Vous êtes sur la page 1sur 25

5

CHAPITRE

Matrices et suites

SÉQUENCE  1 Suite de matrices colonnes (page 142)

RÉSOLUTION DE PROBLÈMES
Problème 1 1⎛ 1 ⎞
Donc, la louche retour contient ⎜ bn + an ⎟ , c’est-à-dire
6⎝ 5 ⎠
1 1
A 1. Étape 1 bn + an .
6 30
La louche aller contient 20 cL de café. Donc, après l’aller,
⎧ 4 1 1 5 1
A contient 80 cL de café et B 20 cL de café. ⎪ an+1 = 5 an + 6 bn + 30 an = 6 an + 6 bn

20 Donc ⎨
⎪b = b + 1 a – ⎛ 1 b + 1 a ⎞ = 1 a + 5 b .
Donc, la louche retour contient cL de café.
6
On obtient : ⎪⎩ n+1 n 5 n ⎜⎝ 6 n 30 n ⎟⎠ 6 n 6 n
20 250 20 50 . 3. Voir en bas de page.
a 1 = 80 + =   et  b1 = 20 − = (an ) et (bn ) semblent converger vers 50.
6 3 6 3
Étape 2 5 1 2 50
50 B 1. an+1 = an + (100 − an ) = an + .
La louche aller contient cL de café. Donc, après l’aller, 6 6 3 3
3
200 100 2. a) Pour n = 0, a0 . a1 . 50.
A contient cL de café et B contient cL de café.
3 3 Si an . an+1 . 50, alors :
100
Donc, la louche retour contient cL de café. 2 50 2 50 2 50
18 a + . an+1 + . × 50 +  ;
On obtient : 3 n 3 3 3 3 3
donc an+1 . an+2 . 50.
© Nathan 2012 – Transmath Term. S Spécialité

200 100 650 100 100 250


a1 = + =   et  b1 = − = . La propriété étant vraie pour 0 et héréditaire, elle est vraie
3 18 9 3 18 9
2. Étape n + 1 pour tout naturel n.
1 b) La suite (an) est décroissante et minorée ; elle est donc
La louche aller contient an de café. Donc, après l’aller,
5 convergente.
1 4 1 2 50
A contient an − an = an et B contient bn + an . c) Sa limite c vérifie c = c + , c’est-à-dire c = 50.
5 5 5 3 3

Spécialité ● Chapitre 5 ● Matrices et suites 1


3. a) De an+1 =
2
an +
50 2 50
et c = c + , on déduit, par Problème 2
3 3 3 3
soustraction membre à membre :
2 A 1. D’après l’arbre ci-dessous :
an+1 − c =
3 n
a −c . ( )
2 2 0,6 A
Donc, xn+1 = xn : la suite (xn) est géométrique de raison
3 3 A
et de premier terme x0 = 50. 0,6 0,4 B
n
⎛ 2⎞ A
b) xn = 50 × ⎜ ⎟ , donc :
⎝ 3⎠
⎛ 2⎞
n
⎡ ⎛ 2⎞ n ⎤ 0,4 0,3 A
an = 50 × ⎜ ⎟ + 50 = 50 ⎢1+ ⎜ ⎟ ⎥ . 0,8 B
⎝ 3⎠ ⎢⎣ ⎝ 3 ⎠ ⎥⎦
0,7 B
⎡ ⎛ 2⎞ ⎤n

4. bn = 100 − an = 50 ⎢1− ⎜ ⎟ ⎥ . La suite (bn) est croissante


⎢⎣ ⎝ 3 ⎠ ⎥⎦
0,6 A
et a pour limite 50.
Donc, on tend vers des mélanges identiques dans les deux 0,2 A
récipients. 0,3 0,4 B
5. Cf. le cours §1.1, page 148. B
Remarque 0,7 0,3 A
⎧ 5 1 2 50 B
⎪ an+1 = an + (100 − an ) = an +
⎪ 6 6 3 3 0,7 B
⎨ .
1 5
⎪ b = (100 − b ) + b = b + 2 50
on obtient :
⎪⎩ n+1 6 n
6
n
3
n
3 110476_C5spe_prof_fig01
⎛ 2 ⎞ ⎛ ⎞ ⎧ a1 = 0,6 × 0,8 + 0,3× 0,2 = 0,54
50 ⎪
⎛ an+1 ⎞ ⎜ 3 0 ⎟ ⎛ an ⎞ ⎜ ⎟ ⎨ .
3 ⎪⎩ b1 = 0,4 × 0,8 + 0,7 × 0,2 = 0,46
Autrement dit ⎜ ⎟ =⎜ ⎟⎜ ⎟ +⎜ ⎟.
⎜⎝ bn+1 ⎟⎠ ⎜ 2 ⎟ ⎜⎝ bn ⎟⎠ ⎜ 50 ⎟
⎜⎝ 0 ⎧ a2 = 0,6 × 0,54 + 0,3× 0,46 = 0,462
3 ⎟⎠ ⎜⎝ 3 ⎟⎠ ⎪
⎨ .
C = AC + B ⇔ (I – A)C = B ⇔ C = (I – A)–1B. ⎪⎩ b2 = 0,4 × 0,54 + 0,7 × 0,46 = 0,538
⎛ 1 ⎞
⎜ 0 ⎟⎛ 2. L’arbre ci-dessous justifie les formules.
Or I – A = ⎜ 3 0 ⎞ inverse ⎛ 3 0
⎟ ⎜qui3 a pour

⎟ ⎜ ⎟.
⎜ 1 ⎟⎝ 0 3 ⎠ ⎝ 0 3 ⎠ Étape n Étape n + 1
⎜ 0 ⎟
⎝ 3 ⎠ A
⎛ 50 ⎞ 0,6
⎛ ⎞⎜ ⎟ ⎛ ⎞ A
Donc C = ⎜ 3 0 ⎟ ⎜ 3 ⎟ = ⎜ 50 ⎟ . an 0,4
⎝ 0 3 ⎠ ⎜ 50 ⎟ ⎝ 50 ⎠ B
⎜ 3 ⎟
⎝ ⎠ Début

Alors Vn = An(V0 – C) + C. bn A
0,3
⎛ ⎞ ⎛ ⎞ B
Or V0 = ⎜ 100 ⎟ , donc V0 − C = ⎜ 50 ⎟ .
⎝ 0 ⎠ ⎝ −50 ⎠ 0,7
B
⎛ n ⎞
⎛ ⎞
⎜ 2 0 ⎟ 3. Cette formule se déduit des formules précédentes.
© Nathan 2012 – Transmath Term. S Spécialité

⎛ a ⎞ ⎜ ⎜⎝ 3 ⎟⎠ ⎟ ⎛ 50 ⎞ ⎛ 100 ⎞ 110476_C5spe_prof_fig02
4. Voir en bas de page.
⎜ n ⎟ =⎜ ⎟⎜ ⎟ +⎜ ⎟,
⎜⎝ bn ⎟⎠ ⎜ ⎛ 2⎞
n
⎟ ⎝ −50 ⎠ ⎝ 50 ⎠ Il semble que les parts de marché se stabilisent autour de
⎜ 0 ⎜⎝ 3 ⎟⎠ ⎟
⎝ ⎠ 43 % et 57 %.
⎡ ⎛ 2⎞ n
⎤ ⎡ ⎛ 2⎞ n ⎤ ⎧⎪ an+1 = 0,6an + 0,3(1− an ) = 0,3an + 0,3
d’où an = 50 ⎢1+ ⎜ ⎟ ⎥ et bn = 50 ⎢1− ⎜ ⎟ ⎥ . B 1. ⎨ .
⎢⎣ ⎝ 3 ⎠ ⎥⎦ ⎢⎣ ⎝ 3 ⎠ ⎥⎦ ⎪⎩ bn+1 = 0,4(1− bn ) + 0,7bn = 0,3bn + 0,4

2 Spécialité ● Chapitre 5 ● Matrices et suites


⎛ a ⎞ ⎛ 0,3 0 ⎞ ⎛ a ⎞ ⎛ 0,3 ⎞ soit chez AlloTel ou chez BravoTel. Il s’agit d’une marche
Autrement dit ⎜ n+1 ⎟ =⎜ ⎟⎜
n
⎟ +⎜ ⎟. aléatoire entre les deux états A et B.
⎜⎝ bn+1 ⎟⎠ ⎝ 0 0,3 ⎠ ⎜⎝ bn ⎟⎠ ⎝ 0,4 ⎠

Problème 3
⎧ 3
⎧⎪ a = 0,3a + 0,3 ⎪ a=
⎪ 7
2. a) ⎨ d’où ⎨ .
⎪⎩ b = 0,3b + 0,4 ⎪ b= 4 A 1. j0 = 20, a0 = 0 ; j1 = 20, a1 = 5.
⎪⎩ 7 jn femelles donnent naissance à jn jeunes et deviennent 0,25jn
b) De Pn+1 = DPn + E  et  C = DC + E, on déduit par sous- adultes.
traction membre à membre : an femelles donnent naissance à 8an jeunes, puis meurent.
Pn+1– C = D(Pn – C), soit Xn+1 = DXn. ⎪⎧ j = j + 8an
c) Pour n = 0, X0 = D0X0 puisque D0 = I. Donc ⎨ n+1 n .
⎪⎩ an+1 = 0,25 jn
Si Xn = DnX0 alors Xn+1 = DXn= DDnX0 = Dn+1X0.
La propriété étant vraie pour n = 0 et héréditaire, elle est 2. Voir en bas de page.
vraie pour tout naturel n. Les proportions de jeunes et d’adultes semblent se stabiliser
⎛ 0,3n 0 ⎞ autour de 89 % et 11 %.
3. a) Dn = 0,3n In = 0,3n I = ⎜ ⎟.
⎜⎝ 0 0,3n ⎟⎠ à la longue, la population semble doubler tous les ans.
⎛ 4 ⎞ ⎛ 3 ⎞ ⎛ 13 ⎞ ⎛ 20 ⎞
⎜ ⎟ ⎜ ⎟ ⎜ ⎟ B 1. V0 = ⎜ ⎟   et  Vn+1 = LVn .
5 7 ⎟ = ⎜ 35 ⎟ . 0⎝ ⎠
b) X 0 = P0 − C = ⎜ ⎟ −⎜
⎜ 1 ⎟ ⎜ 4 ⎟ ⎜ 13 ⎟ 2. Pour n = 0, V0 = L0  V0 car V0 = I.
⎜ 5 ⎟ ⎜ 7 ⎟ ⎜ − 35 ⎟
⎝ ⎠ ⎝ ⎠ ⎝ ⎠ Si Vn = Ln V0 alors Vn+1 = LLnV0 = Ln+1V0.
⎛ 13 ⎞ ⎛ 13 ⎞ La propriété, vraie pour 0 et héréditaire, est donc vraie pour
⎛ 0,3n ⎞⎜ ⎟ ⎜ × 0,3n ⎟ tout naturel n.
0 35 35
Xn = ⎜ ⎟⎜ ⎟ =⎜ ⎟.
⎛ 1
⎜⎝ 0 0,3n ⎟⎠ ⎜ 13 ⎟ ⎜ 13 ⎟ 8 ⎞⎛ 1 8 ⎞ ⎛ 3 8 ⎞
⎜ − 35 ⎟ ⎜ − 35 × 0,3
n
⎟ 3. a) L2 = ⎜ ⎟ ⎜ ⎟ =⎜ ⎟
⎝ ⎠ ⎝ ⎠ ⎝ 0, 25 0 ⎠ ⎝ 0, 25 0 ⎠ ⎝ 0, 25 1 ⎠
⎛ 3 13 ⎞ = L + 2I.
⎜ + × 0,3n ⎟ 0
b) L = I = 0L + 1I. Donc x0 = 0  et  y0 = 1.
Donc Pn = ⎜ 7 35 ⎟. Si Ln = xn L + yn I ,  alors :
⎜ 4 13 n ⎟
⎜ 7 − 35 × 0,3


⎠ ( ) (
Ln+1 = xn L + yn I L = xn L2 + yn L = xn L + 2I + yn L )
⎧ 3 13 = (x n )
+ yn L + 2xn I .
⎪ an = + × 0,3n
⎪ 7 35 Donc xn+1 = xn + yn  et  yn+1 = 2xn.
c) ⎨
⎪ b = 4 − 13 × 0,3n 20 − (−1)0 20 + 2(−1)0
⎪⎩ n 7 35 c) Si n = 0, = 0 = x0   et  = 1 = y0 .
3 3
On vérifie les valeurs trouvées au A.1. 2 n − (−1) n 2 n + 2(−1) n
3 4 Si xn =   et  yn = ,  alors :
4. lim a = et lim bn = . 3 3
n→` n 7 n→` 7
Ce sont les parts de marché de AlloTel et BravoTel sur le 2 n − (−1) n 2 n + 2(−1) n 2 n+1 − (−1) n+1
xn+1 = + =
long terme. 3 3 3
⎛ 3 ⎞ 2 n − (−1) n 2 n+1 + 2(−1) n+1 .
et yn = 2 =
⎜ ⎟ 3 3
7 ⎟
lim Pn = ⎜ . La propriété, étant vraie pour 0 et héréditaire, est donc vraie
n→` ⎜ 4 ⎟
⎜ 7 ⎟ pour tout naturel n.
© Nathan 2012 – Transmath Term. S Spécialité

⎝ ⎠
4. a) . Vn = Ln V0 = ( xn L + yn I ) V0 = xn LV0 + yn V0
5. Cf. cours § 1.2, page 149.
Remarque. an et bn peuvent s’interpréter comme les proba- ⎛ 20 ⎞ ⎛ 20 ⎞
= xn ⎜ ⎟ + yn ⎜ ⎟ .
bilités, pour l’année 2010 + n, qu’un client pris au hasard
⎝ 5 ⎠ ⎝ 0 ⎠

Spécialité ● Chapitre 5 ● Matrices et suites 3


3.
⎧ 2n+1 − (−1)n+1
⎪⎪ jn = 20x n + 20yn = 20 3
b) ⎨
⎪a = 5x = 5 2 − (−1)
n n

⎪⎩ n n
3
( )
n
sn = jn + an = 15 × 2 n + 5 × −1 .

