re

ECS ' nee·

jl,

V. ROU5S ~ PÉAl~AOL
 Conception et création de couverture : Atelier 3+

Le pictogromme qui figure ci-contre d'enseignement supérieur, provoquant une

mérite une explication. Son objet est baisse brutale des achats de livres et de
d'alerter le lecteur sur la menace que revues, au point que la possibilité même pour

@)
représente pour l'avenir de l'écrit, - - - - - les auteurs de créer des œuvres
particulièrement dans le domaine DANGER nouvelles et de les faire éditer cor-
de l'édition technique et universi- rectement est aujourd'hui menacée.
taire, le développement massif du Nous rappelons donc que toute
photocopilla9e. reproduction, portielle ou totale,
Le Code de la propriété intellec- de la présente publication est
tuelle du l er juillet 1992 interdit LE POOTOCOPILl.AΠinterdite sans autorisation de
en effet expressément la photoco- TUE LE LIVRE l'auteur, de son éditeur ou du
"'O pie à usage collectif sans autori- Centre français d'exploitation du
0
c sation des ayants droit. Or, cette pratique droit de copie (CFC, 20, rue des
:J
s'est généralisée dans les établissements Grands-Augustins, 75006 Paris).
0
lil
.-t
0
N
© Dunod, 2015
@
....... 5 rue Laromiguière, 75005 Paris
..c
CJl
·;::::
www.dunod.com
>
a. ISBN 978-2-10-072967-8
0
u Le Code de Io propriété intellectuelle n'autorisant, aux termes de l'article
L. 122-5, 2° et 3° a), d'une part, que les «copies ou reproductions strictement
réservées à l'usage privé du copiste et non destinées à une utili sation collective »
et, d 'autre part, que les analyses et les courtes citations dons un but d'exemple et
d' illustratio n, « toute représentation ou reproduction intégrale ou partielle faite
sans le consentement de l'auteur ou de ses ayants droit o u aya nts cause est
illicite » (art. L. 122-4).
Cette représentation ou reproduction, par quelque procédé que ce soit, constitue-
rait donc une contrefaçon sanctionnée par les articles L. 335-2 et suivants du
Code de la propriété intellectuelle.
 Table des matières

Algèbre
1 Calcul algébrique 9
2 Nombres complexes et polynômes 29
3 Calcul matriciel 59
4 Systèmes linéaires et matrices 93
5 Espaces vectoriels et sous-espaces vectoriels 113
6 Applications linéaires et matrices 169
Analyse
7 Nombres réels et suites réelles 245
8 Étude locale et globale des fonctions 265
9 Séries 305
10 Intégration des fonctions d'une variable réelle 337
"'O
0
c 11 Formules de Taylor et développements limités 379
:J
0
lil
.-t
0
Probabilités
N
@
.......
..c
12 Dénombrement 407
O'l
·;::::
>-
13 Espaces probabilisés 423
a.
u
0
14 Variables aléatoires discrètes 449
15 Variables aléatoires à densité 485
16 Convergence en probabilité et en loi 503
1:J
0
c
:J
0
lJ)
r-1
0
N
@
.µ
L
01
ï::::
>-
Q.
0
u
 Avant-propos

Cet ouvrage s'adresse aux étudiants de première année E. C.S. de classes préparatoires
économiques. Il leur propose de me tt re en pratique les not ions abordées en cours de
mathématiques et d'algorithmique pa r le biais d 'exercices. Chacun est suivi d 'une
correction dét aillée et commentée da ns laquelle l'accent est mis sur la méthode qui
mène à la solut ion.
Le livre est divisé en trois parties et seize chapitres, consacrés chacun à une partie
du programme avec respect de la sépa rat ion en deux semestres. Au sein d 'un même
chapitre, les exercices ont été choisis de façon à passer en revue t outes les capacités
a ttendues autour des notions à connaît re. Ces capacit és sont list ées à la fin de chaque
chapitre avec un renvoi explicite a ux questions et exercices da ns lesquels elles sont
utilisées. Les principales formules sont également rappelées au sein de chaque capacité.
E n ce qui concerne les corrections, nous avons choisi de séparer clairement :
• la réflexion préliminaire, comprenant analyse du problème et tâtonnements a u
brouillon (nous nous somn1es autorisés une plus grande liberté da ns la façon de
formuler les idées et le sens profond de certaines notions parfois au mépris d 'une
certaine rigueur mathématique mais t ouj ours dans un souci pédagogique) ,
• de la rédaction finale, rigoureuse et précise.
Cette dernière ét ape est signalée dans le t ext e pa r la présence d 'un liseré gris sur la

gauche et d'un ~. Bien évidemment , il n'est nullement question de prétendre, ici,

"'O
à l'unique cheminement logique, ou encore à la seule rédaction acceptable.
0
c P ar ailleurs, nous avons souhaité mettre en exergue les idées réutilisables en les rédi-
:J
0
1..()
T"-l geant sur un fond grisé et indiqué par un i>. De même, la présence d'une difficulté
0
N

© .
courante est signa l ee If\
' par un L.!J.
.......
..c L'index présent en fin d'ouvrage fournit des renvois a ux principales notions aussi bien
Ol
ï::: vers la list e de capacités du chapitre dont elles dépendent que vers leurs utilisations
>-
a.
0 explicites dans d'aut res cha pit res.
u
E nfin, comme l'usage le veut, l'expression « si et seulement si » sera parfois a brégée
en « ssi » et on écrira « resp. » comme abréviation de « respectivement ».
Chaque exercice est référencé selon le codage CHAP.EXO où CHAP est le numéro
d u chapitre et EXO le numéro de l'exercice. De même chaque question d'un exercice
est référencée selon le codage CHAP.EXO.Q.SQ, voire Q.SQ, où Q est le numéro de
question et SQ la sous-quest ion.
1:J
0
c
:J
0
lJ)
r-1
0
N
@
.µ
L
01
ï::::
>-
Q.
0
u
 Partie 1
Algèbre

"'Cl
0
c
:::J
0
li)
.--1
0
N
@
......
~
OI
ï:::::
>-
Q.
0
u
1:J
0
c
:J
0
lJ)
r-1
0
N
@
.µ
L
01
ï::::
>-
Q.
0
u
 Algèbre
1 Calcul algébrique 9
Semestre 1
1.1 : Techniques de sommation de base 9
1.2 : Séparation pairs/ impairs 15
1.3 : Sommes télescopiques 16
1.4 : Formule du binôme et moments de la loi binomiale 18
1.5 : La somme des premiers cubes 1 21
1.6 : La formule de Vandermonde 24
Liste des capacités attendues 27

2 Nombres complexes et polynômes 29

Semestre 1
2.1 : Complexes de module 1 29
2.2 : Équations sur (('. 31
2.3 : Racines 5- ièmes et constructibilité du pentagone 34
2.4 : Linéarisation et primitivation 35
2.5 : Système d'équ ations sur (('. 36
2.6 : La somme des premiers cubes 11 37
2.7 : Autour des polynômes de Tchebychev 41
2.8 : Division euclidienne et restes 45
2.9 : Polynômes interpolateurs de Lagrange 46
2.10 : Relation entre racines et coefficients 48
"'O
2.11 : Autour des racines n- ièmes de l'unité 49
0
c
:J
2.12 : Divisibilité et ordre de multiplicité des racin es 52
0
lil
Liste des capacités attendues 57
.-t
0
N
@
3 Calcul matriciel 59
......
..c
O'l
·;::::
Semestre 1
>
a.
0
3.1 : Polynômes de matrice et inversibilité 60
u
3.2 : Puissances de matrice 1 62
3.3 : Modèle de Leslie 1 66
3.4 : Théorème de Cayley-Hamilton pour les matrices 2 x 2 70
3.5 : Produit scal aire, sym étrie et antisymétrie 74
3.6 : M atrices de permutation 76
 3.7 : Opérations élémentaires et produit matriciel 79
3.8 : Polynôme annulateur de matrice 87
Liste des capacités attendues 91

4 Systèmes linéaires et matrices 93

Semestre 1
4.1 : Systèmes rectangulaires et carrés 93
4.2 : Inversion matricielle et systèmes 95
4.3 : Systèmes à paramètres 1 96
4.4 : Systèmes à paramètres 11 98
4.5 : Systèmes et déterminant 100
4.6 : Résolution de systèmes par Scilab 103
4.7 : Méthode de Gauss-Jordan 108
Liste des capacités attendues 112

5 Espaces vectoriels et sous-espaces vectoriels 113

Semestre 1
5.1 : Sous-espaces de ~5 114
5.2 : Équations cartésiennes et paramétrisation 122
5.3 : Espace de suites 125
5.4 : Famille de polynômes 129
5.5 : Famille échelonnée et famille de puissances 132
5.6 : Manifestement libre 139
5.7 : Familles extrémales 141
5.8 : Image et noyau d'une matrice 145
"'O
0
c Semestre 2
:J
0
lil
5.9 : Espace de suites linéairement récurrentes 148
.-t
0
N
5.10 : Carrés magiques 154
@ 5.11 : Dimensions et espaces 160
......
..c
O'l 5.12 : Analyse harmonique 163
·;::::
>-
a. Liste des capacités attendues 167
0
u
6 Applications linéaires et matrices 169
Semestre 2
6.1 : Applicatio ns coordo nnées 169
6.2 : Project e urs et symétries 1 172
 6.3 : Projecteurs et symétries 11 178
6.4 : Matrice= Application Linéaire 181
6.5 : rg(A) = rg(t A) 186
6.6 : Diagonale en toute base 192
6.7 : Image et noyau par pivot de Gauss 194
6.8 : Matrrice de Vandermonde et polynômes de Lagrange 198
6.9 : Polynôme annulateur et réduction 204
6.10 : Commutant d 'une matrice carrée 208
6.11 : Commutant d'un endomorphisme cyclique 212
6.12 : Matrices à paramètre et de Vandermonde 217
6.13 : AB donne BA 220
6.14 : Inversion de Pascal 223
6.15 : Formes linéaires de oc.n 226
6.16 : Hyperplans 232
Liste des capacités attendues 237

"'O
0
c
:J
0
lil
.-t
0
N
@
......
..c
O'l
·;::::
>
a.
0
u
1:J
0
c
:J
0
lJ)
r-1
0
N
@
.µ
L
01
ï::::
>-
Q.
0
u
 CHAPITRE

Calcul algébrique

On ra ppelle le vocabulaire élémentaire associé aux sommes L Uk et aux produits

k EI
II uk des éléments d 'une famille finie de réels (ou complexes) (u k)kE I
k EI
• k est l'indice de la somme ou du produit,
• uk est le terme général de la somme ou du produit .
Lorsque I est vide on pose, par convention, L Uk = 0 (resp. II Uk = 1). Dans le cas
kEI kEI
n n
part iculier où I = [m, n], on note L Uk la somme et II Uk le produit. m et n sont
k=m k= m
appelés les bornes respectivement inférieure et supérieure de la somme ou du produit.

1. Soit (un) une suite arithmétique de raison r (r =f. 0) et de premier terme u 0 .

n

"'O
Calculer L Uk.

0 k=m
c
0
:J 2. Soit (un) une suite géométrique de raison q (q =f. 1) et de premier terme uo.
n n
1..()
T"-l
0
N
Calculer L Uk et II Uk.
k =m k=m
©
....... 2
..c
Ol
3. Montrer que, pour tout n EN*, II
n (2k - 1) = ( n) ! .
ï::: 2nn.1
>- k= l
a.
0 Écrire une fonction Scilab d'entête function p=produi t_impairs (n) qui
u
calcule le produit des n premiers entiers naturels impairs.

4. Calculer
 10 Chapitre 1 Calcul algébrique

1 . Il y a p lu sieurs façons n aturelles de procéder :

• la suite est arithmétique donc son terme général s'écrit Uk = uo + kr et on est
a insi ramené à une somme d 'entiers consécutifs ;

~ n n n n

k= rn k = rn k =rn k = rn

U-O(n - m+ l )+r [t,k-~kl

(n - m + 1)uo + r [ n(n 2+ 1) - (m ~ 1)ml
n 2 +n-m 2 +m
(n - m + 1 )uo + r
2
(n+m)(n - m+l)
(n - m + 1) uo + r.
2

• on peut a lternativem ent utiliser l'expression U k = Um + (k - m)r pour se ramener

directement à la somme des premiers entiers ;

n n n

L [u rn + (k - m)r]
k=rn k =rn k =rn
n - rn

U rn ( n - m + 1) + r L k'
k 1= 0
(avec le cha n gement d 'indice k' =k - m)

(n - m + l )U rn + r (n - m)(n - m + 1)
2
(n - m)(n - m+ l )
(n - m + l )(uo + mr) + r - - - - - - -
2
l) (n + m)(n - m + 1) .
"'O (n - m + uo + r
0 2
c
:J
0
1..() • on peut encore u tiliser la démarche du jeune Gauss* en ajou tant la somme in con-
T"-l
0
N
nue à elle-même mais en ordonnant les termes dans l'aut re sens
©
.......
1 + 2 + + k + + n- l + n
..c
Ol
n + n- l + + n+ l -k + + 2 + 1
ï::: + 1) (n + 1) (n + 1) (n + 1) + 1)
>-
a.
(n + + + + + + (n
0
u 100
ce qui lui a permis d 'obtenir rapidement que 2 Lk = 100 x (100 + 1).
k= l

*· Carl Friedrich Gauss (1 777- 186 5) , le P rince des m athématicien s, a ouvert la voie à d e nombreux
domaines d es mathém a tiques. Il raconta it lui-mêm e cette a n ecdote pour construire sa légende.
 Exercice 1.1 Techniques de sommation de base 11

Avec les changements d'indice k' = k - met k" = n - k, on a

n n n- m n-m n-m

k=m k=m
k'=O k"=O k=O
On remarque alors que Um+k +un -k = Um +kr+un -kr = Um +un est indépendant
de k, d'où
n

(n - m + 1)
Um + Un = (
n - m +
l) uo + mr + uo + nr
2 2
(n - m + l )(m + n)
( n -m+ 1) uo + r .
2

2. Pour la somme des termes consécutifs d'une suite géométrique, il y a encore plu-
sieurs façons naturelles de procéder :
• la suite est géométrique donc son t erme général s'écrit Uk = u 0 qk et on est a insi
n l _ qn+ l
ramené à la somme connue L qk = ----
k= O l - q

n n n
~ k- m ~ k- m
L Umq = Um L q
k=m k=m
n- m
~ k'
Um L q (avec le ch a ngement d 'indice k' = k - m)
k' =O
1 _ qn-m+l m l _ qn-m+l
Um
l - q
= uoq
l-q

• on peut aussi reprendre l'idée de Gauss et voir comment la relation U k + l = quk

permet d 'obtenir une équa t ion a lgébrique du premier d egré d'inconnue la somme
ch erch ée.

n n n+l n
"'O
0
c
:J
q L 'Uk = L Uk+ l = L Uk' = L Uk + u n+l - Um,
0 k=m k=m k' = m + l k=m
1..()
T"-l d'où
0 n
N
Um - Un+l Um - qun
©
.......
..c
L Uk = - -l -- -q -
k=m
l - q
Ol
ï:::
>-
a. Quant au produit des termes consécutifs de la même suite géométrique , le problème
0
u se déplace dans l'exposant et se ramèn e à la somme des t ermes consécutifs d 'une suit e
arithmétique.

~1 k=m k=m
= u~ - m
+l
q
(n + rn )(n - m + l )
2
 12 Chapitre 1 Calcul algébrique

3 . Le produit fait penser à la définition d'une factorielle mais seuls les termes impairs
sont présents :
1 X 2 X 3 X ... X (2k - 1) X (2k) X . .. X (2n - 1) X (2n) (2n)!
n
1X 3 X ·· · X (2k - 1) X ··· X (2n - 1) Il (2k - 1).
k= l
Les termes pairs manquants donnent eux :
2 X 4 X . . . X (2n - 2) X (2n) = ~[1 X 2 X .. . X (n - 1) X n].
n fois

~ n

rr (2k - 1) = n
(2n)! (2n) ! (2n)!
2nn! ·
k= l
Il(2k)
k= l
(1]2) (]]k)
L 'implémentation en Scilab du calcul du produit se fait naturellement à l'aide d 'une
boucle f or , il y a p lusieurs possibilités selon que l'on calcule le terme général du
produit à part ou non.

functi on p=produit _i mpairs(n ) funct i on p=pr oduit _impai rs(n)

p=1; p=1 ; i =3;
for k=2 :n for k=1:n-1
p=p*(2*k- 1); p=p*i; i=i +2;
end end
endfunction endf unction

funct i on p=pr odui t _impai rs( n)//

p=1 ; Il
for k=3:2:2*n //boucle pour chaque impair
p=p*k ; // entre 3 et 2n- 1
end //
"'O
endfunction //
0
c
0
:J
~ !commence par écrire la somme double comme deux sommes simples imbriquées ;
1..()
T"-l
0
N

©
.......
..c
L
l ~ i ,j ~ n
li - JJ 2 _n l
o
1·--n l Ji -
( 2= JI)
Ol
ï:::
>-
a.
0
u
Toute somme double s 'écrit comme une somme de sommes, cette trans-
formation porte le nom de relation de Fubini.

puis on découpe la somme intérieure selon le signe de la différence i - j pour pouvoir

« éliminer » la valeur absolue;
 Exercice 1.1 Techniques de sommation de base 13

~1 I:
l :Çi,j:Çn
li - jJ

en les écrivant en exten sion, on constate que les deux sommes sont connues
i- 1

L: (i - j) (i - 1) + (i - 2) + ... + 2 + 1,
j= l
n
I: u- i) 1 + 2 + · · · + (n - i - 1) + (n - i).
j =i+ l

t [t,j' j~/'] +
(avec les changements d'indice j' = i - j et j" = j - i)

t, [ ~
(i l )i + (n - i)(~ - i + 1) l
On peut poursuivre de deux manières différentes :
n
• soit on remarque que tout ceci vaut L (i - l )i, puisque, par linéarité,
i= l

n n
et que, par le changement d'indice k = n - i+ l , L (n-i)(n-i+ l ) = L (k- l )k;
·i = l k= l

• soit on regroupe selon les puissances de i et on conclut par linéarité de la somma-

"'O
0 tion.
c
:J
0 On va détailler cette deuxième méthode.

t
1..()
r-l
0
N

©
......
..c
[i' - (n + l )i + n(n2+ 1) l
Ol
ï:::
>- n(n + 1)(2n + 1) ( l) n(n + 1) 1 2( l)
a.
0
6 - n+ 2 + 2n n+
u
n(nt l) [2n + l - 3(n + 1) + 3n] = (n - l)~(n + l) _

Quant à la seconde somme, on choisit de sommer en premier (la somme extérieure)

n
sur j qui va rie donc selon 1~ :::;; j :::;; n (à ce stade, i n'exist e pas encore) i.e. L ' une
j =l
 14 Chapitre 1 Calcul algébrique

fois j fixé, on somme sur i qui varie donc selon 1 ~ i ~ j~ (la contrainte concernant
j

j a déjà été prise en compte précédemment) i.e. L·

i= l

n
L (2 1 - 1) (d'après la formule du binôme de Newton)
j= l
n n

2 L 21 -
1
- L 1 (par linéarité d e la sommation)
j=l j= l

2 1 - 2n - n = 2n+1 - n - 2.
1- 2

Fort de cette compréhension des sommations sur un triangle, on peut alors proposer
une a utre méthode pour la première somme en utilisant les propriétés de symétrie du
t erme général : on va, à l'inverse de ce qui a été fait en prenlière méthode, reporter la
relation de Fubini en toute fin de calcul et commencer par simplifier la somme double
initiale a u moyen des opérations habituelles (cha ngement d 'indice ou regroupement
des termes) .
En l'occurrence, en regroupa nt les t ermes d'indice (i,j) selon que i < j, i = j ou
i > j , on trouve

L: li-jl = L: li - j l+ L: li-jl + L: li - j l .
l ~i,j~ n l '5'.:i<j'5'.: n ~ 1 :o:;i,j:o:;n '-v--' l ~j<i~ n ~
" "" J- t i= j = Ü t- J

F inalement, en prena nt (j, i) en lieu et place de (i,j) comme couple d'indices indexant
la dernière somme, on trouve
-0
0
c
:J n- 1 n n - 1 n -i
0
,....
1..()
L: li - j l 2 2= (j - i) Fubini 2 2= 2= (j - i) k= j - i 2 2= 2= k
0
N l ~i,j ~ n l ~ i<j~n i = l j =i+ l i = l k= l

©
....... ~ (n - i)(n - i + 1) j =n - i ~ '(. )
..c
Ol
2L_,, 2 = L_,, ) J + l
ï::: i= l j= l
>-
a. n- l n- 1
u
0
~ .2 ~ . _ (n - l )n(2n - 1) (n - l) n
L_,, ) + L_,, ) - 6 + 2
j= l j= l

(n - l )n(n + 1)
(n ~ l )n [(2n - 1) + 3]
3
 Exercice 1.3 Sommes télescopiques 15

1. Pour n E N* , on pose
2
et In = n ( k2n
Pn =
2 1
L
_ ) ·n (2n)
k L
k=O k= l
En considérant Pn +In et Pn - In, calculer les deux sommes Pn et In.
2n
2. Calculer, pour n EN*, L(-l)kk 2 .
k =O

1. Écrivons les sommes en extension pour v isualiser ce qui se passe :

Pn (2;) + (2;) + .... .......... . + (~~) + ...... + (~~)

2 2 2 2
In ( ;) + ( ;) + · · · + (2k : 1) + ... + (2n : 1)
2n 2n 2n 2n 2n 2n
0
+ 1 + ... + 2k - 1 + 2k + ... + 2n- 1 + 2n

On a, pour n EN* , d ' après la formule du binôme de Newton,

f= (2;) 1) 2
p= O
= (l+
2
" =
2
" ,

f=(-1)'(2;) = (1-1) = o.
p=O
2
"

D ' OU' n
F n
_
-
Jn -_ ~ 2 2n _
- 2 2n- l ·
2
2. Là encore, écrivons la somme en extension :
-0
0 2n
c
0
:J
L (-l)kk2 = 02 - 12 + 22 - ·· · - (2p- 1) 2 + (2p) 2 - ··· - (2n- 1)2 + (2n) 2
1..()
T"-l k=O
0
N pour constater qu'il y a d es simplifications entre d eux termes consécut ifs puisque
©
.......
(2p) 2 - (2p - 1)2 = [2p + 2p - 1][2p - (2p - 1)] = 4p - 1.
..c
Ol
ï::: Pour n EN* , en sépara nt les t ermes d 'indices pairs et impairs,
>-
a. 2n n n
0
u
p= l p= l
n n n

p= l p=l p= l

2n(n + 1) - n = n(2n + 1).

 16 Chapitre 1 Calcul algébrique

1. Calculer t, ln ( 1 - i~) pour n ;:;, 2.

2. a. Déterminer des constantes réelles a, b et c telles que

1 a b c
'rf k ~ ' k(k 2 - 4) = k - 2 + k + k + 2.
2

n 1
b . En déduire une expression simple de la somme L k(k 2 _
4
) pour n ~ 7.
k=3

1. Il faut transformer l'écriture du terme général pour mettre en évidence la forme

ai+l - ai (u tilisée ici avec ai= lni - ln(i -1)).

On a, pour i ~ 2,

1Il -i2-
. - 2-
1 -1
- Il
(i+l)(i-1)
·2
-- 1Il ('z + 1) - 21Il z. + 1Il ('z - 1)
z i

[ ln (i + 1) - ln i J - [ ln i - ln ( i - 1) J .

Par télescopage, on en déduit

n

L ln ( 1 - i~ ) = [ ln(n + 1) - ln n] - [ ln 2 - ln(2 - 1) J = ln n :
2
1
.
i=2

2.a. Comme mentionné dans l'énoncé, on demande de trouver a, b et c mais pas

forcément d 'expliquer comment. On procède donc au brouillon en partant de l'égalité
à atteindre et en réduisant le second membre a u même dénominateur
1 a b c ak(k + 2) + b(k - 2)(k + 2) + c(k - 2)k
2
k(k - 4) k - 2 + k + k + 2 = (k - 2)k(k + 2)

-0
a(k 2 + 2k) + b(k 2 - 4) + c(k 2 - 2k) (a+ b + c)k 2 + 2(a - c)k - 4b
0
c k(k 2 - 4) k(k 2 - 4)
:J
0
I..{)
La comparaison des termes de même degré (en k) du numérateur fait dire qu'il suffit
r-l 1
0 d 'avoir a + b + c = 0, a - c = 0 et - 4b = 1 qu'on résout très simplement : b = - et
N
4
©
.......
..c
Ol
ï:::
>-
a.
0
u On ne peut pas affirmer qu'à partir de la simple égalité entre, d 'un côté,
a· k 2 + f3 · k +'Y et, de l'autre, 0 · k 2 + 0·k+1 on obtient nécessairement
a = /3 = 0 et 'Y = 1.
Il sera établi (lors de l'étude des systèmes ou des polynômes) que ceci
résulte d'une multitude d'égalités faisant intervenir p lusieurs valeurs de
 Exercice 1.4 Formule du binôme et moments de la loi binomiale 17

k (voire une infinité) .

Ici, la condit ion nécessaire n 'était pas celle recherchée, puisque l'on
cherche en réalité une condition suffisante.

Ces nombres obtenus au brouillon sont alors injectés dans le second membre et la
réduction au même dénominateur montre l'égalité avec le membre de gauche.

Pour k ?:: 2, o n a
1 1 1 k(k + 2) - 2(k - 2)(k + 2) + (k - 2)k
8(k - 2) - 4k + 8(k + 2) 8(k - 2)k(k + 2)
k 2 + 2k - 2(k 2 - 4) + k 2 - 2k 1
8k(k2 - 4) k(k 2 - 4)
1 1
do nc a = c = S et b = - 4 convienn ent.

2.b. Ce coup-ci, après transformation d'écriture, la structure ak+ I - ak n 'apparaît

pas clairement.

Pour n ?:: 7,

~ t, [ ~ (k 2) - ~ + (k: 2) l
~ [t, ~ 2- 2 ~ +
k t, t, k: 2]
Les termes généraux des trois sommes sont en fait les mêmes mais décalés de deux
crans vers la gauche ou vers la droite, on va donc faire des changements d'indice pour
le mettre en évidence.

~
-0
0
c

q~ ~, -2t, ~ +.~J,]
:J
0
I..{)
,.....
0
N

© (avec les changements d 'indice k' =k- 2 et k" = k + 2)

.......
..c
Ol
! [1 + !- _ 1_ - ! -!-! + _ 1_ + _ 1 _ ]
n- 1 n
l
ï::: 8 2 3 4 n+ l n+ 2
>-
u
a.
0 1[1112
8 n2
21
-
2
n(n + 2)
[ ~ _ 2 n(n+2)+(n - 1 ) ]
2
!
8 12 n(n2 - l) (n + 2)

! [~ _ 2
8 12
2
2n + 2n - 1
n(n2 - l )(n + 2)
l ·
 18 Chapitre 1 Calcul algébrique

On se propose de calculer de deux façons § distinctes la valeur des sommes

E.,(p) = ~ k(~)p•(1 - Pr- >, I.,(p) = ~ k: 1(~)p•(1 - Pr- • ,

et Mn(p) = ~ k(k - 1) (~)p•(1 - p)" - k (avec p 7' 0).
1. a. Vérifier que, pour 1 ~ k ~ n , k(~) = n(~ =~) .
b. En déduire la valeur de En (p).
c. Avec la même stratégie, montrer que
1 - (1 - pr+1
Mn(P) = n(n - l)p2 et In(P) = (n + l)p

2. a . Donner une expression simple de t

k=O
(~) x•(1 - p)"- •.

b. En dérivant par rapport à x l'égalité obtenue, montrer que En(P) = np.

c. En dérivant une seconde fois, déterminer une expression simple de Mn(P)
et , en intégrant a u contraire sur [ü,p] la première égalité, calculer In(p).
3. Avec le changement d 'indice j = n - k , montrer que En(P) = n - En(l - p) et
1
retrouver la valeur de En (p) pour p = 2.

1.a. Il s'agit ni p lus ni moins de la formule du pion dont on va reproduire la preuve

à l'aide de la définition des coefficients binomia ux par les factorielles.

"'O
0
c
~ k n! = n!
:J k!(n - k)! (k - l )!(n - k)!
0
1..()
T"-l
0
(n - 1)!
n (k - l )!((n - 1) - (k - 1)) ! =n
(n- 1)1 ·
k -
N

©
....... 1.b. La définition de En(P) ressemble beaucoup au développement du binôme a u
..c
Ol
ï::: facteur surnuméraire k près (que l'on n e peut n1ettre en facteur vu que c'est l'indice
>-
a.
0
de sommation). Il suffirait d 'éliminer ce facteur, l'égalité précédente va permettre de
u transférer la dépendance en k en dépendance en n que l'on pourra a lors mettre en
facteur. La somme obtenue ressemble alors clairement au développement du binôme
mais pour la puissance (n - l )e.

§. On trouvera un d éveloppement t héor ique plus systémat ique d e la seconde façon dans l 'ex e r-
cice 14.4 e n page 4 56 .
 Exercice 1.4 Formule du binôme et moments de la loi binomiale 19

D'où ,

En(P) O+ tk(~)pk(l -p)"-k= t n (~ =:)pk(l-p)"-k

np ~
L ( nk -- 11) p k-1 (l - p )(n- 1)-(k-1 ) = np (p + l - p )n-1 = np.
k=l

1.c. On reprend donc la stratégie en utilisant d'abord la formule du pion pour convertir
1
la dépendance en k( k - 1) ou -k-- en dépendance en n puis on reconnaît alors une
+1
formule du binôme.

On a, pour 2 (;; k (;; n, k(k - 1) ( nk ) = (k - l )n ( nk -_

1
1) = n(n - 1) ( nk _- 2)
2
.

D'où,

Mn(P) t, k(k - 1) ( ~ )pk(l -pr-k

n(n _ l )p2 t (~ =~) pk-2(l

k= 2
_ p) (n - 2) - (k - 2)

n(n - l )p2 (p + 1 - p)n- 2 (d 'après la formule du binôme de Newton)

n(n - l )p2 .

Par ailleurs, pour 0 (;; k (;; n , k ! ~) = ~ 1

( n
1
( ~: ~) donc

In(P)
(n
1~
+ L
1)
(nk ++ 1) 1 P
k+ l (l _ )(n+ l )-( k+l)
P
p k=O

(p + 1 _ Pr+1 _ (n"61)Po( 1 _ Pr+1- o

(n + l )p
1 - (1 - pr+l
-0
(n + l )p
0
c
0
:J 2.a . Il s 'agit de la pa rtie développée de la formule du b inôme.

~1
,....
1..()

0
N

©
D'après la formule du binôme de Newton , t
k= O
(~)xk(l - Pt- k = (x + 1 - pt.
.......
..c
Ol
ï::: 2.b. Les deux membres sont sous forme polynomia le donc la dérivation ne pose pas
>-
a. de problème.
0
u
En dériva nt par rapport à x, on obtient, par linéarité de la dérivation ,

t, (~) kxk- (1 - pr-k 1 = n(x + 1 - p)"-

1
.

En particulier , avec x = p, on a ~En

p
(P) = n do nc E n(P) = np.
 20 Chapitre 1 Calcul algébrique

2.c. On suit l'indication donnée en dériva nt une seconde fois l'égalité.

En dérivant une seconde fois t oujours par rapport à x, on a

t, (~) k(k - r-•= n(n - l )(x + 1 - p)"_,

1)xk- 2 (1 - p

d 'où, en particulier avec x=p, 1Mn(P) =n(n-1)

p2
Mn(P) =n(n- l )p
de sorte que 2
.

P our In (p) , on procède comme indiqué, pa r intégration.

En reprenant l'égalité initiale et en intégra nt su r [O,p], on a, par linéarité de l'inté-

gration,

t, (~) [ xk dx(l- p)"- k = [ (x + 1-p)"d x

- t, (~) [:::i: (1 - p)"- k = [ (x +~~ i)"+l

Ç=?
0
L
(n)
k k+l
p k+1 (1 -
P
)n-k = 1 - ( 1 - Pr+1
n+l
k= O

D' , I ( ) - 1 - (1 - p r +1
ou , n p - (n + l )p

3. Le cha ngement d 'indice donné va écha nger les rôles respectifs de p et 1 - p et ne

rien changer pour le coefficient binomia l puisqu'il est symétrique.

-0

~
0
c Avec le changement d 'indice j = n - k ,
:J
0
,....
1..()

0
En(P) ~ k ( : ) pk( l - p)"- k = E(n- j) ( n: .i)p"-'(1- p)'
N

©
.......
..c
Ol
ï:::
Î)n- j) (~) (1 - p)jpn- j
j =O J
>-
u
a.
0
nt (~)
. 0
J=
J
(1 - p) j p n -j - t j(~)
. 0
J=
J
(1 - p) j p n- j

n( l - p + p) n - E n ( l - p) (d'après la formule du binôme)

n - E n (l - p).

En particulier pour p = ~·En ( ~ ) =n - E (~) d 'où En ( ~ ) =~-

 Exercice 1. 5 La somme des premiers cubes I 21

n
On se propose de calculer Sn L k 3 , pour n E N*, par quatre * méthodes
k=l
différentes et indépendantes.
1. Donner l'expression de Sn pour n EN* et démontrer la par récurrence.
2. Calculer (k + 1) 4 - k 4 , en déduire que
n n
(n + 1) 4
- 1 = 4Sn +6 L k
2
+4 L k +n
k=l k= l
et retrouver l'expression de Sn.
3. a. Justifier que (n + 1 - k) 3 = (n + 1) 3 - 3(n + 1) 2 k + 3(n + l)k 2 - k3 .
b . En déduire que
n n

k= l k=l
et retrouver l'expression de Sn .
4. a. En calculant de deux façons L j 2
, montrer que
i :::;i:::;j:::;n

S = n (n + 1)(2n + 1) _ ~S + ~ ~ i2 _ ~ ~ i.
2

n 6 3 n 2 L...,, 5 L...,,
i=l i= l
b. Retrouver alors l'expression de Sn.

1. Le raisonnement par récurrence est bien possible puisque l'expression de la somme

des premiers cubes est un attendu du programme.

~ 1,
2 2

~
Pour n notons P n la proposit ion «Sn = n (n + l) ».
-0 4
0 1 2 2
c
:J P our 1,.in ..
1t1a 11sat1
· .on, ~ k 3 = 13 = 1 d ' une part et
s i = L...,, 1 (l + l) = -22 = 1 d'autre
0 4 4
I..{) k= l
,.....
0
part donc P1 est vraie.
N
Pour l' héréd ité, supposons P n vraie pour un certain n ~ 1, alors
© 2 2 2
n (n + 1)
+ (n + 1) 3 = (n +4 1) [n 2 + 4(n + 1)]
.......
..c
Ol
Sn+ (n + 1) 3 = 4
ï:::
>-
a. (n + 1) 2
( 2 )
2
( n + 1) [ ( n + 1) + 1]2
u
0 4 n + 4n+ 4 = 4
donc Pn+I est vraie.
F 1
ina ement, par principe
. . d ,
e recurrence, pour tout n ~
1 S
, n = n 2(n + 1)2
4
2. On commence par développer pour visualiser la simplification.

*· On trouvera une cinquième méthode dans l'exercice 2.6 en page 37.

 22 Chapitre 1 Calcul algébrique

~1
D'après la formule du binô me de Newton,
(k + 1) 4 -
4
k = (k
4
+ 4k 3 + 6k 2 + 4k + 1) - 4
k = 4k
3
+ 6k 2 + 4k + 1.
Le terme général de Sn apparaît dans le membre de droite, on va donc sommer cette
égalité pour 1 :::;; k :::;; n pour faire a pparaître Sn.

En sommant cette égalité, pour k variant entre 1 et n, on obtient

n n

2= [(k + 1) 4
- k
4
] = I: (4k 3
+ 6k 2 + 4k + 1).
k= l k= l
D'où, par t élescopage dans le membre de gauche et par linéarité d e la sommation dans
le membre de droite ,
n n

k=l k=l
En isolant Sn . on conclut que

Sn ~ [(n+ l)4 -l- n - ~t,k-6t,k']

~ [ (n + 1) 4 - (n + 1) - 2n(n + 1) - n(n + 1)(2n + 1) J
1 3
n; [ (n + 1) - 1 - 2n - n( 2n + 1)J

-n+l[3
- n + 3n2 + 3n + 1 - 1 - 2n - 2n 2 - n J
4
n + 1( 3 2) _ n (n
2
+ 1) 2
4 n + n - 4

3.a. On reconnaît les coefficients de la formule du binôme, il suffit donc de bien

découper n + 1 - ken (n + 1) - k.

~1
D'après la formule du binôme de Newton,
(n + 1 - k) 3 = [(n + 1) - k]3 = (n + 1) 3 3(n + 1) k + 3(n + l )k 2 -
"O 2 3
0 - k .
c
:J
0
1..()
T"-l
3.b. Là encore, on reconnaît à droite le terme général de Sn et on somme donc l'égalité.
0
N

© Par linéarité de la sommation,

....... n n n
..c
Ol
ï:::
>-
L)n + 1 - k) = (n
3
+l) 3
n - 3(n + 1)
2
L k + 3(n + 1) L k 2
- Sn.
a. k= l k= l k= l
0
u
On doit aussi reconnaître Sn dans le membre de gauche ce qu'on constat e en écrivant
n
la somme en extension L (n +1- k) 3 = n 3 + (n - 1)3 + · · · + 23 + 13 et qui incite
k= l
donc à faire un changement d'indice par symétrie.
 Exercice 1.6 La formule de Vandermonde 23

En outre, avec le c hangement d ' indice j = n + 1 - k, L (n + 1 - k )3 = Sn donc

k= l

Sn = n (n + 1)3 - 3(n + 1)2 n(n2+ 1) + 3(n + 1) n (n + 1~(2n + 1) - Sn

2
i. e. 2Sn = n(n ; l ) [2(n+ 1) - 3(n + 1) + (2n + 1)]
2
i.e. S n = n (n : l ) [ - (n + 1) + (2n + 1)]

n 2 (n + 1) 2
i.e. Sn = -'-------'-
4

4 .a. Il s'agit év id emment d 'écrire la somme double comme deux sommes imbriquées
avec les deux ordres possibles de sommat ion.

D'une part ,

et , d' autre part,

t (t t (t, j' -~j')

1' ) =

t, [ n(n+ 1~(2n + l) _ (i - 1)~2i - 1) ]

t[ n (n + 1~(2n + 1) - i (2i' - 3i' + i)].

D 'où , par linéarit é d e la somm atio n ,

S = n (n + 1)(2n + 1) _ ~ S + ~ ~ i2 _ ~ ~ i.
2

n 6 3 n 2 ~ 6 ~
i= l i= l

-o 4 .b. Il n e reste plus qu'à extraire Sn de l'égalit é précédente et utiliser là encore les
0
§ sommes connues d es premiers entiers et premiers carrés.
0
1..()
,..... En regroupant t o utes les occurrences d e S n dans le membre d e ga uche,
0
N 2 n n
© S = n (n + 1)(2n + 1) _ ~ S + ~ " -"i2 _ ~ ~ i
....... n 6 3 n 2 ~ 6 ~
..c ·i = l i= l
Ol
ï::: 2
>- ~S _ n (n + 1)(2n + 1) ~ n (n + 1)(2n + 1) _ ~ n(n + 1)
a. i.e. 3 n - 6 + 2 6 6 2
0
u
i.e. S = ~ n(n + 1) [n (2n + l ) + 2n + 1 _ ~ ]
n 4 6 2 2
S _ n (n+ 1) n(2n + 1) +n
i.e. n - 4 2
Sn = n 2(n + 1)2
i.e.
4
 24 Chapitre 1 Calcul algébrique

1. En procédant par récurrence sur n, montrer que

\1 n E N, ( \1 (m, p) E N
2
, t. (;) ~ :k) ('"; ") )
2. En utilisant l'égalité précédente, déterminer la valeur de ~ k(mk) (p _n k).
~
k= O

3. Calculer, pour tout n EN, t (n)

k=O k
2

1. Il suffit de faire attention à bien mettre l'universalité en (m,p) dans l'hypothèse d e

récurrence.

Pour n E N , on note P n la proposition

On t ient aussi compte du fait que le coefficient binomial (:) est, pa r convention, nul
lorsque la condition 0 ~ k ~ n n 'est pas vérifiée.

~ Commençons par l'initialisation , pour n = 0, (p: k) n 'est non nul que pour k= p

de sorte que t. (;) (p: m;

k) (;) (~) = ( O) et l'assertion

Passons maintenant à l' hérédité en supposant la proposition Pn vraie pour un certain

Po est vraie
"'O
n EN. Soit (m,p) E N 2 , si p = 0, alors

t. (;) (; !) ( (n; 1) 1 m+; +1}

0
c
:J
0
1..()
T"-l
~ ~) = = (
0
N
sinon, par la relation de Pascal,

t. (:) [(p: k) (p - ~ - 1)l

©
.......
..c
Ol
ï:::
>- +

t. (:) (p: k) ~ (p- ~ - 1)

a.
0
u
+ (:)

C 'est ici que l'on utilise l'hypothèse de récurrence pour le triplet (n, m ,p) ma is aussi
pour le triplet (n , m,p - 1).
 Exercice 1.6 La formule de Vandermonde 25

(d 'après l'hypothèse de récurrence)

m+pn+ 1) (par la relation de Pascal)

(
autrement dit P n+l est vraie.
Par principe de récurrence , on conclut que Pn est vraie pour tout n E N.

2. Comme dans l'exercice 1.4, il faut d 'abord transférer la dépendance en l'indice de

sommation k devant le coefficient binomial en dépendance en m , ce qui est encore
réalisé par la formule du pion.

Soit (n , m ,p) E N 3 .
• Si m ;?: 1 et si p ;?: 1, alors

~ m (m- 1
2i k - l ) ( n )
p- k
(par la formule du pion)

m ~ ( m;, 1) (p- ~ - k')

k' = O
(avec le changem ent d 'ind ice k' = k - 1)

m(m-1 p -l
+n)

(par la formule du 1 pour (n , m - 1,p - 1)) ;

Il ne faut pas oublier de trait er enfin les cas particuliers n on encore p ris en compte
du fait que la formule de Vandermonde n 'a été montrée que pour un triplet d 'entiers
positifs ou nuls.

~ • si p = 0, alors
-0
0
c
:J
0
1..()
r-l • si m = 0, alors
0
N

©
.......
..c
Ol
ï::: Finalement, d ans tous les cas,
>-
a.
0
u
 26 Chapitre 1 Calcul algébrique

3. Le terme gén éra l de la somme est bien le produit d e deux coefficients binomia ux
comme dans la question précédente, il suffit d'en transformer un peu l'écriture pour
rentrer précisément da ns le cadre de la première question.

En appliquant l'égalité de la première question au triplet (n, n, n), on a

D'où, par symétrie des coefficients binomiaux, t (~)

k=O
2

"'O
0
c
:J
0
1..()
T"-l
0
N

©
.......
..c
Ol
ï:::
>-
a.
0
u
 Liste des capacités attendues 27

Liste des capacités attendues

• Savoir reconnaître une somme usuelle ou un produit usuel (cf exer-

cices 1.1 , 1.2, 1.5 et 1.4)
() le principe du terme constant
n1 n1
L a = (n f - n i + 1)a et II a= an, - n i+ l

k=ni k=n i

() la somme des premiers entiers, des premiers carrés et des premiers cubes

~ k = n(n + 1) t k2 =n(n+1~(2n+ 1)
L 2 '
k= l k= l

<) le produit des premiers entiers (ou factorielle) ~·

() la somme des premiers termes d'une suite géométrique de raison q-=/=- 1

() la formule du binôme de Newton

• Savoir utiliser les propriétés de la sommet et du produit (cf exercices 1.2

et 1.5)
n1 n1 n1

"'O
0
() la linéarité d e la sommation L( Àaj + µbj) = ).. L aj +µ L bj '
c
:J
0
1..()
() la « relation de Chasles » (pour a < c < b entiers) +
T"-l
0 b c b c- 1 b
N

©
.......
..c
L
k=a
Uk = L
k=a
Uk + L
k=c+ l
Uk = L
k= a
Uk + L
k =c
Uk '

Ol
ï:::
>-
a. b
u
0
II Uk =
k=a

t . ou p lus exactemen t les propriétés de la somm ation

:j: . A t t en t ion, contrairem ent à la situation d es intégrales, lorsque la borne inférieure de l 'indice
est stricteme nt supé rieure à sa borne supérie ure, la con vention veut que la somme soit nulle et le
produit égal à 1. L'éga lité n 'est donc pas touj ours vraie s i l'ordre a < c < b n'est p as respecté.
 28 Chapitre 1 Calcul algébrique

• Savoir effectuer un changement d'indice

() par translation k j + c, (cf questions 1.3.2.b

j = ni k= ni+ c

et 1.4.1 ),
n n
() pa r symétrie k = n - i, "L::bi = "L::bn-k (cf questions 1. 5.3.b et 1.4.3).
i= O k= O

• Savoir utiliser le principe de télescopage (cf exercice 1.3 et question 1.5.2)

n1

L (a j + l - aj) = an 1 + 1 - ani et
j=n i

• Savoir transformer une somme double en deux sommes imbriquées

(cf questions 1.1.4 et 1.5.4.a)

() la sommation sur un rectangle 2=

1 !'( i!'( n
l !'(j !'(m
a i,j =
n

2=
i=l
(fa,,) f (ta;,;)
J= l
=
J= l i= l

2= (t a;,;) t (ta,,; )·
n
() la sommation sur un triangle 2=
1 !'( i !'(j !'( n
ai ,j =
i= l J= i
=
J= l i= l

• Savoir utiliser les propriétés des coefficients binomiaux (cf exercices 1.6)
et 1.4

-0
0
c
() leur expression à l'a ide de factorielles (nk) - k!(nn-! k)!
,. '
:J
0
1..()
r-l
0
N
() la relation de Pascal ( n+k 1) (nk) + (k n_ 1)
©
(~)
.......
..c
Ol
ï:::
>-
0 la symétrie 1 ( n: k) I·
a.
0
u
() la formule « du pion » § (nk) = _nk (nk _- 11)

§. On parle aussi d e formule« d 'absorpt ion-extract ion ».

 CHAPITRE

Nombres complexes et polynômes

On rappelle ici le vocabulaire élémentaire associé a ux nombres complexes et a ux

polynômes ainsi que leurs différentes écritures.
Un nombre complexez possède :
• une écriture algébrique z = a+ib, a est la partie réelle de z et b sa partie imaginaire,
• une écriture exponentielle (ou forme polaire) z = reie, r est le module de z et() en
est un argument (défini à un multiple entier de 27r près pour z =!= 0),
• une écriture trigonométrique z = r( cos() + i sin()).
L'ensemble des polynômes à coefficients réels (respectivement complexes) de degré
inférieur ou égal à n sera noté IRn[X] (respectivement Cn[X ]) et un polynôm e P de
degré n ): 1 peut s'écrire :
• sous forme algébrique
n
p =L akxk = anxn + an- lx n- l + ... + a2X 2 +ai X+ ao
k=O
<) les ak sont les coeffi cients,
<) an est le coefficient dominant et le monôme anxn le term e dominant,
<) a 0 est le coeffi cient (ou terme) constant,
• sous forme factorisée dans C[X]
p p
-0
0
c
P = an IJ (X - rj)mj (avec L m j = n et an =/= 0),
:J j= l j=l
0
1..() les rj sont les racin es deux à deux distinctes et les m j leurs ordres de multiplicité
T"-l
0
N
respectifs.
©
.......
..c
Ol
ï:::
>-
a.
0
u . ( Z1 + Z2 ) 2
1. S01t z 1, z2 des complexes tels que lz1I = lz2 I = 1. Montrer que E IR+·
Z1Z2

2. Trouver tous les nombres complexes z de module 1 vérifiant 1 ~+~ 1 = 1.

 30 Chapitre 2 Nombres complexes et polynômes

1. Lorsqu'on connaît le module d'un nombre complexe, la principale façon de t irer

parti de cette information est de passer en écriture exponentielle.

z1 et z2 étant de module 1, il existe deux réels 81 et 82 tels que z1 = ei 81 et z2 = ew2.

(z1 + z2)2 (eit'l1 + eit'l2 )2 e2it'l1 + 2eit'1 1eit'12 + e2it'l2

e2it'l1 2eit'11 eit'l2 e2it'l2 e•t'l1 e•t'l2

·e
e• 1e' 2 ·e + ·e ·e + ·e ·e = -,,- + 2 + ---:-;;-
e' 1e' 2 e' 1e' 2 e"'2 e'"l
ei(t'l1 -82) + 2 + ei(t'l2 -t'l1) = 2 + (ei(B1 - t'l2) + ei(t'l2 -t'l1) )
2 + 2cos(82 - 81) (par les formules d'Euler).
Or -1 ::::;; cos(82 -81) ::::;; 1 donc -2 ::::;; 2 cos(82-8i) ::::;; 2 puis 0 ::::;; 2+2 cos(82-81) ::::;; 4.
. (z1 + z2) 2
Fmalement, E IR+ .
Z1Z2
Une alternative est d'utiliser la méthode de l'angle moyen : la somme ou la différence
de deux complexes de module 1 eia et eif3 peut être mise sous forme p seudo-polaire
en factorisant par é(a+f3)/ 2 où l'argument est la moyenne des deux précédents
.
eia ± ei·13 . a +/3 ·<> -/3
= ei -2- ei-2- .cr_ -/3 ]
± e- i-2-
[

et de conclure par les formules d 'Euler.

Ici,

.111 - 112
( ei 2 + e _ i.111 -2112) = ei
.111+112
2 2 cos ((Ji -fh)
2

donc (z 1 + z2) 2 = ei·ce1+e)

2 4cos2 ((Ji - fh ) et (z1 + z2) 2 = 4cos 2 ((Ji -fh ) est bien
2 Z1Z2 2
un réel posit if.
2 . La même idée reste valable tout comme le recours aux formules d'Euler.

Soit z un nombre complexe de module 1 et soit 8 un réel tel qu e z = eit'! . En utilisant

-0
0 les form ules d'Euler,
c
I~ + ;1
= le~:e + e~:e
:J
0 28 28
1 = ie i +e- i 1=l 2cos(W) I= 2 lcos(W) I
,....
1..()

0
N donc
© cos(W) = cos (i)
....... 1
..c cos(W) = ± Ç=::} ou
Ol
ï::: 2 { cos(W) = cos ( 2;)
>-
a.
u
0
8 = ±% [7r]
Ç=::} ou .
{
8 = ±i [7r]
Finalement, l' ensemble des nombres complexes de module 1 solutions de l' éq uation
est
 Exercice 2.2 Équations sur <C 31

1. Résoudre sur <C les équations d'inconnue z suivantes :

a. z 3 = 1,
b. z 2 = 3 - 2i (on exprimera les solutions sous forme algébrique) ,
c. z 6 + 6z 3 + 12 = 0 (on exprimera les solutions sous forme exponentielle) .
1 1
2. Soit z E <C* tel que z + -z = J3. Calculer zn + -zn .

1.a. Ostensiblement, l'équation ne fait intervenir que des produits (ici une puissance)
donc on va privilégier la forme exponentielle.

Les solutions de z 3 = 1 sont nécessairement non nulles. Si z =/= 0, on peut écrire z

sous forme exponentielle : il existe p E IR'.f- et E IR t els qu e z = pei e. On a alors : e
3
3 3 3i0 { p = 1 { p= 1
z = 1 ~ p e = 1 ~ 30 = 0 [27r] ~ e= 0 [ 2; ]

3 2i7l" 4i71" - 1 + iVJ 1 + iVJ

donc les solutions de z = 1 sont 1, e - 3- et e~ i.e. l, et - .
2 2
1.b. La forme des solutions est précisée dans l'énoncé donc il est naturel d'injecter
la forme z = a+ ib dans l'équation pour voir ce qu'elle devient en séparant parties
réelles et parties imaginaires.

Soit z = a + i b E C.
2
z = 3 - 2i ~ a
2
+ i2ab - 2
b = 3 - 2i
a2 - b2 3 (par identification des parties
{ 2ab - 2 réelle et imaginaire)

Si (A ~ B) et (A <===? C) alors [A <===? (B et C)].

-0
0
Or, par passage aux modules, z 2 = 3 - 2i ~ a 2 + b2 = 13 - 2i l.
c
:J
0
1..()
T"-l
0 Lors de la recherche des racines carrées d'un complexe donné, il est
N
de coutume d'ajouter l'égalité des modules dans l'équivalence que l'on
©
.......
..c
vient d 'ét ablir par identification des parties réelles et imaginaires .
Ol
ï:::
>-
a.
0
u
Ainsi, en aj outa nt l'égalité des modules a + b
2 2
= .J32 + (- 2) 2 = .JI3 à l'éq uiva lence
précédente, on trouve

z
2
= .
3 - 2i ~
{ a
2
a2
+ b
2
- b2
VI3 et 2ab = -2
3

Le syst ème d'inconnues a 2 et b2 se résout aisément et donne 4 couples (a , b) possibles.

 32 Chapitre 2 Nombres complexes et polynômes

Par demi-somme, puis demi-différence, des lignes figurant dans le système ci-dessus,
on trouve
v'13+3
-2-
v'13- 3 et 2ab = - 2
- 2-

le premier système admet (a, b) comme couple solution avec a = ±J4+ 3

et

b= ±J4 -3.
On utilise a lors le signe du produit ab pour identifier, pa rmi les candidat s obtenus,
les couples qui sont effect ivement solution de z 2 = 3 - 2i .

~1
Seul deux de ces couples sont compatibles avec la troisième équation 2ab = - 2, à
savoir ceux pour les quels a et b sont de signes opposés. Finalement, les solutions sont

z1 = J~+ iJ~ - 3
-
3
et z2 = -z1.

R emarquons que l'ajout d e l'égalité d es modules nous a facilité le travail. San s cela
nous aurions pu poursuivre les calculs en résolvant le syst ème initia l pa r substitu t ion
(puisque a =/= 0 et b =/= 0 les calculs ci-dessous sont licites) :
2 1 (a2)2 _ 3a2 - 1
z 2 = 3 - 2i {::::::::}
{
a - a: 3
1 {::::::::} { b
0
1

a a

L'équation hi-carrée en a se résout (p ar calcul du discriminant ou mise sous forme

canonique), on trouve a lors

z2 = 3- 2i {::::::::} a 2 = 3 ± y'I3 et
1
b= - - .
2 a
Puisque des deux solutions pour a 2 , une seule est valable (l'au tre étant strict ement

. .
n egat1ve) , on retrouve les solutions z1 = . J3+../f3 - ·~
r-ï<> et z2 = - z 1.
3 + y1 3 2
i

-0
0
c 1.c. On remarque que l'inconnue z interv ient t oujours sous la forme z 3 . On p ou rrait
0
:J
donc p oser Z = z 3 et se ramener à l'équation Z 2 + 6Z + 12 = O.
,....
1..()

0 Par réduction sous forme canonique,

N
2
© 6
z +6z + 12
3 3
(z + 3) + 3
2
= (z 3 + 3) 2 - (i\/'3)
.......
..c
Ol
ï::: (z 3 + 3 - iv'3) x (z 3 + 3 + iJ3)
>-
a.
0
ainsi,
u 6 3
z + 6z + 12 = 0 <=:? z 3 + 3 - iv'3 = 0 ou z 3 + 3 + iv'3 = 0
<=:;. z3 = - 3 + i J3 ou z 3 = - 3 - iv'3.
On se ra mène a lors à la question 1.a à l'aide des formes exp on ent ielles des seconds
m embres sacha nt que, si p > 0 , z 3 = pei e {::::::::} Z 3 = 1 où Z = ~ .
VPe' 3
 Exercice 2.3 Racines 5-ièmes et constructibilité du pentagone 33

Or -3 + iv 0
r.; r.; ( J3 1 ) r.; 5irr
= 2v3 -
2 + 2i = 2v3e<l donc

z
6
+ 6z 3 + 12 = 0
ou z3 = (
v3~
2v3e- 18 5irr ) 3

ou z = 1.
( \,12J3e- 1i8 ) 5

En utilisant le résultat de l'équation du 1.a,

z
\,12J3e 1i85
'
2
E { 1 e 1,.. e 1,.. }
'
4
ou vci 3
2v'3e- 1i8
5
E { 1, e 1,.. , e
2 4
; ,.. } .

En notant r le nombre \,/2J3, les solut ions z de z 6 + 6z 3 + 12 = 0 form ent donc

l'e nsembl e :
5i1T 1 7 i7r 29i7r 5 i7r 7 i"7f 19i7r }
re18 re18 re18 re-18 re18 re18
{ ' ' ' ' ' .

2. A priori z n'est pas connu explicitement, mais l'équation qu'il vérifie se ramène à
une équation du second degré qu'on sait résoudre*.

z + .!z = V'3 ~ z 2 + 1 = J3z ~ z 2 - V'3z + 1 = 0

Le discrimin ant de x - J3x + 1 est 3 - 4 = -1 donc x - J3x + 1 admet deux
2 2

1 . 1 . , J3 - i J3 - 1 i. = e- i.zr. et J3 + 1.i = ei .zr. Les

so ut1ons comp exes conJuguees
2
= 2 2 2 2
6 6 .

va leurs possibles de z sont donc e -if et ei-îf . Que z soit éga l à l'un ou à l' autre, nous
avons dans tous les cas :

zn + -z1n = ei =
6 + e - i =6 = 2 cos (n7r)
-
6
.

-0
0

0
c
:J

1..()
T"-l
i Selon la forme des termes des équations faisant intervenir des nombres
complexes, on utilisera
0
N
• la forme algébrique s'il y a surtout des additions ,
© • la forme pola ire si les multiplications/puissances dominent.
.......
..c
Ol
ï:::
>-
a.
0
u

*· On verra d a n s l 'exercice 2. 7 en p age 41 une autre m a nière d e procéd er q ui évite d 'avoir à

trou ver la (ou les) valeur (s) exp licite(s) de z .
 34 Chapitre 2 Nombres complexes et polynômes

. 2i 7r
S01t w = e-s- .
4
1. Calculer w 5
. E n déduire : 1 + w +w +w +w
2 3 4
= L wk = O.
k=O
2. Mont rer que w = et w = w . En déduire des expressions de w 2 + w 3 et de
3
w2 4

w + w 4 faisant intervenir des cosinus d 'angles qu'on ne cherchera pas à calculer.

3. Montrer que w2 + w3 et w + w4
sont les racines d 'un polynôme de degré 2 que
l'on dét erminera. En déduire les valeurs de cos ( ; ) , cos ( ; ) et cos (~ ) .
2 4

1. Il s'agit d'un calcul simple avec des complexes sous forme exponentielle.

2
~7r )
5
w5 = ( e = e2 in = 1. On a donc, en reconnaissant la somme des premiers t ermes

d . une suite
. geometnque
, , . d e raison
. w -'-
r 1, 2:: w
4
k
= 1- w
1- w
5
= o.
k=O

2. Même chose ici mais en ut ilisant w 5 = 1 plutôt qu'un recours syst émat ique à la
forme exponentielle.
4
On a clairement lwl = 1 donc w = -1 =
w
5w = w
4
(compte t enu de w
5
1). De
w
même, lw
2
I= 2
lwl = 1 do nc w2 = ~=
w
w:
w
= w Ainsi ,
3
.

w2 + w3 w 2 + w 2 = 2Re(w 2 ) = 2Re(e
4
~" ) = 2 cos (4;)
~") =
4 2 2
w+ w w+ w = 2 Re(w) = 2 Re( e 2 cos ( ; ) .

-0
0
c
3 . Ces deux complexes sont racines d u trinôme
:J
0
I..{)
,.....
0
N et il suffit de simplifier les coefficients.
©
.......
..c Posons u = w 2 + w 3 et v = w + w 4 . D'après les relations entre coeffici ents et racines
Ol
ï::: pour un trinô me du second degré, u et v sont racines du polynôme X 2 - ( u +v ) X + u v .
>-
a. 2 4
0 Or u + v = w + w + w 3 + w = - 1d 'après 1 et
u 2 3 4 3 6 4 7 3 5 4 5 2
uv (w + w ) (w + w ) = w + w + w + w = w + w w + w + w w
3 4 2
w + w+ w + w = - 1 (toujours d 'après 1)
do nc w
2
+ w3 et w + w4 sont racines du polynôme X
2
+ X - 1.

Les racines d'un trinôme du second degré se détermine facilement sous forme algé-
brique.
 Exercice 2.4 Linéarisation et primitivation 35

~1
Trouvons de la manière habituelle l'expression des racines de ce polynôme. Soit~ le
discriminant de X 2 +X - 1. On a ~ = 1 + 4 = 5 donc X 2 +X - 1 admet deux
. , Il
racin es ree es
d..
1stmctes xi = - l +v/5 et x2 = - 1 - v/5
.
2 2
Il ne reste plus qu'à comparer les d eux écritures de ces racines.

Ainsi, d 'a près ce qui précède et le résultat de la question 2,

4 2
{x 1 ,x2} = { 2cos ( ; ) , 2cos ( ;)}.

Or x2 <
4
0, 2cos ( ; ) < 0 et xi > 0, 2cos ( ; )
2
> 0 donc 2cos (4;) = x2 et
2
2cos ( ; ) =xi. Ainsi,

cos (527r) = X1
2 =
- 1 + vl5
4
COS ( 47r)
5
= X2
2
= _ 1+ vf5
4
et
1 + vl5
cos (i) = cos ( 7r - 4; ) =- cos (~7r ) 4

3
1. Soit x E IR. Linéariser cos(2x) [sin(x)] .

2. En déduire 17r cos(2x) [sin(x)] 3

dx.

1. Les principes généraux de linéa risation sont les suivants :

• on remplace tous les sinus et les cosinus à l'aide des formules d 'Euler ,

~1
D'après les formules d'Euler,

cos(2x) sin 3 (x)

e2ix + e-2ix X (eix _e-ix ) 3
-0 2 2i
0
c
:J
0
• on développe tous les produits (à l'aide d e la formule du binôme si nécessaire),
,....
I..{)

~
0
N

© e2ix + e - 2ix e3ix - 3eix + 3e- ix - e - 3ix

....... ~~~~- X ~~~~~~~~~~-

..c 2 - 8i
Ol
ï:::
>-
e2ix + e-2ix ( e3ix - e-3ix ) - 3(eix - e-ix)
a. ~~~~- X ~~~~~~~~~~~~

0 2 - 8i
u
(e5ix _ e-5ix) + (eix _ e-ix) _ 3 [(e3ix _ e-3ix ) _ (eix _ e-ix)]

-8 X 2i

• on apparie les termes qui sont conjugués l'un de l'autre (au signe près) pour
appliquer à nouveau les formules d 'Euler mais dans l'autre sens afin de récupérer
u ne combinaison linéaire de sinus et cosinus.
 36 Chapitre 2 Nombres complexes et polynômes

- ~ [ sin (5x) + sin (x) - 3 sin (3x) + 3 sin ( x) J

- ~ sin(5x) + ~ sin (3x) - ~ sin(x).

2. La linéarisation permet ici de donner facilement une primitive de l'intégrande.
D'après la linéarisation de la première question ,

1·1r cos(2x) [sin (x)] 3

dx
}
/ 7r (- !8 sin(5x) - !2 sin (x) + ~8 sin (3x) ) dx
0
1 1 1
cos(5x) + 2' cos(x) - S cos(3x)
]7r
[ 40
0

~ + ~) - ~ - ~)
1 1
(- 40 - ( 40 +
4
5

L'objectif de l'exercice est de résoudre dans (C*) 3 le système d 'inconnues x, y, z

x + y+z = O
(S) { .!_ + ~ + ~ = 0 .
X y Z
On notera T, au lieu de X , l'indéterminée des polynômes.
1. On suppose ici que (x, y, z) E (C*) 3 est solution du système (S).
X y
a. On pose a = - et b = - .
z z
Montrer que a et b sont racines du polynôme T 2 + T + 1.
2
b. En notant j = e ;,,. , en déduire que
(x, y, z) = (x, xj, xj2) ou (x, y , z) = (x , xj 2 , xj) .
"O
0
2. Déterminer l'ensemble des solutions du système (S) t.
c
:J
0
1..()
T"-l
0
N
1.a . a et b sont naturellement racines de
©
.......
(T - a)(T - b) = T 2 -x +y T + x y.
(a+ b)T +ab = T 2 -
..c z z2
Ol
ï::: Il suffit alors de calculer les coefficients de ce t rinôme en espérant trouver 1 et 1.
>-
a.
0
u Désignons par (1) et (2) les deux équations du syst ème (S). On sait que a et b sont
racines du polynô me T 2 - sT + p o ù s = a + b et p = ab.
0 r, d ' une part, s = X+-y =
- --z = - 1 d ' apres
' I',equat1on
. ( 1) et, d' autre part,
z z
l'équation (2) entraîne que yz + xz + xy = 0 donc xy = -yz -xz = - z (x+y) = z 2
xy z

t . Dans l'exercice 2.10 en page 48, on p eut voir une autre façon de gérer un système analogue.
 Exercice 2.6 La somme des premiers cubes 11 37

2
( la dernière égalité provenant de l'équation (1)) puis p = ab = x; = \ = 1 et ainsi,
z z
1 a et b sont bien racines du polynôme T 2 + T + 1.
1.b. On connaît explicitement les racines du trinôme du second degré (en l'occurrence
j et j 2) donc les valeurs des quotients ~ et '#._.
z z

+ z + 1 est égal à - 3 donc les racines de ce polynôme (qui sont

Le discriminant de z 2

+i. vf3 = Jet

. .J.,. = - 1 - i . vf3 . D' apres
1 · , ) 1 ' 1e resutat
' 1
compexes conJuguees sont -
2 2 2 2
de la question précédente, on a donc{ ;,~ } = {j, :7} = {j,j } et il y a deux
2

possibilités :
• -X = J. et Y
- = J.2 1.e.
. · ·2 1
x = ZJ et y = ZJ , auque cas,
z z

(x,y ,z) = ( x,xj, y) = (x,xj,x]) = (x ,xj , x/ ) ,

X .2 Y . . ·2 · 1
• - = J et - = J 1.e. x = ZJ et y = ZJ, auque cas,
z z

(x , y,z) = ( x, Y'j~) = (x,x/,xj).

2. On procède par analyse et synthèse: les candidats solutions viennent d 'être obtenus,
il ne reste plus qu'à vérifier s'ils sont effectivement solutions.

Si (x, y, z) est un triplet solution de (S), on a déjà vu que (x, y, z) = (x, xj , x j 2 ) ou

(x, y, z ) = (x, xj 2 , xj) . Réciproquement, si À est un comp lexe non nul, a lors
À + Àj + >.j2 À (1 + j + j2) = ÀX Ü= Ü
2
j +j + 1 0
>.j2 = >.j2 = 0

do nc (>., Àj, >.j2) est solution de (S) . De manière analogue, on montrerait que
"O
(>., Àj 2 , >.j) est solution de (S). Fina lement, l'ensemb le des solutions de (S) est :
0
c {(>. , >.j, >./ ); À EC* } u { (>., >./ , >.j); À EC* }.
:J
0
1..()
T"-l
0
N

©
.......
..c
Ol
ï:::
>-
a.
L'objectif de cet exercice est de fournir une méthode de calcul des sommes de
u
0 puissances d 'entiers qui utilise les polynômes.
1. Soit P E JR[X ]. Déterminer le degré de P(X + 1) - P(X).
2. Déterminer tous les polynômes P à coefficients réels tels que :
(E) P(X + 1) - P(X) = X 3 .
 38 Chapitre 2 Nombres complexes et polynômes

n
3. En déduire un calcul de Lk 3
pour tout entier naturel non nul n.
k=l
n
4. Avec la même stratégie, déterminer brièvement la valeur de la somme Lk 4
.
k=l

1. On commence par traiter à pa rt le cas où P(X +l)-P(X) est le polynôme nul (qui
survient lorsque P est const ant), puisque le polynôme nul a la particularité d 'avoir
un degré égal à - oo.

~I Si P est constant, alors deg(P (X

deg P = p, on a p ~ 1.
+ 1) - P (X )) = deg 0 = - oo . Sinon, en posant

On montre que P (X + 1) - P(X) est de degré strictement inférieur a u degré de P à

l'aide de la décomposition en monôme dominant et reste de degré moindre.

En isolant le monôme dominant de P, on peut écrire P sous la form e aXP + R où

a E IR* et R E IRp-l [X ]. On a donc
P(X + 1) - P(X) = a(X + l)P + R(X + 1) - aXP - R(X) .
Or, par la formule du binôme de Newton :

a(X + l )" = t.a(i)x' = aX" + %a(i)x'

donc nous avons P(X + 1) - P(X) = [% a(~) X' ] + [R (X + 1) - R(X)] avec

deg (%a (i)x') = p - 1 et deg (R(X + 1) - R(X) ) .; p - L Le polynôme

"'O P(X + 1) - P(X) étant somme de deu x polynômes de degré au plus p - 1, on conclut
0
c
:J
que deg (P(X + 1) - P (X)) ~ p - 1.
0
1..()
T"-l
P our déterminer précisément le degré de P(X + 1) - P(X) , une a nalyse plus fine
0 p- l

L a (~) X k
N

© est nécessaire. Puisque est de degré p - 1, on pourrait conclure que

....... k=O
..c
Ol
ï::: deg (P(X + 1) - P(X)) = p - 1 si on obtenait deg (R(X + 1) - R (X) ) < p - 1. On
>-
a. remarque que cette dernière inégalité résulte en fait du travail déjà effectué a uparavant
0
u sur Pet qu'il suffit d 'appliquer à R.

En notant r le degré de R, o n a de mê me : deg (R(X + 1) - R(X)) ~ r- 1 < p- 1.

Or P(X + 1) - P(X) = apXP- ' + [ga(~) x'] + [R(X + 1) - R(X)] donc on

conclut que deg (P(X + 1) - P(X)) =p- 1.

 Exercice 2.6 La somme des premiers cubes 11 39

2. Une des premières choses à laquelle on peut s'intéresser est le degré de P. Dans
n otre cas, cette information est fournie grâce au résultat de la question 1.

~1
Soit P une solution de (E). Puisque P(X + 1) - P(X) est de degré 3, le polynôme
Pest de degré 4 d 'a près la question 1 : il existe donc des réels ao, ai, a2, a3 et a4
tels que

Une méthode naturelle est d 'inj ect er cette expression de P dans l'équation (E) pour
en déduire les coefficients de P par ident ification.

D'où, pour P = ao + aiX + a2X 2 + a3X 3 + a4X 4 de degré 4,

4 4

(E) ~ L ak(X + l)k - L akXk = X3

k=O k=O
4

L ak [(X+ l) k - xk ] = X 3
k=O
2 2
ai + a2(2X + 1) + a3(3X + 3X + 1) + a4(4X 3 + 6X + 4X + 1) = X3
ai + a2 + a3 + a4 0
2a2 + 3a3 + 4a4 0
(par identification)
{ 3a3 + 6a4 0
4a4 1

Le système est échelonné, il se résout donc directement par substitution « en remon-

tant les équations ».

ai = -a2 - a3 - a4 = 0
a2 = - i!2 a3 - 2a4 = .!.4
donc { et finalement :
a3 = - 2a4 = -~
a4 -- .!.4
2 2
2(1 1 1 2) X (X - 1)
P = ao+X
4 - 2x+ 4x = a o + - -- -
4
-0
0
c 3. On doit rapprocher k 3 et X 3 pour faire le lien avec les questions précédentes. Ainsi
:J
0
k 3 = P (k+ l)-P(k) où Pest solution de (E) (choisi le plus simplement possible) et
,....
1..()
n
0
N la somme L k 3 se calcule a lors pa r télescopage.
© k=l
.......
..c
Ol
ï::: X 2 (X - 1)2
>-
a. Si P = , alors on a P(k + 1) - P(k) = k 3 pour tout entier naturel k
0 4
u d 'a près les résultats de la question 2. Ainsi, par télescopage, pour n E N* ,

L k =L
n

k=i
3
n

k=i
[P(k + 1) - P(k) ] = P(n + 1) - P(l) =
(
n +: )2 2
n

4. On reprend l'idée de calcul par télescopage comme le suggère l'énoncé. L'essentiel

du travail ét ant d e dét erminer ici un polynôme P t el que P(X + 1) - P(X) = X 4 .
 40 Chapitre 2 Nombres complexes et polynômes

~1
On cherche P t el que P(X + 1)-P(X) = X 4. D'après la question 1, un t el polynôme
5
6
est nécessairement de degré 5. Soit (ao,a1 , a2,a3 , a4,a5 ) E JR. et P = L akXk.
k=O
5
Pour éviter d 'avoir à développer (X+ 1) , on va proposer une méthode alternative
reposant sur l'ordre de multiplicité 4 de la racine 0 dans le polynôme X 4 .

En remarquant que X 4 possède 0 pour racine d'ordre de multiplicité 4, on obtient,

par dérivations successives dans la relation P(X +
1) - P (X) = X 4 ,
P(l) - P(O) 0 a 1 + a2 + a3 + a4 + as 0
P' ( 1) - P' ( 0) 0 2a2 + 3a3 + 4a4 + 5a5 0
P" ( 1) - P " ( 0) 0 i.e. 6a3 + 12a4 + 20as 0
P"'(l) - P'"(O) 0 24a4 + 60as 0
p (4) (1) - p (4 )(0) 24 120as 24
ce qui par substitution nous donne

Donc, en choisissant a 0 nul,

1 1 3 1 4 1 5 ( 1 1 2 1 3 1 4)
p = - 30 X + 3X - 2X + 5X = X - 30 + 3X - 2X + 5X
est un bon ca ndid at.
Une erreur fréquente consiste à croire que tout le travail a été fait et de conclure
directement que P convient : nous avons trouvé une description de P à une constante
près. Réciproquement , il n e faut pas oublier de vérifier que les conditions trouvées pour
P ne sont pas seulement nécessaires, mais a ussi suffisantes pour que P convienne t.

Un calcul montre que le polynôme P4 ainsi défini vé rifie bien P4(X + l) - P4(X) = X 4 .
Ainsi
n n
"O
0
c
:J k= l k= l
0
1 1 2 1 3 1 4)
+ '3 (n + 1) - '2 (n + 1) + '5 (n + 1)
1.()
r-l (n + 1) ( -
0 30
N

© n+l [ - 1 + lOn 2 + 20n + 10 - l 5n3 - 45n2 - 45n - 15

30
......
..c
Ol 4 3 2
ï::: +6n + 24n + 36n + 24n + 6J
>-
a.
n(n3~ 1) (6n3 + 9n2 + n
0
u - 1).

~ n(n + 1)(2n + 1)(3n 2 + 3n - 1)

Une ultime factorisation montrerait même que~ k 4 = .
k= l 30

t. C 'est l' étape d e synthèse dans le raisonnem ent par analyse-synth èse.
 Exercice 2. 7 Autour des polynômes de Tchebychev 41

On considère les polynômes* Pn à coefficients réels vérifiant :

Po=2, P1=X et VnEN, Pn+2=XPn+1-Pn.
1. a. Déterminer P2 , P3, P4 et P5 .
b. Factoriser P 3 et P4 .
2 . Déterminer le degré et le coefficient dominant de Pn pour tout entier naturel
non nul n .
3. On a reproduit ci-dessous une portion d'une fonction Scilab permettant de
calculer Pn(x) étant donné n EN* et x E JR. Compléter l'avant-dernière ligne
de cette fonction.
function P=Poly(n,x);
PP=x ; P=2;
for k=2:n
Aux=PP; PP=P; P= _________ ;
end
endfunction

4. Soit z E C*. Simplifier au maximum Pn ( z + ~) pour tout entier n a pparte-

nant à [1 , 4]. Conjecturer une formule portant sur Pn ( z + ~) , valable pour

tout entier naturel n, puis démontrer la.
5. En déduire: VO E JR, Vn EN, Pn(2cos0)=2cos(n0).
6. Pour x E lR tel que lxl > 2, déterminer une expression de Pn(x) en fonction
den E N.

1.a. Les calculs s'effectuent de proche en proche, en s'a ppuyant sur la relation de
"'O récurrence qui définit la suite.
0
c
:J
0 On a, successivement ,
XP1 - Po= X 2 - 2,
1..()
T"-l
0
P2
XP2- Pi = X(X 2 - 2)- X = X 3 - 3X,
N
P3
© 2 2
X P3 - P2 = X (X 3 - 3X) - (X - 2) = X - 4X + 2,
....... 4
..c P4
XP4 - P3 = X(X 4 - 4X 2 + 2) - (X 3 - 3X ) = X 5 - 5X 3
Ol
ï:::
>-
P5 + 5X.
a.
0
u 1.b. Pour P 3 , 0 est racine évidente d 'où une factorisation par X . Le facteur restant est
de degré 2 et se factorise à l'aide de l'identité remarquable A2 -B 2 = (A - B )(A + B).

* · Les p oly nôm es de Tchebychev (Tn) son t reliés au x (Pn ) par 2Tn(X) = Pn(2X) . Ils vérifient
To = 1, T1 = X et la relation d e récu rrence, \:/ n E N, Tn+2 = 2XTn+ 1- Tn . Ils son t aussi caract érisés
pa r V(n,8) E N X IR, Tn(cos 8) = cos(n8) .
 42 Chapitre 2 Nombres complexes et polynômes

~I
Ona
P3 = X(X 2 - 3) = X(X - VJ)(X + VJ).
On remarque ici que P4 est un trinôme bica rré i.e. de la forme R = X 4 + pX2 + q.
Pour factoriser de tels polyn ômes dans C[X], on peut :
• poser y = X 2 ,
• factoriser Y 2 + pY + q en
(Y - r1)(Y - r2),
• conclure en factorisant X - r 1 et X 2 - r 2 dans R = ( X 2 - r 1) ( X 2 - r 2).
2

Le recours à l'indéterminée intermédiaire Y peut être évité en utilisant la réduction

sous forme canonique.

De même,
P4 X
4 2
- 4X + 2 = (X
2
- 2)
2
- 2 = (X
2
- 2)
2
- ( -J2) 2

(x 2 - 2- J2)(x 2 - 2+ V2) = [x 2 - (2 + V2)] [x 2 - (2 - V2)]

(X - V2 + J2) (X+ V2 + -J2) (X - V2 - -J2) (X+ V2 - -J2).
2. Pour avoir une idée du résultat que l'on doit obtenir, la bonne démarche dans ce
type d 'exercice est de voir d 'abord ce qu 'il se passe pour les premiers termes de la
suite. On remarque qu'il nous suffit de nous intéresser aux monômes dominants.

~I
2 3
Les monômes dominants de P1 , P 2, P3, P4 et P5 sont respectivement X, X , X ,
X 4 et X 5 . Ainsi, pour n E [1 , 5] , Pn est unitaire et de degré n.
Il semble ici raisonnable de formuler une conjecture généralisant à tout rang n ): 1
les résulta t s observés précédemment. Pour être complet , il restera à démontrer cett e
conjecture. Ici, on s'appuiera sur une récurrence à deux termes puisque la relation de
récurrence Pn+2 = X Pn+l - Pn permet de « propager » au rang n + 2 l'information
obtenue aux rangs net n + 1.

~I
On conjecture que, pour tout ent ier naturel n non nul , le polynôme Pn est unitaire
et de degré n. D émontrons cette conjecture par une récurrence à deux termes.
-0
0 On raisonnera sur les monômes domina nts pour regrouper les informations sur les
c
:J degrés et coefficients domina n ts. Ici, dire que Pn est u nitaire et d e degré n revient à
0
,....
1..() dire que xn est son monôme dominant.

~
0
N

© • Initialisation : On a déjà vérifié la propriét é au rang 1 et au rang 2 .

.......
..c • Hérédité : Supposons que Pn et Pn+l sont unitaires et respectivement de degré n
Ol
ï::: et n + 1 pour un certain entier naturel n non nul. Il exist e donc deux polynômes
>-
a.
0 R n et R n+l tels que :
u
Pn = x n+Rn , Pn+i = xn+i +Rn+1 avec deg(Rn ) < n, deg(Rn+i) < n+l.
Ainsi, par la relation de récurrence,
Pn+2 = XPn+1- Pn = X(x n+1+ Rn+1)-(Xn+Rn) = xn+2+(X Rn+1-Xn - R n)
avec deg(XRn+1 - X n - Rn) < n + 2 (somme de polyn ômes de degré strictement
infé rieur à n + 2) . On en déduit bien que Pn+2 est unita ire de degré n + 2.
 Exercice 2. 7 Autour des polynômes de Tchebychev 43

• Conclusion : Pour tout entie r naturel n non nul, Pn est unitaire de degré n (et Po
1 est bien de degré 0 mais pas unitaire car son coefficient dominant est égal à 2).

Beaucoup de raisonnements sur le coefficient dominant ou le degré d 'un

polynôme reposent sur sa décomposition entre son monôme dominant
et les autres monômes de degré moindre que l'on regroupe en un seul
terme de reste : P = anXn + R avec deg R < n.

3. Il suffit de comprendre la signification de chaque ligne de code pour constater que

la ligne incomplète correspond à actualiser les valeurs de deux termes consécutifs de
la suite. On notera d'ailleurs qu'on a introduit le polynôme P _ 1 = X de telle sorte
que la relation de récurrence Pn+ 2 = X Pn+l - Pn soit encore vraie pour n = - 1 et
que la fonction retourne le bon résultat pour n = 1.

function P=Poly(n,x): Il définit nom de fonction et argument

PP=x; P=2; Il initialise P_{-1} et P_O
for k=2:n Il répète de 2 à n
Aux=PP; PP=P; P=x*P-Aux Il a ctuali se P_{k-1} et P_k
end
endfunction

4. Ici, la démarche est analogue à celle de la question 2 : à partir des résultats observés
pour n appartenant à [O, 4] , on formule une conjecture pour tout entier naturel que
l'on démontre par récurrence.

Pi(z+;) z+-1z
(z+-1) 1
2
-0
0 P2 ( z +;) z
- 2 = z2 + -z 2
c
:J 3
+ ~)
0 1) - 3 ( z + -1) = z 3 + 3z 2 x -1 + 3z x -1 + -1 - 3z - -3
I..{)
,.....
P3 ( z ( z + -z z z z2 z3 z
0
N

©
z+ -1
3
z3

(z+ ~r - 4 (z+ ~)
....... 2
..c
Ol
ï:::
+2
>-
z 4+ 4z2+ 6 + -4 + -1 - 4 (z 2+ 2 + -z1) + 2 = z 4+ -z4
a. 1 .
0
u z2 z4 2

0
Enfin, en rem arqu ant aussi que Po ( z + .; ) = 2 = z + :0 , on conjecture que, pour

tout entier naturel n, Pn ( z + ~)

z
= zn + __!_
zn
ce que nous démontrons ci- dessous par
une récurrence à deux term es.
• Initialisation : La conjecture a déj à été vérifiée au rang 0 et au rang 1.
 44 Chapitre 2 Nombres complexes et polynômes

e ' 'd'/te, : S UppOSOnS Fn

Here o (
Z + ;-1) = Zn + 1 et p n + l ( Z
zn + ;-1) = z n+l + 1
zn+l
pour un certain entier naturel n. On a alors :

Pn+2 ( Z +;) (Z + ; ) Pn+l ( Z +;) - Pn ( Z +;)

1) ( z n + l
( z+-
z +--
zn+l -
1 ) ( zn +-1 )
zn
n+2 1 n 1 n 1 n+2 1
z +-+z
zn +zn+2
- - - z - -z n= z +--
zn+2
donc la conjecture est vraie au rang n + 2.
• Conclusion :
VzEC*, VnEN, Pn z + -
z ( 1) = z n 1
+ -.
zn

5. Pour exploiter les résultats précédents, il faut pouvoir écrire 2 cos sous la forme e
z + z - 1 . Ici, la bonne idée est de se souvenir de l'une des deux formules d 'Euler :
2 cosw = e i w + e - iw (que l'on applique deux fois : avec w = e et avec w =ne).

~1
Soit n EN. En utilisant deux fois la première formule d'Euler,
Pn (2 cos 8) = Pn ( eie + e-ie) = (eier + (ew) - n = eine + e-ine = 2 cos( n8).

6. Pour x E IR\ [- 2, 2], la relation de récurrence s'écrit Pn+2(x) = x Pn+1 (x) - Pn(x)
i.e. une relation de récurrence linéaire d 'ordre 2.

Soit x E IR\ [- 2, 2] . La suite (Pn(x)) est linéairement récurrente d 'ordre 2 d 'éq uation
2
caractéristique associée r = xr - 1. Le discriminant de cette dernière équation est

(- x)2 - 4 x 2 - 4 done strictement

= . . 'f et ses racines
pos1t1 . sont X ± .Jx2 - 4 . Ü n sait
.
2
alors qu'il existe deux réels µ et v tels que

V n E N, Pn(x) =µ ( x + J;2 - 4) n + v ( x - .);2 - 4) n

En particulier, avec n= 0 et n = 1, comme P 0 (x) = 2 et P 1 (x) = x,

"O µ +v 2
2
0 µ+ v
c
{ µ x + .Jx2 - 4 x - .Jx 2 - 4 { µ - v 0
0
:J
2 +V 2 X

1..()
T"-l ~ µ = v = l.
0
N Finalement,
©
.......
..c
Ol
ï:::
>-
a.
0
u Une autre méthode basée sur la même idée qu'à la question précédente a urait été de
1
trouver z tel que x = z + - en résolvant une équation du second degré de solutions
z
x + Jx - 4
2
x - J x2 - 4
z+ = et z_ = (vérifiant z+z- = 1) qui a urait conduit un
2 2
peu plus rapidement au résultat Pn (x) = z+ + ~ = z+ + z~ .
Z+
 Exercice 2.8 Division euclidienne et restes 45

On pose An= xn et Bn = X 2 - (n + l)X + n pour n EN.

1. Calculer le quotient et le reste de la division euclidienne de A5 par B 2 •
2. Déterminer, pour tout n E N, le reste de la division euclidienne de An par B2.
3. a. Obtenir de même le reste de la division euclidienne de An par B 1 .
b. En utilisant l'indéterminée Y = X - 1, déterminer aussi le quotient de la
division euclidienne de An par B1.

1. Il suffit d 'effectuer la division euclidienne.

On réa lise la division euclidienne de A 5 = X5 par B 2 = X2 - 3X + 2 :

X5 X 2 -3X +2
4
- (X 5 - 3X +2X )3
X 3 + 3X 2 + 7X+ 15
3X 4 - 2X 3
- (3X 4 - 9X 3 +6X 2 )
3
7X - 6X 2
- (7X 3 - 21X 2 +14X)
15X - 14X
- (15X 2 - 45X +30)
31X - 30
donc le quotient est X 3 + 3X 2 + 7X + 15 et le reste 31X - 30.

2. La méconnaissance de la valeur précise den empêche de pouvoir procéder comme

à la question précédente. Mais de t oute façon seul le reste est demandé, on va donc
invoquer le t héorème de la division euclidienne pour obtenir l'existence du reste
:3 !(Q,R) E IR[X] x IRi[X], An= B2Q + R
et s'efforcer d 'éliminer la présence du quotient en utilisant les racines de

( 3) - 14
2
-0
0
c B2 = X 2 - 3X +2 = X - "2 = (X - l )(X - 2) .
:J
0

~
,....
1..()
Soit n E N . D'après le théorème de la division euclidienne, comme deg B2 = 2, il
0
N existe des uniques polynômes Q et R tels que An = B 2 Q + R et deg R < 2. En outre,
© puisque R est de degré au plus 1, il s'écrit R = aX + b avec a et b réels. En éva lu ant
.......
..c les polynômes en 1 puis en 2 qui sont les racines de B2, on obtient le système
Ol
ï:::

u
>-
a.
0 { 2: !~ ~: L2J·f;-L1{ a+~ ~n - 1 i.e. { ~ ~n--2~
Finalement, le reste demandé est (2n - l)X + 2 - 2n = 2n (X - 1) - (X - 2).

3.a. On procède comme à la question précédente à ceci près que B 1 = (X-1) 2 n 'admet
qu'une seule racine qui est double. Pour utiliser cette multiplicité de la racine, on va
dériver l'égalité An = B 1 Q + R en A~ = B 1 Q' + B ~ Q + R' et tirer alors parti du fait
que 1 est racine de B 1 et B~ .
 46 Chapitre 2 Nombres complexes et polynômes

Pour n E N, toujours d 'a près le théorème de la division euclidienne, il existe des

uniques polynômes Q et R = aX + b de degré au plus 1 tels que An = Bi Q + aX + b.
En dérivant cette dernière éga lité, on obtient aussi A~ = B~ Q + B 1Q' + a. Ainsi,
en évaluant en X = 1 et en utilisant que B 1 (1) = 0 = B~ (1) , il reste à résoudre le
système

{ a+~ ~:n-1 i.e. { ~ ~ -n

Finalement, le reste demandé est nX +1- n = n(X - 1) + 1.
3.b. Le changement d'indéterminée Y = X - 1 va permettre de passer d'une division
par X 2 - 2X + 1 = (X - 1) 2 à une division par Y 2 , ce qui est beaucoup plus facile à
gérer surtout lorsque le polynôme est écrit sous forme algébrique.

L'éga lité précédente xn = (X - 1)2Q(X) + n(X - 1) + 1 s'écrit, avec l'indéterminée

Y = X - 1, (Y + l )n = Y 2 Q(Y + 1) + nY + 1. Or, d'après la formule du binôme de
Newton,

(Y+l)" =t. (~)y•= t, (~)Y'+ (7)Y +(~) y'= Yt, (~)y'-'+nY

1 2
+l

d'où, Q(Y + 1) = t, (~)y'-' et finalement Q(X) = t, (~}x - 1)'-

2

Soit x , y et z trois nombres complexes deux à deux distincts.

1. Trouver trois polynômes Px, Py et Pz, chacun de degré au plus 2, tels que
Px(Y) = Px(z ) = Py(x) = Py(z ) = Pz(x) = Pz(Y) = 0,
{ Px(x) = Py(y) = Pz(z ) = 1.
2. Soit a, b, c trois nombres complexes. On pose P = aPx + bPy + cPz. Justifier
que Pest l'unique polynôme de degré inférieur ou égal à 2 tel que :
"'O
0
P(x) =a, P(y) = b et P(z) = c.
c
:J
0 3. En déduire tous les polynômes P de degré inférieur ou égal à 2 tels que :
1..()
T"-l
0
P(- 1) = 2 et P(1) = 3.
N

©
.......
..c
Ol
ï::: 1. Commençons par faire le tri sur les conditions, elles se séparent en trois parties
>-
a.
0 indépendantes
u
1 0 0
0 1 0
0 0 1

Si Px satisfait aux conditions, il admet y et z pour racines donc (X - y) (X - z ) divise

Px. Comme Px est de degré inférieur ou égal à 2, il exist e un complexe À tel que
 Exercice 2.9 Polynômes interpolateurs de Lagrange 47

Px = ,\(X - y)(X - z). Enfin de Px(x) = 1, nous tirons À(x - y)(x - z) = 1 donc
1 X-yX-z
À= ( )( ) et finalement : Px =
x- y x- z x- y x- z

~1
Si on note Px le polynôme X - y X - z de degré 2, on a bien Px(Y) = Px(z) = 0
x-y x-z
(car y et z sont clairement racines de Px) et Px(x) = x - y x - z = 1.
x-yx-z
On adapte l'expression obtenue pour P.-c à Py et Pz .

~1
X - xX - z
De manière analogue, les polynômes Py et Pz, définis par Py ----et
y-x y-z
X --
Pz = - X X - y '
- - , repon dent b"1en aux con d.1t1ons
. . '
1mposees.
z - x z - y
2 . Vérifier que le polynôme proposé satisfait aux trois équations est immédiat. Le
travail se situera surtout dans la preuve de l'unicité.

~I P(x) = aPx(x) + bPy(x) + cPz(x)

P(y) = b et P(z) = c.
= a+ 0 + 0 = a. De même, on a clairement :

Étant donné un objet satisfaisant une propriété P, si l'on veut montrer qu'il est
unique pour cette propriété, la méthode générale consiste à se donner un autre objet
satisfaisant aussi P et de montrer que les deux objets sont en fait identiques. Ici les
objets sont des polynômes. Pour montrer que deux polynômes sont égaux, une façon
de faire est de montrer que leur différence est le polynôme nul, car nous disposons de
résultats permettant de caractériser le polynôme nul (un polynôme de degré inférieur
ou égal à n est nul s'il admet au moins n + 1 racines distinctes).

Réciproquement, si Q est un polynôme de degré inférieur ou égal à 2 tel que : Q(x) =a,
Q(y) = b et Q(z) = c alors Q(x) = P(x), Q(y) = P(y) et Q(z) = P(z) donc le
polynôme Q - P admet (au moins) trois racines distinctes : x, y et z. Éta nt de plus
de degré inférieur ou égal à 2, Q - P est donc le polynôme nul. Ainsi Q = P ce qu i
montre l' un icité de P.
3 . Il faut repérer ici le lien évident avec la question qui précède. Pour tout réel z
"O distinct de - 1 et 1, et tout polynôme P de degré inférieur ou égal à 2,
0
r::::
0
:::J
{
P(-l)
P(l)
-
2
3
~ P = 2P-1+3P1 + P(z)Pz,
lfl
,.-1
0
N
le choix de z étant arbitraire. Le plus simple est de prendre ici z = O.
@
....., Soit P un polynôme de degré infé rieur ou égal à 2. D'après le résultat de la question
r:
Ol
·;::
précédente et avec les notations de la question 1 pour (x,y,z) = (- 1,1,0),
>
Cl.
0 P(- l) 2 {::::::::} P=2P- 1+3Pi+P(O)Po.
u { P(l) 3
À l'aide des formu les de la question 1 :
2 2
p = (X - l)X = X - X p
1
= (X+ l)X = X +X
- l -2 X (-1) 2 ' 2 X 1 2
et Po = (X + l) (X - l) = 1 - X 2 .
1 X (- 1)
 48 Chapitre 2 Nombres complexes et polynômes

Ainsi, P est solution ssi il existe c E C tel que

P. = X 2 - X 3 2 + -X
+ -X 3 + c(l - X 2) = c + -X
1 + (5- - c) X 2.
1 2 2 2 2

Les notations Px, Py et Pz de l'énoncé peuvent paraître trompeuses: les

trois polynômes dépendent en fait bien chacun de x, y et z. Ainsi, dans
cette dernière question et pour tout z tj. { -1, 1}, tout polynôme solution
s'exprimerait sous la forme 2P_ 1 +3P1 + P(z)Pz où les polynômes P _ 1
, , d , (X - l)(X - z)
et P 1 auraient a 1ors ete onnes respectivement par ( ) et
21+z
(X + l)(X - z)
-'-------C..-'-------C.. (on retrouve ceux ci-dessus lorsque z = 0).
2(1 - z)

On désire prouver le résultat suivant : « si a, b et c sont trois complexes de

module 1 vérifiant a+ b + c = 1, alors nécessairement un de ces trois complexes
vaut 1 ».
Supposons que a, b et c soient trois nombres complexes de module 1 tels que
a+b+c=l.
1 1 1
1 . J ust1"ficr l',cgal"Itc, : - + -b + - = 1.
a c
2. On considère le polynôme P défini par P(X) = (X -a)(X -b)(X -c). Justifier
l'existence d'un complexe non nul Œ tel que P(X) = X 3 - X 2 + aX - Œ.
3. Conclure.

"O
1. Il faut exploiter ici l'hypothèse essentielle (la seule!) que les trois nombres sont de
0
r:::: module 1.
:::J
0

~1
lfl
,--1
0
Puisque a, b, c sont de module 1,
N
@
....,
r:
a1 + b1 + c1 = laa bc _ -b - b -
l2 + lbl2 + lcl2 = a+ + c = a+ + c = 1 = 1.
Ol
ï:::
>
0
Cl. 2. Le principe d 'une factorisat ion consiste essent iellement à trouver les racines à par-
u tir des coefficients d'un polynôme. Ici, nous adoptons une démarche opposée : nous
allons exprimer les coefficient s de P à l'aide de ses racines. Il faut tout naturellement
développer l'expression factorisée de P et simplifier convenablement ses coefficients à
l'aide des connaissances sur les racines a, b et c (cf énoncé et résulta t de la question
précédente).
 Exercice 2.11 Autour des racines n -ièmes de l'unité 49

P(X) (X - a)(X - b)(X - c)

X 3 - (a+ b + c)X2 +(ab + be+ ac)X - abc
X 3 - X 2 +(ab+ be + ac)X - abc (puisque a+ b + c = 1) .
En posant a= abc, o n a :

ab + be+ ac= -a + -a + -a =a (1- + -1 + -1) =a (d'après 1)

c a b c a b
donc finalement : P(X) = X 3 - X2 + aX - a. Ainsi, a = abc convient .

3 . Il faut bien identifier ce que l'on cherche à montrer ici : on veut établir que l'une
des racines a, b ou c de P est égale à l . Cela revient à montrer que X - 1 divise P,
ce qui est immédiat d'après le résultat de la question précédente.

~I P(X) = X 2 (X - 1) + a(X - 1) = (X - l)(X 2 +a) do nc 1 est racine de P. O r a,

b et c sont les racines de P do nc un des nombres complexes a, b ou c est égal à 1.

Pour n E .N* et k E rro,n - 1]' on pose Zk =

1ik.zr.
e .. .
1. Calculer (zkr.
N
2. a. Calculer, pour tout (} E lR \ 27rZ et tout N E .N*, L sin (k(J) .
k=l
n-1
b. En déduire la valeur de L sin k1rn pour n;;::: 2.
k=l
3. a. Factoriser x n - 1 dans C[X].
b. En déduire la factorisation dans C[X] du polynôme
n-1
"O
0
p = L x k = 1 + X + x z + ... + x n - 1.
r::::
:::J
k=O
0
lfl
4. En considérant P (l) et P(-1), en déduire les valeurs des deux produits
,.-1
0
N
nrr
-1sm
. -k1r et nrr
-1cos-
k1r
.
@ n n
....., k=l k=l
r:
Ol
·;::
>
Cl.
0
u
1. (zk)n se calcule simplement en utilisant les règles de calcul pour les puissances
(même imaginaires pures) : ei8 ei8 ' = ei(e+e') et (eier = eine.

~1
On a:
(zk) n = ( 2ik,.. )
e -,-, n
= e 2ik7r = 1.
 50 Chapitre 2 Nombres complexes et polynômes

2.a. Même si le terme général de la somme est purement réel, il va être très utile de
passer par les nombres complexes, soit à l'aide d 'une des formules d 'Euler
eikO _ e-ik()
sin(kO) =
2
soit en utilisant la partie imaginaire. Dans les deux cas, on est ramené à des sommes
de termes consécutifs de suites géométriques de raison complexe que l'on sait alors
calculer.

Soient () E lR \ 27r.Z et N E N*.

t, sin( k8) t, lm (e"') = lm (t, e"') (pac linéadté de l m)

Im ~
(L.....-
k =l
[ ifJJ
e
k) -- Im ( eie - _ei(N+1)e
eie
1
) (car· eie -t.
r
1)

La dernière étape consiste alors à repasser dans les réels à l'aide de méthode de l'angle
moyen et des formules d 'Euler.

~ N
. ( ei(N+2)e;2 e-iNfJ/2 _ eiNfJ/2 )
I : sin (kO) = lm eie 12 e- ifJ ;2 - eifJ /2
k=l

lm ( ei(N+i)e/ 2 -
2i sin(NO / 2) ) (d'après les formules d'Euler)
- 2isin(0/2)

. (N+ 1 ) sin ( ~ 0)
sm - 2-e . ((})
sm
2
2.b. Il suffit d'appliquer la formule tout juste obtenue avec les paramètres adéquats.

En particulier, pour n ~ 2, la formule précédente avec N = n - 1 et () = ~ donne

"O
0
n
r::::
:::J n-1 . . (n-1rr)
. ( n 7r ) sm ~ n
· (rr
. -7r sm 2 - rr) rr
sm -k1r cos 2n 1
L 2n
0 = sin - - = sin = -- = .
lfl n 2n sin ( .2L ) 2 sin 2n sin 2n tan n
2n
,.-1 k=l 2n n n
0
N
@ 3.a. Factoriser un polynôme revient à trouver ses racines (avec leurs ordres de multi-
.:COl plicité). Ici la première question fournit des racines de xn - 1.
·;::

~I
>
0
Cl. D 'a près la question 1, x n - 1 admet Zk pour racine pour tout k E [O, n - 1~.
u (zk)kE[O ,n - l ] est donc une famille de n racines du polynôme xn - 1 de degré n .

Si on trouve n racines distinctes d'un polynôme de degré n, alors celles-ci sont simples
et le polynôme n'admet pas d'autres racines : c'est une conséquence du théorème de
d 'Alembert-Gauss. Ainsi, notre tâche va consister à démontrer que les complexes Zk
sont deux à deux distincts (pour k E [O, n - l il ).
 Exercice 2.11 Autour des racines n -ièmes de l'unité 51

Ces racines sont deux à deux disti nctes par un icité d e l'argument d ' un nombre complexe
si on se restreint à [O, 2n[. Enfin , xn -
1 éta nt un itaire, le t héorème de d'A lembert-
n-1
Gauss permet de conclure : xn - 1= II (X - Zk)·
k=O

3.b. P our faire le lien entre P = 1 +X+ X 2 + · · ·+ x n- 1 et xn -1, il faut reconnaître

dans P(q) pour q E C la somme des premiers termes d,une suite géométrique pour
1 - qn
laquelle on dispose d'une formule P(q) = que l'on redémontre par télescopage
l-q
pour éviter de distinguer le cas où q = 1.

On a, par télescopage,
n -1 n-1
(X - l)P =(X - 1) L xk = L (Xk+l - Xk) = xn - 1.
k=O k=O
n- 1
Comme x n- 1 = II (X - Zk) et zo = 1, on en dédu it par simplification par le
k=O
n- 1
polynôme non nul X - 1 que P = II (X - zk). qui est donc l'écritu re fact orisée de
k=l
P d ans <C[X].

4 . L'idée va consister à exploiter les deux écritures de P pour calculer de deux façons
différentes P(l) et P(- 1).
• La forme factorisée de P donne une expression de P( 1) et de P( -1) faisant inter-
venir les produits cherchés si on pense à invoquer les formules d'Euler.
• La définition de P par ses coefficients permet de calculer très simplement P(l) et
P(- 1).
Il suffit ensuite d 'isoler les produits à calculer dans les identités obtenues.

II sin n et Cn = II cos n·
"O n- 1 n- 1
0 kn k1r
r:::: On pose Sn=
:::J
0 k=l k=l
lfl n-1
D ' une part, P(l) = L lk = n. D'a utre part , en utilisant le résultat de la qu estion
,--1
0
N
@ k=O
....., précédente,
r:

u
Ol
·;::
>
Cl.
0
P(l) fi =Il (
k=l
(1 - zk)
k=l
1- e
2
i~1f ) =Il [i~1f
k=I
e ( e -~k" - e i~ ) ]

= fi [-2iei~
k=l
sin ( ' : ) J (d,après les formules d,Euler)

n-I

II (-2ieik; ) X Sn
k=l
 52 Chapitre 2 Nombres complexes et polynômes

donc, au final,

Sn = nII 2 = 2n- l ·n-1exp

n - 1 . - ik"
ie n
- -i
n
(
.1f
- i -
n ~
n -1
"'"""'k
)
= - -i
n
2n- l
·n-1exp ( - i(n
. - 1)-)
2
7r

k=l k= l

. II sm. -k1fn = -2n-n-

1.e.
n- 1

1
.

k=I

De même, P(-1) =~ k
~( - 1) =
(- 1r - 1
_2 ={ o
1
sin est pair
sinon
et

n- 1 n -1

P( - 1) II (- 1 - zk ) II [- (1+ e J =
2
'.: " )
k= l k=l

= ( - l) n- 1
nI-I1[e .k1'n ( e .kn:n +e .ko;r)]
i -
n - i -
= i -'- (
- l)n-
1nI-I1[2e .k'nlf cos -k~ ]
i - "

n
k= I k =l

n -1

ainsi, si n est pair, II cos ~ = 0 et, si n est impair, il existe un entier m tel que
k=I
n- I
(- l)m II cos nk1f = (- l) :Z 1 - (- 1r·
n- 1

II cos n =
k1f n - 1
n = 2m + 1 et 22m . En résumé, 2
n
k= l k=l

Il est bon de garder un œil critique sur ses résultats et de vérifier leur
cohérence. Le fait que l'on trouve 0 lorsque n est pair n 'est pas sur-
prenant. En effet, si n est pair, il peut s'écrire sous la forme 2p où
n- 1 k
p E rr 1, n - 1] et ' dans le produit cos - ' figure donc nécessaire-
n
II ~1f

k= l
p7r p7r 1f
ment cos - = cos - = cos - = O.
"O
0 n 2p 2
r::::
:::J
0
lfl
,.-1
0
N
@
.....,
r:
Ol
·;::
>
Cl.
Exercice 2 .12 : Divisibilité et ordre de multiplicité des racines
0
u
Dans cet exercice, a est un nombre complexe et P est le polynôme :
P = X 5 - (3a+2)X 4 + (1 +3a+3a2 )X 3 - (a 3 + l)X 2 + (2- a3 +3a)X - (a+ 1) 3 •
2
1. Soit j le nombre complexe e ;" • Simplifier j 3 et 1 + j + j 2 .
 Exercice 2 .12 Divisibilité et ordre de multiplicité des racines 53

2 . Dans cette question uniquement, on suppose que a = j.

Montrer que si r est une racine réelle de P alors
-3r4 + 3r = 0 et r 5 - 2r4 - 2r 3 - 2r2 + r + 1 =O.
Qu'en conclure?
3. Dans cette question uniquement, on suppose que a = j - 1.
Vérifier que j est racine de Pet déterminer son ordre de multiplicité.
Factoriser alors P dans C[X].
4. On suppose désormais que a est réel.
a. Montrer que P possède au moins une racine réelle.
b. Vérifier que j est racine de P et en déduire que X 2 + X + 1 divise P .
c. Montrer que P possède une racine triple que l'on exprimera en fonction
de a et factoriser P dans tC[X].
d. Discuter le signe de P(x) en fonction du réel x.

1. Pour le calcul de 1 + j + j 2 , le plus rapide est de reconnaître la somme de termes

consécutifs d 'une suite géométrique de raison j .

~1
·3
j 3 = (e--:r-) · = 1 et 1 + J.
:ii " 3 = e2t7r + J.2 = 1 - J = 1 - 1 = 0 donc : .i3 = 1 et
1-j 1 - .i
1+ j + j 2 =o.
2. Injectons froidement j à la place de a dans l'expression de P et procédons aux
simplifications d'usage à l'aide de j 3 = 1 et j2 = -1 - j.
Tout d'abord, on a
P = X5 (3j + 2)X4 + (1 + 3.i + 3j 2 )X 3
-

-(j 3 + l)X 2 + (2 - j 3 + 3.i)X - (j + 1) 3

"O
0
r:::: X 5 - (3j + 2)X4 - 2X3 - 2X2 + (3j + l)X + 1
:::J
0
lfl
,.-1
En séparant les termes suivant leur dépendance en j, on fait apparaître les deux
0
N
polynômes mentionnés dans l'énoncé.

~I
@
.....,
r: (X 5 - 2X4 - 2X3 - 2X 2 +X+1) + j(- 3X4 + 3X).
Ol
·;::
>
Cl.
0 Il reste à comprendre pourquoi si r est racine réelle de P, chacun des deux termes
u
s'annule en r. Pour cela, il suffit de séparer parties réelle et imaginaire.
En particulier, si r est une raci ne réelle de P,
r 5 - 2r4 - 2r 3 - 2r2 + r + 1 = - (- 3r4 + 3r) j.
En prenant la partie imaginaire des deux membres, on a - 3r4 + 3r = 0 puisque
Irnj =j:. 0, puis en réinjectant cette égalité, r 5 - 2r4 - 2r3 - 2r2 + r + 1 =O.
 54 Chapitre 2 Nombres complexes et polynômes

La première équation se résout très simplement dans IR.

Or
- 3r4 + 3r = 0 {::::::::} - 3r(r - l)(r 2 + r + 1) = 0 {::::::::} (r = 0 ou r = 1)
donc r = 0 et r = 1 sont les deux seules possibi lités. En les injectant dans la deuxième
équation, on constate que ni l' une ni l'autre ne conviennent (1 =/= 0 et -3 =/= 0).
Finalement, P n'admet pas de racine réelle.
3. Il s'agit de vérifier si P(.j) = O.
Tout d 'abord ,
P = X5 - (3j - l)X 4 + (1 - 3j + 3j 2 )X 3
-(j 3 - 3)2 + 3j)X2 + (-}3 + 3j2)X - 1
X 5 + (1 - 3j)X 4 - (2 + 6j)X 3 - (4 + 6j)X 2 - (4 + 3j)X - 1.
En particulier,
P(j) j5 + (1 -
3j)j4 - (2 + 6j)j3 - (4 + 6j)j 2 - (4 + 3j)j - 1
= 2 .5 - 51.4 - 81.3 - 7·2
-1 1 - 4.
J - 1
-2j2 - 5.i - 8 - 7j - 4.i - 1 = -9(.72 + .i + 1) = 0
2
=
donc j est racine de P.
Pour l'ordre de multiplicité, on va utiliser la caractérisation par l'annulation des dé-
rivées successives : r est racine de P de multiplicité m ssi
(v k E [O, m - 1] , p (k)(r) = 0) et p(m)(r) =JO.

Calculons alors la valeur des dérivées successives de P en j.

P' = 5X 4 + 4(1 - 3j)X 3 - 3(2 + 6.i)X 2 - 2( 4 + 6j)X - (4 + 3j)
P'(j) = -7.i -14.7 - 18)2 - llj - 4=-18(j 2 +j+1) = 0
4 3

P" = 20X3 + 12(1 - 3.i)X 2 - 6(2 + 6j)X - 2(4 + 6.i)

P" (j) = -16/ - 24j2 - 24.i - 8 = -24(j 2 + .i + 1) = O
P'" 60X 2 + 24(1 - 3j)X - 6(2 + 6j)
"O p"'(j) -12j 2 - 12j - 12=-12(j 2 +j+1) = 0
0
r::::
:::J
pC 4 ) = 120X + 24(1 - 3j)
0
lfl p( 4 )(j) 48j + 24 = 24(2j + 1) =!=o.
,.-1
0
N En conclusion , j est racine quadruple de P et (X - j) 4 divise P. Il existe alors
@ un polynôme Q tel que P = (X - j) 4 Q. Comme P est de degré 5 et un itaire,
.....,
r: Q = X - À où À E C est à déterminer. Par identification du coefficient de X 4 , on a
Ol
·;:: - 4j - À= - (3a + 2) = - (3j - 1) i.e. À= - j - 1 = j 2 . Fina lement, la factorisation
>
Cl. de P dans C[X] est : P =(X - j) 4 (X - j 2 ).
0
u
4.a. Visualisons le graphe de P : au voisinage de - oo, P est « très négatif» et, au
voisinage de +oo, « très positif» ; entre les deux, on doit donc passer par O. On va
rendre rigoureux ce raisonnement à l'aide du théorème des valeurs intermédiaires.

~I
P est de degré impa ir et unitaire donc lim P = -oo et lim P = + oo. En particu lier,
- OO +oo
il existe M > 0 tel que P(M) > 0 et P( - M) < O. D'après le théorème des va leurs
 Exercice 2 .12 Divisibilité et ordre de multiplicité des racines 55

intermédiaires appliqué à la fonction polynomia le P continue sur [- M, M ], il existe

1 r E] - M, M[ tel que P(r) =O.
4. b. On calcule P(j ) et on simplifie les calculs comme précédemment.

