Académique Documents
Professionnel Documents
Culture Documents
1 2 1
On considère la matrice A 2 4 2 .
1 2 1
1) Le but de cette question est de diagonaliser la matrice A.
a) Justifier que la matrice A est de rang 1.
Démonstration : La colonne 2 de A est le double de la colonne 1 et la colonne 3 et l’opposée de la colonne 1. On ne garde que
la première colonne. Celle-ci est non nulle donc elle est libre. Il y a une seule colonne libre dans A donc A est de rang 1.
b) En déduire une valeur propre de A ainsi qu’une base du sous-espace propre associé.
Démonstration : Comme rg(A) = 1 3 alors A n’est pas inversible. Dans ce cas, 0 est valeur propre de A et Ker(A) est le sous-
espace propre associé. Selon le théorème du rang, comme A est de rang 1 et de taille 3 alors
dim Ker A 3 rg A 3 1 2 .
1 1 2 1 1 0 1 1 1
De manière évidente, A 0 2 4 2 0 0 0 0 et 0 0 donc 0 est un vecteur propre associé à 0.
1 1 2 1 1 0 1 1 1
1 1 2 1 1 0 1 1 1
De même, A 1 2 4 2 1 0 0 1 et 1 0 donc 1 est un vecteur propre associé à 0.
1 1 2 1 1 0 1 1 1
1 1
Comme ces deux vecteurs ne sont pas colinéaires alors ils sont libres. Comme dim Ker A 2 , 0 , 1 est une base de
1 1
Ker(A).
Remarque : on pouvait bien évidemment déterminer la base de manière classique en faisant la résolution d’un système.
1
c) Justifier que 6 est valeur propre de A et qu’un vecteur propre associé est X 3 2 .
1
5 2 1 L1 5L3 0 12 24 L1 2L 2 0 0 0
Démonstration : A 6I3 2 2 2 L 2 2L3 0 6 12 0 6 12 . Une matrice réduite de
1 2 5 1 2 5 1 2 5
A 6I3 admet une ligne de zéros donc A 6I3 n’est pas inversible. Alors 6 est valeur propre de A.
1 2 1 1 6 1 1
AX3 2 4 2 2 12 6 2 6X3 . Alors X 3 2 est un vecteur propre de A associé à 6.
1 2 1 1 6 1 1
d) Déterminer une matrice inversible P et une matrice diagonale D de m3 telles que A PDP 1 .
5 2 1
Démonstration : A 6I3 2 2 2 . On remarque que 2C2 C3 C1 . Donc les trois colonnes de A 6I3 sont liées. Si
1 2 5
on prend les deux premières colonnes, elles ne sont pas colinéaires donc elles sont libres. Alors rg A 6I3 2 . Selon le
théorème du rang, dim Ker A 6I3 3 rg A 6I3 3 2 1 . Comme X 3 Ker A 6I3 et que ce vecteur est non nul, il
est libre. Avec dim Ker A 6I3 1 , X 3 est une base de Ker A 6I3 .
1
1 1 1
Selon le théorème de concaténation, 0 , 1 , 2 est une famille libre de 3 vecteurs de 3 qui est dimension 3, donc
1 1 1
1 1 1
0 , 1 , 2 est une base de .
3
1 1 1
A est une matrice symétrique donc A est diagonalisable. Il existe donc une matrice P inversible constituées de vecteurs propres
et une matrice D diagonale, avec les valeurs propres associées sur la diagonale, telles que A PDP 1 .
1 1 1 0 0 0
Posons P 0 1 2 et D 0 0 0 . (La matrice P est inversible car c’est la matrice d’une base).
1 1 1 0 0 6
x x 2y z
2) Résoudre le système différentiel : SH : y 2x 4y 2z .
z x 2y z
x t x t
Démonstration : Posons pour tout t , Z t y t alors Z t y t . Le système s’écrit matriciellement,
z t z t
1 2 1 x t x t 2y t z t x t
Z t AZ t . En effet, AZ t 2 4 2 y t 2x t 4y t 2z t y t Z t .