20 ⎡ ⎛ 1 ⎞ ⎤ 40 .
n
jn ⎛ 3 ⎞
5. a) lim n = lim ⎢ 2 + ⎜ − ⎟ ⎥ = B 1. U 0 = ⎜ ⎟  
n→` 3
n→` 2
⎢⎣ ⎝ 2 ⎠ ⎥⎦ 3 ⎝ 5 ⎠
⎛ a ⎞ ⎛ ⎞⎛ a ⎞ ⎛
5 ⎡ ⎛ 1⎞ ⎤ 5
n
an ⎞
lim= lim ⎢ 1− ⎜ − ⎟ ⎥= . et  U n+1 = ⎜
n+1
⎟ = ⎜ 3 2 ⎟ ⎜ n ⎟ + ⎜ 1 ⎟ = AU n + B
n→` 2 n n→` 3
⎢⎣ ⎝ 2 ⎠ ⎥⎦ 3 ⎜⎝ bn+1 ⎟⎠ ⎝ 4 3 ⎠ ⎜⎝ bn ⎟⎠ ⎝ 2 ⎠

s = AU n + B .
Donc lim nn = 15.
n→` 2
2. a) C = AC + B ⇔ (I – A)C = B ⇔ C = (I – A)–1B.
jn j 2 40 1 8 . n
⎛ −2 −2 ⎞ ⎛ 0,5 − 0,5 ⎞
b) lim = lim n × = × =
n→` sn n→` 2 n sn 3 15 9 Or, I – A = ⎜ ⎟ qui a pour inverse ⎜ ⎟.
⎜⎝ − 4 − 2 ⎟⎠ ⎜⎝ −1 0,5 ⎟⎠
an a 2n 5 1 1
lim = lim nn × = × = . ⎛ 0,5 − 0,5 ⎞⎛
n→` s n→` 2 sn 3 15 9 1 ⎞ ⎛ − 0,5 ⎞ .
n Donc C = ⎜ ⎟⎜ =
à long terme, les proportions de jeunes et d’adultes se stabi- ⎜⎝ −1 0,5 ⎟⎠ ⎝ 2 ⎟⎠ ⎜⎝ 0 ⎟⎠
8 1
lisent à et . b) De Un+1 = AUn + B  et  C = AC + B, on déduit, par sous-
9 9
traction membre à membre : Un+1 – C = A(Un – C).
( )
n
s −s 15 × 2 n − 10 × −1
c) lim n+1 n = lim c) Pour n = 0, U0 – C = A0 (U0 – C) puisque A0 = I.
sn ( )
n→` n→` n
15 × 2 n + 5 × −1 Si Un – C = An(U0 – C), alors :
n
⎛ −1⎞ Un+1 – C = AAn(U0 – C) = An+1(U0 – C).
15 − 10 × ⎜ ⎟ La propriété, étant vraie pour n = 0 et héréditaire, est vraie
⎝ 2⎠
= lim n
=1. pour tout naturel n.
n→`
⎛ −1⎞
15 + 5 × ⎜ ⎟ 3. U n = A n ( U 0 − C ) + C = ( 3 + 2 2 ) M ( U 0 − C )
n
⎝ 2⎠
( )
+ 3 − 2 2 N ( U 0 − C) + C .
n
à long terme, le taux d’évolution est de 100 % ; autrement
dit, la population double tous les ans.
⎛ ⎞ ⎛ − 0,5 ⎞ ⎛ 3,5 ⎞
Les résultats b) et c) confirment les conjectures du A.1. Or U 0 − C = ⎜ 3 ⎟ − ⎜ ⎟ =⎜ ⎟.
⎝ 5 ⎠ ⎝ 0 ⎠ ⎝ 5 ⎠
⎛ ⎞
1,75 + 1,25 2
Donc M(U 0 − C) = ⎜ ⎟
⎜⎝ 2,5 + 1,75 2 ⎟⎠
Problème 4
⎛ ⎞
1,75 − 1,25 2
1. Le triangle est rectangle si, et seulement si, et N(U 0 − C) = ⎜ ⎟.
A ⎜⎝ 2,5 − 1,75 2 ⎟⎠
a + (a + 1)2 = b2 ; c’est-à-dire 2a2 + 2a + 1 = b2, ce qui
2
On en déduit :
équivaut à 2a(a + 1) – b2 +1 = 0.
2. a) a1 = 20, b1 = 29. Le triangle de côtés 20, 21 et 29 est ( )(
⎧a = 1,75 + 1,25 2 3 + 2 2 n
⎪ n
)

( )( )
© Nathan 2012 – Transmath Term. S Spécialité

rectangle car 20 + 21 = 400 + 441 = 841 = 29 .


2 2 2 n
+ 1,75 − 1,25 2 3 − 2 2 − 0,5
( 2
b) 2an+1 an+1 + 1 – bn+1 = ) ⎪

( )( )
n
⎪bn = 2,5 + 1,75 2 3 + 2 2
( )( ) ( )
2
= 2 3an + 2bn + 1 3an + 2bn + 2 – 4an + 3bn + 2 ⎪
⎪ ( )( )
n
+ 2,5 − 1,75 2 3 − 2 2
(
= 2an an + 1 – bn2 . ) ⎩

c) Pour n = 0, 2a0 ( a0 + 1) − b02 = 2 × 3 × 4 − 52 = −1. Remarques


1. Ces formules fournissent bien des valeurs entières car si
Si 2an ( an + 1) − bn2 = −1, alors, d’après ce qui précède
on développe les termes 2 s’éliminent.
2an+1 ( an+1 + 1) − b 2n+1 = −1. bn 2,5 + 1,75 2
2. lim = = 2 : le triangle tend à être
La propriété, étant vraie pour 0 et héréditaire, est donc vraie n→` a
n 1,75 + 1,25 2
pour tout naturel n. rectangle isocèle.

4 Spécialité ● Chapitre 5 ● Matrices et suites


Problème 5 ⎛ p ⎞ ⎛
0,6 0 0 ⎞ pn
⎛ ⎞
⎜ n+1 ⎟ ⎜ ⎟⎜ ⎟
A 1. D’après l’arbre ci-dessous : ⎜ sn+1 ⎟ = ⎜ 0,3 0,8 0 ⎟ ⎜ sn ⎟ .
⎜ ⎟ ⎜ ⎜ ⎟
n=0 n=1 ⎜⎝ tn+1 ⎟⎠ ⎝ 0,1 0,2 1 ⎟⎠ ⎜⎝ tn ⎟⎠
P
0,6 2. Pour n = 0, E0 = M0 E0 puisque M0 = I.
0,3 Si En = Mn E0, alors En+1 = MEn = MMn E0 = Mn+1E0.
P S La propriété, étant vraie pour n = 0 et héréditaire, est vraie
pour tout naturel n.
0,8 0,1
T ⎛ 1 0 0 ⎞ ⎛ 0,6 0 0 ⎞
⎜ ⎟
3. AM = ⎜ −1,5 0 0 ⎟⎟ ⎜ 0,3 0,8 0 ⎟

0,1 0,8
S S ⎜⎝ 0,5 0 0 ⎟⎠ ⎜ 0,1 0,2 1 ⎟
⎝ ⎠
0,2 ⎛ 0,6 0 0 ⎞
0,1 T ⎜ ⎟
= ⎜ −0,9 0 0 ⎟ = 0,6 A .
⎜ 0,3 0 0 ⎟
0,1 ⎝ ⎠
T T
on obtient : ⎛ 0 0 0 ⎞ ⎛ 0,6 0 0 ⎞
⎜ ⎟
⎧ p1 = 0,6 × 0,8 = 0,48
110476_C5spe_prof_fig03 BM = ⎜ 1,5 1 0 ⎟⎟ ⎜ 0,3 0,8 0 ⎟


⎨s1 = 0,3× 0,8 + 0,8 × 0,1 = 0,32 . ⎜⎝ −1,5 −1 0 ⎟⎠ ⎜⎝ 0,1 0,2 1 ⎟⎠
⎪t = 0,1× 0,8 + 0,2 × 0,1+ 1× 0,1 = 0,20
⎩1 ⎛ 0 0 0 ⎞
2. D’après l’arbre ci-dessous : ⎜ ⎟
= ⎜ 1,2 0,8 0 ⎟ = 0,8 B .
Étape n Étape n + 1 ⎜⎝ −1,2 −0,8 0 ⎟⎠
P
0,6
⎛ 0 0 0 ⎞⎛ 0,6 0 ⎞ ⎛ 0 0 0 ⎞
0
⎜ ⎟
P
0,3
S CM = ⎜ 0 0 0 ⎟ ⎜
⎜ ⎟ 0,3 0,8 0 ⎟ = ⎜⎜ 0 0 0 ⎟⎟ = C.
⎜⎝ 1 1 1 ⎟⎠ ⎜
⎝ 0,1 0,2 1 ⎟⎠ ⎜⎝ 1 1 1 ⎟⎠
pn 0,1
T
4. Si n = 0, A + B + C = I = M0.
sn 0,8 Si Mn = 0,6n A + 0,8n B + C, alors :
Début S S Mn+1 = MnM = 0,6n AM + 0,8n BM + CM
= 0,6n+1 A + 0,8n+1 B + C.
0,2
tn T La propriété, étant vraie pour n = 0 et héréditaire, est vraie
pour tout naturel n.
1
T T 5. En = MnE0 = 0,6n AE0 + 0,8n BE0 + CE0.
on obtient : ⎛ 0,8 ⎞
⎧ pn+1 = 0,6 pn ⎜ ⎟
⎪ 110476_C5spe_prof_fig04 6. a) E0 = ⎜ 0,1 ⎟ , donc :
⎨sn+1 = 0,3pn + 0,8sn . ⎜ 0,1 ⎟
⎪t = 0,1p + 0,2s + t ⎝ ⎠
⎩ n+1 n n n
⎛ 0,8 ⎞ ⎛ 0 ⎞ ⎛ 0 ⎞
3. ⎜ ⎟ ⎜ ⎟ CE = ⎜ ⎟
AE0 = ⎜ −1,2 ⎟ , BE0 = ⎜ 1,3 ⎟ , 0 ⎜ 0 ⎟.
⎜ 0,4 ⎟ ⎜⎝ −1,3 ⎟⎠ ⎜⎝ 1 ⎟⎠
⎝ ⎠
On en déduit :
© Nathan 2012 – Transmath Term. S Spécialité

⎧ pn = 0,8 × 0,6 n
⎪⎪ n n
⎨sn = −1,2 × 0,6 + 1,3× 0,8 .
⎪ n n
⎪⎩tn = 0,4 × 0,6 − 1,3× 0,8 + 1

On constate que la part du secteur primaire diminue réguliè- ⎛ 0 ⎞


rement, celle du secteur tertiaire augmente régulièrement et b) lim E n = ⎜ 0 ⎟ : la tendance à long terme est que tous
n→` ⎜ ⎟
celle du secteur secondaire augmente puis diminue. ⎜⎝ 1 ⎟⎠

⎧ pn+1 = 0,6 pn les emplois soient dans le secteur tertiaire.


⎪ Remarque. an  , bn et cn peuvent s’interpréter comme les proba-
B 1. Les relations ⎨sn+1 = 0,3pn + 0,8sn s’écrivent bilités qu’un travailleur de la génération n pris au hasard soit
⎪t = 0,1p + 0,2s + t
⎩ n+1 n n n dans le secteur primaire, secondaire et tertiaire. Il s’agit donc
matriciellement : d’une marche aléatoire entre les trois états P, S et T.

Spécialité ● Chapitre 5 ● Matrices et suites 5


EXERCICES Application (page 150)
⎛ 1 1 2 ⎞⎛ 1 ⎞ ⎛ −9 ⎞
⎛ 2 −3 ⎞ ⎟⎜ 2 ⎟ =⎜ −4 ⎟.
1  1. I – A = ⎜⎜ ⎟ . Le déterminant de la matrice Donc C = ⎜ 0 1 1 ⎟ ⎜ ⎟
⎜ ⎟⎜
⎝ 0 −1 ⎟⎠ ⎜⎝ 0 0 1 ⎟⎠ ⎜ − 6 ⎟ ⎜ − 6 ⎟
⎝ ⎠ ⎝ ⎠
n’est pas nul : ad – bc = – 2. Donc I – A est inversible, et : De Un+1 = AUn + B et C = AC + B, on déduit :
1 ⎛ −1 3 ⎞ ⎛ 0,5 −1,5 ⎞ Un+1 – C = A(Un – C), d’où Un = An(U0 – C) + C.
(I – A)–1 = − ⎜ ⎟ =⎜ ⎟.
2 ⎝ 0 2 ⎠ ⎜⎝ 0 −1 ⎟⎠ Or, à partir du rang 3, An = O, donc Un = C.
c) Ce résultat est indépendant de U0.
⎛ −1 3 ⎞ ⎛ 1 −1 ⎞ ⎛ −1 1 ⎞
2. a) AR = ⎜ ⎟⎜ ⎟ =⎜ ⎟ = –R ; ⎛ −1 3 −3 ⎞
⎝ 0 2 ⎠⎝ 0 0 ⎠ ⎝ 0 0 ⎠
de même, RA = – R.
3  1. I – A = ⎜⎜ 0 2 4
⎟ ;

