment dordre k ?
3. Temps dattente un guichet.
On considre un bureau de Poste dans lequel il y a deux guichets. Trois personnes A1 , A2 , A3 entrent
en mme temps. Les personnes A1 et A2 vont respectivement vers les deux guichets qui libres ce
moment-l et A3 attend que lun des deux guichets se libre. On fait les hypothses suivantes :
la dure de passage au guichet de la personne Ai est une variable alatoire Ti qui suit la loi U([0, 1]),
les variables alatoires T1 , T2 , T3 sont indpendantes,
les dures de mouvement des personnes sont considres comme nulles.
On note X3 le temps pass par la peronne A3 dans le bureau de poste.
(a) Calculer la probabilit que la personne A3 quitte le bureau de Poste en dernier.
(b) Montrer que X3 est une variable alatoire densit dont on donnera la loi et lesprance.

DL* 13 (voir le corrig la page 325)


1. Soit X , E() o > 0. Pour tout rel u, on pose :

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
()

3. (Oral ESCP 2001).


(a) Soit X , U(]0, 1]) et Y = ln(X). Dterminer la loi de Y .
(b) Soit A et B deux variables alatoires densit, indpendantes, dfinies sur un espace probabilis
(, T , P) et suivant toutes les deux la loi uniforme sur ]0, 1]. tout , on associe lquation
de la variable relle x : A()x2 B()x + 1 = 0.
On note () et () les racines dans C de cette quation. Dterminer la loi de la variable
alatoire relle S dfinie par : S() = () + ().

13.5.3 Autres exercices


Colle
2 , 2 . Montrer que tan(X) suit la loi de Cauchy de densit : x 7 1
 
1. Soit X , U (1+x2 )
.
2. Loi Log-normale.
3. Loi de larcsinus
4. Soit X , (b, n) o b > 0 et n N . Montrer que ( vrifier) :
n1
X xk  x
x R, FX (x) = 1 k k!
exp
k=0
b b

5. (a) Soit X , (3, 2). Calculer P(2 X 4).


(b) Dterminer la loi de Y = X.
6. Soit X , E() o > 0.
13.5. EXERCICES 183

(a) Dterminer et reprsenter une densit de Y = X 2 .


(b) Dterminer la loi de Z = bXc puis prciser si elle admet une esprance.
7. (Daprs Oral ESCP 2003). Soit X , N (m, ). On pose : Y = eX .
(a) i. Dterminer la loi de Y . On note LN (m, ) cette loi.
ii. Calculer lesprance de Y .
2 2
On admet que V(Y ) = e2m+ (e 1).
(b) Soit Y1 et Y2 deux variables alatoires indpendantes suivant les lois LN (m1 , 1 ) et LN (m2 , 2 ).
i. Quelle est la loi de Z = Y1 Y2 ? Indication : ln(Z) = ln(Y1 ) + ln(Y2 ).
ii. Quelle est lesprance de Z ? sa variance ?
(c) Quelle est la loi du produit de n variables alatoires mutuellement indpendantes suivant toutes
la loi LN (m, ) ?
Y em
(d) On pose T = em
.
i. Calculer E(T ) et V(T ) et tudier leur limite lorsque tend vers 0.
ii. Dterminer une densit g de T qui soit continue sur R.
8. (Oral ESCP 2003). Soit X et Y deux variables alatoires indpendantes suivant la loi uniforme sur
[0, 1].
(a) Dterminer une densit h de la somme Z = X + Y puis sa fonction de rpartition FZ .
(b) On se propose de retrouver cette fonction de rpartition par une mthode gomtrique : on munit
le plan R2 dun repre orthonorm.
i. Soit a, b, c, d quatre rels vrifiant : 0 a < b 1 et 0 c < d 1.
Quelle est la probabilit de lvnement [a < X < b] [c < Y < d] ?
Vrifier que cette probabilit est gale laire du rectangle de sommets (a, c), (b, c), (b, d), (a, d)
que lon reprsentera.
ii. De faon gnrale, les points de coordonnes (X, Y ) tant uniformment rpartis dans le
carr de sommets (0, 0), (1, 0), (1, 1), (0, 1), on admet que, pour toute partie A de [0, 1]
[0, 1], la probabilit de lvnement [(X, Y ) A] est gale laire de cette partie A.
Soit z [0, 2]. Reprsenter dans le carr [0, 1] [0, 1] lensemble A des points de coordon-
nes (X, Y ) tels que [X + Y < z].
On sparera les cas 0 z 1 et 1 < z 2.
Calculer dans chacun de ces deux cas laire de A et retrouver ainsi la fonction de rpartition
de Z.
(c) On se propose dutiliser cette mthode gomtrique pour dterminer la fonction de rpartition
de T = XY .
i. Soit z [0, 1]. Reprsenter dans le carr [0, 1] [0, 1] lensemble des points vrifiant
XY < z.
ii. Dterminer la fonction de rpartition de T .
iii. Calculer lesprance de T et vrifier que E(XY ) = E(X)E(Y ).

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 :

(x, y) E 2 , hu(x), yi = hx, u(y)i

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 :

hu(x + y), zi = hx + y, u(z)i = hx, u(z)i + hy, u(z)i


= hu(x), zi + hu(y), zi = hu(x) + u(y), zi

donc, pour tout vecteur z E, on a :

hu(x + y) [u(x) + u(y)] , zi = 0

ce qui prouve que u(x + y) [u(x) + u(y)] = ~0. Ainsi : u L(E).

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

donc u est symtrique.

14.1.2 Lien avec les matrices


Proposition (QC)

Soit u un endomorphisme symtrique de E et B une base orthonormale de E. Alors, la matrice de u


dans B est symtrique.

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

donc A est symtrique.

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.

14.2 Rduction des endomorphismes symtriques


14.2.1 Cas des endomorphismes symtriques
Proposition
Tout endomorphisme symtrique admet une valeur propre relle.

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

14.2.2 Cas des matrices symtriques


Thorme
Toute matrice symtrique relle est diagonalisable dans une base orthonormale. Autrement dit, une
matrice A Mn (R) est symtrique si et seulement sil existe une matrice orthogonale P telle que tP AP
est diagonale.

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) .

14.3 Formes quadratiques


14.3.1 Forme quadratique associe un endomorphisme symtrique
Dfinition
Soit u un endomorphisme symtrique de E. On appelle forme quadratique associe lendomor-
phisme symtrique u lapplication :
q : E R
x 7 q(x) = hu(x), xi
14.3. FORMES QUADRATIQUES 189

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

Toute application de la forme :

q : E R
n
X X
x 7 q(x) = ai xi + 2 ai,j xi xj
i=1 1i<jn

o (a1 , . . . , an ) Rn et(ai,j )1i<jn Rn(n1) est la forme quadratique associe lendomorphisme


a1 (ai,j )
symtrique de matrice
. .. dans la base B.

(aj,i ) an

Preuves
s

Propositions (proprits des formes quadratiques, QC)


Soit q une forme quadratique sur E.
q(0E ) = 0.
Pour tout vecteur x de E et tout rel , on a : q(x) = 2 q(x).
En particulier, on a : x E, q(x) = q(x).
Lapplication : (x, y) 7 41 (q(x + y) q(x y)) est une forme bilinaire symtrique sur E E et
alors :
(x, y) E 2 , q(x + y) = q(x) + q(y) + 2(x, y)

Preuves
vident avec la dfinition.
simple avec la dfinition.
toujours la dfinition avec bilinrait et symtrie.

14.3.2 Rduction des formes quadratiques


Proposition
Soit q la forme quadratique sur E associe un endomorphisme symtrique u. Soit B = (e1 , . . . , en )
une base orthonormale constitue de vecteurs propres de u (et plus prcisment u(ei ) = i ei pour tout
i J1, nK). Alors :
X n
x E, q(x) = i x2i
i=1

o (x1 , . . . , xn ) sont les coordonnes de x dans la base B.


190 CHAPITRE 14. ENDOMORPHISMES SYMTRIQUES

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

utiliser pour i = 1, . . . , n tant que lon a un facteur carr,


2. la transformation bilinaire/quadratique :
ai,j 
(xi + xj )2 (xi xj )2

ai,j xi xj =
4
nutiliser que lorsquil ne reste plus de carrs mais seulement des doubles produits .
Attention, en fin de rduction, on ne doit avoir quau plus une combinaison linaire de n carrs.
14.4. EXERCICES 191

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

2. Lapplication suivante est-elle un produit scalaire sur R3 :


3
: R R3 R
x1 y1
x2 , y2 7 x1 y2 + x2 y1 + x1 y3 + x3 y1 + 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

2. Montrer de deux manires diffrentes que lapplication :


3
: R R3 R
x1 y1 X3 X 3
x2 , y2
7 (i + j 2)xi yj
x3 y3 i=1 j=1

nest pas un produit scalaire.



1 1 ... 1
1 0 ... 0
3. Soit A = .. .. .. Mn (R).

. . .
1 0 ... 0
(a) Justifier que A est diagonalisable.
(b) Dterminer une base de Im(A) puis une base de Ker(A).
(c) En dduire une base orthonormale pour le produit scalaire canonique de Rn dans laquelle A est
diagonalise.
4. Soit E un espace euclidien de dimension n. Soit v L(E).
(a) Soit (e1 , . . . , en ) une base orthonormale de E.
i. Soit x = x1 e1 + + xn en et y = y1 e1 + + yn en deux vecteurs de E. Rappeler
lexpression de hx, yi en fonction des rels xi et yj .
ii. Montrer quil existe un unique endomorphisme w de E tel que :

(x, y) E 2 , hv(x), yi = hx, w(y)i


192 CHAPITRE 14. ENDOMORPHISMES SYMTRIQUES

iii. Montrer que u = 12 (v + w) est un endomorphisme symtrique de E.