1 2 1 z t x t 2y t z t z t
Posons pour tout t , Y t P Z t d’où Y t P 1 Z t
1
y1 t 1 1
On reconnait des équations différentielles usuelles : Y t DY t y 2 t 2 Y t 2 où 1 , 2 , 3 3 .
y t e6t e6t
3 3 3
6t
1 1 1 1 1 2 3 e
Alors Y t P 1 Z t Z t PY t d’où, Z t 0 1 2 2 2 2 3 e6t où 1 , 2 , 3 3 . Ce sont
1 1 1 e6t e6t
3 1 2 3
les solutions générales de (SH).
x1 t x2 t
3) Soient X1 : t X1 t y1 t et X 2 : t X 2 t y 2 t deux solutions du système (SH).
z t z t
1 2
On suppose qu’il existe t 0 vérifiant X1 t 0 X 2 t 0 .
Que pouvez-vous dire de X1 et X 2 ?
Démonstration : Si on donne une condition initiale alors la solution de (SH) obtenue est unique. Donc si X1 et X 2 ont même
condition initiale alors X1 et X 2 sont égale pour tout t.
2
x t 0
4) a) Déterminer la solution X : t X t y t du système (SH) vérifiant X 0 0 .
zt 0
0
Démonstration : Le système (SH) étant homogène, nous savons que la fonction qui pour tout t associe X t 0 est solution
0
0
de (SH). Or cette solution vérifie X 0 0 . Par unicité d’une solution donnée par une condition initiale, la solution de (SH)
0
0 0
telle que X 0 0 est la fonction qui a t associe X t 0 .
0 0
x t 1
b) Déterminer la solution X : t X t y t du système (SH) vérifiant X 0 1 .
zt 0
1
Démonstration : Soit X la solution de (SH) qui vérifie X 0 1 .
0
Alors nous obtenons :
1 2 3 1 1 2 3 1 1 2 3 1 12 2 3 1 2 3 12
2 2 3 1 2 2 3 1 2 2 3 1 2 2 3 1 2 23 1 L 2 L1
0 0 L L 21 1 1 12 1
1 2 3 1 2 3 3 1 1 2
2 3 12 2 3 12 2 3 12 2 0 1
3
33 2 3 2 1
3 2 3 2 . Donc la solution qui vérifie X 0 1 est définie pour tout
1 1
1 1 1 1 0
1 2 1 2 1 2 1 2
12 12 e6t
t par X t e6 t .
1 1 e6t
2 2
3
a) Préciser quel vecteur colonne B t m3,1 dépendant de la variable réelle t permet d’écrire le système (S) sous la forme :
S : X t AX t B t .
a t
Démonstration : Posons B t b t . En reprenant les calculs du 2), on a S : X t AX t B t pour tout t.
ct
x t
b) Soit Y une solution particulière sur de (S). Démontrer que X : t X t y t est solution de (S) sur si et seulement
zt
si Z : t X t Y t est solution de (SH) sur , (SH) désignant le système de la question 2).
Démonstration : On pose Y une solution de (S). Alors Y t AY t B t
X solution de (S)
X t AX t B t X t Y t AX t B t AY t B t X t Y t AX t AY t B t B t
x t 2y t z t e t 1 e t 2 0 1 e t 1 0 z t
Selon la question précédente, si Z est une solution de (SH) alors X = Y + Z est une solution de (S). En reprenant les résultats
du (2), les solutions de (S) sont données par les fonctions définies pour tout t par :
1 2 3 e6t e t 1 2 3 e6 t e t
où 1 , 2 , 3 .
3
X t Z t Y t 2 2 3 e6t 0 2 2 3 e6t
e6t 1 e6 t 1
1 2 3 1 2 3
4
La fonction x x est C2 de * vers * (intervalle de transition). Or la fonction t e t est de classe C 2 sur *
(intervalle de transition) donc par composition, x e x
est de classe C2 sur * . Ensuite la fonction x est de classe
2 x
C2 sur * donc par produit de fonctions de classe C2 sur * , la fonction f est de classe C 2 sur * .
1
b) Démontrer que pour tout x > 0, on a : f x
2x
1 x f x .
1 2 x
1
v
2 , 2
. Ensuite par produit,
v v 2 x 2 x
4x x
1 x 1 1
f x e x
e
x
f x
2x
f x f x
1 x f x .