Calculons :
P(j) j5 - (3a + 2)/ + (1 + 3a + 3a 2 )j3
- (a3 + 1))2 + (2 - a3 + 3a)j - (a+ 1) 3
j2 - (3a + 2)j + (1 + 3a + 3a 2 ) - (a 3 + 1))2 + (2 - a3 + 3a)j - (a + 1) 3
- a3 (}2 + j + 1) = 0
donc .i est bien racine de P .

On rappelle que pour qu'un polynôme R à racines simples dans C divise le polynôme
P , il faut et il suffit que les racines de R soient aussi racines de P . C'est ce que nous
utiliserons ici avec R = 1 + X + X 2 .

D 'après 1, j est racine d u polynôme X 2 + X+ 1. Comme il s'agit d ' un trinôme du

second degré à coefficients réels, son autre racine est son conj ug ué ] . Pour montrer
que X 2 + X + 1 d ivise P , il suffit de montrer que j et ) sont racines de P : pour
J
j, cela a été fait ci-dessus et est aussi racine de P car, P éta nt à coefficients réels,
P (J) = P (j) = 0 =O. En concl usion, (X - j)( X - = X 2 +X + 1 divise P. J)

On retiendra qu'un polynôme à coefficients réels qui possède une racine

complexe non réelle z, admet également z pour racine.

4 .c . On commence pa r factoriser pa rtiellement P par division euclidienne.

O n effect ue la d ivision eucl idienne de P par X 2

+X + 1.
x s - (3a+2) X 4
+ (1+3a+3a 2 )X 3 - (a3 +1)X2 +(2 - a 3 + 3a)X - (a+ 1) 3 x
2
+ x +1
- [xs +x4 +x31 xJ
- 3(a+l)X 4 + 3a(a+ l)X 3 - (a 3 + 1)X2 +(2 - a 3 + 3a)X - (a+l) 3 - 3(a+l)X2
'O - [- 3(a+l)X 4 - 3(a+ l)X 3 - 3(a+ l)X 2 ] + 3(a+ l) 2 X
0
r::::
:::J 3(a+I) 2 x 3 - (a 3 - 3a- 2)X 2 +(2 - a 3 + 3a)X - (a+ 1) 3 - (a+I) 3
0 - [3(a + 1) 2 x 3 + 3(a+ 1) 2 x 2 + 3(a+ I) 2 X )
lfl
,..-1
-(a+1) 3 x 2 - (a+1) 3 X - (a + 1) 3
0
N - [- (a+1) 3 x 2 - (a+1) 3 X - (a+I)3]
@ 0
.....,
r:
Ol
·;::
Ai nsi
>
Cl. p [X 2 + X+ ll[X 3 - 3(a + l) X 2 + 3(a + 1) 2 X - (a + 1) 3 ]
0
u
Puis on enchaîne à l'aide d 'une identité remarquable.

~1 [X 2 +X + ll[X - (a + 1)] 3
et a+ 1 est raci ne triple de P . O n conclut que la factorisation de P da ns <C[X ] est
P = (X - j)(X - ))(X - a - 1) 3 .
 56 Chapitre 2 Nombres complexes e t polynômes

4. d . C'est évidemment une forme factorisée qu'il faut privilégier pour la discussion
du signe. Toutefois, comme le signe n'a pas de sens pour un complexe non réel, la
factorisation de X 2 + X + 1 n 'apporte rien donc on le garde t el quel.
Soit x E IR.
P( x) =(x 2 + x + l)(x - a - 1) 3 est d u signe de (x - a - 1) 3 donc de x - a - 1 (en
effet, x2 + x + 1 est toujours strictement positif puisq ue X 2 + X + 1 est un itaire et
de discriminant strictement négatif) . Ai nsi,
• si x > a + 1, P ( x) > 0,
• si x <a+ 1, P (x) < 0 et
• si x =a + 1, P (x) = 0 (a+ 1 est la seule raci ne réelle de P).

On voit ici la différence entre les deux écritures (algébrique et factorisée)

d'un polynôme. La première est à favoriser lors d'opérations additives
et de dérivation ou d 'intégration (sauf en cas de racine unique). La
seconde est plus pertinente pour les opérations multiplicatives ou pour
une étude de signe.

"O
0
r::::
:::J
0
lfl
,.-1
0
N
@
.....,
r:
Ol
·;::
>
Cl.
0
u
 Liste des capacités attendues 57

Liste des capacités attendues

• S avoir « jongle r » entre les écritures a lgé brique , trigonométrique et ex-

ponent ielle des nombres complexes (cf exercices 2. 1, 2.2 et 2.3)

• Savoir utiliser les formules d'Euler (cf questions 2.1.2 , 2.2.2 et 2.3.2)
eie + e- ie eiB _ e- i8
cose = - - - - et sine = i
2 2

• S avoir utiliser la formule de d e Moivre

[ cos 8+ 't sin 8] n = cos(nO) + 't sin(nO) .

• Savoir employer des formules de trigonométrie pour transformer une

é criture (cf questions )

o 1cos2 e + sin2 e = 1 I,
(j les formules d 'addit ion
1 sin(a + b) = sin a cos b + cos a sin b 1 et 1 cos(a + b) = cos a cos b - sin a sin b I·
et en particulier les formules de duplication

1 sin(2e) = 2 sine cos e 1 et 1 cos(2e) = cos2 e - sin 2 e = 2 cos2 e- 1 = 1 - 2sin 2 e 1.

• Savoir linéariser une expression d e la forme cosP(fJ) sin<1(fJ) (cf question 2.4.1)

"O
0
r::::
:::J
0
lfl
,..-1
0
N
@
.....,
r:
Ol
·;::
>
Cl.
0
u
 58 Chapitre 2 Nombres complexes et polynômes

• Savoir déterminer (ou majorer) le d egré d'un polynôme (cf questions 2.6.1
et 2.7.2) à l'aide de son comportement pour
0 les opérations algébriques

1deg( P + Q) ~ t max( deg P, deg Q) 1, 1deg( PQ) = deg P + deg Q 1,

0 la dérivation
1 deg P' ~ +deg P - 1 1

• Savoir déterminer des racines d'un polynôme (avec leurs ordres de mul-
tiplicité ) (cf questions 2.9.1, 2.10.3 et exercice 2. 12)

• Savoir effectuer une division e uclidienne (cf question) ou utiliser le théo-

rème de la div ision euclidienne (cf question )

• Savoir utiliser le théorème de d ' Alembert-Gauss et s es conséquences

(cf questions 2.9. 2 et 2.11.3.a)
0 tout polynôme à coefficients complexes de degré n peut s'écrire
n
an(X - X1) ··· (X - Xn) = an II(X - Xi),
i=l
les Xi n 'étant pas nécessairement deux à deux distincts,
O tout polynôme de degré n admet exactement n racines complexes comptées
avec leurs ordres de multiplicité,
0 un polynôme de degré inférieur ou égal à n ayant au moins n +1 racines,
comptées avec leurs ordres de multiplicité, est nul.

• Savoir étudier une s uite de polynômes d éfinie par une relation de ré-
currence (cf exercice 2.7)
"O
0
r::::
:::J
0
lfl
,.-1
0
N
@
.....,
r:
Ol
·;::
>
Cl.
0
u

t. Il ne s'agit d'une égalité que si les degrés sont différents ou si les degrés sont égaux mais la
somme des coefficients dominants n'est pas nul.
+.
L'inégalité n'est stricte que pour les polynômes constants.
 CHAPITRE

Calcul matriciel

Dans tout ce chapitre OC désigne le corps des réels IR ou celui des complexes C On
rappelle aussi le vocabulaire élémentaire et les notations habituelles associés aux ma-
trices :
• l'ensemble des matrices à coefficients dans OC à n lignes et p colonnes est noté
Mn,p(IK) et une telle matrice est dite d'ordre (ou de taille) n x pou (n,p);
• lorsque p = n, cet ensemble se note plus simplement Mn(IK) et une matrice de
cet ensemble est dite d'ordre n;
• la matrice identité (ou unité) de M n(IR) est souvent notée In ou Id voire I tout
court;
• la matrice nulle de Mn,p(IK) est notée On,p (celle de Mn(IR) est parfois notée On),
voire 0;
• une matrice carrée est dite diagonale si seuls ses coefficients diagonaux sont éven-
tuellement non nuls ;
• une matrice est dite triangulaire su,périeu,re (respect ivement inférieure) si tous les
coefficients situés « strictement en dessous de la diagonale » (respectivement au
dessus) sont nuls ;
• la transposée d'une matrice M est notée t M;
• une matrice carrée A à coefficients réels est dite symétrique (respectivement anti-
symétrique) si t A = A (respectivement t A = - A) .
"O
0 Par ailleurs , on adoptera, dans cet ouvrage, les notations suivantes :
r::::
:::J
0 • on notera A ['i, j ] le coefficient de la matrice A situé en ligne 't (i.e. la i e ligne),
lfl
,.-1 colonne j (i.e. la je colonne) ;
0
N • on notera Cf (resp. Lt) la j e colonne (resp. ie ligne) de la matrice A.
@
....., Enfin, à l'instar du codage utilisé par la méthode du pivot de Gauss (voir chapitre
r:
Ol n
ï:::
>
Cl.
0
suivant), on utilisera les notations Li +---- L aiLi (resp. Li f------t Lj) pour coder la
u i=l
n
transformation qui modifie la ligne i d 'une matrice A en lui substituant L aiLf, où
i= l
a 1 , ... , an sont n scalaires donnés (resp. en permutant les lignes 't et j de la matrice A
considérée). On adopte le codage analogue pour les transformations agissant sur les
colonnes.
 60 Chapitre 3 Calcul matriciel

1. On considère la matrice carrée de taille 4 suivante: K = (~ ~l I ~:)·

a. Calculer K 2 . En déduire que la matrice K est inversible et déterminer
son inverse.
b . Soit (a, b) E IR2 . On note M la matrice définie par M = al+ bK. Exprimer
M 2 en fonction de I, M, a et b.
c. En déduire que, si (a, b) =I= (0, 0), alors la matrice M est inversible, et
exprimer M - 1 sous la forme cd + /3 M où (a, (3) E IR 2 .
2. Soit M E Mn(IK) . On suppose que MP = 0 t pour un certain p E N* et on
p -1
pose alors S(M) = L Mk .
k=O
a . Simplifier S(M) - M x S(M). En déduire que In - M est inversible et
calculer son inverse.
-21 -43 -11)
b. En déduire que A = est inversible et calculer A- 1 .
( -3 -4 0

c. Soit B = (=~ ~ -3)

~4 . Justifier que B est inversible et donner B- 1 .
- 1 1

1.a . On utilisera la caractérisation d'une matrice inversible : K est inversible si et

seulement s'il existe une matrice carrée L de même taille que K telle que K L = I ou
LK = I où I est la matrice unité. Dans ce cas, l'inverse de K est I<- 1 = L. Il s'agit
"O
0
donc d'exhiber une égalité de la forme K x L = I avec L « bien choisi ».
r::::
:::J

(T~l 1 ~
0
lfl
,.-1
0 1<2 = ) = - I. Ainsi, - K
2
= I i.e. J( x (- K) = I donc I<
N 1
@ 0 0 0 -1
.....,
r: est inversible et K- 1 = - I<.
Ol
·;::
>
Cl.
1.b. On commence par utiliser les règles d'opérations usuelles sur les matrices.
0
u

~1
On a
M2 = (al+bK)x(al+bI<)=a 2 l+ablK+baKI+b2 K 2
2 2 2
= a 1 + 2abK + b K

t. on dit alors que M est une matrice nilpotente

 Exercice 3.1 Polynômes de matrice et inversibilité 61

Il suffit alors de remarquer que bK s'exprime simplement en fonction de M et de se

souvenir que K 2 = - I pour conclure.

~1 a 2 I + 2abI< - b2 I = a 2 I
- (a 2 + b2 )I + 2aM.
+ 2a(M - al) - b2 I

1.c. Nous allons nous aider de l'équation précédente du second degré en M pour faire
apparaître la matrice inverse de M . Pour cela, on isole les termes en M dans le premier
membre et la matrice unité dans le second. Il ne reste alors plus qu 'à factoriser par
M dans le premier membre pour faire apparaître une identité du type Mx? = I .

Si (a, b)-:/= (0, 0), alors a + b2 > 0 et

2

M
2
- 2aM = -(a2 + b2 )I ~ M(M - 2af) = -(a2 + b2 )I
~ M x [- a2 : b2 (M - 2a!)] = I.
1
Ainsi M est inversible et M -
1
= - b M +2 a b I.
a+ 2 a2 + 2 2

2.a. S(M) doit faire penser à la somme des premiers termes d 'une suite géométrique
p-1

Sp- l = L qk . On sait, si q =J. 1, que Sp- l = 1

- qP mais il faut bien se garder de
k=O l - q
généraliser cette formule en remplaçant littéralement q par M (la fraction n'aurait
alors plus aucun sens !). La démarche consiste plutôt à se souvenir comment cette
formule peut être obtenue, par télescopage, en remarquant que :
p-1 p-1

(l - q)Sp- 1 = (1 - q) I::: l = L[l - qk+l] = 1 - qP.

k=O k=O

p-1 p-1 p-1 p-1

S(M) -MX S(M) = L Mk -MX L Mk = L Mk - L Mk+I

k=O k=O k=O k=O
p- 1
"O
0 L (Mk - Mk+ 1 ) = M 0 - MP (par télescopage)
r::::
:::J k=O
0
lfl In - MP = In (car MP = 0 par hypothèse) .
,.-1
0
N
En factorisant alors par S (!VI), on fait a pparaître In - M puis une identité caractérisant
@
....., 1'inversibilité de In - M .
r:
Ol

~1
ï:::
> Or S(M) - Mx S(M) =(In - M) x S(M) donc (In - M) x S(M) = In.
Cl. p- 1
0
u In - M est alors inversible, de matrice inverse S(M) = L Mk.
k=O

2.b. On se ramène au critère d'inversibilité décrit à la question précédente. Il s'agit de

vérifier ici que A peut s'écrire sous la forme h - M où M est une matrice nilpotente,
c'est-à-dire telle que MP = 0 pour un certain entier naturel p . La résolution de
A = h - ]'\If donne le candidat ]'\If = h - A.
 62 Chapitre 3 Calcul matriciel

~1 -1) ( 2
-1 -3 3
Posons M = h - 2 4 1 = -2 -3
(
-3 -4 0 3 4

On cherche le premier entier naturel p tel que MP 0 de proche en proche en

commençant par p = 2, p = 3 puis au-delà si nécessaire.

Des produ;ts matddels montrent que M 2 = (

D'après la question 2.a , on en déduit que A =

~1 ~1
h - M
n 2
et M 3 = M x M = O.

est inversible, d 'inverse

2
2
L Mk h + M+M
k=O

c0 0)
0
0
1
0
0
1
+ c
- 2
3
3
- 3
4
~1) + ( ~l
1
- 1
1 n
~3 ~}
4
-3
(
5

2.c. Il s'agit ici d 'avoir le « bon coup d 'œil » pour reconnaître le lien de transposition
entre B et A pour pouvoir utiliser son comportement pour l'inversion.

~1 s-• =('A)-'= '(A-')=' ( ~3

4
Id B ='A donc -3
5

"O
0
r::::
:::J
0
lfl
,..-1
0
N 1. Soit n E Net a, b, c, d E !K. On considère la matrice de M3(1K) définie par
@

(~0 !0 a~) .
.....,
r:
Ol
·;:: A=
>-
Cl.
0
u

a. On pose B = (~ ~ ~) . Calculer B 2
et B 3 .
0 0 0
b. En déduire A n pour tout entier naturel n .
 Exercice 3.2 Puissances de matrice I 63

1 1
1 1 1
1 1 ~
1) §
où a E lK..
1 1
a. Exprimer Ma en fonction de J et de la matrice unité 14 de M 4 (IK.).
b. Déterminer J 2 et en déduire que, pour tout n E N*, Jn est proportionnel
à J en explicitant le coefficient de proportionnalité en fonction de n.
c. Calculer (Ma)n pour n E N*.

1.a. Pas de problème ici au niveau des calculs. Ce dont on est sûr, c'est que B 2
et B 3 seront triangulaires supérieures (l'ensemble des matrices carrées triangulaires
supérieures de même ordre est en effet stable par multiplication).

~1 G bd) (0~
0 0
Pa< prndu;t mat<;c;el , 8 2
=B x B = 0 ~ et B
3 2
= B x B = 0
0 0

1.b. Remarquons déjà le lien évident existant entre A et B :

~1 G 0a 0)0
b
On cema<que que A= 0 = B +ah.
0 0 a
Le calcul de An, c'est-à-dire de (B + ahr, doit alors immédiatement faire penser à la
formule du binôme de Newton. Encore faut-il signaler que l'hypothèse d'application
de cette formule est vérifiée : les matrices, dont on veut calculer la puissance ne de la
somme, commutent pour la multiplication matricielle.

Comme ais x B = aB = B x a/ 3, d 'a près la formule du binôme de Newton,

"O
0
r::::
:::J
An (B +aist = t
k=O
(~)Bk(af3r-k = tk=O
(~)Bk(an-kls)
0
lfl
,..-1
0
N
t
k=O
(~) an-kBk.
@
.....,
r: Cette somme, en apparence compliquée, se simplifie considérablement grâce au fait
Ol
·;::
> que B 3 = 0 : les termes d 'indice k ~ 3 sont nuls
Cl.
0
u
n )an-3 B3 +(n)an-4( B 3 xB)
(3
+ ... + ( nn )ao(...._,,_,
B3 xBn-3)
""--v-' 4 ...._,,_,
=Ü =Ü =Ü

et seuls subsistent les trois premiers termes de la somme.

§. Les matrices carrées dont tous les coefficients sont égaux à 1 sont parfois appelées matrices de
Jordan.
 64 Chapitre 3 Calcul matriciel

Pour k ~ 3, Bk = B 3 x Bk- 3 = 0 x Bk- 3 = 0 donc, si n ~ 2,

(~)an B o+ ( 7) an-1 B + (;) an-2 B2

an h + nan- 1B +n(n - 1) an-2 B2

2
nan-lb na n-1 c + -
n(n
., - a n-2bd)
- 1)
an nan--1d
0 an
Ainsi , A 0 = h. A 1 =A et, sin ~ 2,

2.a. Si on n'a aucune idée du résultat attendu, on peut au moins suspecter une relation
linéaire entre Ma, Jet / 4 du type : Ma= aJ + f3J4. Au brouillon et par identification
des coefficients des matrices des deux membres, il est alors immédiat que a = 1 puis
f3=a - l.

~
( ~l l~ a~ l~) (~1 1~ 1~ 1~)+ (a~0
JJ
0 0
1 a-1 0
0 a-1
llla 1111 0 0 0
donc M~. = J +(a - l)f4.

2.b. On explicite J 2 et on en profite pour déterminer le coefficient de proportionnalité

pour n = 2.

~
J2 = = 4J.

"O
0
r::::
Quand on demande de trouver une formule valable pour tout entier naturel (ici non
0
:::J nul), on regarde ce qui se passe pour de petites valeurs den afin de conjecturer ensuite
lfl
,..-1
un résultat général que l'on démontre finalement par récurrence. Ici
0
N J3 J2 X J = 4J X J = 4J2 = 4(4J) = 42 J,
@
....., J4 J 3 X J = ( 42 J) X J = 4 2 J2 = 4 3 J
r:
Ol
·;:: ce qui semble suffisant pour formuler une conjecture et avoir une idée du fonctionne-
>
Cl.
0
ment du raisonnement par récurrence.
u
Montrons par récurrence sur n que: Vn EN*, Jn = 4n- 1 J.
Initialisation : J 1 = 1 x J = 4° J donc l'égalité est vraie au rang 1.
Hérédité : Supposons Jn = 4n- l J pour un entier naturel n ~ 1. On a alors
Jn+I = Jn X J = 4n-l J X J = 4n- l J2 = 4n-l X 4 J = 4 n J = 4 (n+l)- l J
L 'égalité est vraie au rang n + 1.
 Exercice 3.2 Puissances de matrice I 65

1 D'a près le principe de récurrence, nous avons bien : 'r;/ n E N*, pi = 4n- l J.
2.c. L'écriture de Ma établie à la première question suggère encore ici l'usage de la
formule du binôme de Newton pour le calcul de (Mar·

Soit n E N*. Puisque J x (a - 1)/4 = (a - l)J = (a - 1)/4 x J, par la formule du

binôme de Newton,

(M~.f'· [J + (a - 1)1,r = t, (;)"' [(• - 1)1,r '

Î: (~) Jk(a - lr-k14 Î: (~)(a -1r-k Jk .
=
k=O k=O

Ici, contrairement à la situation précédente, il n'y a aucune raison a priori que des
termes de cette somme soient nuls. On peut cependant utiliser pour Jk la formule
établie précédemment. Attention, il faut bien prendre en compte que Jk = 4k-l J
n'est valable que si k est supérieur ou égal à 1.

Que faire ensuite? Pour la somme, l'idée est de faire le tri dans son terme général
quant à la dépendance en k. Concrètement on va mettre 4 - 1 J en facteur pour faire
apparaître le terme général ( ~) (a - 1r- k4 k qui est celui de la formule du binôme
et faire attention au terme d'indice k = 0 qui est manquant.
D'après la formule du binôme de Newton,

"O
0
(a - 1)"!1 + ~ [t, (;}a - 1)"-'4'] ./
(a - 1+4r -(~)(a - 1r-040
r::::
:::J
0 n
lfl
,.-1
0
(a - 1) /4+ 4
J

(a_ ir 14 + (a+ 3r - (a - lr 1 .
N
@
,...., 4
r:
Ol
·;:: Au final, en posant u = a+ 3 et v = a - 1,
>
Cl. un - vn un - vn
0
u un+ 3vn un -vn
·un -vn un+ 3vn
·un -vn ·un -vn
 66 Chapitre 3 Calcul matriciel

On considère un portefeuille boursier dont les actifs sont répartis en trois types,
i.e. répartis dans trois marchés.
• Marché obligataire :
Ce marché est stable. On vendra systématiquement en fin de journée 303 des
actions détenues en début de journée et le reste sera converti en actions du
marché des devises à parité égale (1 action obligataire=l action devise).
• Marché des devises :
Ce marché est soumis à un risque mesuré. En fin de journée on vendra les 4/7
des actions détenues en début de journée et le reste sera converti en actions
du marché des matières premières à parité égale. Par ailleurs, on procédera
en fin de journée à l'achat de 10 actions du marché obligataire pour chaque
action en devises détenue en début de journée.
• Marché des matière premières :
Ce marché est extrêmement volatil. En fin de journée, on décide donc de
convertir en obligations chaque action détenue en début de journée. On fixe
la parité à hauteur de 20 actions du marché obligataire par action du marché
des matières premières.
On note Xn, Yn et Zn le nombre d'actions détenues au début de la ne journée
respectivement dans le marché obligataire, le marché de devises et le marché des

::::r:e ~:c:~è:::~:: ::tc~n la (Ê)i~tc::::::::i:~t le rfic:•~c ,a:

l'instant initial (jour 0) , le portefeuille est constitué uniquement de 100 actions
du marché obligataire On se propose d'estimer l'évolution du portefeuille.

1. a. Justifier que, pour tout n EN, Xn+l = AXn où A=

~ 0
(1 0
1
oO
20
o) t

"O b. Pour tout entier naturel n, exprimer Xn en fonction de A, net Xo.

3
ï,).
0

2. On pose P= ( 1° :~ !~4) et Q = (~
1
2~
r::::
:::J
0
lfl
,.-1
0 1 3 3 50 -5- 35
N
@ a. Vérifier que P est inversible d'inverse Q et calculer la matrice D définie
.....,
r: par D = QAP .
Ol
·;::
> b. Exprimer A en fonction de P , D et p- 1 . En déduire, pour tout entier
Cl.
0 naturel n, l'expression de An en fonction de P, Dn et p - 1 .
u

t. On dit que A est la matrice de Leslie associée a u modèle, en hommage à Pat rick Leslie,
premier écologiste mathématicien, qui a introduit et développé cette théorie dans son a rt icle fondateur
T he use of matrices in certain population mathematics, 1945.
 Exercice 3.3 Modèle de Leslie I 67

3. Soit n EN.
a. Proposer une fonction Scilab qui calcule le nombre total d'actifs au début
de la ne journée à l'aide de la relation de récurrence X n+ l = AXn .
b. Exprimer en fonction de n le nombre total d'actifs au début de la ne
journée.

1.a. Il s'agit ici d 'établir le système linéaire reliant les actifs par type de marché Xn,
Yn et Zn du jour n à ceux du jour n + 1, à savoir Xn+1, Yn+I et Zn+I· On traduit
ensuite le système linéaire en une équation matricielle.
Soit n E N. Les obligations du jour n + 1 sont issues des devises du jour n , au nombre de
Yn · et des matières premières du jour n , au nombre de Zn , avec des parités respectives
de 10 et 20. Ainsi, Xn+l = lOyn + 20zn .
Compte tenu des ventes effectuées en fin de journée, seuls 703 des Xn obligations du
jour n sont maintenus le jour su ivant et constituent le portefeuille des devises le jour
. . 7
n + 1. AlnSI , Yn+I = 10 Xn .
Les matières premières du jour n + 1 sont les trois septièmes des devises du jour
précédent, c 'est- à-dire ceux qui n'ont pas été vendus (les matières premières du jour n
, , ven d ues ) . A"ms1,
ont toutes ete . Zn+I = 7Yn
3 ·

Xn +l = lOyn + 20zn
En résumé, Yn+ 1 = 170 xn ce qui s'écrit matriciellement : Xn+1 = AXn .
{
Zn+l = t Yn
1.b. La relation de récurrence reliant X n+ l à X n fait penser ici à celle d'une suit e
géométrique. Par a bus de langage, (X n) serait une suite «géométrique» de « raison »
A , de premier t erme X 0 , ce qui permet de conjecturer la formule explicitant son terme
général X n .

Montrons par récurrence sur n que: 'ï/ n E N, X n = A n X o.

"O
0 Initialisation : Xo = fs x X o = A 0 x X 0 donc l'égalité est vraie au rang O.
r:::
::J Hérédité: Supposons X n = AnXo pour un certain entier naturel n . On a, d'après le
0
lfl résultat de la question précédente, X n+i = AXn donc X n+I = A (A n X o) = A n+I Xo.
L'égalité est vraie au rang n + l.
,..-1
0
N
Conclusion : D'après le principe de récurrence, pour tout entier naturel n, Xn = A nXo.
@
.....,
r:
Ol
·;::
>
Cl.
Pour une suite géométrique (un )nEN de raison q, on peut écrire indif-
u
0 féremment Un = qnuo ou Un = u 0qn. Mais pour la suite matricielle
(Xn)nEN ci-dessus, écrire XoAn n 'aurait aucun sens! L'ordre des fac-
teurs a une importance dans la multiplication matricielle.

2.a. On revient à la définition de l'inversibilité et de la matrice inverse (en sachant

que l'inverse attendu est explicitement donné dans l'énoncé) .
 68 Chapitre 3 Calcul matriciel

( ~~ ',~ ( ~1 ~~3
3
QxP
50 35
'f)
- i-
X -;4
40 )

io-~++io!. ++ !. io_!.-- io!. ++ {ol

1
10 ~-
-1 -
9
10
3
+ 10)
!. + l
0
1
( 34
5-5-5
24 12 14
5+5-5
24 32 4
5+5-5
i 32
0
Ainsi, Q x P = I donc Pest inversible et p- 1 = Q.

Pour calculer QAP = p -l AP, il semble préférable de calculer d'abord AP puis le

produit de p - l et de AP. L'autre démarche consistant à calculer p - l A puis le produit
de p - l A et de P aurait fait intervenir à deux reprises des calculs avec beaucoup de
fractions (à cause de la forme particulière de p- 1 ).

~ 10
0
20)
0
(307 X
10
-7
- 10
7
-80)
28
3
7 0 1 3 -3 -6
puis

u:ic lfO
9

~)
- 10
-80)
c"
Q x (AP) X 21 7 28
140 282 21
50 35 - 5 3 -3 -6
3 9 3 6 9 3
20 + 20 + ïO - 20 + 20 - 10 5
= _!!+ :2 + ~
94
3
64 32
!.+!.-~
41 42 23
-18
: 1 --3' )
8 6
5-5-5 - 5- 5+ 5 - 5 - 5+ 5

~)
0

G -1
0 -2

2.b . Pour « extraire» A de l'égalité D = p - 1 AP, il suffit de multiplier à droite

par p- 1 puis à gauche par P. Encore une fois, il faut prendre garde au fait que la
multiplication matricielle n'est pas commutative.

~I
p - 1 AP = D donc (P- 1 A)(PP- 1 ) = DP- 1
puis p - 1 A = DP- 1
et, fi nalement,
"O
0
P(P- 1 A) = PDP- 1 i.e. A= PDP- 1 .
r::::
0
:::J On regarde ce qui se passe pour de petites valeurs de n :
lfl
,.-1 A2 - (P DP- 1 )(PDP- 1 ) = P D(P- 1 P)DP- 1 = P D 2 p - 1 ,
0
N
A3 - A 2 X A = PD 2 p - l X PDP- 1 = PD 2 (P - 1 P)DP- 1 = PD 3 P - 1 .
@
.....,
r: On peut alors formuler une conjecture pour An que l'on démontre par récurrence .
Ol
·;::
>
Cl. On montre par récurrence sur n qu e : '</n EN, A n = PDnp- 1 .
0
u Initialisation : On a A 0 = Is = pp- 1 = PlsP- 1 = PD 0 p- 1 donc l'égalité est vraie
au ra ng O.
Hérédité : Supposons An = P Dn p- 1 pour un certain entier naturel n. O n a alors
An+i A x A n = (PDP- 1) x (PDnP - 1 ) = PD(P- 1 P)DnP- 1
PDDnp- l = PDn+l p - 1 _
A insi, l'égalité est vraie au rang n + l.
 Exercice 3.3 Modèle de Leslie I 69

Conclusion : D'après le principe de récurrence, on a bien :

Vn EN, An= PDnP- 1 .
1
3 .a. On utilise trois variables x, y et z servant à stocker Xk, Yk et Zk pour tout entier
k compris entre 1 et n mais on prend aussi garde à mémoriser les anciennes valeurs
de y et z avant leur redéfinition à l'itération k puisque Xk s'exprime en fonction de
Yk-l et de Zk -1 (à savoir Xk = lOYk-1 + 20zk-1) .

function Xn=Population(n)
x=100;y=O;z=O; //initialisation de x, y et z (k=O)
for k=1:n //boucle sur k
yy = y;; //yy stocke y_(k-1)
zz = z; //zz stocke z_(k-1)
z = 3/7*y; //on actualise la valeur de z_k
y = 7/1Ü*X; //on actualise la valeur de y_k
x = 10*yy+20*zz; //on actualise la valeur de x_k
end;
Xn=x+y+z; //valeur de sortie: x_n+y_n+z_n
endfunct i on

Fort des spécificités du langage Scilab, on pouvait éviter le recours aux variables
auxiliaires yy et zz en utilisant une multiaffectation aussi bien dans la boucle « for »,
[x, y, z] = (10*y+20*z, 7 /10*x, 3/7*y); , que dans l'initialisation de x, y et z,
[x, y, z] = (1OO,0, 0) ; .
3. b. Le nombre total d'actifs au jour n est la somme Xn +(yl~)zn des trois composantes

de la matrice colonne Xn où Xn = An Xo = An x ~ . Le résultat de cette

multiplication matricielle n'est autre que 100 fois la première colonne de An. Il suffit
donc de ne calculer que cette première colonne. Nous utiliserons pour cela le résultat
"O précédent An = P n np- 1 : les matrices diagonales (comme D) ont en effet l'avantage
0
r::::
:::J
d'avoir des puissances qui se calculent très simplement.
0
lfl
,.-1
0
N 3n (- 0l r 0)
@
.....,
r:
Ol
Pour tout entier naturel n, nous savons que Dn =
(o o0 0
(- 2r
donc,

ï::: après calculs et sans préciser les coefficients des deux dernières colonnes de An,
>
Cl.
0
An pvnp- 1
u
40 ) (3n
J~)
30 10 0
7 -7 - 14 0 (- 1r
(
1 3 3 0 0
•
= •
• :)
 70 Chapitre 3 Calcul matriciel

45 x 3n - 25(-1r + so(-2r)
puis Xn = An Xo =
(
2
J 3n + 31i (- 1r - 28(-2r . Le nombre total d'actifs au
~3n - :f(-1r +6(-2r
1 jour n est donc égal à 57 x 3n - 15(- lr + 58(- 2r.

Exercice 3.4 : Th. de Cayley-Hamilton pour les matrices 2 x 2

Soit A= ( ~ ~) une matrice de Mz(IR). On pose tr(A) = a+ d la somme des

coefficients diagonaux de A (on parle de la trace de A) et on pose det(A) =ad-be
(on parle du déterminant de A).
1. Montrer que A 2 - tr(A)A + det(A)lz =O.
2. Montrer qu'il existe deux suites réelles (an)nEN et (bn)nEN telles que :
'Vn EN,
On exprimera an+l et bn+l en fonction de an, bn, tr(A) et det(A).
3. Vérifier que, pour tout n EN, an+2 = tr(A)an+1 - det(A)an.

4. Application : on suppose ici A = ( !1 ~4) ·

a. Déterminer An pour tout n EN.
b. Vérifier que A est inversible. La formule obtenue à la question précédente
est-elle valable pour n = -1 ? pour n E z:. ?

1. Il s'agit ici d'une simple vérification par calcul matriciel.

A2 - tr( A)A + det(A)h

2
"O
= ( a +be ab+bd) ( (a+d)a (a +d)b)+(ad-be 0 )
0
r::::
ea + de eb + d2 - (a + d) e (a + d)d 0 ad - be
:::J

(~ ~) .
0
lfl
,..-1
0
N
@
....., 2 . La difficulté ici est de reformuler ce qui nous est demandé comme une propriété
r:
Ol
·;::
P(n) dépendant den : «il existe deux réels an et bn tels que An = anA + bnfz ».
>
Cl.
On doit démontrer que P(n) est vraie pour tout entier naturel n . Comme il nous est
0
u demandé de plus de relier (an+ 1 , bn+ 1 ) à (an, bn), le raisonnement par récurrence est
tout indiqué ici.

~1
Montrons par récurrence sur n que, pour tout entier naturel n, il existe deux réels an
et bn tels que An= anA + bnh·
Initialisation : A 0 = h = 0 x A+ 1 x h donc la propriété est vra ie au ra ng 0 avec
=
ao 0 et bo 1. =
 Exercice 3.4 Th. de Cayley-Hamilton pour les matrices 2 x 2 71

Hérédité : Supposons que, pour un entier naturel n, il existe deux réels an et bn tels
que An= anA + bnh· On a alors:
An+l = An X A = (anA + bnh) X A = anA 2 + bnA
an[tr(A)A - det(A)I2] + bnA (d'après 1)
[an tr(A) + bn]A - an det(A)h
En posant O,n+l = O,n tr(A) + bn et bn+l = - an det(A), on a bien
An+i = an+1A + bn+1h
donc la propriété est vraie au rang n + 1.
On aura noté quelques points importants dans l'étape d'hérédité :
• l'écriture de An+I sous la forme An x A pour exploiter l'hypothèse de récurrence;
• l'utilisation de l'écriture de A 2 en fonction de A et 12 qui a permis d'écrire An+I
comme combinaison linéaire de A et h uniquement ;
• la définition constructive de an+I et bn+I en fonction de an et bn .

Ainsi , d 'après le principe de récurrence, pour tout entier naturel n, il existe deux réels
an et bn tels que An= anA + bnh·
De plus on a montré que les deux suites (an) et (bn) peuvent être définies par

ao=O, bo=l et VnEN, { an+l:antr(A)+bn.

bn+l - - an det(A)

3. La première relation de récurrence permet d'exprimer an+2 en fonction de an+I

et bn+I, tandis que la seconde exprime bn+I en fonction de an. En injectant cette
dernière dans la première, on conclut.

~1
Soit n E N. D 'après les deux relations de récurrence établies en 2,
an+2 = an+l tr(A) + bn+l = an+l tr(A) - an det(A).

On reconnaît ici une relation de récurrence linéaire d'ordre 2 qui permet donc le calcul
du terme général de la suite (an) ·
"O 4.a. On utilise les résultats généraux des deux questions précédentes. La tâche se
0
r:::: ramène donc ici essentiellement à calculer tr(A), det(A) et, surtout, le terme général
:::J
0 d'une suite linéairement récurrente d'ordre 2 +.
lfl
,-1
0
N tr(A) = - 1 et det(A) = - 6 donc, par 2 et 3, pour tout n E N, An = anA + bnh où
@
.....,
r: ao = 0, bo = 1 et Vn E N,
Ol
·;::
>
Cl. La suite (an) est donc récurrente linéaire d'ordre 2. Son équation caractéristique est
0
u q2 + q - 6 = O. Le discriminant de q2 + q - 6 valant 12 - 4( - 6) = 25 = 52 , cette
' . ad met deux so1utrons
equatron . ' Il es - l - 5 = - 3 et - l + 5 = 2. A"rnsr,. 1·1 existe
ree .
2 2
deux réels À etµ tels que: Vn EN, an= >..(-3r + µ2n.

+.Pour plus de détails sur la méthode dans ce cas, on se reportera aux exercices 7.1, 7.2 et 7.3
en pages 245, 247 et 250.
 72 Chapitre 3 Calcul matriciel

Il ne faut pas oublier d'expliciter ensuite >. et µ. La relation précédente, appliquée

avec n = 0 et n = 1, et la connaissance de ao et a 1 permettent de déterminer ces
paramètres.

~
Nous savons que ao = 0 et a1 = -ao + bo = 1. Or,

{ ao
ai
=
=
0
1
{::::::::}
{ >.+µ
-3.X + 2µ
=
=
0
1

{::::::::}
L2rL2+3L1 { >.+µ
5µ
0
1
{::::::::}
{ À
µ
2n - (-3r
ainsi, pour tout entier naturel n, O.n = et
5
2n+1 + 2n - [(-3r+1 + (-3rJ
bn = an+ 1 + an = 5
donc
An = anA + bnh = ~ [(2n - (-3f1') A+ (3 X 2n +2 X (-3t) h ]

~
5
(6-x2n2n+- ( -(-3r
3)n
6x [2n - (-3rl)
- 2n + 6 x (- 3r ·

4. b. Première méthode :
Comme on travaille avec des matrices d'ordre 2, on dispose d'un critère d'inversibilité
par le déterminant (cf exercice 4.5 en page 100) et d'une expression de l'inverse : si
det(A) -:/= 0,

A- 1 =(ac db)-l- ad 1 ( d
- be - c

det(A) = - 4 x 3 - ( - 6) x 1 = - 6 i= 0 donc A est inversible, de matrice inverse :

"O
0 A
-1 1
= -4 X 3 - ( -6) X 1
(-4 -6) 61(4
1 3 = - 1
r::::
:::J
0 La matrice obtenue en remplaçant n par -1 dans l'expression de An établie à la
lfl
,.-1
question précédente est
0
6x(~+.!.))
10
N
1(3+.!.
- 1 31 1- 3 = -1( 35
@ 5 - 2 - 3 - 2 - 2 5 - 6
.....,
r:
Ol
·;::
donc la formule établie à la question précédente reste vraie pour n = - 1.
> Plus généralement, pour n E N*, An est inversible comme puissance d'une matrice
Cl.

u
0 inversible et, comme elle est carrée de taille 2, on peut directement calculer sa matrice
inverse. On a déjà, en posant Un = 2n et Vn = (- 3r.

det(An) = \ [(6un - Vn)(-un + 6vn) - (-un+ Vn)6(un - Vn)]

5
1 ( - 6Un2 + 36UnVn + VnUn - 6vn2 + 6un2 - 6UnVn - 6UnVn + 6Vn2)
25
UnVn = 2n(-3)n = (-6t.
 Exercice 3.4 Th. de Cayley-Hamilton pour les matrices 2 x 2 73

A insi,

et la formule établie à la question précédente reste vraie si n E z:.

Seconde méthode :
Une autre stratégie est d'utiliser le candidat pour être l'inverse de A qui est donné :
il y a juste à vérifier.

En utilisant que, d 'après 1, A 2 +A - 6h = 0, on a

~ [(2- 1 - (- 3)- 1 ) A+ (3 X 2- 1 + 2X(- 3)- 1 )12] A

1
'6(A + I2)A
1 2
(A +A)= 12
6
donc A est inversible et la formule précédente avec n = -1 donne bien son inverse.
Pour les autres entiers négatifs, on procède de même, en pensant bien que An est
l'inverse de A - n . En pressentant les simplifications du type 2- n x 2n, on choisit de
regrouper les termes selon les raisons 2 et - 3 plutôt que selon A et f 2 ce qui permet
d 'aller au plus court au niveau des calculs.

Plus généralement, pour n E z: ,

A-n X ~ [(2n - (- 3)n) A+ (3 X 2n + 2 X (- 3)n) h]

A- n x ~ [2n(A + 312) + (-3t(2I2 - A)]

"O
0 = ~ [2-n(A+3h) +( -3)-n(2h-A)] X ~ [2n(A+3h)+(-3)n(2h-A)]
r::::
:::J

2~ [(A ~) ~ ( - ~) n )
0 2 2 2
lfl
= + 6A + 9h) + ( ( - (6h - A - A ) + (4h - 4A +A )]
,-1
0
N
= 1 ( 2A2 + 2A + 13h ) = 25
25 1 (2 X 6h + 13h) = h .
@
.....,
r: Ainsi , l'inverse de A-n à savoir An est donné par la formule de la question précédente
Ol
·;::
>
i.e. la formule est aussi valable pour n E z:.
Cl.
0
u
 74 Chapitre 3 Calcul matriciel

Exercice 3.5 : Produit scalaire, symétrie et antisymétrie

Soit n E N*. Dans cet exercice, pour tout j E ITl, nil on notera Ej E Mn,1 (JR)
la matrice colonne dont tous les coefficients sont nuls sauf le f qui vaut 1. Soit
A E Mn(lR).
1. E rr1, nl Que représente A X Ei par rapport à A?
a . Soit i
b. Soit (i,j) E rr1, nil 2 . Calculer t Ei X A X Ej .
c. On suppose que pour tout (X, Y) E Mn, 1 (1R) 2 , on a tXAY = ty AX.
Montrer que la matrice A est symétrique. Étudier la réciproque.
2. On admet qu'une matrice B E M n(lR) est inversible ssi Il
'ï/ X E Mn,1 (JR), (BX = 0 ~ X = 0).
On suppose dans la suite que A est à coefficients réels et antisymétrique.
a. Établir : 'ï/ X E M n,1 (JR),
t X A X =O.
b. En déduire que, pour tout réel non nul À, la matrice A - Àl n est inversible.

1.a. Par considération des tailles des matrices, on s'aperçoit que le produit AEi est
une matrice colonne de taille (n, 1). Pour calculer ses coefficients, il faut revenir à la
définition générale du produit matriciel.

Soit k E [l , n]. Par défi nition d u prod uit m atriciel, et compte tenu d u fait que les
. . E , { Ei[j, l] = 0 si j =/; i
coe ff rcrents de i sont don nes par E ·[. l] _ .. _ · ·
i J, - 1 Sl J - '/,
n
(A X Ei)[k, l] = L A[k,j] Ei[j , l ] = A[k,i] Ei[i, l] = A[k ,i].
j=l ~ ~
Ai nsi AEi correspo nd à la ie colonne de la matrice A.

1.b. Vérifions que la matrice produit est bien définie et déterminons sa taille.

~I
"O
0
r:::: Soit (i, j) E [l , n ] 2 . tEi E Mi ,n(IR), A E M n(IR) et Ej E Mn,1(IR) donc le prod uit
:::J
0 t Ei x A x Ej est de taille 1 x 1 aut rement d it c'est un scalaire de IR.
lfl
,-1
0 On procède alors au calcul de l'unique coefficient de t Ei x A x Ej vu sous la forme
N
t Ei x (A x Ej) pour exploiter le résultat de la question précédente.
@
....,
r: O n a:
Ol
·;::
n n
>
Cl.
0
u
k=l k=l
n
L Ei[k , l ] A[k, j]
k=l '--v-"
= Ei[i, l] A[i, j ].
.....___...
=O ~k ~i = 1

Il· Cet énoncé sera prouvé dans la question 6.4.3 .b

 Exercice 3 .5 Produit scalaire, symétrie et antisymétrie 75

1 En identifia nt à lR l'ensemble M 1 (JR) , on peut alors conclure : t Ei x A x Ej = A [i, j ].

1.c. On rappelle que la matrice A est symétrique si et seulement si, pour tout couple
(i,j) appartenant à [1,n] 2 , A[i,j] = A[j,i). Avec la question précédente, on dispose
justement d'une autre expression pour les coefficients de A.

~I Soit (i,.j) E [l, n] 2 . Par hypothèse, t Ei x A x Ej = t E j x A x Ei ce qui signifie,

d'après la question 1.b, que A[i,_j] = A[j, i]. Ainsi, A est symétrique.

La réciproque doit mener à une égalité faisant intervenir des matrices transposées,
il paraît donc ici plus naturel d'utiliser la caractérisation de la symétrie basée sur la
transposition : A est symétrique si et seulement si t A = A.
2
Réciproquement, si A est symétrique et (X, Y) E J\ltn ,1 (IR) , alors
t XAY = t X t AY = t (AX)Y = t (AX) t (tY) = t(tY x AX) = t(tY AX) = t y AX
(la dernière égalité vient du fait que t y AX est une matrice à un seul coefficient donc
elle est symétrique).

2.a. Le point de départ consiste à exploiter que t X AX n'a qu'un seul coefficient donc
est égale à sa transposée. Cela a le mérite de faire apparaître t A qui n'est autre que
-A par antisymétrie de A.

Soit XE J\lt n,1 (1R).

t X AX C
t X AX) = t (t X x AX) = t (AX) x t CX) = t ( AX) x X
= (tx x t A) x x = (tx(-A)) x x = _ t xAx.
Ainsi, 2t XAX = 0 i.e. t XAX =O.

2.b. Posons d 'abord bien les choses en identifiant précisément ce que l'on doit montrer.
Compte tenu du critère d'inversibilité admis, il suffit de montrer que X = 0 est
l'unique solution de (A - Àln)X =O.

~I Soit À E IR*. Soit X E J\lt n,I (IR) tel que (A - Àln)X = O. Il s'agit de montrer que
X=O.

"O
Pour parvenir à l'objectif ainsi fixé, on peut faire apparaître t X AX pour exploiter le
0
r:::: résultat de la question précédente.
:::J
0

~I
lfl
,.-1
Comme (A - Àln)X = 0 ~ AX =À.X, on a, d'après la question précédente,
0
N
o = txAx = tx(>..X) = >.. x i xx donc txx = o (car>.. i= 0).
@
.....,
r: n
Ol
·;::
>
Cl.
Si X = Xn) X = L ~
x~ . Cette somme de
0 k= l ~o
u Xn Xn
nombres positifs est nulle si et seulement si chacun de ses t ermes est nul.

~1
n
Si t X= (x1 , x2 , ... , x n ). nous avons t XX= Lx% où x%;;;:: 0 pour tout k E [l, n] .
k= l
Ainsi, t xx = 0 entraîne: Vk E [1,n], x~ = 0 i.e. X= O.
 76 Chapitre 3 Calcul matriciel

En concl usion, d'après le critère d'i nversibilité admis en préamb ule, po ur tout À E IR* ,
1 A - Àln est inversible.

Pour toute permutation CJ de [1, n] (c'est-à-dire bijection de cet ensemble dans

lui même) , on définit la matrice de permutation associée P<Y E Mn(IK) dont les
coefficients sont
si CJ(j) = i
V(i, j) E [1, n]2,
sinon
1. a . Soient et T deux permutations, montrer que P<YPT est une matrice de
CJ
permutation dont on précisera la permutation associée.
b. En déduire que toute matrice de permutation est inversible et que son
inverse est aussi une matrice de permutation.
c. Soit CJ une permutation, comparer P1, - 1 et t Pq. Que peut-on en conclure?
2. Montrer qu'une matrice M E M n(IK) est une matrice de permutation ssi sur
chaque ligne de M tous les coefficients sont nuls sauf un qui vaut 1 et de même
sur chaque colonne.
3. Soit <7 une permutation et A une matrice de M n(IK).
a. Donner une relation entre les colonnes de A Pu et celles de A .
En déduire une relation entre les lignes de Pu - 1A et celles de A.
b. Dans le cas où CJ et A sont définis par

u:u ~ ~2
>---+ 2 2 3
>---+ 4 6 7
et A= (
>---+ 3 10 ) ,
11
>---+ 1 13 14 15 16
calculer P; 1 APu.

"O
0 1.a. Il s'agit, a près calcul des coefficients (PuPT )[i, j ), d'exhiber une permutation cp
r::::
:::J telle que
0
lfl
,.-1 ( p u p T ) [i , J.1= { 01 si cp.(j)
smon
=i .
0
N
@ n
.....,
r:
Ol
·;::
>
Cl.
=0 si T(j)#k = 1
0
u Finalement, par définition de Pa- .
1 si a (r( j) ) = i
(Pa- PT) [i , j] = { O sinon
= Pa-or[i , j].

1.b. L'inversibilité et l'inverse de la matrice Pu seront obtenus lorsque l'on aura t rouvé
une matrice carrée B telle que PuB = In .
 Exercice 3.6 Matrices de permutation 77

Or In est une matrice de permutation (Prdp,nD = In), ainsi puisque l'on cherche à
établir que l'inverse est elle aussi une matrice de permutation, il s'agit donc d'exhiber
une permutation T telle que Pu Pr = Prd[l ,n J.
Grâce à ce qui précède, on sait que T convient dès lors que fJ o T = Id[i,n] .

En prenant T = a- 1 dans la relation précédemment prouvée, on trouve

PaPCT -1 = p CT 0 CT -1 = P1d 1l ,n 1 = In.
Ainsi on vient d 'exhiber un inverse à droite d e la matrice carrée Pa. Ceci prouve que
Pa est inversible et que P;; 1 = Pa- 1·
1.c. On compare les coefficients de l'une et de l'autre matrice

Par définition de la matrice de permutation Pa - 1, on a

si a- 1 (j) = i
sinon

Or, a étant bijective, on a l'équ ivalence a - 1 (j) = i ~ j = a(i) . A insi

1 sia(i)=j
Pa - 1[i, j] = { O .
sinon
En outre, par défi nition de la t ransposée,

tpa [i,j] = Pa[j,i] = { ~ si a(i) = j

sinon

Par suite, tpa et Pa - 1 ont les mêmes coefficients, c'est donc qu e Pa - 1 = tpa·
On en déduit, grâce à l.b, P;; 1 = Pa - 1 = t Pa.

2. On commence par l'implication directe.

Pour une matrice de permutation M, on isole une de ses colonnes CJ1 et on constate
que les coefficients sont tous nuls à l'exception de celui en ligne rJ(j) .

Supposons que M = Pa avec a une permutation donnée.

Par const ruction , on a pou r t out .i E [1, n],
Pa [l,j] 0
"O
0
r::::
:::J
0 CJM -
- 1 +---- a(j) e ligne .
lfl
,.-1
0
N
Pa[n, j] 0
@
....., Ainsi la f colonne de M ne comport e que des coefficients nuls, sauf celui ligne a(j)
r:
Ol qu i va ut 1.
·;::
>
Cl.
0 Puisqu'il s'agit de répéter la procédure pour les lignes de J\ll il nous suffit de consi-
u
dérer les colonnes de t M et d'invoquer le fait que t M est, elle aussi, une matrice de
permutation. Ceci nous ramène au résultat déjà établi pour les colonnes des matrices
de permutation.

~I Les co efficients que l'on trouve en ligne j de M sont ceux d e la colonn e j de t M.

Or, d ' après l.c, t M est une mat rice de permu tation et donc , d 'a près ce qui précède,
 78 Chapitre 3 Calcul matriciel

tous les coefficients de sa colonne j sont nuls sauf un qui vaut 1.

1 Ainsi tous les coefficients en ligne j de M sont nu ls, à l'exception d'un seul qu i vaut 1.

Réciproquement, nous allons, pour une matrice M vérifiant les bonnes conditions,
construire une permutation <J.

~1
Soit j E [1, n] , notons a(j) la position qu'occupe le seul coefficient non nul de la
colonne cf.
On a ainsi défin i une application a: [ 1, n] ---+ [1, n]. De plus, sous réserve que a soit
effectivement bijective, on peut écrire M =Pa.

Il s'agit, à présent de montrer que C7 est une bijection.

Soit i E [1 , n], montrons que i admet un unique antécédent par a.

La ligne i de M n'admet qu ' un seul coefficient non nu l, notons k la colonne corres-
pondant à ce coefficient non nu l : M[i, k ] = l. Ainsi, puisque dans la ke colonne de M
on trouve un coefficient non nul M[i, k] en ligne i, on a, par construction, a(k) = i
ce qui prouve l'existence d ' un antécédent.
Par ailleurs, pour tout autre ind ice de colonne k', on ne peut avoir a(k') = i car, dans
ce cas, il y aurait deux coefficients non nuls en ligne i (à savoir M[i, k] et M [i, k' ]) ,
ce qui est absurde. Ainsi on vient d'établir l'unicité de l'antécédent.
Finalement a est bien une permutation de [1, n].

3.a. Exprimons les coefficients de AP17 et P17 -1 A en fonction de ceux de A .

Pour tout ind ice de ligne i et tout ind ice de colonne j

n

(APa)[i,j] =L A [i,k] Pa[k,j] = A [i,a(j) ]Pa [a(j) ,j] = A[i,a(j)].

k= l "'-...--' ~
=0 si k#a(j) =l

Ainsi, pour tout indice de colonne j, on a

(APa) [1, j ] A[l , Œ(j) ]

( AP<7) [i, j ] A[i, a(j) J

"O
0
r::::
:::J
0 (A Pa) [n, j] A[n, a(j)]
lfl
,--1
0
N Les colonnes de AP17 sont donc les colonnes de A réordonnées selon la
@ permutation <7 .
.....,
r: P uisque les lignes d'une matrice correspondent aux colonnes de sa transposée, nous
Ol
·;::
>
allons agir par transposition sur ce qui précède.
Cl.
0
u
Soit j un ind ice de ligne on a, pour toute matrice M' t L1}1 = M. c;
En particul ier, si M = Pa-1A, on a, d'après 1.c, tM = tAtPa- 1 = tAPq.
Et donc, en appliquant ce qu i précède à tA en lieu et place de A,
t
Lj
M
= CjLAPu = C a(j)
tA
= t La(j).
A

Ainsi, en appliquant à la nouveau la transposition, L;"- 1

A = L~(j).
 Exercice 3.7 Opérations élémentaires et produit matriciel 79

Les lignes de Pq- l A sont celles de A réordonnées selon la permutation a.

3.b. Il nous suffit d 'appliquer les règles obtenues par multiplication à droite par PO"
puis à gauche par Pq- 1.

D'après ce qui précède, en permutant colonnes de A on obtient la matrice

1 3
5 7
9 11
13 15
Finalement, en permutant lignes de A', on obtient
16 13 15

~
1 3
( 9 11
5 7

Exercice 3. 7 : Opérations élémentaires et produit matriciel

Soit n un entier supérieur ou égal à deux. Pour i et j deux entiers de [1, n],
on note Ei,j et r/~> les deux matrices carrées d'ordre n définies par : tous les
coefficients de Ei,j sont nuls à l'exception de celui en position (i,j) qui vaut 1 et
rLY = In+ >..Ei,j· Dans toute la suite A désigne une matrice carrée d'ordre n.
1. a. Calculer les colonnes de AEi,j et les lignes de Ei,j A.
b. Montrer que seules les matrices d'homothétie commutent avec toutes les
"O
0 matrices de même ordre, i.e.
r::::
:::J
0 [V B E Mn(IK) , AB =BA] ~ [3 >.. E IK, A= >..In]·
lfl
,.-1
0
N
2. a. Calculer les colonnes de ATD) et les lignes de rD) A.
@
....., b. Montrer que, pour i i- j' rD)' est inversible et donner son inverse.
r:
Ol
·;:: 3. a. Proposer une matrice D>..,i qui, par multiplication à gauche avec A, donne
>
Cl. une copie de A où la ie ligne a été multipliée par le facteur >...
0
u
b. Que donne la multiplication à droite? D>..,i est-elle inversible?
4. Proposer une matrice Pi,j qui par multiplication à gauche avec A donne une
copie de A où les lignes i et j ont été permutées et par multiplication à droite
agit de même sur les colonnes. Est-elle inversible?
 80 Chapitre 3 Calcul matriciel

5. a. Montrer qu'un produit de matrices carrées est inversible ssi chaque facteur
est inversible.
b. Soit A une matrice carrée d 'ordre net A' la matrice obtenue à partir de
A après avoir effectué une ou plusieurs opérations suivantes :
C·i >. C·J
f - '-v-"
#0
Li f- >. Lj.
'-v-"
#0
Montrer que A est inversible ssi A' est inversible.
6. Soit >. un réel. On on note T le polynôme 1 +X + · · · + xn et on considère les
matrices
0 0 - 1 0 0 - T(>.)
1 1 ->. -1
A= 0 B= 0
0 -1 ->. -1
0 0 1 - 1 0 0 1 -1- >.
a. Montrer que A - >.In est inversible ssi B l'est.
b. Montrer que A - >.In est non inversible ssi >.est une racine de T.

1.a. Il nous suffit de calculer les coefficients de AEi,j puis de rassembler les coefficients
par colonnes.

Pour tout ind ice k de ligne et tout indice f, de colonne, on trouve

"O
(AEi,j)[k,f..] = tA[k,r] ~ = A[k,i] ~ = { A[~,i] si R = j
sinon
0
r:::: r= l =O si r#-i = 1 si €= j
:::J = 0 sinon
0
lfl Ainsi seuls les coefficients situés en colonne j sont éventuellement non nuls et
,.-1
0
N
@
.....,
c:Ei,j = ( A [1, il ) = et .
r:
Ol
·;:: A[n, i]
>
Cl.
0
Par suite l'écriture par blocs colonnes, donne
u CA
AEi,j = (On,1 On,1 i Ûn,l
t
colonne j

On opère de même avec Ei,jA, puis on rassemble les coefficients ligne par ligne.
 Exercice 3. 7 Opérations élém entaires e t produit matriciel 81

Pour t out ind ice k d e ligne et t out indice f, de colonne, on t rouve

(Ei,j A)[k,e] = t~A[r,e] = ~A[j,R] = { A[~,e] si k = i

sinon
r=l = 0 SI. TrJ
...;. . = 1 SI. .N'· = t .
= O sinon

Ainsi seuls les coefficients situés en ligne i sont évent uellement non nu ls et
L~i,jA = ( A [j, 1] A [j , n] ) = L; .
Par suite l'écrit ure par blocs lignes donne

~l igne i .

1.b. Nous allons commencer par l'implication réciproque, c'est l'implication la plus
simple.

~1
Supposons que A puisse s'écrire sous la forme A = >.In, on en déduit, quelle que soit
la matrice B carrée d 'ordre n,
A B= (>.In) B = >.(InB) = >.B = >.(B ln) = B (>.In) =BA.
Pour la réciproque nous allons tirer profit des matrices élémentaires E i,j qui per-
mettent par produit d 'isoler une ligne ou une colonne et la placer là où on le souhaite.
A commutant avec ce type de matrices on aboutit alors à des égalités du type
0 0 • 0 0 0 0 0 0 0 0 0
0 0 • 0 0 0 0 0 0 0 0 0
0 0 • 0 0 0 0 0 0 0 0 0
0 0 • 0 0 0 0 0 0 0 0 0

"O
0
r::::
:::J
0
0
0
0 •• 0
0 0 0
0 0
* *
0 0 •
0
* * *
0 0 0
0 On obtient par identification la nullité des coefficients • (provenant d 'une colonne de
lfl
,..-1 A), la nullité des coefficients * (provenant d 'une ligne de A) et l'égalité entre deux
0
N coefficients diagonaux de A (• = • ).
@
.....,
On aura ainsi prouvé, qu'en dehors de la diagonale, les coefficients de A sont nuls, et
r: sur la diagonale, les coefficients de A sont identiques .
Ol
ï:::
>
Cl. Supposons que A commute avec toute mat rice carrée de même ordre.
0
u Soient i et j deux ind ices quelconques dans [1,n] , puisque A commute avec Ei,j. on
a d'après la quest ion 1. a

(On,1 0 n,l C '·A Ü

n,l
t ~ ligne i .
colonne .i
 82 Chapitre 3 Calcul matriciel

On en déduit, par identification des lignes,

colonne j
!
(0 On A [l,i] 0 0) = 01,n

(0 0 A[i - 1, i] 0 0) = 01,n
(0 0 A[i ,i] 0 0) =Lf
0 0 A[i + 1, i] 0 O) = 01,n

(0 0 A[n,i] 0 0) = 01,n
Pl us particulièrement, on a, pour tout indice i et .i.
A [l, i] = · · · = A [i - 1, i] = A[i + 1, i] = · · · = A [n, i] = 0 et A [i, i] = A[j,j].
A ut rement dit les coefficients en dehors de la diagonale de A sont nuls et ceux sur la
diagonale sont identiques { not ons À cette valeur commune). Ainsi A= Àin .

2.a. Puisque l'on sait calculer le produit d'une matrice par une matrice élémentaire
Ei,j, tirons profit de l'expression rD)
= In+ )...Ei,j pour calculer le produit avec rD).
Grâce à 1.a, on a
ATD) = A X + ÀEi,j ] = A + ÀAEi,j
[In
(c: .. · Cf- 1 Cf Cf+1 .. · C~) + .X{On,1 .. · On,1 Cf On,1 .. · On,1)
t t
colonne j colonne j

Ai nsi cf-1 cAJ + .xcA cf+i ... c:).

i

t
colonne j

On procède de même par multiplication à gauche.

Grâce à 1.a, on a
r },;> A = [In + ÀEi,j ] x A= A+ ÀEi,j A
"O
0
r::::
:::J
Lt 01,n Lt
0
lfl
,.-1
0 Lt-1 01,n LAi- 1
N
= LA i + .x LA
J
+--ligne i LA+ ).LA
i J +-- ligne i
@ LAi+l LAi+l
,...., 01,n
r:
Ol
·;::
> LA LA
Cl.
0 n 01,n n
u
M ultiplie r A à droite par T[~) r e vie nt à pro céd e r à la transvection sur les
colonnes : Cj +---- Cj +)...Ci.
Multiplie r A à ga uche p a r T~~) r e vient à pro céd e r à la tra n svection s ur les
lig n es : Li +---- Li + )...L j .
On convient donc de dire que rD)
est une matrice de transvection.
 Exercice 3.7 Opérations élémentaires et produit matriciel 83

2. b . Supposons i =/=- j.
P uisque les matrices TD)
agissent par transvection sur les lignes lorsqu'on les multiplie
à gauche, multiplier à gauche par deux matrices de ce type revient donc à opérer deux
fois consécutives par transvections.
Si l'on considère une première transvection (Li f-- Li+ >.Lj), il nous suffit alors
de procéder par la transvection inverse (Li f - - Li - ÀLj) pour revenir à la matrice
initiale.
Il semblerait donc que la multiplication à gauche par TD)
suivi de la multiplication
à gauche par Tt;>-)
donne la matrice initiale.
Si l'on prend comme matrice initiale, la matrice In, on aura donc trouvé un produit
entre TD) et une autre matrice carrée du même ordre qui donne In .

Grâce aux interprétations obtenues pour la mu ltiplication à gauche par les matrices
de t ransvection, on sait qu e la matrice A = T(>-. i ,3
) In s'obt ient, à partir de In. avec
l'opération Li +---- Li + ÀLj. Autrement dit t outes les lignes de A sont identiques à
celles de In. sa uf évent uellement la ie ligne qu i vaut Lf = L{n + >-.L;n.
De même, puisqu 'à partir de A avec l'opération Li +---- Li - ÀLj on obtient la matrice
B = r L;>-.) A. ses lignes sont toutes id ent iques à celles de A (et donc à celles de In).
sauf évent uellement la ie ligne qui vaut
L!/1
•
=LA_
i
ÀLJA =(Lin
i
+ )..Lin)_
J
)..Lin
J
=Lin
i·

Ainsi B et In ayant les mêmes lignes, on a donc

T.C -: >-.>r.C~> = r.Ct ,J-:>-.>r.C>-.) In= T~t,J-: >-.) A= B =In.
t ,J t ,J t ,J

Ceci prouve que ri:~) est inversible et que [TD)1- 1 = rL;À).

3.a. la matrice TD)agit par multiplication droite selon le schéma Cj f-- C.1 +>.Ci ·
Dans le cas où i = j, on obtient alors Cj f-- (>.. + l)Cj, c'est-à-dire une dilatation.
Il nous suffit d'adapter la valeur de À pour obtenir le facteur multiplicateur voulu (en
l'occurrence remplacer À par À - 1 dans la formule ci-dessus) .

(À - 1) .
Posons D >-. ,i = Ti,i , 1.e.
"O
0 1
r::::
:::J
0 (0)
lfl
,-1 1
0
N D>-.,i =In+ (À - l)Ei,i = +---- ligne i.
@ 1
.....,
r:
Ol
·;:: (0)
>
Cl. 1
0
u Puisque D>-.,i = T},;-l), on sait, d 'après 2.a , que la mu ltiplication à gauche avec A
correspond à la tra nsform ation suivant e
Li +---- Li + (>. - I)Li = >.Li .

3.b. De même 2.a nous permet d'interpréter l'action de cette transvection un peu
particulière par multiplication à droite.
 84 Chapitre 3 Calcul matriciel

~1
La multiplication à droite de DÀ,i avec A correspond à la tra nsform ations suivante
Ci +--- Ci + (.X - l)Ci =.:>..Ci .

Grâce à l'interprétation que l'on vient de donner au produit par la matrice de dilata-
tion D>.. ,i, on convient de dire qu'il s'agit d 'une .
P our déterminer son inverse évent uelle, il s'agit, comme pour les transvections (cf 2. b),
d'enchaîner une transformation et sa transformation inverse. L'action de dilatation
par un facteur À est irréversible, lorsque À = 0 mais peut être inversée (par dilatation
d'un facteur 1/ À) lorsque À -:/=- O.

Si À =f. 0, la multiplication par D>..,i puis par D 1 ; >.. ,i agit sur les lignes de In selon les
transformations successives Li+--- À.Li puis Li +--- ±Li .
Ainsi, on obtient la matrice D 1 ; À,i DÀ,i i n dont toutes les lignes (y compris la ie)
coïncident avec celles de In.
Di;>.. ,iDÀ ,i = Di; >.. ,iDÀ,iin =In .
Finalement, lorsque À =f. 0, on en dédu it que D>.. ,i est inversible et que D~,~ = D 1 ; >..,i ·

Pour montrer qu'une matrice est non inversible, il suffit d'exhiber une
matrice carrée non nulle qui par multiplication donne la matrice nulle
(on verra plus tard qu'il suffit de trouver une matrice colonne non nulle,
cf 3.b) et de raisonner par l'absurde.

Grâce à l'i nterprétation qu e l'on peut donn er au produit par une matrice de dilatation
B = Do,i Ei,i est une matrice dont laie ligne vérifie Lf = 0 X L~i,i = 01,n, et toutes
les autres lignes sont identiques à celles de Ei,i . i.e. nulles. Ainsi Do,i E i,i =O.
Supposer Do,i inversible donnerait alors, par multiplication à gauche par DO,i, Ei,i = 0
ce qui est absurde . Finalement, Do,i est non inversible.

4. Pour plus de détails, on peut se référer à l'exercice 3.6.

"O
On commence par proposer la matrice Pi,j obtenue par la t ransformation désirée à
0
r:::: partir de la matrice In. En effet le produit de Pi ,j avec In donnera par construction
:::J
0 l'effet désiré. Reste à vérifier que cela reste vrai avec toute autre matrice A.
lfl
,..-1
0
N
Notons P i,j la matrice obtenue à partir de la matrice I n par échange des lignes
@ d 'ind ices i et j (ce qui revient également à échanger les colonnes d 'i nd ices i et j) :
.....,
r: 1 0 0
Ol
·;::
>
Cl. 0
0
u
0 --+ 1
P i ,j =
! t
1 +--- 0

0 1
 Exercice 3.7 Opérations élémentaires et produit matriciel 85

Ainsi Pi,j = L Ek,k + B i,j + Ej,i. d'où grâce à 1.a (ici on ill ustre le cas i < j).
k~{i,j}

APi,j = L AEk,k + AEi,j + AEj,i

kl,t{ i,j}
(Cf ... Ct-1 On,1 CA-1 Cf-1 On,1 Cf+1 ...c:)
+ (On,1 · · · Ûn,1 et Ûn,1 · · · Ûn,1 · · · .. · Ûn, 1)
+(On,1 · · · · · · Ûn,1 · · · Ûn,1 et Ûn,1 · · · Ûn,1)
= (et ... ct-1 et ci~1 ct-1 et ct+1 ... c~)
t t
colonnei colonne j
C'est donc que la mult iplication à droite par Pi,j agit par échange sur les colonnes i
et j de A : Ci ~ Cj.
De même, Pi,j A = L Ek,k A + Ei,j A + Ej,i A agit sur les lignes selon la permu-
kl,t{i,j}
t ation : Li ~ Lj.

On parle alors de matrice d'échange ou de permutation .

Puisque procéder au même échange des lignes i et j aboutit à la matrice initiale, on
tient là l'inverse souhaitée.

~I Pu isque Pi,j x Pi,j =In. on en dédu it que Pi,j est inversible et que Pi~/ = Pi,j·

5.a . Le libellé de la question ne précise pas combien de facteurs l'on considère. Nous
allons nous contenter de traiter le cas de deux facteurs A et B (matrices carrées d 'ordre
n) , une récurrence immédiate permettrait de généraliser le résultat à un nombre quel-
conque de facteurs.
L'implication directe étant un résultat du cours, c'est donc la plus simple.

Si l'on suppose que A et B sont inversibles, on sait que AB est inversible d 'inverse
B - 1 A- 1, pu isqu 'en effet un calcu l direct donne
(AB)(B- 1 A- 1 ) = ABB- 1 A- 1 = AA- 1 =In .
"-v--"
ln
"O
0
r::::
:::J
Si l'on note C l'inverse que l'on vient d 'exhiber ci-dessus, on remarque que
0
lfl
,..-1 CA = B- 1 et BC = A- 1 .
0
N
@ Ainsi, pour la réciproque, nous allons construire un inverse pour A et un inverse pour
.:C B à partir d'un inverse du produit AB.
Ol
·;::
>
Cl. Supposons AB inversible et notons C son inverse.
0
u Puisque C est un inverse à droite d e AB, on a In= (AB)C = A(BC).
Ainsi BC est un inverse à droite de A (et toutes deux sont des matrices carrées de
même ord re) ce qu i prouve que A est inversible (et que son inverse est BC).
De même, pu isque C est un inverse à ga uche de AB, on a In = C(AB) = (CA)B.
Ainsi CA est un inverse à ga uche d e B (et toutes deux sont des mat rices ca rrées de
même ord re) ce qu i prouve que Best inversible (et que son inverse est CA).
 86 Chapitre 3 Calcul matriciel

5.b. Les opérations proposées, sont d'après ce qui précède équivalentes à la multi-
plication de la matrice initiale A par B qui est l'une (ou un produit) des matrices
introduites jusqu'ici (matrices de permutation, de transvection, ou de dilatation). Ces
matrices sont toutes inversibles.
Comparer l'inversibilité de A à celle du produit AB est donc conséquence de laques-
tion précédente.

Opérer par échange de ligne (resp. colonne), transvection de ligne (resp. colonne) ou
dilatation de ligne (resp. colonne), revient à passer de la matrice A à la matrice A'
obtenue par multiplication à gauche (resp. droite) par l'une des matrices B du type
P i,j, TD) ou D>. ,i (avec À-=/= 0).
On sait d 'après la question précédente que A' est inversible ssi les facteurs A et B
sont inversibles.
Or, comme cela a été prouvé, quel que soit son type, la matrice B est inversible. Ainsi
A' est inversible ssi A est inversible.

On vient de prouver que les opérations élémentaires (échange, transvection

et dilatation par un facteur non nul) sur les lignes et sur les colonnes
préservent l'inversibilité.
On apprendra que ces mêmes opérations préservent ce qu'on appelle le rang
d'une matrice et c'est cette invariance du rang, qui sera le plus souvent utilisée.
La méthode du pivot de Gauss permet donc aussi bien de déterminer l'inversibilité
d'une matrice que déterminer son rang.
6.a. Seule la première ligne diffère entre les matrices A - À.ln et B. D'après ce qui pré-
cède il nous suffit d'exhiber les opérations élémentaires (ici sur les lignes) permettant
de passer de l'une à l'autre.

On sait que les transvections sur les lignes préservent l'inversibilité éventuelle.
Puisque
-À 0 0 -1

1 -À
A - >.In = 0
"O
0
r:::: -À -1
:::J
0 0 0 1 - 1- À
lfl
,..-1
on remarq ue qu'une transvection entre les lignes 1 et 2, permet d'annuler le coefficient
0
N d 'i ndice (1, 1), ainsi
@ 2
....., 0 -À 0 -1-À
r:
Ol
·;::
> 1 - À
Cl.
0 est inversible.
u 0

- À - 1
0 0 1 -1-À
Il s'agit à présent d'annuler le coefficient d'indice (1, 2), ce que l'on obtient par la
transvection
 Exercice 3.8 Polynôme annulateur de matrice 87

A insi, d e proche en proche, les t ransvections successives

L i +----- L i + ).,L4, ... , Li +----- Li + >.Ln- i
nous donnent
n- 2 0 0 - T(>.)
L1~ L1+ L )..kL k+ i 1 ->. -1
k=i
A - >.In inversible {::::::::} B= 0 inversible.

->. -1
0 0 1 -1-)..

6.b. En modifiant l'ordre des colonnes de B celle-ci devient triangulaire supérieure,

or une matrice t riangulaire supérieure est inversible ssi t ous ses coefficients diagonaux
sont non nuls (ce résultat sera énoncé dans le cours sur les systèmes linéaires).

Par échanges successifs entre les lignes d e B :

L 1 +------+ L2, L2 +------+ L3, ... , L n- 1 +------+ Ln,
on obt ient
1 ->. 0 -1

0
B est inversible {::::::::} est inversible.
- >. - 1
0 0 1 - 1 - )..
0 0 -T( >.)
Or, cette dernière éta nt triangulaire, on en dédu it
Best inversible {::::::::} -T(>.) -::f. O.
Ainsi , grâce à la quest ion précédente on en déd uit que A - >.In est inversible ssi
T (>.) -::f. 0, ce qu i, par contraposition , nous donne A - >.In est non inversible ssi ).. est
racine de T.

"O
0
r::::
:::J
0
lfl
,.-1
On note T le polynôme 1 + X+··· + x n et A la matrice de M n(IR)
0
N 0 0 - 1
@
....., 1
r:
Ol
·;::
> 0
Cl.
0
u 0 - 1
0 0 1 - 1
On veut établir que In + A + A 2 + ··· + An = 0 (on dit alors que T est un
polynôme annulateur de A ).
 88 Chapitre 3 Calcul matriciel

1. Rappelons que c: 1
désigne la ke colonne d'une matrice M.
a. Comparer, pour toute matrice B E Mn(lR) et tout indice de colonne k,
les colonnes C~A et BCt.
b. En notant E i la colonne de M n, 1 (1R) dont tous les coefficients sont nuls à
l'exception de celui se trouvant à la ligne i qui vaut 1, que représente la
colonne BEi, pour toute matrice BE Mn(lR)?
c. En déduire que pour tout k E {1, ... , n - 1} on a C~A = C~+i ·
n+l
2. a. On pose En+l = AEn. Que vaut L Ei?
i=l
Exprimer C:f A en fonction des Cf , . .. , C{!.
b. Donner la décomposition en colonnes des matrices
2 3 1
In, A, A , A ... , An- An en fonction des E 1, ... , En+l
, ,

c. Conclure.

1.a. On compare ici les colonnes du produit BA avec les colonnes BCt, ... , Be,: .

Puisque le calcul du produ it BA passe par le calcul du produ it de B par les colonnes
de A. on a l'écriture matricielle par blocs-colonne
BA= (Bct Be: BC~) .
Ainsi , par identification , les colonnes de BA sont données par
V k E [ l , n], Cf A = BC{

1. b. Détermination une matrice revient à déterminer chacun de ses coefficients.

On a, pour tout k E [l , n],

n

"O
0
r::::
(BEi )[k, Il = L B[k,jJ Ei[j, Il = B[k, il Ei[i, Il = cf [k, IJ.
.= 1 "'-v--' ""-.,.--'
:::J J =O sij-:;éi =l
0
lfl
,.-1
Ainsi BEi =Cf.
0
N 1.c. Puisque les n - 1 premières colonnes de A sont les colonnes E2, ... , En, on peut
@
.....,
r:
remplacer dans 1.a, et
par Ek+i, puis appliquer 1.b.

~I
Ol
·;:: D 'après 1.a,
> BA
u
Cl.
0 V k E { 1, ... , n - 1} , Ck = BCkA = BEk+1 l.b B
= Ck+i ·
2.a. D'après ce qui précède AEn est la ne colonne de A, celle-ci s'exprime en fonction
des Ei, ... , En.
n+ l
On peut donc réduire l'expression de la somme L Ei en l'écrivant exclusivement en
i=l
fonction de E1, ... , En.
 Exercice 3.8 Polynôme annulateur de matrice 89

Dans le chapitre consacré aux espaces vectoriels, on apprendra que

toute colonne de M n, 1 (JR) s'écrit en fonction des E 1 , ... , En.
Plus précisément, toute colonne est combinaison linéaire des colonnes
particulières E 1 , ... , En . Ces colonnes forment ce que l'on appelle la
base canonique de Mn,1(1R).

D'après la question l.b appliqué à la matrice A en lieu et place de la matrice B, on

sait que
0
-1
n n

En+1 = A En = C~ = =- 2:::: 1 f-< ke ligne = - L Ek·

k=I k=I
-1
0
On en déduit, en isolant dans la somme ci-dessous le dern ier terme (celui d ' indice
i = n + 1)
n+I n n n
L Ei = L Ei +En+l = L Ei - L Ek =O.
i= l i =l i=l k=I
Finalement, en appliqu ant la question l.b à BA en lieu et place de B et pour i = n,

c:A = (B A )En = B(AEn) = BEn+i = B (- t

k=l
Ek ) = - tk=l
BEk ~- t Cff ·
k=l

2.b . On connaît les colonnes de In et de A et, grâce à la question 1.a et ce qui précède,
on connaît les colonnes de BA.

On en dédu it, grâce à 1.a,

(*) BA= (cf ... c! -f=cf). k=I

"O
0
r::::
:::J Il s'agit, à présent, d'appliquer cette dernière relation avec successivement B = A,
0
lfl
B = A 2 , ... , B = A n - I . Au vu de ce que seront les dernières colonnes pour A 2 , ... , An
,.-1
0 on commence par un petit calcul préliminaire.
N
@ n+l
.....,
r:
Ol
ï:::
Pu isque L Ek = 0, on constate que pour tout i E {l, ... , n + 1}
> k=l
Cl.
0
u (9't) - L Ek = Ei
ki'i

Ainsi l'expression de chacune des colonnes de In, A, ... , An se fera très simplement
en fonction des colonnes E1, ... , En+i .
Seule une récurrence constituerait une preuve rigoureuse du résultat mais puisque la
dynamique permettant de passer de l'écriture en colonnes de A à celles de BA est
 90 Chapitre 3 Calcul matriciel

particulièrement simple et int uit ive

B= (cf cf cf

BA = ( C,"
// Cf

l'approche itérative est plus aisée.

De façon évidente on a In= (E1 · · · En- 1 En ) et A = (E2 · · · En En+i) ·

Si l'on mu ltiplie à droite A par A, on obt ient

Si l'on mu ltipl ie à nouvea u à droit e par A. on obtient

3
A <j (ct 2
... c: t et )
2
-

k=l
= ( E4 ... En+I E1 - L: Ek ).
k~2
~
( ~)E2

Ainsi, de proche en proche, on t rouve

In= (E1 Ez En- 1 En)
A= (E2 E3 En En+i)
A2 = (E3 E4 E n+1 E1)
A3 = (E4 E5 En+ 1 E1 E 2)

An- 1 = (En En+1 E1 En- 3 En- 2)

An = (En+1 E1 En- 3 En- 2 E n- 1)
D 'où, par add ition membre à membre et grâce à 2.a,
In+ A + A2 + ... + An = o.
"O
0
r::::
:::J
0
lfl
,.-1
0
N
@
.....,
r:
Ol
·;::
>
Cl.
0
u
 Liste des capacités attendues 91

Liste des capacités attendues

• Savoir effectuer un produit matricie l (cf exercice 3.2 et questions 3. 1.1.a,

3.4.1, 3.6.1.a) : si A E Mm,n(IK) et B E M n,p(IK), le coefficient d'indice (i,.i) de
n
A x B est L A[i, k]B[k, j ] .
k=l

• S avoir faire le lie n entre le produit AB et le produit d e A avec les

colonnes de B (cf exercices 3.7, 3.8 et questions 3.5.1.a, 3.6.3.a).

• S avoir tra duire un problème linéaire sous forme m atricielle (cf ques-
tion 3.3.1.a).

• Savoir u t ilis er les propriétés de la t rans position (cf exercice 3.5 et ques-
tions 3.1.2.c, 3.5. 1.c, 3.6. 1.c).

• Savoir déterminer si une matrice carrée est inversible (cf exercices 3.1 ,
3.7 et questions 3.3.2.a , 3.4.4.b , 3.5.2) .

• Savoir obtenir l'inverse d ' une matrice carrée inversible

<:; en utilisant la définition (cf exercice 3.1 , 3.7 et question 3.6.1.b);
0 en ut ilisant les propriétés de l'inversion pour le produit matriciel et la trans-
position (cf questions 3.1.2. c et 3.4.4.b)
1 (AB )-1 = B-1A-1 1, 1 (tA)- 1 = t(A-1) 1.

"O
• Savoir calculer la puissance ne d ' une matrice carrée
0
r::::
:::J
<:; en se ramenant à une mat rice diagonale (cf question 3.3.2.b) ;
0
lfl
0 en utilisant la formule du binôme de Newton (cf exercice 3.2) : si AB = BA,
,..-1
0 alors
N
@
.....,
r:
Ol
ï:::
>
Cl.
0
u
La formule du binôme de Newton mat ricielle n 'est introduite
qu'au deuxième semestre.

0 en ut ilisant un polynôme annulateur (cf exercice 3.4 et question 3.2.2.b).

u
0
c
::J
0
lfl
,.-1
0
N
@
.......
.r:.
Ol
·c
>-
Q.
0
u
 CHAPITRE

Systèmes linéaires et matrices

Ce chapitre est amplement consacré à la résolution de systèmes linéaires et à l'inver-

sion de matrices par la méthode du Pivot de Gauss.
La méthode du pivot de Gauss est détaillée pas à pas dans les exercices 4.6 et 4.7.
Le lecteur pourra s'y référer et adapter les instructions Scilab qu'il contient pour
l'assister dans d'autres exercices. Par souci pédagogique, on prendra soin d'encadrer
le coefficient d'un système qu'on utilise comme pivot (ou assimilé).
Rappelons qu'un système linéaire (5) d'inconnues x 1 , . .. , Xp et de seconds membres
y1 , . .. , Yn sera dit associé à la matrice M (où encore M est associé au système (5))
lorsque

On notera {x E A 1 x vérifie P } pour désigner la partie de A constituée des élé-

ments x vérifiant une propriété donnée P (par exemple {P E IR[X] 1 deg P ~ 1}
est 1'ensemble des polynômes réels dont le degré est inférieur ou égal à 1) . Une fonc-
tion f : A -7 B étant donnée, on notera {f(x); x E A} pour désigner la partie de
B constituée des éléments f(x) obtenus lorsque x décrit l'ensemble A (par exemple
{aX + b ; (a , b) E IR2 } est l'ensemble des polynômes réels dont le degré est inférieur
ou égal à 1). La première notation concerne les ensembles décrits par compréhension,
le deuxième notation concerne les ensembles décrits en extension. On peut passer
"O
0
r::::
aisément de la deuxième à la première description, grâce à l'identité
:::J
0
lfl
,..-1
{f(x);xEA}={yEB 1 (:JxEA , y=f(x))}.
0
N
@
.....,
r:
Ol
·;::
>
Cl.
0
u Déterminer l'ensemble des solutions des systèmes linéaires ci-dessous :
X + 2y + 8z - 7t = - 2
(51) 3x + 2y + l2z - 5t = 6 ,
{
-x + y + z - 5t = -10
 94 Chapitre 4 Systèmes linéaires et matrices

2x - y+ 3z 3
(82)
{ 3x +y - 5z
4x - y + z
X + 3y - l3z -
0
3
-6

X + 2y + 3z + 4t 10
(83)
{ 2x - y+ z - t
3x +y+ 4z + 3t
- 2x + 6y + 4z + lOt -
1
11
18

Pour les trois systèmes, on applique la méthode du pivot de Gauss.

Le système (81 ) est inhomogène donc il peut très bien être incompatible et il comporte
3 équations pour 4 inconnues donc il ne peut pas être de Cramer.

~ ITJx
(S1) Ç:::::::;>
{ +2y
-4y
3y
+8z
-12z
+9z
- 7t
+16t
-12t
- 2
12
-12
L2
L3
~
~
L2 - 3L1
L3 +Li

Ç:::::::;>

r 0
+2y +8z
-12z

Le système (S1) est donc incompatible, il n 'y a pas de solution.

-7t
+16t
0
=
-2
12
-12 L3 ~ 4L3 + 3L2

Le système (82) comporte 4 équations pour 3 inconnues donc il y aura nécessairement

une équation de compatibilité.

~ [TI-v -y +3z 3
"O

0
0
r::::
:::J
(82) Ç:::::::;>
{ 5y
y
7y
-l9z
-5z
-29z
=
=
=
-9
-3
-15
L2 ~ 2L2 - 3L1
L3 ~ L3 - 2L1
L4 ~ 2L4 - L1
lfl 2x -y +3z 3

{
,.-1
0 y -5z -3
N Ç:::::::;> L2 H L3
@ 5y -l9z -9
....., 7y - 29z - 15
r:
Ol
ï::: 2x -y +3z 3
>-
u
Cl.
0 Ç:::::::;>
{ ITJy - 5z
6z
6z
- 3
6
6
L3 ~ L3 - 5L2
L4 ~ L4 - 7L2
2x -y +3z = 3
Ç:::::::;>
{ y -5z
œz
0
= -3
6
0 L4 ~ L4 - L3
 Exercice 4.2 Inversion matricielle et systèmes 95

(S2) est donc com patible et :

1

~
- (3 + y - 3z) 1
2
(S,) = { - 3 + 5z
,..______.._ {
.,,_,... yX
z
2
1
1
Ainsi, (S2) admet le triplet (1, 2, 1) pour unique solution.

Le système (53 ) est carré (autant d 'équations que d'inconnues) : s'il admet une unique
solution, ce sera un système de Cramer.

ITJx +2y +3z + 4t 10

{ -5y
-5y
lüy
-5z
-5z
+lüz
-9t
-9t
+18t
-19
-19
38
L2
Ls
L4
~
~
~
L2 - 2L1
Ls - 3L1
L4 + 2L1
+2y +3z +4t 10

r{ -5y
X
8} - 5z - 9t
0
0
10 - 2y - 3z - 4t
-19+5z +9t
0
0
- 19

{=?
Ls ~ L3 - L2
L4 ~ L4 + 2L2

{: =
=
-12 - z - -2 t
~
p95 - z - 5t
(S3 ) est donc compatible et son ensemble de solutions est :
12 2 19 9 )
{ ( -5 - z - -5 t ' -5 - z - -5 t ' z ' t ·' (z ' t) E lR
2}.

~!
2
Soit P =( -1 ! 1) .Montrer que P est inversible et calculer p- 1
.

"O
-2 -2
0
r::::
:::J
0
lfl
,.-1
0
N On introduit un système linéaire (5) aux seconds membres génériques et dont la
@
....., matrice associée est P. P uisque
r:
Ol
·;::
>
Cl. X+ 2y + Z a
0
u (5) - x -y- z b
{
- 2y - 2z c

il s'agit alors de vérifier que ce système (d'inconnues x , y et z) n'admet qu'une seule

solution et de l'exprimer en fonction des seconds membres (a, b etc) .
 96 Chapitre 4 Systèm es linéaires et matrices

Soit (a,b,c) E JR3 . Quel q ue soit (x,y,z) E JR3 , o n a la succession d 'équivalences

x + 2y + z a { x + 2y + z a
-x- y- z b {=? y a+b L2 r L2 + Li
{ - 2y - 2z c - 2y - 2z c

{=? { X +2y+ ~ a
a+b
- 2z 2a + 2b + c L3 r L3 + 2L2
X a - 2y - z
{=? y a+b
{ z - a - b - .!c
2

-b
{=} { ~ a
-a
+b
-b

Il existe bien une unique solution au système linéaire, ce qui prouve l'inversibilité
de P. P uisque
- b
a +b
- a - b

la matrice inverse s'obtient par lecture des coefficients devant a, b et c.

~1 ~
-1
1
Ainsi, P est inversible et p- = ( 1
- 1 - 1

"O 1. Soit le système suivant* dépendant du paramètre À E IR :

0
r::::
:::J (5 - .X)x + 8y + l6z 0
0
lfl
(S.x) 4x + (1 - À)y + 8z - 0
,.-1 { - 4x - 4y - (11 + .X)z 0
0
N
@ a . Montrer qu'il existe exactement deux valeurs de À telles que (S.x) n'est
.....,
r: pas de Cramer .
Ol
·;::
> b. Résoudre (S.x) pour ces deux valeurs de À.
Cl.
0
u c . Que dire de l'ensemble des solutions de (S.x) lorsque À n 'est aucune des
deux valeurs précédentes?

*· Ce type de système homogène sera abondamment discuté en seconde année lors de la recherche
des éléments propres d 'une matrice carrée.
 Exercice 4.3 Systèmes à paramètres I 97

2. Pour tout réel a, on considère le système d'inconnues x, y, z E lR défini par :

(Sa) { -x + (ax _+2)~ ~ = ~1 .

2x + 2y +(a - 2)z = 1
Discuter l'ensemble des solutions de cc système en fonction du paramètre a.

1.a. Appliquons la méthode du pivot de Gauss à ce système carré avec 3 inconnues.

~ -4x 4y (11 + À)z = 0

(S>-) ~
L1 ttL3 { (5 - À)x
4x +
+
(1 - À)y
8y
+
+
8z
16z
= 0
0
1-4 lx
L2+;L2;+ L1
L3+-4L3+(5 ->-)L1 { 4y
(- 3 - À)y
(12 + 4À)y
+
+
(11 +>-)z
(- 3 - À) z
(À 2 + 6À + 9)z
0
0
0
4y (11 + À) z 0
{ - 4x
~
LJ+-L3+4L2
1 (-3 - À) fy + (-3 - À)z 0
2
(À + 2À - 3)z = 0

Le système équivalent obtenu est échelonné (la matrice associée est triangulaire), il
est donc de Cramer ssi les coefficients « diagonaux »
- 4, - (3 +À), À2 + 2À - 3
'-v-'
= (>.+3)(>.- 1)
sont tous non nuls.

~1
-(3+>-)#0
(S>-) est de Cramer ssi { (À+ 3)(À _ l) #0 i.e. À tf. {-3, l}. On conclut que (S>-)
"O n'est pas de Cramer ssi À E {- 3, l} qu i sont donc les deux valeurs demandées.
0
r::::
0
:::J 1.b. Le système échelonné précédent, équivalent à (S>.), a été obtenu indépendamment
lfl
,.-1
de la valeur de À : il peut donc être utilisé.
0
N
D'après ce qui précède ,
@
....., -4x - 4y - 8z = 0
r:
Ol
·;:: (S-3) ~ O = O ~ x +y + 2z = 0 ~ x = -y - 2z
> {
Cl. 0 = 0
0
u donc l'ensemble des solutions de (S-3) est {(-y - 2z, y, z) ; (y, z) E IR
2
}.
Par ailleurs,
- 4x - 4y - 12z = 0
= -y- 3z = -2z
(S1 ) ~ -4y - 4z = 0
{ -z
0 = 0
donc les solutions de (S1 ) sont les triplets (-2z, -z, z) avec z E IR.
 98 Chapitre 4 Systèmes linéaires et matrices

1.c. Dans le cas d'un système homogène, on a toujours x = y = z = 0 comme solution

évidente. S'il devait y avoir d'autres solutions le système ne serait plus de Cramer.

~I
D'après l'étude faite au 1.a, (SÀ) est de Cramer lorsque À rJ. {-3, l}. pu isque le
système est homogène, il admet une unique solution : le triplet (0, 0, 0) .

2. Là encore le système est carré avec 3 inconnues.

~ ITJx + ay z 1
(Sa) ~
{ 2(a - l)y
2(1 - a)y + az
0
- 1
L2 +--- L2 +Li
L3 +--- L3 - 2L1

r + ay z = 1
~ 12 (a -l)~ 0
az = -1 L3 +--- L3 + L2
Ainsi, le système est de Cramer ssi 2( a -1) =I= 0 et a =I= 0, autrement dit, ssi a rJ. {O, 1}.

On va traiter séparément les deux cas particuliers a = 0 et a = 1.

• Dans le cas où a~ {O, 1}, le système (Sa) est compatible, de Cramer et

X + ay - Z 1 1- ay + z
(Sa) ~ 2(a - l)y 0 0
{ 1
az -1
a
a-
Finalement le système admet pour un ique solution ( --,0,-- . 1 1)
a a
• Si a, = 0, le système est incompatible (la dern ière équation est 0 = -1 et il y a
deux pivots) , en particul ier (So) ne possède aucune solution.
• Enfin , pour a= 1,
1
1 - y+z X= - y
0 ~ {
= -1 z= - 1 .
-1
"O
0
r::: Ainsi, (S1) est compatible et l'ensemble de ses solutions est {( - y, y, - 1); y E ~}.
::J
0
lfl
,.-1
0
N
@
.....,
r:
Ol
·;::
>-
Cl.
x-y-z - a
0
u 2
1. Soit (a, b, c, d) E IR.4 . On considère le système (S) : x +Y- z b
y- 3z { C X+
2x -y - z d
Déterminer à quelle condition sur (a, b, c, d) le système (S) est compatible et
le résoudre dans ce cas.
 Exercice 4.4 Systèmes à paramètres Il 99

x+y-z+w 1
2. Soit a, b deux réels et le système (Sa,b) ax+y+z+w b
{ 3x + 2y + aw l+ a
d'inconnue (x, y, z, w).
a. Déterminer les valeurs de a et b pour lesquelles le système (Sa,b) est
compatible.
b. Déterminer l'ensemble des solutions lorsque a = b = 2.

1. Le système est rectangulaire avec plus d'équations que d'inconnues donc il y aura
nécessairement une équation de compatibilité.

ITJx-y-z = a
(S) ~
{ 3y + z
2y- 2z
y+z
b - 2a
c-a
d- 2a
L2 t- L2 - 2L1
L3 t- L3 - L1
L1 t- L1 - 2L1
x-y-z = a

{ Œ:Jy+z
- 8z
2z
b- 2a
3c - 2b +a
3d - b - 4a
L3 t- 3L3 - 2L2
L1 t- 3L4 - L2
x-y-z = a

{ 3y+z
1-s lz
0
=

=
b- 2a
3c - 2b +a
12d + 3c - 6b - 15a L1 t- 4L4 + L3
donc, par division par 3, (S) est compatible ssi - 5a - 2b + c + 4d =O.
,. .
D ans ce cas, 1unique solution de (S) est
(a + 2b - c - 5a + 2b + c - a + 2b - 3c)
, , ·
4 8 8

"O
2.a. Le système est encore rectangulaire mais avec plus d'inconnues que d'équations :
0
r:::: il y aura donc ou bien aucune solution ou bien une infinité.
:::J
0
lfl
,.-1
0
N
@
.....,
r:
Ol
{ (1 - a)y + (1
ITJx+y-z+w
+ a)z + (1 -
a)w
-y+3z+(a-3)w
1
b- a
a-2
·;:: x+y- z+w 1

u
>
Cl.
0 { - y+ 3z + (a - 3)w
(1 - a)y + (1 + a)z + (1 - a)w =
a- 2
b-a
x+y-z+w = 1

{ c=IJy+3z+(a-3)w
2(2 - a)z + (1 - a)(a - 2)w =
a-2
b + 2a - 2 - a2

On a déjà obtenu deux pivots et le troisième candidat à être un pivot est 2(2 - a).
 100 Chapitre 4 Systèmes linéaires et matrices

• Si a -:/= 2, le système est compatible et admet une infinité de solutions.

• Si a= 2, (Sa,b) est équivalent au système échelonné
x+y-z+w 1
-y + 3z -w 0
{
0 b- 2
ô Si b = 2, il est compatible et admet une infinité de solutions.
ô Si b-:/= 2, le système est incompatible et n'admet donc aucune solution.
En résumé, (Sa,b) est compatible si et seulement si a-:/= 2 ou a= b = 2.

2.b. Lorsque a= b = 2, le système est échelonné et compatible.

Le système équivalent obtenu s'écrit sous forme d'un système de Cramer pour les
inconnues x et y (z et w pouvant elles prendre n'importe quelle valeur)

x+y l-z-w
{ - y - 3z+w

donc (82,2) admet une infinité de solutions paramétrées par deux réels (ici z et w) .

Si a = b = 2, on a, avec les calculs de la question précédente,

(Sa,b) <=} { x +y- z +w 1 <=} { xy l-y+z-w

- y+ 3z - w 0 3z - w
L'ensemble des solutions de (S2,2) est alors donné par :
2
{(1 - 2z, 3z - w, z, w) ; (z, w) E JR }.

"O
0
r::::
:::J

~ ~
0
lfl
,.-1
Soit A = ( ) une matrice carrée d'ordre 2. On définit son déterminant,
0
N
noté det(A), par
@
....., detA =ad - be
r:
Ol
·;:: et on pose aussi
>
Cl.

u
0 ae db 1 = ad- be.

1. a. On pose B = ( d
-e
-b)
a . Calculer AB.

b. Montrer que A est inversible ssi det(A) -=f. O.

 Exercice 4.5 Systèmes et déterminant 101

2. Donner une condition nécessaire et suffisante pour que le système

ax+by =u
(S) { ex+ dy = v

soit de Cramer et montrer que dans ce cas l'unique solution est donnée par

x=
1 ~ ~ 1
et y= - - -
1 ~det(A)~ . 1

det(A)
3. Soient À et µ deux réels. En exploitant les résultats ci-dessus, donner une
condition nécessaire pour que
1
À
À2

soit inversible, et calculer son inverse dans cc cas là.

1.a. Il suffit de « poser » le produit matriciel.

~I AB = ( ad - be
cd-de
- ab + ba ) = det(A) . h
-cb +da

1.b. L'implication réciproque est la plus simple. Il s'agit en effet d'exhiber un inverse
(à droite par exemple) de A ce qui ne saurait être trop difficile à trouver d'après la
question précédente.

Supposons que det(A) -# 0, on en dédu it grâce au calcul précédent

A x (<let~ A) B) = h
"O On a obtenu un inverse à droite de la matrice carrée A par l'intermédiaire de det(A) B.
0
r:::: Ceci prouve que A est inversible et que son inverse coïncide avec son inverse à droite
:::J
0
lfl
,..-1
A-1 = 1 B = 1 ( d -ab .) t.
0 det(A) ad - be -c
N
@
....., Pour l'implication directe nous allons raisonner par contraposition et montrer que
r:
Ol
·;:: l'égalité AB = 0 ne peut aboutir à l'inversibilité de A (comme souvent, pour montrer
>
Cl. une négation on procède par l'absurde).
0
u
Supposons cette fois que det(A) = 0, le calcul précédent nous donne alors AB =O.
Si , par l'absurde, A était inversible, en multipliant l'égalité ci-dessus à ga uche par A - 1 ,
on obtiendrait B = 0 et donc tous ses coefficients seraient nu ls, à savoir
d = - b = - c = a= 0 i.e. a= b = c = d = O.

t. C'est une formule du cours.

 102 Chapitre 4 Systèmes linéaires et matrices

Et donc A= 0, ce qui est en contradiction avec l' inversibilité de A.

Ceci prouve, par l'absurde, que A est non inversible et donc aboutit à la contraposée
1 souhaitée.

1.c. Tout système linéaire est associé à une matrice. Le caractère cramérien est, quant
à lui, lié à l'inversibilité de la matrice associée.
On va donc traduire matriciellement la problématique initialement posée du point de
vue des systèmes linéaires.

Au système (S) est associée la matrice A introdu ite ci-dessus.

Dire que (S) est de Cramer équivaut à dire que A est inversible, on a donc, grâce à
ce qui précède, l'équivalence : (S) est de Cramer ssi ad -
"'-v-"
O. be#
det(A)

En passant par l'écriture matricielle du système on trouve les solutions correspon-

dantes par inversion de la matrice associée.

On a alors la succession d 'équ ivalences

(x , y) est solution de (S) ~A ( : ) ( ~) ~( : ) = A-

1
( ~ ) .

D'où , grâce à la formule donnant l'i nverse d ' une matrice carrée d 'ordre 2,

(x,y) est solution de (S) ~ ( ~ ) =ad~ be ( !e ~,b ) ( ~ )

~ ( ~ ) = det~A) ( !;u~b;,v) ·
Finalement, on obtient

X =
1 ~ ~ 1
et
1 ~ ~
y = "'"-----'-
1

det (A) det(A) ·

L'unique solution d'un système de Cramer (à deux équations, deux incon-

"O
0
r::: nues) est donnée par le quotient de deux déterminants.
::J
0 La première (resp. la deuxième) inconnue prend alors comme valeur un
lfl
,..-1
quotient dont le dénominateur est le déterminant de la matrice associée au
0
N système et dont le numérateur est ce même déterminant où l'on a remplacé
@ la première (resp. seconde) colonne par le second membre du système.
.....,
r: Ces relations simples entre les inconnues du système x, y et leurs expressions par le
Ol
·;::
>
biais d'un quotient de déterminants s'appellent les formu,les de Cramer.
Cl.
0
u
2. Puisque la matrice proposée n'est pas de taille (2, 2), on va résoudre la question de
l'inversibilité et calculer l'inverse en résolvant le système associé.
Au cours de l'analyse, on cherchera à réduire le système en éliminant une inconnue
et une équation, ce qui nous mènera à résoudre un système à deux équations et deux
inconnues et donc nous permettra de faire le lien avec ce qui précède.
 Exercice 4.6 Résolution de systèmes par Scilab 103

Posons V = ( ~ ~ ~ ) . L 'étude de l'inversibilité de V passe par l'étude de

0 .>..2 µ,2
son système associé (d 'inconnues x,y,z et de seconds membres a,b,c)
=a
(S) = b .
=C
Puisque l'inconnue x n'a pparaît que dans une seule équation, nous allons découper ce
système en deux sous-systèmes

(S) ~ [ x =a - y - z et (S') = b ] .
=c
(S') est un système linéaire de deux équations, à deux inconnues, dont le déterm inant
de la m atrice associée vaut
Àµ2 - À2µ = .>..µ(µ - .>..).
Puisque x est entièrement déterminé par la donnée de y et z, on obtient que (S) est
de Cramer ssi (S') est de Cramer.
Ainsi, grâce à 1.c, on en déduit (S) est de Cramer ssi le déterminant de la m atrice
associée à (S') est non nu l, ce qui équivaut à
À =P 0 et µ =P 0 et µ =P .>..,
i.e. À et /J, sont deux réels non nu ls disti ncts.
Dans ce cas, grâce aux formules de Cram er établies en 1.c, on sait que l' unique solution
de (S') est donnée par

1 b /J, bµ - c b c - bÀ
z = Àµ(µ1 _ >.)
1 1 1
y = >.µ(µ - .>..) c µ2 = .>..(µ - >.) et
1
ÀÀ2 c - µ(µ - >.)"
Finalement, en injectant les expressions de y et z dans le sous-système x = a - y - z,
on aura réussi à inverser le système (S)
.X -- a - µ+ À b +....!....c
˵
--1!:...._b >-t
(S)=> { y= À(µ-À) - >-(µ->-)c
z= _ _À_b + µ(µ1- À) c'
µ(µ - À)

Ceci nous permet de conclure

"O

~
0
r:::: l ˵
0
:::J
v - 1= 1
- >-</-À)
)
.
lfl (
,-1
µ(µ - À)
0
N
@
.....,
r:
Ol
·;::
>
Cl.
0
On considère le système suivant
u
X+ 2y + 3z + t -2
(S) x + 2y + 6z + 3t 6
{ 2x + 2y + z -10
X+ 2y + 3z + 2t 0
 104 Chapitre 4 Systèmes linéaires et matrices

1. a. Voici une fonction Scilab qui prend en argument une matrice A et un

entier i.
function B=ElimineBas(A,i)//
[n,p]=size(A); //A est de taille n*p
B=A; pivot=A(i,i); //
for k=i+1:n // boucle d'indice k
B(k,:)=pivot*A(k, :)-A(k,i)*A(i,:); //ligne mystère
end //
endfunction //
Quelle opération effectue la ligne mystère?
b. On exécute M=[1,2,3,1,-2;1,2,6,3,6;2,2,1,0,-10;1,2,3,2,0] et
N=ElimineBas(M,1).
Quel lien y a-t-il entre les matrices M, N et le système (S)?
c. En déduire, grâce à Scilab, un système (S') équivalent à (S) et préciser
les opérations élémentaires qui sont intervenues.
d. A-t-on un système équivalent à (S') (et donc à (S)) si l'on exécute la
commande P=ElimineBas (N, 2);?
2. a. Proposer une fonction Scilab d 'entête function B=Echange (A, i, j) qui
renvoie comme matrice B, une copie de A où les lignes i et j ont été
échangées.
b. Exécuter les instructions P=Echange (N, 2, 3) ; et Q=ElimineBas (P, 2) ; .
P roposer un système (S") équivalent à (S') (et donc à (S)).
(S) est-il un système de Cramer?

1.a. Lors des trois premières lignes, cette fonction :

<:; enregistre, sous les variables n et p, le nombre de lignes et de colonnes de A ;
"O
0
r::::
:::J
0 crée une matrice B copie conforme de la matrice A ;
0
lfl
0 nomme pivot l'élément (éventuellement nul!) de la matrice A situé en ligne i
,.-1
0
colonne i;
N
@ 0 introduit une boucle for ayant pour vocation de modifier exclusivement les lignes
....., de B numérotées de i +1 à n (Scilab utilise la variable k pour nommer cet indice
r:
Ol
·;:: de boucle et donc de ligne).
>
u
Cl.
0 • • • • • • • • • •
• • • • • • • • • •
Illustration : i = 3, A= • • p • • --7 B= • • p • •
• • • • • 0 0 0 0 0

• • • • • 0 0 0 0 0

Attention, les coefficients représentés ici par le symbole o et le symbole • ne sont pas
nécessairement les mêmes.
 Exercice 4.6 Résolution de systèmes par Scilab 105

Convenons de noter, pour toute matrice M. L1{1, ... , L:;/ ses lignes et, avec des lett res
minuscules mk ,l . ses coefficients (en l'occurrence celui situé en ligne k et colonne f ).
La traduction de la « ligne mystère » donne alors ceci
L~ =pivot· Lt - ak,k · Lt.
On remarque en particulier que bk,i = ai,iak,i - ak,iai,i =O.
Ainsi, au final de la boucle for, seules les lignes de A situées sous le pivot sont
modifiées pour donner B et ces lignes ont toutes un coefficient nul lorsque l'on regarde
sous la colonne du pivot ... C'est l'opération type que l'on effectue avec un pivot de
Gauss .
1.b. Si l'on exécute disp(M) on obtient:
1. 2. 3. 1. -2.
1. 2. 6. 3. 6.
2. 2. 1. o. -10.
1. 2. 3. 2. O.
Ainsi les coefficients en première colonne sont ceux qui multiplient l'inconnue x dans
le système (S), on retrouve ceux multipliant les autres inconnues y, z et t en 2e, 3e et
4e colonne, enfin en 5e colonne (par souci pédagogique, une barre verticale apparaît
ici pour séparer celle-ci des autres) les coefficients sont ceux correspondant au second
membre du système. On dira que M code le système ( S) .

M code le système (S) et, après application de la fonction ElimineBas à partir du pivot
situé en ligne 1, colonne 1 ( ici pivot= 1), on obtient la matrice N qu i code le système,
obtenu à partir de (S), après application des opérations élémentaires suivantes :
L2 +--- L2 - L1
L3 +--- L3 - 2L1
L4 +--- L4 - L1

1.c. Rappelons que les opérations élémentaires, permettant de passer d 'un système à
un système équivalent, sont les opérations de type suivant
• [Dilatation) pour a un scalaire non nul : Li +----- aLi ;
"O
0
r::::
• [Échange] pour i et j deux indices de ligne distincts : Li f-+ Lj ;
:::J
0 • [Transvection] pour a un scalaire et i et j deux indices distincts: Li+----- Li - aLj .
lfl
,..-1
0
N
Ces opérations, à elles seules, permettent de mener à bon terme la méthode du pivot
@ de Gauss, et obtenir ainsi un système plus simple et équivalent au premier (notez que
.....,
r: la non nullité du scalaire a est essentielle pour la dilatation) .
Ol
ï::: Ces opérations élémentaires peuvent se combiner pour donner des combinaisons li-
>
Cl.
0
néaires qui assurent l'équivalence entre systèmes
u
• [CL2] pour a, b (scalaires et a non nul) , i,j (indices distincts) : Li+----- aLi -bLj;
• [CLn ] Pour (a1, . .. , an) n scalaires avec ai non nul Li+----- aiLi - L akLk.
k#i
Ici encore la non nullité de ai et de a joue un rôle essentiel.
 106 Chapitre 4 Systèmes linéaires et matrices

Puisque la variable pivot utilisée dans N=ElimineBas(M,1) est non nulle (ici
pivot= 1), les opérations élémentaires effectuées par la fonction (voir l.b) mènent
à un système (S') (codé par N) équivalent à (S), plus précisément, pu isq ue disp(N)
nous donne
1. 2. 3. 1. - 2.
o. o. 3. 2. 8.
o. - 2. - 5. - 2. - 6. '
o. o. o. 1. 2.
on a
X +2y + 3z +t -2
3z +2t 8 L2 +---- L2 - L 1
(S) <= (S') { -2y -5z -2t -6 L3 +---- L3 - 2L1
t 2 L4 +---- L4 - L 1

Lors d'un pivot de Gauss , on peut mener simultanément plusieurs opé-

rations élémentaires du moment, comme c'est le cas ici, qu'il s'agit
d'opérations élémentaires du type CL 2
Li+---- aLi - bLj (a-/:- 0)
où les indices i utilisés sont tous différents de l'indice j servant de
référence.
Ainsi une action simultanée du type
L1 +---- L1 + L2 L2 +---- L2 - Li
et
serait ambiguë car le résultat dépendrait de l'ordre dans lequel sont
menées ces opérations.