(b) i. Soit f un endomorphisme symtrique de E. On note (resp. ) sa plus petite (resp. grande)
valeur propre. Montrer que :

x E, kxk2 hf (x), xi kxk2

Indication : utiliser une base orthonormale convenable.


ii. Soit (resp. ) la plus petite (resp. grande) valeur propre de u et une valeur propre de v.
Montrer que :

5. Endomorphisme antisymtrique.
On dit quun endomorphisme u dun espace euclidien E est antisymtrique si et seulement si :

(x, y) E 2 , hu(x), yi = hx, u(y)i

(a) Soit u L(E). Montrer que u est antisymtrique si et seulement si :

x E, hu(x), xi = 0

(b) Soit un endomorphisme antisymtrique de E.


i. Montrer que : Ker() = Im(). En dduire que rg() est pair.
ii. Montrer que si Sp() alors = 0.
iii. Montrer que 2 est symtrique.
(c) Soit x un vecteur propre de 2 associ une valeur propre . On pose : Ex = Vect(x, (x)).
i. Montrer que Ex et Ex sont stables par .
ii. Montrer que > 0.
iii. Dterminer alors unebase (e1 , e2 ) de E telle que lendomorphisme x induit par sur Ex
 x
0
admet pour matrice dans cette base.
0
On rappelle que lendomorphisme x est dfini par :

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 :

(x, y) E 2 , hf (x), yi = hx, f (y)i

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

(c) Soit f L(E). Dmontrer lquivalence des propositions qui suivent :


i. f = f 1
ii. x E, kf (x)k = kxk
iii. (x, y) E 2 , hf (x), f (y)i = hx, yi
iv. limage par f dune base orthonorme de E est une base orthonorme de E
v. limage par f de toute base orthonorme de E est une base orthonorme de E
Un endomorphisme f vrifiant lune de ces proprits est dit orthogonal.
2. Soit u un endomorphisme symtrique dun espace euclidien E.
On dit que u est positif (resp. dfini-positif) si et seulement si toutes ses valeurs propres sont positives
(resp. strictement positives).
(a) On suppose que u est positif. Montrer quil existe un endomorphisme symtrique s positif tel
que u = s2 .
Lendomorphisme s est appel racine positive de u.
(b) On suppose que u est dfini-positif. Justifier que s lest aussi.

14.4.2 Pour les DL


DL 14 (voir le corrig la page 327)
1. (daprs oral ESCP 2001). Soit A et B les matrices de M3 (R) dfinies par :

2 4 4 5 2 1
1 1
A = 4 2 4 et B= 2 2 2
6 6
4 4 2 1 2 5
(a) i. Montrer que A est diagonalisable dans une base orthonorme puis effectuer une telle dia-
gonalisation.
ii. Montrer quil existe une matrice inversible P telle que les matrices P 1 AP et P 1 BP soit
toutes les deux diagonales.
(b) Soit F lapplication dfinie sur M3 (R) par :

X M3 (R), F (X) = AX XB

i. Montrer que F est un endomorphisme de M3 (R).


ii. Soit U un vecteur colonne propre de A et V un vecteur colonne propre de B. Calculer
F (U tV ).
iii. Lapplication F est-elle un automorphisme de M3 (R) ?
iv. F est-elle diagonalisable ?
2. Polynmes de Legendre.
Soit p un entier naturel non nul.
(a) Montrer que lapplication :
h, i : Rp [X]2 R
R1
(P, Q) 7 hP, Qi = 1 P (t)Q(t)dt

est un produit scalaire sur Rp [X].


(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!
194 CHAPITRE 14. ENDOMORPHISMES SYMTRIQUES

i. Montrer, laide de la formule de Leibniz, que pour tout n N, on a :


n  2
1 X n
Pn (X) = n (X 1)nk (X + 1)k
2 k=0 k

ii. Vrifier que Pn (1) = 1 et que Pn (1) = (1)n .


iii. Prouver que : n N, deg(Pn ) = n.
(c) On dfinit loprateur de Legendre comme tant lapplication L dfinie comme suit :

L : Rp [X] Rp [X]
0
P 7 L(P )(X) = [(X 2 1)P 0 (X)]

i. Montrer que L est un endomorphisme de Rp [X].


ii. Prouver que :
(i, j) J0, pK2 , hPi , L(Pj )i = hL(Pi ), Pj i
Que peut-on dire de L ?
(d) i. Montrer que, pour tout entier naturel n, on a :
0
Un+1 (X) XUn (X) = et (X 2 1)Un0 (X) 2nXUn (X) =

ii. En drivant (n + 1) fois la seconde galit, prouver que :

n J0, pK, L(Pn ) = n(n + 1)Pn

Que peut-on dire de Pn pour lendomorphisme L ?


(e) i. Dduire de ce qui prcde que (P0 , . . . , Pp ) est une base orthogonale de Rp [X].
R 1 (n) (n)
ii. Calculer kPn k2 laide dintgrations par parties successives de 1 Un (t)Un (t)dt.

DL* 14 (voir le corrig la page 332)


1. (Oral ESCP 2001). Soit s N tel que s 2. On considre lespace vectoriel Ms (R) des matrices
t
carres rels. Pour tout A Ms (R), on note A la matrice transpose de A.
dordres coefficients
x1 y1
.. ..
Si x = . et y = . sont deux vecteurs de Rs , on pose :
xs ys
s
X p
hx, yi = xk yk et kxk = hx, xi
k=1

Enfin, si E est un sous espace vectoriel de Rs alors on note E lorthogonal de E.


(a) On suppose dans cette question que s = 4 et on considre la matrice :

1 1 1 1
1 1 1 1 1
P =
4 1 1 1 1
1 1 1 1

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

i. Montrer que Q est la matrice dune projection orthogonale de R4 .


ii. Montrer que P et Q vrifient la condition (), o P est la matrice de la premire question.
iii. Que peut-on dire de P + Q ?

14.4.3 Autres exercices


Colle
1. Soit a R. Pour tout vecteur u de coordonnes (x, y, z) dans la base canonique B de R3 , on pose :

q(x) = x2 + (1 + a)y 2 + (1 + a + a2 )z 2 + 2xy 2ayz

(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

Fonctions de n variables de classe C 1

Dans ce chapitre, on dsigne par :


n un entier suprieur ou gal 2,
(~e1 , . . . , ~en ) (resp. (~e1 , . . . , ~en , ~en+1 )) la base canonique (orthonormale) de lespace vectoriel eucli-
dien Rn (resp. Rn+1 ) muni de son produit scalaire canonique,
Rn = (O, ~e1 , . . . , ~en ) (resp. Rn+1 = (O, ~e1 , . . . , ~en+1 )) le repre orthonorm associ de lespace
affine Rn (resp. Rn+1 ) (espace de points),

Ii le point tel que OIi , pour tout i J1, nK,
O un ouvert de lespace affine Rn ,
f et g deux applications dfinies sur O et valeurs dans R,
A(a1 , . . . , an ) un point de O.
Par ailleurs, aucune dmonstration nest exigible.

15.1 Drives partielles dordre 1 et gradient en un point


Dfinition
Soit i J1, nK. On dit que f admet une drive partielle dordre 1 par rapport la variable xi
au point A si et seulement si la fonction xi 7 f (a1 , . . . , ai1 , xi , ai+1 , . . . , an ) est drivable en ai .
Diverses notations sont alors possibles :
f f (a1 , . . . , ai1 , xi , ai+1 , . . . , an ) f (a1 , . . . , an )
(a1 , . . . , an ) = lim
xi xi ai xi ai
f (a1 , . . . , ai1 , ai + h, ai+1 , . . . , an ) f (a1 , . . . , an )
= lim
h0 h
f f (A + hIi ) f (A)
(A) = lim
xi h0 h
Interprtation graphique : la courbe obtenue par intersection de la reprsentation graphique de f
avec lhyperplan affine de Rn+1 dquation xi = ai admet une tangente au point de coordonnes
(a1 , . . . , an , f (a1 , . . . , an )).
Lorsque f admet une drive partielle par rapport toutes les variables xi au point A alors, on appelle
gradient de f au point A le vecteur de Rn :
f
x1
(A)
..
f (A) = fA = gradf (A) =

.
f
xn
(A)

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

1. f : (x1 , . . . , xn ) 7 1 x1 + + n xn + c (application affine)



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

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 .

Propositions (oprations sur les drives partielles au point A)


Soit (, ) R2 et une fonction dfinie sur un intervalle I de R qui contient f (O) qui est drivable
en f (A).
Si f et g admettent une drive partielle par rapport la variable xi au point A alors f + g, f g,
f
g
(dans le cas o g(A) 6= 0) et f admettent une drive partielle par rapport la variable xi au
point A et on a :
(f + g) f g
(A) = (A) + (A)
xi xi xi
(f g) f g
(A) = (A) g(A) + f (A) (A)
xi xi xi
 
fg f g
(A) g(A) f (A) x (A)
(A) = xi i

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) :

(f + g)(A) = .f (A) + .g(A)

(f g)(A) = g(A).f (A) + f (A).g(A)


 
f 1
(A) = . [g(A).f (A) f (A).g(A)]
g g(A)2
( f )(A) = 0 (f (A)).f (A)

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

15.2 Dveloppement limit lordre 1


Propositions
On suppose que f admet un gradient en A (cest D dire des drives partielles par rapport chaque
E
variable xi ). Alors, lapplication H 7 f (A) + f (A), OH est affine sur Rn et on a :
h D Ei
lim f (A) + f (A), OH = f (A)
HO

On suppose, de plus, que f est continue en A. Alors :


h D Ei
lim f (A + H) f (A) f (A), OH = 0
HO

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

Comme f est continue en A alors f (A + H) f (A) 0 do la conclusion.