2 x 2 x 4x x 2 x 2x 2x 2x
Démonstration : lim x 0 et lim e t 1 donc lim e x
1 . Ensuite, lim car 0 alors par produit positif,
t 0
x 0 x 0 x 0 2 x
lim f x .
x 0
lim x (car 0 ) et lim e t 0 donc lim e x
0 . Ensuite, lim 0 alors par produit, lim f x 0 .
x t x x x
2 x
1 x
Pour tout x > 0 et comme 0 , 0 , 1 x 0 et f x e 0 alors par produit pour tout x > 0,
2x 2 x
1
f x
2x
1 x f x 0 . La fonction f est décroissante sur * . Voici son tableau de variation :
x 0 +
f'(x)
f(x)
1 1 1 1 1 x 1 2 2 x x 1
2x
1 x 2 1 x
2x
2x 2 x 2x
x
2 x 2x
x
2 2 x
2x
1 1
Alors f x 2 2 x f x
2x 2x
1 x f x .
1
Pour tout x > 0, avec 0 et f x 0 alors
2x
1 x f x 0 . Comme de plus f x 0 alors
1
2x 2
2 x f x 0 . Alors par somme, pour tout x > 0, f x 0 et f est convexe sur * .
5
e) Tracer l’allure de la courbe représentative de f1 dans le plan rapporté à un repère orthogonal (on donne exp 1 0,37 ).
1 x
e si x 0
Démonstration : Pour tout x, f1 x 2 x .
0 si x 0
lim f1 x donc la courbe de f1 admet une asymptote verticale à droite d’équation x = 0.
x 0
Démonstration : x e x
est dérivable sur * et pour tout x > 0, selon 1) b), e x
2 x e x
f x . Donc la
b) Établir la convergence de l’intégrale impropre f x dx et calculer sa valeur.
0
Démonstration : La fonction f est C2 sur * donc en particulier elle est continue sur * . Donc l’intégrale est impropre en
mais aussi en 0 (ce qui est hors programme). Faisons les choses correctement.
A 2)a ) A A
Soit A > 1,
1
f x dx e
x e
1
A
e . lim
A 1 A
f x dx lim e A
e e . Alors
1
f x dx
converge et f x dx e .
1
1 2)a ) 1 1 1
Soit 0 A 1 , A
f x dx e
x e e
A
A
. lim f x dx lim e e
A 0 A A0
A
e
1 . Alors f x dx
0
1
converge et f x dx e 1.
0
1
Alors par somme f x dx converge et f x dx f x dx f x dx e 1 e 1 .
0 0 0 1
6
c) En déduire que la fonction f est une densité de probabilité sur .
Démonstration : Selon l’étude précédente, la fonction f est continue et positive sur * . De même, comme f est nulle sur
;0 alors elle est continue et positive sur ;0 . La fonction f est donc positive sur et elle est continue sur sauf peut-
être en 0.
0 0
Ensuite, f x dx 0dx 0 . Donc cette intégrale converge. Selon la question précédente, f x dx converge donc
0
0
par somme f x dx converge et f x dx f x dx f x dx 0 1 1 .
0
3) Soit X une variable aléatoire définie sur un espace probabilisé , a, P , à valeurs strictement positives, ayant f pour
densité.
On note F la fonction de répartition de X et on pose : Y X . On admet que Y est une variable aléatoire définie sur
, a, P .
a) Calculer pour tout x réel, F x .
x x
Démonstration : Soit x ;0 , F x f t dt 0dt 0 .
x 0 x 0 x
Soit x 0; , F x f t dt f t dt f t dt 0dt e t 0 e x
1 1 e x
.
0 0
1 e x
si x 0
Alors F x .
0 si x 0
1 e x si x 0
Alors FY x et on reconnait la fonction de répartition d’une variable suivant une loi exponentielle de
0 si x 0
paramètre 1.
7
d) Informatique : compléter la fonction Python VarX suivante afin qu’elle renvoie une liste de n valeurs prises par la variable
aléatoire X. On rappelle qu’avec la bibliothèque numpy.random, importée sous l’alias rd, l’appel rd.exponential(1)
simule une variable aléatoire de loi exponentielle de paramètre 1.
import math
import numpy.random as rd
4) Soit X n n* une suite de variables aléatoires définies sur , a, P , indépendantes et de même loi que X.
1
On pose pour tout n * : M n min X1 ,..., X n et J n n 2 M n . On admet que M n et J n sont des variables aléatoires
n
définies sur , a, P .
a) Informatique : les figures 1 et 2 présentent des histogrammes représentant la répartition de 1000 valeurs prises
respectivement par les variables aléatoires J10 , J100 , J1000 et X dans les cas où 0,5 puis 1 .
