Académique Documents
Professionnel Documents
Culture Documents
T T +∞
|a0 |2 1 X
Z Z
1 2 1 2
2
|an |2 + |bn |2
|f (t)| dt = |f (t)| dt = +
T 0 T − T2 4 2
n=1
Z π +∞ +∞ +∞
1 1X 1X 16 8 X 1
|f (t)|2 dt = |an |2 = 2 2
= 2
π 0 2 2 π (2k + 1) π (2k + 1)2
n=1 k=0 k=0
π π +∞
π2
Z Z
2 2
X 1
Reste à calculer |f (t)| dt. On trouve : |f (t)| dt = π et donc = .
0 0 (2k + 1)2 8
k=0
Enfin, on a :
+∞ +∞ +∞
X 1 X 1 X 1
2
= 2
+
n (2k) (2k + 1)2
n=1 k=1 k=0
Et donc :
+∞
3X 1 π2
=
4 n2 8
n=1
D’où :
+∞
X 1 π2
=
n2 6
n=1
Exercice 2.
On considère la fonction f représentée par le graphe suivant (on suppose que f (0) = π) :
1. Vérifier que f satisfait les conditions du théorème de Dirichlet.
La fonction f est C 1 par morceaux (elle est affine par morceaux) donc elle vérifie les
conditions du théorème de Dirichlet.
2. Calculer la série de Fourier Sf de f .
La fonction étant impaire sur R \ {2kπ, kZ∈ Z} alors pour tout n∈ N on a an = 0 et pour
tout
cos(nx) sin(nx) π
Z π
4 2 π 2
n ≥ 1 on a bn = f (x) sin(nx)dx = (π−x) sin(nx)dx = (x − π) − =
2π 0 π 0 π n n2 0
2
.
n
3. Exprimer, quand c’est possible, f (x) sous forme de série de Fourier.
Pour tout x tel que f est continue en x, on a :
+∞
X 2
f (x) = sin(nx)
n
n=1
2π π π π +∞
(π − x)3 |a0 |2 X |an |2 + |bn |2
Z Z Z
1 2 2 2 1 2 1
|f (t)| dt = |f (t)| dt = (π − x) dx = − = +
2π 0 2π 0 π 0 π 3 0 4 2
n=1
+∞ +∞
π2 X 1 X 1 π2
On obtient alors : =2 et donc = .
3 n2 n2 6
n=1 n=1
Exercice 3.
Soit f la fonction 2π−périodique, définie pour x ∈ [0, 2π[ par f (x) = x2 .
1. Déterminer la série de Fourier de f .
X 1 X 1
2. Calculer , puis .
n2 n4
n≥1 n≥1
Solution :
Il faut prendre d’abord garde au fait suivant : ce n’est pas parce que la fonction est définie par
x 7→ x2 sur [0; 2π[ que la fonction est paire. Sa définition par 2π-périodicité fait que f (x) n’est
pas égale à x2 sur ] − 2π, 0]. En particulier, on ne peut pas dire que les coefficients bn sont nuls.
Pour x = 0, on trouve :
1 4π 2 X 4
((2π)2 + 0) = + .
2 3 n2
n≥1
D’où
X 1 π2
= .
n2 6
n≥1
Exercice 4.
1. En utilisant le théorème de Parseval, prouver que deux fonctions continues 2π-périodiques ayant les
mêmes coefficients de Fourier sont égales.
Posons h = f − g. Alors, cn (h) = cn (f ) − cn (g) = 0. De plus, h est continue et vérifie donc les
conclusions du théorème de Parseval, à savoir :
Z π X
|h(t)|2 dt = |cn (h)|2 = 0.
−π n∈Z
Or, la fonction t 7→ |h(t)|2 est continue et positive on en déduite qu’elle est nulle sur [−π, π].
Ensuite, par périodicité on déduit qu’elle est nulle sur tout R. D’où f = g.
2. Soit f la fonction créneau définie par f (x) = 1 si x ∈ [0, π[, f (x) = −1 si x ∈ [−π, 0[, et prolongée par
2π-périodicité. Quelle est la régularité de cette fonction ? Que dire de la série de Fourier de f en 0 ?