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

o : R R est telle que limt0 (t) = 0.


Lorsque f admet un dveloppement limit lordre 1 au voisinage de A, on appelle approximation
n
D E
affine de f au voisinage de A la fonction, dfinie sur R par H 7 f (A) + f (A), OH dont la
sa reprsentation graphique est appele plan tangent en A.

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.

15.3 Fonctions de classe C 1 sur un ouvert de Rn


15.3.1 Fonctions drives partielles
Dfinitions
On suppose que f admet des drives partielles par rapport chaque variable xi en tout point de louvert
O. On appelle fonction drive partielle de f sur O par rapport la variable xi la fonction :

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

Propositions (oprations sur les fonctions drives partielles)


Soit (, ) R2 et une fonction dfinie, continue et drivable sur un intervalle I de R qui contient
f (O). Soit i J1, nK. Si f et g admettent une fonction drive partielle par rapport xi sur O alors f +g,
f g, fg (dans le cas o g(A) 6= 0) et f admettent une drive partielle par rapport xi sur O et on a :

(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

15.3.2 Fonctions de classe C 1


Dfinition
On dit que f est de classe C 1 sur O si et seulement si f admet des fonctions drives partielles par
rapport chaque variable xi sur O qui sont aussi continues sur O.

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

Propositions (oprations sur les fonction de classe C 1 )


On suppose que f et g sont de classe C 1 sur O. Soit (, ) R2 . Soit une fonction de classe C 1
sur un intervalle I de R contenant f (O). Alors, les fonctions f + g, f g, fg (dans le cas o g ne
sannule pas sur O) et f sont de classe C 1 sur O.
En particulier, toute fonction polynme est de classe C 1 sur Rn .

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

Cest une consquence du thorme prcdent.

Thorme (chemin de classe C 1 sur une surface de classe C 1 )

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

Soit t I. Pour tout rel h non nul tel que t + h I, on a :

ui (t + h) = ui (t) + hu0i (t) + hi (h)) avec lim i (h) = 0


h0

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
...

15.3.3 Drives directionnelles


Proposition/Dfinition

On suppose que f est de classe C 1 sur O. Soit U un vecteur unitaire de Rn et I un intervalle de R


contenant 0 et tels que {A + tU | t I} O (cest un morceau de droite contenant le point A).
La fonction g : t 7 f (A + tU ) est de classe C 1 sur I.
On appelle drive de f en le point A dans la direction du vecteur U le rel :

f (A + tU ) f (A)
fU0 (A) = g 0 (0) = lim
t0 t

Preuve

Cest une consquence du thorme prcdent.


15.3. FONCTIONS DE CLASSE C 1 SUR UN OUVERT DE RN 203

Exemples

Dterminer la drive directionnelle de f en A dans la direction de U dans les cas suivants :


 
1. f : (x1 , . . . , xn ) 7 1 x1 + + n xn + c avec A = (1, . . . , 1) et U = 1n , . . . , 1n
 
2. f : M 7 kOM k avec A = (1, . . . , 1) et U = 1n , . . . , 1n
 
3. f : M 7 kOM k2 avec A = O et U = 1n , . . . , 1n puis avec A = (1, . . . , 1) et U =
 
1 , . . . , 1
n n

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

On suppose que f est de classe C 1 sur O. Alors :


pour tout vecteur unitaire U de Rn , on a : fU0 (A) = hf (A), U i,
si f (A) nest pas le vecteur nul alors la plus grande drive directionnelle en A est obtenue pour le
vecteur unitaire kf1(A)k f (A) (donc selon la direction de f (A)) et vaut kf (A)k ; la plus petite
drive directionnelle en A est obtenue selon la mme direction mais dans le sens oppos,
si f (A) est le vecteur nul alors toutes les drives directionnelles sont nulles (le plan tangent est
horizontal).

Preuves

Soit U = (1 , . . . , n ) Rn un vecteur unitaire. Alors :

n
f (A + tU ) f (A) X f
fU0 (A) = lim = i (A) = hf (A), U i
t0 t i=1
xi

Cauchy-Schwarz.

Interprtation du gradient en un point A



Le vecteur gradf (A) donne la direction de la ligne de plus grande pente la surface Sf au point A

(si on lche un objet en A, il va partir dans la direction et le sens de gradf (A) car il tombe).
204 CHAPITRE 15. FONCTIONS DE N VARIABLES DE CLASSE C 1

15.3.4 Accroissements finis


Thorme des accroissements finis
On suppose que f est de classe C 1 sur O. Si H un point de O tel que [A, A + H] O alors :
D E
]0, 1[ / f (A + H) = f (A) + f (A + H), OH

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 :

C ]A, B[ / f (B) f (A) = hf (C), B Ai

Prciser un tel point C en fonction de A et de B.

15.4 Extrema dune fonction de n variables


15.4.1 Notions dextrema
Dfinitions
On suppose (ici) que f est dfinie sur une partie U quelconque de Rn .
On dit que f admet un maximum (resp. minimum) absolu en A sur U si et seulement si :

M U, f (M ) f (A) resp. f (M ) f (A)

On dit que f admet un maximum (resp. minimum) local en A si et seulement si :

r > 0 / M B(A, r), f (M ) f (A) resp. f (M ) f (A)


15.4. EXTREMA DUNE FONCTION DE N VARIABLES 205

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.

15.4.2 Condition ncessaire dexistence dun extremum sur un ouvert


Dfinition

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

On crit un dveloppement limit de f en tout point A de O :


D E  
M O, f (M ) = f (A) + f (A), AM + kAM k kAM k avec lim (t) = 0
t0

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 ?

2. On pose f (x, y) = ln(1 + xy).

(a) i. Dterminer le domaine de dfinition Df de f . Est-il ouvert ?


f f
ii. Justifier que f est de classe C 1 sur Df et prciser les fonctions x
et y
.
(b) i. Dterminer le(s) point(s) critique(s) de f .
ii. A-t-on un extremum local en ce(s) point(s) ?
(c) i. Montrer que f admet un maximum et un minimum sur = {(x, y) R2 | x 3, y
1 x y 1}.
ii. Dterminer les points de en lesquels les extrema sont atteints.
(d) Soit A(xA , yA ) R2 .

i. Dterminer une quation du plan tangent en A.


ii. Calculer la drive directionnelle en tout vecteur unitaire ~u(, ).
iii. Quelle est la direction de plus grande pente en A 1, 21 ? Calculer la pente dans cette


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 ?

4. Soit f : R2 R, (x, y) 7 x3 3x(1 + y 2 ).

(a) Dterminer les extremums locaux de f .


(b) Soit D = {(x, y) R2 | x2 + y 2 1}.

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

15.5.2 Pour les DL


DL 15 (voir le corrig la page 334)
1. (Oral ESCP 2001). Pour tout couple (x, y) de rels strictement positifs, on pose :
Z +
et dt
f (x, y) = t t
(x.e + 1)(y.e + 1)

(a) i. Vrifier la convergence de lintgrale ci-dessus.


ii. Calculer f (x, x) pour tout rel x > 0.
(b) Soit x et y deux rels strictement positifs distincts.
i. Montrer quil existe un unique couple (a, b) de rels tels que :

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 .

DL* 15 (voir le corrig la page 337)


1. (Daprs Oral ESCP 2001). Soit n N. Lespace vectoriel Rn est muni de sa structure euclidienne
canonique, le produit scalaire tant not h., .i et la norme associe k.k. Soit f une application de classe
C 1 dfinie sur Rn valeurs dans R et convexe, cest dire que :

(M, N ) (Rn )2 , [0, 1], f ((1 )M + N ) (1 )f (M ) + f (N )

Pour tout couple (H, M ) de points de Rn , on dfinit la fonction :

H,M : R R, t 7 f (M + tH)

(a) Soit (H, M ) (Rn )2 .


i. Montrer que H,M est une fonction drivable et convexe sur R.
ii. En dduire que : 0H,M (0) H,M (1) H,M (0).

(b) Montrer que, pour tout (M, N ) (Rn )2 , on a :


D E
gradf (M ), N M f (N ) f (M )
208 CHAPITRE 15. FONCTIONS DE N VARIABLES DE CLASSE C 1


(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 :

(M, N ) (Rn )2 , ]0, 1[, M 6= N f ((1 )M + N ) < (1 )f (M ) + f (N )

i. Montrer que, pour tout point M Rn , on a : f (O) f (M ) puis que, si M 6= O alors


f (M ) > 0.
ii. Montrer que inf

f (M ) existe. On note cette valeur. Montrer que > 0.
kOM k=1

iii. Montrer que si kOM k > 1 alors f (M ) kOM k. En dduire la valeur de
lim f (M ).
kOM k+

2. Soit A Mn (R) une matrice symtrique. On note S = {X Rn | kXk = 1} et on considre la


fonction :
: Rn {} R
t
XAX
X 7
kXk2
(a) Montrer quil existe X0 S tel que : (X0 ) = max (X).
XS
(b) Montrer que : (X0 ) = max (X).
XRn {}

(c) Montrer que est de classe C 1 sur Rn {}.


(d) En remarquant que X0 est un point critique ( prciser) de , montrer que X0 est un vecteur
propre de A. Quel thorme du cours a-t-on dmontr ?