Quelle conjecture pouvez-vous émettre ?
Démonstration : La suite de variables aléatoires J n semble converger en loi vers la variable X.
b) Informatique : on prend 1 . Écrire une fonction Python varJ(n) qui renvoie une liste de 1000 valeurs simulant la
variable aléatoire J n et qui utilise la fonction VarX de la question 3)d). On rappelle qu’avec la bibliothèque numpy, importée
sous l’alias np, l’appel np.min(L) donne le minimum d’une liste de nombres L.
Démonstration : il faut aller chercher le minimum de la liste Var(n,1) qui simule n variable aléatoires X avec 1 .Cela
1
permet de créer M n min X1 ,..., X n . Puis on réalise le calcul J n n 2 M n .
n
import numpy as np
import math
import numpy.random as rd
def varJ(n) :
J=[]
for i in range(1000) :
1
J.append((n**2)*np.min(VarX(n,1))-1/n) ## J n n 2 M n où M n min X1 ,..., X n
n
return J
8
1 e n x
si x 0
c) Démontrer que la fonction de répartition de M n est donnée par : G n x .
0 si x 0
Démonstration : Soit n * et x : min X1 ,..., X n x X1 x ... X n x alors par indépendances des variables
Soit x ,
n n
G n x P M n x P min X1 ,..., X n x 1 P min X1 ,..., X n x 1 P X x 1 1 P X x .
n 1 e x
si x 0
1 1 F x . Or pour tout réel x, F x donc pour tout réel x,
0 si x 0
n
G n x 1 1 F x
n
1 1 1 e
x
si x 0
1 e
x
n
si x 0 1 e n
x
si x 0
. C’est démontré.
1 1 0 n si x 0 1 1 si x 0 0 si x 0
9
e) Démontrer, quel que soit la valeur de 0 , la conjecture émise à la question 4) a).
Démonstration : Pour montrer que J n converge en loi vers X, il faut montrer que pour tout x où F est continue alors
lim H n x F x .
n
Tout d’abord F est la fonction de répartition d’une variable à densité donc elle est continue sur .
H n 0 0 donc lim H n 0 0 .
n
1 1
De plus lorsque x 0 , on peut trouver un entier naturel n 0 tel que x (il suffit de prendre n 0 ) et pour tout n n 0
n0 x
1 1
, on a x . Alors pour tout n n 0 H n x 0 d’où lim H n x 0 . On a donc pour tout x 0,
n0 n n
lim H n x 0 F x .
n
1
1 1 x 1
Lorsque x > 0, pour tout n * , 0 donc pour tout n * , x et H n x 1 e n
. Comme lim x x
n n n n
1
x
alors par composition, lim H n x lim 1 e n
1 e x
F x . On a donc pour tout x > 0, lim H n x F x .
n n n
On considère trois points distincts du plan A, B et C. Le but de l’exercice est d’étudier le déplacement aléatoire d’un pion se
déplaçant sur ces trois points.
A l’étape n = 0, on suppose que le pion se trouve sur le point A. Ensuite, le mouvement aléatoire du pion respecte les deux
règles suivantes :
le mouvement du pion de l’étape n à l’étape n + 1 ne dépend que de la position du pion à l’étape n : il ne dépend donc
pas des positions occupées aux étapes précédentes.
pour passer de l’étape n à l’étape n + 1, on suppose que le pion a une chance sur deux de rester sur place, sinon il se
déplace de manière équiprobable vers l’un des deux autres points.
Partie I – Modélisation
1) Représenter la situation par un graphe probabiliste et expliquer pourquoi la matrice de transition est :
2 1 1
1
M 1 2 1 m3 .
4
1 1 2
Démonstration : Si par exemple le pion est en A, il a une probabilité de 0,5 de rester en A ou il peut aller en B ou C de manière
équiprobable, ce qui veut dire que le pion peut aller en B ou C avec une probabilité de 0,25.
Voici le graphe probabiliste associé à cette situation.
10
Si on affecte à A le numéro 1, à B le numéro 2 et à C le numéro 3 alors la matrice M est de taille 3. De plus, le coefficient de
la ligne i et de la colonne j de la matrice M est la probabilité affectée à l’arc qui part du sommet numéroté i et qui va vers le
sommet numéroté j.
