PSI - Lycée Bellevue - Toulouse 06/03/23

Concours blanc no 2 (4h)

Version CCINP
Une bonne rédaction est indispensable, ainsi qu’une présentation soignée (mettre en évidence les résultats).
L’usage des calculatrices est autorisé.

Exercice 1 - Matrices à diagonales propres

Soient n ∈ N? et A = (aij )16i,j6n ∈ Mn (R).
n
Y
On dit que la matrice A est à diagonale propre lorsque son polynôme caractéristique est χA = (X − aii ).
i=1
Q1. Donner deux exemples de matrices à diagonale propre qui ne sont pas diagonales.
 
0 0 α
 
Q2. Soient α et β deux réels et M =  0 0 β  ∈ M3 (R).
 
 
α β 0
Déterminer une condition nécessaire et suffisante portant sur les réels α et β pour que M soit une matrice à
diagonale propre.
Q3. Soient X1 , X2 et X3 des variables aléatoires mutuellement indépendantes définies sur un espace probabilisé
(Ω, A, P) et qui suivent toutes les trois la loi géométrique de paramètre 1/3.
3.1. Préciser X1 (Ω). Donner la loi de la variable aléatoire X1 et donner sans démonstration les valeurs de son
espérance et de sa variance.
3.2. Exprimer l’évènement (X1 = X2 ) sous forme d’une réunion dénombrable d’évènements incompatibles.
3.3. Pour tout ω ∈ Ω, on pose :
 
0 0 X1 (ω) − X2 (ω)
 
B(ω) =  X2 (ω) − X3 (ω) .
 
0 0
 
X1 (ω) − X2 (ω) X2 (ω) − X3 (ω) 0
 
0 0 X1 − X2
 
On notera ainsi B =  X2 − X3  la fonction qui, à tout ω de Ω, associe B(ω).
 
0 0
 
X1 − X2 X2 − X3 0
Déterminer la probabilité pour que B soit une matrice à diagonale propre.
Q4. Soit A = (aij ) ∈ Mn (R). On rappelle que A> désigne la matrice transposée de la matrice A.
4.1. Calculer Tr(A> A) en fonction des coefficients de la matrice A où Tr(M ) désigne la trace de la matrice M .
4.2. On suppose dans cette question que A est une matrice symétrique réelle.
Xn
>
Démontrer que Tr(A A) = λ2i où les λi sont les n valeurs propres distinctes ou non de la matrice A.
i=1
4.3. Déterminer les matrices symétriques réelles à diagonale propre.
Exercice 2 - Les urnes de Pólya
On fixe un couple d’entiers (b, r) ∈ N? × N? . On suppose que l’on dispose d’un stock illimité de boules blanches et de
boules rouges et on considère une urne contenant initialement b boules blanches et r boules rouges indiscernables au
toucher. On procède à des tirages successifs dans cette urne en respectant à chaque fois le protocole suivant :
1. si la boule tirée est de couleur blanche, on la replace dans l’urne et on ajoute une boule blanche supplémentaire ;
2. si la boule tirée est de couleur rouge, on la replace dans l’urne et on ajoute une boule rouge supplémentaire.
Le premier objectif de cet exercice est de calculer la probabilité de tirer une boule blanche lors du n-ième tirage. Le
second objectif est de déterminer la loi du nombre de boules blanches se trouvant dans l’urne à l’issue du n-ième tirage
dans un cas particulier. Pour tout n ∈ N? , on désigne par Xn la variable aléatoire égale à 1 si la boule tirée au n-ième
tirage est blanche, 0 si la boule tirée au n-ième tirage est rouge. On considère également la suite de variables aléatoires
réelles (Sn )n∈N définie par :
Xn
?
S0 = b et ∀n ∈ N , Sn = b + Xk .
k=1

On rappelle que si E et F sont deux événements avec P(F ) > 0, on définit la probabilité conditionnelle de E sachant
F (notée P(E|F ) ou PF (E)) par :
P(E ∩ F )
P(E|F ) = PF (E) = .
P(F )

Partie I - Préliminaires
Q1. Déterminer la loi de X1 .
Q2. Déterminer la loi conditionnelle de X2 sachant l’événement (X1 = 1). En déduire la loi de X2 .
Q3. Soit n ∈ N. Que représente la variable aléatoire Sn ? Quel est l’ensemble des valeurs prises par Sn ?

Partie II - La loi de Xn
Dans cette partie, on considère un entier n ∈ N? .
Q4. Pour tout k ∈ [[b, n + b]], calculer P(Xn+1 = 1|Sn = k).
Q5. À l’aide de la formule des probabilités totales, justifier que :

E(Sn )
P(Xn+1 = 1) = .
b+r+n

b
Q6. Montrer par récurrence que Xn suit la loi de Bernoulli de paramètre pour tout n ∈ N? .
b+r

Partie III - La loi de Sn dans un cas particulier

Dans cette partie uniquement, on suppose que b = r = 1 et on considère un entier n ∈ N? .
Q7. Exprimer l’événement (Sn = 1) avec les événements (Xk = 0) pour k ∈ [[1, n]].
1
Q8. Montrer que P(Sn = 1) = .
n+1
1
On admet dans la suite que l’on a de même P(Sn = n + 1) = .
n+1
Q9. Soit (k, `) ∈ [[1, n + 2]] × [[1, n + 1]]. Calculer la probabilité P(Sn+1 = k|Sn = `) dans chacun des trois cas suivants :

(i) ` 6∈ {k − 1, k}, (ii) ` = k − 1, (iii) ` = k.

