Annales Maths

ASSEMBLEE DES CHAMBRES FRANCAISES DE COMMERCE ET D’INDUSTRIE
EPREUVES ESC
CONCOURS D’ADMISSION SUR CLASSES PREPARATOIRES
MATHEMATIQUES
OPTION TECHNOLOGIQUE
LUNDI 11 MAI 1998, de 8 h à l2 h
La présentation, la lisibilité, l’orthographe, la qualité de la rédaction, la clarté et la précision des raisonnements

entreront pour une part importante dans l’appréciation des copies. Les candidats sont invités à encadrer, dans la
mesure du possible, les résultats de leurs calculs. Ils ne doivent faire usage d’aucun document;
”L’usage de toute calculatrice ou de tout matériel électronique

est interdit pendant cette épreuve”.
Seule 1’utihsation d’une règle graduée est autorisée.
L’épreuve est composée de trois exercices indépendants. Les différentes parties des exercices 2 et 3 sont
elles-mêmes largement indépendantes.
N.B. Il est demandé au candidat d’indiquer, impérativement, son numéro d’inscription sur les copies.
Exercice 1
On considère dans M3 (IR) les quatre matrices suivantes :

       
1 0 0 3 0 −2 2 0 −2 0 0 0
I =  0 1 0  , A =  2 1 −2  , B =  2 0 −2  et O =  0 0 0 
0 0 1 1 0 0 1 0 −1 0 0 0

 u0 = 0
1. Soit (un )n∈IN la suite réelle définie par et pour tout entier naturel n.

un+1 = 2un + 1
(a) Quelle est la nature de la suite (un )n∈IN ?
(b) En déduire l’expression de un en fonction de n.
2. (a) Calculer le produit de matrices (A − I) (A − 2I) et en déduire que A2 − 3A + 2I = O.

(b) Montrer que A est inversible et exprimer A−1 en fonction de A et de I.
(c) Donner la matrice A−1 .
3. (a) Déterminer les réels a et b tels que A = aI + bB.

(b) Calculer B 2 .
1
4. (a) Montrer, par récurrence sur n, qu’il existe deux suites réelles (an )n∈IN et (bn )n∈IN telles que pour tout entier
naturel n, An = an I + bn B, où (an )n∈IN et (bn )n∈IN vérifient les relations : a0 = 1, b0 = 0, et pour tout entier
 an+1 = an
naturel n : et

bn+1 = 2bn + an .
(b) Quelle est la nature de la suite (an )n∈IN ?
(c) En déduire que pour tout entier naturel n, An = I + (2n − 1) B.
(d) La relation est-elle encore vraie pour n = −1?
Exercice 2
Partie A
( )
Soit g la fonction définie pour tout x réel par g (x) = x3 + x2 e−x . On désigne par C la courbe représentative de
g dans un repère du plan.
1. Soit P le polynôme de degré 2 défini pour tout x réel par P (x) = x2 − 2x − 2.
(a) Déterminer les racines de P .
(b) En déduire le signe de P (x) suivant les valeurs de x.
2. (a) Déterminer les limites de g en −∞ et +∞.

(b) Etudier les branches infinies de C.
( )
3. (a) Montrer que g ′ (x) = −x x2 − 2x − 2 e−x pour tout x réel.
(b) Donner le tableau de variation de g.
4. Donner les équations des tangentes à la courbe C aux points d’abscisses 0 et −1.
5. Construire C ainsi que ses tangentes remarquables dans un repère orthogonal d’unités 1 cm sur (Ox) et 2 cm sur
(Oy). √ √
On prendra e ≃ 2, 7 ; x1 ≃ −0, 7 ; x2 ≃ 2, 7 ; g (x1 ) ≃ 0, 30 ; g (x2 ) ≃ 1, 8 ; où x1 = 1 − 3 et x2 = 1 + 3.
Partie B
* +∞ * +∞
1. On pose I0 = e−x dx et pour tout entier naturel n non nul, In = xn e−x dx.
0 0
(a) Montrer que I0 est une intégrale convergente égale à 1.
(b) En intégrant par parties, montrer que, pour tout réel M :
* M * M
xn+1 e−x dx = −M n+1 e−M + (n + 1) xn e−x dx
0 0
(c) A l’aide d’une récurrence et des deux questions précédentes, montrer que pour tout entier naturel n, les
intégrales In sont convergentes et vérifient la relation In+1 = (n + 1) In .
(d) En déduire que pour tout entier naturel n, In = n!.
+
f (x) = 0 si x < 0
2. Soit f la fonction définie par
f (x) = 18 g (x) si x ≥ 0
(a) Montrer que f est une densité de probabilité d’une variable aléatoire que l’on notera S.
(b) Calculer l’espérance E (S) et la variance V (S) de S.
2
Exercice 3
Le gérant d’un magasin de matériel informatique a acheté un stock de boîtes de disquettes. 5% des boîtes sont
abîmées. Le gérant estime que :
• 60% des boîtes abîmées contiennent au moins une disquette défectueuse,
• 98% des boîtes en bon état ne contiennent aucune disquette défectueuse,
• les états des diverses boîtes sont indépendants les uns des autres.
1. Dans cette question, un client achète une des boîtes du lot.

On désigne par A l’événement : ”la boîte achetée est abîmée” et par D l’événement ”la boîte achetée contient au
moins une disquette défectueuse”.
( ) ( ) ( )
(a) Donner les probabilités P (A), P A , PA (D), PA (D), PA D et PA D . Calculer la probabilité de
l’événement D.
(b) Le client constate qu’une des disquettes est défectueuse. Quelle est la probabilité qu’il ait acheté une boîte
abîmée?
2. Dans cette question, un client achète une boîte par mois.

Tant qu’il n’a pas trouvé de disquettes défectueuses, le çlient se fournit dans le même magasin. A la première
disquette défectueuse trouvée, il change de fournisseur.
On considère que le lot est suffisamment grand pour que la probabilité d’acheter une boîte contenant au moins une
49
disquette défectueuse soit la même chaque fois et égale à p = .
1000
Soit Y la variable aléatoire égale au nombre de boîtes du lot achetées par ce client au moment où il décide de
changer de magasin.
(a) k est un entier non nul.
. Décrire l’événement (Y = k).
. En déduire l’expression de P (Y = k) en fonction de k.
(b) reconnaître la loi de Y et donner E (Y ).
3. Dans cette question, un client achète en une seule fois n boîtes du lot.
49
On considère que chaque boîte a la probabilité p = de contenir au moins une disquette défectueuse.
1000
Soit X la variable aléatoire égale au nombre de boîtes achetées contenant au moins une disquette défectueuse.
(a) Reconnaître la loi de X.
(b) Lorsque le client constate qu’une disquette est défectueuse, il ramène la boîte qui la contenait au magasin.
Comment choisir n pour qu’en moyenne il ait au plus une boîte à retourner?
3
Corrigé
Exercice 1
1. (a). La suite (un )n∈IN est une suite arithmético-géométrique.

(b) le point fixe α est défini par α = 2α + 1, et l’on
, trouve α = −1.
un+1 = 2un + 1
Par soustraction membre à membre des égalités on obtient un+1 − α = 2 (un − α). La suite
α = 2α + 1
(un − α)n∈IN est donc une suite géométrique de raison 2. On a donc, pour tout entier n, un − α = 2n (u0 − α).
Comme u0 = 0 et α = −1, on obtient finalement un = 2n − 1.
Remarque : à partir de la définition de un , on trouve de proche en proche u1 = 1, u2 = 3, u3 = 7,..., ce qui permet
de vérifier la formule un = 2n − 1 pour quelques valeurs de n.
2. (a) On trouve (A − I) (A − 2I) = O. Développant le produit (A − I) (A − 2I), on voit que (A − I) (A − 2I) =

A2 − 3A + 2I, d’où A2 − 3A + 2I = O.
(b) Dans cette question, il convient de ne surtout pas appliquer la méthode du pivot de Gauss.
1
La relation A2 − 3A + 2I = O entraîne A2 − 3A = −2I, d’où A (A − 3I) = −2I, puis A × (3I − A) =
2
1 1
(3I − A) × A = I, ce qui prouve que A est inversible, avec A−1 = (3I − A).
2 2
   
0 0 2 0 0 1
1 1
(c) On trouve alors A−1 = (3I − A) =  −2 2 2  =  −1 1 1 .
2 2 −1 0 3 − 12 0 32
   
0 0 2 3 0 −2
1
Remarque : un calcul direct, et fortement conseillé, permet de vérifier que  −2 2 2  ×  2 1 −2  =
2 −1 0 3 1 0 0
 
1 0 0
 0 1 0 , ce qui permet de continuer l’exercice l’esprit en repos.
0 0 1
3. (a) On voit que A = I + B.

 
a + 2b 0 −2b
Remarque : si on ne ”le voit” pas, on écrit aI + bB =  2b a −2b , et l’égalité aI + bB = A fournit 9
b 0 a−b
équations à 2 inconnues a et b, et l’on trouve aisément que ce système admet l’unique solution a = 1 et b = 1.
 
2 0 −2
(b) On trouve B 2 =  2 0 −2  = B.
1 0 −1
4.(a) Première rédaction

Soient (an )n∈IN et (bn )n∈IN les deux suites réelles définies par les relations : a0 = 1, b0 = 0, et pour tout entier
 an+1 = an
naturel n : et

bn+1 = 2bn + an .
On montre, par récurrence sur n, que, pour tout entier naturel n, An = an I + bn B.
L’énoncé est vrai pour n = 0, en prenant la convention A0 = I, puisque A0 = 1.I + 0.O. Si l’on suppose que,
pour un entier n ≥ 0, quelconque, An = an I + bn B, alors An+1 = An A = (an I + bn B) A = an A + bn BA.
Comme A = I + B, on obtient BA = B (I + B) = B + B 2 = 2B, d’où An+1 = an (I + B) + 2bn B =
an I + (an + 2bn ) B = an+1 I + bn+1 B, l’énoncé est donc encore vrai pour l’entier n + 1, et ceci achève de prouver
qu’il est vrai pour tout entier n ≥ 0.
N.B. : cette rédaction ne pourrait être faite si l’énoncé ne fournissait pas les relations de définition des suites
(an )n∈IN et (bn )n∈IN .
4
(b) deuxième rédaction
On montre qu’il existe deux suites réelles (an )n∈IN et (bn )n∈IN telles que, pour tout entier naturel n,
An = an I + bn B.
Comme A0 = 1.I + 0.O, on voit que l’énoncé est vrai pour n = 0, en posant a0 = 1 et b0 = 0. On suppose
alors que, pour un entier n ≥ 0, quelconque, il existe deux réels an et bn tels que An = an I + bn B. On a alors
An+1 = an (I + B) + 2bn B = an I + (an + 2bn ) B. Si l’on pose an+1 = an et bn+1 = an + 2bn , on a démontré
qu’il existe deux réels an+1 et bn+1 tels que n+1 = a
A n+1 I + bn+1 B. De plus, on a construit les suites (an )n∈IN et
 an+1 = an
(bn )n∈IN de sorte que a0 = 1, b0 = 0 et et

bn+1 = 2bn + an .
(b) La suite (an )n∈IN vérifie an+1 = an pour tout entier n ≥ 0, elle est donc constante. On a, pour tout entier
n ≥ 0, an = a0 = 1.
(c) Il résulte de (b) que, pour tout entier n ≥ 0, bn+1 = 2bn + 1; comme b0 = 0, la suite (bn )n∈IN est donc
identique à la suite (un )n∈IN étudiée en 1. Il en résulte que, pour tout entier n ≥ 0, bn = 2n − 1, et, en résumé,
An = I + (2n − 1) B.
(d) La question signifie : a-t-on le droit de remplacer n par −1 dans la formule An = I + (2n − 1) B? Cette
formule a été démontrée pour n positif ou nul; est-elle aussi vraie pour n = −1? Autrement dit, est-il vrai que
( )
A−1 = I + 2−1 − 1 B?
( ) 1 1 3 1 1
On a I + 2−1 − 1 B = I − B = I − (A − I) = I − I = (3I − A) et l’on voit, à l’aide de la formule
2 2 2 2 2
( −1 ) 1
établie en 2. (a), que I + 2 − 1 B = (3I − A) = A . On peut conclure que la relation An = I +(2n − 1) B
−1
2
est vraie pour tout entier n ≥ −1.
Remarque : on peut montrer qu’elle est vraie pour tout entier, même négatif, en posant, pour k entier
( )−1 ( )k
positif, A−k = Ak (ce qui est équivalent à poser A−k = A−1 ). Pour cela, il suffit de prouver
( ( k ) ) ( ( −k ) ) ( ( k ) ) ( ( −k ) )
que
(( k I + ) (2 − 1 B ×
)) I +( 2 − 1 B
) ( −k = I.
) 2 Or I + 2 − 1 ( B × I
)( + 2 )− 1 B = I+
2 − 1 + 2−k (− 1 ( B + )2k − 1
) ( 2 −
( 1 B . Or
) ) B 2 = B, 2k − 1 2−k − 1 = 2 − 2k − 2−k ,
d’où, substituant,
( I+) 2k − 1 B × I + 2−k − 1 B = I, ce qui prouve que, pour tout entier k ≥ 0,
A−k = I + 2−k − 1 B.
Exercice 2
Partie A
( √ )2
1.(a) Le discriminant ∆ du polynôme P vaut ∆ = 12 = 2 3 , et l’on en déduit que P admet les deux racines
√ √
2−2 3 √ 2+2 3 √
x1 = = 1 − 3 ≃ −0, 7 (dit l’énoncé), et x2 = = 1 + 3 ≃ 2, 7 (dit l’énoncé).
2 2
(b) Le signe de P (x) selon les valeurs de x est donné par le tableau suivant :
x −∞ x1 x2 +∞
P (x) + 0 − 0 +
N.B.: on retrouve aisément ce signe en utilisant la factorisation du trinôme sous la forme P (x) =
1 × (x − x1 ) (x − x2 ).
 ( ) ( )
lim x3 + x2 = lim x3 = −∞
 x→−∞ x→−∞
2. (a) Comme on a limg = −∞ (il n’y a pas, en fait, indétermination);
 lim e−x = +∞ −∞
x→−∞
g présente, au voisinage de +∞, une forme
 indéterminée
- du type (+∞) × 0. Pour lever l’indétermination, on
.
 1
- .  lim 1 +
 x→+∞ =1
1 3 −x x
écrit g (x) = 1 + × x e . On a ( ) et l’on en déduit que
x 
 lim x3 e−x = 0 (prépondérance classique)
 x→+∞
5
limg = 0.
+∞ ( 3 )
N.B. : (on pouvait, tout aussi bien, pour conclure, écrire x + x2 e−x = x3 e−x + x2 e−x ; comme on sait que
) ( )
lim x3 e−x = lim x2 e−x = 0(il s’agit réellement des cas de ”prépondérance classique”), on a limg = 0.
x→+∞ x→+∞ +∞
(b) Puisque limg = 0, l’axe des abscisses est asymptote à la courbe C au voisinage de +∞. Pour étudier
+∞
g (x)
l’existence d’une éventuelle asymptote à la courbe C au voisinage de −∞, il convient de déterminer lim .
 ( 2 ) ( 2) x→−∞ x
 x→−∞lim x + x = lim x = +∞
g (x) ( 2 ) x→−∞ g (x)
Or = x + x e−x ; Comme −x on a lim = +∞, la courbe
x  lim e = +∞ x→−∞ x
x→−∞
g (x)
C n’admet pas d’asymptote au voisinage de −∞. On peut signaler qu’on exprime le fait que lim = +∞,
x→−∞ x
g (x)
en disant que la courbe C admet une branche parabolique de direction Oy : est le coefficient directeur de la
x
droite (OM), où O est l’origine du repère et M le point de la courbe C d’abscisse x, c’est-à-dire M (x, g (x)); ce
coefficient tend vers l’infini quand x tend vers l’infini, autrement dit, la droite (OM) ”tend” à devenir ”verticale”,
c’est-à-dire dans la direction de Oy.
( )
3.
( 3(a) g2 )est−x
dérivable
( 3sur IR2 comme composée( de fonctions)dérivables, et g′ (x) = 3x2 + 2x e−x −
) −x
x + x e = −x + 2x + 2x e = −x x2 − 2x − 2 e−x .
( )
(b) Le signe de g ′ (x) est celui de −x x2 − 2x − 2 . L’étude de ce signe est résumée dans le tableau suivant :
x −∞ x1 0 x2 +∞
P (x) + 0 − − 0 +
−x + + 0 − −
′
g (x) + 0 − 0 + 0 −
et on en déduit le tableau de variation de g :
x −∞ x1 0 x2 +∞
g ′ (x) + 0 − 0 + 0 −
g −∞ ր g (x1 ) ց 0 ր g (x2 ) ց 0
et l’énoncé donne x1 ≃ −0, 7, x2 ≃ 2, 7, g (x1 ) ≃ 0, 30 et g (x1 ) ≃ 1, 8.
4. La tangente à la courbe en x = 0 est ”horizontale”, c’est-à-dire parallèle à l’axe des abscisses; Comme g (0) = 0,
cette tangente est précisément l’axe des abscisses lui-même; son équation est y = 0.
Équation de la tangente à la courbe C au point d’abscisse −1 :
Cette équation est y − g (−1) = g ′ (−1) (x + 1). Comme g (−1) = 0 et g ′ (−1) = e, cette équation se ramène à
y = e (x + 1).
y
2
-2 -1 1 2 3 4 5 6
x
-2
( ) -4
5. Allure de la courbe : y = x3 + x2 e−x ; y = e (x + 1)
Partie B
* X -* X .
( )
1. (a) Soit X > 0. On a e−x dx = [−e−x ]X
0 = 1 − e−X , d’où lim e−x dx = lim 1 − e−X = 1, et
0 X→∞ 0 X→∞
6
* +∞ * +∞
ceci permet de conclure que l’intégrale e−x dx est convergente, avec e−x dx = 1.
0 0
+
u′ (x) = e−x avec u (x) = −e−x
(b) On effectue une intégration par parties, en posant . On a alors:
v (x) = xn+1 , d’où v ′ (x) = (n + 1) xn
* M * M * M
n+1 −x ′ M
x e dx = u (x) v (x) dx = [u (x) v (x)]0 − u (x) v ′ (x) dx.
0 0 0
* M
0 n+1 −x 1M
= −x e 0 − (n + 1) xn × (−e−x ) dx
0
* M
0 1M
= −xn+1 e−x 0 + (n + 1) xn e−x dx
* M0
= −M n+1 e−M + (n + 1) xn e−x dx
0
(c) On montre par récurrence que pour tout entier naturel n, les intégrales In sont convergentes.
On sait déjà que l’intégrale I0 converge (avec I0 = 1).
* M
On suppose alors que l’intégrale In converge, ce qui revient à dire que la quantité xn e−x dx admet une limite
0
finie quand M tend vers l’infini, cette limite étant alors notée In . Comme on sait (prépondérance classique)
* M * M
( n+1 −M ) n+1 −x n+1 −M
que lim M e = 0, la relation x e dx = −M e + (n + 1) xn e−x dx permet
M→+∞ 0 0
* M
de conclure que la quantité xn+1 e−x dx admet une limite finie quand M tend vers l’infini, avec de plus,
-* M . 0 -* M .
lim n+1 −x
x e dx = (n + 1) lim n −x
x e dx , autrement dit, que l’intégrale In+1 converge,
M→+∞ 0 M→+∞ 0
avec, de plus, In+1 = (n + 1) In , ce qui achève de prouver que, pour tout entier naturel n, l’intégrale In est
convergente, et In+1 = (n + 1) In .
(d) On montre par récurrence que pour tout entier naturel n, In = n!.
L’énoncé est vrai pour n = 0, puisqu’on a trouvé que I0 = 1 = 0!. Si l’on suppose que, pour un entier n ≥ 0,
quelconque, In = n!, alors In+1 = (n + 1) In = (n + 1) × n! = (n + 1)!, l’énoncé est donc encore vrai pour
l’entier n + 1, il est donc vrai pour tout entier n ≥ 0.
2. (a) f est une densité de probabilité d’une variable aléatoire si :



 ∀x ∈ IR f (x) ≥ 0
 f est continue, sauf, éventuellement, en un nombre fini de points
* +∞


 f (x) dx = 1
−∞
Que, pour tout réel x, f (x) soit positive ou nulle, résulte, pour x < 0, de ce que f (x) = 0, et, pour x ≥ 0, de ce
1 1
que f (x) = g (x) = x2 (x + 1) e−x ≥ 0.
8 8
f est clairement continue en tout réel x non nul, comme composée de fonctions continues. En fait, f est aussi
continue en x = 0, puisque lim −
f = 0 = f (0), f étant, de plus, continue à droite de 0.
* +∞ 0
Il reste à vérifier que f (x) dx = 1. Or f étant nulle sur ]−∞, 0],
−∞ - * X .
* +∞ * +∞
1
f (x) dx = f (x) dx = lim g (x) dx
−∞ 0 X→∞ 8 0
- * X .
1 ( 3 2
) −x
= lim x + x e dx
X→∞ 8 0
- -* X . * X .
1 3 −x 2 −x
= lim x e dx + lim x e dx
8 X→∞ 0 X→∞ 0
1 1
= (I3 + I2 ) = (3! + 2!) = 1
8 8
7
et l’on peut ainsi conclure que f est bien une densité de probabilité.
(b) Sous réserve
* +∞ de la convergence* des intégrales généralisées écrites, on a
1 +∞
E (S) = xf (x) dx = xg (x) dx puisque f est nulle sur ]−∞; 0[.
8
* +∞−∞ * +∞ 0
( )
Mais xg (x) dx = x x3 + x2 e−x dx
0
*0 +∞ * +∞
= 4 −x
x e dx + x3 e−x dx = I4 + I3 = 24 + 6
0 0
= 30
30 15
Donc E (S) = = = 3, 75.
8 *4 +∞ *
( ) 1 +∞ 2
De même, E S 2 = x2 f (x) dx = x g (x) dx , et
−∞ 8 0
* +∞ * +∞
( )
x2 g (x) dx = x2 x3 + x2 e−x dx
0
*0 +∞ * +∞
= 5 −x
x e dx + x4 e−x dx = I5 + I4 = 120 + 24
0 0
= 144,
- .2
( ) 144 ( ) 15 63
donc E S 2 = = 18, et V (S) = E S 2 − E (S)2 = 18 − = .
8 4 16
Exercice 3
1. Dans cette question, un client achète une des boîtes du lot.

( )
L’énoncé indique que P (A) = 0, 05 (5% des boîtes sont abîmées). Il en résulte que P A = 1 − P (A) = 0, 95.
De même, l’énoncé indique que P(A (D) ) = 0, 6 (60% des boîtes abîmées contiennent au moins une disquette
défectueuse). Il en résulte que PA D = 1 − PA (D) = 0, 4.
( )
L’énoncé indique enfin que PA D = 0, 98 (98% des boîtes en bon état ne contiennent aucune disquette
( )
défectueuse). Il en résulte que PA (D) = 1 − PA D = 0, 02.
En résumé :
P (A)
( ) = 0, 05 PA (D)
( ) = 0, 6 PA (D)( ) = 0, 02
P A = 0, 95 PA D = 0, 4 PA D = 0, 98
Les événements A et A formant un système complet d’événements, la formule des probabilités totales permet
d’écrire : ( )
P (D) = PA (D) P (A) + PA (D) P A = 0, 6 × 0, 05 + 0, 02 × 0, 95 = 0, 049.
P (A ∩ D) PA (D) P (A) 0, 6 × 0, 05 30
(b) On veut ici calculer PD (A). Or PD (A) = = = = = 0, 61 à 10−2
P (D) P (D) 0, 049 49
près.
2. Dans cette question, un client achète une boîte par mois.

(a) L’événement (Y = k) est réalisé lorsque les k − 1 premières boîtes achetées ne contiennent aucune disquette
défectueuse (probabilité (1 − 0, 049)k−1 , et la kième contient au moins une disquette défectueuse (probabilité
0, 049).
Il en résulte que P (Y = k) = 0, 951k−1 × 0, 049.
(b) En fait Y suit la loi géométrique de paramètre 0, 049. Lorsque l’énoncé demande de ”donner E (Y )”, il faut
ici comprendre qu’il s’agit seulement de citer le cours, et pas de redémontrer cette formule. On doit savoir, et ce
1
résultat est intuitif, que; Y suivant la loi géométrique de paramètre 0, 049, on a E (Y ) = = 20, 4 à 10−1 près.
0, 049
8
3. Dans cette question, un client achète en une seule fois n boîtes du lot.
(a) Lorsqu’on examine une boîte pour savoir si elle contient au moins une disquette défectueuse, on effectue une
épreuve de Bernoulli de paramètre 0, 049. Compte-tenu de l’indépendance des états des boîtes, le nombre X des
boîtes contenant au moins une disquette-défectueuse
. suit la loi binomiale de paramètres n et 0, 049, c’est-à-dire
n
X (Ω) = {0, 1, ..., n} et P (X = k) = 0, 049k × 0, 951n−k .
k
(b) On a E (X) = 0, 049n, et l’on cherche n pour que E (X) ≤ 1, c’est-à-dire 0, 049n ≤ 1, ce qui revient à
1
n≤ = 20, 4. Le client doit donc acheter au plus 20 boîtes (il en achète évidemment un nombre entier) pour
0.049
ne pas avoir à rapporter, en moyenne, plus d’une boîte).
9
Sujet ESC , Voie Technologique, 1999
Exercice 1
Partie A
On considère dans M3 (IR) les 3 matrices suivantes :
     
0 1 0 0 1 1 1 0 0
1
M =  1 0 0  , P =  0 1 −1  et D =  0 12 0 
2 1 1 2 1 −2 0 0 0 − 12
1. Montrer que P est inversible et calculer P −1 (tous les détails des calculs figureront sur la copie).
2.a. Vérifier que P −1 MP = D et en déduire M en fonction de P , D et P −1 .

b. Déterminer Dn pour tout entier naturel n non nul.
c. En expliquant le raisonnement suivi, exprimer M n en fonction de P , Dn et P −1 pour tout entier naturel n non
nul.  ( 1 )n ( 1 )n ( 1 )n ( 1 )n 
( 2 ) + (− 2 ) ( 2 ) − (− 2 ) 0
1 n n 1 n n
d. Établir que, pour tout entier naturel non nul : M n =  12 − ( −)12 2 + ( −)12 0 .
2 1 n 1 n
2−2 2 2−2 2 2
Partie B
Un tourniquet comprend 3 cases A, B et C. Au cours des instants successifs 0, 1, 2, 3, ..., n, ... une boule se déplace
sur le tourniquet de la manière suivante :
• À l’instant 0, la boule est en A.
• Si à l’instant n, la boule est en A, à l’instant n + 1 elle est en B ou en C avec équiprobabilité.
• Si à l’instant n, la boule est en B, à l’instant n + 1 elle est en A ou en C avec équiprobabilité.
• Si à l’instant n, la boule est en C, elle y reste à l’instant n + 1.
Pour n entier naturel, on désigne par :
• An l’événement ”la boule est dans la case A à l’instant n”.
• Bn l’événement ”la boule est dans la case B à l’instant n”.
• Cn l’événement ”la boule est dans la case C à l’instant n”,  
an
et l’on note : an = P (An ), bn = P (Bn ), cn = P (Cn ) et Xn =  bn .
cn
1.a. Donner les probabilités : P (A0 ), P (B0 ), P (C0 ).

b. Calculer P (A1 ), P (B1 ), P (C1 ), et vérifier que P (A1 ) + P (B1 ) + P (C1 ) = 1
2. Dans cette question n est un entier naturel non nul.

a. Donner les 9 probabilités suivantes : PAn (An+1 ), PBn (Bn+1 ) et PCn (Cn+1 );
PAn (Bn+1 ) et PAn (Cn+1 ); PBn (An+1 ) et PBn (Cn+1 ); PCn (An+1 ) et PCn (Bn+1 ).
b. À l’aide de la formule des probabilités totales, exprimer les probabilités an+1 , bn+1 et cn+1 en fonction des
probabilités an , bn et cn .
c. En déduire que Xn+1 = MXn , M désignant la matrice de la partie A.
3.a. Montrer par récurrence que pour tout entier naturel n, Xn = M n .X0 .
b. En déduire pour n entier naturel les expressions de an , bn et cn en fonction de n et vérifier que : an + bn +cn = 1.
4. Soit T la variable aléatoire égale au nombre de déplacements nécessaires pour que la boule atteigne C pour la
première fois.
k désigne un entier naturel non nul.
10
a. Vérifier que (T = k) = (Ak−1 ∩ Ck ) ∪ (Bk−1 ∩ Ck ).
b. Exprimer P (T = k) en fonction de k. Reconnaître la loi de T . Donner E (T ).
Exercice 2
Partie A
x
Soit f la fonction numérique définie sur [1; +∞[ par f (x) = .
x − ln x
On désigne par C la courbe représentative de f dans un repère du plan.
1.a. Déterminer la limite de f en +∞.

b. En déduire la nature de la branche infinie de C en +∞.
2.a. Résoudre dans [1; +∞[ l’inéquation 1 − ln x ≥ 0.

b. En déduire que f ′ (x) s’annule et change de signe en x = e.
c. Donner le tableau de variations de f.
3. Donner les équations des tangentes à la courbe C aux points d’abscisses 1 et e.
4. Construire C ainsi que ses tangentes remarquables et asymptotes éventuelles dans un repère orthonormé d’unité
e
3 cm. On prendra: e ≃ 2, 7; ≃ 1, 6.
e−1
Partie B
Soit a un réel strictement plus grand que 1.
Soit T une variable aléatoire à valeurs dans IN\ {0} de loi définie par :
- .
ln a k−1
pour k entier naturel non nul, P (T = k) = p où p est une constante réelle strictement positive.
a
n désigne un entier naturel non nul.
- .
ln a ln a n
1.a. Rappeler le signe de et comparer le réel ln a au nombre 1. En déduire lim .
a n→+∞ a
n
2
( ) 1 − xn
b. Pour tout x réel différent de 1 développer 1 + x + ... + xn−1 (1 − x) et en déduire que xk−1 = .
1−x
k=1
n -
2 .
ln a k−1
2. On pose Sn = .
a
k=1
ln a
a. Exprimer Sn en fonction de n et de .
a
b. En déduire que lim Sn = f (a), où f est la fonction définie dans la partie A.
n→∞
ln a
3.a. Montrer alors que la loi de T est bien définie pour p = 1 − .
a
b. Reconnaître la loi de T et donner E (T ).
Exercice 3
Partie A
11
On désigne par X la variable aléatoire ”durée de vie” (en heures) d’un appareil ménager. On suppose que X admet
pour densité de probabilité la fonction f définie par :
+
0, 002e−0,002x si x ≥ 0
f (x) =
0 si x < 0
1. Reconnaître la loi de X. Donner E (X) et V (X). Déterminer la fonction de répartition de X.
2.a. Calculer la probabilité pour qu’un appareil fonctionne au moins 800 heures.
b. Calculer la probabilité pour qu’un appareil fonctionne moins de 900 heures sachant qu’il a fonctionné au moins
800 heures.
1 8 1
On rappelle que 0, 002 = et on prendra e− 5 ≃ 0, 202 ; e− 5 = 0, 819.
500
Partie B
Le taux de pannes d’une centrifugeuse étant trop élevé, son fabricant décide de rappeler les 10 000 unités déjà
vendues en France en diffusant un communiqué dans la presse.
On estime à 0, 1 la probabilité qu’une quelconque de ces centrifugeuses soit retournée à l’un des concessionnaires.
Les retours sont indépendants les uns des autres.
Soit Z la variable aléatoire égale au nombre de centrifugeuses retournées dans toute la France. Reconnaître la loi
de Z. Donner E (Z), V (Z).
( )
2.a. Justifier que l’on peut approcher la loi de Z par une loi normale N m, σ2 dont on déterminera les paramètres.
Tous les calculs suivants seront faits avec cette approximation et l’on ne tiendra pas compte de la correction de
continuité.
On désigne par Φ la fonction de répartition de la loi normale N (0, 1).
b. Rappeler pour tout x réel la valeur de Φ (x) + Φ (−x).
c. Exprimer P (970 ≤ Z ≤ 1 030) en fonction de Φ (1).
d. Déterminer le plus grand entier M tel que P (Z ≥ M) ≥ 0, 9772.
Extrait de la table normale centrée réduite : Φ (1) ≃ 0, 8413; Φ (2) ≃ 0, 9772.
12
Sujet ESC , Voie Technologique, 1999
Exercice 1
Partie A
1. On utilise la méthode du pivot de Gauss pour prouver l’inversibilité de P , et calculer son inverse.
Les pivots successifs seront portés en gras.
0 1 1 1 0 0
0 1 −1 0 1 0 . Par L1 ←→ L3 , on obtient :
1 −2 0 0 0 1
+
1 −2 0 0 0 1 L1 ←− L1 + 2L2
0 1 −1 0 1 0 . Par , on obtient :
L3 ←− L3 − L2
0 1 1 1 0 0
1 0 −2 0 2 1 +
L1 ←− L1 + L3
0 1 −1 0 1 0 . Par , on obtient :
L2 ←− 2L2 + L3
0 0 2 1 −1 0
 1
1 0 0 1 1 1 
 L2 ←− L2
0 2 0 1 1 0 . Enfin, par 2
1 , on obtient :

 L3 ←− L3
0 0 2 1 −1 0
2
1 0 0 1 1 1
0 1 0 12 1
2 0
0 0 1 12 − 12 0
   
1 1 1 2 2 2
1
c’est-à-dire que P est inversible, avec P −1 =  12 1
2 0  =  1 1 0 .
1 1 2 1 −1 0
2 −2 0
     
1 1 1 4 4 4 1 0 0
1
2.a. On trouve P −1 M =  14 14 0  =  1 1 0 , puis P −1 MP =  0 12 0  = D.
4
− 14 14 0 −1 1 0 0 0 − 12
−1 −1
On en déduit que P DP = P P MP P = M. −1
 
1 ( 0) 0
n  1 n .
b. D étant diagonale, on a D = 0 2 ( 01 )n
0 0 −2
c. On montre, par récurrence, que, pour tout entier n ≥ 1, M n = P Dn P −1 .
D’après a., la formule est vraie pour n = 1 : M 1 = P D1 P −1 .
On
( suppose ) (alors que,) pour un entier
( n) ≥ 1, M n = P Dn P −1 . On en déduit M n+1 = M n M =
P Dn P −1 P DP −1 = P Dn P −1 P DP −1 = P Dn+1 P −1 car P −1 P = I (matrice-unité d’ordre 3), la
formule est donc encore vraie pour l’entier n + 1, ce qui achève de prouver qu’elle est vraie pour tout entier n ≥ 1.
 ( 1 )n ( 1 )n 
0 −2
 0 ( 21 )n ( )n 
n
d. Un calcul simple fournit P D =  2( ) − − 12 , puis
1 n
1 −2 2 0
 1 ( 1 )n 1 ( 1 )n 1 ( 1 )n 1 ( 1 )n 
2 2 + 2 −2 2 2 − 2 −2 0
 1 ( 1 )n 1 ( 1 )n 1 ( 1 )n + 1 (− 1 )n 0 
M n = P Dn P −1 =  2 2 − 2 − 2 2 2 , c’est-à-dire :
( 1 )n (21 )n 2
1− 2 1− 2 1
 ( 1 )n ( 1 )n ( 1 )n ( 1 )n 
2 + −2 2 − −2 0
1  ( 1 )n ( 1 )n ( 1 )n ( 1 )n
Mn =  2 − −2 2 + −2 0 
2 ( )
1 n
( )
1 n
2−2 2 2−2 2 2
13
Partie B
1.a. Le fait qu’à l’instant 0, la boule soit en A se traduit par :.
P (A0 ) = 1, P (B0 ) = 0, P (C0 ) = 0
b. Le fait qu’à l’instant 0, la boule soit en A et que, si à l’instant n, la boule est en A, à l’instant n + 1 elle soit en
B ou en C avec équiprobabilité se traduit par :.
1 1
P (A1 ) = 0, P (B1 ) = , P (C1 ) =
2 2
2.a. Il s’agit de traduire les données de l’énoncé.

• Si à l’instant n, la boule est en A, à l’instant n + 1 elle est en B ou en C avec équiprobabilité :
1 1
PAn (An+1 ) = 0, PAn (Bn+1 ) = et PAn (Cn+1 ) = .
2 2
• Si à l’instant n, la boule est en B, à l’instant n + 1 elle est en A ou en C avec équiprobabilité :
1 1
PBn (An+1 ) = , PBn (Bn+1 ) = 0 et PBn (Cn+1 ) = .
2 2
• Si à l’instant n, la boule est en C, elle y reste à l’instant n + 1 :
PCn (An+1 ) = PCn (Bn+1 ) = 0 et PCn (Cn+1 ) = 1.
b. Pour chaque valeur de n, les événements An , Bn et Cn forment un système complet d’événements. La formule
des probabilités totales permet alors d’écrire les relations suivantes :

 P (An+1 ) = PAn (An+1 ) P (An ) + PBn (An+1 ) P (Bn ) + PCn (An+1 ) P (Cn )

P (Bn+1 ) = PAn (Bn+1 ) P (An ) + PBn (Bn+1 ) P (Bn ) + PBn (Cn+1 ) P (Cn )

 P (Cn+1 ) = P (Cn+1 ) P (An ) + P (Bn+1 ) P (Bn ) + P (Cn+1 ) P (Cn )
An Bn Cn
Avec les données et les notations de l’énoncé, on obtient donc :

 1

 an+1 = bn

 2
 1
bn+1 = an

 2

 1 1

 cn+1 = an + bn + cn
2 2
   1
 
an+1 0 2 0 an
c. Les relations explicitées en b. s’écrivent, sous forme matricielle,  bn+1  =  12 0 0   bn ,
cn+1 1 1 cn
2 2 1
c’est-à-dire Xn+1 = M Xn .
3.a. On montre, par récurrence, que, pour tout entier naturel n, Xn = M n X0 . Ceci suppose que, par convention,
on ait posé M 0 = I, ce qui est, comme on le vérifie, compatible avec la formule établie en A.2.d.
Pour n = 0, la formule est alors vraie : X0 = M 0 X0 . Si l’on suppose que pour un entier n ≥ 0, on a Xn = M n X0 ,
alors Xn+1 = M Xn = M (M n X0 ) = M n+1 X0 , et la formule est encore vraie pour l’entier n + 1, ce qui achève
de prouver qu’elle est vraie pour tout entier n ≥ 0.
 ( 1 )n ( 1 )n ( 1 )n ( 1 )n     1 ( 1 )n 1 ( 1 )n 
2 + − 2 2 − − 2 0 1 2 ( 2 ) + 2 (− 2 )
1  ( 1 )n ( 1 )n ( 1 )n ( 1 )n   n n 
b. Un calcul simple fournit : Xn =  2 − − 2 2 + −2 0   0  =  12 12 − 12 − 12 ,
2 ( 1 )n ( 1 )n ( 1 )n
2−2 2 2−2 2 2 0 1− 2
 ( )
1 1 n 1
( 1 )n

 an = 2 ( 2) + 2 ( − 2)
n n
c’est-à-dire bn = 12 12 − 12 − 12 , et l’on voit que :

 ( )n
cn = 1 − 12
( ( )n ( )n ) ( 1 ( 1 )n 1 ( 1 )n ) ( ( )n )
an + bn + cn = 12 12 + 12 − 12 + 2 2 − 2 −2 + 1 − 12 =1
14
4.a. Dire que l’événement (T = k) est réalisé, c’est dire que Ck est réalisé et qu’aucun des Cj n’est
réalisé pour j < k. Puisque, lorsque Cn est réalisé, Cj l’est aussi pour tout j ≥ n, on voit que (T = k)
est réalisé si, et seulement si Ck est réalisé et Ck−1 ne l’est pas. Comme Ck−1 = Ak−1 ∪ Bk−1 , on a
(T = k) = (Ak−1 ∪ Bk−1 ) ∩ Ck = (Ak−1 ∩ Ck ) ∪ (Bk−1 ∩ Ck ) en utilisant la distributivité de l’intersection par
rapport à la réunion.
b. Il résulte de a. et de ce que (Ak−1 ∩ Ck ) et (Bk−1 ∩ Ck ) sont incompatibles (car Ak−1 et Bk−1 le sont ) que
P (T = k) = P (Ak−1 ∩ Ck ) + P (Bk−1 ∩ Ck ).
1 1
Comme P (Ak−1 ∩ Ck ) = PAk−1 (Ck ) P (Ak−1 ) = ak−1 , et P (Bk−1 ∩ Ck ) = PBk−1 (Ck ) P (Bk−1 ) = bk−1 ,
on a : 2 2
1 1
P (T = k) = ak−1 + bk−1
25 2
1 1 ( 1 )k−1 1 ( 1 )k−1 6 1 5 1 ( 1 )k−1 1 ( 1 )k−1 6
= + 2 −2 + − 2 −2
2 2 2 2 2 2
1
= k
2
1
et T suit donc la loi géométrique de paramètre , et donc E (T ) = 2.
2
Exercice 2
Remarque : En étudiant, par exemple, la fonction auxiliaire x 6−→ x − ln x, on voit que, pour tout élément x de
]0; +∞[ ln x < x, la fonction f est donc bien définie sur [1; +∞[.
Partie A
x
Soit f la fonction numérique définie sur [1; +∞[ par f (x) = .
x − ln x
On désigne par C la courbe représentative de f dans un repère du plan.
x 1 ln x
1.a. On écrit f (x) = ( ln x
)= ln x
. Comme on sait que lim = 0, on a limf = 1.
x 1− x 1− x x→+∞ x +∞
b. Puisque limf = 1, C admet pour asymptote, au voisinage de +∞, la droite (dite ”horizontale”) d’équation
+∞
y = 1.
2.a. Il est clair que l’inéquation 1 − ln x ≥ 0 est vérifiée pour x ∈ ]0; e].
( )
′
(x − ln x) × 1 − 1 − x1 × x 1 − ln x 2 ′
b. On a f (x) = 2 = 2 , et (x − ln x) > 0, donc f (x) est du signe de
(x − ln x) (x − ln x)
 ∀x ∈ ]0; 1[ f ′ (x) > 0
1 − ln x. Il résulte alors de 2.a. que : f ′ (e) = 0 .

∀x ∈ ]1; +∞[ f ′ (x) < 0
c. Tableau de variations de f
x 1 e +∞
f ′ (x) + 0 −
e
f 1 ր e−1 ց 1
e
3. La tangente à la courbe C au point d’abscisse e est horizontale, elle admet y = pour équation.
e−1
L’équation de la tangente à la courbe C au point d’abscisse x0 est y − f (x0 ) = f ′ (x0 ) (x − x0 ). On a : f (1) = 1
et f ′ (1) = 1; la tangente à la courbe C au point d’abscisse 1 admet donc pour équation y − 1 = x − 1, c’est-à-dire
y = x.
15
4. Allure de la courbe :
y 1.6
1.4
1.2
1.0
0.8
0.6
0 1 2 3 4 5 6 7 8 9 10
x x
y=
x − ln x
Partie B
- .
ln a ln a n
1.a. Pour a > 1, on a 0 < ln a < a, donc 0 < < 1. Il en résulte que lim = 0.
a n→∞ a
( ) ( ) ( )
b. On a 1 + x + ... + xn−1 (1 − x) = (1 − x) + x − x2 + ... xn−1 − xn = 1 − xn (ce développement est
valable pour tout réel x, y compris pour x = 1).
2n
1 − xn
On en déduit que, pour tout x 7= 1, xk−1 = .
1−x
k=1
n - . ( )n
ln a 2 ln a k−1 1 − lnaa
2.a. On applique 1.b. à x = (7= 1). On obtient Sn = =
a
k=1
a 1 − lnaa
( ln a )n ln a 1 a
b. On a lim a = 0 (car 0 < < 1), donc lim Sn = ln a
= = f (a).
n→∞ a n→∞ 1− a a − ln a
+∞
2 +∞
2 +∞ -
2 . +∞ -
2 .
ln a k−1 ln a k−1
3.a. Il convient de s’assurer que P (T = k) = 1. Or P (T = k) = p =p =
a a
k=1 k=1 k=1 k=1
1 a − ln a ln a
p lim Sn = pf (a). On doit donc avoir pf (a) = 1, d’où p = = =1− .
n→∞ f (a) a a
- .- .
∗ ∗ ln a ln a k−1
b. On a T (Ω) = IN , et, pour tout élément k de IN P (T = k) = 1 − , et l’on voit que T suit
a a
ln a
la loi géométrique de paramètre 1 − .
a
Exercice 3
Partie A
1. X suit la loi exponentielle de paramètre 0, 002. On doit savoir que, si X suit la loi exponentielle de paramètre λ
 1

 E (X) =
λ
(où λ > 0), alors : 1 . En particulier, dans les conditions de l’énoncé,

 V (X) = 2
λ

 1

 E (X) = 0, 002 = 500
 1

 V (X) = 0, 0022 = 250 000
Fonction de répartition F
16
• si x < 0, F (x) = *
0 car f est nulle sur ]−∞;
* 0];
x x
• si x ≥ 0, F (x) = f (t) dt = 0, 002 e−0,002t dt = 1 − e−0,002x .
−∞ 0
2.a. On cherche P (X ≥ 800). On a :

P (X ≥ 800) = 1 − P (X < 800) = 1 − F (800) = e−0,002×800
8
= e− 5
= 0, 798 (à la précision des données de l’énoncé)
P ((X < 900) ∩ (X ≥ 800))
b. On cherche P(X≥800) (X < 900). On a P(X≥800) (X < 900) = . Mais
P (X ≥ 800)
P ((X < 900) ∩ (X ≥ 800)) = P (800 ≤ X < 900) = P (X < 900) − P (X < 800)
( ) 5 8
6
= F (900) − F (800) = 1 − e−0,002×900 − 1 − e− 5
8 9 8
5 1
6
= e− 5 − e− 5 = e− 5 1 − e− 5
8
La présentation du résultat sous cette forme visant à exploiter les données de l’énoncé, e− 5 ≃ 0, 002 et
1
e− 5 ≃ 0, 819. 5 6
8 1
e− 5 1 − e− 5 1
On obtient P(X≥800) (X < 900) = − 85
= 1 − e− 5 = 1 − 0, 819 = 0, 181.
e
Partie B
1. Pour chacune des 10 000 centrifugeuses, le fait d’être, ou non, retournée à l’un des concessionnaires
constitue une épreuve de Bernoulli, de paramètre 0, 1. Ces épreuves de Bernoulli peuvent (légitimement, d’après
l’énoncé) être supposées indépendantes. Le nombre de retours suit- donc une. loi binomiale, de paramètres
10 000
10 000 et 0, 1, autrement dit Z (Ω) = [[0; 10 000]] et P (Z = k) = × 0, 1k × 0, 910 000−k . On a alors
k
E (Z) = 10 000 × 0, 1 = 1 000, et V (Z) = 10 000 × 0, 1 × 0, 9 = 900.
2.a. Remarque :
Rappel : on montre que, pour de ”grandes” valeurs de n, et des valeurs de p ”pas trop faibles”, la loi binomiale de
paramètres n et p peut être approchée par une loi normale; les paramètres de cette loi sont tels que la loi binomiale
donnée, et la loi normale utilisée comme approximation aient même espérance et même variance. Autrement dit, la
loi binomiale de paramètres n et p peut être approchée par la loi normale de paramètres m = np et σ 2 = npq (de
sorte que les paramètres de cette loi soient tels que la loi normale ”approchante” et la loi binomiale ”approchée”
aient même espérance et même variance). Les programmes en vigueur en 2002 utilisaient les paramètres m = np
√
et σ = npq pour désigner cette même loi.
L’énoncé demandait donc de ”justifier que l’on peut approcher la loi de Z par une loi normale N (m, σ) dont on
déterminera les paramètres”.
Conditions pratiques 
 (i) n ≥ 30 (n grand)
on considère que l’approximation ci-dessus est valide lorsque : (ii) np ≥ 15 (np pas trop faible)

(iii) npq > 5
( )
La loi de Z peut donc être approchée par une loi normale N m, σ2 , où m = 1 000 et σ2 = 900.
b. On a Φ (x) + Φ (−x) = 1 (faire un dessin, plutôt que faire appel à sa mémoire).

Z − 1000
c. Si l’on pose T = , on sait que T suit la loi normale centrée réduite.
30 - .
970 − 1000 Z − 1000 1 030 − 1000
Comme (970 ≤ Z ≤ 1 030) = ≤ ≤
30 30 30
= (−1 ≤ Z ≤ 1)
on a P (970 ≤ Z ≤ 1 030) = P (−1 ≤ Z ≤ 1) = P (Z ≤ 1) − P (Z < −1)
= Φ (1) − Φ (−1) = Φ (1) − (1 − Φ (1))
= 2Φ (1) − 1
17
Avec les données de l’énoncé, on obtient alors P (970 ≤ Z ≤ 1 030) = 2 × 0, 8413 − 1 = 0, 6826.
- . - .
Z − 1 000 M − 1 000 M − 1 000
d. On a (Z ≥ M) = ≥ = T ≥ , et T suit la loi normale centrée réduite,
30 30 30
( M−1 000 )
donc P (Z ≥ M) = 1 − P (Z < M) = 1 − P (Z ≤ M ) = 1 − Φ . On cherche donc le plus grand entier
( ) (30 ) ( ) ( )
M tel que 1 − Φ M−1 000
≥ Φ (2). Mais on déduit de b. que 1 − Φ M−1 000
= Φ − M−1 000
= Φ 1 000−M .
30 ( 1 000−M ) 30 30 30
On cherche donc le plus grand entier M tel que Φ 30 ≥ Φ (2). Comme Φ est strictement croissante sur IR,
1 000 − M
ceci revient à ≥ 2, ou M ≤ 940. L’entier M cherché vaut donc 940.
30
18
EPREUVES ESC
MATHÉMATIQUES
JEUDI 4 MAI 2OOO, de 8 h à l2 h

mesure du possible, les résultats de leurs calculs. ils ne doivent faire usage d’aucun document;
“L’usage de toute calculatrice ou de tout matériel électronique
est interdit pendant cette épreuve“.
Seule l’utilisation d’une règle graduée est autorisée.
L’épreuve est composée de trois exercices indépendants dont les différentes parties sont elles- mêmes largement
indépendantes.
19
Exercice 1
- .
2 3
Soit f la fonction définie pour tout x réel par : f (x) = x − x − .e2x .
4
On désigne par C sa courbe représentative dans un repère du plan.
1. (a) Déterminer les limites de f en −∞ et +∞.

(b) Etudier les branches infinies de C.
√
5
2. (a) Montrer que la fonction f est dérivable sur IR et que sa fonction dérivée f′ change de signe en − et en
√ 2
5
.
2
(b) Donner le tableau de variations de f .
3. (a) Résoudre sur IR l’équation : f (x) = 0 .

(b) Déterminer le signe de f (x) suivant les valeurs du réel x.
1 3
(c) Déterminer une équation des tangentes à C aux points d’abscisses − , 0 et .
2 2
√ √
5 1 5
4. (a) Tracer les tangentes à C aux points d’abscisses − , − , 0 et dans un repère orthonormé d’unité
2 2 2
2 cm.
(b) Tracer C et ses asymptotes éventuelles dans ce même repère.
√ 5 √ 6 5√ 6
On prendra : 25 ≃ 1, 1 ; f − 25 ≃ 0, 2 ; f 25 ≃ −5, 8 ; 2e−1 ≃ 0, 7 ; 2e3 ≃ 40 .
* 3
2
5. (a) Calculer l’intégrale : I = e2x dx .
− 12
(b) Calculer, à l’aide d’intégrations par parties, les deux intégrales suivantes :
* 3 * 3
2 2
2x
J= x.e dx et K= x2 .e2x dx .
− 12 − 12
(c) Déterminer, en cm2 , l’aire de l’ensemble des points M de coordonnées (x, y) dans le repère choisi à la
1 3
question 4. telles que : − ≤ x ≤ et f (x) ≤ y ≤ 0 .
2 2
Hachurer cet ensemble sur le graphique précédent.
Exercice 2
Partie I
+∞ n
2 x
1. Rappeler, pour tout réel x, la valeur de : .
n=0
n!
2. Soit a un réel. On suppose que le nombre N de skieurs qui se présentent pendant une durée T à une remontée
mécanique est une variable aléatoire dont la loi est définie par :
5n
pour tout entier naturel n, P (N = n) = a. .
n!
(a) Déterminer la valeur de a .
20
(b) Reconnaître la loi de N et donner son espérance mathématique.
(c) En utilisant l’extrait de table fourni ci-dessous, répondre aux questions suivantes :
Pendant la durée T ,
• quelle est la probabilité qu’au moins six skieurs se soient présentés à la remontée mécanique ?
• quelle est la probabilité qu’au plus deux skieurs se soient présentés à la remontée mécanique ?
• sachant qu’au moins six skieurs se sont présentés à la remontée mécanique, quelle est la probabilité qu’il y en
ait eu au plus neuf ?
Extrait de la table de la loi de Poisson de paramètre 5, probabilités individuelles p (n) et cumulées F (n) de P (5) :
n 0 1 2 3 4 5 6 7 8 9 10
p(n) 0, 0067 0, 0337 0, 0842 0, 1404 0, 1755 0, 1755 0, 1462 0, 1044 0, 0653 0, 0363 0, 0181
F (n) 0, 0067 0, 0404 0, 1247 0, 2650 0, 4405 0, 6160 0, 7622 0, 8666 0, 9319 0, 9682 0, 9863
Partie II
U désigne une variable aléatoire continue de loi uniforme sur l’intervalle [0; 1].
1. (a) Donner une densité de U .

(b) Déterminer la fonction de répartition F de la variable aléatoire U .
(c) Exprimer, en fonction du réel x, la probabilité : P (U > x) .
2. La compagnie des remontées mécaniques a installé deux guichets au bas des pistes. On estime que le temps de
passage d’un skieur à l’un des guichets suit la même loi que la variable aléatoire U . Trois skieurs A, B et C se
présentent en même temps aux guichets. A et B s’adressent simultanément aux deux guichets, C attend que A ou B
libère un guichet.
On désigne par :
• U1 et U2 les temps de passage respectifs de chacun des deux skieurs A et B ,
• V le temps d’attente du skieur C .
On supposera que les variables aléatoires U1 et U2 sont indépendantes.
(a) Justifier que : pour tout x réel, (V > x) = (U1 > x) ∩ (U2 > x).
(b) En déduire, pour tout x réel, P (V > x) en fonction de P (U > x) .
(c) Etablir que la variable V admet pour fonction de répartition la fonction G définie par :

 G (x) = 0
 si x < 0
2
G (x) = 2x − x si x ∈ [0, 1]

 G (x) = 1 si x > 1
(d) En déduire une densité de probabilité g de la variable V .

(e) Montrer que V admet une espérance et une variance que l’on calculera .
Exercice 3
Partie I
On considère dans M3 (IR) les 6 matrices suivantes :
   1   
3 1 1 0 0 1 0 0
1 2
M = 0 3 2  , D= 0 1
4 0
, I = 0 1 0 
4 1 0 1 0 0 1
0 0 1
     
1 0 3 3 −1 −1 3 3 3
1 1
P =  −2 −1 2  , T =  2 2 −6  et L =  2 2 2 
1 1 1 2 −3 1 9 6 1 1 1
21
1. (a) Montrer que la matrice P est inversible et calculer P −1 (les détails des calculs figureront sur la copie).
(b) On constate que : M.T = I . En déduire que M est inversible et donner la matrice M −1 .
2. (a) Vérifier que P −1 .M.P = D .

(b) Pour tout entier naturel n, donner l’expression de M n en fonction de P , Dn et P −1 .
(c) Pour tout entier naturel n, exprimer les coefficients de la matrice Dn .
(d) On désigne par ∆ la matrice dont les coefficients sont les limites quand n tend vers +∞ des coefficients de
la matrice Dn et l’on admet que : lim M n = P.∆.P −1 .
n→+∞
Déterminer la matrice ∆ et montrer que : lim M n = L .
n→+∞
Partie II
Une administration, dont on suppose l’effectif constant, répartit ses employés d’une année sur l’autre, au hasard
entre trois secteurs A, B et C, en respectant les proportions suivantes :
• 75% des employés du secteur A y restent l’année suivante tandis que 25% vont travailler dans le secteur C,
• 75% des employés du secteur B y restent l’année suivante tandis que 25% vont travailler dans le secteur A,
• 25% des employés du secteur C y restent l’année suivante tandis que 25% vont travailler dans le secteur A et
50% dans le secteur B.
1. On désigne par a, b et c les effectifs respectifs dans les secteurs A, B et C au cours de la première année de
fonctionnement. Au cours de la deuxième année, les effectifs dans les secteurs A, B et C sont respectivement de
35, 30 et 15 employés.
   
a 35
On pose : X =  b  et B =  30  .
c 15
(a) Vérifier que: M.X = B, où M est la matrice définie dans la partie I.
(b) En déduire, à l’aide de la question 1.(b) de la partie I, les valeurs de a, b et c.
2. La première année, un employé E travaille dans le secteur A. Pour tout entier naturel non nul n, on désigne par :
• An l’événement : “E travaille dans le secteur A la nième année“,
• Bn l’événement : “E travaille dans le secteur B la nième année“,
• Cn l’événement : “E travaille dans le secteur C la nième année“,  
  lim an
n→+∞
an  
 lim bn 
et on pose : an = P (An ) , bn = P (Bn ) , cn = P (Cn ) , Un =  bn  , et U =  n→+∞ 
cn  
lim cn
n→+∞
(a) M désigne la matrice de la partie I. En utilisant la formule des probabilités totales avec le système complet
d’événements {An , Bn , Cn } , établir que: Un+1 = M.Un .
(b) Montrer par récurrence que : pour tout entier naturel n non nul, Un = M n−1 .U1 .
(c) L désigne la matrice de la partie I et l’on admet que : U = L.U1 . Déterminer les limites quand n tend vers
+∞ des probabilités an , bn et cn .
22
ESC 2000. Corrigé
Exercice 1
- .
2 3
Soit f la fonction définie pour tout x réel par : f (x) = x − x − .e2x .
4
On désigne par C sa courbe représentative dans un repère du plan.
1. (a) limf
+∞
 - .
 2 3 ( )
lim x − x − = lim x2 = +∞
On a x→+∞ 4 x→+∞
, donc limf = +∞.
 2x
 lim e = +∞ +∞
x→+∞
limf
−∞
 - .
 3 ( )
 lim x2 − x − = lim x2 = +∞
On a x→−∞ 4 x→−∞
, f présente donc, au voisinage de −∞, une forme

 lim e = 02x
x→−∞
- .
1 3
indéterminée du type ∞ × 0. Pour lever l’indétermination, on écrit f (x) = 1 − − 2 × x2 .e2x .
- . x 4x
1 3 ( 2 2x )
On a lim 1 − − 2 = 1; on sait aussi que lim x .e = 0 (croissance comparée des fonctions
x→−∞ x 4x x→−∞
puissances, et exponentielle). Il en résulte que limf = 0.
−∞
(b) Branches infinies de C

Puisque limf = 0, l’axe des abscisses est asymptote à la courbe C au voisinage de −∞.
−∞ - . - .
f (x) 1 3 1 3
On a = x 1 − − 2 .e2x . Comme lim (x) = +∞, lim 1 − − 2 = 1,
x x 4x x→+∞ x→+∞ x 4x
f (x)
lim e2x = +∞, on a lim = +∞, la courbe C n’admet pas d’asymptote au voisinage de +∞ (elle admet,
x→+∞ x→+∞ x
f (x)
puisque lim = +∞, une branche parabolique de direction Oy).
x→+∞ x
2. (a) f est dérivable sur IR comme composée de fonctions dérivables, et :

( ) ( ) 5
f ′ (x) = (2x − 1) e2x + x2 − x − 34 × 2e2x = 2x2 − 52 e2x , f ′ (x) est donc du signe de 2x2 − , trinôme du
√ √ 2
5 5
second degré dont les racines sont − et , donc f ′ (x) s’annule, et change de signe en ces deux valeurs.
2 2
(b) Tableau de variations de f :
√ √
x −∞ − 25 2
5
+∞
f ′ (x) + 0 0 +
f 0 ր 0, 2 ց −5, 8 ր +∞
3. (a) Comme, pour tout réel x, e2x > 0, l’équation f (x) = 0 est équivalente à x2 − x − 34 = 0, équation du second
1 3
degré dont les solutions sont − et .
2 2
23
(b) De même, puisque e2x > 0, le signe de f (x) est celui de x2 − x − 34 , autrement dit,
 7 8 7 8
 1 3

 ∀x ∈ −∞, − ∪ , +∞ f (x) > 0

 - . 2 2

 - .
 1 3
f − =f =0

 2 2

 7 8

 1 3

 ∀x ∈ − 2 , 2 f (x) > 0
(c) Une équation de la tangente à la courbe C au point d’abscisse α est y − f (α) = f ′ (α) . (x − α). On trouve :
( ) ( ) 2 1
• En x = − 12 : f − 12 = 0, f ′ − 12 = − ; une équation de la tangente à C au point d’abscisse − est donc
- . e 2
2 1 2 1
y−0=− x+ , c’est-à-dire y = − x − .
e 2 e e
3 5
• En x = 0 : f (0) = − , f ′ (0) = − ; une équation de la tangente à C au point d’abscisse 0 est donc
4 2
3 5 5 3
y + = − (x − 0), c’est-à-dire y = − x − .
4 2 2 4
3 (3) ( ) 3
• En x = : f 2 = 0, f ′ 32 = 2e3 ; une équation de la tangente à C au point d’abscisse est donc
2- . 2
3 3 3 3
y − 0 = 2e x − , c’est-à-dire y = 2e x − 3e .
2
4. (a) et (b) Allure de la courbe :
10
y
-4 -3 -2 -1 1 2 3
x
- . -5
3 2x
y = x2 − x − e
4
* 3 8 73
2 1 2 1( 3 )
5. (a) On a I = e2x dx = e2x = e − e−1 .
− 12 2 − 12 2
* 3
2
(b) Calcul de J = x.e2x dx
− 12
+
u (x) = x d’où u′ (x) = 1
On effectue une intégration par parties, en posant : . On a alors :
v′ (x) = e2x , avec v (x) = 12 e2x
* 3 * 3
3
* 3
2 2 2
x.e2x dx = ′
u (x) v (x) dx = [u (x) v (x)]− 1 −
2
u′ (x) v (x) dx.
− 12 − 12 2 − 12
* 3 * 3
0 13 2 01 1 32 2
= x × 12 e2x −2 1 − 1 × 12 e2x dx = 2 x.e
2x
− 12
− 1
2 e2x dx
2 − 12 − 12
* 3
01 1 32 1 3 3
( ) 2 ( 3 )
comme 2 x.e2x − 12
= 2 × 2e − − 12 e−1 = 34 e3 + 14 e−1 , et
1
2 e2x dx = 1
2 e − e−1 , on obtient :
− 12
24
* 3
2 (3 ) ( 3 ) ( 3 )
J= x.e2x dx = 4e
3 + 14 e−1 − 1
2 × 1
2 e − e−1 = 1
2 e + e−1 .
− 12
* 3
2
Calcul de K = x2 .e2x dx
− 12
+
w (x) = x2 d’où w′ (x) = 2x
On effectue une intégration par parties, en posant : . On a alors :
v′ (x) = e2x , avec v (x) = 12 e2x
* 3 * 3
3
* 3
2 2 2
x2 .e2x dx = w (x) v ′ (x) dx = [w (x) v (x)]−2 1 − w′ (x) v (x) dx.
− 12 − 12 2 − 12
* 3 * 3
0 13 2 01 1 32 2
= x2 × 12 e2x −2 1 − 2x × 1 2x
2 e dx = 2 x2 .e2x − 12
− x.e2x dx
2 − 12 − 12
* 3
01 1 32 1
2 ( 3 )
comme 2 2x
2 x .e − 12
= 2 × 94 e3 − 1
2 × 14 e−1 = 98 e3 − 18 e−1 , et x.e2x dx = J = 1
2 e + e−1 , on obtient :
− 12
* 3
2 (9 ) ( ) ( 3 )
K= x2 .e2x dx = 8e
3 − 18 e−1 − 12 e3 + e−1 = 5
8 e − e−1 .
− 12
 * 3


2 1( 3 )

 I= e2x dx = e − e−1

 − 12 2



 * 3
2 ( )
En résumé : J= x.e2x dx = 12 e3 + e−1 .