⎜⎝ 0 0 −2 ⎟⎠
⎛ −1 3 ⎞ ⎛ 0 1 ⎞ ⎛ 0 2 ⎞
AS = ⎜ ⎟⎜ ⎟ =⎜ ⎟ = 2S ; ⎛ −1 1,5 −1,5 ⎞
⎝ 0 2 ⎠⎝ 0 1 ⎠ ⎝ 0 2 ⎠ ⎜ ⎟
( )
−1
de même, SA = 2S. donc I − A = ⎜ 0 0,5 1 ⎟.
⎜ 0 0 − 0,5 ⎟
b) Notons En  l’égalité An = (–1)nR + 2nS. ⎝ ⎠
E0 est vraie : (–1)0 R + 20S = R + S = I = A0.
⎛ 1 −1 1 ⎞
En est héréditaire : si An = (–1)nR + 2nS, alors : ⎜−1 ⎟
An+1 = AAn = A[(–1)nR + 2nS] = (–1)nAR + 2nAS 2. a) M = ⎜ 0 1 −1 ⎟ .
= –(–1)nR + 2 × 2nS ⎜⎝ 0 0 1 ⎟⎠
= (–1)n+1R + 2n+1S. ⎞ ⎛ 2 −1 0 ⎞
⎛ 1 1 0 ⎞⎛ 2 0 0
Donc, En est vraie pour tout naturel n. ⎜ ⎟ ⎜ 0 −1 0 ⎟ =⎜ ⎟
3. Cherchons la matrice colonne C, telle que C = AC + B : b) MD = ⎜ 0 1 1 ⎟⎜ ⎟ ⎜ 0 −1 3 ⎟ .
⎜⎝ 0 0 1 ⎟⎠ ⎜ 0 0 3 ⎟⎠ ⎜ 0 0 3 ⎟
⎛ 0,5 −1,5 ⎞ ⎛ 4 ⎞ ⎛ ⎝ ⎝ ⎠
5 ⎞.
C = (I – A) –1B = ⎜
⎜⎝ 0
⎟⎜
⎟ ⎟ =⎜ ⎟ ⎛ 2 −1 0 ⎞ ⎛ 1 −1 1 ⎞
−1 ⎠ ⎝ − 2 ⎠ ⎝ 2 ⎠
⎜ ⎟⎜ ⎟
Posons, pour tout naturel n : Xn = Un – C. Donc MDM–1 = ⎜ 0 −1 3 ⎟ ⎜ 0 1 −1 ⎟
De Un+1 = AUn + B  et  C = AC + B, on déduit, par différence : ⎜⎝ 0 0 3 ⎟⎠ ⎜⎝ 0 0 1 ⎟⎠
Un+1 – C = A(Un – C) soit Xn+1 = AXn.
⎛ 2 −3 3 ⎞
Donc, par récurrence, Xn = AnX0 pour tout n. ⎜ ⎟
Or, An = (–1)nR + 2nS pour tout n. = ⎜ 0 −1 4 ⎟ = A.
Donc Xn = (­1)nRX0 + 2nSX0, pour tout n. ⎜⎝ 0 0 3 ⎟⎠
⎛ ⎞ ⎛ −1 ⎞ c) L’égalité est vraie pour n = 0 :
Or, X 0 = U 0 – C = ⎜ 1 ⎟   ; donc RX 0 = ⎜ ⎟ et
⎝ 2 ⎠ ⎝ 0 ⎠ MD0M–1 = MIM–1 = MM–1 = I = A0.
⎛ 2 ⎞ L’égalité est héréditaire. Si An = MD n M–1 alors :
SX0 = ⎜ ⎟. An+1 = AnA = MDnM–1MDM–1 = MD n IDM = MD n DM
⎝ 2 ⎠
⎛ (−1) n+1 + 2 n+1 ⎞ = MD n+1 M–1.
Finalement Xn = ⎜ ⎟ pour tout n. La propriété est donc vraie pour tout naturel n.
⎜⎝ 2 n+1 ⎟⎠
d) L’égalité est vraie pour n = 0 : D0 = I.
On en déduit, pour tout naturel n : L’égalité est héréditaire :
⎛ (−1) n+1 + 2 n+1 + 5 ⎞ ⎛ 2n
Un = ⎜ ⎟. 0 0 ⎞
© Nathan 2012 – Transmath Term. S Spécialité

⎜⎝ ⎟⎠ ⎜ ⎟
2 n+1 + 2 si D n = ⎜ 0 (−1) n 0 ⎟
⎛ 0 0 1 ⎞ ⎛ 0 0 0 ⎞ ⎜⎝ 0 0 3n ⎟⎠
⎜ ⎟ ⎜ ⎟
2  a) A = ⎜ 0 0 0 ⎟ et A = ⎜ 0 0 0 ⎟ .
2 3
⎛ 2n 0 0 ⎞⎛ 2 0 0 ⎞
⎜⎝ 0 0 0 ⎟⎠ ⎜
⎝ 0 0 0 ⎟⎠ ⎜ ⎟⎜ ⎟
alors D  = ⎜ 0
n+1
(−1) n 0 ⎟ ⎜ 0 −1 0 ⎟.
Alors, pour tout n  3, An = An – 3 A3 = O. ⎜⎝ 0 0 3n ⎟⎠ ⎜⎝ 0 0 3 ⎟⎠
b) Cherchons la matrice colonne C d’ordre 3, telle que
C = AC + B, c’est-à-dire (I – A)C = B. ⎛ 2 n+1 0 0 ⎞
⎛ ⎜ ⎟
⎛ 1 −1 −1 ⎞ 1 1 2 ⎞ = ⎜ 0 (−1) n+1 0 ⎟
⎜ ⎟ ⎜ ⎟ ⎜⎝ 0 ⎟⎠
Or, I – A = ⎜ 0 1 −1 ⎟ , d’où (I – A) = ⎜ –1
0 1 1 ⎟. 0 3n+1
⎜⎝ 0 0 1 ⎟⎠ ⎜⎝ 0 0 1 ⎟⎠
L’égalité est donc vraie pour tout naturel n.

6 Spécialité ● Chapitre 5 ● Matrices et suites


3. a) Cherchons la matrice colonne C, telle que C = AC + B : 3. Cherchons la matrice ligne C, telle que C = CA + B :
⎛ −1 1,5 −1,5 ⎞⎛ 1 ⎞ ⎛ 11 ⎞ ⎛ − 0,5 0,5 ⎞

C = (I – A)–1 B = ⎜ 0 0,5 1
⎟⎜
⎟⎜ 2
⎟ =⎜
⎟ ⎜ 7 ⎟.
⎟ C = B(I − A)−1 = 2 5 ⎜
⎝ 0
( −1 ⎠
)
⎟ = −1 − 4 ( )
⎜ 0 0 − 0,5 ⎟ ⎜⎝ − 6 ⎟⎠ ⎝ 3 ⎟⎠
⎜ Pour tout naturel n :
⎝ ⎠
⎛ 3n 3n − 2 n ⎞
b) Posons, pour tout naturel n, Xn = Un – C. Alors, pour tout
n, Xn+1 = AXn.
( )
Vn = V0 − C A n + C = 0 8 ⎜
⎝ 0
( 2n ⎠
)
⎟ + −1 − 4 ( )
c) Pour tout naturel n, Xn = AnX0 = MDnM–1X0. =( −1 8 × 2 n − 4 . )
⎛ −5 ⎞
⎜ ⎟ ⎛ −1 0 0 ⎞
Or X0 = Uo – C = ⎜ − 2 ⎟ . ⎜ ⎟
⎜⎝ 1 ⎟⎠ 5  1. I − A = ⎜ 0 − 2 1 ⎟.
Donc : ⎜ 0 0 −1 ⎟⎠

⎛ 1 1 0 ⎞ ⎛ 2n 0 0 ⎞ ⎛ 1 −1 1 ⎞ ⎛ − 5 ⎞
⎜ ⎟ ⎜ 0 (−1) n ⎟⎜ ⎟⎜ ⎟ La calculatrice indique que :
Xn = ⎜ 0 1 1 ⎟ ⎜ 0 ⎟ ⎜ 0 1 −1⎟ ⎜ − 2 ⎟
⎜⎝ 0 0 1 ⎟⎠ ⎜ ⎛ −1 0 ⎞ 0
⎝ 0 0 3n ⎟⎠ ⎜⎝ 0 0 1 ⎟⎠ ⎜⎝ 1 ⎟⎠ ⎜ ⎟
( )
−1
I−A = ⎜ 0 − 0,5 − 0,5 ⎟ .
⎞⎛ 2 0 ⎞⎛ −2 ⎞
n
⎛ 1 1 0 0 ⎜ 0 0 −1 ⎟⎠
⎜ ⎟⎜ ⎟ ⎝
=⎜ 0 1 1 ⎟ 0
( −1)
n
⎜ ⎟⎜ 0 ⎟⎜ −3 ⎟
⎜⎝ 0 0 1 ⎟⎠ ⎜ ⎟⎜ 2. L’égalité est vérifiée pour n = 0 :

⎝ 0 0 3n ⎠ ⎝ 1 ⎠ ⎛ 20 0 0 ⎞ ⎛ 1 0 0 ⎞
⎜ 0 ⎟ ⎜ ⎟ = I = A0 .
⎞ ⎛ − 2 n+1 ⎞ ⎛ − 2 n+1 + 3(−1) n+1 ⎞ ⎜ 0 3 2 −3 ⎟ =⎜ 0 1 0
0 0
⎛ 1 1 0 ⎟
⎜ ⎟⎜ ⎟ ⎜ ⎟ ⎜⎝ 0 0 20 ⎟⎠ ⎜⎝ 0 0 1 ⎟⎠
=
⎜ 0 1 1 ⎟ ⎜ 3(−1)
n+1
⎟ = ⎜ 3(−1) n+1 + 3n ⎟.
⎜⎝ 0 0 1 ⎟⎠ ⎜ ⎟ ⎜ ⎟ L’égalité est héréditaire :
⎝ 3n ⎠ ⎝ 3n ⎠
⎛ 2n 0 0 ⎞
⎛ − 2 n+1 + 3(−1) n+1 + 11 ⎞ ⎜ n n n ⎟
⎜ ⎟ Si A = ⎜ 0 3 2 − 3 ⎟ ,
n

D’où Un = Xn + C = ⎜ 3(−1) n+1 + 3n + 7 ⎟. ⎜⎝ 0 0 2n ⎟⎠


⎜ ⎟
⎝ 3n + 3 ⎠ ⎛ 2n 0 0 ⎞⎛ 2 0 0 ⎞
⎜ ⎟⎜ ⎟
alors A = A A = ⎜ 0 3 2 − 3n ⎟ ⎜ 0 3 −1 ⎟
n+1 n n n
⎛ − 2 −1 ⎞
4  1. I – A = ⎜ ⎟ . Le déterminant de la matrice ⎜⎝ 0 0 2n ⎟⎠ ⎜⎝ 0 0 2 ⎟⎠
⎜⎝ 0 −1 ⎟⎠
⎛ − 0,5 0,5 ⎞ ⎛ 2 n+1 0 0 ⎞
vaut 2. Donc I – A est inversible et (I – A)−1 = ⎜ ⎟. ⎜
=⎜ 0 3 ⎟
⎜⎝ 0 −1 ⎟⎠
n+1
2 −3 ⎟ .
n+1 n+1

⎜⎝ 0 0 2 n+1 ⎟⎠
2. L’égalité est vérifiée pour n = 0 :
La propriété est donc vraie pour tout naturel n.
⎛ 30 30 − 20 ⎞ ⎛ 1 0 ⎞ 0 3. Cherchons la matrice ligne C, telle que C = CA + B :
⎜ ⎟ =⎜ ⎟ = I=A .
⎝ 0 2 0
⎠ ⎝ 0 1 ⎠ ⎛ −1 0 0 ⎞
L’égalité est héréditaire : −1
( ⎜
C = B(I − A) = 2 − 6 1 ⎜ 0 − 0,5 − 0,5 ⎟
⎜ 0
) ⎟

⎛ 3n 3 −2 ⎞
n n
⎝ 0 −1 ⎟⎠
si An = ⎜
⎝ 0 2n
⎟,
⎠ = ( −2 3 2 . )
Pour tout naturel n,
⎛ 3n 3n − 2 n ⎞ ⎛ 3 1 ⎞
alors An+1 = AnA = ⎜ ⎟⎜ ⎟ ( )
Vn = V0 − C A n + C
⎝ 0 2n ⎠⎝ 0 2 ⎠
© Nathan 2012 – Transmath Term. S Spécialité

⎛ 2n 0 0 ⎞


⎛ 3n+1 3n+1 − 2 n+1 ⎞
=⎜ ⎟.
= ( ⎜
1 1 1 ⎜ 0 ) 3n 2 − 3n
n ⎟+
⎟ ( −2 3 2 )
⎜⎝ 0 0 2n ⎟⎠
⎝ 0 2 n+1 ⎠
La propriété est donc vraie pour tout naturel n. = ( 2 n − 2 3n + 3 2 n+1 − 3n + 2 ).

Spécialité ● Chapitre 5 ● Matrices et suites 7


SÉQUENCE  2 Étude de marches aléatoires (page 152)

RÉSOLUTION DE PROBLÈMES
Problème 6
on obtient :
⎧ 1 7
⎪⎪cn+1 = 3 cn + 8 vn
A 1. Les sommets indiquent les deux possibilités : ⎨
Voyelle ou Consonne ; les flèches indiquent les probabilités ⎪v = 2 c + 1 v
de passer de l’une à l’autre. Pour les deux flèches partant ⎪⎩ n+1 3 n 8 n
d’un même sommet, la somme des probabilités vaut 1 ; en 5. Les relations ci-dessus s’écrivent :
effet, pour une lettre, il n’y a que ces deux possibilités et ⎛ 1 2 ⎞
⎜ ⎟
elles sont exclusives l’une de l’autre.
2. D’après l’arbre ci-dessous : 1
( ) (
cn+1 vn+1 = cn vn ⎜

) 3
7
3
1
⎟,


3
C ⎜ 8 8 ⎟
⎝ ⎠
1 C c’est-à-dire Pn+1 = PnT.
— 2
3 — V
3 6.
C
7
2 — C
— 8
1 3
— V
3
1 V

8
C
1
— C
3
2
— C
3 7
— 2
8 — V
3
V
7
1 — C
— 8
8 V
1 V

on obtient : 8
2 1 7 1 433
v4 = + + + = ≈ 0,501
27 36110476_C5spe_prof_fig05
18 96 864 Les probabilités semblent se stabiliser autour de 0,568
1 7 7 7 431 (consonne) et 0,432 (voyelle).
c4 = + + + = ≈ 0,499
27 36 36 96 864 1 7 1 7 13 7
1 2 B 1. cn+1 = cn + vn = cn + (1− cn ) = − cn + .
( )
3. PCn C n+1 =  ;
3
(
PC Vn+1 =  ;
n
3
) 3 8 3 8 24 8
13 7 37 7 21
7 1. 2. a) c = − c + équivaut à c = , soit c =
( )
PVn C n+1 =  ;
8
PV Vn+1 = ( 8
) 24 8 24 8 37
.
© Nathan 2012 – Transmath Term. S Spécialité

n
13 7 13 7
4. c0 = 1  et  v0 = 0. D’après l’arbre ci-dessous : b) De cn+1 = − cn + et c = − c + , on déduit par
24 8 24 8
nième lettre (n + 1)ième lettre soustraction :
13 13
1 cn+1 − c = − (cn − c) , soit x n+1 = − x n .
— C 24 24
3
13
C La suite (xn) est donc géométrique de raison − et de
cn 21 16 . 24
2 V premier terme x1 = c1 − c = 1− =

3 37 37
Début n−1 n−1
16 ⎛ 13 ⎞ 16 ⎛ 13 ⎞ 21 .
vn 7
— C
c) xn = ⎜ − ⎟ , donc cn = ⎜ − ⎟ +
8 37 ⎝ 24 ⎠ 37 ⎝ 24 ⎠ 37
n−1
V 16 ⎛ 13 ⎞ 16 .
3. vn = 1− cn = − ⎜− ⎟ +
1
— V 37 ⎝ 24 ⎠ 37
8

8 Spécialité ● Chapitre 5 ● Matrices et suites


110476_C5spe_prof_fig06
⎛ 21 16 ⎞ 4. a)
4. lim Pn = ⎜ ⎟ . Cela confirme la conjecture du
n→`
⎝ 37 37 ⎠
21 16
A, puisque ≈ 0,568 et ≈ 0,432.
37 37
Ces deux nombres s’interprètent comme les proportions
respectives de consonnes et de voyelles dans l’ensemble
de l’œuvre.