1.d. Passant de (S) à (S') la fonction ElimineBas nous a permis d'éliminer la pré-
sence de l'inconnue x sur les 3 dernières lignes, on souhaite poursuivre le même type
d'opération et éliminer une (voire plusieurs) nouvelle inconnue ligne après ligne. Néan-
moins, il est indispensable que les systèmes obtenus soient équivalents entre eux pour
"O
0
r::::
que la recherche des solutions du premier système soit équivalente à la recherche des
0
:::J solutions du dernier système.
lfl
,--1
Pour montrer que deux systèmes ne sont pas équivalents, il suffit d'exhiber une solu-
0
N
tion d'un des deux systèmes qui n'est pas solution de l'autre.
@
.....,
r: Puisque l'instruction P=ElimineBas (N, 2) affecte la valeur 0 à la variable pivot , le
Ol
·;:: système codé par P n'est pas nécessairement équivalent à (S'). Plus précisément, on
>
Cl. obtient
0
u +2y +3z +t = -2
3z +2t = 8
(S') ==*' (S')
6z +4.t 16
0 = 0

Or la réciproque est fausse, puisque (x, y, z, t) = (0, -3, 0, 4) est solution de (S') sans
être solution de (S').
 Exercice 4.7 Méthode de Gauss-Jordan 107

2 . Puisque l'échange de lignes nous donne un système équivalent, on cherche à placer,

par cette opération élémentaire, un réel non nul dans la position souhaitée (ici ligne
2 colonne 2) et ainsi pouvoir continuer le procédé d'élimination d'inconnues par la
fonction ElimineBas en s'appuyant sur ce pivot.
2.a. Selon la manière avec laquelle on choisit de procéder, il peut s'avérer important
d'introduire une variable temporaire ou copie lorsqu'il s'agit d'échanger les contenus
(ici valeurs) entre deux contenants (ici variables).

function B=Echange(A,i,j)//
B=A; //copie conforme de A
B(i,:)=A(j,:); //nouvelle ligne ide B
B(j,:)=A(i,:); //nouvelle ligne j de B
endfunction //

2.b. Nous allons exécuter les instructions proposées sur Scilab et interpréter les
systèmes codés par les matrices Scilab obtenues à l'écran.

Lorsque l'on exécute P=Echange(N,2,3), s'affiche

1. 2. 3. 1. - 2.
o. - 2. - 5. - 2. - 6.
o. o. 3. 2. 8.
O. O. O. 1. 2.
Ceci code un système (S') équivalent à (S') (puisqu'obtenu par échange de lignes)
+2y +3z +t -2
- 2y - 5z - 2t -6
(S') => (5') { x
3z +2t 8
t 2
Par suite, le coefficient en position (2, 2) étant non nul, ce pivot permet d'ob-
tenir, par l'exécution de Q=ElimineBas (P, 2), un système (S") codé par Q
"O
0 1. 2. 3. 1. - 2.
r::::
0
:::J o. - 2. - 5. - 2. - 6.
lfl o. o. - 6. - 4 . - 16 . .
,..-1
0 o. o. o. - 2. - 4.
N
Ainsi
@
....., +2y +3z +t = -2
r:
Ol - 2y - 5z - 2t -6
·;:: (S') => (S") { x
>
Cl.
- 6z - 4t - 16 L 3 +-- - 2L3
u
0 -2t = -4 L4 +-- -2L4
Ce dernier système est échelonné et de Cramer (plus exactement, la matrice associée
est une matrice triangulaire dont les coefficients diagonaux sont tous non nuls). Et
donc, par équivalence des systèmes, (S) est un système de Cramer.

On vient donc de réduire le système par la méthode du pivot de Gauss

 108 Chapitre 4 Systèm es linéaires et matrices

Cet exercice fait suite à l'exercice 4.6 et reprend les mêmes objets et notations.
1. On considère la fonction Scilab ElimineHaut obtenue à partir de ElimineBas
en remplaçant la boucle « for » par for k=i -1 : -1 : 1.
Proposer une suite d'instructions Scilab, permettant d'obtenir un système
trivial équivalent à (S) et codé sous la forme
1 0 0 0 ?
0 1 0 0 ?
0 0 1 0 ?
0 0 0 1 ?
Quelle est donc l'unique solution de (S)?
2. On se propose d 'inverser la matrice A associée au système (S), pour cela on
introduit quatre nouveaux systèmes (81 ), (S2), (S3) et (S4 ) définis par
X+ 2y + 3z + t Ô1,i
(Si) x+2y + 6z +3t ô2 ,i
{ 2x + 2y + z Ô3 ,i '
X + 2y + 3z + 2t Ô4 ,i

où, pour tout (i, j) E [1, 4] 2 , le symbole t Ôi ,j vaut 1 si i = j et vaut 0 sinon.

On note C 1 ,C2,C3,C4 les colonnes de M3, 1 (1R) vérifiant respectivement

a. Quel lien y a-t-il entre ces colonnes C 1 , C2 , C3, C4 et les solutions des
systèmes (81), (S2), (S3) et (84)?
b. Montrer que C 1 , C2, C3, C 4 sont les colonnes (de la première à la dernière)
de la matrice A - 1 .
c. Proposer une suite d'instructions Scilab, à partir des fonctions
"O
0
ElimineHaut, ElimineBas, Echange, qui partant de la matrice Scilab
r:::: 1 2 3 1 1 0 0 0
:::J
0 1 2 6 3
lfl
0 1 0 0
,-1
0
2 2 1 0 0 0 1 0
N
1 2 3 2 0 0 0 1
@
....., 1 0 0 0 ? ? ? ?
r:
Ol
·;:: 0 1 0 0 ? ? ? ?
>- aboutit à la matrice Scilab ?
Cl. 0 0 1 0 ? ? ?
0
u 0 0 0 1 ? ? ? ?
d. En déduire l'expression des coefficients de A - 1 .

+. dit sym bole de Kronecker

 Exercice 4.7 Méthode de Gauss-Jordan 109

1. Puisque l'élimination des coefficients sous la diagonale de la matrice M (en réalité

des inconnues du système (S)) a été obtenue par les fonctions Echange et ElimineBas,
en déplaçant la recherche du pivot de la première colonne à la dernière (et en agissant
exclusivement sur les lignes situées en dessous du pivot), le procédé consistant à elimi-
ner les coefficients au dessus de la diagonale procédera, par effet miroir, en invoquant
les fonctions Echange et ElimineHaut puis en déplaçant cette fois la recherche du
pivot de la dernière colonne à la première (et en agissant exclusivement sur les lignes
situées au dessus du pivot).
En réalité la fonction Echange ne sera pas nécessaire puisque, les systèmes étant éche-
lonnés et de Cramer à chaque étape, les coefficients diagonaux seront non nuls.
On obtient ainsi un système équivalent où chaque ligne ne fait intervenir qu'une seule
inconnue.
Pour aboutir au système réduit, où chaque inconnue apparaît sans coefficient multi-
plicateur, il suffira de procéder par dilatation sur chaque ligne.

On exécute Q=ElimineHaut (Q, i) pour i allant de 4 à 2, en procédant le cas échéant

à des échanges de ligne Q=Echange(Q,i,j) si cela s'avère nécessaire .
On obtient consécutivement :
- 2. - 4. - 6. O. 8.
Q=ElimineHaut(Q,4) --r O. 4. 10. o. 4.
o. o. 12. o. 16.
o. o. - 2.
o. - 4.
- 24. o. o.
- 48. 192.
Q=ElimineHaut(Q,3)--r
o. o. o. - 112.
48.
o. o. 12. o. 16.
o. o. o. - 2. - 4.
- 1152. o. o. o. 3840.
Q=ElimineHaut(Q,2)--r
o. 48. o. o. - 112.
o.
12. o. o.
16.
O. O. O. - 2. - 4.
Pou r tm1r on procede a la reduct1on du systeme par les dilatations sUJvantes
for i=1:4 Q(i,:)=Q(i,:)./Q(i,i); end. Etonobtientavecdisp(Q)

"O
1. o. o. o. - 3.3333333
0
r:::: o. 1. o. o. - 2.3333333
:::J
0 O. O. 1. O. 1.3333333
lfl
,..-1
o. o. o. 1. 2.
0 Ceci nous permet de conclure à l'équivalence suivante entre systèmes (on en profite
N
@ pour exprimer sous forme de fraction les valeurs approchées fournies par Scilab)
.....,

~ ~=
r: - 10/3
Ol
·;:: - 7/3
>
Cl. (S) { 4/3
0
u t= 2

2.a. Nous allons interpréter le système (Si) par une équation matricielle faisant in-
tervenir la matrice A et une colonne X qui jouera le rôle d'inconnue.
L'existence et l'unicité des colonnes C1 , ... , C4 sont garanties par le fait que, (S) étant
de Cramer, A est inversible.
 110 Chapitre 4 Systèmes linéaires et matrices

X
Posons X= y ) , avec x, y, z, t quat'e 'éels. On obbent pa' calcul •
z
(
t
0

(x, y, z, t) est solution de (Si)~ AX = 1

0
Ainsi Ci est la colonne dont les coefficients forment l'unique solution du système (Si)·
2.b. Connaissant le produit de la matrice A avec les colonnes C 1 , ... , C 4 , nous allons
interpréter le produit matriciel entre deux matrices par le biais du produit de la
première matrice avec les colonnes de la deuxième matrice.

Notons B la matrice dont les colonnes sont (dans l'ordre) C1 , ... , C4.
Par produit matriciel AB est la matrice dont les colonnes sont (dans l'ordre)

ACi, . .. ,AC4 , ;e ( ~ ) , ( ~ ) , ( ~ ) , ( ~ )

Ainsi AB = f 4 et donc B est l'inverse à droite (i.e. l'i nverse tout court) de A, soit
B = A- 1 .
1
Ceci prouve bien que C1, ... , C4 sont les colonnes de A - .

2.c. Si l'on fait abstraction des quatre dernières colonnes de la matrice initiale, on
retrouve les mêmes quatre premières colonnes étudiées en question 1 (lors du codage
"O du système (5)).
0
r:::: Nous avions obtenu en 1 (et à l'aide des fonctions Scilab proposées dans cette ques-
:::J
0 tion et dans l'exercice 4.6) une mise sous forme réduite telle que souhaitée ici.
lfl
,..-1 Il nous suffit donc de reproduire le même schéma.
0
N
@
.....,
r: Notons R la matrice, de taille 4 x 8, initia le .
Ol
·;::
> R=ElimineBas(R,1); R=Echange(R,2,3); R=ElimineBas(R,2);
Cl.
0 R=ElimineHaut(R,4); R=ElimineHaut(R,3); R=ElimineHaut(R,2);
u for i=1:4 R(i,:)=R(i,:)./R(i,i); end
Ainsi disp (R); affiche le résultat suivant.
1. o. o. o. - 1.3333333 0.6666667 1. - 0.3333333
o. 1. o. o. 1.1666667 - 0.8333333 - 0.5 0.6666667
o. o. 1. o. 0.3333333 0.3333333 o. - 0.6666667
o. o. o. 1. - 1. o. o. 1.
 Exercice 4.7 Méthode de Gauss-Jordan 111

2.d. Si l'on fait abstraction des trois dernières colonnes, puisque les opérations élé-
mentaires utilisées n'agissent que sur les lignes (et à aucun moment sur les colonnes),
cela revient à considérer comme matrice de départ
1 2 3 1 1
1 2 6 3 0
2 2 1 0 0
1 2 3 2 0
on aura alors codé une succession de systèmes équivalents partant de (S1 ) et aboutis-
1. o. o. o. - 1.3333333
santà
o. 1. o. o. 1.1666667
o. o. 1. o. 0.3333333
O. O. O. 1. - 1.
Grâce à la question 1, on sait que cette dernière colonne représente l'unique solution
de (S1 ), et grâce à la question 2.a on sait qu'il s'agit de C 1 .
1. o. o. o. - 1.3333333 0.6666667 1. - 0.3333333
o. 1. o. o. 1.1666667 - 0.8333333 - 0.5 0.6666667
o. o. 1. o. 0.3333333 0.3333333 o. - 0.6666667
o. o. o. 1. - 1. o. o. 1.
Î
C1
De même si l'on fait abstraction des colonnes 5, 7 et 8, c'est la colonne C2 qui aura
été codée en lieu et place de la 6e colonne affichée. Les colonne C3 et C4 sont donc
codées, par le même raisonnement, en lieu et place des colonnes 7 et 8.

1. O. O. O. - 1.3333333 0.6666667 1. - 0.3333333

O. 1. O. O. 1.1666667 - 0.8333333 - 0.5 0.6666667
O. O. 1. O. 0.3333333 0.3333333 O. - 0.6666667
o. o. o. 1. - 1. o. o. 1.
t t t t
C1 C2 C3 C4
Et donc, grâce à la question 2.b, par lecture des quatre dern ières colonnes du codage
ci-dessus, on obtient A - 1 , ce qui (par réécriture des valeurs approchées sous forme
"O
0
fractionnaire) nous donne
r::::
-4/ 3 2/3 1 -1/3

)
:::J
0
lfl A- 1= 7/6 - 5/6 - 1/2 2/3
,..-1
0
N ( 1/3 1/3 0 - 2/3
- 1 0 0 1
@
.....,
r:
Ol
ï:::
>-
Cl.

u
0

f La méthode que l'on vient d'illustrer est la méthode d'inversion de

Gauss-Jordan.
Elle consiste à procéder, pour une matrice inversible A, par le biais
d'une méthode du pivot de Gauss agissant exclusivement sur
les lignes à la transformation suivante ( A 1 In ) ---+ ( In 1 B ) .
On en déduit alors que B est l'inverse de la matrice A.
 112 Chapitre 4 Systèmes linéaires et matrices

Liste des capacités attendues

• S avoir m ettre en œ uvre la m éthode du pivot d e Gauss (cf exercices 4.1,

4.3, 4.4, 4.6 et 4.7) .

• Savoir décrire les solutions d'un système linéaire (cf exercices 4. 1, 4.3, 4.4).

• Savoir obtenir l' inverse d ' une matrice carrée invers ible
() en résolvant un système linéaire (cf exercice 4.2 et question 4.5.2);

(~ ~) - ad~ be (!c -:Xb)

1
(j en utilisant 1 - 1 pour les matrices de GL2 (1K)

(cf exercice 4.5).

"O
0
r::::
:::J
0
lfl
,.-1
0
N
@
.....,
r:
Ol
·;::
>
Cl.
0
u
 CHAPITRE

Espaces vectoriels et sous-espaces

vectoriels

Dans tout ce chapitre lK désigne le corps des réels IR ou celui des complexes C
Sauf mention du contraire on désignera par 0 l'élément neutre de l'espace vecto-
riel manipulé (souvent plusieurs espaces vectoriels seront manipulés et on ut ilisera
le même symbole 0 pour désigner les vecteurs nuls de chacun de ces espaces). Pour
plus de concision, on emploiera parfois le terme sous-espace pour signifier en réalité
sous-espace vectoriel de l'espace ambiant.

Étant données deux familles finies !.:, et F = U1 )jE J , on dira que !.:, est une sous-famille
de F (ou de façon équivalente que F est une sur-famille de !.:,) lorsque !.:, est ext raite
de F , autrement dit, lorsque!.:, = (fi)iEI avec I C J. On notera, par ailleurs, Card F
le cardinal de la famille F . Il s'agit du cardinal Card J de l'ensemble J indexant les
éléments de F .

"O
0
r::::
:::J
0
lfl
,.-1
0
N
@
.....,
r:
Ol
·;::
>
Cl.
0
u
 114 Chapitre 5 Espaces vectoriels et sous-espaces vectoriels

1. On considère l'ensemble
A = {(x, y, z, t, u) E IR.5 x + 2y + 3z + 4t + 5u = 0 et x - y+ z - t + u
1 = O}.
a. Montrer que A est un sous-espace vectoriel de JR5 .
b. Montrer qu'il existe a, b, c trois vecteurs de JR5 tels que
A= {-\a+ µb + vc; (-\,µ, v) E JR 3 }.

c. En déduire que (a, b, c) est une base de A.

2. Soit
A'= {(x', y', z', t', u') E IR5 1 V (x, y, z, t, u) E A, xx' +yy' +zz' +tt' +uu' = O}.
a. Montrer que A' est un sous-espace vectoriel de JR5 .
b. Montrer que
A'= {(x',y',z',t',u') E 1R5 I V(x,y,z,t,u) E {a, b,c}, xx'+yy'+zz'+tt'+uu' = O}
c. En déduire une base (d, e) de A'.
3. Montrer que (a, b, c, d, e) est une base de IR.5 . Calculer, à l'aide de Scilab, les
coordonnées de (1, 2, 3, 4, 5) dans cette nouvelle base.

1.a. On commence par les vérifications préliminaires simples, on montre que A est
bien une partie de JR5 non vide. Pour montrer qu'un ensemble est non vide il suffit
d 'exhiber un « habitant » de l'ensemble, en l'occurrence, puisque A est censé être un
sous-espace vectoriel, il se doit de contenir le vecteur nul.

~I A est, par construction , une partie de JR5 . Elle est, de plus, non vide, puisque le
vecteur nu l vérifie les deux équations caractérisant les vecteurs de A.

On s'attaque, à présent, au caractère stable par combinaison linéaire.

"O
0
r::::
:::J Soient À un réel (ici on travaille sur des IR-espaces vectoriels) et a= (x, y, z , t, u),
0
lfl
a' = (x', y' , z', t' , u') deux vecteurs de A. Par construction, on a
,-1
0
N x + 2y + 3z + 4t + 5u = 0 et { x' + 2y' + 3z' + 4t' + 5u' = 0
@ { x - y +z - t +u = 0 x' - y' + z' - t' + u' = 0
.....,
r: Ainsi, en ajoutant À fois la 1e ligne du deuxième système à la 1e ligne du premier
Ol
·;::
> système (et en faisa nt de même avec la 2e), on t rouve
Cl.

u
0
(x + >.x') + 2(y +>.y') + 3(z + Àz1 ) + 4(t + >.t') + 5('u + Àu1 ) = 0
{ (x + Àx1 ) - (y + Ày 1 ) + (z + Àz1 ) - (t + Àt 1 ) + (u + Àu1 ) = 0
Ceci prouve que
a+>.o,' = (x+>.x',y + >.y',z+>.z',t +>.t',u +>.u') E A.
Et donc A est stable par combinaison linéaire, ce qui permet de concl ure que A est
un sous-espace vectoriel de JR 5 .
 Exercice 5.1 Sous-espaces de ~ 5 115

Cet exemple illustre le résultat général suivant: les solutions d'un système
linéaire homogène forment un sous-espace vectoriel de JKN, où N est le
nombre d'inconnues du système.
1.b. P uisque A n'est autre que l'ensemble des solutions d'un système linéaire homo-
gène, il s'agit ici de donner l'ensemble des solutions et d'écrire cet ensemble sous forme
paramétrée.

Soit a= (x,y,z,t,u), on a, par construction,

- y+ z - t +u =0
aEA
+2y + 3z + 4t + 5u =0
- y+ z - t +u =0
3y + 2z + 5t + 4u =0

S'agissant d'un système à 2 équations et 5 inconnues (et puisqu'il est écrit sous forme
réduite par le biais du pivot de Gauss), 3 de ces inconnues peuvent jouer le rôle de
paramètre. On choisit de faire jouer ce rôle à z, t et u (i.e. les trois dernières dans
le système réduit obtenu par pivot de Gauss car ce choix nous assure que le système
obtenu, d 'inconnues x et y soit de Cramer).

Ainsi
x- y =-z+t-u
ŒE A {::::::::} { 3y = - 2z - 5t - 4'U

{~
Pour exhiber les vecteurs a, b, c on passe par une écriture en colonnes. On va ainsi
mettre en évidence une combinaison linéaire donnant la colonne associée à o:. Trois
colonnes vont s'imposer naturellement sachant que les paramètres z, t et u jouent le
rôle de coefficients dans cette combinaison linéaire.
X ? ? ?
y ? ? ?
"O
0
r:::: z =z 1 +t 0 +u 0
:::J
0 t 0 1 0
lfl
,..-1
u 0 0 1
0
N
@ Finalement
.....,
r: X -5/3 -2/3 -7/3
Ol
·;::
> y -2/3 -5/3 -4/3
Cl.
0 aEA {::::::::} z =z 1 +t 0 +u 0
u t 0 1 0
u 0 0 1
ce qui nous incite à poser, par exemple,

a=(- ~, - ~ 1 1,0,o), b=(- ~,- ~,0,1,0) et c=(- ~, - ~ , 0,0,1).

Auquel cas, a E A {::::::::} a = za + tb + 'UC.
 116 Chapitre 5 Espaces vectoriels et sous-espaces vectoriels

Il s'agit à présent de montrer que A= Vect(a, b, c). L'étape qui suit est très souvent
négligée dans la plupart des corrigés car il est entendu que la méthode du pivot de
Gauss fournit bel et bien une famille génératrice. Nous allons exceptionnellement igno-
rer cette habitude et montrer concrètement que l'on a bien ici une famille génératrice.
Le résultat n'étant pas spécifique à cet énoncé, nous pourrons par la suite affirmer le
caractère générateur sans donner le détail de la preuve.

Rappelons que l'on a posé a= (x, y, z, t, u).

Ainsi, il ne faut pas confondre « a E A {::::::::} a = za + tb + uc » avec
«a E A {::::::::} [:J(z',t',u') E IR3 , a= z'a + t'b+u'c] ».
En effet, la première équivalence fait intervenir une combinaison linéaire
au travers des coefficients z, t et u (qui se trouvent être précisément
choisis comme certaines des coordonnées de a) ; quant à la deuxième
équivalence, les coefficients sont les variables muettes z', t' et u' (qui
n'ont donc aucun rapport avec les coordonnées de a) .
Hors contexte, on ne peut donc pas affirmer
a= za + tb + uc {::::::::} a E Vect(a, b, c).
On peut s'en convaincre par l'absence d'équivalence entre
(x, y, z, t, u) E Vect((2, 1, 0, 2, 1)) et (x, y, z, t, u) = t · (2, 1, 0, 2, 1).

D'après ce qu i précède on sait que a E A:::} a E Vect(a, b, c), ainsi AC Vect(a, b, c).
Or, par un calcul immédiat, on remarque que les coordonnées de a, b, c ci-dessus
vérifient bel et bien les équations caractérisant A. Ainsi on a {a, b, c} C A et donc
(A étant un espace vectoriel) Vect(a, b, c) c A.
Finalement on a, par double inclusion ,
A= Vect(a, b, c) = p.a + µb + vc; (>.., µ, v) E JR3 }.

"O Dans cette preuve on a pris soin de vérifier que a, b, c sont bel et bien des éléments
0
r::::
:::J
de A. Cette vérification est un moyen précieux pour conforter l'idée que nous n'avons
0 pas commis d'erreurs dans nos calculs (il y a présomption de non erreur).
lfl
,.-1
0
N
@
....., Il va de soi que la solution proposée n'est pas unique (il n'y a pas
r:
Ol
·;::
d'unicité lorsqu'il s'agit de trouver une famille génératrice d'un espace
>
Cl. vectoriel).
0
u On peut proposer, afin de rendre les calculs à venir plus commodes, de
changer une famille génératrice ('v 1 , . . . , vp) en une autre obtenue par
multiplication des vecteurs par des scalaires tous non nuls ..\ 1 , ... , Àp :
(À 1 · V1, ... , Àp · Vp)
 Exercice 5.1 Sous-espaces de ~ 5 117

~1
Puisq ue changer (a,b,c) en (- 3a,-3b, - 3c) n'altère en rien le caract ère générateur,
on considère, à parti r de maintenant,
a= (5, 2, -3, 0, 0), b = (2, 5, 0, -3, 0) et c = (7, 4, 0, 0, -3) .

1.c . On sait que, par construction, (a, b, c) est une famille génératrice de A. Il nous
suffit donc de montrer que cette famille est libre.

Soient À, µ, v trois réels tels que Àa + µb + vc =O.

Ainsi, en identifiant chacune des coordonnées du membre de gauche à celle du membre
de droite, on t rouve
5À +2µ +7v =0
2À +5µ +4v =0
- 3À =0
- 3µ =0
- 3v =0
D 'où, grâce aux t rois dern ières lignes de ce système, À = µ = v = 0, ce qui prouve
que (a, b, c) est libre.
Puisque, par ailleurs, (a ,b,c) est, par const ruct ion , générateur de Vect(a, b, c), on en
déduit , grâce à 1.b, que (a , b, c) est une base de A .

Le caractère générateur de la famille obtenue par pivot de Gauss à

partir d'un système linéaire est, très souvent, chose admise dans les
corrections proposées. De même, comme le démontrera l'exercice 5.6,
le caractère libre de cette famille est inhérent au procédé du pivot de
Gauss.
Ainsi, la pratique veut que, lorsqu'il s'agit de résoudre un système li-
néaire homogène (S) à n inconnues et que celui-ci abouti par la méthode
du pivot de Gauss à
(x1, ... , Xn) solution de (S) <=:> x =Xi ai + Xjaj + · · · + Xmam ,
on puisse alors affirmer que (ai, aj, ... , am) constitue une base de l'en-
semble des solutions de (S).
"O
0
r::::
:::J
0 2.a. Tout comme A, A' est caractérisé par des équations linéaires, mais contrairement
lfl
,..-1
0
à A, il ne s'agit pas d'un nombre fini d 'équations.
N
On aboutit néanmoins à un sous-espace vectoriel car une interse ction d ' es paces
@
....., vectoriels est un espace vectoriel et
r:
Ol
·;::
>
Cl.
0
A' = n
(x,y,z,t,u)EA
{(x',y' ,z' ,t',u') E ~5 1 xx' + yy' +zz' + tt' + uu' = 0}.
u
Laissons cet argument, on va ici ut iliser la méthode employée en 1.a.

~1
Par const ruct ion A' est une part ie de ffi. 5 et, pu isque 0 est de façon évident e un
élément de A', il est non vide.
Soient À un réel ( ici on t ravail le sur des ffi.-espaces vectoriels) et deux vecteurs de A'
ai= (x1, y1 ,z1, t 1,u1) et a2 = (x2,y2,z2,t2,'u2).
 118 Chapitre 5 Espaces vectoriels et sous-espaces vectoriels

Par construction, on a

V(x,y , z,t, u) E A,
XXI + YYI + ZZ1 + tt1 + UU1 =0
{ XX2 + YY2 + ZZ2 + tt2 + 'U'U2 =0
On en déduit, par l'opération L1 + ÀL2,
V (x, y,z, t , u) E A, x(x1 +Àx2) + y(y1 +Ày2)+z(z1 +Àz2)+t(t1 +Àt2)+u(u1 +Àu2) =O.
Ceci prouve que
a1 + Àa2 = (x1 + ÀX2, Y1 + Ày2 , z1 + Àz2, t1 + Àt2 , u1 + Àu2) E A'.
Et donc A' est stable par combinaison linéaire, ce qu i permet de conclure que A' est
un sous-espace vectoriel de ~5 .

2.b. Une inclusion est évidente et repose sur le principe du «qui peut le plus peut le
moins».

~1
Pu isque a, b et c sont t rois éléments particuliers de A, on a de façon évidente
E ~5
1 1 1 1 1
A' C {(x ,y ,z ,t ,u ) 1 V(x, y ,z,t,u) E {a,b,c}, xx'+yy'+zz'+ tt'+uu' = O}.

Pour l'inclusion réciproque, on va exploiter le fait que (a, b, c) est génératrice de A et

ainsi modifier la quantification V (x, y, z, t, u) E A par V (x, y, z, t , u) E {a, b, c}.

. ( x 1 , y 1 , z 1 , t' , u 1) E 1!l>5
Soit Jl'li.. te 1que
V (x, y , z, t , u) E {a, b, c}, xx' + yy' + zz' + tt' + uu' = 0, on a alors
aix' + a2y' + a3z' + a4t' + a5t' = 0
(E) b1x' + b2y' + b3z' + b4t' + bst' = 0
{
C1X1 + C2y' + C3Z + C4t +est' = 0
1 1

où a= (a1, ... ,a5),b= (b1, ... , b5),c= (c1, ... ,c5) .

En gardant les expressions littérales pour les coordonnées de a, b et c (au lieu des
valeurs explicites calculées précédemment), on obtient un double avantage : le premier
est que nous évitons que des erreurs de calculs éventuelles, commises précédemment,
viennent compromettre notre tâche actuelle; le deuxième est la mise en évidence du
u
0
fait que le choix particulier fait pour (a, b, c), dans notre corrigé, n'influence en rien
§ la validité du résultat.
0
lfl
,..-1
0 Soit (x, y, z, t, u) un vecteur quelconque de A, on sait d'après l.b que
N
@ (x , y , z, t , u) = Àa + µb + vc = (Àa1 + µb 1 + vc1 , ... , Àa5 + µbs + vc5).
.....,
r:
Ol
Or, si l'on agit sur les lignes du système (E) selon l'opération ÀL1 + µL2 + vL3, on
ï::: obtient
>
Cl.
0 (Àa1 +µhi + vc1)x1 + · · · + (Àa5 + µb s + vc5)u1 = 0,
u
i.e. xx' + yy' + zz' + tt' + uu' = 0 et ce quel que soit (x, y, z, t, u) E A. C'est donc
que (x', y', z', t', 'u') E A' et donc l'inclusion réciproque
{(x',y',z',t',u') E ~5 1 V(x,y,z,t,u) E {a,b,c}, xx'+yy' + zz' +tt'+uu' = O} CA'
est établie, ce qu i, finalement, prouve l'égalité par double inclusion :
E ~5
1 1 1 1 1
A'= {(x ,y ,z ,t ,u ) 1 V(x, y ,z,t,u) E {a,b,c}, xx'+yy'+zz'+ tt'+uu' = O}.
 Exercice 5.1 Sous-espaces de ~ 5 119

2.c. Puisque, grâce à ce qui précède, A' s'écrit comme l'ensemble des solutions d'un
système homogène (à savoir (E)), on va reproduire ici les méthodes utilisées en 1.b
et 1.c.

Soit a= (x,y,z,t,u), on a d'après ce qui précède

5x + 2y -3z =0
a E A' {::::::::} 2x +5y -3t =0
{
7x +4y -3u = 0

S'agissant d'un système à 3 équations et 5 inconnues, on constate après une réduction

de Gauss que 2 de ces inconnues (bien choisies) peuvent jouer le rôle de paramètre.
On choisira ici de faire jouer ce rôle à t et u (la mise sous forme réduite du système
par pivot de Gauss nous assure que le système obtenu, d 'inconnues x, y, z, sera de
Cramer)
Ai nsi
5x +2y - 3z =0
a E A' {::::::::}
{ 2x
27x
+5y - 3t
+12t
=0
-15u = 0 L3 +--- 5L3 - 4L2
-3z + 2y 5x =0
{ +5y + 2x
+ 27x
- 3t
+12t
=0
- 15u = 0
Cette mise sous forme réduite par le biais d ' un pivot de Gauss nous incite à considérer
t et u comme paramètres, d 'où le système de Cramer d 'inconnues z, y, x
- 3z + 2y + 5x 0 27x = - 12t + 15u
a E A' {::::::::}
{ 5y + 2x
27x
=
=
3t
-12t + 15u
{::::::::}
{
27y
27z
= 2lt - 6u
= -6t + 2lu
Finalement
X -4 5
y 7 -2
t u
a E A' {::::::::} z -2 +- 7
9 9
t 9 0
'U 0 9
"O
0
r:::: Ainsi, en posant
:::J
0 d=(-4,7,-2,9,0) et e=(5,-2,7,0,9),
lfl
,..-1
0 on montre, de man ière ana logue à ce qu i a été fait en 1.b et 1.c, que (d, e) est une
N
base de A'.
@
.....,
r: Remarquons que le système était initialement sous forme réduite (à condition de chan-
Ol
ï::: ger l'ordre d'apparition des inconnues). Ainsi, en faisant jouer le rôle de paramètres
>
Cl.
0
à x et y , on avait la possibilité de proposer directement ((3,0, 5,2, 7) , (0,3,2,5, 4))
u comme base de A', puisque
X 3 0
3 5x + 2y y 0 3
+~
X
a E A' {::::::::} { z 3t 2x + 5y z 5 2
3 3
3u = 7x+4y t 2 5
u 7 4
 120 Chapitre 5 Espaces vectoriels et sous-espaces vectoriels

Grâce au petit script Scilab ci-dessous, on vérifie que d et e sont bel et bien deux
vecteurs de A', ainsi il y a présomption de non erreur.
a=[5,2,-3,0,0] ;b=[2,5,0,-3,0] ;c=[7,4,0,0,-3];
d=[-4,7,-2,9,0] ;e=[5,-2,7,0,9];
disp(sum(a.*d));disp(sum(b.*d));disp(sum(c.*d));
disp(sum(a.*e));disp(sum(b.*e));disp(sum(c.*e));

3 . Lorsque la notion sera introduite au second semestre, on saura que la question

posée ici revient à montrer que An A' = {O} (on dira alors que A et A' sont en
somme directe et on prouvera, grâce à cela, qu'ils sont supplémentaires, i.e. qu'une
concaténation de leurs bases donne une base de IR5 ).
Nous allons développer ici la méthode suscitée par la définition de ce qu'est une base :
au lieu de montrer que la famille est libre, puis montrer qu'elle est génératrice (ce
qui serait fastidieux en raison du dédoublement des calculs) , nous allons montrer que
tout vecteur (a, /3, 'Y, ô, c;) de JR5 admet une unique décomposition comme combinaison
linéaire de vecteurs de la famille (a, b, c, d, e).

o,
Pour (a, {3, f', ê) de IR5 fixé, il s'agit d'étudier les sol utions de l'éq uation (où les
scalaires x, y, z, t, u sont les inconnues)
xo. + yb + zc + td + ue =(a, {3,/, O,ê).
Ainsi, en identifia nt les coordonnées du membre de gauche à celles du membre de
d roite, on trouve
5x +2y +7z -4t +5u =a
2x +5y +4z +7t -2u =!3
(S) - 3x - 2t +7u =f'
- 3y 9t =o
-3z +9u =ê
Étant donné l'all ure des trois dernières lignes, nous pouvons exprimer aisément, à partir
de ces t rois lignes, les inconnues x, y et z en fonction de t et u,
(*) 3x = - !' - 2t + 7u, 3y = -o+ 9t, 3z = - ê + 9u.
"O En injectant ces relations dans les deux premières éq uations de (S) (q ue l'on aura au
0
r:::: préa lable multipliées par 3) on trouve
:::J
0
lfl 5(--y - 2t + 7u) +2(-8 + 9t) +7(-ê + 9u) -12t +15u = 3a
,..-1 (S') { 2(--y - 2t + 7u)
0 +5(-8 + 9t) +4(-ê + 9u) +21t -6u = 3/3
N
@ Ainsi
.....,
r: , { - 4t +113u =3a+5!'+28+7ê
Ol
·;:: (S ) ~ 62t + 44u = 3{3 + 2/ + 58 + 4ê
>
Cl. Or ce système est de Cramer (puisque - 4 x 44 - 113 x 62 # 0) ainsi t et u sont
0
u un iquement déterminés à partir de (a, /3, /', 8, ê) et, par suite, il en va de même pou r
x,y et z grâce à(*). Ceci prouve l'existence et l' unicité de la décomposition et montre
donc que (a, b, c, d, e) est une base de JR5 .

On pouvait procéder par la méthode du pivot de Gauss et ainsi montrer que, (S)
étant de Cramer, (a, b, c, d, e) est une base de JR5 .
E n effet, la méthode du pivot est ici grandement facilitée par l'allure du système qui
 Exercice 5.1 Sous-espaces de ~ 5 121

nous incite à permuter les lignes de la façon suivante

-3x -2t +7u = /
- 3y 9t = 0
- 3z +9u = E:
5x + 2y +7z -4t +5u =a
2x +5y +4z +7t - 2u = fJ
Ainsi le pivot continue par
- 2t +7u =/
-3y 9t =5
(S) ~ - 3z +9u = €
6y +2lz - 22t +50u = 3a + 5/ L4 +----- 3L4 + 5L 1
l5y +12z +l7t +8u = 3/3 + 21 L 5 +----- 3L5 + 2L 1
-3x - 2t +7u = /
ffi 9t = 0
-3z +9u = E:
21z - 4t +50u = 3a + 51 + 25 L4 +----- L4 + 2L2
12z + 62t +8u = 3/3 + 21 + 5o Ls +----- Ls + 5L2
-3x - 2t +7u = 1
- 3y 9t =O
l -3 lz +9u = é
- 4t +ll3u = 3a + 51+25 + 7ê
+ 62t +44u = 3fJ + 21 + 5o + 4s
le dernier système ayant été obtenu après les transvections
L4 +----- L4 + 7L3 et L5 +----- L s + 4L3.
On en déduit alors, grâce à la transvection Ls +----- 2Ls + 31L4 ,
- 3x - 2t +7u = 1
-3y 9t = 5
(S) ~ - 3z +9u = ê
"O
0
1-4lt +ll3u = 3a + 51 + 25 + 7.s
r:::: 359lu = 93a + 6/3 + 159/ + 725 + 225é
:::J
0
lfl
Ce dernier système est échelonné et de Cramer donc (S) est de Cramer.
,..-1
0 Si l'on avait continué jusqu'au bout les calculs, on aurait abouti à inverser la matrice
N
@
P associée au système (S) .
....., On remarque que les colonnes de la matrice P reproduisent les coordonnées des vec-
r:
Ol
·;:: teurs a, b, c, d, e dans la base canonique et puisque le système s'écrit
>
Cl.
0 X a X a
u y y
/3 /3
p z ceci étant équivalent à z = p-I I
I
t 0 t 0
u é u ê

on en déduit un moyen très simple pour calculer les coordonnées dans la nouvelle base
 122 Chapitre 5 Espaces vectoriels et sous-espaces vectoriels

1
2
(a,b,c, d,e) du vecteur (1,2, 3,4,5). Il suffit de calculer p- 1 3
4
5

P=[[5,2,7,-4,5];[2,5,4,7,-2];[-3,0,0,-2,7];[0,-3,0,9,0]; [0,0,-3,0,9]];
C=P-{-1}*[1;2;3;4;5]

Le résultat affiché correspond alors aux coordonnées demandées.

Bien sûr les coordonnées calculées ici sont celles spécifiques à la base choisie dans ce
corrigé. Si l'on avait fait un tout autre choix de base, nous aurions sans doute trouvé
un résultat différent. Par ailleurs, l'instruction :
disp(C(l, 1)*a+C(2, 1)*b+C(3, 1)*c+C(4, 1)*d+C(5 , 1)*e); renvoie le vecteur
xa+ yb + zc+ td+ eu, où x, y, z, t, u sont les coordonnées obtenues par les instructions
Scilab précédentes.
À l'exécution du script on trouve 1. 2. 3. 4. 5. ce qui nous fait
comprendre que le premier script proposé fonctionne convenablement.
Tout sou s-es pace F de ocn peut s'écrire comme solution d ' un système (S)
linéaire homogène à n inconnues, les équations de (S) sont dites les équa-
tions cartésiennes de F. On vient d'illustrer comment passer des équations
cartésiennes à la détermination d'une base. Dans l'exercice qui suit nous
allons illustrer la démarche inverse.

Exercice 5. 2 : Équations cartésiennes et paramétrisation

On appelle équations cartésiennes d'un sous-espace F de ocn, la donnée d'un

système (S) à n inconnues tel que
F = {x E ocn 1 X est solution de (S)}.
Le but de l'exercice est d'illustrer, par un exemple, que tout sous-espace vectoriel
F admet des équations cartésiennes~. Puisque tout sous-espace de ocn admet une
"O
0
r::::
base, nous allons choisir un exemple à partir d 'une famille jouant le rôle de base.
0
:::J
On considère ici F , le sous-espace de JK5 dont une base B est constituée des
lfl
,.-1
vecteurs f = (1, - 1, 3, 4, 5) et g = (1, - 1, 1, - 1, 1).
0
N 1. Montrer que, pour tout (x,y,z,t,u) E IK5 , on a l'équivalence
@
....., a +b =X
r:
Ol
·;:: -a -b =y
>
Cl. (x,y,z,t,u) E F {:::::::::> 3(a,b) E IK 2 , (E) 3a +b =Z
0
u 4a -b =t
5a +b =u

~· Ce système peut même être choisi de façon à contenir n - r équations avec r = dim F
 Exercice 5.2 Équations cartésiennes et paramétrisation 123

2. Montrer que (E) équivaut à un système à 3 équations, dont les inconnues sont
exclusivement (x, y, z , t), et un système à deux équations donnant les valeurs
de a et ben fonction de (x, y, z, t).
3. Conclure.

1. Puisque Best une base de F, on peut écrire F = Vect (f,g) . Ainsi les éléments de
F sont les combinaisons linéaires de f et g. Ceci va nous permettre de paramétrer
l'ensemble F .

Soit (x,y,z,t,u) E JK 5 , pu isqu e F = Vect(f,g) , on en déduit

(x,y,z,t,u)EF ~ (3(a,b)ElK2 , (x,y,z,t,u)=af+bg).
D 'où , en écriva nt le syst ème correspond ant à l' ident ifica tion coordonnée par coordon-
née entre les deux membres de l'égalité ci-dessus,
a +b =x
-a -b =y
2
(x,y,z,t,u)EF ~ 3(a,b)ElK , 3a +b =z
4a - b =t
5a +b =U

2. Il s'agit d 'éliminer les paramètres a et b dans le système (E) . Pour cela on va

appliquant la méthode du pivot de Gauss qui nous fournira deux premières équations
donnant accès aux valeurs de a et b (en fonction de x, y et z ) suivi de trois équations
(de compatibilité) où ni a ni b ne seront présents.

~ a +b =x
0 =x+y L2 +-- L2 + L1
- 2b = - 3x + z L3 +-- L3 - 3L1
-5b = -4x + t L4 +-- L4 - 4L1
"O
-4b = -5x +u L5 +-- L5 - 5L1
0
r:::: a +b =X
:::J
0 - 2b = -3x + z L2 f------7 L3
lfl
,.-1 0 = x+y
0
N - 5b = - 4x + t
@
....., - 4b = - 5x + u
r:
Ol a +b =x
·;::
> -2b = -3x + z
Cl.

u
0 0 =x+y
0 = 7x - 5z + 2t L4 +-- 2L4 - 5L2
0 = x - 2z + u Ls +-- Ls - 2L2

Fi nalement

(E) <==> [(S,) { :

=
z - x
2
3x - z
2
et (S2)
{
x+y
7x - 5z + 2t
x - 2z +u
=
= 0
=Ü
0 l
.
 124 Chapitre 5 Espaces vectoriels et sous-espaces vectoriels

On a profité ici de la linéarité du système ('E) pour appliquer mécaniquement la

méthode du pivot. Néanmoins il existe une méthode d'élimination des paramètres
(dans un système d 'équations comportant plus d'équations que de paramètres) qui
s'applique à tout système linéaire et à certains systèmes non linéaires. Il s'agit d'ex-
traire du système un sous-système (ici, par exemple, les lignes 1 et 3 de (E)) dont
la résolution permet de déterminer les paramètres (a et b) en fonction des variables
(x, y, z, t et u) , puis, en injectant les valeurs obtenues pour les paramètres (a et b)
dans les équations restantes, on obtient le système correspondant aux équations de
compatibilité.

+b
+b
=X
=z
et (5~) { ~:
5a
-b
-b
+b
=y
=t
=u
l .

(5D est de Cramer {puisque 1 x 1- 1 x 3 # 0). D 'ailleurs l'un ique solution de (SD
est donnée par
Z - X 3x - Z
a= - - et b= .
2 2
Finalement, en injecta nt ces valeurs de a et b dans (S~) on trouve
z - x
3x - z
2

2
et (52)
{
7x +
X -
x+y
- 5z + 2t
2z
:~ l·
+ U =0

3 . Puisque le quantificateur annonce l'existence d'un couple de paramètres et que,

par la suite, (BD précise la valeur de ces paramètres, on peut procéder à l'élimination
physique (on liquide, on ventile, on disperse ... ) de a et b dans l'équivalence posée en 1.

l
D 'après ce qu i précède, (x, y, z, t, u) E F équivaut à
z-x x+y
3x~z 7x + - 5z + 2t 0
"O =
0 et (S2) = 0 .
r:::: {
:::J
2 x - 2z + u =0
0
lfl
,..-1 Or, a et b n'intervenant pas dans le système (S2). ce qu i précède équ ivaut encore à
0

Fz ) -5;-c:2~ ~
N
@ 2
....., 3 (a, b) E K ; (S1 ) { ab = :. et (52) { 7x + :
r: ( X - 2z + U = 0
Ol
ï:::
>
Cl.
~
z-x
x;z
u
0 Finalement, puisque 3 (a, b) E K
2
, (51) { : 3 est vraie, et ce quelles

que soient les valeurs de x, y et z , on en déduit l'équivalence

x+y =0
(x,y,z,t,u) E F ~ (S2) 7x + -5z + 2t = 0
{ X- 2z + 'U = 0
On a finalement trouvé un système d 'équations cartésiennes de F, à savoir (52 ).
 Exercice 5.3 Espace de suites 125

1. On note S(JR) le IR-espace vectoriel des suites réelles.

a . Montrer que l'ensemble B des suites bornées de S(JR) est un sous-espace
vectoriel de S(IR).
b. Montrer que l'ensemble S 0 (JR) des suites de S(JR) qui tendent vers 0 est
un sous-espace vectoriel de B.
2. Soit r un élément de IR. On note 9r l'ensemble des suites géométriques de
raison r, et on note Q l'ensemble des suites géométriques (quelles que soient
leurs raisons).
a. Montrer que, pour tout r E IR, 9r est un sous-espace vectoriel de S(JR).
b. Donner une condition nécessaire et suffisante sur r pour que 9r soit un
sous-espace vectoriel de S 0 (1R) (resp. de B).
c . Q est-il un sous-espace vectoriel de S(IR)?
3. Soit r un réel. On note Ar l'ensemble des suites arithmétiques de raison r, et on
note A l'ensemble des suites arithmétiques (quelles que soient leurs raisons).
a. Pour quelle(s) valeur(s) der E IR, A r est-il sous-espace vectoriel de S(IR)?
b. Montrer que A est un sous-espace vectoriel de S(IR) et préciser une base.

1.a. Constatations préliminaires ...

~I B est , par construction, une partie de S(IR) et , puisque la suit e nulle est bornée, B
est non vide.

Il s'agit de montrer à présent qu'une combinaison linéaire de suites bornées est une
suite bornée.

Soient À un scalaire et u , v deux suites de B, pu isq u'elles sont bornées, on peut donc
"O
0
r::::
t rouver deux réels Mu et M v tels que 'in EN, lun l ~ Mu et lvnl ~ M v.
:::J Posons w = À U + v , on a alors par inégalité tria ngulaire
0
lfl
,.-1 'in EN, l.X.un + Vn l ~ l.X.I · lunl + lvn l ~ l.X.I · Mu+ Mv .
0
N Ainsi V n E N, lwnl ~ l.X.I · Mu + M.u et donc w est bornée, ce qu i prouve bien
@
....., que .X.·u + v E B. Finalement, grâce à cette stabilité par com binaison li néaire, on peut
r: concl ure q ue Best un sous-espace vectoriel de S(IR) .
Ol
ï:::
>
Cl.
0
1 . b . Constatations préliminaires ....
u

~I
D ' après le cours t o ute suite convergent e est bornée, on a donc So (IR) C B . Par
ailleurs, puisque la suit e nu lle t end vers 0, So(IR) est no n vide.

Il s 'agit de montrer à présent que toute combinaison linéaire de suites tendant vers 0
tend elle aussi vers O.
 126 Chapitre 5 Espaces vectoriels et sous-espaces vectoriels

Soient À un scalaire et u, v deux suites de So(IR). Par construction,

lim Un = 0 et lim Vn = 0.
n~+= n~+=

Si l'on pose w = >.u + v, on obt ient alors, par linéarité de la limite, que w converge
et que sa limite vaut
lim Wn = À lirn 'Un+ lirn Vn =O.
n~ + = n~+= n~ + =

Finalement >.u + v E So(IR) et donc, grâce à cette stabilité par combinaison linéaire,
on peut conclure que So(IR) est un sous-espace vectoriel de B.

Lorsque A est un sous-espace de B et B un sous-espace de C, on en

déduit que A est un sous-espace de C .
On peut donc dire que S 0 (1R) est un sous-espace vectoriel de S(JR).

2.a. Soit r E IR, commençons par les constatations préliminaires.

~1
La suite nulle étant bien géométrique de ra ison r (et de prem ier terme nu l), on en
dédu it que 9r est non vide pu isque contenant la suite nu lle. Par ailleurs, on a, par
construction , 9r C S(IR).

Il s'agit de montrer, à présent, qu 'une combinaison linéaire de suites géométriques de

raison r est, encore, une suite géométrique de raison r.

Soient >. un scalaire et ·u, v deux suites de 9r. Par construction ,

Vn EN, Un+l = run et Vn+l = rvn.
Posons w = >.·u + v, on a alors
Vn EN , Wn+l = ÀUn+l + Vn+ l = Àrun + rvn = r(Àun + Vn) = rwn.
Ainsi >.u + v E 9r et donc, grâce à cette stabilité par combinaison linéaire, on peut
conclure que 9r est un sous-espace vectoriel de S(IR).

"O
0
r::::
:::J
0 Étant donné que
lfl
,.-1
0
N
UE Yr {::::::::} Vn E N, Un = uorn {::::::::} u = Uo (rn )nEN,
@
....., Yr = Vect((rn)nEN ).
r:
Ol On prouve ainsi que Yr est sous-espace vectoriel de S(JR). C'est même,
·;::
>
Cl.
lorsque r -=/= 0, une droite vectorielle.
0
u

2.b. Cherchons d 'abord une condition nécessaire pour que Yr soit inclus dans S 0 (1R)
(resp. dans B). P our cela on commencera par étudier les limites éventuelles d 'une
suite géométrique de raison r . On discutera en fonction de la position de la raison r
relat ivement à l'intervalle d'extrémités -1 et 1.
 Exercice 5.3 Espace de suites 127

Soit u une suite de 9r. on a alors 'c:/n EN, Un= uorn.

Dans le cas uo = 0, il s'agit de la suite nulle qui est bornée et qui tend vers O. Dans
le cas contraire, on trouve :
• Sir E] -1 , l[, alors lim rn = 0 et u converge avec limite nulle (i.e. u E So(IR) ),
n-++oo
à plus forte raison elle est bornée (i.e. u E B).
• si r= 1 alors u est la suite constante égal à uo, elle est donc bornée (i.e. u E B),
en revanche elle ne tend pas vers 0 (sa limite est uo # 0).
• Sir= - 1 alors 'c:/n EN, u2n = uo et u2n+1 = - uo.
Ainsi, ne prenant que deux valeurs, u est bornée (i.e. u E B). En revanche, même
si les suites extraites (u2n)nEN et (u2n+1)nEN convergent bel et bien, la suite une
converge pas car ces deux sous-suites n'ont pas même limite {ici uo # -uo).
• Si lr l > lim lrnl = +oo , ce qui prouve que lim lunl = +oo. On en
1 alors
n-++oo n -+ +oo
déduit que u n'est pas bornée et à plus forte raison elle ne tend pas vers 0 (il se
peut même qu'elle n'admette pas de limite).
Finalement, on peut conclure que
9r C B <=? r E [-1, l] et 9r C So (~) <=? r E] - 1, l [.

Si A et B sont deux sous-espaces d'un espace vectoriel E alors :

A C B ssi A est un sous-espace vectoriel de B.

9r et B sont des sous-espaces vectoriels de S(~). on en déduit que

Puisque
9r est un sous-espace vectoriel de B <=? r E [- 1, l ].
De même, puisque 9r et So(~) sont des sous-espaces vectoriels de S(~).
9r est un sous-espace vectoriel de So (IR) <=? r E] - 1, l[.

2.c. Les constatations préliminaires ne posent aucun problème. En effet Ç} est une
partie non vide (elle contient même la suite nulle) de S(JR).
"O
0 En revanche, lorsqu'il s'agit de vérifier qu'une combinaison linéaire de suites géomé-
r::::
0
:::J triques est encore une suite géométrique, le fait qu'ici les raisons peuvent différer va
lfl empêcher la stabilité souhaitée.
,--1
0
N
Notons u et v les deux suites définies par 'c:/ n E N, Un = 1 et Vn = 2n,
@
....., u et v sont donc deux suites géométriques {de raisons respectives 1 et 2) .
r:
Ol Si, par l'absurde, ç; est un sous-espace vectoriel, on peut affirmer que u + v est
·;::
> également une suite géométrique, notons r sa raison. Ceci nous donne
Cl.
0
u 'c:/n EN, (u + v)n = (u + v)orn i.e. 'c:/n EN, Un + Vn = (uo + vo)rn .
Ainsi 'c:/n EN, 1 + 2n = 2rn. En particulier pour n = 1 puis pour n = 2, on trouve
1 1 2 2 3 2 5
1+2 = 2r et 1+2 = 2r i.e. r = 2 et r = 2·
La contradiction 32 ) 2 --
(- ~
~ nous assure que Ç n'est pas un sous-espace vectoriel
de S(~) .
 128 Chapitre 5 Espaces vectoriels et sous-espaces vectoriels

3.a. Dès les constatations préliminaires on trouve des valeurs de r qui interdisent la
structure d'espace vectoriel de Ar.

Ar est manifestement une partie de S(~) de plus non vide, puisqu 'elle contient la
suite de terme général r · n. En revanche la suite nulle appartient à Ar ssi
'c:/nE N, 0
'-v-"
0
'-v-"
+ r
'
terme d 'ind ice n + 1 terme d'indice n

i.e. ssi r = O. Ainsi, si A r est un sous-espace vectoriel alors nécessairement r = O.

Vérifions s'il s'agit d'une condition suffisante.

Si r = 0 alors A r n 'est autre que l'ensemble des suites constantes, que l'on peut
identifier à ~-
On savait déjà qu'il s'agit d'une partie non vide de S(~) et grâce à cette identification
(et dû au fait que les opérations d'addition entre vecteurs (resp. de produit par un
scalaire) coïncident dans cette identification), on en dédu it que Ar est bien un sous-
espace vectoriel de S(~) . Fina lement la condition nécessa ire et suffisante est r =O.

3.b. On va ici exposer une méthode différente de celles développées jusqu'ici.

Pour toute suite u on a

u EA {::::::::} 3 r E ~ ' u E A r {::::::::} 3 r E ~ ' 'c:/ n E N, Un = uo + n · r
{::::::::} 3r E ~' u = uo · (l)nEN + r · (n)nEN·
Par ailleurs, pour tous À et r réels on a
U = Uo · (n)nEN {::::::::} 3 À E ~' U = À· (l)nEN + r · (n)nEN ·
(l)nEN + r ·

En effet, en évaluant l'égalité pour n = 0, on trouve À = uo ce qui donne l'implication

réciproque (l'implication directe est elle évidente).
Finalement on obtient l'équivalence
uE A {::::::::} 3(r,À)E~ ,
2
U =À·(l)nEN + r·(n)nEN·
Ceci prouve que A= Vect ( (l)nEN, (n)nEN) . Ainsi A est un sous-espace vectoriel de

S(~) et ( (l)nEN, (n)nEN) est une famille génératrice de A.

"O
0
r::::
:::J
Il nous faut à présent t rouver une base de A. D'après le théorème de la base incomplète
0
lfl
cette base peut être extraite de la famille[, = ( (l)nEf\!, (n)nEN). On montre ici que
,..-1
0
N
la famille tout entière est libre.
@
....., Soient a et b deux scalaires tels que a· (l)nEN + b · (n)nEN =O .
r:
Ol
·;:: On en déduit, par identification des termes d 'ind ices n = 0 et n = 1,
>
Cl. 0
u
0 a b
{ a+ = i.e. a = b = O.
= 0
Ceci prouve que la famille !:., est libre. Comme, de plus, il a été établi qu 'elle est
génératrice de A, on peut conclure que ( (l)nEN, (n)nEN) est une base de A.

Cont rairement au cas des suites géométriques, c'est le fait que la raison n'ait pas été
fixée à l'avance qui a permis d'aboutir à la structure d 'espace vectoriel.
 Exercice 5.4 Famille de polynômes 129

1. B = {P E IR4[X] 1 P(O) = 0}.

Montrer que B est un sous-espace vectoriel de IR 4 [X] et donner une base B de
B extraite de la base canonique de IR4 [X].
2. A= {P E IR4[X] 1 P(4) = 0}.
Montrer que A est un sous-espace vectoriel de IR 4 [X] et donner une base A de
A constituée de puissances de X - 4.
3. Soit C =An B, on pose W = X(X - 4).
a. Montrer que C un sous-espace vectoriel de A et de B.
b. Montrer à l'aide d'une division euclidienne que
C = {tt! x T; TE IR2[X]}.
c. Trouver une base C de C constituée de polynômes tous multiples de W
(rappelons qu'un polynôme Pest dit multiple d'un polynôme Q, lorsque
l'on peut trouver un polynôme R tel que P = QR).

1. Pour un polynôme P , la relation P(O) = 0 équivaut à dire que le coefficient constant

de P est nul.

L'ensemble Best l'ensemble des polynômes de JR 4 [X] dont le coefficient constant est
nul , c'est donc l'ensemble des polynômes P qui s'écrivent sous la forme
P = aX 4+ bX3 + cX2 + dX avec (a, b, c, d) E lR4 .
Ainsi B = {aX4 + bX 3 + cX 2 + dX; (a, b, c, d) E JR4 } = Vect(X, X 2 , X 3 , X 4 ). Ceci
2 3 , X4)
prouve que B est un sous-espace vectoriel de JR4 [X] et que B = (X, X , X est
une famille génératrice de B.

Afin de déterminer que B est une base, il suffit de montrer que cette famille est libre.
Pour cela il suffit de constater que la base canonique (1, X , X 2,X 3 ,X4) est libre.
"O

~I
0
r:::: Puisque la base canonique de JR4[X] est libre, on en déduit que la famille extraite B
:::J
0 est libre. Finalement Best bien une base de B extraite de la base canonique de ~ [X] .
lfl
,..-1
0 2. Constatations préliminaires ...
N

~I
@
....., A est, par construction, un sous-ensemble de 1R1[X] et, puisque le polynôme nul
r:
Ol
·;::
s'annule en 4, A contient le polynôme nul et est donc non vide.
>
Cl.
0 Montrons à présent que A est stable par combinaison linéaire.
u
Soient À un scalaire et P, Q deux polynômes de A. Par construction
P(4)=0 et Q(4)=0.
Donc (.X.P + Q)(4) = .X.P(4) + Q(4) =O. i.e . .X.P + Q E A.
Ainsi A étant stable par combinaison linéaire, on peut conclure que A est un sous-
espace vectoriel de JR 4 [X].
 130 Chapitre 5 Espaces vectoriels et sous-espaces vectoriels

Puisqu'il s'agit de trouver une base de A constituée de puissances de X - 4, on va

construire cette base en piochant parmi les polynômes

(en effet toute puissance strictement supérieure à 4 n'est plus un élément de JR 4 [X]
ni, à plus forte raison, un élément de A).
Par ailleurs, il faut également éliminer le polynôme 1 puisque celui-ci n'appartient pas
à A. Finalement, c'est à partir de la famille A = (X - 4, (X - 4) 2 , (X - 4) 3 , (X - 4) 4 )
que l'on cherche à extraire une base. On va montrer que A tout entier est une base.

Pour tout P dans A. on a, grâce à la formule de Taylor,

P = P(4) + P'(4) · (X - 4) + P'; ) (X - 4) 2 + p<~/ ) (X -4) 2 + p<~!( ) (X - 4) 4 .

4 4 4

Ainsi P étant combinaison linéaire des vecteurs de

A= (X - 4, (X - 4)2, (X - 4) 3 , (X - 4) 4 ),
et ce quel que soit P E A. Finalement A est génératrice de A.

Montrons que la famille est libre (on verra lors de l'exercice 5.5 qu'elle l'est en tant
que famille de polynômes échelonnée en degré).
4

Soient ai, ... , a4 quatre scalaires tels que L ak(X - 4)k =O.
k=l
p
On en déduit, par composition à droite avec le polynôme X+ 4, P(X + 4) = 0, i.e.
4

:l::: akxk =o.

k=l
"--v-'
Q
Ainsi Q est le polynôme nu l, ses coefficients sont tous nuls :
a1 = a2 = a3 = a4 = O.
Ceci prouve le caractère libre de la famille A et donc permet de conclure que A est
"O
0
r::::
une base de A constituée de pu issances de X - 4..
:::J
0
lfl
,..-1
0 La composition avec le polynôme nul ne donne pas systématiquement
N
@
.....,
& le polynôme nul,
r: V P E JR[X], Po 0 = P(O ) et 0 o P = 0,
Ol
·;::
>-
Cl. tout dépend si l'on compose à gauche ou à droite.
0
u

3.a. On va exprimer C comme intersection de deux sous-espaces vectoriels.

~1
En t ant qu 'i ntersection de sous-espaces vectoriels de IR1 [X ] (à savoir A et B), C est
un sous-espace vectoriel de IR1 [X ] .
De plus, pu isque C C A et que A, tout comme C, est un sous-espace vectoriel de
 Exercice 5.4 Famille de polynômes 131

JR4[X], on en déduit que C est un sous-espace vectoriel de A.

1 Par un raisonnement analogue on montre que C est un sous-espace vectoriel de B .

3.b. Une inclusion est évidente.

Soit P un élément de {W x T; TE IR2 [X]}, on a alors

P = W x T avec TE IR2[X].
Par étude du degré, on montre que P E JR4[X], en effet
degP = degW + degT ~ 4.
~ '-v-'
=2 ~2

Par ailleurs, P(O) = W(O) xT(O) = 0 ainsi P E B.

'-v-'
=0
De même, P(4) = vV(4) xT(4) = 0 ainsi P E A.
....__..,
=O
Puisque C =An B, on a donc P E C ce qui prouve l'inclusion
{W x T; TE IR2[X]} CC.

Pour l'inclusion réciproque nous allons utiliser l'indication qui nous recommande de
procéder par division euclidienne.

Soit P un élément de C.
Par division euclidienne de P par W on sait qu ' il existe un couple (unique) de poly-
nômes (T, R) t el que P = T x vV + R avec deg R < deg vV .
~
=2
Puisque deg R < 2, on peut écrire R sous la forme R = aX + b, avec (a, b) E IR2 .

On souhaite à présent, montrer que Rest le polynôme nul. Il s'agit donc de montrer
que ses coefficients a et b sont nuls.
Afin d'obtenir la valeur de a et b il nous faut deux équations (au moins), nous allons
obtenir ces deux équations en évaluant l'égalité P = T x W + R en deux points
distincts , ces points devront être choisis afin d'éliminer toute référence au polynôme
inconnu T.

~
"O
0 En éva luant l'égal ité issue de la division euclidienne en 0 et en 4., on obtient
r::::
0
:::J
P(O) = W(O) xT(O)
'-y-/ ....__..,
+ '-y-/
R(O) et P(4) = W(4) xT(4)
'-y-/ ....__..,
+ '-y-/
R(4).
lfl
,-1 =0 =0 b =0 =0 4a+ b
0
N
Ainsi b = 0 et 4a +b = 0, i.e. a = b = O. Ceci prouve que R = 0 et donc permet
@
....., d 'écrire
r: P=WxT.
Ol
·;::
>- Par déterm ination du degré on trouve 4 ~ degP = degW +degT, ainsi degT ~ 2.
Cl.
0 ~
u =2
Finalement on a prouvé l' inclusion réciproque
CC {W x T; TE IR2 [X ]} .
D'où l'égalité, par double inclusion.

3.c. Du fait que C est paramétré à l'aide de l'ensemble IR2 [X], on va utiliser la base
canonique de IR2 [X] pour déterminer une base de C.
 132 Chapitre 5 Espaces vectoriels et sous-espaces vectoriels

2
Puisque 1R2 [X] = { aX +bX + c; (a , b, c) E JR 3 }, on déduit de la question précédente
C= {Wx(aX 2 + bX + c); (a , b, c) E JR3 } = {aX 2 W+bXW + cW; (a ,b,c) E JR3 } ,
i.e. C = Vect(X 2 W, XW, W), ce qui prouve que C = (X 2 W, XvV, W) est une famille
génératrice de C.
Une base de C peut alors être obtenue par extraction dans la famille C.
Nous allons montrer que la famille C tout entière est libre.

Soient a, b, c trois scalaires tels que

aX 2 W + bXW + cW = 0 i.e. W x (aX 2 + bX + c) =O.
Puisque W n'est pas le polynôme nul, on en déduit aX 2
+ bX + c =O.
D'où, un polynôme étant nul ssi tous ses coefficients sont nuls (et oui la base canonique
est libre), a= b = c =O.
Ainsi C est libre, en conséquence de quoi , on peut affirmer que C est une base de C
constituée de polynômes multiples de W.

En général lorsqu'un produit de fonctions est nul f x g = 0, il est faux

de croire qu'alors l'une des deux fonctions est nulle.
Ceci est illustré par le contre-exemple
f :X t-7 { 1 si X .E Q et :X t-7 { 0 si X .E Q
0 smon g 1 smon
En revanche lorsque deux polynômes Pet Q, vérifient Px Q = 0, on
peut alors conclure que P = 0 ou Q =O.
En effet, si les deux polynômes étaient non nuls alors P x Q serait non
deg P + ..._,,,_,,
nul du fait que deg(P x Q) = ..._,,,_,, deg Q i= -oo .
EN EN
On dit que K[X] est intègre (tout comme K, alors que l'ensemble des
fonctions, des suites, ou des matrices carrées ne le sont pas).

"O
0
r::::
Exercice 5.5 : Famille échelonnée et famille de puissances
:::J
0
lfl
,.-1
0 1. Soit .C = (Po, ... , Pn) une famille de polynômes de K[X] vérifiant
N
@ Vk E {0, ... ,n}, degPk = k.
.....,
r:
Ol
·;::
On dit alors que L, est une famille de polynômes échelonnée en degré
>
Cl.
dans Kn[X].
0
u a. Montrer que L, est une famille libre.
b. Montrer que L, est une base de Kn[X] .
2. Montrer que toute famille finie de polynômes non nuls, dont les degrés sont
deux à deux distincts, forme une famille libre de K[X].
 Exercice 5.5 Famille échelonnée et famille de puissances 133

3. Montrer que les familles F = (Jo, ... , fn) (définies ci-dessous) forment une
famille libre du K-espace vectoriel F(IR, K).
a. V' k E {O, ... , n}, V' x E IR, fk(x) = exp(kx) avec K =IR.
b. V'kE{O, ... ,n}, V'xEIR, fk(x)=eikx avecK=<C.
c. V'kE{O, ... ,n}, V'xEIR, fk(x)=cosk(x) avecK=IR.
4. Soit E un espace vectoriel. On considère deux familles de vecteurs de E
Bn = (e1, ... , en) et Cn = (u1, ... , un)· On admet que Cn et Bn vérifient :
u1=e1 et V'kE{2, ... ,n}, Uk-ekEVect(e1, ... ,ek-1).
On dit alors que Cn est u-échelonnée relativement à Bn.
a. Que dire de Cn lorsque E = IR[X] et Bn = (1, X, ... , xn- I)?
b. Montrer que Vect(Cn) C Vect(Bn)·
c. Montrer que Bn est u-échelonnée relativement à Cn.
d. En déduire que Vect(Bn) = Vect(Cn)·
e. Montrer que Bn est libre ssi Cn est libre.
f. En déduire que Bn est une base de E ssi Cn est une base de E.

1.a. Puisque la famille est ordonnée selon un critère particulier (ici le degré) une
récurrence se prête bien à la démonstration du caractère libre.

Montrons par récurrence que, quel que soit n EN,

toute famille de n+ 1 polynômes échelonée en degrés dans Kn [X] est libre.
'P(n)
• Initialisation: Puisqu'un polynôme de degré 0 est un polynôme non nul , il constitue
à lui tout seul une famille libre. Ainsi P(O) est vraie.
"O • Hérédité : Supposons que pour un certain entier non nul n la propriété P(n - 1)
0
r:::: soit vraie, montrons que P( n) est alors vraie.
:::J
0 Soit .L =(Po, ... , Pn) une famille de polynômes échelonnée en degré dans 1Kn [X],
lfl
,..-1 on en déduit que (Po, ... , Pn- 1) est échelonnée en degré dans 1Kn- dXJ; et donc,
0
N grâce à la propriété admise P(n-1), on sait que (Po, ... , Pn- 1) est libre. Prouver
@ (cf 5.7.1.a) que.Lest libre équivaut donc à prouver que Pn </. Vect(Po, ... , Pn- d·
.....,
r: Puisque {Po , ... , Pn- 1} C 1Rn- dX] et que 1Rn- i[X] est un sous-espace vectoriel
Ol
·;::
> Vect(Po , .. . , Pn- 1) C 1Rn- 1[X].
Cl.
0 Donc, puisque Pn </. 1Rn- dXJ (étant donné que degPn = n), on a a fortiori
u
Pn ~ Vect(Po , ... , Pn-1) . Ainsi la famille.Lest libre et donc P(n) est vraie.
• Conclusion : Grâce au principe de récurrence on a prouvé que, quel que soit n E N,
P(n) est vraie.

Une deuxième méthode s'appuie sur l'ordre imposé par le degré qui crée une forme
de « domination » croissante, deg Po < · · · < deg Pn.
 134 Chapitre 5 Espaces vectoriels et sous-espaces vectoriels

On va donc faire usage d 'un argument de maximalité. Il s'agit de raisonner par l'ab-
surde et d 'isoler dans la famille un vecteur particulier maximal (ici maximal au sens
du degré).

~1
Si, par l'absurde, L est liée, on peut trouver n + 1 scalaires ao, ... , an non tous nu ls
n
(à ne pas confondre avec « t ous non nuls») tels que L akPk =O.
k=O

On va donc isoler le polynôme de plus haut degré, parmi aoPo, ... , anPn, car c'est lui
n
qui détermine le degré de L akPk.
k=O

En notant ap le coefficient non nu l de plus grand indice, on a alors

L ak Pk = 0 i.e.
k=O

E IRp _ i[XJ

On a donc deg (~ a,P,) < p et deg(a,P, ) =p.

A; ns; deg ( a,P, + ~ a,P,) = p ;' - oo, d'où la contrad kfon.

Finalement, on a prouvé par l'absurde que L est libre.

1. b. On va, ici encore, exploiter la caractère ordonné par degré. On raisonne par
récurrence sur n : on va montrer que toute famille échelonnée en degré dans Kn[X]
est génératrice de Kn[X] .
Lors de la preuve de l'hérédité, on va montrer que tout polynôme P de IKn[X] admet
une décomposit ion relativement à une famille échelonnée en degré (Po, ... , Pn, Pn+1 ).
Pour se ramener à l'hypothèse de récurrence, on va chercher un scalaire ..\ de sorte
que P - ..\Pn+l E Kn[X].

~
"O
0
r::::
:::J • Initialisation : Pu isqu ' un polynôme de degré 0 est une consta nte non nulle, il
0
lfl
constitue à lui tout seul une fam ille générat rice de OC 0 [X] que l'on identifie à K
A insi P(O) est vraie.
,..-1
0
N
@ • Hérédité : Supposons que pour un certain entier n, toute fa mi lle échelonnée en
....., degré dans OCn[X] est génératrice de OCn[X] .
r:
Ol
·;:: Soit L = (Po, .. . , Pn, Pn+i) une fa mille échelonnée en degré d ans OCn+dXJ,
>
Cl. mont rons qu 'elle est génératrice de OCn+i[X].
0
u Tout d 'a bord, puisque (Po, ... , Pn) est échelonnée en degré d ans OCn[X], on en
déduit, grâce à l' hypot hèse de récurrence, que
OCn[X] = Vect(Po , .. . , Pn)·
Soit P un polynôme de OCn+i[X] et notons an+1 son coefficient de degré n + 1.
Pu isque 0Cn+1[X] est stable par com binaison linéaire on a, pour t out scalaire.\
p - ÀPn+l E OCn+dX J.
 Exercice 5.5 Famille échelonnée et famille de puissances 135

En particulier, le coefficient de degré n +1 de P - ÀPn+I vaut

ô = an+l - Àbn+l ,
où bn+I est le coefficient dominant de Pn+I· Celu i-ci étant non nu l, 8 peut
être rendu nul , il suffit de choisir À = a.bn+i . Ainsi, pour un tel À, on a
n+l
P - ÀPn+i E IKn[X] = Vect(Po , ... , Pn). c 'est donc que l'on peut trouver des
scalaires µo, ... , µn tels que
n n
P- >.Pn+i = °L, µkPk i.e. P = >.Pn+i + °L, µkPk.
k=O k=O
Finalement tout polynôme P de IKn+dX] s'écrit comme combinaison li néaire de
la famille .C. On conclut que .C est génératrice de IKn+1 [X] .
• Conclusion : Grâce au principe de récurrence, on a prouvé que , quel que soit
n EN, toute fam ille échelonnée en degré dans IKn [X] est génératrice de IKn [X] .

On pouvait, lors de l'hérédité, procéder par division euclidienne.

En effet par division euclidienne de P par Pn+l,
P = À.._,_,
Pn+l + R .._,_,
, l'appartenance À E IKo [X]
ElKo[X]=lK. EIK,.. [X ]=Vcct(Po, .. .,P.,..)
provenant du calcul de degrés suivant : deg R < deg P ou R = P donc
n + 1 ~ deg(P) ~ deg(P - R) = deg(.\) + deg(Pn+1).
'-..,--" '-v-'
= ÀPn+1 = n+l

Pour conclure on rappelle qu 'une base est la donnée d'une famille à la fois libre et
génératrice de l'espace étudié.

~I Pu isq ue .C est échelonnée en degré dans OCn[X], on en dédu it qu'elle est à la fois libre
et génératrice de OCn[X], c'est donc une base de OCn[X].

2 . Les familles échelonnées en degré sont des familles maximales selon le critère qui
'O
0
r::::
demande à ce que les degrés soient deux à deux distincts .
0
:::J
Pour une famille C de polynômes non nuls de degrés deux à deux distincts, il suffit
lfl
,..-1
alors d 'exhiber une famille f: de polynômes échelonnée en degré qui contient C.
0
N
@ Soit C une famille fin ie de polynômes non nuls, dont les degrés sont deux à deux
....., dist incts .
r:
Ol
·;:: Soit ~ l'ensemble des degrés des polynômes de C, notons n le plus grand élément de
>
Cl. ~.On adjoint aux polynômes de C les polynômes {X\ k E {O, ... , n} \ ~}. notons
0
u .C cette famille.
Puisque [, est formée de n + 1 polynômes de degrés 2 à 2 dist incts dans { 0, ... , n},
c'est donc que tous les degrés entre 0 et n sont représentés par un et un seul vecteu r
de .C. En réarrangeant l'ordre des vecteurs de .C, on obtient une fam ille échelonnée en
degré dans OCn [X], donc libre.
Puisque .C est libre et que C est une sous-famille de .C, on en déduit que C est libre
dans OCn[X], donc également libre dans OC[X].
 136 Chapitre 5 Espaces vectoriels et sous-espaces vectoriels

3 . Toutes les familles de fonctions considérées ici s'écrivent sous la forme f k = r.pk,
où r.p est une fonction dont l'ensemble image I (à ne pas confondre avec l'ensemble
d'arrivée) est infini, i.e. r.p prend une infinité de valeurs.
:t\lfontrons que, dans ce cas, F = (fo, ... , fn) est une famille libre.

Soient ao, ... , O,n n + 1 scalaires tels que aofo + aif1 + · · · + anfn =O.
i.e. Vx E IR, ao + a1ip(x) + · · · + o,ncp(xt = 0,
n
Si l'on pose P = L °'kXk, on en déduit, avec I = ip(IR),
k=O
Vx E IR, P(ip(x))
0 i.e. Vy E J , P(y) = 0.
=

Ainsi, puisque I est infin i, le polynôme P admet une infinité de racines, c'est donc le
polynôme nul ce qui implique que tous ses coefficients sont nuls :
ao = ai = ... = an = o.
Finalement, F est une famille libre.

Il existe d'autres preuves axées sur la spécificité des fonctions utilisées. Ici encore le
caractère ordonné nous incite à raisonner par récurrence ou par critère de maximalité.
Par exemple dans l'exemple a. (on pourra aussi se référer à la question 6.8.3) on a

fo « fi << · · · << fn,

où f << g signifie f = o(g) au voisinage de +oo.
Si l'on suppose la famille liée, on en déduit qu'il existe des scalaires non tous nuls
ao, ... , an tels que aofo + · · · + anfn = O. En notant ap le coefficient non nul d'indice
maximal, on a alors
ao f o + · · · + apfp = 0.
Or grâce à l'échelle de comparaison, c'est le dernier terme qui domine au voisinage de
+oo, d 'où ..._
aofo +_
__ · · ·_+ _
apfp rv apfp·
__, +oo
=O
Cela implique que apfp, et donc fp, sont nuls au voisinage de +oo, ce qui est une
contradiction manifeste.
4. Puisque Vect(0) = {O}, on peut résumer le caractère u-échelonné par
"O
0
r::::
:::J V k E {1, ... , n}, uk - ek E Vect( e1, ... , ek-1) .
0
lfl
,-1 On remarque que si Cn est u-échelonnée relativement à Bn alors
0
N V k ~ n, Ck est u-échelonnée relativement à Bk·
@ Par ailleurs, on a V k E {1, . . . , n}, uk E Vect(e 1, . .. , ek) ·
.....,
r: 4.a. En notant Cn = (Po, ... , Pn), on a, par traduction du caractère u-échelonné,
Ol
·;::
> Po = 1, ainsi Po est unitaire de degré O.
Cl.

u
0 Plus généralement, pour tout k E {2, ... , n }, Pk - X k E Vect(l, ... , xk-l ). Ainsi , on
peut écrire
k- 1 k-1
Pk - x k = 2:aixi i.e. Pk = xk + l:: aixi,
i=O i =O
et donc Pk est unitaire et de degré k.
 Exercice 5.5 Famille échelonnée et famille de puissances 137

~I
Cn est une famille de polynômes unitaires échelonnée en degré dans OCn[X].
Réciproquement, toute famille de polynômes unitaires échelonnée en degré dans OCn [X]
est manifestement u-échelonnée relativement à Bn

4.b. On ut ilise ici l'espace vectoriel F = Vect(Bn) et la partie U constituée des

vecteurs de Cn (que l'on va noter abusivement Cn) ·

~1
V k E {l, ... ,n}, U k E Vect(e1, ... ,ek) et Vect(e1, . .. ,ek ) C Vect(e1, .. . ,en),
on en déduit V k E {l , ... , n}, U k E Vect (Bn) . Ainsi Cn C Vect (Bn) . Et donc,
puisque Vect(Bn) est un espace vectoriel, Vect (Cn) C Vect(Bn)

Lorsque l'on cherche à établir une inclusion Vcct(U) c F, où U est un

ensemble et F un espace vectoriel, il suffit de montrer que U c F.

4.c. On va raisonner par récurrence sur la taille des familles manipulées.

~ • Initialisation : Soit C1 = (u1 ) une famille u-échelonnée relativement à Bi = (e1 ).

on a alors u1 = ei de sorte que B1 est u-échelonnée relativement à C1 .
• Hérédité : Supposons que, pour un certain entier n non nul , dès qu ' une première
famille den vecteurs est u-échelonnée relativement à une deuxième famille, alors la
deuxième famille est u-échelonnée relativement à la première (c'est notre propriété
de récurrence au rang n, ou hypothèse de récurrence) .
Soit Cn+1 = ( u1 , ... , Un, Un+1 ) une famille de n + 1 vecteurs u-échelonnée relati-
vement à Bn+l = (e1, . .. , en, en+l ).
Tout d 'abord, puisque Cn = (u 1, .. . , u n) est u-échelonnée relativement à
Bn = (e1, ... , en) . on en déduit, grâce à l'hypothèse de récurrence, que Bn est
u-échelonnée relativement à Cn . i.e.
Vk E {l, ... , n} , ek-Uk E Vect (u1 ,. . .,Uk- i).
Pour montrer que Bn+i est u-échelonnée relativement à Cn+1. il nous suffit alors
de montrer que
en+I - Un+ l E Vect('u1, ... ) 'Un )·
"O ""-v-"
0 c,,,
r::::
0
:::J
Or, d ' une part, puisque Bn est u-échelonnée relativement à Cn . on en déduit grâce
lfl
,..-1
à la question précédente que Vect (Bn) C Vect (Cn) ·
0 D'autre part, puisque Cn+I est u-échelonnée relativement à Bn+i. on en déduit
N
Un+ i - en+l E Vect(e1, .. . ,en) . Finalement, Un+i- en+l E Vect(Cn) . Et puisque
@
....., "--v-"
r: Bn
Ol
·;:: Vect(Cn) est un espace vectoriel , on trouve comme voulu
>-
Cl.
0 - (un+I - en+i ) E Vect(Cn) ·
u

• Conclusion : Grâce au principe de récurrence, on a prouvé que, quel que soit

n E N , la relation u-échelonnée entre familles de cardinal n est symétrique .

4.d. On sait déjà que Vect (Cn) c Vect(Bn ), il s'agit donc de prouver l'inclusion
réciproque. Cela découle de la symétrie de la relation « être u-échelonné ».
 138 Chapitre 5 Espaces vectoriels et sous-espaces vectoriels

Du fait que Cn soit u-échelonnée relativement à Bn . on sait, d'après ce qui précède,

que Vect (Cn) C Vect (Bn)· Mais puisqu 'on a prouvé que Bn est aussi u-échelonnée
relativement à Cn . on peut appliquer cette même inclusion au couple (Cn, Bn ) en lieu
et place de (Bn, Cn ) : Vect(Bn) C Vect(Cn).
Donc, par double inclusion, Vect(Bn) = Vect(Cn).

4.e. On commence par l'implicat ion directe. On suppose Bn libre et on souhaite

montrer que Cn est libre. On peut ici encore raisonner soit par récurrence, soit par
maximalité. Prenons cette deuxième méthode.

Si, par l'absurde, Cn est liée, on peut trouver n scalaires ai, ... , an non tous nuls tels
n
que L a ku k = O.
k=O
En notant av le coefficient non nul de plus grand indice, on a alors
p p- 1

L a k 'Uk = 0 i.e. Up = L-
k=O
: k 'Uk .
P
k=O
"--v--"
E Vect(Cp-1 )

Ainsi , d'après la question précédente, U p E Vect (Bv- i) . Or, Cn et Bn étant u-

échelonnées, on a U p - ev E Vect (Bv-1). Et donc, par stabilité par combinaison
linéaire,
·uv - (up - ev ) E Vect ( Bv- 1
....__., ).
=ep (e1 , .. .,ep - 1)
Ainsi , si p = 1, on trouve ep = 0 et , si p > 1. ep est combinaison linéaire d ' autres
vecteurs pris dans (e1, .. . , en ). C'est donc que la famille Bn est liée, d 'où une contra-
diction . Finalement, Cn est libre.

L'implication réciproque résulte du caractère symétrique de la relation « u-échelonné ».

~1
Supposons Cn libre. Puisque Bn est u-échelonnée relativement à Cn . l'implication
précédente s'applique au couple (Cn , Bn) en lieu et place de (Bn, Cn) · On trouve alors
"O que Bn est libre. Ainsi, par double implication, Bn est libre ssi Cn est libre.
0
r::::
:::J
0 4.f. L'équivalence du caractère libre ayant déjà été prouvé, il nous reste à prouver
lfl
,..-1
0
l'équivalence du caractère générateur.
N
@
.....,
r: Puisque Vect(Bn) = Vect(Cn). on a l'équivalence :
Ol
·;::
>
Vect(Bn) = E {::::::::} Vect(Cn) = E,
Cl.

u
0 i.e. Bn est génératrice de E {::::::::} Cn est génératrice de E.
Comme, par ailleurs, l'équivalence a été prouvée pour le caractère libre, on en déduit:
Bn est génératrice de E
Bn est une base de E {::::::::} {
Bn est libre
{::::::::} { Cn est génératrice de E
Cn est libre
{::::::::} Cn est une base de E.
 Exercice 5 .6 Manifestement libre 139

On se donne p colonnes de l'espace vectoriel Mn(IK), notées: X1, ... ,Xp.

1. On suppose que, pour chaque k E {1, ... ,p}, il existe un indice de ligne fk tel
queXk [fk,1]-/=0 et Vj-/=k, Xj [fk,1] =0.
Montrer alors que la famille (X1 , ... , Xp) est libre.
2. On suppose que, quel que soit le couple d'indices distincts (j, k), les colonnes
Xj et Xk sont non colinéaires. A-t-on (X1 , ... , Xp) libre?
3. Montrer que la famille constituée des vecteurs
(1, 0, 0, 5, 0), (0, 2, 0, 5, 0), (0, 0, 3, 5, 0), (0, 0, 0, 5, 4)
est libre dans JR.5 .

1. P uisque les coordonnées nulles sont quasi-systématiques sur autant de lignes qu'il
y a de vecteurs, c'est donc que le système associé à une combinaison linéaire annulant
la famille (X 1 , ... , Xp) , a 1 X 1 + ... +apXp = 0, est lacunaire (i.e. certaines lignes font
apparaît re une et une seule inconnue ai ) donc particulièrement simple à résoudre.

Soient a 1, ... , o,v p scalaires tels que a 1X 1 + ... + avX v =O.

La traduction coordonnée par coordonnée nous donne un système linéa ire homogène
(S) dont la ligne i, quel que soit i E {l, ... , n}, s'écrit
X 1[i, l]a1 + · · · + Xv[i , l ]av =O.
D 'après l'hypothèse faite, pour un indice k donné, on peut t rouver une ligne f k où
seule l'inconnue ak apparaît.

Soit k E {l, ... , p}, la ligne fk du système (S) s' écri t

X i[fk, 1] a1 + · +Xk- 1[fk, l] ak- 1+ Xk[fk, l]ak+Xk+ dfk, 1] ak+ 1+· · · X v [fk , l ] av = O.
"--v-" "--v-" "--v-" "--v-"
=O =O =O =O
"O
0 Soit X k [fk , 1] ak = 0 d 'où ak = 0, et ce quel que soit k E {1, ... ,p}.
r:::: "--v-"
:::J
0 ~o
lfl
,..-1
On a ainsi prouvé que la famille (X1, ... , X v) est libre.
0
N
@
2 . La non colinéarité deux à deux n'est pas une condition suffisante pour le caractère
....., libre. Pour montrer qu'une affirmation n 'est pas vraie en toute généralité il suffit
r:
Ol
ï::: d 'exhiber un contre-exemple.
>
Cl.
0

(~) , X 2 = (~) , X3 = (~)

u
Si on considère les vecteurs X 1 = dans M2,1 (1R), on

remarque qu 'ils forment une famille liée pu isque X 3 = X 1 + X 2 (ainsi, tout comme
X1 et X2, X 3 est dans Vect(X1, X 2); et, puisque les vecteurs X 1, X 2, X3 sont dans
un même plan vectoriel, on dit qu 'ils sont coplanaires). En revanche, pris deux par
deux, X i et X j sont non colinéaires.
 140 Chapitre 5 Espaces vectoriels et sous-espaces vectoriels

Lorsque l'on manipule une famille de plus de 2 vecteurs la notion de

« non colinéarité » n'est d'aucune efficacité pour prouver le caractère
libre.

3. Dans le cas proposé ici les colonnes associées aux vecteurs (i.e. les colonnes dont
les coefficients reproduisent les coordonnées des vecteurs considérés) sont

1 0 0 0
0 2 0 0
X1 = 0 'X2 = 0 'X3 = 3 'X4 = 0
5 5 5 5
0 0 0 4

On remarque que la propriété introduite en début d 'énoncé est ici vérifiée

0 0 0
0 0 0
0
5
rn
5
0
5
0 0 QJ

avec f 1 = 1, f2 = 2, f3 = 3 et f4 = 5.
Pour chaque numéro de ligne f k on a encadré l'unique coordonnée non nulle de la
ligne numéro ek· Les flèches partent de ces coefficients non nuls et pointent, dans
cette même ligne, sur tous les autres coefficients (tous nuls).

"O
0
r::::

~1
:::J
0 Soit C = ((1, 0, 0, 5, 0), (0, 2, 0, 5, 0), (0, 0, 3, 5, 0) , (0, 0, 0, 5, 4)) .
lfl
,..-1 Puisque les colonnes associées aux vecteurs de [, forment une famille manifestement
0
N libre et que le système permettant de prouver qu ' une famille est libre est le même, que
@ l'on parle de vecteurs de Kn ou de colonnes de M n,1 (K), on en déduit que[, est libre .
.....,
r:
Ol
·;::
>
Cl.
0
u
On rencontre des colonnes « manifestement libres », comme celles que
l'on vient d'introduire ici, de manière extrêmement courante. Les co-
lonnes donnant paramétrage de l'ensemble des solutions d 'un système
linéaire homogène seront systématiquement de cette forme si l'on ap-
plique la méthode du pivot de Gauss.
 Exercice 5. 7 Familles extrémales 141

Soit[,= (u 1 , ... ,up) une famille finie de vecteurs d'un espace vectoriel E.
1. Dans cette question uniquement, on suppose que [, est libre.
a. Montrer que, pour tout vecteur 'V de E, on a l'équivalence (u 1 , ... , up, v)
est libre ssi v f/. Vect(u 1 , ... ,up)·
b. Supposons que toute famille contenant tous les vecteurs de[, et d'autres
vecteurs est liée (on dit alors que [, est libre maximale). Montrer que [,
est une base de E.
2 . Dans cette question uniquement, on suppose que[, est génératrice de E.
a . Montrer que :
(u1, ... , Up -1 ) est génératrice de E ssi up E Vcct(u1, . .. , Up-d ·
b. Supposons que toute famille constituée de certains vecteurs (et non de
tous) de[, n'est plus génératrice de E (on dit alors que[, est génératrice
minimale de E). Montrer que[, est une base de E.
3. Soit ME Mn(lR) vérifiant M 2 = -In, par la suite on note E = Mn,1 (1R).
a. Soit p le plus grand entier non nul tel que l'on peut construire une famille
(e1, ... , ep) telle que (e 1, . . . , ep, Me 1 , ... , Mep- 1 ) soit libre.
Justifier l'existence de cc p.
b. Montrer que pour un tel p et une telle famille (e 1 , ... , ep) on a que
(e 1 , ... , ep, Me 1 , ... , Mep) est une base de E.
c. En déduire qu'il n'existe aucune matrice M dans M20 1s(lR) vérifiant
2
M = -ho1s-

1.a. Si Pon considère la contraposée, il s'agit de prouver que :

(u 1 , ... , up, v) est liée ssi v E Vect(u 1 , ... , up) ·
Commençons par l'implication la plus simple.
"O
0
r::::
0
:::J Supposons v E Vect(u1, .. . ,·up). on en déduit l'existence de p scalaires ai, .. . ,ap
p p
lfl
,.-1
0
N
tels que v = L akUk i .e. L akUk - v = O.
k=I k=I
@ Ai nsi (a
....., 1 , ... , ap,
-1) est une famille de scalaires non tous nuls (et oui le dernier
r: scalaire va ut - 1) qui an nule par combinaison linéaire la famille ( u1, ... , up, v). Cette
Ol
·;::
fa mille est donc liée.
>
Cl.
0
u Réciproquement, on va exploiter le caractère libre de L,.

Supposons (u1 , . . . , up, v) liée, il existe donc des scalaires non tous nuls: a 1 , ... , ap, b
tels que
p

(*) L ak'Uk + bv =O.

k=l
 142 Chapitre 5 Espaces vectoriels et sous-espaces vectoriels

Si, par l'absurde, b = 0, alors les scalaires a 1, ... , ap sont non tous nuls et vérifient
p

L akuk =O. Ceci contredit le caractère libre de .C , on a donc prouvé, par l'absurde,
k=l
p

que b-# O. Ainsi, grâce à (*), v = L - abk 'Uk .

k=l
"-..,.-"'
EVect(u.1, ... ,-up)

Toute sous-famille d'une famille libre est libre.

Si, a contrario, on cherche à faire grossir une famille libre tout en conser-
vant le caractère libre, il s'agit d'ajouter des vecteurs qui ne sont pas
combinaison linéaire de ceux déjà présents dans la famille.

1.b. Supposons [,libre maximale.

Puisque[, est libre, il suffit de montrer qu'elle est aussi génératrice. Cela sera la consé-
quence de la maximalité. Ce type de raisonnement se mène en général par l'absurde.

~1
Soit v un vecteur de E. Si, par l'absurde, v fi. Vect(u 1, ... ,·up). on sait, d 'après ce
qui précède, que (u 1, ... , ·up, v) est libre, ce qui contredit la maxima lité de .C.
Ainsi, v E Vect(u1, ... , up). et ce quel que soit v dans E. C'est donc que .C est
génératrice de E. Comme, par ailleurs, .C est libre, .C est donc une base de E.
2.a. Commençons par l'implication la plus simple.

~I Si (u 1 , ... , Up- l) est génératrice de E, alors E = Vect( u 1, ... , Up - 1) et en particulier

puisque ·up E E, on en déduit ·up E Vect(u1, ... , Up- 1).

Réciproquement, on va exploiter le caractère générateur de L.

Supposons que Up E Vect(u1, ... , Up - 1). puisque, par ailleurs,

\:/k E {l, ... ,p-1}, uk E Vect(u1, ... ,up-i),
"O
0
on a {u1, ... , Up} C Vect(u1, ... ,'Up- 1). Et donc, puisque Vect('u1, ... , Up- 1) est un
r:::: espace vectoriel, Vect(·u1, ... , up) C Vect(u1, ... , Up- 1).
:::J
0 ~
lfl t:..
,..-1
0
.C étant génératrice de E, on a Vect(.C) = E, ainsi E C Vect(u1, ... , Up- 1).
N L'inclusion réciproque étant évidente, on en déduit Vect(u 1, ... , Up-i) = E,
@
....., i.e. (u1, ... ,Up-1) est génératrice de E .
r:
Ol
ï::: 2.b. Soit [, une famille génératrice minimale. Puisque [, est génératrice, il s'agit de
>
Cl.
0
montrer qu'elle est libre. Puisque la minimalité va intervenir, ce type de raisonnement
u se mène là encore par l'absurde.

Supposons par l'absurde .C liée, ainsi l'un de ses vecteurs est combinaison linéaire des
autres. Quitte à réindexer les vecteurs de.Con peut considérer que c'est le vecteur up
qui est combinaison linéaire des autres, i.e. up E Vect(u1, ... , Up- 1).
D'après ce qui précède cela nous donne (u1, ... , Up-1) génératrice de E, ce qui contre-
dit la minimalité de .C.
 Exercice 5. 7 Familles extrémales 143

A insi, on a montré par l'absurde que C est libre. Puisque, par ailleurs, elle est supposée
1 être génératrice de E, on a donc prouvé qu e C est une base de E.

Toute sur-famille d'une famille génératrice est génératrice.

Si, a contrario, on cherche à faire maigrir une famille génératrice tout
en conservant le caractère générateur, il s'agit d'enlever des vecteurs
qui sont combinaison linéaire des autres vecteurs de la famille.

3.a. Il s'agit de prouver l'existence d'un plus grand entier soumis aux conditions don-
nées par l'énoncé. Pour cela nous allons montrer que l'ensemble des entiers répondant
aux mêmes critères forme une partie non vide et majorée de .N et donc admet un
maximum.

Posons A l'ensemble des entiers naturels non nu ls k pour lesquels il existe une fami lle
de k vecteurs (e1, ... ,ek) telle que (e1, .. . ,ek,Me1, ... ,Mek- 1) soit libre.
A est par construction une partie de N. Par ailleurs, il est non vide pu isque 1 E A.
En effet tout vecteu r non nu l ei constitue une famille li bre de E, or, pou r k = 1,
(e1, ... ,ek,Me1, ... ,Mek- 1) = (e1).
Enfi n pu isque toute famille libre à un cardi na l inférieu r à la dimension de l' espace E,
A est majoré (d isons par dim E puisqu'en effet, pour un k dans A, le cardinal de
(e1, ... ,ek,Me1, ... , Mek - 1) libre est 2k - 1 et donc k ~ 2k - 1 ~ dimE) .
Ainsi cette partie non vide et majorée de N admet un plus grand élément p, et puisque
p E A, cela signifie, par défi nition , que l'on peut construire une famille (e 1 , .. . , ep)
telle que (e1, ... ,ep,Me1, .. . ,Mep- 1) soit libre, p est par ailleurs maxima l.

3.b. Soit un tel pet une telle famille (e 1 , ... , ep) · Pour montrer que
(e 1 , ... , ep, lvf e 1 , ... , M ep) est une base de E, nous allons commencer par montrer
que cette famille est libre. On va pour cela invoquer le résultat prouvé en 1.a.

Puisque, par construction, (e1, ... , ep, Me1, ... , Mep- 1) est libre, on en dédu it (grâce
"O à 1.a) que :
0
r::::
:::J (e1, ... ,ep,Me1, ... ,Mep) est libre ssi Mep ~ Vect((e 1, .. . ,ep,Me 1, ... ,Mep-1).
0
lfl Ainsi, il suffit que l' on montre Mep ~ Vect(e1, ... ,ep,Me1, ... , Mep- 1).
,..-1
0
N
Pour montrer une non appartenance, il est habituel de raisonner par l'absurde.
@
.....,
r:
Ol
·;::
Supposons, par l'absurde, que
>
Cl. Mep E Vect((e1 , ... , ep, Me1, ... , Mep-1).
0
u On peut alors t rouver 2p - 1 réels À1, ... , Àp, µ1, ... , µp - 1 tels que
(• ) Mep = À1e1 + · · · + Àpep + µ 1Me1 + · · · + µp- 1Mep- l·
Si l'on veut tirer profit de la relation M 2 = -I, il convient de multiplier par M la
relation ( • ), on pourra ainsi trouver deux types de combinaisons linéaires donnant
Mev·
 144 Chapitre 5 Espaces vectoriels et sous-espaces vectoriels

En multipliant (• ) à gauche par M. on trouve (par distributivité)

(.ft) M 2 ep = >.1Me1 + · · · + ÀpM ep + µ.1M 2 e1 + · · · + /J,p - 1M 2 ep- l·
Soit, du fait que M 2 = - I et en réarrangeant les termes,
(.ft) ÀpM ep = µ1 e1 + · · · + µ p- 1ep- 1 - ep - >.1M e1 - · · · - Àp- 1M ep- l·

On peut, à présent, donner deux combinaisons linéaires donnant t outes deux le même
vecteur ÀpM ep.

Ainsi, en comparant la décomposition de ÀvMep obtenue en (.ft) et celle que l'on

devine à partir de(•) (multiplié par Àp). on trouve

µ le1 + · · · + µ v- 1ev-1 - ev - À1Me1 - · · · - Àp-1M ev-1

ÀpMep = { , , ,2 , · · , M
"'v"'1e1 + · · · + "'pev + "'vµ 1M e1 + · · · + "'vµv-1 ev-1
Or, la famille (e 1, .. . , ep, M e1, ... , M ep- 1) étant libre, il y a unicité de la décompo-
sition. Ainsi

µ1 = ÀpÀ1 , .. . , µ p- 1 = ÀpÀp- 1, 1- l = À; 1, -À1 = Àpµ I, ... , -Àp- I = Àpµ p- I·

On remarque en particulier l'égalité >.; = - 1 qui est absurde compte tenu fait que
Àp E ~ .cette contradiction prouve finalement que (e1, . . . ,ep, M e1, ... , M ep ) est
libre.

Pour montrer qu'il s'agit d 'une base il nous suffit de montrer que .C est libre maximale.
Montrons la maximalit é. Pour cela nous allons procéder par l'absurde (comme souvent
pour ce genre de questions sur la maximalité) .

Supposons par l' absurde que C ne soit pas libre maximale, plus précisément
(C étant libre) supposons que l'on puisse trouver un vecteur ev+i qui joint à C
conserve son caractère libre . Cela nous donne p + 1 vecteurs ei , . .. , ep+I tel que
(e1, ... ,ep,ev+1, M e1, ... , M ep) soit libre, ainsi p + 1 E A ce qui contredit le carac-
tère maximal de p . Finalement C est libre maximal, c'est donc une base de E .
"O
0
r::::
:::J
0 3.c. Puisque la connaissance d 'une base nous donne, par calcul du cardinal, la dimen-
lfl
,..-1 sion. On a avec les notations précédentes
0
N
@
.....,
r:
Ol
ï:::
dim E = Card(e 1 , ... , ep, Me 1 , ... , M ep) = 2p.
>
Cl.
0
u

On déduit de ce qui précède que E est de dimension paire, Puisque par construction
dim E = n, cela impose que n soit paire.
On comprend alors que l'existence d ' une matrice M telle M 2 = -1 impose la parité
de n . Puisque 2015 est impair, on a donc prouvé qu'il n'existe aucune matrice M dans
M 2015 (~) vérifiant M = -ho15.
2
 Exercice 5.8 Image et noyau d'une matrice 145

On considère E = M 5 , 1 (1R) que l'on munit de sa base canonique

:oit (:1, E(,,

1 2 3
rrr ~l ~ )
0 3
une matrice de M4,s(IR).

On rappelle que C 1 = AE1 , ... , C 5 = AE5 sont alors les colonnes de A.

1. On pose G = {AX; XE E}.
a. Montrer que G est un sous-espace vectoriel de M 4 , 1 (IR) dont
(C1, C2, C3, C4, Cs) est une famille génératrice.
b. En déduire une base de G.
2. On pose K = {XE E 1 AX = O}.
a. Montrer que K est un sous-espace vectoriel de E.
b. Par résolution d'un système montrer que l'on peut trouver une famille
génératrice (U1 , U2) de K vérifiant la propriété suivante : pour chaque
i E {1, 2} il existe un indice k tel que le coefficient d'indice k de Ui vaut
1 celui des deux autres vecteurs vaut O.
c. En déduire une base de K.

1. L'ensemble G = { AX ; X E E} est ce qu'on appelle l'image de A. Tout vecteur

colonne Y de G s'écrivant Y = AX est appelé image de X par A, X est ce qu'on
appelle un antécédent de Y par X.
1.a. Puisqu'il s'agit de montrer la structure d'espace vectoriel d'un ensemble, ainsi
que le caractère générateur d 'une certaine famille [,, ces deux propriét és peuvent être
démontrées simultanément par l'égalité G = Vect(I,).
Puisque Vect(I,) est l'ensemble des combinaisons linéaires de [, et que l'ensemble
"O
0 E (qui paramétrise G) est lui même donné comme l'ensemble des combinaisons li-
r::::
:::J néaires de la base canonique B, il s 'agit de relier la première combinaison linéaire à
0
lfl la deuxième.
,..-1
0
N
@ Puisque la base B est génératrice de [,, on en déduit que
.....,
r:
Ol
E = {x1E1 + x2E2 + x3E3 + x4E 4 + x sEs; (x1 , x2 , x3 , X4, xs) E IR5}.
·;::
> Ainsi, puisque, pour toute colonne Y de M4 ,1 (IR), Y E G ~ 3 XE E, Y= AX,
Cl.
0 on en déduit
u
Y E G ~ 3(x1 , x2,x3, x4 , x5) E IR
5
, Y= A(x1E1 + x2E2 + x 3E 3+x4E4+xsE s).
D'où, par distributivité du produit matriciel,
Y E G ~ 3 (x1 , ... , x s) E IR5, Y= xi AE1 +x2 AE2 + x 3 AE3 +x4 AE4 +xs AEs .
'-v-"' '-v-"' '-v-"' '-v-"' '-v-"'
 146 Chapitre 5 Espaces vectoriels et sous-espaces vectoriels

L'équivalence donnant relation entre, d'une part, la décomposition d'une

image Y dans la famille génératrice des colonnes de la matrice A et,
d'autre part, les coefficients d'un antécédent X,

Y __ A ( X1 ) {::::::::} y= x1E1 + ... + XnEn,

Xn
est extrêmement utile lorsqu'il s'agit, par exemple, de détecter des solu-
tions particulières d'équations du genre AX = 0, ou, plus généralement,
d'équations du genre AX = >. · X, où >. est un scalaire fixé à l'avance.

On a ainsi
G = {x1C1 + x2C2 + x3C3 + x4C4 + xsCs; (x1, x2, x3, X4, xs) E IRs},
qu i se traduit par G = Vect(C1,C2,C3,C4,Cs) .
Ceci prouve, d'une part, que Gest un sous-espace vectoriel de M 4,1(IR) et, d'autre
part, que (C1, C2 , C3, C4, C5) en est une famille génératrice.

1.b. D'après le t héorème de la base incomplète, on sait que de toute famille généra-
trice on peut extraire une base.
Comme cela a été prouvé lors de la question 5.7.1.a, il s'agit de trouver une sous-
famille libre maximale et pour cela on procède en cherchant une colonne Ci non nulle
parmi les colonnes (C1,C2,C3,C4,C5), ce qui nous donne une famille libre (Ci)· Puis
on complète, petit à petit, la famille libre obtenue en une nouvelle famille libre par
adjonction d 'une nouvelle colonne Ck qui n 'est pas combinaison linéaire des précé-
dentes (cf question 5.7.2.a). Le procédé s'arrête lorsque toutes les colonnes restantes
sont combinaison linéaire des colonnes sélectionnées.

Cherchons une sous-famille .C, libre maximale, extraite de (C1, C2, C3, C4, Cs).
Puisque C1 est non nulle, on considère que C1 fait partie de la famille .C, et l'on a
G = Vect(C1, C2, C3, C4, Cs).
"O
0 Puisque C2 = 2C1, on exclut de prendre C2 dans .C, et, dû au fait que
r::::
:::J
0 C2 E Vect(C1, C3, C4, Cs), on en déduit (cf 5.7.2.a)
lfl
,-1 G = Vect(C1, C3 , C4, Cs).
0
Puisque, au vu de la troisième coordonnée de C1, C3, C4 , on a C4 rf. Vect( C1, C3) et
N
@
....., que (C1,C3) est libre, on en dédu it (cf 5.7.1.a) (C1,C3,C4) est libre (on prend alors
r:
Ol C1, C3 et C4 dans .C).
ï:::
> Enfin, puisque Cs E Vect(C1,C3,C4) (en effet Cs = 3C1. et donc on exclut de
Cl.
0 prendre Cs dans .C) et que G = Vect(C1,C3, C4 ,Cs ). on en dédu it
u
G = Vect(C1, C3, C4).
Ainsi, en tant que famille libre et génératrice de G, on en déduit que
.C = (C1, C3, C4) est une base de G.
2. K est ce que l'on appelle le noyau de la matrice A.
2.a. On commence par montrer que K est caractérisé par une équation cartésienne.
 Exercice 5.8 Image et noyau d'une matrice 147

X
y
Par calcul mat ric iel on t ro uve, quelle que soit la colonne X = z E E,
t
u

2~
+2y +3z +3u = Ü
+4y +z - t +6u = Ü
X E K ~ AX = O ~ (S)
{ -z +2t = Ü
X +2y +3z +3u = Ü
(S) ét ant un système linéa ire homogène, on en déd uit , comme d ans 5.1.1.a, q ue K
est un sous- espace vect oriel de E.

2.b . On procède comme da ns 5.1.1. b.

Remarq uons que la première éq uation est égale à la dern ière éq uation
+2y +3z +3u = Ü
X EK ~ {2: +4y +z
-z + 2t
-t +6u =Ü
= Ü
D 'où, par la méthode du pivot de Gauss,

+ 3z + 3u = Ü
X EK ~
{ ITJ x + 2y
- 5z -t = Ü L 2 +- L 2 - 2L1
- z + 2t = Ü
Afi n d 'obt enir un pivot po ur la deuxième ligne en bo nne place, o n procède à une
perm utation sur les 4 derniers t ermes fa isant int ervenir les in connues ( resta ntes après
x ) y ,z, t ,u
+ 3z +3u = Ü

{"
+2y
-5z -t = Ü
-z + 2t = Ü

-0

0
0
c
:J

1..()
r-l
r +3z
[3J ·z -t
7t
+3u +2y = Ü
= Ü
= Ü
Ai nsi , en fa isant j ouer à y et u le rôle de paramètres, on trouve ( un système de Cramer
d'inconn ues x, z , t)
L 3 +- L 3 - 5L 2

0
N +3z = -3u - 2y
© XE K ~ { X - 5z - t = Ü
.......
..c 7t = Ü
Ol
ï::: = - 3u - 2y

{
>- X
a.
0 z = Ü
u
t = 0
X -3 -2
y 0 1
z =u 0 +y 0
t 0 0
u 1 0
 148 Chapitre 5 Espaces vectoriels et sous-espaces vectoriels

- 3 -2
0 1
Finalem ent la famille constituée des vect eu rs U1 = 0 et U2 = 0 est
0 0
1 0
génératrice de K et vérifie la propriété demandée.
2.c. Il s'agit ici d'une famille manifestement libre comme évoqué dans l'exercice 5.6.

~I
U1, U2 étant manifeste ment no n colinéa ires, on a donc trouvé une famille libre et
géné ratrice de K, i. e. (U1 , U2) est une base de K.

Exercice 5. 9 : Espace de suites linéairement récurrentes

1. On dira d'une suite u (à valeurs réelles) qu'elle est une suite linéairement ré-
currente lorsqu'il existe un entier non nul d et des coefficients réels ao, ... , ad- I
tels que
d- l
'tin EN, Un+d = L akUn+k ·
k=O
d-l
On dit alors que Xd - L akXk est le polynôme caractéristique associé à u et
k=O
on dit que u vérifie une relation linéaire de récurrence d 'ordre d.
a. Quel est l'ensemble des suites linéairement récurrentes d'ordre 1 ?
b. Montrer qu'une suite linéairement récurrente d 'ordre d et de polynôme
caractéristique P est entièrement déterminée par la donnée de ses d pre-
miers termes.
c. Montrer que l'ensemble des suites u vérifiant la relation de récurrence li-
néaire
't/ n EN, Un+2 = 2un+l - Un
est un sous-espace vectoriel de l'espace des suites à valeurs réelles, et
"'O donner une base de celui-ci.
0
c
:J 2. Soit P un polynôme unitaire de degré d.
0
1..()
T"-l
a. Montrer que l'ensemble ry{(P) des suites linéairement récurrentes de poly-
0
N nôme caractéristique Pest un sous-espace vectoriel de l'espace des suites
© à valeurs réelles.
.......
..c b. Soit wCi) la suite de ry{(P) dont les d premiers termes sont
Ol
ï:::
>-
a. 0, 0, 1, 0, O.
0
u t t t
(i) (i) (i)
Wo wi wd-1

Montrer que la famille (wC 0 ), ... , wCd- l)) est une base de ry{(P). En déduire
que dim ry{(P) = degP.
 Exercice 5. 9 Espace de suites linéairement récurrentes 149

3. Soient d réels strictement positifs distincts r 1 < ... < rd classés dans l'ordre
strictement croissant. On pose alors
P = (X - r1) x · · · x (X - rd).
a. Soit >.1 , ... , Àk k réels quelconques. En supposant Àk =f. 0 donner un
équivalent lorsque n tend vers +oo de
À1T~ + ·· · + ÀkTk.
b. Montrer que la famille [, constituée des suites (rï)nEN, ... , (r;J)nEN est
une famille libre de 91(P) .
c. Montrer qu'il s'agit d'une base de 91(P).

1.a. On va appliquer la caractérisation explicitée dans l'énoncé en fixant d = 1.

Une suite u est linéairement récurrente d'ordre 1 ssi

3a E IR, \:f n EN, Un+l = aun .
Ainsi, l'ensemble d es suites linéairement récurrentes d'ordre 1 est l'ensemble des suites
géom étriques.