 − 12

 *


3
( )


2
 K=
 x2 .e2x dx = 58 e3 − e−1 .
1
−2
* 3
0 1 31 2
(c) Pour x ∈ − 2 , 2 , on a f (x) ≤ 0, l’aire cherchée est donc égale, en unités d’aire, à − f (x) dx. Mais
− 12
* -3 . * 3
2
2 3 2x 2
(linéarité de l’intégrale), f (x) dx = x −x− e dx
− 12 − 12 4
* 3 * 3 * 3
2
2 2x
2
2x 3 2 2x 3
= x e dx − xe . dx − e dx = K − J − I
− 12 − 12 4 − 12 4
( ) ( ) ( )
= 58 e3 − e−1 − 12 e3 + e−1 − 34 × 12 e3 − e−1
= − 14 e3 − 34 e−1
En unités d’aire, l’aire cherchée vaut donc 14 e3 + 34 e−1 . L’unité de longueur valant 2 cm, l’unité d’aire vaut 4 cm2
et, en cm2 , l’aire cherchée vaut e3 + 3e−1 .
Exercice 2
Partie I
+∞ n
2 x
1. On doit savoir que, pour tout réel x, = ex .
n=0
n!
+∞
2 +∞
2 +∞
2 2 5n +∞
5n
2. (a) On a P (N = n) = 1; mais P (N = n) = a. =a = ae5 , d’où ae5 = 1, ce qui
n=0 n=0 n=0
n! n=0
n!
entraîne a = e−5 .
5n
(b) On a donc P (N = n) = e−5 , et on reconnaît alors que N suit la loi de Poisson de paramètre 5. On doit
n!
savoir qu’alors E (N) = V (N) = 5.
25
(c) Remarque :
n
2
On a, pour tout entier n ≥ 0, F (n) = P (N = k) = P (N ≤ n).
k=0
• probabilité qu’au moins six skieurs se soient présentés à la remontée mécanique :
on cherche P (N ≥ 6). On a P (N ≥ 6) = 1 − P (N ≤ 5) = 1 − F (5). Par lecture de la table fournie, on obtient
F (5) = 0, 616, d’où P (N ≥ 6) = 1 − 0, 616 = 0, 384.
• probabilité qu’au plus deux skieurs se soient présentés à la remontée mécanique :
on cherche P (N ≤ 2). On a P (N ≤ 2) = F (2) = 0, 1247 par simple lecture de la table.
• sachant qu’au moins six skieurs se sont présentés à la remontée mécanique, probabilité qu’il y en ait eu au plus
neuf :
P ((N ≤ 9) ∩ (N ≥ 6))
on cherche P(N≥6) (N ≤ 9). On a P(N≥6) (N ≤ 9) = . Mais
P (N ≥ 6)
P ((N ≤ 9) ∩ (N ≥ 6)) = P (6 ≤ N ≤ 9) = P (N ≤ 9) − P (N ≤ 5) = F (9) − F (5) = 0, 9682 − 0, 6160 =
0, 3522, à l’aide de la table fournie. D’autre part, P (N ≥ 6) = 1−P (N ≤ 5) = 1−F (5) = 1−0, 3522 = 0, 6478.
0, 3522
Donc P(N≥6) (N ≤ 9) = = 0, 5437 (pas d’autre moyen que d’effectuer la division).
0, 6478
Partie II
U désigne une variable aléatoire continue de loi uniforme sur l’intervalle [0; 1].
1. (a) Par définition, une variable aléatoire continue de loi uniforme sur l’intervalle [0; 1] admet une densité f ,
9 +∞ 91
constante sur [0; 1], nulle en dehors de [0; 1]. Soit C cette constante. On a 1 = −∞ f (x) dx = 0 f (x) dx =
91
0 C dx = C. +
f (x) = 0 si x < 0 ou si x > 1
Ainsi, une densité de U est la fonction f définie par :
f (x) = 1 si x ∈ [0, 1]
9x
(b) Par définition de F , pour tout réel x, F (x) = P (U ≤ x) = −∞ f (t) dt. Si x < 0, on a f (x) = 0, donc
9x 9x
F (x) = 0; si x ∈ [0, 1], on a F (x) = −∞ f (t) dt = 0 dt = x; si x > 1, on a

9x 91  F (x) = 0 si x ≤ 0

F (x) = −∞ f (t) dt = 0 dt = 1. En résumé, F (x) = x si 0 ≤ x ≤ 1

 F (x) = 1 si 1 ≤ x

 1 si x ≤ 0

(c) On a P (U > x) = 1 − P (U ≤ x) = 1 − F (x). Autrement dit, P (U > x) = 1 − x si 0 ≤ x ≤ 1

 0 si 1 ≤ x
2.(a) Dire que (V > x), c’est dire que le temps d’attente de C est supérieur à x. autrement dit, c’est dire qu’aucun
des deux guichets ne s’est libéré dans l’intervalle [0, x], donc que le temps d’attente de A, comme celui de B est
supérieur à x. Donc (V > x) = (U1 > x) ∩ (U2 > x).
(b) Les variables aléatoires U1 et U2 étant indépendantes, on a :
P (V > x) = P ((U1 > x) ∩ (U2 > x)) = P (U1 > x) P (U2 > x). Mais, il résulte de 1.(c) que :
P (U1 > x) = P (U2 > x) = P (U > x) = 1 − F (x). Donc P (V > x) = (P (U > x))2 = (1 − F (x))2 .
 
 1 si x ≤ 0  1 si x ≤ 0
 
(c) Puisque F (x) = 1 − x si 0 ≤ x ≤ 1 , on a P (V > x) = (1 − F (x))2 = (1 − x)2 si 0 ≤ x ≤ 1 . Il

 0 si 1 ≤ x 
 0 si 1 ≤ x

 0
 si x < 0
2
2x − x si x ∈ [0, 1] .
en résulte que G (x) = P (V ≤ x) = 1 − P (V > x) =

 1 si x > 1
9 +∞
(e) On a, sous réserve de convergence de l’intégrale, E (V ) = −∞ xG (x) dx. Comme G est nulle en
9 +∞ 91
dehors de [0, 1], l’intégrale −∞ xG (x) dx converge de manière évidente, et E (V ) = 0 xG (x) dx =
91 ( 2
) 91 2 91 3 2 1 5
0 x 2x − x dx = 2 0 x dx − 0 x dx = 3 − 4 = 12 .
26
( ) 9 +∞ 91 91 ( )
De même, V 2 admet une espérance, et E V 2 = −∞ x2 G (x) dx = 0 x2 G (x) dx = 0 x2 2x − x2 dx =
91 91 2 1 3
2 0 x3 dx − 0 x4 dx = − = .
4 5 10
Soit V ar (V ) la variance de V (mieux vaut éviter la notation V (V )!). Par la formule de Koenig-Huygens, on a :
( ) 5 3 7
V ar (V ) = E V 2 − E (V )2 = − = .
12 10 60
Exercice 3
Partie I
1. (a) Inversibilité de la matrice P et calcul de P −1
1. On utilise la méthode du pivot de Gauss pour prouver l’inversibilité de P , et calculer son inverse.
1 0 3 1 0 0 +
L2 ←− L2 + 2L1
−2 −1 2 0 1 0 . Par , on obtient :
L3 ←− L3 − L1
1 1 1 0 0 1
1 0 3 1 0 0
0 −1 8 2 0 . Par L3 ←− L3 + L2 , on obtient :
1
0 1 −2 −1 1 0
1 0 3 1 0 0 +
L1 ←− 4L1 − 2L3
0 −1 8 2 1 0 . Par , on obtient :
L2 ←− 3L2 − 4L3
0 0 6 1 1 1

 1

 L1 ←− L1

 4
4 0 0 2 −2 −2  1
0 −3 0 2 −1 −4 . Enfin, par L2 ←− − L2 , on obtient :

 3
0 0 6 1 1 1 
 1

 L3 ←− L3
6
1
1 0 0 2 − 12 − 12
0 1 0 − 23 1
3
4
3
1 1 1
0 0 1 6 6 6
 1   
2 − 12 − 12 3 −3 −3
 2 1 4  1
On voit ainsi que P est inversible, et P −1 =  − 3 3 3  =  −4 2 8 
1 1 1 6 1 1 1
6 6 6
(b) Effectuant, on constate en effet que M.T = I . On en déduit que M est inversible et M −1 = T .
2. (a) Effectuant,
 on trouve :       
3 −3 −3 3 1 1 6 −6 −6 3 −3 −3
1 1 1 1
P −1 .M =  −4 2 8 ×  0 3 2 =  −4 2 8 =  −2 1 4 , puis
6 1 1 1 4 1 0 1 24 4 4 4 12 2 2 2
     1 
3 −3 −3 1 0 3 2 0 0
1   
P −1 .M.P = −2 1 4  ×  −2 −1 2  =  0 14 0  = D.
12 2 2 2 1 1 1 0 0 1
(b) On montre par récurrence que, pour tout entier naturel n ≥ 0, M n = P Dn P −1 , avec la convention que
M 0 = D0 = I. Pour n = 0, la formule s’écrit M 0 = P D0 P −1 , c’est-à-dire I = P IP −1 , elle est manifestement
vraie. Comme D = P −1 M P, on a P D1 P −1 = P (P −1 M P ) P −1 = (P P −1 ) M (P P −1 ) = M, la formule
est donc vraie pour n = 1 (N.B. : on a besoin du cas n = 1 dans la suite de la démonstration). Si l’on
suppose que la formule est vraie pour un entier n ≥ 1, quelconque, c’est-à-dire qu’on a M n = P Dn P −1 , alors
M n+1 = M M n = (P D P −1 ) (P Dn P −1 ), en utilisant, à la fois, le cas où n = 1, et l’hypothèse de récurrence.
27
On obtient ainsi, puisque P P −1 = I, M n+1 = P D (P −1 P ) Dn P −1 = P Dn+1 P −1 , la formule est donc encore
vraie pour l’entier n + 1, et ceci achève de prouver qu’elle est vraie pour tout entier n ≥ 1.
 ( 1 )n 
2 0 0
 ( 1 )n 
(c) D étant diagonale, on a, pour tout entier n ≥ 0, Dn =  0 4 0  (y compris pour n = 0).
0 0 1
 
( 1 )n ( 1 )n 0 0 0
(d) Comme lim 2 = lim 4 = 0, on a ∆ =  0 0 0 .
n→+∞ n→+∞
    0 0 1 
1 0 3 0 0 0 0 0 3
On trouve alors P.∆ =  −2 −1 2   0 0 0  =  0 0 2 , puis
1 1 1 0 0 1 0 0 1
    1 1 1   
0 0 3 3 −3 −3 2 2 2 3 3 3
1  1 1 1  1
P.∆.P −1 =  0 0 2   −4 2 8  =  3 3 3  =  2 2 2  = L.
6 0 0 1 1 1 1 1 1 1 6 1 1 1
6 6 6
Partie II
   
a 35
1. X =  b  et B =  30  .
c 15
(a) Soient a, b et c les effectifs respectifs dans les secteurs A, B et C au cours de la première année de
fonctionnement.
Puisque :
• 75% des employés du secteur A y restent l’année suivante; 25% des employés du secteur B vont travailler dans
le secteur A, 25% des employés du secteur C vont travailler dans le secteur A, au cours de la deuxième année, les
effectifs dans le secteurs A sont égaux à 0, 75a + 0, 25b + 0, 25c. Par ailleurs, l’énoncé indique que ces effectifs
3 1 1
sont alors égaux à 35. Donc a + b + c = 35.
4 4 4
• 75% des employés du secteur B y restent l’année suivante, 50% des employés du secteur C vont travailler
dans le secteur B, aucun employé du secteur A ne va travailler dans le secteur B, au cours de la deuxième année, les
effectifs dans le secteurs B sont égaux à 0, 75b + 0, 50c. Par ailleurs, l’énoncé indique que ces effectifs sont alors
3 1
égaux à 30. Donc b + c = 30.
4 2
• 25% des employés du secteur C y restent l’année suivante, 25% des employés du secteur A vont travailler dans
le secteur C, aucun employé du secteur B ne va travailler dans le secteur C, au cours de la deuxième année, les
effectifs dans le secteurs C sont égaux à 0, 25a + 0, 25c. Par ailleurs, l’énoncé indique que ces effectifs sont alors
1 1
égaux à 15. Donc a + c = 15.
 4 4
 3 1 1
 4 a + 4 b + 4 c = 35

 3 1
En résumé : 4 b + 2 c = 30 . Ces trois égalités sont équivalentes à l’unique égalité matricielle :

 1 1

 a + c = 15
 3 1 1  4 4  
4 4 4 a 35
 0 3 1   b  =  30 , c’est-à-dire à M.X = B, avec les notations définies par l’énoncé.
4 2
1 1 c 15
4 0 4
−1 .B. Comme M −1 = T , on trouve :
 (b) 
Puisque M est inversible,
 l’égalité M.X=B est
équivalente
 à X = M

a 3 −1 −1 35 30  a = 30
 b  = X = T.B = 1  2 2 −6   30  =  20 , d’où : b = 20 .
2 
c −3 1 9 15 30 c = 30
2. (a) Pour chaque valeur de n ≥ 1, {An , Bn , Cn } est un système complet d’événements. La la formule des
probabilités totales permet alors d’écrire :
28

 P (An+1 ) = PAn (An+1 ) P (An ) + PBn (An+1 ) P (Bn ) + PCn (An+1 ) P (Cn )


P (Bn+1 ) = PAn (Bn+1 ) P (An ) + PBn (Bn+1 ) P (Bn ) + PCn (Bn+1 ) P (Cn )


 P (C ) = P (C ) P (A ) + P (C ) P (B ) + P (C ) P (C )
n+1 An n+1 n Bn n+1 n Cn n+1 n
On interprète alors les données de l’énoncé :

• 75% des employés du secteur A y restent l’année suivante tandis que 25% vont travailler dans le secteur C,
3 1
c’est-à-dire que PAn (An+1 ) = , PAn (Bn+1 ) = 0 et PAn (Cn+1 ) = .
4 4
• 75% des employés du secteur B y restent l’année suivante tandis que 25% vont travailler dans le secteur A,
1 3
c’est-à-dire que PBn (An+1 ) = , PBn (Bn+1 ) = , et PBn (Cn+1 ) = 0.
4 4
• 25% des employés du secteur C y restent l’année suivante tandis que 25% vont travailler dans le secteur A et
1 1 1
50% dans le secteur B, c’est-à-dire que PCn (An+1 ) = , PCn (Bn+1 ) = , et PCn (Cn+1 ) = .
4 2 4
En résumé :
3 1 1
PAn (An+1 ) = PBn (An+1 ) = PCn (An+1 ) =
4 4 4
3 1
PAn (Bn+1 ) = 0 PBn (Bn+1 ) = PCn (Bn+1 ) =
4 2
1 1
PAn (Cn+1 ) = PBn (Cn+1 ) = 0 PCn (Cn+1 ) =
4 4
De plus, les notations sont telles que : P (An ) = an , P (Bn ) = bn , P (Cn ) = cn . On a donc :


 3 1 1

 an+1 = an + bn + cn

 4 4 4

 3 1
bn+1 = bn + cn

 4 2


 an+1 = an + 1 cn


1
 4 4
Ces trois égalités sont équivalentes à l’unique égalité matricielle :
   3 1 1  
an+1 4 4 4 an
 bn+1  =  3 1 
 0 4 2   bn , c’est-à-dire à Un+1 = M.Un avec les notations définies par l’énoncé.
cn+1 1 1 cn
4 0 4
(b) On montre par récurrence que, pour tout entier naturel n non nul, Un = M n−1 .U1 . Pour n = 1, la
formule est évidente (avec la convention M 0 = I). Si l’on suppose que, pour un entier n ≥ 1, quelconque, on a
Un = M n−1 U1 , alors Un+1 = MUn = M × M n−1 U1 = M n U1 , la formule est encore vraie pour l’entier n + 1,
elle est donc vraie pour tout entier n ≥ 1.
 
1
(c) Puisque, la première année, E travaille dans le secteur A , on a U1 =  0 , donc :
0
    1 
3 3 3 1 2
1  1 
L.U1 =  2 2 2   0  =  3 , autrement dit :
6 1 1 1 0 1
6
 1
 lim an =

 n→+∞ 2
 1
lim bn = 3
n→+∞



 lim cn = 1
n→+∞ 6
29
EPREUVES ESC
MATHÉMATIQUES
MERCREDI 16 MAI 2OO1, de 8 h à l2 h

”L’usage de toute calculatrice ou de tout matériel électronique est interdit pendant cette épreuve”.
L’épreuve est composée de trois exercices indépendants.
30
EXERCICE 1
Partie 1:
- .
x2
Soit f la fonction définie pour tout x réel par : f (x) = 1 + x + e−x .
2
On désigne par Cf sa courbe représentative dans un repère du plan.
1. (a) Déterminer les limites de f en −∞ et en +∞.
(b) Étudier les branches infinies de f.
2. (a) Déterminer la fonction dérivée f ′ de f et dresser le tableau de variations de f .

(b) Déterminer une équation de la tangente à Cf au point d’abscisse 0.
Tracer cette tangente dans un repère orthogonal d’unités 2 cm sur l’axe des abscisses et 10 cm sur l’axe des
ordonnées.
(c) Donner l’allure de Cf et ses asymptotes éventuelles dans ce même repère.
On donne les valeurs suivantes f (−1) = 1, 36; f (1) = 0, 92; f (2) = 0, 68; f (5) = 0, 12.
Partie 2:
M désigne un nombre réel positif, n un entier naturel.
* M * M * M
On définit l’intégrale In (M ) = n −x
x e dx, en convenant que I0 (M) = x0 e−x dx = e−x dx.
0 0 0
1. (a) Calculer I0 (M ).
* +∞
(b) En déduire que l’intégrale e−x dx impropre est convergente. On note I0 sa valeur.
0
2. (a) A l’aide d’une intégration par parties, trouver une relation entre In+1 (M ) et In (M).
* +∞
(b) En déduire, à l’aide d’une récurrence, que pour tout entier naturel n, l’intégrale impropre xn e−x dx est
0
convergente, de valeur In = n! .
(c) a désigne un paramètre réel. ,
g (x) = a.f (x) si x ≥ 0
Soit la fonction g définie sur IR par .
g (x) = 0 si x < 0
Déterminer a pour que g soit une densité de probabilité d’une variable aléatoire Z.
Calculer alors l’espérance E (Z) et la variance V (Z).
EXERCICE 2
Partie 1:
1. On considère
les 4 matrices
suivantes
:     
1
1 0 0 1 0 0 0 0 1 0 0
1 4
M =  3 3 1  ; P =  −2 1 −1  ; D =  0 1 0 ; I = 0 1 0 
4 0 1 3 1 1 1 0 0 12 0 0 1
(a) Montrer que P est inversible et calculer P −1 .

(les détails des calculs figureront sur la copie).
(b) Vérifier que P −1 M P = D puis exprimer M en fonction de P , D et P −1 .
2. (a) Pour tout entier naturel n non nul, exprimer les coefficients de la matrice Dn .
(b) Pour tout entier naturel n non nul, exprimer M n en fonction de P , Dn et P −1 .
31
En déduire les coefficients de M n en fonction de n.
3. (a) Montrer que D est inversible et calculer D−1 .

(b) En déduire que M est inversible et exprimer M −1 en fonction de P , D et P −1 .
Partie 2
On effectue des tirages dans trois urnes :
• une urne blanche contient 1 boule blanche et 3 boules noires.
• une urne noire contient 3 boules noires et 1 boule verte.
• une urne verte contient 1 boule noire et 3 boules vertes.
Pour le premier tirage, on choisit une urne au hasard, on y prend une boule, on note sa couleur puis on remet la
boule dans l’urne dont elle provient.
Le second tirage s’effectue dans l’urne ayant la même couleur que la première boule obtenue au premier tirage : on
y prend une boule, on note sa couleur puis on remet la boule dans l’urne dont elle provient.
On continue ainsi en suivant le même protocole :
le n + 1-ième tirage s’effectue dans l’urne ayant la même couleur que la boule obtenue au n-ième tirage, et une
boule tirée est toujours remise dans l’urne dont elle provient.
Pour n naturel non nul, on désigne par :
Bn l’événement : ” le n-ième tirage donne une boule blanche ”.
Nn l’événement : ” le n-ième tirage donne une boule noire ”.
Vn l’événement : ” le n-ième tirage donne une boule verte ”.
1. (a) Calculer P (B1 ), P (N1 ), P (V1 ).

1 7
(b) Établir que P (B2 ) = et P (N2 ) = .
48 12
1
2. (a) Montrer que pour tout entier naturel non nul n P (Bn+1 ) = P (Bn ).
4
De quel type est la suite (P (Bn ))n≥1 ? En déduire en fonction P (Bn ) de n.
 
P (Bn )
(b) M désigne la matrice définie à la partie 1. On pose Xn =  P (Nn ) .
P (Vn )
En utilisant la formule des probabilités totales avec le système complet d’événements {Bn , Nn , Vn } établir que :
Xn+1 = MXn .
(c) Montrer par récurrence que pour tout entier naturel n non nul Xn = M n−1 X1 .
3. En déduire P (Nn ) et P (Vn ) en fonction de n et déterminer leurs limites quand n tend vers +∞.
EXERCICE 3
(on trouvera à la fin de l’exercice des extraits de table de lois usuelles)
n désigne un entier naturel plus grand que 2.

On dispose d’une urne contenant 2n boules noires et n2 − 2n boules blanches.
Un jeu consiste à effectuer n tirages successifs d’une boule dans cette urne, avec remise de la boule tirée après
chaque tirage.
Un joueur est déclaré gagnant à l’issue du jeu s’il a tiré au plus 2 boules noires au cours des n tirages.
Un joueur participe à ce jeu suivant les deux situations distinctes suivantes :
I. Situation 1 : Dans cette situation, n = 20

On désigne par p, la probabilité d’obtenir une boule noire lors d’un tirage, et par X la variable aléatoire égale au
nombre de boules noires tirées par le joueur à l’issue du jeu.
32
1. (a) Décrire le contenu de l’urne puis calculer la probabilité p.
(b) Reconnaître la loi de X.
(On justifiera clairement la réponse et on précisera, X (Ω) et P (X = k), pour tout élément k de X (Ω))
(c) Donner l’espérance E (X) et la variance V (X).
2. Calculer la probabilité que le joueur soit gagnant dans cette situation.
Situation 2 : Dans cette situation, n est un entier fixé supérieur ou égal à 30

On désigne par p′ la probabilité d’obtenir une boule noire lors d’un tirage, et par Y la variable aléatoire égale au
nombre de boules noires tirées par le joueur à l’issue du jeu.
2
1. (a) Vérifier que p′ = .
n
(b) Reconnaître la loi de Y .
(On justifiera clairement la réponse et on précisera, Y (Ω) et P (Y = k), pour tout élément k de Y (Ω))
(c) Donner l’espérance E (Y ) et la variance V (Y ) .
2. (a) Justifier que la loi de probabilité de Y peut être approchée par une loi de Poisson, dont on précisera le
paramètre et dont on rappellera les caractéristiques : ensemble des valeurs, loi de probabilité, espérance, variance.
(b) A l’aide de cette approximation, calculer, à l’aide de la table fournie ci dessous, la probabilité que le joueur
soit gagnant dans cette situation.
Retrouver cette valeur sans la table à l’aide de la partie 1 de l’exercice 1
Extrait de la table k, P (n, p, k) de la loi Extrait de la table k, P (λ, k) de la loi de Poisson

binomiale de taille n = 20 et de paramètre p = 0, 1 de paramètre λ = 2
k 0 1 2 3 k 0 1 2 3
P (n, p, k) 0, 1216 0, 2702 0, 2852 0, 1901 P (λ, k) 0, 1353 0, 2707 0, 2707 0, 1804
33
EPREUVES ESC 2001. Corrigé
EXERCICE 1
Partie 1:
- .
x2
Soit f la fonction définie pour tout x réel par : f (x) = 1 + x + e−x .
2
On désigne par Cf sa courbe représentative dans un repère du plan.
1. (a) limf
−∞
- .
x2 x2
On a lim 1 + x + = lim = +∞, et lim e−x = +∞, donc limf = +∞
x→−∞ 2 x→−∞ 2 x→−∞ −∞
limf
+∞
N.B.: f présente, quand x tend vers −∞, une forme indéterminée du type ∞ × 0.
1
On a f (x) = e−x + xe−x + x2 e−x . On sait que lim e−x = lim xe−x = lim x2 e−x = 0; on en déduit que
2 x→+∞ x→+∞ x→+∞
limf = 0.
+∞
- .
2 −x 1 1 1
Remarque : on pouvait aussi écrire que f (x) = x e × + + 2 . On sait que lim x2 e−x = 0; comme,
- . 2 x x x→+∞
1 1 1 1
de plus, lim + + 2 = , on a limf = 0.
x→+∞ 2 x x 2 +∞
(b) Branches infinies de f

Puisque limf = 0, l’axe des abscisses est asymptote à la courbe Cf au voisinage de +∞.
+∞ - . - .
f (x) 1 1 1 1 1 1 1
D’autre part, = xe−x × + + 2 . Comme lim xe−x = −∞, et lim + + 2 = , on
x 2 x x x→−∞ x→−∞ 2 x x 2
f (x)
a lim = −∞, la courbe Cf n’admet pas d’asymptote au voisinage de −∞ ( on dit alors que la courbe Cf
x→−∞ x
admet une branche parabolique de direction Oy).
2. (a) f est dérivable sur IR comme composée de fonctions dérivables, et

( ) 1
f ′ (x) = (1 + x) e−x + 1 + x + 12 x2 × (−e−x ) = − e−x x2 , donc, pour tout réel x, f ′ (x) ≤ 0.
2
Tableau de variation de f :
x −∞ 0 +∞
f ′ (x) − 0 −
f +∞ ց 1 ց 0
(b) On a f ′ (0) = 0, la tangente à la courbe Cf en x = 0 est donc horizontale. Comme f (0) = 1, cette tangente est
donc d’équation y = 1.
(c) Allure de la courbe
20
y
15
10
- . -3 -2 -1 1 2 3 4
1 2 −x x
y = 1+x+ x e
2
34
Partie 2:
M désigne un nombre réel positif, n un entier naturel.
* M * M * M
On définit l’intégrale In (M ) = n −x
x e dx, en convenant que I0 (M) = x0 e−x dx = e−x dx.
0 0 0
* M
M
1. (a) On a e−x dx = [−e−x ]0 = 1 − e−M .
0
-* M . * +∞
(b) Comme lim e−M = 0, on a lim e−x dx = 1, c’est-à-dire que l’intégrale e−x dx est
M→+∞ M→+∞ 0 0
* +∞
convergente, avec e−x dx = 1. On a donc I0 = 1.
0
+
u (x) = xn+1 d’où u′ (x) = (n + 1) xn
2. (a) On effectue une intégration par parties, en posant .
v ′ (x) = e−x avec v (x) = −e−x
* M * M * M
n+1 −x ′ M
On a : In+1 (M) = x e dx = u (x) v (x) dx = [u (x) v (x)]0 − u′ (x) v (x) dx
0
* M0 0
0 n+1 −x 1M
= −x e 0 − (n + 1) xn × (−e−x ) dx
0
* M
0 n+1 −x 1M
= −x e 0 + (n + 1) xn e−x dx
0
= −M n+1 e−M + (n + 1) In (M)
* +∞
(b) On montre par récurrence, que pour tout entier naturel n, l’intégrale impropre xn e−x dx est
0
convergente, de valeur In = n! .
La formule est vraie pour n = 0, puisque I0 = 1 = 0!. ( )
On suppose que, pour un entier n ≥ 0, quelconque, In = n!. Comme lim M n+1 e−M = 0, on a :
( ) M→+∞
lim In+1 (M) = lim −M n+1 e−M + (n + 1) In (M) = (n + 1) × n! = (n + 1)!, c’est-à-dire que
M→+∞ M→+∞
* +∞ * +∞
l’intégrale n+1 −x
x e dx est convergente, avec xn+1 e−x dx = (n + 1)!. La formule est donc encore
0 0
vraie pour l’entier n + 1, et l’on peut conclure qu’elle est vraie pour tout entier n ≥ 0.
(c) On remarque que, pour tout x ≥ 0, f (x) ≥ 0, la constante a doit donc être choisie positive.
Quel
* +∞que soit le choix de a positif, g est positive ou *
nulle, continue en tout
* point de IR∗ . Il reste
- à assurer la condition
.
+∞ +∞
1
g (x) dx = 1. Or, g étant nulle sur ]−∞; 0[, g (x) dx = a f (x) dx = a I0 + I1 + I2 = 3a,
−∞ −∞ 0 2
car I0 = I1 = 1, et I2 = 2.
1
Il convient donc que a = .
3
Sous réserve de convergence des
* intégrales impropres * écrites, on a :
* +∞ +∞ +∞ - .
1 1 x3 −x 1 1 1
E (Z) = xg (x) dx = xf (x) dx = x + x2 + e dx = I1 + I2 + I3 = 2, car
−∞ 3 0 3 0 2 3 3 6
I1 = 1, I2 = 2, et I3 = 6.
De même, * * * - .
( 2) +∞
2 1 +∞ 1 +∞ 2 3 x4 1 1 1 20
E Z = x g (x) dx = xf (x) dx = x +x + e−x dx = I2 + I3 + I4 = ,
−∞ 3 0 3 0 2 3 3 6 3
car I2 = 2, I3 = 6, et I4 = 24.
( ) 20 8
Il en résulte que V (Z) = E Z 2 − E (Z)2 = − 22 = .
3 3
8
En résumé, E (Z) = 2 et V (Z) =
3
35
EXERCICE 2
Partie 1
1. (a) On utilise la méthode du pivot de Gauss pour prouver l’inversibilité de P , et calculer son inverse.
+
1 0 0 1 0 0 L2 ←− L2 + 2L1
−2 1 −1 0 1 0 . Par , on obtient :
L3 ←− L3 − L1
1 1 1 0 0 1
1 0 0 1 0 0
0 1 −1 2 1 0 . Par L3 ←− L3 − L2 , on obtient :
0 1 1 −1 0 1
1 0 0 1 0 0
0 1 −1 2 1 0 . Par L2 ←− 2L2 + L3 , on obtient :
0 0 2 −3 −1 1
 1
1 0 0 1 0 0 
 L2 ←− L2
2
0 2 0 1 1 1 . Enfin, par 1 , on obtient :

 L3 ←− L3
0 0 2 −3 −1 1
2
1 0 0 1 0 0
1 1 1
0 1 0 2 2 2
0 0 1 − 32 − 12 1
2
   
1 0 0
2 0 0
 1 11 1
On peut ainsi conclure que P est inversible, avec P −1 =  2=  12 2 1 1 .
2
− 32 − 12 1
−3 −1 1
2
 1     1 
4 0 0 1 0 0 4 0 0
 1 1 1  1  
(b) On trouve P −1 M =  2 2 2 = 2 2 2 , puis P −1 MP =  0 1 0  = D.
4
− 34 − 14 14 −3 −1 1 0 0 12
 ( 1 )n 
4 0 0
 
2. (a) D étant diagonale, on a Dn =  0 1 ( 0) .
n
0 0 12
(b) On montre, par récurrence, que, pour tout entier n ≥ 1, M n = P Dn P −1 .

On a vu, en 1.(b), que D = P −1 MP . En multipliant membre à membre cette égalité, à gauche par P −1 , et à droite
par P , on obtient P −1 M P = D, c’est-à-dire que la formule est vraie pour n = 1.
On suppose alors que,( pour un )entier
( n ≥)1, M n = (P Dn P)−1 . On en déduit, en aussi utilisant le cas où n = 1
M n+1 n
= M M = PD P n −1 P DP −1 = P Dn P −1 P DP −1 = P Dn+1 P −1 car P −1 P = I, la formule est
donc encore vraie pour l’entier n + 1, ce qui achève de prouver qu’elle est vraie pour tout entier n ≥ 1.
 ( 1 )n 
4( ) 0 0
 n ( )n 
Un calcul simple fournit P Dn =  −2 14 1 − 12 , puis
( 1 )n ( 1 )n 
4 1 2
 ( 1 )n 
4 0 0
 1 ( )
1 n
( )
3 1 n 1
( )
1 1 n 1
( )
1 1 n 
P Dn P −1 =  2 − 2 4 + 2 2 2 + 2 (2) 2 − 2 (2) 
1
( )
1 n
( )n 1 1 n 1 1 1 n
2 + 4 − 32 12 1
2 − 2 2 2 + 2 2

4 0 0
3. (a) Les matrices D et  0 1 0  étant diagonales, leur produit est aussi une matrice diagonale, et l’on
0 0 2
36
   
4 0 0 4 0 0
trouve que D ×  0 1 0  = I, ce qui montre que D est inversible, avec D−1 =  0 1 0 .
0 0 2 0 0 2
N.B.: on pouvait, bien sûr, utiliser la méthode du pivot de Gauss...
( )( ) ( ) ( )
(b) On a M = P −1 DP , et P −1 DP P −1 D−1 P = P −1 D P P −1 D−1 P = P −1 DD−1 P = P −1 P =
I (en détaillant bien les calculs), ce qui montre que M est inversible, avec M −1 = P −1 D−1 P .
On peut aussi appliquer une formule de cours : si A et B sont deux matrices carrées de même ordre, toutes
deux inversibles, alors AB est inversible, et (AB)−1 = B −1 A−1 , cette formule se généralisant aisément à un
produit d’un nombre quelconque de matrices. P −1 , D et P étant toutes trois inversibles, il en va de même de
( )−1 ( −1 )−1 −1 −1
M = P −1 DP , et P −1 DP = P D P = P D−1 P −1 .
Partie 2
1. (a). Notons :
• B0 l’événement ”l’urne choisie pour le premier tirage est l’urne blanche”;
• N0 l’événement ”l’urne choisie pour le premier tirage est l’urne noire”;
• V0 l’événement ”l’urne choisie pour le premier tirage est l’urne verte”;
1
Les conditions du problème font que P (B0 ) = P (N0 ) = P (V0 ) = .
3
De plus, les événements B0 , N0 , V0 forment un système complet d’événements. La formule des probabilités totales
permet d’écrire :

 P (B1 ) = PB0 (B1 ) P (B0 ) + PN0 (B1 ) P (N0 ) + PV0 (B1 ) P (V0 )

P (N1 ) = PB0 (N1 ) P (B0 ) + PN0 (N1 ) P (N0 ) + PV0 (N1 ) P (V0 )

 P (V ) = P (V ) P (B ) + P (V ) P (N ) + P (V ) P (V )
1 B0 1 0 N0 1 0 V0 1 0
• l’urne blanche contient 1 boule blanche et 3 boules noires, donc :

1 3
PB0 (B1 ) = ; PB0 (N1 ) = ; PB0 (V1 ) = 0
4 4
• l’urne noire contient 3 boules noires et 1 boule verte, donc :
3 1
PN0 (B1 ) = 0; PN0 (N1 ) = ; PN0 (V1 ) =
4 4
• l’urne verte contient 1 boule noire et 3 boules vertes, donc :
1 3
PV0 (B1 ) = 0; PV0 (N1 ) = ; PV0 (V1 ) =
4 4
On obtient donc : 
 1 1 1

 P (B1 ) = × =

 4 3 12
 3 1 3 1 1 1 7
P (N1 ) = × + × + × =

 4 3 4 3 4 3 12

 1 1 3 1 1

 P (V1 ) = × + × =
4 3 4 3 3
N.B : on vérifie que P (B1 ) + P (N1 ) + P (V1 ) = 1
(b) De même qu’en (a), les événements B1 , N1 , V1 formant un système complet d’événements, la formule des
probabilités totales permet d’écrire :

 P (B2 ) = PB1 (B2 ) P (B1 ) + PN1 (B2 ) P (N1 ) + PV1 (B2 ) P (V1 )

P (N2 ) = PB1 (N2 ) P (B1 ) + PN1 (N2 ) P (N1 ) + PV1 (N2 ) P (V1 )

 P (V ) = P (V ) P (B ) + P (V ) P (N ) + P (V ) P (V )
2 B1 2 1 N1 2 1 V1 2 1
et, de même qu’en (a),

1 3
PB1 (B2 ) = ; PB1 (N2 ) = ; PB1 (V2 ) = 0
4 4
37
3 1
PN1 (B2 ) = 0; PN1 (N2 ) = ; PN1 (V2 ) =
4 4
1 3
PV1 (B2 ) = 0; PV1 (N2 ) = ; PV1 (V2 ) =
4 4
et on obtient donc :

 1 1 1 1

 P (B2 ) = P (B1 ) = × =

 4 4 12 48
 3 3 1 3 1 3 7 1 1 7
P (N2 ) = P (B1 ) + P (N1 ) + P (V1 ) = × + × + × =

 4 4 4 4 12 4 12 4 3 12

 1 3 1 7 3 1 19

 P (V2 ) = P (N1 ) + P (V1 ) = × + × =
4 4 4 12 4 3 48
N.B.: on vérifie que P (B2 ) + P (N2 ) + P (V2 ) = 1.
2. (a) L’événement Bn+1 entraîne l’événement Bn : seule l’urne blanche contient une boule blanche, donc, si
Bn+1 est réalisé, c’est que le (n + 1)-ième tirage a été effectué dans l’urne blanche, donc que Bn est réalisé. Ainsi,
Bn+1 = Bn+1 ∩ Bn , d’où, par la formule des probabilités composées, P (Bn+1 ) = PBn (Bn+1 ) P (Bn ).
1
Or, comme en 1 (a), l’urne blanche contient 1 boule blanche et 3 boules noires, donc PBn (Bn+1 ) = ,
4
1 1
d’où : P (Bn+1 ) = P (Bn ), la suite (P (Bn ))n≥1 est donc une suite géométrique de raison . On a donc
- .n−1 4 - . 4
1 1 1 n−1
P (Bn ) = P (B1 ) = .
4 12 4
(b) Traiter cette question directement aurait permis d’abréger ce qui précède. En effet, pour chaque valeur
de l’entier n, y compris pour n = 0, les événements Bn , Nn , Vn forment un système complet d’événements. La
formule des probabilités totales permet d’écrire :

 P (Bn+1 ) = PBn (Bn+1 ) P (Bn ) + PNn (Bn+1 ) P (Nn ) + PVn (Bn+1 ) P (Vn )

P (Nn+1 ) = PBn (Nn+1 ) P (Bn ) + PNn (Nn+1 ) P (Nn ) + PVn (Nn+1 ) P (Vn )

 P (V ) = P (V ) P (B ) + P (V ) P (N ) + P (V ) P (V )
n+1 Bn n+1 n Nn n+1 n Vn n+1 n
• l’urne blanche contient 1 boule blanche et 3 boules noires, donc :
1 3
PBn (Bn+1 ) = ; PBn (Nn+1 ) = ; PBn (Vn+1 ) = 0
4 4
• l’urne noire contient 3 boules noires et 1 boule verte, donc :
3 1
PNn (Bn+1 ) = 0; PNn (Nn+1 ) = ; PNn (Vn+1 ) =
4 4
• l’urne verte contient 1 boule noire et 3 boules vertes, donc :
1 3
PVn (Bn+1 ) = 0; PVn (Nn+1 ) = ; PVn (Vn+1 ) =
4 4
On obtient donc : 
 1

 P (Bn+1 ) = P (Bn )

 4
 3 3 1
P (Nn+1 ) = P (Bn ) + P (Nn ) + P (Vn )

 4 4 4

 1 3

 P (Vn+1 ) = P (Nn ) + P (Vn )
4 4
   1  
P (Bn+1 ) 4 0 0 P (Bn )
 P (N )   3 3 1   P (N ) 
Ces trois relations sont équivalentes à l’unique relation matricielle :  n+1  =  4 4 4  n ,
P (Vn+1 ) 1 3 P (Vn )
0 4 4
c’est-à-dire à Xn+1 = M Xn .
(c) On montre, par récurrence, que, pour tout entier naturel n, Xn = M n−1 X1 . Ceci suppose que, par
convention, on ait posé M 0 = I, ce qui est, comme on le vérifie, compatible avec la formule établie partie 1, 2.
(b);
38
Pour n = 1, la formule est alors vraie : X1 (= M 0 X1 .) Si l’on suppose que pour un entier n ≥ 1, on a
Xn = M n−1 X1 , alors Xn+1 = M Xn = M M n−1 X1 = M n X1 , et la formule est encore vraie pour l’entier
n + 1, ce qui achève de prouver qu’elle est vraie pour tout entier n ≥ 1.
 ( 1 )n−1 
0 0
 ( )4 ( ) ( ) ( ) 
3. On a M n−1 =  12 − 2 14 n−1 + 32 12 n−1 12 + 12 12 n−1 12 − 12 12 n−1 . Comme
1
( )
1 n−1
( )n−1 ( )
1 1 n−1 1
( )
1 1 n−1
2 + 4 − 32 12 1
2 − 2 2 2 + 2 2
   1   ( ) 
1 1 n−1
P (B1 ) 12 12 4
   7   1 1 ( 1 )n−1 1 ( 1 )n−1 
X1 =  P (N1 )  =  12 , un calcul simple mène à Xn = M n−1 X1 =   2 − 6 (4 ) + 4 (2 )
.

P (V1 ) 1 1 1 1 n−1 1 1 n−1
3 2 + 12 4 −4 2
Il en résulte que :  ( )
1 1 n−1

 P (Bn ) = 12
 4
( )n−1 1 ( 1 )n−1
P (Nn ) = 2 − 16 14
1
+4 2

 P (V ) = 1 + 1 ( 1 )n−1 − 1 ( 1 )n−1

n 2 12 4 4 2
1 1 ( 1 )n−1 ( )n−1
Comme −1 < < +1 et −1 < < +1, on a lim 4 = lim 12 = 0, d’où
4 2 n→+∞ n→+∞

lim P (Bn ) = 0
 n→+∞



lim P (Nn ) = 12
n→+∞



 lim P (Vn ) = 12
n→+∞
EXERCICE 3
I. Situation 1 : Dans cette situation, n = 20

1. (a) L’urne contient 2n = 40 boules noires et n2 − 2n = 360 boules blanches, donc un total de 400
boules. Si l’on suppose, ce qui est sous-entendu, que les boules sont indiscernables au toucher, on a alors
40 1
p= = = 0, 1.
400 10
(b) Effectuer 20 tirages successifs d’une boule dans cette urne, en examinant, à chaque tirage si la boule
tirée est, ou non, noire, c’est effectuer 20 épreuves de Bernoulli de même paramètre p = 0, 1; ces épreuves sont,
puisqu’on remet la boule tirée après chaque tirage, indépendantes. On sait que le nombre X de boules noires tirées
suit la loi binomiale de taille 20
et de paramètre 0, 1, c’est-à-dire que :
 X (Ω) = [[0, 20]] - .
20
 ∀k ∈ [[0, 20]] P (X = k) = 0, 1k 0, 920−k
k
(c) On a E (X) = 20 × 0, 1 = 2, et V (X) = 20 × 0, 1 × 0, 9 = 1, 8.
2. Le joueur est gagnant si (X ≤ 2). Or P (X ≤ 2) = P (X = 0) + P (X = 1) + P (X = 2). L’extrait de table

fourni dans l’énoncé donne P (X = 0) = 0, 1216, P (X = 1) = 0, 2702, P (X = 2) = 0, 2852. on obtient alors
P (X ≤ 2) = 0, 6770.
Situation 2 : Dans cette situation, n est un entier fixé supérieur ou égal à 30

1. (a) L’urne contient 2n boules noires, et n2 − 2n boules blanches, donc un total de n2 boules. On a donc
2n 2
p′ = 2 = .
n n
(b) Effectuer n tirages successifs d’une boule dans cette urne, en examinant, à chaque tirage si la boule tirée
2
est, ou non, noire, c’est effectuer n épreuves de Bernoulli de même paramètre p = ; ces épreuves sont, puisqu’on
n
39
remet la boule tirée après chaque tirage, indépendantes. On sait que le nombre Y de boules noires tirées suit la loi
2
binomiale de taille n et de paramètre , c’est-à-dire que :
 n

 Y (Ω) = [[0, n]]
- . - .k - .
n 2 2 n−k

 ∀k ∈ [[0, 2n]] P (Y = k) = 1 −
k n n
- . - .
2 2 2 2
(c) On a E (Y ) = n × = 2, et V (Y ) = n × 1− =2 1− .
n n n n
2. (a) Sous les conditions données, n est ”assez grand” (n ≥ 30), p′ est ”assez petit” (p′ ≤ 0, 1), et np′ n’est ”pas
2
trop grand” (np < 15), ce qui légitime l’approximation de la loi binomiale de taille n et de paramètre par la loi
n
2
de Poisson de paramètre λ = n × = 2.
n
(b) Le joueur est gagnant si (Y ≤ 2). Or P (Y ≤ 2) = P (Y = 0) + P (Y = 1) + P (Y = 2). L’extrait de
table fourni dans l’énoncé donne P (Y = 0) = 0, 1353, P (Y = 1) = 0, 2707, P (Y = 2) = 0, 2707. on obtient
alors P (Y ≤ 2) = 0, 6767.
Cependant, l’approximation de la loi de Y par la loi de Poisson de paramètre 2 consiste à donner P (Y = k) =
2k
e−2 . On a alors :
k!
P (Y ≤ 2) = e−2 + 2e−2 + 2e−2 = (1 + 2 + 2) e−2 = f (2) = 0, 68, valeur fournie par l’énoncé dans l’exercice.
1.
40
EPREUVES ESC
MATHÉMATIQUES
MARDI 21 MAI 2OO2, de 8 h à l2 h

41
EXERCICE 1
Partie A
On donne les matrices :      

3 0 1 1 0 0 1 0 1
A= 1 2 1  , I= 0 1 0  , J = 1 0 1 
1 0 3 0 0 1 1 0 1
1. Calculer J 2 , J 3 en déduire par récurrence J k pour tout entier k de IN ∗ .
2. Déterminer deux nombres réels a et b tels que A = aI + bJ.

- .
4n − 2n
3. Montrer par récurrence sur n que pour tout n ∈ IN ∗ , on a l’égalité An = 2n I + J.
2
4. En déduire, pour tout n de IN ∗ , An sous forme de tableau de nombres.
Partie B
1. La formule obtenue à la question A.3. est-elle encore valable pour n = 0? (on rappelle A0 = I).
2. Montrer que la matrice A est inversible et calculer son inverse par la méthode du pivot de Gauss (les calculs
figureront sur la copie).
3. La formule obtenue à la question A.3. est-elle encore valable pour n = −1 ? (justifier).
EXERCICE 2
ln x
Soit la fonction f définie sur ]0, +∞[ par : f (x) = x + 1 + 2 .
x
On note (C) sa courbe représentative dans un repère orthonormal, l’unité de longueur étant 2cm.
Partie A : étude de f et tracé de (C).
1. Etudier les branches infinies de (C). On montrera que la courbe admet pour asymptote oblique en +∞ la droite
(D) d’équation y = x + 1.
2. On pose pour tout réel x strictement positif : u (x) = x2 + 2 − 2 ln x.

(a) Etudier le sens de variation de u (on ne cherchera pas les limites de u).
En déduire le signe de u (x) sur ]0, +∞[.
(b) Calculer f ′ (x) et montrer que f ′ (x) a le même signe que u (x).
(c) Utiliser le résultat précédent pour déterminer le sens de variation de f , et dresser le tableau de variation de f.
3. Construction de la courbe (C) :

(a) Etudier la position de (C) par rapport à la droite (D) d’équation y = x + 1.
(b) Déterminer une équation de la tangente (T ) à la courbe (C) au point d’abscisse 1.
1
(c) Tracer (D), (T ) et (C) (On placera les points de la courbe d’abscisses , 1, e, 4).
2
On donne : f (e) ≈ 4, 5 ; f (1/2) ≈ −1, 3 ; f (4) ≈ 5, 7.
42
Partie B : approche de la solution de l’équation f (x) = x.
On admet que l’équation f (x) = x a une solution unique dans ]0; 1], notée α
et on se propose d’approcher α par une suite récurrente.
1. Construire α sur le graphique de la question A.3.(c).

1
2. Soient g la fonction définie sur IR par g (x) = e− 2 x et (un )n∈IN la suite définie par :

 u0 = 1
1
 pour tout n ∈ IN, un+1 = g (un ) = e− 2 un
(a) Montrer que l’équation f (x) = x équivaut à l’équation x = g (x). Que vaut donc g (α)?
(b) Montrer par récurrence que pour tout entier naturel n on a : 0 ≤ un ≤ 1.
1
(c) Calculer g′ (x) et montrer que pour tout réel x de l’intervalle [0; 1], |g ′ (x)| ≤ .
2
(d) En déduire à l’aide de l’inégalité des accroissements finis que pour tout entier n de IN :
1
|un+1 − α| ≤ |un − α|
2
(on énoncera clairement le théorème utilisé et on justifiera que l’on est dans les conditions d’application).
- .n
1
3. Montrer alors que, pour tout entier naturel n, |un − α| ≤ .
2
4. (a) Déterminer la limite de la suite (un )n∈IN quand n tend vers +∞.
(b) Déduire de la question B.3. une valeur entière n0 à partir de laquelle le nombre un est une valeur approchée de
α à 10−2 près .
ln 10
Valeurs numériques : on pourra utiliser la valeur : ≈ 3, 32.
ln 2
EXERCICE 3
Une urne contient 2 boules rouges et une boule verte indiscernables au toucher.
Partie A
On effectue dans cette urne trois tirages successifs, avec remise de la boule tirée après chacun des tirages. On note
pour i = 1, 2 ou 3 : Ri : ”La i − ième boule tirée est rouge”
et Vi : ”La i − ième boule tirée est verte” (donc Vi = Ri )
On note X la variable aléatoire égale au nombre de fois où le tirage a donné une boule rouge.
1. (a) Reconnaître la loi de X en justifiant votre réponse.

Préciser les valeurs prises par X et les probabilités correspondantes.
(b) Donner l’espérance et la variance de X.
2. On désigne par Y la variable aléatoire égale au rang d’apparition de la première boule rouge (dans le cas où au
moins une boule rouge est tirée sur les trois).
On donne à Y la valeur 0 si les tirages ont donné 3 boules vertes.
(a) Décrire en fonction des événements Ri et Vi , les événements suivants :
[(X = 2) ∩ (Y = 1)] , [(X = 1) ∩ (Y = 3)] , [(X = 3) ∩ (Y = 2)]
43
et déterminer leur probabilité.
(b) Donner, sous la forme d’un tableau à double entrée, la loi du couple (X; Y ).
(On justifiera pour l’exemple deux valeurs non traitées dans la question précédente).
(c) Expliquer comment retrouver la loi de X à partir du tableau.
(d) Donner la loi marginale de Y et calculer l’espérance E (Y ) de Y .
(e) Les variables X et Y sont-elles indépendantes ? Calculer la covariance de X et de Y .
Partie B
On appelle ”manche” l’expérience réalisée dans la partie A (tirer successivement avec remise trois boules dans
l’urne).
Pour jouer une manche, on mise 10 ǫ ; chaque boule rouge extraite rapporte 5 ǫ. On appelle G la variable aléatoire
égale au gain algébrique en euros du joueur lors d’une manche (c’est-à-dire en tenant compte de la mise). Par
exemple, si lors d’une manche on a extrait une seule boule rouge, alors G vaut −10ǫ + 5ǫ = −5ǫ.
1 . (a) Exprimer G en fonction de X.
(b) En déduire le gain algébrique moyen d’un joueur. Le jeu est-il équitable?
2. (a) Quelle est la probabilité d’obtenir un gain algébrique de 5 ǫ au cours d’une manche ?
(b) Un joueur décide de jouer jusqu’à obtenir lors d’une manche un gain algébrique de 5 ǫ. Soit Z la variable
aléatoire égale au nombre de manches jouées quand le joueur s’arrête. Quelle est la loi suivie par Z ? Préciser
l’espérance et la variance de Z.
Partie C
On effectue maintenant 450 tirages avec remise dans 1’ume contenant deux boules rouges et une boule verte.
On note N la variable aléatoire égale au nombre de boules rouges obtenues sur les 450 tirages.
1. Quelle est la loi suivie par N ? Que valent l’espérance et la variance de N ?
2. Montrer que la loi de N peut être approchée par une loi normale dont on précisera les paramètres.
3. A l’aide de cette approximation (et sans tenir compte de la correction de continuité), calculer la probabilité
d’obtenir entre 290 et 310 boules rouges.
On donne Φ (1) ≈ 0, 8413 (Φ désigne la fonction de répartition de la loi normale centrée réduite.
44
EXERCICE 1
Partie A
     
3 0 1 1 0 0 1 0 1
A= 1 2 1  , I= 0 1 0  , J = 1 0 1 
1 0 3 0 0 1 1 0 1
   
2 0 2 4 0 4
1. On trouve J 2 =  2 0 2  = 2J, J 3 =  4 0 4  = 4J.
2 0 2 4 0 4
On montre alors par récurrence que, pour tout entier k de IN ∗ , J k = 2k−1 J.
La formule est évidente pour k = 1 : J 1 = 20 J.
On suppose que, pour un entier k ≥ 1, quelconque, on a J k = 2k−1 J. On en déduit alors que :
J k+1 = J k J = 2k−1 J × J = 2k−1 J 2 = 2k−1 × 2J = 2k J, et l’on voit que la formule est encore vraie pour
l’entier k + 1.
• La formule est vraie pour k = 1;
• si elle est vraie pour un entier k ≥ 1, quelconque, alors elle est encore vraie pour l’entier k + 1;
on peut alors conclure qu’elle est vraie pour tout entier k ≥ 1.
2. Le plus simple est de ”voir” que A = 2I + J.  

a+b 0 b  a+b=3
Si l’on ne ”voit” pas, on écrit aI +bJ =  b a b , et la relation A = aI +bJ fournit : b=1 ,

b 0 a+b a=2
d’où, encore A = 2I + J.
4n − 2n
3. On montre par récurrence que, pour tout n ∈ IN ∗ , An = 2n I + J.
2
1
4 −2 1 1
4 −2 1
Pour n = 1, l’égalité s’écrit A1 = 21 I + J; comme = 1, on voit, par 2., que la formule est vraie
2 2
pour n = 1.
4n − 2n
On suppose que, pour un entier n ≥ 1, quelconque, on a An = 2n I + J. On en déduit alors que
- . 2
4n − 2n 4n − 2n 4n − 2n 2
An+1 = An × A = 2n I + J (2I + J) = 2n+1 I + 2 J + 2n J + J . Comme J 2 = 2J,
2 2 2
il vient, après réduction :
1 4n+1 − 2n+1
An+1 = 2n+1 I + (4 × 4n − 2 × 2n ) J = 2n+1 I + J, la formule est donc encore vraie pour l’entier
2 2
n + 1, et ceci achève de prouver qu’elle est vraie pour tout entier n ≥ 1.
Remarque : il est donc assez simple de prouver cette formule par récurrence; mais comment obtenir cette formule
lorsqu’elle n’est pas donnée, d’une manière ou d’une autre? Une méthode possible est d’utiliser la formule du
binôme de Newton.
On a, puisque 2I et J commutent, : n - .;
2n - . 2n - . 2 n
n n
An = (2I)n−k J k = 2n I + 2n−k × 2k−1 J = 2n I + 2n−1 J (noter qu’il a fallu
k k k
k=0 k=1 k=1
isoler le terme correspondant à k = 0, car la formule J k = 2k−1 J n’a été prouvée que pour k ≥ 1).
Mais la formule du binôme de Newton permet aussi d’écrire que :
2n - . 2n - . 2n - .
n n n n n
2 = (1 + 1) = =1+ , donc = 2n − 1. Reportant, on obtient :
k k k
k=0 k=1 k=1
2n (2n − 1) 4n − 2n
An = 2n I + 2n−1 (2n − 1) J. On écrit que 2n−1 (2n − 1) = = , et ainsi : An =
2 2
4n − 2n
2n I + J.
2
4. Un calcul simple fournit alors :
45
 n 
4n +2n
n
 n 
0 4 −2 2
2 2 + 4n 0 4 n − 2n
n
4 −2 n
 4n −2n
2n 4 −2
n n
 1 n
An = 2n I + J = 2
2 = 4 − 2n 2 × 2n 4n − 2n 
2 4n −2n
4n +2n 2 4n − 2n 0 2n + 4n
0 2
2
(ne pas oublier de vérifier les calculs, en faisant, au moins, n = 1).
Partie B
1. Comme 40 = 20 = 1, la formule obtenue en A.3. fournit, lorsqu’on fait n = 0, A0 = I, dont on voit qu’elle est
vraie.
2. Inversibilité de A, et calcul de A−1

On utilise la méthode du pivot de Gauss pour prouver l’inversibilité de A, et calculer son inverse. (les pivots
successifs sont en caractères gras)
3 0 1 1 0 0 ,
L2 ←− 3L2 − L1
1 2 1 0 1 0 . Par , on obtient :
L3 ←− 3L3 − L1
1 0 3 0 0 1
3 0 1 1 0 0 ,
L1 ←− 8L1 − L3
0 6 2 −1 3 0 . Par , on obtient :
L2 ←− 4L2 − L3
0 0 8 −1 0 3

 1

 L1 ←− L1

 24
24 0 0 9 0 −3  1
0 24 0 −3 12 −3 . Par L2 ←− L2 , on obtient :

 24
0 0 8 −1 0 3 
 1

 L3 ←− L3
8
3
1 0 0 8 0 − 18
0 1 0 − 18 1
2 − 18
0 0 1 − 18 0 3
8  3   
8 0 − 18 3 0 −1
 1  1
On a alors prouvé que A est inversible, avec A−1 =  − 18 1
2 −8  = −1 4 −1 .
8
− 18 0 83 −1 0 3
4n − 2n 4−1 − 2−1
3. Faisant n = −1 dans la formule An = 2n I + J, on obtient A−1 = 2−1 I + J, c’est-à-dire
2 2
1 1
A−1 = I − J (attention : avoir écrit la formule pour n = −1 ne prouve pas que la formule soit vraie; cette
2 8
formule n’a été, à ce stade, prouvée que pourn ≥ 0). 
3
8 0 − 18
1 1  1 1 1 
Mais un calcul simple fournit I − J =  − 8 2 − 8 , et comparant avec 2., on constate qu’on a bien
2 8
− 18 0 38
1 1 4n − 2n
A−1 = I − J, la formule An = 2n I + J est donc bien valable pour n = −1.
2 8 2
Remarque : on −1
- . aurait aussi pu, sans avoir effectué le calcul de A par la méthode du pivot,n effectuer le calcul de
1 1 1 1 n 4 − 2n
A I − J , où la matrice I − J a été obtenue en remplaçant n par −1 dans 2 I + J (sans préjuger
2 8 2 8 2
de ce que la matrice
- obtenue . est, on non, -
l’inverse de.A).
1 1 1 1 1 1 1
On obtient : A I − J = (2I + J) I − J = I + J − J − J 2 = I (J 2 = 2J), et ceci prouve que
2 8 2 8 2 4 8
−1 1 1 −1
A est inversible, avec A = I − J, et dispense du calcul de A par la méthode du pivot.
2 8
46
EXERCICE 2
ln x
Soit la fonction f définie sur ]0, +∞[ par : f (x) = x + 1 + 2 .
x
Partie A : étude de f et tracé de (C).
ln x
1. On a lim+ ln x = −∞, et lim+ x = 0+ , donc lim+ = −∞; comme lim+ (x + 1) = 1, on lim f = −∞, la
x→0 x→0 x→0 x x→0 0+
droite d’équation x = 0 (l’axe des ordonnées) est donc asymptote (verticale) à la courbe (C).
ln x ln x
D’autre part, on a f (x) − (x + 1) = 2 , et l’on sait que lim = 0, donc lim [f (x) − (x + 1)] = 0,
x x→+∞ x x→+∞
c’est-à-dire que la droite (D) d’équation y = x + 1 est asymptote à (C) quand x tend vers +∞.
2. (a) u est définie, continue et dérivable sur ]0; +∞[ comme composée de fonctions dérivables, et
2 2 (x − 1) (x + 1) 2 (x + 1)
u′ (x) = 2x − = , qui est, pour tout x > 0, du signe de x − 1 (car > 0). u est donc
x x x
décroissante sur ]0, 1], et croissante sur [1; +∞[, u admet donc, en x = 1, un minimum absolu, et donc, pour tout
réel x > 0, u (x) ≥ u (1). Comme u (1) = 3, on a, pour tout x > 0 u (x) ≥ 3, et donc u (x) > 0.
(b) f est définie, continue et dérivable sur ]0; +∞[ comme composée de fonctions dérivables, et
1
x × − 1 × ln x x2 + 2 − ln x u (x)
f ′ (x) = 1 + 2 x = = , et l’on voit que le signe de f ′ (x) est celui de u (x),
x2 x 2 x 2
c’est-à-dire que, pour tout x > 0, f ′ (x) > 0.
(c) Il résulte de (a) et (b) que f est croissante sur ]0; +∞[ .
Tableau de variation de f :
x 0 +∞
f ′ (x) ; +
f ; −∞ ր +∞
3. Construction de la courbe (C) :

(a) La position de (C) par rapport à la droite (D) d’équation y = x + 1 est donnée par le signe de f (x) − (x + 1).
ln x
Or f (x) − (x + 1) = 2 qui est, pour tout x > 0, du signe de ln x.
x
Donc :
• pour x ∈ ]0; 1[, la courbe est au-dessous de la droite (D);
• pour x ∈ ]1; +∞[, la courbe est au-dessus de la droite (D);
• la courbe (C) et la droite (D) se coupent au point de coordonnées (1; 2).
(b) Une équation de la tangente (T ) à la courbe (C) au point d’abscisse 1 est y − f (1) = f ′ (1) (x − 1). Comme
f (1) = 2 et f ′ (1) = 3, cette équation s’écrit : y − 2 = 3 (x − 1), ou y = 3x − 1.
(1)3 2
(c) On a f 2 − 4 ln 2 ≈ −1, 3 (donné par l’énoncé), f (e) = e + 1 + ≈ 4, 5 (donné par l’énoncé), et
=
2 e
1
f (4) = 5 + ln 4 ≈ 5, 7 (donné par l’énoncé).
2
Allure de la courbe :
47
y 6
0
1 2 3 4 5
-2
x
-4
ln x
y =x+1+2
x
Ont été portées sur le graphique les droites d’équations y = x, y = 3x − 1, y = x + 1.
Partie B : approche de la solution de l’équation f (x) = x.