Problème 7
A 1. • Si l’assuré est au tarif A, il y a une probabilité 0,1
pour qu’il y reste l’année suivante et 0,9 pour qu’il passe
au tarif B.
• Si l’assuré est au tarif B, il y a une probabilité 0,1 pour
qu’il passe au tarif A l’année suivante et 0,9 pour qu’il passe
au tarif C.
• Si l’assuré est au tarif C, il y a une probabilité 0,9 pour qu’il
y reste l’année suivante et 0,1 pour qu’il passe au tarif B. b)
2. Voir l’arbre ci-dessous.
n=2
n=1 A
0,1
n=0 A
0,1 0,9 B
A
0,1 A
0,9
B
0,9 C
0,3
0,1 A
A
0,1 0,9 B
0,5
B
0,1 B c) Dans les deux cas, les valeurs de an, bn et cn semblent se
0,9
C stabiliser respectivement autour de 0,011 ; 0,099 et 0,890.
0,9 C
0,2 B 1. Les formules du A3 peuvent s’écrire :
0,1 A ⎛ 0,1 0,9 0 ⎞

0,1
B
0,9 C
(an+1
bn+1 cn+1 )=( a n
bn cn ) ⎜ ⎟
⎜ 0,1 0 0,9 ⎟ ,
⎜ 0 0,1 0,9 ⎟
C
⎝ ⎠
0,1 B soit Pn+1 = PnT.
0,9
C 2. Pour n = 0, P0 = P0T0 puisque T0 = I.
0,9 C Si Pn = P0 Tn, alors Pn+1 = Pn T = P0 T n T= P0 T n+1.
3. L’arbre ci-dessous justifie les formules. La propriété étant vraie pour n = 0 et héréditaire, elle est
Année n Année n + 1
© Nathan 2012 – Transmath Term. S Spécialité

vraie pour tout naturel n. ⎧


110476_C5spe_prof_fig08 0,1 A 1
⎧ a = 0,1a + 0,1b ⎪a =
A ⎧b = 9a ⎪ 91

⎪b = 0,9a + 0,1c ⎪ ⎪ 9
0,9 B 3. ⎨ équivaut à ⎨c = 9b soit ⎨ b = .
an ⎪ c = 0,9b + 0,9c ⎪a + b + c = 1 ⎪ 91
⎪⎩ a + b + c = 1 ⎩ ⎪ 81
0,1 A ⎪c =
bn ⎩ 91
Début B 1 9 81
0,9 C
( )
4. a) E X = × 455 + × 364 + × 273 = PU = 284.
91 91 91
cn b) L’espérance de gain pour la compagnie est de 284 € par
0,1 B assuré ; l’espérance de coût est de 280 € par assuré.
La compagnie peut donc espérer un bénéfice net de 4 €
C
par assuré.
0,9 C

Spécialité ● Chapitre 5 ● Matrices et suites 9


110476_C5spe_prof_fig07
Problème 8 ⎛ 0 1 0 ⎞

A 1. Voir l’arbre ci-dessous.


( ) ( )
pn+1 qn+1 rn+1 = pn qn rn ⎜⎜ 0,5 0 0,5 ⎟⎟ ,
⎜⎝ 0 1 0 ⎟⎠
0,5 2
1 soit Pn + 1 = PnT. Par récurrence, on en déduit que Pn = P0Tn,
2 1
pour tout naturel n.
0,5 0,5 0 ⎛ 0,5 0 0,5 ⎞
1 ⎜ ⎟
2 1 2. a) T = ⎜ 0 1 0 ⎟ , T3 = T.
2

2 ⎜⎝ 0,5 0 0,5 ⎟⎠
0,5 0,5
1 b) T3 = T implique T4 = T2, T5 = T3 = T, etc.
0 1
0,5 Par récurrence, on peut formaliser que T2k = T2, pour tout
0
naturel k non nul.
⎧p =0 On en déduit que T 2k + 1 = T 2kT = T 2 T = T 3 = T.
110476_C5spe_prof_fig09 ⎪⎪ 0
2. Au début, les deux puces sont sur Pollux, donc : ⎨ q0 = 1 c) • Si n est pair non nul :
⎪ ⎛ 0,5 0 0,5 ⎞
⎪⎩ r0 = 1
⎧ p1 = 0 ⎧ p2 = 0,5
⎪ ⎪
Alors, d’après l’arbre, ⎨q1 = 1 et ⎨q2 = 0 .
( )⎜
Pn = P0T = P0T = 0 0 1 ⎜ 0 1 0 ⎟ = 0,5 0 0,5
n 2

( )
⎜⎝ 0,5 0 0,5 ⎟⎠
⎪r = 0 ⎪r = 0,5
⎩1 ⎩2 ⎧ pn = 0,5
3. Quand il y a deux puces sur Pollux, il est certain qu’à la ⎪
Donc ⎨qn = 0 .
minute suivante, il y en aura une. ⎪r = 0,5
Quand il y en a une, à la minute suivante, il y en aura ⎩n
soit 0, soit 2 (selon celle qui change de chien) de façon • Si n est impair :
⎛ 0 1 0 ⎞
équiprobable.
Quand il y en a 0, il est certain qu’à la minute suivante, il ( ) ⎜
Pn = P0T = P0T = 0 0 1 ⎜ 0,5 0 0,5 ⎟ = 0 1 0
n ⎟
( )
⎜⎝ 0 1 0 ⎟⎠
y en aura une.
4. pn + 1 = P ( X n + 1 = 0 ) = P(X n = 1) × PX = 1 ( X n + 1 = 0 ) = qn × 0,5.
n
⎧ pn = 0

Donc ⎨qn = 1 .
(
qn + 1 = P X n + 1 = 1 =) ⎪r = 0
⎩n
( ) (
= P ( X n = 0 ) × PXn = 0 X n + 1 = 1 + P ( X n = 2 ) × PXn = 2 X n + 1 = 1 ) d) Selon que n est pair ou impair, on retrouve bien les valeurs
= pn × 1+ rn × 1 = pn + rn . de la question précédente.
n n
3. E (X) = 0 × pn + 1× qn + 2 × rn = 1− (−1) + 1+ (−1) = 1.
( ) ( )
rn + 1 = P X n + 1 = 2 = P(X n = 1) × PXn = 1 X n + 1 = 2 = qn × 0,5. 2 2
5. On peut s’attendre en moyenne à trouver à chaque minute
une puce sur Pollux. En effet, soit il y en a effectivement une
seule, soit il y en a 0 ou 2 avec équiprobabilité.

C 1. Si n est impair, Pollux a une seule puce ; donc n n’est


pas une valeur possible pour D.
2. a) On peut se référer à l’arbre du A.1., entre l’étape 2k
et l’étape 2k + 2 :
• S’il y a 0 puce sur Pollux, deux minutes plus tard, il y en
aura 0 ou 2 de façon équiprobable.
• S’il y a 2 puces sur Pollux, deux minutes plus tard, il y en
© Nathan 2012 – Transmath Term. S Spécialité

aura 0 ou 2 de façon équiprobable.


Posons, pour tout naturel k non nul : uk = P(D = 2k).
uk+1 = P ( D = 2k + 2 ) = P ( D = 2k ) × PD=2k ( D = 2k + 2 )
1 1
= P ( D = 2k ) × = uk .
2 2
1
La suite (uk ) est géométrique de raison et de premier terme
Quand n est impair, pn = qn = 0 et rn = 1. 1 2
Quand n est pair non nul, pn = qn = 0,5 et rn = 0. u1 = P ( D = 2 ) = .
2 ⎛ 1⎞
k

⎧ pn + 1 = 0,5qn Donc, pour tout naturel k non nul, uk = ⎜ ⎟ .


⎝ 2⎠
⎪ 1 1 3
B 1. ⎨qn + 1 = pn + rn , peut s’écrire : 3. P(D = 2 ou D = 4) = P(D = 2) + P(D =4 ) = + = .
⎪ 2 4 4
⎩rn + 1 = 0,5qn C’est bien ce qu’indique l’arbre du A.1.

10 Spécialité ● Chapitre 5 ● Matrices et suites


3.
Problème 9
A 1. • Si la suite est dans l’état A, et qu’on ajoute un
chiffre, alors :
– ou bien ce nouveau chiffre est le même que le dernier et
la suite passe à l’état B ;
– ou bien il est différent et la suite reste à l’état A.
• Si la suite est dans l’état B, et qu’on ajoute un chiffre,
alors :
– ou bien ce nouveau chiffre est le même que le dernier et
la suite passe à l’état C,
– ou bien il est différent et la suite passe à l’état A.
• Si la suite est dans l’état C et qu’on ajoute un chiffre, alors
la suite reste dans l’état C.
⎛ 0,5 0,5 0 ⎞
On constate que la probabilité cherchée c15 est environ
⎜ ⎟
T = ⎜ 0,5 0 0,5 ⎟ . 0,94 : autrement dit, il est très probable qu’une séquence
⎜⎝ 0 0 1 ⎟⎠ de 15 chiffres binaires équirépartis contienne au moins une
2. a) D’après l’arbre ci-dessous : séquence de trois chiffres identiques.

0,5 A

0,5
A
Problème 10
0,5 B
1. Graphe probabiliste ci-dessous.

0,5 A 1
0,5 —
B
A 3
A D
0,5 0,5 C
B 1

3
( ) ( 0,5 0,50,5 0A )
1 1
— —
a2 b2 c2 = 1 1 3 3 1 1
— —1 1— —
0,5 3 3— — 3 3
et ( a ) = AB( 0,5 0,50, 25 0, 25 ). 3 1 3
3 b3 c3 —
3
B
C B C
b) D’après l’arbre ci-dessous :
a 1

n 3
0,5 A
bn 2. Les possibilités de parcours des deux premières arêtes
Début B
A 110476_C5spe_prof_fig11
sont représentées sur l’arbre ci-dessous.
0,5 C
B 1
cn — A
an 3
1 1
B — C
C 0,5 C
A 3
bn 1
Début B 1 — D
— 3
110476_C5spe_prof_fig100,5 C 3
cn 1
— A
1 3
1 — 1
C C 3 —
A C 3 B
© Nathan 2012 – Transmath Term. S Spécialité

1
On obtient : — D
110476_C5spe_prof_fig10 3
1
⎧an+1 = 0,5an + 0,5bn — 1
3 — A
⎪ 3
⎨bn+1 = 0,5an 1

⎪c = 0,5b + c D 3 B
⎩ n+1 n n
1
— C
3
qui peut s’écrire :

 0,5 0,5 0 
3. (a 0 b0 c0 d0 ) = ( 1 0 0—13 01 ) B
(a )=( a )   A — C
1 1 31 
(a ) =  0 3 —313 3 D.
n +1 bn+1 cn+1 n bn cn  0,5 0 0,5  . 
b1 c1 d1
 0 0 1  1

an 1 A

3
Spécialité ● Chapitre 5 ● Matrices
1

et suites 11
B 3 C
bn
1

1
— 1
3 — A
3
1
D — B
3
1
— C
4. a) D’après l’arbre ci-dessous : 3 c’est-à-dire Pn+1 = Pn T.
1 B b) Pour n = 0, P0 = P0 T 0 puisque T 0 = I.