1.b. Pour montrer qu 'une telle suite u est entièrement déterminée par la donnée des
d premiers termes, disons (to , ... , td- l ) E m;_d, on peut naïvement penser que cela
revient à démontrer par récurrence l'entière détermination de chaque valeur à partir
de la donnée des d premières. En effet, la relation
d-1
Un+ d = L akUn+k
k=O

permet d'obtenir successivement les valeurs ud , ud+ l, ud+ 2, ... en prenant successive-
ment n = 0, 1, 2, ....
-0
0
Néanmoins cette récurren ce ne peut prétendre prouver la détermination de toute la
c suite u mais uniquement la détermination de toute sous-suite finie de la prétendue
:J
0
suite u dont l'existence nous échappe (cette nuance est subtile, mais c'est une nuance
,....
I..{)
de taille). On va commettre une entorse à la rigueur mathématique et nous contenter
0
N
de montrer que, pour tout N ~ d - 1,
©
.......
..c (uo , ... , Ud - 1) = (to, .. . , td- 1)
Ol
ï::: 1 d-1
3 ! (Uo, +
u
>-
a.
0
... , UN) E IR;. N ,
{ Vn E {O, ... , N - d}, Un + d = L akUn+ k
k=O

Ceci étant montré, on va admettre qu'il existe alors une unique suite u t elle que
(uo, ... , Ud - 1 ) = (to , ... , td- 1)
d- 1
{ Vn E N, Un + d = L akUn+ k
k= O
 150 Chapitre 5 Espaces vectoriels et sous-espaces vectoriels

Ce qui est, en partie, rigoureusement prouvé, si l'on admet l'existence d 'une telle suite
u (auquel cas on ne prouve ici que l'unicité) .

Notons P(N) la propriété :

( UQ , ... , Ud- 1) = (to, ... , td- 1)

d- 1
« 3 !(uo , .. . ,uN) E IRN+1, { )),
'lin E {O, ... , N - d}, Un+d = L akUn+k
k=O
• Initialisation : P(d - 1) ne dit rien d'autre que
3 !(uo, ... , Ud- 1) E IR.d, (uo, ... , Ud- 1) =(ta, ... , td- 1),
ce qui est manifestement vrai.
• Hérédité : Supposons que, pour un certain entier N ~ d - 1, la propriété P(N)
soit vraie , on a alors l'existence et l'u nicité d ' un vecteur ( uo, ... , UN) E JRN+l tel
que
(uo, ... , Ud-1) = (to, .. . , td- 1)
d-1
{ 'lin E {O, ... , N - d}, Un+d = L akUn+k
k=O
Montrons P(N + 1) i.e. qu ' il existe un unique (u~, ... , u~ , u~+I) E JRN+l tel que

(u~ , ... , u~_ 1 ) = (to , ... , td- 1)

d- 1
{ 'lin E {O, ... , N +1- d} , u~+d = L aku~+k
k=O

(
Posons (u~ ,. . ., u~) = (uo , .. .,uN), o n a alors, grâce à P(N),
u~, ... , u~_ 1) = (ta, ... , td- 1)
d-1
u~+d = Un+d = ~
1 'lin E {O, ... ,N - d} ,

d-1
L ak
k=O I
=un+k

Posons, à présent, u~+I L aku~+I -d+k · u~+ 1 est bien défini puisqu'il est
"'O
0
k=O
c déterminé à partir des va leurs (u~+I - d+k)o,;;;k,;;;d-1 = (u~+I - d' .. . ,u~) qui ont
:J
0 déjà ét é défin ies.
1..()
r-l Fin alement on a prouvé l' existence d'un (u~, ... , u~, u~+I) tel que
0
N
(u~ , .. . , u~_ 1 ) = (to , . .. , td- 1)
© d- 1
.......
..c
Ol { 'lin E {O, ... , N +1- d} , u~+d = Laku~+k
ï::: k=O
>-
a.
0 Il ne nous reste plus qu'à montrer l' unicité. Soit (u 0, ... , u~ , u'/v+ 1 ) une deuxième
u
fam ille vérifiant la caractérisation décrite dans P(N + 1).
. ue (u 0Il , . . . , uN
Pu1sq Il ) , "f.
ven 1e

(uû, ... , u~- 1) =(ta , ... ,td- 1)

d- 1
{ 'lin E {O, ... , N - d} , u~+d = Laku~+k
k=O
 Exercice 5. 9 Espace de suites linéairement récurrentes 151

l'u nicité annoncée dans P (N) nous montre que (u~, ... , u'fv) (uo, ... ,uN) ,
d one, par const ruet .ion , ( u 0Il , . .. , uN
Il )
= ( u 0/ , ... , uN
/ )
.
d-1
Par a1·11 eurs, on a, par construction
. , u IlN+l =~
L ak u N+1-d+k = uN+l ·
Il /

k=O "-,.-"'
=u'.-v+1- d+k
Ainsi (u~ , ... , u'fv, u'fv+ 1 ) = (u~ , .. . , u'rv , u~v+ 1 ), et donc l' unicité est établie.
• Conclusion : Grâce au principe de récurrence, on a prouvé que, quel que soit
N ~ d - 1, P(N) est vraie.

1.c. On applique ici la m éthode permettant de caractériser toute suite linéairement

récurrente d 'ordre 2.

La suite u est linéairement récurrente d'ordre 2 son polynôme caractéristique est

X2 - 2X + 1 = (X - 1) . Puisque 1 est racine double, on en déduit la forme générale
2

de u
V n E N) Un = ,\ . 1n + µ . n . 1n .
Enfin, puisque de façon évidente toute suite u s'écrivant sous cette forme vérifie la
même relation de récurrence linéaire, on a prouvé que l'ensemble cherché est

Vect((l)nEN, (n)nEN).
C'est en fait l'ensemb le des suites arithmétiques.

On a, de façon ma nifeste, trouvé une famille génératrice [, (( l) nEN, (n)nEN ), on

montre que cette famille est libre.

Puisque (l )nEN n'est pas la suite nulle, dire que la famill e C, est liée équivaut à dire
que (n)nEN est colinéaire à (l)nEN · Or être colin éa ire à (l)nEN c'est êt re une su ite
constante ce qui n' est manifestement pas le cas de (n)nEN · Ainsi C, est libre.
Comme, par construction, C, est génératrice du sous- espace vectoriel qui nous occupe,
on en déduit qu'il s'agit d'une base.
d- 1
2.a. Convenons d 'écrire P = X d - L akXk . On commen ce par les vérifications de
k= O
routine.
-0
0
c

~1
0
:J 9l(P) est par construction une partie de l'espace vectoriel S(JR) des suites réelles. Il
1..() est de plus non vide, puisque la suite nulle est manifestement une suite linéa irement
T"-l
0 récurrente de polynôme caractéristique P.
N

© On montre à présent la sta bilité par combinaison linéaire .

.......
..c
Ol
ï::: Soient ,\ un scalaire et u , v deux suites de 9l(P). Par construction
>-
a.
0 d-1 d-1
u
VnEN, Un+d = L akUn+k et Vn+d = L akVn+k·
k=O k=O
Ainsi
d- 1 d- 1 d-1

V n E N, ÀUn+d + Vn+d = ,\ L akUn+k +L akVn+k = L ak(Àun+k + Vn +k ),

k=O k=O k=O
 152 Chapitre 5 Espaces vectoriels et sous-espaces vectoriels

ce qui prouve que >.u + v E 9t(P) et donc la stabilité par combinaison linéaire est
prouvée.
1 Fin alement 9t(P) est un sous-espace vectori el de l'espace des suites à va leurs réelles.

2.b. Montrons que toute suite u de 9't(P) se décompose d'une manière et d'une seule
comme combinaison linéaire de vecteurs de la famille B = (w(O) , ... , wCd- l)) .
On procède par analyse et synthèse.

Soit u E 9t(P), montrons qu'il existe un uniqu e d- uplet (xo , . .. , Xd - l) dans ]Rd tel
que
u = xow (O) + · · · + Xd - l w (d - l ) .

Analyse : Supposons avoir trou vé un tel d-uplet, on a alors

- (0 )
'lin EN , Un - XoWn + · · · + Xd - lWn( d - 1)
.

Puisqu'il s'agit de déterminer d valeurs, il s'agit d'obtenir (au moins) d équations.

Pour cela on prend des valeurs particulières de n.

En particulier pour n = 0, puis n = 1, puis ... n = d - 1, on trouve

(0)
xowo + X1Wo(1) + ... + Xd - 1Wo(d - 1)
= uo
(0)
XOW1 + X1W1( 1) + · · · + Xd - 1W1(d - 1)
= UO

( 0)
X owd- 1 + X1 Wd( 1)- l + ... + X d - lWd-(d -11) = Ud - 1
Au vu de ce que sont les d premiers term es des suites w (i ) ce syst ème s'écrit
xo = uo
X1 = uo

1 Xd - 1 =
Ainsi, n'aya nt qu ' une seule possibilité pour les va leurs de
Ud- 1

xo , ... , Xd-l l'a nalyse prouve

l' unicité en cas d'existence de la décomposition .
Synthèse : Posons ( x o , . . . , X d - 1) = (uo , . . . , Ud- 1 ) et
v = xow (o ) + · · · + Xd - 1 w(d- l ) .
-0
0
c En tant que com binaison linéaire de suites d e 9t(P), on sa it que v E 9t(P) (c'est
:J
0 un espace vectori el) . Par ailleurs, un ca lcul analogue à celui mené d ans l'analyse no us
I..{)
r-l
montre qu e les d premières va leurs de v sont xo , ... , Xd - 1 i .e. uo, ... , U d- 1 · Ai nsi,
0
N
grâce à l' unicité établie en l.b, o n en déduit que v n'est autre que la suite u , i.e.
©
.......
u = xow (O) + · · · + Xd - 1 w (d - l ) .
..c
Ol Ceci prouve l'existence de la décomposition.
ï:::
>- Bilan : On a montré que tout vecteur u de 9t(P) se décompose d ' un e manière et
a.
0 d'une seu le comme combinaison linéa ire de vecteurs de J:. Ainsi [, est une base de
u
9t(P). Et la dimension s'obtient par calcu l du card inal
dim 9t(P) = Card [, = d = deg P.

3.a. Comme il n 'est pas question d 'additionner les équivalents nous allons dét erminer
(si possible) quel est le terme dominant dans cette somme.
Puisque pour 0 < s < t, on a sn = o(tn) lorsque n tend vers +oo (en effet , du fait que
 Exercice 5. 9 Espace de suites linéairement récurrentes 153

1f 1< 1, on a sn =
tn
(~)
t
n-++oo
n0), on en déduit que le terme dominant dans cette
somme est Àkr'k. Pour montrer qu'il est équivalent à la somme, il suffit de factoriser
par ce terme dominant.

n
Ti Ti
Étant donné que, pour tout i < k, on a 0 < < 1, on en déduit -----+ o.
Tk Tk n--++oo
Ainsi,

-------+o+ .. .+o+ 1
n --+ + oo

3.b. Plusieurs méthodes sont ici possibles (voir par exemple 6.8.3) mais, au vu de la
question précédente introduisant un ordre de domination dans la famille considérée,
nous pouvons procéder (comme cela a été vu en 5.5 .3) par récurrence ou par l'absurde
en usant d 'un argument de maximalité. C'est cette dernière méthode que nous a llons
mettre en œuvre.

Supposons par l'a bsurde que[, est liée, on peut donc trouver des scalaires non tous
d

nuls: À1, ... , Àd tels que L Àj(r j' )nEN = O.

j =l
Notons Àk le scalaire non nul de plus gra nd indice, on a alors
k

L Àj (rj )nEN = O i.e. V n EN, À1rr + · · · + Àkrk = O.

j=l

On en déduit, d'après la question précédente que >-.krk "" 0 , ce qui, étant donné que
+oo
Tk # 0 et Àk # 0, est une contradiction. Final ement la famille .L est libre.

Il ne nous rest e plus qu'à vérifier que (rl)nEN , .. . , (r;J)nEN sont des éléments de 9l(P) .

-0 d-1

L a kXk,
~
0
c
:J
Noton s P = Xd - puisque Tj est une racine de P, on en déduit
0 k=O
1..()
,..... d- 1 d -1
0
N

©
rf - L ak rj = 0 i.e. rf = L akrj .
....... k=O k=O
..c
Ol D'où, en multipliant de part et d'autre de l'éga lité par r j (avec n EN), on trouve
ï:::
>-
a. d- 1
~
r jn+d akrjn+k .
0
u
\.-1
v n En , JM
=6
k=O
Ainsi on a bien (rj)nEN E 91(P) et ce quel que soit j E {1 , ... , d}.

3.c. P lutôt que de montrer le caractère libre et gén érateur, nous a llons ici prouver le
caractère libre et invoquer une égalité de cardinal et dimension.
 154 Chapitre 5 Espaces vectoriels et sous-espaces vectoriels

~1
Puisque C, est une famille libre de 91(P) dont le cardinal vérifie , d'après ce qui a été
démontré plus tôt, Card C, = d = deg P = dim 91(P). On en déduit qu'il s'agit d'une
base de 91(? ) .

Comme dans le cas des suites linéairement récurrentes d'ordre 2, on re-

marque que pour tout autre ordre d, du moment que le polynôme carac-
téristique admet d racines distinctes : r 1 , .. . , rd (la stricte positivité des
racines n'est en réalité pas indispensable) une telle suite u se décompose
d
sous la forme : V n E N, Un = L Àkr'j .
k= l

1. Soient

J~ ( ; K~ ( ~l ~l)
D )
1 1 1 0
( -1
1 0 et L= ~ 0 -1
1 - 1 - 1 1
Montrer que la famille (J, K , L) est une famille libre de M 3 (IR).
2. On appelle carré magique, toute matrice M E M 3 (IR) dont les sommes des
coefficients sur chaque ligne, resp. chaque colonne et resp . cha que diagona le
sont égales à une même quantité (que l'on appelle la somme de !vl).
a. Montrer que l'ensemble 9J1 des carrés magiques est un sous-espace vecto-
riel de M 3(IR) .
b. Soit 9J1o l'ensemble des carrés magiques dont la somme est nulle. Montrer
que 9J1o est un sous-espace vectoriel de 9J1.
c. Montrer que
u+v
"'O 0
0
c -u-v
:J
0
1..() réalise une surjection entre IR 2 et 9J1o . En déduire que (K, L ) est une base
T"-l
0 de 9J1o.
N

© d. Montrer que
.......
..c 9J1 = Vect (J) EB 9J1o .
Ol
ï::: En déduire une base de 9J1.
>-
a.
0
u 3. Donner un carré magique dont les coefficients sont les chiffres 1, 2, .. . , 9, le
coefficient central étant égal à 5.

1 . On applique la définition.
 Exercice 5 .10 Carrés magiques 155

Soient u , v, w trois scalaires t els que uK + v L + wJ = O. Par calcul matriciel, on en

déduit que

~ ~ U W+; +V W: ~ ~ V) =
( W:w+u w - u -v w+v
Ü.

Ainsi, puisqu'une matrice est nulle ssi chacun de ses coefficients est nul, on en déduit
w = 0 (cf coefficient central) ,
et donc 0 + u = 0 et 0 + v = 0 (cf coefficients d'indices (3, 1) et (3, 3)).
Finalement, u = v = w = 0, ce qui prouve que la famille (J, K , L) est une famille
libre de M 3(1R).

2.a. Pour que le travail soit plus aisé, nous a llons décomposer l'ensemble en intersec-
t ion de ce qui se révélera être des sous-espaces vectoriels.

Notons C2 l'ensemble des matrices dont les coefficients situés en ligne 2 ont la même
somme que ceux situés en ligne 1.
C2 ={M E M3(1R) 1 M [2, 1] + M [2, 2] + M[2, 3] = M [l , 1] + M[l, 2] + M[l , 3]}.
Montrons qu'il s'agit d'un sous-espace vectoriel de M 3 (1R) .
On commence par les constatations préliminaires.

~I C2 est , par constructio n, une partie de M 3(1R) . Elle est de plus non vide puisqu'elle
contient manifestement la matrice nulle.
On montre ensuite la stabilité par combinaison linéaire.

Soient À un scalaire et M, N deux matrices de C2, posons P = ÀM + N.

Puisque, par construction ,
M [2, 1] + M [2, 2] + M [2, 3] M [l , 1] + M [l , 2] + M[l , 3]
N[2, 1] + N [2, 2] + N[2, 3] N[l , 1] + N[l , 2] + N [l , 3],
on en déduit
.-\(M[2, 1] + M [2, 2] + M [2, 3]) + (N[2, 1] + N[2, 2] + N [2, 3])
.-\(M[l , 1] + M [l, 2] + M [l , 3]) + (N[l , 1] + N [l , 2] + N[l , 3])
"'O soit
0
c P[2, 1] + P [2, 2] + P[2, 3] = P[l , 1] + P[l, 2] + P[l, 3] .
:J
0
Ainsi P E C2, i.e. ÀM +NE C2 et la stabilité par combinaison linéa ire est établie.
1..()
r-l On peut donc conclu re que C2 est un sous-espace vectoriel de M3(1R).
0
N

© On introduit des espaces vectoriels an a logues.

.......
..c
Ol Par un raisonnement ana logue, on montre que les ensembles ci-dessous sont des
ï:::
>- sous-espaces vectoriels de M 3(JR).
a.
0
u • Ensemble des matrices dont les coefficients situés en ligne 3 ont la même somme
que ceux situés en ligne 1 :
J:,3 = {M E M 3(1R) 1 M [3, 1] + M [3, 2] + M[3, 3] = M [l , 1] + M[l , 2] + M[l , 3]}.
• Ensemble des matrices dont les coefficients situés en colonne i (avec i E {1 , 2, 3 })
ont la même somme que ceux situés en ligne 1 :
Ci = {M E M 3(1R) 1 M[l , i] + M [2, i] + M [3, i] = M[l , 1] + M[l , 2] + M [l , 3]} .
 156 Chapitre 5 Espaces vectoriels et sous-espaces vectoriels

• Ense mble des matrices dont les coeffici ents situés sur la diagona le princ ipa le (resp.
non principale) ont la même somme que ceux situés en ligne 1 :
1J = {ME M 3(1R) J M [l , 1] + M[2, 2] + M[3, 3] = M[l , 1] + M [l , 2] + M [l , 3]},
resp. V'= {M E M3(1R) J M [3, l ]+M[2 , 2]+M [l , 3] = M [l , l ]+M[l , 2]+ M[l , 3]}.
Finalement , puisque
9J1 = .C2 n .C3 n C1 n C2 n C3 n v n v',
et puisqu ' une intersection de sous-espaces vect oriels est un sous-espace vect oriel, on e n
déduit que l'ensemble 9n des carrés magiques est un sous-espace vectoriel de M 3(1R) .
2.b. On procède ici de ma nière plus classique. On commence par les observations
p réliminaires d'usage.

~I 9n0 est , par construction , une partie de 9J1. Elle est non vide puisqu 'elle contient
ma nifest e me nt la matrice nulle.
On montre à présent la stabilité par combinaison linéaire.

Soient M , N deux matrices de 9n 0 et À un sca laire, posons P = ÀM + N .

Puisque 9J1 est stable par combinaison linéaire et que M et N en font partie , on sait
déjà que P E 9J1.
Il nous suffit donc de dém ontrer que la somme de P vaut O.
Puisque Met N sont de sommes nulles, on en déduit (cf somme des coeffi cie nts de
la première ligne )
M [l , 1] + M [l , 2] + M [l , 3] = 0 et N[l , 1] + N[ l , 2] + N[l , 3] = O.
On en déduit À(M [l , 1] + M[l, 2] + M[l , 3]) + (N [l , 1] + N[l , 2] + N[l, 3]) = 0 ,
i. e. P [l , 1] + P [l , 2] + P [l , 3] = O. ÀM + N est donc de somme nulle et la st a bilité
est dé montrée. On pe ut donc conclure que 9J1o est un sous-espace vect orie l de 9J1.
2.c. On remarque tout d 'abord que l'application <p est bien définie, puisque, quel que
soit (u, v) dans IR 2 , la matrice <p( u, v) est b ien u n carré magique de somme nu lle.
Pour montrer la surjectivité de <p, il s'agit de m ontrer que tout élément de l'ensemble
d 'arrivée 9.Jl 0 admet (au moins) un antécédent dans IR2 .

~1
-0 Soit M E 9J1o .
0
c Mont rons qu'il exist e u, v deux réels t els que M = i.p(u , v).
:J
0
1..()
,..... Une analyse, nous montre que u et v (s 'ils existent) ne peuvent être au tres que M[3 , 1]
0
N
et M[3, 3] respectivement . Ceci prouve par a illeurs qu'en cas d'existence il y a u nicité,
© c'est donc qu'une fois la surjectivité démontrée on pourrait conclure en réalité à la
.......
..c
Ol b iject ivité (cette bij ect iv ité aurait pu servir d'argument pour la détermination que
ï:::
>-
a. l'on fera du caractère base d e ( K , L)).
0
u Nous allons construire tous les a ut res coefficients de M à la manière d 'un Sudoku.

Posons pour cela u = M [3, 1] et v = M [3, 3] et montrons que M = i.p(u,v ).

Pour plus de commodité, on va nomme r w l'élément centra l de M. Puisque la somme
des coeffic ients de la derniè re lig ne vaut 0, o n en déduit qu e
?
w ; ) .
- u- v V
 Exercice 5 .10 Carrés magiques 157

Puisque la somme des coefficients des deux diagonales et de la deuxième colonne

valent 0, on en déduit
-v- w u + v-w
M = ? w
( u - u -v
En particulier, puisque la somme des coefficients de la première ligne vaut 0, on a donc
(-V - W) + (U + V - W) + (-U - W) = 0.
-3w

Ainsi, puisque w = 0, on trouve M = ( -;v u; v

u - u- v
Les coefficients manquants sont alors déterminés par la nullité de la somme des coef-

ficients en colonne 1et3: M = ( v-_vu u;v u--uv ) =<p(u , v).

U -U - V V
Ainsi, puisque nous venons d'exhiber un antécédent de M pour l'application <p , on a
bien prouvé que <p réalise une surjection entre IR2 et 9J1o.

Donnons une interprétation de <p en termes de combinaison linéaire et voyons quelle

interprétation on déduit de sa surj ectivité.

Puisque <p : (u , v) i---+ uK + v L, la surjectivité que l'on vient d 'établir annonce que
tout M E 9J1o peut se décomposer sous la forme
M = uK +vL avec (u , v) E JR2 .
Ainsi la famille (K, L ) est génératrice de 9J1o, et comme par ai lleurs elle est libre (car
extraite de la famille libre (J, K , L )), on en déduit que (K , L) est une base de 9no.

2.d. Commençons pa r rema rquer que, J étant un carré magique, Vect(J) , tout comme
9J10 , est un sous-espace vectoriel de 9J1.
Il s'agit de montrer que tout élément M E 9J1 a dmet une et une seule décomposit ion
sous la forme
M = A
'-v-'
+ '-v-'
N,
-0 EVect( J) E 9J1o
0
c
:J
0 ou plus simplement , qu'il existe un et un seul couple (a, N) avec a E ~et N E 9J1 0
,....
I..{)
tel que NI = aJ + N .
0
N R emarquons qu'il suffit d e trouver a car a lors N est donné par N = M - aJ.
© On va raisonner par ana lyse et synthèse.
.......
..c
Ol
ï::: Analyse : Supposons avoir trouvé a E lR et N E 9J1o tels que
>-
a.
0 M = aJ+N.
u
Notons Πla somme de M.
Puisque N E 9J1o, on en déduit
N [l , 1] + N[l , 2] + N[l , 3] = O.
D'où
Π= M [l , 1] + M [l , 2] + M [l , 3] = (a+ N[l , 1]) +(a+ N [l , 2]) + (a + N [l , 3]) = 3a.
 158 Chapitre 5 Espaces vectoriels et sous-espaces vectoriels

Ainsi, a = ~. et donc N = M - ~ l.
Ceci prouve l'unicité en cas d'existence de la décomposition.
Synthèse: Posons a=~· et donc N = M - ~ l.
On a de façon immédiate
M = al+ N et al E Vect(l).
Par ailleurs, en tant que combinaison linéaire des carrés magiques l et M, N E 9J1.
Or, par un calcul similaire à celui mené en analyse,
N [l , l ]+N[l , 2]+N[l , 3] = (M[l , l ]- a)+(M[l , 2]- a)+(M[l , 3] - a) = a - 3a = O.
Ceci prouve que NE 9J10 , d 'où l'existence de la décomposition.
Conclusion : Puisque tout vecteur M de 9J1 se décompose d'une façon et d ' une seule
comme somme d ' un vecteur de Vect(l) et d ' un vecteur de 9J10 , on a donc
9J1 = V ect( 1) EB 9J1o.
(1) étant une base de Vect(l), on en déduit, par concaténation avec la base (K, L )
de 9J1o, une base adaptée à la somme directe ci-dessus: (1, K, L) est une base de 9J1.

3. Pour dét erminer un carré magique il nous suffit de déterminer ses trois coordon-
n ées dans la base (J ,K,L). On va donc, à la manière d 'un Sudoku , déterminer les
coefficients du carré magique recherché.

Soit M une carré magique dont les coefficients sont les ch iffres 1, 2 , .. . , 9, le coefficient
central étant égal à 5.
Par décomposition dans la base que l'on vient de mettre en évidence, on sa it que l'on
peut trouver trois sca laires a, b, c tels que
a- c a+b+c a- b
M = al + bK + cL =
(
a - b+ c
a+b
a
a - b- c
a + b- c
a+c
)
Pu isque le coefficient central vaut 5, on en déduit que 1a = 5 I. Ainsi
5- c 5+b+c 5- b )
M = 5 - b+c 5 5+b - c .
(
5+b 5- b -c 5+c

-0
0 Puisque chaque coefficient de M est distinct et parmi {l,... ,9}, les coefficients en
c
:J (1 , 1) et (1, 3) n ous montrent que b et c sont distincts non nuls (voir coefficient (2, 2))
0
1..() et pris dans
T"-l
0
N {-4, -3, -2, - 1, 1, 2, 3, 4} .
©
.......
..c
Ol
Puisque cha nger b et -b revient à ch an ger le carré magique M en t M (carré ma-
ï::: gique avec 5 en élément central et dont les coefficien ts sont les chiffres 1, ... , 9),
>-
a.
0 on peut supposer b positif. Il en va d e même pour c, puisque cha nger cet -c revient
u
à changer NI en son symétrique M' par rapport à la deuxième diagonale (M' est
encore un carré ma gique avec 5 en élément central et dont les coefficients sont les
chiffres 1, . . . , 9). Enfin échanger b etc revient à prendre la matrice M " obtenue par
symétrie par rapport à la deuxième colonne ( M" est en core un carré magique avec
5 en élément central et dont les coefficients sont les chiffres 1, ... , 9). Ainsi, puisque
distincts, on peut choisir de prendre b < c.
 Exercice 5 .10 Carrés magiques 159

Les couples (b, c) auxquels on s 'intéresse sont donc

(1 , 2), (1, 3), (1, 4) , (2, 3), (2, 4) , (3, 4).

Puisque, par ailleurs, les coefficients de M sont des entiers non nuls, on a, en particulier
au regard du coefficien t (3 , 2),

1 ~ 5 - b- c <5- 2b donc b < 2.

" '-v-"
>b

Finalement, en ayant choisi d e prendre 0 < b < c, on a nécessairement b = 1.

Fixons b = 1, ainsi la matrice s'écrit

6+c
5
4- c
Si l'on choisit c > 0, le plus grand coefficient est alors 6 + c. Il est donc égal à 9, d 'où
1c=31. Ainsi
9
5
1

Une rapid e vérification pour chacune d es sommes sur les lignes, colonnes et diagonales
nous montre qu ' il s'agit là d ' un carré magique (de somme 15) et dont les coefficients
sont les chiffres 1, . . . , 9 (et 5 pour coefficient central).

D 'autres carrés magiques pouvaient convenir , n ous avons choisi ici d'exhiber la solu-
t ion pour les coordonnées (a , b, c) = (5 , 1, 3).
Mais au vu des ch oix a rbitraires que l'on a posé pour faciliter le calcul (grâce à la
conservation des propriétés par cer taines symétries) , on pouvait également obtenir
d'au tres carrés magiques

(a, b, c) = (5, -1, 3) soit M1 = ( 429 ~7 6~) symétrie : ]\/[--+ tM,

"'O

M = ( s~ 3~ 4~ )
0
c
:J
0 (a , b, c) = (5 , 1, - 3) soit symétrie/ 2e diagonale,
I..{)
T"-l
0
N

©
.......
..c
Ol
(a , b, c) = (5, 3, 1) soit M = ( 4~ 9~ 627 ) symétrie : C1 ~ C3,
ï:::
>-
a.

M1 = ( 6~ ~1 483 )
0
u
(a, b, c) = (5, - 3, - 1) soit symétrie : L1 ~ L 3,

(a, b, c) = (5, - 1, - 3) soit M = ( !~ ~) avancer de 30 minutes,

 160 Chapitre 5 Espaces vectoriels et sous-espaces vectoriels

0n
7
(a,b,c) = (5,3,- 1) soit M = 5 avancer de 15 minutes,
3

(a, b, c) = (5, -3, 1) soit M=

un3
5
7
reculer de 15 minutes.

Pour les trois derniers carrés magiques, la transformation est imagée et prend comme
référence le cadran d'une montre dont les numéros seraient disposés à la manière d 'un
carré magique (hors coefficient central).

1. Soit E un JK-espace vectoriel de dimension finie n. Soient A et B deux sous-

espaces de E.
a. On suppose dans cette question uniquement A c B. Montrer que
A=B ~ dimA ;;::: dimB.
b. Montrer que la concaténation d'une base BA de A et d'une base BB de B
donne une famille C génératrice de A + B.
c . En déduire, sans faire appel à la formule de Grassmann
(i.e. dim(A + B) = dim(A) + dim(B) - dim(A n B)), que
dim(A + B) :::;; dim(A) + dim(B).
2 . Soient A 1 , .. . , Ap p sous-espaces de E.
a. Montrer que lorsque dim A 1 + · · · + dim Ap > n alors les A 1 , ... , Ap ne
sont pas en somme directe.
b. On suppose ici que les A 1 , ... , A p sont en somme directe.
Montrer que E = A 1 E9 · · · E9 A p ssi dim A 1 + · · · + dim Ap ;;::: dim E.
3. Soit [, = (u 1 , .. . , up) une famille de p vecteurs de E.
a . Montrer que rg(L,) = n ssi [, est génératrice de E.
"'O
0
c
:J
b . Montrer que rg(L,) = p ssi [, est libre.
0
1..()
T"-l
0
N
1.a . On suppose A C B .
©
.......
..c
L'implication directe est évidente .
Ol

~1
ï::: Lorsq ue A = B, il va de soi que dim A dim B et donc, a fortiori,
>-
a.
0 dim A ?: dim B.
u

P our la rec1proque nous allons exploiter l'inclusion init ialement supposée pour en
déduire deux choses : une inclusion et une inégalité de dimensions.

~I
Pu isque l' on a supposé A C B , on en dédu it par passage aux dimensions
dimA ::::;: dimB.
 Exercice 5 .11 Dimensions e t espaces 161

A insi, lorsque l'on suppose dim A )! dim B, on a en réa lit é dim A = dim B. Cet te
éga lité de d imension conjointement avec l' inclusion A C B nous permet de conclu re
à l'éga lité A = B.
1 Fin alement on a bien l'équiva lence A = B ~ dim A )! dim B.

1.b . Ce résultat est en fait connu dans le cas de la somme directe (da ns ce cas
là la concaténation fourni t une base, et c'est d 'ailleurs une condition nécessaire et
suffisante) . On va mon trer le caractère générateur en déterminant l'espace vectoriel
engendré (on s'appuiera sur le fait que l'emploi du Vect t ransforme l'union en somme)
Vect(F U G) = Vect (F) + Vect(G) .
Puisq u' une base est en particulier génératrice
A = Vect(BA) et B = Vect(Bs ).
O n en déd uit Vect(C) = Vect(BA U BB) = Vect (BA) + Vect (Bs) = A + B.
A insi, C est générat rice de A + B.

Avec r vect eurs u 1 , . .. , Ur on peut tou t aussi bien construire (au moins)
une famille ou r -uplct (u 1, ... , U r) et un (unique) ensemble {u 1, ... , Ur}
(d 'au plus r éléments). L'espace vectoriel engendré ét ant le même,
Vect (u 1 , . .. , U r) = Vect ( {u 1 , ... , Ur } ),
nous avons ici utilisé l'abus de notation B AU BB pour désigner l'en-
semble constit ué des éléments provenant de la famille B A et B B, i.e. pro-
vena nt de la famille C obtenue par concaténa tion.

1.c . On va utiliser le fait que la dimension désigne le nombre de vect eurs en dessous
duquel il ne peut y avoir de famille génératrice (et a u dessus duquel il ne peut y avoir
de famille libre) .

~
Puisque C est générat rice de A + B, on en dédu it q ue
"O dim (A + B) ~ Card (C).
0
c O r , pu isque C est la résulta nt e de la concaténation de BA et Bs, on en déd uit
:J
0
1..() Card (C) = Card(BA) + Card (Bs ),
r-l
0 et, s' agissa nt de bases de A et B respectivement, on en déduit
N

© Card (BA) = dim A et Card (BB) = dimB .

.......
..c
Ol Finalement dim( A + B) ~ dim(A) + dim(B).
ï:::
>-
a.
0
u

m Il ne faut pas confondre le cardina l de la famille (u 1 , . . . , Ur ) (celui-ci

vaut r) et le cardinal de l'ensemble {u1, . . . , Ur } (celui-ci est inférieur
ou égal à r) .

2.a. On va raisonner par contraposit ion.

 162 Chapitre 5 Espaces vectoriels et sous-espaces vectoriels

Supposons que A 1 , .. . , Av sont en somme directe.

A1 +···+Av étant un sous-espace de E, on en déduit dim(A1 + · · · + Ap) ~ n .
Or, la somme étant directe,

dim (A1 + · · · +Av) = dim A1 + · · · + dim Av.

Ainsi dim A i + · · · + dim Av ~ n et donc, par contra position , on peut affirmer que :
si dim A 1 + · · · + dim Av > n alors les A 1, . .. , Av ne sont pas en somme directe.

2.b. On va utiliser la question 1.a.

Puisque les A1, ... , A p sont en somme directe, on a l'équivalence

dim A1 + · · · + dimAv;::: dimE ~ dim(A1 EB · · · EB A p);::: dimE.
Or, par construction , A1 EB · · · EB Ap C E , et donc, grâce à l.a,
E = A 1 EB · · · EB A p ~ dim (A1 EB · · · EB A p);::: dimE.
Ainsi E = A1 EB · · · EB Ap ssi dimA1 + · · · + dim Ap;::: dimE.

3.a. Le caractère générateur étant lié à l'étude de Vect(.C), il nous suffit de montrer
que ce dernier vaut E ssi sa dimension (i.e. le rang de la famille .C ) est celle de E.

Puisqu e l' inclusion Vect(.C) C E est immédiate. l' égalité des espaces équivaut à
l'égalité des dimensions
Vect(.C) =E ~ dim(Vect(.C)) = dim(E).
'-.,..--'
rg(.C) =n

Or dire que .C est génératrice de E équivaut à dire que Vect(.C) = E.

Finalement , rg(.C) = n ssi .C est génératrice de E.

3.b. Nous allons utiliser la caractérisation du caractère libre au travers du caractère

base. En effet , puisque .C est par construction générat rice de Vect (.C), on a l'équiva-
lence
-0
0
c
:J .C est libre {:::::::::} .C est base de Vect(.C).
0
1..()
r-l
0
N

~
© Puisqu e .C est une famille de vecteurs de Vect (.C), on a la caract érisation de la base
....... par son caractère générateur et son cardinal
..c
Ol
ï::: .C est génératrice de Vect(.C)
>-
a.
0
.C est base de Vect (.C) ~ { Card (.C) = dim(Vect(.C))
u
Or .C est, par construction , génératrice de Vect(.C), on en déduit
.C est base de Vect(.C) ~ Card (.C) = dim(Vect(.C)).
"--v-"'
=p rg(.C)

On en déduit également que .C est libre ~ .C est base de Vect(.C) .

A insi rg(.C) = p ssi .C est libre.
 Exercice 5.12 Analyse harmonique 163

Soit E = F (R, R) l'espace vectoriel des fonctions réelles d 'une varia ble réelle.
1. Exprimer, pour tout couple de réels (a, b), cos( a) cos(b) et sin(a) sin(b) en fonc-
tion de cos( a + b) et cos( a - b).

2. a . Calculer , pour k et j deux ent iers naturels, 1 71' cos(kx) cos(jx) dx.
b. Montrer que C = (ck : x t--+ cos(kx))o::;;k::;;n est une famille libre de E .
c. Montrer que toute fonction de C = Vect(C) est paire et 2n-périodique.

3. a. Calculer , pour k et j deux ent iers naturels, 1 71' sin(kx) sin(jx) dx.
b. Montrer que S = (sk : x t--+ sin(kx) )i ::;; k::;;n est une famille libre de E.
c. Mont rer que toute fonction de S = Vect(S ) est impaire et 2n-périodique.
4 . Montrer que C , Set E = Vect (exp : xi--+ ex) sont en somme directe.
5. Donner une base de C +S +E.

1. Il s'agit des formule de linéarisation, celles-ci s'obt iennent aisém ent à pa rtir des
formules permett ant d'exprimer cos(a + b) et cos(a - b) en fonction des sinus et cosinus
de a et b.

Puisque
(1) cos(a+ b) cos( a) cos(b) - sin (a) sin (b)
(2) cos(a - b) cos (a ) cos (b) + sin (a ) sin (b) ,
on en déduit
(1) + (2) = 2 cos(a) cos(b)
cos(a + b) +cos (a - b)
et (2) - (1) cos(a - b) - cos( a+ b) = 2 sin(a) sin(b).
Finalement,
"'O 1 1
cos(a+ b) +
0
c
cos( a) cos(b) =
2 2 cos(a - b)
0
:J

,....
1..()
et sin(a) sin(b) = l cos( a - b) - ~cos( a - b).
0
N
2.a . On va exploit er les formules de linéarisat ion établies en question 1 et ainsi t rans-
©
....... former ce calcul d 'intégrale d'un produit en celui d 'une intégrale d 'une somme, beau-
..c
Ol
ï::: coup plus simple à obtenir (grâce à la linéarité de l'intégration).
>-
a.
u
0 Grâce à 1 et à la linéarité de l' intégratio n, o n t rouve

11" cos(k x ) cos(jx) dx = 1

2
17r cos((k + j)x) d x + 1
2
17r cos((k - j )x) dx .
10 0 0
Or k +j est un entier naturel éventuellement nul , lorsqu'il est non nul,

1 11" cos((k + j)x) dx = [ - k: j sin((k + j )x) [ = O

 164 Chapitre 5 Espaces vectoriels et sous-espaces vectoriels

(en effet sinu s s'a nnule sur t o ut multiple de 7r) ,

et lorsque k + j = 0, i. e. k = j = 0, on trouve

11' cos((k + j)x) dx = 11' 1 d x = 7r .

Par ailleurs, k - j est un entier rel atif éventuellement nul, d 'où

1' COS ( ( k - j) X ) d x =
{ l
11'a d x = 7r si k = j

1a [- -
k- J
. sin ((k - j)x)J
a
7r

= 0 sinon

Finalement ,

{1' { 7f /2 si k = j et j -:j:. 0
l a cos (k x) cos (jx) d x = ~ si k = j = 0
si k -:j:. j

2.b. L 'applica tion() : f H 17r f( x )cj(x) dx s'a nnule au vecteur nul et en tout vect eur
ckavec k -f::. j, et est non nul en Cj . Ainsi () et la linéarité de l'intégration donnent un
moyen efficace pour éliminer tous les t ermes faisant référence a ux À k pour k -f::. j et
n
seul subsistera le terme faisant mention à Àj dans l'égalit é L À kCk = O.
k=O

n
Soient Àa, ... , Àn n + 1 scalaires t els que L ÀkCk = O.
k= a
Par distributivité du produit (avec Cj ) et linéarité de l'intégration, on obtient, grâce à
la q uestio n précédent e,

t > -k {1'
Cj (x)ck(x) d x = {1'
Cj (x)· Odx .
k= a l a
=a si kof-j
l a
------ =a

Ainsi Àj 11' Cj (x)cj (x) d x = 0, i.e. Àj = 0 et ce quel que soit j E {O, . .. , n} .

""O
0
c
:J O n a donc prouvé que
""a C = (ck : x H cos(kx) )a( k( n est une famill e libre de E .
0
,....
1..()

0 2.c. P u isque l'ensemble des fonctions paires et 27r-périodiques est sta b le par combi-
N
n aison linéaire (c'est même un espace vectoriel), il suffit de montrer que tout es les
©
.......
..c
fonct ions d e la fam ille C sont pa ires et 27r-périodiques .
Ol
ï:::
>-
a. Par parité et 27r- péri odicité de la fon ctio n cosinus, on en déduit , pour t out entier
0
u j E {O, .. . ,n} ,
= COS ( - j X) = COS (j X) = Cj ( X)
Vx E ~' = cos(jx + ...__,,
j ·27r) = cos(jx) = Cj(x)
EZ

A insi t out élément de C est une fonctio n paire et 27r- péri od ique. O r une combinai-
son linéaire de fonct ions paires et 27r- périod iq ues est encore une fonct ion paire et
 Exercice 5.12 Analyse harmonique 165

27r-périodique, ainsi l'ensemble C des combinaisons linéaires de fonctions de C est

1 constitué de fonctions paires et 27r-périodiques.
3.a. On suit la même méthode que décrite en 2.a.
Grâce à 1 et à la linéarité de l' intégration on trouve

1 1r sin(kx) sin(jx) dx = ~ 1 1r cos((k - j)x) dx - ~ 1 1r cos((k + j)x) dx.

Finalement, grâce aux calculs menés en 2 .a ,

si k = j
[ sin(kx) sin(jx) dx = { :
sinon

3.b. On s'inspire de ce qui a été fait pour C.

n

Soient À1 , ... , Àn n + 1 scalaires tels que L Àksk = O.

k=l
Par distributivité du produit (avec Cj ) et linéarité de l'intégration , on obtient, grâce à
la question précédente,

tÀk {1r Sj(x)sk(x)dx= {1r Sj(x) ·Odx.

k=O Jo
= 0 si k,tj
Jo
---.--- =O

Ainsi Àj 1 1r Sj(x)sj(x) dx = 0, i.e. Àj = 0 et ce quel que soit j E {1, ... , n}.

=~,tO
On a donc prouvé que S = (sk : x H sin (kx))i ::;; k::;;n est une famille libre de E.
3.c. On s'inspire de ce qui a été fait pour C.

Par imparité et 27r-périodicité de la fonction sinus, on en déduit , pour tout entier

j E {l , ... ,n},
= sin( - jx) = - sin(jx) = - sj(x)
-0
0 Vx E IR, = sin (j x + .._,,,,....,
j ·27r) = sin (j x) = s j ( x)
c
:J
0 EZ
I..{)
r-l
Ainsi tout élément de S est une fonction impaire et 27r-périodique. Or une combinaison
0 lin éa ire de fonctions impaires et 27r-périodiques est encore une fonction impaire et
N

© 27r-périodique, ainsi l'ensemble S des combinaisons linéaires de fonctions de S est

....... constitué de fonctions impaires et 27r-périodiqu es .
..c
Ol
ï::: 4. Puisqu'il n 'est pas question de montrer que les intersections 2 à 2 sont réduites au
>-
a.
0 vecteur nul , on va ici revenir à la caractérisation selon laquelle seule la décomposi-
u
tion triviale (celle s'écrivant comme la somme des vecteurs nuls) permet d'obtenir le
vecteur nul.

~1
Supposons avoir trouvé trois vecteurs f ,g , h tels que

f + .._,,,,....,
.._,,,,...., h = o.
g + .._,,,,....,
EC ES EE
 166 Chapitre 5 Espaces vectoriels et sous-espaces vectoriels

Puisqu'alors h = - f - g , et que f et g sont 2n-périodiques, on en déd uit qu'il en va

de même pour h .
Or h s'écrit sous-la forme h = À· exp avec À un scalaire. Puisque exp n'est pas 2n-
périodique, on en déduit que À = 0, i.e. h = O.
Ainsi, (*) s'écrit f = - g , mais puisque, tout comme g, - g est impaire, on en déduit
que f est impaire.
Ainsi f est à la fois paire et impaire , ce qui impose que f = O. En effet, on a par
imparité et parité
Vx EIR, f( x)= f( - x)= - f(x ).
Finalement (*) s'écrit g = 0, et nous permet de conclure que f = g = h = O. Ceci
prouve que C, S et E sont en somme directe.

5. Puisque la somme est directe on sait qu'une concaténation de bases donne une base
(dite adaptée) à C œS œE.
Il ne nous rest e plus qu'à déterminer une base de C, S et E.

Par construction C est une famille génératrice de C = Vect(C), comme par ailleurs il
a été prouvé que C est libre, on a donc une base de C . De même, S est une base de S.
Enfin puisque exp n'est pas le vecteur nul, on en déduit que (exp) constitue une base
de la droite vectorielle E = Vect(exp).
Puisque la somme est directe, C + S + E = C E9 S E9 E , on en déduit une base par
concaténation de bases, à savoir
(co , ... , Cn , s1, .. . , Sn, exp) .

-0
0
c
:J
0
,....
1..()

0
N

©
.......
..c
Ol
ï:::
>-
a.
0
u
 Liste des capacités attendues 167

Liste des capacités attendues

• Savoir montrer qu'une partie est un sous-espace vectoriel (cf exercices

5.1 , 5.3, 5.4, 5.8, 5.9 et questions 5.10.2.a, 5.10.2.b).

• Savoir déterminer le caractère base , libre ou générateur d'une fa-

mille (cf exercices 5.4, 5.5, 5.6, 5.7, 5.8, 5.9 et questions 5.1.1.c, 5.1.3, 5.3.3.b,
5.10.1 , 5.11. 1.b, 5.12. 2.c, 5.12.3.c, 5.12.5 ; voir aussi exercices 6.6, 6.11 et ques-
t ions 6.2.1.d, 6.5.1 , 6.5.2, 6.9.2.c, 6.10.1 , 6.11.2, 6.11.3, 6.15.3).

• Savoir montrer que deux sous-espaces sont supplémentaires, que plu-

sieurs sous-espaces sont en somme directe et déte rminer la décomposi-
tion d'un vecteur selon une somme directe (cf questions 5.10.2.d, 5.12.4 ;
voir a ussi exercice 6.16 et questions 6.2.1.d, 6.3.1.a).

• Savoir calculer le rang d'une famille ou la dimension d'un sous-espace

vectorie l (cf exercice 5.11 et questions 5.7.3.c, 5.9. 2.b ; voir aussi questions
6.2.1.d, 6.9.2.c, 6.11.2.b, 6 .15.2.a et 6.15 .3.b).

• Savoir utiliser le rang ou la dimension pour caractériser une famille d e

vecteurs ou comparer des sous-espaces vectoriels (cf exercice 5 .11).

"'O
0
c
:J
0
,....
1..()

0
N

©
.......
..c
Ol
ï:::
>-
a.
0
u
1:J
0
c
:J
0
lJ)
r-1
0
N
@
.µ
L
01
ï::::
>-
Q.
0
u
 CHAPITRE

Applications linéaires et matrices

On considère Kn muni de sa base canonique B = (e 1 , .. . , en ) et on introduit les

applications coordonnées, définies pour tout i E { 1, . . . , n} par

e; s'appelle la ie application coordonnée (relativement à la base B) .

1. e;
a. Montrer que, pour tout i E { 1, . .. , n} , est une a pplication linéaire entre
Kn et K (on parle alors de form e linéaire).
b. Montrer que, quel que soit le vect eur u, l'application x H ei(x )u définit
un endomorphisme de Kn .
c. En déduire que, quels que soient les vecteurs u 1 , . . . , Un de Kn,
n
r.p: (x 1, . . . ,xn) H L Xi Ui
i= l
définit un endomorphisme de Kn .
d . Calculer, pour t out i E {1 , . . . , n} , r.p(ei)·
2. a. Montrer que f est un endomorphisme de Kn ssi il existe une matrice
A E M n (IR) dont les coefficients (ai,j) 1::;; i,j ::;; n vérifient
"'O
0
c
:J
'\/x= (x 1, .. . ,xn) EKn, f( x ) = (ta1 ,jXj, ... , t an,jXj ).
0 j= l j= l
1..()
T"-l
0 b. Quelle est la matrice canoniquement associée à f ?
N

©
.......
..c
Ol
ï:::
>-
a.
0
1.a. On vérifie sans peine que t out élément de l'espace de départ a bien une (et une
u seule) image dans l'espace d'a rrivée. Il s'agit ensuite de vérifier que est linéaire. e;
e; : ocn ---+ IK est bien défini, puisque pour tout X = (x1 , ... ' Xn) dans ocn' on a
e;(x) =Xi E !K. Par ailleurs, qu els que soient,\ dans IK et x , y dans ocn , on a (en
nota nt x = (x1, .. . , Xn ) et y = (y1, ... , Yn) )

X+ Ày = (x1 + Ày1, ... , Xi+ Àyi, ... , Xn + Àyn ).

 1 70 Chapitre 6 Applications linéaires et matrices

Ainsi, la ie coordonnée du vecteur ci-dessus est donnée par

e:(x + >.y ) = Xi+ ÀYi = e:(x) + >.e:( y ),

1 ce qui finit par prouver la linéarité de e:. Finalement e: est une forme linéaire de ocn .
1.b. On reproduit ici les mêmes étapes que dans la question précédente.

Soit u un vecteur de ocn <p 1 : X H ei (x )u définit bien une application de ocn dans
lui-même, puisque, pour tout X E ocn ' on a
EOCn

<p(x) = ei(x) ·~ E !Kn .

..._.,,.....,,
E OC

Par ailleurs, quels que soient>. dans IK et x, y dans ocn, on a, grâce à la linéarité de ei,
<p(x +>.y)= ei(x + >.y)· u = [ei(x) + >.ei(y)] · u.
Donc, grâce aux propriétés du produit d 'u n vecteur par un scalaire,
cp(x +>.y)= ei(x) · u + >.ei(y) · u = cp(x) + >.cp(y),
ce qui finit par prouver la linéarité de <p. Finalement cp est un endomorphisme de ocn .
1.c. Puisque l'indice 1 utilisé dans la question précédente n'a joué aucun rôle, il est
clair que l'on peut affirmer que, pour tout indice i, x H e:(x)ui est linéaire.

~1
Soient U1' ... 'Un n vecteurs de ocn . Par un raisonnement ana logue à la question
précédente o n montre que, pour tout i E {1 , . .. , n},
C{Ji : x H e:(x)ui E .C(!Kn) .

On remarque alors que l'application introduite par l'énoncé est la somme des t.p 1 , ... , i.{Jn·
Il nous suffit d'évoquer la structure d' espace vectoriel de L (IK.n) pour conclure que
cette combina ison linéaire est, elle-même, dans L(IK.n) .

Puisqu'une combinaison linéa ire d'endomorphismes est un endomorphisme, on en

déduit que <p1 + · · · + C{Jn E .C(!Kn).
Or, pour tout X = (x1 ' ... ' Xn) vecteur de ocn on a 1

n n n

"O
0 i= l i= l i= l
c n
:J
0
I..{)
Ainsi, cp : (x1 , ... , xn) H L XiUi est un endomorphisme de ocn .
r-l
0 i= l
N

© 1.d. Il s'agit d 'un calcul direct. Puisque les coordonnées de ei sont connues, on a
......
..c
Ol
1 si i = j
ï::: ej(ei) = { 0 sinon *
>-
a.
0
u

~1
Soit i un indice fixé dans {1 , ... , n}. Par définition de cp , on a
n

*· voir symbole de Kronecker introdui t dans l'exercice 4.7 en page 108

 Exercice 6.1 Applications coordonnées 171

La manip ulation d 'indices conj ointement à la manipulation du symbole

somme doit se faire avec la plus grande attent ion. Ici il ne fallait surtou t
pas ut iliser deux fois le même indice i (une fois comme indice de somme
et une deux ième fois comme indice du vecteur de B dont on cherche à
n n
calculer l'image) , cela a ura it abouti à une erreur : L ei(ei)ui = L ui.
i= l i=l
n
P ire encore, à une absu rdité: cp(ei) = :L: ei(ei)ui.
i= l
En effet, on voit dans cette égalité que le membre de gauche confère à
l'indice i le statu t de variable explicite (fixée a uparavant dans la preuve
ou dans l'énoncé) , a lors que le membre de droite confère à i le statu t
de variable muette (n on introduit jusqu'ici par l'énoncé ou la preuve
et pouvant être rebap tisé pa r n'importe quel nom d'indice disponible,
sans rien changer à l'expression ).

2.a. Commençons par la réciproque. Supposons avoir trouvé une t elle matrice A et
montrons que l'application construite à part ir de A est b ien u n endomorphisme.

Soit A une matrice t ell e que, pour tout X = (x1 , ... , xn) dans ocn.

f (x) = (t, a,,;x,, t,

, an,jX; ) .
On va se ramener à la question précédente en décomposant l'expression de f (x ) comme
somme de termes faisant apparaître u ne coordonnée Xi de x et un vecteur Ui à définir.
Pour cela on va décomposer l'image comme une somme et factoriser chaque terme
d 'indice i par la coordonnée Xi .

n n
"O
0
c
Par ca lcul , o n trouve f (x) = L (a1 ,jXj , . . . , an,jXj ) = L Xj (a1 ,j , ... , an,j ) .
:J j = l j= l
0
Ainsi, en not ant u1, ... , un les vect eurs définis t els que ci-dessus, on tro uve que
,....
1..()
n
0
N
f: (x1 , ... , xn) H L XiUi.
© i =l
.......
..c
Ol Et donc, d 'après la question l.d, on peut affirm er que f est un endo morphi sme de ocn .
ï:::
>-
a.
0
Il s'agit cette fois, à pa rt ir d 'un en domorp hisme f de ocn, de déterminer une matrice A
u qui conv ienn e. Comme souvent dans ce type de quest ion, où il s 'agit de déterminer
l'ex isten ce d 'u n objet réponda nt à certa ins critères, on va exhiber celui-ci en procédant
par an a lyse et syn thèse. L'an a lyse est p récisément ce qui a été fait dans l'implication
réciproque. Celle-ci a abouti à l'introdu ct ion de vecteurs u 1 , . . . , Un dont les coordon-
n
n ées donnent les coefficients de A et tels que f : (X 1 , ... , Xn) H L Xi ui.
i= l
 1 72 Chapitre 6 Applications linéaires et matrices

Pour connaître A il nous suffit donc de connaître les u 1 , . .. , Un (d éfinis uniquement à

partir de f et de la base canonique B). Ceci est le cas grâce à la question 1.d. Ainsi,
si une telle matrice existe, nécessairement ses coefficients sont ceux que l'on retrouve
dans les coordonnées de J(e 1 ), . .. , J(en) (n'ayant qu'un seul choix possible pour la
matrice A ceci prouve l'unicité de la matrice A cherchée).
Une fois définie une t elle matrice A, il s'agit de vérifier que la condit ion attendue est
b ien vérifiée (c'est la synthèse, ce qui finira pa r prouver l'existence) .

Réci proquement, not ons les coord onnées de f( e1), ... , f (en) de la manière suiva nte:
J(e1) = (au , ... , an1 ), . . . , f( ej) = (a1j , .. . , anj ), ... , f( en) = (a1n, . .. , ann )·
Par linéarité de f, on en dédu it q ue, pour tout vecteur x = (x1, .. . , xn) de ocn , on a

f(x) f (t,x;e;) t,x;f(e;) t, x;(a,,;, ...,

= = = a.,;) .

Et donc, d'a près les règles de calcul da ns ocn ,

J (x)
n
= 2:)a1,jXj, ... , an ,jXJ ) =
(
L a1 ,j Xj, ... , L an ,jXj
n n )
.
j=l j =l j =l

2.b. Il suffit d'appliquer la définition de la matrice canoniquement associée à l'endo-

morphisme f. Ainsi il nous faut calculer les images J(e 1 ) , ... , J (en)·

Par constru ctio n on a

f( e1) = (au , ... , an1), . . . , f( eJ) = (a1j , ... , anj ), ... , f (en) = (a1n, . .. , ann) .
A insi, par définit ion de la matrice canoniquement associée à f,

au
ai n )
Mato(!) = (
a~n = A.

"'O
0
c
:J 1. Soit p l'application de ffi.3 dans lui-même, dont l'expression analytique est
0
1..() donnée par:
r-l
0 1
N
p : (x , y, z ) f----+ (2x - y - z , -x + 2y - z , -x - y+ 2z) .
© 3
.......
..c
Ol
a. Montrer que p est un endomorphisme de ffi.3 .
ï:::
>-
a. b. Déterminer la matrice de p dans la base canonique de ffi. 3 .
0
u c. Déterminer une base de Ker pet une base de Im p. L'application p est-elle
inject ive? surjective? E st -ce un automorphisme de ffi.3 ?
d . Montrer que Ker p EB Im p = ffi.3 .
e . Déterminer la matrice de p op da ns la base canonique de ffi. 3 . Que conclure?
 Exercice 6.2 Projecteurs et symétries I 173

2. Soit s l'endomorphisme de IR 3 dont l'expression analytique est donnée par :

s : (x, y, z) r---+ ( - 2x - 3y, x + 2y, 2x + 2y + z) .
a. Déterminer la matrice de s dans la base canonique de IR3 .
b. Déterm iner Ker s et lm s. L'application s est-elle injective? surjective?
Est-ce un automorphisme de IR 3 ?
c. Déterminer la matrice de sos dans la base canonique de IR 3 . Que conclure?

1 .a. On peut démontrer la linéarité par application de la définition comme cela est fait
dans l'exercice 6.9. Nous allons plutôt suivre la méthode proposée dans l'exercice 6.1.

~1
Les applicatio ns p1 : (x, y , z) f--7 x · (2, - 1, - 1), p2 : (x , y, z) f--7 y· (- 1, 2, - 1) et
p 3 : (x , y ,z) f--7 z · (- 1, - 1,2) sont ma nifest ement des endomorphis mes de JR 3 .
Ainsi, pa r com bin aison lin éa ire d'endomorphismes, p = ~ (p1 + p2 + p3) est , lui a ussi,
un endo morphis me de JR 3 .

1.b . Cette matrice se lit très simplement sur l'expression analytique de p : pour
i E [ 1, 3], sa ie ligne est formée des coefficients devant x , y et z (dans cet ordre) de
la ie composa nte de p(x , y, z). Pour une rédaction correct e, il faut raisonner sur les
colonnes qui sont les images par p des vecteurs de la base canonique de IR3 .

Les images par p des vect eu rs de la base ca nonique sont p(( l , 0 , 0)) = ~(2, - 1, - 1),
1 1
p((O, 1, 0) ) = (- 1, 2 , -1) et p((O , 0, 1)) = (- 1, - 1, 2) do nc la mat rice de p d a ns
3 3
la base ca no nique de JR 3 (i.e. ca non ique me nt associée) est
- 1
2 -1)
- 1 .
- 1 2
-0
0
c
:J
0 1.c. Pour déterminer Kerp on peut résoudre l'équation vectorielle p((x , y , z)) = 0 que
1..()
r-l l'on écrit sous forme d'un système homogène.
0
N

~
© Avec la notation M int rod ui te e n l.b,
.......

m { ::
..c

u
Ol
ï:::
>-
a.
0
(x,y, z ) E Kerp ~ Mx G) ~

-x
+
y
y
2y
+
z
z
2z
0
0
0
2x y z 0
~
{ 3y
3y +
3z
3z
0
0
L 2 +-- 2L2
L3 +-- 2L3
+ L1
+ L1
~
{ 2x - 2z
y= z
=0 ~ x = y = z.
 174 Chapitre 6 Applications linéaires et matrices

À partir de la représentation paramétrique de l'ensemble des solutions du système,

on en déduit une famille génératrice de Ker p . Il ne reste plus qu'à vérifier qu'il s'agit
d 'une base de ce sous-espace (ici, ce sera immédiat) .

D'après l'équivalence
(x, y , z) E K erp ~ (x, y, z) = x · (1, 1, 1),
on en déduit (cf 5.1.1.b)
Kerp = {x · (1, 1, 1) ; x E ~ } = Vect((l, 1, 1))
Ainsi (1 , 1, 1) est un vecteur non nul générateur de Kerp, c'est donc que ((1 , 1, 1))
est une base de K erp.

Étant donné un endomorphisme u de ~n, les colonnes de sa matrice dans la base

canonique forment toujours une famille génératrice de lm u. Cependant, en général,
cette famille n'est que génératrice (elle n'est une base d e lm u que si rg u = n , i.e. que
si u est bij ective). La plupart du temps , il faut donc essayer d'en extraire une base
(cf 5.8.1.b).

Les vecteurs images par p des vecteurs de la base canonique de ~ 3 se lisent dans
les colonnes de M: 2 1 -- 1) ( - -1 -2 - -1) et ( - -1 - -1 -2) . On sait
. que ces
( -3 ' - -
3' 3 ' 3' 3 ' 3 3' 3' 3
vecteurs forment une fam ille génératrice de Imp et qu'il en va de même s' ils sont
multipliés par 3.
Im p Vect(p( (1 , 0, 0) ), p( (0, 1, 0) ), p( (0, 0, 1)))
Vect((2, -1, -1), (-1, 2, -1), (-1 , -1, 2)).

On connaît Ker pet sa dimension, on peut donc en déduire dim lm p grâce à la formule
du rang. Cela permettra de savoir combien de vecteurs sont à extraire de la famille
génératrice précédente pour avoir une base de lm p.

~1
Or, par la formule du rang, dim Imp = 3-dim Ker p = 2 donc deux vecteu rs colonnes
de M non colinéaires forment une base de Im p : c'est le cas des deux premiers ce qui
permet de conclure que ((2, - 1, - 1) , (- 1, 2, - 1)) est une base de Imp.

-0 Puisque u est linéaire l'étude du caractère injectif (resp. surjectif) se ramène à l'étude
0
c de son noyau (resp. son image) .
:J
0

~I
1..()
,..... L 'a pplication n'est pas injective ca r Kerp f- {O} et n'est pas surjective car Imp est
0
N de dim ension 2 et ainsi Imp f- ~ 3 . A fortiori, p n'est pas un automorphisme de ~ 3 .
©
.......
..c
Ol
ï:::
>- p étant un endomorphisme en dimension finie , le caractère bijectif
a.
u
0 équiva ut a u caractère injectif qui équivaut encore a u caractère surjectif.
Par contraposition, dès que l'un de ces trois caractères fait défaut, les
autres font également défaut.
Ainsi, l'étude de l'injectivité étant la plus simple (puisqu'elle se résume
à l'étude du noyau Kerp) nous aurions pu tout déduire à partir de
l'étude du noyau.
 Exercice 6.2 Projecteurs et symétries I 175

1.d. Nous proposons trois méthodes pour montrer le caractère supplémentaire :

Méthode 1 : Par an alyse et synth èse.
On montre que tout vecteur (x , y, z) de IR3 admet une unique décomposit ion

(x, y,z) = (a' ,b',c')+(a,b,c).

--..,.._, ~

EKerp E lmp

On procède par a na lyse et synthèse. L'analyse aboutira à une unique décomposition

p ossible (d'où l'unicité), la synthèse prouvera que le couple candidat trouvé lors de
l'analyse répond effectivement aux critères (d'où l'existence). Remarqu ons que l'ana-
lyse ne cherchera à déterminer explicitement que l'un des deux vecteurs, par exemple
(a, b,c), l'autre vecteur sera a lors donné par (a' ,b' ,c') = (x,y,z)- (a,b ,c).

Soit (x,y,z) un vecteur quelconque de JR3 .

Analyse : Admettons avoir trouvé une décomposition sous la forme
(*) (x,y ,z) = (a', b' ,c')+ (a , b,c).
"-...-"' ~
EKcr p E i rn p

En composant par p dans (*) , on trouve, puisque (a' , b',c') E K erp et que p est
lin éa ire,
p(x , y , z) = p(a, b, c) + p(a' , b', c') .
'-.,...--'
0
Or, puisque (a , b, c) E Imp = Vect((2, - 1, - 1) , (-1, 2, - 1)), on peut écrire
(a, b, c) = À(2 , - 1, - 1) + µ( - 1, 2, - 1) avec (À,µ) E IR
2
.

Ainsi , il s'agit d e déterminer ce que va lent À, µ à partir de l'équation

p(x, y , z ) = À(2 , - 1, - 1) + µ( - 1, 2, - 1) ,
1
i.e.
3
(2x - y - z, - x + 2y - z, - x - y+ 2z) = (2À - µ , - À+ 2µ , -À - µ).
Ceci nous amène à poser un système linéa ire (S) (pour simplifier les écritures on aura
au préalable multiplié par 3 de part et d'autre de l'égalité ci-dessus) et le résoudre :
6À - 3µ = 2x - y - z { 6À - 3µ = 2x - y - z
"'O
0 (S) - 3À+6µ = - x+2y - z ~ - 3À+6µ = - x+2y - z
c { - 3À - 3µ = - X - y+ 2z L 3 f-L 3+L2+L1 Ü =Ü
:J
0
1..()
r-l
Ce système nous ramène à un système de Cramer à de ux équations, deux inconnues :
0
N
(S) ~ { 6À - 3µ = 2x - y - z
© L 2 f-2L 2+L1 9µ = 3y - 3z
.......
..c
Ol
ï::: Finale mentµ = ~(y - z) et À = ~(x - z) et donc
>-
a. 1
u
0 (a , b, c) = "3 (2x - y - z, -x + 2y - z, -x - y + 2z).
D'après(*) , on e n déduit
1 1 1
(a , b , c ) = (x , y , z) - "31 (2x - y - z, - x + 2y - z, - x - y+ 2z )
a utrement dit
(a' , b' , c' ) = x + y + z ( 1, 1, 1) .
3
 1 76 Chapitre 6 Applications linéaires et matrices

Du fait que l'an alyse n'aboutisse qu 'à une seule décomposition possible en cas d 'exis-
tence, l' unicité de la décomposition est établie.
Synthèse : Posons

(a , b, c) = 1 (2x - y - z, -x + 2y - z, -x - y+ 2z) et ( a1 , b,
1
c' ) = X + y + Z ( 1, 1, 1 ) .
3 3
Par un calcul immédiat on trouve (a,b,c) + (a',b',c') = (x,y,z).
Par ailleurs, grâce à l.c (et aux calculs intermédiaires menés lors de l'étape d 'a nalyse) ,
(a' , b' ,c') E Vect((l, 1, 1)) = Kerp
et
y -z x -z
(a, b, c) = - -(2, - 1, - 1)+ -- (- 1, 2, - 1) E Vect((2 , - 1, - 1), (- 1, 2, - 1)) = Imp,
3 3
ce qui prouve l'existence de la décomposition .

Méthode 2 : Par intersection et égalité d e dimensions.

On commence par montrer que lm p n Ker p = { 0} (i.e. que les sous-espaces sont en
somme directe).
Les bases de Ker p et lm p obtenues précédemment fournissent des représentations
paramétriques de ces sous-espaces vectoriels. Un vecteur dans leur intersection doit
satisfaire à ces deux représentations.

Soit u E K erp n Im p. On peut écrire u = >.(1, 1, 1), avec À E IR, car u E K erp et
((1, 1, 1)) est une base de Kerp mais aussi : u = o:(2 , - 1, - 1) + (3(- 1, 2, - 1) , avec
o: et f3 deux réels, car u E Imp et ((2 , - 1, - 1), (- 1, 2, - 1)) est une base de Imp. Or
f3 À
,\(1, 1, 1) = o:(2, - 1, - 1) + {3(- 1, 2, - 1) + 2{3 À
f3
==? 0 = 3,\ L 1 + L2 + L3
==} ,\ = 0,
donc u = O. On en déduit que Kerp n lmp C {O} et donc (l'inclusion réciproque éta nt
évidente) Kerp n Imp = {O}.

On finit par une égalité des dimensions et pour cela on invoque la formule du rang.

~1
-0 Puisque, par ailleurs, la formule du rang nous donne
0
c
0
:J
dim nr = dim Ker p + dim lm p.
1..()
T"-l On en déduit que !Rn = Imp EB Ker p.
0
N
Méthode 3 : Par concaténation de bases.
©
.......
..c
Il nous suffit d e montrer qu'une concaténation des bases de lm p et Ker p fournit une
Ol
ï::: base d e IR. 3 .
>-
a.
0
u La concaténation des bases obtenues en l.c pour Ker pet Im p nous donne la famille
C, = ((1, 1, 1), (2, - 1, - 1) , (- 1, 2, - 1)).
On peut ca lculer son rang par le biais de la représentation matricielle canonique

rg(L) = rg ( ( ;~) ' G) 'm) .

 Exercice 6.2 Projecteurs et symétries I 177

Or le rang d'une matrice étant égal au rang de ses colonnes, on en déduit

rg(L) = rg G -1) - 1
-1
2
2
-1
.

Finalement, par la méthode du pivot de Gauss qui commence par

(~
2
rg(L) = rg -3
-3
et finit par échange des colonnes C2 t t C3 (ce qui n'a ltère pas les rang), on trouve
une matrice triangulaire à coefficients diagonaux tous non nuls (donc inversible).

rg(L) = rg G -1
3
0
~3)
-3
= 3.
Par suite J:, est une famille de rang 3 constituée de vecteurs de IR. 3 donc :
Vect(J:,) = IR.3 , i.e. J:, est génératrice de IR. 3
(en effet V ect(J:,) C IR. 3 et dim V ect(J:,) = dim IR.3 ).
Puisque, par ailleurs, le cardinal de J:, est égal à la dimension de IR.3 , c'est donc une
base de IR.3 . On peut alors conclure que IR.3 = Imp EB Ker p.

Dans un espace Ede dimension n, une famille L den vecteurs constitue

une base de E dès lors que rg(L,) = n i.e. rg(M) = n, où M est la
matrice dont chaque colonne représente les vecteurs de L relativement
à une base donnée.
On utilisera parfois l'expression abusive « L est de rang maximal ».

Il existe une quatrième méthode bien plus rapide et élégante que celles développées
ici. Elle tient du fait que lm p est un hyperpla n et Ker p une droit e non incluse dans
Imp, la preuve de ceci sera exposée dans l'exercice 6.16.
1.e. Si u : JR.P --+ IR.n et v : IR.n --+ IR.m sont deux applications linéaires d e matrices
-0
0 respectives U et V dans les bases canoniques, on rappelle que la matrice de v ou dans
c
:J les bases canoniques est V x U. Ici, u = v = p.
0

~
le c
1..()
r-l
0
N

©
.......
Mat(p o p) Mat(p) x Mat(p) = M
2
=-
9
- 1
- 1
- 1
2 -1)
- 1 X - 1
- 1
2 -1)
- 1
..c - 1 2 - 1 - 1 2
Ol
ï:::

u
>-
a.
0
~ul
3 - 1
- 1
2 -1)
-;1 = Mat(p).
- 1
p et p o p sont représentés par la même matrice (dans la même base) donc p = p o p.

Cette dernière relation signifie que p est ce qu'on appelle un project eur de IR.3 .
2.a. Même méthode qu'au l.b, les colonnes de la matrice de s seront les images par
s des vect eurs d e la base canonique de IR.3 .
 1 78 Chapitre 6 Applications linéaires et matrices

s(( l , 0, 0)) = (- 2,1 , 2), s((0, 1,0)) = (- 3,2,2) et s((0, 0, 1)) = (0, 0, 1) donc la
matrice Mat(s) de s dans la base canonique de IR3 est
- 2 -3
Mat(s) = ( ~ 2
2

2.b. On procède comme au 1.c.

~
(x , y ,z) E Ker s ~
Mat(s) G) = m- { - 2x - 3y
x+2y
2x + 2y + z
0
0
0

{ - 2x 3y 0
y 0 L2 +- 2L2 + L i
y + z 0 L 3 +- L 3 + L i
~ x = y =z= O.
Ainsi , Ker s = {O} donc s est inj ective. s éta nt de plus un endomorph isme de IR 3 ,
on conclut que s est un automorphisme de IR3 ; en particulier, s est surjective donc
Im s = !R3 .
2.c. On procède comme au 1.e.

~ -2
-3 0) (-2
Mat( sos) = Mat(s) x Mat(s ) = ~ 2 0 X 1
(
2 1 2
Mat(s o s) = ! 3 = Mat(IdJR3) donc s o s = IdJR3, i.e.: V x E IR3 , s( s (x) ) = x.

Cette dernière relat ion traduit que s est ce qu'on appelle une symétrie de IR. 3 (voir
l'exercice suivant) .

"'O
0 Soit n E N* et u un endomorphisme de E (OC-espace vectoriel de dimension n).
c
:J On dit que u une symétrie* si u ou= Id où Id est l'endomorphisme identité de
0
1..() E. Soit f et g deux endomorphismes de E.
T"-l
0
N 1. On suppose que f est un projecteur, on rappelle que de ce fait
© f o f = f et E =lm(!) œKer(!) .
.......
..c
Ol
ï::: a. Montrer que lm f = {x E E 1 f (x) = x }. Quelle est la matrice de f dans
>-
a.
0
une base C adaptée à la somme directe lm(!) œKer(!) ?
u
b. Démontrer que 2f - Id est une symétrie.

*· o n dit a ussi que u est u n endom o rph ism e involutif.

 Exercice 6.3 Projecteurs et symétries 11 179

2. On suppose que g est une symétrie.

a. Démontrer que ~ (g +Id) est un projecteur.

b. En déduire que Ker(g +Id) et Ker(g - Id) sont supplémentaires. Quelle
est la matrice de g dans une base B adaptée à la décomposition en somme
directe E = Ker(g - Id) EB Ker(g +Id) ?
3. Soit h E .C(E) . Démontrer que h est une symétrie si et seulement si h s'écrit
sous la forme 2p - Id où p E .C(E) est un projecteur.

1.a. On procède par double inclusion. On commence par l'inclusion la plus simple.

~1
Soit x E E tel que f(x) = x, puisque par construction f( x) E lmf, on en déduit
x E lm f. Ainsi
{X E E i f (X) = X} C lm j.

Pour l'inclusion réciproque on va invoquer le caractère idempotent de f (i. e. f of = f) .

Un élément y de Imf admet bien un antécédent par f, mais on souhaite prouver ici
que cet antécédent peut être choisi égal à y lui-même.

Soit y E lm f, par définition de l'ensemble image, on sait alors qu 'il exist e un vect eur
x de E tel que y = f( x ).
Puisque f est un projecteur, on o btient alors
y= f (x) = (f o J)(x) = J(f(x) ) = f(y ) .
.._.,,..,, .._.,,..,,
= f of =y

Ainsi y E {z E E 1 f( z ) = z } et ce quel que soit y E lmf, on a donc prouvé

l' inclusion réciproque lm f C { z E E 1 J( z ) = z }.
Finalement, par double inclusion, lm f = {z E E 1 f( z ) = z }.
-0
0
c
:J
0
,....
I..{)

0
N

©
i Puisque f est un projecteur , on peut préciser qu'il s'agit du projecteur
sur A = lm f parallèlement à B = Ker f.
En notant alors g son projecteur associé, i.e. le projecteur sur B = Ker f
.......
..c
Ol
parallèlement à A = lm f , on a par , définition du projeté,
ï:::
>-
a. (*) V x E E, x = f(x)
..__.,
+ '-.r"
g(x) i. e. f +g = Id.
0
u EA EB
On retrouve ainsi le résultat :
Imf = A = Kerg = Ker(Id - f) = {x E E 1 f (x) = x }.

L'ensemble image d'un projecte ur est l'e nsemble d e ses « points fixes ».
 180 Chapitre 6 Applications linéaires et matrices

Notons BI = ( a 1 , ... , ar) une base de l m f (avec r évent uellement nul et donc BI vide),
de même n ot ons BK = (ar+ I, ... , an) une base de Ker f (avec r = n éventuellement et ,
dans ce cas, BK est vide) . Puisqu'il s 'agit d'espaces supplémentaires, on peu t a ffirmer
que la concaténa tion B = (a1 , .. . , ar, ar+ i, .. . , an) d es deux bases est une base de E .
P our calculer la matrice associée il s'agit de calculer l'image de chacun de ces vecteurs
de base.

En notant B = (a 1, . . . , ar, ar+1, ... , an), une base adaptée à E = lm f E9 Ker f , on

"--....--'~
base de l m f base de K e r f
trouve alors
f(a i) = a 1, ... ' f (ar ) = ar,
puisque a1 , ... ,ar sont des vecteurs de lmf = { x E E 1 f(x) = x } . En outre,
f( ar+1 ) = 0 · · · = J( an) = 0,

puisque ar+i , ... , an sont des vecteurs de Ker f. Ainsi Mat a(!) = ( 6I ~ ) .
1.b. On doit montrer que (2f - Id) o (2f - Id) =Id. On utilise pour cela l'hypot hèse
sur f et la formule du binôme de Newt on.

En utilisant f of = f (à la deuxième égalité) et , puisque 2f et Id commutent, on

trou ve, par application de la formule du binô me de Newton,
(2f - Id) 2 = (2!) 2 - 2(2!) o Id + Id 2 = 4f - 4f + Id = Id.
Ainsi , 2f - Id est une symétrie.

2.a. La démarche est ici analogue à celle du 1. b.

Puisque 9 et Id commutent, on trouve, par la formule du binôme de Newton,

1 2 1 2 2 1
4(9+ Id) = "4(9 +290 Id + Id ) = "4(1d +29+ Id)
1 1
4(29 + 2Id) =
2(9 + Id),
1 .
-0
0
donc
2(9 + Id) est un proj ecteur.
c
0
:J 2.b. Posons f = ~(g + Id), s'agissant d'un project eur on sait que son image et son
,....
Lf'l noyau sont sup plémentaires.
0
N

© Image et noyau du projecteur f = ~(9 + Id) sont supplémentaires et, d' après l.a ,
.......
..c lm f = Ker(! - Id) . Ain si
Ol
ï::: E = Ker(! - Id) EB Ker(!) .
>-
a.
0 Et puisque le noyau est le même pour un endomorphisme et tout multiple non nul de
u
ce même endomorphisme, on trouve E = Ker (2(f - Id)) E9 Ker(2J).
Or 2f = 9 + Id et 2(! - Id) = 9 - Id, on conclut donc qu e
E = Ker(9 - Id) E9 Ker(9 + Id).

On rep roduit maintenant la démarche utilisée en fin de question 1.a .

 Exercice 6.4 Matrice=Application Linéaire 181

Notons

base de lm f base de K er f
une base adaptée à E = lm f EB Ker f (c'est en fait la même que celle posée en l.a
avec f = ~ (g +Id)), on trouve alors
g (a 1) = a 1, ... , g ( ar) = ar .
Puisque a 1, ... ,ar sont des vecteurs de Ker(g - Id)= {x E E 1 g(x) = x }. De
même
g(ar+1) = - a r+1 , ... , g(an) = - an ,
puisque ar+i , ... , a n sont des vecteurs de Ker(g + Id) = {x E E 1 g(x) = - x}.
Ainsi

MatB(g) = ( 61 -I~-r )·
3. Un sens a déjà été vu à la question 1.b. Réciproquement, si h est une symétrie,
il suffit de résoudre l'équation h = 2p - Id d 'inconnue p pour constater que p est un
projecteur.

~1
On peut écrire h = 2 rn(h + Id)] - Id. Si h est une symétrie alors ~ (h + Id) est
un projecteur d'après 2.a et h s'écrit bien sous la forme indiqu ée . Réciproquement, si
h = 2p - Id avec p un projecteur, alors h est une symétrie d'après l.b .

Soit A E Mn ,p(K) une matrice composée den lignes et p colonnes. On note par
la suite B = (E1 , ... , Ep) la base canonique de M p,I (K) et C = (F1, ... , Fn) la
base canonique de Mn,1(K).

-0
1. Calculer, pour toute colonne XE Mp,1 (K), la matrice Mata(X) associée à X
0
c relativement à la base B.
:J
0 Qu'en est-il, pour toute colonne Y dans Mn,1 (K), de Matc(Y)?
,....
I..{)
2. On considère l'application  définie par
0
N

© 'ef X E Mv,1(K) , Â(X) = AX.

......
..c Montrer que  est une application linéaire dont on précisera les espaces de
Ol
ï::: départ et d'arrivée.
>-
a.
0
u 3. a. Quelle est sa matrice Matc,a(Â) associée, relativement aux bases B et C ?
En déduire rg(Â) en fonction de rg(A).
b. Montrer que, lorsque n = p (i.e. A E M n(K)), on a l'équivalence
A E GLn(K) -{:::==} ['ef X E Mn,1(K), (AX = 0 :::;. X = O)] .
 182 Chapitre 6 Applications linéaires et matrices

4. a. Montrer que l'application () définie par

V A E Mn ,p(JK), O(A) = Â.,
est une application linéaire dont on précisera les espaces de départ et
d'arrivée.
b. Soit A E Mn ,p(JK ). Montrer que
Â. = 0 ~ [V XE Mp,1(1K), AX = O] ~ A = O.
c. En déduire que () réalise un isomorphisme d 'espaces vectoriels entre
Mn ,p (JK) et .C(Mp,l (JK) , Mn ,l (JK)).

1. La question peut paraître étrange, puisqu'il s 'agit ici d 'interpréter une matrice
par une a utre matrice. On va donc scrupuleusement suivre la définition de matrice
associée et considérer qu'une colonne X n 'est rien d 'autre qu'un vecteur d'un espace
vectoriel (celui des matrices colonnes).
Il s'agit d'exprimer les coordonnées du vecteur X dans la base B.

Soit X une colonne de M p,1 (1K) . Par définition de la base canonique

X [l , 1]
n

X= X [k, 1] = L X [k, l ]Ek .

k= l

X [n, 1]
Ainsi les coordonnées du vecteur X dans la base B sont
(X[l , 1], ... , X [k, 1], ... , X [n , 1]) et donc, par définition de la matrice associée,
X [l , 1]

-0
0
c Mats(X) = X [k, 1] =X.
:J
0
,....
1..()

X[n, 1]
0
N

© De même, on montre que Matc(Y) = Y pour toute colonne de M n,1(1K).

.......
..c
Ol
2. L 'espace de départ est donné par l'ensemble des « X » que prend en argument Â.
ï::: d ans la définition VX E Mp,1 (1K), Â.(X) = AX.
>-
a.
u
0 Un espace d'arrivée consiste en tout espace vectoriel contenant les images « Â.(X) »
définies ci-dessus.
Quant à la linéarité elle repose sur les règles de calcul matriciel qui vont nous permettre
de développer une expression de la forme A x (X+ ÀY).

~I
L' espace de départ est l'espace vectoriel M p,1(1K) et , puisque le produit d'une matrice
de M n,p(IK) par une matrice de Mp,1(JK) donne un e matrice de M n,1(JK), on peut
 Exercice 6.4 Matrice=Application Linéaire 183

considérer que l'espace d ' arrivée est M n,1 (JK) .

Montrons à présent la linéarité de À..
Quels que soient X et Y deux vecteurs de M p,1(JK) et ,\ un scalaire, on a
À.(X +,\·Y) = A x (X+,\ · Y) = A x X+ À· A x Y = À.(X) + ,\À.(Y ).
Ainsi À. est une application linéaire entre les espaces vectoriels M p,1(1K) et M n,1(1K) .
3.a. La construction de la matrice associée passe par le calcul de l'image pa r A de la
base d e départ B.
P lus précisément on commence par calculer les images AE1 , .. . , AEP et, pour chacune
de ces images, on cherche à déterminer leurs coordonnées dans la base d 'a rrivée C.
Rappelons que dans le cas des bases canoniques, les coordonnées d 'u ne matrice ne
sont rien d 'autre que ses coefficients.

Quel que soit i E {1 , ... , n }, on a (voir plus bas) À.(Ei ) = AEi (;]Cf .
Ainsi la ie colonne de Mat c ,B(À.) n'est autre que
- A A
Matc(A(Ei)) = Matc(Ci ) = Ci .
En juxtaposant ces colonnes on trouve Matc,13(À.) = A.

Rappelons que Cf désigne la ie colonne de A .

L'égalité(*) a été démont rée pa r deux fois (en 3.8.1.b et en 3.5.1.a).
Nous a llons ici donner une n ouvelle preuve de ce résultat.

En effet , si l'on note a : JKP -r ocn l' applica tion linéaire canoniquement associée à A
et B= (e1, ... 'ep) (resp . ê = (!1, ... ' fn) ) la base canonique de JKP (resp. ocn ). o n
n
a, par définition, a(ei) = LA[k,i] f k. i. e. et= Matê(a(ei) ).
k= l
Or, par interprét ation matricielle de a(ei) .
Matê(a(ei)) = Matê,.B (a)Mat.B(ei) = AEi .
En s'appuyant sur la relation , pour toute matrice M ,
0
-0
0
c
0
:J cr=M 1
1..()
,.....
0
N Ü
©
.:t: une autre preu ve de Matc ,a(A) = A était possible.
Ol
ï:::
>-
a.
0
Not ons B = Matc,B (À.), on a alors
u
0

C iB-
-
B 1 <---< ie ligne = Matc ,13(À.) x MatB (E i ) = Matc(À.(Ei )) .

0
 184 Chapitre 6 Applications linéaires et matrices

Or, grâce à 1,
Matc(À (Ei)) = Mat c(AEi) = Matc (Ct) =et .
1 Et donc, A et B ayant les mêmes colonnes, on a bien B = A.

Pour finir , on applique le résultat du cours annon çant l'égalité des rangs d 'une appli-
cation linéaire et d e sa ma trice da ns des bases.

~I On en déduit rg(À) = rg(A) .

On retrouve une preuve de ce résultat dans 6.5.1.

3.b. On suppose que n = p a insi A E M n(IK) et Â. est un endomorphisme de M n,1(IK) .
On sait que l'inversibilité d 'une matrice est équivalente à la bijectivité d e l'applica-
tion linéaire associée. Or, d ans le ca s d 'un endomorphisme en dimension finie , la
bijectivité équivaut à l'injectivité.
Il ne nous rest e plus qu'à connecter ces équivalences pour conclure.

Notons [ = M n,l (OC.) . Par interprétation matricielle et 3 .a , on a

A E GLn(lK.) <=> À E GL(E)
<=> À est injectif
<=> K er À C {O}
<=> VX E E, (X E K er À =:;. X E {O}))
<=> VX E E , (À(X) = O =:;.X= ü))
<=> V X E M n,1(OC.), (AX = 0 =:;. X = 0) J.

4.a. On reproduit la méthode employée en question 2.

~1
M n,p(JK.) est l'espace vectoriel de départ et, puisque, pour A E M n,p(JK.) ,
À est une application linéaire de M p,1 (OC.) dans M n,1(OC.), on en déduit que
.C(M p,l (OC.), M n, l (OC.)) convient comme espace vectoriel d'arrivée.

Il s'agit, à présent, de prouver la linéarité de B, c'est -à-dire une égalité ent re deux
a pplications linéaires : d 'un côté B(A + >-.B), de l'aut re B(A) + >-.B(B ).
P our ce faire, nous pouvons employer deux méthodes :
-0
0
c On peut montrer que les deux applications linéaires coïncident puisqu'elles ont même
:J
0 représentation matricielle
,....
1..()

0
N
Soient A et B deux matrices de M n,p(OC.) et À un scalaire, on a d'après la question 3.a .
©
.......
--------
Matc,13 (e(A + >.B)) = Matc ,13(A + >.B) = A + >.B .
..c
Ol
ï::: Or, toujours d 'après 3.a,
>-
a.
0
A+ >.B = Matc ,13 (À) + >.Matc ,13(Ë ) = Mat c,s (À + >.Ë) = Mat c ,s(B(A ) + >.e (B )).
u
Ainsi , puisque leurs représentations matricielles (relativement aux même bases B et C)
coïncident, on en déduit l'égalité entre applications linéaires :
e(A + >.B) = e(A) + >.e(B ).

Mais on peut également montrer que les deux applications coïn cident, en montrant
qu'elles ont les mêmes images (elles ont d éjà même espace d e départ et d'a rrivée) .
 Exercice 6.4 Matrice=Application Linéaire 185

Soient A et B deux matrices de M n,p(IK) et >. un scalaire.

Pour plus de lisibilité posons f = O(A + >.B) et g = O(A) + >.O(B).
f et g sont deux applications ayant les mêmes espaces de départ et d'arrivée, dire que
f = g revient donc à montrer que f(X) = g(X) pour tout X élément de l'espace de
départ.
Soit X E M p,1 (IK), par construction, on a

J(X) = (A+ >.B)X = AX +>.EX= A(X) + >.B(X) = g(X),

et ce quel que soit X E M p,1(IK), c'est donc que f = g et donc

e(A + >.B) = e(A) + >.e(B).

4.b. On commence par la plus simple des équivalences : la première. Rappelons que
l'application nulle est caractérisée par : l'image de tout élément de l'espace de départ
vaut O.

~1
Par définition de À,
A = 0 <==> [\7' X E M p,1(IK), À(X) = ü]
<==> [\7' X E M p,1(IK), AX = O].

De même par interprétation matricielle et 3.a.

~1
On a la succession d'équivalences

À = 0 <==> Matc ,B(À) = 0 <==>A= O.

4.c. Il s'agit de prouver deux choses :

(i) ()est linéaire (déjà fait en 4.a),
(ii) () est bijective.
Le point (ii) lui-même se décompose en deux étapes. Habituellement on montre que
l'applica tion est injective et surj ective, ma is puisqu'ici les espaces vectoriels sont de
dimension finie, on va se contenter de l'injectivité et d 'une égalité de dimensions. Ainsi
le point ( ii) va se subdiv iser en deux étapes :
"8c (ii.a) Ker() = {O} (à relier avec la question précédente) ,
:J
o (ii .b) dimM n,p(IK) = dim.C(Mp, 1(IK), M n,1(IK)).
1..()
T"-l
0
N D'après la question précédente, on sait que
© \i A E M n,p(IK), [O(A) = 0 <==> A = O].
.......
..c
Ol
ï::: e
Ceci prouve que l'application linéaire a pour noyau Kere = {O} et est donc injective.
>-
a. Par ailleurs, on sa it que les espaces de départ et d 'arrivée ont pour dimensions respec-
0
u tives dim M n,p(IK) = n X p et

dim.C(M p,1(IK), M n,1(IK)) = dim (Mp,1(IK)) X dim (Mn,1(IK) ) = p X n.

e
Finalement est une application linéaire injective dont les espaces de départ et d 'arrivée
e
ont même dimen sion finie, ainsi : réalise un isomorphisme d'espaces vectoriels entre
M n,p(IK) et .C(Mp,1(IK), M n,1(IK)) .
 186 Chapitre 6 Applications linéaires et matrices

Cet isomorphisme () justifie le titre volontairement provocateur :

« Matrice= Application Linéaire »
Par le biais de () , toute matrice A a son interprétation fonctionnelle A.
Le fait que () soit bijectif, nous assure que l'on peut passer du point
de vue matriciel au point de vue fonctionnel de façon biunivoque, le
caractère linéaire de () nous assure que cette représentation est fidèle
avec l'action de somme (de matrices ou de fonctions) et avec le produit
par un scalaire.
Enfin, pour A et B de tailles compatibles, on a
___....__...
A x B = À. o È.
Ainsi le produit de matrice représente fidèlement la composition des
applications associées.

À l'instar de l'isomorphisme canonique reliant tout endomorphisme a E .C(IK?, IKn) à

sa matrice canoniquement associée A , l'isomorphisme () est une forme plus naturelle
encore de relier la notion de matrice à celle d'application linéaire, au point que cer-
tains énoncés noterons indistinctement A pour désigner la matrice A et pour désigner
l'application A.
Ainsi il est courant d 'utiliser les notions de surjectivité, injectivité, image ou noyau
en parlant de la matrice A (alors qu'en réalité on fait référence à l'application li-
néaire À.) l'exercice qui suit illustre comment on manipule ces notions (ou confusions
volontaires).

Soit A E Mn , p(~) une matrice composée de n lignes et p colonnes. On note

(C1 , . . . , Cp) les colonnes de A et (L 1 , ... , Ln) les lignes de A.
1. Montrer que lm A = Vect(C1 , ... , Cp) · En déduire que rg(A) = rg(C1 , ... , Cp),
puis que
"'O
0 A est surjective{:::::::::} rg(A) = n {:::::::::} (C1 , .. . , Cp) est génératrice de Mn ,l (~).
c
:J
0 2 . Montrer que
,....
1..()

A est injective {:::::::::} rg(A) = p {:::::::::} (C1 , . .. , Cp) est libre dans Mn , 1 (~).
0
N

© 3. a. Montrer que, pour tout Y E Mn ,l (X), on a l'équivalence

.......
..c
Ol
ï:::
tyy = 0 {:::::::::} y = o.
>-
a.
0
b. Montrer que Ker(tAA) = Ker A et en déduire que rg(tAA) = rg(A).
u
c. Montrer que Im(tAA) C Im(t A) et en déduire que rg(tAA) ~ rg(tA).
d. En déduire que rg(tA) = rg(A).
 Exercice 6.5 rg (A) = rg(t A ) 187

4. Montrer que rg(A) = rg(Li, ... , Ln) et montrer que A est injective (resp.
surjective) ssi tA est surjective (resp. injective).

Tout au long de cet exercice, on identifie, par convention, la matrice A

et l'application a ssociée A introduite dans l'exercice 6.4.

1. L 'espace vectoriel image d 'une application linéaire est engendrée par l'image d 'une
base de l'espace de départ.
Posons, comme en 6.4, B = (E1 , ... , Ep) la base canonique de Mp ,l (IK) .
On invoquera l'identité déjà démontrée à de multiples reprises (cf. 3.8.1.b, 3.5.1.a et
6.4.3.a) : Ci = AEi·

A, vue comme une application linéaire, admet un espaces vectoriel image noté lm A.
Avec B = (E 1, ... , Ep) la base ca nonique de l'espace de départ M p,1(IR), on a
ImA = Vect(A(E1) , ... , A(Ep)) = Vect(AE1 , ... , AEp) = Vect(C1 , ... , Cp) .
En passant aux dimensions on en déduit (par définition du rang)

rg A= dim(Im A) = dim ( Vect(C1, .. . , Cp)) = rg(C1, ... , Cp)·

Ainsi, le rang d'une matrice est égal au rang de ses colonnes.
La surjectivité d 'une application résulte du calcul de son espace vectoriel image.
Quant a u caractère générateur d 'une famille il résulte de l'étude de l'espace vectoriel
engendré.

~1
On déduit de lm A = Vect(C1, ... , Cp) la succession d'équivalences:
A est surjective {==:} lm A = M n,1(IR) {==:} Vect(C1, ... ,Cp) = M n,1(IR)
{==:} ( C1 , ... , Cp) est génératrice de M n,1(IR).
-0
0
c Par a illeurs, dire qu'un sous-espace vectoriel F , de l'espace vectoriel E , coïncide avec
:J
0 E équivaut à d ire que E et Font même dimension .
,....
1..()

0
N
De même, on déduit de rg(A ) = rg(C1 , ... , Cp) la succession d 'équivalences
©
.......
rg(A) = n {==:} rg(C1 , ... , Cp) = n {==:} dim Vect(C1, ... , Cp) = dimMn,1 (IR) .
..c
Ol Et don c, puisq ue Vect(C1 , ... ,Cp) est un sous-espace vectoriel d e M n,1(IR),
ï:::
>-
a. rg(A) = n {==:} Vect(C1 , ... , Cp) = M n,1(IR).
0
u Autrement dit rg(A) = n {==:} (C1 , ... , Cp) est génératrice de M n,1 (IR).

L'égalité des dimensions n 'est pas en général un argument suffisant

pour montrer une égalité entre sous-espaces vectoriels.
 188 Chapitre 6 Applications linéaires et matrices

Il convient, en général, d'agrémenter d'une inclusion l'argument des

dimensions.
Ainsi l'égalité des dimensions ne peut suffire que dans les cas où une
inclusion est évidente :
(1) lorsque l'on veut montrer qu'un sous-espace vectoriel Fest en fait l'espace
total E (ici F c E est évident) ;
(2) lorsque l'on veut montrer qu'un sous-espace vectoriel F est réduit à {O}
(ici {O} c Fest évident).

2. On sait que la surjectivité équivaut à ce que l'espace vectoriel image soit maximal
et l'injectivité équivaut à ce que le noyau soit minimal.
Or un sous-espace vectoriel est maximal (resp. minimal) ssi sa dimension l'est.
Il s'agit d'obtenir une information sur dim (Ker A) à partir de la connaissance de
rg(A) , la formule du rang est donc la plus propice pour ce genre de déduction.

Puisque A peut être vue comme une application linéaire dont l'espace de départ est
M p,1(IR) on en déduit, par la formule du rang,
dimMp,1(.IR) = rg(A) + dimKer (A).
~
p

Ainsi rg(A) =p -Ç:=} dim Ker A = 0 -Ç:=} Ker A = {O} -Ç:=} A est injective.
Le caractère libre se traduit par le fait qu'il n 'existe qu'une seule famille de scalaires
rendant nulle la combinaison linéaire correspondante : la famille nulle.
l'injectivité se traduit par un noyau réduit à {O} ce qui veut dire que seul le vecteur
nul (i.e. dont la famille de coordonnées est nulle) annule A.
Il s'agit donc de connecter les équations linéaires associées à l'injectivité d'une part
p

et a u caractère libre d 'aut re part : AX = 0 resp. L Xi Ci = O.

i= l

A est injective ssi Ker A = {O} ce qui équivaut encore à Ker A c {O} (l 'a utre
inclusion étant évidente).
-0
0 Or Ker Ac {O} ssi (V X E M p,1(.IR), [AX = 0 ====?X= O])
c
:J
0 (* )
,....
I..{) Or, en passant à l'écriture coordonn ée par coordonnée (dans la base 13),
0 (*)équivaut à

t,
N

~ 0 = (x,, ... , x,) ~ (0, ... , 0)]

©
...... \f (x ,, ... , x,) E Il", [A ( x;E; )
..c
Ol
ï:::
>-
a.
0
Ainsi, puisque pour tout (x 1 , ... , xp) E JRP, on a
u

On en déduit :

A est injective ssi V (x1 , ... 'Xp ) E JRP' [t

i= l
XiC = 0 ====} (x1 , ... 'Xp ) = (0, . .. 'o)]
 Exercice 6.5 rg (A) = rg(t A) 189

ce qui, par définition du caractère libre, prouve que

A est injective {:::::=:? (CI, ... , Cp) est libre dans M n, I(IR ).
1

Puisque rg(A) = rg(C1 , ... , Cp) , une partie des équivalences démon-
trées ici résulte du résultat classique (cf exercice 5.11) valable pour
toute famille .C = (u 1 , ... , up) de vecteurs d 'un espace vectoriel E ,
.C est génératrice de E {====:?- rg(.C) = dim E,
et .C est libre dans E {====:?- rg(.C) = Card .C.

3.a. Soit Y E M n,1(X).

La nullité d'une colonne équivaut à la nullité d e chacun de ses coefficients. Nous a llons
donc traduire l'égalité tyy = 0 en fonction des coefficients de Y.

Notons YI, ... , Yn les coefficients de Y. Puisque

~n~
Y
n

tyy = (YI Y2 · · · Yn)

(
) = YI · YI + Y2 · Y2 + · · · + Yn · Yn = L Y~·
k= l

et puisqu'une somme de réels positifs est nulle ssi chaque terme de cette somme est
nul, on en déduit la succession d'équivalences
n
tyy = 0 {:::::=:? L y~ = 0 {:::::=:? (V k E [1,n], y~= 0 ) {:::::=:? (Vk E [1, n], Yk = 0).
"-.,.-'
k= I ~o

Ainsi, on a l'équiva lence t yy = 0 {:::::=:? Y = O.

Jusqu'ici nous pouvions indistinctement considérer des matrices réelles

ou complexes.
"'O
0
On s'aperçoit ici que cette généralisation n 'est plus possible puisque
c
:J nous avons utilisé (tacitement) le fait qu'un carré est un réel positif et
0
1..()
ceci n 'est plus le cas si l'on considère le carré d 'un nombre complexe :
T"-l

~
0
N
Y = ( ) vérifie tyy = 0 et pourtant Y /::- O.
©
.......
..c
Ol
ï:::
>-
a.
0 3. b. Pour montrer une égalité entre deux ensembles, on procède par double inclusion.
u Commençons par l'inclusion la p lus évidente.

Soit X E Ker A.
Par définition, on a AX = 0, d'où, en multipliant à gauche par tA,
tAAX = tAO = 0 i. e. X E K erCAA).
Ainsi , on a prouvé l' inclu sion Ker A C Ker(tAA).
 190 Chapitre 6 Applications linéaires et matrices

Pou r l'inclusion réciproque, il s'agit de trouver un a rgument pour passer de t AAX = 0

à AX = O. Or l' « élimination » du t A ne va pas de soi puisque rien n 'indique que t A
soit inversible.
On peut , néanmoins, se ramen er à une équation d u type tyy = 0 en posant ici
Y = AX.

Soit X E KerC AA). Posons alors Y = AX.

Par définition du noyau on sait que t AAX = 0, i.e. tAY = O.
D 'où , en multipliant à gauche par tx (ce qui est licite puisque le nombre de colonnes
de t X vaut le nombre de lig nes de tAY ), t XtAY = O.
Or, par transposition du produit, on sait que t x tA = t(AX ) = t y
Ainsi on trou ve que
tyy = 0 et donc d'après la question précédente Y= 0 i. e. AX = O.
Ainsi X E Ker A , et ce quel que soit X E KerC AA), ce qui finit par prouver l' inclusion
KerCAA) C K er A . On a donc, par double inclusion , KerCAA) =Ker A .
La formule du rang permet d'ét ablir un lien entre le ran g et la d imension du noyau
pour un e même a pplication linéaire.
La formule du rang, appliquée respectivement à A et tAA, et le lien établi ent re les
n oyaux de ces deux a pplications d evraient donc nous permettre de relier le rang de
l'un au rang de l'autre.

Puisq ue A E M n,p(IR) , A peut être vue comme un e application linéa ire dont l'espace
de départ est Mp,1(IR) . La form ule du ra ng appliquée à A nous do nne
dim M p, 1(IR) = rg(A) + d im K er(A).
~
p

De même, puisque tAA E M p,p(IR) , tA A peut être vue comm e une applica tio n linéaire
do nt l'espace de départ est M p,1 (IR) , la formul e du ran g appliquée à tAA nous donne

dimMp,1 (IR) = rgCAA) + d im K erCAA) .

~
p

Ain si rg(A) + d im Ker (A) = rg(tAA) + dim Ker(tAA).

"'O
D 'où , puisque dim Ker( A)= d im Ker(tAA), on en déduit rgC AA) = rg(A).
0
c
:J 3.c. L'inclusion et l'inégalité entre dimensions sont directement liées.
0
1..()
T"-l
0 Soit Y E ImCAA). Par définition o n sa it donc que Y admet un antécédent par tAA ,
N
not ons X un tel antécédent , o n a X E M p,l (IR) et tAAX = Y.
© O n en déduit que Y admet un antécédent par l' application tA do nt l'espace de départ
.......
..c
Ol est M n, 1(IR), à savoir X' = AX puisqu 'en effet
ï:::
>-
a. X' E M n,1(:IR) et tAX' = Y.
0
u Ainsi Y E lm tA, et ce quel qu e soit Y E lm tAA.
O n a do nc ét abli l'inclusio n lm(tAA) c lm t A.
On en déduit par passage aux dimensions : rgC AA) :::;; rgC A) .

3 .d. L'in égalité rg(A) ::::;; rg(tA) résu lt ant des deux derniers résu lt a ts, il nous faut
a boutir à l'inégalité inverse.
Aussi surprena nt que cela puisse paraître, cette autre inégalité est contenue dans la
 Exercice 6.5 rg (A) = rg(t A ) 191

première qui , étant valable pour n'importe quelle matrice A, peut être appliquée à
une toute autre matrice afin d 'inverser les places occupées par A et tA.

D'après ce qui précède on sait que rg(A) :::;; rg(tA) et ce quelle que soit la matrice A
et quelle que soit la taille de cette matrice.
Ainsi , en appliquant cette inégalité à tA en lieu et place de A , on trouve
rgCA) :::;; rg(tCA)) = rg (A).
Finalement on a bien rg(tA) = rg(A).

4. Il a été établi que le rang d 'une matrice est égal au rang de ses colonnes, or la
transposition a pour effet de changer les colonnes en lignes.
Il nous suffit donc d'appliquer la conservation du rang par transposition.

On utilisera ici la propriété suivante d 'invariance du rang par compo-

sition avec un isomorphisme :
si f: E ~ Fun isomorphisme et [, = (u1, ... , un) une famille de vec-
teurs de E alors
rg(J:,) =rg(J(J:,)) i.e. rg (u1, ... , un) = rg(J(u1) , ... , f(un )) .
En effet, f induit un isomorphisme ent re Vect (J:,) et Vect(J(J:,)).

Remarquons que ceci s'applique en particulier à rg(u 1, ... , un) = rg(C1, ... , Cn) où
chaque colonne Ci représente le vecteur U i dans une base donnée (cette représentation
est effectivement issue d'un isomorphisme entre l'espace vectoriel considéré et l'espace
vectoriel des colonnes associées). Puisque le rang d'une matrice est égal au rang de
ses colonnes on trouve le résultat classique

rg(u1 , ... , Un)= rg( M) ,

où les colonnes de la matrice M représentent les vecteurs u 1, ... , up dans une base
donnée.
-0
0 Ainsi, le calcul du rang d'une famille de vecteurs se ramène systéma tiquement a u
c
:J calcul du rang d'une ma trice.
0
I..{)
,.....
0 Puisque les colonnes de tA sont
N
tL 1, t L 2 , .. t Ln ·
© · ,
......
..c On en déduit, grâce à 1 appliqué à tA en lieu et place de A,
Ol
ï:::
>-
a.
rgCA) = r gC L1 , t L2 , ... 't L n) ·
0
u Or la transposition T: Z f---t t Z réalise un isomorphisme entre Mp,1 (JR) et M 1,p(IR),
donc (t L1 , t L 2, ... , tLn ) et son image par T,
(T(tL1),TC L 2), . .. , TCLn)) = (L1 , L2 , ... , Ln),
ont même rang i.e.
rgCA) =rg (L1 , . .. ' L n ),
et donc, puisque rg(tA) = rg (A), rg (A) = rg(L1 , ... , L n )·
 192 Chapitre 6 Applications linéaires et matrices

Ainsi, le rang d'une matrice est égal au rang de ses lignes.

Voici une synthèse des résultats faisant le lien entre le rang d'une matrice et le carac-
tère injectif ou surjectif.

D'après 2 et du fait que le rang d'une matrice soit égal au rang de sa transposée, on
a la succession d'équivalences
A est injective <===? rg(A) = p <===? rgCA) =p.
D'où, puisque tA E Mp ,n(IR ), en appliquant 1 à tA en lieu et place de A, on trouve
A est injective <===? tA est surjective .
Cette équivalence étant vraie quelle que soit la matrice A et sa taille, on l'applique
alors à tA en lieu et place de A et on trouve tA est injective <===? A est surjective.

Soit E un lK-espace vectoriel de dimension n.

Soit f un endomorphisme de E. on dira que f est une homothétie lorsque l'on
peut trouver un scalaire À tel que f = .XIdE .
1. Montrer que f est une homothétie ssi, quelle que soit la base B de E, MatB(f)
est une matrice diagonale.
2. Montrer que f est une homothétie ssi, quel que soit x E E, la famille (x, f(x))
est liée.

1. On commence par l'implication la plus simple.

Supposons que l'on puisse écrire f sous la forme f = .Xld E, avec À un scalaire.
Quelle que soit la base B = (e 1 , .. . , en) de E, on a alors
Vi E {1 , ... , n}, f (ei) = .XldE(ei) = Àei .
Ainsi, par construction, Mats(!) = >.In. On a bien obtenu une matrice diagonale, et
ce relativement à n'importe quelle base.
-0
0
c
:J
0
1..()
T"-l
0
Si f est l'homothétie .XldE alors sa représentation matricielle dans toute
N
base s'écrit Àln.
©
.......
..c
Ol
·~ Réciproquement on va montrer que la matrice diagonale obtenue dans une base fixée
a.
8 quelconque B est en réalité une matrice de la forme Àln .
Il s'agit donc de montrer que tous les coefficients diagonaux sont identiques au premier
et c'est le fait que toute autre base donne encore une matrice diagonale qui nous
permettra d'effectuer les comparaisons nécessaires entre les coefficients diagonaux.

~I Soit B = (e1, ... , en) une base qu elconque de E.

On suppose qu e la représentation m atricielle de f d ans toute base est di agonale. En
 Exercice 6.6 Diagonale en toute base 193

particulier Mata(!) s'écrit sous la forme

>.1
(0)

Mat a (!) =
(0)
.Àn
A utrement dit , pour tout i E {l , .. . ,n}, on a f (ei ) = >.iei.
Soit j E {2, . .. , n}, puisqu e le fa it d 'aj outer à un vect eur une combinaiso n linéaire
des autres vecteu rs ne ch ange ni le caractère libre, ni le caractère générateur, not o ns
alors 13' = (e~ , ... , e~) une nouvelle base de E o btenue en posa nt
e~ =e 1 +ej, et V k E {2, .. . , n}, e~ = ek .
Puisque Mata, (!) est diagon ale, on peut écrire
µ1
(0)

Mat a, (!)=
(0)
µn
A insi, pour t out i E {l , ... ,n }, on a f (eD = µi e~ . En parti culier,
f (e1) = >.1e1, f (ej ) = .Àjej et f( e1 + ej ) = f ( e~) = µ1 e~ = µ 1(e1 + ej ).
D 'où , par linéarité de f , >.1 e1 + .Àjej = f( e1) + f (ej) = f( e1 + ej ) = µ 1e1 + µ 1ej .
Or, (e1, ej ) ét ant libre, la décomposition selon ces deux vect eurs est uniqu e, o n en
déduit do nc
>.1 = µ 1 et .Àj = µ 1.
Ainsi .Àj = >. 1 , et ce quel que soit j E {2 , .. . , n }, ce qui nous donn e
Mat a (!) = >.iin = Mat a(>. iide).

2. On commence pa r l'implicat ion la plus simple.

"O

~1
0
c Supposons qu e l' on puisse écrire f sous la forme f = >.Ide, avec >. un sca laire.
:J
0 Quel que soit x E E , on a alors f( x ) = >.x . Ainsi, f( x) ét ant colinéa ire à x , on en
1..()
r-l déduit que (x , f (x) ) est une fa mille liée.
0
N

© P our la réciproque, il s'agit de montrer que, pour tout x, on peut écrire f (x ) = .\x
.......
..c avec .\ un scalaire in d é p e ndant du ch o ix de x .
Ol
ï:::
>-
a.
0
u
Il ne faut surt out pas confondre (V x E E , :3 .\ E OC, f (x) = .\x)
avec (:3 .\ E JK, V x E E , f(x) = .\x) .

Cet te indépenda nce n'est pas immédiat e. On va donc s'appuyer sur le résulta t précé-
dent et montrer que la matrice de f dans tout e base est d iagonale (puisqu 'ici rien ne
 194 Chapitre 6 Applications linéaires et matrices

demande à ce que les coefficients diagonaux ne dépendent pas du choix du vecteur de

base) .

Supposons qu e, quel que so it x E E, la fa mille (x , f(x ) ) est liée.

Soit B = (e1, . . . , en) une base q uelco nq ue de E.
Puisque, po ur t out i E { 1, ... , n}, on a, par hy pothèse, (ei , f (ei )) est liée et que ei
est un vect eur no n nul ( puisque faisant partie d ' une famill e li bre), o n en déduit q ue
f( ei) est colinéa ire à ei, c' est-à-di re que
f( ei ) = Ài ei avec Ài E K
A insi Mata(!) est une m atrice d iagonale (dont les coefficients d iagonaux sont :
À1, ... , Àn).
Puisque la représentation m atri cielle de f est di agonale d ans n' importe quelle base
de E, on en déduit, grâce à la questio n précédente, que f est une homothétie.