On admet que l’équation f (x) = x a une solution unique dans ]0; 1], notée α
et on se propose d’approcher α par une suite récurrente.
Remarque : l’existence et l’unicité d’une solution de l’équation f (x) = x dans l’intervalle ]0; 1] résulte du
ln x
théorème de la bijection appliqué à la fonction h définie sur ]0; 1] par h (x) = f (x) − x = 1 + 2 . h est
x
continue et dérivable sur ]0; 1] comme composée de fonctions dérivables. On voit que lim+
h = −∞, h (0) = 1, et
0
1 − ln x
h′ (x) =2 > 0 pour tout élément x de ]0; 1], h est donc strictement croissante sur ]0; 1]. h étant continue
x2
sur ]0; 1], h est une bijection de ]0; 1] sur ]−∞; 1]. En particulier, puisque 0 ∈ ]−∞; 1], il existe un unique élément
de ]0; 1], élément que l’énoncé appelle α, tel que g (α) = α.
1. Le point d’intersection de la courbe (C) et de la droite d’équation y = x a une ordonnée égale à son abscisse, et
celle-ci est solution de l’équation f (x) = x, elle est donc égale à α.
ln x 1 1
2. (a) L’équation f (x) = x peut s’écrire 2 = −1, ou encore ln x = − x, ce qui est équivalent à x = e− 2 x ,
x 2
c’est-à-dire à x = g (x). Puisque l’équation f (x) = x admet, sur ]0; 1], α pour unique solution, il en est de même
de l’équation x = g (x), et donc g (α) = α.
(b) On montre par récurrence que pour tout entier naturel n on a : 0 ≤ un ≤ 1.
Puisque u0 = 0, l’énoncé est vrai pour n = 0.
On suppose que, pour un entier n ≥ 0, quelconque, on a : 0 ≤ un ≤ 1. La fonction g étant clairement décroissante
1
sur [0; 1], on en déduit que g (1) ≤ g (un ) ≤ g (0), c’est-à-dire, puisque g (1) = e− 2 , et g (0) = 1, que
1 1
e− 2 ≤ un+1 ≤ 1, d’où, puisque e− 2 > 0, 0 ≤ un+1 ≤ 1, l’énoncé est donc encore vrai pour l’entier n + 1, et l’on
peut conclure que, pour tout entier n ≥ 0, 0 ≤ un ≤ 1.
1 1 1
(c) On a g ′ (x) = − e− 2 x , d’où, pour tout x ≥ 0, |g ′ (x)| ≤ .
2 2
1
(d) α et un sont tous deux éléments de l’intervalle [0; 1]. Puisque, pour tout élément x de [0; 1], |g ′ (x)| ≤ ,
2
l’inégalité des accroissements finis appliquée à la fonction g entre α et un permet d’écrire : |g (un ) − g (α)| ≤
1
|un − α|, d’où, puisque g (un ) = un+1 , et g (α) = α,
2
1
|un+1 − α| ≤ |un − α| .
2
- .n
1
3. On montre par récurrence que pour tout entier naturel n, |un − α| ≤ .
2
48
- .0
1
L’énoncé est vrai pour n = 0. En effet, puisque u0 = 1 et α ∈ [0; 1], on a bien |u0 − α| ≤ = 1.
- .n 2
1
On suppose alors que, pour un entier n ≥ 0, quelconque, on a |un − α| ≤ . De :
 2
 1

 |un+1 − α| ≤ 2 |un − α| - .n - .n+1
- .n 1 1 1
1 on déduit que |un+1 − α| ≤ × , c’est-à-dire |un+1 − α| ≤ . On

 |u − α| ≤ 2 2 2
 n 2
a alors prouvé que - l’énoncé
. est encore vrai pour l’entier n + 1, et l’on peut alors conclure que, pour tout entier
1 n
n ≥ 0, |un − α| ≤ .
2
- .n
1
4. (a) On a lim = 0, d’où lim un = α.
n→+∞ 2 n→+∞
- .n
1
(b) Puisque |un − α| ≤ , pour que un soit une valeur approchée de α à 10−2 près, il suffit (et non ”il faut”)
- .n 2
1 ln 10
que ≤ 10−2 . Or, cette dernière inégalité est équivalente à −n ln 2 ≤ −2 ln 10, ou : n ≥ 2 . L’énoncé
2 ln 2
ln 10
fournissant ≈ 3, 32, on aboutit à n ≥ 6, 6. Le plus petit entier n satisfaisant à cette condition étant 7, il
ln 2
convient de choisir n0 = 7 pour être assuré que, pour tout entier n ≥ n0 = 7, un soit une valeur approchée de α à
10−2 près .
Remarque : plutôt que d’utiliser des logarithmes, il était bien plus simple de ”compter sur ses doigts”. La suite
-- .n . - .7
1 1 1 1 1 1 1 1 1
est strictement décroissante, et prend les valeurs successives 1, , , , , , , = ,
2 n≥0 2 4 8 16 32 64 128 2
et cela suffit pour conclure que, pour tout entier n ≥ 7, un est une valeur approchée de α à 10−2 près .
EXERCICE 3
Partie A
1. (a) Pour chacun des tirages, examiner si la boule tirée est, ou non, rouge, constitue une épreuve de Bernoulli de
2
paramètre (deux boules rouges, et une verte). On effectue ici, trois fois cette épreuve. La remise de la boule tirée
3
après chacun des tirages assure l’indépendance des tirages. La variable aléatoire X égale au nombre de fois où le
2
tirage a donné une boule rouge suit donc la loi binomiale de paramètres 3 et .
3 - .
3 k
- . - .k - .3−k 2
3 2 1 k
On a X (Ω) = {0, 1, 2, 3}, et, pour k ∈ {0, 1, 2, 3} P (X = k) = = .
k 3 3 27
Le calcul numérique fournit, plus précisément :
1 2 4 8
P (X = 0) = P (X = 1) = P (X = 2) = P (X = 3) =
27 9 9 27
2
(b) On doit savoir qu’une variable aléatoire X qui suit la loi binomiale de paramètres 3 et a une espérance E (X)
3
2 2 1
égale à 3 × , et une variance V (X) = 3 × × . Ainsi :
3 3 3
2
E (X) = 2 et V (X) = .
3
2. (a) Dire que l’événement [(X = 2) ∩ (Y = 1)] est réalisé, c’est dire que la première boule tirée est rouge
(Y = 1), le nombre total de boules rouges tirées étant égal à 2 (X = 2). Il y a donc eu deux boules rouges tirées, en
rang 1 d’abord, en rang 2 ou 3 ensuite. Autrement dit :
49
[(X = 2) ∩ (Y = 1)] = (R1 ∩ R2 ∩ V3 ) ∪ (R1 ∩ V2 ∩ R3 ). Comme les événements Ri sont indépendants, et les
événements (R1 ∩ R2 ∩ V3 ) et (R1 ∩ V2 ∩ R3 ) incompatibles, on a
P [(X = 2) ∩ (Y = 1)] = P (R1 ) P (R2 ) P (V3 ) + P (R1 ) P (V2 ) P (R3 ); comme : P (R1 ) P (R2 ) P (V3 ) =
- .2
2 1 4 8
P (R1 ) P (V2 ) P (R3 ) = × = , on obtient P [(X = 2) ∩ (Y = 1)] = .
3 3 27 27
De même, dire que l’événement [(X = 1) ∩ (Y = 3)] est réalisé, c’est dire que la première boule rouge tirée l’est
au troisième tirage, le nombre total de boules rouges tirées étant égal à 1. Autrement dit :
[(X = 1) ∩ (Y = 3)] = (Y = 3) = V1 ∩ V2 ∩ R3 , d’où
- .2
1 2 2
P [(X = 1) ∩ (Y = 3)] = P (V1 ∩ V2 ∩ R3 ) = × = .
3 3 27
Enfin, l’événement [(X = 3) ∩ (Y = 2)] est impossible. Si l’événement (X = 3) est réalisé, c’est-à-dire si les trois
boules tirées sont rouges, alors, en particulier, la première boule tirée est rouge, et l’on a donc Y = 1. Autrement
dit : [(X = 3) ∩ (Y = 2)] = ∅, d’où P [(X = 3) ∩ (Y = 2)] = 0.
(b) Tableau de la loi conjointe du couple (X, Y ) :
Les valeurs des probabilités P [(X = i) ∩ (Y = j)] sont présentées dans le tableau suivant, tableau dans lequel
dans la case correspondant à une valeur de i et à une valeur de j figure la valeur de P [(X = i) ∩ (Y = j)] :
i=\j= 0 1 2 3
1
0 27 0 0 0
2 2 2
1 0 27 27 27
8 4
2 0 27 27 0
8
3 0 27 0 0
et l’on peut vérifier que la somme des probabilités figurant dans ce tableau vaut 1.
Dans le détail : - .3
1 1
• (X = 0) ∩ (Y = 0) = (X = 0) = V1 ∩ V2 ∩ V3 , d’où P [(X = 0) ∩ (Y = 0)] = = ;
3 27
• (X = 0) ∩ (Y = 1) = (X = 0) ∩ (Y = 2) = (X = 0) ∩ (Y = 3) = ∅, d’où
P [(X = 0) ∩ (Y = 1)] = P [(X = 0) ∩ (Y = 2)] = P [(X = 0) ∩ (Y = 3)] = 0;
• (X = 1) ∩ (Y = 0) = ∅, d’où P [(X = 1) ∩ (Y = 0)] = 0;
- .2
2 1 2
• (X = 1) ∩ (Y = 1) = R1 ∩ V2 ∩ V3 , d’où P [(X = 1) ∩ (Y = 1)] = × = ;
3 3 27
- .2
2 1 2
• (X = 1) ∩ (Y = 2) = V1 ∩ R2 ∩ V3 , d’où P [(X = 1) ∩ (Y = 2)] = × = ;
3 3 27
- .2
2 1 2
• (X = 1) ∩ (Y = 3) = V1 ∩ V2 ∩ R3 , d’où P [(X = 1) ∩ (Y = 2)] = × = ;
3 3 27
• (X = 2) ∩ (Y = 0) = ∅, d’où P [(X = 2) ∩ (Y = 0)] = 0;
- .2
2 1 8
• (X = 2) ∩ (Y = 1) = (R1 ∩ R2 ∩ V3 ) ∪ (R1 ∩ V2 ∩ R3 ), d’où P [(X = 2) ∩ (Y = 1)] = 2 × × = ;
3 3 27
- .2
1 2 4
• (X = 2) ∩ (Y = 2) = V1 ∩ R2 ∩ R3 , d’où P [(X = 2) ∩ (Y = 2)] = × = ;
3 3 27
• (X = 2) ∩ (Y = 3) = ∅, d’où P [(X = 2) ∩ (Y = 3)] = 0;
• (X = 3) ∩ (Y = 0) = (X = 3) ∩ (Y = 2) = (X = 3) ∩ (Y = 3) = ∅, d’où
P [(X = 3) ∩ (Y = 0)] = P [(X = 3) ∩ (Y = 2)] = P [(X = 3) ∩ (Y = 3)] = 0.
- .3
2 8
• (X = 3) ∩ (Y = 1) = R1 ∩ R2 ∩ R3 , d’où P [(X = 3) ∩ (Y = 1)] = = ;
3 27
(c) Effectuant, dans le tableau précédent, la somme des valeurs ligne par ligne, on obtient la loi de X :
i=\j= 0 1 2 3 P (X = i)
1 1
0 27 0 0 0 27
2 2 2 6 2
1 0 27 27 27 27 = 9
8 4 12 4
2 0 27 27 0 27 = 9
8 8
3 0 27 0 0 27
50
(d) De manière analogue, effectuant, dans le même tableau, la somme des valeurs colonne par colonne, on obtient
la loi de Y :
i=\j= 0 1 2 3
1
0 27 0 0 0
2 2 2
1 0 27 27 27
8 4
2 0 27 27 0
8
3 0 27 0 0
1 18 2 6 2 2
P (Y = j) 27 27 = 3 27 = 9 27
Et on peut vérifier que P (Y = 0) + P (Y = 1) + P (Y = 2) + P (Y = 3) = 1. De plus :

E (Y ) = 0 × P (Y = 0) + 1 × P (Y = 1) + 2 × P (Y = 2) + 3 × P (Y = 3)
1 2 2 2
=0× +1× +2× +3×
27 3 9 27
4
c’est-à-dire E (Y ) =
3
Remarque : il était facile de déterminer directement la loi de Y (qui n’est pas une loi géométrique; l’image de Y
n’est d’ailleurs pas IN ∗ , mais un ensemble fini).
- .3
1 1
En effet, (Y = 0) = V1 ∩ V2 ∩ V3 , d’où P (Y = 0) = = ;
3 27
2
(Y = 1) = R1 , d’où P (Y = 1) = ;
3
1 2 2
(Y = 2) = V1 ∩ R2 , d’où P (Y = 1) = × = ;
3 3- .9
1 2 2 2
(Y = 3) = V1 ∩ V2 ∩ R3 , d’où P (Y = 3) = × = .
3 3 27
(e) Les variables X et Y ne sont pas indépendantes : en effet, si elles étaient indépendantes, on aurait, pour tous i
et j, P [(X = i) ∩ (Y = j)] = P (X = i) P (Y = j). Or, par exemple,
8 1
P [(X = 3) ∩ (Y = 0)] = 0 7= × = P (X = 3) P (Y = 0).
27 27
Rappel : la non indépendance de deux variables aléatoires doit être justifiée par un calcul, et non par quelques
considérations générales.
Calcul de la covariance de X et de Y
Notant cov (X, Y ) cette covariance, on a cov (X, Y ) = E (XY ) − E (X) E (Y ), et E (XY ) =
23 2 3
P [(X = i) ∩ (Y = j)], cette somme comportant, a priori 16 termes, certains d’entre eux étant
i=0 j=0
nuls (10 d’entre eux).
On trouve ainsi :
2 2 2 8 4 8 68
E (XY ) = 1 × 1 × +1×2× +1×3× +2×1× +2×2× +3×1× = .
27 27 27 27 27 27 27
68 4 4
Il en résulte cov (X, Y ) = −2× =− .
27 3 27
Remarque : ceci confirme que X et Y ne sont pas indépendantes, puisque la covariance de deux variables aléatoires
indépendantes est nulle (la réciproque étant fausse).
Partie B
1.(a). Chaque boule rouge extraite rapportant 5 ǫ, X boules rouges extraites rapportent 5X ǫ. Compte-tenu de la
mise initiale de 10 ǫ, on a G = 5X − 10 (plutôt que (5X − 10) ǫ)
(b) Il résulte de 1.(a) que E (G) = 5E (X) − 10 = 0. Le jeu est donc équitable.
8
2. (a) Comme 5X − 10 = 5 ssi X = 3, on a P (G = 5) = P (X = 3) = .
27
51
8 27 1− 8 513
(b) Z suit la loi géométrique de paramètre . Donc E (Z) = et V (Z) = ( )27
2 = .
27 8 8 64
27

 1
 E (Z) =
Rappel de cours : si une variable aléatoire Z suit la loi géométrique de paramètre p ∈ ]0; 1[, alors p .

 V (Z) = 1−p
p2
Partie C
2
1. Avec les mêmes arguments qu’en A.1.(a) N suit la loi binomiale de paramètres 450 et . On a donc :
+ 3
E (N) = 450 × 23 = 300
V (N) = 450 × 23 × 13 = 100
2. Rappel : on montre que, pour de ”grandes” valeurs de n, et des valeurs de p ”pas trop faibles”, la loi binomiale de
paramètres n et p peut être approchée par une loi normale; les paramètres de cette loi sont tels que la loi binomiale
donnée, et la loi normale utilisée comme approximation aient même espérance et même variance. Autrement dit, la
loi binomiale de paramètres n et p peut être approchée par la loi normale de paramètres m = np et σ 2 = npq. Les
√
programmes en vigueur en 2002 utilisaient les paramètres m = np et σ = npq pour désigner cette même loi.
Conditions pratiques 
 (i) n ≥ 30 (n grand)
on considère que l’approximation ci-dessus est valide lorsque : (ii) np ≥ 15 (np pas trop faible)

(iii) npq > 5
2
Les valeurs n = 450 et p = satisfont bien à ces conditions, ce qui permet l’approximation de la loi de N par
3 √
la loi normale de paramètres m = 300 et σ = 100 = 10 (programmes 2002; on dit désormais ”loi normale de
paramètres 300 et 100 - et il s’agit, évidemment, de la même loi-).
N − 300
3. Si l’on considère que N ”suit” la loi normale de paramètres 300 et 10, alors, posant T = , on sait que
10
T suit la loi normale centrée( réduite. )
Mais (290 ≤ N ≤ 310) = 290−300 10 ≤ N−300
10 ≤ 310−300
10 = (−1 ≤ T ≤ +1), donc
P (290 ≤ N ≤ 310) = P (−1 ≤ T ≤ +1) = Φ (1) − Φ (−1) = 2Φ (1) − 1 = 0, 6826, en utilisant la donnée de
l’énoncé, Φ (1) ≈ 0, 8413.
52
EPREUVES ESC 2003
MATHÉMATIQUES

EXERCICE 1
Partie A
 1 2 1 
     
 2 3 2  0 0 0
 1 1 1  1 
6 8 6 1 2 6
   1 
Soient les matrices M =  = 3 4 3 , P =  0 1 3  et D =  0 0 .
 4 3 4  12 12
 1 1  3 0 3 −1 −3 2 0 0 1
0
4 4
1. Montrer que la matrice P est inversible et calculer sa matrice inverse P −1 .
2. Montrer que la matrice P −1 MP est diagonale et égale à D. Déterminer Dn pour tout entier n ≥ 1.
3. Montrer par récurrence que, pour tout entier n ≥ 1 : M n = P Dn P −1 .
4. En déduire que, pour tout entier naturel non nul n :

 ( 1 )n ( 1 )n ( 1 )n 
6 − 6 12 6 + 16 12 6 − 6 12
1  ( ) ( )
 3−3 1 n 3+8 1 n 3−3 1 n
( ) 

Mn =  12 12 12 .
11  ( 1 )n ( 1 )n ( 1 )n 
2 + 9 12 2 − 24 12 2 + 9 12
Partie B : Probabilités
53
Au club de vacances ” Les Flots Bleus ”, chaque jour, chaque enfant choisit une activité parmi trois possibilités :
un jeu de ballon sur la plage, la planche à voile ou le ski nautique. Olivier est l’un de ces heureux vacanciers.
On suppose que le premier jour, chaque enfant choisit au hasard. Ensuite , chaque jour :
1
• chaque enfant qui a choisi le jeu de ballon la veille reste fidèle à ce sport avec la probabilité , change pour la
2
1 1
planche à voile avec la probabilité , ou change pour le ski nautique avec la probabilité .
4 4
1
• chaque enfant qui a choisi la planche à voile la veille reste fidèle à ce sport avec la probabilité , ou change pour
3
2
le ballon avec la probabilité .
3
1
• chaque enfant qui a choisi le ski nautique la veille reste fidèle à ce sport avec la probabilité , change pour la
4
1 1
planche à voile avec la probabilité , ou change pour le ballon avec la probabilité .
4 2
Pour tout entier naturel non nul n, on définit les événements Bn ” Olivier choisit le jeu de ballon le jour n ”, Vn ”
Olivier choisit la voile le jour n ” et Sn ” Olivier choisit le ski nautique le jour n ”.
On note leurs probabilités bn = P (Bn ), vn = P (Vn ) et sn = P (Sn ).
1. Traduire les données de l’énoncé à l’aide des événements précédents. En particulier, on déterminera b1 , v1 et s1 .
2. A l’aide de la formule des probabilités totales, exprimer bn+1 , vn+1 et sn+1 en fonction de bn , vn et sn .
 
bn
3. Pour tout entier naturel non nul n, on définit la matrice Xn =  vn . Démontrer que pour tout entier naturel
sn
non nul n :Xn+1 = MXn où M est la matrice de la partie A.
4. Démontrer par récurrence que pour tout entier naturel non nul n : Xn = M n−1 X1 .
5. En déduire bn , vn et sn en fonction de n.
6. Calculer les limites de bn , vn et sn , quand n tend vers l’infini.
EXERCICE 2
Les parties A, B et C sont indépendantes et dans chaque partie l’urne considérée initialement est la suivante :
Une urne contenant 4 boules indiscernables au toucher : 1 blanche et 3 rouges.
Pour les parties B et C on pourra utiliser les événements Rk : ” le k-ième tirage donne une boule rouge ” et Bk : ”
le k-ième tirage donne une boule blanche ” , pour k entier naturel non nul.
Partie A
1. On tire simultanément deux boules dans cette urne puis on les remet dans l’urne.
Quelle est la probabilité d’obtenir deux boules rouges ?
2. On effectue maintenant une succession de tirages simultanés de 2 boules dans cette urne (en remettant les boules
dans l’urne après chaque tirage) jusqu’à obtenir un tirage constitué de 2 boules rouges.
Soit N la variable aléatoire égale au rang du tirage où l’expérience s’arrête.
a. Quelles sont les valeurs prises par N ?
b. Reconnaître la loi de N. On précisera P (N = k) pour tout entier k ≥ 1.
c. En déduire son espérance et sa variance.
54
d. Calculer la probabilité que l’expérience s’arrête au plus tard au quatrième tirage.
Partie B
On effectue des tirages d’une boule sans remise dans l’urne jusqu’à obtenir une boule blanche.
Soit Y la variable aléatoire égale au rang du tirage où l’expérience s’arrête.
1. Quelles sont les valeurs prises par Y ?
2. Décrire l’événement (Y = 2) et calculer P (Y = 2).
3. Déterminer la loi de Y , son espérance E (Y ) et sa variance V (Y ).
4. Soit Z la variable aléatoire égale au nombre de boules rouges restant dans l’urne au moment où l’expérience
s’arrête. Exprimer Z en fonction de Y .
En déduire la loi de Z, son espérance E (Z) et sa variance V (Z).
Partie C
Dans cette partie, on effectue des tirages d’une boule avec remise dans l’urne jusqu’à ce que l’on obtienne 2 boules
consécutives de la même couleur. On note X la variable aléatoire égale au numéro (rang) du tirage où l’expérience
s’arrête.
Par exemple si les tirages ont donné successivement rouge, blanc, rouge, blanc, rouge, rouge alors X = 6.
1. Quelles sont les valeurs prises par X ?
2. Calculer P (X = 2) et P (X = 3).
3. Décrire l’événement (X = 4), puis l’événement (X = 2k) pour tout entier k ≥ 1 et montrer que pour tout entier
- .
5 3 k−1
naturel non nul k : P (X = 2k) = .
8 16
4. Décrire l’événement (X = 5), puis l’événement (X = 2k + 1) pour tout entier k ≥ 1 et montrer que pour tout
- .k
3
entier naturel non nul k : P (X = 2k + 1) = .
16
+∞
2 +∞
2
5. Calculer les sommes S1 = P (X = 2k) et S2 = P (X = 2k + 1). Vérifier que S1 + S2 = 1.
k=1 k=1
+∞
2 1
6. Calculer l’espérance de X. On rappelle que kxk−1 = si −1 < x < 1.
k=1
(1 − x)2
EXERCICE 3

 f (0) = 0

Soit la fonction définie sur [0; +∞[ par : x2

 f (x) = pour x > 0
ex − 1
Soit (C) sa courbe représentative dans le plan rapporté à un repère orthonormal (unité 2 cm).
Partie A
55
Soit g la fonction définie sur [0; +∞[ par g (x) = (−x + 2) ex − 2 pour tout réel x positif ou nul.
1. Calculer la limite de g en +∞.
2. Etudier les variations de la fonction g sur [0; +∞[. ( On précisera g (0) ).
3. Montrer que l’équation g (x) = 0 admet une unique solution non nulle, notée α.
4. Etudier le signe de g (x) sur [0; +∞[ et montrer que 1 < α < 2. On donne e ≈ 2, 7.
Partie B
ex − 1
1. Rappeler lim .
x→0 x
2. En déduire que f est continue et dérivable en 0. Préciser une équation de la tangente (T ) à (C) au point
d’abscisse 0.
3. Déterminer la limite de f en +∞, et donner une interprétation graphique de cette limite.
4.a. Pour x > 0, calculer f ′ (x) et montrer que f ′ (x) a le même signe que g (x).
b. En déduire le tableau de variations de f , en y faisant apparaître le réel α défini au A.3.
c. Montrer que f (α) = α (2 − α), où α est le réel défini au A.3.
5. Tracer la courbe (C) en plaçant les tangentes aux points d’abscisses 0 et α. On donne α ≈ 1, 6.
Partie C
+
u0 = 1
Soit la suite (un )n∈IN définie par .
un+1 = f (un )
1.a. Montrer par récurrence que pour tout entier naturel n , 0 < un ≤ 1.
b. Montrer que la suite est décroissante ( on utilisera un raisonnement par récurrence ).
c. En déduire que la suite est convergente ( sa limite est étudiée dans les questions suivantes ).
2. L’équation f (x) = x a une solution évidente : le nombre 0. On se propose de rechercher s’il existe d’autres
solutions à cette équation.
a. Montrer que dans ]0; +∞[, l’équation f (x) = x équivaut à l’équation ex − x − 1 = 0.
b. Etudier les variations de la fonction h définie sur ]0; +∞[ par h (x) = ex − x − 1.
c. En déduire que l’équation f (x) = x n’a pas de solution dans ]0; +∞[.
3. Déterminer alors la limite de la suite (un )n∈IN .
56
57
EPREUVES ESC 2003. CONCOURS D’ADMISSION SUR CLASSES PREPARATOIRES
MATHÉMATIQUES
Corrigé
EXERCICE 1
Partie A
 
1 2 6
1. Soit P =  0 1 3 
−1 −3 2
On montre que P est inversible, et l’on calcule P −1 par la méthode du pivot de Gauss.
1 2 6 1 0 0
0 1 3 0 1 0 . Par L3 ←− L3 + L1 , on obtient :
−1 −3 2 0 0 1
1 2 6 1 0 0 +
L1 ←− L1 − 2L2
0 1 3 0 1 0 . Par , on obtient :
L3 ←− L3 + L2
0 −1 8 1 0 1
1 0 0 01 −2
0 1 3 0 . Par L2 ←− 11L2 − 3L1 , on obtient :
0 1
0 0 11 11 1
 1
1 0 0 1 −2 0 
 L2 ←− L2
11 0 −3 8 −3 . Enfin, par 11
0 1 on obtient :

 L3 ←− L3 + L2
0 0 11 1 1 1
11
1 0 0 1 −2 0
3 8 3
0 1 0 − 11 11 − 11 . On a ainsi prouvé que P est inversible, avec :
1 1 1
0 0 1 11 11 11
 
1 −2 0  
 −3 3 
11 −22 0
 = 1  −3
8
P −1 =  − 11 8 −3 
 11 11  11
1 1 1 1 1 1
11 11 11
    
11 −22 0 6 8 6 0 0 0
2. On trouve  −3 8 −3   3 4 3  =  −3 8 −3 , puis
 1  1 1  3 0 3  12 12 12 
11 −22 0 6 8 6 1 2 6 0 0 0
 −3 8 −3   3 4 3   0 1 3  =  0 11 0 , d’où, divisant par 11 × 12,
1 1 1
 3 0 3  −1 −3 2   0 0 132   
11 −22 0 6 8 6 1 2 6 0 0 0
1  1  1
P −1 MP = −3 8 −3  × 3 4 3  0 1 3 =  0 11 0  =
11 1 1 1 12 3 0 3 −1 −3 2 11 × 12 0 0 132
 
0 0 0
 0 1 0  = D.
12
0 0 1  
0 ( 0) 0
1 n
D étant diagonale, on a alors, pour tout entier n ≥ 1, Dn =  0 12 0 
0 0 1
58
3. On montre, par récurrence, que, pour tout entier n ≥ 1, M n = P Dn P −1 .
Il résulte de ce que P −1 MP = D, que P DP −1 = P P −1 MP P −1 = M, la formule est donc vraie pour n = 1.
(On suppose ) (alors que,) pour un entier
( n) ≥ 1, M n = P Dn P −1 . On en déduit M n+1 = M n M =
P Dn P −1 P DP −1 = P Dn P −1 P DP −1 = P Dn+1 P −1 car P −1 P = I (matrice-unité d’ordre 3), la
formule est donc encore vraie pour l’entier n + 1, ce qui achève de prouver qu’elle est vraie pour tout entier n ≥ 1.
 ( 1 )n 
0 2 12 6
 ( 1 )n 
 3 
4. Un calcul simple fournit P Dn =  0 12 puis
 ( 1 )n 
0 −3 12 2
 ( 1 )n ( 1 )n ( 1 )n 
6 − 6 12 6 + 16 12 6 − 6 12
( )  
( 1 )n ( 1 )n ( 1 )n 

P Dn × 11P −1 =  3 − 3 12 3 + 8 12 + 3 − 3 12 , d’où
 ( 1 )n ( 1 )n ( 1 )n 
2 + 9 12 2 − 24 12 + 2 + 9 12
 ( 1 )n ( 1 )n ( 1 )n 
6 − 6 12 6 + 16 12 6 − 6 12
1  ( ) ( )
 3−3 1 n 3+8 1 n 3−3 1 n
( ) 

M n = P Dn P −1 =  12 12 12 
11  ( 1 )n ( 1 )n ( 1 )n 
2 + 9 12 2 − 24 12 2 + 9 12
Partie B : Probabilités
1. On interprète les données de l’énoncé.

1
• chaque enfant qui a choisi le jeu de ballon la veille reste fidèle à ce sport avec la probabilité , change pour la
2
1 1
planche à voile avec la probabilité , ou change pour le ski nautique avec la probabilité :
4 4
1 1 1
PBn (Bn+1 ) = ; PBn (Vn+1 ) = ; PBn (Sn+1 ) =
2 4 4
1
• chaque enfant qui a choisi la planche à voile la veille reste fidèle à ce sport avec la probabilité , ou change pour
3
2
le ballon avec la probabilité :
3
2 1
PVn (Bn+1 ) = ; PVn (Vn+1 ) = ; PVn (Sn+1 ) = 0
3 3
1
• chaque enfant qui a choisi le ski nautique la veille reste fidèle à ce sport avec la probabilité , change pour la
4
1 1
planche à voile avec la probabilité , ou change pour le ballon avec la probabilité :
4 2
1 1 1
PSn (Bn+1 ) = ; PSn (Vn+1 ) = ; PSn (Sn+1 ) =
2 4 4
1
Puisque, le premier jour, Olivier choisit au hasard (sous-entendu, de manière équiprobable), on a b1 = v1 = s1 = .
3
2. Pour chaque valeur de n, les événements Bn , Vn et Sn forment un système complet d’événements. La formule
des probabilités totales permet alors d’écrire les relations suivantes :

 P (Bn+1 ) = PBn (Bn+1 ) P (Bn ) + PVn (Bn+1 ) P (Vn ) + PSn (Bn+1 ) P (Sn )

P (Vn+1 ) = PBn (Vn+1 ) P (Bn ) + PVn (Vn+1 ) P (Vn ) + PSn (Vn+1 ) P (Sn )

 P (Sn+1 ) = P (Sn+1 ) P (Bn ) + P (Sn+1 ) P (Vn ) + P (Sn+1 ) P (Sn )
Bn Vn Sn
59
Avec les données et les notations de l’énoncé, on obtient donc :

 1 2 1
 bn+1 =
 bn + vn + sn

 2 3 2
 1 1 1
vn+1 = bn vn + sn

 4 3 4

 1 1

 sn+1 = bn + sn
4 4
 1 2 1 
 2 3 2 
 1 1 1 
 
3. Les relations explicitées en 2. s’écrivent, sous forme matricielle, Xn+1 =  Xn = MXn .
 4 3 4 
 1 1 
0
4 4
4. On montre, par récurrence, que, pour tout entier n ≥ 1, Xn = M n−1 X1 . Pour n = 1, la formule est évidente,
en prenant la convention M 0 = I : X1 = IX1 . A noter que cette convention peut poser problème lorsque, comme
c’est le cas ici, la matrice M n’est pas inversible : voir question 5. ( )
Si l’on suppose que pour un entier n ≥ 1, on a Xn = M n−1 X1 , alors Xn+1 = M Xn = M M n−1 X1 = M n X1 ,
et la formule est encore vraie pour l’entier n + 1, ce qui achève de prouver qu’elle est vraie pour tout entier n ≥ 1.
 1
  
3 1
5. On a X1 =  1  = 1  1 , d’où
3 3
1 1
3 ( 1 )n−1 ( 1 )n−1 ( 1 )n−1   ( 1 )n−1 
6 − 6 12 6 + 16 12 6 − 6 12   18 + 4 12
1
1 1 ( 1 )n−1 ( 1 )n−1 ( 1 )n−1   ( )
  1  = 1  9 + 2 1 n−1

Xn = ×  3 − 3 3 + 8 3 − 3 ,
11 3 12
( 1 )n−1
12
( 1 )n−1 ( 1 )n−1  1
12
33  12
( 1 )n−1 
2 + 9 12 2 − 24 12 2 + 9 12 6 − 6 12
c’est-à-dire que : :
 - .n−1 ; - .n−1

 1 1 6 4 1

 bn = 18 + 4 = +

 33 12 11 33 12



 : - .n−1 ; - .n−1
 1 1 3 2 1
vn = 9+2 = +

 33 12 11 33 12

 : - .n−1 ; - .n−1



 1 1 2 2 1

 s = 6 − 6 = −
 n 33 12 11 11 12
Cependant, tentant la vérification, on voit que les formules ci-dessus ne fonctionnent pas pour n = 1 : elles
2 1 1
fournissent b1 = , v1 = , s1 = 0, au lieu de b1 = v1 = s1 = . Ceci tient à la convention M 0 = I qui impose,
3 3 3
si l’on souhaite conserver n n −1 0 n −1 n
 n la relation M = P D P , que l’on pose aussi D = I (car D = P M P ). Comme
0 ( 0) 0
 1 n
n
on écrit que D = 0 12 0 , ceci signifie qu’on pose 00 = 1. Or, lorsqu’on effectue le calcul explicite
0 0 1n
de M , on a évidemment remplacé 1n par 1, et 0n par 0. Remplaçant alors n par 0 dans l’expression de M n , on
n
n’obtient pas la matrice I, et donc, remplaçant n par 1 dans l’expression de Xn calculée à partir de la formule
Xn = M n−1 X1 , on ne trouve pas X1 , les formules obtenues plus hautne sont en fait valables que pour n ≥ 2.
a n 0 0
On voit bien ce qui se passe lorsqu’on calcule P Dn P −1 , avec Dn =  0 bn 0 . On trouve :
0 0 cn
 n   6 n 6 n

a 0 0 an − 11 b + 11 c −2an + 16 11 b n + 6 cn − 6 bn + 6 cn
11 11 11
M n = P  0 bn 0  P −1 =  3 n
− 11 b + 113 n
c 8 n
11 b + 11 c
3 n 3 n
− 11 b + 11 3 n 
c
0 0 c n n 9 n 2 n n 24 n 2 n 9 n 2 n
−a + 11 b + 11 c 2a − 11 b + 11 c 11 b + 11 c
60
  − 1 an−1 +
 4 n−1 6 n−1 
1 3 33 b + 11 c
1 n−1    2 n−1 3 n−1  ( 1 )n−1
puis Xn = M 1 = 33 b + 11 c . Remplaçant an−1 par 0n−1 , bn−1 par 12 ,
3 1 1 n−1 2 n−1 2 n−1
3a − 11 b + 11 c
et cn−1 par 1, on obtient
 : - . ; - .n−1

 1 1 n−1 6 4 1 1

 bn = 18 + 4 = + − 0n−1

 33 12 11 33 12 3

 :


 - .n−1 ; - .n−1
1 1 3 2 1
vn = 9+2 = +

 33 12 11 33 12

 : - .n−1 ; - .n−1



 1 1 2 2 1 1

 s = 6−6 = − + 0n−1
 n 33 12 11 11 12 3
et l’on voit que ces formules sont valables pour tout n ≥ 1, y compris n = 1, lorsqu’on pose 00 = 1.
1
( 1 )n−1
6. Comme −1 < 12 < +1, on a lim 12 = 0, d’où
n→+∞

 6

 lim bn =

 n→+∞ 11

 3
lim vn =

 n→+∞ 11

 2

 lim sn =
 n→+∞ 11
EXERCICE 2
Partie A
1.
- Tous
. les tirages de 2 boules parmi les 4 sont équiprobables. Le nombre de tirages de 2 boules parmi 4 vaut
4
= 6. Parmi ceux-ci, sont favorables ceux qui sont choisis parmi les 3 boules rouges. Le nombre de ces tirages
2 - .
3
vaut donc = 3. La probabilité, lorsqu’on tire simultanément deux boules dans l’urne, d’obtenir deux boules
2
3 1
rouges est donc égale à , c’est-à-dire à .
6 2
2.a. On a X (Ω) = IN ∗ : il faut effectuer au moins un tirage pour obtenir, pour la première fois, 2 boules rouges, et
ce nombre ne peut être borné a priori.
b. N est le nombre de tirages nécessaire à l’obtention du premier succès dans une suite d’épreuves de Bernoulli
1 1
indépendantes et de même paramètre . N suit donc la loi géométrique de paramètre . On a :
 2 2
N (Ω) = I N ∗
 - .k−1 - .k
∗ 1 1 1
 ∀ k ∈ IN P (N = k) = × =
2 2 2
1
c. On doit savoir que l’espérance d’une variable aléatoire qui suit la loi géométrique de paramètre p vaut , et que
p
1
q 1
sa variance vaut 2 (avec q = 1 − p) . Donc E (N) = 1 = 2, et V (N) = ( 2)2 = 2.
p 2
1
2
d. On cherche P (N ≤ 4). L’événement (N > 4) est réalisé lorsqu’aucun des 4 premiers tirages ne fournit 2
- .4 - .4
1 1 15
boules rouges. Autrement dit, P (N > 4) = , d’où P (N ≤ 4) = 1 − = .
2 2 16
61
4
<
Remarque : ou aussi, (N ≤ 4) = (N = k), et, les événements figurant sous le signe ”union” étant deux à deux
k=1
4
2 4 - .k
2 1 1 1 1 1 15
incompatibles, P (N ≤ 4) = P (N = k) = = + + + = .
2 2 4 8 16 16
k=1 k=1
Partie B
1. L’urne contient une boule blanche, et trois boules rouges. Y prend alors toutes les valeurs comprises entre 1, cas
où l’on tire la boule blanche dès le premier tirage, et 4, cas où les trois premiers tirages ayant fourni des boules
rouges, l’urne ne contient plus, avant le quatrième tirage, qu’une boule blanche, puisque les tirages sont exhaustifs
(se font sans remise de la boule tirée dans l’urne). En résumé, Y (Ω) = [[1, 4]].
2. L’événement (Y = 2) est réalisé lorsque la première boule tirée est rouge, et la deuxième est noire, donc :
(Y = 2) = R1 ∩ B2 . On a donc, d’après la formule des probabilités composées, P (Y = 2) = P (R1 ) PR1 (B2 ).
3
L’urne contenant, avant le premier tirage, une boule blanche, et trois boules rouges, on a P (R1 ) = . Lorsque R1
4
1
est réalisé, l’urne contient, avant le deuxième tirage, deux boules rouges et une blanche, donc PR1 (B2 ) = . Il en
3
3 1 1
résulte que P (Y = 2) = × = .
4 3 4
1
3. On a clairement (Y = 1) = B1 , donc P (Y = 1) = .
4
L’événement (Y = 3) est réalisé lorsque les deux premières boules tirées sont rouges, et la troisième est noire,
c’est-à-dire que (Y = 3) = R1 ∩ R2 ∩ B3 , d’où, par la formule généralisée des probabilités composées,
P (Y = 3) = P (R1 ) PR1 (R2 ) P(R1 ∩R2 ) (B3 ).
2
On a PR1 (R2 ) = 1 − PR1 (B2 ) = . Lorsque R1 et R2 sont réalisés, l’urne contient, avant le troisième tirage, une
3
1 3 2 1 1
boule rouge et une blanche, donc PR1 ∩R2 (B3 ) = . Il en résulte que P (Y = 3) = × × = .
2 4 3 2 4
Enfin, l’événement (Y = 4) est réalisé lorsque les trois premières boules tirées sont rouges, la quatrième boule
tirée étant alors nécessairement blanche. Donc (Y = 4) = R1 ∩ R2 ∩ R3 , d’où
3 2 1 1
P (Y = 4) = P (R1 ) PR1 (R2 ) PR3 ∩R2 (B3 ) = × × = .
4 3 2 4
1
En résumé, Y (Ω) = [[1, 4]], et, pour tout élément k de [[1, 4]], P (Y = k) = .
4
Ainsi Y suit la loi uniforme sur [[1, 4]].
Remarque :
ce résultat était, a priori, évident : si l’on considère une suite de 4 tirages d’une boule de l’urne, sans remise de la
boule tirée dans l’urne, La loi de Y est la même que celle de la variable aléatoire égale au rang d’apparition de
l’unique boule blanche, loi qui est uniforme sur [[1, 4]].
4
2 4
12 5
On a E (Y ) = kP (Y = k) = k= .
4 2
k=1 k=1
4
2 4
( ) 1 2 2 15
D’autre part, E Y 2 = k2 P
(Y = k) = k = , d’où, par la formule de Koenig-Huygens,
4 2
k=1 k=1
- .2
( ) 15 5 5
V (Y ) = E Y 2 − E (Y )2 = − = .
2 2 4
4. Si l’expérience s’arrête au kième tirage ( avec 1 ≤ k ≤ 4 ) , il reste 4 − k boules dans l’urne. Autrement dit,
Z =4−Y .
Il en résulte que Z (Ω) = [[0, 3]], et que , pour tout élément k de [[0, 3]], P (Z = k) = P (4 − Y = k) =
1
P (Y = 4 − k) = .
4
Ainsi Z suit la loi uniforme sur [[0, 3]].
62
3 5
Puisque Z = 4 − Y , on a E (Z) = 4 − E (Y ) = , et V (Z) = V (Y ) = .
2 4
Partie C
Introduction :
3 1
pour tout k ∈ IN ∗ , on a P (Rk ) = , et P (Bk ) = .
4 4
Les événements Ri sont (mutuellement) indépendants
1. Pour obtenir 2 boules consécutives de la même couleur, il faut avoir effectué au moins deux tirages. Pour tout
entier n ≥ 2, une succession de n − 1 tirages alternativement de couleurs différentes, suivi du tirage d’une boule de
la même couleur que l’avant dernière fournit une réalisation de l’événement (X = n). Ainsi, X (Ω) = IN\ {0, 1}.
N.B.: à condition d’admettre que X est bien une variable aléatoire, c’est-à-dire que l’expérience s’arrête.
2. L’événement (X = 2) est réalisé lorsque les deux premières boules tirées sont, soit rouges, soit blanches.
Autrement dit, (X = 2) = (R1 ∩ R2 ) ∪ (B1 ∩ B2 ). Les événements (R1 ∩ R2 ) et (B1 ∩ B2 ) sont incompatibles,
donc P (X = 2) = P (R1 ∩ R2 ) + P (B1 ∩ B2 ) . De plus, les événements R1 et R2 d’une part, et B1
et B2 d’autre part, sont indépendants (remise de la boule tirée dans l’urne avant chaque tirage), donc
- .2 - .2
3 9 1 1
P (R1 ∩ R2 ) = P (R1 ) P (R2 ) = = , et P (B1 ∩ B2 ) = P (B1 ) P (B2 ) = = .
4 16 4 16
9 1 5
Donc P (X = 2) = + = .
16 16 8
L’événement (X = 2) est réalisé lorsque la première boule tirée est blanche, et les deux suivantes sont
rouges, ou lorsque la première boule tirée est rouge, et les deux suivantes sont blanches. Autrement dit,
(X = 2) = (B1 ∩ R2 ∩ R3 ) ∪ (R1 ∩ B2 ∩ B3 ). Les événements (B1 ∩ R2 ∩ R3 ) et (R1 ∩ B2 ∩ B3 ) sont
incompatibles, donc P (X = 3) = P (B1 ∩ R2 ∩ R3 ) + P (R1 ∩ B2 ∩ B3 ). De plus (indépendance des
événements considérés) : - .
1 3 2 9
P (B1 ∩ R2 ∩ R3 ) = P (B1 ) P (R2 ) P (R3 ) = = et P (R1 ∩ B2 ∩ B3 ) = P (R1 ) P (B2 ) P (B3 ) =
4 4 64
- .2
3 1 3
= ,
4 4 64
12 3
d’où P (X = 3) = = .
64 16
3. L’événement (X = 4) est réalisé lorsque la première boule tirée est rouge, la deuxième est blanche, et les deux
suivantes sont rouges, ou lorsque la première boule tirée est blanche, la deuxième est rouge, et les deux suivantes
sont blanches. Autrement dit, (X = 4) = (R1 ∩ B2 ∩ R3 ∩ R4 ) ∪ (B1 ∩ R2 ∩ B3 ∩ B4 ). De même que plus haut,
P (X = 4) = P (R1 ∩ B2 ∩ R3 ∩ R4 ) + P (B1 ∩ R2 ∩ B3 ∩ B4 ),
- .
1 3 3
P (R1 ∩ B2 ∩ R3 ∩ R4 ) = P (R1 ) P (B2 ) P (R3 ) P (R4 ) =
4 4
- .
3 1 3
P (B1 ∩ R2 ∩ B3 ∩ B4 ) = P (B1 ) P (R2 ) P (B3 ) P (B4 ) =
4 4
- . - . - .
1 3 3 3 1 3 15 5 3 1
d’où P (X = 4) = + = = .
4 4 4 4 128 8 16
L’événement (X = 2k) est réalisé, par une succession de 2k − 2 tirages fournissant les couleurs rouge, ou blanche,
en alternance, suivie de deux tirages de deux boules de la même couleur que celle de la première boule tirée.
Autrement dit,   
k−1
= k−1
=
(X = 2k) =  (R2j−1 ∩ B2j ) ∩ (R2k−1 ∩ R2k ) ∪  (B2j−1 ∩ R2j ) ∩ (B2k−1 ∩ B2k )
j=1 j=1
dont on déduit    
k−1
= k−1
=
P (X = 2k) = P  (R2j−1 ∩ B2j ) ∩ (R2k−1 ∩ R2k ) + P  (B2j−1 ∩ R2j ) ∩ (B2k−1 ∩ B2k )
j=1 j=1
Mais
63
 
k−1
= k−1
>
P (R2j−1 ∩ B2j ) ∩ (R2k−1 ∩ R2k ) = (P (R2j−1 ) P (B2j )) × P (R2k−1 ) P (R2k )
j=1 j=1
- .k−1 - .k−1
3 1 9
= ×
4 4 16
- .k−1
9 3
=
16 16
et  
k−1
= k−1
>
P (B2j−1 ∩ R2j ) ∩ (B2k−1 ∩ B2k ) = (P (B2j−1 ) P (R2j )) × P (B2k−1 ) P (B2k )
j=1 j=1
- .k−1 - .k−1
3 1 1
× =
4 4 16
- .k−1
1 3
=
16 16
- .k−1 - .k−1 - .
9 3 1 3 5 3 k−1
donc P (X = 2k) = + = .
16 16 16 16 8 16
4. De même que plus haut , (X = 5) = (B1 ∩ R2 ∩ B3 ∩ R4 ∩ R5 ) ∪ (R1 ∩ B2 ∩ R3 ∩ B4 ∩ B5 ), dont on déduit

P (X = 5) = P (B1 ∩ R2 ∩ B3 ∩ R4 ∩ R5 ) + P (R1 ∩ B2 ∩ R3 ∩ B4 ∩ B5 ). Comme
- .2 - .3
1 3
P (B1 ∩ R2 ∩ B3 ∩ R4 ∩ R5 ) = P (B1 ) P (R2 ) P (B3 ) P (R4 ) P (R5 ) = , et
4 4
- .3 - .2
1 3
P (R1 ∩ B2 ∩ R3 ∩ B4 ∩ B5 ) = P (R1 ) P (B2 ) P (R3 ) P (B4 ) P (B5 ) = , d’où
4 4
- .2 - .3 - .3 - .2 - .2
1 3 1 3 3
P (X = 5) = + = .
4 4 4 4 16
L’événement (X = 2k + 1) est réalisé, par une succession de 2k tirages fournissant les couleurs rouge, ou blanche,
en alternance, suivie d’un tirage d’une boule de couleur différente de celle de la première boule tirée (donc de la
même couleur quecelle de la (2k)ième . Autrement
 dit,
 
=k =k
(X = 2k + 1) =  (R2j−1 ∩ B2j ) ∩ B2k+1  ∪  (B2j−1 ∩ R2j ) ∩ R2k+1 , ce qui entraîne
j=1
  j=1  
k
= k
=
P (X = 2k + 1) = P  (R2j−1 ∩ B2j ) ∩ B2k+1  + P  (B2j−1 ∩ R2j ) ∩ R2k+1 .
j=1 j=1
 
k
= k
> - .k
3 1
Mais P  (R2j−1 ∩ B2j ) ∩ B2k+1  = (P (R2j−1 ) P (B2j )) P (B2k+1 ) = × , et
16 4
j=1 j=1
 
k
= k
> - .k
3 3
P (B2j−1 ∩ R2j ) ∩ R2k+1  = (P (B2j−1 ) P (R2j )) P (R2k+1 ) = × , donc
16 4
j=1 j=1
- .k - .k - .k
3 1 3 3 3
P (X = 2k + 1) = × + × = .
16 4 16 4 16
+∞
2 +∞
2 1
5. Rappel : si |x| < 1, la série xk converge, et xk = .
1−x
k=0 k=0
64
+∞
2
On a S1 = P (X = 2k)
k=1
+∞
2 - .k−1 +∞ - .
5 3 52 3 k
= =
8 16 8 16
k=1 k=0
5 1 10
= 3 =
8 1 − 16 13
+∞
2
De même, S2 = P (X = 2k + 1)
k=1
+∞ -
2 .k +∞ - .
3 3 2 3 k
= =
16 16 16
k=1 k=0
3 1 3
= 3 =
16 1 − 16 13
et l’on vérifie que S1 + S2 = 1, ce qui, a posteriori, justifie qu’on parle de la ”variable aléatoire” X.
+∞ -
2 .
3 3 k−1
6. Remarque : puisque −1 < < +1, le rappel fourni par l’énoncé permet d’affirmer que la série k
16 16
k=1
+∞
2 - .
3 k−1 1 256
converge, avec k =( )2 = .
16 1 − 163 169
k=1
On a, sous réserve de convergence des séries écrites,
2+∞ +∞
2 +∞
2
E (X) = kP (X = k) = 2kP (X = 2k) + (2k + 1) P (X = 2k + 1).
k=2 k=1 k=1
+∞
2 +∞
2 -
+∞ - .k−1
.
5 52 3 3 k−1 5 256 320
2kP (X = 2k) = 2 k× = k = × = , et
8 4 16 16 4 169 169
k=1 k=1 k=1
+∞
2 +∞
2 - .k
3
(2k + 1) P (X = 2k + 1) = (2k + 1)
16
k=1 k=1
+∞ - . +∞ - .
3 2 3 k−1 2 3 k
=2× k +
16 16 16
k=1 k=1
+∞ - . +∞ - .
3 2 3 k−1 3 256 96 2 3 k 3
2× k = × = , et = S1 = , donc
16 16 8 169 169 16 13
k=1 k=1
+∞
2 96 3 135
(2k + 1) P (X = 2k + 1) = + = ;
169 13 169
k=1
320 135 455 35
Il vient enfin : E (X) = + = = .
169 169 169 13
EXERCICE 3

 f (0) = 0

Soit la fonction définie sur [0; +∞[ par : x2

 f (x) = pour x > 0
ex − 1
Partie A
Soit g la fonction définie sur [0; +∞[ par g (x) = (−x + 2) ex − 2 pour tout réel x positif ou nul.
65
1. On a lim (−x + 2) = lim (−x) = −∞, et lim ex = +∞, donc lim (−x + 2) ex = −∞. Il en résulte
x→+∞ x→+∞ x→+∞ x→+∞
que limg = −∞.
+∞
2. g est définie, continue, et dérivable sur [0; +∞[ comme composée de fonctions dérivables, et g ′ (x) =
(−1) × ex + (−x + 2) ex = ex (1 − x), qui est, pour tout x ≥ 0, du signe de 1 − x. g est donc strictement
croissante sur [0; 1], avec g (0) = 0, et g (1) = e − 2, et strictement décroissante sur [1; +∞[. De plus, g (1) > 0
(sans qu’il soit nécessaire d’utiliser une valeur approchée de e; g (1) > 0, parce que g (0) = 0, et g est strictement
croissante sur [0; 1])
3. • g est strictement croissante sur [0; 1], avec g (0) = 0, donc, pour tout élément x de ]0; 1], g (x) > 0, l’équation
g (x) = 0 n’admet donc aucune solution non nulle sur [0; 1].
• d’autre part, g est continue et strictement décroissante sur [1; +∞[, avec g (1) = e − 2 et limg = −∞;
+∞
g détermine donc une bijection de [1; +∞[ sur ]−∞; e − 2]. En particulier, puisque e − 2 (= g (1) ) > 0,
0 ∈ ]−∞; e − 2], l’équation g (x) = 0 admet donc une unique solution dans [1; +∞[.
En résumé, l’équation g (x) = 0 admet une unique solution non nulle, que l’énoncé appelle α, et α > 1.
4. On a déjà vu que, pour tout x ∈ ]0; 1], g (x) > 0. g étant strictement décroissante sur [1; +∞[, avec g (α) = 0,
on a, pour tout x ∈ [1; α[, g (x) > 0, et, pour tout x ∈ ]α; +∞[, g (x) < 0.
En résumé : 
 g (0) = g (α) = 0
∀x ∈ ]0; α[ g (x) > 0

∀x ∈ ]α; +∞[ g (x) < 0
De plus, on a déjà vu que α > 1. On a aussi g (2) = −2 < 0, donc α < 2, et, en résumé, 1 < α < 2.
(la valeur approchée e ≈ 2, 7, fournie par l’énoncé, n’avait, ici, pas d’utilité).
Partie B
ex − 1
1. On a lim = 1.
x→0 x
u (x) − u (0)
Rappel : si l’on note u (x) = ex , on a, par définition de la dérivée de u en 0, lim = u′ (0). Or
x→0 x−0
u (x) − u (0) ex − 1 ex − 1
= , tandis que u′ (0) = 1 (u′ (x) = ex ), donc lim = 1. .
x−0 x x→0 x
2. Continuité de f en 0
x ex − 1
On écrit, pour x > 0, f (x) sous la forme f (x) = . Comme lim x = 0, et lim = 1, on a limf = 0,
ex − 1 x→0 x→0 x 0
x
c’est-à-dire que limf = f (0), f est donc continue en x = 0.
0
Dérivabilité de f en 0
f (x) − f (0) f (x) x 1 ex − 1
On a, pour x > 0, = = x = x . Comme lim = 1, on a
x−0 x e −1 e −1 x→0 x
x
f (x) − f (0)
lim = 1, ce qui montre que f est dérivable en x = 0, avec f ′ (0) = 1.
x→0 x−0
Une équation de la tangente (T ) à (C) au point d’abscisse 0 est y − f (0) = f ′ (0) (x − 0). Puisque f (0) = 0 et
f ′ (0) = 1, cette équation se ramène à : y = x (la tangente (T ) est donc la première diagonale du repère).
∞
3. f présente, quand x tend vers +∞, une forme indéterminée du type . Pour lever l’indétermination, on écrit
∞
1
f (x) sous la forme f (x) = x .
e 1
−
x2 x2
66
ex
On a lim = +∞ (croissances comparées de la fonction exponentielle et des fonctions puissances), et
x→+∞ x2 - x .
1 e 1
lim = 0, d’où lim − 2 = +∞, puis lim f = 0, et l’axe des abscisses est donc asymptote à la
x→+∞ x2 x→+∞ x2 x +∞
courbe (C) quand x tend vers +∞.
4.a. f est dérivable sur ]0; +∞[ comme composée de fonctions dérivables, et, pour tout x > 0,
(ex − 1) × 2x − ex × x2 x [(2 − x) ex − 2]
f ′ (x) = 2 =
(ex − 1) (ex − 1)2
xg (x)
=
(ex − 1)2
x
Comme, pour tout x > 0, > 0, f ′ (x) est, pour x > 0, du signe de g (x).
(ex − 1)2
b. Tableau de variation de f
x 0 α +∞
f ′ (x)+ 1 0 −
f 0
ր f (α) ց 0
2
c. De g (α) = 0, on déduit (2 − α) eα = 2, d’où eα = .
2−α
α2 α2 α2 (2 − α)
Il en résulte ensuite que f (α) = α = 2 = = α (2 − α).
e −1 2−α − 1
2 − (2 − α)
5. Avec la valeur approchée α ≈ 1, 6 fournie par l’énoncé, on trouve f (α) ≈ 1, 6 × 0, 4 ≈ 0, 6.
y
0.6
0.4
0.2
0.0
0 1 2 3 4 5
x2 x
Allure de la courbe d’équation y = f (x) =
ex − 1
Partie C
+
u0 = 1
Soit la suite (un )n∈IN définie par .
un+1 = f (un )
1.a. On montre par récurrence que pour tout entier naturel n , 0 < un ≤ 1.
L’énoncé est vrai par hypothèse, puisque u0 = 1.
On suppose alors que, pour un entier n ≥ 0, quelconque, on a 0 < un ≤ 1. f étant strictement croissante sur [0; 1],
1
on en déduit f (0) < f (un ) ≤ f (1). Mais f (0) = 0, f (un ) = un+1 , et f (1) = < 1 (ici, il faut savoir que
e−1
e > 2), et donc 0 < un+1 ≤ 1, l’énoncé est donc encore vrai pour l’entier n + 1, et l’on peut conclure que, pour
tout entier n ≥ 0, 0 < un ≤ 1.
b. On montre par récurrence que pour tout entier naturel n , un+1 ≤ un .
On a u0 = 1, et, d’après a., 0 < u1 ≤ 1, donc u1 ≤ u0 , l’énoncé est donc vrai pour n = 0.
On suppose alors que, pour un entier n ≥ 0, quelconque, on a un+1 ≤ un . f étant croissante sur [0; 1], on en déduit
f (un+1 ) ≤ f (un ). Mais f (un+1 ) = un+2 , et f (un ) = un+1 , donc un+2 ≤ un+1 , l’énoncé est donc encore
vrai pour l’entier n + 1, et l’on peut conclure que, pour tout entier n ≥ 0, un+1 ≤ un , la suite (un )n∈IN est donc
décroissante.
67
c. La suite (un )n∈IN est décroissante, et minorée par 0, elle est donc convergente (et sa limite est positive ou nulle).
x2 x
2.a. Pour x > 0, l’équation = x s’écrit aussi x = 1, ou x = ex − 1, et enfin ex − x − 1 = 0.
ex −1 e −1
b. Soit h (x) = ex − x − 1. h est continue, et dérivable sur ]0; +∞[ comme composée de fonctions dérivables, et
h′ (x) = ex − 1, qui est strictement positif pour tout x > 0, h est donc strictement croissante sur ]0; +∞[.
c. Comme lim
+
h = lim+ (ex − x − 1) = 0, on a, pour tout x > 0, h (x) > 0, l’équation h (x) = 0 n’admet donc
0 x→0
aucune solution dans ]0; +∞[. Par a., il en est de même de l’équation f (x) = x.
8 7
3. f étant continue sur [0; +∞[, la limite l de la suite (un ) doit vérifier : lim f (un ) = f lim un . C’est-à-dire
n→+∞ n→+∞
8 7
: l = lim un+1 = lim f (un ) = f lim un = f (l). l est donc solution de l’équation f (x) = x. La seule
n→+∞ n→+∞ n→+∞
solution de cette équation étant x = 0, on a l = 0.
68
EPREUVES ESC
MATHEMATIQUES
MARDI 18 MAI 2004, de 8 h à l2 h

mesure du possible, les résultats de leurs calculs. Ils ne doivent faire usage d’aucun document;
”L’usage de toute calculatrice ou de tout matériel électronique

est interdit pendant cette épreuve”.
Seule 1’utihsation d’une règle graduée est autorisée.
L’épreuve est composée de trois exercices indépendants. Les différentes parties des exercices 2 et 3 sont
elles-mêmes largement indépendantes.
EXERCICE 1
     
−5 6 3 1 0 0 2 0 0
On donne les matrices : A = 12  −3 4 3 , I =  0 1 0 , D =  0 −1 0 ,
  −3 6 1 0 0 1 0 0 −1
1 1 1
et P =  1 0 1 
1 1 −1
Partie A
   −1 
1 2
 
1. Montrer que la matrice P est inversible et calculer sa matrice inverse. Vérifier que P −1  0  =  1 .
0 1
2
2. (a) Donner Dn en fonction de n pour tout entier naturel n.