3
1 Si Pn = P0 T n, alors Pn+1 = Pn T = P0 T n T= P0 T n + 1.
A — C
3
La propriété, étant vraie pour n = 0 et héréditaire, est vraie
1
— D
3 pour tout naturel n.
an 1 A 1 1 1 1 1

3
5. a) an+1 = bn + cn + d n = (bn + cn + d n ) = (1 − an ) .
3 3 3 3 3
1
B — C
3
bn 1 1
1 b) an+1 = − an + .
— D 3 3
3
Début
1
— A 1 1 1
cn 3 L’équation x = − x + a pour solution x = .
1 3 3 4
C — B
3 1  1 
n
1  3  1
n

dn 1 On en déduit an − =  −   a0 −  =  −  , d’où :

3 D 4  3  4  4  3
n
1 1 3  1
— A an = + −  .
3 4 4  3
1 6
D — B 1 3  1 61
3 La probabilité cherchée est a6 = +  −  = ≈ 0,251.
0, 251
1 4 4  3 243
— C
On obtient : 3 1
c) lim an = . Sur une longue période, la fourmi passe en
n→ 4
 1 1 1
 an+1 = bn + cn + d n A une fois sur 4.
110476_C5spe_prof_fig12
3 3 3

 1 1 1 6. an + bn + cn + d n = 1, donc an + 3bn = 1 , d’où :
 bn+1 = an + cn + d n n
 3 3 3 1 − an 1 1  1 
 bn = = − −  .
1
 c = a + b + d 1 1 3 4 4  3
 n+1 3 n 3 n 3 n 1.
 Donc lim bn =
n→ 4
 d n+1 = 1 an + 1 bn + 1 cn
 3 3 3  1 1 1 1 
Par suite, lim Pn =   : sur une longue
n→ 
 4 4 4 4 
période, chaque sommet est également visité.
qui peut s’écrire :  
1 1 1
 0  7. a)
⎛ 1 1 31 ⎞3 3 
⎜  0 ⎟  A A A A A
⎜ 3 13
0
3 ⎟1 1
 1
— 1
— —1 1
— 1

⎜ 1 31 1 ⎟3 3 3 3 3 3
( a( a )) (( ) )
3 
n +1 bn +1 cn +1 d n +1 = an bn cn d⎜ n 3 0 3 3 ⎟  A non non non non non non
n +1 bn + 1 cn + 1 d n + 1 = an bn cn d n ⎜  1 1 ⎟ 1  1 A 2 A 2 A 2 A 2 A
— — — — 2

A
⎜ 1 1 1 ⎟0  3 3 3 3 3
⎜ 3 3 30 3 ⎟ 3 
3
⎜  1 1 ⎟1 
⎜ 1 1 1 ⎟ 0  110476_C5spe_prof_fig13
1  2 4 8 16  211
⎜⎝ 3 3 3 30 ⎟⎠ 3  b) p =  1 + + + + = ≈ 0,87 .
3 3  3 9 27 81  243
 1 1 1
 0 
3 3 3
© Nathan 2012 – Transmath Term. S Spécialité


 1 1 1
 0
3 3 
(a n +1 ) (
bn + 1 cn + 1 d n + 1 = an bn cn d n ) 

3
1 1 1
 0 
 3 3 3
 1 1 1 
 0
 3 3 3 

12 Spécialité ● Chapitre 5 ● Matrices et suites


EXERCICES Application (page 160)
6  Notons A et E, les deux états « Allumée » et « Éteinte » Or P0 = ( 0 1 0 ) , donc :
et classons-les dans cet ordre.
 0, 75 0, 25   0, 08 0,88 0, 04 
La matrice de transition est T = 
 0, 4 0,6 
 , de la P2 = P0 T = 2
( 
)
0 1 0  0, 07 0,885 0, 045

= ( 0, 07 0,885
 1– p p   0, 095 0,87 0, 035 
 0, 04   
forme   avec p = 0,25 et q = 0,4. 0, 08 0,88
 q
2 0 (
1 – q P = P T 2 = 0 1 0  0, 07 0,885
 ) 
(
0, 045  = 0, 07 0,885 0, 045 .
0, 035 
)
Comme (p, q) est différent de (0, 0) et de (1, 1),0,la095
répar-0,87
 
tition de probabilité converge vers la répartition stable 3. T2 n’a aucun coefficient nul ; donc (Pn ) converge vers la
répartition stable de probabilité P = (c  d  m).
 q p   8 5 
  , c’est-à-dire  . Déterminons P :
 p+ q p+ q   13 13 
0, 2c + 0, 05d + 0,3m = c
8 0,8c + 0,9d + 0, 7m = d
Or ≈ 0,62. Sur une longue période, la diode est allumée  équivaut à :
13 
environ 62 % du temps. 0, 05d = m
c + d + m = 1
7  Notons D et F, les deux états « Vent défavorable » et 13

« Vent favorable » et classons-les dans cet ordre. c = 160 d
0,8c − 0, 065d = 0 
 2 3    1
   0, 05d = m   soit  m = d .
5 5  20
La matrice de transition est T =   , de la forme c + d + m = 1
 2 1    13 1
  160 d + d + 20 d = 1
 3 3  
La dernière équation fournit :
 1– p p  3 2
  avec p = et q = . 160 8 13 .
 q 1– q  5 3 d= ,  d’où  m =   et  c =
181 181 181
 13 160 8 
Comme (p, q) est différent de (0, 0) et de (1, 1), la répartition
de probabilité converge vers la répartition stable :
Ainsi P =  ≈
 181 181 181 
( 0, 07 0,88 0, 04 . )
 q p   10 9 

 p+ q
 =
p+ q   19
≈
19 
( 0,53 0, 47 ). Sur une longue période, Bill passe 7 % de son temps à courir,
88 % à dormir et 4 % à manger.
Sur une longue période, le vent est favorable environ 53 %
 0,6 0, 2 0, 2 
du temps, défavorable 47 % du temps.  
9  1. T =  0,5 0,3 0, 2  ,
 0,1 0,1 0,8 
 0, 2 0,8 0   
 
8  1. T =  0, 05 0,9 0, 05 .  0,34 0,17 0, 49 
 0,3 0, 7 0   
  donc T ≈  0,34 0,17 0, 49  .
7
© Nathan 2012 – Transmath Term. S Spécialité

 0,32 0,16 0,51 


0,2  
 0,34 0,17 0, 49 
( ) ( 0,33
C  
P7 = P0 T 7 ≈ 0, 2 0, 05 0, 75  0,34 0,17 0, 49  ≈ 0,
0,8  0,32 0,16 0,51 
0,3  0,34 0,17 0, 49   
0,05
P7 = P0 T ≈
7

0,7
( 
) 
(
0, 2 0, 05 0, 75  0,34 0,17 0, 49  ≈ 0,33 0,17 0,51 . )
 0,32 0,16 0,51 
M D 0,9  
On peut prévoir 33 % de patients en soins réguliers, 17 %
0,05
en soins intensifs et 51 % à l’extérieur.
 0, 08 0,88 0, 04  2. T n’a aucun coefficient nul ; donc (Pn) converge vers la
 110476_C5spe_prof_fig14

2. T =  0, 07 0,885 0, 045  .
2
répartition stable de probabilité P = ( )
a b c .
 0, 095 0,87 0, 035 
 
Spécialité ● Chapitre 5 ● Matrices et suites 13
Déterminons P :  c k p t
 + + + =c
0,6a + 0,5b + 0,1c = a  6 6 3 3
0, 2a + 0,3b + 0,1c = b 
 équivaut à : c k p t
  + + + =k
0, 2a + 0, 2b + 0,8c = c  3 6 6 3
a + b + c = 1 2.  c k p t peut s’écrire :
 + + + =p
 3 3 6 6
4 a − 5b − c = 0 4 a − 5b = 0,5 
 2a − 7b + c = 0 2a − 7b = −0,5  c k p t
  + + + =t
   soit   ,  6 3 3 6
a + b − c = 0 a + b = 0,5 
c = 0,5  c+ k + p+t =1
a + b + c = 1

 1  − 5c + k + 2 p + 2t = 0
 a= 
 3  2c − 5k + p + 2t = 0
  1
c’est-à-dire  b = .
1  2c + 2 k − 5 p + t = 0 ,  d’où  c = k = p = t = .
 c + 2 k + 2 p − 5t = 0 4
 6

 1 
 c= c+ k + p+t =1
2 
 Sur une longue partie, les quatre cases sont équiprobables.
à long terme, on peut prévoir 1 patient sur 3 en soins régu-
liers, 1 sur 6 en soins intensifs et 1 sur 2 à l’extérieur. 3. Soit n le nombre de coups de la partie, supposé suffisam-
  ment grand, pour que la répartition de probabilité entre les
1 1 1 1
  4 cases soit sensiblement la répartition stable. Notons C,
 6 3 3 6 
  K, P et T, les variables aléatoires indiquant respectivement
1 1 1 1
 6 6 3 3  le nombre de passage par les cases Cœur, Carreau, Pique,
10  1. T =  .
Trèfle, et X la variable aléatoire qui indique le gain final du
 1 1 1 1 
 3 6 6 3  joueur. X = C + K – P – T, donc :
  n n n n
 1 1 1 1  E ( X ) = E(C) + E(K) − E(P) − E(T) = + − − = 0 .
  4 4 4 4
 3 3 6 6 
Le jeu est équitable.

EXERCICES sur l’ensemble des séquences (page 164)

EXERCICES Activités de recherche (page 164)


15  Structure de population • Tous les jeunes deviennent adultes ; 20 % des adultes
• Les outils restent dans la catégorie adulte (autrement dit 80 % des
© Nathan 2012 – Transmath Term. S Spécialité

– Suite de matrices colonne (Pn) telles que Pn+1 = TPn. adultes deviennent vieux ou meurent).
• Les objectifs • 70 % des adultes deviennent des personnes âgées (donc,
– Étudier l’évolution d’une structure de population. d’après ce qui précède, 10 % des adultes meurent) ; et 50 %
1. Pn+1 = TPn équivaut à : des personnes âgées survivent (donc 50 % meurent).
 jn + 1 = 1, 2an 2. a) Supposons que jn = an = vn. Alors jn+1 = 1,2 an, an+1 = 1,2 an

an + 1 = jn + 0, 2an . et vn+1 = 1,2 an. Donc jn+1 = an+1 = vn+1.

 vn + 1 = 0, 7an + 0,5vn b) jn+1 = 1,2 jn, an+1 = 1,2 an et vn+1 = 1,2vn.

D’une génération à la suivante : Donc jn+1 + an+1 + vn+1 = 1,2 (jn + an + vn).


• En moyenne les adultes donnent naissance à 1,2 jeunes par La population totale est multipliée par 1,2 : elle augmente
adulte (soit un taux de fécondité de 2,4 enfants par femme). de 20 %.

14 Spécialité ● Chapitre 5 ● Matrices et suites


⎛ 48 ⎞
⎜ ⎟ 1 3 3
3. a) P1 = ⎜ 38 ⎟ . La population totale est passée de 100 à On en déduit b = , d’où a = puis c = .
⎜⎝ 43 ⎟⎠ 4 8 8
 3 1 3 
129, soit une augmentation de 29 %. Finalement P =  .
 8 4 8 
 1, 488 0,5856 0  à long terme, le rat passe 37,5 % de son temps dans le compar­­
 
b) P4 = T P0. Or T =  0, 488 1,5856
4 4
0 . timent A, 25 % dans le B et 37,5 % dans le C.
 1,113 0,8981 0, 0625 
 
17  Narration de recherche
⎛ 68,064 ⎞ ⎛ 68 ⎞ • Si a = 1, la suite (un) est arithmétique de raison b. Elle est
Donc P4 = ⎜ 78,064 ⎟ ≈ ⎜ 78 ⎟. donc croissante, constante ou décroissante selon que b est
⎜ ⎟ ⎜ ⎟
⎜ 71,189 ⎟ ⎜⎝ 71 ⎟⎠ positif, nul ou négatif.
⎝ ⎠
• Si a  1, il existe c unique tel que c = ac + b. Alors, pour
16  Le rat tout naturel n, un = a n (u0 – c) + c.
– Si a  0, la suite (un) n’est pas monotone (les termes sont
• Les outils
alternativement inférieurs ou supérieurs à c), sauf si u0 = c
– Graphe probabiliste.
où elle est constante.
– Matrice de transition.
– Si a = 0, la suite (un) est constante à partir de n = 1.
– Répartition stable de probabilité.
– Si 0  a  1, la suite (un) est décroissante, constante ou
– Théorème de convergence.
croissante selon que u0  c, u0 = c, u0  c.
• Les objectifs
– Si a  1, la suite (un) est croissante, constante ou décrois-
– Étudier une marche aléatoire entre trois états.
sante selon que u0  c, u0 = c, u0  c.
1. Cf. figure ci-dessous.
0,4 18  Narration de recherche
Nous supposerons bien entendu que la pièce est équilibrée.
A  0 0,5 0,5 
 
0,4 Alors, la matrice de transition est T =  0,5 0 0,5  .
0,3
0,2 0,4  0,5 0,5 0 
 
0,3  0,5 0, 25 0, 25 
0,4 B C 0,4
 
0,2 Le Théorème 6 s’applique car T2 =  0, 25 0,5 0, 25  ,
 0, 25 0, 25 0,5 
 
 0, 4 0,110476_C5spe_prof_fig15
2 0, 4  qui n’a aucun coefficient nul.
 
2. T =  0,3 0, 4 0,3  .
 0, 4 0, 2 0, 4  Cherchons la répartition stable de probabilité P = (e  n  s) :
 
0,5n + 0,5s = e
0,5e + 0,5s = n
3. a) T n’a aucun coefficient nul ; donc, d’après le Théorème 6,  1
 .  Cela implique e = n = s = .
la suite des répartitions de probabilité (Pn) converge vers la 0,5e + 0,5n = s 3
répartition stable. e + n + s = 1
b) Cherchons la répartition stable P = (a  b  c) : Donc, à long terme, les trois sommets ont autant de chances
d’être visités.
0, 4 a + 0,3b + 0, 4c = a − 6a + 3b + 4c = 0
© Nathan 2012 – Transmath Term. S Spécialité

0, 2a + 0, 4 b + 0, 2c = b 2a − 6b + 2c = 0 19  TD – Pertinence d’une page web


 
 équivaut à  .
 0, 02 0, 45 0, 02 0, 45 0, 02 0, 02 0, 02 
0, 4 a + 0,3b + 0, 4c = c 4 a + 3b − 6c = 0
a + b + c = 1 a + b + c = 1  
 0, 45 0, 02 0, 45 0, 02 0, 02 0, 02 0, 02 
 0,88 0, 02 0, 02 0, 02 0, 02 0, 02 0, 02 
 
Par exemple, on peut tirer c = 1 – a – b de la dernière équa- A. T =  0, 02 0, 02 0, 02 0, 02 0, 45 0, 02 0, 45  .
tion et reporter dans les trois autres :  0, 45 0, 02 0, 02 0, 02 0, 02 0, 45 0, 02 
 
10 a + b = 4  0, 02 0, 02 0, 02 0,88 0, 02 0, 02 0, 02 
8b = 2  
  0, 02 0, 02 0, 02 0, 02 0, 02 0,88 0, 02 
 .
10 a + 9b = 6 B. 1. a) L’égalité PnK = V traduit le fait que, pour chaque
c = 1 − a − b
ligne, la somme des coefficients de Pn est égale à 1.