La fonction f est de classe C 1 par morceaux (elle est même C ∞ par morceaux) car c’est
une fonction affine par morceaux. En effet, sur l’intervalle [0, π[, elle est la restriction à
d’une fonction de classe C 1 (la fonction identiquement égale à 1), et de même sur [−π; 0[.
Ensuite en chaque point de discontinuité elle admet une limite finie à droit et à gauche
et de même pour sa dérivée. Le théorème de convergence simple peut donc s’appliquer.
En particulier, en 0, la série de Fourier de f converge vers
1
lim f (x) + lim f (x) = 0.
2 x→0− x→0+
√
3. Soit f la fonction paire 2π-périodique définie par f (x) = x sur [0, π]. La fonction f est-elle C 1 par
morceaux ?
La fonction f n’est pas C 1 par morceaux. En effet f 0 (x) tend vers +∞ quand x tend vers
0.
Corrigé TD no 2 Transformée de Fourier
Exercice 1.
Calculer les transformées de Fourier des fonctions suivantes. Pour la première, faire le calcul de deux manières
différentes : par le calcul direct puis en utilisant les propriétés de la transformée de Fourier et la formule
donnée en cours pour Π. b
( (
1 si t ∈ [−3, 5] e3t si t < 0
Π[−3,5] (t) = f (t) = −2t
0 sinon e si t ≥ 0
( (
0 si t < 0 ou t > 1 cos(t) si t ∈ [−π/2, π/2[
g(t) = h(t) =
t si t ∈ [0, 1] 0 sinon
Solution :
Concernant la première fonction, on commence d’abord par voir que Π[−3,5] (t) = Π[−4,4] (t − 1).
t t−1
Puis Π[−4,4] = Π( ). D’où Π[−3,5] (t) = Π( ).
8 8
b [−3,5] (ν) = e−2iπν Π
En utilisant les propriétés de la transformation de Fourier, on a ∀ν ∈ R, Π b [−4,4] (ν)
et Π
b [−4,4] (ν) = 8Π(8ν).
b En récaputilant, on a :
b [−3,5] (ν) = 8e−2iπν Π(8ν)
Π b
sin(πν)
Or Π(ν)
b = . Au final, on a :
πν
Puis : lim e(3−2iπν)A = 0 car |e(3−2iπν)A | = e3A et lim e3A = 0. De même pour l’autre limite.
A→−∞ A→−∞
On trouve alors :
1 1
fb(ν) = +
3 − 2iπν 2 + 2iπν
La fonction g est intégrable sur R car elle est continue par morceaux et elle est nulle en dehors
de [0; 1]. On commence d’abord par remarquer que ∀t ∈ R, on a g(t) = tΠ[0;1] (t). On en déduit
que : 0
1 b
gb(ν) = − Π[0;1] (ν), ∀ν ∈ R
2iπ
−2iπν
Ensuite, on a Π[0;1] (t) = Π(t − 21 ) pour tout réel t et donc Π b [0;1] (ν) = e−iπν sin(πν) = 1 − e .
πν 2iπν
1 − e−2iπν
Il suffit alors de calculer la dérivée de la fonction ν 7→ . On trouve :
2iπν
e−2iπν e−2iπν 1
gb(ν) = − − +
2iπν (2iπν)2 (2iπν)2
Enfin, la fonction h est bien intégrable sur R et on a :
Z π
2
h(ν) =
b cos(t)e−2iπνt dt, ∀ν ∈ R
− π2
1 1
Grâce à la formule d’Euler, on trouve pour tout ν ∈ R \ − 2π , 2π :
En déduire l’intégrale :
+∞
sin2 (πx)
Z
dx
0 π 2 x2
D’après l’égalité de Plancherel , on a :
1
+∞ +∞
sin2 (πx)
Z Z Z
2
2
dx = |Π(t)| dt = 1dt = 1
−∞ π 2 x2 −∞ − 12
Exercice 3.
On note Λ la fonction triangle définie par
1 − |t| si |t| < 1
Λ(t) = .