 
1
(b) En déduire l’expression de Dn P −1  0  en fonction de n.
0
3. (a) Vérifier que A = P DP −1 puis montrer par récurrence que pour tout entier naturel n : An = P Dn P −1 .
69

1
(b) En déduire l’expression de An  0  en fonction de n pour tout entier naturel n.
0
Partie B
Les suites (xn ), (yn ) et (zn ) sont définies par les conditions initiales x0 = 1, y0 = 1 et z0 = 0 et par les égalités:
 5 3
 xn+1 = − 2 xn + 3yn + 2 zn − 3

yn+1 = − 32 xn + 2yn + 32 zn − 1 pour tout entier naturel n.

 z 3 1
n+1 = − 2 xn + 3yn + 2 zn − 3
   
−3 xn
On pose B =  −1 et pour tout entier naturel n : Xn =  yn .
−3 zn
1. Justifier pour tout entier naturel n l’égalité : Xn+1 = AXn + B relation (1).
2. On se propose de trouver la matrice colonne U ∈ M3,1 (IR) telle que : U = AU + B relation (2)
(a) Montrer que la relation (2) équivaut à (I − A) U = B.
 
0
(b) Calculer la matrice A (I − A). En déduire que : −2U = AB , puis que U =  1 .
0
3. (a) A l’aide des relations (1) et (2), montrer que : Xn+1 − U = A(Xn − U ).
(b) En déduire, par récurrence, que pour tout entier naturel n on a : Xn − U = An (X0 − U ).
4. En utilisant l’expression obtenue dans la partie A , question 3.(b) , calculer xn , yn et zn , en fonction de n.
EXERCICE 2


 f (t) = 0 si t < 0


 1
On considère la fonction f définie sur IR par : f (t) = si 0 ≤ t ≤ 4
 8

 2

 f (t) = 2 si t > 4
t
1. (a) Vérifier que f est positive.
(b) Montrer que f est continue au point t = 4.
(c) Déterminer la limite de f lorsque t tend vers +∞.
(d) Calculer la dérivée f ′ (t) pour t > 4 et donner son signe.
(e) Donner l’allure de la courbe représentative de f dans un repère orthogonal d’unités 1 cm en abscisse et 16 cm
en ordonnée.
Placer sur cette courbe les points d’abscisse t = −2, t = 2, t = 8.
* x
2. (a) Soit x un réel supérieur ou égal à 4. Calculer f (t) dt.
* +∞ 4
1
En déduire que l’intégrale impropre f (t) dt converge et vaut .
4 2
* +∞
b. Calculer f (t) dt.
0
3. La fonction f étant nulle
* sur ]−∞; 0[, on définit sur IR la fonction F par :
x
pour tout réel x, F (x) = f (t) dt.
−∞
70
(a) Montrer que lim F (x) = 1.
x→+∞
(b) On considère une variable aléatoire à densité X dont la fonction de répartition est F .
Montrer que la variable aléatoire X n’admet pas d’espérance.
(c) Déterminer P (X > 4), P (3 < X ≤ 4), P(X>4) (X ≤ 5 ) ( probabilité conditionnelle ).
3
(d) Résoudre l’équation d’inconnue réelle x : F (x) = .
4
EXERCICE 3
Les parties A et B sont, dans une large mesure, indépendantes.
On suppose que N est un entier naturel non nul fixé et on lance une pièce équilibrée N fois de suite.
On note X la variable aléatoire réelle égale au rang où apparaît PILE pour la première fois, et on convient que si
PILE n’est pas apparu au cours des N lancers, la variable X prend la valeur 0.
+
si PILE n’est pas apparu au cours des N lancers, X = 0
Ainsi :
si PILE est apparu pour la première fois au rang k, X = k
Partie A : Etude de la loi de X.
1. Montrer que l’univers image X (Ω) = {0, 1, ..., N}.

2. Déterminer P (X = 0).
1
3. Montrer que pour tout entier naturel k de {1, ..., N} P (X = k) = .
2k
Partie B : Calcul de l’espérance mathématique de la variable X.
On considère la suite numérique (un )n∈IN définie par les relations suivantes :
,
u0 = 1
Pour tout entier naturel n, un+1 = 2un + n − 1
1. (a) Montrer que u1 = 1 et u2 = 2. Calculer u3 .

(b) Montrer par récurrence que pour tout entier naturel n, un ≥ 1.
(c) En déduire sans récurrence que pour tout entier naturel non nul n, un ≥ n.
Déterminer la limite de la suite (un )n∈IN lorsque n tend vers +∞.
(d) Montrer que la suite (un )n∈IN est croissante.
2. Dans cette question on examine une suite (vn )n∈IN définie à partir de (un )n∈IN .
On pose pour tout entier naturel n, vn = n + un .
(a) Exprimer vn+1 en fonction de n et un .
(b) En déduire que la suite (vn )n∈IN est géométrique et exprimer, pour tout entier naturel n, vn en fonction de n
uniquement.
(c) Montrer enfin que pour tout entier naturel n, un = 2n − n.
3. (a) En reprenant la définition de (un )n∈IN , montrer que pour tout entier naturel n :
un+1 − 1 un − 1 n
n
= n−1 + n
2 2 2
71
(b) En déduire par récurrence sur n que pour tout entier naturel n non nul :
n−1
un − 1 2 k
=
2n−1 2k
k=0
(c) Montrer finalement sans récurrence que pour tout entier naturel non nul n :
n−1
2 k n+1
k
= 2 − n−1
2 2
k=0
(d) En déduire en fonction de N l’espérance de la variable aléatoire X.
72
EPREUVES ESC 2004. CONCOURS D’ADMISSION SUR CLASSES PREPARATOIRES
MATHÉMATIQUES
Corrigé
EXERCICE 1
     
−5 6 3 1 0 0 2 0 0
On donne les matrices : A = 12  −3 4 3 , I =  0 1 0 , D =  0 −1 0 ,
  −3 6 1 0 0 1 0 0 −1
1 1 1
et P =  1 0 1 
1 1 −1
Partie A
1. On montre, par la méthode du pivot de Gauss, que P est inversible, et l’on calcule P −1 .
Les pivots successifs sont portés en caractères gras.
1 1 1 1 0 0 ,
L2 ←− L2 − L1
1 0 1 0 1 0 ; par , on obtient :
L3 ←− L3 − L1
1 1 −1 0 0 1
1 1 1 1 0 0
0 −1 0 −1 1 0 ; par L1 ←− L1 + L2 , on obtient :
0 0 −2 −1 0 1
1 0 1 0 1 0
0 −1 0 −1 1 0 ; par L1 ←− 2L1 + L3 , on obtient :
0 0 −2 −1 0 1

2 0 0 −1 2 1  L1 ←− 12 L1
0 −1 0 −1 1 0 ; enfin, par L2 ←− −L2 , on obtient :

0 0 −2 −1 0 1 L3 ←− − 12 L3
1 0 0 − 12 1 1
2
0 1 0 1 −1 0 ;
1
0 0 1 2 0 − 12
et l’on a ainsi montré que P est inversible, avec
 1 1
  
−2 1 −1 2 1
2 1
P −1 =  1 −1 0  =  2 −2 0 
1 2
2 0 − 12 1 0 −1
   −1 
1 2
 
On vérifie alors que P −1  0  =  1  (c’est la première colonne de P −1 ).
0 1
2
 
2n 0 0
2.(a). D étant diagonale, on a, pour tout entier naturel n, Dn =  0 (−1)n 0  (avec la convention que
0 0 (−1)n
D0 = I, pour le cas n = 0).
   n  1   1 
1 2 0 0 −2 − 2 × 2n
   
(b) On trouve alors Dn P −1  0  =  0 (−1)n 0   1  =  (−1)n .
n 1 1 n
0 0 0 (−1) 2 2 (−1)
73
   5 3   
2 −1 −1 −2 3 2 −5 6 3
 3 3  1
3.(a) On trouve P D =  2 0 −1 , puis P DP −1 =  − 2 2 2 = −3 4 3  = A.
2
2 −1 1 − 32 3 1
2
−3 6 1
On montre alors, par récurrence, que, pour tout entier naturel n : An = P Dn P −1 (on adopte, pour cela, la
convention A0 = I).
Pour n = 0, l’énoncé est A0 = P D0 P −1 . Il est vrai, puisqu’il se réduit à I = I.
Pour n = 1, l’énoncé a été prouvé dans la première partie de la question : A = P DP −1 .
On
( suppose ) alors
( que, )pour un entier
( −1n ≥) 1, quelconque, on a An (= P Dn)P −1 . On en déduit que An+1 = An A =
PD P n −1 P DP −1 = P D P P DP , et, puisque Dn P −1 P D = Dn ID = Dn D = Dn+1 , on
n −1
obtient A n+1 = PD n+1 P −1 , on voit que l’énoncé est alors encore vrai pour l’entier n + 1, et l’on peut alors
conclure que, pour tout entier n ≥ 0, An = P Dn P −1 .
 
1
(b) Il n’est pas nécessaire de calculer An , pour exprimer An  0 .
0
   − 1 × 2n 
1 2
n −1    (−1)n 
On a trouvé D P 0 = . Comme An = P Dn P −1 , on a
0 1 n
2 (−1)
     1 
1 1 − 2 × 2n
 n 
An  0  = P Dn P −1  0  = P  (−1) , d’où, aisément,
0 0 1 n
2 (−1)
   − 1 × 2n + 3 (−1)n   
1 2 2 −2n + 3 (−1)n
 1 1 n  1
An  0  =  − 2 × 2n + 2 (−1)  =  −2n + (−1)n 
n 2 −2n + (−1)n
0 − 12 × 2n + 12 (−1)
Partie B
Les suites (xn ), (yn ) et (zn ) sont définies par les conditions initiales x0 = y0 = 1 et z0 = 0, et par les égalités :
 5 3
 xn+1 = − 2 xn + 3yn + 2 zn − 3

yn+1 = − 32 xn + 2yn + 32 zn − 1 pour tout entier naturel n.

 z 3 1
n+1 = − 2 xn + 3yn + 2 zn − 3
   
−3 xn
On pose B =  −1 et pour tout entier naturel n : Xn =  yn .
−3 zn
 5 3
 xn+1 = − 2 xn + 3yn + 2 zn − 3

1. Les relations yn+1 = − 32 xn + 2yn + 32 zn − 1 s’écrivent matriciellement sous la forme

 z 3 1
n+1 = − 2 xn + 3yn + 2 zn − 3
   5    
xn+1 − 2 3 32 xn −3
 yn+1  =  − 3 2 3   yn  +  −1 , c’est-à-dire Xn+1 = AXn + B relation (1).
2 2
zn+1 − 32 3 12 zn −3
2.(a) La relation U = AU+ B s’écrit aussi U − AU = B, ce qui équivaut à (I − A) U = B.

   
7 −6 −3 −2 0 0
1
(b) On a I − A =  3 −2 −3 , puis A (I − A) =  0 −2 0  = −2I.
2 3 −6 1 0 0 −2
Multipliant membre à membre la relation (I − A) U = B, à gauche par A, on obtient A (I − A) U = AB, d’où
−2IU = AB, c’est-à-dire, puisque IU = U , −2U = AB.
74
   
0 0
1
Puisque −2U = AB, on a U = − AB. On trouve AB =  −2 , d’où U =  1 .
2 0 0
,
Xn+1 = AXn + B
3.(a) On a . Par soustraction membre à membre, on obtient Xn+1 − U = A(Xn − U ).
U = AU + B
(b) On montre, par récurrence, que pour tout entier naturel n on a : Xn − U = An (X0 − U ).
La formule est évidente pour n = 0 : X0 − U = A0 (X0 − U ), puisque A0 = I.
Si l’on suppose que, pour un entier n ≥ 0, quelconque, on a Xn − U = An (X0 − U ), alors
Xn+1 − U = A(Xn − U ) = A × An (X0 − U ) = An+1 (X0 − U ), la formule est donc encore vraie pour l’entier
n + 1, et ceci permet de conclure que, pour tout entier n ≥ 0, Xn − U = An (X0 − U ).
   
1 1
4. On a X0 =  1  (x0 = 1, y0 = 1 et z0 = 0) . On en déduit que X0 − U =  0 .
0    0
n   
1 n
−2 + 3 (−1) −2n + 3 (−1)n
1 1
Dans la partie A, on a trouvé An  0  =  −2n + (−1)n . Ainsi, Xn − U =  −2n + (−1)n ;
0 2 −2n + (−1)n 2 −2n + (−1)n
     
0 −2n + 3 (−1)n − 12 × 2n + 32 (−1)n
1  1 1 n 
Il en résulte que Xn = U + An (X0 − U ) =  1  +  −2n + (−1)n  =  1 − 2 × 2n + 2 (−1) ,
2 n n
0 −2 + (−1) − 12 × 2n + 12 (−1)n
et donc 
 1 3
 xn = − × 2n + (−1)n


 2 2
 1 1
yn = 1 − × 2n + (−1)n

 2 2

 1 1

 zn = − × 2 + (−1)n
n
2 2
EXERCICE 2


 f (t) = 0 si t < 0


 1
On considère la fonction f définie sur IR par : f (t) = si 0 ≤ t ≤ 4
 8

 2

 f (t) = 2 si t > 4
t
1. (a) f est nulle sur ]−∞; 0[ et sur ]4; +∞[, et positive sur [0; 4], donc positive ou nulle sur IR.
1 2 1
(b) On a lim f= = f (4) (f est continue à gauche de 4) et lim f = lim+ 2 = , donc limf = f (4), f est donc
4− 8 4+ t→4 t 8 4
continue en t = 4.
2
(c) On a limf = lim 2 = 0.
+∞ t→+∞ t
2 4
(d) Pour t > 4, f (t) = 2 , f est donc dérivable sur ]4; +∞[, et, pour tout t ∈ ]4; +∞[, f ′ (t) = − 3 < 0 pour tout
t t
t > 4.


 0 si t < 0


 1
(e) f (t) = si 0 ≤ t < 4
 8

 2

 2 si t > 4
t
75
y 0.14
0.12
0.10
0.08
0.06
0.04
0.02
-2 -1 1 2 3 4 5 6
-0.02
x
-0.04
allure de la courbe de f
* x * x 8 7x
2 2 1 2
2.(a) Pour x > 4, on a f (t) dt = 2
dt = − = − .
-* x 4 . 4 t - t
. 4
2 x
* +∞
1 2 1
On a donc lim f (t) dt = lim − = , c’est-à-dire que l’intégrale f (t) dt converge et
x→+∞ 4 x→+∞ 2 x 2 4
* +∞
1
f (t) dt = .
4 2
* +∞ * +∞
b. Puisque l’intégrale f (t) dt converge, il en va de même de l’intégrale f (t) dt, avec, de plus,
* +∞ * 4 4 * +∞ * 4 * 4 0 * +∞
1 1
f (t) dt = f (t) dt + f (t) dt. Mais f (t) dt = dt = , d’où f (t) dt = 1.
0 0 4 0 0 8 2 0
* x
3.(a) Puisque f est nulle sur ]−∞; 0[, on a, pour tout x > 0, F (x) = f (t) dt. On a donc
-* x . * +∞ 0
lim F (x) = lim f (t) dt = f (t) dt = 1.

x→+∞ x→+∞ 0 0
* +∞
(b) Remarque : la fonction f est positive ou nulle sur IR, continue sur IR, sauf en t = 0, et l’intégrale f (t) dt
* +∞ −∞
converge, avec f (t) dt = 1, F est donc bien la fonction de répartition d’une variable aléatoire X, admettant
−∞
f pour densité de probabilité.
* +∞
L’existence de l’espérance de X est équivalente à la convergence de l’intégrale t f (t) dt. Cette intégrale
−∞
est convergente
* en −∞, puisque f est nulle sur ]−∞; 0[. Il s’agit donc*d’examiner la convergence de l’intégrale
+∞ +∞
impropre t f (t) dt, ce qui revient à la convergence de l’intégrale t f (t) dt. Soit donc x > 4. On a :
* x 0 * x * x 4
2 dt
t f (t) dt = t × 2 dt = 2 = 2 [ln t]x4 = 2 (ln x − ln 4). On en déduit que
4 -* x 4 .t 4 t * +∞
lim t f (t) dt = lim 2 (ln x − ln 4) = +∞, puisque lim ln x = +∞, l’intégrale t f (t) dt est
x→+∞ 4 x→+∞ x→+∞ 0
donc divergente, et X n’a pas d’espérance.
* +∞
1
(c) On a P (X > 4) = f (t) dt = (calculé plus haut).
4 * 4 2 *
4
1 1
De même, P (3 < X ≤ 4) = f (t) dt = dt = .
3 3 8 8
P ((X ≤ 5) ∩ (X > 4)) P (4 < X ≤ 5)
Enfin, P(X>4) (X ≤ 5 ) = = . Comme
P (X > 4) P (X > 4)
* 5 * 5 8 75 1
2 2 1 10 4
P (4 < X ≤ 5) = f (t) dt = 2
dt = − = , on a P(X>4) (X ≤ 5) = 1 = .
4 4 t t 4 10 8
5
* +∞ * +∞
1 1
(d) On a f (t) dt = 1 − F (4). Puisque f (t) dt = , On a F (4) = . F étant, comme fonction de
4 4 2 2
76
répartition, croissante sur ]0; +∞[,* la solution cherchée
* se trouve dans8]4; +∞[.
7
x
1 x
2 1 2 x 2 3
Or, pour x > 4, F (x) = F (4) + f (t) dt = + 2
dt = + − = 1 − , l’équation F (x) = peut
4 2 4 t 2 t 4 x 4
2 3
donc s’écrire 1 − = , d’où, aisément x = 8.
x 4
EXERCICE 3
Partie A : Etude de la loi de X.
1. Clairement X (Ω) = {0, 1, ..., N}.

2. Dire que l’événement (X = 0) est réalisé, c’est dire que les N lancers ont fourni FACE. Ceci se produit avec la
1 1
probabilité N . Ainsi, P (X = 0) = N .
2 2
3. Dire que l’événement (X = k) est réalisé, c’est dire que les k − 1 premiers lancers ont fourni FACE, le suivant
1
ayant fourni PILE. La probabilité d’obtenir, lors d’un lancer un PILE étant égale à (pièce équilibrée), et les
2
1
lancers étant indépendants, on a, pour tout entier naturel k de {1, ..., N} P (X = k) = k .
2
Partie B : Calcul de l’espérance mathématique de la variable X.
On considère la suite numérique (un )n∈IN définie par les relations suivantes :
,
u0 = 1
Pour tout entier naturel n, un+1 = 2un + n − 1
1. (a) u1 = 2u0 + 0 − 1 = 1, u2 = 2u1 + 1 − 1 = 2, u3 = 2u2 + 2 − 1 = 5.

(b) On montre par récurrence que pour tout entier naturel n, un ≥ 1.
L’énoncé est vrai pour n = 0, puisque u0 = 0. Si l’on suppose que, pour un entier n ≥ 0, quelconque, un ≥ 1,
alors un+1 ≥ 2 × 1 + n − 1 = n + 1 ≥ 1, l’énoncé est donc encore vrai pour l’entier n + 1, et ceci achève de
prouver qu’il est vrai pour tout entier n ≥ 0.
(c) D’une part, on a u0 = 1 ≥ 1. Si n ≥ 0, on a un ≥ 1, d’où 2un − 1 ≥ 1, donc un+1 ≥ n + 1, et, en définitive,
pour tout entier k ≥ 0 , uk ≥ k.
Remarque : il ne s’agit pas d’une preuve par récurrence.
Puisque, pour tout n ≥ 0, un ≥ n, et lim n = +∞, on a lim un = +∞.
n→+∞ n→+∞
(d) Pour tout entier n ≥ 0, un+1 − un = un + n − 1 ≥ 0, car un − 1 ≥ 0 et n ≥ 0. La suite (un )n∈IN est donc
croissante.
2. Soit vn = n + un .
(a) On a vn+1 = (n + 1) + un = (n + 1) + 2un + n − 1 = 2 (un + n) = 2vn .
(b) Puisque, pour tout entier n, vn+1 = 2vn , la suite (vn )n∈IN est géométrique de raison 2.
On en déduit que, pour tout n, vn = 2n v0 = 2n , car v0 = u0 = 1.
(c) Les relations vn = 2n , et vn = un + n entraînent un = 2n − n.
un+1 − 1 2 (un − 1) n
3.(a) On a un+1 − 1 = 2un − 2 + n, d’où, divisant membre à membre par 2n , = + n , et,
2n 2n 2
simplifiant,
un+1 − 1 un − 1 n
= n−1 + n
2n 2 2
77
n−1
2 n−1
2 k
k
(b) Remarque : pour tout n ≥ 2, = , car le terme correspondant à k = 0 est nul.
2k 2k
k=0 k=1
n−1
un − 1 2 k
On montre par récurrence sur n que pour tout entier naturel n non nul, = .
2n−1 2k
k=0
2 k 1−1
u1 − 1
L’énoncé est vrai pour n = 1, puisque 0
= 0, et = 0.
2 2k
k=0
n−1
un − 1 2 k
On suppose alors que, pour un entier n ≥ 1, quelconque, on a = .
2n−1 2k
k=0
On en déduit alors, utilisant 3.(a) que :
n−1
2 k n−1
2 k 2n n
un+1 − 1 un − 1 n n n k un+1 − 1 2 k
= n−1 + n = + . Or + = , donc = . On voit que la
2n 2 2 2k 2n 2k 2n 2k 2n 2k
k=0 k=0 k=0 k=0
formule est encore vraie pour l’entier n + 1, et l’on peut alors conclure que, pour tout entier n ≥ 1,
n−1
un − 1 2 k
=
2n−1 2k
k=0
n−1
2 k 2n − n − 1
(c) On a trouvé que un = 2n − n. Reportant dans 3.(b), il vient : = . Mais
2k 2n−1
k=0
2n − n − 1 2n n+1 n+1
n−1
= n−1
− n−1 = 2 − n−1 . Finalement,
2 2 2 2
n−1
2 k n+1
k
= 2 − n−1
2 2
k=0
1 1
(d) On a X (Ω) = [[0, N]], P (X = 0) =
N
, et, pour tout élément k de [[1, N]], P (X = k) = k .
2 2
N
2 N
2 k
Donc E (X) = kP (X = k) = . Faisant n = N + 1 dans (c) (c’est-à-dire n − 1 = N), on obtient
2k
k=0 k=1
N +2
E (X) = 2 −
2N
N
2 k N +2
Remarque : la formule k
= 2− est aisée à prouver par récurrence. L’ayant vérifiée pour N = 1
2 2N
k=1
1
2 k 1 3
( k
= = 2 − ), et l’ayant supposée vraie pour un entier N ≥ 1, quelconque, on a
2 2 2
k=1
N+1
2 N
2 k
k N +1 N +2 N +1
k
= k
+ N+1 = 2 − + N+1 .
2 2 2 2N 2
k=1 k=1
78
ESC T ANNEE 2005
EXERCICE 1
Soient les matrices carrées
:   
0 1
0   1 0 0
4 1 1 1
 1 1
1   0 −1 0 
A= 2  P =  4 −2 0  et D =  2 
1 1 1 −1 0 0 0
0 4 0
On note I la matrice-unité d’ordre 3.
1.a. Montrer à l’aide du pivot de Gauss que P est inversible et calculer son inverse.
b. Vérifier la relation :
P −1 AP = D
c. Montrer par récurrence que pour tout entier naturel n non nul :
An = P Dn P −1
d. Vérifier :
   1 
0 6
 
P −1  1  =  − 16 
0 0
Et en déduire que pour tout n ≥ 1 :
   1
( 1 )n 
1
0 6 − −6
 2
( 21 )n 
1
An  1  =  + −2
3 ( 1 )n 
3
0 1
− −21
6 6
On considère désormais deux urnes :

Une urne bleue contenant initialement un jeton marqué 0 et un jeton marqué 1.
Une urne rouge contenant initialement un jeton marqué 0 et un jeton marqué 1.
On appelle « échange » l’action consistant à extraire simultanément un jeton de chaque urne puis à le remettre dans
l’autre urne. On effectue des échanges successifs indéfiniment.
Pour tout entier naturel non nul n on désigne par Zn la variable aléatoire réelle discrète égale à la somme des points
marqués sur les jetons de l’urne bleue après le n-ième échange.
On note Z0 la variable certaine égale à 1, somme initiale des points dans l’urne bleue.
2. Donner l’ensemble des valeurs possibles de Z1 et déterminer la loi de Z1 .
3.a. Soit n un entier naturel non nul. Déterminer les probabilités conditionnelles :
p(Zn =0) (Zn+1 = 0) , p(Zn =1) (Zn+1 = 0) , p(Zn =2) (Zn+1 = 0)
On note dans la suite et pour tout entier naturel n :
pn = p (Zn = 0) , qn = p (Zn = 1) , rn = p (Zn = 2)
(Ce qui entraîne p0 = 0, q0 = 1, r0 = 0).
b. Grâce à la question a. et à une formule de probabilités totales, exprimer pn+1 en fonction de qn .
c. Donner les relations similaires fournissant qn+1 en fonction de pn , qn , rn et rn+1 en fonction de qn .
4. On note pour tout entier naturel n :  

pn
Un =  qn 
rn
79
a. Vérifier que pour tout entier naturel n non nul :
Un+1 = AUn
Cette relation est-elle valable pour n = 0?
b. Montrer que pour tout entier naturel n non nul :
Un = An U0
c. En déduire pour n ≥ 1, pn , qn , rn en fonction de n ainsi que lim pn , lim qn , lim rn .

n→+∞ n→+∞ n→+∞
5. Déterminer l’espérance de la variable aléatoire Zn ainsi que sa limite lorsque n tend vers +∞.
EXERCICE 2
On considère la fonction f définie sur IR par :

1
f (t) =
et + 2 + e−t
1.a. Montrer que f est positive et continue sur IR.

Vérifier que f est paire.
b. Déterminer lim f (t).
t→+∞
c. Pour tout réel t, calculer f ′ (t) et étudier son signe.

En déduire le tableau des variations de f.
d. Tracer l’allure de la courbe représentative (C) de f.
2.a. Vérifier que pour tout réel t :

et
f (t) =
(et + 1)2
b. On pose pour tous réels a et b tels que a ≤ b l’intégrale :

* b
J (a, b) = f (t) dt
a
Montrer que :
1 1
J (a, b) = a
−
1+e 1 + eb
c. En déduire la nature et la valeur des intégrales impropres suivantes :

* +∞ * 0 * +∞
I= f (t) dt, J = f (t) dt, K = f (t) dt
0 −∞ −∞
3. Soit la fonction F définie sur IR par, pour tout réel x :

* x
F (x) = f (t) dt
−∞
a. A l’aide de la question 2.b., montrer que :

ex
F (x) =
ex + 1
b. On considère une variable aléatoire à densité X dont la fonction de répartition est F .

Déterminer p (X ≤ ln 2), p (− ln 2 < X ≤ ln 2).
Déterminer la probabilité conditionnelle p(X>ln 2) (X ≤ ln 3).
80
c. Montrer que pour tout réel x :
F (−x) = 1 − F (x) .
1
En déduire l’unique réel positif α tel que p (−α < X ≤ α) = .
2
EXERCICE 3
Soit n un entier naturel non nul et X une variable aléatoire réelle discrète dont l’univers image X (Ω) est inclus
dans l’ensemble {0, 1, ..., n}.
n
2
E (X) = kp (X = k) est l’espérance mathématique de X.
k=1
n
2
L’objectif de cet exercice est de prouver et d’utiliser l’égalité E (X) = p (X ≥ k), notée (R).
k=1
3
1. Etude d’un exemple. Soit X qui suit une loi binomiale de paramètres 2 et .
4
a. Calculer p (X ≥ 1) + p (X ≥ 2).
b. Donner la valeur de l’espérance E (X). Vérifier l’égalité (R).
2. On revient au cas général : X est telle que X (Ω) est inclus dans l’ensemble {0, 1, ..., n}.
a. Justifier pour k ∈ {1, ..., n} l’égalité :

p (X ≥ k) = p (X = k) + p (X = k + 1) + ... + p (X = n)
b. En écrivant puis en sommant les égalités précédentes de k = 1 à n, en déduire l’égalité (R).
3. Application sur un exemple :

Un jeu vidéo est constitué de n niveaux successifs.
Lorsque le joueur commence un niveau, ce qui suppose qu’il ait réussi tous les niveaux précédents, la probabilité
2
qu’il le réussisse est . Le jeu s’arrête dès que le joueur échoue à un niveau.
3
On note X la variable aléatoire égale au nombre de niveaux réussis par le joueur.
a. Donner X (Ω).
b. On note Nj l’événement « Le joueur a réussi le niveau j ».

Exprimer pour tout entier naturel k de {1, ..., n} l’événement (X ≥ k) à l’aide des événements N1 , N2 ,..., Nk .
En déduire : - .k
2
p (X ≥ k) =
3
c. En utilisant la formule (R), calculer l’espérance E (X).
81
ESC T ANNEE 2005. Corrigé
EXERCICE 1
1.a. On montre, par la méthode du pivot de Gauss, que P est inversible, et on calcule P −1 .
Les pivots successifs sont portés en gras.
1 1 1 1 0 0 ,
L2 ←− L2 − 4L1
4 −2 0 0 1 0 par on obtient :
L3 ←− L3 − L1
1 1 −1 0 0 1
1 1 1 1 0 0
0 −6 −4 −4 1 0 par L1 ←− 6L1 + L2 on obtient :
0 0 −2 −1 0 1
6 0 2 2 1 0 ,
L1 ←− L1 + L3
0 −6 −4 −4 1 0 par on obtient :
L2 ←− L2 − 2L3
0 0 −2 −1 0 1
 1
6 0 0 1 1 1  L1 ←− 6 L1

0 −6 0 −2 1 −2 enfin, par L2 ←− − 16 L2 on obtient :

 L ←− − 1 L
0 0 −2 −1 0 1 3 2 3
1 1 1
1 0 0 6 6 6
1
0 1 0 3 − 16 1
3 . On a alors prouvé que P est inversible, et
1
0 0 1 2 0 − 12
 1 1 1   
6 6 6 1 1 1
 1
− 16 1  1
P −1 =  3 3 = 2 −1 2 
1 6
2 0 − 12 3 0 −3
 1 1 1   
6 6 6 1 0 0
 − 16 1
− 16 
b. On trouve P −1 A =  12 , puis P −1 AP =  0 − 12 0  = D.
0 0 0 0 0 0
c. On montre par récurrence que pour tout entier naturel n non nul An = P Dn P −1 .
Cas n = 1
D’après 1.b. on a P −1 AP = D. Multipliant cette relation membre à membre, à gauche par P , et à droite par P −1 ,
il vient P P −1 AP P −1 = P DP −1 , d’où A1 = P P −1 AP P −1 = P DP −1 = P D1 P −1 , la formule est donc vraie
pour n = 1.
On suppose ensuite n n −1
n+1 n
( que,
n
pour
−1
) (un entier
−1
) n ≥ 1, quelconque, on a A = P D P . On en déduit alors que
(A n= −1 A )A ( = P−1
D) P P(DP ), en utilisant, à la fois, le cas n = 1, et l’hypothèse de récurrence. Comme
PD P P DP = P D P −1 P DP −1 = P Dn DP −1 = P Dn+1 P −1 , on obtient An+1 = P Dn+1 P −1 ,
n
la formule est donc encore vraie pour l’entier n + 1, et l’on peut alors conclure que, pour tout entier n ≥ 1,
An = P Dn P −1 .
 
0
d. Il suffit de remarquer que le calcul de P −1  1  mène au recopiage de la deuxième colonne de P −1 pour
0
conclure que :
   1 
0 6
−1    −1 
P 1 = 6 
0 0
82
   1   1

0 6 6
( )n 
 1  
On trouve Dn P −1  1  = Dn  − 6  =  − 16 − 12 , puis
0 0 0
       1
( )n 
0 0
1
6 − 16 − 12

6
( )n   2
( )n 
An  1  = P Dn P −1  1  = P  − 16 − 12 = + 13 − 12
3 ( )n 
0 0 0 1
− 16 − 12
6
2. L’une urne bleue contient initialement un jeton marqué 0 et un jeton marqué 1. Après le premier échange, l’urne
bleue contient deux jetons marqués 0 (cas où l’on a échangé le jeton marqué 1 de l’urne bleue et le jeton marqué
0 de l’urne rouge), ou un jeton marqué 0 et un jeton marqué 1 (cas où l’on a échangé deux jetons portant le même
nombre), ou deux jetons marqués 1 (cas où l’on a échangé le jeton marqué 0 de l’urne bleue et le jeton marqué 1 de
l’urne rouge).
On voit donc que l’ensemble des valeurs que Z1 est susceptible de prendre est Z1 (Ω) = {0, 1, 2}.
De plus l’événement (Z1 = 0) est l’événement ”on a échangé le jeton marqué 1 de l’urne bleue et le jeton marqué
1
0 de l’urne rouge”. Comme chaque jeton de chaque urne a une probabilité égale à d’être tiré, et que les tirages se
2
1 1 1
font indépendamment l’un de l’autre dans chaque urne, on a p (Z1 = 0) = × = .
2 2 4
De même, l’événement (Z1 = 1) est l’événement ”on a échangé le jeton marqué 0 de l’urne bleue et le jeton
marqué 0 de l’urne rouge ou bien le jeton marqué 1 de l’urne bleue et le jeton marqué 1 de l’urne rouge ”. Les
événements ”on a échangé le jeton marqué 0 de l’urne bleue et le jeton marqué 0 de l’urne rouge” d’une part, et ”on
a échangé le jeton marqué 1 de l’urne bleue et le jeton marqué 1 de l’urne rouge ” sont incompatibles, et tous deux,
1 1 1 1
comme plus haut, de probabilité , donc p (Z1 = 1) = + = .
4 4 4 2
Enfin, l’événement (Z1 = 2) est l’événement ”on a échangé le jeton marqué 0 de l’urne bleue et le jeton marqué 1
1
de l’urne rouge”. On a ainsi p (Z1 = 2) = .
4
1 1 1
En résumé, Z1 (Ω) = {0, 1, 2}, p (Z1 = 0) = , p (Z1 = 1) = , p (Z1 = 2) = .
4 2 4
3. Introduction
Si l’on sait que l’événement (Zn = 0) est réalisé, on sait qu’après le n-ième échange, l’urne bleue contient les deux
jetons marqués 0, l’urne rouge contenant alors les deux jetons marqués 1. Après le (n + 1)-ième échange, l’urne
bleue contient alors nécessairement un jeton marqué 0, et un jeton marqué 1. Il en résulte que :
p(Zn =0) (Zn+1 = 0) = 0, p(Zn =0) (Zn+1 = 1) = 1, p(Zn =0) (Zn+1 = 2)
De manière analogue, si l’on sait que l’événement (Zn = 1) est réalisé, on sait qu’après le n-ième échange,
chacune des deux urnes contient un jeton marqué 0 et un jeton marqué 1. Le contenu de ces urnes reste inchangé
1 1
si l’on échange les deux jetons marqués 0 (probabilité ) ou les deux jetons marqués 1 (probabilité également).
4 4
1
Donc p(Zn =1) (Zn+1 = 1) = . L’événement (Zn+1 = 0) est alors réalisé si l’on échange le jeton marqué 1 de
2
1
l’urne bleue avec le jeton marqué 0 de l’urne rouge. Donc p(Zn =1) (Zn+1 = 0) = . L’événement (Zn+1 = 2)
4
est, lui, réalisé si l’on échange le jeton marqué 0 de l’urne bleue avec le jeton marqué 1 de l’urne rouge. Donc
1
p(Zn =1) (Zn+1 = 2) = . En résumé :
4
1 1 1
p(Zn =1) (Zn+1 = 0) = , p(Zn =1) (Zn+1 = 1) = , p(Zn =1) (Zn+1 = 2) =
4 2 4
Enfin, si l’on sait que l’événement (Zn = 2) est réalisé, on sait qu’après le n-ième échange, l’urne bleue contient
les deux jetons marqués 1, l’urne rouge contenant alors les deux jetons marqués 0. Après le (n + 1)-ième échange,
l’urne bleue contient alors nécessairement un jeton marqué 0, et un jeton marqué 1. Il en résulte que :
p(Zn =2) (Zn+1 = 0) = 0, p(Zn =2) (Zn+1 = 1) = 1, p(Zn =2) (Zn+1 = 2) = 0
a. les événements (Zn = 0) , (Zn = 1), (Zn = 2) forment un système complet d’événements. La formule des
83
probabilités totales permet alors d’écrire :
2
2
p (Zn+1 = 0) = p(Zn =k) (Zn+1 = 0) p (Zn = k)
k=0
1 1
c’est-à-dire, utilisant les valeurs numériques données plus haut, p (Zn+1 = 0) = p (Zn = 1), et donc pn+1 = qn .
4 4
b. De même, la formule des probabilités totales permet d’écrire :
22
p (Zn+1 = 1) = p(Zn =k) (Zn+1 = 1) p (Zn = k)
k=0
et
2
2
p (Zn+1 = 2) = p(Zn =k) (Zn+1 = 2) p (Zn = k)
k=0
1 1
c’est-à-dire : qn+1 = pn + qn + rn et rn+1 = qn .
2 4

 1

 p n+1 = qn

 4
1
4.a. Les relations qn+1 = pn + qn + rn s’écrivent matriciellement sous la forme

 2

 rn+1 = 1 qn

4
   0 1 0  
pn+1 4 pn
 qn+1  =  1 
 1 2 1   qn  (n ≥ 1), c’est-à-dire Un+1 = AUn .
rn+1 0 14 0 rn
 1 
4
1 1 1  1 
Puisque p (Z1 = 0) = , p (Z1 = 1) = , p (Z1 = 2) = , on a U1 =  2 . Comme p0 = 0, q0 = 1 et r0 = 0,
4 2 4 1
4
 
0
on a U0 =  1 . Une simple vérification permet de constater que U1 = AU0 . On peut alors conclure que, pour
0
tout entier n ≥ 0 , Un+1 = AUn .
b. On montre, par récurrence, que, pour tout entier n ≥ 1, Un = An U0 .
Pour n = 1, la formule s’écrit U1 = AU0 , elle est vraie comme cas particulier correspondant à n = 0 dans la
formule Un+1 = AUn .
Si l’on suppose que, pour un entier n ≥ 1, quelconque, on a Un = An U0 , on en déduit que Un+1 = AUn =
A × An U0 = An+1 U0 , la formule est donc encore vraie pour l’entier n + 1, et l’on peut conclure que, pour tout
entier n ≥ 1, Un = An U0 .
   1 − 1 (− 1 )n 
0 6 6 2
n n    2 + 1 (− 1 )n 
c. En 1.d., on a effectué le calcul de A U0 , et trouvé Un = A 1 = 3 3 .Donc
( 21 )n 
0 1
− 1
−
6 6 2
 1 1
( 1 )n
 pn = 6 − 6 ( − 2 )n

qn = 23 + 13 − 12
 r = 1 − 1 (− 1 )n

n 6 6 2

 lim pn = 16
- .n 
 n→+∞
1 1 
Comme −1 < − < +1, on a lim − = 0, donc lim qn = 23
n→+∞
2 n→+∞ 2 


 lim rn = 1
n→+∞ 6
( ( )n ) ( ( )n )
5. On a E (Zn ) = 0 × pn + 1 × qn + 2 × rn , c’est-à-dire E (Zn ) = qn + 2rn = 23 + 13 − 12 + 2 16 − 16 − 12 ,
d’où, après réduction, E (Zn ) = 1, indépendant de n, et donc lim E (Zn ) = 1.
n→+∞
84
EXERCICE 2
1
On considère la fonction f définie sur IR par f (t) = .
et + 2 + e−t
1.a. Les fonctions t 6−→ et , et t 6−→ e−t sont positives et continues sur IR, il va donc de même de la fonction
t 6−→ et + 2 + e−t , et donc de f .
1
Pour tout réel t, f (−t) = −t = f (t), f est donc paire.
e + 2 + et
( )
b. Comme lim e−t = 0, et lim et = +∞, on a lim et + 2 + e−t = +∞, d’où lim f (t) = 0.
t→+∞ t→+∞ t→+∞ t→+∞
et − e−t
c. f est dérivable sur IR comme composée de fonctions dérivables, et f ′ (t) = − . Comme
(et + 2 + e−t )2
( t )2 ( ) ( )
e + 2 + e−t > 0, f ′ (t) est du signe de e−t − et ( = − et − e−t ). On a e−t − et = e−t 1 − e2t . Pour tout
t, e−t > 0; de plus, e2t > 1 pour t > 0, e2t < 1 pour t < 0, et e2t = 1 pour t = 0 (en résumé, e2t − 1 est du même
signe que t). On en déduit le signe de f ′ (t), qu’on résume dans le tableau suivant :
t −∞ 0 +∞
f ′ (t) + 0 −
Tableau des variations de f

t −∞ 0 +∞
f ′ (t) + 0 −
f 0 ր 1/4 ց 0
1
d. Allure de la courbe d’équation y = f (t) =
et + 2 + e−t
0.2
0.1
-4 -2 2 4
( ) ( )2 1 et
2.a. Pour tout réel t, et + 2 + e−t = e−t e2t + 2et + 1 = e−t et + 1 , d’où f (t) = = .
e−t (et + 1)2 (et + 1)2
−1
b. La fonction t 6−→ t est une primitive de f sur IR. Donc, pour tous réels a et b (pas seulement si a ≤ b),
* b 8 e7 + 1
−1 b 1 1
f (t) dt = t = a
− . Ainsi :
a e +1 a 1+e 1 + eb
1 1
J (a, b) = a
−
1+e 1 + eb
85
1 1 1
c. On a, pour M > 0, J (0, M ) = − M
. Comme lim eM = +∞, on a lim J (0, M) = . L’intégrale
* +∞ 2 1 + e * +∞ M→+∞ M→+∞ 2
1
f (t) dt est donc convergente, avec I = f (t) dt = .
0 0 2
1 1 1 1
De même, pour m < 0, J (m, 0) = m
− . Comme lim em = 0, on a lim J (m, 0) = 1 − = .
* 0 1 + e 2 * 0m→−∞ m→−∞ 2 2
1
L’intégrale f (t) dt est donc convergente, avec J = f (t) dt = .
−∞ −∞ 2
* +∞ * +∞ * 0
Il en résulte que l’intégrale f (t) dt est convergente, avec K = f (t) dt = f (t) dt +
* +∞ −∞ −∞ −∞
f (t) dt = 1.
0
* x
3. Soit la fonction F définie sur IR par, pour tout réel x : F (x) = f (t) dt.
−∞
* 0 * x
1
a. Pour tout réel x, on a F (x) = f (t) dt + f (t) dt =
+ J (0, x).
−∞ 0 2
1 1 1
Comme, par 2.b., J (0, x) = − x
, on a F (x) = 1 − , d’où, réduisant au même dénominateur,
2 1+e 1 + ex
ex
F (x) = x
e +1
eln 2
b. Par définition de la notion de fonction de répartition, p (X ≤ ln 2) = F (ln 2) = ln 2 .
e +1
2
De eln 2 = 2, on déduit p (X ≤ ln 2) = .
3
Comme (X ≤ ln 2) = (X ≤ − ln 2) ∪ (− ln 2 < X ≤ ln 2). Les événements (X < − ln 2) et (− ln 2 < X ≤ ln 2)
étant incompatibles, on a p (X ≤ ln 2) = p (X ≤ − ln 2) + p (− ln 2 < X ≤ ln 2), et l’on en déduit que
1 1 e− ln 2 1
p (− ln 2 < X ≤ ln 2) = F (ln 2) − F (− ln 2). De e− ln 2 = ln 2 = , on déduit F (− ln 2) = − ln 2 = ,
e 2 e +1 3
2 1 1
d’où p (− ln 2 < X ≤ ln 2) = − = .
3 3 3
p ((X > ln 2) ∩ (X ≤ ln 3)) p (ln 2 < X ≤ ln 3)
On a p(X>ln 2) (X ≤ ln 3) = = .
p (X > ln 2) p (X > ln 2)
eln 3 3
Comme plus haut, p (ln 2 < X ≤ ln 3) = F (ln 3) − F (ln 2). On a eln 3 = 3, donc F (ln 3) = ln 3 = .
e +1 4
3 2 1 2 1
Ainsi p (ln 2 < X ≤ ln 3) = − = . D’autre part, p (X > ln 2) = 1 − p (X ≤ ln 2) = 1 − = . Il en
4 3 12 3 3
1
12 1
résulte que p (− ln 2 < X ≤ ln 2) = 1 = .
3
4
e−x ex e−x (ex + 1) + ex (e−x + 1)
c. Pour tout réel x, F (−x) + F (x) = + = .
e−x + 1 +1ex (e−x + 1) (ex + 1)
On déduit de ex (e−x + 1) = e +1, que e−x (ex
x + 1)+ex (e−x + 1) = e−x (ex + 1)+ex +1 = (e−x + 1) (ex + 1),
d’où F (−x) + F (x) = 1, et
F (−x) = 1 − F (x) .
Autre démonstration. On pose ϕ (x) = F (x) + F (−x).

On a F ′ = f . Par dérivation de fonctions composées la dérivée de la fonction x 6−→ F (−x) est −f (−x). Ainsi, ϕ
est dérivable sur IR, avec ϕ′ (x) = f (x) − f (−x) = 0, puisque f est paire. Il en résulte que ϕ est constante sur
IR. Comme ϕ (0) = F (0) + F (0) = 1, on a, pour tout réel x, ϕ (x) = 1.
Suite des calculs
On a, comme plus haut, p (−α < X ≤ α) = F (α) − F (−α), donc, d’après la relation qu’on vient d’établir,
86
2eα eα − 1
p (−α < X ≤ α) = F (α) − (1 − F (α)) = 2F (α) − 1 = − 1 = .
α
eα + 1 eα + 1
1 e −1 1
La relation p (−α < X ≤ α) = est alors équivalente à α = , ou 2 (eα − 1) = eα + 1, ce qui mène à
2 e + 1 2
eα = 3, d’où α = ln 3.
eα − 1 (eα + 1) − 2 2
N.B.: on simplifie (un peu) les calculs en remarquant que α = α
= 1− α . La relation
α
e +1 e +1 e +1
e −1 1 1 2
α
= mène alors à = α , puis eα = 3, α = ln 3, comme plus haut.
e +1 2 2 e +1
EXERCICE 3
Soit n ∈ IN ∗ et X une variable aléatoire réelle discrète telle que X (Ω) ⊂ {0, 1, ..., n}.
n
2
Remarque : on a, par définition de l’espérance de X, E (X) = kp (X = k), d’où, le terme correspondant à
k=0
n
2
k = 0 étant nul, E (X) = kp (X = k).
k=1
n
2
L’objectif de cet exercice est de prouver et d’utiliser l’égalité E (X) = p (X ≥ k), notée (R).
k=1
3
1.a. Soit X une variable aléatoire suivant la loi binomiale de paramètres 2 et .
4
- .2 - . - .2
1 1 2 3 1 3 3 9
On a X (Ω) = {0, 1, 2} , p (X = 0) = = , p (X = 1) = × = , p (X = 2) = = .
4 16 1 4 4 8 4 16
3 9 15
Donc p (X ≥ 1) = p (X = 1) + p (X = 2) = + = .
8 16 16
9
p (X ≥ 2) = p (X = 2) = .
16
15 9 24 3
Il en résulte p (X ≥ 1) + p (X ≥ 2) = + = = .
16 16 16 2
3 3
b. On doit savoir que E (X) = 2 × = .
4 2
La formule (R) affirme, dans ce cas particulier, que E (X) = p (X ≥ 1) + p (X ≥ 2). Il ne reste qu’à constater
3
que cette formule est vraie dans ce cas particulier, puisque les deux membres de cette égalité sont égaux à .
2
n
<
2.a. On a (X ≥ k) = (X = i), et les événements (X = k), (X = k + 1),..., (X = n) sont deux à deux
i=k
incompatibles, donc p (X ≥ k) = p (X = k) + p (X = k + 1) + ... + p (X = n).
b. On a :
p (X ≥ 1) = p (X = 1) + p (X = 2) + p (X = 3) + ........... ............... ....... + p (X = n)
p (X ≥ 2) = p (X = 2) + p (X = 3) + ....... + p (X = n)
p (X ≥ 3) = p (X = 3) + ....... + p (X = n)
............... .............. .............. .............. ........... ............... ........ ...............
p (X ≥ k) = ........... p (X = k) + ........ + p (X = n)
............... .............. .............. .............. ........... ............... ......... ...............
p (X ≥ n) = .............. .............. .............. ........... ............... ......... p (X = n)
Lorsqu’on additionne, membre à membre, ces égalités, on obtient :

2n n
2
p (X ≥ k) = p (X = 1) + 2p (X = 2) + ... + np (X = n), c’est-à-dire p (X ≥ k) = E (X), ce qui est la
k=1 k=1
relation (R).
87
3.a. Le joueur peut ne pas réussir dès le premier niveau, auquel cas X prend la valeur 0; il peut aussi réussir tous
les niveaux, auquel cas X prend la valeur n; X pouvant évidemment prendre toutes les valeurs intermédiaires, on a
X (Ω) = [[0, n]].
b. L’événement (X ≥ k) est réalisé lorsque le joueur a réussi les niveaux 1, ..., k, c’est-à-dire lorsque les
=k
événements N1 ,..., Nk sont tous réalisés. Donc (X ≥ k) = N1 ∩ N2 ∩ ... ∩ Nk ( (X ≥ k) = Ni ).
i=1
La formule généralisée des probabilités composées fournit :

p (X ≥ k) = p (N1 ) pN1 (N2 ) ...pN1 ∩...∩Nk−1 (Nk ), et les données de l’énoncé induisent (”lorsque le joueur
commence un niveau, ce qui suppose qu’il ait réussi tous les niveaux précédents, la probabilité qu’il le réussisse est
- .k
2 2 2
”) que pN1 ∩...∩Ni−1 (Ni ) = (i ≥ 2) , donc p (X ≥ k) = (le produit dont il est question est le produit de
3 3 3
2
k quantités toutes égales à ).
3
n n - .k n−1 - . ( )n
2 2 2 22 2 k 2 1 − 23
c. Selon la formule (R), et b., on a E (X) = p (X ≥ k) = = = ,
3 3 3 3 1 − 23
( ( )n ) k=1 k=1 k=0
c’est-à-dire E (X) = 2 1 − 23 .
88
ESC T ANNEE 2006.
EXERCICE 1
     
1 0 0 0 0 0 1 0 0
Soient les matrices carrées A =  6 −5 6  , H =  3 −3 3  , I =  0 1 0 .
2 −2 3 1 −1 1 0 0 1
1.a. Montrer que A2 = 3I − 2A. En déduire que A est inversible et détailler la matrice A−1 .
b. Montrer qu’il existe un réel a tel que AH = aH.
c. Montrer qu’il existe un réel b tel que A = I + bH.
+
b0 = 0
2. On considère la suite (bn )n∈IN définie par :
pour tout entier naturel n, bn+1 = −3bn + 2
a. Sans calculer bn , montrer par récurrence que pour tout entier naturel n, An = I + bn H.
   
1 1
b. En déduire An  3  =  3bn + 3 
3 bn + 3
 
1
c. Calculer bn en fonction de n, puis exprimer la matrice colonne  3bn + 3  en fonction de n.
bn + 3
On considère maintenant les suites (un )n∈IN et (vn )n∈IN définies par :
+
u0 = v0 = 3
pour tout entier naturel n, un+1 = 6 − 5un + 6vn et vn+1 = 2 − 2un + 3vn

1
On note, pour tout entier naturel n, Xn =  un .
vn
3.a. Montrer que pour tout entier naturel n, Xn+1 = AXn .

b. En déduire que pour tout entier naturel n, Xn = An X0 .
c. Calculer finalement un et vn en fonction de n.
EXERCICE 2
On considère une constante réelle A strictement supérieure

 à 1.
 1 si 1 ≤ t ≤ A
On note alors f la fonction définie sur IR par : f (t) = t ln A
 0 si t < 1 ou t > A
a. Justifier que pour tout réel t, f (t) ≥ 0.

b. Calculer f ′ (t) dans les trois cas suivants : t < 1, 1 < t < A, t > A. Quel est le sens de variation de f sur
l’intervalle ]1; A[?
1
c. Dans cette question uniquement on suppose que A = 2. On donne ≈ 1, 4. Tracer l’allure de la courbe de f
ln 2
dans un repère orthonormé d’unité 5 cm.
89
* x
On note F la fonction définie sur IR par F (x) = f (t) dt.
−∞
2.a. Calculer F (x) dans le cas où x < 1.

ln x
b. Montrer que si 1 ≤ x ≤ A, F (x) = . Donner F (A).
ln A
c. Montrer que pour tout réel x > A, F (x) = 1.
On dit qu’une variable aléatoire T suit la loi de Benford de paramètre A lorsque cette variable aléatoire T est une
variable à densité, de densité f et de fonction de répartition F .
On suppose dans toute la suite que X suit une loi de Benford de paramètre 10 et on remplace donc le réel A par
10 dans les expressions de f et de F .
9
3.a. Montrer que l’espérance de X vaut E (X) = .
ln 10
b. Soient a, b et c trois réels tels que :
1 ≤ a < b ≤ 10
1 ≤ ac ≤ bc ≤ 10
Calculer en fonction de a et b les probabilités : P (a < X ≤ b) et P (ac < X ≤ bc).
Montrer qu’elles sont égales. (On dit que la loi de Benford est invariante par changement d’échelle ).
4. On note Y la variable aléatoire définie par Y = X 2 .

a. Soit y un réel strictement inférieur à 1. Justifier que P (Y ≤ y) = 0.
b. Soit y un réel strictement supérieur à 100. Justifier que P (Y ≤ y) = 1.
3 ln 2
c. Montrer que P (Y ≤ 64) = P (X ≤ 8) = .
ln 10
d. Plus généralement, soit y un réel appartenant à [1; 100].
ln y
Montrer que P (Y ≤ y) = .
2 ln 10
e. Déterminer une densité de Y et montrer que Y suit une loi de Benford de paramètre 100.
EXERCICE 3
Les parties B et C sont indépendantes
On considère trois urnes : l’urne U1 contient deux boules rouges et trois boules bleues, l’urne U2 contient une boule
rouge et aucune boule bleue et l’urne U3 contient une boule bleue et aucune boule rouge.
On choisit d’abord une de ces trois urnes au hasard avec équiprobabilité. Une fois cette urne choisie, on effectue
dans cette urne et sans jamais en changer une série illimitée de tirages d’une boule, avec remise dans cette urne.
Pour i = 1, 2, 3 on note Ui l’événement : ” l’urne choisie pour les tirages est l’urne Ui ”.
Pour tout entier naturel non nul k, on note Rk : ” le k-ième tirage a amené une boule rouge ”.
Partie A
1. Justifier que les événements (U1 , U2 , U3 ) forment un système complet d’événements.
7
Soit k ∈ IN ∗ . Donner les probabilités conditionnelles PU1 (Rk ), PU2 (Rk ), PU3 (Rk ). En déduire P (Rk ) = .
15
2. Soit n un entier naturel non nul.
- .n
2
a. Justifier que PU1 (R1 ∩ R2 ∩ ... ∩ Rn ) = .
5
90
b. Préciser les valeurs de PU2 (R1 ∩ R2 ∩ ... ∩ Rn ) et PU3 (R1 ∩ R2 ∩ ... ∩ Rn ). - .n
1 2 1
En déduire par la formule des probabilités totales que P (R1 ∩ R2 ∩ ... ∩ Rn ) = + .
3 5 3
3. Montrer que les événements R1 et R2 ne sont pas indépendants.
Partie B
- .k
2
1+
5
1. Montrer que pour tout entier k ≥ 2, PR1 ∩R2 ∩...∩Rk−1 (Rk ) = - .k−1 .
2
1+
5
2. On note Z la variable aléatoire égale au rang où une boule bleue apparaît pour la première fois, et égale à 0 si
aucune boule bleue n’apparaît jamais.
8
a. Justifier que P (Z = 1) = .
15
( )
b. Soit un entier k ≥ 2. Montrer que P (Z = k) = P (R1 ∩ R2 ∩ ... ∩ Rk−1 ) PR1 ∩R2 ∩...∩Rk−1 Rk .
- .
1 2 k−1
En déduire grâce aux questions précédentes que pour tout entier k ≥ 2, P (Z = k) = .
5 5
+∞
2
c. Calculer P (Z = 1) + P (Z = k) et en déduire P (Z = 0).
k=2
Partie C
Dans cette partie on s’intéresse à la variable aléatoire X égale au nombre de tirages ayant amené une boule rouge
au cours des 200 premiers tirages.
1.a. Donner X (Ω).