Spécialité ● Chapitre 5 ● Matrices et suites 15


 0 0, 43 0 0, 43 0 2.
0 0   0, 02 0, 02 0, 02 0, 02 0, 02 0, 02 0, 02 
   
 0, 43 0 0, 43 0 0 0 0   0, 02 0, 02 0, 02 0, 02 0, 02 0, 02 0, 02 
 0,86 0 0 0 0 0 0   0, 02 0, 02 0, 02 0, 02 0, 02 0, 02 0, 02 
   
b) T =  0 0 0 0 0, 43 0 0, 43  +  0, 02 0, 02 0, 02 0, 02 0, 02 0, 02 0, 02 
 0, 43 0 0 0 0 0, 43 0   0, 02 0, 02 0, 02 0, 02 0, 02 0, 02 0, 02 
   
 0 0 0 0,86 0 0 0   0, 02 0, 02 0, 02 0, 02 0, 02 0, 02 0, 02 
   
 0 0 0 0 0 0,86 0   0, 02 0, 02 0, 02 0, 02 0, 02 0, 02 0, 02 

0 0 0   0, 02 0, 02 0, 02 0, 02 0, 02 0, 02 0, 02 
  
0 0 0   0, 02 0, 02 0, 02 0, 02 0, 02 0, 02 0, 02 
0 0 0   0, 02 0, 02 0, 02 0, 02 0, 02 0, 02 0, 02 
  
0, 43 0 0, 43  +  0, 02 0, 02 0, 02 0, 02 0, 02 0, 02 0, 02 
0 0, 43 0   0, 02 0, 02 0, 02 0, 02 0, 02 0, 02 0, 02 
  
0 0 0   0, 02 0, 02 0, 02 0, 02 0, 02 0, 02 0, 02 
  
0 0,86 0   0, 02 0, 02 0, 02 0, 02 0, 02 0, 02 0, 02 
T = A + 0,02K.
Donc, l’égalité Pn+1 = PnT équivaut à :
Pn+1 = Pn(A + 0,02K) = PnA + 0,02 V = PnA + B.
2. Voir en bas de page.
On constate que les valeurs de Pn se stabilisent à :  a v u − bue = 0
B. 1. ue et ve doivent vérifier :  e e .
(0,164  0,091  0,059  0,249  0,127  0,184  0,127) ;
 c ve − due ve = 0
cela fournit les valeurs approchées à 10 –3 près des indices
En écartant la solution triviale ue = ve = 0, on obtient :
de pertinence de chaque page.
c b
Remarques ue = = 4 000 et ve = = 62 500.
d a
1. La matrice limite P vérifie PT = P (Théorème 6) mais 2. un = xn + ue = xn + 4 000  et  vn = yn + ve = yn + 62 500.
aussi P = PA + B (cf. I.2. du cours page 149). Mais T – I En reportant ces expressions dans les relations de récurrence,
n’est pas inversible, alors que A – I est inversible.
on obtient :
2. Au chapitre 4, on avait trouvé des valeurs différentes :
(0,138  0,069  0,034  0,276  0,138  0,207  0,138),  x = x + 0, 032 y + 8 × 10 −6 x y
 n+1 n n n n
correspondant à une probabilité 0 (au lieu de 0,14) de choisir  −5
.
 yn+1 = −1, 25 x n + yn − 2 × 10 x n yn
au hasard une page. Mais l’ordre des pages est le même :
Page4  Page6  Page1  Page5 3.a) Si on néglige les termes en xn yn, ces relations s’écrivent :
= Page7  Page2  Page3.  x n+1 = x n + 0, 032 yn
 ,
20  TD – Lynx et lièvres y = −1, 25 x n + yn
 n+1
A. 1. Avec les coefficients indiqués, les relations :
 x n+1   1 0, 032   x n 
 un+1 = (1 − b)un + aun vn soit   =  .
 yn+1   −1, 25 1   yn 

v = (1 + c) vn − dun vn
 n+1 b) On obtient des courbes analogues.
 u = 0,5 u + 8 × 10 −6 u v c) L’égalité du a) s’écrit Pn+1 = APn ; d’où, par récurrence
s’écrivent :  n+1 n n n
.

v
 n+1 = 1, 08 v n − 2 × 10 −5
u v
n n
Pn = An P0.
© Nathan 2012 – Transmath Term. S Spécialité

16 Spécialité ● Chapitre 5 ● Matrices et suites


EXERCICES Entraînement (page 65)
 a 
3. Cherchons C =   telle que C = AC + B :
De tête  b 
 2 50
21  a) La relation de récurrence est de la forme :  a = a+
1  3 3
un+1 = aun + b, avec a = − et b = – 1.    implique a = b = 50.
2  b = b+2 50
Comme – 1  a  1, la suite (un) converge vers c tel que 
1 2 3 3
c = − c − 1 , soit c = − .
2 3  2 n 
b) La relation de récurrence est de la forme :  
  0 
  3   50   50 
un+1 = aun + b, avec a = 2 et b = 2. Vn = A n ( V0 − C ) + C =  n   + .
a  1 donc la suite est divergente ; sauf si u0 = – 2, auquel  0  2    −50   50 
   
cas elle est constante. 3 
1
22  —
5
   2 n 
4
— A B
1
— an = 50  1 +   
5 2 3   3 
— Donc 
3   2 n 
1 2 
La marche aléatoire converge, car p = et q = : ils ne b
 n = 50  1 −  3  
110476_C5spe_prof_fig15bis
5 3 
sont pas tous deux nuls, ni tous deux égaux à 1.
 2
n
 50 
4. lim   = 0   donc  lim Vn =  .
 0, 7 0, 3  q n→  3 
 50 
23   . p = 0,3 et q = 0,2, donc = 0, 4 n→

 0, 2 0,8  p+q
p  6  rn+1 = 0,9 rn + 0, 05 un
et = 0,6 . 27  1. P0 = 
p+q  . équivaut à :
 4  un+1 = 0,1rn + 0,95un
La marche aléatoire converge vers la répartition stable de
probabilité (0,4  0,6).  rn+1   0,9 0, 05   rn 
  =  ,
 0, 4 0,1 0,5   un+1   0,1 0,95   un 
 
24   0,3 0, 5 0, 2  . Cette matrice n’a aucun coeffi- c’est-à-dire Pn+1 = MPn.
 0, 2 0,6 0, 2 
  2. rn+1 = 0,9rn + 0, 05un peut s’écrire :

cient nul ; donc la marche aléatoire converge. un+1 = 0,1rn + 0,95un
25 Corrigé sur le site élève. rn+1 = 0,9rn + 0, 05(10 − rn )
 ,
 100  un+1 = 0,1(10 − un ) + 0,95un
26  1. V0 =  .
 0  rn+1 = 0,85rn + 0,5
c’est-à-dire    soit  Pn+1 = APn + B.
 5 1  5 1 un+1 = 0,85un + 1
an +1 = 6 an + 6 bn an +1 = 6 an + 6 (100 − an ) 3. De A = 0,85 I, on déduit :
 peut s’écrire  ;
b = 1 a + 5 b b = 1 (100 − b ) + 5 b  0,85n 0 
 n +1
6
n
6
n
 n +1
6
n
6
n An = 0,85n I =  .
 0 0,85n 
 2 50
 an+1 = an +  r 
 3 3 4. Cherchons C =   telle que C = AC + B :
© Nathan 2012 – Transmath Term. S Spécialité

c’est-à-dire  ,  u 
 b = 2 50
bn +
 n+1 3 3 r = 0,85r + 0,5 10 20
 implique r = et u = .
 2   50   u = 0,85 u + 1 3 3
 an+1   3 0 
an   3   8   10 
soit   =   + ,  0,85n 0     
 bn+1   2   bn   50  Pn = A n ( P0 − C ) + C =    3  + 3  .
 0     0 0,85n   8   20 
 3   3 
−   
soit Vn+1 = AVn + B.  3  3 
 10 8
 2 n 
rn = 3 + 3 × 0,85
n
 
   0  Donc  .
  3
n
2
  
2. An =   I =  . u = 20 − 8 × 0,85n
 3 n
 n
 0  2  3 3
   
3
Spécialité ● Chapitre 5 ● Matrices et suites 17
 10 
  ⎛ 3 + 21007 ⎞
3  Z 2012 = ⎜ ⎟ ; en effet :
5. lim 0,85n = 0 donc lim Pn =  . 2
n→ n→  20  ⎝ ⎠
  2012π⎞
 3  2 = 21006,  cos ⎛⎜
2012
= cos (503π) = −1 ,
⎝ 4 ⎟⎠
La population tend vers une répartition stable constituée pour
2012π⎞
1 2 sin ⎛⎜ = sin (503π) = 0.
de ruraux et pour d’urbains. ⎝ 4 ⎟⎠
3 3
Remarque. Si on raisonnait sur les proportions et non les Remarque. La définition de la suite (Zn ) implique que toutes
effectifs, on pourrait traduire les données en termes de les matrices Zn ont leurs coefficients entiers.
probabilités. Or, effectivement la formule explicite fournit des nombres
Il s’agit d’une marche aléatoire entre deux états R et U ; on entiers :
n
• si n = 2k, 2 = 2 k est entier et :
retrouve le résultat par le Théorème 5.
  nπ   nπ     kπ   kπ  
cos   ,sin    = cos   ,sin     {0, 1, – 1}
28  1. a) zz’ = (a+bi)(a’ + b’i)  4 4   2 2 
= (aa’ – bb’) + (ab’ + ba’)i.
n
• si n = 2k + 1, 2 = 2 k 2 et :
 a – b   a’ – b’   aa’ – bb’ –(ab’ + ba’) 
MM’ =    =    
nπ  nπ     π kπ   π kπ    1 −1 
 b a   b’ a’   ab’ + ba’ aa’ – bb’  cos  4  ,sin  4   == cos  4 + 2  ,sin  4 + 2     2 , 2 

– b   a’ – b’   aa’ – bb’ –(ab’ + ba’)    nπ   nπ     π kπ   π kπ    1 −1  .


   =  . cos   ,sin    = cos  +  ,sin  +     , 
a   b’ a’   ab’ + ba’ aa’ – bb’   4 4   4 2 4 2   2 2
Donc zz’ est associé à MM’.
 1 0  29  1. a) Si la suite (un) converge vers le nombre c, alors
b) z0 = 1 = 1 + 0i est associé à M0 =   .
 0 1  c = 3c – 2, c’est-à-dire c = 1.
b) Pour tout naturel n, un = 3n (u0 – 1) + 1. Donc :
Si z n est associé à Mn, alors z n z est associé à M n M, d’après 1. a).
• si u0  1, lim un = +  ;
Donc z n+1 est associé à M n+1. n→
• si u0  1, lim un = −  ;
La propriété est vraie pour 0 et héréditaire ; elle est donc n→

vraie pour tout naturel n. • si u 0


= 1, la suite est constante donc lim un = 1 .
n→
2. a) Si u0 était strictement supérieur à 1, d’après 1. b) la
2. a) Le nombre complexe associé à la matrice M est
π suite (un) aurait pour limite +  ; donc elle ne serait pas
i
z = 1 + i qui peut s’écrire z = 2 e 4 . majorée.
b) Si u0 était inférieur à 1, d’après 1. b) la suite (un) serait
On en déduit :
nπ décroissante ou constante ; donc elle ne serait pas strictement
nπ nπ
z n = 2 e 4 = 2 cos   + i 2 sin   .
n i n n

 4  4 croissante.
c) Si u0 était différent de 1, d’après 1. b) la suite (un) ne serait
z n est associé à la matrice Mn, qui est donc égale à : pas convergente.
 n  nπ  n  nπ     nπ   nπ  
 2 cos   − 2 sin    cos   −sin   
 4 4  = 2n 4 4 
 n  nπ 
Marche aléatoire
n  nπ     nπ   nπ  
 2 sin  
4
2 cos
 4   sin   cos   
4 4 
entre deux états
 
 a  1 200 800
b) Cherchons C =  telle que C = MC + N : 30  1. a0 = = 0,6   et  b0 = = 0, 4 .
b  2 000 2 000
 
 0,85 0,15 
a = a − b + 2 ,  donc  C =  3  . La matrice de transition est T =  .
  2   0, 45 0,55 
b = a + b − 3  
Donc, pour tout n, :
© Nathan 2012 – Transmath Term. S Spécialité

Z n = M ( Z 0 − C) + C
n
an+1 = 0,85an + 0, 45bn = 0,85an + 0, 45 (1 − an )

 n
  π nπ
    n   n=π 0, 4 an + 0, 45 .
 cos   − sin      3 − 2 2 cos    
 an + 0,55bn = 0,15 (1 − bn ) + 0,55bn
4 4  −2   3    
bn+1 4= 0,15
M n ( Z 0 − C ) + C = 2 
n

   0  + 2  =  
 nπ   nπ      n
  nπ = 0, 4 bn + 0,15
 sin   cos     2 − 2 2 sin  
  4  4    • Étude de  4(a) :c = 0,4c + 0,45 fournit c = 0,75.
n
Donc pour tout n,
 

3 − 2 2 cos  
n an = 0, 4 n ( a0 − 0, 75) + 0, 75 = − 0,15 × 0, 4 n + 0, 75 .
 −2   3    4 
. • Étude de (bn) : c = 0,4c + 0,15 fournit c = 0,25.
 0  +  2  =  
    n  nπ  Donc pour tout n,
 2 − 2 2 sin   
  4  bn = 0, 4 n ( b0 − 0, 25) + 0, 25 = 0,15 × 0, 4 n + 0, 25 .