Q10. Montrer que pour tout k ∈ [[2, n + 1]], on a la relation :

k−1 n+2−k
P(Sn+1 = k) = P(Sn = k − 1) + P(Sn = k).
n+2 n+2

Q11. Montrer par récurrence que Sn suit la loi uniforme sur [[1, n + 1]].
Problème - Étude d’une famille de séries entières
Dans tout le problème, α désigne un nombre réel.
X xn
On note Dα l’ensemble des réels x pour lesquels la série entière est convergente et on pose, pour tout x ∈ Dα :
nα
n>1

+∞ n
X x
fα (x) =
nα
n=1

Objectifs
Ce problème est composé de trois parties indépendantes.
Dans la Partie I, on étudie quelques propriétés élémentaires des fonctions fα .
L’objectif de la Partie II est de construire un logarithme complexe.
Enfin, la Partie III permet d’obtenir un équivalent de fα (x) lorsque x tend vers 1, dans le cas α ∈ ]0, 1[.

Partie I – Quelques propriétés des fonctions fα

Q1. Déterminer le rayon de convergence R commun aux séries entières définissant les fonctions fα .
Q2. Déterminer, suivant les valeurs du réel α, le domaine de définition Dα de la fonction fα .
On distinguera les cas α ∈ ] − ∞, 0], α ∈ ]0, 1] et α ∈ ]1, +∞[.
Q3. On suppose dans cette question α > 0. Déterminer, pour tout x ∈ Dα , le signe de fα (x).
Q4. Expliciter f0 , f−1 et f1 .
Q5. Soit α > 1. Prouver que fα est continue sur Dα .
Q6. Soit α 6 1. Prouver que lim fα (x) = +∞. On pourra comparer fα à f1 .
x→1−

On suppose dans les deux prochaines questions qu’il existe un réel λ > 0 et une variable aléatoire Xα , définie
sur un espace probabilisé (Ω, A, P) et à valeurs dans N? , tels que la fonction génératrice Gα de Xα soit :

Gα = λfα .

1
Q7. Montrer que α > 1 et λ = .
fα (1)
Q8. Donner une condition nécessaire et suffisante pour que la variable aléatoire Xα admette une espérance.
Déterminer cette espérance en fonction de fα (1) et fα−1 (1) seulement.

Partie II – Un logarithme complexe

Q9. Donner sans démonstration le développement en série entière au voisinage de 0 de la fonction qui à x ∈ ] − 1, 1[
associe ln(1 + x).

X (−z)n +∞
X (−z)n
Pour tout nombre complexe z, tel que la série est convergente, on note : S(z) = − .
n n
n>1 n=1

Q10. Donner le rayon de convergence R de la série entière définissant S. Pour tout x réel élément de ] − R, R[, déter-
miner la valeur de exp(S(x)).

Soit z0 ∈ C tel que |z0 | < R. On considère la série entière de la variable réelle t suivante :
X z0n n
(−1)n−1 t .
n
n>1

En cas de convergence, on note g(t) sa somme.

On a donc, pour t ∈ R tel que la série est convergente, g(t) = S(tz0 ).
Q11. Déterminer le rayon de convergence de la série entière définissant g.
Q12. Prouver que g est définie et de classe C ∞ sur [0, 1]. Déterminer, pour tout t ∈ [0, 1], g 0 (t).
Q13. On pose h = exp ◦g. Prouver que pour tout t ∈ [0, 1] :
z0
h0 (t) = h(t).
1 + tz0

Q14. Résoudre l’équation différentielle de la question précédente et en déduire que :

exp(S(z0 )) = z0 + 1.

Partie III – Un équivalent de fα (x) quand x tend vers 1, dans le cas où α ∈ ]0, 1[

Dans toute cette partie, on suppose que α ∈ ]0, 1[. L’objectif est de donner un équivalent de fα (x) quand x tend
vers 1.
+∞
xt
Z
Pour tout x ∈ ]0, 1[, on considère l’intégrale : I(x) = dt.
0 tα

Q15. Justifier que, pour tout x ∈ ]0, 1[, l’intégrale I(x) est convergente.
Z +∞
Q16. On rappelle que la fonction Γ d’Euler est définie sur R?+ par : ∀s ∈ R?+ , Γ(s) = ts−1 e−t dt.
0
Pour tout x ∈ ]0, 1[, déterminer une expression de I(x) faisant intervenir ln(x), α et Γ(1 − α).
xt
Q17. Prouver que, pour tout x ∈ ]0, 1[, la fonction t 7→ α définie pour tout t ∈ R?+ est décroissante sur R?+ .
t
Q18. En déduire, pour tout x ∈ ]0, 1[, l’encadrement :
Z +∞ t Z +∞ t
x x
α
dt 6 fα (x) 6 dt.
1 t 0 tα

Q19. En déduire un équivalent de fα (x) quand x tend vers 1.