- . - .k - .200−k
200 2 3
b. Soit k un entier de {0, ..., 200}.Justifier que PU1 (X = k) = .
k 5 5
1
c. Montrer que pour tout entier k tel que 1 ≤ k ≤ 199, P (X = k) = PU1 (X = k).
3
- .
2
2. On approchera toute variable T de loi binomiale B 200, par une variable N de loi normale N (80, 48).
5
- .
5 N − 80 5
a. Montrer que P (60 < T ≤ 100) ≈ P − < ≤ .
12 48 12
b. Utiliser cette approximation pour montrer que P (60 < T ≤ 100) ≈ 0, 11.
- .
5
(On donne : Φ ≈ 0, 66 , où Φ est la fonction de répartition de la loi normale centrée réduite.).
12
Question C.2. modifiée
- .
2
5
: √ √ ;
3 N − 80 3
a. Montrer que P (74 < T ≤ 86) ≈ P − < √ ≤ .
2 4 3 2
:√ ;
3
2
91
ESC T 2 006. Corrigé
EXERCICE 1
     
1 0 0 0 0 0 1 0 0
Soient les matrices carrées A =  6 −5 6  , H =  3 −3 3  , I =  0 1 0 .
2 −2 3 1 −1 1 0 0 1
 
1 0 0
1.a. On trouve A2 =  −12 13 −12 , et l’on vérifie qu’on a bien A2 = 3I − 2A.
−4 4 −3
1( 2 ) 1
Cette dernière relation entraîne A + 2A = I, d’où (A + 2I) × A = I. On en déduit que A est inversible,
3 3
avec    
3 0 0 1 0 0
1 1
A−1 = (A + 2I) =  6 −3 6  =  2 −1 2 
3 3 2 −2 5 2 2 5
3 −3 3
 
0 0 0
b. On trouve AH =  −9 9 −9 , et l’on constate que AH = −3H.
−3 3 −3
 
0 0 0
c. On trouve A − I =  6 −6 6 , et l’on voit que A − I = 2H, d’où A = I + 2H.
2 −2 2
+
b0 = 0
2. On considère la suite (bn )n∈IN définie par :
pour tout entier naturel n, bn+1 = −3bn + 2
a. On montre, par récurrence, que pour tout entier naturel n, An = I + bn H.
Pour n = 0, l’énoncé s’écrit A0 = I + b0 H. Puisque b0 = 0, l’énoncé est vrai, en prenant la convention A0 = 0.
On suppose ensuite que, pour un entier n ≥ 0, quelconque, An = I + bn H. On en déduit que An+1 = A × An =
A × (I + bn H) en utilisant l’hypothèse de récurrence. Donc An+1 = A + bn AH. Comme, par 1.b., on a
AH = −3H, et, par 1.c., A = I + 2H, il vient An+1 = (I + 2H) − 3bn H = I + (−3bn + 2) H, c’est-à-dire, par
définition de la suite (bn )n∈IN , An+1 = I + bn+1 H, la formule est donc encore vraie pour l’entier n + 1.
On peut alors conclure que, pour tout entier n ≥ 0, An = I + bn H.
       
1 1 1 1
b. Il résulte de a. que A n  3  
= (I + bn H) 3  =  3  + bn H  3 
3    3 3
   3  
1 0 1 1 0
Un calcul immédiat fournit H  3  =  
3 , et donc A n  3  =  3  + bn  3 , c’est-à-dire
3 1 3 3 1
   
1 1
An  3  =  3bn + 3 
3 bn + 3
1
c. La suite (bn )n∈IN est arithmético-géométrique. Le point fixe α, défini par la relation α = −3α + 2 est α = .
+ 2
bn+1 = −3bn + 2
On a : , d’où, par soustraction membre à membre, bn+1 − α = −3 (bn − α), la suite
α = −3α + 2
(bn − α)n∈IN est donc géométrique, de raison −3. Donc, pour tout entier n ≥ 0, bn − α = (−3)n (b0 − α); puisque
1 1 1 1
α = , et b0 = 0, on a bn − = − (−3)n , d’où bn = (1 − (−3)n ).
2 2 2 2
3 3
On a alors 3bn + 3 = (1 − (−3) ) + 3 = (3 − (−3)n ), et
n
2 2
1 1
bn + 3 = (1 − (−3)n ) + 3 = (7 − (−3)n ).
2 2
92
 
    1
1 1  3 
 (3 − (−3)n ) 
Ainsi, An  3  =  3bn + 3  =
 2


3 bn + 3  1 
(7 − (−3)n )
2
On considère maintenant les suites (un )n∈IN et (vn )n∈IN définies par :
+
u0 = v0 = 3
pour tout entier naturel n, un+1 = 6 − 5un + 6vn et vn+1 = 2 − 2un + 3vn
   
1 1
3.a. On vérifie que, A  un  =  6 − 5un + 6vn . Puisque un+1 = 6−5un +6vn et vn+1 = 2−2un +3vn ,
   vn  2 − 2un + 3vn
1 1
on a A  un  =  un+1  , c’est-à-dire que Xn+1 = AXn .
vn vn+1
b. On montre par récurrence que, pour tout entier n ≥ 0, Xn = An X0 .
La formule est vraie pour n = 0 : X0 = A0 X0 , avec, toujours, la convention A0 = I.
Si l’on suppose que, pour un entier n ≥ 0, quelconque, on a Xn = An X0 , alors An+1 = AXn = A × An X0 =
An+1 Xn , la formule est donc encore vraie pour l’entier n + 1, et l’on peut ainsi conclure que, pour tout entier
naturel n, Xn = An X0 .
     
1 1 1
c. On a X0 =  u0  =  3 , donc Xn = An  3 . D’après 2.b. et 2.c., on a donc Xn =
v 3 3
 0
1
 3 (3 − (−3)n ) .
2
1 n
2 (7 − (−3) )
EXERCICE 2
1
a. f est nulle sur ]−∞; 1[, et sur ]A; +∞[; comme, pour tout t ∈ [1; A], f (t) = > 0, on a, pour tout réel t,
t ln A
f (t) ≥ 0.
b. f étant nulle sur ]−∞; 1[, et sur ]A; +∞[, on a, pour tout t ∈ ]−∞; 1[ ∪ ]A; +∞[, f ′ (t) = 0. Puisque, pour tout
1 1
élément t de ]1; A[, f (t) = , on a f ′ (t) = − 2 .
 t ln A t ln A
 − 1
si t ∈ ]1; A[
En résumé, f ′ (t) = t2 ln A
 0 si t ∈ ]−∞; 1[ ∪ ]A; +∞[
On voit que, pour tout élément t de ]1; A[, f ′ (t) < 0, f est donc (strictement) décroissante sur ]1; A[.
N.B.: en fait, il n’est pas nécessaire de recourir au calcul de la dérivée pour parvenir à cette conclusion. La fonction
1 1
t 6−→ est décroissante sur ]0; +∞[, donc sur ]1; A[. Comme ln A > 0, la fonction t 6−→ est également
t t ln A
décroissante sur ]1; A[.


 0 si t < 1

 1
c. Allure de la courbe d’équation y = f (t) = si 1 ≤ t ≤ 2

 t × ln 2

 0 si 2 < t
93
1.5
1.0
0.5
0.0
0 1 2
* x
2.a. Soit x < 1. f étant nulle sur ]−∞; x[, on a F (x) = f (t) dt = 0.
−∞
* x * x x *
1
b. Soit x tel que 1 ≤ x ≤ A. f étant nulle sur ]−∞; 1[, on a F (x) = f (t) dt = f (t) dt = dt =
8 7x −∞ 1 1 t ln A
ln t ln x
= .
ln A 1 ln A
En particulier, F (A) = 1.
* x * A * x
c. Pour x > A, on a F (x) = f (t) dt = f (t) dt + f (t) dt. F étant nulle sur ]A; +∞[, on a
* x * A −∞ −∞ A
f (t) dt = 0, tandis que f (t) dt = F (A) = 1, donc, pour tout x > A, F (x) = 1.
A −∞
On suppose dans toute la suite que X suit une loi de Benford de paramètre 10.

  0 si x ≤ 1
 1 
 ln x
si 1 ≤ t ≤ 10
Ainsi, f (t) = t ln 10 , et F (x) = si 1 ≤ x ≤ 10
 0 si t < 1 ou t > 10 
 ln 10
 1 si x ≥ 10
* +∞ * 10
3.a. Puisque f est nulle en dehors de [1; 10], X admet une espérance, et E (X) = tf (t) dt = tf (t) dt.
* 10 * 10 −∞ 1
1 1 9
Donc E (X) = t× dt = dt = .
1 t ln 10 ln 10 1 ln 10
ln b ln a 1 b
b. On a P (a < X ≤ b) = F (b) − F (a) = − = ln .
ln 10 ln 10 ln 10 a
1 bc 1 b
D’autre part, P (ac < X ≤ bc) = F (bc) − F (ac) = ln = ln , et l’on voit que, en effet,
ln 10 ac ln 10 a
P (ac < X ≤ bc) = P (a < X ≤ b).
La loi de Benford est ainsi invariante par changement d’échelle.
4.a. Soit y < 1. Puisque Y = X 2 , l’événement (X > 1) entraîne l’événement (Y > 1), et donc aussi
l’événement (Y > y). L’événement (Y ≤ y) entraîne donc l’événement (X ≤ 1). Il en résulte que
0 ≤ P (Y ≤ y) ≤ P (X ≤ 1). Comme P (X ≤ 1) = 0, ceci entraîne P (Y ≤ y) = 0.
94
N.B.: on pouvait aussi distinguer les cas( y < 0, et)0 ≤ y < 1.(Lorsque y) < 0, puisque Y = X 2 , on a (Y ≤ y) = ∅.
√ √
Lorsque 0 ≤ y < 1, on a (Y ≤ y) = X ≤ y = ∅, car X ≤ y ⊂ (X ≤ 1) = ∅. Dans les deux cas,
(Y ≤ y) = ∅, donc P (Y ≤ y) = 0.
( √ ) ( √ ) (√ )
b. Soit y > 100. On a (Y ≤ y) = X ≤ y , donc P (Y ≤ y) = P X ≤ y = F y = 1, car, pour
√
y > 100, on a y > 10.
( ) ln 8
c. On a (Y ≤ 64) = X 2 ≤ 64 = (−8 ≤ X ≤ 8) = (X ≤ 8), donc P (Y ≤ 64) = P (X ≤ 8) = . Comme
ln 10
3 ln 2
ln 8 = ln 23 = 3 ln 2, il vient P (Y ≤ 64) = P (X ≤ 8) = .
ln 10
d. Plus généralement, soit y un réel appartenant à [1; 100]. √
( √ ) (√ ) ln y √ 1
On a (Y ≤ y) = X ≤ y , d’où P (Y ≤ y) = F y = . Comme ln y = ln y, il vient
ln 10 2
ln y
P (Y ≤ y) = .
2 ln 10

 0 si y < 1

 ln y
e. Soit G la fonction définie sur IR par G (y) = si 1 ≤ y ≤ 100 . G est alors la fonction

 2 ln 10
 1 si y > 1
de répartition
 de Y . G est continue sur IR, dérivable sur IR, sauf peut-être en 1 et en 100. De plus,

 0 si y < 1

 1
G′ (y) = si 1 < y < 100 . On remarque que 2 ln 10 = ln 100. Posant alors g (y) =

 2y ln 10

 0 si y > 1


 0 si y < 1

 1
si 1 ≤ y ≤ 100 , on voit que, pour tout y ∈ IR− {1; 100}, g (y) = G′ (y), et Y admet donc la

 y ln 100

 0 si y > 1
fonction g comme densité de probabilité. On reconnaît alors que Y suit la loi de Benford de paramètre 100.
EXERCICE 3
On considère trois urnes : l’urne U1 contient deux boules rouges et trois boules bleues, l’urne U2 contient une boule
rouge et aucune boule bleue et l’urne U3 contient une boule bleue et aucune boule rouge.
On choisit d’abord une de ces trois urnes au hasard avec équiprobabilité. Une fois cette urne choisie, on effectue
dans cette urne et sans jamais en changer une série illimitée de tirages d’une boule, avec remise dans cette urne.
Pour i = 1, 2, 3 on note Ui l’événement : ” l’urne choisie pour les tirages est l’urne Ui ”.
Pour tout entier naturel non nul k, on note Rk : ” le k-ième tirage a amené une boule rouge ”.
Partie A
1. Les événements U1 , U2 , U3 sont deux à deux incompatibles : on ne choisit qu’une urne.
Leur réunion est certaine : on choisit l’une des trois urnes.
Les événements U1 , U2 , U3 forment donc un système complet d’événements.
N.B.: la formulation ”les événements (U1 , U2 , U3 ) forment un système complet d’événements” n’est pas très
correcte. Il vaudrait mieux écrire ”les événements U1 , U2 , U3 forment un système complet d’événements”, ou
”{U1 , U2 , U3 } est un système complet d’événements”. (U1 , U2 , U3 ) est un triplet, constitué de 3 événements, et
non des événements.
2
L’urne U1 contient deux boules rouges et trois boules bleues : donc PU1 (Rk ) = ;
5
l’urne U2 contient une boule rouge : donc PU2 (Rk ) = 1;
l’urne U3 contient une boule bleue et aucune boule rouge : donc PU3 (Rk ) = 0.
95
Les événements U1 , U2 , U3 formant un système complet d’événements, la formule des probabilités totales
permet d’écrire : P (Rk ) = PU1 (Rk ) P (U1 ) + PU2 (Rk ) P (U2 ) + PU3 (Rk ) P (U3 ). Puisqu’on choisit une
1
des trois urnes au hasard avec équiprobabilité, on a P (U1 ) = P (U2 ) = P (U3 ) = . Il vient donc :
3
2 1 1 1 7
P (Rk ) = × + 1 × + 0 × = .
5 3 3 3 15
2. Soit n un entier naturel non nul.
a. Par la formule généralisée des probabilités composées, PU1 (R1 ∩ R2 ∩ ... ∩ Rn ) = PU1 (R1 ) PU1 ∩R1 (R2 ) ...PU1 ∩R1 ∩...∩Rn
2
Mais on a vu en 1. que PU1 (R1 ) = . De même, les tirages étant effectués avec remise de la boule tirée dans l’urne,
5 - .n
2 2
PU1 ∩R1 (R2 ) = ... = PU1 ∩R1 ∩...∩Rn−1 (Rn ) = PU1 (R1 ) = . Il en résulte que PU1 (R1 ∩ R2 ∩ ... ∩ Rn ) = .
5 5
b. Si les tirages sont effectués dans l’urne U2 , ils ne peuvent fournir que des boules rouges, donc
PU2 (R1 ∩ R2 ∩ ... ∩ Rn ) = 1.
Si les tirages sont effectués dans l’urne U3 , ils ne peuvent fournir que des boules bleues, donc
PU3 (R1 ∩ R2 ∩ ... ∩ Rn ) = 0.
Les événements U1 , U2 , U3 formant un système complet d’événements, la formule des probabilités totales permet
d’écrire :
P (R1 ∩ R2 ∩ ... ∩ Rn ) = PU1 (R1 ∩ R2 ∩ ... ∩ Rn ) P (U1 ) + PU2 (R1 ∩ R2 ∩ ... ∩ Rn ) P (U2 ) +
PU3 (R1 ∩ R2 ∩ ... ∩ Rn ) P (U3 )
- .
1 2 n 1
c’est-à-dire P (R1 ∩ R2 ∩ ... ∩ Rn ) = + .
3 5 3
- .
7 1 2 2 1 29
3. Par 1., on a P (R1 ) = P (R2 ) = , tandis que, par 2.b., P (R1 ∩ R2 ) = + = .
15 3 5 3 75
29 49
Comme = P (R1 ∩ R2 ) 7= P (R1 ) P (R2 ) = , les événements R1 et R2 ne sont pas indépendants.
75 225
Partie B
- . - .k
1 2 k 1 2
+ 1+
P (R1 ∩ R2 ∩ ... ∩ Rk ) 3 5 3 5
1. On a PR1 ∩R2 ∩...∩Rk−1 (Rk ) = = - .k−1 = - .k−1 .
P (R1 ∩ R2 ∩ ... ∩ Rk−1 ) 1 2 1 2
+ 1+
3 5 3 5
2. L’événement (Z = 1) est réalisé si, et seulement si la première boule tirée est bleue, c’est-à-dire que
( ) 8
(Z = 1) = R1 , donc P (Z = 1) = P R1 = .
15
b. Soit k ≥ 2. L’événement (Z = k) est réalisé si, et seulement si les k − 1 premiers tirages ont fourni des boules
rouges, et le k-ième tirage a fourni une boule bleue.
Autrement dit, (Z = k) = R1 ∩ R2 ∩ ... ∩ Rk−1 ∩ Rk , d’où,( ) utilisant la formule des probabilités composées,
P (Z = k) = P (R1 ∩ R2 ∩ ... ∩ Rk−1 ) PR1 ∩R2 ∩...∩Rk−1 Rk . :
- . - .k−1 ;
1 2 k−1 1 1 2
Par A.2.a., on sait que P (R1 ∩ R2 ∩ ... ∩ Rk−1 ) = + = 1+ , et, par B.1., on sait que
3 5 3 3 5
- .k
2
1+
5
PR1 ∩R2 ∩...∩Rk−1 (Rk ) = - .k−1 , ce qui entraîne
2
1+
5
- .k - .k−1 - .k
2 2 2
1+ −
( ) 5 5 5
PR1 ∩R2 ∩...∩Rk−1 Rk = 1 − PR1 ∩R2 ∩...∩Rk−1 (Rk ) = 1 − - .k−1 = - .k−1 . Comme
2 2
1+ 1+
5 5
96
- .k−1 - .k - .k−1 - . - .
2 2 2 2 3 2 k−1
− = 1− = , on obtient finalement, après simplification,
5 5 5 5 5 5
- .
: ; 3 2 k−1
- .k−1 - .
1 2 5 5 1 2 k−1
P (Z = k) = 1+ × - .k−1 = .
3 5 2 5 5
1+
5
2+∞ +∞ - .k−1
2 +∞ - .k−1
2 +∞ - .
8 1 2 1 2 1 2 2 k−1
c. On a P (Z = 1) + P (Z = k) = + . Mais = =
15 5 5 5 5 5 5
k=2 k=2 k=2 k=2
+∞ - . +∞ - . - .2 - .
1 2 2 2 k 2 2 k−1 2 2 2 2 2
× ( = + + ... = 1 + + ... ). Comme −1 < < +1 , la série
5 5 5 5 5 5 5 5 5
k=0 k=2
+∞
2 - . +∞
2 - . +∞
2
2 k 2 k 1 5 8 1 2 5 2
converge, avec = 2 = . Donc P (Z = 1) + P (Z = k) = + × × = .
5 5 1− 5 3 15 5 5 3 3
k=0 k=0 k=2
+∞
2
D’une part, on a P (Z ≥ 1) = P (Z = 1) + P (Z = k), et, d’autre part, P (Z = 0) = 1 − P (Z ≥ 1), et donc
k=2
2 1
P (Z = 0) = 1 − = .
3 3
Remarque : ce résultat est intuitif. Les tirages successifs finiront bien par fournir une boule bleue, à moins que ces
1
tirages se fassent dans l’urne U2 , ce qui se produit avec la probabilité (celle du choix de l’urne U2 ).
3
Partie C
Dans cette partie on s’intéresse à la variable aléatoire X égale au nombre de tirages ayant amené une boule rouge
au cours des 200 premiers tirages.
1.a. On a clairement X (Ω) = [[0, 200]].
b. Soit k ∈ [[0, 200]].
2
Lorsque les tirages se font dans U1 , chacun d’eux fournit une boule rouge avec la probabilité . Les tirages
5
s’effectuant avec remise de la boule tirée, le nombre de boules rouges tirées suit la loi binomiale de taille 200 et de
- . - .k - .200−k
2 200 2 3
paramètre , c’est-à-dire que, pour tout entier k de [[0, 200]], PU1 (X = k) = .
5 k 5 5
c. Soit k un entier tel que 1 ≤ k ≤ 199.
Les événements U1 , U2 , U3 formant un système complet d’événements, la formule des probabilités totales permet
d’écrire : P (X = k) = PU1 (X = k) P (U1 ) + PU2 (X = k) P (U2 ) + PU3 (X = k) P , (U3 ).
1 si j = 200
Mais l’urne U2 contient une boule rouge et aucune boule bleue, donc PU2 (X = j) = .
0, si j ∈ [[0, 199]]
1 si j = 0
De même, l’urne U3 contient une boule bleue et aucune boule rouge, donc PU3 (X = j) = .
0 si j ∈ [[1, 199]]
1
Ainsi, PU2 (X = k) = PU3 (X = k) = 0, d’où P (X = k) = PU1 (X = k) P (U1 ) = PU1 (X = k).
3
Question C.2. modifiée
- .
2
5
Remarque : une variable aléatoire qui suit√la loi
√ normale
√ N (80, 48)√a une espérance égale à 80 et une variance
égale à 48, et, donc, un écart-type égal à 4 3 ( 48 = 16 × 3 = 4 3).
- . : √ √ ;
74 − 80 86 − 80 3 3
a. On a (74 < T ≤ 86) = √ <T ≤ √ = − <T ≤ , et donc, suivant les données de
4 3 4 3 2 2
: √ √ ;
3 N − 80 3
l’énoncé, P (74 < T ≤ 86) ≈ P − < √ ≤ .
2 4 3 2
97
N − 80
b. On sait que, N suivant la loi normale N (80, 48), √ suit la loi normale centrée réduite.).
: √ √ ; :√ ; 4: 3 √ ; : √ ; :√ ;
3 N − 80 3 3 3 3 3
Donc P − < √ ≤ =Φ −Φ − , et Φ − =1−Φ , donc
2 4 3 2 2 2 2 2
: √ √ ; :√ ;
3 N − 80 3 3
P − < √ ≤ = 2Φ − 1 ≈ 2 × 0, 81 − 1 = 0, 62.
2 4 3 2 2
Ainsi, avec les données de l’énoncé P (74 < T ≤ 86) ≈ 0, 62.
Remarque :
L’énoncé d’origine disait :
- .
2
5
- .
5 N − 80 5
a. Montrer que P (60 < T ≤ 100) ≈ P − < ≤ .
12 48 12
- .
5
12
- .
2
Il est exact qu’on peut approcher la loi binomiale B 200, par la loi normale N (80, 48) (on ”approche” plutôt
5 - .
5 N − 80 5
la loi que la variable, d’ailleurs). On peut donc tout à fait aboutir à (60 < T ≤ 100) = − < ≤ ,
- . 12 48 12
5 N − 80 5
puis à P (60 < T ≤ 100) ≈ P − < ≤ .
12 48 12
N − 80
Cependant, si N suit la loi normale N (80, 48), ne suit nullement la loi normale centrée réduite. Il est donc
48
alors impossible d’”utiliser cette
- approximation pour montrer que . P (60- < T ≤ 100) ≈ 0, 11”. .
60 − 80 T − 80 100 − 80 5 T − 80 5
En fait (60 < T ≤ 100) = √ < √ ≤ √ = − √ < √ ≤ √ , d’où
- 4 3 4 3 . 4 3 3 4 3 3
5 N − 80 5 N − 80
P (60 < T ≤ 100) ≈ P − √ < √ ≤ √ . Comme √ suit la loi normale centrée réduite, on a
- .3 -4 3. -3 . 4 3.
-
5 N − 80 5 5 5 5
P −√ < √ ≤√ =Φ √ − Φ −√ = 2Φ √ − 1.
3 4 3 -3 . 3 3 3
5
Des tables fournissent Φ √ = 0, 998 à 10−3 près , et donc P (60 < T ≤ 100) ≈ 0, 996.
3
ESC Maths 2007 T
EXERCICE 1
Soient les matrices

     
−2 −6 6 0 0 0 1 0 0
A= 0 0 0  B =  1 3 −2  I= 0 1 0 
−1 −3 3 1 3 −2 0 0 1
1.a. Calculer les produits matriciels A (A − I) et B (B − I).

b. En déduire que A2 = A et B 2 = B.
c. Calculer AB ainsi que BA ( ces deux produits donnent un résultat simple ).
98
On note dans toute la suite W = A + 2B.
   
3 3
2.a. Calculer les produits A  −1  et B  −1 .
0 0
   
3 0
b. En déduire que W  −1  =  0 . La matrice W est-elle inversible ?
0 0
 
−2 −6 6
c. Montrer que W =  2 6 −4 et retrouver le résultat précédent par la méthode du pivot.
1 3 −1
3.a. En utilisant les relations obtenues en question 1., montrer que W 2 = A + 4B.
b. Plus généralement, montrer par récurrence que pour tout entier naturel n non nul : W n = A + 2n B.
Dans toute la suite de cet exercice on note pour tout réel x la matrice H (x) = A + xB.
 
3
4.a. Calculer le produit H (x)  −1  et en déduire que la matrice H (x) n’est pas inversible.
0
b. Montrer que pour tous réels x et y , H (x) H (y) = H (xy).
c. En déduire par récurrence sur n que pour tout entier naturel n non nul :
(H (x))n = H (xn )
Quelle relation retrouve-t-on en prenant x = 2 ?
EXERCICE 2

+
f (t) = 0 si t ≤ 0
2
f (t) = e− 3 t − e−2t si t > 0
1.a. Montrer que f est continue sur ]−∞; 0] et sur ]0; +∞[.
b. Déterminer lim f (t) puis en déduire que f est continue sur IR.
t→0
t>0
c. Soit θ un réel de l’intervalle ]0; 1[. Montrer que : θ − θ3 ≥ 0.

2
d. Montrer que si t > 0 alors e− 3 t est un réel de l’intervalle ]0; 1[.
2
En déduire grâce à la question c., et en posant θ = e− 3 t , que f (t) ≥ 0.
* x
Dans toute la suite de l’exercice on note pour tout réel x : F (x) = f (t) dt.
−∞
2.a. Que vaut F (x) lorsque x ≤* 0 ?

x
Justifier que si x > 0 , F (x) = f (t) dt.
0
b. Montrer que pour tout réel x strictement positif et pour tout réel a strictement positif,
* x
1( )
e−at dt = 1 − e−ax .
0 a
99
3 2 1
c. En déduire que pour tout réel x strictement positif : F (x) = 1 − e− 3 x + e−2x .
2 2
d. Montrer que lim F (x) = 1.
x→+∞
On considère alors une variable aléatoire X admettant une densité f, et de fonction de répartition F .
3. On s’intéresse dans cette question à l’équation notée (E) :
P (X ≤ µ) = P (X > µ) (E)
équation dont l’inconnue est le réel µ strictement positif .
a. Justifier que pour tout réel x , P (X > x) = 1 − P (X ≤ x).
En déduire que l’équation (E) est équivalente à l’équation (E′ ) :
1 ( ′)
P (X ≤ µ) = E
2
2
b. Montrer que (E′ ) ⇐⇒ 1 − 3e− 3 µ + e−2µ = 0.
c. Montrer que la fonction g définie sur ]0; 1[ par : g (θ) = 1 − 3θ + θ3 réalise une bijection de ]0; 1[ sur ]−1; 1[.
d. En déduire par le même changement de variable qu’au 1.d. que l’équation (E) admet une et une seule solution (
qu’on ne cherchera pas à calculer ).
EXERCICE 3
Un sac S contient cinq jetons : deux sont numérotés 1 et les trois autres sont numérotés 2.
Les parties A, B et C de cet exercice sont indépendantes , elles correspondent à des expériences aléatoires
différentes utilisant le sac mentionné ci-dessus.
Partie A
1. Montrer que si l’on extrait deux jetons simultanément de S, la probabilité que ces deux jetons portent le numéro
3
2 est : p = . ( On pourra conserver cette notation dans la suite de cette partie A ).
10
2. Dans cette question on considère le sac S et on effectue 2100 tirages simultanés de deux jetons avec remise (les
deux jetons obtenus à chaque tirage sont remis dans le sac S avant le tirage des deux jetons suivants ).
On note X la variable aléatoire égale au nombre de tirages où les deux jetons tirés portent le numéro 2.
a. Reconnaître la loi de probabilité de la variable aléatoire X.
(On précisera X (Ω) et P (X = k) pour tout k de X (Ω).
b. Déterminer l’espérance mathématique E (X) et vérifier que V (X) = (21)2 .
( )
3.a. On décide d’une approximation de X par une variable T suivant une loi normale N m, σ 2 .
Quelles valeurs donner à m et σ pour que X et T aient même espérance et même variance ?
b. Calculer alors la probabilité P (588 < T ≤ 672) en utilisant la fonction de répartition Φ de la loi normale
centrée réduite. ( On donne Φ (2) ≈ 0, 97725)
Partie B
On effectue une série illimitée de tirages avec remise d’un jeton dans le sac S. On désigne par Y la variable
aléatoire égale au nombre de tirages effectués avant le tirage amenant un jeton numéroté 1 pour la première fois.
1.a. Justifier que la variable aléatoire Z = Y + 1 suit une loi classique.
100
b. En déduire Y (Ω) puis la probabilité P (Y = k) pour tout entier k de Y (Ω).
2.a. Préciser l’espérance mathématique et la variance de Z.

b. En déduire l’espérance mathématique et la variance de Y .
Partie C
On extrait successivement et avec remise deux jetons du sac S.

On désigne par X1 la variable aléatoire égale à la somme des numéros des deux jetons tirés, et par X2 la variable
aléatoire égale au maximum des numéros des deux jetons tirés.
1. Donner la loi de probabilité du couple (X1 , X2 ), en présentant les résultats dans un tableau à double entrée.
2. En déduire la loi de probabilité de X1 et celle de X2 .
3. Les variables aléatoires X1 et X2 sont-elles indépendantes ?
101
ESC 2007, Voie Technologique. Corrigé
EXERCICE 1
Soient les matrices

     
−2 −6 6 0 0 0 1 0 0
A= 0 0 0  B =  1 3 −2  I= 0 1 0 
−1 −3 3 1 3 −2 0 0 1
   
−3 −6 6 0 0 0
1.a. On a A − I =  0 −1 0 , et l’on trouve A (A − I) =  0 0 0  = 0 (matrice nulle), et, de
−1 −3 2 0 0 0
   
−1 0 0 0 0 0
même, B − I =  1 2 −2 , puis B (B − I) =  0 0 0 .
1 3 −3 0 0 0
,
2 2 A (A − I) = 0
b. Développant, on obtient A (A − I) = A − A, et B (B − I) = B − B. Les relations
, A (A − I) = A2 − A
B (B − I) = 0
fournissent A2 = A, et les relations fournissent B 2 = B.
B (B − I) = B 2 − B
   
0 0 0 0 0 0
c. On trouve AB =  0 0 0  = 0, et BA =  0 0 0  = 0.
0 0 0 0 0 0
On note dans toute la suite W = A + 2B.

     
3 3 0
2.a. On trouve A  −1  = B  −1  =  0 .
0 0 0
       
3 3 3 3
b. Développant, on obtient W  −1  = (A + 2B)  −1  = A  −1  + 2B  −1 . Il découle alors
    0 0 0 0
3 0
de a. que W  −1  =  0 .
0 0
Si la matrice W était inversible, −1
  en multipliant
 la  relation ci-dessus
 membre
 à membre,
 à gauche
  par W
 ,
3 0 3 3 3
on obtiendrait W −1 W  −1  = W −1  0 . Mais W −1 W  −1  = I  −1  =  −1 , et
    0  0   0 0 0
0 0 3 0
W −1  0  =  0 . Il vient alors  −1  =  0 , ce qui est absurde. W n’est donc pas inversible.
0 0 0 0
 
−2 −6 6
c. On trouve effectivement W = A + 2B =  2 6 −4 .
1 3 −1
−1
On étudie alors l’inversibilité de W , et l’on calcule W par la méthode du pivot de Gauss.
Les pivots successifs sont portés en gras.
−2 −6 6 1 0 0
2 6 −4 0 1 0 . Par L1 ←→ L3 , on obtient :
1 3 −1 0 0 1
102
1 3 −1 0 0 1 +
L2 ←− L2 − 2L1
2 6 −4 0 1 0 . Par , on obtient :
L3 ←− L3 + 2L1
−2 −6 6 1 0
1 3 −1 0 0 1
0 0 −2 0 1 0 .
0 0 4 0 0 1
La matrice figurant à gauche ci-dessus est triangulaire, et comporte un zéro sur la diagonale. Cette matrice, donc
aussi la matrice W , n’est donc pas inversible.
3.a. On a W 2 = (A + 2B) (A + 2B) = A2 + 2AB + 2BA + 4B 2 . Comme AB = BA = 0, A2 = A, B 2 = B,

on a W 2 = A + 4B = A + 22 B.
b. On montre par récurrence que pour tout entier naturel n non nul : W n = A + 2n B.
La formule est vraie pour n = 1 : W = A + 21 B, et, d’ailleurs, pour n = 2 : W 2 = A + 22 B (comme on l’a vu en
a.).
On suppose alors que, pour un entier n ≥ 2, quelconque, W n = A + 2n B. On en déduit W n+1 = W n W =
(A + 2n B) (A + 2B), d’où, développant, W n+1 = A2 + 2AB + 2n BA + 2n+1 B 2 , d’où, utilisant à nouveau les
relations A2 = A, B 2 = B, AB = BA = 0, W n+1 = A + 2n+1 B. On voit que la formule est encore vraie pour
l’entier n + 1, et l’on peut alors conclure que, pour tout entier n ≥ 1, W n = A + 2n B.
           
3 3 0 3 3 3
4.a. Puisque A  −1  = B  −1  =  0 , on a H (x)  −1  = A  −1  + xB  −1  =
0 0 0 0 0 0
 
0
 0 . On en déduit, comme en 2.b., que la matrice H (x) n’est pas inversible.
0
b. On a H (x) = A + xB, et H (y) = A + yB. Développant, on obtient H (x) H (y) = (A + xB) (A + yB) =
A2 + xBA + yAB + xyB 2 , c’est-à-dire, puisque AB = BA = 0, et A2 = A, B 2 = B, que H (x) H (y) =
A + xyB = H (xy).
n n
c. On montre, par récurrence, que, pour tout entier n ≥ 1, (H (x))
( 1 ) = H (x ).
1
La formule est évidente pour n = 1 : (H (x)) = H (x) = H x .
On suppose que, pour un entier n ≥ 1, quelconque, (H (x))n = H (xn ).
On a (H (x))n+1 = (H (x))n H (x). L’hypothèse de récurrence permet d’écrire que (H (x))n = H (xn ), donc
(H((x))n+1 n
) = H (x ) H (x); utilisant 4.b., il vient (H (x))
n+1
= H (xn × x), c’est-à-dire (H (x))n+1 =
H x n+1 . On voit que la formule est encore vraie pour l’entier n + 1, et l’on peut alors conclure que, pour tout
entier n ≥ 1,
(H (x))n = H (xn ) .
Faisant x = 2, on obtient (H (2))n = H (2n ) pour tout entier n ≥ 1. Mais H (2) = A + 2B = W ,
H (2n ) = A + 2n B, et ainsi, W n = A + 2n B, on retrouve la relation obtenue en 3.b.
EXERCICE 2

+
f (t) = 0 si t ≤ 0
2
f (t) = e− 3 t − e−2t si t > 0
2
1.a. f est nulle sur ]−∞; 0], donc continue sur ]−∞; 0]. Les fonctions t 6−→ e− 3 t et t 6−→ e−2t étant connues pour
être continues sur ]0; +∞[, il en va de même de f .
2
b. Comme lim e− 3 t = lim e−2t = 1, on a lim f (t) = 0 = f (0), et f est donc continue à droite de 0. En définitive,
t→0 t→0 t→0
t>0 t>0 t>0
f est continue sur IR.
103
( )
c. Soit θ ∈ ]0; 1[. On a θ − θ3 = θ 1 − θ2 = θ (1 − θ) (1 + θ). Comme, pour tout θ ∈ ]0; 1[, θ > 0, 1 + θ > 0, et
1 − θ > 0, on a θ − θ3 ≥ 0 (et même, θ − θ3 > 0).
2 2
d. La fonction t 6−→ e− 3 t est strictement décroissante sur [0; +∞[. Donc, si t > 0, on a e− 3 t < e0 = 1. Comme,
2 2
de plus, pour tout réel t, e− 3 t > 0, on voit que, pour tout t > 0, e− 3 t ∈ ]0; 1[.
5 63 5 2 63
≥ 0. Mais e− 3 t = e3×(− 3 t) = e−2t , et donc
2
− 23 t − 23 t − 23 t
Posant, dans c., θ = e , on obtient e − e
2
e− 3 t − e−2t ≥ 0, c’est-à-dire f (t) ≥ 0.
* x
2.a. f étant nulle sur ]−∞; 0], on a, pour tout x < 0, F (x) = f (t) dt = 0.
*−∞
x * 0 * x
Pour x > 0, la relation de Chasles permet d’écrire F (x) = f (t) dt = f (t) dt + f (t) dt =
* x * 0 −∞ −∞ 0
f (t) dt, puisque f (t) dt = 0.

0 −∞
* x 8 7a * x
1 −at 1
b. On a e−at dt = e = e−at dt = (1 − e−ax ) (valable, d’ailleurs, même si a < 0, et pour tout réel
0 a 0 0 a
x).
x5* x 6 *
2
c. Il résulte de a. que, pour tout réel x strictement positif : F (x) = f (t) dt = e− 3 t − e−2t dt =
* x * x * x 0
60
− 23 t −2t 2 − 23 t 35 − 23 x
e dt − e dt. Faisant a = dans b., il vient e dt = 1−e , et faisant a = 2, il vient
*0 x 0 3 0 2
1( ) 3 5 2
6 1( )
e−2t dt = 1 − e−2x . Donc, pour tout x > 0, F (x) = 1 − e− 3 x − 1 − e−2x , c’est-à-dire
0 2 2 2
3 − 2 x 1 −2x
F (x) = 1 − e 3 + e .
2 2
( ) 2
d. On a lim − 23 x = lim (−2x) = −∞, donc lim e− 3 x = lim e−2x = 0, d’où lim F (x) = 1.
x→+∞ x→+∞ x→+∞ x→+∞ x→+∞
On considère alors une variable aléatoire X admettant une densité f, et de fonction de répartition F .
3.a. Les événements (X > x) et (X ≤ x) étant contraires l’un de l’autre, on a P (X > x) = 1 − P (X ≤ x).
Dans l’équation (E), utilisant la relation P (X > µ) = 1 − P (X ≤ µ), on obtient P (X ≤ µ) = 1 − P (X ≤ µ),
1
ce qui revient à P (X ≤ µ) = (E′ ).
2
3 2 1 1
b. Compte tenu de l’expression de F (x) obtenue en c., l’équation (E′ ) s’écrit 1 − e− 3 µ + e−2µ = , ce qui
2
2 2 2
revient à 1 − 3e− 3 µ + e−2µ = 0.
( )
c. La fonction g est polynomiale sur ]0; 1[, donc continue et dérivable sur ]0; 1[, et g ′ (θ) = −3 + 3θ2 = 3 θ2 − 1 .
( 2 )
Le trinôme, de variable θ, 3 θ − 1 admet les racines −1 et +1. La règle qui donne le signe du trinôme montre
que, pour tout θ ∈ ]0; (1[ g ′ (θ) < 0,)g est donc strictement( décroissante)sur ]0; 1[.
De plus, lim g = lim 1 − 3θ + θ 3 = 1, et lim g = lim 1 − 3θ + θ3 = −1.
+ 0 x→0 − 1 x→1
x>0 x<1
Récapitulons :
• g est continue sur ]0; 1[;
• g est strictement décroissante sur ]0; 1[;
• lim
+
g = 1, et lim
−
g = −1.
0 1
g réalise donc une bijection de ]0; 1[ sur ]−1; 1[ (c’est le théorème de la bijection).
2
5 2 63 2
d. Posant θ = e− 3 µ , on a 0 < θ < 1, θ3 = e− 3 µ = e−2µ , et l’équation 1 − 3e− 3 µ + e−2µ = 0 s’écrit alors
1 − 3θ + θ3 = 0, c’est-à-dire g (θ) = 0. Comme 0 ∈ ]−1; 1[, il existe un unique élément θ de ]0; 1[ tel que
2 2 3
g (θ) = 0. Mais la relation θ = e− 3 µ est équivalente à − µ = ln θ, ou encore à µ = − ln θ.
3 2
104
3
Ainsi, l’équation (E) admet une unique solution µ = − ln θ, où θ est l’unique solution de l’équation g (θ) = 0.
2
EXERCICE 3
Partie A
- .
5
1. Le nombre de tirages possibles de deux jetons parmi cinq jetons disponibles est égal à , c’est-à-dire à 10 (
- . - . 2
5 5! 3
= ). Parmi tous ces tirages, il y a = 3 manières d’effectuer ce tirage de deux jetons parmi les 3
2 2!3! 2
jetons qui portent le numéro 3.
Si l’on suppose que ces tirages sont équiprobables, alors la probabilité que ces deux jetons portent le numéro 2 est :
3
p= .
10
2.a. On effectue, dans cette question, 2100 épreuves de Bernoulli de même paramètre p, le ”Succès” étant
l’obtention de deux jetons portant le numéro 2. La remise des jetons dans le sac S après chaque tirage assure
l’indépendance de ces épreuves de Bernoulli. On doit alors savoir que la variable X égale au nombre de tirages où
les deux jetons tirés portent le numéro 2 suit la loi binomiale de paramètres 2100 et-p. .
2100 k
On a alors X (Ω) = [[0, 2100]], et, pour tout élément k de [[0, 2100]], P (X = k) = p (1 − p)2100−k (avec,
k
3
toujours, p = ).
10
3 3 7
b. On doit alors savoir que E (X) = 2100p = 2100 × = 630, et V (X) = 2100p (1 − p) = 2100 × × =
10 10 10
441, et il se trouve, qu’en effet, 441 = 212 .
( )
3.a. Une variable aléatoire T suivant une loi normale N m, σ2 possède une espérance égale à m, et une variance
égale à σ2 . Il convient donc de choisir m = 630, et σ = 21 (de sorte que σ2 = 212 ).
T − 630
b. On doit savoir que, si T suit la loi normale de paramètres m = 630, et σ2 = 441 = 212 , alors
- .21
588 − 630 T − 630 672 − 630
suit la loi normale centrée réduite. Mais (588 < T ≤ 672) = < ≤ =
- . - 21 . 21 21
T − 630 T − 630
−2 < ≤ 2 , donc P (588 < T ≤ 672) = P −2 < ≤ 2 = Φ (2) − Φ (−2). De
21 21
plus, pour tout réel x, Φ (x) + Φ (−x) = 1, et, en particulier, Φ (−2) = 1 − Φ (2). Il en résulte que
P (588 < T ≤ 672) = Φ (2) − (1 − Φ (2)) = 2Φ (2) − 1.
Avec la valeur numérique fournie par l’énoncé, Φ (2) ≈ 0, 97725, on obtient
P (588 < T ≤ 672) ≈ 0, 9545
Partie B
On effectue une série illimitée de tirages avec remise d’un jeton dans le sac S. On désigne par Y la variable
aléatoire égale au nombre de tirages effectués avant le tirage amenant un jeton numéroté 1 pour la première fois.
1.a. Z est la variable aléatoire égale au nombre de tirages effectués pour amener un jeton numéroté 1 pour la
première fois.
2
Les tirages se faisant avec remise, on reconnaît que Z suit la loi géométrique de paramètre , probabilité de tirer
5
un jeton numéro 1 à chacun des tirages.
- .
∗ 2 3 k−1
b. On doit savoir que Z (Ω) = IN , et, pour tout entier k ≥ 1, P (Z = k) = .
5 5
105
Comme (Y = k) = (Z − 1 = k) = (Z = k + 1), il en résulte que, pour tout entier k ≥ 0, P (Y = k) =
- .
2 3 k
P (Z = k + 1) = .
5 5
1 5
2.a. On doit savoir donner l’espérance et la variance d’une loi géométrique. Ainsi, E (Z) = 2 = , et
5
2
1 − 25 15
V (Z) = ( )2 = .
2 4
5
5 3 15
b. On a Y = Z − 1, et il en résulte que E (Y ) = E (Z) − 1 = − 1 = , et V (Y ) = V (Z) = (si
2 2 4
X est une variable aléatoire admettant une variance, et k une constante, alors E (X + k) = E (X) + k, et
V (X + k) = V (X)).
Partie C
On extrait successivement et avec remise deux jetons du sac S.

On désigne par X1 la variable aléatoire égale à la somme des numéros des deux jetons tirés, et par X2 la variable
aléatoire égale au maximum des numéros des deux jetons tirés.
N.B.: Lorsqu’on s’intéresse à la loi conjointe de deux variables aléatoires X et Y (définies sur le même espace
probabilisé), et a, b ∈ IR, il est d’usage de noter P [X = a, Y = b] plutôt que P [(X = a) ∩ (Y = b)].
Introduction
Les tirages étant effectués avec remise, les numéros portés sur les jetons tirés sont des variables aléatoires
indépendantes. Autrement dit, si l’on note Ni , pour i = 1 ou 2, la variable aléatoire égale au numéro obtenu lors
du iième tirage, N1 et N2 sont des variables aléatoires indépendantes. De plus, puisque l’urne contient deux jetons
2 3
portant le numéro 1 et trois jetons portant le numéro 2, on a P (Ni = 1) = et P (Ni = 2) = (i = 1 ou 2).
5 5
D’autre part, on peut remarquer que la somme X1 des numéros des deux jetons tirés est inférieure ou égal au
double du plus grand numéro tiré, c’est-à-dire que X1 ≤ 2X2 , et cette somme X1 est supérieure ou égale au plus
grand des numéros tirés, augmenté d’une unité (car l’autre jeton porte un numéro au moins égal à 1), c’est-à-dire
que X1 ≥ X2 + 1, et, en résumé, X2 + 1 ≤ X1 ≤ 2X2 .
1. On voit d’abord, puisque X2 + 1 ≤ X1 ≤ 2X2 , que X2 = 1 entraîne 2 ≤ X1 ≤ 2, et donc X1 = 2.

On a donc (X1 = 3) ∩ (X2 = 1) = (X1 = 4) ∩ (X2 = 1) = ∅, et il en résulte que P [X1 = 3, X2 = 1] =
P [X1 = 4, X2 = 1] = 0.
De plus, l’événement (X1 = 2) ∩ (X2 = 1) est réalisé si et seulement si les deux jetons tirés portent le numéro
1, c’est-à-dire que (X1 = 2) ∩ (X2 = 1) = (N1 = 1) ∩ (N2 = 1). Les variables aléatoires N1 et N2 étant
2 2 4
indépendantes, on a P [X1 = 2, X2 = 1] = P (N1 = 1) P (N2 = 1) = × = .
5 5 25
D’autre part X2 = 2 entraîne 3 ≤ X1 ≤ 4, donc X1 = 3 ou 4.
L’événement (X1 = 3) ∩ (X2 = 2) est réalisé lorsque l’un des deux jetons tirés est l’un des 3 je-
tons numérotés 2, et l’autre est l’un des 2 jetons numérotés 1. Donc (X1 = 3) ∩ (X2 = 2) =
[(N1 = 1) ∩ (N2 = 2)] ∪ [(N1 = 2) ∩ (N2 = 1)]. Les deux événements entre crochets étant incompati-
bles, on a P [X1 = 3, X2 = 2] = P [(N1 = 1) ∩ (N2 = 2)] + P [(N1 = 2) ∩ (N2 = 1)]. L’indépendance de N1 et
2 3 6 6
N2 permet d’obtenir P [(N1 = 1) ∩ (N2 = 2)] = × = , et de même, P [(N1 = 2) ∩ (N2 = 1)] = , d’où
5 5 25 25
12
P [X1 = 3, X2 = 2] = .
25
Enfin, si X1 = 4, la relation X1 ≤ 2X2 entraîne X2 = 2. L’événement (X1 = 4) ∩ (X2 = 2) est réalisé si et
seulement si les deux jetons tirés portent le numéro 2, c’est-à-dire que (X1 = 4)∩(X2 = 2) = (N1 = 2)∩(N2 = 2).
3 3 9
L’indépendance de N1 et N2 permet encore d’obtenir P [X1 = 4, X2 = 2] = × = .
5 5 25
106
Les résultats obtenus sont présentés dans le tableau suivant :
X1 2 3 4
X2
4
1 0 0
25
12 9
2 0
25 25
2. En additionnant, dans le tableau dressé en 1., les résultats ligne par ligne, on obtient la loi de X2 , tandis qu’en
les additionnant colonne par colonne, on obtient la loi de X1 .
X1 2 3 4
X2 loi de X2
4 4
1 0 0
25 25
12 9 21
2 0
25 25 25
4 12 9
loi de X1
25 25 25
Ainsi :
4 12 3 9
X1 (Ω) = {2, 3, 4} , P (X1 = 2) = P (X1 = 3) = = P (X1 = 4) =
25 25 5 25
4 21
X2 (Ω) = {1, 2} , P (X2 = 1) = P (X2 = 2) =
25 25
3. Les variables aléatoires X1 et X2 ne sont pas indépendantes : en effet,

4 4
P ((X1 = 2) ∩ (X2 = 2)) = 0 7= × = P (X1 = 2) P (X2 = 2).
25 25
107
ESC 2008, Voie Technologique
EXERCICE 1
Soient les matrices :

 1 1
    1
 

0 1 1 0 0 0 1
3 3 3 1
A= 0 2
3 0 , P = 0 1 0 , D= 0 2
3 0
 et X1 =  1  .
2 −1 −2 1 3 1
3 0 1 0 0 1
Partie A :
1. Montrer que la matrice P est inversible et déterminer son inverse.
2. Déterminer Dk pour tout entier naturel k.
3. Montrer que A = P DP −1 et que pour tout entier naturel k, Ak = P Dk P −1 . Déterminer P −1 X1 et en déduire

 1 ( 2 )k 
3 3
 ( 2 )k 
par récurrence que pour tout entier naturel k : Ak X1 = 

1
3 3
.

( )
2 2 k
1− 3 3
Partie B :
On étudie le comportement d’un consommateur M à partir d’une semaine donnée ( appelée ” semaine 1” ). Ce
consommateur choisit chaque semaine chez le pâtissier un dessert parmi les trois desserts A , B et C. On considère
en outre que :
• Si M a choisi le dessert A la semaine n, alors la semaine n + 1 il choisit : le dessert A avec une probabilité de
1/3 ou le dessert C avec une probabilité de 2/3.
• Si M a choisi le dessert B la semaine n, alors la semaine n + 1 il choisit : le dessert A avec une probabilité de
1/3 ou le dessert B avec une probabilité de 2/3.
• Si M a choisi le dessert C la semaine n, il reprend le dessert C la semaine n + 1.
• Le consommateur M choisit de manière équiprobable son dessert la première semaine.
On notera pour tout entier naturel non nul n :
An l’événement : ” M a choisi le dessert A la n−ième semaine ”.
Bn l’événement : ” M a choisi le dessert B la n−ième semaine ”.
Cn l’événement : ” M a choisi le dessert C la n−ième semaine ”.
 
P (An )
On note aussi Un =  P (Bn ) .
P (Cn )
1. Donner P (A1 ), P (B1 ), P (C1 ), ainsi que les probabilités PAn (An+1 ), PAn (Bn+1 ), PAn (Cn+1 ), PBn (An+1 ),
PBn (Bn+1 ), PBn (Cn+1 ), PCn (An+1 ), PCn (Bn+1 ), PCn (Cn+1 ).
1 1
2. A l’aide de la formule des probabilités totales, justifier avec soin que P (An+1 ) = P (An ) + P (Bn ). Donner
3 3
de même des relations exprimant P (Bn+1 ) et P (Cn+1 ) en fonction de P (An ), P (Bn ), P (Cn ).
3.a. Montrer que pour tout entier naturel non nul n : Un+1 = AUn .
b. Montrer que pour tout entier naturel non nul n : Un = An−1 X1 .
4. En déduire, en fonction de n, la probabilité P (An ) ainsi que sa limite quand n tend vers +∞.
EXERCICE 2
108
On considère la fonction g définie sur ]0; +∞[ par g (x) = x2 + ln x − 2. On donne ln 2 ≈ 0, 7.
1.a. Calculer la dérivée g′ puis étudier les variations de g.

b. Calculer les limites de g en 0 à droite et en +∞.
c. Montrer que l’équation g (x) = 0 d’inconnue x > 0 admet une unique solution que l’on notera α. Justifier que
1 < α < 2.
d. Donner le signe de g (x) en établissant les cas x < α, x = α, x > α.
e. Tracer dans un repère orthonormé l’allure de la courbe représentative de g, en faisant apparaître les points de
cette courbe d’abscisse x = 1, x = α, x = 2.
* α
2.a. Montrer grâce à une intégration par parties que : ln x dx = α ln α − α + 1.
1
* α
8 − 2α3
b. En utilisant la relation vérifiée par α, montrer que g (x) dx = − α.
1 3
c. Hachurer la zone du plan correspondant à cette intégrale sur le graphe de la question 1.e.
On définit maintenant une suite qui déterminera une valeur approchée du réel α obtenu en question 1.c. À cet effet
on considère la suite (un )n∈IN définie par :
?
u0 = 1 et pour tout entier naturel n : un+1 = 2 − ln (un ).
√
3.a. On note pour tout réel x ∈ [1; 2], h (x) = 2 − ln x. Vérifier que h est dérivable sur [1; 2] et que pour tout réel
1
x ∈ [1; 2], h′ (x) = − puis donner le tableau des variations de h avec les valeurs aux bornes.
√ 2xh√(x)
Justifier que 2 ≤ 2, que 2 − ln 2 ≥ 1 et que pour tout x ∈ [1; 2], h (x) ∈ [1; 2] .
b. Montrer que pour tout entier naturel n : un existe et un ∈ [1; 2].
1
c. Montrer que pour tout réel x ∈ [1; 2], |h′ (x)| ≤ .
2
1
Vérifier que h (α) = α et en déduire que pour tout n ∈ IN, |un+1 − α| ≤ |un − α| .
2
- .n
1
d. Montrer que pour tout entier naturel n : |un − α| ≤ |u0 − α|.
2
En déduire que la suite (un )n∈IN est convergente et que sa limite est le réel α.
EXERCICE 3
Une usine fabrique des ampoules, dont 50% proviennent d’une machine M1 , 30% proviennent d’une machine M2
et 20% proviennent d’une machine M3 .
La probabilité qu’une ampoule fabriquée soit défectueuse est différente selon les machines :
3 5 15
Elle vaut pour M1 , pour M2 et pour M3 .
100 100 100
Pour k = 1, 2, 3 on notera l’événement Fk : ” l’ampoule qu’on examine a été fabriquée par Mk ”. Les
fonctionnements des trois machines seront toujours supposés indépendants .
1.a. Donner P (F3 ), probabilité qu’une ampoule choisie au hasard ait été fabriquée par M3 .
b. Montrer que la probabilité qu’une ampoule choisie au hasard soit défectueuse est 0, 06.
c. On suppose ici qu’une ampoule choisie au hasard s’est révélée défectueuse.
Quelle est la probabilité que cette ampoule ait été fabriquée par M3 ?
Dans toute la suite on note n un entier naturel non nul .

On suppose dans toute la suite qu’on examine un lot choisi au hasard de n ampoules fabriquées par cette usine. On
note X la variable aléatoire égale au nombre d’ampoules défectueuses dans ce lot.
109
2. Justifier que la variable X suit une loi binomiale dont on précisera les paramètres.
Préciser X (Ω) et exprimer la probabilité P (X = k) pour k ∈ X (Ω).
Quel est le nombre moyen de pièces défectueuses dans le lot ?
3. Dans cette question seulement on suppose que n = 14 100 et on décide d’approcher la loi de X en utilisant une
variable Z qui suit une loi normale de paramètres m et σ2 .
141
a. Justifier que m = 846 et σ = .
5
b. À l’aide de cette approximation et sans tenir compte de la correction de continuité , calculer une valeur approchée
de la probabilité que X prenne une valeur comprise entre 818 et 874 (on utilisera la fonction de répartition Φ de la
140
loi normale centrée réduite). On donne les valeurs numériques : ≈ 0, 99 et Φ (0, 99) ≈ 0, 839.
141
4. Dans cette dernière question on suppose que n = 7 et que les sept ampoules choisies sont sans défaut. On
suppose également que le temps de fonctionnement d’une ampoule sans défaut suit une loi exponentielle de
paramètre 0, 2. On branche ces 7 ampoules au même moment .
On note T la variable aléatoire égale au temps pendant lequel les sept ampoules vont fonctionner.
( )7
a. Justifier que pour tout réel t positif , P (T > t) = e−0,2t .
b. En déduire que T suit une loi exponentielle dont on donnera le paramètre, puis donner l’espérance et la variance
de T .
110
EXERCICE 1
Soient les matrices :

 1 1
    1
  
3 3 0 1 1 0 0 0 1
3 1
A= 0 2
3 0 , P = 0 1 0 , D= 0 2
3 0
 et X1 =  1  .
2 −1 −2 1 3 1
3 0 1 0 0 1
Partie A :
1. On montre, par la méthode du pivot de Gauss, que P est inversible, et l’on calcule P −1 .