18 Spécialité ● Chapitre 5 ● Matrices et suites


2. lim an = 0, 75  et  lim bn = 0, 25 . • Étude de (yn) : y = 0,5y + 0,2 fournit y = 0,4.
n→ n→
Donc, à long terme, on peut prévoir 1 500 abonnements A Donc pour tout n,
et 500 abonnements B. yn = 0,5n ( y0 − 0, 4 ) + 0, 4 = −0, 4 × 0,5n + 0, 4 .
31 Corrigé sur le site élève.  1− p p   1− p p   1 − 2 p + p2 + pq
34  1. =  =
2
T  
32  1. Cf. figure ci-dessous.  q 1 − q   q 1 − q   2q − q 2 − pq 1

2
—  1− p p  1− p p   1 − 2 p + p2 + pq 2 p − p2 − pq 
1

3 T2 =  —1   = 
3 R V  4 q 1− q   q 1 − q   2q − q 2 − pq 1 − 2q + q 2 + pq 
3 

4 donc :
 1/ 3 2 / 3   1 − 2 p + p2 + pq 2 p − p2 − pq   1 − p p   − p + p2 +
2. Pn + 1 = TPn110476_C5spe_prof_fig16
, avec T =  .
 3 / 4 1/ 4  T2 − T =   −  =
 2q − q 2 − pq 1 − 2q + q 2 + pq   q 1 − q   q − q 2 − p
2 3
3. Posons p = et q = . p et q n’étant pas nuls ni égaux
 13 − 2 p + p42 + pq 2 p − p2 − pq   1 − p p   − p + p2 + pq p − p2 − pq 
T − T =n
à 1, la 2
suite (P ) converge vers la répartition stable de  −
probabilité :  = .
 2q − q 2 − pq 1 − 2 q + q 2
+ pq   q 1 − q   q − q 2 − pq − q + q 2 + pq 
 
 q p   9 8
 p + q p + q  =  17 17  . D’autre part :
1  − p p   − p + p2 + pq p − p2 − pq 
Remarque. r0 = v0 = , et pour tout n : λ ( T − I ) = (1 − p − q )   = 
2  q − q   q − q 2 − pq − q + q 2 + pq 

 1 3 1 3 5 3
rn + 1 = 3 rn + 4 vn = 3 rn + 4 (1 − rn ) = − 12 rn + 4  − p p   − p + p + pq p − p − pq 
2 2

 λ ( T − I ) = (1 − p − q )   = .
2 1 2 1 5 2  q − q   q − q 2 − pq − q + q 2 + pq 
v = r + v = (1 − vn ) + vn = − vn +  
 n + 1 3 n 4 n 3 4 12 3 On constate l’égalité.
5 3 9
• Étude de (rn ) : x = − x + fournit x = . 2. L’égalité est vraie pour n = 0, car T − I = λ 0 ( T − I ) .
12 4 17
Donc pour tout n, Si T n + 1 − T n = λ n ( T − I ), alors T(T n + 1 − T n ) = λ n T ( T − I ),
donc T n + 2 − T n + 1 = λ n ( T 2 − T ) = λ n + 1 (T − I).
n n
 5  9 9 1  5 9 .
rn =  −   r0 −  + = − ×−  +
 12   17  17 34  12  17 Pour n = 0, l’égalité est vraie et héréditaire ; donc, elle est
5 2 8 vraie pour tout naturel n.
• Étude de (vn ) : x = − x + fournit x = .
12 3 17 T − I = T − I
Donc pour tout n,  2
T − T = λ ( T − I )
n n
 5  8 8 1  5 8 .
vn =  −   v0 −  + = ×−  + 
 12   17  17 34  12  17 3. T3 − T 2 = λ 2 ( T − I )
…
33  1. Cf. figure ci-dessous. 
0,2
T n − T n − 1 = λ n − 1 ( T − I )
0,8 F N 0,7 Additionnons, membre à membre :
0,3 1 − λn
T n − I = (1 + λ + λ 2 +…+ λ n − 1 ) ( T − I ) = (T − I) .
 0,8 0, 2  1− λ
n , avec T = 
2. Pn + 1 = TP110476_C5spe_prof_fig17 .
 0,3 0, 7 
3. Posons p = 0,2 et q = 0,3. p et q n’étant pas nuls ni Marche aléatoire
égaux à 1, la suite (Pn ) converge vers la répartition stable entre plusieurs états
de probabilité :
 q p  35 Corrigé sur le site élève.
 p + q p + q  = ( 0,6 0, 4 ) .
© Nathan 2012 – Transmath Term. S Spécialité

à long terme, il y aura 60 % de fumeurs et 40 % de non 36  A. Exemple de simulation :


fumeurs.
Remarque. x0 = 1 et y0 = 0, et pour tout n :
 x n+1 = 0,8 x n + 0,3 yn = 0,8 x n + 0,3 (1 − x n )

 = 0,5 x n + 0,3 .

 yn+1 = 0, 2 x n + 0, 7 yn = 0, 2(1 − yn ) + 0, 7 yn
 = 0,5 yn + 0, 2

• Étude de (xn) : x = 0,5x + 0,3 fournit x = 0,6.
Donc pour tout n, 
x n = 0,5n ( x 0 − 0,6 ) + 0,6 = 0, 4 × 0,5n + 0,6 .

Spécialité ● Chapitre 5 ● Matrices et suites 19


1. à chaque nouvelle tablette, chaque dessin a une chance 3.
sur trois d’être obtenu.
L’instruction =ALEA() de la cellule B2 fournit un nombre
au hasard entre 0 et 1.
1
• S’il est inférieur à , on obtient Étoile ;
3
1 2
• s’il est compris entre et , on obtient Cœur ;
3 3
2
• s’il est supérieur à , on obtient Trèfle.
3
2. On peut compléter la simulation comme indiqué en bas
de page afin de déterminer aisément la fréquence demandée.
 1
B. 1. Arbre pondéré de l’évolution possible pour les trois a = 3 a
premières semaines. 
b = 2 a + 2 b
1 A 

3
4.  3 3 fournit a = 0, b = 0, c = 1.
 1
A c = b + c
1
—  3
3 2

3 B a + b + c = 1
1  1 2 
A
 1 −2 1  3 3 0   1 −2 1 
2
— B    3  1
5. a) MT =  0 0 0  
3 3
2
— 3 2 1  = = M
3  0   0 0 0  3
B  0 0 0  3 3
   0 0 0 

1  0 0 1 
— C  
3 1 2
0   1 2 1 
2 1  
 1en −semaine.
2. Graphe probabiliste de l’évolution de semaine 3 3   3 −3 3  1
  2 1  =  = M.
1
110476_C5spe_prof_fig19

MT =  0 0 0  
3  0 0 0  
0   0 0 0  3
 3 3   
  0 0 0 
0 0 1 
A
 1 2   4 4 

 0 2 −2  3 3 0   0 − 
2 3 3

3      2
NT =  0 1 −1   2 1  = 2 2  = N.
0   0 −  3
1
—  0 0 0  3 3  3 3
2 3   
— B C 1  0 0 1   0 
3 0 0

 1 2   1 2 
0  0 
110476_C5spe_prof_fig20
  0 0 1  3 3  0 0 1 
 3 3    
Matrice de transition T =  2 1 . RT =  0 0 1 2 1  =  0 0 1  = R .
  0
 0 3 3   0 0 1  3

3   0 0 1 
  
 0 0 0   0 0 1 

Formule en E2 :
© Nathan 2012 – Transmath Term. S Spécialité

Formule en I2 :

20 Spécialité ● Chapitre 5 ● Matrices et suites


0 0
 1  2
b) Pour n = 0,   M +   N + R = M + N + R = I = T 0 . A
 3  3 0,2
n n
 1  2 A
Si T n =   M +   N + R, alors :
 3  3
n n 0,8 0,8 E
1 2
T n + 1 = ⎛⎜ ⎞⎟ MT + ⎛⎜ ⎞⎟ NT + RT
⎝ 3⎠ ⎝ 3⎠
n +1 n +1 E
1 2
= ⎛⎜ ⎞⎟ M + ⎛⎜ ⎞⎟ N + R.
⎝ 3⎠ ⎝ 3⎠ 0,8 A
0,2
Pour n = 0, l’égalité est vraie et héréditaire ; donc, elle est E
vraie pour tout naturel n.
0,2
6. a) De la relation Pn + 1 = Pn T , on déduit par récurrence la E
n −1
formule explicite Pn = P1 T . 2. Graphe probabiliste ci-dessous :
n −1 n −1
⎡ 1 2 ⎤
b) Pn = P1 ⎢⎛⎜ ⎞⎟ M + ⎛⎜ ⎞⎟ N + R ⎥ 110476_C5spe_prof_fig22
0,2
0,8
0,2
⎝ ⎠ ⎝ ⎠ A E
⎣ 3 3 ⎦ 0,8
n −1 n −1
1 2
= ⎛⎜ ⎞⎟ P1M + ⎛⎜ ⎞⎟ P1N + P1R.  0, 2 0,8 
⎝ 3⎠ ⎝ 3⎠ Matrice de transition T= .
110476_C5spe_prof_fig21
Or P1 = (1 0 0 , donc : )  0,8 0, 2 

P1 M = ( 1 −2 1 ), P N = ( 0 2 −2 ), P R = ( 0 0 1 ) .
1 1
 0,5 0,5   0,5 − 0,5
3. a) N + R =   +
  1 0
 = .
Donc :  0,5 0,5   − 0,5 0,5   0 1 
n −1 n −1 n −1 n −1 n −1
 1  1  2  1  2  0,5 0,5   0,3 − 0,3 
an =   ; bn = −2   + 2   ; cn =   − 2   + 1.
 3  3  3  3  3 N – 0,6 R =   − 
 0,5 0,5   − 0,3 0,3 
7. M, N et R ont trois coefficients nuls aux mêmes empla-
cements : (2, 1), (3, 1), (3, 2). Donc Tn a toujours ces trois ⎛ 0,2 0,8 ⎞
=⎜ ⎟ = T.
coefficients nuls. ⎝ 0,8 0,2 ⎠
Néanmoins lim an = 0, lim bn = 0, lim cn = 1.
n→ n→ n→  0,5 0,5   0,5
0,5 0,5 0,5   0,5
0,5 0,5 0,5 0,50,5 
2 =  = = N,
2
N  
b) N =  0,5 0,5   0,5 0,5  =  0,5 0,5  =  N,
La condition du Théorème 6 est suffisante pour la conver-
gence mais pas nécessaire.  0,5 0,5   0,5 0,5   0,5 0,5 

1  0,5 − 0,5   0,5 − 0,5 
8. a) De l’égalité cn + 1 = bn + cn , on déduit que cn + 1  cn =  0,5 − 0,5   0,5 − 0,5 
R 22 =
R
3  − − 0,5 0,5   −
0,5 0,5 − 0,5 0,5 
  0,5 0,5 
pour tout naturel n non nul.
Cela signifie que plus on achète de plaquettes, plus la proba- ⎛ 0,5 − 0,5 ⎞
=⎜ ⎟ = R.
bilité d’avoir les trois dessins est élevée. ⎜⎝ − 0,5 0,5 ⎟⎠
b) Le tableau de B. 3. a montré que c10  0,948 et c11  0,965.  0,5 0,5   0,5 
0,5 0,5 0,5 − 0,5   00 0
− 0,5 0 

Donc, à partir de 11 plaquettes, on est assuré d’avoir les trois NRNR = =  0,5 0,5   − 0,5 0,5  = =  0 0  ,,
dessins à plus de 95 %.  0,5 0,5   − 0,5 0,5   0 0 
c) Au bout de 11 semaines, la simulation montre qu’on a  0,5 − 0,5   0,5 0,5   0 
0,5 − 0,5 0,5 0,5  0 00
presque toujours les trois dessins. RN =
RN =  − 0,5 0,5   0,5 0,5  = =  0 00  .
 − 0,5 0,5   0,5 0,5   0 
37 Corrigé sur le site élève. c) Pour n = 0, N + ( −0,6 )0 R = N + R = I = T 0 .
Si T n = N + ( − 0,6 ) R , alors :
n

T n + 1 =  N + ( − 0,6 ) R  ( N − 0,6R ) = N 2 − 0,6NR + ( − 0,6 ) RN +


n n
Avec les TICE
© Nathan 2012 – Transmath Term. S Spécialité

T n + 1 =  N + ( − 0,6 ) R  ( N − 0,6R ) = N 2 − 0,6NR + ( − 0,6 ) RN + ( − 0,6 ) R 2 = N + ( − 0,6 )


n n n +1 n +1
R
38  A. 1. La formule en B3 fournit, avec une probabilité
Tn + 1  N +la( −
= 0,8, 0,6 ) 1-B2
n
R  ( N − 0,6Rde) =0 àN12 ou
− 0,6NR + ( −et0,6 )n RN
une+ ( − 0,6 ) R = N + ( − 0,6 ) R.
n +1 2 n +1
 valeur (passage de 1 à 0) ; avec
probabilité 0,2 la valeur B2 (pas de changement). Il suffit de La propriété étant vraie pour 0 et héréditaire, elle est vraie
recopier cette formule vers le bas jusqu’à la cellule B102. pour tout naturel n.
2. En B103, il suffit d’entrer la formule : 4. Pn = P0 T n = P0  N + ( − 0,6 ) R  = P0 N + ( 0,6 )n R .
n

=SOMME(B2:B102)/100 . Or P0 = (0  1), donc P0N = (0,5  0,5)  et  P0R = (– 0,5  0,5).
3. On constate que la fréquence d’allumage est voisine de Donc an = 0,5 + 0,5 × (– 0,6)n.
0,5.
5. lim an = 0,5. Sur une longue période, le réverbère est
n→
B. 1. Arbre indiquant l’état possible des réverbères pour les allumé la moitié du temps. Ce résultat est en accord avec
jours 1 et 2. les simulations de la partie A..

Spécialité ● Chapitre 5 ● Matrices et suites 21


Prendre toutes les initiatives 0,9i + 0,8m = i
0, 2m + 0,5s = m
39  Ordonnons les trois états dans l’ordre I, M et S. Alors :  i = 8m = 5s
    fournit    
 0,9 0 0,1   0,81 0.05 0,14  0,1i + 0,5s = s i + m + s = 1
    i + m + s = 1
T =  0,8 0, 2 0  et T =  0,88 0, 04 0.08  .
2

 0 0,5 0,5   0.4 0,35 0, 25  d’où :


     40
T2 n’ayant aucun coefficient nul, la répartition de probabilité i = 53 ≈ 0, 755
converge vers la répartition stable P = (i m s). 
 5
0,9 m = ≈ 0, 094 .
 53
 8
s = 53 ≈ 0,151
I 

0,8 0,1 à long terme, on peut prévoir :


• 75,5 % d’immunisés,
0,2 0,5
0,5 • 9,4 % de malades
M S
• et 15,1 % de non malades non immunisés.