15.5.3 Autres exercices


Colle
1. ? ? ? ? Soit f de classe C 1 sur Rn ( valeurs dans R) et F dfinie sur Rn par :

(x1 , . . . , xn ) Rn , F (x1 , . . . , xn ) = f (x1 x2 , x2 x3 , . . . , xn1 xn , xn x1 )

Montrer que F est de classe C 1 sur Rn puis dterminer nk=1 x F


P
i
(x1 , . . . , xn ).
2. (Oral ESCP 2002). Soit f : R2 R dfinie par :
(
(x2 + y 2 )x si (x, y) 6= (0, 0)
f (x, y) =
1 si (x, y) = (0, 0)

(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

Convergences des suites de variables alatoires

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.

16.1 Convergence en probabilit


16.1.1 Gnralits
Dfinition
On dit que la suite de variables alatoires (Xn )nN converge en probabilit vers la variable alatoire X
et on note Xn X si et seulement si :
P

> 0, lim P (|Xn X| > ) = 0


n+

Remarques
Cette dfinition de la convergence en probabilit est videmment quivalente :

> 0, lim P (|Xn X| ) = 1


n+

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.

3. On suppose que, pour tout entier naturel n non nul, on a :

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

(les variables X et X 0 sont presque srement gales pour la probabilit P).


Vrifier, dans lexemple 4 ci-avant, que lon a aussi : Xn 11{0} .
P
On ne peut pas composer la convergence en probabilit avec lesprance (voir exemple 3).

16.1.2 Proprits opratoires de la convergence en probabilit


Thormes
On note 0 la variable certaine gale 0. On a les quivalences suivantes :

|Xn | 0 Xn 0
P P

Xn X Xn X 0
P P
16.1. CONVERGENCE EN PROBABILIT 211

Si Xn X et si f est continue sur R alors f (Xn ) f (X). En particulier, on a :


P P

Xn X (a, b) R2 , aXn + b aX + b
P P

On suppose que Xn X et que Yn Y .


P P
Linarit : (, ) R2 , Xn + Yn X + Y .
P
Produit : Xn Yn XY .
P
Xn X
Quotient : si P(Y = 0) = 0 alors .
Yn P Y

Preuves
On a :
|Xn | 0 lim P(||Xn | 0| > ) = 0 lim P(|Xn 0| > ) = 0 Xn 0
P n+ n+ P

Xn X lim P(|Xn X| > ) = 0 lim P(|(Xn X) 0| > ) = 0 Xn X 0


P n+ n+ P
Fonction de transfet. Cest difficile.
Linarit. Si = 0 ou si = 0 alors le rsultat est immdiat. Dans le cas contraire, on a linclusion
des vnements :
h i h i
[|Xn + Yn X Y | > ] |Xn X| > |Yn Y | >
2 2
Comme P(A B) = P(A) + P(B) P(A B) P(A) + P(B) alors :
   
P (|Xn + Yn X Y | > ) P |Xn X| > + P |Yn Y | >
2 2
   

P (|Xn + Yn X Y | > ) P |Xn X| > + P |Yn Y | > 0
2|| 2|| n+
Produit.
Quotient.

16.1.3 Loi faible des grands nombres


Thorme (dit de la loi faible des grands nombres, QC)
Soit m R et R+ . On suppose que les Xn sont deux deux non corrles (ce qui est le cas
lorsquelles sont mutuellement indpendantes), admettent toutes le rel m pour esprance et le rel 2 pour
variance. Pour tout entier naturel n non nul, on pose :
1
Yn = (X1 + + Xn )
n
Alors la suite (Yn )n1 converge en probabilit vers m11 (variable alatoire certaine gale m).

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.

16.2 Convergence en loi et approximations de certaines lois usuelles


16.2.1 Gnralits
Dfinition
On dit que la suite de variables alatoires (Xn )nN converge en loi vers la variable alatoire X et on
note Xn X si et seulement si :
L

x DX , lim FXn (x) = FX (x)


n+

o DX dsigne lensemble des points de continut de la fonction de rpartition FX de X.

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

Thorme (lien entre les deux notions de convergence)


Si Xn X alors Xn X. La rciproque est fausse.
P L

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

Comme (Xn ) converge en probabilit vers X alors :


n0 N / n0 n, P (|X Xn | > )
Ainsi, on en dduit que :
n0 n, |F (x) Fn (x)| 2
ce qui assure la convergence de la suite (Fn (x))nN vers F (x) et donc la convergence en loi de la suite (Xn )
vers X.

Exemple et contre exemple


Soit U , U([0, 1]) et (Un )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 )
Montrer que Sn 1 et que In 0. Retrouver directement ce rsultat.
L L
Soit X , B 1, 12 , Y = 1 X et Xn = X pour tout entier naturel n. Alors Y , B 1, 12 et donc


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 .
  

Justifier que Xn 0 puis calculer E(Xn ).


L
2. Soit X , B 1, 21 , Y = 1 X, Xn = X et Yn = 1 Xn pour tout entier naturel n.
(a) Justifier que (Xn ) et (Yn ) convergent toutes les deux en loi vers X.
(b) Justifier que (Xn + Yn ) ne converge pas en loi vers X + X = 2X.
214 CHAPITRE 16. CONVERGENCES DES SUITES DE VARIABLES ALATOIRES

16.2.2 Cas des variables discrtes valeurs dans N et premires approximations


Thorme (QC)
On suppose que les variables alatoires Xn sont valeurs dans N et quil en est de mme de la variable
alatoire X. Alors :

Xn X k N, lim P(Xn = k) = P(X = k)


L n+

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

puisque la somme comporte un nombre fini de termes.

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

On en dduit donc que XN X.


L
Soit k N. Pour tout entier n max {k, }, on a :
   k  nk n
n(n 1) . . . (n k + 1) k nk

n
P(Xn = k) = 1 = 1
k n n k! nk (n )k n
16.2. CONVERGENCE EN LOI ET APPROXIMATIONS DE CERTAINES LOIS USUELLES 215

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

Consquences : approximation de lois discrtes pour diminuer le nombre de paramtres


Approximation dune loi hypergomtrique par une loi binomiale.
La premire convergence en loi :
     
a a
XN , H N (a + b), n, X , B n,
a+b L a+b
sinterprte de la manire manire suivante : lorsque N est assez grand et pour tout entier naturel
k, on peut crire :
P(XN = k) P(X = k)
autrement dit, proportions constantes et lorsque N est grand, on peut approcher une loi hypergom-
trique par une loi binomiale (intuitivement, lorsque lurne contient une trs grand nombre de boules,
effectuer des tirages successifs sans remise est quivalent effectuer des tirages successifs avec
remise). En pratique, ds lors que :
N 10n
on peut approcher X , H(N, n, p) par Y , B(n, p).
Approximation dune loi binomiale par une loi de Poisson.
La seconde convergence en loi :
  

Xn , B n, [X , P ()]
n 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

on peut approcher X , B(n, p) par Y , P(np).

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

16.2.3 Thorme de la limite centre et nouvelles approximations


Thorme (admis, appel thorme de la limite centre, TLC, ou bien thorme central limite, TCL)
On suppose que les Xn sont mutuellement indpendantes, admettent la mme loi et que cette loi admet
une esprance m et une variance 2 (o > 0). Soit X , N (0, 1). On pose :

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.

(a) i. Prciser la loi de Sn .


ii. En remarquant que [Sn = k] = k 12 Sn < k + 21 , donner une valeur approche de
 

P(800p S1000 1200p) dans le cas o :

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

Consquence : approximations de lois discrtes usuelles par une loi normale


Approximation dune loi binomiale par une loi normale.
On reprend les notations de la premire application. Soit k N. Pour tout entier n k, on a :
!
k 12 np k + 21 np
 
1 1 Xn np
P(Xn = k) = P k Xn < k + =P p p <p
2 2 np(1 p) np(1 p) np(1 p)
o lon effectue encore une correction de continuit. En utilisant le rsultat de cette premire appli-
cation, on en dduit que pour tout entier n est assez grand :
!
k 12 np k + 21 np
 
1 p 1
P(Xn = k) P p N p = P k np(1 p)N + np k +
np(1 p) np(1 p) 2 2
Or, il est manifeste que :
p
N , N (0, 1) np(1 p)N + np , N (np, np(1 p))
En pratique, ds lors que :
n 30 np 15 et n(1 p) 5
on peut approcher une loi B(n, p) par une loi N (np, np(1 p)).
Approximation dune loi Poisson par une loi normale.
On reprend les notations de la seconde application. Soit k N. Pour tout entier n k, on a :
!
k 12 n k + 12 n
 
1 1 Xn n
P(Xn = k) = P k Xn < k + =P p <
2 2 n) n n
En utilisant le rsultat de cette premire application, on en dduit que pour tout entier n est assez
grand :
!
k 21 n k + 12 n 1
 
1
P(Xn = k) P p N = P k nN + n k +
n) n 2 2
Or, il est manifeste que :

N , N (0, 1) nN + n , N (n, n)
En pratique, ds lors que :
20
on peut approcher une loi P() par une loi N (, ).
218 CHAPITRE 16. CONVERGENCES DES SUITES DE VARIABLES ALATOIRES

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

3. Soit Xn , E(n) pour tout entier n 1.


(a) Dterminer la limite en loi de cette suite de variables alatoires.
(b) Y a-t-il convergence en probabilit ?


4. Soit ]0, +[. Pour tout entier n > , on considre la variable alatoire Xn telle que : X , G n
.
tudier la convergence en loi de la suite n1 Xn n> .