1 1 0 1 0 0
0 1 0 0 1 0 . Par L3 ←− L3 + L1 , on obtient :
−1 −2 1 0 0 1
+
1 1 0 1 0 0 L1 ←− L1 − L2
0 1 0 0 1 0 . Par , on obtient :
L3 ←− L3 + L2
0 −1 1 1 0 1
1 0 0 1 −1 0
0 1 0 0 1 0 .
0 0 1 1 1 1
On a alors prouvé que P est inversible, avec :
 
1 −1 0
P −1 = 0 1 0 
1 1 1
 ( ) 
1 k
0 0
 3 ( 2 )k 
2. D étant diagonale, on a, pour tout entier k ∈ N, Dk =  0 0 .
3
0 0 1
  1 2
 1 1 
0 3 3 3 3 0
3. On trouve P D =  0 0 , puis P DP −1 =  0 23 0 , c’est-à-dire P DP −1 = A.
2
3
1
−3 1 − 43 2
3 0 1
On montre alors, par récurrence, que, pour tout entier naturel k, Ak = P Dk P −1 .
La formule est vraie pour k = 0 (avec la convention A0 = D0 = I, matrice-unité d’ordre 3) : A0 = I = P D0 P −1 .
On vient aussi de montrer que la formule est vraie pour k = 1 : A1 = A = P D1 P −1 .
On suppose ensuite( que, pour
) (un entier) k ≥ 1, kquelconque, on a Ak = P Dk P −1 . On en déduit alors que
A k+1 k
= A A = PD P k −1 P DP −1 = P D DP = P Dk+1 P −1 , ce qui montre que la formule est encore
−1
vraie pour l’entier k + 1, et permet donc de conclure que, pour tout entier k ≥ 0, Ak = P Dk P −1 .
Comment ça, par récurrence ? Il suffit d’écrire que D étant diagonale, on a, pour tout entier k ≥ 0, Dk =
 ( )   1 ( 2 )k 
1 k
 
0 0 0 3 3
 1 ( 2 )k 
 3 ( 2 )k  k −1  1
( 2 )k  k k −1  .
 0 3 0 , d’où D P X1 = 3 3
, et, enfin, A X1 = P D P X1 =  3 3 
1 ( )k
0 0 1 1− 2 2 3 3
Partie B :
1. Puisque le consommateur M choisit de manière équiprobable son dessert la première semaine, on a
1
P (A1 ) = P (B1 ) = P (C1 ) = .
3
111
Si M a choisi le dessert A la semaine n, alors la semaine n + 1 il choisit : le dessert A avec une probabilité de 1/3
1 2
ou le dessert C avec une probabilité de 2/3 : donc PAn (An+1 ) = , PAn (Bn+1 ) = 0, PAn (Cn+1 ) = .
3 3
Si M a choisi le dessert B la semaine n, alors la semaine n + 1 il choisit : le dessert A avec une probabilité de 1/3
1 2
ou le dessert B avec une probabilité de 2/3 : donc PBn (An+1 ) = , PBn (Bn+1 ) = , PBn (Cn+1 ) = 0.
3 3
Enfin, si M a choisi le dessert C la semaine n, il reprend le dessert C la semaine n + 1 : donc PCn (An+1 ) =
PCn (Bn+1 ) = 0, PCn (Cn+1 ) = 1.
2. Pour chaque valeur de n, les événements An , Bn et Cn forment un système complet d’événements. La formule
des probabilités totales permet alors d’écrire :
P (An+1 ) = PAn (An+1 ) P (An ) + PBn (An+1 ) P (Bn ) + PCn (An+1 ) P (Cn ), c’est-à-dire, compte tenu de 1.,
1 1
P (An+1 ) = P (An ) + P (Bn ).
3 3
De même, P (Bn+1 ) = PAn (Bn+1 ) P (An ) + PBn (Bn+1 ) P (Bn ) + PCn (Bn+1 ) P (Cn ), c’est-à-dire, compte
2
tenu de 1.,P (Bn+1 ) = P (Bn ).
3
Enfin, P (Cn+1 ) = PAn (Cn+1 ) P (An ) + PBn (Cn+1 ) P (Bn ) + PCn (Cn+1 ) P (Cn ), c’est-à-dire, compte tenu de
2
1., P (Cn+1 ) = P (An ) + P (Cn ).
3
En résumé,
1 1
P (An+1 ) = P (An ) + P (Bn )
3 3
2
P (Bn+1 ) = P (Bn )
3
2
P (Cn+1 ) = P (An ) + P (Cn )
3
   
P (An+1 ) P (An )
3.a. Les relations obtenues en 2. s’écrivent, sous forme matricielle,  P (Bn+1 )  = A  P (Bn ) ,
P (Cn+1 ) P (Cn )
c’est-à-dire Un+1 = AUn .
b. On montre, par récurrence, que, pour tout entier naturel non nul n : Un = An−1 X1 .  
1
3
Pour n = 1, la formule s’écrit U1 = A0 X1 , et elle est vraie (A0 = I), car, en fait, U1 = X1 =  1
3
. Si l’on
1
3
suppose que, pour un entier n ≥ 1, quelconque, Un = An−1 X1 , alors Un+1 = AUn = AAn−1 X1 = An X1 . On
voit que la formule est encore vraie pour l’entier n + 1, et l’on peut alors conclure que, pour tout entier n ≥ 1,
Un = An−1 X1 .
 ( 2 )n−1 
  1
P (An ) 
3 3
( 2 )n−1

4. Faisant k = n − 1 dans A.3., on obtient  P (Bn )  = An−1 X1 =  
1
3 3
, d’où

P (Cn ) ( )
2 2 n−1
1− 3 3
- . - . - .
1 2 n−1 1 2 n−1 2 2 n−1
P (An ) = (et, en prime, et hors sujet, P (Bn ) = , et P (Cn ) = 1 − ).
3 3 3 3 3 3
- .n−1
2 2
Comme −1 < < +1, on a lim = 0, d’où lim P (An ) = 0.
3 n→+∞ 3 n→+∞
Remarque : et lim P (Bn ) = 0, lim P (Cn ) = 1. À long terme, le consommateur choisit le dessert C, ce qui
n→+∞ n→+∞
est bien intuitif.
EXERCICE 2
On considère la fonction g définie sur ]0; +∞[ par g (x) = x2 + ln x − 2. On donne ln 2 ≈ 0, 7.
112
1
1.a. g est continue et dérivable sur ]0; +∞[ comme composée de fonctions dérivables, et g ′ (x) = 2x + , et l’on
x
voit que, pour tout élément x de ]0; +∞[, g ′ (x) > 0 (g ′ (x) s’écrit comme somme de deux quantités positives), g
est donc strictement croissante sur ]0; +∞[.
( 2 )
b. lim
+
g : on a lim+
x − 2 = −2 et lim+ ln x = −∞, donc lim +
g = −∞.
0 x→0 x→0 0
lim g : on a lim x2 = lim ln x = +∞, donc lim g = +∞.

+∞ x→+∞ x→+∞ +∞
c. • g est continue sur ]0; +∞[;

• g est strictement croissante sur ]0; +∞[;
• lim g = −∞ et lim g = +∞.
0+ +∞
Le théorème de la bijection permet de conclure que g est une bijection de ]0; +∞[ sur R. En particulier,
puisque 0 ∈ R, il existe un unique élément de ]0; +∞[, appelé α par l’énoncé, qui vérifie g (α) = 0. De plus,
g (1) = −1 < 0, et g (2) = 2 − ln 2 > 1 > 0 (car e > 2, donc ln 2 < ln e = 1).
d. g est strictement croissante sur ]0; +∞[, et g (α) = 0.
Donc, pour
 0 < x < α, on a g (x) < g (α) = 0, tandis que, pour x > α, on a g (x) > g (α) = 0.
 si x < α, g (x) < 0

Ainsi : g (α) = 0

 si x > α, g (x) > 0
e. Allure de la courbe d’équation y = x2 + ln x − 2
25
y
20
15
10
0
1 2 3 4 5
x
-5
Remarques complémentaires
g (x) ln x 2 ln x 2
On a, pour tout x > 0, = x+ − . Comme lim = lim = 0, et lim x = +∞, donc
x x x x→+∞ x x→+∞ x x→+∞
g (x)
lim = +∞, la courbe représentative de g admet donc une branche parabolique de direction Oy.
x→+∞ x
Au vu de la courbe, il semble qu’elle admette un point d’in exion, avec une concavité orientée vers le bas au
voisinage de l’origine, et une concavité orientée vers le haut au voisinage de +∞. Pour confirmer ce que l’on
1 2x2 − 1 ′′
”voit”, on calcule g′′ (x). On trouve g′′ (x) = 2 − 2 = . g (x) est, pour tout x > 0, du signe de
7 x
7 x 8 8
1 1
2x2 − 1.On voit alors que g est concave sur 0; √ , convexe sur √ ; +∞ , et que la courbe admet le point
- . - . 2 2
1 3 1 1 3 1
I √ ; − − ln 2 ( g √ = − − ln 2 ) comme unique point d’in exion.
2 2 2 2 2 2
 ′
 u (x) = 1 avec u (x) = x
2.a. On effectue une intégration par parties, en posant 1 . On a alors :
 v (x) = ln x, d’où v′ (x) =
x
113
* α * α * α
ln x dx = u′ (x)
v (x) dx = [u (x)v (x)]α1− u (x) v ′ (x) dx.
1 1 1
* α * α
1
= [x ln x]α1 − x × dx = [x ln x]α1 − dx
1 x 1
= [x ln x − x]α1
* α
Effectuant, on obtient : ln x dx = [x ln x − x]α1 = α ln α − α + 1.
1
* α * α * α * α * α
b. On a, par linéarité de l’intégrale, g (x) dx = x2 dx + ln x dx − 2 dx. Comme x2 dx =
8 7 * α 1 * 1α 1 1 * α 1
1 3 α 1 3 1 α
x = α − , dx = [x]1 = α − 1, et ln x dx = α ln α − α + 1, il vient g (x) dx =
-3 1 .3 3 1 1 * α 1
1 3 1 1 8
α − + (α ln α − α + 1) − 2 (α − 1), d’où, réduisant, g (x) dx = α3 − 3α + + α ln α.
3 3 1 3 3
Mais, par définition de α, on a α2 + ln α − 2 = 0, et l’on en déduit que ln α = 2 − α2 . Substituant, il vient :
* α
1 8 ( ) 8 − 2α3 8 − 3α − 2α3
g (x) dx = α3 − 3α + + α 2 − α2 = −α = .
1 3 3 3 3
c. On hachure.
On définit maintenant une suite qui déterminera une valeur approchée du réel α obtenu en? question 1.c. À cet effet
on considère la suite (un )n∈IN définie par : u0 = 1 et pour tout entier naturel n : un+1 = 2 − ln (un ).
√
3.a. Soit, pour x ∈ [1; 2], h√
(x) = 2 − ln x. La fonction x 6−→ 2 − ln x est définie, continue et dérivable sur
]0; +∞[, la fonction x 6−→ 2 − ln x est donc dérivable sur tout intervalle I pour lequel 2 − ln x > 0 pour tout
x ∈ I. Mais, pour tout x ∈ [1; 2], 2 − ln 2 ≤ 2 − ln x, et 2 − ln 2 > 0, donc 2 − ln x > 0. Ainsi , h est dérivable sur
[1; 2].
−1 1
On a h′ (x) = √ x =− , et l’on voit que, pour tout x ∈ [1; 2], h′ (x) < 0, h est donc décroissante
2 2 − ln x 2xh (x)
sur [1; 2].
Tableau des variations de h
x 1 2
h′ (x) √ − √
h 2 ց 2 − ln 2
√ √
N.B.: h (1) = 2 et h (2) = 2 − ln 2.
√ (√ )2
Les nombres 2 et 2 étant positifs, sont dans le même ordre que leurs carrés. Comme 2 = 2 ≤ 4 = 22 , on a
√
2 ≤ 2. √ √
Comme ln 2 < 1, on a 2 − ln 2 ≥ 1, d’où 2 − ln 2 ≥ 1 = 1.
h étant décroissante sur [1, 2], pour x ∈ [1, 2], on a h (2) ≤ h (x) ≤ h (1), et 1 ≤ h (2), h (1) ≤ 2, donc
1 ≤ h (x) ≤ 2, c’est-à-dire que h (x) ∈ [1; 2].
b. On montre, par récurrence, que, pour tout entier naturel n, un existe et un ∈ [1; 2].
Puisque u0 = 1 ∈ [1, 2], l’énoncé est vrai pour n = 0.
Si l’on suppose que, ? pour un entier n ≥ 0, quelconque, un ∈ [1, 2], alors, par a., h (un ) ∈ [1; 2], c’est-à-dire,
puisque h (un ) = 2 − ln (un ) = un+1 , que un+1 existe et un+1 ∈ [1; 2]. L’énoncé est donc encore vrai pour
l’entier n + 1, et l’on peut alors conclure que, pour tout entier n ≥ 0 , un existe, et un ∈ [1, 2].
− x1 1 1
c. On a h′ (x)
= √ =− , et |h′ (x)| = .
2 2 − ln x 2xh (x) 2xh (x)
On a vu que, pour tout x ∈ [1, 2], h (x) ≥ 1. Comme, de plus, on a aussi 2x ≥ 2, on a 2xh (x) ≥ 2, d’où
1 1 1
≤ , c’est-à-dire |h′ (x)| ≤ .
2xh (x) 2 2
Par définition du réel α, on a α2 + ln α − 2 = 0, d’où α2 = 2 √ − ln α. On a α > 0, et la relation α2 = 2 − ln α
entraîne 2 − ln α > 0. Prenant les racines carrées, il vient α = 2 − ln α, c’est-à-dire h (α) = α.
114
On applique alors l’inégalité des accroissements finis à la fonction h entre un et α, tous deux éléments de
1
[1, 2]. Puisque, pour tout élément x de [1, 2] ,on a |h′ (x)| ≤ , cette inégalité des accroissements finis permet
2
1
d’écrire |h (un ) − h (α)| ≤ |un − α|. Mais h (un ) = un+1 et h (α) = α, et il vient donc, pour tout n ∈ IN,
2
1
|un+1 − α| ≤ |un − α| .
2
- .n
1
d. On montre, par récurrence, que, pour tout entier naturel n, |un − α| ≤ |u0 − α|.
2
- .0
1
Pour n = 0, l’énoncé est évident : |u0 − α| ≤ |u0 − α|, il y a, en fait, égalité.
2 - .n
1
On suppose alors que, pour un entier n ≥ 0, quelconque, |un − α| ≤ |u0 − α|.
 2
 1

 |un+1 − α| ≤ 2 |un − α| - .n
- . 1 1
Les inégalités 1 n entraînent |un+1 − α| ≤ × |u0 − α|, c’est-à-dire

 2 2
 |un − α| ≤ 2 |u0 − α|
- .n+1
1
|un+1 − α| ≤ |u0 − α|.
2
L’énoncé est-donc. encore vrai pour l’entier n + 1, et l’on peut alors conclure que, pour tout entier n ≥ 0,
1 n
|un − α| ≤ |u0 − α|.
2 - .n -- .n .
1 1 1
Puisque −1 < < +1, on a lim = 0, d’où lim |u0 − α| = 0, et le théorème
2 n→+∞ 2
- .n 2
n→+∞
1
de l’encadrement entraîne alors, puisque 0 ≤ |un − α| ≤ |u0 − α|, que lim |un − α| = 0, d’où
2 n→+∞
lim (un − α) = 0. De un = α + (un − α), résulte alors que lim un = α (rédaction très détaillée).
n→+∞ n→+∞
EXERCICE 3
1.a. Il semble donc qu’on ”examine” une ampoule choisie au hasard (ça n’est pas explicitement dit par l’énoncé).
Puisque 20% des ampoules fabriquées proviennent de la machine M3 , on a P (F3 ) = 0, 20.
De même, puisque 30% des ampoules fabriquées proviennent de la machine M2 , on a P (F2 ) = 0, 30.
Enfin, puisque 50% des ampoules fabriquées proviennent de la machine M3 , on a P (F1 ) = 0, 50.
b. Soit D l’événement : ”l’ampoule choisie est défectueuse”.
3 3
Puisque la probabilité qu’une ampoule fabriquée soit défectueuse vaut pour M1 , on a PF1 (D) = ;
100 100
5 5
puisque la probabilité qu’une ampoule fabriquée soit défectueuse vaut pour M2 , on a PF2 (D) = ;
100 100
15 15
enfin, puisque la probabilité qu’une ampoule fabriquée soit défectueuse vaut pour M3 , on a PF3 (D) = .
100 100
Les événements F1 , F2 et F3 forment un système complet d’événements. La formule des probabilités totales
permet donc d’écrire : P (D) = PF1 (D) P (F1 ) + PF2 (D) P (F2 ) + PF3 (D) P (F3 ), c’est-à-dire
3 5 15
P (D) = × 0, 50 + × 0, 30 + × 0, 20 = 0, 06.
100 100 100
c. On cherche ici PD (F3 ).

P (F3 ∩ D) PF (D) P (F3 )
On a PD (F3 ) = = 3 , c’est-à-dire
P (D) P (D)
15
× 0, 20 0, 03
PD (F3 ) = 100 = = 0, 5.
0, 06 0, 06
2. Le fait que ”la variable X suit une loi binomiale” est discutable. En toute rigueur, la loi de X est du type
hypergéométrique, de paramètres N, nombre -inconnu- total des ampoules produites, n, et p = 0, 06.
115
Pour justifier que ”X suit une loi binomiale”, il faut postuler l’indépendance des tirages, ce qui est faux, puisque
chaque ampoule ne peut être tirée qu’une fois.
Cependant, lorsque N est ”grand”, les tirages sont ”presque” indépendants. Si l’on raisonne comme s’il en était
ainsi, on doit conclure que X suit la loi binomiale de paramètres n et 0, 06 (”de taille n et de paramètre 0, 06”).
Alors : - .
n
X (Ω) = [[0, n]] et, pour tout k ∈ [[0, n]] P (X = k) = 0, 06k 0, 94n−k
k
Le nombre moyen de pièces défectueuses dans le lot est E (X). Or E (X) = 0, 06n.
3.a. On doit savoir que, sous certaines conditions, la loi d’une variable aléatoire qui suit la loi binomiale de
paramètre n et p peut être approchée par la loi normale de paramètres m = np et σ2 = np (1 − p).
Dans les conditions particulières du problème, on est alors conduit à choisir m = 0, 06 × 14 100 = 846 et
19 881
σ2 = 0, 06 × 0, 94 × 14 100 = . Il ne reste qu’à vérifier que 1412 = 19 881 (et 52 = 25), pour conclure que
25
141
m = 846 et σ = .
5
b. À l’aide de l’approximation de la loi de X par celle de Z qui suit la loi normale de paramètres m = 846 et
19 881 141
σ2 = (σ = = 28, 2), on a P (818 ≤ X ≤ 874) ≈ P (818 ≤ Z ≤ 874).
25 5 : ; - .
818 − 846 874 − 846 140 140
Mais (818 ≤ Z ≤ 874) = 141 ≤Z≤ 141 = − ≤Z≤ = (−0, 99 ≤ Z ≤ 0, 99)
5 5
141 141
140
( ≈ 0, 99 ), d’où P (818 ≤ X ≤ 874) ≈ P (−0, 99 ≤ Z ≤ 0, 99) = Φ (0, 99) − Φ (−0, 99). Mais
141
Φ (−0, 99) = 1 − Φ (0, 99), donc Φ (0, 99) − Φ (−0, 99) = Φ (0, 99) − (1 − Φ (0, 99)) = 2Φ (0, 99) − 1.
Ainsi P (818 ≤ X ≤ 874) ≈ 2Φ (0, 99) − 1, et utilisant la valeur numérique fournie par l’énoncé,
Φ (0, 99) ≈ 0, 839, on trouve
P (818 ≤ X ≤ 874) ≈ 0, 678
4. Dans cette dernière question on suppose que n = 7 et que les sept ampoules choisies sont sans défaut. On
suppose également que le temps de fonctionnement d’une ampoule sans défaut suit une loi exponentielle de
paramètre 0, 2. On branche ces 7 ampoules au même moment .
On note T la variable aléatoire égale au temps pendant lequel les sept ampoules vont fonctionner.
a. Si T0 est le temps de fonctionnement d’une ampoule sans défaut, T0 suit la loi exponentielle de paramètre 0, 2,
dont la fonction de répartition est F0 (t) = 1 − e−0,2t pour t > 0, et F(0 (t) = 0 pour
) t ≤ 0.
On a donc, pour tout réel t > 0, P (T0 > t) = 1 − P (T0 ≤ t) = 1 − 1 − e−0,2t = e−0,2t .
Dire que les sept ampoules vont fonctionner pendant une durée strictement supérieure à t, c’est dire qu’il va en être
ainsi pour chacune des 7 ampoules.
Les temps de fonctionnement des 7 ampoules peuvent être supposés indépendants (évidemment), donc, pour tout
( )7
t > 0, P (T > t) = P (T0 > t)7 = e−0,2t = e−1,4t .
b. Soit F la fonction de répartition de la variable aléatoire T .
Pour t ≤ 0, on a F (t) ≤ 0, tandis que, pour t > 0, P (T ≤ t) = 1 − P (T > t) = 1 − e−1,4t .
Il suffit alors de reconnaître que T suit la loi exponentielle de paramètre 1, 4.
1 5 1 25
On doit alors savoir que E (T ) = = , et que V (T ) = 2
= .
1, 4 7 1, 4 49
Rappel de cours : Si X, variable aléatoire, de fonction de répartition F suit la loi exponentielle de paramètre
+ (où λ > 0) , alors X admet pour densité de probabilité la fonction f (ce n’est pas la seule), avec
λ
f (t) = 0 si t ≤ 0
, et alors
f (t) = λe−λt si t > 0
 1
+ 
F (x) = 0 si x ≤ 0  E (X) =
λ
F (x) = 1 − e−λx si x > 0  1
 V (X) = 2
λ
116
ESC 2009, Voie Technologique
EXERCICE 1
On considère les matrices carrées A , I , O et B définies par :

     
3 2 2 1 0 0 0 0 0
A =  1 3 0  , I =  0 1 0  , O =  0 0 0  et B = A − 3I.
−1 0 3 0 0 1 0 0 0
1. (a) Calculer B, B 2 ,B 3 .
(b) En déduire B k pour tout entier k supérieur ou égal à 3.
2. À l’aide de la formule du binôme de Newton . montrer que pour tout entier n ≥ 2 :

- .
n n n n (n − 1) 2
A =3 I+ B+ B . Est-ce encore vrai pour n ∈ {0, 1} ?
3 18
3. On considère les suites réelles (un )n∈N , (vn )n∈N , (wn )n∈N , définies par leurs premiers termes u0 = 2, v0 = 1 ,
w0 = 0 et, pour tout entier naturel n par les relations :
un+1 = 3un + 2vn + 2wn , vn+1 = un + 3vn , wn+1 = −un + 3wn .
 
un
On note pour tout entier naturel n : Xn =  vn .
wn
(a) Vérifier que pour tout entier naturel n, Xn+1 = AXn .
(b) Montrer par récurrence que, pour tout entier naturel n, Xn = An X0 .
(c) Déduire des questions précédentes l’expression, pour tout entier naturel n,
de un , vn , wn en fonction de n, puis les limites de (un )n∈N , (vn )n∈N , (wn )n∈N .
EXERCICE 2
( )
On considère la fonction f définie sur R par : f (x) = x2 + 1 e−x .
1. (a) Etudier les limites de la fonction f en +∞ et −∞.

(b) Déterminer la nature de la branche infinie de la courbe de f au voisinage de −∞.
(c) Pour tout x réel , montrer que f ′ (x) = − (1 − x)2 e−x .
Dresser le tableau des variations de f.
(d) Calculer f ′ (0), f ′ (1) puis utiliser ces valeurs pour tracer dans un repère orthonormé d’unité 5 cm la courbe
représentative de f . Faire figurer aussi la droite d’équation y = x. ( )
On utilisera également les valeurs approchées : f (1) ≈ 0, 7 et f 12 ≈ 0, 8.
On considère maintenant la fonction h définie sur R par h (x) = f (x) − x.
2. (a) Montrer que h est strictement décroissante sur R.

(b) Etablir que l’équation f (x) = x, d’inconnue
0 1 x ∈ R admet une unique solution, notée α.
Montrer que α appartient à l’intervalle 12 , 1 .
01 1 0 1
3. (a) Montrer que pour tout réel x de 2, 1 , f (x) appartient à 12 , 1 .
01 1 ′ 1
(b) Montrer que pour tout réel x de 2, 1 , |f (x)| ≤ .
4
117
01 1 1
En déduire que pour tout réel x de 2, 1 , |f (x) − α| ≤ |x − α|.
4
On considère la suite (un )n∈N définie par son premier terme u0 = 1 et la relation valable pour tout entier naturel n
: un+1 = f (un ).
0 1
4. (a) Montrer grâce à la question 3 (a) que pour tout entier naturel n, un ∈ 12 , 1 .
- .n
1
(b) Montrer par récurrence et grâce à la question 3 (a) que pour tout entier naturel n, |un − α| ≤ |u0 − α|.
4
En déduire que (un )n∈N converge et préciser sa limite.
(c) Construire sur le graphique établi en 1 (d) les abscisses u0 , u1 , u2 .
EXERCICE 3
On dispose de deux urnes U1 et U2 .

L’urne U1 contient 20 boules dont une rouge et 19 blanches.
L’urne U2 contient 20 boules dont 3 rouges et 17 blanches.
On désigne par ”partie” le protocole suivant :

On choisit une urne de manière équiprobable, puis on tire une boule de cette urne et on note sa couleur, enfin on
remet la boule tirée dans l’urne dont elle provient.
l. Ici on effectue une seule partie et on s’intéresse à l’évènement R : ” la boule tirée est rouge ” .
1
(a) Montrer que P (R) = .
10
(b) Supposons avoir tiré une boule rouge. Quelle est la probabilité d’avoir choisi l’urne U1 ?
2. Dans cette question le joueur effectue non pas une mais 40 parties.
On appelle X la variable aléatoire qui compte le nombre de fois où il a obtenu la couleur rouge au cours de ces 40
parties.
(a) Déterminer la loi de X.
On précisera en particulier X (Ω) et P (X = k) pour tout k de X (Ω).
(b) En moyenne, combien de fois le joueur obtiendra-t-il la couleur rouge en 40 parties?
(c) On considère que l’on peut approcher X par une variable Z qui suit une loi de Poisson P (λ). Justifier que le
paramètre de cette loi est λ = 4.
En utilisant cette approximation et en vous aidant de la table fournie, déterminer une valeur approchée de la
probabilité que le joueur ait obtenu au moins deux fois la couleur rouge au cours de ces 40 parties.
3. Dans cette question le joueur répète les parties en remettant à chaque fois la boule tirée dans son urne d’origine,
jusqu’à ce qu’il obtienne la couleur rouge pour la 1ère fois.
Soit Y le rang de la partie où il obtient pour la 1ère fois la couleur rouge.
(a) Déterminer la loi de Y . On précisera en particulier Y (Ω) et P (Y = k) pour tout k de Y (Ω).
(b) Préciser son espérance et sa variance.
Table de la loi de Poisson de paramètre 4 :
k 0 1 2 3 4 5 6
P (Z = k) 0, 018 0, 073 0, 147 0, 195 0, 195 0, 156 0, 104
EXERCICE 4
1. Préliminaires :
118
On considère une variable aléatoire Y qui suit la loi exponentielle de paramètre 1.
(a) Rappeler la densité usuelle de la variable aléatoire de la variable Y ainsi que E (Y ) et V (Y ).
* +∞
(b) En déduire la nature et la valeur de l’intégrale I = t e−t dt.
0
On considère maintenant et dans toute la suite de l’exercice la fonction f définie sur R par :
+
f (t) = 0 si t<0
f (t) = t e −t si t≥0
2. (a) Montrer que f est continue sur R. Montrer que f est positive sur R.
(b) En utilisant le préliminaire, montrer que f est une densité.
Dans la suite de l’exercice, on note X une variable aléatoire de densité f.
3. (a) Montrer que la fonction de répartition F de X est définie par :

+
F (x) = 0 si x<0
F (x) = 1 − (x + 1) e −x si x≥0
(b) Calculer les valeurs de P (X ≤ 2), PX≤2 (X > 1).
4. (a) Montrer grâce à une intégration par parties que pour tout réel x positif :
* x * x
t e dt = −x e + 2 t e−t dt .
2 −t 2 −x
0 0
(b) En déduire grâce au préliminaire que E (X) existe et que E (X) = 2.
119
EXERCICE 1
On considère les matrices carrées A , I , O et B définies par :

     
3 2 2 1 0 0 0 0 0
A =  1 3 0  , I =  0 1 0  , O =  0 0 0  et B = A − 3I.
−1 0 3 0 0 1 0 0 0
     
0 2 2 0 0 0 0 0 0
1. (a) On trouve B =  1 0 0 , B 2 =  0 2 2 , B 3 =  0 0 0 .
−1 0 0 0 −2 −2 0 0 0
(b) Si k ≥ 4, on peut écrire B k = B 3 × B k−3 . k − 3 ≥ 1, et B 3 = O entraînent B k = 0. Comme on a déjà vu que
B 3 = O, on a, en fait, B k = O pour tout entier k ≥ 3.
N.B.: on peut aussi effectuer une preuve par récurrence.
2. De B = A − 3I, on déduit A = 3I + B . Comme les matrices 3I et B commutent ((3I) B = B × (3I) = 3B),

la formule du binôme de Newton permet d’écrire, pour tout entier n ≥ 2 :
2 n - . 2n - .
n n n−k k
An = (3I)n−k B k = 3 B . Puisque, pour k ≥ 3, B k = O, cette formule se
k k
k=0 k=0
2 2 - .
n
réduit à An = 3n−k B k (les termes correspondant à k = 3, 4, ..., n sont nuls), c’est-à-dire
k
- . k=0- . - .
n n n 0 n n−1 1 n n−2 2
A = 3 B + 3 B + 3 B .
0- . 1 - . 2 - .
n n 0 n n n−1 1 n−1 n n n n−2 2 n (n − 1) n−2 2
Comme 3 B = 3 I, 3 B = n × 3 B = 3 × B, et 3 B = 3 B =
0 1 3 2 - 2 .
n n (n − 1) 2 n−2 n 1 n n n n (n − 1) 2
3 × B (3 = 3 × ), on obtient, pour tout entier n ≥ 2 : A = 3 I + B + B .
18 9 - . 3 18
1
Faisant n = 1 dans cette formule, il vient A1 = 31 I + B , c’est-à-dire A = 3I + B, dont on constate que
3
l’égalité est vraie.
De même, faisant n = 0, il vient A0 = 30 I , c’est-à-dire (A0 = I) I = I, et ’on voit que, pour tout entier n ≥ 0 ,
- .
n n n n (n − 1) 2
A =3 I+ B+ B .
3 18
3. On considère les suites réelles (un )n∈N , (vn )n∈N , (wn )n∈N , définies par leurs premiers termes u0 = 2, v0 = 1 ,
w0 = 0 et, pour tout entier naturel n par les relations :
un+1 = 3un + 2vn + 2wn , vn+1 = un + 3vn , wn+1 = −un + 3wn .

 un+1 = 3un + 2vn + 2wn

(a) Les relations vn+1 = un + 3vn s’écrivent matriciellement sous la forme Xn+1 = AXn .

 w
n+1 = −un + 3wn
(b) On montre, par récurrence, que. pour tout entier naturel n, Xn = An X0 .

Pour n = 0, la relation s’écrit X0 = A0 X0 , elle est vraie : A0 = I.
On suppose alors que, pour un entier n ≥ 0, quelconque, on a Xn = An X0 .
On en déduit que Xn+1 = AXn = A × An X0 = An+1 X0 .
On a ainsi montré que la formule est encore vraie pour l’entier n + 1, et l’on peut alors conclure que, pour tout
entier naturel n, Xn = An X0 .
   
u0 2
(c) Puisque u0 = 2, v0 = 1 , w0 = 0, on a X0 =  v0  =  1 .
w0 0
120
Pour obtenir l’expression de Xn en fonction de n, on peut, d’abord obtenir celle de An  à partir
 de la
- . 2
n n (n − 1) 2
relation An = 3n I + B + B . On peut aussi calculer d’abord BX0 = B  1 , on trouve
3 18 0
     
2 2 0
BX0 =  2 . On trouve ensuite B 2 X0 = B 2  1  =  2 .
−2 0 −2
On a alors - .
n n (n − 1) 2
Xn = An X0 = 3n I + B + B X0
3 18
- .
n n n (n − 1) 2
= 3 X0 + BX0 + B X0
3 18
     
2 2 0
n n (n − 1)
= 3n  1  +  2  +  2 
0 3 −2 18 −2
 - . 
2n
 3n 2 + 
 - 3 . 
 n 2n n (n − 1) 
=  3 1 + + 
 - 3 9 .  
 n 2n n (n − 1) 
3 − −
3 9
 - .
 2n

 un = 3n 2 +

 3

 - . - .
 2n n (n − 1) 5 1 2
vn = 3 1 +n + n
=3 1+ n+ n
Ainsi,

 3 9 9 9

 - . - .

 n 2n n (n − 1) 5 1

 wn = 3 − 3 − = 3n − n − n2
9 9 9
n n
( 2 n
)
On a lim 3 = lim (n × 3 ) = lim n × 3 = +∞. De :
 n→+∞ n→+∞ n→+∞
 n 2 n

 un = 2 × 3 + n × 3

 3
 5 1
vn = 3 + n × 3n + n2 × 3n on déduit alors :
n

 9 9

 5 1

 wn = − n × 3n − n2 × 3n
9 9
lim un = lim vn = +∞, et lim wn = −∞.
n→+∞ n→+∞ n→+∞
EXERCICE 2
( )
On considère la fonction f définie sur R par : f (x) = x2 + 1 e−x .
1. (a) lim f
+∞
On a f (x) = x2 e−x + e−x . On sait que lim x2 e−x = lim e−x = 0, donc lim f = 0.
x→+∞ x→+∞ +∞
lim f
−∞
( 2 )
On a lim x + 1 = lim x2 = +∞, et lim e−x = +∞, donc lim f = +∞.
x→−∞ x→−∞ x→−∞ −∞
- . - . - .
2 1 −x f (x) 1 −x 1
(b) Pour tout x < 0, f (x) = x 1 + 2 e , donc = 1 + 2 × xe . On a lim 1 + 2 = 1,
x x x x→−∞ x
f (x)
lim x = −∞, lim e−x = +∞, donc lim = −∞, la courbe de f admet donc une branche parabolique
x→−∞ x→−∞ x→−∞ x
de direction Oy au voisinage de −∞.
121
( )
(c) f est dérivable sur R comme composée de fonctions dérivables, et f ′ (x) = 2xe−x + x2 + 1 × (−e−x ) =
( 2 ) −x
− x − 2x + 1 e = − (1 − x)2 e−x . Comme, pour tout x, e−x > 0, et (1 − x)2 , on voit que, pour tout x,
f ′ (x) ≤ 0, avec égalité si et seulement si x = 1.
x −∞ 1 +∞
f ′ (x) − 0 −
f +∞ ց 2/e ց 0
(d) On a déjà trouvé f ′ (1) = 0. On trouve aussi f ′ (0) = −1.

Allure de la courbe
10
y
8
-2 -1 0 1 2 3 4
( ) x
y = x2 + 1 e−x
On considère maintenant la fonction h définie sur R par h (x) = f (x) − x.
2. (a) h est dérivable sur R parce que f l’est, ainsi que la fonction x 6−→ −x.
On a h′ (x) = f ′ (x) − 1. Comme, pour tout x, f ′ (x) ≤ 0, on a h′ (x) < 0, h est donc strictement décroissante sur
R.
Remarque : il n’y avait donc pas à expliciter h′ (x).
(b) On a lim f (x) = +∞, et lim (−x) = +∞, donc lim h = +∞.
x→−∞ x→−∞ −∞
D’autre part, lim f (x) = 0, et lim (−x) = −∞, donc lim h = −∞.
x→+∞ x→+∞ +∞
• h est continue sur R;
• h est strictement décroissante sur R;
• lim h = +∞ et lim h = −∞.
−∞ +∞
Le théorème de la bijection permet d’affirmer que h est une bijection de R sur R.
En particulier, il existe un unique élément α ∈ R tel que h (α) = 0. Comme les équations f (x) = x et h (x) = 0
sont équivalentes,
- . on peut - conclure
. que l’équation f (x) = x-admet
. une unique solution α.
1 1 1 1
On trouve h =f − ≈ 0, 3 (l’énoncé fournit f ≈ 0, 8), et
2 2 2 2
h (1) = f (1)
- − . 1 ≈ −0, 3 (l’énoncé fournit f (1) ≈ 0, 7).
1 1 0 1
Comme h > 0 et h (1) < 0, on a < α < 1, donc α ∈ 12 , 1 .
2 2
01 1 (1)
3. (a) f est
- .décroissante sur R. Donc, pour tout
- .élément x de 2 , 1 , on a f (1) ≤ f (x) ≤ f 2 . Mais l’énoncé
1 1 1 1
fournit f ≈ 0, 8, et f (1) ≈ 0, 7, donc f ≤ 1 et f (1) ≥ , et ceci entraîne ≤ f (x) ≤ 1. Ainsi, pour
2 01 1 2 2 2
tout réel x, f (x) ∈ 2 , 1 .
N.B: au prix d’un petit travail, il aurait été possible de se passer des indications de l’énoncé (ce n’est évidemment
pas ce qu’il convenait de faire un jour de concours).
2 ( ) 5 1 5
En effet, on trouve f (1) = , et f 12 = e− 2 = √ .
e 4 4 e
122
2 2 1 2
On sait que 2 < e < 3. Il en résulte, d’une part, que < , d’où < , c’est-à-dire f (1) < 1.
3 e 2 e
√ √ 5 5 5 1 ( ) 1
Il en résulte d’autre part, que e < 3 < 2, donc √ > = > , c’est-à-dire f 12 > .
4 e 4×2 8 2 2
0 1 1 1
(b) On a f ′ (x) = − (1 − x)2 e−x . Pour tout élément x de 12 , 1 , on a 0 ≤ 1 − x ≤ , d’où 0 ≤ (1 − x)2 ≤ .
2 4
−x 2 −x 1 ′
Comme 0 < e ≤ 1 (car x ≥ 0), on a 0 ≤ (1 − x) e ≤ . On voit alors que f (x) ≤ 0, et
4
′ 2 −x 1
|f (x)| = (1 − x) e ≤ .
4 0 1
Appliquant alors l’inégalité des accroissements finis à la fonction f, et aux éléments x de 12 , 1 et α, on a, puisque
0 1 1 1
α ∈ 12 , 1 , |f (x) − f (α)| ≤ |x − α|. Mais f (α) = α, et finalement, |f (x) − α| ≤ |x − α|.
4 4
On considère la suite (un )n∈N définie par son premier terme u0 = 1 et la relation valable pour tout entier naturel n
: un+1 = f (un ).
0 1 0 1
4. (a) On montre, par récurrence, que, pour tout entier naturel n, un ∈ 12 , 1 . Puisque u0 = 1 ∈ 12 , 1 , l’énoncé
est vrai pour n = 0. 0 1 0 1
Si l’on suppose que, pour un entier n ≥ 0, quelconque, un ∈ 12 , 1 , alors, par 3 (a), f (un ) ∈ 12 , 1 , c’est-à-dire
0 1
un+1 ∈ 12 , 10 , l’énoncé
1 est donc encore vrai pour l’entier n + 1, ce qui permet de conclure que, pour tout entier
n ≥ 0, un ∈ 12 , 1 .
1
(b) Faisant x = un dans 3 (b), on obtient |f (un ) − α| ≤ |un − α|. Comme f (un ) = un+1 , on a ainsi
4
1
|un+1 − α| ≤ |un − α|.
4 - .n
1
On montre ensuite, par récurrence, que, pour tout entier naturel n, |un − α| ≤ |u0 − α|.
4
- .0 - .0
1 1
Comme = 1, on a |u0 − α| ≤ |u0 − α|, l’énoncé est donc vrai pour n = 0.
4 4 - .n
1
On suppose alors que, pour un entier n ≥ 0, quelconque, on a |un − α| ≤ |u0 − α|.
 4
 1

 |un+1 − α| ≤ 4 |un − α| - .n
- . 1 1
De 1 n , on déduit |un+1 − α| ≤ × |u0 − α|, c’est-à-dire |un+1 − α| ≤

 4 4
 |un − α| ≤ 4 |u0 − α|
- .n+1
1
|u0 − α|.
4
On voit alors que l’énoncé
- .n est donc encore vrai pour l’entier n + 1, et l’on peut ainsi conclure que, pour tout entier
1
n ≥ 0, |un − α| ≤ |u0 − α|.
4 - .n -- .n .
1 1 1
Comme −1 < < +1, on a lim = 0, d’où lim |u0 − α| = 0. Le théorème de
4 n→+∞ 4
- .n n→+∞ 4
1
l’encadrement entraîne alors (0 ≤ |un − α| ≤ |u0 − α|) que lim |un − α| = 0, d’où lim un = α.
4 n→+∞ n→+∞
(c) On construit.
EXERCICE 3
On dispose de deux urnes U1 et U2 .

L’urne U1 contient 20 boules dont une rouge et 19 blanches.
L’urne U2 contient 20 boules dont 3 rouges et 17 blanches.
On désigne par ”partie” le protocole suivant :
123
On choisit une urne de manière équiprobable, puis on tire une boule de cette urne et on note sa couleur, enfin on
remet la boule tirée dans l’urne dont elle provient.
l. Ici on effectue une seule partie.

(a) Si l’on note Ui , pour i = 1 ou 2, l’évènement ”l’urne choisie est l’urne Ui ” (noter la différence de graphie), les
évènements U1 et U2 forment un système complet d’évènements. La formule des probabilités totales permet alors
d’écrire P (R) = PU1 (R) P (U1 ) + PU2 (R) P (U2 ).
1
Comme le choix d’une urne se fait de manière équiprobable, on a P (U1 ) = P (U2 ) = .
2
1
Puisque l’urne U1 contient 20 boules dont une rouge et 19 blanches, on a PU1 (R) = .
20
3
Puisque l’urne U2 contient 20 boules dont 3 rouges et 17 blanches, on a PU2 (R) = .
20
1 1 3 1 1
On a donc P (R) = × + × = .
20 2 20 2 10
(b) On cherche la probabilité d’avoir choisi l’urne U1 lorsqu’on a tiré une boule rouge, c’est-à-dire PR (U1 ). La
1
P (R ∩ U1 ) PU1 (R) P (U1 ) ×1 1
formule des probabilités composées permet d’écrire PR (U1 ) = = = 20 1 2 = .
P (R) P (R) 10
4
1
2. Effectuer un tirage, et examiner si la boule tirée est rouge, constitue un épreuve de Bernoulli de paramètre .
10
Puisque la boule tirée est remise dans l’urne après chaque tirage, les 40 épreuves de Bernoulli sont (mutuellement)
indépendantes. On sait alors que la variable aléatoire X qui compte le nombre de fois où il a obtenu la couleur
1
rouge au cours de ces 40 parties suit la loi binomiale de taille 40 et de paramètre .
- 10 . - .k - .40−k
40 1 9
On a donc X (Ω) = [[0, 40]], et, pour tout élément de [[0, 40]], P (X = k) = , ce qu’on
- . 40−k k 10 10
40 9
peut écrire sous la forme P (X = k) = .
k 1040
(b) Le nombre de fois où, en moyenne, le joueur obtient la couleur rouge en 40 parties est l’espérance de X. On a
1
E (X) = 40 × = 4.
10
(c) On doit savoir qu’on peut, sous certaines conditions, approcher la loi binomiale de taille n et de paramètre p par
la loi de Poisson de paramètre λ = np (de sorte que les espérances de la loi binomiale et de la loi de Poisson soient
égales). Dans les conditions de l’énoncé, et compte-tenu de (b), il convient de choisir λ = 4.
On cherche alors la probabilité que le joueur ait obtenu au moins deux fois la couleur rouge au cours de ces 40
parties, c’est-à-dire P (X ≥ 2). Or P (X ≥ 2) = 1 − P (X < 2) = 1 − P (X = 0) − P (X = 1).
Compte tenu de la table fournie par l’énoncé, on obtient P (X ≥ 2) = 1 − 0, 018 − 0, 073, c’est-à-dire
P (X ≥ 2) = 0, 909.
3. Dans cette question le joueur répète les parties en remettant à chaque fois la boule tirée dans son urne d’origine,
jusqu’à ce qu’il obtienne la couleur rouge pour la 1ère fois.
Soit Y le rang de la partie où il obtient pour la 1ère fois la couleur rouge.
1
(a) Y suit la loi géométrique de paramètre . On doit savoir, ou savoir retrouver, que Y (Ω) = N∗ , et, pour tout
- .k−1 10
∗ 1 9
élément k de N , P (Y = k) = .
10 10
(b) On doit savoir que l’espérance d’une variable aléatoire qui suit la loi géométrique de paramètre p ∈ ]0, 1[ vaut
9
1 1−p
et sa variance vaut 2 . On a donc E (Y ) = 10, et V (Y ) = ( 10)2 = 90.
p p 1
10
EXERCICE 4
1. Préliminaires :
124
On considère une variable aléatoire Y qui suit la loi exponentielle de paramètre 1.
(a) ”la densité usuelle” ? Il y a deux densités ”usuelles” d’une variable aléatoire qui suit la loi exponentielle de
paramètre 1, à savoir les fonctions g et f définies ci-dessous.
+ +
g (t) = 0 si t<0 h (t) = 0 si t≤0
(i) −t , et (ii) −t
g (t) = e si t≥0 h (t) = e si t>0
(g et h ne diffèrent que par leur valeur en 0).
On choisira, par exemple la fonction g comme densité ”usuelle” de Y .
Rappel : à partir d’une densité g d’une variable aléatoire, on peut définir une infinité de densités de cette même
variable aléatoire. Il suffit pour cela de changer, de manière arbitraire, la valeur de la fonction g en un nombre fini
de points.
Quelle que soit la densité choisie, on trouve que E (Y ) = 1, et V (Y ) = 1 (on doit savoir que l’espérance d’une
1 1
variable aléatoire qui suit la loi exponentielle de paramètre λ > 0 vaut et sa variance vaut 2 ).
λ λ
(b) Pas très joli ce ”en déduire”. Il a justement fallu, en cours, montrer que l’intégrale proposée converge, et
calculer sa valeur pour répondre à la question précédente. *
+∞
La réponse attendue par l’auteur de l’énoncé était que, puisque E (Y ) = 1, l’intégrale tg (t) dt converge,
* +∞ −∞
* +∞
avec tg (t) dt = 1. De plus, g étant nulle sur ]−∞, 0[, ceci entraîne que l’intégrale tg (t) dt converge,
−∞
* +∞ * +∞ 0
avec −t
tg (t) dt = 1. Autrement dit (pour tout t ≥ 0, tg (t) = t e ), l’intégrale t e−t dt converge, avec
* +∞ 0 0
t e−t dt = 1.
0
2. (a) f est nulle sur ]−∞; 0[, donc continue sur ]−∞; 0[. f est continue sur [0; +∞[ comme composée de
fonctions continues.
De plus, f étant nulle sur ]−∞; 0[, on a lim
−
f = 0 = f (0), f est donc continue à gauche de 0. Il en résulte que f
0
est donc aussi continue en x = 0, et donc, continue sur R.
f est nulle sur ]−∞; 0[, donc positive sur ]−∞; 0[ (N.B.: on utilise généralement le mot ”positif” pour dire ”positif
ou nul”, on dit alors ”strictement positif” si besoin est, pour distinguer; la raison en est que les relations d’ordre
”large” sont plus fréquemment utilisées que les relations d’ordre ”strict”).
Pour tout t ≥ 0, e−t > 0, donc te−t ≥ 0.
Finalement, f est positive sur R.
* +∞ * +∞
(b) On a vu que l’intégrale −t
t e dt converge, avec t e−t dt = 1.
0 * +∞ 0 * +∞
Puisque f est nulle sur ]−∞; 0[, l’intégrale f (t) dt converge, avec f (t) dt = 1.
−∞ −∞
En résumé :
• f est continue sur R, et possède donc un nombre fini (égal à 0) de points de discontinuités);
• f est positive
* sur R; *
+∞ +∞
• l’intégrale f (t) dt converge, avec f (t) dt = 1En utilisant le préliminaire, montrer que f est une
−∞ −∞
densité.
On peut alors conclure que f est une densité de probabilité.
3. (a) On a (c’est la définition de la notion de fonction de répartition),

* pour tout réel x, F (x) = P (X ≤ x).
x
Puisque X admet f pour une densité de probabilité, on a F (x) = f (t) dt.
* x −∞
Puisque f est nulle sur ]−∞; 0[, pour tout x > 0, f (t) dt converge, et est nulle, c’est-à-dire que F (x) = 0.
* x * x −∞
De plus, pour x ≥ 0, F (x) = f (t) dt = t e−t dt.
0 0
125
Pour calculer cette intégrale, on effectue une intégration
+ par parties, en ′posant
u (t) = t d’où u (t) = 1
On effectue une intégration par parties, en posant : (les fonctions u et v étant
v′ (t) = e−t , avec v (t) = −e−t
dérivables,
* à dérivées
* continues). On a alors : *
x x x
t e−t dt = u (t) v ′ (t) dt = [u (t) v (t)]x0 − u′ (t) v (t) dt
0 0 * x 0 * x
0 ( −t )1x ( −t ) 0 −t
1x
= t × −e 0
− 1 × −e dt = −te 0 + e−t dt
0 0
* x 0 1x
Comme e−t dt = −e−t 0 , on a
* x 0
0 1x 0 1x 0 1x
t e dt = −te−t 0 + −e−t 0 = − (t + 1) e−t 0
−t
0
1 − (x + 1) e−x
En résumé,
+
F (x) = 0 si x<0
F (x) = 1 − (x + 1) e−x si x≥0
(b) On a P (X ≤ 2) = F (2) = 1 − 3e−2 (on ne peut faire mieux sans données de valeurs particulières).
P ((X > 1) ∩ (X ≤ 2)) P (1 < X ≤ 2)
D’autre part, PX≤2 (X > 1) = = .
P (X ≤ 2) P (X ≤ 2)
Comme (X ≤ 2) = (X ≤ 1) ∪ (1 < X ≤ 2) et les évènements (X ≤ 1) et (1 < X ≤ 2) étant incompatibles, on a
P (X ≤ 2) = P (X ≤ 1) + P (1 < X ≤ 2), d’où P (1 < X ≤ 2) = P (X ≤ 2) − P (X ≤ 1) = F (2) − F (1).
Comme F (2) = 1 − 3e−2 et F (1) = 1 − 2e−1 , on a P (1 < X ≤ 2) = 2e−1 − 3e−2 .
2e−1 − 3e−2
Donc PX≤2 (X > 1) = .
1 − 3e−2
4. (a) Pour calculer cette intégrale, on effectue une intégration+par parties, en posant
u (t) = t2 d’où u′ (t) = 2t
On effectue une intégration par parties, en posant cette fois : (les fonctions u
v′ (t) = e−t , avec v (t) = −e−t
et*v étant dérivables,
* à dérivées continues). On a alors :*
x x x
u (t) v′ (t) dt = [u (t) v (t)]x0 −
t2 e−t dt = u′ (t) v (t) dt
0 0 * x 0 * x
0 2 ( −t )1x ( −t ) 0 2 −t 1x
= t × −e 0
− 2t × −e dt = −t e 0 + 2 te−t dt
0 0
0 1x
Comme −t2 e−t 0 = −x2 e−x , on a :
* x * x
t e dt = −x e + 2 t e−t dt .
2 −t 2 −x
0 0
(b) On sait (croissances comparées des fonctions puissances et exponentielles) que lim x2 e−x = 0.
x→+∞
* +∞ * +∞ * x
D’autre part, on a vu que l’intégrale −t
t e dt converge, avec −t
t e dt = 1, et ainsi, lim t e−t dt = 1.
x→+∞ 0
-* x 0. 0
Il en résulte que lim 2 −t

t e dt = 2.
x→+∞ 0 * +∞
Or, l’existence de E (X) est équivalente à la convergence de l’intégrale tf (t) dt, et, en cas de convergence,
* +∞ −∞
on a E (X) = tf (t) dt. Puisque f est nulle sur ]−∞, 0[, La convergence de cette intégrale est équivalente à
−∞* * +∞
+∞
celle de l’intégrale tf (t) dt, c’est-à-dire de l’intégrale t2 e−t dt. On vient justement de voir que cette
0 0
dernière intégrale converge, et vaut 2.
On peut alors conclure que X admet une espérance, et E (X) = 2.
126
ESC 2010, Voie Technologique.
EXERCICE 1
   
1 1 0 1 0 0
Dans cet exercice A =  0 1 1  et I =  0 1 0 .
0 0 1 0 0 1
1.a. Calculer la matrice N = A − I, puis calculer N 2 et N 3 .

Sans récurrence, donner la valeur de N k lorsque k ≥ 3.
b. Montrer alors en exploitant l’égalité A = N + I, et grâce à la formule du binôme, que pour tout entier naturel n
supérieur ou égal à 2 :  
n (n − 1)
1 n
 2 
An =  0 1 n 
0 0 1
Cette formule est-elle encore valable lorsque n = 0 ? lorsque n = 1 ?
2.a. Par la méthode du pivot, justifier que la matrice A est inversible et calculer son inverse.
b. La formule de la question 1.b. est-elle encore valable lorsque n = −1 ?
On essaie maintenant de déterminer les expressions des suites (xn ) , (yn ) et (zn ) définies par :

 xn+1 = xn + yn
x0 = 1, y0 = 1 et z0 = 1 et pour tout entier naturel n : yn+1 = yn + zn

zn+1 = zn
3.a. De quel type est la suite (zn ) ? En déduire, pour tout entier naturel n, l’expression de zn .
b. En déduire alors le type de la suite (yn ) puis donner, pour tout entier naturel n, l’expression de yn en fonction de
n.
 
xn
4. Pour tout entier naturel n, on pose Xn =  n + 1 .
1
a. Préciser X0 et montrer que Xn+1 = AXn .
b. Montrer par récurrence que pour tout entier naturel n : Xn = An X0 .
c. En déduire l’expression de xn en fonction de n.
EXERCICE 2

 u0 = 1
On considère la suite (un )n∈N définie par : 2
 pour tout n ∈ N; un+1 = un (1 − un )
ainsi que la fonction f définie sur [0; 1] par f (t) = t (1 − t).
1.a. Établir le tableau des variations de f.

8 7
1
b. Montrer que pour tout entier naturel n, un ∈ 0; .
2
c. Montrer que la suite (un )n∈N est monotone et convergente. On note ℓ sa limite.
d. Justifier que (un+1 )n∈N converge à la fois vers ℓ et vers ℓ(1 − ℓ).
127
En déduire ℓ = 0.
n−1
2
2. On définit pour tout entier naturel non nul n : Sn = u2k .
k=0
a. Pour tout entier naturel k, exprimer uk − uk+1 en fonction de uk .
1
b. Montrer que pour tout entier naturel non n : Sn = − un .
2
2
c. On note pour tout entier naturel k : pk = 2uk .
Montrer que la suite (pk )k∈N est une loi de probabilité.
EXERCICE 3
On dispose d’un dé cubique classique équilibré et d’une pièce équilibrée.

On lance le dé et on observe son résultat :
Si celui-ci est un 6, on lance la pièce deux fois.

Dans tous les autres cas, on lance la pièce une seule fois.
On note X la variable aléatoire égale au résultat du dé.

On note Y la variable aléatoire égale au nombre de PILES apparus au cours de cette expérience.
1.a. Justifier que X suit une loi uniforme que l’on précisera en détail.
b. Donner l’espérance E (X) et la variance V (X).
1
2. Montrer que P (Y = 2) = P (Y = 2 ∩ X = 6) = .
24
1
3.a. Montrer que pour k ∈ {1, 2, 3, 4, 5}, PX=k (Y = 0) = .
2
11
b. Que vaut PX=6 (Y = 0) ? En déduire en utilisant la formule des probabilités totales que P (Y = 0)) = .
24
c. Donner finalement la loi de la variable Y et calculer son espérance.
4.a. Recopier et compléter les cases du tableau suivant afin qu’il fournisse la loi du couple (X, Y ) (aucune
justification supplémentaire n’est demandée).
Y \X 1 2 3 4 5 6
0
1
2
b. Calculer la covariance de X et Y .
EXERCICE 4

 f (t) = 0 si t ≤ 0 ou t > 2
Soit f la fonction réelle définie par : 1
 f (t) = t si t ∈ [0; 2]
2
1.a. Montrer que f est continue en 0. Montrer que f est une densité de probabilité.
b. On note désormais X une variable de densité f , et on note F sa fonction de répartition.
Rappeler l’intégrale permettant de calculer F (x) en fonction de la densité f.
128
Calculer F (x) en séparant les cas x ≤ 0, 0 < x ≤ 2 et x > 2.
- .
1
c. Calculer la probabilité P (X ≤ 1) et la probabilité P <X ≤1 .
2
Justifier que X (Ω) = ]0; 2].
2. Déterminer l’espérance de X.
Soient U la variable aléatoire définie par U = X 2 et G sa fonction de répartition.
3. Déterminer U (Ω) puis justifier que si x ≤ 0, G (x) = 0 et si x > 4, G (x) = 1.