0 sinon
Solution :
1. On a :
Z +∞ Z 0
−2π(1+iν)x
fˆ(ν) = e dx + e2π(1−iν)x dx
0 −∞
1 1 1
= + = .
2π(1 + iν) 2π(1 − iν) π(1 + ν 2 )
2. La fonction fˆ est intégrable. Sa transformée de Fourier est la fonction x 7→ f (−x). La
1
transformée de Fourier de x 7→ 1+x −2π|x| .
2 est donc x 7→ π × e
1 −2x
3. Remarquons que la dérivée de la fonction g : x 7→ 1+x 2 est x 7→ (1+x2 )2 . En notant h la
x
fonction x 7→ et en utilisant les théorèmes de dérivations et transformation de
(1 + x2 )2
Fourier, on en déduit :
1
F (h) (ν) = − F g 0 (ν)
2
1
= − × 2iπνb g (ν) = −iπ 2 νe−2π|ν| .
2
Exercice 5. On considère une tige homogène très mince de longueur infinie. La température de la tige au
temps t ≥ 0 au point d’abscisse x ∈ R est notée u(t, x). On suppose que cette fonction vérifie l’équation
suivante, appelée équation de la chaleur :
∂u ∂ 2 u
− 2 =0 (t, x) ∈]0, +∞[×R
∂t ∂x
u(0, x) = u (x).
0
Ensuite,
∂2u
Fx ( )(t, y) = (2iπy)2 û(t, y)
∂x2
D’où û vérifie l’équation donnée.
2 2
2. En déduire que û(t, y) = û0 (y)e−4π y t .
La fonction y 7→ û(t, y) est solution d’une équation différentielle du premier ordre. Il existe
2 2
une fonction y 7→ k(y) telle que û(t, y) = k(y)e−4π y t . Or d’après la condition initiale, on a
u(0, x) = u0 (x) donc û(0, y) = û0 (y) d’où k(y) = û0 (y).
2
1 x 2 2
3. On pose g(t, x) = √ exp − , on admet que ĝ(t, y) = e−4π y t . Donner alors une solution de
4πt 4t
l’équation de la chaleur.
D’après ce qui précède û(t, y) = Fx (u0 ∗ g)(t, y). Par injectivité de la transformée de Fourie
on obtien u(t, x) = u0 ∗ g(t, x).
Synthèse : il suffit de vérifier que la fonction ainsi obtenue est bien solution de l’équation
de la chaleur.
Corrigé TD no 3 Probabilités
Exercice 1. Dans une entreprise, deux ateliers fabriquent les mêmes pièces. L’atelier 1 fabrique en une
journée deux fois plus de pièces que l’atelier 2. Le pourcentage de pièces défectueuses est 3% pour l’atelier
1 et 4% pour l’atelier 2. On prélève une pièce au hasard dans l’ensemble de la production d’une journée.
Déterminer :
1. la probabilité que cette pièce provienne de l’atelier 1 ;
2. la probabilité que cette pièce provienne de l’atelier 1 et est défectueuse ;
3. la probabilité que cette pièce provienne de l’atelier 1 sachant qu’elle est défectueuse.
Correction :
Notons A l’événement « la pièce provient de l’atelier 1 » , B l’événement « la pièce provient
de l’atelier 2’ » et D l’événement « la pièce est défectueuse » .
2
1. L’énoncé nous dit que les 23 des pièces produites proviennent de l’atelier 1. Donc P (A) = .
3
2 1
2. On cherche P (A ∩ D) = PA (D)P (A) = 0, 03 × = .
3 50
1
3. On démontre de même que P (B ∩ D) = et donc que :
75
1
P (D) = P (A ∩ D) + P (B ∩ D) = .
30
On a alors :
P (A ∩ D) 3
PD (A) = = .
P (D) 5
Exercice 2. Le gérant d’un magasin d’informatique a reçu un lot de clés USB. 5% des boites sont abîmées.
Le gérant estime que :
— 60% des boites abîmées contiennent au moins une clé défectueuse.
— 98% des boites non abîmées ne contiennent aucune clé défectueuse.