Soit A E Mn,p(~). On pose f : ~p+ q ---+ ~n l'application linéaire associée à la

matrice
B = ( A 1 On,q )
relativement à une base C = ( e 1, . . . , ep+q) de ~p+q et une base F de ~n.

1. a. Montrer que rg(J) = rg(A) .

b . Montrer que
lm f = Vect(J(e1) , ... , f(ep)) et Ker f ~ Vect(ep+1, .. . , ep+q) ·
2 . On suppose à présent que rg A = p.
Montrer que (J (e1 ), ... , f (ep)) est une base de lm f et que
Ker f = Vect(ep+1, ... , ep+q)·
En déduire une base de Ker f .
-0
0
c 3. Soit M une matrice et g un endomorphisme tous deux associés relativement
:J
0 aux bases B = (w1, ... ,wN) et F:
1..()
r-l
0 M = Mat.r,B(g).
N

© a. Soit M' la matrice obtenue à partir de M par l'opération Cj +------+ Ci .

.......
..c Montrer que M' = Mat.:r,B' (g) où B' est une base que l'on précisera.
Ol
ï::: b. Soit M" la matrice obtenue à partir de M par l'opération
>-
a.
+L
0
u Cj +----- ajCj akck ,
kij
où a 1 , ... , aN sont des scalaires et aj #O.
Montrer que M" = Mat.:r,B" (g) où B" est une base que l'on précisera.
 Exercice 6. 7 Image et noyau par pivot de Gauss 195

4. Calculer l'image et le noyau de l'endomorphisme canoniquement associé à

1 2 1 0 0
1 2 2 0 0
M= 1 2 1 0 0
0 0 0 0 0
0 0 0 0 0

1.a. Le rang d'une application linéaire est égal au rang de n'importe quelle matrice
associée dans d es bases. De plus, le rang d'une matrice n'est pas altéré lorsque l'on
élimine toute ligne ou toute colonne nulle.

~1
Le rang d'une matrice est éga l au rang de ses colonnes, on a donc (en notant indis-
tinctement C1 , ... , CP les p premières colonnes de A et B)
rg(f) = rg(B) = rg( C1 , ... , Cp, Ün,1, ... , Ün,1) = rg( C1 , ... , Cp) = rg(A).

1.b. Étant donné que les q dernières colonnes de B (i.e. les colonnes associées à
f (ep+1 ) , ... , f( ep+q)) sont nulles, on en déduit aisément une partie de la base C consti-
t uée de vecteurs de Ker f.

~1
Par lecture des q dernières colonnes de la matrice B représentant f dans la base C,
on a f (ep+1) = · · · = f (ev+q) = O. Ainsi { ep+1, ... , ep+q } C Ker f.
D'où, puisque Ker f est un espace vectoriel, Vect(ep+i, ... , ep+q) C Ker f.
L'espace vectoriel image est engendré par l'image d 'une base.

~1
Étant donné que les q dernières colonnes de B sont nulles,
lm f = Vect(f(e1), ... , f( ep) , f( ev+1 ), · · · , f (ep+ q)) = Vect(f(e1) , ... , f( ev) ).
'-v-" '-v-"
0 0
-0
0
c 2. On suppose à présent que rg(A) = p.
:J
0
Une des caractérisations pour une base est donnée par le fait que c'est une famille
,....
1..()

génératrice dont le cardinal est égal à la dimension de l'espace.

0
N

~1
© D'après l.b, on sa it que (f(e1), ... , f( ep )) est génératrice de lm f.
.......
..c
Ol Or, d'après l.a , o n a rg(f) = p, c'est-à-dire que le cardinal de cette famille vaut la
ï:::
>- dimension de lm f. On en déduit que (f(e 1), ... , J(ep) ) est un e base de lm f.
a.
0
u Pour montrer une égalité entre deux sous-espaces vectoriels, il nous suffit d 'avoir une
égalité de dimensions (la formule du rang nous permet de l'obtenir) et une inclusion
(cf 1.b).

~I
D'après la formu le du ran g, appliquée à f, on a
dim (Ker J) = dim(!Rp+q) - rg(f) = q = dim (Vect(ep+1, .. . , ep+q) ) .
 196 Chapitre 6 Applications linéaires et matrices

Ainsi, l'inclusion prouvée en 1.b devient l'éga lité Ker f = Vect(ep+1, ... , ep+q).
La famille (ep+1 , ... , ep+q) est donc génératrice de K er f mais, en tant que sous-
famille d'une base, elle est également libre. Ainsi (ep+1, ... , ep+q) est une base de
1 Kerf.

3.a. Les colonnes de la matrice NI représentent (relativement à la base F ) les vecteurs

g(w 1 ) , ... , g(wN ). Tout échange de colonnes se traduit par un échange entre images
de g.

Par construction , on a, pour tout indice de colonne k, C/:' = MatF(g(wk)). Puisque

M = MatF(g(w1) , ... , g(wi) , ... , g(wj) , ... , g(wN)) = (C{w · · · C1(1 · · · CJ'1 · · · C1;/),
l'opération Cj f-----7 Ci transforme M en
M' = (Ct1 · · · CJ'1 · · · C{'1 · · · Ct/ ) = MatF(g(w1), ... , g(wJ), ... , g(wi ), ... , g(w N)).
Ainsi M' = MatF,t:F(g) où 13' = (w1 , ... , wJ , .. . ,wi, ... , wN) .

Ainsi, permuter les colonnes d'indice i et j de NI donne une nouvelle re-

présentation matricielle M' de g, où la base de départ a été modifiée par
permutation des deux vecteurs d'indices i et j (et la base d'arrivée n'a pas
été modifiée).

3. b . De même, on répercute la transformation opérée sur les colonnes de M en termes

de manipulations sur les vecteurs images g(w 1 ), ... ,g(wN) ·

En reprenant les notatio ns précédentes on obtient, par la transformation

c j +- ajc j + L akCk , la matrice
k-cf-j

M" = MatF ( g(w1) , ... , aj g(wj ) + L akg(wk), ... , g(wN)) .

k -cf- j

Or, le fait de multiplier un vect eur d ' une base par un e constante non nulle (ici aj ),
tout comme le fait d'ajouter à un vecteur d'une base une combin aison linéaire des
autres vecteurs de la base, ne cha nge pas le caractère libre et générateur de celui- ci.
-0 Ainsi 13" = (w1, ... , ajWJ + L k#- j akwk , ... , WN) est une base de l'espace de départ
0
c de g et, par lin éarité de g,
:J
0
I..{)
,.....
0
N
M" ~ MatF ( g(w1) , ... , g ( a;w; + f; a, w, ) , . .. , g(wN) ) ~ MatF,B" (g)
©
.......
..c Ainsi, agir sur une colonne d e M, par dilatation non nulle ou par ajout
Ol
ï::: d'une combinaison linéaire des autres colonnes de M, donne une nouvelle
>-
a.
0 représentation matricielle M" de g, où la base de départ a é té modifiée par
u
les opérations analogues sur les vecteurs d e base (et la base d 'arrivée n'a
pas été modifiée).

4. Da ns un premier t emps on va appliquer les procédures détaillées en 3 et ainsi

a boutir à une représentation matricielle de l'endomorphisme ca noniquem ent associé
f conforme à celle décrite en 2.
 Exercice 6.8 M atrrice de Vandermonde et polynômes de Lag range 197

Not ons f l'endomorphisme ca no niquement associé à M et B = (w1, w2, w3, w4, w5)
la base canon iq ue de IR 5 . En agissant exclusivement par opérations élémenta ires sur
les colonnes de
Matc(f(w1) , f(w2), f(w3) , f(w4), f(w5)) =M
on réa lise, d'après 3, les transform atio ns suivantes.
Par la t ra nsvection C2 +----- C2 - 2C1, o n obt ient
1 0 1 0 0
1 0 2 0 0
Matc(f(w1), J(w2 - 2w1), J(w3), f(w4) , f (w5)) = 1 0 1 0 0
0 0 0 0 0
0 0 0 0 0
Par la perm utation C2 +------+ C3, on obtient
1 1 0 0 0
1 2 0 0 0
Matc(f(w1), f(w3), f(w2 - 2w1), f(w4) , f (w5)) = 1 1 0 0 0
0 0 0 0 0
0 0 0 0 0
Finalement, en posant C = ~' W3 ,w2 - 2w1 , W4 , W5 ), o n obtient
~'--v-"~~
e1 e2 e3 e4 e5

1 1 0 0 0
1 2 0 0 0
B = Mata ,c(f) = 1 1 0 0 0
0 0 0 0 0

nn 0 n
0 0 0 0 0

Et, puisque ; g = ;g ~ ) = 2,

on en dédu it , grâce à 2,
lm f = Vect(f(e1), f (e2)) et Ker f = Vect(e3, e4, e5) .
...__,.__.., ~

base base

"'O
Ceci, par lecture directe des deux première colonnes de B, nous donne
0
c
:J
lm f = Vect ( ( 1, 1, 1, 0, 0), ( 1, 2, 1, 0, 0)) ( base)
0
1..() et , par définitio n de e3, e4, e5 ,
T"-l
0
N Ker f = Vect((-2, 1, 0, 0, 0) , (0, 0, 0, 1, 0), (0, 0, 0, 0, 1)) ( base).
©
.......
..c
Ol
ï:::
>-
a.
0 Ainsi, en partant d' u ne matrice NI représent ant une applicat ion linéaire f on
u
peut, par opérations élémentaires agissant exclusivement sur des colonnes,
t rou ver u ne nou velle représent a t ion mat ricielle de la forme B =(A 0) avec 1

A de rang égal au nombre de ses colonnes.

Ceci permet d'obtenir une base de lm f par lecture directe des colonne s
de A et une base de Ker f par lecture des vecteurs de base correspondant
au b loc n ul dans la matrice B.
 198 Chapitre 6 Applications linéaires et matrices

Exercice 6.8 : Matrrice de Vandermonde et polynômes de Lagrange

Soient xo, ... , Xn n + 1 réels deux à deux distincts, on pose x = (xo , ... , Xn)·
On étudie la matrice de Vandermonde
1 1 1
Xo X1 Xn
x6 x21 x2n
V=

xn0 xï xnn
Par la suite, on posera A= tv.
1. Montrer que l'application f: PH (P(xo) , ... , P(xn)) réalise un isomorphisme
d'espaces vectoriels entre IRn[X] et JRn+ 1 .
2 . En déduire que la matrice V est inversible.
3 . Montrer, à l'aide de l'inversibilité de V, que
a . F = ((x~)o~j'-(n, ... , (xl)o~j~n) est libre dans l'espace vectoriel JRn+l ;
b. F ' = ( (xL)jEN )o~k~n est libre dans l'espace vectoriel des suites réelles;

c . F" = (fk : t H exkt)o~k'-(n est libre dans l'espace vectoriel des fonctions
réelles d 'une variable réelle.
4. On définit la famille des polynômes d'interpolation de Lagrange * comme étant
l'unique famille (Lo , . . . , Ln) de polynômes de IRn [X] vérifiant

'ViE[O,n], 'VjE[O,n] , Li(xj)= { Ol si j#-i t

S'l 'l = J
a . Justifier l'existence et l'unicité d'une telle famille.
b. Exprimer les coefficients de Li, pour i E [O, n], à l'aide de ceux de A- 1 .
c . Calculer Lo, Li, L 2 dans le cas où x = (0, 1, 2) .
En déduire v- 1 dans cc cas.

"'O
0
c
0
:J 1. Le fait que IRn[X] et JRn+l soient des espaces vectoriels ne fait aucun doute. Il s'agit
1..() donc de prouver deux choses
T"-l
0
N ( 1)f est linéaire ;
©
....... (2) f est bijective .
..c
Ol
ï::: Le point (2) lui-même se décompose en deux étapes. Habituellement on montre que
>-
a.
0
l'application est injective et surj ective, mais puisqu'ici les espaces vectoriels sont de
u dimension finie , on va se contenter de l'injectivité et d 'une égalité de dimensions :
• Ker f = {O} ;
• dim !Rn [X] = dim JRn+l.

*· On généralise ici la famille d e polynôm es introduite dans l 'exercice 2 .9 .

t. voir symb ole d e Kronecker introduit dans l 'exercice 4.7 en p age 108.
 Exercice 6.8 Matrrice de Vandermonde et polynômes de Lagrange 199

Soient Pet Q deux polynômes et À un scalaire réel (on travaille ici avec des IR-espaces
vectoriels).
Par calcul , on trouve

f(.\P+Q) = ( (.\P+Q)(xo) , .. , (.\P+Q)( xn) ) = ( .\P(xo)+Q(xo), .. , .\P(xn)+Q(xn))

= .\(P(xo) , ... , P(xn)) + (Q(xo), ... , Q(xn)) = Àf(P) + J (Q).
Ceci finit par prouver que f est linéai re.

Il n 'est nullement nécessaire de vérifier f (0) = 0 pour prouver que f

est linéaire.
En réalité f (0) = 0 est une conséquence de la linéarité elle-même
(prendre À = 1, Pet Q tous deux égaux au polynôme nul).

Montrons, à présent, que f est injective.

Soit P E Ker f, on a par définition du noyau de f
P E 1Rn[X ] et (P(xo) , ... , P(xn)) = (0, ... , 0).
Ainsi P admet au moins n + 1 racines (on nous dit dans l' énoncé que les x o, . .. , Xn
sont deux à deux distincts) et son degré est au plus égal à n.
Ceci nous prouve que P est le polynôme nul et donc finit par ét ab lir l'inclusio n
Ker f C {0}.
Puisque l'inclusion réciproque est évidente, on a donc prouvé Ker f = {O} de sorte
que f est injective.

Lorsqu 'il s'est agi de montrer que le polynôme P était nul en exhiba nt
un « trop grand nombre » de racines, il n'a pas été commis l'erreur
d 'annoncer que xo, ... , Xn ét aient LES racines de P (dire que P admet
"'O
exactement n + 1 racines est en contradiction avec la conclusion atten-
0
c due) et encore moins l'erreur d'affirmer que P est de degré ÉGAL à n
:J
0 (rappelons que le degré du polynôme nul est -oo) .
1..()
T"-l
0
N

~I
©
....... Puisque, par ailleurs, on sa it que dim !Rn[X] = n + 1 = dim JRn+l, on en déduit que
..c
Ol l'application linéa ire f est bijective, c'est donc un isomorphisme.
ï:::
>-
a.
0
u 2. Faire le lien entre l'inversibilité d 'une matrice et la bij ect ivité d'une application
linéaire est chose aisée lorsque l'on sait que l'une représente l'aut re relativement à
une certaine base B de IR.n [X] et C de JR.n+ 1 .
Puisqu 'aucune indication n 'est donnée dans l'énoncé nous allons proposer des bases
raisonnables et naturelles et tenter d 'aboutir.
 200 Chapitre 6 Applications linéaires et matrices

Soit B = (1, X , ... , X n) la base canonique de !Rn[X ] et not ons C = (e 0 , ... , en) la
base canon iq ue de !Rn+ 1 . Pour tout k E [O, n], on a, par ca lcul ,
n

f(Xk) = (x~, ... , x~) = L: x7ei .

i= O

Autrement dit les coordo nnées de f (X k) d ans la base C sont (x~ , ... , x~) .
O n en déd uit la m atrice associée à f relativement aux bases B et C
J (l ) J(X) J(X) J(X n)
+ + + +
1 Xo X~ xg
Matc,B(J) = 1 X1 xî X~ =A.
1 X2 X~ X~

1 Xn x?i X~ ;--{ en
A insi, puisq u' il a ét é ét abli q ue f est bijecti ve, on en d éd uit que A est inversible et
do nc V = tA aussi.
3 .a. On va invoquer le rang maximal de V.

~1
L' interprétation matricielle ca no niq ue des n + 1 vecteurs de F correspond t rès préci-
sément aux colo nnes de V , ainsi rg(F) = rg(V).
Puisq ue V E GLn+i (IR), on en déduit rg(F) = n + 1 = Card F.
A insi (cf 5. 11 .3.b) Fest li bre.

3.b. On va invoquer , cette fois, l'inversibilité de V pour résoudre le syst èm e associé

à l'équation préliminaire à l'étude du caractère libre.
Soient ao, ... , an + 1 sca laires t els que
n

ao(xb)i EN + · · · + an (xti )iEN = 0 i.e. V j EN, aox6 + · · · + anxti =O.

Le système issu des éq uations obtenu es en prenant j = 0, ... , n , est
n
L ak =0 (L o)
k=O
"O
0
c n
:J
0
1..()
(E) L x{ ak =0 (Li )
r-l
0
k=O
N

© n
.......
..c
Ol
ï:::
L x~ ak = 0 (Ln)
>-
a. k=O
0 Il s'agit du syst ème homogène associé à la matrice V. Et , puisq ue V est inversible, on
u
en déduit que (E) est de Cra mer, c'est donc que la solution évident e ao = · · · = an = 0
est l' uniq ue solut ion. On co ncl ut q ue la fam ille de suites F' est libre.
 Exercice 6.8 Matrrice de Vandermonde et polynômes de Lagrange 201

La famille F est une famille de suites finies extraites de celles consti-

tutives de F'. Il n'y a néanmoins aucun lien systématique qui pourrait
laisser à penser que le caractère libre de F soit conséquence du carac-
tère libre de F' (alors que l'implication réciproque est manifestement
vraie).
Par exemple, on sait que ((xb)jEN, · · · , (x~)jE N) forment une famille
libre, mais on sait également que la famille (x6 , ... , x~) est liée. En
effet n + 1 scalaires (avec n ~ 1) forment nécessairement une famille
liée dans IR qui est de dimension 1.

3.c. On commence par poser l'équation préliminaire à l'étude du caractère libre.

Soient ao , ... , an n + 1 scalaires tels que

n n
(0) i.e. \:/ t E IR, L akexkt =O.
k=O

Puisque l'indication précise que l'on souha ite faire intervenir la matrice V et donc les
puissances consécutives des Xi, une idée est de faire apparaître ces puissances des Xi
en facteur de chaque coefficient a 1 , ... , an. Pour ce faire nous a llons dériver à plusieurs
reprises.

Puisque l'éga lité (0) porte sur des fonctions de classe c=, on peut dériver celle-ci une
fois, ce qui nous donne
n n
(1) i. e. Vt E IR, L akXkexkt = O.
k=O k=O
De même, en dérivant j fois, on trouve
n n
(j) L akfkj ) = o i. e. \:/t E IR, L akx{exkt = O.
k=O k=O
"'O
0 Ainsi, si l'on évalue chacune des égalités (0) , (1), ... , (n) en 0, on trouve le système
c de Cramer (~) introduit dans la question précédente. L'unique solution de ce système
:J
0
est la solution triviale ao = · · · = an = O. Finalement on a prouvé que F" est libre.
,....
1..()

0
N 4.a. Si l'on traduit la caractérisation des poly nômes L i en utilisant la fonction f
© introduite dans l'én oncé, on trouve
.......
..c
Ol
ï:::
>- ViE[O, n] , f (Li) = (0, .. , 1, ..0) = ei.
a. ~
0
u le « 1 » est e n case n uméro i

C'est donc la bijectivité de f qui va nous garantir l'existence et l'unicité demandées.

Commençons par l'existence.

~I
Puisque f est surjective, les vecteurs eo, ... , en ad mettent chacun un antécédent que
l'on note respectivement Lo , ... , L n.
 202 Chapitre 6 Applications linéaires et matrices

Il s'agit de polynômes de IRn[X] qui vérifient, pour tout i E [O, n], f (Li ) = ei, c'est-
à- dire
si j -# i
\:/ j E [O, n],
si i =j
ce qui prouve bien l'existence.

On termine par l'unicité qui , comme souvent , se prouve soit pa r l'absurde (en sup-
posan t pa r l'absurde avoir deux familles distinctes vérifia nt (*)) soit, comme on va
le faire ici, en partant de deux familles de polynômes non nécessairement distinctes
vérifiant (*) pour en déduire qu'elles sont égales.

Supposons avoir deux familles (.Co , ... , Ln) et (Lo, ... , Ln ) de polynômes de IRn[X]
vérifiant, l' une et l'autre, la même propriété(*)
On en déduit alors, au moyen de la fonction f, \:/i E [O, n], f(L i ) = ei = f (.Ci).
Et donc, par injectivité de f, Li = L i , et ce quel que soit i E [O, n]. Ceci prouve
l'unicité de la famille.

Il ne faut pas croire que l'unicité soit une propriété détachée de tout
référentiel. Être unique ne veut rien dire. En mathématiques l'unicité
exprime le fait d 'être « unique dans son genre ».
Dire que« la famille « (Lo, . .. , L n) est unique » est un abus de langage
pour signifier qu'il y a unicité de la famille (Lo , ... , Ln) constituée de
polynômes de IR.n[X] et vérifiant la relation(*).

Voici une deuxième preuve qui exploite la bijectivité de f pour nous assurer l'exist ence
et l'unicité de cha que polynôme.

~1
Pour tout i E [O, n], par bijectivité de f, puisque ei appartient à l' espace d'arrivée
de f, on a : il existe un uniqu e polynôme Li de IRn[X] vérifiant f(Li ) = ei
~
(*)
On en déduit, finalement, l'existence et l'unicité de la famille demandée.
-0
0
c
4.b. Partant de f (Li) = ei, il s'agit d 'obtenir une relation avec la matrice A de f.
0
:J Nous a llons donc faire une interprétation matricielle de cett e égalité.
1..()
T"-l
Pour plus de commodité on convient de numéroter les lignes et les colonnes de matrices
0
N
à partir de l'indice O.
©
....... Par interprétation matricielle du vecteur ei, au moyen de la base canonique B,
..c
Ol
ï::: 0
>-
a.
0
u
Mat c(ei) = 1 +---< ligne numéro i .

0
Or, par interprét ation matricielle (relativement au x bases C et B) de ei = f(Li ), on
trouve Matc(ei ) = Matc,s(f) x Mats(Li ) = A x Mat5(Li ).
 Exercice 6.8 Matrrice de Vandermonde et polynômes de Lagrange 203

Donc, A étant inversible,

0

1
1 = ie colonne de A - .

0
Ainsi les coefficients de L i (relativement à la base canonique C) se lisent sur la ie
colonne de A- 1 .
Voici une d euxième preuve qui inverse d 'abord la relation f (Li) = ei pour ensuite
donner une interprétation matricielle.

Puisque lest bijective et que l(Li) = ei , on en déd uit Li= l - 1

(ei) .
Or, par interprétation matricielle de l' inversion,
A - 1 = [Matc ,B(f)]- 1 = MatB ,c(f- 1),
et donc, par construction, les colonnes de A- 1 reproduisent les coordonnées (dans la
1 1
base B) des vecteurs l - (eo) = Lo, ... , l- (en) = Ln.

4.c. Un polynôme peut être déterminé par la donnée de ses coefficients, mais ici c'est
un résultat que l'on se réserve pour l'obtention de v - 1 .
Heureusement, un polynôme se caractérise aussi par son degré, son coefficient domi-
n ant et ses racines complexes (comptées avec multiplicité), ce qui donne sa décom-
position sous forme d 'un produit. C'est précisément ce que nous permet de faire la
caractérisation (*).

Lo rsqu e x = (0, 1, 2) (ici n = 2), on a d' après la relation fondamenta le(*)

Lo( l) = Lo (2) = 0 et deg Lo ::;;; 2.
On en déduit la factorisation de Lo sous la forme
Lo = a(X - l)(X - 2) avec a ER
Or, toujours d'après la relation fondamentale (*) , on a L 0 (0) = 1. Ainsi
1
a(O - 1)(0 - 2) =1 i.e. a= 2·
-0
0
c (X - l )(X - 2)
:J Finalement Lo = et, de manière tout à fait analogue, on obtient
0 2
,....
1..() X(X - 1)
L1 = - X(X - 2) et L2 = .
0
N
2
Lorsque l'on écrit ces polynômes sous forme développée, on trouve
©
....... 3 12 2 1 1 2
..c
Ol
Lo = 1 - 2" X + °2 X L1 = 2X - X et L2 = - °2 X + °2 X
ï:::
>-
a. Ainsi, grâce aux coefficients de ces trois polynômes, on trouve
0
u 1 0 1
Mats(Lo) = ( )
-2
1
2
3
Mats(L1) = ( )
2
- 1
et MatB(L2) = ( ) 1
- 2
1
2
D'où, en juxtaposant ces trois colonnes,

A-' ~ ( ~
0
1
2
0
1
4 f (
1
-2
1
2
3
0
2
- 1
0
-2
1
2
1
),
 204 Chapitre 6 Applications linéaires et matrices

et donc, par transposition de l' inverse,

3
2
2
_ .!.
1 2

On pourra vérifier que cc résultat concorde avec celui effectué en 4.5.2.

Soit l : JR.3 --+ JR. 3 l'application définie par :

l: (x , y, z) f--7 (x - 2y + 2z, - 2x +y+ 2z, - 2x - 2y + 5z).
1. a . Montrer que l est un a utomorphisme de JR.3 .
b. Déterminer la matrice de l puis de 31dJR3 - 41+1 2 dans la base canonique
de JR.3 . Qu'en déduit-on ?
c . Déterminer la bijection réciproque 1- 1 .
2. On va chercher l'ensemble des vecteurs x de JR.3 pour lesquels il existe un réel
>.tel que l( x) = >.x.
a. Soit x E JR.3 \ {O} tel qu'il existe >. E lR. vérifia nt l(x) = >.x. À l'aide du
résultat de la question 1.b, établir : >. E {1, 3}.
b. Soit À E JR.. Montrer : { x E JR. 3 1 l (x) = >.x} = Ker(! - >.IdJR3).

c. Exhiber une base de JR.3 dans laquelle la matrice de l est (~ ~ ~) .

0 0 3

1.a. Pour montrer qu'une application est un automorphisme, il y a trois points à

vérifier :

-0
• la linéarité;
0
c
:J
0 Soit u = (x,y,z), v = (x',y',z') deux vect eurs de IR3 et À, µ deux réels. O n a, en
1..()
T"-l posa nt X = Àx + µx', Y = Ày +µy' et Z = Àz + µ z',
0
N
f(À u + µv) J( (Àx + µ x', Ày + µ y' , Àz + µ z')) = J((X , Y , Z))
©
....... (X - 2Y + 2Z, - 2X +Y+ 2Z, - 2X - 2Y + 5Z)
..c
Ol
ï::: (,\( x - 2y + 2z) + µ(x' - 2y' + 2z') ,
>-
a.
0
,\( - 2x +y+ 2z ) + µ( - 2x' +y' + 2z'),
u
,\ (-2x - 2y + 5z) + µ (-2x' - 2y' + 5z'))
À(x - 2y + 2z, - 2x +y+ 2z, - 2x - 2y + 5z )
+µ ( X I - 2y I + 2 Z I , - 2X / +y I + 2 Z / , - 2X I - 2 y / + 5z/)
Àf((x , y, z )) + µf( (x' , y' , z')) = Àf(u ) + µf( v) .
f est donc une application li néaire de IR3 dans IR3 .
 Exercice 6. 9 Polynôme annulateur et réduction 205

On retiendra la démarche derrière la quatrième égalité (mise en facteur

de À et µ dans les composantes) et celle derrière la cinquième égalité
(séparation, sous forme de somme, des termes en À et de ceux en µ ).

• le fait que l'espace d 'arrivée est le même que celui de départ (ici, c'est immédiat);

• la bijectivité; pour cela, on se rappellera qu'un endomorphisme g de ocn est bijectif

ssi il est injectif ou surjectif donc ssi Ker f = { 0} ou lm f = ocn (i.e. rg f = n ).

Ainsi , f est un endomorphisme de JR 3 et c'est un automorphisme de JR3 si et seulement

si rgf = 3 = dim lR3 . Or

(~2 ~
2 -2
rgf rg -3
- 2 - 2 -6
- 2
-3 = 3,
0
f est donc bien un automorphisme de JR3 .

1.b. On utilise les règles d 'opérations sur les matrices d'endomorph ismes, ce qui ra-
mène la question à du calcul matriciel.

La matrice de f dans la base canonique d e JR3 (i.e. canoniquement associée) est

Mat(!)= (~2 ~
-2 -2
2

D donc

Mat(3IdIR3 - 4f + f + (Mat(f)) 2
2
) 3Mat(IdJR3) - 4Mat(f)

~ ~) - 4 (~2 ~) + (~8
-2 -8
1 1
0 1 - 2 -2 5 -8 -8
"'O
0
c

D
:J
0
,....
1..()

0
N
On en d éduit que 3IdJR3 - 4f + f 2
est l'endomorphisme nul d e JR3 .
©
.......
..c 1.c. Nous avons vu dans l'exercice 3.1 en page 60 comment trouver l'inverse d 'une
Ol
ï::: matrice à partir d 'un polyn ôme annulateur de coefficient constant non nul. On entre-
>-
a.
u
0 prend ici la même démarche, ma is en raisonnant en termes d 'endomorphismes.

3IdJR3 - 4f + f 2 = 0 {=::::::? 3IdJR3 = 4f - f 2

{=::::::? 3IdJR3 = f o (4IdJR3 - f)
{=::::::? IdIR3 = f o [ ~ (4IdIR3 - f)] .
 206 Chapitre 6 Applications linéaires et matrices

Ainsi, l - 1 = ~ (4IdJR3 - f). Autrement dit, pour tout (x , y, z) E JR3 ,

1
l - 1 ((x , y , z)) (4(x , y , z) - (x - 2y + 2z, - 2x +y + 2z, - 2x - 2y + 5z))
3
31 (3x + 2y - 2z, 2x + 3y - 2z , 2x + 2y - z ).

2.a. Comme on sait comment f «agit» sur x, il est naturel d 'appliquer 3IdKn -4/ + / 2
à x pour exploiter l'hypothèse 3IdKn - 4f + / 2 = O.

2
On a 3IdJR3 - 41 + 1 = 0 donc en particulier : (3IdR3 - 41+1 2 ) (x) = O. Mais :
2 2
(3IdJR3 - 41+1 ) (x) 3x - 4l(x) + l (x)
3x - 4,\x + l(f(x))
3x - 4,\x + l(Àx )
3x - 4Àx + Àl (x) (par linéarité de l )
3x - 4Àx + À x 2
= (3 - 4,\ + ,\2 )x.
Ainsi, on a (3 - 4,\ + À 2 )x = 0 avec x -f= 0 et donc 3 - 4,\ + ,\ 2 = O. En calculant le
discriminant ~ de 3 - 4X + X 2 , on trou ve ~ = 16 - 12 = 22 > 0 donc ce polynôme
4 2 4 2
ad met d eux racines
. ' Il es : - - - = 1 et - +- = 3 . 0 n vient
ree . d e voir que/\' est une
2 2
de ces racin es donc À E {1 , 3}.

Le polynôme P = 3 - 4X + X 2 est un polynôme annulateur de f et

on vient de voir que À en est une racine. Le raisonnement précédent se
généralise aisément.
Soit µ E IK et f un endomorphisme d 'un OC-espace vectoriel tel qu'il
existe un vecteur n on nul x vérifiant f( x) = µ x. Pour tout polyn ôme
annulateur P de f (avec P E IK[X]) on a P(µ) = O.

2.b. Pour montrer l'égalit é de deux ensembles A et B, on peut raisonner par double
-0
0 inclusion (comme cela a déjà ét é fait à l'exercice 6.3) ou , p lus direct ement , montrer
c
:J qu 'ils ont les mêmes éléments, via un raisonnement du type :
0
1..()
r-l X E A {=}- . . . {=}- X E B.
0
N

© Ici, il suffit de connaître la définition du noyau d'une application linéaire.

.......
..c
Ol 3
ï::: Soit À E IR et x E JR .
>-
a.
0 l(x) = Àx ~ l(x) - Àx = 0 ~ (f - ,\IdJR3 )(x ) = 0
u
~ x E Ker(! - ÀidJR3 ).
3
{ x E JR 1 l(x) = Àx } est donc le sous-espace vectoriel Ker(! - ,\ldJR3 ).

2.c. Si u ne telle base existe, il faut commencer par a na lyser quelles informations la
matrice apport e sur ses vecteurs. Cela donnera l'inspiration pour construire une de
ces bases.
 Exercice 6.10 Commutant d'une matrice carrée 207

Si (u , v, w) est une base de JR 3 dans laquelle la matrice de f est G~ ~). alors

u-=/- 0, f (u) = u, la famille (v,w) est libre et f (v) = 3v, f (w) = 3w. Autrement dit ,
d 'a près le résultat de la question précédente , u est un vecteur non nul de Ker(! - IdJR.3)
et (v , w) est une fami lle libre de Ker(!- 3Id JR3) . Réciproquement, si u, v, w vérifient
ces dernières conditions, il suffit de vérifier que (u, v , w) est une base de IR3 pour que
cette famille réponde à la question posée. Dans un premier temps, nous allons donc
chercher à décrire K er (! - IdJR3) et K er(! - 3IdJR3) .

Puisqu'on veut des familles libres de vecteurs de chacun de ces deu x sous-espaces
vectoriels , nous a llons décrire ces d erniers via une base.

3
Soit u , v E IR .

- 2y + 2z = 0
u E Ker (f -IdJR3) {:=:} J (u) - u = O {:=:} - 2x + 2z = O
{
- 2x - 2y + 4z = 0
y= z
x = z {:=:} x = y= z
{
0= 0
donc K er (! - IdJR3) = { (x , x, x ) ; x E IR} = {x (l , 1, 1) ; x E IR} = Vect(( l , 1, 1)) .
- 2x - 2y + 2z = 0
v E K er(! - 3IdJR3) {:=:} f(v) - 3v = 0 {:=:} - 2x - 2y + 2z = 0
{
- 2x - 2y + 2z = 0
{:=:} - X - y + Z = 0 {:=:} Z = X + y

donc
Ker(! - 3IdJR3 ) { (x , y , x+y) ; x, y EIR} = {x( l , O, l )+ y(0, 1, 1) ; x , y E IR}
Vect(( l , O, 1) , (0 , 1, 1)).
-0
0
c
:J
0 On regarde si la famille obtenue en « recollant » ces deux bases convient pour la
,....
1..()
quest ion p osée.
0
N

©
.......
..c
Ol
ï::: Vérifion s qu e la famill e F = ((1, 1, 1), (1 , 0 , 1), (0, 1, 1)) est une base de IR3 .
>-
a.

rgF~ rg G ~ D ~ rg G ~l Dz: : z:=Z: ~ 3 .

0
u

d im IR3 = 3 et Fest une famille de trois vect eurs de ran g 3 donc Fest bien un e base

de IR3 et, d ans cette base, la matrice de f est (~ ~ ~) .

0 0 3
 208 Chapitre 6 Applications linéaires et matrices

Soit A= ( !1 ~) E M2(JK). f : M2(JK) ---+ M2(JK) l'application définie par :

f :M f-t Al\!! - MA.
1. a. Montrer que f est un endomorphisme de M 2 (JK) et donnner sa matrice
relativement à la base canonique

b. Déterminer une base de Ker f puis calculer rg f .

c. Déterminer une base de lm f.
2 . On note C(A) l'ensemble des matrices carrées de taille 2 qui commutent avec
A. Autrement dit,
C(A) ={ME M2(JK) 1 AM= MA}.
a. Établir un lien entre C(A) et Ker f.
b. En déduire qu'il existe une matrice B E M2(JK) que l'on explicitera telle
que : C (A) = {ad+ f3B ; a , f3 E JK} où I = (~ ~) est la matrice unité
de M2(JK).

1.a. Avant de se la ncer dans la vérification du caract ère linéaire de f , il est utile
d 'isoler certains termes pour rendre l'écriture plus commode.

Si l'on pose fd : M H AM, on définit ainsi une fonction dont l'ensemble de départ
et d 'a rrivée est M 2(K) (par définition du produit matriciel) et dont la linéarité est
garantie par la distributivité du produit matriciel su r la somme matricielle,
V( M , N) E M 2(JK.) 2, 'i À E K, f (ÀM +N) = A x (ÀM +N) = ÀA x M + A x N
"'O Àf(M) + f(N ) .
=
0
c
:J
Ainsi, f est un e ndomorphisme de M 2(K ) et, par un raisonneme nt analogue, on
0 montre que f 9 : M H MA est éga lement un endomorphisme de M 2(K ).
1..()
r-l
0
N
Pour conclure il nous suffit d 'invoquer la structure d 'espace vectoriel de L:(M 2 (JK)) qui
© nous assure que toute combinaison linéaire d 'endomorphismes est un endomorphisme.
.......

~I
..c
Ol Puisque f = f d - f 9 , f, en tant que combinaison linéa ire d'endomorphismes, est un
ï:::
>-
a. endomorphisme de M 2(K).
0
u Il s'agit avant toute chose de calculer l'image par f de chacun des vecteurs et de
l'exprimer comme combina ison linéaire de vecteurs de B.

~1
Par d éfinition, o n a, en nota nt (E 1 , E 2 , E 3 , E 4 ) les vecteurs de la base cano nique B,

f(E1) = AE1 - E 1A = (~l ~) X (~ ~) - (~ ~) x (~l ~) ·

 Exercice 6.10 Commutant d'une matrice carrée 209

Ainsi, par ca lcul , on trouve

f(E1) = ( ~l ~) - (~ ~) = ( ~l 2
-; ) = -2E2 - E3 .

Ceci signifie que le coordonnées de f (E 1 ) relativement à la base B sont (0, - 2, - 1, 0).

De même
f(E2) = (~ ~l) = E1 - E4,

f(E3) = (~ ~2) = 2E1 - 2E4 ,

f(E4) = (~ ~) = 2E2 + E3.

Il s'agit, à présent , de rassembler, colonne par colonne , les coordonnées (relativement

à la base B) de chacun des vecteurs f (E1), f (E2), f (E3) , f (E4).

~
On e n déduit la matrice de f re lativement à la base B
0 1 2 0

Mats(!) = ( -;l
-2
0
0
- 1
0
0
- 2
2
1
0
)
1.b. On procède comme dans les exercices 6.2 et 5.8 pour trouver une base du noyau
de f : on résout un système homogène, on exhibe une famille génératrice naturelle du
sous-espace de ses solutions et on vérifie que c'est une base.
Ici l'interprét a tion ma tricielle de f et des vecteurs de M 2 (IK) joue un rôle clef.

Soit M = ( ~ ;) un vect eu r de M 2(IK) , ses coordonnées relativement à la base B

sont (x, y , z, t).

"'O
0 M E Ker f ~ f(M) = 0 ~ Mats(!) x Mats (M) = 0
c
:J
0 1 2 y + 2z = 0

(
0
1..()
T"-l
0
N

©
.......
~
-2
- 1
0
0
0
0
0
- 1 - 2 nm =Ü {
~
2t - 2x
-x + t
-y- 2z
=
=
=
0
0
0
..c y+ 2z = 0

{
Ol
L2 +-- L2 - 2L3
~ { X= t
ï::: Ü= Ü
>-
a. ~
0
- x +t = 0 y= - 2z
u 0= 0 L4 +-- L4 + Li
Finalement, e n fa isant jouer à t et z le rô le de paramètres, o n trou ve
 210 Chapitre 6 Applications linéaires et matrices

où U et V sont les matrices dont les coordonnées relativement à la base B sont

respectivement (1 , 0, 0, 1) et (0, - 2 , 1, 0), i.e.

Ainsi, Ker f = Vect(U, V). (U, V) est donc une famille génératrice de Ker f et c'est
aussi une famille libre car formée de de ux vecteurs non colinéaires.
Finalement, une base de Ker f est (U, V ).

L'utilisation de l'interprétation matricielle pour résoudre un problème

vectoriel peut se révéler extrêmement efficace.
Nous aurions pu, par un travail de version puis un travail de thème (à
la manière de ce qui se pratique en « Langues vivantes »), organiser la
recherche du noyau d 'un endomorphisme rp de E en trois étapes (on
suppose qu'une base B de E est donnée).
(1) Version : On traduit matriciellement la recherche du noyau Ker rp.
Pour x un vecteur de E dont l'écriture matricielle relativement à B est X ,
on a l'équivalence
x E Kercp -{=;} cp(x) = 0 -{=;} MX= 0 -{=;} X E Ker M ,
où M est la matrice associée à cp relativement à la base B.
(2) Calcul matriciel : On étudie le noyau de la matrice M, en reprenant le
travail effectué dans l'exercice 5.8
XE Ker M -{=;} X E Vect(U1, ... , Ur ),
où U1, ... , Ur sont des colonnes formant une base de Ker l\ll.
(3) Thème : Par interprétation vectorielle du résulta t matriciel obtenu ci-
dessus , on en déduit que, si l'on note u 1, .. . , Ur les vecteurs de E dont
les représentations matricielles sont données pa r U1, .. . , Ur, on obtient
une base (u 1, ... , U r) de Ker cp . En effet l'isomorphisme entre vecteurs et
"'O
représenta tions matricielles conserve le caractère libre, générateur et base.
0
c
:J
0
1..()
T"-l
Une fois la base obtenue, on connaît dim Ker f et rg f s'en déduit par la formule du
0
N rang (inutile donc de calculer matriciellement rg f comme ce fut le cas à la question
© 1.a de l'exercice 6.9).
.......
..c

~1
Ol
ï::: D'après la formule du rang,
>-
a.
0
rgf = dim lK4 - dimKer f =4- 2 = 2.
u
1.c. On adopte ici la démarche « version-thème » décrite dans l'encadré ci-dessus pour
l'étude du noyau.
 Exercice 6.10 Commutant d'une matrice carrée 211

1. Interprétation matricielle de l'image lm f

Puisque l3 est une base de M2(IK), on sait que

lm f = Vect(f(E1), f(E2) , f(E3), f(E4)).
D ' où, par interprétation matricielle,
lm[Mat13(f)] = Vect(C1, C2 , C3, C4)
où C 1, C2 , C3 , C4 sont les colonnes de Mat13(!).

2. Calcul dans l'espace des matrices colonnes

On va à présent extraire une base de cette famille génératrice de Im[MatB(f)].

Puisque C 1 ~ ~Î)
( et C2 ~ ( JJ , on remarque que C1 et C2 sont deux vecteurs

non colinéaires donc (C1, C2) est une famille libre de vecteurs de lm[Mat13(!)] et
puisque dimlm[Mat13(f)] = rgf = 2 (d'après 1.b), cette famille est une base de
lm[MatB(J)].
3. Interprétation vectorielle de la base de Im[MatB(f)].
Par interprétation matricielle, on retrouve une base lm f.

Par interprétation matricielle, on sait que les colonnes de lm[Mat13(!)] sont celles
représentant les vecteurs de lm f au travers de la base 13.
Notons F 1, F2 les vecteurs de M 2(IK) dont la représentation matricielle est donnée
par C1 et C2 respectivement, i.e.

( ~1 (~ ~1)
2
F1 = -; ) et F2 = ·

Puisque l'image d ' une base par un isomorphisme est une base, on en d éduit, grâce
à l' isomorphisme donné par la représentation matricielle (relativement à la base 13)
entre les colonnes de M 4,1(IK) et les vecteurs de M 2(IK) , que (Fi , F2) est un e base
de lm f.

"'O
0
c
:J
Sans faire appel à tout cc travail d 'interprétation, nous aurions pu
0
1..()
T"-l
0
N
,
egalement constater que f(E1) =
1 0
( 0 -2)
et f(E2) =
_
0
_
1
(1 0)
© étant deux vecteurs non colinéaires de lm f , on a, grâce à la dimension
.......
..c de lm f, trouvé une base de lm f.
Ol
ï:::
>-
a.
0
u 2.a. On va traduire, pour une matrice M ce que signifie être dans C(A) et relier par
équiva len ces ceci à l'appartenance à Ker f.

~1
Soit M une matrice de M2(IK) , par une succession d'équivalences on trouve
M E C(A) ~ AM = MA ~ AM- MA = O ~ f(M) = O ~ M E Kerf.
Ainsi, on a prouvé que C(A) = Ker f.
 212 Chapitre 6 Applications linéaires et matrices

2.b. On veut une description de C(A) comme un ensemble de combinaisons linéaires

de deux matrices (I et B). Cela fait penser à une famille génératrice, voire à une
base et donc d'après ce qui précède nous ramène à l'étude d 'une famille génératrice
ou d'une base de Ker f.

D'après ce qui précède et la quest ion 1, on a

C(A) = Ker f = Vect(U, V )
Ainsi, par construction, C(A) est l'ensemble des combinaisons linéaires de (U, V).
Soit, puisque I =U et en posant B = V = (~ ~2 ),
C(A) ={ad+ /3B ; a,/3 E JK}.

Du fait qu'il n'y a pas unicité d'une base de Ker f comportant le vecteur I , plusieurs
choix étaient possibles pour trouver une matrice B satisfaisant à la question posée.

Exercice 6.11 : Commutant d'un endomorphisme cyclique

Soit A E M3(IK) et f l'endomorphisme de IK3 ayant pour matrice A dans la

base canonique de IK3 . On note encore C(A) l'ensemble des matrices carrées de
taille 3 telles que AM = MA (appelé commutant de A). On suppose que f est
cyclique, c'est-à-dire qu'il existe un vecteur non nul x tel que (x, f(x), f 2 (x)) soit
une base de IK3. Nous noterons dans la suite B cette base de IK3.
1. Soit g un endomorphisme de IK3 représenté par une matrice M dans la base
canonique de IK3. On note a, (3, 'Y les coordonnées de g(x) dans la base B de IK3
et on suppose que ME C(A).
a. Justifier que f o g =go f.
b. En déduire que, pour chacun des trois vecteurs u de la base B de IK3 , on a
g(u) = (aldK3 + (3f + 'Yf 2 )(u) puis que g = aldK3 + (3 f + 'Y f 2 .
c. En déduire :
"'O NE C(A) ==::::} 3 (..\, µ , v) E IK3 , N = ,\fJ +µA+ vA 2 .
0
c
0
:J d. Conclure que C(A) = { ,\fJ + µA + vA2 ; (..\, µ , v) E IK3 }.
1..()
T"-l Pour chacun des deux exemples qui suivent, on note, sans le répéter, f l'endo-
0
N morphisme de IK3 qui est représenté par la matrice A dans la base canonique de
© JK3.
.......

~~ J ~i).
..c
Ol
ï:::
>-
a. 2. Soit A= ( On pose x = (1, 0, 1) .
u
0 2
a. Calculer f(x) et f 2 (x).
b. Établir que (x , f(x), f 2 (x)) est une base de IK3 (donc que f est cyclique).
c. Donner l'expression générale des matrices du commutant C(A) de A.
 Exercice 6.11 Commutant d'un endomorphisme cyclique 213

3. Soit A E M 3 (0C) telle que A 2 =!= 0 mais A3 = O. On a donc 12 =!= 0 et 13 = O.

Puisque 12 n 'est pas l'endomorphisme nul, il existe x E OC3 tel que 12 (x) =!= O.
a. Établir que (x , l(x), 12 (x )) est une base de OC 3 donc que 1 est cyclique.

b. :::l:~:,i:nE K tels que a # 0,b # O. On suppose

3 ici : A = (~ ~ ~) .
0 0 0
Vérifier que A =!= 0 et A = O. Trouver x E OC \ {O} t el que (x, l(x) , 1 (x))
2 3 3 2

est une base de OC3 puis décrire le commutant C(A) de la matrice A .

1.a. Cette question ne présente pas de difficulté, à condition de savoir faire le tri dans
les informations de l'én on cé. Ici, la donnée importante est : M E C (A).

~I
C'est évident : on a AM= MA , or AM est la matrice associée à f o g dans la base
canonique de OC3 et MA celle associée à g o f donc f o g = go f.

1. b. Les trois vecteurs u à tester sont x, 1 (x ) et 12 ( x). Ici, le point de départ est
essentiel : les coordonnées de g(x) dans la base B étant a , (3, "'(, on a bien l'égalité
g(x) = ax + f31(x) + 'Y l 2 (x ) = (aidJK3 + (31 + 'Y l 2 )(x) . Pouru E {l( x), l 2 (x )} , c'est
a priori plus compliqué car on ne sait pas comment g « agit » sur l (x) et 1 2 (x) .
On s 'en sort en utilisant le résultat de la question précédente qui permet d 'écrire
g(J(x)) = l(g(x) ) et g(J 2 (x)) = 1 2 (g(x) ). La décomposition connue de g(x) da ns la
base B, puis la linéarité de 1 et 12 permettent alors de conclure.

On a déjà : g( x ) = o:x + /3J (x ) + rf 2 (x ) par définition de o:, /3 et r · Ensuite, d'après

le résultat de la question précédente ,
g(f(x )) f (g (X)) = f ( O:X + /3 f (X) + 'Y f 2(X))
-0
o:f(x ) + /3J 2 (x ) + r f 3 (x ) (par linéarit é de J)
0 2
c (o:Idoc3 + /3 f + r f )(f(x))
:J
0
et enfin,
,....
I..{)

0
N
((g o J) o J)( x) = ((! o g) o J )(x ) = (f o (g o J))(x)
© (f o (f o g))(x) = ((! o J) o g)(x)
.......
..c J2 (g( X)) = J2 ( O:X + /3 f (X) + 'Y J2 (X))
Ol
ï:::
>-
a. o:t2(x ) + /3 J 3 (x) + r f 4 (x ) (par linéarité de J2)
0 2 2
u (o:Idoc3 + /3!+ 1 f )(f (x)) .
On a donc bie n :
g(u) = (o:IdJK3 +/3!+ 1 J2 )(u) pour tout vecteur u de la base B.

On se rappelle ensuite qu'un endomorphisme d e OC3 est complèt ement déterminé par
son action sur une base.
 214 Chapitre 6 Applications linéaires et matrices

~1
Puisque les endomorphismes g et a ldoc3 + /31 + 'Y1 2 3
de IK coïncident sur les vecteurs
d ' une base de IK3 , ils sont égaux. Ainsi,

g = aldoc3 + /31 + 'Y J2.

1.c. Il suffit de traduire matriciellement le résultat obtenu à la question précédente.

Soit NE C (A) . Soit h l'endomorphisme représenté par N dans la base canonique de

JK3 . D 'après la question précédente, il existe (,X,µ, v) E JK3 t el que
h = >.Idoc3 + µ1+v1 2 , ce qui, matriciellement, se traduit par :
:J >. , µ,v EIK, N = >.h + µA + vA 2 .
On a donc bien :
2
N E C(A ) :J >. , µ , v E IK, N = >.h +µA + vA .

1.d. Il vient d'être ét a bli que les matrices commutant avec A pour la multiplication
s'écrivent connne polynôme de degré au plus 2 de A. Réciproquement, il est bien
connu que tout polynôme de A commute avec A.

Nous venons de voir que C(A) C {>.h +µ A + vA 2 ;(À , µ , v) E IK3 }. Montrons que
2
l'on a aussi { Àh + µA + vA ; (>. , µ, v) E IK3 } 3
C C (A) . Soit (>. , µ , v) E IK . On a :

(Àh +µA + vA
2
) x A >.A+ µA + vA 2 x A
2

>.A + µA 2 + v A x A 2 (par associativité de x)

2
Ax(>.h+µA+vA )

2 3 2
donc ,\h + µA + vA E C(A ). Ain si :\/(,\, µ , v) E JK , >.h + µA + vA E C(A).
2
On a donc { Àh + µA + vA ; (>., µ , v) E JK3 } C C (A ) et, fin alement, par double
inclusion :

Tout polynôme d 'une matrice carrée A commute avec A pour le produit

matriciel (la loi x ). De même, tout polynôme d 'un endomorphisme f
-0
0 commute avec f pour la composition (la loi o).
c
:J
0
,....
1..()

0
N
2.a. Au vu de l'information dont on dispose sur f, on détermine les images f (x) et
© j 2 (x) via le calcul matriciel.
.......
..c
Ol D'après la traduction matricielle d'une application linéaire, si l(x) = (a, b, c), alors
ï:::
>-
a. 3
0
u 1
-2
2
donc l(x) = (-8, - 3, 7). De même, si 1 (x) = (>. , µ , v), alors
-6
-3
4
 Exercice 6.11 Commutant d'un endomorphisme cyclique 215

1 donc f 2 (x) = (10, 6, -5).

2.b. Le p lus rapide est d 'u tiliser le critère du rang : la famille (x, f(x), f 2(x)) est une
base de JK 3 ssi elle est de rang maxima l, ici de rang 3.

(x, f (x), f 2 (x)) est un e base de ][{3 si et seulement si le rang de cette famille va ut 3
(car cette famille est de cardinal 3 et dimOC3 = 3 ). Or
2
rg(x, f( x) , f (x)) rg G~~ ~) = rg G~: I) L, ~ ~ L, L,

rg ( ool =~ 160) = 3
O 15 L3 +-- L3 + 5L2
donc on conclut bien : (x, J(x) , f 2 (x)) est une base de ][{3 et ainsi f est cyclique.
2.c. f ét ant cyclique, le résultat principa l de la question 1 peut s'a ppliquer.

D'après le résultat du l.d,

C(A)
{,\fs + µA+ llA 2 ; (,\ , µ , li) E OC3 }

{ÀG~ D c~
+µ 32 =~) 3
+li ( :
- 4
=~4 -1~ ) ; (,\ , µ , li) E ][{
3
}

,\ - 5µ+ 7ll 3µ - 6ll - 3µ + 3ll ) }

{ (
-2µ + 4ll ,\ + µ - 3ll - µ + 2ll (,\ , µ , li) E ][{
3
.
4µ - 4ll - 2µ + 4ll ,\ + 3µ - li
3.a. On travaille ici avec des vecteurs que l'on ne connaît pas explicitement. En
part iculier , on n e sait pas calculer matriciellement le rang de la famille. En rema rqua nt
qu 'on a a ffaire à une famille de trois vecteu rs de IK 3 , il suffit de montrer que celle-ci
est libre ou génératrice. La deux ième option est à écarter car elle reviendrait à avoir
accès a u rang, ce que l'on a exclu.
-0
0 2
c Puisque la famill e (x, f(x), f (x )) est formée de trois vecte urs de OC3 qui est de di-
:J
0 mension 3, il suffit d e montrer que cette fam ille est libre pour conclure qu'il s'agit
d'une base de ][{ . Soit (R) une relation du type Àx + µf( x) + li f (x) = 0 avec
1..() 3 2
r-l
0
N (,\, µ , v ) E ][{3.
©
.......
..c
Il s'agit de montrer que, nécessairement, À = µ = li = 0 en utilisant les seules
Ol
ï::: informations dont on dispose : linéarité de f , f 2 (x) -=!= 0 et f 3 = O. En appliquant f à
>-
a. chaque membre de l'égalité Àx + µf( x) + llf 2 (x) = 0, on fait apparaître f 3 don c un
0
u t erme disparaît : 0 = .\f(x) + µf 2 (x) +li f 3 (x) = .\f(x ) + µf 2 (x). En appliquant f
une nouvelle fois, un n ouveau terme disparaît : 0 = Àf 2 (x) + µf 3 (x ) = Àf 2 (x). Au
final, on obtient une sorte de « système échelonn é »

+ µf( x) + Àx 0
µf 2 (x) + Àf (x) 0
+ Àf2(x) 0
 216 Chapitre 6 Applications linéaires et matrices

dont l'unique solution est (>.,µ,v) = (0,0, 0) (on utilise ici f 2 (x) =/:- 0).

En appliquant 12 , on obtient 1 2 (>..x + µl(x ) + vl 2 (x)) = 12 (0) donc , par linéarité

2 2 4
de 1 • Àl (x) + µl 3 (x) + vl (x) = O.
3 4 3 2 2
Puisque l (x) = 0 et l (x) = l(f (x)) = l(O) = 0, on a Àl (x) = 0 or l (x) -=/= 0
donc À = O. Il rest e: µl(x) + vl 2 (x) = O. On a pplique a lors l . ce qui donne (par
linéarité de f) µl 2 (x) + v l 3 (x) = l (0) = 0 or l 3 (x) = 0 donc µ1 2 (x) = 0 et comme
l 2 (x)-=/= 0, on conclut queµ = O.
Au final , il reste vl 2 (x) = 0 et comme l 2 (x)-=/= 0, cela entraîne v =O. Pour conclure,
(R)::::} À = µ = v = 0 ce qui signifie préciséme nt que (x , l(x) , l 2 (x)) est libre. Ainsi,
(x, l(x) , l 2 (x)) est une base de JK.3 donc lest cycl ique.

3.b. On remarque que A est strictement triangulaire (supérieure), c'est-à-dire trian-

gulaire dont tous les coefficients diagonaux sont nuls. De manière générale, on peut
montrer que si B est une matrice carrée strictement triangulaire de taille n , alors
E n = 0.

~1 ~ G~ !) ~ G~ D
3
A' et A donc f vérifie • J' ol 0 (car ab ol O) et

13 = o.

Un bon candidat pour x est indiqué dans l'énoncé de la question 3 , compte t enu
du résultat de 3.a. Pour décrire le commutant, on utilisera le résultat général de la
question 1.d, compte tenu du caractère cyclique de f.

O n est do nc dans le cadre du 3.a; a ins i, s i x est un vecteur de JK. 3 tel que l 2 (x)-=/= 0,
a lo rs (x , l(x), l 2 (x)) est une base de OC3 .
-0 D'après le calcu l de A 2 , on a 12 ((0 , 0 , 1)) = (ab, 0 , 0) -=/= 0 donc, en posa nt x =
0
c (0, 0 , 1), la famille (x, l(x) , l 2 (x)) est une base de JK.3 .
:J
0 D'après le résultat de la question l.d,
,....
1..()
C(A) {Àh +µA+ vA
2
; (À , µ , v) E JK.
3
}
0
N

©
......
..c
Ol
{AG ~ D+ G ~ D+ G ~ µ v !) (A , µ , v) E OC
3
}
ï:::

u
>-
a.
0
{G~a µc:rb) ; (À,µ, oc'} v) E

Lorsq ue v décrit JK, µ c + vab décrit OC donc :

C(A) ~ { (~ µi ~) (À, p., v) E OC

3
} .
 Exercice 6 .12 Matrices à paramètre et de Vandermonde 217

Exercice 6.12 : Matrices à paramètre et de Vandermonde

1. Soit m E Ill. et A = G m
m+l
1
m~2)
lüm
a. Déterminer le rang de A suivant la valeur de m.
b. Pour quelles valeurs de m la matrice A est-elle inversible ?
c. Lorsque c'est le cas, calculer son inverse.

2. Soit a, b, c trois nombres complexes et N =

a
b b2 .
c c2
G a2)
a. Discuter le rang de N en fonction des valeurs de a , b et c.
b. À quelle condition nécessaire et suffisante N est-elle inversible?

1.a. On effectue des transformations sur les lignes pour se ramener à une matrice
triangulaire supérieure (en a ppliquant l'a lgorithme du pivot de Gauss).

~ m
rg(A ) 1

La discussion du rang de cette matrice t ria ngula ire supérieure doit être menée suivant
les valeurs de m qui annulent l'un de ses coefficients diagonaux. Ici, il n 'y a qu'un seul
coefficient d iagonal dépendant de m.

"'O
Le polynôme 2m
2
+ 5m + 2 a pour discriminant 25 - 4 x 2 x 2 = 9 = 3 2 > 0 et admet
d d . , Il - 5- 3
= - 2 et - 5 + 3 = - 2'1 ainsi
. .
0
c one eux racines ree es :
:J 4 4
0
m E { - 2, -~ } . 2m 2
+ 5m + 2 = 0 et
1..()
T"-l • si A est de rang 2 ;
0
N

© • sinon , 2m2 + 5m + 2 /- 0 et A est de ran g 3.

.......
..c
Ol 1.b. Il s'agit des valeurs de m pour lesquelles le rang de A est maximal, c'est-à-dire
ï:::
>-
a. égal à 3.
0
u
~I A est inversible ssi rg(A) = 3 donc A est inversible ssi m E 111 \ { -2, -~ } ·
1.c. Pour m E IR\ { -2, -~ } , on résout un système général de matrice associée A
en appliquant les mêmes manipulations élémentaires que celles utilisées pour obtenir
rg(A).
 218 Chapitre 6 Applications linéaires et matrices

Sim E lR. \ {-2, -~ }. on considère un système linéaire de matrice associée A avec

un second membre générique
x+my a
(S) {
x + (m + l)y + (m - 2) z b
2x + y+ lOmz c
que l'on résout par la méthode du pivot de Gauss
x+my a
(S)
{ y+(m - 2)z
(1 - 2m)y + lOmz
b- a
c- 2a
x + my
{
a
y + (m - 2) z b -a
(2m 2 + 5m + 2)z - (1+2m)a - (1 - 2m)b+ c
x+my a
{ y+ (m - 2) z
(m + 2)(2m + l) z
b- a
-(1 + 2m)a - (1 - 2m)b + c

{:
a-my
b - a + (2 - m )z
- (2m + l)a + (2m - l)b + c
(m + 2)(2m + 1)
(5m + 2)(2m + l)a - 10m2 b + m(m - 2)c
X
(m + 2)(2m + 1)
-4(2m + l )a + lOmb + (2 - m) c
y
(m + 2)(2m + 1)
-( 2m + l )a + (2m - l )b + c
z
(m + 2)(2m + 1)

Les coefficients d e A - 1 sont , da ns le m êm e ordre de lecture, les coefficients devant a ,

b et c dans le système ci-dessus.

Conclusion : Sim ElR. \ {-2,- ~ }.

-0
0 ( (5m + 2)(2m + 1) - 10m2 m(m - 2) )
c 1 1
:J A- = -4(2m+l) lüm 2- m .
0 (m + 2)(2m + 1) - (2m + l)
I..{) 2m - 1 1
,.....
0
N

© 2.a. La démarche est la même que dans l'exemple précédent: se ramener à une matrice
....... tria ngula ire par transformations sur les lignes .
..c
Ol
ï:::
>-
a.

G a a
0
u az )
rg(N) = rg b- a b- a (b - a)(b+a).
c-a c -a (c - a)(c+ a)

La transformation suivante qu 'on est t enté de réaliser est L 3 +-- (b - a)L 3 - (c - a) L 2

mais celle-ci n 'est a utorisée que si b - a =/=- O. Il convient donc dès à présent d 'engager
une discu ssion suivant les valeurs de a, b et c.
 Exercice 6 .12 Matrices à paramètre et de Vandermonde 219

Supposons b = a . On a alors :

rg(N) = rg G c-a
a
0
2

a0
(c-a)(c+a)
)
= rg (1
0
0
a
c-a
0
a2
(c - a)(c +a)
Ü
)
L
2 B
L
3

donc:
• si c -=j=. a, r g(N) = 2;
• si c = a (auquel cas a = b = c), seule la première lign e de la derniè re matrice
n'est pas nulle donc rg(N) = 1.

Si b =/= a, alors b - a=/= 0 et la transformation L 3 +--- (b - a)L3 - (c - a)L2 peut être

réalisée.

Supposons à présent b -=j=. a. On a alors :

a
a2 )
rg(N) b- a (b - a)(b +a)
0 P(a, b, c)
où
P(a , b, c) (b - a)(c - a)(c +a) - (c - a)(b - a)(b +a)
(c - a)(b - a)(c +a - (b +a))
(c - a)(b - a)(c - b) .
Ainsi,

G a)~ ~
a
si c -=j=. a et c -=j=. b,
rg(N) = rg b- a (b - b + a) ) ={ si c = a ou c = b.
0 (c - a)(b - a)(c - b)

Nous avons envisagé les cinq cas possibles :

• a = b et a =/= c,
• a= b = c,
• a =/= b, b =/= c et a =/= c,

-0
• a =/= b et c = a,
0
c
:J
• a =/= b et c = b.
0
Nous pouvons donc conclure.
,....
I..{)

~1
0
N Pour résumer, N est de rang 3 si et seulement si a , b et c sont deux à deux distincts.
© Si seu lement deu x des trois nombres a, b et c sont égaux, N est de rang 2. Enfin, N
.......
..c
Ol
est de rang 1 si a = b = c. t
ï:::
>-
a. 2.b. N est inversible si et seulement si son rang est maximal, c'est-à-dire égal à 3.
0
u Nous savons à présent traduire cette dernière condition sur les trois paramètres a, b
etc.

~I
N est inversible si et seu lement si son rang vaut 3. D'après le résultat de la question
précéde nte , N est donc inversible si et seu leme nt si a, b et c sont de ux à deux distincts.

t. On p ourrait tout résumer en disan t que le rang d e N est égal a u cardinal d e l'ensemble {a, b, c}.
 220 Chapitre 6 Applications linéaires et matrices

Si a, b etc sont deux à deux distincts et a , /3, r sont des complexes don-

nés, l'équation matricielle N X = Y d'inconnue X = ( ~:) et de second

membre Y = (~) admet une unique solution (car N est inversible).

On peut donner une interprétation polynomiale de cc résultat : dire

2
x 1 + x2a + X3a a
que le système linéaire x 1 + x2b + x3b2 = /3 admet une unique
{
X1 + X2C + X3C2 = /
solution revient à dire qu'il existe un unique polynôme P de degré au
plus 2 tel que P(a) =a, P(b) = /3 et P(c) = r·

1. a. Soient f : E ---+ F et g : F ---+ G deux applications linéaires.

Comparer Im(g of) et Im g. Puis comparer Ker(g of) et Ker f.
b. En déduire que, pour tout couple de matrices (NI, N) de tailles compa-
tibles pour le produit MN, on a
rg(M N) :s; rg(NI) et rg(M N) :s; rg(N).
2 . Soient A E M3,2(lK) et B E M2,3(1K) telles que

AB = ( ~1 ~l ~~ )
a. Calculer (AB) 2 , puis BA(BA - h)BA.
b. Calculer rg(AB). En déduire que rg(BA) = 2. Que peut-on dire de BA?
"'O
0
c c. Calculer BA.
:J
0
1..()
T"-l
0
N

© 1.a. C 'est un résultat classique. Le méthode pour le prouver est tout aussi classique .
.......
..c
Ol
ï:::
>-
a. Soit y E Im(g o !). Par défi nition, y admet do nc un antécédent par g o f, notons x
u
0 un t el antécédent, o n a x E E et y = (g o J)(x) = g(f(x)) .
Si l'on pose x' = f(x), on a x' E E et y = g(x ' ).
Ainsi y admet un antécédent par g, ce qui signifie que y E l mg.
Ceci étant réa lisé quel que soit y E lm (g o !), on a donc prouvé que Im(g o !) C lmg .

On prouve de même l'inclusion suivante (tout a ussi classique que la précédente).

 Exercice 6.13 AB donne BA 221

~1
Soit x E Ker f, on alors f(x) = ÜF et donc, en composant par g (ce qui est licite car
Op et f(x ) sont des éléments de F), on trouve
g(f(x)) =0 i.e. (go f)(x) =0
Ainsi x E Ker(g o !), et ce quel que soit x E Ker f. On a donc Ker f C Ker(g o !).
1.b. Pour faire le lien avec la question précédente, nous allons introduire des applica-
tions linéaires associées a ux matrices M et N. Puis, profitant d es inclusions entre les
espaces vectoriels images, en déduire une inégalité entre leurs dimensions (i. e. entre
les rangs) .

Notons f (resp. g) l'endomorphisme canoniquement associé à N (resp. M ).

On a alors MN est canoniquement associé à g o f.
Puisque Im(g o f) C lmg, on en déduit, par passage aux dimensions, que
rg(g o f) ::::; rg(g).
Et donc, puisque le rang d ' une application vaut le rang de sa matrice associée dans
toute base, rg(MN) ::::; rg(M).

Pour la deuxième inégalité, nous a llons travailler sur les inclusions entre les noyaux
et récupérer une inégalité entre rangs grâce à la formule du rang.

L' inclusion Ker f C Ker(g o f) nous donne, par passage aux dimensions,
dim Ker f ::::; dim Ker(g o f).
Or, d'après la formule du rang appliquée à f et à go f,
dim Ker f = dim E - rg(f) et dim Ker(g o f) = dim E - rg(g o !).
On en déduit
dim E - rg(f) ::::; dim E - rg(g o f ) i. e. rg(g o f) ::::; rg(f) .

Ainsi pour f :E -+ F et g : F -+ G d e ux applications linéaires on a

rg (g o f ) : : .; rg(f) et rg (g o f ) : : .; rg(g).
On montre également que ces inégalités deviennent des égalités lorsque l'application
par laquelle on compose est un isomorphisme. Autrement dit, le rang est invariant
-0 par composition avec un isomorphisme.
0
c 2.a. Il suffit de développer les expressions.
:J
0
(AB) 2 = AB. D'où, en développant l'expression deman-
1..()
r-l Un calcul direct nous donne
0
N dée,
© BA(BA - h )BA = B ~ A - BABA = B(AB)A - BABA = O.
.......
..c
Ol = ( AB)2 = AB
ï:::
>-
a.
u
0 2.b. Le calcul du rang passe par des opérations élémentaires sur les lignes et /ou les
colonnes.
Ces opérations ont pour but de rendre nulles le plus grand nombre possible de lignes
et de colonnes. On peut ainsi commencer par remarquer que
C3 = C 1 + C2,
ce qui nous incite à opérer d'abord par la transvection (licite) C3 f-- C3 - C 1 - C2
 222 Chapitre 6 Applications linéaires et matrices

~1 ~ ) c, <---- c, - c, - c, .
- 1
rg(AB) = rg ( 0
1
Puisque le ran g d ' un e matrice est égal au rang de ses colonnes, on peut éliminer la
colonne nulle. On remarque, par ailleurs, qu e L 1 + L 2 + L 3 = O. Ainsi

rg(AB) = rg ( ~1 ~11 ) = rg ( ~01 ~01 )

L 3 +----- L 3 + Li + L2
Le rang d'une matrice éta nt éga l au rang de ses lignes, la ligne nulle peut-être élimin ée.
On trouve finalement, par permutati on des deux colonnes rest antes,

rg(AB ) = rg ( ~l - 1 )
0 = rg ( - 1
0
0 )
- 1 = 2·

Puisque BA est une matrice carrée d'ordre 2, son rang ne peut excéder 2. Il nous
suffit donc de prouver l'inégalité rg(BA) ~ 2 et pour cela nous a llons invoquer 1.b.

Grâce à 2.a et 2.b , on a rg(ABAB) = rg((AB)2) = rg(AB) = 2.

D 'où, en appliquant l.b deux fois (une première fois avec M = A et N =BAB puis,
une deuxième fois, avec M = BA et N = B) , l'obtention de
2 ~ rg(BAB) ~ rg(BA)
Or BA E M 2(~) . on en déduit alors que rg(BA) = 2 et, mieux encore, son rang
étant éga l au nombre de lignes et de colonnes, on a BA E GL2(~) .

2.c. Simplifier par la matrice P (resp. Q) dans l'égalité PQ = 0 afin d 'obtenir Q = 0

(resp . P = 0), n 'est pas autorisé en règle générale, même dans le cas P (resp. Q) non
nulle (penser au cas où P = Q = ( ~ ~) ). En revanche cette simplification devient
licite lorsque P (resp. Q) admet un inverse.

-0

~1
0
c Puisque BA est inversible et que d 'a près 2 .a : BA(BA - h)BA = 0, on en déduit
:J
0 en multipliant à ga uche puis à droite par (BA) - 1
1..()
r-l
0 BA - h = 0 i.e. BA = 12.
N

©
.......
..c
Ol
ï:::
>-
a. l'égalité BA = ! 2 n'est pas suffisante pour affirmer que A et B sont
0
u inversibles et inverses l'une de l'autre.
Rappelons que ni A ni B ne sont des matrices carrées, donc parler
d'inverse pour ces matrices n'a pas de sens. Par a illeurs, on sait que,
pour les matrices, un inverse à gauch e est a ussi un inverse à droite , on
aurait dû a lors conclure que AB = h ce qui n 'est manifestement pas
le cas.
 Exercice 6 .14 Inversion de Pascal 223

Soit A= (aiJ)O"(i,j"(n E Mn+1(lR) définie par

si i ~ j
Ir/ (i, j) E [O, n] 2 ,
sinon
1. a. Interpréter A à l'aide d'un endomorphisme f de l'espace IRn [X] rapporté
à la base C = (XJ)o~J~n·
b. En déduire la matrice inverse de A.
2. Soient (xn)n EN et (Yn)nEN deux suites de réels qui vérifient :

'V n EN, Xn = t (~ )
k=O
Yk·

Montrer alors que l'on a: 'l n EN, Yn = tc-ir-• ( ~ ) x •.

k= O

La. Notons f l'endomorphisme de lRn[X] dont la matrice relativement à la base

canonique C s'écrit A.
En explicitant les premières, la (j + 1)e et la dernière colonnes de A , on trouve
f (1)
+
1 1 1 +--- 1

0 1 2 +--- X

0 1 +--- x2
-0
0
c
0

(~ ) ( 7)
:J
0
I..{)
,.....
0
N

©
.......
..c
Ol
ï:::
>-
(; )
a.
0 0
u

0 0 0 0 (~ )
On peut donc connaître les images f(l ), ... , f (Xn) et , par linéarité de f , en déduire
l'image f (P) de tout polynôme P de IRn[X ].
 224 Chapitre 6 Applications linéaires et matrices

Par lecture des colonnes de la matrice A = Mate(!), on trouve

f(l) = 1 = (X + 1) 0 , f(X ) = l+X = (X + 1) 1 et f(X 2 ) = 1+2X +X 2 = (X + 1) 2 ,
et de façon plus générale, pour tout j E [O, n] ,

J(X; ) = t, (~ ) X ' = (X+ 1);

Ainsi V P E C, J(P) = P(X 1). +

Or, d'une part, P H P(X + 1) est un manifestement un endomorphisme de lRn[X] et,
d'autre part, tout endomorphisme est entièrement déterminé par l'image d'une base.
Ainsi f n'est autre que l'endomorphisme

f: lRn[X] -* lRn [X]

p f------7 P(X + 1)

A est inversible puisque triangulaire et ses coefficients diagonaux sont

tous non nuls.

1. b. Puisque A = Mate (f) l'étude de l'inversibilité et la recherche de l'inverse de A

se ramène à celles de f. Or f est particulièrement simple à inverser.

g: lRn[X] - * lRn[X]
Si l'on pose p f------7 P(X _ l ) , on constate que g est un endo morphisme

vérifi ant :
f 0 g = I d !Rn [X] et g0 f = I d Rn [X] ·
On en déduit que f est un isomorphisme et que g est la bijection réciproque de f.
Ainsi 1- 1 = g.
-0
0
c
:J
0
I..{)
,.....
0
N

© f étant un endomorphisme en dimension finie, il suffisait de vérifier

.......
..c qu'une des deux compositions donne l'identité .
Ol
ï:::
>-
a.
0
u
On a ainsi, par interprétations matric ielle, l' inversibilité de A avec
A- 1 = (Matc (f)) - 1 = Mat c(f- 1 ) = Matc(g).

Puisq ue 'ij E [0,nJ,

1
g(X;) = (X - 1); = t (~ ) (- 1);- •x', l'expression de

la matrice A - est alors la suivante :

 Exercice 6 .14 Inversion de Pascal 225

g( l) g(X) g (X2) g(Xj)

! ! ! !

- 1 1 (-l)j ( ~ ) (- l )n ( ~ )
+-- 1

0 1 - 2 (- l )j - 1 ( i ) (-l)n - 1 ( 7) +-- X

0 1
+-- x2
0

(- l )j - i ( j
) (- l) n - i ( n )

( ) j
j

0 0 0 0
(~ )
2. À n fixé , la relation relia nt (Yo , . . . , Yn) à (xo, ... , Xn ) est linéaire (autrement dit
la résolut ion passe par un système linéaire où les Yo, ... , Yn sont les inconnues et
Xo, ... , Xn les données) .
Soit n E N fixé. O n a alors par écriture matricielle de la relation menant de (yo , ... , Yn)
à (xo , ... ,Xn )
1 0 0
xo 1 1 0 0 YO
x1 1 2 1 0 0 Yl
x2 Y2

Xj ( ) J
0 ( ) j
( ) j
J
0 0
Yj

Xn
(n )0 (n ) (n) J ( ) n
n
Yn

"'O
0 En notant Y et X les matrices colonnes dont les coefficients sont (yo , . · · , yn) et
c (xo, . .. , Xn) respectivement, o n trouve X = tAY.
:J
0 Or tA est inversible (puisque A l'est) et CA) - 1 = t(A - 1 ), ainsi X = t(A - 1 )Y, i.e.
,....
1..()

0 Yo 1 0 0 xo
N Yl
©
.......
..c
Ol
Yj
(-l)j ( ~ )
(~ ) 0 0
Xj

ï:::
>-
a. ( - l)n ( ~ ) ( - l )n - j ( ; )
Xn
0 Yn
u
n
En particu lier, par lecture de la dernière ligne, on tro uve Yn = t . ( -1)"-' ( ) Xi ,
i
et ce quel que soit n E N .
 226 Chapitre 6 Applications linéaires et matrices

On munit Kn de sa base canonique B = ( e 1 , .. . , en)

1. Soit cp une forme linéaire de Kn .
a . Montrer qu'il existe un vecteur a= (a 1 , ... , an) de Kn tel que
n
Vx = (x1 , . . . ,xn) E Kn , cp(x) = 2.: akXk .
k=I
Quelle est la matrice canoniquement associée à cp ?
b. Réciproquement, montrer que, pour tout vecteur a= (a1 , .. . ,an ) de Kn,
n
l'application â : (x 1 , ... , Xn) t---7 L ak Xk est une forme linéaire de Kn.
k= I
c . Montrer que â est l'application nulle ssi a = O. En déduire que a t---7 â
réalise un isomorphisme d'espaces vectoriels entre Kn et .C (Kn, K).
2. Soit a = (a 1 , . . . , an) un vecteur non nul de Kn .
a. Montrer que l'ensemble H des vecteurs x = (x 1 , ... , Xn) de Kn vérifiant
(*)
a1x1+ · · ·+ anXn = O
forme un sous-espace vectoriel de dimension n - 1. On dit que H est un
hyperplan de !Rn et (*) est une équation cartésienn e de H (relativement
à la base canonique).
b. Montrer que si H , défini ci-dessus, admet deux équations cartésiennes (*)
et
(**) a~x1 + · · · + a~Xn = 0
a lors il existe un scala ire non nul À tel que (a~, .. . , a~) = >.( a 1 , . . . , an )·
Indication : on pourra s'intéresser au noyau et au rang de l'endomor-
phisme canoniquement associé à la matrice

A= ( a; a~ ).
al an
"'O
0
c c. En déduire que deux formes linéaires (non nulles) sont colinéaires ssi elles
:J
0 ont même noya u.
1..()
T"-l 3. Soit u 1 , . . . , Up p vecteurs de Kn . Notons (} : a t---7 â l'isomorphisme défini
0
N en 1.c.
©
.......
..c
a. Montrer que la famille (u 1 , . .. , up) est libre ssi (ûi, .. . , il;) est libre .
Ol
ï::: b. Mont rer que la famille (!1, f2, h) définie ci-dessous forme une base de
>-
a.
0 .C(IR 3 , IR).
u
fi : (x , y , z ) t---7 x+y+z, h : (x, y , z ) t---7 x +2y+3z et h : (x, y , z ) t---7 - x+2y+z .

1.a. Comme souvent da ns ce type de question, où il s'agit de trouver un élément

répondant à certa ins critères, on procède pa r a na lyse et synthèse.
 Exercice 6.15 Formes linéaires de ocn 227

Analyse : Supposons avoir trouvé un tel vecteur a, on en d éduit en particulier

Plus généralement, on trouve par un calcul analogue, <p(e2) = a2, ... , <p(en) = an.
Ceci prouve que le vecteur a cherché, s'il existe, ne peut être a utre que
a= (<p(ei), .. . ,<p(en)) .
Ainsi , l'analyse aboutit à l'unicité en cas d 'existence (qu'on retrouvera en question
1.c) et donne explicitement le candidat pour être le vecteur a cherché.
Puisque seule l'existence est demandée, on se contente de rédiger la synthèse.

Soit x = (x 1 , ... ,xn) un vecteur quelconque de JKn , on a par linéarité de r.p

~(x) ~ ~ (t x,e,) ~ t, x,~(e,) ~ t, a,x,

où l'on a posé, pour tout k E {1 , . .. , n}, ak = r.p(ek) ·
Puisque <p est une forme linéaire, les colonnes de sa matrice canoniquement associée
sont des coefficients. Ces coefficients ne sont rien d 'autre que les images <p(e 1), ... , <p(en) ·
En effet (1) étant la base canonique de OC, la matrice canoniquement associée à <p est
la matrice Mat(i) ,B( <p) et pour tout i E {1, ... , n }, on a

---
vu comme un éléme nt de l'espace vectorie l IK

<p(ei) <p(ei)
"-..-'
·1
vu comme un scalaire

~1
Par définition, la matrice canon iquement associée à r.p est donnée par
Mat(r.p) = (r.p(e1) · · · r.p(en)) = (a1 · · · an)·
Ainsi, la matrice canoniquement associée à r.p reproduit les coordonnées de a en ligne.

1.b. Cette question comme la précédente est une a da ptation du cas traité pour les
endomorphismes da ns l'exercice 6.1. À l'instar de ce qui a été fait pour les endomor-
phismes, on va ici en core s'appuyer sur la linéarité des a pplications coordonnées
-0
0
c
:J
0
I..{)
,..... et sur la structure d'espace vectoriel de .C (ocn, OC) .
0
N

© En notant ei , ... , e~ les applications coordonnées (relatives à la base B), on sait,

....... n
..c
Ol
ï:::
d'une part, qu'il s'agit de formes linéa ires et, d 'autre part, que â= L ake'k .
>-
a. k= l
0 Ain si, puisqu'une combin aison lin éa ire de formes linéa ires est encore une forme linéaire,
u
on en déduit que â est une forme linéa ire de JKn .

1.c. L 'implication réciproque ét ant évidente, on ne détaille ici que l'implication di-
recte.
P our mont rer que le vecteur a est nul , il s'agit de montrer que chacune de ses coor-
d onnées ak est nulle. Ceci résultera a isément du lien ak = <p(ek) ét a bli en 1.a.
 228 Chapitre 6 Applications linéaires et matrices

~1
Supposons que â soit l'application nu lle, on en déd uit, grâce à 1.a, que
\i k E {l , .. ., n}, ak = â(ek) = O.
A insi a est le vect eur nul.
La réciproque éta nt évidente on a donc ét abli q ue â est l'a pplicatio n nulle ssi a = O.

En notant () : a H â, on a bien défini une application de ocn d ans .C(IK.n, OC) . Il s'agit
à présent de montrer la linéarité.

Soient a et b deux vecteu rs de ocn et ..\ un sca laire de IK, posons u = a + ..\b et
cp = B(u) . Pa r constru ction,
n

u = (a1 + ..\b1, ... , an+ ..\bn) et donc cp : (x1, ... , Xn) H L (ak + ..\bk)Xk .
k= l
A insi, pour X= (x1, ... 'X n) un vecteur quelconque de ocn ' on a
n n n

k= l k= l k= l

et ce qu el que soit X E !Kn , ce qui pro uve que cp = â + ..\b.

Aut rement d it B(a + ..\b) = B(a) + ..\B(b), et donc() est lin éa ire.
Finalement () E .C(!Kn, .C(!Kn, IK)) .

S'agissant de montrer que () est un isomorphisme, il reste à vérifier que () est bijective.
Commençons par montrer l'injectivité. Puisqu'il s'a git d 'un e application linéaire, on
étudie donc son noyau.

~1
Q uel q ue soit a E !Kn, on a d'après ce qui précède
a E Ker() ~ â = 0 ~ a = O.
A insi K er() = {O}, ce qui , pour l' application linéa ire 8, sig nifie q ue() est injective.

On peut à présent conclure par d eu x méthodes : soit on montre que () est surj ective
(ce qui est précisément cc que prouve la question L a) , soit on invoque une égalité de
dimensions. Utilisons ici cette dernière démarche.
-0
0

~
c
:J Éta nt do nn é q ue l'on conn aît la dimensio n de l'espace des applications linéa ires entre
0
I..{)
deux espaces de d imension f inie, on en dédu it
,.....
0
N
dim .C(!Kn , IK) = dim(!Kn) X dim(IK) = dim(!Kn) .
~
© 1
.......
..c
Ol O n a alors prouvé, puisq ue() est un e application li néa ire injective entre ocn et .C(!Kn , IK) ,
ï:::
>- q ue a H â réalise un isomorphisme d'espaces vectoriels ent re ocn et .C(!Kn, IK) .
a.
0
u

Dans le cas des a pplications linéaires f : E ---+ F qui n e sont pas

& des endomorphismes, on ne peut se contenter de dire que « E et F
étant d e dimension finie , l'inj ectivité équivaut à la bijectiv ité ». Il est
indispensable de vérifier a u préa la ble l'égalité des dimensions.
 Exercice 6.15 Formes linéaires de ocn 229

2.a. On pourrait , comme cela a été fait dans l'exercice 5.1 mont rer que H est un
sous-ensemble n on v ide de ocn st able pa r combinaison linéaire.
On va plutôt ut iliser ici la question 1. b et a insi expliciter H à l'aide de â.

On sait, d ' après 1.b, que â E L:(OCn , OC) . Or

H = { (x1 , ... ' Xn) E ocn 1 a1X1 +. ·+anXn = O} = { x E ocn 1 â (x) = O} = K erâ.
On en déduit que, en tant que noyau d'une application linéaire, H est un sous-espace
vectoriel de ocn .

P our la dimension de H , il s'agit d 'étudier la dimension de Ker f, ceci nous ramèn e à

l'étude du ran g.

D'après la formule du rang, on sait que dim ocn = rg(â) + dim K er â .

~ '-..,,-'
n H
Or, d 'après 1.a, rg(â) = rg (Mat (â) ) = ..__,,_.... = 1.
rg (a1 ·· ·an)
#0
Finalement on a bien dim H =n - 1.
2.b. Comme nous l'indique l'én oncé on va int roduire la matrice

Cette matrice est précisément la matrice associée a u système (S) composé des deux
équations(*) et(**).
Puisque (*) et (**) caractérisent , tou tes les deux, le même espace vectoriel H , cela
implique que le système (S) caract érise lui aussi l'espace H .

Puisque, quel que soit X E ocn' on a

x EH ~ x est solution de (*) et x E H ~ x est solution de (**).
On en déduit que

xE H ~
a 1X1
,
+ · · · + anXn
,
0
~ AX = O,
{ a 1X1 + · · · + anXn 0
"'O
0
c où X est la colonne ca noniquement associée à x .
:J
0
On en déduit que H est don c relié a u noya u de Ker A . P our plus d e clarté, nous a llons
,....
1.()

0 exclusivement travailler sur l'espace ocn (au lieu d 'alterner avec l'espace d es colonnes
N
M n,l (!K.)) . Cela nous incite à introduire l'en domorp hisme can oniquement associé à A.
©
......
..c
Ol En notant g : ocn -+ OC2 l'endomorphisme canoniquement associé à A , on a, par
ï:::
>-
a. interprétation matricielle, x E H ~ g(x ) = 0 ~ x E K er g .
0 Ainsi H = Ker g. D'où, par la formule du rang , dim !!C = dimKerg+rg(g).
u ~ '-..,,-'
n H
Ainsi, puisque H est de dim ension n - 1, on en déduit rg(g) = 1, soit rg A = 1. Or
le rang d ' une matrice est égal au ran g de ses lignes. Puisque le rang est différent de 2
(i.e. du nombre de lignes), c ' est donc que les lignes de A sont liées.
Les lignes ét ant non nulles cela revient à dire qu e la deuxième ligne est colinéaire à la
première. Ain si il existe un sca laire no n nul À tel q ue (a~ , ... , a~ ) = .X(a1 , ... , an).
 230 Chapitre 6 Applications linéaires et matrices

On peut démontrer que l'équation cartésienne d'un hyperplan H s'écrit tou-

jours sous la forme

avec (ail ... l an) un vecteur non nul de ocn.

À défaut d 'être unique, on sait à présent que toute autre équation provient de
(*) multipliée par une constante (non nulle).

2.c. On commence par l'implication directe. Celle-ci est évidente mais nécessite que
l'on fasse usage d 'une précision de taille: la non nullité des formes linéaires manipulées.

Supposons que deux formes linéaires non nulles cp et cp' soient colinéaires. Puisque
non nulles, on peut donc écrire cp' = >..cp avec >.. un scalaire non nul. Ainsi, quel que
soit le vecteur X dans ][(n
x E Ker cp' {:=} cp' (x) = 0 {:=}
..__..,,
>.. cp(x) = 0 {:=} cp(x) = 0 {:=} x E Ker cp .
#0
Par suite, Ker cp' = Ker cp.

Pour la réciproque nous a llons invoquer les questions 1.a et 2.a et ams1 traduire
l'énoncé en t ermes d 'équations cartésiennes d 'un même hyperplan .

Soient cp et cp' deux formes linéa ires non nulles admettant le même noyau , notons H
ce noyau.
D'après l.a, on sait que l'on peut trouver deux vecteurs a et a' tels que cp = â et
cp' =;, et, d 'après l.c , ces deux vecteurs sont non nuls. Ainsi

x EH {:=} â( X) =Ü et XEH {:=} ;, (X) = 0.

Ceci, avec des notations évid entes, nous donn e deux éq uations pour le même hyper-
plan H .

x EH {:=} a1x1 + · · · + anXn = 0 et x EH {:=} a~x1 + · · · + a~Xn = O.

On en déduit d'après la question précédente qu'il existe un sca laire>.. (non nul) tel que
a' = >..a et donc, par linéarité (voir l.c) , on trouve
I ..-. --- ,..........
cp =a'= >..a= >..a= >..cp.
-0
0
c
:J 3.a. Remarquons que, dans le cas p = 2, ce résultat a déjà été prouvé en question 2.b.
0
1..()
,.....
E n tant qu'isomorphisme, ()est, en particulier, linéaire et injective. Nous a llons utiliser
0 ces deux propriétés pour montrer l'implication directe.
N

~I
©
....... Supposons qu e (u1, ... ,up) soit libre.
..c
Ol Montrons que (ûi, ... , Ûp) est libre.
ï:::
>-
a.
0 Puisque l'on manipule deux familles de vecteurs et que le mot libre est associé à ces
u
d eu x familles , il s'agit de montrer que, sachant que seule la combinaison linéaire tri-
via le a nnule la première famille, il en va de même pour la deuxième. Il est fondamental
d e n e pas se tromper d ans l'équa tion posée a u départ, puisqu 'ici on part de l'équation

À1 ûl + ... + Àp :u; = 0l

et non pas de À1 u 1 + ·· · + Àpup = O.

 Exercice 6.15 Formes linéaires de ocn 231

Soient À 1 , ... , Àp p sca laires tels que

À1ili. + ·· · + ÀpÛp = 0 i.e. À1B(u1) + · · · + Àp8(up) = O.

Pu isque e est li néaire, on a donc
B(À1u1 + · · · + Àpup) = 0 i.e. À1u1 + · · · + Àpup E Ker B.
Et , pu isq ue e est injective, o n a K erB = {O} . A insi
À1 U1 + ... + ÀpUp = O.
Or la fam ille (u1 , ... , up) est libre, on a donc À1 = · · · = Àp = 0, ce q ui finit par
prouver que (ili. , ... , Ûp) est li bre.

Lorsque l'on dispose d'une application f : E --+ F linéaire injective,

l'image d 'une famille libre est une famille libre.

La réciproque s'appuie alors sur le caractère linéaire injectif de e- 1 (puisque () est un

isomorphisme) CC qui fait hériter à la famille (U1 , ... , Up) = ( () - l (ÛÎ), .. . , () - l (û;)) le
caractère libre de la famille (ÛÎ, ... , û;).

~1
Supposons q ue (ili., ... , Ûp) soit li bre. par un ra isonnement analogue au travers de
l'isomorphisme 1, on montre que (u1 , .. . , up) est li bre.
e-

Comme pour l'image d'une famille libre, on peut montrer que : lo r sque l'on d is-
pose d'une application f : E --+ F linéaire surjective, l'image d'un e famille
gén ératrice de E est u ne fami lle gén ératrice de F .
En effet, Vcct(f (e1), ... , f (ep)) = f(Vect(e1 , . .. , ep)) = f (E) = F .
Ainsi, en combina nt les deux propriét és, on peut annoncer le résult at classique :
Si f: E --+ Fest un isomorphisme a lors l'image d'une base est une base.

3.b . On sait d 'après 1.b que les fi sont des formes linéaires que l'on peut mettre sous
la forme ~. On a donc ici une application directe de la question précédente.
-0

~
0
c Posons u 1 = (1 , 1, 1), u2 = (1, 2, 3) et u3 = (-1 , 2, 1). D e façon man ifeste on a
:J
0
1..()
,.....
fi = ili, h =û2 et h =û3,
0
N 1 1 - 1 1 1
©
.......
..c
Ol
ï:::
rg(u1,u2 , u 3) rg ( 1
1
2
3
2
1
) = rg ( 0
0
1
2 T) L 2 +---
L 3 +---
L 2 - Li
L3 - L1
1 1 - 1
u
>-
a.
0 rg ( 0
0
1
0
3
-4
) L 3 +--- L 3 - 2L2
= 3.

A insi, la fam ill e (u1, u2, u3) ayant même rang q ue son ca rdin al, elle est li bre. Grâce à
la q uestio n précédente o n en déd uit q ue (!1, h, f3) est li bre et de card inal 3.
Comme, par ailleurs, ce card ina l est aussi éga l à la d imension de l'espace
(dim .C(IR3, IR) = dim !R3 x dim !R = 3 x 1 = 3), on peut conclure que (f1,f2,f3)
forme une base de .C(IR3 ,IR).
 232 Chapitre 6 Applications linéaires et matrices

On a choisi d e montrer le caractère libre de la famille (u 1, u2 , U3) par calcul de rang,

nous aurions pu aborder la chose par résolution d 'un système (au moyen par exemple
d 'un pivot de Gauss)

x+ y -z =0
X+ 2y + 2z = 0 ~ ··· ~ x=y=z= O.
{ X + +3y + Z = 0

R emarquons que le syst ème (S) est bien de Cramer puisque le rang de sa matrice

~ ~ ~
1
associée A est égal à rg A = rg ( ) = 3, comme prouvé ci-dessus.

Il ne faut pas confondre la famille (!1, h , h) et la famille

(f1 (x, y, z), h(x, y , z), h(x, y , z)).
Cette dernière est nécessairement liée puisqu'il s'agit d 'une famille de
3 scalaires dans l'espace vectoriel IR qui est de dimension 1.
Ainsi la mise en équation permettant d'aboutir au caractère libre aurait
pu être posée ainsi
À1fi + À2f2 + À3f3 = 0
i.e. \;/ (x, y, z ) E IR 3, >.1fi (x, y, z) + >.2f2(x, y, z) + À3f3(x, y, z) = O.
La présen ce de la quantifica tion \;/ (x, y , z) E IR3 est ici primordiale, c'est
grâce à elle que l'on peut, par exemple, extraire de cette famille (infinie)
d 'équations à trois inconnues, trois équations particulières comme, par
exemple,
À1fi (1, 0, 0) + À2f2(l , 0, 0) + À3f3(l. ' 0, 0) = 0
À1fi (0, 1, 0) + À2f2(0, 1, 0) + À3f3(0 , 1, 0) = 0
{ À1fi (0, 0, 1) + À2f2(0, 0, 1) + À3f3(0 , 0, 1) = 0

Cc système n 'est autre que le système (S) posé ci-dessus et aboutit,

comme attendu, à À1 = À2 = À3 = O.
"'O
0
c
:J
0
1..()
T"-l
0
N

© Dans toute la suite, on se place dans un OC-espace vectoriel E de dimension n .

.......
..c
Ol 1. On appelle hyperplan tout sous-espace vectoriel de dimension n - 1.
ï:::
>-
a. a. Montrer que H est un hyperplan ssi tout supplémentaire du sous-espace
0
u vectoriel H est une droite.
b. Soit a un vecteur non nul de E. Montrer que si E = H EB Vect(a) , a lors
H est un hyperplan et a rJ. H .
c. Soit H un hyperpla n et a rJ. H , montrer que E = H EB Vect(a).
 Exercice 6 .16 Hyperplans 233

2. On note ici E * l'ensemble .C(E, JK)des formes linéaires sur E .

a. Soit r.p E E*. Montrer que r.p est surjective ssi r.p =/= OE--+IK·
b. Soit r.p une forme linéaire non nulle de E .
Montrer que Ker r.p est un hyperplan.
3. Soit 9J1 l'espace vectoriel des carrés magiques de taille n , c'est-à-dire l'ensemble
des matrices M de Mn(IR ) dont les sommes des coefficients sur chaque ligne,
resp. chaque colonne et resp. chaque diagonale sont égales à une même quantité
(que l'on appelle la somme de Met que l'on note CJ'(M)).
a. Montrer, à l'aide de l'application CJ' : 9J1 ---* JK, que l'ensemble ill1o des
carrés magiques de somme nulle est un hyperplan de 9J1.
b. En déduire que 9J1 = Vect ( J) EB ill1o, où J est la matrice dont tous les
coefficients valent 1.
c. Montrer que pour tout M E 9J1, Œ(::l) J est le projeté de M sur Vect( J)
parallèlement à ill1o.

1.a. On applique ici la formule dim A EB B = dim A + dim B donnant la dimension

d'une somme direct e.

Supposons que tout supplémentaire D de H soit une droite. Pu isqu'a lors E = H (f) D,
on en déduit, par passage aux dimensions, dim E = dim H +dim D, i.e. dim H = n-l.
"'-..,.-' '-..,,...-'
n 1
Ainsi H est un hyperplan.
Réciproquement, si H est un hyperplan , tout supplémentaire D de H vérifie E = DœH
et donc, par passage aux dimensions, on trouve
dim E = dimH + dimD i.e. dimD = 1.
"'-..,.-' '-..,,...-'
n n -1

Ainsi D est une droite.

-0
0
c 1.b. On montre , de manière analogue à ce qui précède, qu 'un sous-espace H est un
:J
0 hyperplan ssi un supplémentaire de H est une droite.
,....
I..{)
Ici c'est le ca s puisque , a étant non nul, Vect(a) est une droite.
0
N

©
.......
..c
Ol
ï:::
~I Puisque E = H tfJ Vect (a), par passage aux dimensions on trouve dim H = n - 1.
Ainsi H est un hyperplan .

>-
a. Pour montrer que a ~ H , comme souvent da ns le cas d 'une négation , on va procéder
0
u par l'a bsurde.

Supposons, par l'absurde, que a E H, on en déduit, puisque H est un sous-espace

vectoriel, que Vect(a) c H et donc Vect(a) n H = Vect( a ) =/:- {O}.
'-v-"
#0
Ceci contredit le fait que H et Vect(a) soient en somme directe (puisque supplémen-
t aires) . Fin alement on a prouvé par l' absurde que a f:- H .
 234 Chapitre 6 Applications linéaires et matrices

1.c. Profitant du fait que l'on travaille en dimension finie , nous a llons prouver le
caractère supplémentaire en montrant le caractère somme directe et une égalité de
dimensions. Commençons par l'égalité de dimensions.

~1
Puisque a r/:. H , a est un vecteur non nul, donc Vect(a) est une droite. Ainsi
n - 1 1
~ ,...__......___
dim H + dim Vect(a) = n = dim E.
Montrons à présent le caractère somme directe.

Soit XE H n Vect(a).
Du fait que x E Vect(a), on peut écrire x = Àa avec À un scalaire. Mais, puisque
x E H, on a Àa E H. Si par l' absurde À -f:. 0 , H éta nt un espace vect oriel, on aurait
alors la contradiction
1
a = ~ -~EH .
..._,_, EH
EIK
Ceci prouve, par l'a bsurde, que À= 0 et donc x = 0 ·a = O.
Ainsi H n Vect(a) C {O} donc, l'inclusion réciproque étant évidente, on a bien prouvé
que H et Vect(a) sont en somme directe .
Grâce à l'éga lité de dim ensions o n peut conclure que E = H EB Vect(a).

L es supplémentaires d ' un h yperpla n H sont les droites Vect(a) avec a~ H.

2.a. L'implication directe étant évidente, intéressons-nous à sa réciproque.

Supposons que <p ne soit pas l'application nulle. c'est-à-dire qu'il existe un vecteur x 0
dans E tel que <p(xo) =/= O.

Il ne faut pas confondre <p n 'est pas l'application nulle i.e. :

« il existe un vecteur x tel que <p( x) est non nul »,
avec l'affirmation « quel que soit le vecteur x, <p(x) est non nul ».

-0
0
c Pour montrer qu'une application est surj ective on peut procéder par trois méthodes.
:J
0
,....
1..()
Méth ode 1 : R ech erch e d ' un antécédent.
0
N Pour un scalaire À donné dans lK (espace d'arrivée) , on cherche un antécédent x dans
© Epa r <p .
.......
..c Or <p(x0 ) étant non nul , on peut factoriser À par <p(x 0 ) (on peut d ire d 'a illeurs que
Ol
ï::: <p(x 0 ), comme tout scalaire non nul, constit ue une base de IK) .
>-
a.
0
u À= µ<p(xo) et donc par linéarit é À= <p(µx o) E lm <p .

Soit À E lK. Puisque cp(xo) -f:. 0, on trouve À= µ cp(xo) , avecµ= _ (À ) E lK.

cp xo
Ainsi , par linéarité de cp , en posant x = µxo E E, on t rouve cp(x) = µ cp(xo) = À .
Ceci prouve que À E Im cp, et ce quel que soit À pris dans l' ensem ble d'arrivée, do nc
lm cp = JK, i. e . cp est surjective.
 Exercice 6 .16 Hyperplans 235

Méthode 2 : Calcul de l'espace l m <p.

Puisque lm <p est un sous-espace vectoriel de IK, il nous suffit de con sidérer la liste
complète des sous-espaces de IK.

Puisque lK est de dimension 1, ses sous-espaces sont de dimension 0 ou 1. Ainsi ,

les seules sous-espace d e lK sont lK (seul sous-espace de dimension 1) et {O} (se ul
sous-espace de dimension 0).
Puisque cp : IKn ---+ lK est linéa ire, on en d éduit que lm cp est un sous-espace IK. Il y a
donc deux cas possibles : soit lm cp = {0} (i. e. cp = 0 E-+IK) , soit l m cp = K
Étant donné que seule l'application nulle correspond au premier cas, le deuxième cas
correspond à tous les autres. Ainsi cp est surjective (i.e. lm cp = IK) ssi cp i= Oe -+IK ·

Méthode 3 : Calcul du rang.

Étant donné que <p E .C(IKn, IK), m ontrer que <p est surjective équivaut à m ontrer que
rg(<p) = dim lK(= 1). Ceci va être la conséquence d 'un encadrement du rang.

Puisque lm cp C 1K, on a donc rg(cp) :::;; 1. Ainsi

rg(cp) = 1 ~ rg(cp) ~ 1 ~ dim (lm cp) ~ 1 ~ dim(lm cp) i= 0 ~ lm cp i= {O}.
Puisque seule l'application nulle a pour ensemble image {O}, on en déduit, par contra-
position,
rg(cp) = 1 ~ cp # ÛE-+IK ·
D'où la conclusion attendue.
2.b. On a pplique la formule du rang.

D'après ce qui précède, cp éta nt une forme linéaire non nulle de E, on a rg(cp) = 1.
Ainsi, puisque pa r la formule du rang on a
d imE = d im (Ker cp) + rg(cp),
~ "-v-"
n 1

o n e n déduit dim(Ker cp) = n - 1, i. e. K er cp est un hyperplan.

La réciproque étant vraie, on peut énoncer le résultat général suivant :

H est un hyperplan ssi H est le noyau d'une forme linéaire non nulle.
"'O
0
c 3.a. En relation avec ce qui précède, nous allons montrer que 9J1o est le noyau d 'une
:J
0 forme linéaire non nulle sur 9J1. o- semble remplir cc rôle à merveille.
1..()
r-l
0 Puisque Œ fournit la somme des coeffi cie nts se situant , par exemple, s ur la premiè re
N

© ligne, on a
....... n
..c
Ol VM E 9J1, Œ(M) = L M [l ,j].
ï:::
>-
a. j= l
0 Ainsi quelles que soient les matrices M et N d e 9J1 et le scalaire À dans IK, on a
u
n n

Œ(ÀM + N) L (ÀM + N) [l,j] = L ÀM[l , j ] + N[l , j]

j=l j=l
n n
L ÀM[l , j ] + L N[l , j] = ÀŒ(M) + Œ(N).
j=l j=l
 236 Chapitre 6 Applications linéaires et matrices

D'où la linéarité de Œ et, puisque Œ: 9J1-+ OC, Œ est une forme linéaire sur 9J1.
Par ailleurs, la matrice J introduite dans l'é noncé est un ca rré magique dont la somme
vaut Œ(J) = n =1- O. Ainsi Œ n'est pas l'application nulle.
On en déduit, grâce à 2.b, que 9Jlo = {M E 9J1 1 Œ(M) = O} = KerŒ est un
hyperplan de 9J1.

3.b. C 'est une conséquence directe de la caractérisation des supplémentaires d 'un

hyperplan prouvée en question 1.c.

~1
Commençons par remarqu er que l'on a bien J E 9J1. Par ailleurs, puisque J 1. 9J10
(car Œ(J) = n =1- 0) et que 9J1o est un hyperplan de 9J1 , on en déduit, grâce à 1.c,
9J1=Vect(J )EB 9J1o.
3.c. P our caractériser un p rojeté selon une somme directe il s'agit de déterminer la
décomposition de tout vecteur selon cette somme directe.
Plus précisément pour un vecteur M E 9J1 on cherche la décomposition suivante (que
l'on sait exister et être unique)
M= A
'-...,-'
+ '-...,-'
N.
EVect(J) E9Jlo

Comme souvent, lorsqu'il s'agit de trouver la décomposition comme somme de deux

éléments, il suffit d 'en trouver un , par exemple A (l'autre étant alors égal à M - A).
Puisqu'ici A E Vect( J ), on cherche en réalité un scala ire À grâce auquel on peut écrire
A = >.J.

Soit M un vecteur de 9J1 et M = ÀJ +N sa décomposition selon la somme directe

9J1 = Vect( J ) E9 9Jlo.
Puisque par construction Œ(N) = 0 et que Œ est linéaire on en déduit
Œ(M) = ÀŒ{J) +Œ(N).
"-v-' ....__.,
n 0

D 'où À = a(.~1) . Ainsi, par définition du projet é sur Vect(J) parallèlement à 9J10 ,
celui-ci vaut ÀJ = a(~\1) J .

-0
0
c
:J
0
,....
1..()

0
N

©
.......
..c
Ol
ï:::
>-
a.
0
u
 Liste des capacités attendues 237

Liste des capacités attendues

• Savoir montrer qu' une application entre deux espaces vectorie ls est
linéaire (cf exercice 6.1 et questions 6.2.1.a, 6.4.2, 6.4.4.a, 6.9.1.a, 6.10.1.a).

• Savoir utiliser les formes linéaires, le s hype rplans et leurs liens (cf exer-
cices 6.15 et 6.16).

• Savoir déterminer le noyau ou l'image d'une application linéaire (cf exer-

cice 6.7 et questions 6.2.1.c, 6.2.2.b, 6.10.1) .

• Savoir montrer qu'une application linéaire est injective, surjective ou

bijective/un endomorphisme, un isomorphisme ou un automorphisme
(cf exercices 6.2, 6.5 et questions 6.2.1.c, 6.2.2.b, 6.4.3.b, 6.4.4.c, 6.8.1 , 6.9.1.a,
6.12.1.c, 6.15.1.c).

• Savoir obtenir la matrice assoc1ee à une application linéaire ou à un

vecteur dans des bases données (cf exercices 6.2, 6.6 et questions 6.1. 2.b,
6.2.1.b, 6.2.2.a, 6.4.1 , 6.4.3.a, 6.8.2, 6.9.1.b, 6.9 .2.c, 6.14.1.a).

• Savoir interpréter la composée d'applications linéaires f o g, l'inverse

d ' un isomorphisme f - 1 , l'image d'un vecteur f (x) au travers de la re-
prése ntation matricie lle dans une base donnée (cf exercices 6.4, 6.8 et
questions 6.2.1.e, 6.2.2.c, 6.10.1 , 6.11.1, 6.11.2.a).

• Savoir utiliser les projecteurs associes à d e ux sous-espaces vectoriels

-0 supplémentaires (cf exercice 6.3 et questions 6.2.1.e, 6.16.3.c).
0
c
:J
0
,....
1..()
• Savoir déterminer la réciproque d'une application linéaire bijective ou
0
N l'inverse d'une matrice inversible (cf exercice 6.14 et questions 6.8.4, 6.9.1.c,
© 6. 12.1.b ; 6.12.2.b).
.......
..c
Ol
ï:::
>-
a.
0
• Savoir déterminer le rang d'une application linéaire ou d ' une matrice
u (cf exercices 6.5, 6.12 et question 6.10.1.b).

• Savoir utiliser la formule du rang : si f : E ----+ F, 1 rg f = dim E - dim Ker f 1

(cf questions 6.2.1.c, 6.5. 2 , 6.5.3.b, 6.7.2 , 6.10. 1.b, 6.13. 1.b, 6 .15.2.a et 6.15. 2.b ) .
 • Savoir utiliser la formule du binôme de Newton pour deux endomor-
phismes qui commutent : si f o g = g o f ,

(cf questions 6.3.1.b et 6.3.2.a).

• Savoir utiliser les polynômes d'endomorphisme (cf exercices 6.9 et 6.11 ) .

"O
0
c
:J
0
,....
1..()

0
N

©
.......
..c
Ol
ï:::
>-
a.
0
u
 Partie 2
Analyse

"'Cl
0
c
:::J
0
li)
.--1
0
N
@
......
~
OI
ï:::::
>-
Q.
0
u
1:J
0
c
:J
0
lJ)
r-1
0
N
@
.µ
L
01
ï::::
>-
Q.
0
u
 Analyse

7 Nombres réels et suites réelles 245

Semestre 1
7.1 : Modèle de Leslie Il 245
7.2 : Autour des suites usuelles 247
7.3 : Puissances de matrice 11 250
7.4 : Suites homographiques et modèle de Verhulst 252
7.5 : Suites et limites classiques 255
7.6 : lrrationnalité du nombre e 257
Semestre 2
7.7 : Moyennes arithmétiques et harmoniques 259
7.8 : Étude d'une suite définie implicitement 261
Liste des capacités attendues 264

8 Étude locale et globale des fonctions 265

Semestre 1
8.1 : Fonction Argsh 1 265
8.2 : Singularités et continuité 268
8.3 : Limites et fonctions usuelles 270
8.4 : Continuité et commutation 271
8.5 : Points fixes et injectivité 273
-0
0 8.6 : Fonction Argsh 11 277
c
:J 1
0 8.7 : Prolongement de classe C 1 279
lil
.-t
0
8.8 : Caractérisation des fonctions logarithmes 281
N
@ Semestre 2
.....
..c
O'l
8.9 : Dérivée ne de ln 2 282
·;::::
00
>-
a. 8.10 : Recollement de classe C 284
0
u 8.11 : Convexité et continuité 287
8.12 : Inégalités de convexité 290
8.13 : Fonction qui tend vers 0 en + oo 294
8. 14 : Méthode de Newton dans le cas convexe 297
Liste des capacités attendues 301
 9 Séries 305
Semestre 2
9.1 : Séries télescopiques 1 305
9.2 : Somme de séries 308
9.3 : Nature de séries 311
9.4 : Séries télescopiques 11 315
9.5 : Séries de Bertrand 1 318
9.6 : Série alternée 322
9.7 : Séries de Bertrand 11 326
9.8 : Formule du binôme négatif 330
9.9 : Somme d'une série semi-convergente 332
Liste des capacités attendues 336
10 Intégration des fonctions d'une variable réelle 337
Semestre 1
10.1 : Utilisation d' une primitive 337
10.2 : Relation de Chasles et linéarité 338
10.3 : Croissance, positivité et inégalité triangulaire 339
10.4 : 1ntégrations par parties 342
10.5 : Changements de variable affines 345
10.6 : Changements de variable 346
10.7 : Sommes de Riemann 348
10.8 : Un exemple de suite définie par une intégrale 353
10.9 : Un exemple de fonction définie par une intégrale 355
"'O Semestre 2
0
c
:J 10.10 : Nature d'intégrales impropres 357
0
lil
..-t
10.11 : Valeur d 'intégrales impropres 361
0
N 10.12 : Autour de la décomposition en éléments simples 363
@
.......
+oo sin t
10.13 : Semi-convergence de --dt 367
..c
O'l
·;::::
>
lo
0 t
a.
0
10.14 : Une fonction définie par une intégrale impropre 371
u Liste des capacités attendues 375
11 Formules de Taylor et développements limités 379
Semestre 2
11.1 : Somme de la série exponentielle 379
 11.2 : Prolongement de classe ci 11 380
11.3 : Calcul de l'intégrale de Gauss 383
11.4 : Prolongement de classe ci 111 386
11.5 : Nature des séries et développements limités 391
11.6 : Prolongement de classe ci IV 395
11.7 : Développements limités et fonction réciproque 396
Liste des capacités attendues 401

"'O
0
c
:J
0
lil
.-t
0
N
@
.......
..c
O'l
·;::::
>
a.
0
u
1:J
0
c
:J
0
lJ)
r-1
0
N
@
.µ
L
01
ï::::
>-
Q.
0
u
 CHAPITRE

Nombres réels et suites réelles

La suite de terme général Un et de premier indice no sera indifféremment notée

(un)n ? n 0 , (un) voire u.