Par exemple, en reprenant l’exemple du sommet A, a1,1 0,5 , a1,2 0, 25 et a1,3 0, 25 .
0,5 0, 25 0, 25 2 1 1
1
Alors M 0, 25 0,5 0, 25 1 2 1 après factorisation.
0, 25 0, 25 0,5 4 1 1 2
2 1 1
3) On considère la matrice A 1 2 1 m3 .
1 1 2
a) Justifier que la matrice A est diagonalisable.
Démonstration : A est une matrice symétrique donc elle est diagonalisable.
11
b) Calculer A 2 5A .
Quelle sont les valeurs propres possibles de A ?
2 1 1 2 1 1 6 5 5
2
Démonstration : A 1 2 1 1 2 1 5 6 5 et
1 1 21 1 2 5 5 6
6 5 5 2 1 1 6 5 5 10 5 5 4 0 0
A 5A 5 6 5 5 1 2 1 5 6 5 5 10 5 0 4 0 4I3 . D’où A 2 5A 4I3 0 . Le
2
5 5 6 1 1 2 5 5 6 5 5 10 0 0 4
polynôme défini pour tout réel par P x x 2 5x 4 est un polynôme annulateur de A. Donc les valeurs propres de A font
parties de l’ensemble des racine de P. 1 et 4 sont racines évidentes de P (et il n’y en a pas d’autres) alors Sp A 1; 4 .
c) Déterminer une matrice inversible P ainsi qu’une matrice diagonale D de m3 telles que A PDP 1 .
On calculera la matrice P 1
Démonstration :
1 1 1
A I3 1 1 1 a 3 colonnes identiques donc elle n’est pas inversible. Alors 1 est valeur propre de A.
1 1 1
x 1 1 1 x 0 x y z 0 x y z y z
X y vérifie A I3 X 0 1 1 1 y 0 y y X y / y, z 2
z 1 1 1 z 0 z
z z
y z 1 1 1 1
X y 0 / y, z X y 1 0 / y, z . Alors E1 Ker A I3 Vect 1 , 0 . Ces deux
2 2
0 z 0 1 0 1
vecteurs ne sont pas colinéaires donc ils sont libres.
2 1 1 L1 2L 2 0 3 3
A 4I3 1 2 1 1 2 1 . Cette matrice réduite de A 4I3 admet deux lignes opposées donc elle
1 1 2 L L 0 3 3
3 2
n’est pas inversible et A 4I3 n’est pas inversible. Alors 4 est valeur propre de A.
x 2 1 1 x 0 système 0 3 3 0 L1 L3 0 0 0 0
X y vérifie A 4I3 X 0 1 2 1 y 0 1 2 1 0 1 2 1 0 L 2 2L3
matriciel
z 1 1 2 z 0 0 3 3 0 13 L3 0 1 1 0
0 0 0 0 x z 0 x z z 1 1
1 0 1 0 y z 0 y z X z / z X z 1 / z . Alors E 4 Ker A 4I3 Vect 1 . Ce
0 1 1 0 z z z 1 1
vecteur est non nul donc il est libre.
1 1 1
Selon le théorème de concaténation, la famille 1 , 0 , 1 est une famille libre de 3 vecteurs de 3 qui est de dimension
0 1 1
1 1 1 1 1 1
3. Alors 1 , 0 , 1 est une base de et la matrice P 1 0 1 est inversible.
3
0 1 1 0 1 1
1 1 1 1 0 0 L1 L 2 1 0 1 0 1 0 1 0 1 0 1 0
Calculons 1 0 1 0 1 0 L 2 L3 0 1 1 0 0 1 0 1 1 0 0 1
0 1 1 0 0 1 L3 L1 L 2 0 1 2 1 1 0 L3 L 2 0 0 3 1 1 1 13 L3
12
1 0 1 0 1 0 L1 L3 1 0 0 13 2
3
13 1 1 1 13 2
3
13 1 0 0
2 1 2
0 1 1 0 0 1 L 2 L3 0 1 0 13 1
3 3
. Vérification : 1 0 1 3 1
3 3
0 1 0 I3
0 0 1 1 1 1 0 0 1 1 1 1 0 1 1 1 1 1 0 0 1
3 3 3 3 3 3 3 3 3
13 2
3
13 1 0 0
1 2
alors P 13 13 3
. Posons D 0 1 0 et calculons
1 1 1 0 0 4
3 3 3
1 1 1 1 0 0 13 23 13 1 1 4 13 32 31 2 1 1
1
PDP 1 0 1 0 1 0 13 13 32 1 0 4 13 13 32 1 2 1 A .