Un client achète une boite du lot. On désigne par A l’événement : “la boite est abîmée” et par D l’événement
“la boite achetée contient au moins une clé défectueuse”.
1. Donner les probabilités de P (A), P (Ā), P (D|A), P (D|Ā), P (D̄|A) et P (D̄|Ā). En déduire la probabilité
de D.
2. Le client constate qu’un des clés achetées est défectueuse. Quelle est la probabilité pour qu’il ait acheté
une boite abîmée ?
Correction :
1. L’énoncé donne directement P (A) = 0.05, d’où P (Ā) = 0.95, P (D|A) = 0.6 et P (D̄|Ā) = 0.98.
On en déduit :
P (D̄|A) = 1 − P (D|A) = 0, 4
et
P (D|Ā) = 1 − P (D̄|Ā) = 0, 02.
D’après la formule des probabilités totales :
49
P (D) = P (A)P (D|A) + P (Ā)P (D|Ā) = .
1000
2. On obtient P (A|D) grâce à la formule de Bayes :
P (A ∩ D) P (D|A)P (A) 30
P (A|D) = = =
P (D) P (D) 49
λk −µ µn−k n!
P (X = k|S = n) = e−λ e −(λ+µ)
k! (n − k)! e (λ + µ)n
k n−k
n λ µ
=
k λ+µ λ+µ
λ
On trouve donc une loi binomiale de paramètres n et .
λ+µ
Exercice 5. On suppose que la durée de vie d’une voiture suit une loi exponentielle de paramètre 0, 1.
1. Calculer la probabilité qu’une voiture dépasse 10 ans de durée de vie.
2. Calculer la probabilité qu’une voiture dépasse 12 ans de durée de vie sachant qu’elle a déjà duré 10
ans.
3. Comparer ce résultat à la probabilité qu’une voiture dépasse 2 ans de durée de vie.
4. La loi exponentielle vous paraît-elle bien adaptée pour modéliser la durée de vie d’une voiture ?
Correction
Rappel : Si X ∼ E(λ) où λ > 0 alors la densité est donnée par f (t) = λ exp(−λt)1[0,+∞[ (t).
R +∞
1. P (X > 10) = 10 λ exp(−λt) = e−0.1×10 = e−1
P ((X>12)∩(X>10)) P ((X>12) e−1.2
2. P (X > 12|X > 10) = P (X>10) = P (X>10) = e−1
= e−0.2
3. P (X > 2) = e−0.2 = P (X > 12|X > 10)
4. La loi exponentielle est une loi "sans mémoire". Elle ne tient pas en compte de l’usure.
Elle est donc inadaptée pour modéliser la durée de vie d’une voiture.
Exercice 6. Soit U une variable aléatoire de loi uniforme sur [0, 1]. Démontrer que la variable aléatoire
X = − ln U suit une loi exponentielle dont on précisera le paramètre.
Correction
On va calculer la fonction de répartition de X. On remarque que X ≤ x si et seulement si
U ≥ exp(−x). On a donc :
FX (x) = P (X ≤ x) = P (U ≥ exp(−x)).
Si x < 0, alors exp(−x) > 1 et donc FX (x) = 0. Si x ≥ 0 alors exp(−x) ∈ [0, 1] et donc, puisque U
suit une loi uniforme à valeurs dans [0, 1] :
FX (x) = 1 − exp(−x)
On reconnait bien la fonction de répartition d’une loi exponentielle de paramètre 1 (on peut
encore dériver la fonction de répartition pour retomber sur la densité).
Exercice 7. Soient X1 et X2 deux variables aléatoires indépendantes suivant une loi exponentielle de
paramètres respectifs λ1 et λ2 . On pose Y = min(X1 , X2 ).
1. Pour tout réel y, calculer P(Y > y). En déduire que Y suit une loi exponentielle de paramètre λ1 + λ2 .
2. Deux guichets sont ouverts à une banque. Le temps de service au premier guichet (resp. au deuxième)
suit une loi exponentielle de moyenne 20 min (resp. 30 min). Deux clients rentrent simultanément, l’un
choisit le guichet 1 et l’autre le guichet 2. En moyenne, après combien de temps sort le premier ?