Pour financer sa start-up, un jeune chef d 'entreprise propose les règles suivantes:
à chaque nouvelle année, les actionnaires depuis plus d 'un an (on parlera d'ac-
tionnaires confirmés) doivent trouver un nouvel actionnaire à parrainer.
On note Un (respectivement vn) le nombre de nouveaux actionnaires (respecti-
vement d'actionnaires « confirmés ») lors de la n e année.
1. Dans cette question uniquement, on suppose que tous les actionnaires confir-
més trouvent un filleul.
a. Justifier que le modèle ainsi décrit se traduit par le système linéaire :
Un+ 1 Un + Vn (n E N).
{ Vn+ l Un

b. Montrer que la suite (vn) est linéairement récurrente d 'ordre 2 *.

c. On suppose { ~~ ~ . Déterminer Un et Vn pour tout n EN.

"'O
d. On suppose { ~~ ~ . Déterminer Un et Vn pour tout n EN.
0
c
:J 2. Dans cette question uniquement , on suppose que seule la moitié des action-
0
1..()
naires confirmés trouve un filleul, l'autre moitié se voyant dans l'obligation
T"-l
0 de revendre ses actions. On suppose a ussi que l'entreprise commence avec 30
N
nouveaux actionnaires (et aucun confirmé) .
©
.......
..c
Montrer que, asymptotiquement , le nombre total d'actionnaires de l'entreprise
Ol
ï::: tend à se stabiliser assurant ainsi sa pérennité.
>-
a.
0
u
1.a . Il suffit de revenir à la significat ion concrèt e des différents termes des égalités
pour en trouver l'explication naturelle : parrainage et anciennet é.

*· Nous v errons que la rela tion d e r écurrence est la m êm e q ue celle d e la suite de F ibonacci int ro-
duite p a r Léonard d e Pise dit Fibonacci d a ns son Liber Abaci (1 202) pour modélise r la prolifé ration
exponen t ielle d es la pins .
 246 Chapitre 7 Nombres réels et suites réelles

~1
Ch acun des Un actionnaires confirmés la ne année tro uvera un fill eul pour l'année sui-
va nte do nc Vn + 1 = U n . Par ailleurs, les Vn nouvea ux actionnaires deviennent confirmés
l'année su iva nte et rejoig nent les Un qui le sont déj à donc U n+1 = Un+ Vn.

1.b. Il faut trouver une relation lin éaire entre Vn+2, Vn+l et Vn· Avec (un) , cela se fait
naturellement, Un+2 = Un+l +vn+l = Un+l +un. Avec (vn), il faut penser à remplacer
Un a u profit d 'un des termes de la suite (vn) à l'aide de Vn+l = Un.

~1
Pour n EN, on a
Vn+ 2 = Un+ l = U n + Vn = Vn + l + Vn
donc (vn) est linéa irement récurrente d 'ordre 2.

1.c. Suivant le protocole général, on introduit l'équation caractéristique.

~I L 'éq uation caractéristique associée est r 2 = r

positif puisq ue (- 1) 2 - 4 x 1 x(-1)=5.
+ 1 dont le d iscri mina nt est stri ctement

Le discriminant étant strictement positif, il y a deux racines réelles distinctes r 1 et

r2 . Le t erme général est a lors une combina ison linéaire de (r 1 et (r2 r r.
Ell e posse' d e d eux racines
. ' Il es d'1stinctes
ree . l ±VS
2
.
et o n sa it a1ors q u 'ï1 existe
. d eux

réels o: et (3 tels q ue

'ïln EN, _ (l +VS)n+ /3 (1 -VS)n

Vn - Œ
2 2
En particu lier, comm e v1 = uo = 3, avec n = 0 et n = 1,
0
{ aH
~
- o: 3
0: 1+ vs f3 1- vs 3 { vs! 3
~ O'. = -f3 = vs ·
2 + 2
A insi, pour t out n E N,

-0
0 Vn = - [ ( 1 + vs)
3
n ( 1 -2vs ) nl
c
:J vs 2
0
1..() Fina lement , via Un = V n+ 1,
r-l
0
N

©
....... 'ï/ n E N ,
Un
3
vs
(1+/5f ' -(1 -/5f']
..c
3
( 1 -2vs) nl
Ol
ï::: Vn ( 1 +2vs ) n
>-
a. vs
0
u
1.d. Le raisonnement est le même pourv u que les d eux premiers termes soient connus
ce qui est le cas en extrayant vo de u 1 = uo + v o.

~I
On reprend la démarche précédente en partant de v 0 = u1 - u 0 = 2 - 1 = 1 et de
V1 = Uo = 1.
 Exercice 7 .2 Autour des suites usuelles 24 7

a+ /3 = 1
Les 'éels a et f3 vé,;fient le système (S) ' { i+v's 1 - v's et
a 2 + 13 2 1

Finalement,
(S) ~
{
v; <> + /3
(a. - /3)
1
1
-
2 ={ a

/3 =
1 + v'5
2v'5
1 - v's
2v'5

VnE N,
'Un
v'5
1
(' +/5f' -('-/5f'
'Un
1 ( l + vfs) n +l _ ( l _ vfs) n +l

v'5 2 2

2. Toujours la même méthode, ce sont les solutions de l'équation caractéristique qui

permettent d'obtenir le comportement asymptotique.

1
Un+l = 2Un + Vn
Avec le même raison nement qu 'ava nt, o n a le système 1
{ Vn+l 2Un

donc (un) vérifie la relation de récurrence Un+2 = ~Un+i + ~Un. Les sol utions de
I',equat1on
. , . . ., r 2 = 1 r 1 1 et - 1 de sorte qu '"I1 existe
.
caractenst1que assoc1ee
2 + 2 sont 2
deux réels a et j3 tels que

V n E N, Un = a + j3 ( - ~) n
Ainsi lim Un = a et lim Vn = ~.
n~+= n~+= 2
a + /3 uo = 0
Or,avecn =O etn = l , 1/3 1 donc a.= - /3 =40.
{ a - 2 u1 = 2uo + vo = 30
Finalement, le nombre total d 'actionnaires (un+ vn) converge vers a +% = 60.
"O
0
r::::
:::J
0
lfl
,.-1
0
N
@
.....,
r: 1. Montrer que toute suite arithmético-géométrique est linéairement récurrente
Ol
·;::
> d'ordre 2.
Cl.
0
u Dans la suite de cet exercice, on se propose de déterminer l'expression, en fonction
des deux premiers termes uo et u 1 , du terme général des suites réelles vérifiant
(E) \fn EN, Un+2 = aun+I + bun + c
où (a, b, c) est un triplet de réels fixés avec c-=/= O.
 248 Chapitre 7 Nombres réels et suites réelles

2. On suppose a + b # 1.
a. Déterminer quelle(s) suite(s) constante(s) vérifie(nt) (E).
b. En notant f, la valeur d'une telle suite constante et en posant Vn =Un - f,,
vérifier que (vn) est linéairement récurrente d'ordre 2.
c. Conclure dans le cas (a,b,c) = (0,4,-1).
3. On suppose a= 1 - b. On pose Wn = Un+1 - Un pour n EN.
a. Vérifier que (wn) est arithmético-géométrique.
b. Conclure dans le cas (a,b,c) = (-1,2,1).

1. Partant de la relation de récurrence Xn+ l = axn + b, le terme suivant est donné par
Xn+2 = axn+I + b. Le terme gênant pour l'objectif indiqué est le terme non linéaire
b qu'on va donc extraire de la première équation b = Xn+I - axn avant de l'injecter
dans la seconde pour conclure.

Soit (xn) une suite arithmético-géométrique i.e. vérifiant Xn+1 = axn + b pour tout
n E N avec a et b deux constantes réelles. En particulier la suite (xn+1 - axn) est
constante et, pour tout n E N,

Xn +2 - aXn+l = Xn+l - aXn <=} Xn+2 = (a+ l)Xn+i - aXn ·

(xn) est donc bien linéairement récurrente d 'ordre 2.

2.a. Il suffit de remplacer toutes les occurrences des termes de la suite par une valeur
constante f et de voir ce qui se passe.

La suite constante de valeur f E ~ est solution de (E) si et seulement si f = af +bf + c.

Or
(1 - a - b).e = c <=} .e = c
1-a-b
"O donc la suite dont les termes valent tous c b est la seule suite constante solution
0
r::::
1-a-
:::J de (E).
0
lfl
,.-1
0
2.b. On reprend ici la stratégie utilisée dans la situation d'une suite arithmético-
N géométrique.
@
.....,
r:
Ol
·;::
En soustrayant les deux équations Un+2 = a'Un+i + bun + c et e = ae + bf + c, on
> obtient, pour tout n EN,
Cl.

u
0
Un+2 - f = a(Un+I - f) + b(un - f)
(vn) est donc bien linéairement récurrente d 'ordre 2.

2.c. Après avoir vérifié qu'on est dans le bon cadre, on applique les résultats des
questions précédentes pour se ramener à l'étude d'une suite linéairement récurrente
d'ordre 2.
 Exercice 7 .2 Autour des suites usuelles 249

Puisque 0 + 4 = 4 est différent de 1, d 'après les deux questions précédentes, la suite

constante de valeur f = ~l ~ est solution et la suite de terme général
1- - 4 3
Vn =Un - ~ est li néairement récurrente d 'équation caractéristique associée r 2 = 4.
Les racines de cette dernière sont 2 et - 2 donc il existe deux réels À et /J, tels que
'c:/n EN, 'Un= À2n + µ( - 2t = t"·[>. + (- 1)11'µ].
En particul ier pour n = 0 et n = 1,

{ >. + µ
2(>. - µ)
Vo
VI ~
r,+µÀ - JJ,
Vo
1
-v1 = { ~
=
2vo + v1
4
2vo - v1
2 4
Par ailleurs,
2vo + v1 2·uo + u1 - 1
4 ~ [2 ( uo - ~) + (u1 - ~) J 4
2vo - v1
4 [2 ( uo - ~ ~) - ( u1 - ~) J = ~ ( 2uo - ·u1 - ~) .
Finalement, pour tout n E N,

Un -1 + V = -1 + 2n [2·uo +·u1 -1 + - - ( 2Uo - U1 - -1)]

(- 1r
3 n 3 4 4 3

[~ + (- lrl
2
1 - 2n - + uo2n- i [1 + (- l t] + u12n- z [1 - (- lrJ .

3.a. Il faut obtenir une relation de récurrence Wn+l = awn + /3 avec deux réels a et /3.

~1
('un) vérifie, pour tout n EN, Un+2 = (1 - b)un+1 + bun + c donc
Wn+l = Un+2 - Un+I = -bun+l + bun + c = -b(un+I - Un)+ c = -bwn + c
et (wn) est arithmético-géométrique.

3.b. On vérifie d 'abord que l'on est dans le cadre de la question précédente pour
l'utiliser et se ramener à l'étude d'une suite arithmético-géométrique.

~
Comme 1 - b = 1 - 2 = -1 = a, d 'après la question précédente, la suite de
"O
0 terme général Wn = Un+l - Un vérifie la relation de récurrence, pour tout n E N,
r::::
:::J Wn+I = - 2wn + 1 i.e. (wn) est arithmético-géométriq ue.
0
lfl
La valeur l de la su ite constante vérifiant cette dernière relation de récurrence est
,-1
0 caractérisée par l = - 2l + 1 (donc l = ~) . Ainsi par soustraction membre à membre
N
@ Wn+ l = - 2wn + 1 1 ( 1)
....., dans ~ _ x ~ + , on a Wn+l - 3 = - 2 Wn - 3 pour tout n EN .
r: { 2 1
Ol 3 3
·;::
>-
Cl.
Ainsi la suite de terme général Wn - ~ est géométrique de raison -2 et, pour tout
0
u
n EN, Wn - ~= (-2t (wo - ~). Par suite, pour tout k EN,

Uk+i - Uk = Wk = 31+ (-2) k ( 'Ul - 'UO - 31) ·

Pour récupérer l'expression de Un, on ut ilise le télescopage et on reconnaît la somme

des premiers termes d 'une suite géométrique de raison - 2.
 250 Chapitre 7 Nombres réels et suites réelles

En sommant cette égalité pour k E [O, n - l~. on obtient par télescopage et linéarité
de la sommation, pour tout n E N,
n- 1 n- 1

u - uo =
n
~3 "°'
~
1 + "°'(-2)k (u 1 -
~
uo - ~)
3
= :!'. +
3
(u 1 - u0 - ~)
3
1 2
- (- )n
1 - (- 2)
k=O k =O
Finalement, pour tout n E N,

Un Uo + :!'. +
3 3
2
l - (- )n (u1- ~) Uo -
3
3n - i + (- 2r 2+ (- 2r + i - (- 2r
= g + UO 3
U1
3

Soit A = ( 2 cos (J -;1 ) où (J est un paramètre réel de l'intervalle [O, n[.

1
1. Vérifier que A 2 = (2cosB)A - I où I est la matrice identité de M 2 (1R).
2 . En déduire qu'il existe deux suites (an) et (bn) telles que
\:/ n EN, An = anA + bnl.
3. Montrer que ces deux suites sont linéairement récurrentes d'ordre 2 et en dé-
duire l'expression de An en fonction de A, I et n (on pourra distinguer deux
cas selon la valeur de 0).

1. Il suffit de calculer séparément le produit matriciel A x A et le membre de droite

(2 cos O)A - I puis de comparer.

Par calcul, d'une part,

2c~se ~l 2c~se - 1 ) = ( 4cos e - 1

2
A2 = ( ) ( - 2cos e )
0 2 cose - 1
"O
0
r::::
et, d'a utre part,
:::J
2
0 2cose - 1)- (1 O) = (4cos B - l - 2cose)
lfl (2cosB)A-I=(2cose) (
,.-1 1 O O 1 2cose - 1
0
N 2
donc A = (2cosB)A - I.
@
.:COl 2 . En effectuant le calcul suivant de A3
·;::
>
0
Cl. A2 x A= [(2cosO)A- 1]A = (2cosO)A2 - A
u
(2cos0) [(2cosO)A- 1] - A= [(2cos0) 2
- 1]A - (2cos0)/

on constate que les an et bn s'obtiennent de proche en proche. On va donc procéder

par récurrence. La seule difficulté réside alors dans la formulation de la propriété de
récurrence.
 Exercice 7 .3 Puissances de matrice Il 251

Pour n E N, notons P n la propriété

« il existe deux réels an et bn tels que A n = anA + bnl »
et montrons par récurrence que cette propriété est vraie pour tout n E N.
On a I = 0 x A + 1 x I donc Po est vraie avec ao = 0 et bo = l.
Supposons que P n est vraie pour un certain rang n E N i.e. il existe deux réels an et
bn tels que An = anA + bnl. Par conséquent,
2
An+i =An x A= anA + bnA = an(2cosOA - I) + bn A = (2an cose+ bn) A- an!

On voit qu'on obtient au passage une expression de an+l et bn+l en fonction de an

et bn.

de sorte qu 'en posant an+l = 2an cos() + bn et bn+l = -an, P n+l est vraie.
Finalement, par principe de récurrence, il existe deux suites (an) et (bn) telles que
'Il n EN, An= anA+bnI

et vérifiant les relations de récurrence { abn+l

2an cos e + bn,
n+ l - an.

3. Il faut utiliser les relations de récurrence obtenues à la question précédente et

qui mélangent an et bn pour obtenir une relat ion de récurrence d 'ordre 2 (faisant
intervenir an+2 et bn+2mais ne mélangeant plus les termes des deux suites (an) et
(bn)).

Pour n EN, on a
2an+ l COS0 + bn+I = 2an+I COS(} - an
bn+2 - an+l = -2an COS() - bn = 2bn+l COS () - bn
de sorte que (an) et (bn) sont li néairement récurrentes d 'ordre 2.

Une fois la relation de récurrence linéaire correctement formulée, on introduit l'équa-

tion caractéristique.

"O

0
0
r::::
:::J
~I Elles ont même équation caractéristique associée r 2 = 2r cos() - 1 de discriminant
(-2cos0) 2 - 4 = -(2sin0) 2 . Il faut distinguer deux cas selon que() = 0 ou non .

lfl
,.-1 Si le discriminant est strictement négatif, les racines de l'équation caractéristique sont
0
N complexes conjuguées (non réelles) pe±ia et le terme général est une combinaison
@
.....,
linéaire de pn cos(na) et pn sin(na).
r:
Ol
·;::
> Si () E]O, 7r[, l' équation caractéristique possède deux racines complexes conjuguées
Cl.
0 2 cos () ± i2 s in() ±;e . . . . ,
u = e · . Amsr ri existe deux constantes reelles À et µ telles que
2
'llnEN, an= Àcos(ne) + µsin(ne) .
En particul ier, pour n = 0 et n = 1, comme ao = 0 et ai = 2ao cos() + bo = 1,

{ À cos () + µsin~
=
=
0
1 {~ 0
1
sine
 252 Chapitre 7 Nombres réels et suites réelles

.
Finalement, pour n E N , O,n = sin(nO)
. ()
sm
et bn+l = - an= - sin(nO)
.
sm
e . et pour n = - 1,
sin(ne)
bn+1 = - . () reste valable, de sorte que, pour tout n EN ,
sm
An an A + bn I -_ ( 2an cos
an
e + bn -an )
bn ( an+l
an
-an
bn )
_ 1_ ( sin((n + 1)0) - sin(nO) )
sin e sin (ne) - sin((n - l)e) ·

Si le discriminant est nul, l'équation caractéristique admet une unique racine ro et le

terme général est une combinaison linéaire de r 0 et nr0.
Si e
= 0 , l'éq uation caractéristique possède 1 comme raci ne double. Ainsi il existe
deux constantes réelles À et µ telles q ue
V n E N, an = À + µ,n .
En particulier, pour n = 0 et n = 1,

>. + ~ ~ {~ 0
{ 1
Finalement, pour n E N, an = n et bn = an+l - 2an =1- n de sorte que
n+ l -n )
) = ( n 1-n ·

Exercice 7 .4 : Suites homographiques et modèle de Verhulst

L'évolution d'une population peut être modélisée par la dynamique suivante :

Po E IR~ et 'V n E N, Pn+1 = PnPn
où Pn est l'estimation de la population à l'instant net Pn est le taux de croissance
de la population.
1. En 1845, Verhulst t a proposé de tenir compte du niveau des ressources natu-
"O
relles par le choix de la croissance Pn = Pn : K avec p et K deux paramètres
0
r::::
:::J strictement positifs+. On suppose désormais la croissance ainsi définie.
0
lfl
,.-1
a . Montrer qu'aucun terme de la suite (Pn) n'est nul.
0
N b. Pour tout entier naturel n, on pose Qn = 1/ Pn . Montrer que (Qn) est
@ arithmético-géométrique puis exprimer Qn en fonction den, Q 0 , K et p.
,....,
r:
Ol
·;:: c. Discuter suivant les vdleurs du quotient K / p le comportement asympto-
>-
Cl. tique (en grand temps) de (Qn) puis celui de (Pn)·
0
u

t. Pierre-François Verhulst (1804-1849) est un mathématicien belge, auteur de plusieurs articles

sur la loi d'accroissement de la population.
+. Ce taux de croissance tend vers 0 lorsque la population tend vers l'infini, ce n'est pas le seul
choix possible mais c'est une des expressions les plus simples.
 Exercice 7 .4 Suites homographiques et modèle de Verhulst 253

9
2. On suppose désormais que Pn = - - - -
(Pn + l )2.
a. Déterminer les limites possibles de (Pn)·
b. Écrire une fonction Scilab d'entête function []=escargot (PO ,n) qui
4
dessine sur un même graphique les fonctions p P) , p 1-f ( 1-f p et les
p+l 2
n premières itérations de la suite (Pn) de premier terme PO.

1.a. On ne peut pas s'appuyer sur l'interprétation concrète de Pn qui représente un

effectif de population puisque rien ne dit ni que le modèle est réaliste ni qu'il ne
conduit pas à une disparition effective de la population au bout d'un temps fini. Il
faut donc raisonner de proche en proche à l'aide d'une récurrence.

On va procéder par récurrence sur n E N en notant P n la propriété « Pn > 0 ».

Par hypothèse, Po > 0 donc Po est vraie. Pour l'hérédité, supposons P n vraie pour
un certain entier naturel n. Ainsi Pn + K > K > 0 et pPn > 0 donc, par quotient,
Pn+1 > 0 i.e. Pn+ 1 est vraie. En conclusion, par principe de récurrence, pour tout
n EN, Pn >O.
En particulier, la suite (Pn) ne prend jamais la valeur O.

1.b. On va chercher à mettre en évidence une relation du type Qn+l = aQn + b.

On a, pour n EN,

Qn+ l = _l_ = Pn + K = .!. +K __!__ = K Q n + .!. .

Pn+ l pPn P P Pn P P
La suite ( Qn) est donc arithmético-géométrique.

"O
Si a = 1, la suite est arithmétique.
0
r::::
:::J
0
lfl
,..-1
Si K = p, (Qn) est même arithmétique de raison .!.p donc, pour tout n EN,
0

+ -np .
N
@ Qn = Qo
.....,
r:
Ol
·;::
>
Cl. En revanche, si a =J. 1, on suit la stratégie habituelle en introduisant le point fixe .e et
0
u en se ramenant à une suite géométrique.

Si K -=/= p, on résout R = KR + .!. :

p p
K 1 1
R = -R
p
+ -p {::::::::} pR =KR + 1 {::::::::} R = P _ }'/.
'\.
 254 Chapitre 7 Nombres réels et suites réelles

Puis on remarque que la suite de terme général Qn - e est géométrique de raison K.

(J

Ainsi, pour tout n EN, Qn -

K) n(Qo -
.e = (p f) donc

Qn = (J ~ J( + ( ~) n ( Qo - ~ J() · (J

1.c. On dispose d'une expression explicite du terme général de (Qn) faisant intervenir
des suites arithmétiques ou géométriques donc la limite est facile à trouver.

~1
Si K = p, comme p > 0, lim Qn = +oo et, par conséquent, lim Pn = O.
n4+= n4+=
1
Si K < p, alors 0 < K < 1 donc lirn Qn = . }'" et lirn Pn = p - K.
p n4+= p - "- n4+=

1
Pour K > p, la situation se divise a priori en trois sous-cas selon le signe de Q 0 - P _ K
mais, en y regardant de plus près, un seul sous-cas arrive.

~1
Si K > p, - ~K
p-
= -K
1
-p
. > 0, Qo = p,l
0
> 0 (puisque Po > 0) et finalement

Qo - ~J( > O. Ainsi lim Qn = +oo et lim Pn = O.

p- n4+= n4+=

2.a. (Pn) vérifie désormais la relation de récurrence Pn+l = (P::\) 2 . Pour déter-
miner ses limites possibles, il suffit de faire tendre n vers +oo dans cette égalité.

~1
Supposons que (Pn) soit convergente et notons .e sa limite. En passant à la limite
4.Pn . li 9f
lorsque n tend vers +oo dans Pn+l = (Pn + l) 2 , on obtient alors {, = (f + l) 2

"O
i.e. f(f + 1) 2 = 9f i.e. f, [(f + 1) 2 - 9] = 0 i.e . .e(.e - 2)(.e + 4) = 0 i.e. f, E {O, 2, - 4}.
0
r::::
:::J
0 Attention cependant à ne pas oublier de traiter les limites infinies.
lfl
,-1
0

~1
N
@ En outre, les limites infinies ±oo sont aussi compatibles avec la relation de récurrence
....., précédente. Toutefois, comme on montrerait avec la même méthode qu 'en 1.a que la
r:
Ol
·;:: suite (Pn) est à valeurs positives, on doit écarter - 4 et - oo de sorte que les seules
>
Cl. limites possibles de (Pn) sont 0, 2 et +oo.
0
u
2.b. Le graphe des deux fonctions s'obtient à partir de la commande plot2d ou
fplot2d. Quant aux termes de la suite, on les calcule au fur et à mesure (dans une
boucle for) et pour représenter graphiquement ces valeurs on trace des segments de
droite.
 Exercice 7. 5 Suites et limites classiques 255

f uncti on [] =escargot(PO,n)
t=linspace(0,3,200);
pl ot2d(t,t,frameflag=4); //trace la 1ere bissectrice
plot2d(t,9*t./(1+t).-2); //trace le graphe de t - >9t/(1+t)-2
PP=PO; P=9*PO/(P0+1)-2; //calcule P_1
plot( [PO,P0],[0,P],': ' ); //relie P_O à P_1
for k=2:n //boucle pour n-1 itérations
plot( [PP,P],[P,P] ,': '); //relie P_1 à la bissectrice
PP=P; P=9*P/(P+1)-2; //calcule P_k
plot( [PP,PP], [PP,P],': ');//relie P_{k-1} à P_k
end
endfunction

Voici ce que donne l'appel à escargot (. 01 , 5).

2.8

2.6

2.4

2.2

1.8

1.6

1.4

1.2

o .8

0.6

0.4

0 .2

0.5 1.5 2.5

"O
0
r::::
:::J Pour x E IR et n EN*, on pose
0
lfl
n 1 n
En (X) = ( 1 + ; ) n L lkxJ
,.-1
0 et Sn(x) = 2
N
k=O
n k=I
@
.....,
r: où LYJ désigne la partie entière du réel y .
Ol
·;::
> 1. Montrer que la suite (En(x)) est convergente et calculer sa limite.
Cl.

u
0
2. Discuter la convergence de (Gn(x)) selon la valeur de x.
3. Déterminer la limite de (Sn(x)).

1. On fait face à la forme indéterminée 100 et on va lever l'indétermination en passant

(avec précaut ion) en exponent ielle de logarithme ab= élna.
 256 Chapitre 7 Nombres réels et suites réelles

Tout d'abord , pour x = 0, En(x) = 1 donc (En(O)) converge vers l.

Par ailleurs, pour x-::/; 0, comme lim :'.. = 0, à partir d' un certain rang, 1 + :'.. >0
n--++oo n n
et

E. (x) = exp [n tn ( 1 + rn =exp [x ln(\+~) l·

A.rns1,· en ut1·1·1sant que i·im ln(l + u) = 1, par compos1t1on
· · d e 11m1tes
· · · · , de
et contrnu1te
u--+0 U
exp, (En (x)) converge vers ex.
Comme e0 = 1, c'est aussi le cas pour x = O. Finalement, quel que soit le réel x.
(En ( x)) converge vers ex .

On retiendra l'utilisation de l'écriture en exponentielle de logarithme

de la fonction puissance ab = eb In a pour lever l'indétermination de la
forme 100 .

2 . On reconnaît la somme des premiers termes d'une suite géométrique donc on dispose
d'une expression sans somme qui permet de conclure.

1 - xn+l
Pour x-::/; 1. Gn(x) = · donc
1- x
1
• si lxl < 1, lim xn+i = 0 donc (Gn(x)) converge vers - - ;
n--+ +oo 1- X
• si x= - 1, (G2n(-l)) et (G2n+1(-l)) sont constantes de valeur respective 1 et
0 donc (Gn(-1)) diverge;
• si x > 1, lim xn+l = + oo donc (Gn(x)) diverge vers + oo;
n--++oo
• si x < -1, (G2n(x)) et (G2n+i (x)) divergent vers + oo et -oo respectivement
donc (Gn(x)) diverge.
Pour x = 1, Gn(x) = n + 1 donc (Gn(l)) diverge vers +oo.
"O 1
0
r::::
:::J
Finalement (Gn(x)) converge ssi lxl < 1 et sa limite est, dans ce cas,
1-x
0
lfl
,.-1
0 3. La seule information valable avec la partie entière est LxJ ~ x < LxJ + 1 que l'on
N
va « renverser » pour encadrer la partie entière et très vraisemblablement utiliser le
@
....., théorème dit « des gendarmes ».
r:
Ol
·;::
>
Cl.
0
On sait que, pour y E R LYJ :::;; y < LYJ + 1 donc y - 1< LYJ : :; y. En particulier,
u pour y = kx avec x E R
V k ~ 1, kx - 1 < Lkx J :::;; kx
et, en sommant cet encadrement pour k E [l, n]. pour tout n ~ 1,
n n n

k=l k= l k=l
 Exercice 7 .6 lrrationnalité du nombre e 257

Comme
n n n
n(n + 1) x
2
- n< ~
'"°" lkx""
n
J ~ n (n + 1) x
2
k= l k=l k=l k=l

(1 + nl) 2x- n1< Sn(x) ~ (1 + nl) 2x

~
et lim
n--++oo n
gendarmes.
! = 0, on conclut que (Sn(x)) converge vers
2 d 'après le théorème des

On notera qu'on a géré le problème de la partie entière en recourant à

sa caractérisation par encadrement et in fine aux théorèmes des gen-
darmes : ce sera très souvent le cas.

Pour n EN* et x E [O, 1], on pose

n xk xn
Un(x) = L k! et Vn(x) = Un(x) + nx n.1
k=O
1. Vérifier que, pour tout n E N* et tout x E [O, 1],
2
+ 2n) (1 - x) + 1
n (n
Vn+1(x) - Vn(x) = - x nn+l
( ) x (n + l.)' .

2. En déduire que les suites (un(x)) et (vn(x)) sont adjacentes.

Quelle conséquence cela a-t-il sur ces deux suites?
3. Montrer que la limite commune t de (un(l)) et (vn(l)) n'est pas un nombre
rationnel.

"O
0
r::::
:::J
1. Vn(x) est défini à partir de un(x) qui, lui, est défini par une somme. On commence
0 donc par faire ces substit ut ions.
lfl
,.-1
0
N
@ xn+l xn
....., Vn+i(x) - Vn(x) = Un+i(x) + (n + 1) X (n + 1)! - Un(x ) - n X n!
r:
Ol
·;:: xn+l xn+l xn
> ---+ - --
Cl.
0 (n + 1)! (n + 1) x (n + 1)! n x n!
u
Le résultat donné dans l'énoncé incite alors à réduire au même dénominateur.

t. Il s'agit du nombre e, plus généralement, la lim ite com mune de (un(x)) et (vn(x)) est é.
 258 Chapitre 7 Nombres réels et suites réelles

Vn+i (X) - Vn(X) X

n + 1) x + nx - (n + 1) 2
n( n
n(n + 1) x (n + l)!
n ( n + 2n) ( 1 - x) + 1
2

- x n(n + 1) x (n + l)! ·

2. Par défini tion, l'adjacence de deux suites s'obtient en vérifiant que :

• l'une est croissante,

Pour n EN* et x E [O, l].

Un+1(x) - un(x) =Li " kfX- " X X+

n+ l k n

Li k! = (n
k n+l
l)!
k= O k=O
donc Un+1(x) - un(x);;:::: 0 et la suite de terme général un(x) est croissante.

• l'autre est décroissante

~I
Par ailleurs, d 'a près l'égalité de la question précédente et comme n;;:::: 1. 1 - x ;;:::: 0,
- xn~ 0, on obtient que Vn+1(x) - Vn(x) ~ 0 donc (vn(x)) est décroissante.

• et la différence des deux a pour limite O.

xn
Enfin , Vn (x) - ·un(x) = -- Par suite, comme x E [O, l] et n ;;:::: 1.
n x n!'
1
0 ~ vn(x) - Un(x) ~ -
de sorte que, d'après le théorème des gendarmes,
n
lim (vn(x) - un(x)) =O.
n--7+00
Finalement, les suites (un(x)) et (vn(x)) sont adjacentes donc elles sont toutes les
deux convergentes et de même limite.

3. Le résultat à obtenir est énoncé sous forme négative, cela incite alors à raisonner
par l'absurde. Les réels Un( I) et Vn(I) sont eux clairement rationnels et, réduits au
même dénominateur, présentent des numérateurs consécutifs ce qui rend difficile de
« coincer entre les deux » un autre rat ionnel (tout du moins avec le même dénomina-
'O
0
r::::
t eur). Notons que, par croissance de la suite (un(x)), sa limite est strictement positive
0
:::J
puisque supérieure à uo(x) = 1.
lfl
,.-1
0
N
Par l'absurde, supposons que la limite commune soit le rationnel Lavec (a, b) E (N*) 2
.

@ Toujours d'après le théorème des suites adjacentes et comme les deux suites (un(l))
.....,
r:
Ol
et (vn(l)) sont en fait strictement monotones, pour tout n EN*, un( l) < ~ < vn(l) .
·;::
> En particul ier, avec n = b et en multipliant par b x b!,
Cl.

u
0
b x b!ub(l) <a x b! < b x b!ub(l) + 1.
Cet encadrement est absurde pu isq ue l'entier central ne peut être strictement compris

entre deux entiers consécutifs (b

b b!
x b!·ub(l) = Lb k! = b L(b -
b
k)!
(b)
k est une
k=O k=O
somme d'entiers!).
En conclusion, la limite commune n'est pas rationnelle.
 Exercice 7.7 Moyennes arithmétiques et harmoniques 259

Exercice 7. 7 : Moyennes arithmétiques et harmoniques

Soit 0 < a < b. On pose ho =a, mo = b et on définit deux suites (hn) et (mn)
par récurrence par, pour tout n E .N,
mn+hn 2 1 1
rnn+l = - - - - et -- = - + -.
2 hn+ 1 rrin hn
1. a. Montrer que, pour tout n E .N, mn et hn sont bien définis et
b. Déterminer le sens de variation des suites (hn) et (mn)·
c. En déduire que ces deux suites sont convergentes. Sont-elles adjacentes?
2. a. Montrer que la suite (hnmn) est constante et en déduire la limite com-
mune e des deux suites (hn) et (mn) ·
b. Vérifier que
o- (mn - f!)2
V n E .N, mn+ 1 - {, -
2Tnn

c. E n posant Vn = 1n mn -
2
e e, en de'dmre
. que Vn+l "' 2'Vn·
n--++oo

1.a. (mn) et (hn) sont définies par des relations de récurrence donc il est naturel de
procéder de proche en proche i. e. de raisonner par récurrence.

On va procéder par récurrence en notant, pour n E N, Pn la proposition

« hn et m n sont bien définis et 0 < hn < m n ».
Pour l'initialisation, Po est vraie puisque ho =a, mo = b et 0 < a < b.
Concernant l'hérédité, supposons que, pour un certain entier naturel n , Pn est vraie.
hn+i est alors bien défini puisque hn et m n sont strictement positifs tout comme
2
- l + -1l- . , .
m n + 1 eta1t de toute f açon b"1en d e'f"m1.. De pus,
1 Ii n+1 = > 0 et
mn hi
1
-mn
- + ...!..
hn

"O 2 2mnhn
0
r::::
:::J
_1_
mn
+ ...!..
hn
2 hn+ m n
0
lfl (mn + hn ) 2 - 4hnm n m~ + - 2mnhn + h~
,.-1
0 2(hn + m n ) 2(hn + m n )
N
2
@ (mn - hn) > O
.....,
r: 2(hn + m n )
Ol
·;::
donc 0 < hn+i < m n + l · Finalement, Pn+i est vraie.
>
Cl.
0 En conclusion, les suites (hn) et (mn) sont bien définies et: Vn EN, 0 < hn < m n .
u
1.b. Les deux suites sont à valeurs strictement positives donc les variations s'ob-
tiennent au choix en ét udiant
• ou bien le signe de la différence de deux termes consécutifs, ce qui semble pertinent
pour (mn) qui est définie par une somme ;
 260 Chapitre 7 Nombres réels et suites réelles

~I Pour n EN , mn+i - mn = hn ~ mn < 0 donc (mn) est décroissa nte.

• ou bien la position par rapport à 1 du quotient de deux t ermes consécutifs, ce qui

semble pertinent pour (hn) qui est définie à l'aide d 'inverses.

~
~1 hn = 2
Pour n EN, hn+I hn + 1)
1 ( mn 1 ( 1+1)
<2 = 1 donc (hn ) est croissante.
.

1.c. Compte tenu de ce qu'on le vient d'obtenir (la monotonie des suites), le t héorème
de convergence monotone semble tout indiqué sous réserve d'obtenir un majorant ou
un minorant.

~1
(mn) est décroissante et minorée par 0 donc, d 'a près le théorème de la limite mono-
tone, elle est convergente. De même, (hn) est croissante et majorée par mo = b donc
elle converge a ussi .
Une fois la convergence obtenue, on peut passer à la limite dans les relations de
récurrence pour voir quelles contraintes cela impose sur les limites des suites.
S i l'on note m 00 et h 00 les limites respectives des deux suites, on obtient, en passant
à la limite lorsque n tend vers +oo dans la première relation de récurrence,

moo =
moo + hoo
2
donc 2m00 = m 00 +h 00 i.e. m 00 = h00 . En particul ier, lim (mn - hn) =O.
n~ + oo

En conclusion, (mn) et (hn) sont adjacentes *.

2.a. La constance d 'une suite s'obtient en montrant l'égalité systématique de deux
termes de rangs consécutifs, ici

Pour nEN,
__2 __ -
hn+1mn+1 - mn
+ (_2_ 2-)
hn mn + hn
2 = 2
hnmn
"O donc la suite (hnmn) est constante.
0
r:::: En particul ier, pour tout n EN , hnmn = homo =ab et, en passant à la lim ite lorsque
n tend vers + oo, f 2 = ab donc (puisque, par positivité des suites, f ~ 0) f = vab t .
:::J
0
lfl
,.-1
g2
0
N
2.b. La question précédente permet d'exprimer hn en fonction de mn via hn =
@ de sorte que
,....,
r: m2 + f2
Ol n
·;::
>
Cl.
0

~1
u Soit n EN,
0 - mn + hn - 0 -
2
mn + hn mn - 2fmn m~ - 2fmn +f2
mn+l - .c, - .c, -
2 2mn 2mn

*· Contrairement à. l'habitude, ce n'est pas la convergence qui est une conséquence de l'adjacence
mais ! 'inverse...
t. f. n'est autre que la moyenne géométrique de a et de b.
 Exercice 7.8 Étude d'une suite définie implicitement 261

2.c. Il s 'agit d'une déduction donc on commence par traduire sur Vn+ I et Vn l'égalité
précédente reliant mn + 1 et m n.

~1
D' après l'égalité obtenue à la question précédente,
m n+l - f (mn - f) 2 (mn - f ) 2 f mn
Vn+i =ln 2€ =ln 4 fm n = ln ( 2€) 2 + ln m n = 2vn - ln y·

Le terme surnuméraire par rapport à l'équivalence à atteindre est alors de comporte-

ment connu et facilement comparable aux autres termes.

~1
Comme lim m n =
n4+=
e. lim Vn = -OO et lim ln_..!:_ = 0 de sorte que
n4+= n4 += m n
- ln ~n = 0 (vn ) et Vn+l rv 2Vn .
.c, n4 += n4 +=

Exercice 7.8 : Étude d'une suite définie implicitement

Pour x ~ 0, on pose f(x) = x +ex.

1. Montrer que, pour tout n EN*, l'équation f(x) = n admet une unique solution
sur JR+ que l'on notera Un·
2. Étudier les variations de (un)·
3. En déduire sa limite puis montrer que Un rv ln n.
n -++oo
Pour n E N*, on pose Vn = Un - ln n.
4. Déterminer un équivalent de (vn) et en déduire qu'il existe deux réels a et b
tels que
"O
0
r::::
Un=alnn+b -ln + o (ln
n n-++oo
- n
n
n) .
:::J
0
lfl
,..-1
0
N
@
.....,
r: 1. En reformulant la question, il s'agit de mont rer que n admet un unique antécédent
Ol
ï::: par f , cela fait penser à une bijection.
>
Cl.
0
u
f est dérivable sur JR+ de dérivée x f-4 1 + ex strictement positive sur JR+ . Par
conséquent, f est strictement croissante sur JR+ . Comme de plus f est continue sur
JR+ , d'après le théorème de la bijection, f réalise une bijection (croissante) de JR+ sur

l'intervalle [f(O) , lim f [ = [1, +oo[ (car lim x = + oo = lim ex).

+= x4+= x4+=
En particulier, pour tout n ~ 1. n admet un unique antécédent U n par f dans JR+ .
 262 Chapitre 7 Nombres réels et suites réelles

2 . Le tableau de variations de f est le suivant.

X 0 Un +oo
+oo
f (x) ;i~
~
1

Pour déterminer la monotonie de (un), il faut savoir si Un+l doit être placé à gauche
ou à droite de Un dans la partie haute du tableau. Pour ce faire, il faut regarder si
l'image de Un+i par f est en dessous ou au dessus de celle de Un dans la partie basse
du tableau.

Si une fonction <p est strictement croissante sur un ensemble I on a

alors les équivalences, pour tout couple (x, y) E J 2 ,
[x <y <=:>- r.p(x) < r.p(y)] et [x ~y <=:>- r.p(x) ~ r.p(y)].
En effet, la stricte croissance implique la croissance et donc
[x <y~ r.p(x) < r.p(y)] et [x ~y~ r.p(x) ~ r.p(y)].
les implications réciproques s'obtiennent alors par contraposition.
En revanche, si l'on sait seulement que <p est croissante, on ne conserve
qu'une implication : x ~y~ r.p(x) ~ r.p(y).

~I Po ur n ~ 1, f(un+1) = n+ 1 > n = f(un) donc, comme f est strictement croissante

sur JR+, Un+1 >Un. Ainsi (un) est strictement croissante.

3 . On raisonne encore à partir du tableau de variations : si (un) est majorée, alors sa

«suite image» (!(un)) l'est aussi ce qui n'est pas le cas.
"O

~
0
r:::: D 'après le théorème de la limite monotone, il n'y a que deux possibilités :
:::J
0 • ou bien (un) converge vers un réel R,
lfl
,.-1
0 • ou bien (un) diverge vers + oo.
N
@ Supposons par l'absurde que lim Un = R avec RE IR. On a alors, par conti nuité de f,
....., n + oo
r: lim f(un) = f(R) et, par ailleurs lim n = +oo ce qui est contrad ictoire.
Ol n~+ oo n~+oo
·;::
>-
Cl.
Finalement, lim Un = +oo.
n ~ +oo
0
u

f L'idée à retenir ici est l'importance du tableau de variations pour le rai-

sonnement : il permet de visualiser la caractérisation de Un et d'obtenir
ainsi majorations, minorations et sens de variations.
 Exercice 7.8 Étude d'une suite définie implicitement 263

Fort de savoir que (un) tend vers +oo, dans l'égalité caractérisant Un i.e. Un +eun = n,
on peut négliger le premier terme : eun ,....., n. En revanche, impossible d'appliquer
« froidement » ln à cette équivalence, il va falloir travailler un peu plus mais l'idée est
là.

Par conséquent, par croissances comparées, Un = o ( e·un) et donc

n --+ +oo
e'Un Un+ e'Un.
n--++oo
, " • . eUn
Autrement dit, eun n c est-a-dire hm - = 1.
n--++oo n--++oo n
Ainsi , par composition avec ln, lim (un - Inn)= 0 i.e. Un= Inn + o (1). En
n--++oo n--++oo
particulier, comme lim ln n = + oo, Un rv ln n.
n--++oo n --+ +oo
4. Il s'agit en fait de trouver le terme suivant (négligeable devant ln n) dans le déve-
loppement asymptotique de Un · Pour y parvenir, on procède comme pour Un à partir
de l'équation qui caractérise Vn et en « éliminant » les termes qu'on sait négligeables.

En injectant Un = ln n + Vn dans la caractérisation de Un, on obtient

n =Inn+ Vn + e•nn+vn =Inn+ Vn + neVn
donc n ( 1 - ev.,..) = ln n + Vn.
En utilisant la question précédente Vn = o (ln n), on en déduit
n--++oo
n(l-evn)=lnn+ o (lnn).
n--++oo
Or
n(l-evn)=lnn + o (lnn) ~ evn =l-lnn+ 0 (lnn)
n --+ +oo n n--++oo n

~ Vn = ln [i - ln
n
n+ n--++oo
o (ln n)]
n
ln n Inn
donc, comme ln(l + u) rv U et lim - - - = Û, on a Vn et,
u --+0 n--++oo n n--++oo n
finalement,
ln -
Un = ln n - - n+ o (ln
-- .n)
"O n n--++oo n
0
r::::
:::J
0
lfl

il
,-1
0
N
L'idée à retenir ici est la faculté à « faire le tri des forces en présence »
@ pour se concentrer sur les termes dominants et trouver les moyens de
.....,
r: justifier que les autres termes sont effectivement négligeables .
Ol
·;::
>-
Cl.
0
u
 264 Chapitre 7 Nombres réels et suites réelles

Liste des capacités attendues

• S avoir utiliser les s uites u s u elles (cf exercices 7.1, 7.2, 7.4, question 7.3.3
et 7.5.2)
0 arithmétiques i.e. vérifiant 1Un+l = Un + r 1,

() géométriques i.e. vérifiant 1 Un+l = qun 11

0 arithmético-géométriques i.e. vérifiant 1 Un+l = aun + b 1,

() vérifiant une relation linéaire de récurrence d'ordre 21 Un+2 = aun+l + bun I·

• S avoir étudier les va riations ou le ca r act èr e m ajoré/minoré d'une s uite

(cf questions 7.7.1.b, 7.7.1.c et 7.8.2)

• Savoir utiliser les propriétés des limites (cf exercice 7.5, questions 7.4.1.c,
7.7.1.c et 7.7. 2.a)
0 pour les opérations algébriques,
0 pour la composition avec une fonction continue ou de limites connues aux
bords de son domaine de définition.

• S avoir utiliser le théorème d'existence d e limite p a r en cadre m ent (dit

{< d es gendarmes ») ou son extension aux limites infinies (cf question

7.5.3)

• Savoir utiliser le t héorème de limite monotone (cf question 7.7.1.c)

• S avoir vé rifier l'a dj acen ce d e d eu x s uites et a ppliquer le théorèm e d es

"O suites adjacentes (cf question 7. 7 .1.c)
0
r::::
:::J
0
lfl
,..-1
• Savoir utiliser le principe des croissances comparées (cf questions 7.8.3
0
N
et 7.8.4) entre familles de suites de limite + oo : les puissances de logarithmes
@ ((ln n )b) pour b > 0, les puissances (na) pour a > 0, les géométriques (qn) pour
.....,
r: q > 1 et la factorielle (n!)
Ol
·;::
>
Cl. et 1qn = o(n!) I·
0
u

• S avoir compare r d e u x s uites asymptotique m ent pour la n égligeabilité

ou l'équivalence (cf questions 7.8.3 et 7.8.4)
 CHAPITRE

-
Etude locale et globale des fonctions

Pour x E IR, on pose f (x) = ln ( x + J 1 + x2) .

1 . Montrer que f est bien définie et impaire.

2. Justifier que f réalise une bijection continue de IR sur un intervalle que l'on
précisera.
3. Déterminer l'expression de 1- 1 la fonction réciproque de f.
4 . Déterminer le signe de x H f(x) - x.
5. On fixe uo > 0 et on définit une suite (un) par récurrence en posant, pour tout
n EN, Un+I = f(un)· Montrer que (un) converge vers 0 en décroissant.

1. Pour le caractère « bien défini », il faut résoudre, dans l'ordre, deux problèmes :
d 'abord la racine carrée qui n 'est définie que sur IR+ puis le logarithme qui, lui, ne
l'est que sur JO, +oo[.

~1
Soit X Tout d 'abord, 1 + x ~ 0 donc
E R
2
vl
+ x 2 est bien défini . En outre,
x2 < 1 + x donc lxl <
2
vl ..J
+ x (par stricte croissance de sur IR+ ) de sorte que
2

"O
X+ Vl + x > Û et f(x) est bien défini .
2
0
r::::
:::J Quant à l'imparité, il s'agit de comparer
0
lfl
,.-1
0
N
f (- x) = ln ( - x + J 1 + x2 ) et f (x) = ln ( x + J 1 + x2)
@
....., ce qui doit faire penser à la quantité conjuguée .
r:
Ol
·;::
> Par ailleurs, en utilisant la quantité conjuguée,
Cl.
0
u 1 + x2
f(-x) =ln ( -x + J1 + (-x) 2 ) = ln
_ x2
= - ln x
(
+ Vl + x 2 ) = -f(x)
X + Vl + X 2
donc f est impaire.

2. L'utilisation même du mot bijection dans l'énoncé doit faire penser au t héorème du
même nom. Il reste à en vérifier les hypothèses : stricte monotonie et continuité
sur un intervalle.
 266 Chapitre 8 Étude locale et globale des fonctions

Pour xE ~.
1+ 2x
2
J'(x)= 2.Jl'+x2 = vl+x + x =--;:::=1==
X+ Vl + x2 (X+ Vl + X 2)Vl + x2 Vl + x 2
Ai nsi J' > 0 sur ~ donc f est strict ement croissa nte sur ~ - Comme f est de plus
conti nue sur R d 'après le t héorème de la bijection, f réalise une bijection de ~ sur

l'intervalle] lim f , lim f [·

- oo +oo

La limite en +oo se calcule à partir de celles des fonctions usuelles , d 'opérations

algébriques et de composition :

« limf = ln(oo + J1+00 2 ) = ln(oo + voo) = ln(oo + oo) = +oo ».

+oo
Quant à celle en - oo, elle ferait apparaître la forme indéterminée ln(- oo + oo) qu'on
pourrait lever à l'aide de la quantité conjuguée. Cela nous rappelle qu'on a déjà eu
recours à cette technique pour obtenir l'imparité de f et qu'il est plus simple d 'ut iliser
directement cette dernière propriété.

Or lim x =
2
lim (1 + x ) = +oo, lim ,,fU, = +oo et lim ln v = +oo
x -++oo x-++ oo u-++oo v-++oo
donc, par composition et opérations algébriques, lim f(x) = + oo et, par imparit é,
x-+ + oo
lim f(x) = - oo. Finalement, f réalise une bijection de ~ s ur ~ -
x-+ - oo

3. Il s'agit de résoudre l'équation f(x) = y pour trouver l'expression de x en fonction

de y tout en sachant, par avance, qu'il n'y a qu'une seule solution.

Pour y E ~ .

f(x) =Y ===} ln ( x + J 1 + x 2) =y
===} x + Vl + x 2 = eY
===} Vl + x 2 = eY - x
===} l+ x2 = (eY -x) 2
"O
0
r:::: ===} 1 - e2 Y = - 2eYx
:::J
0 eY - e-Y
lfl
===} x=
,.-1 2
0
N i eY - e-y
@
donc f- (y) = .
....., 2
r:
Ol
·;::
4 . Comme souvent, on étudie d'abord les variations de la fonct ion.
>
Cl.
0 Pour x E ~ . on pose g(x) = f(x) - x et on a alors
u
2
g'(x) J'() 1 1-.J1 + x2 1-(l+x )
X - l = Vl + x2 - l = Vl + x2 = (1 + Vl + X 2)Vl + X 2
x2
(1 + ../1 + x2)vl + x 2
Ainsi g' (x) < 0 pour x -:/= 0 et g est strictement décroissa nte sur ~-
 Exercice 8 .1 Fonction Argsh I 26 7

Il reste à voir les zéros de la fonction (ici, on sait d'avance qu'il n'y en a qu'un!). En
pensant au graphe de la fonction f, à la première bissectrice (d'équation y = x) et à
l'imparité de f, on se doute qu'il s'agit de O.

~I Comme on a g(O) = f (0) = ln 1 = 0, g est strictement positive sur ] -

en 0 et strictement négative sur ]O, +oo[.
oo, O[, nulle

5. Compte tenu des questions précédentes, l'allure du graphe de la fonction est le

suivant.

y=x
y= f(x)

Cela permet de visualiser le comportement de la suite avant de le montrer rigoureu-

sement :
• d'abord la décroissance et la positivité;
Méthode 1 : comparaison du graphe de f et de la 1e bissectrice sur un intervalle stable.

Grâce à la croissance de f, et vu que f (0) ?:: 0, on sait que f (~+) C ~+. Ainsi, puisque
·uo E ~ + . on en dédu it par une récurrence immédiate que la suite (un) est positive.
Par ailleurs, puisque l'on vient d 'ét ablir que g ~ 0 sur~+. on en déduit que, quel que
soit x E ~+. J(x) ~ x. Ainsi (en prenant x =un).
'ïln EN, Un+I = f(un) ~Un .
Finalement (un) est décroissante.

"O
0
Si une fonction <p admet un intervalle stable I (i.e. <p( J) c I), alors
r::::
:::J toute suite définie par « vo E I et Vn+l = <p(vn) » est non seulement
0
lfl
bien définie, mais vérifie de plus \;/ n E N, Vn E I.
,.-1
0
En outre, lorsque, pour tout x E / , <p(x) ~ x (resp. <p(x) ~ x), on en
N
déduit la décroissance (resp. croissance) de ('vn)·
@
.....,
r:
Ol
·;::
>
Cl.
Méthode 2 : récurrence et croissance de la fonction f.
0
u
Montrons par récurrence sur n E N que 0 ~ un+1 ~ 'Un.
Pour l'initialisation, comme ·uo > 0 et u1 = f(uo), par croissance de f, ·u1 ?:: 0 et,
d 'après la question précédente, ·u1 < ·uo donc, finalement 0 ~ u1 ~ ·uo.
Quant à l'hérédité, supposons que, pour un certain n E N, 0 ~ Un+i ~ Un. Par
croissance de f sur R J(O) ~ J(un+i) ~ J(un) i.e. 0:::; Un+2 ~ Un+I ·
Finalement, par principe de récurrence, (un) est décroissante et minorée par O.
 268 Chapitre 8 Étude locale et globale des fonctions

Lorsque <p : I --+ I est croissante, toute suite définie par « vo E I et

Vn+ l = ip(vn) » est monotone. Le sens de la monotonie est déterminé
par comparaison des deux premières valeurs de (vn)·

• puis la convergence vers l'unique point fixe O.

~1
D'après le théorème de la limite monotone, (un) est convergente. Notons Uoo la lim ite
de (Un), par continuité de f, on a, en faisant tendre n vers + oo dans un+1 = f(u n).
u00 = J(u 00 ). Le résultat de la question précédente donne alors que ·u00 =O.
En conclusion (un) converge vers 0 en décroissa nt.

On pose, pour x E lR*,

'lf;(x) =exp (- : 2 ) , ip(x) = xsin2 (~) , O(x) = x 3 ln(x

2
)

et 'l/;(O) = ip(O) = 0(0) = O.

1. Montrer que 'l/J, <pet 0 sont continues sur IR.
2. Déterminer un équivalent simple en +oo de <pet montrer que

'l/J(x) = 1- _!_ + o (_!_).

x 2 x-++oo x 2

1. Sur lR *, la continuité découle des « théorèmes généraux » (opérations algébriques

et composition) .

Concernant 1/J , la fraction rationnelle x H _ _,;est continue sur~* et exp est continue
"O x-
0
r:::: sur ~ donc, par composition, 'ljJ est continue sur ~*. Avec les mêmes arguments
sin~ ~*
:::J
0 x H est continue sur et, comme x H x aussi, par produit, cp l'est aussi.
lfl X
,.-1
0
Les fonctions polynomia les x H x et x H 3
x 2 sont continues sur ~* et la seconde
N est à valeurs dans JO, +oo[. La fonction ln étant continue sur ce dern ier intervalle, par
@
composition, x H ln(x ) est continue sur~* et , finalement, par produit, ()aussi.
2
,....,
r:
Ol
·;:: En 0, il faut revenir à la définition en calculant une limite.
>
Cl.

~1
0
u
En outre, lim - ~ = - oo et lim exp 0 donc, par composition de lim ites,
x~O X - oo
lim 1/J(x) = 0=1/J(O) et 'ljJ est continue en O.
X-*Ü

Pour <p, le problème est que x r-+ sin2 ( ~) oscille très fortement au voisinage de O.
:t\lfais on remarque que cette dernière fonction est bornée, le comportement de la
 Exercice 8 .2 Singularités et continuité 269

fonction <p : x ri x sin2 ( ~) au voisinage de 0 est donc dicté par x ri x qui tend vers
0 en O.
Quant à cp, on a, pour tout x -::/; 0,

lsin ~ 1~ 1
donc lcp(x)I ~ lxl. Or lim lxl = 0 donc, d'après le théorème des gendarmes,
x4 0
lirn cp(x ) = 0 = cp(O) et cp est continue en O.
X4Û

Quant à(), on y rencontre l'indéterminat ion 0 x oo qu'on lève par comparaison (des
1
vitesses) de (dé)croissance en 0 de la fonction puissance négat ive x ri
3X et de la
fonction logarithme ln.

Pour x-::/; 0, B(x) = 2x 3 ln lxl . Or, par croissances comparées,

lnl x l = o
x -> 0
(~)
X

donc lim O(x) = 0 = 0(0) et

x-> 0
e est continue en O.
En conclusion 'lj;, cp et e sont continues sur ~.

De façon générale :
• lorsqu'intervient le produit d'une fonction bornée par une fonction
tendant vers 0, on montre, par le théorème des gendarmes, que celui-ci
tend vers 0 (on est très souvent confrontés à ce type de situations avec
des fonctions comme sin ou cos qui ont l'inconvénient d 'être oscillantes,
mais l'avantage d'être bornées);
• lorsqu' on rencontre des indéterminations dues à des ln et des fonc-
tions puissances, alors on essaye d'utiliser le principe des croissances
comparées.

"O
0
r::::
:::J
2 . On va utiliser les équivalents usuels sin u rv u et (eu - 1) ,.__, u (qui proviennent du
0 0 0
lfl fait que le nombre dérivé de sin et exp en 0 est 1).
,.-1
0
N
@ Comme lirn ~ = 0 et sin u rv U, par composition,
....., x 4+oo X u40
r:
Ol . 1 1
·;:: sm -
>
Cl.
x x->+oo X
0
u D'où, par produit,

xx(~)
2
1
cp(x ) rv rv
x4+oo X x4+oo X

De même, avec (eu - 1) rv u, on obtient, ('lj; (x) - 1) rv -~donc

u40 x->+oo X

'lj;(x) = 1 -
X
\ + x ->o+oo (~).
X
 270 Chapitre 8 Étude locale et globale des fonctions

1
Soit f la fonction définie sur V= lR \ {-1, 1} par f(x) =ln +x 1 I ·
l-x
1. Montrer que f est impaire sur V et justifier qu'elle y est continue.
2. Donner les limites de f en 1 et en +oo.
3. Résoudre l'équation f(x) = O.

4. Soit g la fonction définie sur lR \ { -1, 0, 1} par g( x) = f [x) .

a . Donner les limites de g en +oo, 1 et o+.
b. g est-elle prolongeable par continuité en 0? et en 1 ?

1 . Pour l'imparité, on compare

f(x) = ln 1 ~1
1-x
et J( - x) = ln -
1
1 --
l
·X 1
+x
1
et on se souvient que ln - = - ln u.
u

~1
Soit x E 'D. To ut d 'abord -x E 'D et

1+(-x)
. ( ) I = ln 11-. -- x. 1= - ln 11+x
f (-x) = ln 1- -. - . 1= - f (x) .
-X
1
1 +X 1- X
Pour la continuité, on détaille comment f est fabriquée à partir de fonctions usuelles.

1
La fract ion rationnelle x r i +x est continue su r ~\ {l} et ne s'a nnu le q u'en -1.
1-x
. .
Par com pos1t1on avec 1 · 1 qui. est cont inue
. sur ~.
Til> x ri 11-+-x1 . ue sur
est contin 'T\
u
1- x
et à valeurs d ans JO, +oo[. Par une nouvelle com position avec ln q ui est continue sur
"O
0 JO, +oo[, f est cont inue sur 'D.
r::::
:::J 1
0 2 . En 1, « lim f = ln l l + 1 = ln oo = oo » donc la limite s'obtient facilement. En
lfl
,..-1
1 1- 1
0 00 00
N revanche, en +oo, « lim f = ln 1 1 ». Pour lever l'indétermination de la forme ,
@ +oo OO OO
....., on factorise au numérateur et au dénominateur par les termes dominants (ici x) .
r:
Ol

~1
·;::
> 1
Cl. lim 1 +x 1= +oo donc lim f(x) = +oo.
0 x -+ l 1- X x-+1
u
En outre, .!. + 11 do nc
f(x) =ln ~ lim f(x) =O.
I- -
X
1 x-++oo

3 . Pour résoudre f(x) = 0, on va «dévisser» pas à pas la fonction. On pourrait

même en transformer l'écriture pour que x n 'apparaisse qu'une seule fois puisque
1 +-
- X = - 1 + -2- mais. ce n ' est pas m
. d.ispensa ble ici.
. .
l-x l-x
 Exercice 8.4 Continuité e t commutation 271

Pour x EV,

f(x) = 0 <=} ln 11 + X 1 = 0 <=} 11 + X 1 = 1 <=} 11 + X 1= 11 - xi

1-x 1- x
lxl > 1 { lxl < 1
{ - (1 + X) = 1- X OU 1+ X = 1 - X

{ ~i: ~ ou { ~~~ 1
<=} X= Û.

4.a. Il suffit de passer à l'inverse pour les limites déjà trouvées (en 1 et en +oo) en
faisant éventuellement attention aux signes pour distinguer o+ de o- . Quant à celle
en o+, comme f(O) = 0 et que f y est continue ...

Pour x > 1. x + 1 > x - 1 > 0 donc f(x) > 0 et f tend en +oo vers 0 par valeurs
positives. Ainsi, lim g(x) = +oo.
x--++oo
En outre, lirn f( x ) = +oo donc lirn g(x) =O.
X-71 X--+ 1
Enfi n, comme f est conti nue en 0, lirn f( x ) = f(O) = 0 et, puisque f >0 sur JO, l [,
X--+0
lim g(x) = +oo .
X-*O +

4. b. On fait le bilan des limites obtenues.

~I
g n'est pas prolongeable par conti nuité en 0 mais elle l'est en 1, il s uffit de poser
g(l) = O.

Soient f,g: [ü, 1] - f [ü, 1] deux applications continues telles que go f = f o g.

L'objectif de cet exercice est de montrer :
«il existe un réel c appartenant à [ü, 1] tel que f(c) = g(c) ».
"O
0
r::::
On va raisonner par l'absurde en supposant : V x E [ü, 1], f(x) -f=. g(x). Quitte
0
:::J
à permuter f et g (qui jouent un rôle symétrique), on peut toujours supposer :
lfl
,.-1
/(0) > g(O).
0
N 1. Justifier :
@
....., Vn EN*, Vx E [ü,1], g[nl(J(x)) = f(glnl(x))
r:
Ol
ï::: où glnl est définie par récurrence par gl 1J = g et g[n+l) = go glnl pour n ~ 1.
>
Cl.

u
0 2. En raisonnant avec f - g, montrer qu'il existe un réel m > 0 tel que:
Vx E [0, 1], /(x) ~ g(x) +m.
3. En déduire que : Vx E [O, 1], j[nl(x) ~ glnl(x) + nm.
4. Aboutir à une contradiction et conclure.
 272 Chapitre 8 Étude locale et globale des fonctions

1. La récurrence s'impose puisque gin] est elle-même définie par récurrence. D'ailleurs,
gin] = go · · · o g et donc g[n+l] = g [n] o g
"-v-'
nfois

Quant à la dépendance en x, elle traduit uniquement une égalité de fonctions, il s'agit

donc de montrer g[n] o J = J o g [n] .

Pour n ~ 1, on not e Pn la propriét é « g !n] of= f o g !n] ».

Pour l'initia lisation , par hypot hèse go f = f o g donc 'P1 est vraie.
Quant à l' héréd ité, supposons Pn v raie pour un certai n n ~ 1 i.e. gin] of = f o gin].
En co mposant à ga uche par g, on a
g[n+l] o J =go (f o g fn]) = (go J) o g [n] = (f o g) o gin] = J o gfn+l)
donc 'Pn+1 est vraie.
En conclusion , par principe de récurrence,
\ln EN*, \lx E [O, l ], g [n](.f(x)) = f(g [n](x)).

2 . En faisant apparaître J- g comme demandé, on constate qu'on veut J- g ~ m > O.

Autrement dit, on cherche à voir que J - g admet un minimum strictement positif.
On pense immédiatement au théorème de continuité sur un segment.

~1
Par d ifférence, f - g est cont inue sur le segment [O, l ] donc elle y atteint son m inimum
m en un point xo i.e.
\lx E [O, l], f(x) - g(x) ~ m et m = f(xo) - g(xo) .

Que se passerait-il si, contrairement à ce qui est annoncé, m ~ 0 ? La courbe de J

serait en dessous de celle de g en x 0 alors qu'elle était au dessus en O. Par continuité,
elles se croiseraient alors (c'est le théorème des valeurs intermédiaires !) .
Supposons par l'absurde que m:::;; O. D 'après le théorème des valeurs intermédiaires
appliqué à f - g continue sur [O, xo], comme f(O) - g(O) > 0, il existerait x1 E [O, xo]
tel que f(x1) = g(x1) ce que l'on a excl u par hypothèse.
Finalement, il existe m > 0 t el que
VXE [O, 1], f(x) ~ g(x) + m .
"O
0
r::::
:::J
3 . Comme il faut procéder par déduction, on voit immédiatement que la question
0 précédente correspond à n = 1.
lfl

~1
,..-1
0
N On raisonne encore par récurrence sur n ~ 1, en notant Qn l'assertion
@
....., «V XE [O, 1], inl (x) ~ g [n](x) + nm ».
r:
Ol
·;::
Concernant l' initialisat ion , Q1 a ét é démontrée à la question précédente.
> 1
Cl.
0
Pour passer de J in] à Jln+ l, il y a deux façons de procéder :
u
• en s'appuyant sur Jln+l] = J o Jin] mais, faute de connaître les variations de J, on
ne peut l'appliquer à l'inégalité que constitue l'hypothèse de récurrence;
• en partant de J ln+l ] = J in] o J, ce qui est possible ici puisqu'il suffit d'appliquer
l'hypothèse de récurrence non pas à x mais à J(x) qui appartient aussi à [O, 1]
(on voit alors l'importance d'avoir inclus l'universalité en x dans l'assertion à
démontrer par récurrence).
 Exercice 8 .5 Points fixes et injectivité 273

Pour l'hérédité, supposons Qn vraie pour un certain n;;::: 1 i.e.

Vy E [O, 1], in] (y)?;: glnl(y) + nm.
En particulier, pour y = f(x) (où x est un réel quelconque de [O, 1]), on obtient
j ln +ll (x);;::: g lnl(j(x)) +nm. Or glnl(j)(x) = f(g lnl(x)) d'après la première question
et, d'après la question précédente, J(glnl(x) ;;::: g(g lnl(x)) + m de sorte qu'au final
.f[n+ l l (x);;::: g ln+il(x) + (n + l)m i.e. Qn+1 est vraie.
En conclusion, par principe de récurrence,
Vn?;:l, V x E[û, 1], i nl (x)?;:g lnl(x)+nm.

4. La suite arithmétique (nm)nEN diverge vers l'infini ce qui n'est pas compatible avec
le fait que les itérés de f et g restent à valeurs dans [O, 1] .

Comme f et g sont à valeurs dans [O, 1], on dédu it de la question précédente que,
pour tout n ;;::: 1, 1;;::: 0 + nm (avec m > 0) ce qui est contradictoire lorsque n >
m
I. .
C'est donc notre hypothèse de départ (à savoir, pour tout x E [O, l], f(x) # g(x)) qui
est erronée autrement dit, il existe c E [O, 1] tel que f(c) = g(c) .

Soit J : [ü, 1] -t [ü, 1].

1. On suppose dans cette question uniquement que f est continue sur [ü, 1] .
a. Montrer que f admet un point fixe.
b. Montrer que pour tout n EN*, il existe Un E [O, 1] tel que J(un) = u~ .
c. Sous l'hypothèse supplémentaire que f est strictement décroissante, mon-
trer que Un est unique et que lim Un = 1.
n-t+oo
2. On suppose dans cette question uniquement que :
\;/ (x,y) E [ü,1]2, (x :;tf Y :=} lf(x) - f(y)I < lx - YI)·
"O
0 Montrer que f admet un unique point fixe.
r::::
0
:::J 3. On suppose désormais que :
lfl
,..-1 f est continue sur [ü, 1], f(ü) = 0, f(l) = 1 et f of of= Id
0
N
@
(où Id est la fonction identité de [ü, 1] i.e. \;/ x E [ü, 1], J(J(J(x))) = x).
.....,
r: a. Montrer que f est injective .
Ol
·;::
>-
Cl.
b. En raisonnant par l'absurde en déduire que f est strictement croissante.
u
0
c. Conclure quant à l'identité de f.

1.a. L'énoncé demande une existence de solution pour l'équation f (x) = x mais ni
l'unicité ni la valeur précise, on se tourne donc naturellement vers le théorème des
valeurs intermédiaires. Il reste à voir pour quelle fonction: selon l'usage, on «regroupe
 274 Chapitre 8 Étude locale et globale des fonctions

tout » dans un seul membre f (x) - x = 0 et on cherche donc à montrer que la fonction
x r-+ f(x) - x s'annule.

~1
Pour x E [O, l ], on pose g(x) = f(x) - x. Par différence, g est continue sur [O, l ]. En
outre, comme f est à v aleurs dans [O, l], g(O) = f(O) ;;::: 0 et g(l) = J(l) - 1 ~ O.
A insi, par le théorème des valeurs intermédiaires, il existe xo E [O, 1] t el qu e g(xo) = 0
i.e. f(xo) = xo.
1. b. On reprend bien sûr la stratégie précédente.

~1
Soit n E N*, pou r x E [O, 1], on pose 9n(x) = f(x) - xn . Par différence, 9n est
continue sur [O, 1] . En out re, 9n(O) = f(O) ;;::: 0 et 9n(l) = f(l) - 1 ~O. Le t héorème
des valeurs intermédia ires s'appliqu e encore et il existe 'Un E [O, l] tel que 9n(un) = 0
i.e. f(un) = 'U~.

Remarquons que l'on pouvait appliquer le résultat (et non la méthode) obtenu pré-
cédemment à la fonction hn = f I/n en lieu et place de f (en effet, tout comme f,
hn : [O, l] -t [O, l] est continue) .
1.c. Ce coup-ci l'unicité est demandée mais toujours pas la valeur ni même l'existence
(qui a déjà été déterminée), la stricte monotonie de 9n induit l'injectivité et donc
l'unicité demandée.
2
Soit (x,y) E [O, 1] t el que x <y et n EN* .
Par st rict e décroissance de f, f(x) > f(y) et, par strict e croissance de t H tn su r~+.
xn < yn. D 'où , f(x) - xn > f(y) - yn. Autrement dit la fonction 9n int rodu ite à
la question précédente est st rict ement décroissante donc injective. En particul ier Un,
antécédent de 0 par 9n· est un ique.

Ajoutons que 9n est continue sur l'intervalle [O, l], on obtient, grâce au théorème de
la bijection, l'existence et, simultanément, l'unicité de Un.
Visualisons sur un dessin les premiers termes de la suite.

1
,,,f
/Îf
/
/ / l,
"O
/ I !
0 / / !
r:::: / / !
:::J ,, / I
0 / i I
lfl
,..-1 ,," 1· I --- y =x
0
/
. / I
N
@ ,,"
/
/

/
/ /
. - ---- Y = x2
....., Y= x3
r: // 1' /
Ol
ï::: ,,
/
/
/
I
/
>
Cl. /
/
/ / - - Y = x4
0 / /
u /
/
// - Y= f(x)
/
/
/
/

/ /
,,"___..__,.,., ~/
_../

1
 Exercice 8 .5 Points fixes et injectivité 275

Il semble raisonnable de conjecturer que (un) est croissante et converge vers 1.

Étud ions la monot on ie de (·un)· On a

9n(Un+1) = J(un+ 1) - U~+l = u~t~ - U~+1 = U~+1(Un+1 - 1)

donc 9n(Un+i) ~O.
Ainsi, comme gn est strictement décroissa nte et 9n(un+1) ~ 9n(un). on obtient
Un+i ;;:::: Un de sorte que (un) est croissante.
La majoration par 1 garantit qu'il y a alors convergence.

~I
Comme (un) est aussi majorée par 1, d 'après le théorème de la lim ite monotone, elle
converge (en croissant) vers un réel f E [O, l].

Graphiquement, 1 semble le bon candidat pour f. La seule information caractérisant

Un est l'égalité f(un) = u~ et on est tenté d'y passer à la limite ce qui requiert une
distinction suivant que Un tend vers 1 ou pas. Comme 1 est la limite espérée, on va
raisonner par l'absurde.

~1
Supposons, par l'absurde, que f E [O, l[. Pour tout n E N*, 0 ~ f('un) = u~ ~ .e.n
donc, par le théorème des gendarmes, lim f(u n) =O. En outre, par continuité de
n~+oo

f en f, lim J(un ) = J(f). Par un icité de la limite, J(f) =O.

n ~+ oo

Compte tenu de la stricte décroissance de f (qui joue un rôle crucial ici) et de son
tableau de variations,
X 0 l 1

f (O)
f (x) ---0
---- .f ( 1)

nous constatons que l'hypothèse f( [O, 1]) c [O, 1] est violée, ce qui est la contradiction
recherchée.

~1
f < 1 donc, f étant st rictement décroissante, f(l) < f(f) i.e. f(l) < 0 ce qui
contred it que f est à valeurs dans [O, l ]. Finalement, f = 1 autrement dit (Un) converge
"O vers 1.
0
r::::
:::J 2 . Contrairement à La, f n'est plus supposée continue mais vérifie une propriété
0 qu'on va visualiser ainsi : les variations ( « verticales ») de la valeur de la fonction ne
lfl
,.-1
0
peuvent pas dépasser les variations ( « horizontales ») de la variable. En faisant tendre
N
vers 0 ces dernières variations, on constate alors qu'on récupère la continuité.
@
.....,
r:
Ol
·;::
>
Cl.
0 lf(a + h) - f(a) I
u . . . . . .. . . . . . . . . . .,Y

~I
Pour tout a E [O, 1] et tout h E ~ tels que a+ h E [O, l], lf(a + h) - f(a)I < lhl.
En particulier, d 'a près le théorème des gendarmes, lim f(a + h) = f(a) i.e. f est
h~O
 276 Chapitre 8 Étude locale et globale des fonctions

continue en a. Comme f est continue sur [O, l], on peut appl iquer 1.a pour concl ure
1 que f ad met au moins un point fi xe d ans [O, l].

Maintenant qu'on connaît l'existence d'un point fixe x 0 , on a envie d'exploiter la

propriété vérifiée par f en particularisant x ou y avec la valeur xo :
'efy E [O, 1) \ {xo}, lxo - f(y)I < lxo - YI·
Que faire de cette variable y libre? L'idée est de la particulariser elle aussi à un
éventuel second point fixe pour voir ce qu'il advient.

~1
Supposons par l'absurde que f
ad met au moins deux points fixes dans [O, 1] distincts
< lxo - Yo l i.e. lxo - Yo l < lxo - Yol ce qui
Xo et yo. En particul ier, lf(xo) - f(yo)I
est absurde. Ainsi f admet au plus un point fixe dans [O, l ].
En conclusion , f admet un un ique point fixe dans [O, 1] .

3.a. On rappelle que f est dite injective si

V(x,y) E [O, 1] 2 , (f(x) = f(y) =? X = y).
Partant de f(x) = f(y), il suffit d'exploiter f of of= Id .

~I Soient x, y E [O, 1] t els que

donc f est injective.
f(x) = f(y), alors x = f(f(f(x))) = f(f(f(y)) = y

3.b. Visualisons le comportement de f : on doit passer de la hauteur 0 (en 0) à la

hauteur 1 (en 1) continûment et sans passer deux fois par la même hauteur (c'est
la signification de l'injectivité) . On pressent très bien que f doit être strictement
croissante. L'énoncé nous impose de raisonner par l'absurde pour le prouver. Dire que
f est strictement croissante se traduit par l'assertion
V(x,y)E [0,1]2 , (x<y =? f(x)<f(y))

dont la négation logique est :3 (x, y) E [0, 1] 2 , ( x <y et f(x) ~ f(y)) puisque la
négation logique
• de (V a E A, P(a)) est (:3 a E A, non P(a))
• et celle de (P =? Q) i.e. (Q ou non P) est (non Q et P) .
"O
0
r:::: On voit très bien sur un dessin pourquoi c'est incompatible avec l'injectivité et la
:::J
0 continuité.
lfl
,.-1
0
N
@
.....,
r:
Ol
·;::
>
Cl. f(x) ......... ....... :
0
u
f(y) .... ··············f·······

z
0
 Exercice 8.6 Fonction Argsh Il 277

Par l'absurde, supposons qu ' il existe x <y tels que f(x);;;:: f(y) et même f(x) > f(y)
puisque f est injective. Comme f(O) = 0, on a f(O) ~ f(y) < f(x) donc, f étant
continue sur [O, x]. le théorème des va leurs interméd iaires donne l'existence de z E [O, x ]
tel que f(z) = f(y) ce qui contredit l' injectivité de f.
2
En conclusion, pour tout (x, y) E [O, 1] tel que x < y, f(x) < f(y) i.e. f est
strictement croissante sur [O, l].

3.c. Là encore, visualisons toutes les informations obtenues : f réalise une bijection
continue strictement croissante de [O, l] sur lui-même. On peut penser, par exemple,
à la fonction carrée ou à la fonction racine carrée. Voyons si cela est compatible avec
f o f of = Id qui a été sous-exploité pour l'instant. Si f est la fonction carrée, sa
troisième itérée f of of est encore plus « écrasée » vers la fonction constante égale
à 0 alors que si f est racine carrée, cela s'écrase vers la constante 1. Une possibilité
raisonnable est que f soit déjà Id ce qu'on démont re encore par l'absurde.

Par l'absurde une nouvelle fois, supposons qu 'il existe Xo E [O, l] tel que f( xo)-:/= x o.
Supposons que xo < f(xo). En utilisant deux fois la stricte croissance de f, on obtient
f(xo) < f(f(xo)) puis f(f(xo)) < J(f(f(xo))) donc Xo < (f of o J)(xo ) ce qu i
contredit (f of o f)(xo) = xo . On aboutit à une contradiction analogue en supposant
xo > f(xo) .
Finalement, pour tout x E [O, l], f(x) = x i.e. f est la fonction identité de [O, l].

ex - e-x ex + e- x
Pour tout réel x, on pose sh(x) = et ch(x) =
2 2
1. a. Établir que sh est de classe C 00
sur lR et, pour tout réel x, identifier sh' (x)
avec les notations de l'énoncé.
b. Établir que sh est une bijection de lR sur IR. On notera Argsh sa bijection
réciproque.
2. Soit x E IR. Établir sh'(x) = Jl + sh(x) 2 . En déduire que Argsh est dérivable
sur lR et un premier calcul de Argsh' (x).
"O
0 3. a. Calculer Argsh(x) pour tout réel x.
r::::
:::J
0 b. En déduire un second calcul de Argsh' (x) pour tout réel x.
lfl
,..-1
0
N
@
,...., 1.a. Pas de problème ici. On rappelle que, pour tout réel a, la fonc tion usuelle x H eax
r:
Ol
·;::
est de classe C00 sur IR, de dérivée x H aeax .
>

~1
Cl.
0 sh est combinaison linéaire des fonctions x ri ex et x
e- x qu i sont de classe C00
ri
u
sur IR. Par théorèmes généraux, la fonction sh est donc de classe C00 sur lR. De plus,
pour tout x E lR, sh'(x) = ë ' ~ e-x = ch(x).

1.b. En écho à un mot de l'énoncé, on utilise bien évidemment ici le théorème de

la biject ion. D'après l'expression de sh' établie à la question précédente, l'étude des
variations de sh via celle du signe de sh' est très simple.
 278 Chapitre 8 Étude locale et globale des fonctions

Puisque exp > 0 sur R sh' > 0 sur lR donc sh est strictement croissante sur lR.
Comme sh est de plus continue sur cet intervalle, d 'a près le t héorème de la bijection,

elle réalise une bijection de lR sur ] lim sh, lim sh [·

-oo +oo
Par ailleurs, lim ex = 0 et lim e-x = +oo donc lim sh = -oo. De même,
x -t - oo x -t - oo - OO

pu isq ue lim ex = +oo et lim e-x = 0, limsh = +oo. Finalement sh réalise une
x -t+oo x -t +oo +oo
bijection de lR dans lu i- même.

Pour établir cette dernière limite, on aurait pu aussi utiliser le fait que sh est impaire
sur ~ (ce qui est clair par la forme de la formule la définissant) .
2 . Le plus simple est de montrer d'abord l'égalité des carrés des deux membres avant
de se « débarrasser » de la racine carrée.

~ 1 + sh(x) 2 1
e2x - 2 + e- 2x e2x + 2 + e- 2x
+ 4 4

(ex ~ e-x) 2 = ch(x)2 = (sh' (x))2

Puisque sh' > 0, on conclut que sh'(x) = J1 + sh 2 (x).

Ne pas oublier la discussion du signe lors d'extraction de racines carrées.

En effet, a priori on a seulement
x 2 = Y2 <=:> 1x1 = IYI <=:> (X= Youx = -Y).

On va utiliser le critère de dérivabilité (avec expression de la dérivée) d'une fonction

réciproque : si f : 1 -t J est une bijection dérivable de 1 sur J telle que f' ne s'annule
pas sur J, alors 1- 1 est dérivable sur J , de dérivée 1 1
u-
)' = f' 01- 1 . Ici, cette formule

avec I = sh nous sera utile car, bien qu'on ne connaisse pas encore 1- 1 , on sait que
"O
f' = Jl + 12 donc f' o 1-1 = J l + (f o 1- 1)2 = ...
0
r::::
:::J La fonction Argsh est dérivable sur lR car sh est dériva ble sur lR et sh' ne s'y annule
0
lfl pas. De plus,
,-1
0 1 ) 1 1 1
N
Argsh (x = sh'(Argsh(x)) JI + x 2
J1 + sh (Argsh(x))
2
@
.....,
r:
Ol
·;:: 3.a. Il s'agit de résoudre l'équation sh(x) = y d'inconnue x E ~'c'est-à-dire d'expri-
>
Cl. mer x en fonction de y. Puisque sh(x) s'exprime en fonction de ex (on rappelle que
0
u 1
e-x = ---;-), on commence par exprimer ex en fonction de y . Il suffi.ra alors de « passer
e
au logarithme» pour déterminer x en fonction de y.

~1
Soit x et y deux réels.
ex - e- x (ex)2 - 1
sh(x) = y Ç:::::::;> = y Ç:::::::;> ex = y Ç:::::::;> ( ex) 2 - 2yex - 1 = O.
2 2
 Exercice 8. 7 Prolongement de classe C1 I 279

Ainsi, x est solution de sh(x) =y si et seulement si ex est racine du trinôme du second

2 2
degré X - 2yX - 1. Le discriminant de ce trinôme est 4y + 4 = 4(y + 1) > 0 donc
2

ce trinôme admet deux racines réelles :

2y- 2Jy 2 +1
Yi = = y - J y2 + 1 et y2 = y +J y 2 + 1.
2
Or Jy 2 + 1 > ViJî- ; ;: IYI donc seule la racine y2 est positive et ainsi, puisque ex > 0,
sh(x ) = y ~ ex = y+ Jy2 + 1 ~ x =ln (y + Jy 2 + 1).
Finalement, pour tout x E ~. Argsh(x ) = ln ( x + J x 2 + 1).
3.b. Puisque l'expression de Argsh fait intervenir des fonctions usuelles de dérivées
connues, Argsh' s'obtient en ut ilisant les théorèmes généraux sur les dérivées.
Soit x ER
2x
1 + ----:= =
2vx 2 + 1
A rgsh ' (x ) = - --'-;===- v x2 + 1 + x 1
X + J x 2 + 1 - J x 2 + 1 ( x + J x 2 + 1) vx + 1
2

Soit f :JO, 1[-+ lR définie par f(x) =Arctan (x(l ~ x)).

1. Justifier que f est dérivable sur JO, 1[ et prolongeable par continuité en 0 et
en 1. On notera encore f la fonction ainsi prolongée sur [O, 1J. Préciser alors
les vd.leurs de /(0) et /(1).
2. Calculer f'(x) pour tout réel x appartenant à JO, l[.
3. Montrer que lim f(x) - f(O) = -1. Qu'est-ce que cela signifie?
x --+0 X
4. a. Comparer /(1 - x) et f(x) pour tout réel x appartenant à [O, 1].

"O
b. En déduire la limite de x t-t f(x) - f(l) en 1. Qu'en déduit-on?
0
r::::
x-1
0
:::J
5. Justifier que f est de classe C1 sur [0, l J.
lfl
,.-1
0
N
@
....., 1. La dérivabilité de f sur JO, 1[ résulte essent iellement des t héorèmes généraux. Elle
r:
Ol est donc prolongeable par cont inuité sur [O, l J si et seulement si les limites lim f et
·;:: 0
>
Cl. lim f existent et sont finies.
0 1
u
1
La fonction rationnelle x H est dérivable partout où elle est définie, en
x (l - x)
particulier sur]O, l[. La fonction Arctan est dérivable sur ~- Par composition, f est
dérivable sur ]O, l [. De plus, lim (
1
) = +oo et lim Arctan X = ~2 donc, par
x --> O+ X 1- X X --> +oo

~.
2 ~.
2
1
composition, lim f( x) = De même, lim ( ) = + oo donc lim f( x) =
x -->0 x --; 1- X 1- X x --> 1
 280 Chapitre 8 Étude locale et globale des fonctions

La fonction f est bien prolongeable par cont inuité en 0 et en 1 et, après prolongement,
f(O) = .f(l) = ~-
1
2 . Il suffit de savoir appliquer la formule de la dérivée d 'une fonction composée.

Soit x E]û, l[.

J' (x) -+-2x- x A rctan, (

--1 1 ) = -1 + 2x x - - -1- - -
x2(1 - x) 2 x(l - x) x 2(l - x) 2 1
1 + x2(1 - x)2
- 1 + 2x
x 2 (1 - x) 2 + 1 ·

3. Cette limite mène à une forme indéterminée ~ qui semble difficile à lever. Il faut
· · reconna1~t re d ans f(x) - f (O) un t aux d' accro1ssemen
ici · · d e sa re1a t 10n
t et se souvemr ·
X
avec f' énoncée par le théorème des accroissements finis (idée qui semble d'autant
plus naturelle que f' a été calculée précédemment).

Soit x E]û, 1[. La fonction f est continue sur [O, x ] et dérivable sur JO, x[ donc, d 'après
le théorème des accroissements finis,

:3 Cx E]û, x[, f (X) - f (Û) = J' (Cx) .

X
Or, compte tenu de 0 < ex < x, nous avons lim ex = 0 par le théorème des gen-
x--+O
. .
darmes et, par ailleurs, 11m XZ(
- 1+2X
X) 2
.
= -1 1.e. hm .
. f'( X ) = -1 donc, par
X --+ 0 1- +1 X --+ 0

composition, lim f' (ex)= -1. Fina lement, lim f(x) - f(O) = - 1.
x--70 x--+0 X
Cela signifie que f est dérivable en 0 de nombre dérivé f' (0) = - 1.

4.a. Dans cette question, on n'oubliera pas de traiter le cas particulier où x E {O, 1}
qui permet d'ailleurs d'avoir une idée de la réponse dans le cas général.

On a déjà f(O) = 7r2 = f(l). Par ailleurs, si x E]û, 1[, alors 1 - x E]û, 1[ et
"O

~ (l _ x)) ) ! x)x) = f(x) .

0
r::::
:::J f(l - x) =Arctan ( (l _ x)(l =Arctan ( (l
0
lfl
,..-1 Finalement,
0
N 'Il x E [0, l], f(l - x) = f(x).
@
.....,
r: 4.b. D'après la question précédente, sur [O, 1], la courbe de f admet la droite d'équa-
Ol
·;:: 1
tion x =
>
Cl. 2 pour axe de symétrie. Il est alors clair géométriquement que les demi-
u
0 tangentes aux points d'abscisses 0 et 1 ont des pentes opposées.
 Exercice 8.8 Caractérisation des fonctions logarithmes 281

Soit x E]O, l[. D'a près le résultat de la question précédente,

f(x) - f(l) f(l - x) - f(O) f(l - x) - f(O)
x-1 x- 1 1-x
donc, compte tenu de lim(l - x) = 0 et de lim f(X); f(O) = J'(ü),
x --+1 X --+0

lim f(x) - f(l) = _ J' (O) = 1.

x--+l X - 1
Autrement dit, f est dérivable en 1 et J' (1) = 1.

5. Utilisons la définition : f est de classe C1 sur [O, 1] si et seulement si f' est continue
sur cet intervalle. On reprend ici les résultats obtenus aux questions précédentes en
traitant à part le cas des points à problème 0 et 1.

t - 1 + 2X
f ·x H est continue sur JO, 1[ puisque c'est une fonction rationnelle
· x (1 - x) 2 +1
2

bien défi nie sur cet intervalle. Ainsi, f est de classe C 1 sur ]O, l[. Par ailleurs, on a
clairement lim J'(x) = - 1 = J'(ü) et lim J'( x ) = 1 = J'(l) donc J' est aussi
x --+0 x --+l
conti nue en 0 et en 1. Finalement, f est bien de classe C 1 sur [O, l].

Exercice 8.8 : Caractérisation des fonctions logarithmes

Le but de cet exercice est de déterminer toutes les fonctions f définies sur
l'intervalle ]O, +oo[ et dérivables en 1 telles que
(E) \:/ (x , y) E]O, +oo[2 , f(xy) = f(x) + f(y).
1. Soit f une solution de (E).
a. Combien vaut f (1) ? Quelle fonction usuelle convient ?
b . Montrer que f est dérivable en tout point x de JO, +oo[ et exprimer sa
dérivée en fonction de f'( l ) et x.
2. Conclure quant aux solutions de (E).
'O
0
r::::
:::J
0
lfl
,.-1 1.a. Il suffit de choisir une « bonne » particularisation de x et y pour faire apparaître
0
N j(l). Quant aux fonctions usuelles, on peut les tester toutes jusqu'à tomber sur une
@
,....,
qui fonctionne mais on peut aussi se rappeler que la fonction ln « transforment » les
r:
Ol
produits en sommes.
·;::
>

~I Avec x =y= 1. on obtient f(l x 1) = f(l) + f(l) i.e. f(I) = 2f(l) et fi nalement
Cl.
0
u f(l) = O. En outre, la fonction ln est dérivable en 1 et vérifie (E).
1. b. Il faut revenir à la définit ion de la dérivabilité par un calcul de limite : f est
' . ble en xo ssi. 1e quotient
d enva . j (XQ + h)h - j (Xo) a d met une l'imite . 1orsque h,
. fi rue
tend vers O. On va à nouveau particulariser x et y pour que deux des t rois nombres
xy, x et y jouent les rôles de x 0 + h et x 0 . Comme on souhaite une différence de deux
 282 Chapitre 8 Étude locale et g lobale des fonctions

valeurs de f , on prend xy = x 0 + h et x = x 0 qui donne

f(xo + h) = f(xo) + f (xo +
xo
h) i.e. f( xo h~, - f(xo) + = _1 f
1i
(x 0
xo
+ h) .
Il faut alors reconnaître dans le second membre un taux de variation en 1 (ne pas
oublier que f(l) = 0) pour utiliser la dérivabilité de f en ce point.

Fixons xo E]O, + oo[ et soit h # 0 tel que xo + h >O. Avec x = xo et y= 1 + .!!:.._,

Xo
on a, en utilisant que f(l) = 0,

f(xo + h) = f(xo) + f (1 + .!!:.._) f(xo + h) - f(xo) _ f ( 1 + ~) - f(l) ~

xo i.e. h h xo
Xo

1. lim f ( 1 + ~) - f (1)
Or, par dérivabilité de f en f' (1), donc
h -tO h
Xo
. f(xo
1nn
+ h) - f(xo)
J' (l) autrement dit f est dérivable au point Xo et
h
h-tO Xo
J'(xo) = J'(l).
Xo
Finalement f est dérivable sur JO, +oo[ et, pour tout x > 0, J' (x) = J' (l).
X

2. Les questions précédentes ont amené une forme nécessaire pour les solutions : elles
c c
vérifient f'(x) = - et f(l) = 0 i.e. f est l'unique primitive de x t-t - s'annulant en 1.
X X
Il ne reste plus qu'à déterminer ces primitives et à vérifier si elles sont effectivement
solutions du problème originel.

On raisonne par analyse-synthèse :

• d'après 1, si f dérivable en 1 vérifie (E), sa dérivée est x t-7 j'(l) donc, par
X
intégration et en utilisant f(l) = 0, f : x t-7 alnx (on a posé a= J'(l));
"O • réciproquement, une telle fonction est effectivement dérivable en 1 et elle vérifie
0
r:::: bien (E).
:::J
0
Finalement, les fonctions dérivables en 1 qui vérifient (E) sont les o,ln avec a E IR.
lfl
,.-1
0
N
@
.....,
r:
Ol
·;:: Dans tout cet exercice, n désigne un entier naturel non nul.
>
Cl.

u
0 1. Conjecturer une expression pour la dérivée ne de x t-t .!, et la montrer par
X
récurrence.
2 . En déduire une expression simple de la dérivée ne de ln2 : x t-t (ln x ) 2 .

1. On peut calculer les premières dérivées.

 Exercice 8.9 Dérivée ne de ln 2 283

Notons f la fonction f : x H .! .
X

J'(x) = - ~,
X
!" (x) = 23,
X
Jiii( X·) = - ~4'
X

f(4)(x) = 2;'
X"
f(s) (x) = _ 12 0,
X6
J< )(x)
6 = 720 .
X7

1
Il est souvent plus commode d'écrire--;; = x-k et d'appliquer la formule
X
de dérivation de X t-t Xa .

On voit que les signes sont alternés, que l'exposant de la puissance de x a numérateur
est l'entier suivant l'ordre de dérivation et le numérateur est (en valeur absolue) la
factorielle de l'ordre de dérivation.

On conjecture que, pour tout n EN*, f(n) : x H (-lt x~~ 1.

Effectuo ns un e preuve par récurrence.
. 1 l! 1 /
• Au ra ng n = 1, l'égalité est vérifiée: Vx-::/; 0, (-1) xI+I = - xz = f (x) .

• Supposons que, pour un entier n EN* fixé, f(n) : x H (- l t x~~ 1.

(-1t~)
xn+l (x)
1

Alors, Vx-:f; 0, f(n +i)(x) = (f(n))'(x) = (x H

= - (n + l)( - l)nn!x- n- 2 = (-lf+i (n + 1)! .

xn+2
Par pri ncipe de récurrence, l'expression conjecturée est la bonne, pour tout n E N*.
Rema rquons que cette formule est aussi valable pour n = O.

Puisque <p : x t-t xf(x) est constante sur l'intervalle I = IR'.j_ (resp. I = IR'.'._), on
trouve grâce à la formule de Leibniz une relation de récurrence entre les dérivées ne
et (n + l)e de f. En effet, en notant Id: x t-t x,
"O

0
0
r:::
::J
'ïlx E I , 0= t (~) ld(k)(x)f(n-k)(x)
k=O
= xf(n)(x) + nf(n-l)(x) + 0 + ···+O.
lfl
La relation de récurrence j(n)(x) = - ~ f(n - l)(x) nous permet alors de retrouver le
,.-1
0
N X
@ résultat conjecturé avant la récurrence et accélère la preuve de l'hérédité.
.....,
r: 2 . La fonction ln 2 est un carré, pour la dériver n fois, on pense obligatoirement
Ol
ï::: à la formule de Leibniz. On aura alors besoin des dérivées de la fonction ln. Or
>
Cl. 1
0 ln' (x) = - donc en dérivant plusieurs fois, on retrouve les dérivées de la fonction
u X
inverse déterminées à la question précédente.

~1
P uisque ln est de classe C00 sur JO, + oo[ et que ln' = f on a, d 'a près la q uestion
précédente, V n E N*, ln(n) (x) = f(n - l) (x) = 1
(-1r- (n - l)! .
xn
On peut maintenant appliquer la formule de Leibniz.
 284 Chapitre 8 Étude locale et globale des fonctions

D 'après la formule de Leibniz, pour tout x > 0,

(ln 2
) (n\x) = t (:)ln
k=O
(k) (x )ln (n - k) (x)

~ 2 ln(x) ln(•) (x) + ~ ( ~) (- l)'_ i(k ~k l)! (- 1)"_, _i(n ~:-~ 1)!
(on met à part les termes d'indices 0 et n)
n- 1 2
= 2 ln(x)(-lf1·_i(n - l)! + "°""' n! (-l)n- (k - l)!(n - k - l)!
xn ~ k!(n - k)! xn
k=l
)n 1 n-1
= 2ln(x)(-1f- 1 ( n - 1) .
xn
1
+
(
-1 n.
xn
""°'
1
~ k(n - k)
.
k=l

n-1 l
On peut simplifier la somme~ k(n _ k) en remarquant que pour tout k E [1 , n - 1],

1 1 ( 1 1 )
k(n - k) = ~ k +n- k ·

~ Or pour tout k E [l,n- l~, k(nl- k) = ~ (~ + n ~ k ) donc

n- 1 l l ( n- 1 l n- 1 l ) l ( n- 1 l n- 1 l ) 2 n- 1 l
~ k(n - k) =; {; k + {; n- k =; {; k + {; k' =; {; k

grâce au changement d 'ind ice {k'k = n -

=n - k
k' dans la deuxième somme. A insi
n- 1 )
(
ln(x) - {; ~ .

"O
0
r::::
:::J
0
lfl

f sur lflt par : { f (x) si X> Ü

,.-1
0
N On définit la fonction
@
.....,
f (x) si X~ Ü
r:
Ol
1. Montrer que f est continue sur IR.
·;::
>
Cl.
2. Montrer que, pour tout entier naturel n, la dérivée ne de f est bien définie sur
0
u ]O, +oo[ et prouver qu'il existe un polynôme Pn E IR[X] tel que
Vx E]O, + oo[, f(n)(x) = Pn(x)
x2n
exp(-~)
x
avec, pour tout entier naturel n, Pn+l = X 2 P~ + (1 - 2nX )Pn.
 Exercice 8.10 Recollement de classe C00 285

3. Montrer que f est de classe C00 sur ~ et que j(n)(O) 0 pour tout entier
naturel n.
4. Calculer f', f" et f"'.

1. L'étude de la continuité se fait en deux temps : d 'abord sur les intervalles ouverts
] - oo, O[ et ]O, +oo[, puis au point de « recollement » 0 des deux fonct ions x ri 0 et
x rie- ~ (ici, il s'agit de vérifier lim f = f(O) = 0).
0

1
Comme x t-7 e- :t est, par théorèmes généraux, continue sur ]O, +oo[ et comme x t-7 0
est continue sur] - oo, O], il est clair que f est continue sur ~* et continue à gauche
en O.
Par ailleurs, lim
x-+O+ X
.!:. = +oo et lim e- x = 0 donc lim f( x ) = 0 = f(O) et f est
X -++oo x -+O+
aussi continue à droite en O. Finalement, f est continue sur R

2. On nous demande ici de répondre à t rois quest ions. P lutôt que de les t raiter suc-
cessivement, on va répondre simultanément à celles-ci grâce à un raisonnement par
récurrence. Il faudra, comme toujours, bien s'appliquer dans la formulation de la
propriété à démontrer pour tout entier naturel n.

~1
Montrons par récurrence sur n que, pour tout entier naturel n, la propriété Pn suivante
est vra ie : « f(n) est bien définie sur ]O, +oo[ et il existe un polynôme à coefficients
réels Pn tel que: Vx E]O, +oo[, f (n )(x) = Pn(x)
x2n
exp(-.!:.)».
X

Nous remarquons que la relation de récurrence Pn+l = X 2 P~ + (1 - 2nX )Pn ne fait

pas partie de l'énoncé de la propriété Pn · En fait, cette relation sera établie au cours
de l'étape d 'hérédité où le polynôme Pn+l sera construit à partir du polynôme Pn .

e- ~ x 21x 0 e- ~
~
"O
Initialisation: On a, pour tout x > 0, f (o)(x) = f(x) = = donc Po
0
r:::: est vraie en posant Po = 1.
:::J
0
lfl
Hérédité : Supposons que f (n)(x) = Pn2(x)
. xn e- ~ pour tout x > 0 où n E N et
,..-1
0
N Pn E JR[X ]. Le dénominateur de la fonction rationnelle x Pn2(x) ne s'annule qu 'en
t-7
@
xn
1
,...., 0 donc cette fonction est dérivable sur JO, + oo[. De même, x t-7 e-œ est dérivable sur
r:
Ol
·;:: ]O, + oo[ donc, par produit, f(n) est dérivable sur JO, + oo[ et, pour tout x > 0,
>-
Cl.
0
f(n+l)(x) u <n) )'(x)
u
exp ( - -X1) + ---;;--- ( 1)
2
P~(x)x n - Pn(x)2nx n- l
2
Pn(x)
+ ·> exp - -
X 4n x -n - X

P~(x)x 2n+ 2 - Pn(x)2nx 2 n+l

x4n+2
+ x 2n Pn(x)
exp
( 1)
-~

P~(x)x
2
- Pn(x) 2nx + Pn(x) ex (-.!:.) = Pn+1(x) ex (-.!:.)
x2n+2 P X x2(n+l) P X
 286 Chapitre 8 Étude locale et globale des fonctions

où on a posé Pn+1 = X P~ - 2nX Pn + Pn = X P~ + (1 - 2nX)Pn. qu i est bien un

2 2

polynôme à coefficients réels. Ainsi Pn+1 est bien vraie.

D 'a près le principe de récurrence, Pn est vraie pour tout n EN et, de plus, le ra ison-
nement ci-dessus montre que :
'c:/n EN, Pn+1 = X 2 P~ + (1 - 2nX)Pn.

3 . Il s'agit de montrer que f est indéfiniment dérivable sur IR (c'est-à-dire que f (n)
est définie sur IR pour tout entier naturel n). Comme à la première question, l'étude
va se scinder en deux temps : sur IR* d'abord, en 0 ensuite (le point à problème). Si
n E N*, montrer que j(n)(Q) = (JCn- l))'(O)) existe et vaut 0 revient à montrer que
J(n-l)(x) _ J (n-l)(Q)
lim existe et vaut O. Mais pour pouvoir calculer cette limite,
x -?0 X
il faut déjà connaître la valeur de f(n - l)(Q); c'est pourquoi un raisonnement par
récurrence va s'imposer ici. Enfin, compte tenu de la distinction faite dans la définition
de f sur] - oo, ü] et JO, +oo[, on considérera, comme à la première question, la limite
à droite en 0 (mais aussi la limite à gauche).

Il suffit de montrer que, pour tout entier naturel n, la fonction f est n fois dérivable sur
R Sur l'intervalle ouvert JO, +oo[, cela a déjà été montré et c'est évident sur] - oo, O[
pu isque la fonction coïncide avec la fonction nulle. Montrons donc par récurrence sur
n que la propriété « J(n) (0) existe et vaut 0 » notée Qn est vraie pour tout entier
naturel n.
Initialisation : f est bien défi nie en 0 et f (0) = 0 donc Qo est vraie.
Hérédité : Supposons Qn vraie pour un certa in n E N et notons, sous réserve d 'exis-
tence, (JCn)): (0) et (J<n))~ (0) les dérivées respectivement à gauche et à droite

de f(n) en O. D ' une part, on a clairement lirn J<n)(x) - f (n)(O) = 0 puisque,

X40- X
pour x < 0, J(n) (x) = J(n )(0) = O. Ainsi, f(n) est dérivable à gauche en 0 et
(J<n))~ (0) =O. D'aut re part, pour x > 0,
f(n)(x) - f(n )(O) _ f(n)(x) _ Pn(x)
x - x - x2n+1 exp
(-!)
x .

"O Or lirn _!_ = + oo et lim u 2 n+le-·u = 0 par croissances comparées donc, par
0 X40+ X u 4+oo
r::::
0
:::J

lfl
composition, lirn
x 4 0+
(.!.) n+i exp(-!) = 0 et, fi nalement,
X
2

X
,-1
0
N
lim
f(n)(x)-J(n )(O)
= Pn(O) x lim -
1 exp (- -1) = 0
--
@ X40+ X x40+ X 2n+ l X
.....,
r:
Ol ce qui signifie que J<n) est dérivable à droite en O et (J< n)) ~ (0) = O. Ainsi
·;::
>
Cl. (f(n))~ (0) = 0 = (f(n))~ (0) donc f(n) est dérivable en 0 et J<n+l)(O) =O.
0
u D 'a près le principe de récurrence, f est indéfiniment dérivable en 0 et, pour tout n EN,
J<n>(o) =O.
Finalement, f est ind éfi niment dériva ble sur lR donc f est de classe C00 sur IR.

4. A l'aide du résultat de la question 2 , on remarque que la tâche revient essentielle-

ment à calculer P 1 , P2, P3 ce qui peut se faire de proche en proche grâce à la relation
de récurrence reliant Pn et Pn+l ·
 Exercice 8.11 Convexité et continuité 287

Déjà, pour tout x ~ 0, J'(x) = J"(x) = J"'(x) =O. Par ail leurs, on a vu que Po= 1
donc
P1 X 2 P6 + (1 - O)Po = Po = 1,
P2 X P{ + (1 -
2
2X)P1=1 - 2X,
P3 X 2 P~ + (1 - 4X)P2 = - 2X
2
+ (1 - 4X)(l - 2X) = 6X2 - 6X + 1.
Ainsi, pour tout x > 0,
2

f x) -1 - !. " (x ) = 1 - 2x e _ !.x
! "'( x ) = 6x - 6x + 1 e _!.x .
x2e
i (
= x
, ! x4
et
X6

Soit f une fonction convexe sur un intervalle / . Pour tout réel a E / , on définit
! \{a} --+IR
l'application 'Pa : f(t) - f(a) ·
{ t t-t ~~~~-
t- a
'Pa(t) est le taux d'accroissement de f entre a et t.
1. Montrer que, quels que soient les réels x, y, z de I tels que x <y < z,
f(y) - f(x) ~ f(z) - f(x) ~ f(z) - f(y)
~ . ~

y- x z- x z- y
2. Montrer que, pour tout a E / , la fonction 'Pa est croissante sur I \ {a} c'est-à-
dire
Va E /, Vx,y E !\{a}, x ~y ===::} 'Pa(x) ~ 'Pa(y).
3. Montrer que f est dérivable à droite et à gauche en tout point intérieur a de
/.
4. En déduire que toute fonction convexe sur un intervalle ouvert est continue
"O sur cet intervalle.
0
r::::
:::J
0
lfl
,.-1
0
N
@
....., 1. Les trois quotients sont des taux d'accroissement de la fonction f, ce sont les
r: pentes de trois cordes, comme on peut le représenter sur la figure suivante (les cordes
Ol
·;::
> sont numérotées de 1 à 3). Pour comparer par exemple les deux premières pentes,
Cl.

u
0 les cordes passent toutes les deux par le point de coordonées (x, f (x)) et la première
passe par le point de coordonnées (y, f (y)) tandis que la deuxième passe par le point
de la deuxième corde qui a pour abscisse y. Puisque f est convexe, le point de la
courbe de coordonnées (y, f(y)) est en-dessous du point de la deuxième corde de
même abscisse y : cela permet de comparer les ordonnées et donc de comparer les
deux pentes. Faisons les calculs précisément. Commençons pour cela à écrire y sous
la forme y = tx + (1 - t)z.
 288 Chapitre 8 Étude locale et globale des fonctions

tf (x) + (1 - t)}(~~
f (x)
f(y)
Q X y z X

~1
x,y et z de I tels que x <y< z. y= tx + (l - t)z ssi (z - x)t = z - y.
Soit trois réels
z- y
Posons donc t = - - . Alors t E]O, 1 [ puisque x < y < z .
z-x
Le point de la deuxième corde d'abscisse y = tx + (1 - t)z a alors pour ordonnée
tf(x) + (1 - t)f(z).
La convexité de f dit que J(y) = f(tx + (1 - t)z) ~ tf(x) + (1 - t)f(z) . On peut alors
majorer le premier taux d 'accroissement.

Pu isque f est convexe, f(y) = f(tx + (1 - t)z) ~ tf(x) + (1 - t)f(z) . De plus,

y - x > 0 donc
f(y) - f(x) ~ tf(x) + (1 - t)f(z) - f(x) = (1 - t)(f(z) - f(x))
y- X tx + (1 - t) Z - X ( 1 - t) (Z - X)

~ f(z) - f(x) .
z-x

On prouve la deuxième inégalité de manière assez similaire.

Puisque z - y> 0 et f(y) ~ tf(x) + (1 - t)f(z),

f(z) - f(y)
.;........:......;.__....;.......;.."-"- ;?
f(z) - tf(x) - (1 - t)f(z) = .....;..;......;.......;...____;;_;__~
t(f(z) - f(x))
z- y z - tx - (1 - t)z t(z - x)
"O
0 ;? f(z) - f(x).
r::::
:::J z- x
0
lfl En regroupant les deux inégalités précédentes, on obtient
,.-1
0
N
f(y) - f(x) ~ J(z) - f(x) ~ f(z) - J(y).
@ y-x z-x z-y
.....,
r:
Ol
ï::: 2 . 'Pa(x) = f(x) - f(a) et 'Pa(Y) = f(y) - f(a) donc il semble clair que l'on va
>
Cl. x-a y-a
u
0 appliquer la question précédente. La petite difficulté est qu'ici la position relative des
réels a, x et y est quelconque. Nous pouvons envisager plusieurs cas et appliquer la
question précédente selon la configuration.

~1
Soit a E I et x, y pris dans I \{a} tels que x ~y.
Tout d'abord, si x =y, évidemment cpa(x) = !fJa(y) . On suppose donc dans la suite
que x <y. On peut envisager 3 cas.
 Exercice 8.12 Inégalités de convexité 289

• Si x < y < a. La question précédente avec a dans le rôle de z donne (grâce à

f (a) - f (x) ~ f (a) - f(y) i.e. 'Pa(x) ~ 'Pa(y).
l' inéga lité de droite)
a- x a -y
• Si x < a < y. Avec a et y dans les rôles de y et z dans la question précédente
on obtient (membres extérieurs de l'encadrement) f(a) - f(x) ~ f(y) - f(a)
a- x y- a
i.e. 'Pa(x) ~ 'Pa(y).
• Si a< x <y. Avec a, x et y dans les rôles de x, y et z respectivement on obt ient
(grâce à l' inégalité de gauche) f(x) - f(a) ~ f(y) - f(a) i.e. 'Pa(x) ~ 'Pa(y) .
x- a y- a
On a donc montré que 'Pa était croissante sur I \ {a}.