( √ √ )
4.a. Justifier l’égalité des événements (U ≤ 2) et − 2 ≤ X ≤ 2 , puis en déduire G (2).
1
b. Plus généralement, montrer que si 0 < x ≤ 4, G (x) = x.
4
c. Dresser un bilan pour la fonction G puis reconnaître la loi de U.
d. En déduire l’espérance E (U ) puis la valeur de la variance de X.
129
EXERCICE 1
   
1 1 0 1 0 0
Dans cet exercice A =  0 1 1  et I =  0 1 0 .
0 0 1 0 0 1
     
0 1 0 0 0 1 0 0 0
1.a. On trouve N =  0 0 1 , N 2 =  0 0 0 , N 3 =  0 0 0 .
0 0 0 0 0 0 0 0 0  
0 0 0
Pour k ≥ 3, on peut écrire N k = N 3 N k−3 , et N 3 = 0 (matrice nulle), donc N k =  0 0 0 .
0 0 0
b. De N = A − I résulte A = N + I. Comme I et N commutent (NI = IN = N), la formule du binôme de
Newton permet d’écrire
2 n - . n - .
n n n n−k k 2 n
A = (I + N) = I N = N k.
k k
k=0 k=0
Soit n ≥ 2. Pour k ≥ 2, on a N k = 0, la somme écrite ci-dessus se réduit donc à trois termes, ceux qui
correspondent
- . à k- . 1, 2, et- .
= 0,
n n n n (n − 1) 2
An = N0 + N1 + N 2 , c’est-à-dire An = I + nN + N .
0 1 2 2
Effectuant, on trouve :
     
1 0 0 0 1 0 0 0 1
n (n − 1)
An =  0 1 0  + n  0 0 1  +  0 0 0 
0 0 1 0 0 0 2 0 0 0
 
n (n − 1)
1 n
 2 
= 0 1 n 
0 0 1
 
1 0 0
Faisant n = 0 dans cette dernière expression, il vient A0 =  0 1 0 , la formule est ainsi vraie pour n = 0.
0 0 1
 
1 1 0
Faisant n = 1 dans la même expression, il vient A1 =  0 1 1 , la formule est ainsi vraie pour n = 1.
0 0 1
 
n (n − 1)
1 n
 2 
La formule An =  0 1 n  est donc vraie pour tout entier n ≥ 0.
0 0 1
2.a. Remarque : la méthode du pivot ne sert pas, ici, à ”montrer que A est inversible”. A est triangulaire, sans
aucun zéro sur sa diagonale, A est donc inversible.
On utilise alors la méthode du pivot de Gauss pour montrer, calculer A−1 .
1 1 0 1 0 0
0 1 1 0 1 0 . Par L1 ←− L1 − L2 , on obtient :
0 0 1 0 0 1
+
1 0 −1 1 −1 0 L1 ←− L1 + L3
0 1 1 0 1 0 . Par , on obtient :
L2 ←− L2 − L3
0 0 1 0 0 1
130
1 0 0 1 −1 1
0 1 0 0 1 −1
0 0 1 0 0 1
 
1 −1 1
On a alors prouvé que la matrice A est inversible, avec A−1 =  0 1 −1 .
0 0 1
 
1 −1 1
A−1 =  0 1 −1 
0 0 1
 
1 −1 1
b. Faisant n = −1 dans la formule obtenue en 1.b., il vient A−1 =  0 1 −1  (noter que
0 0 1
(−1) (−1 − 1)
= 1), la formule est ainsi vraie pour n = −1.
2  
n (n − 1)
1 n
 2 
La formule An =  0 1 n  est donc vraie pour tout entier n ≥ −1.
0 0 1
On souhaite alors déterminer les expressions des suites (xn ) , (yn ) et (zn ) définies par :

 xn+1 = xn + yn
x0 = 1, y0 = 1 et z0 = 1 et pour tout entier naturel n : y = yn + zn
 n+1
zn+1 = zn
3.a. Puisque, pour tout entier n ≥ 0, zn+1 = zn , la suite (zn ) est constante. On a donc, pour tout entier n ≥ 0,
zn = z0 = 1.
b. Il résulte de a. et de la définition des suites (xn ) , (yn ) et (zn ) que, pour tout entier n ≥ 0, yn+1 = yn + 1, la
suite (yn ) est donc arithmétique, de raison 1.
Puisque y0 = 1, on a, pour tout entier naturel n, yn = y0 + n = n + 1.
 
xn
4. Pour tout entier naturel n, on pose Xn =  n + 1 .
1
   
x0 1
a. On a X0 =  1  =  1 .
 1 1
 
 xn+1 = xn + yn xn+1
Les relations yn+1 = yn + zn sont équivalentes à l’unique égalité matricielle  yn+1  =

   zn+1 = zn        zn+1 
1 1 0 xn xn+1 xn+1 xn xn
 0 1 1   yn . Or  yn+1  =  n + 1  = Xn+1 et  yn  =  n + 1  = Xn , et
0 0 1 zn zn+1 1 zn 1
l’on a donc Xn+1 = AXn .
b. On montre par récurrence que, pour tout entier naturel n : Xn = An X0 .
Pour n = 0, la formule s’écrit X0 = A0 X0 , et elle est vraie, puisque A0 = I.
On suppose que, pour un entier n ≥ 0, quelconque, on a Xn = An X0 .
Alors Xn+1 = AXn = A × An X0 = An+1 X0 . On voit que la formule est encore vraie pour l’entier n + 1, et l’on
peut alors conclure que, pour tout entier n ≥ 0, Xn = An X0 .
    
n (n − 1) 1 2 1
1 n 1 n + n + 1
 2    2 2
.
c. On a Xn = An X0 =  0 1 n  1 = n+1
0 0 1 1 1
131
1 1
On voit, en particulier que xn = n2 + n + 1.
2 2
EXERCICE 2

 u0 = 1
On considère la suite (un )n∈N définie par : 2
 pour tout n ∈ N; un+1 = un (1 − un )
ainsi que la fonction f définie sur [0; 1] par f (t) = t (1 − t).
1.a. On a, pour tout élément t de [0; 1], f (t) = t − t2 . f est dérivable sur [0; 1] en tant que fonction polynôme, et
f ′ (t) = 1 − 2t. On en déduit le tableau des variations de f :
1
t 0 2 1
′
f (t) + 0 −
1
f 0 ր 4 ց 0
8 7
1
b. On montre, par récurrence que, pour tout entier naturel n, un ∈ 0; .
8 27
1 1
L’énoncé est, par hypothèse, vrai pour n = 0, puisque u0 = ∈ 0; .
2 8 72
1
On suppose alors que, pour un entier n ≥ 0, quelconque, un ∈ 0; .
2
1
Il résulte de l’étude des variations de f que, pour tout élément t de [0; 1], 0 ≤ f (t) ≤ . Comme un+1 = f (un ),
8 7 4
1 1
on a donc 0 ≤ un+1 ≤ , d’où un+1 ∈ 0; .
4 2
L’énoncé
8 est
7 donc encore vrai pour l’entier n + 1, et ceci permet de conclure que, pour tout entier naturel n,
1
un ∈ 0; .
2
c. On montre, par récurrence que la suite (un )n∈N est décroissante, c’est-à-dire que, pour tout entier naturel n,
un+1 ≤ un . 8 7
1 1
Puisque u0 = et u1 ∈ 0; , l’énoncé est vrai pour n = 0 : u1 ≤ u0 .
2 2
On
8 suppose
7 ensuite que, pour un entier
8 7 ≥ 0, quelconque, un+1 ≤ un . Comme un et un+1 sont deux éléments de
n
1 1
0; , et que f est croissante sur 0; , on a alors f (un+1 ) ≤ f (un ). Mais f (un+1 ) = un+2 et f (un ) = un+1 ,
2 2
et l’on a donc un+2 ≤ un+1 . L’énoncé est donc encore vrai pour l’entier n + 1.
On peut alors conclure que, pour tout entier n ≥ 0, un+1 ≤ un , c’est-à-dire que la suite (un )n∈N est décroissante.
1
Remarque : l’énoncé demande de prouver la monotonie de la suite (un )n∈N . Puisque u0 = , et que, pour tout n,
2
1
0 ≤ un ≤ , on pouvait s’attendre à ce que la suite (un )n∈N soit décroissante, sans même qu’il soit nécessaire de
2
1
calculer u1 (en fait, u1 = < u0 ).
4
La suite (un )n∈N est décroissante, et minorée par 0 (puisque, pour tout n, 0 ≤ un ).
Le théorème de convergence monotone permet de conclure que suite (un )n∈N converge.
d. Si la suite (un )n∈N converge vers ℓ, il en est de même de la suite (un+1 )n∈N .
Mais un+1 = f (un ) = un (1 − un ) . Les théorèmes généraux sur les limites (rédaction alternative : on peut
utiliser la continuité de la fonction f) entraînent que la suite (un (1 − un ))n∈N , c’est-à-dire (un+1 )n∈N converge
vers l (1 − l) .
Par comparaison, on a l = l (1 − l).
Mais l’équation l = l (1 − l) est équivalente à l = l − l2 , d’où l2 = 0 , d’où encore l = 0.
La suite (un )n∈N converge vers une valeur l, qui ne peut être égale qu’à 0. Donc l = 0.
En conclusion, la suite (un )n∈N converge vers 0.
132
2.a. Puisque, pour tout k, uk+1 = uk (1 − uk ) = uk − u2k , on a uk − uk+1 = u2k .
n−1
2 n−1
2 n−1
2 n−1
2 n−1
2 n
2
b. On a Sn = u2k = (uk − uk+1 ) = uk − uk+1 . Mais uk+1 = uk , donc
k=0 k=0 k=0 k=0 k=0 k=1
n−1
2 2n
1
Sn = uk − uk = u0 − un . Comme u0 = , il vient finalement, pour tout entier naturel non n :
2
k=0 k=1
1
Sn = − un .
2
+∞
2 +∞
2
c. Il s’agit de justifier que (i) pour tout entier naturel k, pk ≥ 0; (ii) la série pk converge, avec pk = 1.
k=0 k=0
n−1
2 n−1
2 - .
1
Or, (i) est clair. D’autre part, pour tout entier n ≥ 0, pk = 2 u2k = 2Sn = 2 − un = 1 − 2un .
2
:n−1 k=0
; k=0
2 +∞
2
Puisqu’on sait que lim un = 0, on a lim pk = 1, c’est-à-dire que la série pk converge, avec
n→+∞ n→+∞
k=0 k=0
+∞
2
pk = 1.
k=0
On peut alors conclure que la suite (pk )k∈N est une loi de probabilité.
EXERCICE 3
On dispose d’un dé cubique classique équilibré et d’une pièce équilibrée.

On lance le dé et on observe son résultat :
Si celui-ci est un 6, on lance la pièce deux fois.

Dans tous les autres cas, on lance la pièce une seule fois.
On note X la variable aléatoire égale au résultat du dé.

On note Y la variable aléatoire égale au nombre de PILES apparus au cours de cette expérience.
1.a. Le dé étant équilibré, tous les résultats des lancers du dé sont équiprobables, et X suit donc la loi uniforme sur
1
{1, 2, 3, 4, 5, 6}, c’est-à-dire que X (Ω) = {1, 2, 3, 4, 5, 6}, et, pour tout k ∈ {1, 2, 3, 4, 5, 6}, P (X = k) = .
6
b. On doit, en principe savoir que, lorsqu’une variable aléatoire X suit la loi uniforme sur [[1, n]], on a
n+1 n2 − 1 7 35
E (X) = , et V (X) = . Faisant n = 6, on trouve E (X) = , et V (X) = .
2 12 2 12
Rappel rapide : Soit X suivant la loi uniforme sur [[1, n]].
2n n
12 1 n (n + 1) n+1
E (X) = kP (X = k) = k= × = .
n n 2 2
k=1 k=1
n n
( 2) 2 12 2 1 n (n + 1) (2n + 1) (n + 1) (2n + 1)
E X = 2
k P (X = k) = k = × = ;
n n 6 6
k=1 k=1
- .
( 2) 2 (n + 1) (2n + 1) n+1 2 n+1
V (X) = E X − E (X) = − = [2 (2n + 1) − 3 (n + 1)]
6 2 12
n+1 n2 − 1
d’où, après simplification V (X) = (n − 1) = .
12 12
2. L’événement (Y = 2) entraîne (X = 6) (si l’on a obtenu deux PILES, c’est que le lancer du dé a fourni un 6),
donc (Y = 2) = (Y = 2 ∩ X = 6). La formule des probabilités composées permet alors d’écrire
133
1
P (Y = 2) = P (Y = 2 ∩ X = 6) = P (X = 6) PX=6 (Y = 2). D’une part, P (X = 6) = , et, d’autre part,
6
PX=6 (Y = 2) est la probabilité d’obtenir deux PILES lorsqu’on lance deux fois une pièce de monnaie, donc
- .2
1 1
PX=6 (Y = 2) = = .
2 4
1 1 1
Donc P (Y = 2) = × = .
6 4 24
3.a. Pour k ∈ {1, 2, 3, 4, 5}, PX=k (Y = 0) est la probabilité de n’obtenir aucun PILE lorsqu’on lance une pièce de
1
monnaie. Ainsi, PX=k (Y = 0) = .
2
b. PX=6 (Y = 0) est la probabilité de n’obtenir aucun PILE lorsqu’on lance deux fois une pièce de monnaie. Donc
- .2
1 1
PX=6 (Y = 0) = = .
2 4
Les événements (X = k) forment, pour k ∈ {1, 2, 3, 4, 5, 6} un système complet d’événements. La formule des
26
probabilités totales permet alors d’écrire P (Y = 0) = PX=k (Y = 0) P (X = k).
k=1
1 1 1
Pour k ∈ {1, 2, 3, 4, 5}, PX=k (Y = 0) P (X = k) = × = , donc
2 6 12
2 5
5 1 1 1
P (Y = 0) = PX=k (Y = 0) P (X = k) = , tandis que PX=6 (Y = 0) P (X = 6) = × = , donc
12 4 6 24
k=1
5 1 11
P (Y = 0) = + = .
12 24 24
c. L’énoncé attend visiblement qu’on calcule P (Y = 1) en utilisant le fait que P (Y = 0) + P (Y = 1) +
11 1 12 1
P (Y = 2) = 1, d’où P (Y = 1) = 1 − P (Y = 0) − P (Y = 2) = 1 − − = = .
24 24 24 2
En résumé, Y (Ω) = {0, 1, 2}, et
11 1 1
P (Y = 0) = , P (Y = 1) = , P (Y = 2) =
24 2 24
Remarque : l’inconvénient de cette méthode est qu’elle ne permet pas la vérification qui consiste à effectuer le
calcul de la somme P (Y = 0) + P (Y = 1) + P (Y = 2) . Esquissons un calcul direct.
26
1
P (Y = 1) = PX=k (Y = 1) P (X = k). Pour k ∈ {1, 2, 3, 4, 5}, PX=k (Y = 1) = (c’est la probabilité
2
k=1
1
d’obtenir un PILE lorsqu’on lance une pièce de monnaie). On a aussi PX=6 (Y = 1) = (c’est la probabilité
2
d’obtenir deux PILES lorsqu’on lance deux fois une pièce de monnaie, c’est-à-dire d’obtenir PILE suivi de FACE -
1 1
probabilité -, ou FACE suivi de PILE - probabilité -)
4 4
1 1 1
Donc P (Y = 1) = 6 × × = , et l’on peut alors vérifier que P (Y = 0) + P (Y = 1) + P (Y = 2) = 1.
2 6 2
1 1
On trouve alors E (Y ) = 0 × P (Y = 0) + 1 × P (Y = 1) + 2 × P (Y = 2) = + 2 ×
2 24
7
=
12
4.a. Tableau de la loi conjointe du couple (X, Y )
Y \X 1 2 3 4 5 6
1 1 1 1 1 1
0 12 12 12 12 12 24
1 1 1 1 1 1
1 12 12 12 12 12 12
1
2 0 0 0 0 0 24
Détail des calculs

Selon un usage répandu, on notera P (X = i, Y = j) pour P (X = i ∩ Y = j).
134
1 1 1
Pour k ∈ {1, 2, 3, 4, 5}, P (X = k, Y = 0) = P (X = k) PX=k (Y = 0) = × = ;
6 2 12
1 1 1
P (X = 6, Y = 0) = P (X = 6) PX=6 (Y = 0) = × = .
6 4 24
1 1 1
pour k ∈ {1, 2, 3, 4, 5}, P (X = k, Y = 1) = P (X = k) PX=k (Y = 1) = × = ;
6 2 12
1 1 1
P (X = 6, Y = 1) = P (X = 6) PX=6 (Y = 1) = × = ;
6 2 12
pour k ∈ {1, 2, 3, 4, 5}, P (X = k, Y = 2) = 0 (l’événement (X = k ∩ Y = 2) est impossible, lançant une pièce,
on ne peut obtenir deux PILES )
1
Enfin P (X = 6, Y = 2) = P (Y = 2) = (voir plus haut).
24
2
b. On a E (XY ) = i×jP (X = i, Y = j), la somme portant sur tous les couples (i, j), pour i ∈ {1, 2, 3, 4, 5, 6}
et j ∈ {0, 1, 2}. Tous les termes correspondant à j = 0 (6 termes) sont nuls. 5 des 6 termes P (X = i, Y = 2),
ceux correspondant à i ∈ {1, 2, 3, 4, 5} sont nuls, ainsi qu’on le voit dans le tableau ci-dessus.
Il reste donc à calculer une somme de 7 termes.
26
On a E (XY ) = k × 1P (X = k, Y = 1) + 6 × 2P (X = 6, Y = 2).
k=1
6
2 6
1 2 7 7 1 9
Mais kP (X = k, Y = 1) = k = , donc E (XY ) = + 12 × = .
12 4 4 24 4
k=1 k=1
9 7 7 5
Il en résulte que cov (X, Y ) = E (XY ) − E (X) E (Y ) = − × = .
4 2 12 24
EXERCICE 4

 f (t) = 0 si t ≤ 0 ou t > 2
Soit f la fonction réelle définie par : 1
 f (t) = t si t ∈ [0; 2]
2
- .
1
1.a. f étant nulle sur ]−∞; 0], on a lim f = 0 = f (0). De plus, lim f = lim+ t = 0. On a donc lim f = f (0)
0 − +
0 t→0 2 0
(= 0) , f est donc continue en 0.
f est clairement positive ou nulle sur R.
f étant nulle sur ]−∞; 0[ et sur ]0; +∞[, est continue sur ]−∞; 0[ et sur ]0; +∞[. f étant polynomiale sur ]1, 2[ est
continue sur ]1, 2[.
Comme f est continue en x = 0, f est continue sur R, sauf peut-être en x = 2. f possède donc un nombre fini de
points de discontinuité. - .
1
On peut noter que lim f = lim− t = 1, et lim f = 0, f n’est pas continue en x = 2.
2− t→2 2 2+
* A
Soit, enfin, A > 2. f étant nulle sur ]−∞; 0] et sur ]0; +∞[, l’intégrale f (t) dt converge, avec
−∞
* A * A * 2 * A * 2 8 72
1
f (t) dt = f (t) dt = f (t) dt + f (t) dt = f (t) dt = t2 = 1.
−∞ 0 4 0
* +∞0 2 * +∞0
Il en résulte que l’intégrale f (t) dt converge, avec f (t) dt = 1.

−∞ −∞
En résumé,
• f est clairement positive ou nulle sur R.
• f possède un nombre fini, égal à 1 de points de discontinuité, avec lim f = 1, et lim f = 0.
2− 2+
* A * +∞
• L’intégrale f (t) dt converge, avec f (t) dt = 1.
−∞ −∞
f est donc une densité de probabilité.
b. On note désormais X une variable de densité f , et on note F sa fonction de répartition.
135
* x
Par définition de la notion de fonction de répartition, on a F (x) = P (X ≤ x), donc F (x) = f (t) dt.
−∞
Pour x ≤ 0, on a f (t) = 0 pour
* tout t ≤ x, donc
* F (x) = 0.* 8 7x
x x x
1 1 1
Si 0 < x ≤ 2, on a F (x) = f (t) dt = f (t) dt = t dt = t2 = x2 .
−∞ 0 2 4 4
* x * 2 8 0 72 0
1 1 2
Enfin, si x > 2, on a F (x) = f (t) dt = t dt = t = 1. (remarque : ceci découle aussi de ce que,
−∞ 0 2 4 0
vu le cas où 0 < x ≤ 2, on a F (2) = 1, et de ce que F est croissante sur R).
En résumé, 
 0 si x ≤ 0

 1
F (x) = x2 si 0 ≤ x ≤ 2

 4
 1 si x ≥ 2
(F est continue sur R en tant que fonction de répartition d’une variable aléatoire à densité, toutes les inégalités
peuvent alors être choisies au sens large).
1
c. On a P (X ≤ 1) = F (1) = .
- . 4 - .
1 1 1 1 3
De même, P < X ≤ 1 = F (1) − F = − = .
2 2 4 16 16
Enfin, lorsqu’on demande de justifier que X (Ω) = ]0; 2], on demande de prouver que P (0 < X ≤ 2) = 1. Or,
P (0 < X ≤ 2) = F (2) − F (0) = 1,ce qui prouve le résultat.
* +∞
2. On a E (X) = tf (t) dt, sous réserve que cette dernière intégrale converge, ce qui est le cas, puisque f est
−∞
nulle en dehors de [0; 2].
* 2 * 2 8 72
1 1 4
Donc E (X) = tf (t) dt = t × t dt = t3 = .
0 0 2 6 0 3
Soient U la variable aléatoire définie par U = X 2 et G sa fonction de répartition.

( )
3. On a (0 < X ≤ 2) = 0 < X 4 ≤ 4 = (0 < U ≤ 4), donc U (Ω) = ]0; 4].
Il en résulte que, si x ≤ 0, on a P (U ≤ 0) = 0, c’est-à-dire G (x) = 0. De même, si x > 4, P (U > x) = 0, d’où
G (x) = 1 − P (U > x) = 1.
( ) ( √ √ )
4.a. On a (U ≤ 2) = X 2 ≤ 2 = − 2 ≤ X ≤ 2 .
( √ ) ( √ ) ( √ )
On en déduit que G (2) = P (U ≤ 2) = P X ≤ 2 − P X < − 2 . P X < − 2 = 0, et donc
(√ ) 1 (√ )2 1
G (2) = F 2 = 2 = .
4 2
√
b. Plus généralement, on a, comme plus haut, pour x ∈ ]0; 4], G (x) = P (U ≤ x) = P (X ≤ x) −
√ √ √ 1 √ 1
P (X < − x), et P (X < − x) = 0, donc G (x) = F ( x) = ( x)2 = x.
4 4
c. On rappelle que la fonction G, fonction de répartition de la variable aléatoire U , est une fonction croissante de R
dans [0; 1].
On voit, de plus, que G (0) = 0 et G (4) = 1. Il en résulte que

 0 si x ≤ 0

 1
G (x) = x si 0 ≤ x ≤ 4

 4
 1 si x ≥ 4
On reconnaît alors que U suit la loi uniforme sur [0; 4] (si on ne le reconnaît pas, on peut toujours dériver f là où
elle est dérivable, c’est-à-dire en tout point de R − {0, 4}).
136
d. On peut savoir que l’espérance d’une variable aléatoire Z qui suit la loi uniforme sur un intervalle [a; b] (où
* 4
a+b
a ≤ b) vaut . Si on ne le sait pas, on le retrouve, dans ce cas particulier, par E (U ) = tg (t) dt, où
2 0
1
g (t) = pour t ∈ [0; 4]. On trouve E (U ) = 2.
4 - .2
( 2) ( 2) 2 4 2
Ainsi, E X = 2, et l’on en déduit que V (X) = E X − E (X) = 2 − = .
3 9
Remarque : beaucoup de travail pour peu de choses. On a, de manière directe,
* +∞ * 2 8 72
( 2) 2 2 1 1 3
E X = t f (t) dt = t × t dt = t = 2, sans que la variable aléatoire U présente une
−∞ 0 2 6 0
quelconque utilité.
ESC 2011, Voie Technologique.
EXERCICE 1
     
0 1 1 1 1 1 1 0 0
1
On note : M =  1 0 1 , P =  1 −1 0  et D =  0 − 12 0 .
2 1 1 0 1 0 −1 0 0 − 12
1.a. Montrer par la méthode du pivot de Gauss que P est inversible et calculer P −1 .
b. Vérifier que M = P DP −1 .
Un centre de vacances étudie le comportement d’un client qui a le choix chaque jour entre trois activités qui seront
appelées A, B, C.
On considère que si le jour n le client a choisi une activité, il en change systématiquement le lendemain et choisit
de manière équiprobable l’une des deux autres activités.
Le premier jour (c’est-à-dire le jour 1), le client choisit l’activité B.
On notera An (respectivement Bn , Cn ) l’événement ”le client choisit l’activité A le jour n” (respectivement B, C)
et on notera an (respectivement bn , cn ) sa probabilité.
   
an 0
On définit également la matrice Un par Un =  bn , ainsi U1 =  1 .
cn 0
2.a. Par une formule des probabilités totales, montrer que pour tout entier naturel n non nul : Un+1 = MUn .
b. En utilisant larelation
 obtenue en 1.b. en déduire par récurrence que, pour tout entier naturel n non nul :
1
1
Un = P Dn−1  −2 .
3 1
3. En déduire que pour tout entier naturel

n non nul,
( 1 )n−1
 an = cn = 1 1
−
3 3 −2
( 1 )n−1
 bn = 1
3 + 2
3 −2
EXERCICE 2
Dans tous les calculs et expressions, la lettre ”e” désigne l’exponentielle de 1. On donne e ≈ 2, 7.
1.a. Montrer que pour tout réel x, x2 − xe + e > 0.
137
b. On note pour tout réel x, P (x) = 2x2 − (2e) x + e2 − 2e.
Calculer les racines de P , notées α et β, et en déduire le signe de P (x) en fonction des différentes valeurs de x.
( )
On considère alors la fonction f définie sur R par f (x) = 1 − ln x2 − xe + e .
On admettra sans le justifier que f est deux fois dérivable sur R.
On note Cf la courbe représentative de f dans un repère orthonormé.
(e) ( )
2.a. Calculer f (0), f (1), f (e − 1) et f (e). Vérifier que f 2 = − ln 1 − 4e .
Calculer lim f (x) et lim f (x).
x→−∞ x→+∞
b. Calculer f ′ (x),
puis étudier son signe. Vérifier que f ′ (0) = 1 et f ′ (e) = −1.
e
c. En utilisant e ≈ 2, 7, ordonner les nombres 0, 1, e − 1, e, puis dresser le tableau des variations de f en faisant
2
figurer les valeurs étudiées en 2.a.
P (x)
3. Vérifier que f ′′ (x) = et en déduire grâce au 1.b. les points d’in exion de Cf .
(x2 − xe + e)2
4. Donner l’allure de Cf dans un repère

( ) orthonormé d’unité 5 cm, en faisant figurer les résultats obtenus aux
questions précédentes. (On donne f 2e ≈ 1, 1. α ≈ 0, 4 ; β ≈ 2, 3).
EXERCICE 3
Un opérateur téléphonique propose trois forfaits : Le forfait n◦ 1 coûte 10 ǫ par mois

Le forfait n◦ 2 coûte 20 ǫ par mois
Le forfait n◦ 3 coûte 30 ǫ par mois
Un groupe de n clients se rend dans une boutique de cet opérateur et achète un de ces trois forfaits au hasard, avec
équiprobabilité et sans être in uencé par les choix des autres clients.
On note les variables aléatoires :

X1 , égale au nombre de clients parmi ces n clients ayant choisi le forfait n◦ 1
X2 , égale au nombre de clients parmi ces n clients ayant choisi le forfait n◦ 2
X3 , égale au nombre de clients parmi ces n clients ayant choisi le forfait n◦ 3.
H, somme globale mensuelle en euros versée par ces n clients à l’opérateur.
1.a. Justifier que X1 suit une loi usuelle que l’on détaillera, en précisant X1 (Ω) et l’expression de P (X1 = k)
pour tout entier k ∈ X1 (Ω).
b. Donner les valeurs de l’espérance E (X1 ) et de la variance V (X1 ).
c. Justifier que les variables X2 et X3 suivent la même loi que X1 .
2.a. Justifier que X1 + X2 = n − X3 et en déduire la variance de X1 + X2 .

n
b. En déduire cov (X1 , X2 ) = − . Les variables X1 et X2 sont-elles indépendantes ?
9
3. Exprimer H en fonction des variables X1 , X2 et X3 puis montrer que E (H) = 20n.
EXERCICE 4
+
0 si t < 0
Soit f la fonction définie sur R par f (t) = .
e−t si t ≥ 0
138
* x
1.a. En séparant les cas x < 0 et x ≥ 0, calculer l’expression F (x) = f (t) dt.
−∞
b. De quelle loi usuelle reconnaît-on la fonction de répartition et la densité ?
On considère dès lors une variable aléatoire X de fonction de répartition F et de densité f, et on définit la variable
1
aléatoire Y par la relation Y = X.
2
2.a. Donner l’espérance E (X) et la variance V (X). En déduire E (Y ) et V (Y ).
b. Montrer
+ que Y admet pour fonction de répartition la fonction G donnée par :
0 si y < 0
G (y) = −2y .
1−e si y ≥ 0
c. En déduire que Y suit une loi usuelle et en donner une densité g.
Dans toute la suite de l’exercice la fonction g désigne la densité usuelle de Y .
3. Dans le cadre du suivi des coupures d’électricité dans une ville donnée, on s’intéresse à la fonction h définie sur
R par h (t) = 2f (t) − g (t).
+
0 si t < 0
a. Vérifier que h (t) = −t −2t .
2e − 2e si t ≥ 0
b. Montrer que h est continue sur R et positive sur R.
c. Montrer que h est une densité.
On considère alors une variable aléatoire Z de densité h, modélisant le temps d’attente en heures après une coupure
d’électricité jusqu’à rétablissement du courant.
4.a. Montrer que E (Z) = 2E (X) − E (Y ).

En déduire le temps moyen s’écoulant avant le rétablissement du courant.
* ln 2
1
b. Calculer l’intégrale e−t − e−2t dt et en déduire que P (Z ≤ ln 2) = .
0 4
EXERCICE 1
1.a. Par la méthode du pivot de Gauss, on montre que P est inversible, et l’on calcule P −1 .
 
1 1 1
P =  1 −1 0 
1 0 −1
1 1 1 1 0 0 +
L2 ←− L2 − L1
1 −1 0 0 1 0 . Par , on obtient :
L3 ←− L3 − L1
1 0 −1 0 0 1
1 1 1 1 0 0
0 −2 −1 −1 1 0 . Par L2 ←→ L3 , on obtient :
0 −1 −2 −1 0 1
+
1 1 1 1 0 0 L1 ←− L1 + L2
0 −1 −2 −1 0 1 . Par , on obtient :
L3 ←− L3 − 2L2
0 −2 −1 −1 1 0
139
1 0 −1 0 0 1 +
L1 ←− 3L1 + L3
0 −1 −2 −1 0 1 . Par , on obtient :
L2 ←− 3L2 + 2L3
0 0 3 1 1 −2
 1
3 0 0 1 1 1  L1 ←− 3 L1

0 −3 0 −1 2 −1 Enfin, par L2 ←− − 13 L2 on obtient :

 L ←− 1 L
0 0 3 1 1 −2 3 3 3
1 1 1
1 0 0 3 3 3
1
0 1 0 3 − 23 1
3 . On a ainsi prouvé que P est inversible, avec :
1 1
0 0 1 3 3 − 23
 1 1 1
  
3 3 3 1 1 1
1
P −1 =  1
3 − 23 1
3
 =  1 −2 1 
1 1 3
3 3 − 23 1 1 −2
   
1 − 12 − 12 2 −1 −1
1
b. On trouve P D =  1 12 0 =  2 1 0 , puis
1 2 2 0 1
 1 0 2    
2 −1 −1 1 1 1 0 1 1
1 1 1
P DP −1 = ×  2 1 0   1 −2 1  =  1 0 1 , c’est-à-dire P DP −1 = M .
2 3 2 0 1 1 1 −2 2 1 1 0
2.a. Soit n un entier naturel non nul.

Les événements An , Bn et Cn forment clairement un système complet d’événements (c’est-à-dire qu’ils sont deux
à deux incompatibles, et que leur réunion est certaine). La formule des probabilités totales permet donc d’écrire

 P (An+1 ) = PAn (An+1 ) P (An ) + PBn (An+1 ) P (Bn ) + PCn (An+1 ) P (Cn )

P (Bn+1 ) = PAn (Bn+1 ) P (An ) + PBn (Bn+1 ) P (Bn ) + PCn (Bn+1 ) P (Cn )

 P (C ) = P (C ) P (A ) + P (C ) P (B ) + P (C ) P (C )
n+1 An n+1 n Bn n+1 n Cn n+1 n
Mais, puisque ”on considère que si le jour n le client a choisi une activité, il en change systématiquement le
lendemain et choisit de manière équiprobable l’une des deux autres activités”, on a
PAn (An+1 ) = PBn (Bn+1 ) = PCn (Cn+1 ) = 0 (”que si le jour n le client a choisi une activité, il en change
systématiquement le lendemain”), et
1
PAn (Bn+1 ) = PAn (Cn+1 ) = PBn (An+1 ) = PBn (Cn+1 ) = PCn (An+1 ) = PCn (Bn+1 ) = .
2
De plus, P (An+1 ) = an+1 , P (Bn+1 ) = bn+1 , P (Cn+1 ) = cn+1 , P (An ) = an , P (Bn ) = bn , P (Cn ) = cn .
 1 1

 an+1 = bn + cn

 2 2
 1 1
Les trois formules écrites plus haut fournissent donc : bn+1 = an + cn

 2 2

 1 1

 cn+1 = an + bn
2 2
    a 
an+1 0 12 12 n
 b   1 1  b 
et ces relations s’écrivent matriciellement sous la forme  n+1  = 2 0 2  n , c’est-à-dire
1 1
cn+1 2 2 0 cn
Un+1 = MUn .
 
1
1
b. On montre, par récurrence que, pour tout entier naturel n non nul : Un = P Dn−1  −2 .
3
    1
1 1
1 1
Pour n = 1, la formule s’écrit U1 = P D0  −2 , c’est-à-dire U1 = P  −2  (par convention, D0. = I,
3 1 3 1
matrice-unité d’ordre 3) (rappel : écrire la formule qu’il faut prouver, ça n’est pas la prouver).
Mais, puisque le premier jour, le client choisit l’activité B , on a a1 = c1 = 0, et b1 = 1 (l’événement B1 est
140


0
certain, c’est une donnée de l’énoncé), donc U1 =  1 .
    0   
1 1 1 1 1 0
  1    
Or, on trouve P −2 = 1 −1 0 −2 = 1  = U1 , la formule est donc vraie pour
1 3 1 0 −1 1 0
n = 1.  
1
1
On suppose ensuite que, pour un entier n ≥ 1, quelconque, on a Un = P Dn−1  −2 .
3 1   
( ) 1
1
De 2.b. et de la relation M = P DP −1 on déduit alors que Un+1 = MUn = P DP −1  P Dn−1  −2  =
3 1
   
1 1
1 1
P DP −1 P Dn−1  −2 . Comme DP −1 P Dn−1 = DIDn−1 = Dn , on a Un+1 = P Dn  −2 . On
3 1 3 1
voit que la formule
 est encore
 vraie pour l’entier n + 1, et l’on peut alors conclure que, pour tout entier n ≥ 1,
1
1
Un = P Dn−1  −2 .
3 1
   
1 1
( )n−1
3. Effectuant, on trouve Dn−1  −2  =  −2 − 12 , puis
( 1 )n−1
1 −
   1 1 ( 1 )n−1  2
1 − −
1  3 3 ( 2) 
Un = P Dn−1  −2  =  13 + 23 − 12 n−1 , et il en résulte que, pour tout entier n ≥ 1 :
3 1 1 1
( )
1 n−1
3 − 3 −2
 ( )n−1

 a = 1 − 1 −1
 n 3 3 ( 2)
n−1
bn = 13 + 23 − 12

 c = 1 − 1 (− 1 )n−1

n 3 3 2
(formule qu’il est aisé de vérifier pour n = 1).
EXERCICE 2
1.a. Le discriminant ∆ du trinôme du second degré x2 − xe + e est égal à ∆ = e2 − 4e = e (e − 4). Comme

0 < e < 4, on a 0 < e − 4 < 0, donc ∆ < 0. La règle qui donne le signe du trinôme permet alors de conclure que,
pour tout réel x, x2 − xe + e > 0.
b. Soit, pour x ∈ R, P (x) = 2x2 − (2e) x + e2 − 2e. ( )
Le discriminant du trinôme P (x) vaut (−2e)2 − 4 × 2 × e2 − 2e = −4e2 + 16e = 4e (4 − e). Puisque
1 1√ 2
0 < e < 4 − e , on a 4e (4 − e) > 0, et le trinôme P (x) admet donc les deux racines distinctes e − −e + 4e
2 2
1 1√ 2 √ ? √
et e + −e + 4e (noter que −4e2 + 16e = 4 (−e2 + 4e) = 2 −e2 + 4e ) . Comme l’énoncé
2 2
donne α ≈ 0, 4 ; β ≈ 2, 3 (indication malheureusement située en fin d’énoncé), α est la plus petite des
1 1√ 2 1 1√ 2
racines, et β la plus grande. Puisqu’il est clair que e − −e + 4e < e + −e + 4e, on doit choisir
2 2 2 2
1 1√ 2 1 1√ 2
α= e− −e + 4e ≈ 0, 4 et β = e + −e + 4e ≈ 2, 3.
2 2 2 2
Puisque 2 > 0 (2 est le coefficient dominant de P (x), c’est-à-dire du terme de plus haut degré de P (x)), la règle
qui donne le signe du trinôme permet d’affirmer que :
• pour tout élément x de ]−∞; α[ ∪ ]β; +∞[, P (x) > 0;
• pour tout élément x de ]α; β[, P (x) < 0;
141
• P (α) = P (β) = 0.
( )
On considère la fonction f définie sur R par f (x) = 1 − ln x2 − xe + e .
( ) ( )
2.a. On trouve f (0) = 1−ln e = 0; f (1) = 1−ln( 1 = 1; (e −)1)2 −(e − 1) e+e = e2 − 2e + 1 − e2 − e +e =
1, d’où f (e − 1) = 1 − ln 1 = 1, f (e) = 1 − ln e2 − e2 + e = 1 − ln e = 0.
En résumé,
f (0) = 0; f (1) = 1; f (e − 1) = 1; f (e) = 0
( e )2 ( e ) e2 e2 e2
( e
) ( ( e
)) ( e
)
De plus,
( 2 )− 2 e
(e)+ e = 4( − 2 +
( e = e
))− 4 = e
( 1 − )
4 , d’où ln e 1 − 4 = ln e + ln 1 − 4 =
e e e
1 + ln 1 − 4 , et f 2 = 1 − 1 + ln 1 − 4 = − ln 1 − 4 .
( )
On a lim x2 − xe + e = lim x2 = +∞, d’où lim f (x) = −∞;
x→+∞ ( x→+∞
) x→+∞
de même, lim x2 − xe + e = lim x2 = +∞, d’où lim f (x) = −∞.
x→−∞ x→−∞ x→−∞
2x − e e − 2x
b. On trouve f ′ (x) = − = 2 . Comme, pour tout x, x2 − xe + e > 0, f ′ (x) est du signe
x2 − xe + e x − xe + e
de e − 2x, c’est-à-dire que :
e ′
• pour( e )tout x < 2 , f (x) > 0;
′
• f 2 = 0;
• pour tout x > 2e , f ′ (x) < 0.
e e − 2e −e
On trouve, de plus, f ′ (0) = = 1 , et f ′ (x) = 2 = = −1.
e e −e×e+e e
e
c. Suivant les données de l’énoncé, on a e − 1 ≈ 1, 7, ≈ 1, 35, ce qui permet d’ordonner les nombres
2
e e
0, 1, e − 1, e, : on a 0 < 1 < < e − 1 < e.
2 2
x −∞ 0 1 e/2 e−1 e +∞
f ′ (x) + 1 + + 0 − − −
f −∞ ր 0 ր 1 ր f (e/2) ց 1 ց 0 ց −∞
3. On trouve
( 2: )
′′
x − xe + e × (−2) − (2x − e) (e − 2x) 2x2 − 2ex + e2 − 2e
f (x) = =
(x2 − xe + e)2 (x2 − xe + e)2
P (x)
c’est-à-dire f ′′ (x) = 2 2
2 , avec P (x) = 2x − 2ex + e − 2e.
2
(x − xe + e)
( )2
Comme, pour tout x, x2 − xe + e > 0, f ′′ (x) est du signe de P (x). Or, on a vu en 1.b. que P (x) s’annule et
change de signe (ne pas oublier !) en x = α et en x = β. Cf admet donc les deux points d’in exion I1 (α; f (α)) et
I2 (β; f (β)).
( )
4. Allure de la courbe d’équation y = 1 − ln x2 − xe + e
y 1
-8 -6 -4 -2 2 4 6 8
x
-1
-2
-3
-4
142
Compléments
(i) Calcul de f (α) et f (β)
Si, ici, x désigne l’un des deux nombres α et β obtenus plus haut comme étant les racines de P (x) (rappel :
1 1√ 2 1 1√ 2
α= e− −e + 4e et β = e + −e + 4e), on a 2x2 − 2ex + e2 − 2e = 0.
2 2 2 2
Il en résulte que 2x2 − 2ex = 2e − e2 , d’où
1( 2 ) 1( ) 1( )
x2 − xe + e = 2x − 2ex + e = 2e − e2 + e = 4e − e2
2 5 2 2
e6
= 2e 1 −
4 5
( 2 ) e 6! 5 e6
On obtient alors ln x − xe + e = ln 2e 1 − = ln 2 + 1 + ln 1 − (ln e = 1) , et enfin,
5 5 66 45 6 4
e e
f (x) = 1 − ln 2 + 1 + ln 1 − = − ln 2 − ln 1 − .
45 6 4
e
Ainsi f (α) = f (β) = − ln 2 − ln 1 − ≈ 0, 45.
4
(ii) Branches infinies de Cf
5 e e6 5 e e 6! 5 e e6
On a, pour tout x non nul, x2 −xe+e = x2 1 − + 2 , d’où ln x2 1 − + 2 = ln x2 +ln 1 − + 2
( ) x x x x x x
(ln x2 doit se lire ln x2 et non (ln x)2 ). Il convient d’éviter le brutal ln x2 = 2 ln x qui crée un certain malaise
lorsque5 x < 0. En6! fait, on a ln x2 =5 ln |x|2 (car,6pour tout x, x2 = |x|2 ), d’où ln x2 = 2 ln |x|, et
e e e e
ln x2 1 − + 2 = 2 ln |x| + ln 1 − + 2 .
x x x x
On peut alors écrire que
f (x) 1 ln |x| 1 5 e e6 5 e e6 5 e e6
= −2 + ln 1 − + 2 . On a lim 1 − + 2 = 1, d’où lim ln 1 − + 2 = 0,
x x x x x x x→+∞ x x x→+∞ x x
1 5 e e6 1 ln |x|
puis lim ln 1 − + 2 = 0; de plus, lim = 0, et l’on sait (cours) que lim = 0.il en résulte
x→+∞ x x x x→+∞ x x→+∞ x
f (x)
que lim = 0, et Cf admet donc, au voisinage de +∞, une branche parabolique de direction Ox.
x→+∞ x
f (x)
De même, lim = 0, et Cf admet donc aussi, au voisinage de −∞, une branche parabolique de direction
x→−∞ x
Ox.
EXERCICE 3
1.a. Pour chaque client, le fait de choisir, ou non, le forfait n◦ 1 constitue une épreuve de Bernoulli de paramètre
1
(il ”achète un de ces trois forfaits au hasard, avec équiprobabilité” - NDLR : c’est drôlement crédible !). Ces
3
épreuves sont indépendantes (”sans être in uencé par les choix des autres clients” - NDLR : c’est plus crédible,
quand même !). Parmi n clients, la variable aléatoire X1 égale au nombre de ceux qui ont choisi le forfait n◦ 1 suit
1
donc la loi binomiale de taille n et de paramètre .
3 - . - .k - .n−k
n 1 2
On a donc X1 (Ω) = [[0, n]], et, pour tout k ∈ [[0, n]], P (X1 = k) = , ce qu’on peut écrire
- . n−k k 3 3
n 2
sous la forme P (X1 = k) = .
k 3n
En résumé, 
 X1 (Ω) = [[0, n]]

- . n−k
n 2

 pour tout k ∈ X 1 (Ω) , P (X 1 = k) =
k 3n
b. On doit savoir que l’espérance d’une variable aléatoire qui suit la loi binomiale de taille n (n ∈ N∗ ) et de
paramètre p (p ∈ ]0, 1[) est égale à np, et sa variance est égale à np (1 − p).
n 1 2 2n
On a donc E (X1 ) = , et V (X1 ) = n × × = .
3 3 3 9
143
c. Il suffit de recopier la réponse à la question 1.a. en changeant ”forfait n◦ 1” en ”forfait n◦ j”, et X1 par Xj , où j
prend n’importe quelle valeur dans l’ensemble {1, 2, 3}. Ainsi :
1
Pour chaque client, le fait de choisir, ou non, le forfait n◦ j constitue une épreuve de Bernoulli de paramètre
3
(il ”achète un de ces trois forfaits au hasard, avec équiprobabilité”). Ces épreuves sont indépendantes (”sans être
in uencé par les choix des autres clients” ), les mêmes remarques que plus haut étant faites quant à la crédibilité
des hypothèses. Parmi n clients, la variable aléatoire Xj égale au nombre de ceux qui ont choisi le forfait n◦ j suit
1
donc la loi binomiale de taille n et de paramètre (ouf !).
3
2.a. Puisque chaque client achète un forfait (aucun ne repart de la boutique en disant qu”’il va ré échir”), on a
2n
X1 + X2 + X3 = n, d’où X1 + X2 = n − X3 . On a donc V (X1 + X2 ) = V (n − X3 ) = V (X3 ) = (rappel :
9
si X est une variable aléatoire admettant une variance, alors, pour tous réels a et b, V (aX + b) = a2 V (X)).
b. On doit savoir que V (X1 + X2 ) = V (X1 ) + V (X2 ) + 2cov (X1 , X2 ).
1
Il en résulte que cov (X1 , X2 ) = (V (X1 + X2 ) − V (X1 ) − V (X2 )). Puisque V (X1 + X2 ) = V (X1 ) =
2
2n
V (X2 ) = , il vient
9
n
cov (X1 , X2 ) = −
9
On doit aussi savoir que, si les variables aléatoires X1 et X2 sont indépendantes, leur covariance est nulle (rappel :
n
la réciproque est fausse). Or, cov (X1 , X2 ) = − 7= 0 (à condition, toutefois, que le nombre n de clients ne soit
9
pas nul). X1 et X2 ne sont donc pas indépendantes.
3. Les X1 clients ayant choisi le forfait n◦ 1 versent, chaque mois, en euros, une somme égale à 10X1 .
Les X2 clients ayant choisi le forfait n◦ 2 versent, chaque mois, en euros, une somme égale à 20X1 .
Les X3 clients ayant choisi le forfait n◦ 3 versent, chaque mois, en euros, une somme égale à 30X1 .
La somme globale mensuelle en euros H, versée par ces n clients à l’opérateur est donc H = 10X1 +20X2 +30X3 .
La linéarité de l’espérance permet alors d’écrire que E (H) = 10E (X1 ) + 20E (X2 ) + 30E (X3 ). Comme
n
E (X1 ) = E (X2 ) = E (X3 ) = , on obtient E (H) = 20n.
3
EXERCICE 4
+
0 si t < 0
Soit f la fonction définie sur R par f (t) = .
e−t si t ≥ 0
1.a. Cas où x < 0

* x
Alors ( ]−∞; x] ⊂ ]−∞; 0[), pour tout élément t de ]−∞; x], f (t) = 0, donc F (x) = f (t) dt = 0.
−∞
Cas où x ≥ 0
* * *
x x x 0 1x
Puisque f est nulle sur ]−∞; 0[, pour x ≥ 0, on a F (x) = f (t) dt = f (t) dt = e−t dt = −e−t 0 =
−∞ 0 0
1 − e−x . +
0 si x < 0
En résumé, F (x) = .
1 − e−x si x ≥ 0
+
0 si x ≤ 0
Remarque : et l’on peut, en fait, écrire, si on le souhaite, F (x) =
1 − e−x si x ≥ 0
b. Au vu de l’expression donnée ci-dessus, on doit reconnaître que f est une densité, et F la fonction de répartition
de la loi exponentielle de paramètre 1.
On considère dès lors une variable aléatoire X de fonction de répartition F est de densité f, et on définit la variable
1
aléatoire Y par la relation Y = X.
2
144
2.a. Puisque X suit la loi exponentielle de paramètre 1, on doit savoir que E (X) = 1 et V (X) = 1 (plus
généralement, si une variable aléatoire suit loi exponentielle de paramètre λ > 0, on doit savoir que son espérance
1 1
vaut , et sa variance vaut 2 ).
λ λ
On doit aussi savoir que, pour tout réel a, E (aX) = aE (X), et V (aX) = a2 V (X).
1 1 1 1 1
Puisque Y = X, on a donc E (Y ) = E (X) = , et V (Y ) = V (X) = .
2 2 2 4 4
- .
1
b. Soit G la fonction de répartition de Y . On a, pour tout réel y, G (y) = P (Y ≤ y), et (Y ≤ y) = X≤y =
2
(X ≤ 2y), donc G (y) = P (X ≤ 2y) = F (2y).
Comme le signe de 2y est le même que celui de y, il résulte de 1.a. que :
+
0 si y < 0
G (y) = −2y .
1−e si y ≥ 0
c. Compte-tenu de b., on reconnaît que Y suit la loi exponentielle de paramètre 2, loi dont une densité g est donnée
par : +
0 si t < 0
f (t) = −2t .
e si t ≥ 0
Remarque : G est dérivable sur ]−∞; 0[ et sur ]0; +∞[. On retrouve l’expression de g en dérivant G sur ]−∞; 0[
et sur ]0; +∞[, et en donnant une valeur arbitraire à g en 0, étant entendu qu’en pratique, on attribue à g (0) une
valeur qui la rende ”la moins discontinue possible”, g (0) = 0 (g est alors continue à gauche de 0, et discontinue à
droite de 0), ou g (0) = 1 (g est alors discontinue à gauche de 0, et continue à droite de 0).
Dans toute la suite de l’exercice la fonction g désigne la densité usuelle de Y .
3. Dans le cadre du suivi des coupures d’électricité dans une ville donnée, on s’intéresse à la fonction h définie sur
R par h (t) = 2f (t) − g (t).
+
0 si t < 0
a. Que dire ? On vérifie, en effet, que h (t) = −t −2t .
2e − 2e si t ≥ 0
b. h est nulle sur ]−∞; 0[, donc continue sur ]−∞; 0[. h est continue sur ]0; +∞[ comme composée de fonctions
continues. ( −t )
De plus, h étant nulle sur ]−∞; 0[, on a lim h = 0, tandis que lim h = lim 2e − 2e−2t = 0; donc
−
0 +
0 +
t→0
lim h = 0 = h (0), h est donc continue en t = 0, et, en définitive, h est continue sur R (rédaction alternative :
0
h étant nulle sur ]−∞; 0[, on a lim
−
h = 0 = h (0), tandis que h est continue à droite de 0 comme composée de
0
fonctions continues à droite de 0, h est donc continue en 0).
Il convient ensuite de comprendre ”h est positive sur R” comme signifiant ”h est positive ou nulle sur R”.
Or, h étant nulle sur R, est positive ou nulle sur R.
D’autre part, pour t ≥ 0, on a 2t ≥ t, donc, la fonction x 6−→ e−x étant décroissante sur R, e−t ≥ e−2t , et l’on en
déduit que 2e−t − 2e−2t ≥ 0, c’est-à-dire h (t) ≥ 0. Finalement, pour tout réel t, h (t) ≥ 0.
c. On sait déjà que h est continue sur R, et positive ou nulle sur R.
On
* +∞sait aussi que f est une densité
* +∞de probabilité de la loi exponentielle de paramètre 1, et que, donc, l’intégrale
f (t) dt converge, avec f (t) dt = 1. De même g est une densité de probabilité de la loi exponentielle
−∞ −∞ * * +∞
+∞
de paramètre 2, et donc l’intégrale g (t) dt converge, avec g (t) dt = 1. Comme, pour tout t,
* +∞−∞ * +∞ −∞ * +∞ * +∞
h (t) = 2f (t) − g (t), l’intégrale h (t) dt converge, avec h (t) dt = 2 f (t) dt − g (t) dt =
−∞ −∞ −∞ −∞
2 − 1 = 1.
En résumé,
• h est continue sur R;
145
• h est positive
* ou nulle sur R; *
+∞ +∞
• l’intégrale h (t) dt converge, avec h (t) dt = 1.
−∞ −∞
On peut alors conclure que h est une densité de probabilité.
On considère alors une variable aléatoire Z de densité h, modélisant le temps d’attente en heures après une coupure
d’électricité jusqu’à rétablissement du courant.
4.a. On vient de remarquer que h = 2f − g. * +∞

On sait, d’autre part, que X admet une espérance, avec E (X) = tf (t) dt = 1, et que Y admet une
* +∞ −∞
1
espérance, avec E (Y ) = tg (t) dt = (rappel : l’espérance d’une variable aléatoire qui suit la loi
−∞ 2
1
exponentielle de paramètre λ > 0 est égale à ).
λ * *
+∞ +∞
Puisque, pour tout t, th (t) = 2tf (t) − tg (t), l’intégrale th (t) dt converge, avec th (t) dt =
* +∞ * +∞ −∞ −∞
1 3 3
2 tf (t) dt − tg (t) dt = 2 − = , c’est-à-dire que E (Z) = .
−∞ −∞ 2 2 2
3
Le temps moyen s’écoulant avant le rétablissement du courant est égal à E (Z), donc à 1h 30 mn (= heures).
2
* 8 7
ln 2 ( ) 1 −2t ln 2 1 −2 ln 2 1 1 1
b. On a e−t − e−2t −t
dt = −e + e = e − e− ln 2 − + 1; comme e− ln 2 = ln 2 = , et
0 2 0 2 2 e 2
* ln 2
1 1 1 ( ) 1 1 1 1
e−2 ln 2 = 2 ln 2 = ln 4 = , on obtient e−t − e−2t dt = − − + 1 = .
e e 4 0 8 2 2 8
* ln 2 * ln 2 * ln 2
( −t ) 1 1
Il en résulte que P (Z ≤ ln 2) = h (t) dt = h (t) dt = 2 e − e−2t dt = 2 × = .
−∞ 0 0 8 4
BCE
BANQUE COMMUNE D’EPREUVES
Conception : ESC CHAMBERY
MATHEMATIQUES
Vendredi 10 MAI 2012 de 8 h à l2 h
N.B.
Il n’est fait usage d’aucun document; l’utilisation de toute calculatrice ou de tout matériel électronique est
interdite.
146
EXERCICE 1
On considère la suite (un )n∈N définie par ses deux premiers termes u0 = 1 et u1 = 2 ainsi que la relation :
1
pour tout entier naturel n, un+2 = un+1 − un
4
- . - . : ;
1 − 14 1 0 un+1
Soit les matrices : A = ,I = et, pour tout entier naturel n, Un = .
1 0 0 1 un
1.a. Montrer que pour tout entier naturel n, Un+1 = AUn .

b. Établir, par récurrence, que pour tout entier naturel n, Un = An U0 .
- . : 1 ;
1 2 2 1
2. On pose P = et T = .
2 0 0 12
a. Vérifier que AP = P T .
b. Établir que pour tout entier naturel n, An P = P T n .
1
3. On pose B = T − I.
2
a. Donner les quatre coefficients de B puis calculer B 2 .
Donner B k pour tout entier k ≥ 2.
1 n
b. En utilisant la formule du binôme, montrer que : ∀n ≥ 1, Tn = I + n−1 B.
2n 2
Cette formule est-elle aussi vraie pour n = 0 ?
c. En déduire, pour tout entier naturel n, les quatre coefficients de T n .
- .
−1 0 12
4.a. Justifier que P est inversible et vérifier que : P = 1 1 .
2 −4
b. Déduire des questions précédentes, pour tout entier naturel n, les quatre coefficients de An .
5. Déterminer, pour tout entier naturel n, une expression de un en fonction de n.
EXERCICE 2
Partie I - Étude d’une fonction
Soit f la fonction définie sur R par : f (x) = x − e−x − 1 et C sa représentation graphique dans un repère
orthonormé d’unité 2 cm.
1.a. Déterminer les limites de f en +∞ et −∞.

b. Établir que C admet une droite asymptote D au voisinage de +∞ et préciser une équation de D.
f (x)
c. Calculer lim . Que pouvez-vous en déduire sur la courbe C ?
x→−∞ x
2. Étudier le sens de variation de f et dresser le tableau des variations de f en y faisant figurer les limites en +∞ et
−∞.
3.a. Établir que l’équation f (x) = 0 admet une unique solution sur R notée α.
b. Justifier que α ∈ [1, 2]. On pourra utiliser les valeurs approchées : e−1 ≃ 0, 4 et e−2 ≃ 0, 1.
147
4. Tracer l’allure de C et de D en faisant figurer le réel α. On pourra utiliser la valeur approchée : α ≃ 1, 3.
Partie II - Approximation de α
On considère la fonction h définie sur R par : h (x) = e−x + 1. On définit également la suite (un )n∈N en posant
u0 = 1 et pour tout entier naturel n, un+1 = h (un ).
1. Montrer que l’équation h (x) = x admet comme unique solution sur R le réel α défini en I.3.
1
2. Montrer que pour tout réel x de [1, 2], − ≤ h′ (x) < 0.
e
1
En déduire que, pour tout réel x de [1, 2], |h′ (x)| ≤ .
e
3.a. Montrer que h est strictement décroissante sur R.
b. Prouver par récurrence que pour tout entier naturel n, 1 ≤ un ≤ 2.
On pourra utiliser les valeurs approchées suivantes : h (1) ≃ 1, 4 et h (2) ≃ 1, 1 .
4.a. Énoncer avec précision le théorème de l’inégalité des accroissements finis.

1
b. Établir que pour tout entier naturel n, |un+1 − α| ≤ |un − α|.
e
1
c. En déduire que pour tout entier naturel n, |un − α| ≤ n .
e
5. Montrer que la suite (un )n∈N est convergente et préciser sa limite.
EXERCICE 3
Un professeur interroge ses élèves en posant une liste de vingt questions. Pour chaque question, il y a trois réponses
possibles, une seule étant la bonne réponse. L’élève A répond au questionnaire. On suppose que :
- L’élève A ne connaît que 60 % de son cours. C’est-à-dire que pour chaque question la probabilité qu’il connaisse
60
la réponse est .
100
- Lorsqu’il ne connaît pas la réponse à une question, il répond au hasard.
- Les questions posées sont mutuellement indépendantes.
On considère les événements

- R : ”l’élève A connaît la réponse à la première question”.
- J : ”l’élève A répond juste à la première question”.
11
1. Montrer en utilisant la formule des probabilités totales que P (J) = .
15
Soit X la variable aléatoire égale au nombre de réponses exactes données par l’élève A aux vingt questions.
2. Reconnaître la loi de X. On donnera les valeurs prises par X et pour chacune de ces valeurs k la valeur de
P (X = k).
3. Donner E (X) et V (X), l’espérance et la variance de X.
4. Pour sanctionner les choix faits au hasard, le professeur décide d’accorder un point par réponse exacte et de
retirer deux points par réponse fausse.
Soit N la variable aléatoire égale à la note obtenue par l’élève A.
148
a. Justifier l’égalité : N = 3X − 40 .
b. En déduire l’espérance de N ainsi que sa variance.
L’élève B répond lui aussi au questionnaire. On suppose que comme l’élève A, il ne connaît que 60 % de son cours.
Mais il choisit de ne répondre qu’aux questions dont il connaît la réponse .
5. Soit Y la variable aléatoire égale au nombre de bonnes réponses de l’élève B.

a. Déterminer la loi de Y .
b. En déduire la note que l’élève B obtient en moyenne.
c. En moyenne, entre l’élève A et l’élève B quelle est la meilleure stratégie pour obtenir une bonne note ?
EXERCICE 4
Dans cet exercice, on s’intéresse à la durée d’un composant électronique comme somme de son temps de stockage
noté X et de son temps de fonctionnement noté Y .
Partie I
On considère un composant électronique pour lequel le temps écoulé (en années) entre la fin de son processus de
fabrication et sa première utilisation est une variable aléatoire X de densité f donnée par :

 f (t) = 1 − 1 t si t ∈ [0, 2]
2
 f (t) = 0 sinon
1. Vérifier que f est une densité de probabilité.
2. Soit F la fonction de répartition de X. Calculer F (x) en distinguant les cas : x < 0, 0 ≤ x ≤ 2 et x > 2.
- . - .
3 3
3. Calculer les probabilités suivantes : P (X ≥ 1), P 1 ≤ X ≤ , et P(X≥1) X ≤ .
2 2
2
4. Montrer que E (X) = .
3
Partie II -
On admet que la durée de vie en années du composant électronique à partir de sa première utilisation est une
variable aléatoire Y de densité g donnée par :

 g (t) = 0 si t < 0
2 2
 g (t) = e− 5 t si t ≥ 0
5
* x
1.a. Calculer pour tout réel x positif, g (t) dt.
0
b. En déduire la fonction de répartition G de Y .
2. Justifier que g est une densité de probabilité d’une loi usuelle. Préciser le paramètre de cette loi. Calculer
l’espérance de Y .
3. Le composant électronique est garanti pendant deux ans à partir de sa première utilisation. Quelle est la
probabilité qu’il dure au-delà de la garantie ?
149
4. Soit Z la variable aléatoire égale au temps en années écoulé entre la fin de fabrication du composant et sa fin de
vie.
a. Exprimer Z en fonction de X et de Y .
b. En déduire le temps moyen écoulé entre la fin de fabrication du composant et sa fin de vie.
Corrigé ESC 2012
EXERCICE 1
On considère la suite (un )n∈N définie par ses deux premiers termes u0 = 1 et u1 = 2 ainsi que la relation :
1
pour tout entier naturel n, un+2 = un+1 − un
4
- . - . : ;
1 − 12 1 0 un+1
Soit les matrices : A = ,I = et, pour tout entier naturel n, Un = .
1 0 0 1 un

 un+2 = un+1 − 1 un
1.a. Pour tout entier naturel n, on a, 4 . Ces relations s’écrivent, de manière matricielle
 un+1 = un+1
- . - .: ;
un+2 1 − 12 un+1
= , c’est-à-dire Un+1 = AUn .
un+1 1 0 un
b. On montre, par récurrence, que, pour tout entier naturel n, Un = An U0 .