3. En moyenne, après combien de temps sort le dernier ?
Correction
1. On va commencer par calculer P (X1 > y). Si y ≤ 0, alors P (X1 > y) = 1 (car X1 est à valeurs
dans R+ ). Sinon, pour y > 0 , on a :
Z +∞
P (X1 > y) = λ1 e−λ1 t dt = e−λ1 y .
y
De même, Z +∞
P (X2 > y) = λ2 e−λ2 t dt = e−λ2 y .
y
P (Y > y) = P (X1 > y ∩ X2 > y) = P (X1 > y)P (X2 > y) = e−(λ1 +λ2 )y ,
FX (x) = P (max(X1 , X2 ) ≤ x) = P ({X1 ≤ x}∩{X2 ≤ x}) = P ({X1 ≤ x})P ({X2 ≤ x}) = FX1 (x)FX2 (x);
D’où X a pour fonction de répartition
où fX (x) = FX0 (x) = (λ1 e−λ1 x + λ2 e−λ2 x − (λ1 + λ2 )e−(λ1 +λ2 )x ))1[0,+∞[ (x). Donc :
Z +∞
E(X) = x(λ1 e−λ1 x + λ2 e−λ2 x − (λ1 + λ2 )e−(λ1 +λ2 )x ))dx = E(X1 ) + E(X2 ) − E(Y )
0
Mais ici comme on cherche son espérance, il y a un raisonnement plus facile. En effet, il
est facile de remarquer que :
X1 + X2 = X + Y
(la somme de deux nombres est égale à la somme de leur minimum et de leur maximum).
Prenant l’espérance, on trouve :
Exercice 8. La taille d’un homme âgé de 25 ans suit une loi normale de moyenne 175cm et d’écart-type
6cm.
1. Quel est le pourcentage d’hommes ayant une taille supérieure à 1m85 ?
2. Parmi les hommes mesurant plus de 1m80, quelle proportion mesure plus de 1m92 ?
Correction
X − 185
On note F la fonction de répartition de la loi normale N (0, 1). On note aussi Y = qui
6
suit une loi N (0, 1).
1. On cherche P (X > 185) qu’on va calculer en renormalisant la loi normale :
X − 175 185 − 175
P (X > 185) = P > = P (Y > 5/3) = 1 − F (5/3) ' 0, 05.
6 6
2. C’est le même raisonnement, si ce n’est qu’il fait de plus intervenir une probabilité condi-
tionnelle :
P (X > 192 ∩ X > 180) P (X > 192)
P (X > 192|X > 180) = = .
P (X > 180) P (X > 180)
On mène les calculs comme précédemment, et on trouve :
1 − F (17/6)
P (X > 192|X > 180) = ' 0, 01.
1 − F (5/6)
P (X < 7, 5), P (X > 8, 5), P (6, 5 < X < 10), P (X > 6|X > 5).
3. Soit X une variable aléatoire suivant une loi gaussienne. Déterminer l’espérance et la variance de X
sachant que
P (X < −1) ' 0, 05
P (X > 3) ' 0, 12.
Correction
1. On note F la fonction de répartition de la loi N (0, 1). On a :
Donc P (−t < X < t) ' 0, 95 ⇐⇒ F (t) = 0, 975. Ce qui donne t ' 1, 96.
X −m X −8
2. Si X suit la loi N (0, 1), alors Y = suit la loi N (0, 1). Posons ici Y = Alors Y
σ 4
suit la loi N (0, 1). On peut alors répondre aux diverses questions en les formulant à l’aide
de Y , et en utilisant la table de la loi normale :
(a) On a X < 7, 5 ⇐⇒ Y < − 0,5 4 = −0, 125 et donc P (X < 7, 5) = F (−0, 125) = 1 − F (0, 125).
Puisque F (0, 125) ' 0, 56, on trouve :
P (X < 7, 5) ' 1 − 0, 56 = 0, 44
(b) On a X > 8, 5 ⇐⇒ Y > 0, 125 et donc P (X > 8, 5) = P (Y > 0, 125) = 1 − F (0, 125) ' 0, 44.