3 . Le fait que a soit un point intérieur permet d'étudier les dérivabilités à droite
et à gauche. Pour obtenir la dérivabilité d'un côté, il suffit de montrer que le taux
d'accroissement, c'est-à-dire 'Pa, a une limite finie à droite ou à gauche. À cette fin,
on va naturellement utiliser sa croissance.

Puisque a est un point intérieur de I , on peut trouver deux réels x et z de I tels que
X< a< Z.
Sur l'intervalle ]a, z[, la fonction 'Pa est croissante et m inorée par 'Pa(x) donc elle admet
une limite finie à droite en a (théorème de la limite monotone) i.e. f est dérivable à
droite en a .
De même, sur l'intervalle ]x, a[, la fonction 'Pa est croissante et majorée par 'Pa(z)
donc elle admet une lim ite finie à gauche en a i.e. f est dérivable à gauche en a.

Remarquons que f n 'est pas forcément dérivable en a, les nombres dérivés à droite et
à gauche peuvent être différents . Par exemple, la fonction valeur absolue est convexe
sur lR mais n'est pas dérivable en O.
4 . Si un intervalle est ouvert alors tous ses points sont des points intérieurs. D 'après
la question précédente on voit que toute fonction convexe sur un intervalle ouvert est
dérivable à droite et à gauche en tout point. Il reste à voir que cela force la fonction
à être continue.

~
"O
0
Soit une fonction f qui est convexe sur un intervalle I ouvert , c'est-à-dire que tous
r::::
:::J ses points sont des points int érieurs. La question précédente montre donc que f est
0 dérivable à droite et à gauche en tout point de !. Or la dérivabil ité à droite en un
lfl
,-1 point a entraîne la continuité à droite c'est- à-d ire que lim f(x) = f(a).
0
N
x-+a+
@ En effet, si lim f(x) - f(a) = f~(a) alors
....., x-+a+ X- a
r:
f(x) = f (a) + (x - a)(f~(a) + ao+(x - a))
Ol
ï::: f(a).
>-
Cl.
x-+a+
0 De même, la dérivabilité à gauche en a entraîne lim f(x) = f (a). On en dédu it que
u X-+a -
f admet f(a) pour limite en a c'est-à-dire que f est continue en a.
La conclusion est qu ' une fonction convexe sur un intervalle ouvert est continue sur cet
intervalle.

Signalons qu'en revanche, si l'intervalle est fermé, la fonction convexe peut n'être pas
continue en ses extrémités.
 290 Chapitre 8 Étude locale et globale des fonctions

1. Montrer que \;/ x E JR, ex ;;:: 1 + x.

2. Montrer que V x E [ 0, ~] , ~x ~sin x ~ x.

1 1
3. Soit p et q deux réels strictement positifs tels que - + - = 1.
p q

a. Montrer que pour tous réels x et y, e~+ ~ ~ !ex+ !eY .

p q
, 1s strictement
b . S i. a et b sont d eux ree . . ·c en d'd
pos1t11s, . que a b,.,..
e mre : : : : -aP + -bq .
p q
4. a. Soit f une fonction convexe sur un intervalle J. Montrer par récurrence

~ t:our1t:1u:c~ :c: ~~~-e.IB ,::e :;~~ (~é:,l:,)' ~ int~;(·~:;fu tels que

b. En déduire que pour tous réels strictement positifs a 1 , ••• , an,
a1 + ... +an
.y'a1 ... an~ .
n

1. On peut montrer cette inéga lité en étudia nt la différence des deux membres ma is
ici il s'agit de la voir comme une inégalit é de convexit é. On doit comparer la fonction
exp avec une fonc tion affine qui fait penser à une équation de droite. En général cet te
fonction affine correspond à l'équation d 'une droite qui est soit une tangente soit une
corde. Ét udions d 'abord la convexité de exp.

~I exp est de classe C2 (même C00 ) sur ~ et V x E ~. exp" (x) = ex ~ 0 donc la fonction
exp est convexe sur ~ .

"O y
0
r::::
:::J
0
lfl
,.-1
0
N
@
.....,
r:
Ol
·;::
>
Cl.
0
u

Il est à peu près clair que la droite d 'équation y = x + 1 est la ta ngente à la courbe re-
présentative de exp au point d 'abscisse 0 mais on peut le ret rouver assez simplement:
 Exercice 8.12 Inégalités de convexité 291

si c'est la tangente au point d 'ascisse x 0 , son coefficient directeur est une valeur de la
dérivée de exp qui est exp elle-même donc exp(xo) = 1 c'est-à-dire xo =O.

~1
La droite d'équation y= x + 1 est la tangente à la courbe représentative de exp au
point d 'abscisse 0 or la fonction exp est convexe donc son graphe est au-dessus de
cette tangente donc pour tout x E IR, e x ?;: x + l.

2. Tout d 'abord, étudions la convexité de la fonction sin.

~1
sin est de classe C00 sur lR et V x E [ 0, ~ J , sin" (x ) = - sin( x) ~ O. Donc la fonction

sin est concave sur [ 0 , ~] .

On essaie de reconnaît re des équations de tangentes ou de cordes.

La droite d 'équation y = x est clairement la tangente en l'origine à la courbe re-

présentative de la fonction sin. La droite d'équation y = ~x
7r
passe par les points de
"O
0
r::::
:::J
coordonnées (0, 0) et ( ~, 1) qui sont sur la courbe représentative de sin donc c 'est
0 la corde qui relie ces deux points.
lfl
,..-1 Puisque la fonction sin est concave sur l'intervalle [ 0, ~ J , son graphe se situe entre la
0
N corde qui joint les points d'abscisses 0 et ~ et la tangente au point d'abscisse O. On
@
.....,
r:
en déduit que \lx E [o,~] , ; x ~ sinx ~ x.
Ol
~ ~ , l'inégalité qu'il faut
·;::
>
Cl.
3.a. Avec = 1- mont rer est exactement la conséquence de
0 q p
u la définit ion de la convexité de la fonct ion exp .

Comme prouvé dans la question 1, la fonction exp est convexe sur lR. En appliquant
1 1 1
1a d e, f.m1t1on
. . d e 1a convex1te , 1s x et y et avec 1es coe ff.1cients
. , aux ree . - et 1 - - = - ,
p p q
X+ y ex eY
on obtient e"P <i ~ - + -.
p q
 292 Chapitre 8 Étude locale et globale des fonctions

3.b. Le membre de droite de l'inégalité à mont rer ressemble à celui de l'inégalité

précédente, ils coïncident si aP = ex et bq = eY c'est-à-dire x = ln(aP) = pln(a) et
y= ln(bq) = qln(b) . Alors ab= eï> x eq1L = eï>"' + 1Lq .
X

~1
L'i négal ité de la question précédente avec x = pln(a) et y= qln(b) donne
ex eY .:E. + 1L ex eY aP bq
ab = -p x -
q
=e P q ::::; -
p
+ -q = -p + -q .

4.a. L'init ialisation se fait au rang 1 mais le rang 2 est aussi vérifié, il s'agit de la
définition de la convexité de f :

Procédons donc par récurrence. Notons Pn la propriété : « pour tous réels t i, ... , tn

pos;tffs de somme 1 et pour tousréels X1, ..• , Xn de 1, f (

• Initialisation : P 1 est vraie puisque l'inégalité est une égalité : t1 = 1 et pour tout
t t t;x; ) ,;; t;f(x;) .'

X1 E J,

Pour la preuve de l'hérédité, partant de f (~ t,x,),il faut bien sûr se ramener à

n
une somme de n réels, en isolant le terme t n + iXn+l d'un côté et L tixi de l'autre. On
i= l
essaie ensuite d'appliquer le cas n = 2 avant d'appliquer l'hypothèse de récurrence.

• Hérédité : Supposons que, pour un n E N*, P n est vraie. Montrons que P n+1 est
vraie i.e. que pour to u(sn~;ls t 1), ... '!~i 1 positifs de somme 1 et pour tous réels
"O
0
r::: x 1, ... , Xn +1 de I , f ~ tiXi ::::; ~ tif(xi)·
::J
0
lfl Ceci est clair lorsque tn+1 = 1, car dans ce cas t1 = · · · = tn = O. Soit donc des
,..-1
0 réels t1, . .. , tn+1 de somme 1 (avec tn+1 =/= 1) et des réels xi, ... ,xn+l de I.
N
@ n
.....,
r: Puisque X1, ... , Xn sont dans l'intervalle I et que L ti =
1
- tn+l 1, on
Ol
·;:: i= l ~ 1-tn+ l
>
Cl. ~o
0
u n
en déduit que y = L
i= l
ti
1 - tn+l
Xi est aussi un élément de l'intervalle I (pour s'en

convaincre il suffi t de montrer que y vérifie l'encadrement caractérisant l'appartenance

à J). On voit donc que l'on peut appliquer la définit ion de la convexité au couple de
points (x 1 , y).
 Exercice 8.13 Fonction qui tend vers 0 en +oo 293

f ( ~ t;X;) = f ( tn+lXn+l + t;X; ) t,

= f ( tn+iXn+i + (1 - tn+i) t, t;•+l X; )
l _

<; t.+1/ (Xn+1) + (1 - t.+1)/ ( t, t;•+l X; )

1
_ cac f est convexe.

Puisque~ ti
~ 1 - tn+ l
= 1 appl iquons Pn à f (~ ti
~ 1 - tn+l
Xi) .
i= l ~ i= l
;;::o

• Conclusion : Par principe de récurrence, le résu ltat est prouvé.

Dans le cas où l'on sait f dérivable, il existe une preuve bien plus courte et élégante.
En effet, par convexité, la courbe de f est au dessus de ses tangentes, par exemple, au
point m de I , on a V x E I , f (x) ;;::: f' (m) (x - m) + f (m). En particulier, pour tout
i E ffl , n] , on trouve J(xi) ;;::: f'(m)(xi - m) + f(m) et donc, en multipliant chaque
inégalité d'indice i parti (positif) puis en additionnant membre à membre, on obtient

t. t;f(x,) ;;, J'(m) t. t,x, -mt. t, t. '-v-'

+f(m)
'-v-'
t, = J'(m) (t. t,x, -rn)+ f(m ).

=1 =1

Puisque l'expression cherchée ne fait nullement référence à la dérivée de f, il suffit de

n n
choisir m = L tixi (ce qui est licite car L tixi E J).
i= l i= l
4.b. Dans l'inégalité à prouver on a bien une moyenne à droite mais à gauche il y a des
"O
0
r::::
produits et cela ne rentre pas dans le cadre de la question précédente. Comme souvent,
0
:::J
on se débarrasse du produit en appliquant le logarithme qui est strictement croissant.
lfl
,.-1
0
N
L'inégalité équivaut alors à ~ (ln(a 1 ) + ···+ln( an)) ~ln
n n
On se rend (ai +... +an) .
@ alors compte que l'inégalité va découler de la concavité de ln i.e. la convexité de - ln.
,....,
r:
Ol
·;::
>
La fonction - ln est convexe sur JR:+ car de classe C2 et 'V x
x-
> 0, - ln" (x) = _.; ;;::: O.
Cl.
0 En appl iquant la question précédente avec les coefficients égaux à ~, on a, pour tous
u
, (a 1 + · · · + an ) - ln (a 1) - · · · - ln (an) , ,
reels ai, ... , an, - ln n ~ n . L oppose donne
ln(a1) + ·n· · + ln(an)· ~ ln
( ai + ·n··+ an ) . On applique l'exponentielle qui est
croissa nte aux deux membres de cette inégalité et on obtient :
l n(a 1 )+ .. + Jn (an) a1 + ... +an . l/n a1 + ... +an
e "' ~ I.e. (ai ... an) = yta1 ... an ~ .
n n
 294 Chapitre 8 Étude locale et globale des fonctions

On considère dans cet exercice une fonction f de classe C2 sur [O, +oo[ telle que
f(O) = 0 et telle que lim f(x) =O.
x -++oo
1. Montrer que f est bornée sur [O, +oo[.
2. Montrer que f' s 'annule au moins une fois sur [O, +oo[.
3. On souhaite montrer que f" s'annule au moins une fois sur [O, +oo[. Supposons
dans cette question que f n 'est pas la fonction nulle (i.e. n'est pas nulle sur
tout [O, +oo[).
a. On suppose, par l'absurde, que f est convexe sur [O, +oo[.
Montrer que 'ri x E [O, +oo[, J'(x) ~O.
b. En déduire qu'il existe un réel Xo E [O, +oo[ tel que f (x0 ) <O.
Conclure.
c. Montrer que f ne peut pas être concave sur [O, +oo[.
d. En déduire que f" s 'annule au moins une fois dans [O, +oo[.
4. On considère la fonction f définie sur [O, + oo[ par f( x ) = x 2 e-x.
a. Calculer la dérivée ne de f pour tout n E N*.
b. Déterminer la valeur maximale de f.
c. Déterminer les abscisses des points d'inflexion de la courbe de f.

1. C'est un résultat à connaître pour les suites : une suite convergente est bornée.
Pour le prouver on doit utiliser la limite nulle en + oo puis la cont inunit é.

lim f (x) = 0 donc il existe un réel A tel que V x ?;: A , -1 ~ f (x) ~ 1 i.e. f est
x -++ oo
bornée sur [A, +oo[.
Mais f est continue sur le segment [O, A] donc elle est bornée sur cet intervalle. En
"O regroupant ces deux conclusions, on en déduit que f est bornée sur [O, +oo[ (il suffit
0
r:::: de prendre le plus grand des deux majorants et le plus petit des deux minorants).
:::J
0
lfl
,.-1
2. On peut s'inspirer du raisonnement utilisé dans la preuve du t héorème de Rolle : on
0
N
cherche un extremum local intérieur i.e. da ns JO, + oo[. La question précédente nous
@ dit que f est bornée. Ou bien elle admet une valeur maximale ou une valeur minimale
.....,
r: non nulle ou bien f est nulle sur [O, + oo[ mais dans ce cas, f' est a ussi nulle ce qui
Ol
ï::: répond à la question. Da ns le premier cas, on peut obtenir un point où la dérivée
>
Cl.
0
s'annule.
u
f est bornée donc si f n'est pas nulle sur [O, + oo[, alors f admet une valeur extrémale
non nulle. Cette valeur extrémale est prise dans JO, + oo[ puisque f (0) = O. Donc f
admet un extremum local à l'intérieur de [O, + oo[. Puisque f est dérivable, f' s'annule
en ce point.
Si f est nulle sur [O, + oo[, évidemment, f' s' annule sur tout [O, + oo[.
 Exercice 8.13 Fonction qui tend vers 0 en +oo 295

3.a. En supposant que f est convexe, comment montrer que f' est négative sur
[O, + oo[? On peut penser à une preuve par l'absurde. En effet, si f' est strictement
positive alors la courbe de f a une tangente de pente strictement positive qui doit
être sous la courbe. On comprend bien que cela empêche la fonction de tendre vers 0
en +oo.

On a supposé par l'absurde que f est convexe sur [O, +oo[.

Sous cette hypothèse, supposons, à nouveau par l'absurde, qu' il existe un réel xo ;;::: 0
tel que J' (xo) > O. Alors la tangente à la courbe de f au point d 'a bscisse xo a pour
équation y= J'(xo)(x - xo) + f(xo).
Puisque f est convexe, sa courbe est au-dessus de cette tangente, ce qui se traduit
analytiquement par \:/ x;;::: 0, f(x) ;;::: f'
(xo)(x - xo) + f(xo). Or
lim j' (xo)(x - xo) + f(xo) = +oo car f' (xo) > O. Cela force lim f(x) = +oo
x_,+= x_,+=
et donne une contradiction avec lim f(x) =O.
X4 +=
On en déduit que \:/ x E [O, +oo[, f' (x) ~O.

3.b. Pour cette question il faut avoir un regard global sur la fonction f : d 'après ce
qui précède f est décroissante et c'est cela qui va permettre de conclure.

~1
La question précédente a montré que J' était négative. Cela se t raduit évidemment par
le fait que f est décroissante. Puisque f(O) = 0, on en dédu it que \:/ x;;::: 0, f(x) ~O.
Si f n'est pas nulle sur [O, + oo[, alors f prend nécessa irement des valeurs strictement
négatives.

On nous demande de manière vague de conclure. C'est certainement qu'il est temps
de terminer la preuve par l'absurde en trouvant une contradiction. On résume les
informations sur f : f est convexe, décroissante, prend une valeur strictement négative
et tend vers 0 en +oo. On n'est pas loin d'une contradiction.

~1
Nous avons vu que f(xo) < 0 et que f est décroissante. On en déduit que pour tout
x;;::: xo , f(x) ~ f(xo). Cela est en contrad iction avec lim f(x) =O. On en déduit
x4 +=
que f n'est pas convexe sur [O, +oo[.
3.c. Cette question ressemble beaucoup à ce que nous avons fait précédemment. Sou-
vent quand on montre une propriété concernant la convexité, on obtient une propriété
"O
0
r:::: correspondante concernant la concavité en considérant l'opposée de la fonction.
:::J

~1
0
lfl - f vérifie les mêmes hypothèses de l'énoncé : de classe C2 sur [O, + oo[, - f(O) = 0 et
,..-1
0 lim - f(x) =O. D'après la question précédente, - f n'est pas convexe sur [O, + oo[
N x_,+=
@
.....,
donc f n 'est pas concave sur [O, +oo[.
r:
Ol 3.d. Il faut résumer les informations obtenues surf précédemment notamment concer-
ï:::
>
Cl.
nant le signe de la dérivée seconde de f.
0
u

~1
Nous avons vu que si f n'est pas identiquement nu lle sur [O, +oo[, alors f n 'est pas
convexe sur [O, +oo[. Donc f" n'est pas positive partout, elle prend une va leur stric-
tement négative. De même f n'est pas concave donc f" prend une valeur strictement
positive.

Il reste à appliquer le théorème des valeurs intermédiaires en n 'oubliant pas de vérifier

que f" est continue.
 296 Chapitre 8 Étude locale et globale des fonctions

~1
Puisque f est de classe C2 , J" est continue sur [O, + oo[. f prend une valeur stric-
tement négative et une valeur strictement positive donc par le théorème des valeurs
intermédiaires, J" s'annule au moins en un point de [O, +oo[.
4.a. La dérivée ne d'un produit se calcule par la formule de Leibniz.

En notant u: xi---+ x 2 et v: xi---+ exp(-x), f (n) = (uv)(n) = t (~)u(k)v(n-k).

k=O
Les dérivées de u sont nulles à partir de la dérivée 3e, Les dérivées de v sont de signes
alternés : v<j) = (-l) jv. Donc il ne reste que trois termes sin~ 2 :

V x E Ill, j<•)(x) = t, (~ )i«k)(x)(-1)•-•v(x) = (-1)" [ x 2 - 2nx + 2 x n(n - l)] e _,

2
= ( - 1r [x 2 - 2nx + n(n - 1)) e- x.
Si n = 1, la formule reste valable car le terme pour k = 2 est en fait nul dans le calcul
précédent.
4. b. Pour trouver la valeur maximale, on va chercher un maximum local.

Déjà , f vérifie les hypothèses du début de l'exercice notamment, par croissances

comparées, lirn f(x) = 0 donc f est bornée.
x--++oo
f est évidemment positive sur [O, + oo[ or J(O) = 0 et\:/ x > 0, j(x) > 0 donc f atteint
son maximum sur l'intervalle ouvert ]O, +oo[, étant dérivable, sa dérivée s'annule en
tout point réalisant le maximum de f.
D'a près la question précédente, pour x > 0, j' (x) = - (x 2 - 2x)e-x = x(2 - x)e-x
s'annule uniquement au point 2. Donc la valeur maximale de f est atteinte en 2, elle
vaut f(2) = 4e- 2 .

4.c. Les abscisses des points d'inflexion sont les points où la dérivée seconde s'annule
en changeant de signe.

D'après la question 4 .a, J"(x) = (x 2 - 4x + 2)e- x. Le trinôme X 2 - 4X + 2 a pour

d iscriminant~= 16 - 8 = 8 > 0 donc J"(x) change de signe en deux points, ce sont
les racines du trinôme.
"O
0
r::::
4
Les abscisses des points d ' inflexion sont - ~V2
= 2 - V2 et 2 + ../2.
:::J
0
lfl
,..-1 y
0
N
@
.....,
r:
Ol
·;::
>
Cl.
0
u

X
 Exercice 8 .14 Méthode de Newton dans le cas convexe 297

Soit deux réels a et b tels que a < b et f une fonction de classe C1 sur [a, b] telle
que f est convexe et f' est strictement négative sur [a, b].
On suppose f(b) < 0 < f(a) et, pour tout x E [a, b], on pose g(x) = x - ;,~;).
1. Montrer qu'il existe un unique réel c E [a, b] tel que f(c) =O.
2 . Soit xo E [a, b] et Tx 0 la tangente à la courbe de f
au point d'abscisse xo.
a. Montrer que Tx 0 coupe l'axe des abscisses au point d'abscisse g(xo).
b. À l'aide du théorème des accroissements finis, montrer que la courbe de
f est au-dessus de Tx 0 , c'est-à-dire :
"ix E [a,b], f(x) ~ f(xo) + (x - xo)f'(xo).
3. Soit (un) la suite définie par: uo E [a, c] et Un+l = g(un), pour tout n EN.
a. Montrer que (un) est bien définie et que: "i/n EN, a~ Un~ c.
b. Étudier la monotonie de la suite (un) et justifier que cette suite converge
vers une limite à préciser.
4. On pose f :x H - x 3 + x - 1.
a. J ustifier quef est de classe C2 sur lR et calculer f (- 2), f ( - 1), f' et f".
b. Justifier que f s'annule exactement une fois sur [-2, - 1] en un certain
réel c.
c . Écrire une fonction Scilab calculant le terme général d'une suite (un)
convergeant vers c de premier terme u 0 = - 2. Commenter les résultats
obtenus avec cette fonction pour n E {3, 5, 7, 10, 100}.

"O
0
r::::
1. Compte tenu des hypothèses dont on dispose sur f et de l'existence/unicité à
0
:::J obtenir, on doit penser à utiliser le théorème de la bijection.
lfl

~1
,.-1
0
N
f est strictement décroissa nte et continue sur [a, b] donc, d 'après le théorème de la
@ bijection, f réalise une bijection de [a, b] sur [f(b), f( a)]. Puisque 0 E [f(b), f(a )].
....., il existe un unique réel c E [a, b] tel que f (c) = O.
r:
Ol

;,~:~)
·;::
>
Cl. 2.a . Si y= r(x) est l'équation de la tangente T.'CQl il s'agit de vérifier que Xo -
0
u
est l'unique solution de l'équation 0 = r(x) .

Pour x E [a, b] , notons M x le point de Tx 0 d'abscisse x et notons (Ox) l'axe des

abscisses. Puisq ue l'éq uation de Tx 0 est y= f( xo) + (x - xo)J' (xo), on a
f(xo)
Mx E (Ox) ~ 0 = f(xo) + (x - xo)J'(xo) ~ x = xo - f'(xo) ·
 298 Chapitre 8 Étude locale et globale des fonctions

1 Ainsi , Tx0 coupe l'axe des abscisses au point d'abscisse xo - f,~:~)), c'est- à-dire g(xo).
2.b. Le t héorème des accroissements finis nous donne une égalité f( x) - f(xo) = f'(c)
x - xo
qui s'écrit aussi f( x) = f(xo)+(x-xo)f'(c). Cela ressemble à ce que l'on veut montrer
ici à deux différences près :
• on veut que c (donnée inconnue) soit remplacé par x 0 (donnée connue),
• le prix à payer étant la perte de l'égalité au profit d'une inégalité ~.

Le passage de l'égalité à l'inégalité se fera en exploitant la convexité de f c'est-à-dire

la croissance de f' .

Soit x E [a, b]. Si x = xo, l'inégalité à montrer est évidente. On suppose désormais
x -::/; x 0 . f étant de classe C1 sur [a, b], elle est continue sur l'intervalle fermé d'ex-
trémités x et xo. et dérivable sur l'intervalle ouvert correspondant. Le théorème des
accroissements finis indique alors qu 'il existe c dans l'intervalle ouvert précédent tel que
f(x) - f(xo) = J'(c)(x - xo). Si x< Xo, on ac< Xo et J' étant croissante puisque
f est convexe, J'(c) ~ J'(xo) donc J'(c)(x - xo);;::: J'(xo)(x - xo) et finalement:
f(x) ;;::: f(xo) + f' (xo)(x - xo) .
De même, si x> xo, on a c> xo, J'(c);;::: J'(xo) puis J'(c)(x - xo);;::: J'(xo)(x - xo )
qui permet de conclure comme précédemment.

3.a. Au vu de la définition de la suite, on procédera par récurrence en formulant

précisément la propriété à démontrer. Pour montrer a ~ Un+l :::;; c dans l'étape
d'hérédité, on montrera séparément les deux inégalités Un+l - a~ 0 et Un+i - c ~ 0
en utilisant les hypothèses sur f et les résultats obtenus aux questions précédentes.
Pour tout entier naturel n, on note Pn la propriété «'Un est bien défini et a ~ 'Un ~ c ».
Montrons par récurrence que Pn est vraie pour tout entier naturel n.
Initialisation : Po est clairement vraie.
Hérédité : Supposons Pn vraie pour un entier naturel n, alors, g étant définie sur [a, c],
le terme Un+i (égal à g(un)) est bien défini . De plus,
f(un)
Un+l - a= g(·un) - a= 'Un - a - f'(un)
"O

0
0
r::::
:::J

lfl
,..-1
avec d'une part Un -a;;::: 0 (par hypothèse de récurrence) et d'autre part -
puisque :
J,~::) ;: 0

0
N
• f(·un) ;;::: 0 car f est décroissante, Un ~cet f(c) = 0,
@
....., • f'(un) < 0 d 'après l'énoncé .
r:
Ol
·;:: Ainsi , on a Un+1 - a ;;::: 0, c'est- à-dire a ~ Un+l · Montrons à présent Un+1 ~ c.
>
Cl.
0 _ _ _ _ J (Un) _ - (C - Un) J' (Un) - J (Un)
u Un+l - C g (Un ) c - Un c f'(un) - f'(un)
f (C) - [(C- Un) f' (Un) + f (Un) ]
f' (Un)
D'après le résultat de la question 2.b, le numérateur est positif. Le dénominateur étant
strictement négatif, on conclut que Un+i - c ~ 0 et, finalement, Pn+i est vraie.
D'après le principe de récurrence, pour tout entier naturel n, la propriété Pn est vraie.
 Exercice 8 .14 Méthode de Newton dans le cas convexe 299

L'identité obtenue précédemment possède une interprétation géométrique simple :

(j, b

la pente f'(un) de la tangente à la courbe de f au point d'abscisse Un s'exprime

A , C- Un) J' (Un) + J(Un) ] - J(C)
[ (

aussi grace a son taux d'accroissement (en supposant

C- Un+I
Un+l =/= c).
3.b. La suite (un) étant bornée d'après la question précédente, on pourra conclure
qu'elle converge si elle est monotone.

Soit n EN.
f(un)
Un+i - Un= g(un) - Un= - j'(un) ;;=:: 0

comme cela a déjà été vu à la question précédente. Ainsi, (un) est croissante, majorée
"O
0
r::::
par c, donc, d 'après le théorème de la limite monotone, elle converge.
:::J
0
lfl
,.-1
La définition « Un+I = g(un) » et la continuité de g sur un intervalle fermé contenant
0
N
tous les termes de la suite permettent de conclure que la limite est un point fixe de g.
@
.....,
r:
Ol
Sa limite L vérifie a ~ L ~cet, g étant continue sur [a, c] (car f y est de classe C 1 ).
·;:: on a g(L) = L par passage à la limite dans g(un) = Un+i · Or
>
Cl.
0
u g(L) = L L - J(L) = L f(L) = 0 L = c.
~ f'(L) ~ ~
Ainsi, (un) converge vers c.

Il est assez simple d'illustrer la construction des termes de la suite (un) et de constater
que la convergence semble très rapide. On peut montrer, si uo =I= c et f' est strictement
croissante, qu'il existe une constante non nulle K telle que: c - Un+I ""K(c - un) 2.
 300 Chapitre 8 Étude locale et globale des fonctions

On dit que la convergence de (un) est quadratique* .

Y= f(x)

4.a. Pas de problème ici : f est polynomiale, elle est donc même de classe C00 sur IR.

~I f est polynom iale donc en particu lier de classe C2 sur ~- On a f( - 2) = 8 - 3 = 5,

f(-1) = 1 - 2 = -1 et, pour tout x ER J'(x) = -3x 2 +1, f"( x ) = -6x.
4.b. On peut réutiliser le t héorème de la bijection ou bien simplement constater qu'il
s'agit d'une redite de la première question dans un cas particulier.

~I Sur [- 2, - 1], on a J' < 0 et J' est strictement croissante (car J"
de la question 1 s'applique donc ici : 3 !c E [- 2, - 1]; f(c) =O.
> 0). Le résu ltat

4.c. f vérifie les hypothèses générales de l'énoncé. Le choix naturel de la suite (un)

"O
0
r::::
~roximation se porte donc sur celle définie par Un+i = g(un) = Un - J,i::).
:::J
0 ~ function u=suite(n)
lfl
,.-1 u=-2;
0
N for k=1 :n
@ u=u-(-u-3+u-1)/(-3*u-2+1);
.....,
r: end
Ol
·;:: endfunction
>
Cl.
0 Les résultats présentés par Scilab pour Un sont identiques lorsque n E {5, 7, 10, 100}.
u
Seul U3 diffère de la valeur commune affichée pour les autres termes (égale à -1 ,324718
à 10- 6 près). Ce caractère quasi-stationna ire de la suite semble traduire une vitesse
de convergence très rapide vers le réel c : il paraît donc raisonnable de conjecturer que
c:::::: - 1,324718 à 10- 6 près.

*· Concrètement, cela se traduit par le fait que, à partir d'un certain rang, le nombre de chiffres
exacts après la virgule dans l'approximation de c par Un est à peu près doublé à chaque itération.
 Liste des capacités attendues 301

Liste des capacités attendues

• Savoir utiliser les limites des fonctions usuelles (cf questions 8.1.2 et 8.3.2)

• Savoir utiliser les propriétés des limites de fonction (cf questions 8. 1.2,
8.3.2 et 8.3.4.a)
() pour les opérations algébriques,
() pour la composition.

• Savoir utiliser le théorème d'existence de limite par encadrement (dit

«des gendarmes») ou son extension aux limites infinies (cf question 8.2.1)

• Savoir utiliser le théorème de limite monotone (cf question 8.11.3; voir

aussi question 4 de l'exercice 10.9 en page 355 *)

• Savoir justifier qu'une fonction est continue ou prolongeable par conti-

nuité (cf questions 8.1.2 , 8.2. 1, 8.3.1 et 8.3.4.b, 8.11.3)

• Savoir comparer deux fonctions asymptotiquement (cf question 8.2.2)

• Savoir utiliser le principe des croissances comparées (cf question 8.2.1)

entre fonctions
() en +oo : logarithme ln, puissances x r-+ xa pour a > 0 et exponentielles
X r-+ eax pour a > Ü

ln x = o (xa) 1 et 1xa = o (eax) 1,

.l x-t+= . . x-t+= .

1
"O
0 () en 0 : logarithme ln et puissances négatives x r-+ - pour a > 0
r:::: xa
:::J
0
lfl
,.-1
0
lnx = o
x-tO
(~)
xa
.
N
@
.....,
r:
Ol
ï::: • Savoir utiliser des équivalents pour la recherche de limite (cf ques-
>
Cl.
0
tion 8.2.2) notamment ceux des fonctions usuelles
u
1sinu 0 u 1, l ln(l + u) 0 u1, et 1(eu - 1) 0 u I·

*· Le recours à ce théorème n'arrive que lorsque la fonction n'est pas définie à partir de fonctions
usuelles ce qui est assez rare dans les applications.
 302 Chapitre 8 Étude locale et globale des fonctions

• Savoir justifie r qu'une fonction est d érivable (cf exercices 8.7, 8. 10 et ques-
tions 8.6.1.a, 8.6.2, 8.8.1.b, 8.14.4.a, 8.11.3)
O en reconnaissant une fonction usuelle,
O en utilisant la stabilité par opérations algébriques, composition et passage à la
fonction réciproque (on parle parfois de « théorèmes généraux »),
0 en revenant à la limite du taux d'accroissement (à gauche et à droite).

• Savoir calculer la d érivée d ' une fonction d érivable (cf exercices 8.6, 8.10
et questions 8.8.1.b, 8.14.4.a) en utilisant
O les formulaires ci-dessous :

fonction f dérivée f'

X H Xo: x r--7 axo:-l
fonction g dérivée g'
1
xt--+l Xr--7 -X2
X

1
fou=f(u) u' x (!'ou)= u' f'(u)
xt--+ft X H 2,/X
uo: au'uo:-I
ln xt--+l
X 1 u'
- u2
u
exp exp
u'
Xr--7 ax
Vu 2Ju
I
x r--7 (lna)ax ln lui !!:....
u
avec a> 0
eu u'eu
sin cos
sin(u) u' cos(u)
cos - sin
cos(u) -u' sin(u)
tan 1
- -2
cos = 1 + tan 2
1
Arctan XH l+x2
0 les propriétés de la dérivation
"O
0
r::::
:::J 1 (Àu + µv)' = Àu
1
+ µv' 1 (linéarité de la dérivation),
0
lfl

( '.!!'.)' u'v - v'u ,

,..-1
=
0 1 (uv)' = u'v + uv' 1,
N
V v2
@
.....,
r:
Ol
ï:::
>-
Cl. • Savoir utiliser le t héorème de Rolle ou l' (in)égalit é des accroisseme nts
u
0 finis (cf questions 8.13.2 , 8.7.3 et 8.14.2.b)

• Savoir utiliser la formule de Leibniz (cf exercice 8.9)

(! g )Cn) = t (~)
k=O k
J(k) g(n-k) .
 Liste des capacités attendues 303

• S avoir utilis er le théorème d e continuité sur un segment (cf question 8.13.1).

• Savoir utilis er le théorème des valeurs intermédiaires (cf question 8.13.3.d).

• Savoir utiliser le théorème de la bijection (cf question 8.14.1).

• Savoir rechercher les extrema d'une fonction s ur un intervalle (cf ques-

tions 8.13.2 et 8.13.4.b).

• Savoir obtenir ou utiliser la convexité d ' une fonction sur un intervalle

(cf exercices 8.11, 8.1 2, questions 8.13.3 et 8.14.2.b ).

"O
0
r::::
:::J
0
lfl
,..-1
0
N
@
.....,
r:
Ol
ï:::
>
Cl.
0
u
u
0
c
::J
0
lfl
,.-1
0
N
@
.......
.r:.
Ol
·c
>-
Q.
0
u
 CHAPITRE

Séries

On rappelle le vocabulaire élémentaire associé à une série L un :

n?mo
• n est l'indice de sommation;
• l'entier n 0 est le rang initial ;
• Un est le terme général de la série;
+oo
• le réel L Un est la somme de la série quand celle-ci converge.
n=no

1
1. Montrer que la série '""' ( ) est convergente et calculer sa somme en
~ nn+l
n~l
1 1 1
remarquant que ( ) - - - --
n n+ l n n+l

2. On considère la série de terme général Un = ( ~(

nn+ 1 n + 2
) (n ~ 1).
"O
0
r::::
a. Montrer qu'il existe des uniques réels a et b tels que pour tout entier n
:::J a b
0 non nul, Un = ·
lfl
,.-1
n(n + l) (n+l)(n+2)
0 +oo
N
@
.....,
b. En déduire que la série L Un converge et calculer L Un, la somme de
r: n=l
Ol
·;:: cette série.
>
+~
2
Cl.

u
0 3. a . Montrer que, pour tout entier naturel n E N* Un =b_ !: + _
n n+ 1 n+
où a, b, etc sont des réels uniques que l'on déterminera.
b. Retrouver la somme de la série de terme général Un (par télescopage sur
trois termes).
 306 Chapitre 9 Séries

1 . L lega
' l'ite' ( 1 ) = -1 - -1- 1a1t 'd'iatement penser a' un te'lescopage (voir
c . imme
. .
nn+l n n+l
chapitre 1, exercice 1.3 en page 16). Une série télescopique est une série de la forme
L (an+I - an)· Pour étudier une telle série, on calcule les sommes partielles
n;;::o

N
'ef NE N, L(an+l - an)= aN+l - ao
n=O

et on étudie si ces sommes partielles ont une limite finie ou pas (cela revient à étudier
la convergence de la suite (an)nE N). Dans le cas où il y a une limite finie, la série
converge et on a sa somme.

Une série télescopique L (an+l - an) converge ssi la suite (an)nEN est

+oo
convergente et dans ce cas L (an+l - an) = lim an - ao.
n-t+oo
n=O

Soit N E N*. Par télescopage,

N N

L n(n + 1) = L (1;:;: - n +1 1 ) = 1 -
n=l
1
n=l
1
N + 1 _N_-+_+_oo-+ l.

+oo
On en déduit que la série "°"' (
L..t nn+l
) est convergente et que "°"' (
1 1
L..t nn+l
) = l.
n)l n=l

2.a. Pour ce type de question, on procède par identification, c'est-à-dire qu'on essaie
d 'écrire les deux expressions sous une forme similaire, là en réduisant au même déno-
minateur le membre de droite, puis on traduit l'égalité pour tout n E N*. Cela se
"O
0 fait en général en raisonnant sur l'égalité de deux polynômes.
r::::
:::J
0
lfl
,-1
\fnEN* a _ b _ a(n+2)-bn _ (a-b)n+2a
0
N
' n(n + 1) (n + l)(n + 2) - n(n + l)(n + 2) - n(n + l)(n + 2)'
@ Le dénom inateur étant identique à celui de Un,
,....,
r: ~1* a b
\f n E Un = ( ) ~ \fn EN*, 1 = (a-b)n+2a.
Ol
·;::
1'I ,
nn+l (n + l)(n + 2)
>
Cl.
0 Cela signifie que les polynômes 1 et (a - b)X + 2a prennent la même valeur quand on
u les évalue en tous les entiers n E N* c'est-à-dire que leur différence a une infinité de
racines, c'est- à-dire qu'elle est le polynôme nu l d 'après les propriétés des polynômes
(un polynôme de degré d EN ne peut avoir qu'au plus d racines réelles). Fina lement
la condition équiva ut à l'égalité des polynômes 1 et (a - b)X + 2a que l'on traduit
par l'égalité de leurs coefficients deux à deux, c'est- à-dire a - b = 0 et 2a = 1 ce qui
équivaut à a= 1/2 et b = -1/2.
 Exercice 9.1 Séries télescopiques I 307

Il ne s'agit pas dans ce raisonnement de trouver des valeurs de a et

a b 1
b telles que nn+l
( ) - (n +l ) (n +2 ) = nn (
+l ) ( n+ 2) pour un n
donné. Il faut que cette égalité soit vraie pour tout n E N*.

2.b. La série est télescopique car Un s'écrit comme différence de deux termes d'indices
consécutifs pour la suite ( 2n(~+l) ) nEN* . L'étude de la série commence par le calcul
de la somme partielle de rang N puis on fait tendre N vers +oo.

Soit N E N* . Par télescopage,

N N

~Un = 4~ (
1 1
n(n + !) - (n + 1) (n + 2))
= ~ (~ - (N+l) (N + 2) ) ~
1
N-++oo

+oo
Ainsi la série L ·un converge et L ·un = ~.
n;;;,1 n=l

Remarquons que si on nous avait seulement demandé la nature de la série, on pouvait

1
montrer la convergence directement par comparaison avec l'équivalent Un rv
3 qui
1 n
permet de comparer avec la série de Riemann convergente 3 . L n
n~l
3.a. Comme dans la question 2.a, on procède par identification en réduisant le membre
de droite au même dénominateur.

a b c a(n+ l) (n+2)+bn(n+2)+cn(n+l)
Pour n EN*, -
n
+- -
n +l
+ - -
n+2-
- - - - - -n(n
-- --------
+l)(n +2)
(a+ b + c)n2 + (3a + 2b + c)n + 2a
"O
0 n(n + l)(n + 2)
r::::
0
:::J
A.ms1. Un = -a + -b- + -C- pour tout n E lM* • 1 .1 1 "
i~ s1 et seu ement s1 es po ynomes
1
lfl
n n+l n+ 2
et (a+ b + c)X 2 + (3a + 2b + c)X + 2a sont égaux,
a:
,.-1
0
N
a+ b + c= 0 {a= -a1/2- b 1/ 2
@
.....,
r:
Ol
ï:::
si et seulement si
{
3a + 2b + c: 0 c 'est-à-d ire
2a - 1
c:
b - - 2a
,
{b - -1
c = 1/2
>
Cl.
0
u 3.b. On utilise bien sûr la question précédente.

+oo +oo l +oo l +oo l

& Ne pas écrire d 'égalité entre.[; Un et.[; Zn - .[; n + 1 + .[; Z(n + Z)'
ces trois dernières séries étant divergentes, l'écriture n'a aucun sens !
 308 Chapitre 9 Séries

Pour ce calcul, on passe d'abord par les sommes partielles.

N lNl N 1 lN 1
Nous avons donc, pour NE N*, ~ Un= - ~ - - ~ - - + - ~ - - .
~ 2 ~ n ~ n+l 2~n + 2
n=l n=l n=l n=l
Le principe du télescopage de termes dans le calcul de la somme partielle est le
suivant : on retrouve la majorité des termes dans les trois sommes et étant donné les
coefficients devant les sommes (1/2, -1 et 1/2) qui sont de somme nulle, ces termes se
simplifient. Exemple : pour n = 3 dans la première somme, n = 2 dans la deuxième et
n = 1 dans la troisième on obtient ~- ~+ ~
=O. Le calcul de la somme télescopique
consiste à déterminer quels sont les termes qui ne se simplifient pas, c'est-à-dire ceux
qui n'apparaissent pas dans les trois sommes. On peut faire des changements d'indices
dans deux des sommes pour faire apparaître des sommes des mêmes expressions (voir
aussi la dernière question de l'exercice 1.3 en page 16).

Soit NE N*.
N N N N N N+l N+2
~ Un= _!.~..!_-~_1_ +_!. ~_1_=_!.~..!_- ~_.!._+_!. ~ _..!...
~ 2~n ~ n+l 2 ~ n+2 2 ~ n ~ n' 2 ~ n"
n= l n=l n= l n= l n=l n'=2 n"=3

avec les changements d ' indice n' = n + 1 et n" = n + 2. On constate que les termes
1/n présents d ans les trois sommes se simpl ifient car on les trouve 1/2 - 1 + 1/2 = 0
fois. Les termes qui restent sont ceux relatifs aux ind ices qu i ne sont pas dans [3, N ] :

+oo
donc on retrouve bien que L 'Un =
1
4.
n=l

Mont rer que les séries suivantes sont convergentes et calculer leur somme.

1. L:2n+1 2. L: n -1 3.
L n(n-1) x 2n
"O
0 n! 4n n!
r:::: n~O n~O n~O
:::J
0
lfl
,.-1
0
N 4.
n2 5. L n(n + 2)e-n
L 2nn! n~O
@ n~O
.....,
r:
Ol
·;::
>
Cl.
0 Dans cet exercice, il s'agit de montrer la convergence mais aussi de calculer la somme
u des séries proposées. Quand on peut calculer la somme c'est souvent parce qu'on peut
exprimer la série en fonct ion de séries de références dont on connaît la somme (séries
géométriques et leurs dérivées, séries exponentielles). Pour la seule convergence, il est
possible de procéder par comparaison mais il est plus judicieux de se ramener tout de
suite à des séries de référence.
 Exercice 9. 2 Somme de séries 309

1. Avec une factorielle au dénominateur, on pense aux senes exponentielles. On a

2n + 1 2 1
( ) + I. On peut alors effectuer une t ranslation d 'indice n ' = n - 1
n.1 n - 1 1. n .
pour le premier des deux facteurs de cette dernière somme.

= 2~ + n~. .
2 1
On peut écri re le terme général de la série sous la forme n -; Le
n. n.
deuxième terme est celui d ' une série exponentielle donc convergente et le premier est
aussi le terme généra l d ' une série exponentielle car, à partir du rang 1,
n.
~ = (
n
~ 1.
. )'
et , avec la t ra nslation d 'ind ice n' = n- l, L n, a même nature et somme éventuelle
n.
n~l

que L :,, . Donc, par linéarité, la série est bien convergente . Pour la somme :
n'~O

+ oo + oo + oo + oo +oo
L n~ 1 = 2 L
2n L ~! = 2 L :, + e = 2 L (n ~ 1) ! + e
:, + n=O
n=O n=O n=l n=l
+oo
= 2 ""'""' ~ +e = 3e
~ n'!
n'=O
par la t ranslation d ' indice n' = n - l.

2 . La puissance n e fait penser à une série géométrique, mais ( l) n est multiplié par
n-1. Il faut alors faire apparaître une série géomét rique dérivée première. On pourrait

faire une translation d 'indice n' = n - 1 et écrire n -

4n
1
=
1
16
x n'
4
n ' - l qui est le (~)
terme général d 'une série géomét rique dérivée première mais on peut aussi écrire le
terme général comme une différence.

n -:
4
1
= i (~) n- l - (~) n est la différence du terme général d ' une série géomé-
t rique dérivée prem ière et du t erme général d ' une série géomét rique t out es les deux
convergent es puisque 1~1 < l. Donc , par linéarité, la série est convergent e et
"O
0
r:::: + oo n - 1 1 +oo ( 1) n - l +oo ( 1) n 1 1 1 8
~ ~ = 4~ n 4 ~ 4 =4X
:::J
0 - (1 - i) 2 - 1- i = -9·
lfl
,.-1
0
N
3 . La factorielle au dénominateur et la puissance au numérateur font penser à une
@
....., série exponentielle mais il y a n(n- 1) en facteur. Or ce facteur se simplifie avec celui
r:
Ol
·;:: présent dans n ! en facteur de (n - 2)!.
>
Cl.

u
0 n(n - 1) X 2n 2n 2n - 2 A , ,

Pou r n ;;::: 2, ) = 4 ( _ ) 1• On reconnait le t erme general

= ( _
n.1 n 2 1. n 2 .
d ' une série exponentielle si on effectue la t ra nslation d 'ind ice n' = n - 2.
Donc la série converge.
+ oo +oo . +oo 2 +oo n'
""'""' n( n - 1) X 2n = ""'""' n(n - 1) X 2n = 4 ""'""' 2n- = 4 ""'""' ~ = 46.
~ n! ~ n! ~ (n - 2)! ~ n '!
n =O n =2 n=2 n' = O
 310 Chapitre 9 Séries

4 . Cette fois encore on pense à une série exponentielle avec la factorielle au dénomi-
nateur et la puissance de 1/2 en facteur, mais il y a n 2 en facteur. On peut simplifier
par n mais pas par n 2 . On essaie de faire apparaître des produits qui sont en facteur
dans n!, ici on peut écrire n 2 = n(n - 1) + n.

n2 n(n - 1) + n 1 (1;2r- 2 (1/2r- 1

Pour tout n :;;:=: 2, - -
2nn! 2nn!
- x
4 (n - 2)!
+ -21 x
(n - 1)!
donc
2
la série ~ ...!:__1 est une com binaison linéaire de deux séries exponentielles (avec les
L...t 2nn.
n;;,o
t ranslations d'indice n' = n-2 et n" = n-1). Ainsi, par linéa ri té, elle est convergente.
Pour la somme,

~ n
2
~ n(n - 1) ~ n ~ n(n - 1) ~ n
L...t 2nn! = L...t 2nn! + L...t 2nn! = L...t 2nn! + L...t 2nn!
n=O n=O n=O n=2 n=l

=~~
+oo (1/2)
n' +oo
~ ~ (1/2)
n"
= (~ ~) 1/2 =~ r:::.
4 L...t n'! + 2 L...t n"! 4 +2 e 4 ve
n'=O n"=O

5 . Le terme général est une puissance de 1/e multipliée par n(n + 2) : on essaie de se
ramener à des séries géométriques ou géométriques dérivées première ou seconde. On
utilise pour cela l'égalité n(n + 2) = n(n - 1+3) = n(n - 1) + 3n.

(~) n = e2 n(n - 1) (~) n- + ~n(~) n-l

2
1
n(n + 2)e-n = [n(n - 1) + 3n]
est une combinaison linéaire des t ermes généraux d 'une série géom étrique dérivée
seconde et d 'une série géomét rique dérivée prem ière de raison 1/e E] - 1, 1[ donc ces
séries convergent ainsi que L n(n + 2)e-n et
n;;,o

"O
0
+oo 1
L: n(n+2)e- n=e 2 L: n(n-1)
3+oo (l)n-2 +oo (l)n-1
e +eL:n e
r::::
:::J
0 n=O n=O n=O
lfl 1 2 3 1 2e 3e
,-1
0
= -2 X 3 +- X 2 = 3 + ,2
N e (1 - 1/e) e (1 - 1/e) (e - 1) (e - 1)
@ _ e(3e - 1)
.....,
r: - (e - 1)3 ·
Ol
·;::
>
Cl.

u
0
Lorsque il s'agit de produit d'entiers consécutifs comme dans L n(n + l)e-n, une
n~O
simple translation d'indice n' = n + 1 permet de se ramener plus directement à

L ~(n' - (~)n'-
2
l)n' autrement dit, au facteur multiplicateur 1/e près, la série
n'~l
géométrique dérivée seconde de raison 1/e.
 Exercice 9 .3 Nature de séries 311

Déterminer la nature des séries suivantes

L )nsin ( :n)
v'2-1 1
1.
2:
n~l
Vn
2.
n~l
3
· L
n~2
y'nln(n)

4. Lln cos ( 2~) s. 2: 2n1 sin(rrvn) 6. I : 1n(1- ~)

n~l n~l n~l n + 1

Dans cet exercice, il s'agit d'étudier la nature de senes de terme général « assez
compliqué ». On peut commencer par chercher un équivalent de ce terme. Si cet équi-
valent est positif (ou négatif) au voisinage de +oo, c'est alors aussi le cas pour le
terme général de la série initiale. Ensuite, on peut essayer d'appliquer un théorème
de comparaison, par équivalence ou alors par négligeabilité (on peut alors compa-
rer l'équivalent plutôt que le terme initial). Dans certains cas, c'est un théorème de
comparaison par inégalité qui donne le résultat plus directement.
Le but est de comparer au terme d'une série de référence (en général une série de
Riemann).
Un
Si la comparaison ne vient pas naturellement, on étudie la limite de - - = naun
1/na
pour voir dans quel cas on peut conclure*.

Pour étudier la nature d'une série, on peut suivre les étapes ci-dessous
en passant à la suivante quand une étape est infructueuse :
• regarder si la série diverge grossièrement (c'est-à-dire si le terme général ne
tend pas vers 0) ;
• chercher à reconnaître une série de référence (directement ou par combinai-
"O
0 son linéaire de séries de références) voir exercice 9.2;
r::::
:::J
0 • essayer d'appliquer un théorème de comparaison (par équivalence, négligea-
lfl
,.-1 bilité ou inégalité) pour comparer à une série de référence (souvent une série
0
N de Riemann) , éventuellement à la série avec des valeurs absolues si le terme
@
.....,
général n'est pas de signe positif (s'il est négatif, on étudie la série opposée) .
r:
Ol
·;::
>
Cl.
0 1. Dans cette question, on trouve un équivalent du dénominateur en écrivant la puis-
u
sance à l'aide de la fonction exponentielle : V'2 = 2 1/n = e~xln( 2 ).

~I V0- l e'n(2)/n - 1

*· On parle parfois du critère de Riemann.

 312 Chapitre 9 Séries

V'2 - 1 ln(2) ln(2)

..fiï '""' n..fiï '""' n3/2 .
1
Le terme n 312 est celui d'une série de Riemann donc nous allons pouvoir appliquer
le théorème de comparaison par équivalence. Pour cela, il faut vérifier que les deux
séries sont à termes positifs. Mais comme les termes sont équivalents, si une série est
à termes positifs, l'autre aussi, au moins à partir d'un certain rang.

~1 L
Pour tout n E N*, ~;:; ;;::: 0 donc les séries
V'2..fiï- 1 et """""'
L n
ln(2) ,
sont a termes
312
n)l n)l
positifs (au moins à partir d'un certain rang).

Il reste juste à appliquer le théorème de comparaison, ici c'est le théorème de compa-

raison par équivalence puisqu'on dispose d'un équivalent du terme général de la série
initiale.
Par le théorème de comparaison des séries à termes positifs par équivalence, la série
"""""'
L V'2..fiï- 1 est de meme nature que 1a sene
A , . """""' ln(2)
L n 312 qui. est une sene
, . d e R.1emann
n)l n)l

convergente puisque 3/2 > l. Cela montre que la série L o/~ 1 est convergente.
n)l

2 . Ici, on trouve un équivalent assez simplement en utilisant l'équivalent sin(x) ""'x et

0
7f
le fait que lim ;;;; = O.
n-t+oo yn

~
Par le théorème de comparaison des séries à termes positifs par équivalence, la série

"O
0
L
1
•
"""""' ..fiï sm (7f)
..fiï est d e meme nature d e que 1a sene
A ,. 7f L
1
""""' ; qui• est une sene
,. d e
r:::: n)l n)l
0
:::J

lfl
,..-1
Riemann (à termes positifs) divergente. Donc la série L
n) l
Jn :n,)
sin ( est diver-
0
N gente.
@
....., 3. Le terme général n'a pas d'équivalent plus simple, il s'agit donc de voir si on peut
r:
Ol
ï:::
comparer par négligeabilité par rapport à une série de Riemann mais la comparaison
> 1
Cl.
0 n'apparaît pas de manière évidente. On étudie alors la suite n 01 x Vn ( ) .
u nnn
1

Pour l'étude d'une série L Un, quand la comparaison n'est pas évi-

dente, on étudie naun.

 Exercice 9.3 Nature de séries 313

• Si pour des valeurs de a, lim naun = 0 alors Un = o

n~+=
(2-) ,
~
on cherche

a > 1 pour que la série ~ 2_

~ na
converge;
n~l

1
• si pour des valeurs de a, lim naun = +oo alors - = o(un), on cherche
n~+= na
1
a ~ 1 pour que la série ~ - diverge ;
~ na
n~l

• si pour une valeur de a, lim naun =

n~+oo
.e E IR* alors Un,......, !___,
na
on détermine,
1
pour ce a, la nature de ~ - .
~ na
n~l

On regarde si on trouve une valeur de a compatible avec un des cas. Il

se peut qu'il n 'y en ait pas, alors on ne peut pas comparer directement
à une série de füemann.

Pour a E IR,

si a ~ 1/2
si a> 1/2

par croissances comparées.

Le deuxième cas (a> 1/2) où :a = 0 ( vnL(n)) est compatible avec a~ 1. Nous

pouvons donc comparer, par exemple à la série de Riemann L -.n1

n~l

~ l
n ln(n) ----+
0
"O vnln(n) fo n 4 +oo
0

0
r::::
:::J

lfl
. ' d 1 ( 1)
par croissa nces comparees one - = o
n
r.:: ( )
vnln n
.
,.-1
0
N Pour obtenir une divergence en appliquant le théorème de comparaison par négligea-
@
....., bilité, il faut vérifier que les deux termes généraux sont positifs .
r:
Ol
·;::
>
Cl.
0
Pour tout n;? 2, fol~(n) ;? 0 et ; ;? 0 donc on peut appliquer le théorème de
u
comparaison des séries à termes positifs par négligeabilité éta nt donné que la série de
Riemann ~ ..!_ est divergente, on en déduit que la série ~ fo ( ) est divergente.
1
~n ~ nlnn
n~ l n~2

4 . Pour chercher un équivalent, il faut se rappeler que ln(un),......, Un -1 si lim Un = 1.

n~+=
 314 Chapitre 9 Séries

cos (I_)
2n n 4+oo
cos(O) = 1 donc

ln COS (
2~) rv COS (
2~) - 1

rv - ~ X ( 2~) 2 = - 8~2 .
Concernant le signe, il apparaît que le terme général de la série n'est pas positif,
mais il est de signe constant au moins à partir d'un certain rang, donc on peut bien
appliquer les théorèmes de comparaison en raisonnant sur la série opposée.

On en déduit que - ln cos (I_)

2n
rv ~.
8n
Comme ~
8n
~ 0, par le théorème de com-

paraison des séries à termes positifs par équivalence, la série L - ln cos ( 2~) est de
n~l
1
meme nature que 1a sene
A ' . de R'1emann ""'"'
~ n
2
convergente (car 2 > 1) donc la série
n~l

opposée L ln cos ( 2~) est convergente.

n~l

1
5. Le terme 2 sin(nvn) n'est pas de signe constant (on ne connaît pas vraiment le
n
signe de sin(nfo) en fonction den) on ne peut donc pas appliquer les théorèmes de
comparaison directement. Nous étudions alors la convergence absolue. Pour traiter
un sinus, en général, on utilise le fait que sa valeur absolue est majorée par 1.

~I o ~ ~2 sin(7rvn)I ~ ~2.
1

Cet encadrement permet d'appliquer le théorème de comparaison puisque la série de

.
Riemann ""'"'
~ 1 est convergente.
2n
n~l

~1
Donc, par le théorème de comparaison des séries à termes positifs par inégalité, puisque

"O
0
la série de Riemann L ~2 est convergente, on en déduit que la série L ~2 sin(7rVn)
r:::: n~l n~l
:::J
0
est absolument convergente.
lfl
,..-1
0
N
6. Ici, 1 - ,k < n+l
(i - ,k) <
1 donc ln
n+l
0, on étudie la série opposée.
@
.....,
r:
Ol
·;::
(i-k) ,._ , -(-k ) ,._ , ;
- ln
n+l n+l
., donc, par le théorème de comparaison
n 1-

u
>
Cl.
0 des séries à termes positifs par équivalence, la série - L ln ( 1 -
n~l
k) est de

même nature que la série à termes positifs L n;/ 2

qui est une série de Riemann
n~l

divergente car ~ < 1. Ainsi la série opposée L ln ( 1 -

n~l
k) est divergente.
 Exercice 9.4 Séries télescopiques Il 315

Soit un réel a > O. on définit pour tout n E N*, Un = n n!

II (k +a)
k=l
aun
1. a. Montrer que pour tout n EN, Un+I - Un= -
n+ 1 +a
b. En déduire que la suite (un) est monotone puis convergente vers un réel R.
c. En déduire que la série L (un+l - un) est convergente.
n~l

d. En supposant que la limite Rde la suite (un)nEN est non nulle déterminer
un équivalent simple de Un+l - Un.
Montrer alors par l'absurde que R = O.
2. Dans cette question on suppose que a ~ 1.
1
a. Montrer que pour tout n EN, Un~--.
n+l
b. Quelle est la nature de la série de terme général Un ?
3. Dans cette question on suppose que a > 1.
n
On note, pour n ~ 1, Sn = L Uk·
k=l
1 - (n + l)un
a. Montrer par récurrence que "i/n ~ 1, Sn = - - - - - -
a -1
b. En déduire que la série L Uk converge.
k~l

+oo
c. On pose alors S = L Uk la somme de la série de terme général Uk.
k=I
1
Montrer, par l'absurde, que S = - - en cherchant un équivalent de Un.
"O a-1
0
r::::
:::J
0
lfl n
,.-1
0
N 1.a. On rappelle le sens de la notationII : II ak = ai x · · · x an . On peut écrire Un
@ k=I
....., k
n n
de manière plus synthétique en utilisant l'égalité n ! = II k : Un = II k + a .
r:
Ol
·;::
>
Cl. k=I k=I
0
u Pour tout n E N*,
n+l k n k n +1 n k n k
Un+i- Un =II k + a - II k+a = n + I+a x II k+a - II k+a
k=l k=l k=l k=l

= ( n +1 _
n+l +a
i) Un = _ aun
n +l+a
.
 316 Chapitre 9 Séries

1.b. La monotonie s'obtient en étudiant le signe de Un+I - Un· Ensuite c'est une
situation classique d'application du théorème de la limite monotone.

~1
Puisque, pour tout n E N*, 'Un ;;::: 0 et que a > 0, on a donc , pour tout n E N*,
'Un+i - 'Un~ 0 soit la décroissance de (un)· Puisque de plus la suite ('un) est minorée
par 0, on en conclut que ('un) est convergente.

1.c. A priori, on peut chercher à utiliser la première question pour trouver la nature
de L (un+I -un) mais on se rend compte qu'on ne dispose pas d'équivalent de Un· Ce
n~l
n'est donc pas la voie à suivre : il faut plutôt constater que cette série est télescopique.

La série de terme général Un+i - Un est une série« télescopique», sa somme partielle
de rang N, pour N E N* , vaut
N

L (un+l - Un)= UN+l - U1.

n=l
1
Or lim
N--++oo
{'UN+i - 'ui) = .e - -1. -+a-. .

Donc la série L (un+I - un) est convergente.

n ;;. 1

1.d. Pour cette question en revanche, on utilise la première question.

Supposons, par l'absurde, que lim Un = .e =!=- 0 alors, d'après 1.a, Un+J -Un rv - a.e.
n --++oo n
0 r - -al est d e signe
· '
constant negat1·f (comme Un+1 - Un ) et c ' est 1e terme genera
' ' 1
n
d'une série divergente.
Donc cela forcerait, par le théorème de comparaison des séries à termes positifs par
équivalence, la série L -('Un+i - 'Un) à diverger, donc L('un+I - Un) divergerait.
n;;,I n ;;.1
Cela est en contradiction avec le résultat de la question 1.c.
C'est donc que lim 'Un =O.
n --++oo

"O
2.a. Pour minorer Un qui est un quotient de nombres positifs, on peut majorer son
0
r:::: dénominateur. Or a ::( 1 donc on peut majorer chacun des nombres k + a et ainsi
:::J
0 majorer leur produit.
lfl
,.-1
0
N
Puisque a ~ 1, pour tout k, k +a < k + 1 donc, pour tout n E N*,
@ n! 1
.....,
r: (n + 1)! n+l
Ol
·;::
>
Cl. k=I
0
u 1
2. b. La minoration de un par fait bien sûr penser à une comparaison par
n+l
. , 1.ite, : on a -1- rv
mega -
1 et 1a sene
, . d e R.iemann L
-1 est d.ivergente, d one -1- L
n+1 n n n +l
n~l n~l
est aussi divergente (il s'agit d'ailleurs de la même série à une translation d'indice et
au premier terme près).
 Exercice 9.4 Séries télescopiques Il 317

1 1
Comme de plus, po ur t out n ;;::: 1, ;;::: 0, et que est le t erme général
n+ l n+l
d ' une série d ivergente, o n dédu it de la m inoration précédente que L Un est une série
d ivergent e.

3.a. Dans l'opt ique de prouver l'hérédité, puisque Sn s'exprime en fonction de Un,
· de trouver une re1at10n
on essaie · entre Un et Un+l : Un+l = n + 1 Un c ' est-a-
' d"Ire
n+l+a
(n + l)un = (n + 1 + a)un+l·

Faisons un e preuve par récurrence :

1
• pour n = 1, S1 = u1 = - -
2
a+ 1
1 - 2u1 1- +i a+ l - 2 a- 1 1
et = a
a-1 a-1 (a - l)(a + 1) (a-l)(a + l) a+ 1'
. 1 - (n + l)un
• supposons que, pour un certain n ;;::: 1, Sn = . , alors
a-1
1 - (n + l)un
S n+l =Sn+ Un+l =
a-
l + Un+l
- 1 - (n + 1 + a)'un+I + (a - l)'Un+I 1 - (n + 2)un+I
a- l a- l
Le résult at est prouvé par le principe de récurrence.

3.b. La convergence de la série L Uk signifie celle de la suite (Sn) dont on a une

k~l
expression à la question précédente. Cependant, on ne connaît pas le comportement
de la suite ( (n + 1 )un) donc il est difficile de déterminer une limite. On doit alors
se rappeler que la suite (Sn) est la suite des sommes partielles d 'une série à termes
positifs, il suffit donc de voir qu'elle est majorée pour prouver la convergence de la
série.

"O D ,apres
' 1a re 1at1on
· ' ' dente, S n = -1- - -.
prece n- +-1 u n ~
1
. Ce1a signi f 1'e que
0 a-1 a-1 a-1
0
r::::
:::J
les sommes partielles de la série L 'Un sont m ajorées. P uisque L 'Un est à termes
lfl n)l
positifs, cela signifie que la série L Un est convergente.
,-1
0
N
@ n)l
.....,
r:
Ol
·;:: 3.c. Avec l'indication de chercher un équivalent de un , on cherche une expression de
>
Cl.
0
Un satisfaisante. À cette fin, on n 'a pas beaucoup de pistes à part la relation de la
u 1
question 3.a. L'hypot hèse du raisonnement par l'absurde S # - - permet de dire
a-1
1
que Sn - - - a une limite non nulle et donc cette limite est un équivalent.
a- 1

~I Supposons, par l'a bsurde, q ue S # _J__ .

a- 1
 318 Chapitre 9 Séries

D'après la relation de la question 3.a, a- 1 (sn- -a -1-1) .

Un = - n+l
. . 1 - (a - l)S
51 s = hm Sn =f. -1- a- 1 (
alors
1 )
U n rv - - -
rv s - --
mais
n ~+oo a- 1 n a- 1 n
c'est le terme général de signe constant d'une série (de Riemann) d ivergente, donc
cela forceraitL Unà être divergente, ce qu i contredit le résultat de la question 3.b,
n~l
+oo
, .
done necessa1rement 2= 1
a-1
Uk = - - .
k= l

Soit f3 E IR.
1. Pour tout entier n;;:: 2, calculer l'intégrale {n dt f3 (on distinguera le cas
12 t(ln( t))
f31).=
2. On suppose dans cette question que f3 ;;:: O.
a. Montrer que, pour tout entier k ;;:: 2,
1
:::;
1k+l dt
f3 :::;
1
f3 .
(k + l)(ln(k + 1))f3 k t(lnt) k(lnk)
b. En déduire que, pour tout entier n;;:: 3,
n 1 rn dt n- l 1
~ k(lnk),B:::; 12 t(ln(t))f3 :::; ~ k(lnk),s·
3. En déduire la nature de la série L 1
k~ k(ln k)
,B selon les valeurs de f3.
2
4. Donner la nature de la série de Bertrand t L 1
k~ ka(ln k)
,B selon les valeurs des
2
"O réels a et f3.
0
r::::
:::J
0
lfl
,.-1
0 1. Sans précision supplémentaire, on peut essayer de trouver une primitive. On re-
N
@ marque que la fonct ion intégrée s'écrit l / t f3 ln' (t) f3 . Il suffit donc de trouver
.....,
r: (ln(t)) (ln(t))
Ol
·;:: 1
>
Cl.
une primit ive de - (3 car en remplaçant alors x par ln(t) on obtiendra une primitive
0 X
u de la fonc tion à intégrer. Si f3 = 1, on peut prendre lln( x) Si f3 =f. 1, il est plus simple 1 .

1
d 'écrire (3 = x - f3 . On cherche alors une primitive en augmentant l'exposant de 1 et
X
en ajustant le coefficient à placer devant.

t. Joseph Bertrand (1822-1900) est un mathéma ticien et économist e fra nçais, on lui doit le duopole
de Bertrand.
 Exercice 9 .5 Séries de Bertrand I 319

• Si f3 = 1, la fonction tri ln lln(t)I est une primitive de t t-7 ~{:) donc

1f'n t ldt()
nt
= [ln lln(t)I]~ = ln(ln(n)) - ln(ln(2));
2

"fJ.....Ll 1 t: . l ... d l
• s1 r , a onction tri - (fJ _ l)(ln(t))/3 -l est une pnm1t1ve et t-7 t(ln(t))/3

donc lnt(ln~:))13 l)(~n(t))/3-l]:

= [- ((3 -

= f3 ~ (ln(2~)/3 -l - (ln(n~)/3 -l) ·

1 (

2.a. Pour encadrer une intégrale, on encadre la fonction sur l'intervalle d'intégration
et on applique la croissance de l'intégration. On peut chercher le maximum et le
minimum de la fonction sur l'intervalle, mais ici on peut montrer que la fonction est
monotone.

Les fonctions t t-7 t et t t-7 (ln(t))13 sont strictement positives et croissantes sur
[2, +oo[ (car f3 ~ 0) donc leur produit aussi et l'inverse de ce produit est une fonction
décroissante.
Ainsisik~2,pourtouttE [k,k+l], /3 ~ t /3 ~
1 1
.
(k + l)(ln(k + 1)) t(ln(t)) k(ln(k)) 13
D'où, par croissance de l'intégration sur l'intervalle [k, k + l],

------- ~
1
(k + l)(ln(k + 1))/3
lk+l
k
dt
t(ln t)/3
~
1
k(ln k) /3
.

2. b . Le membre de droite de l'encadrement à montrer est la somme des membres de

droite des encadrements établis à la question précédente (pour k entre 2 et n - 1.). Il
est naturel d'essayer d 'ajouter membre à membre tous ces encadrements.

Nous avons~
n - 1 /'k+l dt /'3 dt /'4 dt
lk t(ln(t))f3 = 12 t(ln(t)l + 13 t(ln(t)l + . . . + n-1 t(ln(t)l.
dt ln
"O
0
r::::
L
n- 1 dt
f3 =
dt ln
En appliquant de manière répétée la relation de Chasles, on obtient
lk+l f3 mais on peut prouver cette égalité par récurrence.
0
:::J

lfl
k= k
2 t(ln(t)) 2 t(ln(t))
,.-1
0 3-1 lk+l dt /3 dt
~
N
3
@
.....,
• Pour n = ' k t(ln(t))f3 = 12 t(ln(t))f3 '
r:
Ol
·;::
> • supposons que, pour un entier n ~ 3 fixé, L i·k+l dt f3 =
n- 1 ln dt
f3 alors
u
Cl.
0 k= k t(ln(t))
2 2 t(ln(t))
n lk+l dt n-1 lk+l dt 1n+l dt
~ kt(ln(~)/' - 2= 13+
k= k t(ln(t)) n t(ln(t)) f3 2

f'n dt ;·n+l dt Chasles /'n+ l dt

12 t(ln(t)) 13 + n t(ln(t))f3 12 t(ln(t))f3.
 320 Chapitre 9 Séries

En somma nt les inégalités précédentes pour k entre 2 et n on obtient

n- l ·n n- l
L 1 ~ I dt ~ L 1
k=
2
(k + l)(ln(k + 1)).8 "'12 t(ln(t)) .B "' k=
2
k(ln(k)).B
c'est-à-dire, avec le cha ngement d 'indice k' = k + 1 dans la première somme :

~ 1 ~ rn dt ~~ 1
~ k(ln k).B "' 12 t(ln(t)).B "' ~ k(ln k)f3 ·

3 . L'encadrement de la question précédente doit permettre de déterminer la nature de

n- 1 l
la série car il donne un minorant de la somme partielle L f3 et un majorant
k= 2 k(ln k)
n 1
de la somme partielle L f3 .
k(ln k)
k= S
Pour montrer que la série converge, on utilisera le majorant pour prouver que la
suite des sommes partielles de la série à termes positifs est majorée et pour montrer
qu'elle diverge, on montrera que le minorant tend vers +oo. Les sommes partielles ne
commencent pas au même rang mais la nature d'une série ne dépend pas du rang du
terme initial.
Si /3 < 0, on peut déterminer la nature de la série directement par comparaison. En
1 1
effet, f3 est le produit de -k par une suite croissante, on peut donc obtenir une
k(ln(k))
minoration.

(ln(2)) 1/3 1 1
• Si /3 < 0 alors, pour tout k ~ 2, 0 ~ k ~ k(In(k)) /3 or la série

~ (ln(2))1/3 1 ~ 1
L.J k est divergente donc la série L.J .B diverge aussi par le t héo-
k "Ç- 2 k "Ç- 2 k(ln k)
rème de comparaison des séries à termes positifs par inégalité.

"O
g Si /3 ~ 0, on peut utiliser le calcul de l'intégrale de la première question et l'encadre-
6 ment de la question précédente.
lfl
,..-1
0
N
@
....., Avec f3 > 0 cette série L 1
k~ k(ln(k))
f3 est un exemple où une comparaison
r:
Ol 2
·;::
> avec les séries de Riemann ne permet pas de conclure, c'est pour cela
Cl.
0 qu'on compare avec une intégrale.
u
En effet pour 'Y ::::; 1, 1 f3 = o ( -k1 ) mais
k(ln(k)) 'Y
-k1 diverge et, pour
'Y
L
k~l

. ~ 1
> 1 -1 - o ( 1 ) mais L.J k'Y converge.
'Y ' k'Y - k(ln(k))f3
k~l
 Exercice 9 .5 Séries de Bertrand I 321

• Si f3 = 1 alors lnt ldt(

12 nt
) = [ln lln(t) I]~ = ln(ln(n)) - ln(ln(2))
n 4+oo
+ oo
n-1
donc par l'inégal ité de la question 2.b on en dédu it que n~~oo L kl~(k) = +oo
k=2

pour conclure que la série L kl:(k) diverge.

k~ 2

• Si f3 ~ 0 mais (3 -:/= 1 alors

1nt(ln~:))i9 = f3 ~ (ln(2~)fJ -l - (ln(n~l-l )

1 (

donc rn dt
1 t(ln(t)) 13
{ (fJ-1)(1~(2))(j-l si f3 > 1
2 n 4 +oo + oo si /3 < 1
D'après la question 2.b,
n 1
ô si /3 > 1, les sommes partielles L
k= k(ln(k))
f3 sont majorées or cette série
3

est à termes positifs donc la série L k(ln(k))

k~ 2
1
f3 converge ;

n- 1
ô si f3 < 1, alors lim
n4+oo k =
L 1
k(ln(k))
fJ = +oo donc la série L
k~ 2
1
k(ln(k))
J9
2
diverge.
' ,. ~
' Ia sene
En resume, L...t l f3 converge s1. et seu 1ement s1' (3 > 1.
k~ 2 k(ln(k))

4 . Nous avons déjà traité le cas a = 1 dans la question précédente.

"O
0
~1 • Si a = 1,

seulement si
la question précédente mont re que la série

f3 > l.
L
k~
1
2 k(ln(k))
J9 converge si et

r::::
:::J
0
lfl
Si a -:/=- 1, essayons une comparaison avec une série de Riemann. Pour cela on fait le
,..-1
0
quot ient avec 1/ k' dans le but de trouver la bonne valeur de 'Y.
N
@
.....,
r:
Ol
·;:: si { > Œ
>
Cl.
0
si / < Œ
u

1
Dans le premier cas, kl = o (
~'Y ka (ln (k))
f3 ) donc, pour pouvoir conclure, il faut que

1
~ - diverge c'est-à-dire a< 'Y< 1. Il est possible de trouver un tel 'Y si a< 1.
L...t kl
k~ l
 322 Chapitre 9 Séries

1
Dans le deuxième cas, f:J = o ( kl ) donc, pour pouvoir conclure, il faut que
ka(ln(k)) 'Y

L 1
k'Y converge, c'est-à-dire 1 <'Y< a. Cela est possible quand a> 1.
k~l
Nous voyons donc que pour a":/- 1 on peut toujours utiliser une comparaison avec une
série de Riemann.

• Si o: < 1, soit 1( tel q~e o: <) I < 1.

1
Alors - = o puisque - - - + 0 par
k'Y k°'(ln(k)) .B k--++oo
croissances comparées.
1
De plus kl~ ?;: 0 et - -- - ?;: 0 et la série de Riema nn ~ kl~ est divergente
' k(ln(k))/3 ~ '
k~l
('y < 1)
donc, par le théorème de comparaison des séries à termes positifs par
négligeabilité, la série L1
k';J: ka(tn(k))
/3
diverge.
2

• Si a>1 alors soit / tel que 0 < / < a.

1
1 ( 1) k "'(l n (k))f1 (ln(k)) 13
Alors = o - puisque 0
k°'(ln(k)) /3 k"f k\ k°'- "t k--++oo ·

De plus kl ?;: 0 et
'Y k(ln( k))
1
f3 ?;: 0 et la série de Riemann L
k~ l
kl
'Y
est convergente

('Y > 1) donc, par le théorème de comparaison des séries à termes positifs par
négligeabilité, la série L
k~
1
f3 converge.
,.... 2 k°'(ln(k))
Conclusion : la série de Bertrand L
k~
1
f3 converge si et seulement si a > 1
2 k°'{ln(k))
ou (o: = 1 et fJ > 1).

"O
0
r::: On suppose que (ak) est une suite de nombres réels décroissante qui tend vers 0
::J
0 (elle est donc nécessairement positive). L'objet de cet exercice est de montrer la
lfl
,..-1
0
convergence de la série L
(-l)kak. En revanche cette série n'est pas forcément
N
k~l
@ absolument convergente .
.....,
r: n
Ol
·;::
>
Pour n E N*, on note Sn = L (-1 )k ak la somme partielle de cette série.
Cl. k=l
0
u
1. Montrer que les suites (S2n)nEN"' et (S2n+i)nEl"J sont adjacentes.
2. Montrer que la suite (Sn)nEN* converge, en déduire que la série L (-1 )k ak
est convergente.
 Exercice 9.6 Série alternée 323

3. Donner un exemple de suite (akhEN* (décroissante et de limite nulle) telle

que la série L
(-l)kak n'est pas absolument convergente (elle est donc semi-
k~l
convergente).
4. On note Rn, le reste de rang n de cette série. Montrer que "if n E N*, 1Rn1 ~ an.
5. En déduire un programme Scilab qui renvoie une valeur approchée de
+oo (-ll
L à 10- 4 près.
n=l Vk
(-l)k 1
6. Soit les suites u et v définies par Uk = Vk et Vk = Uk + k.
a. Montrer que Uk ,..., Vk.

b. Quelle est la nature des séries L Uk et L Vk. Quelle conclusion en tire-

k~l k~l
t-on concernant le théorème de comparaison des séries par équivalence?

1. Pour montrer que deux suites sont adjacentes on doit montrer que l'une est crois-
sante, l'autre et décroissante et que leur différence tend vers O.
Ne pas oublier une des hypothèses : il faudra utiliser que la suite (ak) est décrois-
sante. Pour étudier la monotonie d'une suite, on étudie le signe de la différence de
deux termes consécutifs. Attention, pour la suite (S2n)nEN*, le terme suivant S2n est
S2 (n+ l) = S2n+2 · Comme la suite S est la suite des sommes partielles d'une série,
quand on fait la différence de deux termes, il y a des simplifications.

Soit n EN*.
2n+2 2n

"O
• S2(n+1) - Szn = L ( - l)kak - L ( - l)kak
0
r::::
k=l k=l
2 1 2 2
0
:::J
= (-1) n+ a2n+1 + (-1) n+ a2n+2 = a2n+2 -a2n+1:::;; 0
lfl
,.-1
donc la suite (Szn)nE N* est décroissante.
0
N 2n+3 2n+l
@
.....,
• S2(n+1)+1 - Szn+l = L (-l)kak - L (-l)kak
r: k=l k=l
Ol
2 2 2 3
= ( - 1) n+ a2n+2 + (- 1) n+ azn+3 = azn+z - azn+3 ~ 0
·;::
>
Cl.
0 donc la suite (S2n+1)nEN* est croissante.
u
• S2n+1 - S2n=( - 1) 2n+la2n+1 O.
n--++oo
On en déduit que les suites (S2n)nE N* et (S2n+i)nEN sont adjacentes.

2. Comme souvent quand on a montré que deux suites sont adjacentes, on en déduit,
par le théorème des suites adjacentes, qu'elles convergent vers la même limite.
 324 Chapitre 9 Séries

Mais ici, il faut ensuite prouver que la suite S elle-même est convergente. C'est un
résultat à connaître.

Si la suite des termes de rangs pairs et celle des termes de rangs impairs
convergent vers la même limite f, alors la suite elle-même converge vers
cette limite f. La réciproque est vraie.

En effet, de l'hypothèse on déduit que tout intervalle ouvert I contenant f, contient

tous les termes de rang pair à partir d'un certain rang no et tous les termes de rang
impair à partir d'un certain rang n 1 . Alors, après le rang max(2no, 2n 1 + 1), on trouve
tous les termes de la suite dans I .

D 'après le t héorème des su ites adjacent es, les su ites (S2n)nEN* et (S2n+i)nEN
convergent vers la mêm e lim ite, notons la S . Ma is si la suite des termes d e rangs
pa irs et la suite des t ermes de rangs impairs d e la suite (Sn)nEN* convergent vers la
même limit e alors la su ite elle-même converge vers cette lim it e. Cela signifie que la
série L (-l)kak est convergente.
k~l

De plus on a, pour tout n EN*, S2n+1 ~ S ~ S2n ·

3. Quand on cherche un exemple de série, on peut chercher déjà parmi les séries de
référence, notamment les séries de Riemann.
On voudrait L 1(- l)kakl = L ak = L kla avec la suite (ak) qui décroissante,
k~l k~l k~l
c'est-à-dire a ;;?: 0 et la série diverge, c'est-à-dire a ~ 1. On peut prendre a = 1 tout
simplement.

Avec ak = ~ pou r k E N* (on peut poser ao = 1 ça n'a pas d 'importa nce) , on a

bien que la suite (ak) est décroissante, qu ' elle tend vers 0 et L1 ( - l)kak l =
k~ l
L
k~l
*
est une série de Riemann divergente.
"O
0
r:::: +oo
0
:::J

lfl
4 . Le reste de rang n de la série est Rn = L (-l)kak . On pourrait essayer de
,..-1 k=n+l
0 N
L
N
@ montrer que IRnl ~ an en étudiant la limite des sommes partielles (-Ilak
.....,
r: k=n+l
Ol
ï::: mais ce serait un peu refaire la démarche précédente. Ici, rappelons-nous que le reste
>
Cl.
0
de rang n est la différence entre la somme de la série et la somme partielle de rang n.
u Et nous avons encadré la somme de la série à l'aide de sommes partielles.

On a IRn l = ISn - SI. Nous al lons uti liser l' inégalité S2n+i ~ S ~ S2n ét abl ie plus
haut . Envisageons deux cas, selon la parité de n :
• si n = 2p, alors
IRnl = IS2p -SI= S2p - S ~ S2p - S2p+i = -(-1) 2P+la2p+i = a2p+l ~ a2p =an
 Exercice 9.6 Série alternée 325

• si n = 2p + 1, alors
2
IRnl = IS2p+1 - SI = S - S2v+i ~ S2v - S2v+1 = -(-1) P+l a2p+1 = a2v+1 =an.

1 Da ns les deux cas, IRnl ~an.

5. Pour la somme d 'une série convergente, on obtient une valeur approchée en consi-
dérant une somme partielle. Avant d'écrire le programme, il faut déterminer le rang
de cette somme partielle : la valeur de n.

~1
L'erreur d 'approxim ation comm ise en approchant S par Sn
est IRn l . Or elle est
majorée par an = ~. Il faut donc ~~ 10-
4
ce qu i équ iva ut à n ~
1
2
.
vn vn (I0- 4 )
Pour le programme on peut calculer la somme partielle en partant d 'une variable S
contenant 0 et en ajoutant successivement les n premières valeurs de la suite, à l'aide
d'une boucle for.

~ e=1E-4; n=floor( 1/e-2) +1;

S=O;
for k=1 :n
S=S+ (-1)-k/sqrt (k) ;
end
disp(S) ;

6.a. Pour trouver un équivalent d'une somme, on cherche le terme prépondérant.

~1
1 1 . l/k 1
Vk = -k + Uk rvUk Car -k = o(uk) pu isque - = k h ----+ Ü ét ant donné
Uk (-1) y k k - Hoo
que sa valeur absolue tend vers O.

6. b. Il faut déterminer les nat ures des deux séries séparément.

~I La série L
k~ l
i diverge m ais L
k~l
Uk converge donc la série somme L
k~ l
Vk d iverge.

"O
0
r:::: On constate que Uk ,..._, Vk mais que les séries L Uk et L Vk ne sont pas
0
:::J

lfl
,..-1
& k~ 1
de même nature. Le t héorème de comparaison ne s'applique pas ici car
k~l

0
N les séries ne sont pas à termes positifs (ou de signe constant) à partir
@
....., d'un certain rang .
r:
Ol
ï:::
>-
Cl.
0
u

i Par linéarité, une égalité an = fJn + --Yn permet de conclure que l'une des
trois séries L
an,
n~no
fJn,L L
'"Yn converge dès que les deux autres
n~no
convergent.
 326 Chapitre 9 Séries

Par suite, on montre, en raisonnant par l'absurde, que si une de ces

séries converge et qu'une autre diverge alors la troisième diverge. En
revanche on ne peut rien dire si deux de ces séries divergent.

1. On considère une suite (un)n.) 2 décroissante de réels positifs.

Pour tout entier n ~ 2, on pose Vn = 2nu 2n. L'objectif de cette première partie
est de montrer que les séries L
Un et L
Vn sont de même nature.
n.)2 n.)2
n
Pour n ~ 2, on note Sn = L Uk la somme partielle de rang n de la série
k=2

2 m+l
a. Pour m EN, on pose Tm= L Uk . En considérant des regroupements
k=2m + l
de termes, pour tout n E N*, exprimer S2n en fonction des Tm pour
m E [O,n - 1].
b. Montrer que, pour m EN fixé et pour tout k E [2m + 1, 2m+ 1 n,
U2m + 1 ~ Uk ~ U2m.

c. En déduire que, pour tout m EN, ~Vm+I ~Tm~ Vm·

d. Conclure que les séries L Un et L Vn sont de même nature.
n.)2 n.)2

1
2. a. Appliquer le résultat précédent à pour a E IR et retrouver les
Un = -
n°'
1
cas de convergence de la série de Riemann ~ - selon les valeurs de a.
"O
0 ~ n°'
r:::: n.)l
:::J
0 b. En utilisant ce même principe, déterminer pour quelles valeurs des réels
lfl
,.-1
0
N
a et f3 la série de Bertrand L 1
n.) 2 n°'(ln n)
f3 est convergente.
@
....., 1
r:
Ol
·;::
c. En déduire la nature de la série L
n.) 2
(l ) .
n 1n nn
>
Cl.
0
u

1.a. S2n est la somme des uk pour k dans [2, 2nn. Tm est la somme des Uk pour k
n.
dans [2m + 1, 2m+ 1 Ces intervalles [2m + 1, 2m+ 1D sont disjoints et se suivent.
 Exercice 9 .7 Séries de Bertrand Il 327

n- 1
On voit que [2, 2n] = LJ [2m + 1, 2m+ 1
]. Donc si on regroupe les Uk apparaissant
m=O
dans les Tm pour m E [O, n - 1] on obtient tous les Uk pour k E [2, 2n].

~1 k=2 m=O k=2""+1

1.b. Cet encadrement découle de la décroissance de la suite u.
m=O

~I + 1, 2m+ 1
La suite (un) est décroissant e, donc pour tout m EN, si k E [2m ~, alors
'U2m+i ~ Uk ~ U2= ·

1.c . Au centre de l'encadrement on doit avoir Tm qui est la somme des Uk pour
k E [2m + 1, 2m+ 1]. Il est donc naturel d'essayer de sommer membre à membre les
encadrements de la question précédente pour k E [2m + 1, 2m+l].

Considérons tous les Uk pour k prenant t outes les valeurs d ans [2m + l, 2m+ 1 ~ , c'est -
à-dire 2m valeurs (2m+l - 2m = 2m) . Chacun de ces Uk vérifie l' inégalité montrée
ci-dessus, en ajoutant membre à membre ces inégalités, on obtient :
2m
2mu 2 .... + 1 ~ L Uk =Tm ~ 2mu2m. Or cel a peut s'écrire ~Vm+l ~Tm~ Vm .

1.d. Les séries L Un et L Vn sont à termes positifs donc on peut utiliser les théo-
n~2 n~2
rèmes de comparaison des séries à termes positifs. U encadrement précédent nous
suggère une comparaison par inégalité mais cet encadrement compare les termes des
sériesL Vn et L
Tn. Or nous avons vu à la première question qu'il y avait un lien
n~2 n~2

entre les sommes partielles de L Tn et S2n.

n~2

Enfin, la convergence de la suite (S2m )m~ 2 équivaut à celle de la suite Sn car la

suite S est croissante et on peut encadrer tout terme Sn par deux termes de la suite
(S2m )m~ 2 , il suffit de trouver m tel que 2m ~ n < 2m+ .
1
"O
0

0
r::::
:::J Cet encadrement équivaut à mln(2) ~ ln(n) < (m + 1) ln(2) soit m ~ ~~~~? < m + 1.
lfl

lln(n)J , ln(n)
,..-1
0 Cela signifie m = ln( ) (partie entiere de ln( ) ).
N
2 2
@
....., n
r:
Ol
·;::
>
A ppelons Vn la somme partielle de la série de t erme général Vn : Vn = L vk.
Cl. k=2
0 D'a près la q uestion précéd ente, on a, pour t out N E N*,
u
N N N

2L L L
1
Vm+I ~ Tm ~ 'Um,
rn=l rn=l rn=l

soit ~(VN+i - vi) ~ S 2 N+1 - u2 ~ VN.

Les suites (Vn) et (S2 n) éta nt croissa ntes, elles sont convergentes si et seulement
 328 Chapitre 9 Séries

si elles sont maJorees, et cette double inégalité montre que (Vn) est majorée si et
seulement si (S2n ) est majorée.

De même, si n ~ 2 est un entier, avec m = l~:~;j J , on a 2m ~ n < 2m+ 1

, et donc

S 2m ~ Sn ~ S 2 m.+ 1 , ce qui montre que (S 2n) est majorée si et seulement si (Sn) est
majorée.
Comme (Vn ) et (Sn) sont les sommes partielles de séries à termes positifs, elles sont
convergentes si et seulement si elles sont majorées, donc L Un et L Vn sont de
n) 2 n)2
même nature.

2.a. Il suffit de calculer Vn et de voir qu'on obt ient une série géométrique en faisant
at tention que la suite u ne vérifie les hypot hèses (positive et décroissante) que pour
Π~ O.

• Si a < 0, alors lim _I_ = + oo donc la série '"" Un diverge.

n -+ +oo n °' ~
n)2

• Si a ~ O. Avec U n = -
1
n°' on a Vn
n
= 2 u2n - -
2n
-
(2n)°'
1
2n(0t - l) =
(
-
1
2a --l
)n.
Donc L Vn est une série géométrique de raison
2
1
()( _ 1 , elle est convergente (donc il
n) 2
en va de même pour L Un d'après la question
2
1
1) si et seulement si °' _ 1 E] - 1, 1[
n)2
c'est-à-dire si et seulement si a- 1 > 0 ou encore a> 1.

2.b. La première difficulté avant d 'appliquer le principe de la quest ion 1 , c'est de voir
1
si la suite u où Un = f3 est bien décroissante (elle est clairement posit ive). Pour
no: (ln n )
cela, l'étude du signe de Un+l - Un ou du quotient Un+ l s'avère un peu fastidieuse
Un
1
il est peut-être plus simple d 'étudier la fonct ion x f3 . Elle est posit ive
f--7
xa (ln x)
"O
0
r:::: strictement sur )1,+oo[ et c'est l'inverse de la fonction g : x f--7 xo: (ln x).B qui est un
:::J
0 produit de fonctions dérivables sur ]1 , +oo[. Il suffit d'ét udier si g est croissant e.
lfl
,..-1
0
N La fonction g: x t-1 xôt (ln x).B est dérivable sur ] 1, + oo[ et
@
.....,
r:
Ol
g'(x ) = ax°'- 1 (In x).B + x°' x ,B(In x ).8-l = x°'- 1 (ln x).B - l (a lnx + (3) ,. . ., ax°'- 1 (1n x).tJ .
·;:: X + oo
>
Cl. Donc g' (x) ~ 0 au voisinage de +oo si a> O. C'est- à-dire que si a> 0, la suite 'U
0
u est décroissante à partir d'un certain rang no. Comme la nature d'une série ne dépend
pas du rang initial on peut appliquer le principe de la question 1 quitte à remplacer
les premiers termes de la suite 'U par 'Uno .
De même, si a = 0 mais ,8 > 0 alors g est croissante donc u est décroissante.

Il faut t raiter les cas où la suite u n'est pas décroissante, mais on s 'en sort assez
simplement.
 Exercice 9 .7 Séries de Bertrand Il 329

1
• Si a < 0, la suite ( f3 ) tend vers + oo donc pas vers 0 la série
riP (ln n) n;;. 2
L..... , riP'(ln1 n) f3 est donc divergente.
n72

• Si a = 0 et fJ ~ 0, même remarque : (
1
) ne tend pas vers 0 (la limite est
(ln n) 13
+oo sauf si fJ = 0 où elle vaut 1) donc la série diverge.

Il nous reste donc à étudier les autres cas, en appliquant la méthode étudiée dans la
quest ion 1 , la suite u étant décroissante.

~I 1 (-1- )nX__!__
1 2n
Si Un = , alors Vn = = X
n"'(ln n) 13 2rio'(n ln 2) 13 (ln 2)f3 2a - 1 nf3 ·

Il faut maintenant étudier la nat ure de la série L Vn · Par croissances comparées,

c'est le facteur ( ;_ 1 ) n qui donne le comportement de Vn, sauf quand a = 1.

2

• Si a> 1 alors L Vn est convergente grâce au théorème de comparaison des séries

n;l:2

a' termes pos1t1

. "f S par neg
' 11gea
· b·1·
11te' puisque
.
2
0: -l l
( X nlf3 = 0 ( nl2 ) ( par CrOIS-
. r
sances comparées), les termes des deux séries sont positifs et la série de Riemann
L ~2 est convergente ;
n;l: l

• s1. a = 1 et fJ > 1 a1ors """""'

L Vn = (lnl )f3 """""'
L nf3 l est une sene
' . d e R.1emann
2
n;l:2 n;l: l
"O convergente ;
0

0
r::::
:::J • si a= 1 et j3 ~ 1 alors L Vn est une série de Riemann divergente ;
lfl n;l:2
,.-1
0
N • sinon, si a < 1, lim Vn = +oo donc (vn) ne tend pas vers 0 donc """""' Vn est
@
n-++oo L
n ;l: 2
.....,
r: d ivergente.
Ol
·;::
>
Cl.
En résumé, puisque L Un et L Vn sont de même nature, L Un est convergente
0 n;l:2 n;l:2 n;l:2
u
si et seulement si a> 1 ou (a= 1 et fJ > 1).

2.c. Il y a plusieurs possibilités, on peut appliquer le principe précédent ou alors es-

1
sayer de comparer à une série de Bertrand, par exemple voir que - - = o ( \ ) .
1
nnn 1
nnnn
Choisissons d'appliquer le principe précédent.
 330 Chapitre 9 Séries