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) Soit n N . On pose : Sn = X1 + + Xn .


i. Quelle est la loi de Xn + 1 ?
ii. En dduire la loi de Sn .
(b) Soit n N .
16.3. EXERCICES 219

i. crire la formule de Taylor avec reste intgrale lordre n de la fonction exponentielle en


0.
Rn
ii. Montrer que : P(Sn 0) = 1 n!1 0 tn et dt.
 
Sn
(c) i. Que peut-on dire de la suite n
?
n1
ii. Montrer que limn+ P(Sn 0) = 21 .
7. On considre une suite (Xn )nN de variables alatoires indpendantes suivant toutes la loi B(1, p) (o
p ]0, 1[). Pour tout entier naturel n 1, on pose :
n
1X
Yn = Xn1 Xn et Zn = Yk
n 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+

(a) Deux exemples.


On suppose, dans cette question, que est lintervalle [0, 1], T est la tribu des borliens de [0, 1]
(intersections des borliens de R avec [0, 1]) et P est la probabilit uniforme. Soit X la variable
certaine gale 0, autrement dit X = 0 11 .
i. Pour tout entier naturel n, on dfinit la variable alatoire : Xn = 11]0, 1 ] . Montrer que :
n+1

, 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

]0, 1], lim Yn () = X()


n+

En dduire que Yn X. Que vaut lim Yn (0) ?


p.s. n+

(b) La convergence presque sre implique la convergence en probabilit.


Soit (Xn )nN une suite de variables alatoires qui converge presque srement vers une variable
alatoire X. Montrer la suite (Xn )nN converge en probabilit vers X.
Indication : on pourra dfinir les vnements :
 

A = Xn () X()

n+

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) Prciser lensemble En = Yn () pour tout entier n 1.


(b) Dterminer la loi de Yn .
(c) Montrer que la suite (Yn )n1 converge en loi vers une variable alatoire X qui suit la loi
U([0, 1]).

16.3.2 Pour les DL


DL 16 (voir le corrig la page 338)
1. Mthode de Monte Carlo pour le calcul dune intgrale.
Soit (Xn )nN une suite de variables alatoires relles mutuellement indpendantes suivant toutes la
loi uniforme sur [0, 1]. Soit f de classe C 1 et strictement monotone sur [0, 1] et telle que sa drive ne
sannule pas sur [0, 1]. Pour tout entier n 1, on pose :
n Z 1
1X
In (f ) = f (Xi ) et I(f ) = f (t)dt
n k=1 0

(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+

(d) En utilisant lingalit de Bienaym-Tchebychev, montrer que :



]0, 1[, > 0 / n N , P n |In (f ) I(f )|


(e) En utilisant le thorme de la limite centre, montrer que :



]0, 1[, > 0 / lim P n |In (f ) I(f )| =
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

DL* 16 (voir le corri la page 341)


1. Convergences en moyenne.
Soit k un entier naturel non nul. On dit quune suite (Xn )nN de variables alatoires dun mme
espace probabilis (, T , P) admettant un moment dordre k converge en moyenne dordre k si et
seulement si :
E(|Xn X|k ) 0
n+
On parle aussi de convergence en moyenne lorsque k = 1 et de convergence en moyenne quadratique
lorsque k = 2.
(a) La convergence en moyenne implique la convergence en probabilit.
Soit (Xn ) une suite de variables alatoires admettant une esprance.
i. On suppose que les Xn sont toutes valeurs positives et que E(Xn ) 0. Montrer que
n+
Xn 0.
P
ii. On ne suppose plus, ici, que les Xn sont valeurs positives. Soit X une autre variable
alatoire admettant une esprance. Dduire de ce qui prcde que :
E(|Xn X|) 0 Xn X
n+ P

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.

16.3.3 Autres exercices


Colle
1. On suppose que Xn X avec FX continue sur R et que Yn a11 . Montrer que Xn Yn aX.
L P L
(donner indic)
2. Soit Xn X. Soit a un rel.
L

(a) Montrer que Xn + a11 X + a11 .


L
(b) i. Montrer que Xn X (donner indic).
L
ii. En dduire que aXn aX.
L
222 CHAPITRE 16. CONVERGENCES DES SUITES DE VARIABLES ALATOIRES

DS
1. s

16.4 Solutions des exercices


1. Convergences en moyenne.
(a) i. Soit > 0. Daprs lingalit de Markov, on a alors :

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

Fonctions de n variables de classe C 2

Dans ce chapitre, on dsigne par :


n un entier suprieur ou gal 2,
(~e1 , . . . , ~en ) (resp. (~e1 , . . . , ~en , ~en+1 )) la base canonique (orthonormale) de lespace vectoriel eucli-
dien Rn (resp. Rn+1 ) muni de son produit scalaire canonique,
Rn = (O, ~e1 , . . . , ~en ) (resp. Rn+1 = (O, ~e1 , . . . , ~en+1 )) le repre orthonorm associ de lespace
affine Rn (resp. Rn+1 ) (espace de points),

Ii le point tel que OIi , pour tout i J1, nK,
O un ouvert de lespace affine Rn ,
f et g deux applications dfinies sur O et valeurs dans R,
A(a1 , . . . , an ) un point de O.
Par ailleurs, aucune dmonstration nest exigible.

17.1 Fonctions drives partielles dordre 2


17.1.1 Drives partielles dordre 2
Dfinitions
f
Soit (i, j) J1, nK2 . On suppose que f admet une fonction drive partielle x i
dordre 1 sur O.
On dit que f admet une drive partielle dordre 2 par rapport xi puis par rapport xj au
f
point A si et seulement si la fonction x i
admet une drive partielle par rapport xj au point A et
on la note alors :
2f 2f
(A) si j = i et (A) si j 6= i
x2i xj xi

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

17.1.2 Oprations sur les fonctions de classes C 2


Propositions
On suppose que f et g sont de classe C 2 sur O. Soit (, ) R2 . Soit une fonction de classe C 2
sur un intervalle I de R contenant f (O). Alors, les fonctions f + g, f g, fg (dans le cas o g ne
sannule pas sur O) et f sont de classe C 2 sur O.
En particulier, toute fonction polynme est de classe C 1 sur Rn .

Preuves

17.2 Utilisations de la forme quadratique associe la hessienne


17.2.1 Matrice hessienne en un point et thorme de Schwarz
Dfinition

On suppose que f est de classe C 2 sur O. On appelle hessienne de f au point A la matrice :



2f 2f
x21
(A) ... x1 xn
(A)
2f
 
2 2

f (A) = fA = .. ..
= (A) Mn (R)
. . xi xj 1in
2f 2f 1jn
xn x1
(A) ... x2
(A)
n

Exemples

1. Hessienne de f (x1 , . . . , xn ) = 1 x1 + + n xn en A(a1 , . . . , an ).


2. Hessienne de f (x, y, z) = x2 + xy + y 2 + yz + z 2 + zx + x + y + z + 1 en A(1, 0, 1).
17.2. UTILISATIONS DE LA FORME QUADRATIQUE ASSOCIE LA HESSIENNE 225

Thorme de Schwarz (peut tre admis)


2f
Soit (i, j) J1, nK tel que i 6= j. On suppose que f admet des drives partielles dordre 2, xi xj
et
2f
xj xi
, qui sont continues au point A. Alors :

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

17.2.2 Dveloppement limit lordre 2


Thorme dexistence (peut-tre admis)
On suppose que f est de classe C 2 sur O. Alors, il existe une fonction : O R de sorte que, pour
tout point H tel que A + H O, on a :
D E 1
f (A + H) = f (A) + f (A), OH + qA (H) + kHk2 (H) et lim (M ) = 0
2 M O

o qA est la forme quadratique associe la hessienne de f au point A.

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

17.2.3 Drive seconde directionnelle


Dfinition
Soit U un vecteur unitaire de Rn , I un intervalle de R contenant 0 et tel que {A + tU | t I} O. On
suppose que la fonction g dfinie sur I par :

t I, g(t) = f (A + tU )

est deux fois drivable en 0. Alors, le rel :

fU00 (A) = g 00 (0)

est appel drive seconde de f en A dans la direction de U .

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 )

o qA est la forme quadratique associe la hessienne de f en A.

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 ).

17.2.4 galit de Taylor-Lagrange lordre 1


Proposition
On suppose que f est de classe C 2 sur O. Soit H un point tel que [A, A + H] O. Alors :
1
]0, 1[ / f (A + H) = f (A) + hf (A), Hi + qA+H (H)
2

Preuve
Posons H = (h1 , . . . , hn ). Pour tout rel t [0, 1], on pose :

g(t) = f (A + tH) = f (a1 + th1 , . . . , an + thn )


n
0
X f
g (t) = (a1 + th1 , . . . , an + thn ) = hf (A + tH), Hi
hi
i=1
xi
n
" n
#
00
X X 2f
g (t) = i j (A + tU ) = tU 2 f (A + tU )U = qA+tU (U )
i=1 j=1
xj xi
17.3. RECHERCHES DEXTREMA 227

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
.

17.3 Recherches dextrema


17.3.1 Condition suffisante dexistence dextrema locaux
Thorme
On suppose que f est de classe C 2 sur O (qui est ouvert) et que A est un point critique de f . On note qA
la forme quadratique associe la hessienne de f en A.
Si qA (U ) > 0 pour tout vecteur non nul U alors f admet un minimum en A.
Si qA (U ) < 0 pour tout vecteur non nul U alors f admet un maximum en A.
Sil existe un couple de vecteurs (U1 , U2 ) tels que qA (U1 ) > 0 et qA (U2 ) < 0 alors A est un point
selle de f .
Dans les autres cas, on ne peut rien dire sans tude plus approfondie.

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 .