(c) On a 6, 5 < X < 10 ⇐⇒ −0, 375 < Y < 0, 5 et on trouve donc :
P (6, 5 < X < 10) = F (0, 5)−F (−0, 375) = F (0, 5)−(1−F (0, 375)) = F (0.5)+F (0, 375)−1 ' 0, 3375.
(d) On a :
P (X > 6) ∩ (X > 5) P (X > 6)
P (X > 6|X > 5) = = .
P (X > 5) P (X > 5)
En renormalisant comme aux questions précédentes, on trouve que :
X−m
3. Si X ∼ N (m, σ) alors Y = σ ∼ N (0, 1). On doit avoir :
−1 − m −1 − m
0, 05 = P (X < −1) = P Y < =F
σ σ
et
3−m 3−m
0, 12 = P (X > 3) = 1 − P Y ≤ =1−F .
σ σ
or 0, 05 = 1 − 0, 95 =' F (−1, 645) et 0, 12 ' F (−1, 175). On doit donc avoir :
−1−m
σ = −1, 645
m−3
σ = −1, 175.
où Y suit une loi N (0, 1). En notant F la fonction de répartition de la loi normale centrée
réduite, la probabilité recherchée est :
2. Un calcul complètement similaire donne cette fois une probabilité de 0,1867. On constate
donc que malgré un « faible » écart dans les valeurs de départ, on a quadruplé la proba-
bilité de mettre la machine en panne...
Exercice 11. Un fournisseur d’accès à Internet met en place un point local d’accès, qui dessert 5000
abonnés. A instant donné, chaque abonné a une probabilité égale à 20% d’être connecté. Les comportements
des abonnés sont supposés indépendants les uns des autres.
1. On note X la variable aléatoire égale au nombre d’abonnés connectés à un instant t. Quelle est la loi
de X ? Quelle est son espérance, son écart-type ?
X−1000
2. On pose Y = √
800
. Justifier précisément qu’on peut approcher la loi de Y par la loi normale N (0, 1).
3. Le fournisseur d’accès souhaite savoir combien de connexions simultanées le point d’accès doit pouvoir
gérer pour que sa probabilité d’être saturé à un instant donné soit inférieure à 2, 5%. En utilisant
l’approximation précédente, proposer une valeur approchée de ce nombre de connexions.
Correction
1. La v.a X compte le nombre de succès lors de la réalisation de 5000 épreuves aléatoires
indépendantes, dont la probabilité de réalisation de chacune est 0,2. X suit donc une loi
binomiale B(5000, 0.2). Son espérance vaut 5000×0, 2 = 1000 sa variance 5000×0, 2×0, 8 = 800.
Pour être plus précis, si on note Xi la variable de Bernouilli qui vaut 1 si l’abonnée
no i est connecté et 0 sinon et si on suppose que les Xi sont indépendantes, alors on a
X = X1 + X2 + · · · X5000 et X ∼ B(5000, 0.2).
2. On est dans les conditions d’application du théorème limite central, voir cours.
En particulier, on sait que si X ∼ B(n, p) avec les conditions suivantes sur n et p :
n ≥ 30, np ≥ 5 et n(1 − p) ≥ 5
on peut approcher cette loi binomiale par une loi normale de moyenne np et d’écart-
alors p
type np(1 − p)
3. On cherche N tel que P (X ≥ N ) ≤ 0, 025 :
N − 1000
X ≥ N ⇐⇒ Y ≥ √
800
et donc
N − 1000
P (X ≥ N ) ≤ 0, 025 ⇐⇒ P Y ≥ √ ≤ 0, 025.
800
Il faut trouver un entier N de sorte que cette inégalité soit vérifiée. Une possibilité est
d’utiliser une table de la loi normale. En notant F la fonction de répartition de la loi
normale, on a en effet :
N − 1000 N − 1000
P Y ≥ √ ≤ 0, 025 ⇐⇒ 1 − F √ ≤ 0, 025
800 800
N − 1000
⇐⇒ F √ ≥ 0, 975 ≥ F (1, 96)
800