0 1 1 0 0 4 1 1 1 0 1 4 1 1 1 1 1 2
3 3 3 3 3 3
1
Nous avons trouvé P inversible et D diagonale telles que A PDP .
Conclusion : La proposition Q(n) est initialisée et héréditaire donc pour tout n , elle est vraie. Pour tout n ,
A n PDn P 1 .
4) La chaîne de Markov associée au graphe probabiliste de la question 1) a-t-elle un état stable ? Lequel ?
Démonstration : Posons V p q r tel que p + q + r = 1. V est un état stable de la chaîne de Markov si et seulement si
0,5 0, 25 0, 25
V VM et p q r 1 p q r p q r 0, 25 0,5 0, 25 et p q r 1
0, 25 0, 25 0,5
p q r 0,5p 0, 25q 0, 25r 0, 25p 0,5q 0, 25r 0, 25p 0, 25q 0,5r et p q r 1
5) Soit n .
4n 2 4n 1 4 n 1
1 n
a) Démontrer que : M n n n
4 1 4 2 4 1 où M est la matrice introduite à la question1).
3 4n 4 n 1 4n 1 4n 2
n n
1 1 1
Démonstration : Remarquons que M A donc pour tout n, M n A n et avec la formule du 3) d), M n PD n P 1 .
4 4 4
1n 0 0 1 0 0
Pour tout n, D n 0 1n 0 0 1 0
0 0
4n 0 0 4n
13
n n
1 1 1 1 0 0 13 32 13 1 1 4 13 23 13 32 13 4 13 13 4n 13 13 4n
PDn P 1 1 0 1 0 1 0 13 13 23 1 0 4n 13 13 23 13 13 4n 2
3
13 4n 13 13 4n
0 1 1 0 0 4n 1 1 1 0 1 4n 1 1 1 1 1 4n 13 13 4n 2
13 4n
3 3 3 3 3 3 3 3 3
n
4n 2 4 n 1 4 n 1
1 1 n
M n PD n P 1 n n
4 1 4 2 4 1 .
4 3 4n 4 n 1 4 n 1 4n 2
1 2
b) Démontrer que p n 1 n et déterminer alors une expression de q n et rn .
3 4
Démonstration : Pour tout n , Vn V0 M n où V0 1 0 0 et Vn p n qn rn .
Pour tout n,
4n 2 4n 1 4n 1 4n 2 4n 1 4n 1
1 n 1 1
n
Vn 1 0 0 4 1 4n 2 4n 1 n
1 0 0 4n 1 4n 2 4n 1 4n 2 4n 1 4n 1 .
3 4n n n n 3 4 4n 1 4n 1 4n 2 3 4
4 1 4 1 4 2
1 1 4n 2 1 2 1 1 4n 1 1 1
Alors pour tout n, p n
3 4 n 4 n
2 n 1 n
3 4 3 4
et q n rn
3 4 n 4 n
1 n 1 n
3 4 3 4
.
Partie III – Nombre moyen de passages en A et temps d’attente avant le premier passage en B
14
8) On définit la variable aléatoire TB de la façon suivante : TB est le numéro de l’étape à laquelle le pion passe pour la première
fois en B, et dans le cas où le point ne passe jamais en B, on pose TB 0 .
Le but de cette question est de déterminer la loi de la variable aléatoire TB ainsi que son espérance.
a) Calculer les probabilités P TB 1 et P TB 2 .
Démonstration : TB 1 veut dire que le pion passe pour la première fois en B à l’étape 1. Comme au départ, le pion est en A
1 1
et qu’il passe en B avec une probabilité égale à alors P TB 1 .
4 4
TB 2 veut dire que le pion passe pour la première fois en B à l’étape 2. Donc à l’étape 1, le pion peut être en A ou en C.
TB 2 A 0 A1 B2 A 0 C1 B2 d’où par réunion disjointe, P TB 2 P A0 A1 B2 P A0 C1 B2 .
Selon le formule des probabilités composées, P TB 2 P A 0 PA A1 PA A B2 P A 0 PA C1 PA C B2 .