17.3.2 Positions relatives du graphe et de lhyperplan tangent


Proposition
On suppose que f est de classe C 2 sur O. On note qA la forme quadratique associe la hessienne de f
en A.
Si qA est strictement positive sur Rn {} alors le graphe de f est au-dessus du plan tangent en A
dans un voisinage de A.
Si qA est strictement ngative sur Rn {} alors le graphe de f est au-dessous du plan tangent en A
dans un voisinage de A.
Sil existe un couple de vecteurs (U1 , U2 ) de Rn tels que qA (U1 ) > 0 et qA (U2 ) < 0 alors, dans toute
boule ouverte de centre A, il existe des points du graphe de f qui sont au-dessus du plan tangent en
A et des points du graphe de f qui sont au-dessous de ce plan tangent.

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).

17.3.3 Recherche dextrema sous contraintes linaires


Dans ce paragraphe, on se donne p formes linaires g1 , . . . , gp sur Rn , un p-uplet (b1 , . . . , bp ) de rels et
on considre le systme linaire (S) suivant :

g1 (x1 , . . . , xn ) = b1

.. ..
. .
g (x , . . . , x ) = b
p 1 n p

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 :

f (x, y) = x2 + xy + y 2 + 2x 2y + 1 g(x, y) = x3 + 3xy 2 + 15x + 12y

2. Dterminer les extremums sur R3 de la fonction f dfinie par : f (x, y, z) = (x + y + z)2 .


3. Soit (a, b) R2 {(0, 0)} et f : R2 R, (x, y) 7 ax + by.
(a) Montrer que f admet un maximum M et un minimum m sur lensemble D = Bf ((0, 0), 1).
(b) Montrer que ces extremums ne peuvent tre atteints que sur le bord de D puis les dterminer.
4. Soit f : R3 R, (x, y, z) 7 x2 2xy + yz + y z.
(a) Dterminer les points critiques de f puis les extremums et les points selles.

2x y = 1
(b) Dterminer les extremums de f sous la contrainte : .
x+z =1
5. Dterminer le(s) extremum(s) de la fonction f :]0, +[n R, (x1 , . . . , xn ) 7 x41 + + x4n sous la
contrainte x1 + + xn = n.

TD*
1. Soit F la fonction dfinie sur R3 par :

F (x, y, z) = 24x2 + 2y 2 + z 2 + 12xy + 2yz + 4xz 240x 48y 12z

(a) i. Dterminer les points critiques de F .


ii. Montrer que, pour tout triplet (x, y, z) de rels, on a :

F (x, y, z) = (2x + y + z 6)2 + (4x + y 18)2 + 4(x 9)2 684

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

iii. Dterminer I = inf (a,b,c)R3 I(a, b, c).


R +
(c) i. Justifier que hP, Qi = 0 et P (t)Q(t)dt dfinit un produit scalaire sur R3 [X].
ii. Calculer la distance du polynme X 3 au sous espace H = R2 [X].
iii. Soit T (X) = aX 2 + bX + c H. Montrer que T est le projet orthogonal de X 3 sur H si
et seulement si : F
x (a, b, c) = 0
F
y
(a, b, c) = 0
F
z
(a, b, c) = 0
et retrouver le rsultat prcdent.

17.4.2 Pour les DL


DL 17 (voir le corrig la page 342)
1. (Oral ESCP 2006). Soit f : R2 R de classe C 2 sur R. Pour tout rel x, on pose :
Z 1
F (x) = f (x, t)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

ii. tablir que :


1
Z
f M
h [1, 1], F (x0 + h) F (x0 ) h (x0 , t)dt h2
0 x 2

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.

DL* 17 (voir le corrig la page 347)


1. (Oral ESCP 2006). La fonction de satisfaction S dun consommateur dpend de son revenu R et de
son temps de loisir L de la manire suivante :
RL
S(R, L) =
R+L
(a) On suppose que la fonction S est dfinie sur lensemble =]0, +[2 . Montrer que S nadmet
pas dextremum sur .
(b) Montrer que S se prolonge par continuit lensemble = [0, +[2 .
Indications : On pourra justifier de lexistence de (r, ) ]0, +[R tel que R = r cos() et
L = r sin() puis remarquer que (R, L) (0, 0) est quivalent r 0.
On notera encore S la fonction ainsi prolonge.
(c) On suppose maintenant que R = sW o W dsigne le temps de travail et s le salaire horaire.
On dfinit la fonction S sur lensemble T = {(W, L) | W + L T } par :
S (W, L) = S(sW, L)
o T > 0 dsigne le temps total disponible. Rechercher les extrema de S sur T .
232 CHAPITRE 17. FONCTIONS DE N VARIABLES DE CLASSE C 2

17.4.3 Autres exercices


Colle
1. s

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.

18.1 Statistiques une variable


18.1.1 Vocabulaire
Dfinitions
Population : ensemble fini .
Individu : lment de la population .
Caractre : application X : E o E est un ensemble quelconque.
Tout lment de X() est appel modalit du caractre X. Comme est fini alors lensemble X()
des modalits est fini.
Le triplet (, E, X) est aussi appel srie statistique.
Caractre qualitatif : lensemble E nest pas un ensemble de nombres.
Caractre quantitatif discret : lensemble E est une partie discrte finie ou infinie de R.
Caractre quantitatif continu : lensemble E est une partie infinie non dnombrable de R (en
gnral un intervalle que lon dcoupe en classes).
Effectif : Si F est une partie de E alors leffectif de F pour le caractre X est lentier Card(X 1 (F ))
(rappelons que est fini donc que X 1 (F ) est bien fini). En particulier, si x est une modalit de
X alors leffectif de x est lentier Card(X 1 {x}).
On donne les effectifs sous la forme dun tableau et on reprsente le diagramme des effectifs sous la
forme dun histogramme.

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

18.1.2 tude dune srie statistique


Lobjectif de ce paragraphe est de dgager des valeurs caractristiques dune srie statistique afin rduire
son tude au calcul de quelques nombres.
Toutes les sries statistiques (, E, X) sont telles que lensemble E est une partie de R.

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

Frquences cumules dcroissantes : Si X est un caractre quantitatif et si x est une modalit de


X alors la frquence cumule dcroissante 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

2. Voici un relev de la taille dun certain nombre de personnes :


Taille [155,160[ [160,165[ [165,170[ [170,175[ [175,180[ [180,185[ Total
Effectif 3 7 9 16 11 4 50

Dfinitions (paramtres de positions)


Mode : On appelle mode de X toute modalit deffectif maximal.
Moyenne :
X xCard(X 1 ({x}))
Cas discret : X = .
Card()
xX()
Cas continu : mme principe en utilisant les classes (pour chaque classe, on utilise son centre x et
son effectif).
Mdiane et quartiles :
Cas discret : La mdiane (resp. le premier quartile, le troisime quartile) est une valeur M (resp.
Q1 , Q3 ) telle que 50% (resp. 25%, 75%) des valeurs de X lui sont infrieures ou gales et 50%
(resp. 75%, 25%) lui sont suprieures ou gales.
Remarque importante : Selon les ouvrages (et donc les auteurs), la dfinition de la mdiane
peut varier !
Cas continu : mme principe en utilisant les classes (recherche graphique ou par calcul).
Remarquer que la mdiane est le deuxime quartile.
Reprsentations graphiques : diagrammes en botes moustache.
Dciles et centiles : mme principe que les quartiles en partageant en 10 ou en 100 au lieu de 4.

Exemples (vtrinaire et taille)

0 2 4 6 155 165 175 185

Calculer les moyennes.

Dfinitions (paramtres de dispersion)


tendue : cest la diffrence entre la modalit maximale et la modalit minimale, cest dire le rel :

e = max X() min X()

Lintervalle [min X(), max X()] contient 100% des effectifs.


Intervalle interquartiles : intervalle [Q1 , Q3 ] qui contient 50% des effectifs.
cart moyen : la moyenne des carts absolus la moyenne, cest dire le rel :
1 X
= Card(X 1 ({x}))|x X|
Card()
xX()
236 CHAPITRE 18. STATISTIQUES DESCRIPTIVES

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 Statistiques deux variables


Il sagit maintenant de sintresser deux caractres quantitatifs dune mme population (taille et poids
dun individu, abscisse et ordonne dun point, ...).
Dans ce paragraphe et lorsque cela ne sera pas prciser, on notera n la taille dun chantillon de la
population observe, X et Y les deux caractres mesurs et (xi , yi ) les couples de valeurs prises par les
caractres sur lindividu i de lchantillon.

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).

(a) Justifier lexistence du rel :


492
X
min (ayi + b yi )
(a,b)R2
i=1

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 :

Cov(X, Y ) = X.Y X.Y

coefficient de corrlation du couple (X, Y ), le rel :


Cov(X, Y )
(X, Y ) =
(X)(Y )

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.

18.2.3 Ajustement affine


Thorme/Dfinition (mthode des moindre carrs)
La droite dquation :
Cov(X, Y )
y Y = (x X)
(X)2
passe par le point moyen et est la droite dquation rduite de la forme y = ax + b qui minimise la
somme : n
X
fi (axi + b yi )2
i=1
2
pour (a, b) R . Autrement dit :
Cov(X, Y ) Cov(X, Y )
a= et b = Y X
(X)2 (X)2
ralisent ce minimum sur R2 .
Cette droitePest appele droite dajustement (ou droite de rgression) de Y en X.
La somme ni=1 fi (axi + b yi )2 est appel rsidu quadratique.

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

La droite dquation x X = Cov(X,Y )


(y Y ) minimise la somme ni=1 fi (ayi + b xi )2 et sappelle
P
(Y )2
droite dajustement de X en Y .
Notons Z = (1, . . . , 1) le caractre constant gal 1 sur la population commune X et Y . Ajuster
Y en X revient considrer le projet orthogonal de Y sur le sous espace Vect(X, Z) de lespace
euclidien Rn pour le produit scalaire canonique.
Lorsque |(X, Y )| > 0.9 (valeur dpendant des auteurs et des besoins), on considre que lajustement
affine de Y en X sera satisfaisant (sinon, il faudra dterminer un autre type dajustement).