110476_C5spe_prof_fig23

EXERCICES Le jour du BAC (page 172)


7
40 Corrigé sur le site élève. • Étude de (bn) : x = 0,2x + 0,7 fournit x = .
8
7 7 7 + 0, 2n−1 .
41  1. Graphe probabiliste ci-dessous : Donc bn = 0, 2n−1  b1 −  + =
 8 8 8
0,7 1 7
0,3 A B 0,9 On vérifie que  lim an =   et  lim bn = .
0,1 n→ 8 n→` 8
 0,3 0, 7  5. La relation de récurrence an+1 = 0, 2an + 0,1 subsiste, mais
Matrice de transition T = 
110476_C5spe_prof_fig25 . a1 = 1. Donc :
 0,1 0,9   1  1 7 × 0, 2n−1 + 1
2. an = 0, 2n−1  a1 −  + = .
n an bn  8 8 8
7 × 0, 24 + 1
1 0 1 On en déduit a5 = = 0,1264 .
8
2 0,1 0,9
3 0,12 0,88 42  1. On trouve a10  0,17 ; b10  0,51 ; c10  0,31.
2. La calculatrice, ou le tableur, indiquent que bn se stabilise
4 0,124 0,876
autour de 0,5. Démontrons-le.
5 0,125 0,875
 0, 4 0,6 0 
Les probabilités de A et B semblent se stabiliser à 0,125 et  
T =  0, 2 0, 7 0,1 
0,875.
 0 0,15 0,85 
 
© Nathan 2012 – Transmath Term. S Spécialité

3. p = 0,7 et q = 0,1 ; donc :


q 1 p 7  0, 28 0,66 0, 06 
a= =   et  b = = .  
p+q 8 p+q 8 donc T 2 =  0, 22 0,625 0,155  ;
Comme p et q ne sont pas nuls ni égaux à 1, la suite (Pn)  0, 03 0, 2325 0, 7375 
 
1 7
converge vers  ;  . la matrice n’a aucun coefficient nul ; donc la répartition de
 8 8
probabilité converge vers la répartition stable P = (a  b  c).
a1 = 0 an+1 = 0,3an + 0,1bn = 0,3an + 0,1(1 − an ) = 0,2an + 0,1 Déterminons P :
4.  et  .
b1 = 1 bn+1 = 0,7an + 0,9bn = 0,7 (1 − bn ) + 0,9bn = 0,2bn + 0,7 0, 4 a + 0, 2b = a
0,6a + 0, 7b + 0,15c = b b = 3a
1 
• Étude de (an) : x = 0,2x + 0,1 fournit x = .    équivaut à  c = 2 a  ;
8 
 0,1b + 0,85 c = c a + b + c = 1
 1  1 1 − 0, 2 n −1

Donc an = 0, 2n−1  a1 −  + = . a + b + c = 1
 8 8 8

22 Spécialité ● Chapitre 5 ● Matrices et suites


1 1 1 1 2 4
d’où a = , b= , c= . x = − x + fournit x = .
6 2 3 6 3 7
n
1  1  4 4
On vérifie que lim bn = . Donc, pour tout n, an =  –   a0 –  + .
n→ 2  6  7 7
4 3
43  Cherchons la matrice colonne C telle que C = AC + B : On en déduit lim an = . Par suite lim bn = lim(1 − an ) = .
n→ 7 n→  n→  7
 4 3 
 −1 0   1   −1  Donc lim Pn =  .
C = (I – A)–1B =    = . n→
 7 7 
 0 −0,5   −4   2 

De Un+1 = AUn + B et C = AC + B, on déduit par soustrac- 45  1. –3 est inférieur à –1 ; donc, la suite diverge (elle
n’a pas de limite). Réponse exacte : c).
tion : Un+1 – C = A(Un – C).
2. Cherchons la matrice colonne C telle que C = AC + B :
D’où, par récurrence, Un – C = An (U0­– C) ; donc :
    
C = (I – A)–1B =  2 0   3  =  6  .
 n   1   −1   2n − 1   0 −1   5   −5 
Un = An (U0 – C) + C =  2 0   + = .
 0 3n   1   2   3n + 2  De Un+1 = AUn + B et C = AC + B, on déduit par soustrac-
tion : Un+1 – C = A(Un – C).
  D’où, par récurrence, Un – C = An (U0 – C) ; donc :
1 1
   0,5n
2 2 0  1   6 
44  La matrice de transition est T =  . Un = An (U0 – C) + C =    + 
 2 1   0 2n   2   −5 
 3 3 
 
⎛ 0,5n + 6 ⎞
Soit Pn = ( an bn ), la répartition de probabilité à l’étape n. =⎜ ⎟.
⎜⎝ 2n+1 − 5 ⎟⎠
1 2 1 2 1 2 Réponse exacte : c).
an+1 = an + bn = an + (1 – an ) = – an + .
2 3 2 3 6 3 3. Réponse exacte : b).

EXERCICES Pour aller plus loin (page 174)


      
46  1. U1 =  1 0   1  +  3  =  4  . 47  1. Pour n = 0 :
0 2 −4  5  −3   
0
 26 
 1 0  4   3   7   5  5sin ( 0 ) A − 26 sin(−α ) I  = 26 sin(α ) I = I = A .
0

U2 =    +  = .
 0 2   −3   5   −1 
Pour n = 1 :
 0 0  1
2. I − A =   : son déterminant étant nul, la matrice  26  26
 0 −1   5  5sin ( α ) A − 26 sin(0) I  = 5 × 5sin (α ) A = A .
n’est pas inversible.
Remarque. Dire que I – A n’est pas inversible équivaut à  x 0 = u0 – ue = 3 800 – 4 000 = − 200 .
dire que 1 est valeur propre de A. 2. 
 y0 = v0 – ve = 62 000 – 62 500 = − 500
Cherchons C = (x  y) telle que C = AC + B :
© Nathan 2012 – Transmath Term. S Spécialité

n
 26 
 x = x + 3 ; il n’y a pas de solution. Pn = A P0 = 
n
5sin ( nα ) AP0 − 26 sin(( n − 1) α ) P0 
  5  
y = 2y − 3
 1 0, 032   − 200   − 216 
3. a) u0 = 1  et  un+1 = un + 3 : la suite (un) est arithmétique Or, AP0 =    = .
de raison 3 ; donc un = 1 + 3n pour tout naturel n.  − 1, 25 1   − 500   − 250 
b) v0 = –4  et  vn+1 = 2vn + 5 : la suite (vn) est arithmético- Donc :
géométrique ; c = – 5 donc vn = 2n(v0 + 5) – 5 = 2n – 5 pour
  26 
n

tout naturel n.  xn =   −1 080 sin ( nα ) + 200 26 sin(( n − 1) α ) 


c) On vérifie que : u1 = 4, v1 = -3, u2 = 7, v2 = –1.   5  
 n
4. lim un = +    et  lim vn = +  .   26 
 yn =   −1 250 sin ( nα ) + 500 26 sin(( n − 1) α ) 
 5  
n→ n→
Donc, la suite (Un) n’est pas convergente. 

Spécialité ● Chapitre 5 ● Matrices et suites 23


3. 1
= ue + x n  3 π1 = π 0
un 
 n π + 2 π = π
  26  π1 = 3π 0
= 4 000 +   −1 080 sin ( nα ) + 200 26 sin(( n − 1) α)   0 3 2 1

  5    π = 3π
2  2 3
  π1 + π 3 = π 2 équivaut à  .
 vn = ve + yn π = π
3  0 3
 n
1 π 0 + π1 + π 2 + π 3 = 1
  26 
= 62 500 +   −1 250 sin ( nα ) + 500 26 sin(( n − 1) α)   3 π2 = π3
  5   
 π 0 + π1 + π 2 + π 3 =1
4. 
 1
 π0 =
 8
 3
 π1 =
 8
On en déduit  .
π 3
=
  2 8

 π3 1
=
 8
 1
On reconnaît la loi binomiale   3 ;  .
 2
2. a) Le nombre de boules dans l’urne A change de parité à
chaque étape. Or, à l’étape 0, il y en a 3 ; donc, pour toutes
48  1. a) Arbre probabiliste de l’évolution de l’urne A au
les étapes impaires, il y en a 2 ou 0.
cours des quatre premières étapes :
b) Si à l’étape 2k, il y a 3 boules dans l’urne A alors à l’étape
2k + 2, il y en a :
1 2 2
1
— 0 1 • 1 avec la probabilité 1 × = (il en part 1 puis il en part
3 3 3
encore 1) ;
1 2 1 1
— 1 • 3 avec la probabilité 1 × = (il en part 1 puis il en
2 3 3 3
— 2 revient 1).
3 — 2
3
1 1 3 Si à l’étape 2k, il y a 1 boule dans l’urne A alors à l’étape
3 2 —
3
2k + 2, il y en a :
1 2 1 2 2 7
— — 1 • 1 avec la probabilité × 1 + × = (il en part 1
3 3
1 3 3 3 9
3 2
puis il en revient 1 ou il en vient 1 puis il en repart 1) ;
1 3
— 2 1 2
3
• 3 avec la probabilité × = (il en vient 1 puis il en
3 3 9
vient encore 1).
110476_C5spe_prof_fig26
b) Graphe probabiliste de l’évolution de l’urne A : Remarque. On pourrait obtenir ces valeurs en calculant la
matrice :
2 1  1 2 
— — 0 0 
1 3 3 
3 2 1 0  3 3 
1 2 1  7 2 
— —
3 3  0 0
9 9 
T =
2
.
Si on 110476_C5spe_prof_fig27
ordonne les états dans l’ordre 0, 1, 2 et 3 :  2 7 
© Nathan 2012 – Transmath Term. S Spécialité

 9 0 0 
 9 
   2 1 
0 1 0 0 0 0
  
 1 2   3 3 
 0 0 
3 3 c) La probabilité qu’il y ait 3 boules dans A à l’étape 2k
T=    .
  est p2k ; c’est donc 1 – p2k qu’il y en ait 1.
 2 1 
0 0 Deux étapes plus tard, la probabilité p2k+2 qu’il y ait 3 boules
 3 3 
  dans A est :
 0 0 1 0  1 2 1 2
p2 k + (1 − p2 k ) , soit p2 k + .
3 9 9 9
c) Cherchons la répartition stable de probabilité : d) Posons, pour tout naturel k : uk = p2k.
P= (π 0 π1 π2 π3 ). 1
u0 = 1 et, pour tout k, uk +1 = uk + .
9
2
9

24 Spécialité ● Chapitre 5 ● Matrices et suites


k
3  1 1
On en déduit uk =   +  ; donc : 180
4 9 4 3. ≈ 4,4.
4, 4 Cette séquence est 4,4 fois plus probable chez
k n 41
3  1 1 3  1 1
p2 k =   + =   + . le mycoplasme que chez l’homme.
4  9 4 4 3 4
1 2 1 3 1 1
e) L’arbre de la question 1. a) montre que : 51  1. PD (A n+1 ) = × = ; PDn (Bn+1 ) = × = ;
n
4 3 6 4 3 4
1 2 2 1 1 1 7
p0 = 1 ; p2 = ; p4 = × × + × = . 1 1 1 3 2 1
3 3 3 3 3 3 27 PDn (Cn+1 ) = × = ; PDn (D n+1 ) = × = .
4 3 12 4 3 2
3. a) D ne prend que des valeurs paires puisque lors des
2. Graphe probabiliste de l’évolution du duel :
étapes impaires, il y a 0 ou 2 boules dans l’urne A.
1 2 2 1 4 1

b) P(D = 2) = .  P(D = 4) = × × = . 2
3 3 3 3 27 D
7
c) P ( D  5) = P ( D = 2 ) + P ( D = 4 ) = p4 = . 1 1
27 — —
6 1 12
Remarque k −2 —
4  7 4
P(D = 2k) =   pour tout naturel k  2.  E(D) = 8.
27  9 
A B C
49  1. Tous les coefficients sont positifs et de somme 1 1 1 1
pour chaque ligne.
1
A B  1 0 0 0 
110476_C5spe_prof_fig29
 
1
 0 1 0 0 
C
Matrice de transition T =  0 0 1 0 .
 1 1 1 1 
 
 6 4 12 2 
1
2. On cherche une répartition stable de probabilité  1
 an +1 = an + 6 d n
b = a
P = (a  b  c) :110476_C5spe_prof_fig28 
a = b b =b +1d
  n +1 n n
 4
3. 
c = c
a + b + c = 1 c =c + 1 d
 n +1 n
12
n

Il y a une infinité de solutions ; par exemple :  1


(0,5  0,5  0), (0  0  1), (0,25  0,25  0,5).  d n +1 = d n
 2
Les solutions sont de la forme (a  a  1 – 2a), avec n
1 1  1
0a . 4. d 0 = 1 et d n+1 = d n , donc d n =   .
2  2
2
(
3. P0 = 1 0 0 implique : ) 1 1 1
5. an+1 − an = d n =   .
n

6 6  2
P1 = (0 1 0 ); P2 = (1 0 0 ); 1 1 1  1
n −1
 1   1 n 
Donc an − a0 = 1 + + +…+    = 1 −   
P3 =( 0 1 0 ) ; P4 =( 0 1 0 ). 6 2 4 2  3 2 

( )
Ainsi Pn = 1 0 0 , si n est pair ; Pn = 0 1 0 ( ) , si D’où le résultat puisque a0 = 0.
n est impair : la suite (Pn ) n’est pas convergente. 6. Un raisonnement analogue fournit :
1   1 
n
1   1 
n
4. Dans le Problème 8, on a trouvé :
bn = 1 −
    et c = −
   .
1
1 + (−1)n 1 − (−1)n 2   2  n
6   2 
pn = rn =   et  qn = . 1
4 2 7. lim an = : c’est la probabilité que A soit vainqueur.
Les trois suites (pn ), (qn ) et (rn ) n’ont pas de limite ; donc, n→ 3
© Nathan 2012 – Transmath Term. S Spécialité

la suite (Pn ) n’est pas convergente. 1


lim bn = : c’est la probabilité que B soit vainqueur.
n→ 2
50  1. P ( GTTAAATT ) = 1
lim cn = : c’est la probabilité que tous les deux soient
= P ( G ) PG ( T ) PT ( T ) PT ( A ) PA ( A ) PA ( A ) PA ( T ) PT ( T ) n→ 6
touchés.
= 0,28 × 0,24 × 0,31× 0,22 × 0,34 × 0,34 × 0,25 × 0,31
= 0,00004105945536 ≈ 0,000041 lim d n = 0 : c’est la probabilité que les deux restent
n→

= 41× 10 −6 . indemnes.
2. P ( GTTAAATT ) = Remarque. Il y a une infinité de répartitions stables, de la forme
= P ( G ) PG ( T ) PT ( T ) PT ( A ) PA ( A ) PA ( A ) PA ( T ) PT ( T ) (a  b  c  0), avec a + b + c = 1 car les trois états A,
−6
= 0, 28 × 0,32 × 0, 41 × 0, 26 × 0, 42 × 0, 42 × 0, 26 × 0, 41 = 0, 0001796060657664 ≈ 0,On
B, C sont absorbants. 000180 = 180
n’est pas × 10les
dans conditions du
−6
, 42 × 0, 26 × 0, 41 = 0, 0001796060657664 ≈ 0, 000180 = 180 × 10 . Théorème 6 ; néanmoins la suite (Pn) converge.

Spécialité ● Chapitre 5 ● Matrices et suites 25