0 0 1 0 0 1
1 1
Comme le pion est en A au départ dans tous les cas, PA 0 A1 B2 PA1 B2 et PA0 C1 B2 PC1 B2 alors
4 4
1 1 1 1 1 1 3
P TB 2 1 1 .
2 4 4 4 8 16 16
1
c) Démontrer que P B3 B2 B1 4
P B2 B1 .
1
En déduire que PB
2 B1
B3 .
4
Démonstration : B2 B1 A 2 C 2 A1 C1 A 2 A1 A 2 C1 C 2 A1 C 2 C1 (réunions disjointes).
Alors par intersection avec B3 :
B3 B2 B1 B3 A 2 A1 B3 A 2 C1 B3 C 2 A1 B3 C 2 C1 (réunions disjointes).
D’où P B3 B2 B1 P B3 A 2 A1 P B3 A 2 C1 P B3 C 2 A1 P B3 C 2 C1
P B3 A 2 A1 P A 2 A1 PA 2 A1 B3 P A 2 A1 PA 2 B3 car le mouvement du pion de l’étape 2 à l’étape 3 ne
1 1
dépend que de la position du pion à l’étape 2. Comme PA2 B3 alors P B3 A 2 A1 P A 2 A1 .
4 4
1
De même, P B3 A 2 C1 P A 2 C1 PA 2 C1 B3 P A 2 C1 PA 2 B3 . Comme PA2 B3 alors
4
1
P B3 A 2 C1 P A 2 C1 .
4
1
De même, P B3 C 2 A1 P C 2 A1 PC2 A1 B3 P C 2 A1 PC2 B3 . Comme PC2 B3 alors
4
1
P B3 C 2 A1 P C 2 A1 .
4
1
Pour finir, P B3 C 2 C1 P C 2 C1 PC2 C1 B3 P C 2 C1 PC2 B3 . Comme PC2 B3 alors
4
1
P B3 C 2 C1 P C 2 C1 .
4
1 1 1 1
D’où P B3 B2 B1 P A 2 A1 P A 2 C1 P C 2 A1 P C 2 C1
4 4 4 4
1 1
P A 2 A1 P A 2 C1 P C 2 A1 P C 2 C1 P B2 B1 .
4 4
1 1
Comme P B3 B2 B1 P B2 B1 et par formule P B3 B 2 B1 P B2 B1 PB B B3 alors PB B B3 .
4 2 1 2 1
4
15
n
1
Dans la suite de l’exercice, pour tout n * , on note D n l’événement B k et on admettra que : PD n Bn 1 .
k 1 4
d) Soit k * . Calculer la probabilité P TB k .
En déduire la probabilité P TB 0 .
Démonstration : Soit k * . TB k veut dire que le pion passe pour la première fois en B à l’étape k. Donc avant l’étape k,
le jeton ne peut être qu’en A ou en C. Alors TB k D k 1 Bk et
1
P TB k P D k 1 Bk P D k 1 PDk 1 Bk P D k 1 . Il faut calculer la probabilité de D n pour tout n * .
4
1 3
Remarquons que pour tout n * , PD n Bn 1 1 PD n Bn 1 1 .
4 4
P D1 P B1 P A1 C1 P A1 P C1 0, 5 0, 25 0, 75 et pour tout n * ,
n 1 n 3
P D n 1 P Bk P Bk P n
B n 1 P D n PDn B n 1 P D n . Alors la suite définie pour n * par
k 1 k 1 Bk 4
k 1
n 1 n
3 3 3 3 3
u n P D n est géométrique de raison et de premier terme . Alors pour tout n * , u n .
4 4 4 4 4
k 1
1 1 3
Pour tout k * , P TB k P D k 1 .
4 4 4
Comme TB k / k est un système complet d’événements, par complémentaire et avec la somme d’une série
3
géométrique convergente, de raison 1 1 :
4
k 1 p
1 3 1 3 1 1 1 1
P TB 0 1 P TB k 1 1 1 3
1 1 1 1 0 .
k 1 k 1 4 4 4 p 0 4 4 1 4 4 4
e) Justifier que la variable aléatoire TB admet une espérance. Quelle est l’espérance de TB ?
k 1 k 1
1 3 1 1
Démonstration : Pour tout k * , P TB k 1 . On reconnait que TB suit une loi géométrique de
4 4 4 4
1 1
paramètre . Alors l’espérance de TB existe et E Tn 1 4 .
4 4
16