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.

2. On a mesur, sur des plantes, les rsidus fongicides x en fonction du temps t :

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

(a) On pose : y = ln(x).

i. Dterminer le coefficient de corrlation du couple (t, y).


ii. Dterminer lquation rduite de la droite dajustement de y en t.
iii. En dduire une quation dun ajustement de x en t

(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) :

X 7.6 9.1 11.4 15.2 22.8 26.5 30.3 37.9 45.5


Y 2.3 2.9 3.7 5.0 7.6 9.1 10.8 13.7 16.7

(a) On pose X 0 = ln(X) et Y 0 = ln(Y ).

i. Calculer le coefficient de corrlation de la srie double (X 0 , Y 0 ).


ii. Dterminer lquation rduite de la droite dajustement de Y 0 en X 0 .
iii. En dduire une quation dun ajustement de Y en X.

(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

18.3.2 Pour les DL


DL 18
1. Dans le tableau ci-dessous, on a relev le poids total, en grammes, des feuilles ainsi que des racines
de 1000 plantes :

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

(a) i. Calculer le coefficient de corrlation.


ii. Dterminer lquation rduite de la droite dajustement du poids des feuilles en le poids des
racines.
(b) Droite de Mayer.
i. Partager le tableau en deux sous tableaux de 500 plantes chacun (en tachant de minimi-
ser/maximiser la sommes des poids).
ii. Dterminer les coordonnes du point moyen de chaque sous tableau.
iii. Dterminer lquation rduite de la droite passant ces deux points.
iv. Justifier que cette droite (dite droite de Mayer) passe par le mpoint moyen du tableau initial.
(c) Quel est le meilleur ajustement affine entre ces deux mthodes ?
2. On considre le relev statistique suivant :
X 0 10 20 30 40 50 60 70 80 90 100
Y 1700 800 200 0 220 850 1800 3000 5000 7000 9500

(a) On pose : T = |X 30| et Z = Y .
i. Calculer le coefficient de corrlation du couple (T, Z).
ii. Dterminer lquation de la droite dajustement de Z en T .
iii. En dduire une quation dun ajustement de Y en X.
(b) En procdant directement par la mthode des moindres carrs dterminer trois rels (a, b, c) de
sorte dobtenir un ajustement du type Y = aX 2 + bX + c.
(c) Quel est le meilleur ajustement des deux ?

18.3.3 Autres exercices


1. s
240 CHAPITRE 18. STATISTIQUES DESCRIPTIVES
Chapitre 19

Statistique infrentielle : estimation

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).

Comment estimer ponctuellement


Soit une ventualit et n un entier naturel non nul. Alors (X1 (), . . . , Xn ()) est un n-chantillon
observ (on ne peut pas raliser exprimentalement cette situation infinie, on se contentera donc dobserver
des chantillons).
Pour tout entier n 1, on dfinit la moyenne empirique de lchantillon (X1 (), . . . , Xn ()) par :
1
Xn () = (X1 () + + Xn ())
n
Daprs la loi faible des grands nombres, on sait que la suite de variables alatoires (Xn )n1 converge en
probabilit vers la variable alatoire certaine gale p : cette suite est alors appele estimateur du rel p
(dans le langage courant, on dira aussi que Xn est un estimateur de p). Comme E(Xn ) = p, cet estimateur
(Xn )n1 de p est dit estimateur sans biais. De plus :

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.

Une simulation informatique

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.

Quelques rsultats de cette simulation (5 excutions du programme)

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

Comment estimer par intervalle de confiance

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

le plus simple tant de dterminer un intervalle centr en Xn ().


19.1. INTRODUCTION 243

Une premire mthode : laide de lingalit de Bienaym-Tchebychev


On a choisit n = 2000 pour la simulation. On sait que, pour tout > 0, on a :

 V X2000 p(1 p) 1
P X2000 p > 2
= 2

2000 80002
puisquil est bien connu que :
1
x [0, 1], 0 x(1 x)
4
Ainsi, pour que la probabilit soit infrieure 0,05 il suffit que le dernier membre des ingalits ci-dessus
soit infrieur 0,05 ce qui nous donne :

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

Notons la fonction de rpartition de la variable alatoire N . Pour tout > 0 et tout n 1, on a :



Xn p P |N | q

P X2000 p = P q q
p(1p) p(1p) p(1p)
n n n

q = 2 q
q 1
p(1p) p(1p) p(1p)
n n n

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 ()

Or, laide dune table de valeurs de la fonction de rpartition , on a :




2000 2000
2 q  1 0, 95 q  0, 975

X2000 () 1 X2000 () X2000 () 1 X2000 ()

2000
q  1, 96
X2000 () 1 X2000 ()
s 
X2000 () 1 X2000 ()
1, 96
2000
On considre ainsi que lintervalle :
s  s 
X2000 () 1 X2000 () X2000 () 1 X2000 ()
X2000 () 1, 96 , X2000 () + 1, 96
2000 2000

est un intervalle de confiance de p 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 toujours une constante fixe 1000).
BEGIN
randomize ; p := random ; compteur := 0 ;
FOR k := 1 TO repetitions DO
BEGIN
esti := estim(p) ; ecart := 1.96*sqrt(esti*(1-esti)/2000) ;
IF (p>=esti-ecart) AND (p<=esti+ecart) THEN compteur := compteur+1 ;
END ;
writeln(Proportion dintervalles contenant p : ,
compteur/repetitions*100 :1 :1) ;
END.
Rsultats (toujours avec 1000 rptitions chacune des six excutions du programme) :
Proportion dintervalles contenant p : 95.0
Proportion dintervalles contenant p : 94.5
Proportion dintervalles contenant p : 95.5
Proportion dintervalles contenant p : 95.7
Proportion dintervalles contenant p : 95.0
Proportion dintervalles contenant p : 94.7
19.1. INTRODUCTION 245

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

19.1.2 Second exemple


On considre la famille de lois U([a, b]) dont le paramtre = (a, b) R2 est inconnu. On souhaite-
rait obtenir une estimation de ltendue b a de lintervalle [a, b]. Pour cela, on considre un chantillon
(X1 , . . . , Xn ) mutuellement indpendant et identiquement distribu selon la loi U([a, b]) dont on possde
une observation (X1 (), . . . , Xn ()). On pose alors :

En () = sup{X1 (), . . . , Xn ()} inf{X1 (), . . . , Xn ()}

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.

Etendue biaise : 0.57513


Etendue non biaise : 0.57570
Etendue relle : 0.57583
Etendue biaise : 0.86548
Etendue non biaise : 0.86634
Etendue relle : 0.86631
Etendue biaise : 1.00142
Etendue non biaise : 1.00242
Etendue relle : 1.00275
Etendue biaise : 0.84324
Etendue non biaise : 0.84408
Etendue relle : 0.84362
Etendue biaise : 0.44046
Etendue non biaise : 0.44090
Etendue relle : 0.44182

19.2 Position du problme de lestimation


Soit une partie de Rm (o m 1 et m = 1 en gnral) et une partie de R. On considre une
famille de lois ( ) qui sont toutes valeurs dans . Soit g : R de sorte que g() reprsente une
caractristique de la loi (comme son esprance, sa variance, son tendue, ...).
Pour chaque , on dfinit alors lunivers = {(xn )n1 | n N, xn } que lon munit dune
probabilit P telle que :
pour tout entier k 1, lapplication Xk : , (xn )n1 7 xk est une variable alatoire suivant
la loi ,
la suite (Xk )k1 est une famille de variables alatoires mutuellement indpendantes pour la probabi-
lit P .

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 :

=]0, 1[ R = {0, 1} R = B(1, ) g() =



= N k N , P (Xk = 1) = , P (Xk = 0) = 1
(a) Moyenne empirique :
x1 + + xn 1
(x1 , . . . , xn ) = Xn = (X1 , . . . , Xn ) = (X1 + + Xn )
n n
(b) Variance empirique :
 2
1 2 2
 1
(x1 , . . . , xn ) = x + + xn (x1 + + xn )
n 1 n
1h 2 2 i
Vn = (X1 , . . . , Xn ) = X1 Xn + + Xn Xn
n
2. Le second exemple ci-dessus correspond la situation :

= {(a, b) R2 | a < b} R2 = [a, b] R = U([a, b]) g(a, b) = b a


xa
(a,b) = N x R, k N , P(a,b) (Xk x) = 11[a,b] (x)
ba
(a) Minimum empirique :

(x1 , . . . , xn ) = min{x1 , . . . , xn } In = (X1 , . . . , Xn ) = min{X1 , . . . , Xn }

(b) Maximum empirique :

(x1 , . . . , xn ) = max{x1 , . . . , xn } Sn = (X1 , . . . , Xn ) = max{X1 , . . . , Xn }

(c) tendue empirique :

(x1 , . . . , xn ) = max{x1 , . . . , xn } min{x1 , . . . , xn } En = (X1 , . . . , Xn ) = Sn In

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.

19.3 Estimation ponctuelle


19.3.1 Estimateur
Dfinitions
Soit et n N .
On dit quune variable alatoire Tn est un estimateur de g() si et seulement sil existe une statistique
: Rn R sur le n-chantillon (X1 , . . . , Xn ) telle que Tn = (X1 , . . . , Xn ).
En faisant varier n, on peut ainsi dfinir une suite destimateurs de g().
On appelle alors estimation du rel g() tout ralisation (x1 , . . . , xn ) de Tn o (x1 , . . . , xn ) est une
ralisation de (X1 , . . . , Xn ).
Estimer ponctuellement g(), cest dcider daccorder g() la valeur dune ralisation (x1 , . . . , xn ).
248 CHAPITRE 19. STATISTIQUE INFRENTIELLE : ESTIMATION

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.