Pour n = 0, la formule est vraie : en effet, U0 = A0 U0 (avec la convention A0 = I).
Si l’on suppose que, pour un entier n ≥ 0, quelconque, on a Un = An U0 , on en déduit Un+1 = AUn =
A × An U0 = An+1 Un .
On voit alors que la formule est encore vraie pour l’entier n + 1, et l’on peut alors conclure que, pour tout entier
n ≥ 0, Un = An U0 .
- 1
. - 1
.
2 2 2 2
2. On trouve AP = , et P T = et l’on voit que AP = P T .
1 2 1 2
b. On montre, par récurrence, que, pour tout entier naturel n, An P = P T n .
Pour n = 0, la formule est vraie : en effet, A0 P = P = P T 0 (A0 = T 0 = I).
Si l’on suppose que, pour un entier n ≥ 0, quelconque, on a An P = P T n , on en déduit An+1 P = A × An P =
A × P T n . Puisque AP = P T , ceci entraîne An+1 P = P T × T n = P T n+1 .
On voit alors que la formule est encore vraie pour l’entier n + 1, et l’on peut alors conclure que, pour tout entier
n ≥ 0, An P = P T n .
- 1 . - . - .
1 2 1 1 1 0 0 1
3.a. On trouve B = T − I = 1 − = .
2
- .0 2 2 0 1 0 0
0 0
On obtient ensuite B 2 = , et il en résulte que, pour tout entier k ≥ 2,
-0 0 . - .
k k−2 2 k−2 0 0 0 0
B =B B =B × = .
0 0 0 0
1 1
b. De B = T − I, on déduit T = I + B.
2 2 - . - .
1 1 1 1
Les matrices I et B commutent (B × I = I × B = B). La formule du binôme de Newton permet
2 2 2 2
alors d’écrire, pour tout entier n ≥ 1 :
150
- .n 2n - .- .
1 n 1 n−k k
Bn = I +B = I B . Puisque B k = 0 pour tout k ≥ 2, la somme écrite se réduit à la
2 k 2
k=0
- . - .n - . - .n−1
n n 1 0 n 1
somme des termes correspondant à k = 0 et k = 1, donc T = I B + I B 1 . Puisque
0 2 1 2
- . - . - .n - .n−1
n n 1 0 1 1 1 1 1
= 1, = n, et I B = n I × I = n I, I B 1 = n−1 I × B = n−1 B, on obtient
0 1 2 2 2 2 2 2
n 1 n
finalement T = n I + n−1 B pour tout entier n ≥ 1.
2 2
En fait, la formule ci-dessus est encore vraie pour n = 0. En effet, remplaçant n par 0 dans la formule (sans
1 0
préjuger de la légitimité de ce remplacement), il vient T 0 = 0 I + 1 B, et il ne reste plus qu’à constater que cette
2 2
formule est vraie (elle se réduit à T 0 = I).
Remarque :
Dans la mesure où la formule est donnée, il était possible de la prouver par récurrence. Après l’avoir vérifiée pour
n = 1, et supposée vraie
- pour un entier . -n ≥ 1, on.déduit de cette hypothèse que
1 n 1
T n+1 = T n × T = n
I + n−1 B I + B . Développant, on obtient alors
2 2 2
1 1 n 1 1 n 1 1 1
T n+1 = n × I + n−1 × B × I + n I × B + n−1 B 2 . Comme B 2 = 0, n × I = n+1 I, et
2 2 2 2 2 2 2 2 2
n 1 1 n+1 n+1 1 n+1
× B × I + nI × B = B, il vient T = n+1 I + n B,. On voit que la formule est encore
2n−1 2 2 2n 2 2
vraie pour l’entier n + 1, etc...
Cependant, ce n’est pas ce que l’énoncé attendait, puisque la méthode (application de la formule du binôme de
Newton) était imposée.
c. Effectuant, on trouve, pour tout entier
- naturel.n, - 1 .
1 n 1 n n
0 1
T n = n I + n−1 B = n I + n−1 = 2n 2n−1
1 .
2 2 2 2 0 0 0 2n
4.a. Dans la mesure où l’inverse

- de P.est donnée par l’énoncé, le plus simple est encore de se contenter d’effectuer
0 12
le calcul du produit P × 1 1 , en se gardant, à ce stade, d’écrire P × P −1 (sinon, le calcul lui-même
2 −4
deviendrait super u). : ;
- . - .
0 12 1 0 0 12
On trouve P × 1 1 = = I, et ceci montre que P est inversible, avec P −1 = 1 1 .
2 −4
0 1 2 −4
Bien sûr, on pouvait utiliser la méthode du pivot de Gauss.
b. On a montré que, pour tout entier naturel n, An P = P T n . Multipliant membre à membre, à droite par P −1 , on
obtient An P P −1 = P T n P −1 , c’est-à-dire An = P T n P −1
; . : 1 n+1 ;
- .: 1 n
1 2 2n 2n−1 2n 2n−1
Effectuant, on trouve P T n = 1 = 2 2n , puis
2 0 0 2n 2n 2n−1
: 1 n+1 ; : ; : ;
2n 2n−1 0 12 n+1
2n
n
− 2n+1
An = 2 2n 1 1 = n
2n 2n−1 2 −4 2n−1 − n−1
2n
: ; : ;
u1 2
5. Puisque U0 = , avec u0 = 1 et u1 = 2, on a U0 = . De plus, pour tout entier naturel n,
u0 1
Un = An U0 , donc, effectuant, : ; : n+1 ; : ; : 3n+4 ;
n
un+1 2n − 2n+1 2 2n+1
Un = = n n−1 = 3n+1
un 2n−1 − 2n 1 2n
3n + 1
Il en résulte que, pour tout entier naturel n, un = .
2n
3n + 4
N.B.: et, à titre de vérification, remplaçant n par n + 1, on obtient un+1 = n+1 , ce qui est en accord avec le
2
calcul effectué plus haut.
151
EXERCICE 2
Partie I - Étude d’une fonction
Soit f la fonction définie sur R par : f (x) = x − e−x − 1 et C sa représentation graphique dans un repère
orthonormé d’unité 2 cm.
1.a. lim f (x)

x→+∞
Comme lim x = +∞ et lim e−x = 0, on a lim f (x) = +∞ .

x→+∞ x→+∞ x→+∞
lim f (x)
x→−∞
Comme lim x = −∞ et lim e−x = +∞, on a lim f (x) = −∞ .

x→−∞ x→−∞ x→−∞
b. On voit que, pour tout réel x, f (x) − (x + 1) = −e−x . Donc lim [f (x) − (x + 1)] = lim (−e−x ) = 0, et
x→+∞ x→+∞
il en résulte que C admet la droite D d’équation y = x + 1 comme asymptote au voisinage de +∞.
Remarque : de plus, la place de la courbe C par rapport à D est donnée par le signe de f (x) − (x + 1). Comme
f (x) − (x + 1) = −e−x < 0, la courbe C est toujours au-dessous de D.
f (x) x − e−x − 1 e−x 1
c. Pour tout x < 0, = = 1− − . Le changement de variable t = −x (ou : x = −t) mène
x- . x x x
e −x e t 1 f (x)
à lim = lim − = −∞. De plus, lim = 0. Donc lim = +∞.
x→−∞ x t→+∞ t x→−∞ x x→−∞ x
On en déduit que la courbe C admet, au voisinage de −∞, une branche parabolique de direction Oy.
2. f est définie, continue, et dérivable sur R comme composée de fonctions dérivables, et, pour tout réel x,
f ′ (x) = 1 + e−x > 0.
x −∞ +∞
f ′ (x) +
f −∞ ր +∞
3.a. • f est continue sur R;

• f est strictement croissante sur R;
• lim f = −∞ et lim f = +∞.
−∞ +∞
Selon le théorème de la bijection, f est une bijection de R sur R. En particulier, il existe un unique réel, appelé α
par l’énoncé, tel que f (α) = 0, c’est-à-dire une unique solution réelle α de l’équation f (x) = 0.
b. On trouve f (1) = −e−1 < 0, et f (2) = 1 − e−2 > 0 (par exemple, parce que −2 < 0 entraîne e−2 < 1, ou
1
aussi parce qu’on sait que e > 1, qui entraîne e−2 = 2 < 1).
e
Il n’était absolument pas utile d’utiliser les valeurs approchées données par l’énoncé. Si l’on ne sait pas qu’une
exponentielle est toujours positive...
Puisque f (1) < 0, f (α) = 0, et f (2) > 0, on a α ∈ [1, 2].
4. Tracer l’allure de C et de D en faisant figurer le réel α. On pourra utiliser la valeur approchée : α ≃ 1, 3.
Partie II - Approximation de α
On considère la fonction h définie sur R par : h (x) = e−x + 1. On définit également la suite (un )n∈N en posant
u0 = 1 et pour tout entier naturel n, un+1 = h (un ).
1. L’équation h (x) = x, c’est-à-dire e−x + 1 = x, est équivalente à x − e−x − 1 = 0, c’est-à-dire f (x) = 0. Cette
dernière équation admettant α pour unique solution, il en va de même de l’équation h (x) = x.
152
2. Pour tout réel x, h′ (x) = −e−x . La fonction h′ est croissante sur R (parce que la fonction x 6−→ e−x est
décroissante sur R, ou, parce que h′′ (x) = e−x > 0), donc, pour tout x ≥ 1, h′ (1) ≤ h′ (x), c’est-à-dire
1 1
− ≤ h′ (x). De plus, puisque, pour tout x, e−x > 0, on a h′ (x) < 0, et, finalement, − ≤ h′ (x) < 0.
e e
1
Puisque, pour tout réel x de [1, 2], h′ (x) < 0, on a h′ (x) = − |h′ (x)|. Ainsi, − ≤ − |h′ (x)| < 0, d’où,
e
′ 1
multipliant membre à membre par −1, |h (x)| ≤ .
e
3.a. Pour tout réel x, h′ (x) = −e−x < 0, h est donc strictement décroissante sur R.
b. On montre, par récurrence, que pour tout entier naturel n, 1 ≤ un ≤ 2.
Puisque u0 = 1, la proposition est vraie pour n = 0.
On suppose ensuite, que, pour un entier n ≥ 0, quelconque, on a 1 ≤ un ≤ 2.
h étant décroissante sur R, on en déduit que h (2) ≤ h (un ) ≤ h (1), c’est-à-dire h (2) ≤ un+1 ≤ h (1). Comme
l’énoncé fournit les données h (1) ≃ 1, 4 et h (2) ≃ 1, 1, on voit que h (1) ≤ 2 , et 1 ≤ h (2).
De 1 ≤ h (2), h (2) ≤ un+1 ≤ h (1), et h (1) ≤ 2, on déduit 1 ≤ un+1 ≤ 2. On voit alors quel ’énoncé est encore
vrai pour l’entier n + 1 , et l’on peut alors conclure que, pour tout entier n ≥ 0, 1 ≤ un ≤ 2.
4.a. L’inégalité des accroissements finis affirme que si f est une fonction dérivable sur un intervalle I, et telle que,
pour tout élément x de I, on a |f ′ (x)| ≤ k (où k est un réel fixé), alors, pour tous a et b, éléments de I, on a
|f (b) − f (a)| ≤ k |b − a|.
b. Compte-tenu de 2., on peut appliquer l’inégalité des accroissements finis à la fonction h entre α et un (avec
1
k = ). Il vient
e
1
|h (un ) − h (α)| ≤ |un − α|. Mais h (un ) = un+1 et h (α) = α, et donc, pour tout entier naturel n,
e
1
|un+1 − α| ≤ |un − α|.
e
1
c. On montre, par récurrence, que pour tout entier naturel n, |un − α| ≤ n .
e
1 1
Puisque u0 = 1, et α ∈ [1, 2], on a bien |u0 − α| ≤ 0 ( 0 = 1) , la proposition est donc vraie pour n = 0.
e e
1
On suppose ensuite, que, pour un entier n ≥ 0, quelconque, on a |un − α| ≤ n .
e
1
On a montré en b. que |un+1 − α| ≤ |un − α|.
 e
 1
 |un+1 − α| ≤ |un − α| 1 1 1
e
De 1 on déduit que |un+1 − α| ≤ × n , c’est-à-dire |un+1 − α| ≤ n+1 , l’énoncé

 |un − α| ≤ e e e
en
1
est donc encore vrai pour l’entier n + 1, et l’on peut alors conclure que, pour tout entier n ≥ 0, |un − α| ≤ n .
e
1
5. Comme e > 1, on a lim en = +∞, d’où lim = 0.
n→+∞ n→+∞ en
1
Puisque, pour tout entier n ≥ 0, 0 ≤ |un − α| ≤ , le théorème de l’encadrement permet alors de conclure que
en
la suite (|un − α|)n∈N converge, et lim |un − α| = 0. Il en résulte que lim (un − α) = 0, d’où, puisque
n→+∞ n→+∞
un = α + (un − α), lim un = α (il est peut-être possible d’abréger un peu cette rédaction).
n→+∞
EXERCICE 3
Un professeur interroge ses élèves en posant une liste de vingt questions. Pour chaque question, il y a trois réponses
possibles, une seule étant la bonne réponse. L’élève A répond au questionnaire. On suppose que :
153
- L’élève A ne connaît que 60 % de son cours. C’est-à-dire que pour chaque question la probabilité qu’il connaisse
60
la réponse est .
100
- Lorsqu’il ne connaît pas la réponse à une question, il répond au hasard.
- Les questions posées sont mutuellement indépendantes.
On considère les événements

- R : ”l’élève A connaît la réponse à la première question”.
- J : ”l’élève A répond juste à la première question”.
1. Les événements R et R forment un système complet ( ) d’évènements. La formule des probabilités totales permet
alors d’écrire : P (J) = PR (J) P (R) + PR (J) P R .
On interprète alors les données de l’énoncé.
3 ( ) 2
• L’élève A ne connaît que 60 % de son cours : donc P (R) = 0, 6 = (d’où P R = 0, 4 = ).
5 5
• Lorsqu’il ne connaît pas la réponse à une question, il répond au hasard, et il y a trois réponses possibles : donc
1
PR (J) = .
3
• Lorsqu’il connaît la réponse à une question, il répond évidemment juste : PR (J) = 1.
3 1 2 11
On trouve alors P (J) = 1 × + × = .
5 3 5 15
Soit X la variable aléatoire égale au nombre de réponses exactes données par l’élève A aux vingt questions.
2. L’énoncé affirme que les questions posées sont mutuellement indépendantes.

11
Pour chaque question, la probabilité que l’élève réponde juste à la question est égale à .
15
La variable aléatoire X égale aux nombre de réponses justes fournies par l’élève suit alors la loi binomiale de
11 11
taille 20 et de paramètre (chaque question est une épreuve de Bernoulli de paramètre ,et ces épreuves sont
15 15
mutuellement indépendantes).
- . - .k - .20−k
20 11 4
Ainsi, X (Ω) = [[0, 20]], et, pour tout k ∈ [[0, 20]], P (X = k) = .
- . k k 15 15
20 11 × 420−k
On peut écrire, si on le souhaite P (X = k) = .
k 1520
Remarque : l’énoncé affirme ”les questions posées sont mutuellement indépendantes” contre toute vraisemblance.
Sinon, il faudrait accepter, par exemple, l’idée que le professeur soit susceptible de poser 20 fois la même question,
ou aussi 20 questions portant sur la même partie du programme, ce qui est éloigné de ce qui se produit dans la
réalité.
11 11 44
3. On doit savoir que, puisque X suit la loi binomiale de taille 20 et de paramètre , on a E (X) = 20 × = ,
15 15 3
11 4 176
et que V (X) = 20 × × = .
15 15 45
4. Pour sanctionner les choix faits au hasard, le professeur décide d’accorder un point par réponse exacte et de
retirer deux points par réponse fausse.
Soit N la variable aléatoire égale à la note obtenue par l’élève A.

a. Le nombre de réponses exactes données par l’élève est égal à X.
Puisque le professeur accorde un point par réponse exacte, ces X réponses justes rapportent à l’élève un total égal
à X points.
Mais il y a 20 questions, et le nombre de réponses fausses données par l’élève est donc égal à 20 − X. Chacune de
ces réponses fausses coûte 2 points à l’élève.
Le nombre total de points ôtés par suite de réponse fausse est donc égal à 2 (20 − X) .
Il en résulte que la note finale N obtenue par l’élève vérifie N = X − 2 (20 − X) = 3X − 40 .
b. On doit savoir que, si a et b sont deux réels fixés, on a E (aX + b) = aE (X) + b et V (aX + b) = a2 V (X).
154
44 176 176
En particulier, puisque N = 3X − 40, on a E (N) = 3E (X) − 40 = 3 × − 40 = 4, et V (X) = 9× = .
3 45 5
L’élève B répond lui aussi au questionnaire. On suppose que comme l’élève A, il ne connaît que 60 % de son cours.
Mais il choisit de ne répondre qu’aux questions dont il connaît la réponse .
5. Soit Y la variable aléatoire égale au nombre de bonnes réponses de l’élève B.

a. Puisque l’élève ne répond qu’aux questions dont il connaît la réponse, la probabilité qu’il réponde juste à une
3
question donnée est égale à (= 0, 6). La variable aléatoire égale au nombre de réponses justes suit alors la loi
5
3
binomiale de taille 20 et de paramètre .
5
3
b. La note que l’élève B obtient en moyenne est alors égale à E (Y ). Or E (Y ) = 20 × = 12.
5
c. La meilleure stratégie est celle pour laquelle l’espérance est la plus grande. C’est donc la stratégie de l’élève B.
Remarque : on peut penser que c’est ce que l’énoncé veut dire, bien que ”la meilleure stratégie pour obtenir une
bonne note” ne soit pas synonyme de ”la meilleure stratégie pour obtenir la plus forte espérance de note”.
EXERCICE 4
Dans cet exercice, on s’intéresse à la durée d’un composant électronique comme somme de son temps de stockage
noté X et de son temps de fonctionnement noté Y .
Partie I
On considère un composant électronique pour lequel le temps écoulé (en années) entre la fin de son processus de
fabrication et sa première utilisation est une variable aléatoire X de densité f donnée par :

 f (t) = 1 − 1 t si t ∈ [0, 2]
2
 f (t) = 0 sinon
1. • f est nulle sur ]−∞; 0[et sur ]2; +∞[, donc positive ou nulle sur ces intervalles.
1 1
de plus, pour tout élément t de [0; 2], on a t ≤ 2, d’où 1 − t ≥ 0.
2 2
Ainsi, pour tout réel t, f (t) ≥ 0.
1
• f est nulle sur ]−∞; 0[et sur ]2; +∞[, donc continue sur ces intervalles. De plus, la fonction t 6−→ 1 − t est
2
continue sur ]0; 2[ en tant que fonction polynôme.
De plus, f étant nulle sur ]−∞; 0[et sur ]2; +∞[, on a lim f = lim f = 0, et, d’autre part,
8 7 8 70− 2+
1 1
lim f = lim 1 − t = 1, et lim f = lim 1 − t = 0, de sorte que
0+ t→0+ 2 2− t→2− 2
lim f = 0 = f (2), f est continue en t = 2.
2
En résumé, f est continue en tout point de R, sauf en t = 0, avec lim fn = 0 et lim fn = 1.
0− 0+
* +∞
• f étant nulle sur ]−∞; 0[ et sur ]2; +∞[, l’intégrale f (t) dt est convergente, et
* +∞ * 2 * 2- . 8 −∞ 72
1 1
f (t) dt = f (t) dt = 1 − t dt = t − t2 = 1.
−∞ 0 0 2 4 0
On peut alors conclure que la fonction fn peut être considérée comme une densité de probabilité.
* x
2. On a, pour tout réel x, F (x) = P (X ≤ x) = f (t) dt.
−∞
155
* x
• f étant nulle sur ]−∞; 0[, pour tout x < 0, F (x) = f (t) dt = 0;
* x * x - −∞ . 8 7x
1 1 2 1
• si 0 ≤ x ≤ 2, on a F (x) = f (t) dt = 1 − t dt = t − t = x − x2 ;
2 4 4
* x −∞ * 1- 0 . 0
1
• si x > 2, on a F (x) = f (t) dt = 1 − t dt = 1.
 −∞ 0 2

 0 si x < 0
1
En résumé, F (x) = x − x2 si 0 ≤ x ≤ 2

 4
1 si x > 2


 0 si x ≤ 0
1 2
(et, F étant continue sur R, on peut, si on le souhaite, écrire F (x) = x − x si 0 ≤ x ≤ 2 - des inégalités

 4
1 si x ≥ 2
larges plutôt que strictes-).
3. X étant une variable à densité, on a P (X ≥ 1) = 1 − P (X < 1) = 1 − P (X ≤ 1).

3 1
• Comme P (X ≤ 1) = F (1) = , on a P (X ≥ 1) = .
4 - .4 - .
3 3
• On a aussi (calculs un peu plus détaillés) X ≤ = (X < 1) ∪ 1 ≤ X ≤ , et les événements
- . 2 - .2 - .
3 3 3
(X < 1) sont incompatibles, donc P X ≤ = P (X < 1) + P 1 ≤ X ≤ , d’où P 1 ≤ X ≤ =
- . - 2. - . 2 2
3 3 3
P X≤ − P (X < 1). On a P X ≤ =F , et, X étant une variable à densité, P (X < 1) = F (1),
- 2 . - . 2 2
3 3 15 3 3
donc P 1 ≤ X ≤ =F − F (1) = − = .
2 2 8- . 16 4 716
3
- . P X≤ ∩ (X ≥ 1) - . - .
3 2 3 3
• Enfin, P(X≥1) X ≤ = . Mais X ≤ ∩ (X ≥ 1) = 1 ≤ X ≤ , donc
2- .P (X ≥ 1) 2 2
3
- . P 1≤X ≤ - . 3
3 2 3 3
P(X≥1) X ≤ = . Les calculs précédents mènent alors à P(X≥1) X ≤ = 16
1 = .
2 P (X ≥ 1) 2 4
- . - . 4
1 3 3 3 3
En résumé, P (X ≥ 1) = , P 1 ≤ X ≤ = , P(X≥1) X ≤ = .
4 2 16 2 4
* +∞
4. f étant nulle sur ]−∞; 0[ et sur ]2; +∞[, l’intégrale tf (t) dt est convergente. X admet donc une
* +∞ * 2 −∞
* 2 - . - .
1 1 1
espérance, et E (X) = tf (t) dt = tf (t) dt = t 1 − t dt. Écrivant que t 1 − t = t − t2 ,
−∞ 0 0 2 2 2
il vient : * - . 8 7
2
1 2 1 2 1 3 2 2
E (X) = t − t dt = t − t = .
0 2 2 6 0 3
Partie II -
On admet que la durée de vie en années du composant électronique à partir de sa première utilisation est une
variable aléatoire Y de densité g donnée par :

 g (t) = 0 si t < 0
2 −2t
 g (t) = e 5 si t ≥ 0
5
* x * x 8 7
2 −2t 2 x 2
−5t
1.a. Pour tout réel x positif, g (t) dt = e 5 dt = e = 1 − e− 5 x .
0 0 5 0
156
* x
b. Puisque g est nulle sur ]−∞; 0[, on, pour tout x < 0, G (x) = 0, tandis que, pour x ≥ 0, G (x) = g (t) dt =
* x −∞
2
g (t) dt = 1 − e− 5 x .
0 +
G (x) = 0 si x < 0
En résumé, 2
G (x) = 1 − e− 5 x si t ≥ 0
2. Question mal posée. On n’a pas à ”calculer” l’espérance de Y , c’est du cours (il est cependant conseillé à un
candidat de refaire la preuve du cours).
2
On reconnaît que g est une densité de probabilité de la loi exponentielle de paramètre . On doit savoir (et savoir
5
1 5
retrouver, comme l’énoncé y invite) que E (Y ) = 2 = (voir le cours).
5
2
3. La probabilité que le composant électronique dure au-delà de la garantie est en fait la probabilité qu’il dure plus
de deux ans, c’est-à-dire P (Y > 2).
4
Or, P (Y > 2) = 1 − P (Y ≤ 2) = 1 − G (2) = e− 5 (impossible de faire mieux sans valeur numérique donnée
par l’énoncé).
4. Soit Z la variable aléatoire égale au temps en années écoulé entre la fin de fabrication du composant et sa fin de
vie.
a. Z est la somme du temps écoulé entre la fin de son processus de fabrication et sa première utilisation et du temps
écoulé à partir de sa première utilisation. Donc Z = X + Y .
b. On cherche le temps moyen écoulé entre la fin de fabrication du composant et sa fin de vie, c’est-à-dire E (Z).
2
La linéarité de l’espérance permet d’écrire E (Z) = E (X + Y ) = E (X) + E (Y ) . Comme E (X) = et
3
5 2 5 19
E (Y ) = , on obtient E (Z) = + = (temps exprimé en année).
2 3 2 6
BCE
BANQUE COMMUNE D’EPREUVES
Conception : ESC CHAMBERY
MATHEMATIQUES
Vendredi 10 mai 2013, de 14 h à 18 h

entreront pour une part importante dans l’appréciation des copies.
Les candidats sont invités à encadrer dans la mesure du possible les résultats de leurs calculs.
Ils ne doivent faire usage d’aucun document : l’utilisation de toute calculatrice et de tout matériel électronique est
interdite.
Si au cours de l’épreuve, un candidat repère ce qui lui semble être une erreur d’énoncé, il la signalera sur sa copie
et poursuivra sa composition en expliquant les raisons des initiatives qu’il sera amené à prendre
157
EXERCICE 1
- .
2 1
Soit M la matrice . On considère les deux suites (an )n∈N et (bn )n∈N définie par leurs premiers termes
0 2
a0 = 0 et b0 = 1 et les relations :
an+1 = 2an + bn et bn+1 = 2bn , pour tout entier n ∈ N
- .
bn an
1. Montrer par récurrence que Mn = , pour tout entier naturel n.
0 bn
2. Justifier que (bn )n∈N est une suite remarquable. En déduire, pour tout entier naturel n, une expression de bn en
fonction de n.
Établir que pour tout entier naturel n, on a an+1 = 2an + 2n .
an
3. Soit (cn )n∈N la suite définie par cn = , pour tout entier naturel n.
2n
1
a. Justifier que (cn )n∈N est arithmétique de raison et donner son premier terme.
2
b. En déduire une expression de cn en fonction de n pour tout entier naturel n.
c. Déduire des questions précédentes que pour tout entier n ∈ N, on a : an = n2n−1 .
4. En déduire les quatre coefficients de M n pour tout entier naturel n.
5. Application au calcul d’une somme

a. Justifier que les termes de la suite (an )n∈N vérifient :
ak = ak+1 − ak − 2k , pour tout entier naturel k
n
2
b. Montrer que pour tout entier n ∈ N, on a : (ak+1 − ak ) = an+1 .
k=0
n
2
c. Pour tout entier naturel n, calculer 2k .
k=0
n
2
d. Déduire des questions précédentes et de 3.c. que k2k−1 = (n − 1) 2n + 1, pour tout n ∈ N.
k=0
6. Application au calcul des puissances d’une autre matrice

- . - .
5/2 1/2 1 1
On considère les matrices A = et P = .
−1/2 3/2 −1 1
a. Montrer en utilisant la méthode du pivot de Gauss que P est inversible et calculer P −1 .
b. Vérifier que P −1 AP = M.
c. Établir que P −1 An P = M n , pour tout entier naturel n. En déduire les 4 coefficients de An .
EXERCICE 2
On considère la fonction f définie sur ]0, +∞[ par f (x) = ln (x) − 2x + 3, pour tout x ∈ ]0, +∞[.
On note C sa représentation graphique dans un repère orthonormé d’unité 2 cm.
1.a. Calculer lim f (x). Que pouvez-vous en déduire sur la courbe C ?

x→0
158
b. Calculer lim f (x).
x→+∞
2. Calculer f ′ (x) pour tout réel x > 0. Dresser

( 1le
) tableau des variations de f. On fera figurer les limites aux
bornes. On déterminera aussi l’expression de f 2 et on en donnera une valeur approchée. On donne ln (2) ≃ 0, 7.
3. Établir que f est concave sur ]0, +∞[.
4.a. Déterminer une équation de la tangente T à la courbe C au point d’abscisse 1.

b. Justifier sans calcul que T est située au-dessus de C sur ]0, +∞[.
5.a. Montrer que l’équation f (x) = 0 admet exactement deux solutions α et β dans ]0, +∞[ avec α < β.
b. Justifier que β ∈ ]1, 2[.
6. Tracer l’allure de C et de T . On donne α ≃ 0, 06 et β ≃ 1, 79.
EXERCICE 3
Une entreprise fabrique en série des balles de ping-pong à l’aide de deux machines A et B. La machine A fabrique
un tiers des éléments, les autres étant produits par la machine B.
Certaines balles fabriquées présentent un défaut. C’est le cas pour 12 % des balles fabriquées par la machine A et
pour 9 % des balles fabriquées par la machine B.
À la sortie des machines les balles arrivent dans le désordre sur un tapis roulant. Ce qui fait que si l’on prend une
1
balle au hasard à la sortie du processus de fabrication, la probabilité qu’elle provienne de A est et la probabilité
3
2
qu’elle provienne de B est .
3
Partie I
1.a. On prélève sur le tapis roulant une balle au hasard. On définit les événements :
- A : la balle provient de la machine A ;
- B : la balle provient de la machine B ;
- D : la balle prélevée présente un défaut.
1
Montrer en utilisant la formule des probabilités totales que P (D) = .
10
b. On constate que la balle prélevée présente un défaut. Quelle est la probabilité qu’elle provienne de la machine A
?
2. On se donne un entier naturel n non nul et on suppose maintenant que l’on prélève n balles au hasard à la sortie
du tapis roulant. Les prélèvements successifs sont supposés indépendants les uns des autres. Soit X la variable
aléatoire égale au nombre de balles défectueuses prélevées.
a. Justifier que X suit une loi binomiale et préciser ses paramètres. Donner les valeurs prises par X et pour chacune
de ses valeurs k la valeur de P (X = k).
b. Déterminer, en fonction de n, les valeurs de E (X) et de V (X).
Partie II
1. On suppose dans cette question que n = 30. On admet que dans ce cas, on peut approcher la variable aléatoire
X par une variable aléatoire Y suivant une loi de Poisson de paramètre λ.
a. Quelle doit être la valeur du paramètre λ ?
b. Préciser les valeurs prises par Y pour chacune de ses valeurs k la valeur de P (Y = k).
159
c. On donne dans le tableau suivant les valeurs de P (Y = k) lorsque Y suit une loi de Poisson pour certains
paramètres λ.
Déterminer une valeur approchée de la probabilité d’avoir au moins une balle présentant un défaut parmi les 30
balles prélevées.
k 0 1 2 3 4 5 6 7
λ
1 0, 3679 0, 3679 0, 1839 0, 0613 0, 0153 0, 0031 0, 0005 0, 0001
2 0, 1353 0, 2707 0, 2707 0, 1804 0, 0902 0, 0361 0, 0120 0, 0034
3 0, 0498 0, 1494 0, 2240 0, 2240 0, 1680 0, 1008 0, 0504 0, 0216
2. On suppose dans cette question que n = 3600.

( On admet
) que l’on peut approcher la variable aléatoire X par une
variable aléatoire Z suivant une loi normale N m, σ2 .
a. Déterminer les paramètres m et σ2 de la loi Z pour que X et Z aient la même espérance et la même variance.
On donne 324 = 182 .
Z −m
b. On admet qu’alors suit une loi normale N (0, 1). Calculer en utilisant la table ci-dessous la probabilité
σ
qu’il y ait au moins 396 balles défectueuses parmi les 3600 balles prélevées.
* x - 2.
1 t
Valeurs de Φ (x) = √ exp − dt pour certaines valeurs de x.
2π −∞ 2
x 1, 5 1, 6 1, 7 1, 8 1, 9 2 2, 1 2, 2 2, 3
Φ (x) 0, 9332 0, 9452 0, 9554 0, 9641 0, 9713 0, 9772 0, 9821 0, 9861 0, 9893
EXERCICE 4
,
f (t) = 0 si t < 1
On considère la fonction f définie sur R par −2t+2
f (t) = 2e si t ≥ 1
* A
1.a. Calculer, pour tout réel A ≥ 1, IA = e−2t dt. En déduire lim IA .
1 A−→+∞
b. Établir que f est une densité de probabilité.
Soit X une variable aléatoire ayant f comme densité de probabilité.
2. Montrer que la fonction de répartition de X est la fonction F définie par :

F (x) = 0 si x < 1 et F (x) = 1 − e−2x+2 si x ≥ 1
3.a. Calculer les probabilités P (X ≥ 2), P (X ≤ 3), P (2 ≤ X ≤ 3).

b. Calculer P(X≥2) (X ≤ 3).
* A
4. Soit A un réel supérieur ou égal à 1. On pose JA = te−2t dt.
1
a. Calculer JA en faisant une intégration par parties.
b. Calculer lim JA . On admettra que lim Ae−2A = 0.
A−→+∞ A−→+∞
c. En déduire que X admet une espérance et la calculer.
5. On considère la variable aléatoire Y = X − 1. On note G sa fonction de répartition.
160
a. Montrer que pour tout réel y, G (y) = F (y + 1).
b. En déduire l’expression de G (y) en distinguant les cas y < 0 et y ≥ 0.
Justifier que G est la fonction de répartition d’une loi usuelle que l’on précisera.
c. Calculer V (Y ).
d. Déduire des questions précédentes que X admet une variance et la calculer.
EXERCICE 1
- .
2 1
Soit M la matrice . On considère les deux suites (an )n∈N et (bn )n∈N définie par leurs premiers termes
0 2
a0 = 0 et b0 = 1 et les relations :
an+1 = 2an + bn et bn+1 = 2bn , pour tout entier n ∈ N
- .
bn an
1. On montre par récurrence que, pour tout entier naturel n, Mn = .
-0 bn .
1 0
Par convention, on a M 0 = I (où I est la matrice-unité d’ordre 2, I = ). D’autre part, a0 = 0 et b0 = 1,
- . - . 0 1
b0 a0 1 0
donc = .
0 b0 0 1
- .
0 b0 a0
On voit donc que M = , l’énoncé est donc vrai pour n = 0.
0 b0 - .
n bn an
On suppose alors que, pour un entier n ≥ 0, quelconque, on a M = .
0 bn
- .- . - .
n+1 n bn an 2 1 n+1 2bn 2an + bn
On en déduit que M = M ×M = , d’où, effectuant, M = .
0 bn 0- 2 . 0 2bn
bn+1 an+1
Mais 2bn = bn+1 et 2an + bn = an+1 , et donc M n+1 = , l’énoncé est donc encore vrai pour
0 bn+1 - .
n bn an
l’entier n + 1, et ceci permet de conclure que, pour tout entier n ≥ 0, M = .
0 bn
2. Puisque, pour tout entier n ≥ 0, bn+1 = 2bn , la suite (bn )n∈N est géométrique, de raison 2. Il en résulte que,
pour tout entier n ≥ 0, bn = 2n b0 = 2n .
La relation an+1 = 2an + bn fournit alors, pour tout entier naturel n, an+1 = 2an + 2n .
an
3. Soit (cn )n∈N la suite définie par cn = , pour tout entier naturel n.
2n
an+1 2an + 2n an 1 1
a. Pour tout entier naturel n, on a cn+1 = n+1 = n+1
= n + = cn + , la suite (cn )n∈N est donc
2 2 2 2 2
1 a0
arithmétique de raison ; de plus, c0 = 0 = 0.
2 2
1 1 1
b. Puisque la suite (cn )n∈N est arithmétique de raison , on a, pour tout entier n ≥ 0, cn = c0 + n = n.
2 2 2
an 1
c. De cn = n , on déduit an = 2n cn = n × 2n = n2n−1 .
2 2
4. On -
a montré que,
. pour tout entier -n ≥ 0, an = .n2n−1 , et bn = 2n . Substituant dans la relation
bn an n
2 n2 n−1
Mn = , on obtient M n = .
0 bn 0 2n
5. Application au calcul d’une somme
161
a. Pour tout entier k ≥ 0, on a ak+1 = 2ak + 2k . Il en résulte (transposer ak + 2k - du membre de droite vers le
membre de gauche) ak+1 − ak − 2k = ak .
n
2
b. La relation (ak+1 − ak ) = an+1 peut être prouvée par récurrence.
k=0
n
2 n
2 n
2 n
2 n+1
2
Mais on peut aussi écrire que (ak+1 − ak ) = ak+1 − ak . Or, ak+1 = ak , d’où, simplifiant,
k=0 k=0 k=0 k=0 k=1
n
2
(ak+1 − ak ) = an+1 − a0 = an+1 , puisque a0 = 0.
k=0
n
2 xn+1 − 1
c. On doit savoir que, pour tout entier n ≥ 0, et tout réel x 7= 1, xk = . Faisant x = 2, on obtient
x−1
k=0
n
2 2n+1 − 1
2k = = 2n+1 − 1.
2−1
k=0
d. Puisque ak = k2k−1 , on a, en utilisant a.,

2n 2n 2 n n n
k−1
( k
) 2 2
k2 = ak = ak+1 − ak − 2 = (ak+1 − ak ) − 2k .
k=0 k=0 k=0 k=0 k=0
n
2 n
2
Mais, par b., (ak+1 − ak ) = an+1 = (n + 1) 2n , et, par c., 2k = 2n+1 − 1. On obtient donc
k=0 k=0
n
2 ( )
k2k−1 = (n + 1) 2n − 2n+1 − 1 .
k=0 ( )
n − 2n+1 − 1 = (n − 1) 2n + 1.
Il reste à s’assurer (que (n + 1)
) 2
Or, (n + 1) 2n( − 2n+1)− 1 = n2n + 2n − 2n+1 + 1, et 2n − 2n+1 = 2n (1 − 2) = −2n , donc
(n + 1) 2n − 2n+1 − 1 = n2n − 2n + 1 = (n − 1) 2n + 1.
2n
Finalement, pour tout entier n ≥ 0, k2k−1 = (n − 1) 2n + 1.
k=0
6. Application au calcul des puissances d’une autre matrice

- . - .
5/2 1/2 1 1
On considère les matrices A = et P = .
−1/2 3/2 −1 1
a. On montre, par la méthode du pivot de Gauss que P est inversible et l’on calcule P −1 .
1 1 1 0
Par L2 ←− L2 + L1 , on obtient :
−1 1 0 1
1 1 1 0
Par L1 ←− 2L1 − L2 , on obtient :
0 2 1 1
+
2 0 1 −1 L1 ←− 12 L1
Par , on obtient :
0 2 1 1 L2 ←− 12 L2
1
1 0 2 − 12
1 1
0 1 2 2 - 1
. - .
− 12 1 1 1
On a alors montré que P est inversible, avec P −1 = 2
1 1 = .
2 2 2 −1 1
- . - .
2 3 −1 2 1
b. On trouve AP = , puis P AP = = M.
−2 1 0 2
c. On montre, par récurrence, que, pour tout entier n ≥ 0, P −1 An P = M n .
Cas n = 0
P −1 A0 P = P −1 IP = P −1 P = I, tandis que M 0 = I, la formule est donc vraie pour n = 0.
162
On a d’ailleurs aussi montré, en b. qu’elle est également vraie pour n = 1, puisque P −1 A1 P = P −1 AP , et
M 1 = M.
On suppose alors que, pour un entier n (≥ 1, quelconque,
) ( on a) P −1 An P =(M n . )
On en déduit M n+1 = M n × M = P −1 An P P −1 AP = P −1 An P P −1 AP = P −1 An IAP =
P −1 An AP = P −1 An+1 P , ce qui montre que la formule est encore vraie pour l’entier n + 1, et permet de conclure
que, pour tout entier n ≥ 0, P −1 An P = M n .
Multipliant membre à membre la relation P −1 An P = M n , à gauche par P , et à droite par P −1 , on obtient
P P −1 An P P −1 = P M n P −1 , d’où An = P M n P −1 . - .
n 2n n2n−1
Or, on a montré que, pour tout entier naturel n, M = . Effectuant, on trouve
- n . - . 0 - 2n . -
2 n2n−1 2n n2n−1 + 2n n 2n n2n−1 + 2n −1 1 n2n−1 + 2n+1 n2n−1
P = , puis A = P =
0 2n −2n 2n − n2n−1 −2n 2n − n2n−1 2 −n2n−1 2n+1 − n2
- .
1 n2n−1 + 2n+1 n2n−1
Conclusion : pour tout entier n ≥ 0, An = n−1 n+1 .
2 −n2 2 − n2n−1
Il est conseillé de vérifier le résultat en remplaçant, notamment, n par 0 , puis par 1.
Commentaire général sur le problème

Dans ce problème, on fait beaucoup de bruit pour pas grand chose.
n
2
En 5.d. l’énoncé fournit la formule k2k−1 = (n − 1) 2n + 1, et en propose une méthode de démonstration.
k=0
Or, dans la mesure où la formule est donnée, il est bien plus simple de la prouver par récurrence. L’ayant prouvée
n+1
2 2n
pour n = 0, et supposée vraie pour un entier n ≥ 0, quelconque, on écrit k2k−1 = k2k−1 + (n + 1) 2n =
k=0 k=0
(n − 1) 2n + 1 + (n + 1) 2n = 2n2n + 1 = n2n+1 + 1, et hop.
Mais, mieux encore, l’objectif des 5 premières questions est clairement le calcul effectif de M n sous la forme d’un
tableau de nombres. - . - .
0 1 0 0
Or, il suffisait, pour cela, de remarquer que M = 2I + N, où N = . On trouve N 2 = ,
0 0 0 0
d’où, pour tout k ≥ 2, N k = N 2 × N k−2 = 0 × N k−2 = 0. Comme les matrices 2I et N commutent
((2I) × N = N × (2I) = 2N) la formule du binôme de Newton permet d’écrire, pour tout n ≥ 1,
2n - .
n
M n = (2I + N)n = (2I)n−k N k . Dans cette dernière somme, tous les termes correspondant
k
k=0
à- k.≥ 2 étant nuls, la somme se réduit aux termes correspondant à k = 0,-et k = 1, donc n
- . n n−1
. M =
n n 2 n2
(2I)n N 0 + (2I)n−1 N 1 = 2n I + n2n−1 N, d’où effectuant, M n = .
0 1 0 2n
EXERCICE 2
On considère la fonction f définie sur ]0, +∞[ par f (x) = ln (x) − 2x + 3, pour tout x ∈ ]0, +∞[.
On note C sa représentation graphique dans un repère orthonormé d’unité 2 cm.
1.a. Par "calculer lim f (x)", il faut entendre "calculer lim+ f (x)" .
x→0 x→0
On a lim+ ln (x) = −∞, et lim (−2x + 3) = 3, donc lim+ f (x) = −∞.
x→0 x→0 x→0
Il en résulte que la courbe C admet l’axe des ordonnées comme asymptote verticale.
- .
ln (x) ln (x)
b. Pour tout x > 0, f (x) = x − 2 + 3. On sait (cours) que lim = +∞, donc
- . x - . x
x→+∞
ln (x) ln (x)
lim − 2 = −2. Comme lim x = +∞, on a lim x − 2 = −∞.
x→+∞ x 8 x→+∞
- . 7 x→+∞ x
ln (x)
Finalement, lim f (x) = lim x − 2 + 3 = −∞.
x→+∞ x→+∞ x
163
1 1 − 2x
2. Pour tout réel x > 0, f ′ (x) = −2 = . Comme x > 0, f ′ (x) est du signe de 1 − 2x (il convenait de
x x
au même dénominateur pour étudier le signe de f ′ (x), car ce signe n’était pas apparent).
réduire 
 1


 si 0 < x < , alors f ′ (x) > 0
 2
 -1.

Ainsi : f′ =0

 2

 1


 si x > , alors f ′ (x) < 0
2
1
x 0 2 +∞
f ′ (x) ; + (1) −
f ; −∞ ր2 f −∞ ց
- .
1 1 1
Et l’on a f = ln − 2 × + 3 = 2 − ln 2 ≃ 1, 3, à l’aide de la valeur approchée ln (2) ≃ 0, 7 fournie par
2 2 2
l’énoncé (on a noté ln 2, plutôt que ln (2)).
1
3. f est deux fois dérivable sur ]0, +∞[ comme composée de fonctions deux fois dérivables, et f ′′ (x) = − 2 < 0
x
pour tout x ∈ ]0, +∞[, f est donc concave sur ]0, +∞[.
4.a. Une équation de la tangente à la courbe C au point d’abscisse x0 est y = f ′ (x0 ) (x − x0 ) + f (x0 ). Comme
on trouve f (1) = 1, et f ′ (1) = −1, une équation de la tangente T à la courbe C au point d’abscisse 1 est
y = − (x − 1) + 1, c’est-à-dire y = −x + 2.
b. Il suffit de savoir que f est concave sur ]0, +∞[, pour conclure que T est située au-dessus de C sur ]0, +∞[.
7 7
1
5.a. • f est continue sur 0, ;
2 7 7
1
• f est strictement croissante sur 0, ;
- . 2
1
• lim+ f (x) = −∞ et f = 2 − ln 2.
x→0 2 7 7
1
Le théorème de la bijection affirme que f détermine une bijection de 0, sur ]−∞, 2 − ln 2]. En particulier,
7 7 2
1
puisque 2 − ln 2 > 0, il existe un unique élément α ∈ 0, tel que f (α) = 0, c’est-à-dire une unique solution α
7 7 2
1
de l’équation f (x) = 0 sur 0, .
2
De même : 8 8
1
• f est continue sur , +∞ ;
2 8 8
1
• f est strictement croissante sur , +∞ ;
- . 2
1
•f = 2 − ln 2 et lim f (x) = −∞.
2 x→+∞
8 8
1
Le théorème de la bijection affirme que f détermine une bijection de , +∞ sur ]−∞, 2 − ln 2]. En particulier,
8 8 2
1
puisque 2 − ln 2 > 0, il existe un unique élément β ∈ , +∞ tel que f (β) = 0, c’est-à-dire une unique solution
8 8 2
1
β de l’équation f (x) = 0 sur , +∞ .
2
De plus, on trouve f (1) = 1 > 0, et f (2) = ln 2 − 1 < 0 (ln 2 − 1 ≃ −0, 3) , donc β ∈ ]1, 2[.
6. Allure de C et de T .
164
y
5
1 2 3 4 5
x
-5
EXERCICE 3
Une entreprise fabrique en série des balles de ping-pong à l’aide de deux machines A et B. La machine A fabrique
un tiers des éléments, les autres étant produits par la machine B.
Certaines balles fabriquées présentent un défaut. C’est le cas pour 12 % des balles fabriquées par la machine A et
pour 9 % des balles fabriquées par la machine B.
À la sortie des machines les balles arrivent dans le désordre sur un tapis roulant. Ce qui fait que si l’on prend une
1
balle au hasard à la sortie du processus de fabrication, la probabilité qu’elle provienne de A est et la probabilité
3
2
qu’elle provienne de B est .
3
Partie I
1.a. Les événements A et B forment un système complet d’événements (chaque balle est fabriquée
par l’une des machines A, B et une seule). La formule des probabilités totales permet donc d’écrire :
P (D) = PA (D) P (A) + PB (D) P (B).
Mais :
1
• la machine A fabrique un tiers des éléments, les autres étant produits par la machine B : donc P (A) = et
3
2
P (B) = ;
3
• 12 % des balles fabriquées par la machine A présentent un défaut : donc PA (D) = 0, 12 ;
• 9 % des balles fabriquées par la machine B présentent un défaut : donc PB (D) = 0, 09.
1 2 1
Substituant, on obtient P (D) = 0, 12 × + 0, 09 × = 0, 1 = .
3 3 10
b. On cherche probabilité qu’elle provienne de la machine A, sachant que balle prélevée présente un défaut,
c’est-à-dire PD (A).
1
P (D ∩ A) PA (D) P (A) 0, 12 ×
On a PD (A) = = = 3 = 0, 04 = 0, 4 = 4 .
P (D) P (D) 1 1 10
10 10
2. On se donne un entier naturel n non nul et on suppose maintenant que l’on prélève n balles au hasard à la sortie
du tapis roulant. Les prélèvements successifs sont supposés indépendants les uns des autres. Soit X la variable
aléatoire égale au nombre de balles défectueuses prélevées.
165
a. Lorsqu’on effectue n prélèvements d’une boule à la sortie du tapis roulant, et qu’on examine si chacune de ces
1
balles est défectueuse, on effectue n épreuves de Bernoulli de même paramètre . Ces épreuves sont supposées
10
indépendantes par l’énoncé. On doit alors savoir que le nombre de succès, c’est-à-dire le nombre de balles prélevées
1 1
présentant un défaut suit la loi binomiale de paramètres n et ("de taille n et de paramètre ").
10 - . -10 .k - .n−k
n 1 9
On doit aussi savoir qu’alors X (Ω) = [[0, n]], et, pour tout k ∈ [[0, n]], P (X = k) = =
k 10 10
- . n−k - .k - .n−k
n 9 1 9 1 9n−k 9n−k
( = × = ).
k 10n 10 10 10k 10n−k 10n
b. On doit savoir qu’une variable aléatoire qui suit la loi binomiale de taille n et de paramètre p admet une
1 n
espérance égale à np, et une variance égale à np (1 − p). Faisant p = , on obtient en particulier E (X) = , et
10 10
9n
V (X) = .
100
Partie II
Remarque : l’énoncé est bien mal formulé. On n’approche pas une variable aléatoire par une autre, mais la loi
d’une variable aléatoire par une autre loi. Plutôt que "on peut approcher la variable aléatoire X par une variable
aléatoire Y suivant une loi de Poisson de paramètre λ", il aurait été préférable d’écrire en 1., "on peut approcher la
loi de la variable aléatoire X par la loi de Poisson de paramètre λ" (pour une valeur de λ donnée, il n’y a qu’une loi
de Poisson).
De même, plutôt
( que
) "on peut approcher la variable aléatoire X par une variable aléatoire Z suivant une loi
2
normale N m, σ( ", il aurait été préférable d’écrire en 2.,( "on peut
) ) approcher la loi de la variable aléatoire X par
la loi normale N m, σ 2 " (il n’y a qu’une loi normale N m, σ2 ).
1
1.a. Lorsque n = 30, on a E (X) = 30 × = 3. On sait que pour approcher la loi de X par la loi de Poisson de
10
paramètre λ, on doit alors choisir λ = 3.
3k
b. Lorsque Y suit la loi de Poisson de paramètre 3, on a Y (Ω) = N, et, pour tout k ∈ N, P (Y = k) = e−3 .
k!
c. On cherche la probabilité d’avoir au moins une balle présentant un défaut parmi les 30 balles prélevées,
c’est-à-dire (avec l’approximation admise par l’énoncé) P (Y ≥ 1). Or P (Y ≥ 1) = 1 − P (Y = 0) =
1 − 0, 0498 = 0, 9502 à l’aide de la table fournie par l’énoncé.
1 1 9
2. Lorsque n = 3600, on a E (X) = 3600 × = 360, et V (X) = 3600 × × = 324. On sait que pour
( 10 ) 10 10
approcher la loi de X par la loi normale N m, σ2 , on doit alors choisir m = 360 et σ2 = V (X) = 324 = 182 .
b. On cherche en fait P.(Z ≥
- - 396) (avec l’approximation
. admise par l’énoncé). Or (Z ≥ 396) =
Z − 360 396 − 360 Z − 360
≥ = ≥2 .
18 18 - 18 . - . - .
Z − 360 396 − 360 Z − 360 Z − 360
On a donc P (Z ≥ 396) = P ≥ =P ≥2 = 1−P <2 .
18 - 18 . - 18 . 18
Z − 360 Z − 360 Z − 360
suivant une loi à densité, on a P <2 =P ≤ 2 = Φ (2) = 0, 9772 à l’aide de
18 18 18
la table fournie par l’énoncé.
Donc P (Z ≥ 396) = 1 − 0, 9772 = 0, 0228.
EXERCICE 4
,
f (t) = 0 si t < 1
On considère la fonction f définie sur R par −2t+2
f (t) = 2e si t ≥ 1
166
* 8 7A
A
1 1 0 −2 1
1.a. Pour tout réel A ≥ 1, IA = e−2t dt = − e−2t = e − e−2A . Comme lim e−2A = 0, on a
1 2 1 2 A−→+∞
1
lim IA = e−2 .
A−→+∞ 2
b. • f est nulle sur ]−∞, 1[, et strictement positive sur [1, +∞[, donc positive ou nulle sur R;
• f est nulle sur ]−∞, 1[, donc continue sur cet intervalle avec lim − f (x) = 0, et continue sur ]1, +∞[ comme
( x−→1 )
composée de fonctions continues, avec lim + f (x) = lim + 2e−2t+2 = 2e0 = 2. f admet donc un nombre fini,
x−→1 x−→1
égal à 1, de discontinuités, avec une limite à gauche, et une limite à droite, toutes deux finies, en cet unique point
de discontinuité;
* A * A
• f étant nulle sur ]−∞, 1[, pour tout réel A > 1, l’intégrale f (t) dt converge, avec f (t) dt =
−∞ −∞
* A * A
f (t) dt = 2e−2t+2 dt = 2 = 2e2 IA .
1 1 -* A . * +∞
( 2 ) 2 1 −2
Il en résulte que lim f (t) dt = lim 2e IA = 2e × e = 1, donc l’intégrale f (t) dt
A−→+∞ −∞ A−→+∞ 2 −∞
* +∞
converge, avec f (t) dt = 1.
−∞
On peut alors conclure que f est une densité de probabilité.
Soit X une variable aléatoire ayant f comme densité de probabilité.

* x
2. f étant nulle sur ]−∞, 1[, pour tout x < 1, on a F (x) = f (t) dt = 0, tandis que, pour x ≥ 1,
* x * x * x −∞8 7
2 −2t 2 1 −2t x ( )
F (x) = f (t) dt = f (t) dt = 2e e dt = 2e − e = e2 e−2 − e−2x = 1 − e−2x+2 .
+
−∞ 1 1 2 1
F (x) = 0 si x < 1
En résumé,
F (x) = 1 − e−2x+2 si x ≥ 1
3.a. On a P (X ≥ 2) = 1 − P (X < 2) = 1 − P (X ≤ 2) car X est une variable aléatoire à densité.

Donc P (X ≥ 2) = 1 − F (2) = 1 − e−2 .
D’autre part, P (X ≤ 3) = F (3) = 1 − e−4 .
Enfin, P (2 ≤ X ≤ 3) = P (X ≤ 3) − P (X < 2) = P (X ≤ 3) − P (X ≤ 2) = F (3) − F (2) = e−2 − e−4 .
P [(X ≥ 2) ∩ (X ≤ 3)] P (2 ≤ X ≤ 3) e−2 − e−4
b. On a P(X≥2) (X ≤ 3) = = = .
P (X ≥ 2) P (X ≥ 2) 1 − e−2
* A
4. Soit A un réel supérieur ou égal à 1. On pose JA = te−2t dt.
1

 u (t) = t d’où u′ (t) = 1
a. On effectue une intégration par parties, en posant 1 . Les fonctions u′
 v ′ (t) = e−2t avec v (t) = − e−2t
2
et v′ étant continues, la formule d’intégration par parties permet d’écrire :
* A * A * A
−2t ′ A
JA = te dt = u (t) v (t) dt = [u (t) v (t)]1 − u′ (t) v (t) dt
1 1 1
8 - .7 * A - .
1 −2t A 1 −2t
= t× − e − 1× − e dt
2 1 1 2
8 7 * 8 7
1 −2t A 1 A −2t 1 −2t 1 −2t A
= − te + e dt = − te − e
2 1 2 1 2 4 1
3 −2 1 −2A 1 −2A
= e − Ae − e
4 2 4
167
- .
3 −2 1 −2A 1 −2A
b. Comme lim Ae−2A = lim e−2A = 0, on a lim JA = lim e − Ae − e =
A−→+∞ A−→+∞ A−→+∞ A−→+∞ 4 2 4
3 −2
e .
4
* +∞
c. X admet une espérance si et seulement si l’intégrale tf (t) dt converge, et, dans ce cas, E (X) =
* +∞ −∞
tf (t) dt.
−∞
* A
Or, la fonction t 6−→ tf (t) est nulle sur ]−∞, 1[, donc, pour tout A > 1, l’intégrale tf (t) dt converge, et
-* A −∞ .
* A * A * A
3
tf (t) dt = tf (t) dt = e2 te−2t dt = e2 JA , donc lim tf (t) dt = = e2 lim JA = .
−∞ 1 A−→+∞ A−→+∞ 4
* +∞ 1 −∞
3
Il en résulte que l’intégrale tf (t) dt converge, et X admet une espérance, avec E (X) = .
−∞ 4
5. On considère la variable aléatoire Y = X − 1. On note G sa fonction de répartition.

a. Pour tout réel y, G (y) = P (Y ≤ y) = P (X − 1 ≤ y) = P (X ≤ y + 1) = F (y + 1).
+
F (x) = 0 si x < 1
b. On a montré que .
F (x) = 1 − e−2x+2 si x ≥ 1
Si y < 0, on a y + 1 < 1, donc G (y) = F (y + 1) = 0. Si y ≥ 1, on a y + 1 ≥ 1, donc G (y) = F (y + 1) =
1 − e−2(y+1)+2
+ =1−e .
−2y
G (y) = 0 si y < 0
En résumé, .
G (y) = 1 − e−2y si y ≥ 0
On doit alors reconnaître que G est la fonction de répartition d’une loi exponentielle de paramètre 2.
c. "Calculer", c’est un grand mot. Si l’on a "reconnu" que Y suit la loi exponentielle de paramètre 2, autant
1 1 1
"réciter" le cours et dire que V (Y ) = 2 = (si Z suit la loi exponentielle de paramètre λ, on a E (Y ) = , et
2 4 λ
1
V (Y ) = 2 ). Peut-être l’énoncé attendait-il un calcul, mais alors, à quoi bon la question précédente ?
λ
1
d. De Y = X − 1, on déduit que V (Y ) = V (X) . Donc V (X) = .
4
168

Annales Maths

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Annales Maths

Transféré par

Droits d'auteur :

Formats disponibles

ASSEMBLEE DES CHAMBRES FRANCAISES DE COMMERCE ET D’INDUSTRIE

CONCOURS D’ADMISSION SUR CLASSES PREPARATOIRES

LUNDI 11 MAI 1998, de 8 h à l2 h

La présentation, la lisibilité, l’orthographe, la qualité de la rédaction, la clarté et la précision des raisonnements

”L’usage de toute calculatrice ou de tout matériel électronique

Seule 1’utihsation d’une règle graduée est autorisée.

On considère dans M3 (IR) les quatre matrices suivantes :

2. (a) Calculer le produit de matrices (A − I) (A − 2I) et en déduire que A2 − 3A + 2I = O.

3. (a) Déterminer les réels a et b tels que A = aI + bB.

2. (a) Déterminer les limites de g en −∞ et +∞.

1. Dans cette question, un client achète une des boîtes du lot.

2. Dans cette question, un client achète une boîte par mois.

1. (a). La suite (un )n∈IN est une suite arithmético-géométrique.

2. (a) On trouve (A − I) (A − 2I) = O. Développant le produit (A − I) (A − 2I), on voit que (A − I) (A − 2I) =

3. (a) On voit que A = I + B.

4.(a) Première rédaction

2. (a) f est une densité de probabilité d’une variable aléatoire si :

1. Dans cette question, un client achète une des boîtes du lot.

2. Dans cette question, un client achète une boîte par mois.

2.a. Vérifier que P −1 MP = D et en déduire M en fonction de P , D et P −1 .

1.a. Donner les probabilités : P (A0 ), P (B0 ), P (C0 ).

2. Dans cette question n est un entier naturel non nul.

1.a. Déterminer la limite de f en +∞.

2.a. Résoudre dans [1; +∞[ l’inéquation 1 − ln x ≥ 0.

1. Reconnaître la loi de X. Donner E (X) et V (X). Déterminer la fonction de répartition de X.

2.a. Il s’agit de traduire les données de l’énoncé.

2.a. On cherche P (X ≥ 800). On a :

b. On a Φ (x) + Φ (−x) = 1 (faire un dessin, plutôt que faire appel à sa mémoire).

CONCOURS D’ADMISSION SUR CLASSES PREPARATOIRES

JEUDI 4 MAI 2OOO, de 8 h à l2 h

La présentation, la lisibilité, l’orthographe, la qualité de la rédaction, la clarté et la précision des raisonnements

“L’usage de toute calculatrice ou de tout matériel électronique

est interdit pendant cette épreuve“.

Seule l’utilisation d’une règle graduée est autorisée.

1. (a) Déterminer les limites de f en −∞ et +∞.

3. (a) Résoudre sur IR l’équation : f (x) = 0 .

1. (a) Donner une densité de U .

(d) En déduire une densité de probabilité g de la variable V .

2. (a) Vérifier que P −1 .M.P = D .

(b) Branches infinies de C

2. (a) f est dérivable sur IR comme composée de fonctions dérivables, et :

4. (a) et (b) Allure de la courbe :

On interprète alors les données de l’énoncé :

CONCOURS D’ADMISSION SUR CLASSES PREPARATOIRES

MERCREDI 16 MAI 2OO1, de 8 h à l2 h

La présentation, la lisibilité, l’orthographe, la qualité de la rédaction, la clarté et la précision des raisonnements

Seule l’utilisation d’une règle graduée est autorisée.

L’épreuve est composée de trois exercices indépendants.

2. (a) Déterminer la fonction dérivée f ′ de f et dresser le tableau de variations de f .

(a) Montrer que P est inversible et calculer P −1 .

3. (a) Montrer que D est inversible et calculer D−1 .

1. (a) Calculer P (B1 ), P (N1 ), P (V1 ).

n désigne un entier naturel plus grand que 2.

I. Situation 1 : Dans cette situation, n = 20

Situation 2 : Dans cette situation, n est un entier fixé supérieur ou égal à 30

Extrait de la table k, P (n, p, k) de la loi Extrait de la table k, P (λ, k) de la loi de Poisson

(b) Branches infinies de f

2. (a) f est dérivable sur IR comme composée de fonctions dérivables, et

(b) On montre, par récurrence, que, pour tout entier n ≥ 1, M n = P Dn P −1 .

• l’urne blanche contient 1 boule blanche et 3 boules noires, donc :

et, de même qu’en (a),

I. Situation 1 : Dans cette situation, n = 20

(c) On a E (X) = 20 × 0, 1 = 2, et V (X) = 20 × 0, 1 × 0, 9 = 1, 8.

2. Le joueur est gagnant si (X ≤ 2). Or P (X ≤ 2) = P (X = 0) + P (X = 1) + P (X = 2). L’extrait de table