19.3.2 Biais dun estimateur


Dfinitions
Soit .
Soit n N et Tn un estimateur de g() admettant une esprance pour la probabilit P .
On appelle biais de lestimateur Tn en le rel :
bTn () = E(Tn ) g()
On appelle biais de lestimateur Tn la fonction :
bTn : R
7 bTn () = E(Tn ) g()
On dit que lestimateur Tn est sans biais si et seulement si son biais est nul, cest dire si et
seulement si :
E(Tn ) = g()
Pour tout entier n N , on considre un estimateur Tn de g() admettant une esprance pour la
probabilit P .
On dit que la suite destimateurs (Tn )nN est asymptotiquement sans biais si et seulement si la
suite des biais converge vers 0, cest dire si et seulement si :
lim E(Tn ) = g()
n+

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.

19.3.3 Risque quadratique et convergence dun estimateur


Dfinitions
Soit , n N et Tn un estimateur de g() admettant un moment dordre 2 pour la probabilit P .
On appelle risque quadratique de lestimateur Tn en le rel :
rTn () = E (Tn g())2


On appelle risque quadratique de lestimateur Tn la fonction :


rTn : R
7 rTn () = E ((Tn g())2 )
19.4. ESTIMATION PAR INTERVALLE DE CONFIANCE 249

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

19.3.4 Critres de convergence dun estimateur


Dfinition
Soit et (Tn )nN une suite destimateurs de g(). On dit que cette suite destimateurs est conver-
gente si et seulement si elle converge en probabilit vers la variable certaine gale g(), cest dire que :

> 0, lim P (|Tn g()| > ) = 0


n+

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 :

rTn () = E((Tn g())2 ) > 2 P (|Tn g()| > ) 0

do le rsultat par passage la limite.

Application
On suppose que les lois admettent une variance. Alors, la moyenne empirique est un estimateur sans
biais convergent de lesprance de .

19.4 Estimation par intervalle de confiance


Sil existe des critres pour juger des qualits dun estimateur ponctuel (biais, risque, convergence),
aucune certitude ne peut jamais tre apporte quant au fait que lestimation donne la vraie valeur estimer.
Nous allons donc rechercher un intervalle alatoire qui contient g() avec une probabilit minimale
donne.
Dans ce paragraphe, Un = (X1 , . . . , Xn ) et Vn = (X1 , . . . , Xn ) sont deux statistiques sur un mme
n-chantillon.
250 CHAPITRE 19. STATISTIQUE INFRENTIELLE : ESTIMATION

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

Le rel est appel risque.

Exemples
Revoir lexemple 1 initial, deux mthodes.

19.4.2 Construction dun intervalle de confiance


Thorme ( redmontrer chaque utilisation)
On suppose que X1 , . . . , Xn suivent la loi B(1, p) o p ]0, 1[ est inconnu. Soit ]0, 1[ et t le rel
positif tel que (t ) = 1
2
. Alors :
" r r #
p(1 p) p(1 p)
Xn t , Xn + t
n n

est un intervalle de confiance de p au risque 1 .

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 .

(a) Quelle est la loi de T1 ? Donner la valeur de son esprance.


19.5. EXERCICES 251

(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

i. Soit (h1 , . . . , hn ) Rn tel que n1 + h1 , . . . , n1 + hn n . Simplifier :




   
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 ).

(a) i. Rappeler la loi de Yn = nXn , son esprance et sa variance.


ii. Quelle convergence peut-on tablir pour la suite (Xn )n1 .
252 CHAPITRE 19. STATISTIQUE INFRENTIELLE : ESTIMATION

(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 .

19.5.2 Pour les DL


DL 19
1. (Oral ESCP 2001). Onadmet que la mesure dune grandeur physique, dont la valeur exacte est m,

m 2
suit une loi normale N m, 10 . On effectue une srie de n mesures indpendantes et on note Yn
la moyenne des rsultats obtenus.
(a) Montrer que Yn est un estimateur sans biais convergent de m.
(b) Combien faut-il effectuer de mesures pour que lerreur relative commise sur m soit infrieure
1% avec une probabilit suprieure 0,9 ?
On pourra utiliser la table de la loi normale centre rduite.
2. (Oral ESCP 2002). On tudie dans une population une grandeur X suivant une loi uniforme sur un
intervalle de longueur 1 : [, + 1]. On cherche estimer le rel . On considre donc un chantillon
(X1 , . . . , Xn ) indpendant extrait de la loi uniforme sur [, + 1]. On pose :
Sn = max Xi et In = min Xi
1in 1in

(a) Dterminer la loi de Sn , son esprance et sa variance.


(b) En remarquant que In = max (Xi ), dterminer lesprance et la variance de In .
1in
(c) Pour ]0, 1[, on pose : n () = (Sn 1) + (1 )In .
i. Dterminer pour que n () soit un estimateur sans biais de .
On note n lestimateur ainsi obtenu.
ii. En admettant que Cov(Sn , In ) = (n+1)12 (n+2) , calculer la variance de n .
(d) On pose Xn = n1 (X1 + + Xn ) et 0n = Xn 12 .
i. Montrer que 0n est un estimateur sans biais et convergent de .
ii. Si vous deviez estimer , quel estimateur choisiriez vous et pourquoi ?
19.5. EXERCICES 253

DL* 19
1. s

19.5.3 Autres exercices


Colle
1. Estimation par maximum de vraissemblance (Foata/Fuchs, p69, 3.2)

DS
1. s
254 CHAPITRE 19. STATISTIQUE INFRENTIELLE : ESTIMATION
Chapitre 20

Solutions des exercices

20.1 Suites relles


20.1.1 TD
s

20.1.2 TD*
s

20.1.3 DL (voir lnonc la page 19)


1. (a) Une rcurrence immdiate assure que an et bn sont positifs tous les rang n.
Conclusion : Les deux suites sont bien dfinies .
(b) i. Soit P(n) la proposition : an bn . Au rang 1 , on a :

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 ()

donc f () est un majorant de . On en dduit que : f () .


Supposons que < f (). Soit alors x ], f ()[. Alors x 6 A puisque x > . De plus,
par croissance de f , on a :
f () f (x)

donc x < f () f (x) ce qui prouve que x A et donne une contradiction.


Conclusion : f () = .
3. (a) Soit n 2. Soit fn R+ R, x 7 xn ax b. Cette fonction est de classe C 1 sur R et on a :
1
 a  n1
x R+ , fn0 (x) = nxn1 a 0 x = an
n

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 :

fn (un ) = 0 = fn+1 (un+1 ) = (un+1 )n+1 aun+1 b (un+1 )n aun+1 b = fn (un+1 )

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 :

fn (un ) = 0 = fn+1 (un+1 ) = (un+1 )n+1 aun+1 b (un+1 )n aun+1 b = fn (un+1 )

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

20.1.4 DL* (voir lnonc la page 20)


1. (a) i. Soit P(n) la proposition an (x) an (y) et bn (x) bn (y) . Comme a0 (x) = 1 = a0 (y)
et comme b0 (x) = x < y = b0 (y) alors P(0) est vraie. Soit n N et supposons que P(n)
est vraie. Alors :
an (x) + bn (x) an (y) + bn (y)
an+1 (x) = = an+1 (y)
2 2
p p
bn+1 (x) = an (x)bn (x) an (y)bn (y) = bn+1 (y)
puisque ces suites sont termes positifs. Ainsi P(n + 1) est vraie.
Conclusion : n N, an (x) an (y), bn (x) bn (y) .
ii. Soit 0 x < y. Par passage la limite, on en dduit que : `(1, x) `(1, y).
Conclusion : L est croissante sur [0, +[ .
(b) i. Soit x > 0. Alors :
   
1 1
xL = x` 1, = `(x, 1) = `(1, x) = L(x)
x x
 
L(x) 1
Conclusion : x ]0, +[, =L .
x x
ii. Soit x 0. Alors :
  
1+x
  
1+x 2 x 1+x 2 x
L = ` 1, =` , 1 x = `(1, x) = L(x)
2 1+x 2 1+x 2

puisque (a0 , b0 ) = (1, x) (a1 , b1 ) = 1+x

2
, 1 x (il suffit de dcaler dun rang les
suites, elles convergeront quand mme vers la mme limite).
 
1+x 2 x
Conclusion : x [0, +[, L(x) = L .
2 1+x
iii. Soit x 0. On applique le rsultat de la question d(ii) de la premire partie de lexercice.
1+x
Conclusion : x [0, +[, x L(x) .
2
(c) i. La fonction L est croissante sur [0, +[ et est minore par L(0) = 0 sur [0, +[.
Conclusion : L admet une limite droite en 0 .
ii. Soit a cette limite. Alors :
 
2 x 2 x
lim = 0+ et lim+ L(y) = a donc lim+ L =a
x0+ 1 + x y0 x0 1+x

On en dduit que :
 
1+x 2 x 1
a = lim+ L(x) = lim+ L = a
x0 x0 2 1+x 2

ce qui prouve que a = 0 = L(0). Conclusion : L est continue en 0 .



(d) Comme x L(x) on en dduit que : lim L(x) = + .
x+

De plus, par continuit de L en 0, on a : L(x) 1



x
= L x
0.
x+
Conclusion : CL admet une branche parabolique de direction horizontale en + .
20.1. SUITES RELLES 259

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