1 2n 1 1 1
~~~~~~-rv~~

Si Un = nln(ln(n)) alors Vn = 2n ln ( ln ( 2n )) ln ( n ln ( 2)) ln(n) + ln(ln(2)) ln(n) ·

1
Or L ln(n) est une série de Bertrand vue ci-dessus.
n;,::2

1 2n 1 1
Si 'Un = alors Vn = rv - - . Par
nln(ln(n)) 2n ln(ln(2n)) ln(n) + ln(ln(2)) ln(n)
le théorème de comparaison des séries à termes positifs par éq uivalence, la série
L nln(~(n)) est de même nature que la série à termes positifs L In~n) qui
n;;:.2 n;;:.2
diverge d'après la question 2 .b avec a = O.
Or la suite u est bien décroissante pu isque c'est l'inverse de la s uite (n ln(lnn))n;;:, 3
qu i est positive et croissante. Donc, d'après le pri ncipe de la q uestion 1, la série

L nln(~(n)) est divergente.

n;;:.2

L'objet de cet exercice est d'étudier les séries géométriques dérivées p fois, pour
un entier p EN.

1. Montrer que pour r E N fixé, (n)r ,. . , ntr.,.

n--++oo

2. Soit un entier naturel r et un réel x de [O, 1[ fixés.

Montrer que la série L (~) xn-r est convergente.
n;;=:r

On pose alors, pour (r,x) EN x [O, 1[, sr(x) = ~ (~)x•-r.

3 . Pour tout couple d'entiers naturels (n, r) tel que r::::; n, prouver que

"O
0
r::::
:::J 4. P our tout entier naturel r et tout réel x de [O, 1 [, déduire de la question pré-
0
lfl
cédente que
Sr+i(x) = sr(x) + XSr+1(x).
,..-1
0
N
@
.....,
r:
5. En déduire que Vr EN, Vx E [O, 1[, sr(x) = (l - ~)r+l ·
Ol
·;::
>
Cl.
0
u
1. Pour trouver un équivalent de (:~) , il vaut mieux éviter d'utiliser l'expression avec
les factorielles (il existe une formule donnant un équivalent de n! mais elle n'est pas
très simple à utiliser ici). Il vaut mieux se rendre compte (et retenir) que ( ~) est
une expression polynomiale par rapport à n.
 Exercice 9.8 Formule du binôme négatif 331

n(n - 1) .. r.!(n - r + 1)
(n1_) .
_
rv
nr
n->+oo r !
puisque le numérat eur est un polynôme

1 en n de degré r.

2 . Avec l'équivalent précédent, on peut tenter de prouver la convergence de la série

1
par comparaison. Comme souvent, on essaie de comparer par rapport à 2 et cela
n
fonctionne.

Pour tout n ~ r, (n)

r
x n-r ~ O et (n)r
x n- r = o ( 21 ) .
n->+oo n

En ef fet' n 2 ( n ) xn- r .--. nr+2~n-r 0 par croissances

. ,
comparees. comme
r + oo r. n->+oo

L ~2 est convergent e, on en dédu it que L (~) xn-r aussi par le théorème de

n;<:l n;<:r
comparaison des séries à t ermes posit ifs par négligeabil ité.

3. C'est une égalité classique qu'il faut savoir redémontrer en partant du membre
de droite en écrivant les expressions avec les factorielles et en réduisant au même
dénominateur. Attention, quand r = n, ( n ) = O.
r+l

• Si n> r,

= n! + ~~~~~~~-
n! n! (l + n - r)
r !(n - r) ! (r + l ) !(n - r - l) ! r !(n - r)! r +1

n! 1)
n+ 1 ( n +
=r!(n-r) ! xr + l = r+ l ·
"O

(n) ( n) 1 0 (n+ 1)
0
r::::
:::J • Si n = r alors
0 r + r+l = + = r + l ·
lfl
,.-1
0
N
Donc l'égalité est bien vérifiée pou r tout n ~ r .
@
.....,
r:
Ol
·;:: 4 . L'égalité à prouver lie les sommes de senes sr(x) et Sr+ 1 (x); il est naturel de
>
Cl. chercher à montrer une égalité sur les termes généraux de ces séries or ils contiennent
0
u les coefficients binomiaux présents à la question précédente.

~1
On déduit de la question précédent e, en mu ltiplia nt par xn-r , que pour tout n ~ r

n+
( r+ l
1) X n+l- (r+l) = (n
r+ l
+ 1) X n-r = ( n)
r
X n-r + x ( n ) X n-(r+l ).
r +l
 332 Chapitre 9 Séries

Puisque les séries sont convergentes, on peut sommer cette égalité pour n de r à + oo.
On obtient

Sr+ i(x) = f
n=r
(~: ~) xn+l-(r+l) = f
n=r
(~ ) xn- r + x f (r:
n=r
1
) xn- (r+ l)

= f
n=r
(~) xn-r + x f C-:
n=r+I
1
) xn- (r+l) car C-: 1
) = 0

= Sr (x) + XSr+ 1(x) .

5. On peut inverser l'ordre des quantificat eurs Vr EN et V x E [O, 1[ qui sont de même
type donc on fixe x dans [O, 1 [ et on cherche à mont rer l'égalité pour t out ent ier r .
L'égalité précédente donne une relat ion de récurrence pour la suit e (sr (x)). Il suffit
de l'expliciter pour se rendre compte qu'elle est très simple.

On en déduit, pu isque 1 - x # 0, que, pour tout r E N, sr+1 (x) =

1
~ xsr(x).
1
C'est-à-dire que la suite (sr (x )) est géométrique de raison - - . On en déduit que
l- x
pour tout x E [O, 1[ et tout r E N, sr(x ) = (
1
~ x ) rso(x).

Or so(x) = L +oo (
~ xn- o = L: xn =
) + oo
1
~x (c'est la somme de la série géométrique
n=O n=O
1
de raison x ). Donc s,.(x ) =
(1 - xr+i .

Le but de cet exercice est de montrer que lorsqu'une série est semi-convergente,
on peut obtenir une somme différente en ordonnant les termes différemment.
(-l)k-1
Pour n EN*, soit Uk = k
"O
0 n
r::::
0
:::J
On définit aussi Sn= L Uk · On admet que L Uk est convergente (voir l'exercice
lfl k=I k~I
,.-1
0
N
9.6 page 322). On pourrait montrer que sa somme est ln 2.
@
.....,
r:
1. Montrer que L Uk n'est pas absolument convergente .
Ol k~I
·;::
>
Cl. On veut maintenant réordonner les termes Uk· Pour cela on définit la suite (vn)
0
u par
'V3j-2 = U2j-l

Vj EN*' V3j - 1 = U4j - 2

{
'V3j = U4j
 Exercice 9.9 Somme d 'une série semi-convergente 333

n
On définit aussi Tn = L Vk la somme partielle de rang n de la série L Vk.
k=l k;;::l
2. a. Écrire les six premiers termes de la suite ('vk)·
b. Justifier que la suite (vk) est bien définie (c'est-à-dire que la définition
donnée permet bien de calculer tous les termes vk)·
c . Vérifier que tous les termes de (Uk) apparaissent une fois et une seule dans
la suite (vk) (on peut s'intéresser à la parité de k}.
Nous avons donc montré que les termes des deux suites sont exactement
les mêmes mais rangés dans un ordre différent.
d. Montrer que, pour k E N*, la somme de trois termes consécutifs V3k - 2,

V3k-1, V3k de la suite v vaut V3k-2 + V3k-1 + V3k = ~ (u2k-1 + U2k).

e. En déduire que, pour tout n EN*, T3n = ~S2n·
+= +=
f. Montrer que L Vn converge et déterminer L Vk en fonction de L Uk.
k;;::l k=l k=l

(-l)k- 1 ~ 1 .
1. Il faut montrer que la série L k = ~ k est divergente.
k;;::1 k;;::1

~1 l·ukl = ~ or la série de Rieman n

absolument convergente.
L
k~ l
~ est divergente do nc la série L
k~ l
'Uk n'est pas

2.a. Il suffit d'appliquer les formules.

~1
'O 1 1 1 1
0
r:::: V1 = U1 = 1; V2 = u2 = - 2 ; V3 = U4 = - 4 ; V4 = U3 = 3 ; V5 = U6 = - 6 et
:::J
0 1
lfl
,--1
V6 =Us= -S.
0
N
2 . b . Définir une suite, c'est définir chacun des termes. Il faut donc vérifier que Vk est
@
....., défini pour tout k E N et qu'il n'y a qu'une seule définition de chaque terme. Cette
r:
Ol
·;:: question repose sur le reste dans la division euclidienne d'un entier par 3 : tout entier
>
Cl. n s'écrit de manière unique n = 3q + r où r E {O, 1, 2} . Sir E {1, 2} on peut écrire
0
u n = 3(q + 1) + (r - 3) où r - 3 E {- 2, - 1}.

Tout entier est soit :

• mu lti ple de 3 c'est- à-dire de la forme 3j;
• de la forme 3j - 1 ;
• de la forme 3j - 2.
 334 Chapitre 9 Séries

De plus, pour les différentes valeurs de j, les entiers 3j, 3j - 1 et 3j - 2 sont tous
1 différents. Donc 'Vk est bien défini pour tout entier k.

2.c. C'est un raisonnement qui ressemble au précédent : d'après la division euclidienne

par 4, tout entier k s'écrit sous la forme k = 4q+r où r E {O, 1, 2, 3}. r E {1, 3} signifie
que k est impair.

• Si k est impair, k = 2j - 1 pour un certain j E N* ; dans ce cas Uk = 'V3j-2 et

c'est la seule valeur.
• Si k est pair :
(; ou bien il est mu lti ple de 4; dans ce cas il s'écrit de manière un ique k = 4j
avec j EN* et 'Uk = 'V3j seulement;
(; ou bien il n'est pas multiple de 4; dans ce cas il s'écrit de manière un iq ue
k = 4.j - 2 avec j E N* et Uk = V3k - l seulement.
Dans chaque cas, il n'y a qu ' une seule expression de k sous la forme 2j - 1, 4.j - 2
ou 4.j.

2.d. On utilise les expressions définissant la suite v.

Soit k E N*. Alors

1 1 1
V3k-2 + V3k-l + V3k = U2k-l + U2k-2 + U4k = 2 k _ l - 4k _ 2 - 4k
1 1 1 1 1( 1 1)
= 2k - 1 - 2X 2k - 1 - 4.k = 2 2k - 1 - 2k
1
= 2 (u2k- l + U2k) ·

2.e. L'idée suggérée par le calcul précédent est de calculer la somme T3n, qui comporte
un nombre de termes multiple de 3, en regroupant les termes consécutifs 3 par 3
T3n = (v1 + V2 + v3) + (v4 + V5 + v6) + · · · + (v3n - 2 + V3n- 1 + V3n)·

Soit n EN* .
"O 3n n
0
r::::
:::J
T3n = L 'Vk = L ('V3j - 2 +V3j- 1 +V3j) (on regroupe les termes par trois)
0 k=l j=l
lfl
,.-1
0
1 n 1
N = 2L (u21-1 + u2.i) = 2((u1 + u2) + (u3 + U4) + · · · + (u2n-1 + U2n))
@ j=l
.....,
r: 1
Ol
·;:: = 2S2n ·
>
Cl.
0
u 2.f. D'après la question précédente et le fait que la suite (S2 n) converge puisque la
série LUn converge, on peut assez facilement déduire que la suite (T3n) converge.
k~l

Mais cela ne dit pas que la série L Vn converge car il faudrait pour cela la convergence

de la suite (Tk).
 Exercice 9.9 Somme d'une série semi-convergente 335

L'idée est d'utiliser le même principe que celui des sous-suites des termes de rangs
pairs et de rangs impairs pour étudier une suite. Ici il s'agit de considérer trois sous-
suites qui forment une partition des termes de la suite (Tk) : les suites (T3n), (T3n+i)
et (T3n+2). Chaque Tk se trouve dans une et une seule des sous-suites. On a alors
l'équivalence : la suite T converge vers une limite f si et seulement si les trois sous-
suites (T3n), (T3n+1) et (T3n+2) convergent vers f..

On sait qu e L 'Uk converge ( mais pas absolument ) .

+oc
Donc lim
n 4 +oc
S2n = lim
n 4 +oc
Sn = "'~
"°"' Uk =ln 2 (somme admise).
k=l
1
Ainsi T3n --~ - ln 2.
n 4+oc 2

car lim V3n+I = 0

n4+oc
1
T3n + 2 = T3n+ l + V3n+ 2 n 4+oc
-
2
ln 2 car lim
n 4+oc
V3n+2 = O.

On en déduit que dans t out int erval le ouvert conten ant ~ln 2 on t rouve t ous les T 3n,
T 3n+i et T3n + 2 à partir d ' un cert ain rang, c'est-à-dire t ous les termes de la suite (Tk)
à partir d ' un certain rang.
Donc (Tk) converge vers ~ ln 2 : la série L Vk est convergente et sa somme est
k ;;:.1

+oc 1 +oc 1
L Vk = 2 L uk =
2 ln(2)
k=l k=l
et pourtant les suites ·u et v contiennent exactement les mêmes termes.

"O
0
r::::
:::J
0
lfl
,..-1
0
N
@
.....,
r:
Ol
·;::
>
Cl.
0
u
 336 Chapitre 9 Séries

Liste des capacités attendues

• Savoir utiliser les séries u suelles

<) de Riemann 1L :..1 (absolument) convergentes ssi a > 1 (cf exercices 9.3,
n~l

9.1, 9.7) ,

<) géométriques 1 L q" I· leurs dérivées premières L nq"- 1

et leurs dérivées
n~O ___ n~l
.____ _,

secondes L n(n - l )qn- 2 (absolument) convergentes ssi lql < 1 de sommes

n~2

+oo 1 +oo 2
L nqn- 1 = (1 - q)2 et L n(n -
n=2
l )qn- 2 = (1 -
q
)3
n=l

(cf exercices 9.2, 9.8)

+oo k
O exponentielles absolument convergentes pour tout x E IR de somme L ~! = ex
k=O
(cf exercices 9.2) .

• Savoir utiliser les propriétés de la sommation des séries convergentes

0 la linéarité (cf exercice 9.2),
0 la (stricte) positivité,
O la (stricte) croissance.

• Savoir utiliser les théorèmes de comparaison pour les séries à termes

"O
0 positifs
r::::
0
:::J
0 par inégalité (un~
Vn) (cf exercices 9.3, 9.7),
lfl
,.-1
0
() par équivalence (un rv Vn) (cf exercices 9.3, 9.1 , 9.4).
N
@
.....,
r: • Savoir utiliser la convergence absolue d'une série (cf exercice 9.3)
Ol
ï:::
>
Cl.
0
u • Savoir utiliser le théorème de comparaison par négligeabilité Un = o(vn)
où (vn) est à termes positifs (cf exercices 9.2, 9.1, 9.4)
 CHAPITRE

10
Intégration des fonctions d'une
variable réelle

On rappelle le vocabulaire associé à une intégrale 1b f(t)dt (notée parfois 1b!) :

• t est la variable d'intégration ;
,
• les reels , [ J {[a, b) si a < b, est le
a et b sont les bornes de l'integrale, a +--; b = [ ] .
b,a smon
segment d'intégration ;
• la fonction f est l'intégrande (ce qui signifie « fonction à intégrer » et qui est du
genre masculin) ;

• le réel 1b f (t)dt est la valeur de l'intégrale de f entre a et b.

Calculer les intégrales ou primitives suivantes :

1. Jeln x <lx; 2. l e dx 1
,..
4
x ln x; 3. tan OdO;
"O l X 2
0
r::::
:::J
0
lfl
4. j 2 xe-xdx; 2
5. lx t dt Jx COS {t) dt
,.-1
0
N
- 1 o v1 + t2
(où XE JR);
6.
t2
@
(où X> 0) .
.....,
r:
Ol
·;::
>
Cl.
0 1. On reconnaît un intégrande du type u' x u avec u = ln et on a :
u

u' x u = ~ (2u'u) = ~ (u2 )'.

~1 j e 1
ln x
xdx=21 je(
1
1 ) 1 [ 2]e
2x;xlnx dx =2 (ln x) 1 =2 (lne) - (lnl
1 ( 2 )2) 1
=2 .
 338 Chapitre 10 Intégration des fonctions d 'une variable réelle

1 1

2. On reconnaît un intégrande du type ~ avec u =ln et on a : ~ = (ln lu i)'.

~ u u

~1 1e 2
- dx =
x 1nx
le x1
1nx
dx = [lnllnxl ]~ = ln l lnel-ln l ln21 = lnl-ln(ln2) = -ln(ln2).
2

sin u'
3 . On a tan= - donc tan = - - où u = cos.
cos u

(i e
sin dB = _ ( i - sin BdB
}0 cos B }0 cos B
[-ln(cosB)JÎ (carcos>Osur [o,~J)
- ln (2V2) + ln 1 = ln v'2 = 21 ln 2.

4. On reconnaît un intégrande qui est (à un facteur près) du type u'eu =(eu)'.

~1 j ·2

_1
xe
- x2
dx = - -21
;·2-
_1
2xe
- x2
dx
2
= - -21 [e- x2 J_ = - -21 (e- 4 - e- 1 )= -
1
e - 1
-- .
2e4
3
5. On doit chercher ici une primitive d'une fonction du type
2
fa 1

= ( JU)'.

~I x
l v1f-+t2
0
l x
- - t- d t =
.Jf+t2 0 2
2t dt= [ Jl+t2] x
0
= J1 + x2 .

6. On cherche ici une primitive d 'une fonction qui est (au signe près) du type u' cos(u)
de primitive sin(u) .

~1 ! 1
XCOS (t) dt =
t2 -
! X t1
1
- 2 x cos ( t1 ) dt = - [sm
. ( 1) ]
t = sm 1 - sm
X . . . (x1 ) .
1

"O
0
r::::
:::J
0
1
lfl
,.-1
0
N
1. Calculer fo min (x, t) Vt dt, pour tout x E [O, l].
@ 2
.....,
r:
Ol
2. Calculer /_ (lt - li+ l2t +li) dt .
ï::: 1
>-
Cl.
0
u
1. On utilise la définition du min pour simplifier l'écriture de l'intégrande.

~1
Par définition du minimum , pour tout x E [O, 1],

. (
mm x,t vt =
) r; {tVt si t E [O, x],
xVt si t E]x, l].
 Exercice 10.3 Croissance, positivité et inégalité triangulaire 339

P uis on effectue le calcul grâce aux propriétés de l'intégration.

~ Ai nsi,

1 1

min (x, t) Vtdt 1x + 1 tVtdt

1
xVtdt (d'après la relation de Chasles)

=
l0
x
t ! dt + x 11 x Vt dt (par linéarité de l'intégrale)

2 Q] X +x 2 ~ ] l = -x2
[ -t2 2 Q 2 -
+ -x 2 Q = -x
-x2 2 - -x2.
4 Q
= [ -t2
5 Q 3 X 5 3 3 3 15

2 . On commence par décomposer les calculs par linéarité.

~1 1: 1: 1:
Par linéarit é de l'i ntégration ,

(lt - l i + l2t +li) dt= lt - l i dt + l2t + li dt.

On étudie alors le signe des fonctions t t-----t t - 1 et t t-----t 2t + 1 (sur le segment

[-1 , 2]) afin d'utiliser la définition de la valeur absolue et appliquer alors la relation
de Chasles.

Par définition de la valeur absolue :

lt _li= {-t+ 1 si ~ 1,
t-1 sil<t
t et 12t+ li = {
- (2t + 1) si t ~ -~,
2t + 1 si - ~ < t.
Ainsi, d 'a près la relat ion de Chasles :

j ·21t-l l dt= ;·1

_
1
_ (-t+l)dt+
1
12 (t-l)dt= [-~t + tJ_l + [~t
1 1
2 2 2
- tL = 25
et

[ ', 12t+lldt = [~ ! -(2t+l)dt+ [ 'l (2t + l)dt

"O
0
[- (2t: l)'C + [ (2t: l)'L
1:
r:::: 2
:::J
0
lfl
,.-1 D 'où, finalement (lt - l i+ l2t +li) dt= 9.
0
N
@
....., Exercice 10.3 : Croissance, positivité et inégalité triangulaire
r:
Ol
·;::

u
>
Cl.
0
1. Justifier que, pour tout entier k ~ 1 , Jk+1
1
~
1k+l dt fi. ~
1
~ et en déduire
k+ 1 k vt vk
la nature de la suite (t ~) . k=l n~l
 340 Chapitre 10 Intégration des fonctions d 'une variable réelle

2. Montrer par intégrations successives que, pour tout x > 0,

x3
X- 6 ~ sin (X) ~ X.

.
3. Montrer que 1im
x-++ oo
10
1
cos (xt) Arctan (t) d
X2 +t
t = 0.

1
1. On utilise la décroissance de la fonction t f-------t Jt sur le segment [k, k + 1] pour
établir un premier encadrement.

La décroissance de la fonction t f------7 ~ sur le segment [k, k + 1] permet d 'établir

l'encadrement suiva nt :
1
vlk+î ~
1
.fi, ~
1 , pour tout k E N*
Vk et tout t E [k, k + 1J.

Encadrement que l'on intègre via la croissance de l'intégration.

Ainsi, par croissa nce de l'intégration sur [k, k + l] :

j •k+l vlk+î
dt
--- ~
;·k+l dt ;·k+l dt - ~ -
k "' 0 "' k Vk k

t ] k+l 1 k+l dt _t ] k+l

donc ~ - ~
[ Jk + 1 k k Vt [
Vk k

1 /k+l dt 1
i.e. vlk+î ~ }k Vt ~ Vk.
L'encadrement ci-dessus est valable pour tout k ;;::;: 1 et on sait que l'inégalité est
compatible avec l'addition, c'est-à-dire que l'on peut additionner membre à membre
"O des inégalités de même nature. En ajoutant la première partie des inégalités pour k de
jn~
0

2~ -
r::::
0
:::J
1 à n - 1, on peut majorer la suite qui nous intéresse par 1 + = 2
lfl
,-1
0
qui tend vers + oo ce qui ne constitue donc pas une information pertinente. C'est donc
N
la deuxième partie qu'il convient d'exploiter.
@
.....,
r: Pour tout n E N*, on a alors
Ol
ï:::
·n+l dt
u
>
Cl.
0 L: ;·k+l -.!~
n d n
L: -1 donc j r;_ ~ Ln 1
11.
.
(par la relation de Chasles)
k= l k Vt k=l Vk l vt k= l V k

puis

n 1
i.e. 2...;n+î - 2 ~ L: vk
k=l
/Î.
 Exercice 10.3 Croissance, positivité et inégalité triangulaire 341

Or on sait que lim

n-+ + oo
(2Jn + 1- 2) = + oo, do nc par compara ison :

lim
n-++oo
"°"
L.J
k=l
~k =
V
+oo.

2 . En dérivant un certain nombre de fois l'inégalité demandée (opération qui n'a pas
de sens mathématiquement), on comprend qu'il faut partir de l'inégalité classique
cos (t) ~ 1 et l'intégrer sur [ü, x] ...

On sait que pour tout x > 0 et tout t E [O, x]. cos (t) :::;; 1. Ainsi, par croissance de
l'intégration sur [O, x ] :

1x cos (t) dt:::;; l·x 1 dt donc [sin (t)]~ :::;; [t]Q i.e. sin(x) :::;; x.

On intègre alors l' inégal ité sin (t) :::;; t sur [O, x] :

1x sin(t)dt:::;; l·x tdt donc [-cos(t)]~:::;; [ àt

2
J: pu is 1 - cos(x):::;; ~x2
1 •)
i. e. 1- x - :::;; cos(x).
2
Et enfin on intègre la dernière inéga lité 1 - %t 2 :::;; cos(t) sur [O, x] :

1x ( 1- ~t2) dt:::;; 1x cos(t)dt ent raîne [t - ~t3 J: : ; sin x

. 1 3 ...... .
1.e. x- ~x """smx.
6
Finalement, on a donc montré l'encad rement :
1 3 :::;; sm
x - 5x . (
x) :::;; x, pour tout x >O.

- , · d d' . .. d i: •
3 . Comme i1s agit e etermmer 1a 1imite e 1a 1onct10n x f------7
X +t
2
1 1
cos(xt)Arctan(t)dt

quand x tend vers +oo, i.1 suffi t que 1,.mtegra

,
1e
1·
o
1
0
cos(xt)Arctan(t)dt soit d'fi
X
2
+t
e nie
"O
0
pour tout x > O.
r::::
:::J
0 Po ur t out x > 0 et tout t E [O, 1], x 2 +t =f. 0, do nc les t héorèmes généra ux de l'ana lyse
lfl
,.-1 . cos(xt)Arctan(t) .
0 assurent que la fonct ion t H est cont inue sur le segment [O, l ], ce
N X2 +t
@ 1
. , . •. , ;· cos (xt) Arctan (t)
.....,
r:
qu i prouve 1existence de 1 mtegrale dt, pour tout x > O.
Ol
·;::
O X
2
+t
>
Cl. L'intégrande n'est pas de signe constant mais on sait que montrer lim f (x) = 0

· , . 1 x -++oo
0
u 1
revient a montrer hm If (x)I = cos (xt) Arctan (t) dt 1en
O. On va donc majorer
x-++oo o X2 + t
utilisant que la valeu.r absolue d'une intégrale est inférieure à l'intégrale de la valeu.r
. , bl. . .
abso lue. P ms eta ir une maJorat10n · ed
1
1
1cos(xt)Arctan(t) l d t par une f'onction
2
0
.
X +t
de la variable x qui tend vers 0 quand x tend vers + oo.
 342 Chapitre 10 Intégration des fonctions d'une variable réelle

Comme lcos (xt) I ~ 1, !Arctan (t) I ~ ~ et 1 x 2 ~t1 ~ : 2 , pour tout x > 0 et pour
, . 1cos (xt) Arctan (t) 1 1f
tout t E [O, l], on en dedu1t que .2 ~ ·
X +t 2X 2
1 1
.
Par croissance d e 1•.mtegrat1on
, . sur [O, 1], ;· 1 cos (xt) Arctan (t) 1dt ~ ;· -.,
7r d
t et
0
X2 +t 0
2x-
1
" ' mtegra
d one, en ca 1eu 1ant cette d ern1ere . , 1e, 1 1cos(xt)Arctan(t) l d t ~
1f
.
o X
2
+t 2·X 2
1 1
De p1us, comme cos (xt) Arctan (t) d t 1 ,,,.
:::::::
1 1cos (xt) Arctan (t) 1d t, on
2 2
11 O X +t O X +t
1
.
o btient par trans1t1v1te , 1.,
. .. , d es .mega 1tes que 11· cos(xt)Arctan(t)d1
t ~
7f
----:2. 0r
2
O X +t 2x
1
·
hm - 7r ., = 0 donc, par encadrement, .
hm 11 cos (xt) Arctan (t) dt 1 =O.
x--++oo 2·X - x--++oo 2
0
X +t
1
cos (xt) Arctan (t) d
F.ma 1ement on a b"1en d,emontre, que 1im
. 1
t = 0.
x--++oo 0 X2 +t

1. Calculer lx (ln z )2 dz pour x > O.

2. Montrer que, pour tout entier naturel non nul n,

Jo{1r ( 2t2 7r -
)
t cos(nt)dt = n12 .
3. Déterminer une relation de récurrence entre In+2 et In où on a posé, pour tout
nEN,

"O
0
r::::
0
:::J 1. Il y a plusieurs façons de faire apparaître l'intégrande (ln z )2 comme un produit
lfl
,.-1
u'(z)v(z) :
0
N
• ou bien 1 x (lnz) 2 ce qui signifie de choisir v(z) = (lnz) 2 et pour u une primitive
@
....., de la constante 1, par exemple u(z) = z .
r:
Ol
·;::
>
Cl. On introduit deux fonctions u et V de classe C1 sur JO, +oo [ en posant
0
u u(z) = z { u'(z) = 1
de sorte qu 'on a aussi 1 . D'après la formule
{ v(z) = (lnz) 2
v'(z) = 2-; lnz
d'intégration par parties appliquée sur le segment d'extrém ités 1 et x, on obtient alors

l 1
x1 x (lnz)2dz = [z x (ln z)
2
J: - l xz
1
1 lnzdz = x(lnx) 2
x 2-
z
- 2 l xln zdz.
1
 Exercice 10.4 Intégrations par parties 343

On est alors ramené au calcul d'une primitive de ln ce qui, à défaut d'en connaître
une par cœur, requiert une nouvelle intégration par parties basée sur la même idée.

Par une intégrat ion par parties du même type, o n obt ient aussi

jx
1
1 x (lnz)dz = [z x (lnz)]~ -jx l
z x _!dz = x(lnx)
z
-j·x l
dz = xlnx - x +1
et en réinject ant cett e égalité da ns le calcul précédent, o n concl ut q ue

lx (lnz) 2 dz = x(lnx) 2 - 2x1nx + 2x - 2.

• ou bien (ln z) x (ln z) ce qui signifie de choisir v(z) = ln z et pour u une primitive
de ln (qu'il faut donc connaître par cœur ou calculer par intégration par parties),
comme par exemple u(z) = z(lnz - 1).

On introdu it deux fonctions u et V de classe C 1 sur JO, + oo [ en posant

u(z) = z(lnz - 1) u'(z) =ln z

de sorte qu 'on a aussi 1 . D 'après la formule
{ v(z) = lnz { v'(z) = -
z
d ' intégration par parties appliquée sur le segm ent d 'extrémités 1 et x, on obt ient alors

l x
1
(ln z) x (ln z)dz = [z(ln z - 1) ln z] ~ -
lx1
z(ln z - 1) x -dz
z
1

x(ln x - 1) ln x - lx (ln z - l)dz

x(lnx) 2 - xlnx - [z(lnz - 1) - z]~

x(lnx) 2 - x lnx - (x(lnx - 1) - x + 2)
x(ln x )2 - 2x ln x + 2x - 2.

2 . L'intégrande se présente sous la forme d'un produit entre un polynôme et une fonc-
tion cos. Dans cette situation, le principe général est de toujours dériver le polynôme
pour faire diminuer son degré et de primitiver l'autre facteur qui donne une fonction
"O
0 sin (donc du même type que cos) .
r::::
:::J
0
lfl On introduit deux fonctions u et V d e classe C 1 sur le segm ent [O, 7r] en posa nt

~sin(nt)
,..-1
0
N u(t) = { u'(t) = cos(nt)
@ ~2 de sorte qu 'on a aussi t . D 'a près la formu le
....., { v(t) = 7r - t v' (t) = - - 1
r: 2 7f
Ol
ï::: d 'int égration par parties, on obtient alors

u
>
Cl.
0
ln cos(nt) x ( ~: - t) dt

= [~sin(nt) ( ~:-t)
X J: -ln~sin(nt) X (; - 1) dt
- ~ln sin(nt) (;-1) dt.
 344 Chapitre 10 Intégration des fonctions d 'une variable réelle

Comme annoncé, la nouvelle intégrale est du même type que la précédente mais avec
un polynôme de degré moindre, on va alors répéter la même stratégie jusqu'à ce que
le polynôme devienne constant et donc que la primitive soit connue.

Par une intégration par parties du même type, on obtient aussi

17' sin (nt) x (; - 1) dt

[-~ cos(nt) x (; - 1) J: -17' (-~)cos(nt) x ;dt

= -~ + ~ /'7r cos(nt)dt = -~ + ~ [~ sin(nt)J 7r = -~
n n1T } 0 n n1T n o n

d'où, finalement, 17' (f.27r -t)

0
cos(nt)dt = ~·
n

3 . L'intégrande de I n+2 se présente encore sous la forme d'un produit mais ce choix
naïf des deux facteurs xn+ 2 et .)1 - x 2 n'est pas concluant: si le deuxième facteur est
dérivé (en
vl-x- x 2
), l'intégrale obtenue contient une racine carrée au dénominateur
(ce qui n'est pas le cas dans In), quant à en exhiber une primitive, on n'en connaît
pas de simple. L'idée est alors de compléter ce deuxième facteur en y adjoignant un
(1-x2)3/2
facteur x pour pouvoir facilement le primitiver (en - ) . Il ne restera plus
3
qu'à dériver le facteur xn+l restant.

On introduit deux fonctions ·u et V de classe C 1 sur [O, 1] en posant

u(x) =
3
-~ (1 -
2 312
x )
de sorte qu'on a aussi
{ ·u'(x) = xJl - x 2
. D 'après
{ v(x) = xn+i v'(x) = (n+ l)xn
la formule d ' intégration par parties, on obtient alors

"O
0
I n+2 1 1
xJl - x 2 X xn+ldx

[1 11 (l
r:::: 1 1

- 3 (l - n + nd X.
:::J
0 X
2)3/2 XX
n+l] +- - O - X
.2)3/2 XX
lfl 0 3

111 (1 -
,.-1
0
N
@
n ;- x2) xn J1 - x2 dx.
....., 3 0
r:
Ol
·;::
>
Cl.
On reconnaît I n dans une partie de l'intégrale obtenue. Quant à la partie restante,
0
u il se trouve qu'on retombe sur l'intégrale In+2 dont on était parti. Il suffit donc de
regrouper les termes du même type dans un même membre.

~1
. . . . d e I '.mtegrat1on,
Par 1meante . . on a a1ors I n+2 = -n +
- l (Jn - I n+2 ) . D ' ou,
' en regrou-
3
. 3 n+l n+l
pant les termes, la relation I n+2 = - - - - I n = --In.
n+4 3 n+4
 Exercice 10.5 Changements de variable affines 345

V3-1
dy
1
-2
1. Calculer .
-! 4y + 4y + 2
2

1 ex _ e-x
2. Calculer
1 _ ln ( 2 + x 2 ) dx.
1
r~12 r~12
3. On pose I = Jo cos2 udu et J = Jo u
sin2 du. Montrer que I = J et en
déduire leur valeur commune.

1. Le polynôme du second degré du dénominateur doit faire penser à la dérivée de

l 'Arctan d'une fonction affine.

Par une réduction sous forme canonique, on a 4y + 4y + 2 = (2y + 1) 2 + 1 et,

2
avec
le changement de varia ble affine non constant x = 2y + 1,

j.- r
,/3- 1 v'3
2
dy 1 dx [1 ] v'3 1 . 7r
_1
4 y 2 + 4y +2 = } x 2 + 12 = 2 Arctan x 0
= 2 Arctan Vs = 6.
2 0

2. L'intégrande étant for t compliqué (pas de primitive simple à« sortir du chapeau»),

on s'intéresse à sa parité en espérant pouvoir conclure sans avoir à invoquer de pri-
mitive.

En notant g l'intégrande, on a, pour x E [-1, 1].

e - x - e - ( - x) ex - e - x
g(-x) = ln (2 + (- x)2) = - ln (2 + x2) = g(x) .
Ainsi g est impa ire, comme le segment [-1, 1] est symétrique par rapport à 0, on va
vérifier que l' intégrale est nulle. Avec le changement de variable affine non constant
y = -x, on obtient
"O
0
r::::
:::J
j ·O
- 1
g(x)dx = ;·O
- ( - 1)
g(-y) X(-l)dy = tJo g(-y)dy = - Jot g(y)dy.
0
lfl D'où , en uti lisant le relation de Chasles,
,..-1
0 1 1 1 1
N
@
.....,
r:
Ol
1 -1
g(x)dx = 1 °g(x)dx+ 1
-1 0
g(x)dx = - 1 g(y) dy+1 g(x)dx =O.
0 0

ï:::
>-
Cl.
0
u
f L'intégrale d 'une fonction impaire sur un segment symétrique par rap-
port à 0 est nulle.

3. L'égalité est basée sur les propriétés de symétrie des fonctions trigonométriques sin
et cos à savoir cos(~ - x)
= sinx pour tout réel x.
 346 Chapitre 10 Intégration des fonctions d'une variable réelle

Avec le changement de variable affine non constant u = ~ - x, on a

;·11:/2 - tr /2 j'1r/2
1= j •tr

0
/2 2
cos udu=
tr/2 - 0
cos 2 (~-x)x(-l)dx=
0
2
sin xdx=J.

Le calcul des intégrales repose alors sur la relation cos2 x + sin2 x = 1.

Par ailleurs, par linéarité de l'intégration,

•tr /2 1 ·11: /2
l+J= j0
2 2
[cos ·u+sin ·u)<l-u=
0
du= ~.
2
D'où I = J = ~(I + J) = ~.
2 4

1. En effectuant le changement de variable r = e-z, vérifier que

ln2 Je_ l

-rr/ 2
1
1
o
e- z exp (-e - z) dz =

u
e
.

2. Calculer
1 0 3 + 5cosu
du en posant x =tan - .
2

3. À l'aide du changement de variable x = sinB, déterminer 1 1

J1 - x 2 dx.

1. La nouvelle variable est exprimée en fonction de l'ancienne, la seule difficulté est

donc de reconnaître dans l'intégrande actuel e- z exp (-e-z) la forme h('tj; (z))'t/J'(z)
produit de la dérivée de la fonction de changement de variable par la composée de la
fonction de changement de variable avec le nouvel intégrande h.
"O
0
r::::
:::J La fonction 7f; : z i--+ e-z est de classe C 1 et 7/J' : z i--+ -e- z étant strictement négative,
0
lfl
,.-1
7f; réalise une bijection strictement décroissante de [O, ln 2] sur [7/;(ln 2) , 7/;(0)] = [ ~, 1J
0
N
@
et la fonction h: ri--+ e- r est continue sur le segment [~ , 1J donc, d'après la formule

2 ;·l ;·l
....., de changement de variable,
r:
Ol

i
ï:::
> 1·ln2 e-z exp (-e-z) dz = ·ln
-h(7f;(z))7j;'(z)dz = h(r)dr = e-rdr
Cl.
0 0 1/2 1/2
u
= [ -e -r) 1/2
1 ' = _ ! + _..!._ = Ve - 1.
e Je e

Remarquons que, dans ce cas, on pouvait écrire la réciproque de 'lj; donc on disposait
de la formule de changement de variable dans l'autre sens z = - ln r, cela pouvait
simplifier les calculs.
 Exercice 10.6 Changements de variable 34 7

2. Même technique si ce n'est qu'il faut utiliser les formules de duplication pour faire
apparaître du tan~ dans cos u et.

Tout d 'abord, on remarque que, par la formule de duplication du cos,

1 - tan 2 ·u2
cos u = cos2 -u - sm
. 2 -u = cos2 -u ( 1· - tan 2 u)
- = ·u .
2 2 2 2 1 + tan 2 2

Par ailleurs <p : u H tan~ est de classe C1 sur [ 0, ~] et sa dérivée

<p f : u H 21 (1 +tan2 u)
2 . .
est toujours strictement pos1t1ve d e sorte que <p rea ..
, 11se
· une

bijection strictement croissante entre le segment [ 0, ~J et le segment [O, 1J. D 'où,

puisque
7r/2 1 7r/ 2 1 1 + tan 2 ~
1 0
- - - -du
3+5cosu
=
1 0
2
------~,--=..2
du
3 + 5 cos u 1 + tan ~
2

=
1 0
7r/ 1
3 + 51-<p(u)~ l+i.p(u)2 u
l+cp(u)2
1
2i.p'(u) d

1
tr/2 f

o 8 - 2i.p(u)2 2i.p (u)d·u

1 7r/2 4 - ~(u)2 <p' (u)du

1
et que la fonction x H ,, est continue sur [i.p(O),i.p(7r/2)] = [O, l], la formule de
4 - x-
changement de variable donne

/"tr/2 1 du= {"1 1 2dx.

jO 3 + 5 COS U jO 4- X

Pour conclure, il reste à écrire le dernier intégrande comme une combinaison linéaire
de fractions dont on connaît une primitive (il s'agit d'une décomposition en éléments
simples*), on cherche donc sur son brouillon deux réels a et b tels que
"O
0 a b
r::::
:J
1
- - -1- - - = ~~ + ~~
0 4- x2 (2 + x)(2 - x) 2+x 2- x
lfl
,.-1

~ une fois qu'on les a déterminés, il suffit de réduire au même dénominateur le résultat
@
.....,
obtenu pour vérifier qu'il convient .
r:
Ol
ï:::
> Or _1_ + _1_ = 2 - X+ 2 +X = 4 , done
Cl.
2+x 2- x ( 2 + x )( 2 - x ) 4 - x2

1
0
u
2 1

1 0
n/ 1 -du= -1
--
3 + 5cosu 4 0
[
-1- + -1- ] dx
2+x 2- x
= -
1 [ln(2 + x) - ln(2 - x)] l = -1 ln3.
4 ° 4

*· Dans sa généralité, la notion de décomposition en éléments simples est hors programme.

 348 Chapitre 10 Intégration des fonctions d 'une variable réelle

3 . Ce coup-ci, c'est l'ancienne variable qui est exprimée en fonction de la nouvelle.

·b
On reconnaît donc dans l'intégrale la forme j a j(x)dx avec f continue que l'on sou-
·f3
haite transformer en ja j(<p(t))<p' (t)dt en « remplaçant» x par <p(t) = sin t et, par

conséquent, dx par <p1 ( t )dt. La seule difficulté est ici de trouver a et /3 qui sont des
antécédents de a = 0 et b = 1 par <p = sin. On voit qu'on peut prendre a = 0 et
/3 -- "!__
2·

La fonction sin est de classe C 1 sur [o, ~] , à valeurs dans [O, 1] et la fonction
f :x i---+ JI - x 2 est conti nue sur [O, 1] donc, d 'après la formule de changement de
variable,

t t ; ·tr/2
Jo JI - x 2
dx Jo f(x)dx =
0
f(sin ())sin'() d()

= }
ttr /2 J 1 - sin 2 () cos () d() = }
/"tr/2
1 cos () 1 cos () dO.
0 0

Or, sur [ 0, ~], cos~ 0 donc, en utilisant les formules de duplication

1 Ji - x2 dx = 1n/2 cos2 ()dB= 1n/2 1 + cos(W) dB= [~ + sin(W) ] n/2

10 0 0 2 2 4 0

1. Calculer la limite lorsque n tend vers +oo des suites de terme général suivant

n-1 l n 1
a. L . .;n2 +kn; b. nL nk=l
2
+
k2;
k=O
"O
0
r::::
:::J
0 2. Écrire une fonction Scilab qui prend comme argument (f, a, b, n) et retourne

1b f
lfl
,.-1
0
N une valeur approchée de l'intégrale à l'aide de la méthode des rectangles,
@
....., où n est le nombre de rectangles utilisés .
r:
Ol
·;::
>
Cl.
0
u
1.a. On commence par faire apparaître k uniquement sous la forme 15_ dans le terme
n
1 1
général de la somme = puis on factorise par n 2 sous la racine
2
.../n + kn + ~n2 Jn2
1
carrée ce qui a ura pour effet de faire apparaître le facteur que l'on sortira de la
n
 Exercice 10. 7 Sommes de Riemann 349

1 n-
somme. On obt iendra alors bien une somme de Riemann du type ~ L l (k) que
f ~
k=O
le théorème sur les sommes de Riemann dit convergente vers Jo f(x)dx. /1

Soit n EN* ,
n- l n- 1 n- 1

L ,,;n2l+ kn
k=O ~ Jn2~ ~n2 = ~ M~
n -1 n- 1
1 1 1
2=nJT+1 = ~ 2= Jl+1.
k=O n k=O n

En introduisant la fonction x H ~ continue sur [O, 1], le t héorème sur les sommes

de Riemann donne que la suite de t erme général précédent converge vers 1 ~.

o
1

1+X

Il s'agit maintenant de calculer cette dernière intégrale. Ici, l'intégrande est du type
1 (1 + x)<l:+l
x r-+ (1 + x )a où a = -- et on se souvient que x r-+ en est une primit ive
2 a + l
u'
(alternativement, on peut remarquer qu'on a ici la forme JU).

·1 ;·l [( )l ]l =
l+x2
1ov'I+X
---dx
1

n- 1
=
o
(1
i
+ x)-2 dx =
2
1
o
2.J2- 2.

Finalement: lirn ""°'

n -Hoo.L...r ,,/n 2
1
+ kn
= 2(-h - 1) .
k=O

1.b. Ici encore, on fait apparaître ~ dans le terme général de la somme (ce que l'on
n
k 1
"O peut t oujours faire artificiellement en écrivant k = n - ) et le facteur - apparaîtra
0
r::::
n n
:::J alors de lui-même devant la somme après factorisation par n 2 au dénominateur.
0
lfl
,.-1
0 Soit n EN*,
N
@ n n l n
....., 1
r: nL n2: k2 nL =n2=_!_ x
Ol
·;:: k=l k=l n2 + n2 ( ~ ) 2
k=l n2 1+ (~ ) 2
> n n

u
Cl.
0 n""°' 1 1 "'
n2 .L...r l + (k)2 = ~ .L...r l + (k) 2
1
k=l n k=l n

~tf (~)
k=l
1
où f :x H est continu e sur [O, l].
1 +x 2
 350 Chapitre 10 Intégration des fonctions d 'une variable réelle

Par le t héorème sur les sommes de Riema nn , on a donc :

n
.
11m
n4+oo
n Ln 2
i
+ k2 = lim
n4+oo n L
.!. ~f (~)
n
1
1 +x2
dx
k=l k=l

[Arctan x]~ = Arctan 1 = ~.

1
1.c. En distribuant, c'est-à-dire en « rentrant » le facteur - dans la somme, on trouve
n
une expression du type t f (~)
k=l
et on fait apparaître une somme de Riemann en

écrivant : Ln i (k)
; :;, = n x ;;:;,1 Ln f (k)
; :;, .
k= l k= l

Soit n EN*,

1
nL
~k-e - "=
];;. ~ k - ];;.
L ne "'=nx
( 1 ~k
n L n6
- ];;. )
n ·
k=l k=l k=l

On int roduit la fonction f :x t-1 xe-x continue sur [O, 1] et, par le théorème sur les
sommes de Riema nn ,
n 1
lirn
n4+oo
.!. "" ~e-k/n =
n L
k=l
n 1 0
xe- xdx.

Cette intégrale se calcule aisément par intégration par parties mais il est en fait
"O
0 inutile de la calculer et nous nous contenterons de déterminer son signe pour pouvoir
r::::
:::J conclure.
0
lfl
,..-1
0
N
@
.....,
r: On a, comme f est continue et positive sur [O, 1] mais non identiquement nulle, par
1
Ol
·;:: 1
>
Cl.
0
stricte positivité de l'intégrale, xe- xdx > 0 et donc
u

~tke- ~ ~
k=l n 4+oo
n1 0
1

xe- xdx

si bien que lirn

n4+oon
.!. Lke-
n
~ = lim n
n4+oo
1·I xe- xdx = +oo.
k=l 0
 Exercice 10. 7 Sommes de Riemann 351

2 . La méthode des rectangles consist e à approcher une intégrale par une somme d'aires
de rectangles

i.e. à approcher la quantité lb f(t)dt par les sommes de Riemann associées à f sur
le segment [a, b]

b- a ~
----:;;- ( b- a)
~ f a + k---:;;- et
b- a ~
-- ~ !
n
(a+k--
b- a
n
).
k=O k= l

En suivant ces formules, on est conduit à l'une des fonctions suivantes.

function I=MethRectG(f,a,b,n) function I=MethRectD(f,a,b,n)

I=O; x=a; h=(b-a)/n; I=O; x=a; h=(b-a) / n;
for k=1:n for k=1:n
I=I+f(x); x=x+h;
x=x+h; I=I+f(x);
end end
I=I*h; I=I*h;
"O
endfunction endfunction
0
r::::
:::J
0 En profitant du traitement matriciel de l'évaluation des fonctions propre à Scilab,
lfl
,.-1
0
on peut même proposer un code plus compact.
N
@
....., function I=MethRectG(f,a,b,n)
r:
Ol
·;:: t=linspace(a , b,n+1);
>
Cl. I=sum(f(t(1:n)))*(b-a)/n;
0
u endfunction

function I=MethRectD(f,a,b,n)
t=linspace(a ,b ,n+1);
I=sum(f(t(2:n+1))) * (b-a)/n;
endfunction
 352 Chapitre 10 Intégration des fonctions d 'une variable réelle

Toutefois cela requiert que la fonction f soit compatible avec l'évaluation matricielle,
en particulier les opérations multiplicatives qui y apparaissent doivent systématique-
ment être «pointées» (. *, . /et . ~) pour éviter toute mauvaise interprétation, comme
dans les exemples suivants pour la fonction
sinx
Xf--7 2 .
1 +COS X

deff("[y]=f(x)","y=sin(x)./(1+cos(x).~2)"); //syntaxe compatible

function [y]=g(x)
y=sin(x)./(1+cos(x).~2); //syntaxe compatible
endfunction
function [y]=h(x)
y=sin(x)/(1+cos(x)~2); //syntaxe non compatible
endfunction
On peut en réalité se passer de la nécessité d'avoir une fonction compatible avec
l'évaluation matricielle en utilisant l'instruction feval qui évalue une fonction sur
chaque coefficient d 'une matrice et qui s'utilise ainsi : feval (x, f) où f est la fonction
et x une matrice. On peut alors proposer la solution suivante.

~ function I=MethRectG(f,a,b,n)
t=linspace(a,b,n+1);
I=sum(feval(t(1:n),f))*(b-a)/n;
endfunction
et
function I=MethRectD(f,a,b,n)
t=linspace(a,b,n+1);
I=sum(feval(t(2:n+1),f))*(b-a)/n;
endfunction

Les fonctions que l'on vient de définir renvoient une valeur approchée de l'intégrale
lb J(t)dt, à l'aide d'une somme de lliemann Sn calculée sur n rectangles. On sait
"O
0
que, lorsque j est de classe C1 sur [a, b], la dérivée f' est bornée sur [a, b] et, d 'après
r::::
:::J l'inégalité des accroissements finis, en notant Mun majorant de lf'I sur [a, b], on a
0
lfl
,..-1
'V(x,y) E [a,b] 2 , lf(x) - f(y)I ~ A1lx -yl.
0
N On montre alors que
@
.....,
r:
Ol
Sn - ;·b f(t)dt
a
~ M (b -
2n
a)
2

ï:::
>
Cl.
0 Ainsi si l'on souhaite fixer la précision t: du calcul approché par une des fonctions
u Scilab que l'on vient d 'introduire il suffit de fixer n de sorte que
(b- a)2 1 n::::: ~1(b - a)2
M --- ~ t: i.e. te que ~ 11
2n 2t:
 Exercice 10.8 Un exemple de suite définie par une intégrale 353

Exercice 10.8 : Un exemple de suite définie par une intégrale

1
Pour n EN , on pose In = fo (1 - tre- tdt. 2

1. Montrer que la suite Un) est bien définie.

2. Étudier les variations de la suite Un)·
3. Déterminer le signe de In, pour tout n E N. Justifier alors que la suite Un) est
convergente.
1
4. Montrer que pour tout n E N , 0 :::; In :::; - - . En déduire la limite de la
n+l
suite Un)·
5. A l'aide d'une intégration par parties, montrer que pour tout n E N,
2In+l = 1 - (n + l) In.

1. Il convient tout d'abord de vérifier la continuité de l'intégrande sur le segment

d'intégration pour obtenir que l'intégrale a un sens.

~1
Les théorèmes généra ux de l'analyse assurent que pour tout n E N , la fonction
t H (1 - tre- 2t est continue sur le segment [O, 1], ce qu i prouve l'existence de
l'intégrale In .

2. Tout d'abord lorsqu'on veut étudier les variations d'une suite quelconque la mé-
thode générale consiste à déterminer le signe de In+l - In. Si de plus on a affaire
à une suite d'intégrales In =lb f n (t) dt, on utilise la linéarité de l'intégration pour
écrire :
In+l - In =lb [fn+l (t) - fn (t)] dt

puis on étudie le signe de fn+l (t) - fn (t) pour tout t E [a, b] et on conclut grâce à la
"O positivité de l'intégration t.
0
r::::
:::J
0 Pour tout n EN,
lfl
,..-1
0
N
In+i - In 1 1
(1 - tt+ 1 e- 2 tdt - 1 1
(1 - tte- 2 tdt
@
.....,
r:
Ol
·;::
= 1 1
[(1 - tt+ 1 e- 2 t - (1 - tte- 2t] dt (par linéarité de l'intégration)

u
>
Cl.
0
1 1
(1 - tte- 2 t (- t) dt.

Or, pour tout t E [O, l ], (1-t)ne- 2 t (-t) ~ 0 si bien que, par positivité de l'intégration ,
In+i - In ~ O. Ainsi, la suite (In) est décroissante .

t. Une variante de cette méthode consiste à comparer fn et fn +1 sur le segment [a, b] et à conclure
grâce à la croissance de l'intégration.
 354 Chapitre 10 Intégration des fonctions d'une variable réelle

3 . Si on veut montrer l'inégalité lb f (t) dt~ a, on met en évidence une fonction g

continue sur le segment [a, b] qui vérifie les deux conditions suivantes :

f (t) ~ g (t), pour tout t E [a, b] et lb g(t)dt =a

puis on conclut grâce à la croissance de l'intégration.

~I
2
Pour tout n E Net tout t E [O, l ]. (1 - tre- t ;?: 0 et, par positivité de l'intégration ,
In ;?: O.
On remarque que seule la convergence est demandée et pas la limite ce qui incite à
utiliser le théorème de la limite monotone. En relisant ce qui a été précédemment
obtenu, on constate que (In) en vérifie bien les hypothèses.

~I La suite (In) est décroissa nte et minorée (par 0), donc (In) est convergente d 'après
le théorème de la lim ite monotone.
4. Il s'agit d'établir un encadrement avec une intégrale donc on utilise à nouveau
la méthode décrite à la question précédente. On pourrait majorer l'intégrande par
1 mais cette majoration serait trop grossière. On essaie souvent de majorer par une
puissance dont l'intégrale est simple à calculer.

Pour tout t E [O, 1] et tout n E N, 0 ~ e- 2 t ~ 1 et (1 - tt ;?: O. On a donc

0 ~ (1 - tyie- 2 t:::;; (1 - tr et, en util isant la croissance de l' intégration sur [O, 1], on
·1 1·1 [ (1 - tyi+1] 1
obtient 0:::;; In:::;;

on déduit 0:::;;
1
In~
o
(1 - ttdt. Or

- -.
1
o
(1 - ttdt = -
n+l
1
= - - dont
o n+1

n +l
1
D'autre part, lim - - = 0 et d'après le théorème d'encadrement lim In = O.
n-++oo n +1 n-++oo

5. Les intégrandes de I n+I et de I n sont respectivement de la forme Pn+I (t) e- 2 t et

Pn (t) e- 2 t donc, pour exprimer In+l en fonction de I n, on effectue une intégration
par parties dans laquelle on dérive le polynôme pour faire diminuer son degré et on
primitive la fonction exponentielle.
"O
0
r:::: - 2t
:::J 6
u·ti--+- -2-

~
0
On cons;dère les foncfons { . qu i sont de classe C 1 sur [O, l].
lfl
,.-1
0
V : t H (1 - tr+l
N
@
.....,
0n a { u' : t H e - 2t
et par intégration par parties :
r:
Ol v' : t 1--7 - (n + 1) ( 1 - tr
ï:::
>-
e~"]: -[ e~" dt
Cl.
0
u ln+> [ - (1 - t)"+' (n + 1) (1 - t)"

1 n+1
2- -2-In .
Finalement, on obtient bien 2In+i = 1 - (n + l)In.
 Exercice 10.9 Un exemple de fonction définie par une intégrale 355

On considère la fonction définie sur JR* par : f(x) = 1X

2
x
Jt4 + t2
1
dt.
1. Montrer que f est bien définie et impaire.
1
2. Montrer que 0 ~ f(x) ~ x, pour tout x de JR+ et en déduire la limite de f
2
lorsque x tend vers +oo.
3. Montrer que f est de classe C1 sur JR+, calculer sa dérivée et en déduire les
variations de f sur JR+ .
4. Montrer que f(x) ~ln (2), pour tout x de JR+ et en déduire que f admet une
limite finie à droite en 0 (on ne demande pas la vd.leur de cette limite).

1 . Une fonction h est impaire si et seulement si elle est définie sur une partie V de lR
centrée en 0 et pour tout x EV, h (- x) = - h (x).

1
Tout d 'abord vérifions que f est bien définie sur IR*. La fonction t f--7 est
Jt4 + t2
continue sur IR*.

• Si x > 0, alors le segment [x, 2x] est inclus dans IR~ et 1X

2
x
Jt4
1
+ t2
dt existe en

tant qu 'i ntégra le d ' une fonction continue sur un segment.

• Si x < 0, alors le segment [2x, x] est inclus dans IR':. et 1 X

2
x
Jt4
1
+ t2
dt existe

pour la même raison.

Pour étudier la parité d'une fonction définie par une intégrale la méthode générale
consiste à effectuer le changement de variable <p (t) = - t sur l'expression intégrale
de f (- x) . La parité de l'intégrande nous permet alors de comparer très facilement
"O
0
f (- X) et f (X).
r::::
:::J
0
On pose cp (t) = - t. Le changement de variable u = cp(t) = - t est affine non
lfl
,.-1
0
constant donc par le théorème de changement de variable, pour tout x E IR*,
N
@
.....,
r:
Ol
f (- x) j-x •- 2x --;::::=
l = dt= / 2x
Jt4 + t2
1
}x J( - u)4 + (- u)2
(-l)du

ï::: •2x l
>
u
Cl.
0
-
J. x V'u4 +u2
du= - f(x).

Finalement f est impaire sur IR*.

2. Lorsqu'on veut étudier une limite d 'une fonction définie par une intégrale, la stra-
tégie consiste à utiliser la croissance de l'intégration, pour établir une inégalité ou
un encadrement, puis à conclure grâce à un théorème sur les limites (comme ici le
théorème d'encadrement).
 356 Chapitre 10 Intégration des fonctions d'une variable réelle

1 1 1
Soit x E ~+. pour tout t E [x, 2x], 0:::;; :::;; c;;t = t 2 ·
)t4 + t2 yr, 4·
2x 1
Ainsi,
2
par croissance

2
de l'intégration, Ü:::;; f(x):::;;
1 X t2dt, avec

1X

Comme
x
2
t
1
ctt = [ - -1 ]

lim
t
~
x
x 1
x 2x
1 1
. Et on obtient bien : 0:::;; f(x):::;; - - - = - .
2x
= 0, d'après l'encadrement précédent et le théorème d'encadrement
x-++oo2x
ona: lim f(x)=O.
x-++oo
v(x)
3. Si on veut étudier la classe d 'une fonction du type
donner une expression de <p sans le signe d'intégration. Pour cela on considère G
<p: x r----+
1 u(x)
g (t) dt, il faut

une primitive de g , alors <p(x) = G(v(x)) -G(u(x)). Grâce à cette écriture et aux
théorèmes généraux, on peut déterminer la classe de <p et calculer sa dérivée.

La fonction g : t ri
1
est continue sur l'intervalle ~+ et à ce titre on peut
)t4 + t2
considérer G une primitive de g sur~+. Ainsi, pour tout x E ~+.
f (x) = G (2x) - G ( x) .
Gest de classe C 1 sur~+ en tant que primitive d'une fonction continue sur cet inter-
valle et par suite, par composition avec la fonction affine x r i 2x et par soustraction,
f est de classe C1 sur ~+ . De plus, pour tout XE~+.
f' (x) 2G' (2x) - G' (x) = 2g (2x) - g (x)
2 1 1 1
)I6x + 4x
4 2 )x + x
4 2 )4x + x 2
4 )x4 + x2
Comme pour tout x E ~+. )4x4 + x 2 > )x 4 + x2, on a J' (x) < 0 et on en déduit
que f est strictement décroissante sur ~+.

4. On utilise la méthode exposée à la question 2 et on conclut cette fois-ci grâce au

théorème d'existence de limite pour les fonctions monotones.
1
~+ et tout t :::;; ~ ~.
~
Pour tout x E E [x, 2x], = Ainsi, par croissance de
)t4 + t2
"O
0
r::::
yt2 t
0
:::J

lfl
,..-1
l'intégrale, f(x):::;; 1zx~dt 1zx~dt= avec [ln (t)J;x =ln (2). Et on obtient bien :
0
N
f (x):::;; ln (2).
@ La fonction f est décroissante et majorée sur ~+ donc, par le théorème de la limite
....., monotone, elle admet une limite finie à droite en O.
r:
Ol
·;::
>-
Cl.
0
u
 Exercice 10.10 Nature d'intégrales impropres 357

Déterminer la nature des intégrales impropres suivantes (avec /3 > 0 et en

procédant à une intégration par parties dans la dernière) :

11/2 dz 1+00 u e-u4 du;2 1+ 00 lnt

1. 2. 3. dt·
o z lln z l,6' -OO
o t + e-t ,

00 lnx
1+ 1+00 cos(/3t)e- t dt; 1+00 sin(x2)dx.
2 l dx;
2
4. 5. 6. - oo
0 X - 0

1 . On commence par localiser les impropretés par défaut en mentionnant avec pré-
cision (bords compris ou non) sur quel intervalle l'intégrande est continu. Ensuite,
quand une primitive est connue, on s'intéresse à sa limite en l'impropreté.

1
La fonction z t-7 f3 est conti nu e sur J0, -21 J et, pour ê E 0, -
2·
J 1
J,
z lln zl

1;2 __ d
z~ -
11;2 d
z _
{ [- (-lnz) - .8+1]1;2
-{3 +1
sif3#1

1 e zllnzl/J - e z( - In z).B - [
- ln lln z l
] 1;f
si {3 = 1
e:

Or li/i" (ln o llnl ) = +oo et liÔn( - ln) -P+' = { +: si /3 < 1

si {3 > 1
donc l'intégrale

1/2 d

1 0
_ _z_ converge ssi /3 > 1.
z lln z l/3

"O
0 { 1/2 dz (- ln ~) -1'.Hl - 1
r::::
:::J Dans ce dernier cas, l'intégrale vaut Jo z lln zl,6 - /3 + 1 (/3 _ 1)(ln 2 )/3-1 ·
0
lfl
,..-1
2. En plus de sa continuité, les propriétés de parité de l'intégrande aident à diviser le
0
N nombre d'impropretés à étudier car, avec le changement de variable affine t = -u, on
@ constate que les impropretés en a > 0 et en -a donnent naissance à des intégrales de
.....,
r: même nat ure tout comme les impropretés à droite et à gauche en 0 ou les impropretés
Ol
·;:: aux deux infinis.
>
Cl.
0
u
~
4
La fonction u t-7 u 2 e-·u est continue, positive et paire sur ]-oo, + oo[ donc l'intégrale
~ 1+00 u e-u du
- oo
2 4
ne comporte que deux impropretés à savoir ± oo et les intégrales

1+00 u
.
impropres
j ·O

- OO
4
u 2 e - u du et
Ü
2 - u4
e
A
du sont de meme nature.
 358 Chapitre 10 Intégration des fonctions d'une variable réelle

Pour les impropretés aux infinis, on utilise très souvent le critère de Riemann+ suivant:
•+oo
si lim ta f(t) = 0 avec a > 1, alors
t~ +oo
j 1
f(t)dt est (absolument) convergente.
N'étant pas officiellement au programme, il s'agit toutefois de le redémontrer à chaque
fois via le t héorème de comparaison par négligeabilité et le recours aux intégrales de
Riemann en + oo.

Par croissances comparées, lim Ue-u = 0 et , par composition de limites avec

U-++oo
.
1im u 4 = +oo, on o btient
. que 1.im u 4 e - ·u4 = Ü 1.e.
. u 2 e -u4 = o ( 1) . 0r
u-++oo u-++oo u-++oo 2U

J+oo d~ est une intégrale de Riemann en + oo convergente (car 2 > 1) donc, d 'après
1

le t héo:me de compaca;son pac négl;gea b;l;té, l.+= u2 e - u' du est convecgente.

;~:
00
4
Finalement, l' intégrale u 2 e- u du converge.

3. On commence toujours par identifier les discontinuités de l'intégrande.

~1
La fonction t H
t +lne-t t est continue sur ]O, + oo[ en tant que quotient des deux
fonctions ln et t H t + e- t cont inues sur JO, +oo[ et dont la dernière ne s'annule pas
sur cet intervalle (elle y est strictement positive).

On pourrait voir à l'aide du théorème de comparaison par équivalence que l'impro-

preté en 0 donne naissance à une intégrale convergente puisque l'intégrande est équi-
.1
valent en 0 à ln et j0
ln converge. Toutefois, comme l'impropreté en + oo produit une
divergence, on va se contenter de traiter cette dernière impropreté.

En +oo, ln t ,...., ln t . Or pour T > 1 JTlnt t dt = [(ln t)2] T= ~ (ln T)2

t + e -t t-+ + oo t ' ' 2 2
"O
0
r::::
et Hm ~(ln T) 2
= + oo donc nntégcale d';ntég:ande pos;t;f l.+=ln~ dt est d;vec-
0
:::J

lfl
,..-1
0
N
ge::+:c2compaca;son pac équ;va lence, ;1 en va de même pouc f
1

1
+= t lot , dt.
t + e-
@ En conclusion, l'intégra le impropre (en 0 et en +oo) 1o+oo t +lne-t t dt d iverge.
·;::
>-
c.
4. Ce coup-ci, l'intégrande présente une discontinuité à l'intérieur de l'intervalle d'in-
8 tégration qui s'avère être une fausse impropreté.

~I La fonction x H
X
~nx
- l
est continue sur ]O, l[U]l , +oo[.

+. À rapprocher de la méthode utilisée pour les séries, voir la question 9.3. 3 en page 312.
 Exercice 10.10 Nature d'intégrales impropres 359

Pour les impropretés à gauche et à droite en 1. comme lnx ,...., (x - 1), on obtient
x-+l
.
que 1un ln X = -1 autrement d"1t 1•·mtegran
' d e est pro 1ongea bl e par contmu1te
. . ' en 1
x->l X 2 - 1 2
1 et 1 est donc une fausse impropreté (aussi bien à gauche qu 'à droite) .

Les deux bords de l'intervalle d'intégration sont aussi des impropretés que l'on traite
par comparaison soit avec des intégrales de référence soit avec des intégTales de nature
facilement décidable par primitivation.

12
Quant à l'i mpropret é (à droite) en 0, on a ~n x ,...., -
x - 1 x->o
ln x . Or
}
/1 ln converge
0
pu isque la primitive x H x ln x - x de ln sur ]O, +oo [ admet une lim ite finie en 0 (par
croissances comparées) donc, d'après le t héorème de comparaison par équivalence pour

les intégrales de fonctions positives, 1 O

112

X
~nx- 1 dx converge elle aussi.
3/2 lnx ln x
Enfin , concernant l'impropreté en +oo x ,. . ., et, par principe
' x2 - 1 x->+oo Vx
,
des croissances comparees, on en de'd uit que .
1im x 3/2 ln X
0 autrement dit
x-++oo x2 - 1

X
-~n X 1
-
= 0 ( ;/2). Or
x-+ +oo X }
r +oo
X
~~2 qu i est intégrale de Riemann en +oo est
2

convergente (car ~ > 1) donc, ~ar comparaison par négl igeabil ité pour les intégrales

c . . . r +oo ln X d
d e 1onct1ons pos1t1ves, } 2
x converge.

r=;n ~~vecgente
2

En <ésumé, X dx e:t
la X - l

5. Là encore on commence par localiser les éventuelles impropretés. Ensuite, comme

l'intégrande n'est pas de signe constant au voisinage de +oo, on étudie l'absolue
convergence. Pour s'affranchir des oscillations des fonctions trigonométriques, on pro-
cède enfin par comparaison par inégalité avec une intégrale de référence liée à une
densité d'une variable aléatoire de loi normale s.
"O
0
r::::

~
2
0
:::J
t H cos(f3t)e- t est continue sur [O, + oo[ donc seule l' impropreté en +oo est à traiter.
~ ~ I~ ~ ~
2 2
lfl
,..-1 En outre, pour t 0, 0 lcos(f3t)e- t e- t (pu isque lcosl 1 et exp 0 sur
0

~)et 1
N
2
@ +oo e- t dt est convergente puisque l'intégrande est un mu ltiple d ' une densité
.....,
r:
Ol
·;::
>-
pour la loi norma le N ( 0, ~).
Cl.
0 D 'a près le théorème de comparaison par inégal ité pour les intégrales de fonctions
u 2
positives, on en dédu it que 1 +oo cos(/3t)e-t dt est absolument convergente donc
convergente.

§. On peut éviter de parler de loi normale en utilisant la négligeabilité par rapport à t H 1/t2 .
 360 Chapitre 10 Intégration des fonctions d'une variable réelle

6 . Après localisation des impropretés et compte tenu des oscillations (changements

de signe) de l'intégrande, on commence à regarder l'absolue convergence. Malheureu-
sement, la majoration trop naïve lsinl ~ 1 ne permet pas de conclure comme dans la
situation précédente.

~1
x r i sin(x 2 ) est continue et paire sur ]-oo, +oo[ donc il suffit d 'obten ir la convergence
+oo j +oo
de j1
sin(x2 )dx pour en dédu ire celle de
- OO
sin(x 2 )dx.

Il s'agit de gagner de la décroissance dans l'intégrande à l'aide d'une intégration par

parties. Or, décomposer l'intégrande en x r i 1 x sin(x2 ) en primitivant la première
partie et en dérivant la seconde génère l'intégrale de x r i x x 2x cos(x2 ) ce qui est
pire. Il faut donc faire le contraire, à défaut de connaître une primitive évidente de
x r i sin(x2 ), on va la compléter pour reconnaître la dérivée de x r i cos(x2 ) quitte à
compenser les facteurs surnuméraires.

Pour X > 1. en intégrant par parties à l'aide des deux fonctions de classe C1 sur
1
[1,X] que sont x ri cos(x 2 ) et x ri - de dérivée respective x r i - 2xsin(x 2 ) et
2X
1
X r i 2x2 ,

lx sin(x2 )dx 1 -2~ X

2
x (- 2x) sin(x )dx

1 2 ]
[ - 2x x cos(x )
X !X 2x1
- 2 x cos(x )dx
2

j
1
X
cos 1 _ ~
2 2
_ cos(X ) cos(x )
2X + 2 2
1
x2 dx.

L'intégrande et le crochet de primitivation obtenus possèdent alors une décroissance

suffisante pour conclure.

Or 1-co~C:- ) 2 ~
2
1 :::; et x~~oo 2~ = 0 donc, d'après le t héorème des gendarmes,
"O
0
r::::
.
hm
2
X ) = O. En outre, pour x ~ 1, 1cos(x
- cos(X
2
)1 ~
1
2X et
J+oo 2dx est
:::J x~ +oo 2 X2 1
X
0
une intégrale de Riemann en + oo convergente (puisque 2 > 1) de sorte que, par
lfl
·+oo co::( 2) est absolument convergente donc
j
,..-1
0
N comparaison par inéga lité, l'intégrale
@ 1
....., convergente .
r: Ainsi , en faisant tendre X vers +oo, on obtient
Ol
·;::
>
Cl.
0
.
1lffi Jx sm. ( 2)d X X =
cos 1
0 + -- - -
1 j +oo cos(x 2
) d
X
u X ~+oo 2 2 x2
1 1
+ oo
autrement dit j 1
2
sin(x )dx converge avec pour valeur la limite précédente.
+00
Finalement, l' intégrale
1 2
- oo sin(x )dx est convergente.
 Exercice 10.11 Valeur d'intégrales impropres 361

Montrer la convergence et déterminer la valeur des deux intégrales impropres

suiv-a.ntes :
1. 1+oo e-t cos t dt;
2. r+oo ---;::=du
= = (on procédera au changement de variable x = JI + eu).
Jo JI +eu

1. L'unique impropreté est vite localisée.

~I Tout d'abord , t i--+ e-t cost est continue sur [O, +oo[ donc seule l'impropreté en +oo
pose problème quant à la convergence de l'i ntégrale.

Ensuite l'intégrande est le produit d'une exponentielle et d'une fonction trigonomé-

trique, on doit donc penser à une intégration par parties puisque ces deux familles de
fonctions sont stables par primitivation et dérivation.

Pour T > 0, on procède à une intégration par parties à l'aide des fonctions t i--+ e- t
et sin qui sont de classe C1 sur [O, T] ce qui donne

Jor e- t cos tdt = [e- t sin t) ~ -

r - e - t sin tdt = e - T sin T - JorTe- t( - sin t)dt.
Jo
Avec ce résultat, on peut avoir l'impression de ne pas avoir avancé puisque l'intégrale
est du même type qu'au départ. Il faut alors réaliser une nouvelle intégration par
parties en faisant attention à ne pas défaire ce qui vient d 'être fait : on continue donc
à dériver l'exponentielle.

~ Avec une nouvelle intégration par parties,

"O
0
r::::
1T e- t( - sin t)dt = [e- t cos t ) ~ -1T-e-t cos tdt = e-T cos T-l+ 1Te-t cost dt
:::J
0 de sorte que
lfl
,.-1
0
N
1T e- tcostdt=e- TsinT-(e- TcosT -1+ 1T e - tcostdt).
@
.....,
r: L'intégrale cherchée apparaît dans les deux membres, il ne reste plus qu'à regrouper
Ol
ï:::
>
Cl.
ces deux occurrences du même côté.
0
u
Autrement dit,

1 0
T

Or, par inégalité triangulaire,

- t
e cœ
tdt
=
e- Tsin T- e - Tcos T +l
2
.

ie-T sin T - e-T cos Tl ~ e-T (lsin T l + lcos Tl) ~ 2e-T

 362 Chapitre 10 Intégration des fonctions d'une variable réelle

et lim e-T = 0 donc, d'après le théorème d'existence de lim ite pa r encadrement,

T--++ oo
+00 I

1
lim
T--+ +oo
(e-T sinT- e-T cosT) =O. Ainsi

2. Là encore, aucun problème pour localiser l'impropreté.

1 0
e- t costdt converge avec valeur - .
2

~1 Pour commencer, u i-t

JI +eu
I
en + oo est à étudier pour obtenir la convergence de l'intégrale.
est continue sur [O, + oo[ donc seule l'impropreté

Le changement de variable va être réalisé sur un segment via la formule

j
a
·b f(<p(u))<p'(u)du = ;·cp(b)
cp(a )
f(x)dx

et le processus requiert d'abord de préciser la régularité de la fonction de changement

de variable <p et de déterminer l'intervalle [a , b] et son image <p([a, b]) entre lesquels
elle réalise une bijection.

Pour U> 0, la fonction cp : u i-t JI + eu est de classe C 1 sur [O, U] de dérivée

' eu
cp : u i-t strictement positive donc elle réalise une bijection strictement
2JI + eu
croissante de [O, U] sur [cp(O) , cp(U)] = [ ./2, JI+ eV).
1
Il s'agit ensuite de reconnaître l'intégrande f : on veut avoir f (<p(u) )<p' (u) = ----;::::==
.Jl +eu
2
autrement dit f (.Jl + eu) = - . Pour récupérer alors le dénominateur eu
eu
à partir de
2
x = .Jl + eti, on comprend qu'il faut choisir f(x) =
X2 - l
. Ceci fait , on introduit la
fonction f dans la rédaction de manière faussement arbit raire.
2
En outre, la fonction f : X i-t
X
2
- I
est continue sur [./2, JI + eV] et
2 eu I
f (cp(u) )cp' (u) = x ----;::==
JI + eu 2
- I 2JI + eu (I + eu - I) JI + eu
'O donc, d 'a près la formule de changement de variable,
0
r::::
0
:::J

lfl
,.-1
ruJIdu+
} 0 e
u =
}o
ruj(cp(u))cp' (u)du = 1 <p(U) j(x)dx =
<p(O)
;·Vi+eU
v2
,;dx .
X - I
0
N
@ L'intégrale ainsi produite est plus facile à calculer que l'init iale, il suffit de penser à
.....,
r: , , 1 l', 1 1 1 d, 2
Ol genera iser ecriture k(k ) = -k - -k - - pour ecomposer correctement x i--+ 2
·;:: + 1 +1 X -l
>
Cl. et en trouver une primitive.
0
u
Pour x > I,
I I (x + I) - (x - I) 2
x - I x+I (x - I)(x + I) x2 - I
de sorte que
2d I ~
Ji+ eV r:-:-Tr
(E..=_)J .
1 v2
_2 _x_
x - I
= [ln(x - I) - ln(x + I)]v.i+eu
VZ
= [in
+I
X y'2
 Exercice 10.12 Autour de la décomposition en éléments simples 363

Comme 1n ( JI + eU -
JI + eV + 1
1) = 1n (1 -
JI + eV + 1
2 ) , par compos1t1on
. . d e 1·1m1tes,
.

lirn ln (
Jl + eV - 1 )
= 0 et, avec
J2 - 1 = ( J2 -
J2 2
1) , on conclut que l'inté-
U-++oo J1+eu+1 2+ 1
+ 00 d
grale
1
o Jl + eu
u est convergente avec pour valeur - 2 ln ( J2 - 1).

+ oo dt j·+oo t2

1.
On considère les deux intégrales impropres
1 0 1 + t4
dt.
i
a. Montrer la convergence de ces intégrales dont on notera I et J la valeur.
0
+ t 4 et

1
b. A l'aide du changement de variable t = - (que l'on justifiera soigneuse-
u
ment) , montrer que I = J.
2. a. Montrer que, dans IR[X], la factorisation de X 4 + 1 est de la forme
P+(X)P-(X) où P+ et p_ sont deux polynômes de degré 2 que l'on
précisera.
b. Déterminer (a+, b+, a_, b_) E IR 4 tel que :
1 a+t+b+ a_t+b_
Vt E IR, + ----
1+t 4 p + (t) p _ (t)
c. En déduire la valeur de l'intégrale /.
3. En effectuant le changement de variable x = t- ~ (que l'on justifiera soigneu-
t
sement) dans l'intégrale I + J, retrouver la valeur commune de I et J.

1.a. Une seule impropreté en +oo et les intégrandes y sont facilement comparables à
ceux d'intégrales de Riemann.
"O
0 1 t2
~
r::::
:::J Les fonctions rationnelles tet t H - -
H sont continues sur [O, + oo[
0 l+t4 l+t4
lfl pu isq ue le polynôme du dénomi nateur 1 + X 4 ne s'y annule pas. Seule l'impropreté en
,.-1
+oo est donc à étudier.
j+oo
0
N 2
@
1 t 1 dt
Pour t ;;;:: 1. 0 ~ - - ~ -- ~
2 . Or 2t est une intégrale de Riemann en
....., l+t 4
l+t 4
t 1
r:
Ol +oo convergente (car 2 > 1) donc, d 'après le t héorème de comparaison par inégalité
·;::
>- t2 ;·+oo dt
J
Cl. +oo
0 pour les intégrales de fonctions positives, --4
dt et -. - -
4
convergent.
u 1 l+t 1 l+t
Finalement,
+00 t2
+ t4 dt et
1+00 dt
+t4 sont convergentes.
10
1 0
1

1.b. On suit le protocole indiqué à l'exercice précédent: raisonnement sur un segment,

régularité de la fonction de changement de variable r.p, introduction de l'intégrande f
puis application de la formule de changement de variable et enfin passage à la limite
 364 Chapitre 10 Intégration des fonctions d'une variable réelle

lorsque les bornes tendent vers les impropretés. La bijectivité de <.p n'est pas nécessaire
puisqu'elle donne l'ancienne variable en fonction de la nouvelle. Ici 0 qui n'est une
impropreté pour aucune des deux intégrales doit être évité puisque la fonction de
changement de variable y présente une singularité.

Pour e> 0, la fonction cp : u H .!:. est de classe C 1 sur le segment Se = [e, 1/e] , est
u
1
' va 1eurs dans 1u1-
a . meme et de d'envee
. .
A
cp I : u H - u 2 . En outre, f : t H +1 t 4 est
1
continue sur Sê. Or, pour t > 0,

:2
•)
u-
f(cp('u))cp'(u) = - 1 1
1 + u4 '
1+- 'U4

Ainsi, d 'après la formule de changement de variable (en posant t = cp(u)),

•l/eI7 ;·;p(e) f(t)dt = ;·e f(cp('u))cp' ('u)du = ; · l/e
j e
d
=
+ ;p(l/e) 1/e e
u.
1 + U4
2
du.

En fa isant t endre e vers 0, on conclut alors que I = J.

2.a. La méthode la plus systématique consiste à factoriser le polynôme X 4 + 1 dans
C[X] puis d 'apparier les racines complexes conjuguées (qui ont nécessairement le
même ordre de multiplicité) pour obtenir la factorisation de X 4 + 1 dans IR[X ]. Cher-
chant les racines complexes de X 4 + 1 sous forme exponentielle rei 8 , on est ramené à
r 4 ei48 = -1 = e-in autrement dit, par identification des modules et arguments, r 4 = 1
1T 1T
et 48 = -?T modulo 2?T i.e. r = 1 et 8 = modulo Ainsi, il y a exactement
4 2
quatre racines complexes
-i1!. i ,5.,,. - i 3,.
Z1 = e 4' z2 = ei 4 = z1,
1I
et z4 = e 4 = e 4 = z3
de sorte que

X4 + 1 (X - z1)(X - z1) (X - z3) (X - z3)

[X2 - (z1 + z1)X +zizi] [X2 - (zs + z3)X + z3z3]
2 2
"O
0
[X 2 - 2 Re(z1)X + lz11 ] [ X 2 - 2 Re(z3) X + lz31 ]
r::::

2 cos ~ x
:::J
0 3
lfl
,..-1
[x 2 - + 1] [x
2
- 2 cos ; x + 1J .
0
N
@ Ici, on peut aussi astucieusement utiliser l'identité remarquable a2 + b2 = (a+ b) 2 - 2ab
.....,
r: puis a2 - b2 =(a - b)(a + b) .
Ol
·;::

~1
>
Cl.
0
X 4 + 1=(X 2 +1) 2 - 2X 2 = (X 2 + 1 - vf2X)(X 2 + 1 + vf2X) et les polynômes
u P+ = X 2 + ./2X + 1 et P _ = X 2 - ./2X + 1 sont effectivement de degré 2 et ne
2
possèdent pas de racines réelles pu isque leur d iscrim inant commun (±V2) - 4 = - 2
est strictement négatif.

2.b. S'il s'agissait d'obtenir aussi l'unicité des dits coefficients (a+, b+, a_ , b_ ), on
procéderait par analyse et synthèse. Après réduction au même dénominateur et dé-
veloppement des produits du numérateur, l'égalité espérée est équivalente, pour tout
 Exercice 10.12 Autour de la décomposition en éléments simples 365

t E IR, à

1 a+t 3 - V2a+t 2 + a+t + b+t 2 - V2b+t + b+

t4 +1 t4 + 1
a_t 3 + ,J2a_t2 + a_t + b_t2 + -J2b_t + b_
+ t4 +1 .

Les fonctions polynomiales des numérateurs des deux membres sont égales sur IR donc
elles ont les mêmes coefficients i.e.

a+ +a_ 0
-V2a+ +-J2a_ +b+ + b- - 0

a+ +a- -V2b+ +-J2b_ 0

b+ +b- 1

En soustrayant la première ligne à la troisième et la dernière à la seconde, ce système

se découple facilement en

a++ a_ - 0 b+ + b_ 1
1 et
{ a+ - a_ { b+ - b_ 0
V2
1 1
dont les solutions sont a+ = -a_ = V2 et b+ = b_ = 2.
2
Ceci conclut la partie « analyse » du raisonnement. La partie « synthèse » consiste
simplement à vérifier que les coefficients trouvés conviennent et cela suffit à répondre
à la question.

Avec a± = ±
2
1
V2 et b± = z,1 on a, pour tout t E ~.

"O a+ t + b+ a _ t + b_
0
r::::
:::J
P+(t) + P-(t)
0
lfl
1 [ t + V2 t-V2 ]
,.-1
0 2y12 t 2 + V2t + 1 t 2 - V2t + 1
N
@ 1 (t + V2)(t 2 - V2t) + (t + V2) - (t - V2)(t 2 + V2t) - (t - V2)
.....,
r: 2V2 t4 + 1
Ol
·;:: 1
> =
Cl.
0
t4 +i ·
u
2.c. La forme de l'intégrande obtenue à la question précédente doit permettre d'en
I

donner une primitive. Comme il s'agit de quotients, on pense à l'identité?:::_ = (ln lui)'.
u
On commence donc par transformer les numérateurs pour qu'ils s'apparentent aux
dérivées des dénominateurs.
 366 Chapitre 10 Intégration des fonctions d'une variable réelle

Pour t ~ 0,

1 1 [ t+../2 t - ../2 ]
1+ t 4 2../2 t2 + ../2t + 1 t2 - ../2t + 1
_1_ [ 2t + ../2 + ../2 - 2t - ../2 + ../2 ]
4../2 t 2
+ ../2t + 1 t + ../2t +
2
1 t 2
- ../2t + 1 t 2 - ../2t + 1

Ceci fait, les termes surnuméraires sont eux aussi habilement transformés pour prendre
u'
la forme 2 = (Arctan u)'.
u +1

= 1 [ 2t + ../2 2 ../2 2t - ../2 2 ../2 ]

t 2 + ../2t + 1 +
4../2 (../2t + 1)2 + 1 - t 2 - ../2t + 1 + (../2t - 1) 2 + 1
de sorte que, pour T > 0,
1 2
M" [1n(t + ht + 1) + 2 Arctan( V2t + 1)
4v2
2
- ln(t - ../2t + 1) + 2 Arctan( ../2t - 1) J:
_l_ (Tr2 - ../2T
4../2
1n
../2,T +
1)
2
+ +
1
+ Arctan( ../2T + 1) +Arctan( ../2,T - 1) t .
2../2

Il reste à faire tendre T vers +oo ce qui exige une dernière transformation d'écriture
pour lever les indéterminations.
2 2
Or T + ../2T + l rv T rv 1 et lim (,,/2T ± 1) +oo donc, par
T2 - ../2,T + 1 T -Hoo T 2 T -Hoo T -Hoo
continuité de ln en 1 et composition avec lim Arctan= ~,
+oo 2

1T~
7r 7r

f = r+ oo _d_t_ = lim = _l_lnl + 2+ 2 7r

j0 1 + t4 T - Hoo 0 1+ t 4
4../2 2../2 2..,/2"

3. Pour le changement de variable, on procède sur un segment en introduisant fonction

"O
0
r::::
de changement de variable 'ljJ et intégrande g.
:::J
0
lfl
,.-1
Pour A> ê > 0, la fonction '!/; : t H t- ~ est de classe C1 sur le segment S = [ê, A]
0 t
N
@
de dérivée '!/;' : t H 1 + t~ strictement positive sur S. A insi, elle est continue et
....., strictement croissante sur S donc, d 'après le théorème de la bijection , elle réa lise une
r:
Ol
·;:: bijection strictement croissante de S vers ['l/;(ê), 'l/;(A) ].
>
Cl.
0 Pour l'intégrande g, il s'agit de « résoudre»
u
t2 + 1
( 1) t t+ 1 (t- ~)t
2
t2 +1
g(1f;(t))1/J'(t) = t4 + 1 i.e. g t- - 2
i.e. g = 1 1 .
t t4 +1 t2 +-
t2

1
+. Cette d ernière fonction d e Test donc l' unique primitive de t H --
l+t4
sur R qui s'annule en O.
 +oo sin t
Exercice 10.13 Semi-convergence de -dt 367
0

(t - t1) 1
2
2
On trouve alors g en remarquant que = t - 2 + t2 .

1
En outre, g : x t--7 est continue sur lR et, pour t E S,
X 2
+2
2 +1
2
/ 1 ( 1) 1 t +1 t
g('t/;(t))1f; (t) = ( 1)2 1 + t2 = ' 1 t2 t4 + 1 ·
t - - + 2 t2 - 2+ ? + 2
t t-
D 'après la formule de changement de variable, on a alors

j·A
e
1 + t2
-
1 + t4
dt =
1A g(1/;(t))1f;'(t)dt = 1 ·1/J (A) g(x)dx = 1 •/.>(A)
e ,P( e) ,P(e ) X
dx
2
+2
.

On conclut par primitivation à l'aide de la formule 2

u = (Arctan u)'.
u +1
Par ailleurs,
dx
72 [1
j •"l/> (A)

,,(<)
dx l ,P(A) 1
x' + 2 = }•«> J2 ( ,:;) + = J2 Arctan J2 2
1
( X ) ] 1/> (A)

< (•) 1,

lim 1f;
+oo
= +oo, lim 1f;
o+
= -oo et lim Arctan (
x -+ ± oo y 2
~·) = ± ~2 donc, par composition

de limites, lim Arctan (

+oo y 2
~) = ~, lim Arctan ( ~)
2 o+ y 2
= - ~2 puis, par linéarité de

l'intégration,
/ +oo 1 + t2 1 7r 1 - 7r 7r
I +J = j0 1 + t4 dt = J2 2 - J2 2 = J2.
.
Finalement, comme I = J, I = -I +2- J = J2.
7r

+x sin/
Exercice 10.13 : Semi-convergence de --dt
"O
./ o I
0
r::::
:::J Le but de cet exercice est l'étude de la convergence et le calcul de la valeur Ide
0 +00 sin t
lfl
,.-1
0
N
l'intégrale
1 --dt.
0 t
2
J/(krrk+l)rr 1sint1
@
.....,
r:
1. a. Justifier que, pour tout k E N*, -t- dt ~
Ol
·;::
> +00 sint
u
Cl.
0 b. En déduire que
1 7r
--dt n'est pas absolument convergente.
t

§. Là encore, les primitives de t H

1 +t2
1
+ t 4 sur ]O, +oo[ sont donc t H
1
V2 Arctan
( 1
) t - -
V2t + C.
 368 Chapitre 10 Intégration des fonctions d 'une variable réelle

2 . 11lVlOntrer
,r 1a convergence d e 1+00 -sin-tdt (on pourra proce'der a, une mtegrat1on
. , .
0 t
par parties pour se ramener à une intégrale absolument convergente).
3. a . À l'aide d'un changement de variable affine, calculer la limite de
12 sin( (2n + 1)t)
i0
·'Tr
- - - - -dt quand n tend vers l'infini.

b. Pour n EN, on pose

t

In = {Tr/ sin((2~i + l)t) dt.

2

}0 smt
Justifier l'existence de In. Montrer que, pour tout n E N*, In - In-l = O.
En déduire la valeur de In pour tout n EN.
c. Montrer que, si f est une fonction de classe ci sur l'intervalle [a, b], alors
ln(!) =lb f(t) sin(nt)dt a pour limite 0 quand n tend vers +oo. *

d. En admettant t que la fonction définie par f(t) = ~- ~ pour t E ] 0, ~]

t smt 2
et f(O) = 0 est une fonction de classe ci sur [o, ~],déduire des questions
, 'dentes que I = 7r .
prece
2

1.a. Le but est d'obtenir une inégalité avec une intégrale. Elle provient très proba-
blement de la croissance de l'intégration. Il suffit donc d'établir une minoration de
,
l'integrande t r--+ 1sint
- t - 1 sur le segment [k7r, (k + l}7r]. Entre lsinl et t r--+ Ïtî'
1 c'est le

1
second qu'on choisit de minorer par (k ) .
~ + 1 1f
"O

~ 1si~t1 (~s: ;j7f

0

~
r::::
:::J Soit k E N*, pour t E [k7r, (k + l)7r], ;;;:: (k: l)7r donc ;;;:: puis,
0
lfl par croissa nce de l'intégration sur [k7r, (k + l)7r].
,..-1
0
N
@
.....,
r:
j'(k+1)1l'
k7l'
1sint 1dt ;;;::
t
lsin tj dt .
;·(k+l)7r (
k + 1 7f
k7l'

Ol
·;::
Par linéarité de l'i ntégration et comme lsinl est 1r-périodique, on a
>-
Cl.
0
t<k+l)7r lsin tl 1 t<k+l)7r . 1 ;·7l' .
u jk1l' (k+l)7rdt (k+l)7r jk1l' lsmtldt= (k+l)7r
0
lsmtldt

=
1
(k + l)7r
17l' smtdt=
. 1 [ ],,.
(k+l)7r -cost = 0
2
(k+l)7r.
0

*· Ce résultat est connu dans la littérature sous l'appellation du lemme de Riemann-Lebesg1œ.

t. Ce résultat sera prouvé dans l'exercice 11.6 page 395
 +oo sin t
Exercice 10.13 Semi-convergence de -dt 369
0

D'où, finalement, /k·~k+1)1r 1sintt1 dt~ 2

1 JL. (k + l)7r.

1.b. Comme il s'agit d'une déduct ion, il faut relier 1+oo 1 si~t 1 dt aux intégrales
1sint 1
j ·(k+l)11'
k7l'
- - dt ce que fai t la relat ion de Chasles.
t

Raisonnons par l'absurde en supposant que 1+= 1si;t 1dt converge.

D'après la relation de Chasles, pour n ~ 2, {nn 1si;t1 dt
} 1r
= t
k=2
;·k'Tr
(k - 1)7r
1si;t 1dt.

D'où, d'après l'inégalité de la question précédente et par croissance de la sommation,

;·n7r
7r
1 si; t 1 dt ~ t
k=2
k~ .
Comme la série de Riemann de terme général ~ est divergente, en faisant tendre
n vers +oo dans l' inégalité précédente, on obtient une contradiction. En conclusion,
+00 .
sin t
1 7r
,
-t-dt n est pas absolument convergente.

2. Deux impropretés sont localisées : 0 et + oo. Le première s'avère être une fausse
impropreté.

~1
t H sin t est continue sur JO, +oo[ et, par dérivabilité de sin en 0, elle est prolongeable
t. . ,
par contmu1te en 0 donc
1·1. sm t
--dt converge.
0 t
Pour la seconde, on va augmenter la décroissance de l'intégrande à l'aide d'une inté-
gration par parties comme on l'a fait pour la dernière intégrale de l'exercice 10.10.

~
~
"O
0
En outre, pour T > 1, en intégrant par parties à l'aide des fonctions - cos et t H
r:::: t
1
:::J de classe C s ur [1, T],
0
lfl
,..-1
0
{T sin t dt= [-cos t] T _ {T cos t dt= _cos T +cos 1 _ {T cos t dt.
N } 1 t t i j 1 t2 T j 1 t2
@
.....,
r:
Ol
0 r, pour t ...._
.;::; 1 , 1~
cos t 1 ::::::
/ t1 et
2
J+oo dtt
2
, qui. est une .mtegra
, 1e d e R1emann
. en +oo,
·;:: 1
>-
Cl.
converge (car 2 > 1) donc, d 'après le théorème de comparaison par inégalité pour les
u
0
intégrales de fonctions positives, ;·+oo co~ t dt converge absolument.
1 t
P ar a1·11 eurs, on d'd.
e UJt par enca d rement d e l ---y;-
cosT I ~ T1 que T~~oo
i· cosT = 0 .
---y;-
t 1+00 -sm. -t d t
J
T .
E n d e'f'm1t1ve,
·· T H sm- dt
- a d met une 1·1m1te
· f'mie
· en +oo d one
1 t 0 t
converge.
 370 Chapitre 10 Intégration des fonctions d'une variable réelle

3.a. Le changement de variable est affine donc il n'est pas indispensable de détailler
tout le protocole.

La fonction g : t H
sin((2nt + l)t) est continue
. J n]
sur 0, 2" et prolongeable par

,
continuite en 0 en posant g(O) = 2n + 1 donc 1n/ 2
sin((2n + l)t)
dt converge et,
0 t
avec le changement de variable affine non constant u = (2n + l)t,
n/ 2
sin((2n + l)t) dt= /n/ 2
sin((2n + l)t) ( n
2
+ l)dt = /(
2
n+l)n/ 2
sin u du.
1 0 t }0 (2n + I)t }0 u

Il ne reste plus alors qu'à faire tendre n vers +oo.

.
Finalement, par convergence de
+00 -mn.-dt, t

1 t0

lim
n--++oo
1n/2 sin((2nt + l)t) dt= 1+00 sint t dt= I.
0 0

3.b. Une seule impropreté (en 0) qui s'avère fausse.

La fonction t H
sin ( (2n
.
+ 1) t) est continue sur J0, n- J et, comme
filnt 2
sin((2n + l)t)
. ,. . , (2n + l)t ,...., (2n+ 1) ,
sm t t--+O t t--+O
elle est m ême prolongeable par continuité en 0 de sorte que l' intégrale In exist e.

L'intégrale différence de In et In- l se calcule aisément en transformant l'intégrande

par la formule d'addition du sin.

Pour n EN*, par linéarité de l'intégration et à l'aid e de la formule d'addition du sin,

In _ In- I 1n/ 2
sin((2~ + l)t) dt
sm t
-1n/ 2
sin((2(n ~ 1)
sm t
+ l)t) dt
0 0
"O
0
r::::
/n/ 2
sin(2nt + t) .- sin(2nt - t) dt
0
:::J }
0
smt
lfl
,..-1
0
= /n/ 2
sin(2nt) cos t + cos(2nt) sin t .- sin(2nt) cos t + cos(2nt) sin t dt
N ~ mnt
@
.....,
r:
Ol
·;::
1•/' 2cos(2nt)dt ~ [ sin~nt)
1
[ ' ~O .
>
Cl.
t 1n/2 dt= ~ ,
1
0 n/2 .
s~n dt=
u Ainsi, la suite (In)nEN est constante. Comme Io =
7r
0
smt 0
2 on

conclut que, pour tout n E N, In = 2.

3.c. Une majoration « brutale» de l'intégrande via lsinl :( 1 fait disparaître la dépen-
dance en n donc ce n'est clairement pas une bonne idée pour obtenir la convergence
vers 0 lorsque n tend vers l'infini. Reprenant une idée déjà utilisée à la question 2,
 Exercice 10.14 Une fonction définie par une intégrale impropre 371

on procède à une intégration par parties pour gagner de la décroissance en n lorsque

l'on primitive t H sin(nt) .

Comme f et t f-4 - cos(nt) sont de classe C 1 sur [a, b]. une intégration par parties
n
donne

J,(f) = [ f(t) sin(nt)dt = [/ (t) - ~(nt) [ - [ J' (t) - co~(nt) dt

~ (- f(b) cos(nb) + f(a) cos(na)+ l b J' (t) cos(nt)dt) .

Or, d 'a près l'inégalité triangulaire,

1-f(b) cos(nb) + f(a) cos(na)+ lb j' (t) cos(nt)dt l

~ lf(b)cos(nb) I + lf(a)cos(na) I + lb IJ' (t)cos(nt) I dt

puis, puisque lcosl ~ 1 sur ~ et par croissance de l'intégration sur [a, b],

1-f(b) cos(nb) + f(a) cos(na)+ l b J'(t) cos(nt)dt l ~ lf(b) l+ lf(a) I+ l b IJ'(t) I dt.

D 'où, IJn(f) I ~ ~ ( lf(b)I + lf(a) I+ lb IJ'(t) Idt) et, finalement, comme

lim
n -++oo
.!.n = 0 , le théorème des gendarmes permet de conclure q ue lim Jn(J) = O.
n ->+oo

3.d. La fonction f est admise être de classe C1 donc c'est le candidat idéal pour
appliquer le résultat précédent. Il ne reste qu'à voir à quoi ressemble l'intégrale Jn(f)
et à faire la synthèse des questions précédentes.

En appliquant le résultat de la question précédente à f, on a

lim J2n+i U) = O. D'où , par linéarité de l'intégration et convergence de In.
n->+oo

"O
lim (
n -++oo }
r' 12 sin(( nt + l)t) dt - In)
2
0 autrement dit, compte tenu des
0 0
r::::
:::J questions 3.a et 3. b, I - ~= 0 i.e. I = ~.
0
lfl
,.-1
0
N
@
.....,
r:
Ol
ï:::
>
Cl.
0
Le but de cet exercice est l'étude de la fonction f: x H 1X
+oo - t2
_e_dt.
t
u
1. Montrer que f est bien définie et dérivable sur ]O, +oo[ et déterminer ses limites
aux bornes de son intervalle de définition (on pourra remarquer que, pour
x -t 2
x > 0, f (x) = f(l) -
J l
e_ - dt) .
t
 372 Chapitre 10 Intégration des fonctions d'une variable réelle

2. a. Montrer que, pour tout x > 0,

2 2
f(x) = -e-x lnx + 21+oo te- t lntdt.

b. En déduire que f(x) ,...., -lnx.

x-tO
+ 00 - t2
3. a. Montrer que,
1 o (f(x)).
x-t+oo
x
b. En déduire, un équivalent simple de f en +oo.
~dt=
t

1. Une seule impropreté en +oo où la convergence est obtenue par comparaison avec
une intégrale d'une densité de loi usuelle à densité.
- t2
Tout d'abord la fonction t t-r _
e_ est continue sur JO, +oo[. Ainsi, pour x > 0,
t
+00 - t2
,. ,
1 mtegrale
1
e
x
,
t
,. , , 1 1
- - d t ne presente d 1mproprete qu en + oo. Pour t ;;::: x, 0 ~ - ~ -
- t2 - t2
t X

0 ~ e ~ e_ __ Or l'intégrale
2
donc , par multipl ication par la quantité positive e - t , __
t X
+00 - t2

1 X

la loi
e_ _ dt est convergente puisque l'intégrande est un multiple d'une densité pour
X
N ( 0, ~) donc, par comparaison par inégalité, l'intégrale définissant f(x) est
convergente.

Conformément à l'indication de l'énoncé, on commence par établir une autre écriture

"O de f(x) qui permet d'obtenir la régularité de f et sa limite en + oo.
0
r::::
:::J
0 D 'après la relation de Chasles, on a
lfl 1 - t2 j +oo - t2 jx - t2

1
,.-1
0 f(x) = _e -dt+ e_ -dt= - e_ - dt + f(l).
N
X t 1 t 1 t
@
.....,
r:
Ol
·;::
Comme x f--7 ;·x
1 t
2

e-t dt est la primitive de t f--7 e-t

t
2

qui s'annule en 1, on en
>
Cl. - x2

u
0 déduit que f est dérivable sur JO, +oo[ et que, pour x > 0, f' (x) = - _e- < O.
X
Par conséquent, f est strictement décroissante sur JO, + oo[ et, par théorème de limite
monotone, elle admet alors des limites en 0 et en + oo. En outre, par définition même

de la convergence de l'intégrale (impropre en + oo) f(l), lim

x-++oo lx1 t
2

e- t dt= f(l)
donc lim f = O.
+oo
 Exercice 10.14 Une fonction définie par une intégrale impropre 373

Quant à la limite en 0, la convergence de f en 0 signifie très exactement la convergence

+oo - t2
de l'intégrale r
Jo _e _ dt impropre en
t
o. Il suffit donc d 'étudier la convergence de
cette intégrale.

+00 - t2

.
Enfi n, si f admettait une lim ite fini e en 0, cela sig nifierait que l'intégrale

. e- t 2 1 11 dt . , .0 t
1 e_ _dt

impropre en 0 convergera it. Or - - ,...., - et - , mtegrale de Riema nn en 0,

t t -+0 t 0 t
d iverge don c, d'après le t héorème de comparaison par équivalence pou r les intégrales
·1 - t2
de fo nctions positives,
1 0
_e _ dt d iverge. Fina lement,
t
et ne peut pas admettre une lim ite fi nie en 0 donc lim f = + oo.
0
f est décroissante sur JO, + oo[

2.a. La structure même de l'égalité (avec un second membre somme d'une intégrale
et d 'un terme sans intégrale) suggère qu'il s'agit d 'une intégration par parties (en se
ramenant à un segment, bien sûr!). La présence de ln orient e d'ailleurs le découpage
1 2
vers la primitivation de la partie t r--+ - et la dérivation de t r--+ e- t
t
Pour X ~ x > 0, on réalise une intégration par parties à partir des deux fonct ions
2
t i-t e- t et ln de classe C1 sur [x, X ] ce qu i donne

1x e- t x
2
~dt = [e- t lntJ :
2
-1x -2te-t lntdt
2

=
2
e - x lnX - e - x ln x
2
+ 21x 2
te- t ln t d t .

Par croissances comparées, lim e- a ln a, = 0 donc, par composition de lim ites,

a-+ +oo
2 2
lirn e - x ln(X 2 ) = 0 et, e n particulier, lirn e - x 2 ln X = O.
X-++ oo X-++ oo
2
D'où, en fa isant tend re X vers + oo, la convergence de 1 +oo te- t ln t dt et

"O
0 2 2
r::::
:::J
f( x ) = -e-x ln x + 21 +oo te- t lntdt .
0
lfl
,.-1
0
N 2.b . La limite +oo de f en 0 est connue et l'écrit ure de f précédente met en évidence
@ deux cont ributions différentes : le premier terme diverge clairement vers + oo et, après
,....,
r: étude de la convergence d 'une int égrale, le second converge. C'est donc le premier qui
Ol
·;::
>
donne l'équivalent de f en O.
Cl.
0
u 2 2
Par cont inu it é d 'exp en 0, lim e- x = 1 donc - e- x ln X rv - ln x.
x -+0 x -+0
2
Par croissa nces comparées, lim t ln t = 0 donc t i-t te- t ln t est prolongeable par
t -+ 0
continuité en O. Comme le problème de l'impropreté en + oo a été tra it é à la question
2
précédente, on concl ut bien que 1 +oo te- t ln t dt converge de sorte que, puisque
 374 Chapitre 10 Intégration des fonctions d'une variable réelle

2
lim - e- x lnx = +oo ,
x-+0

1 +oo
2
te-t ln t dt= x~O (-e-x 2
ln x) .
2
Enconclusion,f(x) ,.._, - e- x lnx ,.._, - lnx.
x-+0 x -+0

3.a. Il s'agit de mont rer qu'une expression intégrale est négligeable devant une autre.
Il va donc falloir écrire la première comme le produit de la seconde par une fonction
de limite nulle en O. Plus précisément, on va majorer la première par le produit de la
seconde et d 'une fonction de limite nulle en O.
1 1
Pour t ~ x > 0, on a 0 ~ t2 ~ x 2 donc, en multipliant par la quan-
- t2 e- t 2 - t2
t ité positive e , 0 ~ - - ~ ~
2 . Puis, pa r positivité, croissance et linéa-
t t 3 X t
•+oo - t2 1 ;,·+oo - t2
~ ~ dt ~ 2
rité de l' intégration sur [x, +oo [, 0

1;,·+oo ~
-t2 1 1
J. x t X X
_e_ dt a utre-
t
ment dit 0 ~ f( ) dt ~ 2 . Comme lim ~ = 0, par encadrement,
X x t x -++oo X X
+00 - t2 ;,·+oo
1
-l2
lim f(l )
x -++oo X x
~dt
t
= 0 i.e. x
~dt
t
= x -++oo
o (f(x)).

3.b. Par mimétisme avec l'obtention de l'équivalent en 0 et pour faire apparaître

l'intégrale de la question précédente (c'est une déduction qui est demandée !), on
procède à une intégration par parties. Mais, ce coup-ci, la puissance du dénominateur
2
doit augmenter donc on devrait primitiver t r--+ e-t • Comme on n'en connaît pas de
2
primitive simple, on complète ce terme en t r--+ - 2te-t pour reconnaît re la dérivée
2
de t r--+ e- t et le tour est joué.
2
Pour X ~ x > 0, en intégrant par pa rties avec les deux fonctions t t-1 e- t et
t H -
2
! 2 de classe C 1 sur [x, X] de dérivée respective t H
2
- 2te- t et t i--+ t~, on
obtient
e~t2 dt
J.·X__2t -1·X2-e-
"O
•X
0 l_ (-2t)e- t2 dt= [--l- e_ t2 ] X t2 dt
0
r::::
:::J
J.
X X
2
X
2t 2 X
t
X
3

lfl
,..-1
0
N
@ -x2
.....,
r: Comme lim ~ = 0, on en dédu it en faisant tendre X vers +oo dans l'égalité
Ol
ï:::
X-++oo 2X
> - x2 1 +00 - t2
Cl.
0 précédente que f(x) = e 2 - ~dt.
u 2X X t
- x2
e
Ainsi, d'après la question précédente, f( x) x
2 2
+ x-+0+ 00 (f( x)) autrement dit
- x2
e
f( x) ,.._, - ., .
x -+ +oo 2x -
 Liste des capacités attendues 375

Liste des capacités attendues

• Savoir calculer une int égrale à l'aide d ' une primit ive (cf exercice 10.1 et
10.10)

lb f(t)dt = [F(t)]~ = F(b) - F(a)

(où F est une primitive de f sur un intervalle contenant a et b et sur lequel f est
continue). Pour cela, on dispose des formulaires ci-dessous 1 :

intégrande (une) primitive

f = F' X r-+ F(x) = f xf(t) dt

X r-+ X/3 xf3+l

X r-+ ,6+1 intégrande (une) primitive
avec/3::j:.-l
X r-+ _1_
x r-+ ln lx + al f = F' F = / f dt
x+a
exp exp u'eu eu

X r-+ ax 1 u'un _ 1_ un+ 1

n+l
X r-+ - ax
avec a> 0 et a ::j:. 1 lna u f

u ln lui
u'
sin -cos Ju 2JU
cos sin u' sin(u) - cos(u)
1
-cos- 2 = 1 + tan 2 tan u' cos(u) sin(u)
tan - ln 1cos1
ln x r-+ xlnx - x
"O
1 Arctan
0 X r-+ l+x2
r::::
:::J
0
lfl
,.-1 • Savoir utiliser les propriétés de l'intégration
0
N
@ <:; se traduisant par une égalité (cf exercice 10.2 et question 10.3.1)
.....,
r:

u
Ol
ï:::
>
Cl.
0
le f(t)dt = lb f (t)dt + 1c f(t)dt (relation de Chasles)

rb rb
l a (Àf + µg)(t)dt = À l a f(t)dt +µ l a g(t)dt
r (linéarité)

~· À quelques rares exceptions près, ils se déduisent de ceux de la page 302.

 376 Chapitre 10 Intégration des fonctions d 'une variable réelle

<:; se traduisant par une inégalité (cf exercice 10.3) : pour les propriétés suivantes,
il est supposé que a est strictement inférieur à b

'ef t E ]a, b[, f (t) ~ g(t) (croissance t)

{
'ef t E ]a, b[, f(t) ~

:3 to E ]a, b[, f (to) < g(to)

g(t),
=> 1b f(t)dt < 1b g(t)dt (stricte croissance t)

dans la propriété de stricte croissance de l'intégration ci-dessus, la continuité

des applications f et g sur ]a, b[ est essentielle,
b lb
la f(t)dt ~ la l/(t)I dt (inégalité triangulaire)

• Savoir effe ctue r une intégration par parties (IPP) (cf exercices 10.4,10.10,
10.11, 10.13, 10.14 et questions 10.8.5)
Si u et v sont deux fonctions de classe C1 sur un intervalle contenant a et b, alors :

t u(t)v'(t)dt =
la [u(t)v(t)] ~ - lb
a u'(t)v(t)dt .

On pourra penser à cette formule lorsqu'on cherche à calculer l'intégrale d'un

produit de deux fonctions dont la dérivée de l'une (ici u') est plus simple que celle-ci
(ici u). Par exemple, lorsque u = ln, Arctan, un polynôme ... Cette formule est par
b lb
exemple utile pour le calcul d'intégrales du type :
l
a P(t)etdt, la P(t) cos(t)dt
ou 1b P(t) sin(t)dt où Pest une fonction polynomiale (cf question 10.4.2).

"O • S avoir effectuer un changement de variable (cf exercices 10.5, 10.6, 10.11,
0
r::::
:::J
10.12, 10.13 et question 10.9.1)
0 Si f : J ---+ IR est une fonction continue et <p : [a, b] ---+ J une fonction de classe C1
lfl
,.-1
b 1<p(b)

l
0
N sur le segment [a, b], alors f(i.p(t))i.p'(t)dt = f(u)du .
@ a <p(a)
.....,
r:
Ol
Dans la pratique le changement de variable peut-être utilisé de deux façons.

1:
ï:::
>
Cl.
0
u <:; Soit, partant de f(u)du, on utilise la formule 1u = i.p(t)1 où« l'ancienne
variable u » est exprimée en fonction de « la nouvelle variable » t . Il suffit
alors de trouver deux antécédents a et b de a et /3 tels que <p soit de classe
C1 de [a 7 b] vers [a 7 /3].

t. Lorsque f = 0, on parle de positivité ou stricte positivité d e l'intégration.

 Liste des capacités attendues 377

On remplace alors du par cp'(t)dt et, dans l'intégrande, chaque occurrence

de la variable u par <p(t). Les bornes sont elles remplacées selon le moyen
mnémotechnique suivant : lorsque l'ancienne variable u = cp(t) partait de
a = cp(a) la nouvelle variable t part de a et on fait de même pour la deuxième
borne:

j·fJ
a f(u)du =
1bf(cp(t))cp'(t)dt.
a

() Soit, partant de lb g(t) dt , on utilise la formule 1 u = cp(t) 1 où « la nou-

velle variable u est exprimée en fonction de l'ancienne t ». Il s'agit alors de
reconnaître dans l'intégrande une expression f(cp(t))cp'(t) ou d 'introduire ar-
tificiellement celle-ci en écrivant:
t
lb =lb
a
g(t)dt
g'((t))cp'(t)dt.
a <p
Le changement de variable est licite dès lors que <p: [a 7 b] --+ [cp(a) 7 <p(b)]
est une bijection de classe C1 dont la dérivée ne s'annule pas et f est
continue sur [cp(a) 7 <p(b)] . On remplace alors cp'(t)dt par du puis par u
chaque occurrence de <p(t) dans l'expression f(<p(t) ) (les bornes sont rempla-
cées selon le moyen mnémotechnique introduit précédemment) :

1 b
g(t)dt =
lb f(cp(t))cp'(t)dt =
1 <p(b)
f(u)du.
a a <p(a )

• Savoir utiliser les sommes de Riemann (cf exercice 10.7)

Si f est continue sur [a, b], on a :

lim -
n --t+oo
b- a
n
n
"L f
k=l
(
a + k-
b-a )
n
= lim -
n --t+oo
b- a n- 1
n
"L f
k~
(
a+k-
b-a )
n
=1 a
b
f(t)dt.

"O

0
0
r::::
:::J

lfl
• Savoir étudier une s uite d'intégrales Un = 1bfn(t)dt
,-1
0 () Pour l'étude du signe, on étudie celui de l'intégrande f net on utilise la positivité
N
@
de l'intégration (cf question 10.8.3).
.....,
r:
Ol
0 Pour la monotonie, on compare les intégrandes f n et fn+l et on utilise la
·;::
>-
croissance de l'intégration (cf questions 10.8.2 et 10.13.3.b).
Cl.

u
0 () Pour l'obtention de majorat ion/minoration/encadrement ou l'étude de la limite
éventuelle, on procède par comparaison (cf question 10.8.4) avec des intégrales
facilement calculables (toujours à l'aide de la croissance de l'intégration).
() Pour obtenir une relation de récurrence, on procède à une intégration par
parties (cf question 10.8.5).
 378 Chapitre 10 Intégration des fonctions d'une variable réelle

v(x)
• Savoir étudier une fonction définie par une intégrale <p(x) =
(cf exercices 10.9 et 10.14).
1u(x)
f(t)dt

0 Pour les propriétés différentielles (caractère C1 et calcul de la dérivée), on

utilise une expression sans signe d'intégration en introduisant une primitive de
l'intégrande (cf question 10.9.3)
<p(x) = [F(t)]~~~~ = F(v(x)) - F(u(x))
ce qui permet d'en déduire sa dérivée par composition
<p1 (X) = v' (X) f (V (X)) - u' (X) f (u (X)) .
0 Pour les propriétés topologiques (comparaison et limites), on utilise la forme in-
tégrale et on exploite la croissance de l'intégration (cf questions 10.9.2 et 10.9.4).

• Savoir justifie r qu' une intégrale est bie n d éfinie ou conve rge nte (cf exer-
cices 10.10, 10.11, 10.12, 10.13, 10.14 questions 10.8.1 et 10.9. 1).

• Savoir utiliser les intégrales impropres usuelles

9 les intégrales de lliernann en +oo ~convergentes ssi Oi > 1,

·b dt
0 les intégrales de Riemann en a E lR ja (t-a)°'
convergentes ssi a < 1,

0 r+oo e- atdt = ..!.. pour a> 0,

lo a
O les intégrales de densité et les espérances pour les lois à densité usuelles
(exponentielles et normales), (cf exercices 10.10 et 10.14) par exemple

"O
0
r::::
:::J
0
lfl
• Savoir u t ilis er les t héorèmes de compara is on pour les int égrales d e fonc-
,-1
0
tions pos itives au vois inage d e l'impropre t é b
N
@
0 par inégalité (f ~ g) (cf exercices 10.12 et 10.14 et question 10.10.5),
....., 0 par équivalence (f rv g) (cf exercice 10.14 et questions 10.10.3 et 10.10.4) .
r: b
Ol
ï:::
>
Cl.
0
u • Savoir utiliser la conve rge nce abs olue d'une intégrale impropre (cf exer-
cice 10.13 et questions 10.10.5 et 10.10.6)

• Savoir utiliser le théorème de comparaison par négligeabilité f = o(g)

avec g pos itive au vois ina g e d e l'impropre t é b (cf questions 10.10. 2 et
10.10.4)
 CHAPITRE

11
Formules de Taylor et développements
limités

1. Écrire la formule de Taylor avec reste intégral à l'ordre n pour la fonction exp
entre 0 et x.
2. En déduire la preuve de la convergence et de la valeur de la somme de la série
xk
exponentielle L k! .
k~O

1. On suit l'injonction de l'énoncé en utilisant qu'on connaît les dérivées successives

de exp.

Pour t out n E N et t out x E R on a, pu isque exp est sa propre dérivée,

exp(x) = Ln exp(k)(O) (,x -k.0 + l xexp(n+l)(t) ( x -n .tn dt

1
)
k
1
)

k=O 0

n ;·x ( t )n
Xk t X -
"O
0
L kT + o e n! dt.
k=O
r::::
:::J
0
lfl
2 . On sait bien que la série exponentielle converge (quelle que soit la valeur de x) et a
,.-1
0 pour somme exp(x) . Il suffit donc de montrer que l'intégrale surnuméraire tend vers
N
@
0 lorsque n tend vers +oo.
....., Le dénominateur de l'intégrande en n ! amènerait cette convergence vers 0 s'il n'était
r:
Ol
ï::: pas en partie contrebalancé par la puissance du numérateur et il faudrait encore
>
Cl. « rajouter » l'intégrale. On va s'en sortir en localisant précisément la dépendance en
0
u net en «se débarrassant» des termes qui n'en dépendent pas.

Soit x un réel fixé.

Sur le segment d 'extrém ités 0 et x, l' intégra nde t t-7 et (x -,tr
n.
est de signe constant.

De plus pour t ent re 0 et x et 1

~ elxl donc let (x - 1tyi 1 ~
~
elxl lx - 1tin pu is par
'
' .. '.;;:::
n. n.
 380 Chapitre 11 Formules de Taylor et développements limités

croissa nce de l' intégration,

11x et (x :,tr dtl ~ 11x elxl (x :,tr dtl.

0r j ·x
e
lxl (x -
n.1
tr d -
t-
[ - lxl (x - t)n+I] x - lxl xn+1 donc
e (n + 1)'. - e (n + 1)'.
0 0

n xk lxln+l
exp(x) - L k! ~ e lxl (n + l)!.
k=O
Ce dernier terme ayant pour limite 0 lorsque n tend vers + oo par principe des crois-
n k
sances comparées, on déduit du théorème des gendarmes que lim "'"""' xk·' = ex
n-++oo L .
k=O

L
k
autrement dit la série ~! converge et a pour somme ex.
k';i:O

Soit J(x) = ln (ex; 1

).

1. Déterminer le domaine de définition de f et justifier que f y est dérivable.

2. Montrer que f se prolonge par continuité en O. La notation f désignera désor-
mais la fonction ainsi prolongée en O. Quelle est alors la valeur de f (0)?
3. Montrer que f admet en 0 le développement limité d'ordre 2 suivant :
1 1
f(x) = -2x + 24x2 + o (x2).
x-+0

4. a. En déduire que f est dérivable en 0 et préciser f'(O).

b. Déterminer l'équation de la tangente T à la courbe représentative de f
au point d'abscisse 0 et étudier sa position par rapport à la courbe au
voisinage de ce point.
"O
0
r::::
:::J
0
lfl
,..-1 1. Pour déterminer le domaine de définition d'une composée de fonctions ho g, on
0
N doit trouver l'ensemble des réels x tels que g(x) et h(g(x)) sont définis. Cela impose
@
....., en particulier de connaître les domaines de définition des deux fonctions h et g .
r:
Ol
ï::: 1
>
Cl. Le domaine de définition de ln étant JO, + oo[, f( x) est défini si et seulement si ex -
0 X
u est défini et strictement positif. On dispose du tablea u de signes ci-dessous.

X - OO 0 +oo
ex - 1 - ) +
X - +
ex -1
X
+ +
 Exercice 11.2 Prolongement de classe C1 Il 381

ex --
- 1 n ' a de sens que s1. x -t.
r 0 et, d' apres
, ce t abl eau, pour tout x E ITD*
~
ex --
, - 1 > 0
X X
donc f est définie sur ~*. Par théorèmes généraux, x H ex -
1
est dérivable sur ~*
X
et à valeurs dans JO, +oo[ qui est un intervalle sur lequel ln est définie et dérivable .
Par conséquent, on conclut par composition que f est dérivable sur ~*.

2. f se prolonge par continuité en 0 si et seulement si sa limite en 0 existe et est

finie. Ici, on a une forme indéterminée qu'on peut lever simplement en remarquant
X 1
que lim e - = exp' (0) = 1 ou en utilisant un équivalent usuel (ce qui revient à
x--+0 X
peu près au même ici).

ex - 1
ex - 1 rv X donc lirn - - = 1 puis, par continuité de ln au point 1,
x -+0 X-+0 X
1
lim ln (ex - ) = ln(l) = O. La limite de f en 0 existe, est finie et vaut 0 donc
x-+0 X
f se prolonge par continuité en 0 en posant f (0) = O.
ex - 1
3. Il faut d'abord effectuer le développement limité d'ordre 2 en 0 de . Pour
X
cela, à cause de la division par x, on aura besoin du développement limité d'ordre 3
de ex - 1 en O.
2 3
Le développement limité d 'exp en 0 est ex = 1 + x + x + x + o (x3 ) donc
2 5 x -+ 0
•)
ex - 1 X x- 2
-- = 1 + - + - + o (x ) = 1 + cp(x)
X 2 6 x-+0
2
~
2 +x + 2
où <p(x) = o (x ) tend vers 0 quand x tend vers O.
5 x-+0

Il était important de faire apparaître une forme du type ln(l +<p(x)) avec lim <p(x) = 0
x--+0
car cela va nous permettre d 'exploiter le développement limité usuel de ln(l + t) en O.
2

~
Puisque ln(l + t) = t - !_ + o (t 2 ), on en déduit par substitution :
2 t-+0
"O
0 2
r::::
:::J ln(l + <p(x)) = <p(x) - <p(x) + o (cp(x) 2 ) .
0 2 x-+0
lfl 2
,.-1 Or le reste o (cp(x) ) peut s'écrire sous la forme <p(x) 2 ê(<p(x) 2 ) où
0 x-+0
N
O. Ma is <p(x) rv ~ d 'après le développement limité ci-dessus donc
@
.....,
limé
0
=
2
0 2
r:
Ol
ï:::
<p(x) 2 ê(<p(x) 2 ) rv ~€(<p(x) 2 ) = 0 (x 2 ).
>- 4 x-+0
Cl. 2 2
u
0 Par ailleurs, <p(x) = '.:. + x + o (x 2 ) et <p(x) 2 = ~ + o (x 2 ) donc, en injectant
2 5 x -+ 0 4 x -+ 0
ces développement limités dans l'expression ci-dessus,

J(x) ln(l + <p(x)) = ~ + (~ - ~) x 2 + x~ 0 (x 2 )

1 1 2 2
2x + 24X + x~O(X ).
 382 Chapitre 11 Formules de Taylor et développements limités

Nous avons vu dans la résolution de cette question que si <p(x) xa alors t'..J
0
une fonction négligeable par rapport à <p est une fonction négligeable
par rapport à x f--1- xa c'est-à-dire que l'on peut remplacer o(<p(x)) par
o(xa).

4.a. Ici, nous avons calculé le développement limité d'ordre 2 de f en O. Celui d 'ordre
1 s'en déduit aisément.
f est défin ie en 0 (après prolongement) et admet un développement lim ité d 'ordre 2
en O. A fortiori, f admet un développement limité d 'ordre 1 en 0, obtenu par troncature
1
du développement lim ité d'ordre 2 : f(x) = - x + o (x) . Ainsi,
2 x-tO

lim f(x) - f(O) = lim f(x) = ~-

x -+O X x-+0 X 2

f est donc bien dérivable en 0 et J' (0) = ~.

Si f est définie autour de a E IR et admet un développement limité

d'ordre 1 en ce point :
f(x) = a + ,6(x - a)+ o (x - a)
x-+a
alors a = f(a), f est dérivable en a et f'(a) = (3 .

4.b. Jusqu'ici, le développement limité de f d 'ordre 1 en 0 nous a suffi. Ici, nous

aurons besoin de celui qu'on a calculé (à l'ordre p = 2) pour étudier localement la
position de la tangente par rapport à la courbe.

~
L 'équation de la tangente à la courbe de f au point d 'abscisse 0 est

"O y= f(O) + j'(O)x i.e. y= ~x.

0
r::::
0
:::J
D 'a près le développement limité d'ordre 2 en 0 de f(x). on a f(x) - ~x ,...., _.!_x 2
lfl
2 x-tO 24
~x;;::: 0
,..-1
0 donc f(x) - pour x au voisinage de O. Autrement dit , la courbe de f est, au
N
@ voisinage du point d'abscisse O. au-dessus de sa tangente en ce point.
.....,
r:
Ol
ï:::
>-

i> Soit a E IR. Si f est définie en a et admet en ce réel un développement

Cl.
0
u
limité du type :
f(x) = ao + a1(x - a)+ ap(x - a)P + o ((x - a)P)
x-+a
avec p ~ 2 et ap f; 0.
L'équation de la tangente de la courbe de f au point d'abscisse a est
 Exercice 11.3 Calcul de l'intégrale de Gauss 383

y = Œo + a 1 (x - a).
De plus, le signe de Œp permet de déterminer la
position de la courbe de f par rapport à la tangente au voisinage du
point d'abscisse a.

Le but de cet exercice est le calcul de l'intégrale de Gauss 1+oo e-t dt.
2

1. Montrer que 1+oo e- t dt est convergente. On note G sa Vdleur.

2

1 e-x(l+t 2 )
2 . Soit f la fonction définie par : 'V x E IR,
1 + t2
dt.
a. En utilisant l'inégalité de Taylor-Lagrange, montrer l'existence d'une
f(x) =
1 0

constante réelle M ;;::: 0 telle que :

1 + h(l + t 2 )1 ~ Mh 2 .
2
'V (h, t) E [-1, 1] x [0, lJ, 1e- h(l+t ) -

b. En déduire que f est dérivable sur lR et que, pour tout réel x,

J'(x) = -11 e-x(l+t2)dt.

3. Montrer que la fonction g : x c-> 2

f (x ) + ( fo' 2
e _,,dt) est constante sur IR.

4. a. Montrer que, pour tout x ;;::: 0, 0 ~ f(x) ~ ~e-x et en déduire la limite

de f en +oo.
b . Conclure quant à la valeur de G.

15 1. En allant voir du côté des variables aléatoires à densité, il s'agit d'une intégrale de
§ référence.
0

~1
lfl

~)
,.-1 2
0 L 'intégrande t t-7 e- t est un multiple d'une densité associée à la loi normaleN ( 0,
N

Jo/'+oo e-t dt converge .

@ 2
....., donc l'intégrale
r:
Ol
·;::
>
Cl. Bien évidemment, si on ne veut pas évoquer une loi normale, on peut très bien montrer
j+oo
0
u
.
1a convergence par comparaison avec l'.mtegra
, 1e d· e R.iemann dt .
1
2t
2 .a. Rappelons tout d'abord l'inégalité de Taylor-Lagrange

f(x) - Lf
k=O
n (k)( )
k! a (x - a)k ~K x- a
1

(n + 1)!
ln+ l
 384 Chapitre 11 Formules de Taylor et développements limités

où K est le maximum de la fonction IJ(n+l) I sur le segment d'extrémités a et x (cela

sous-entend bien sûr que f est de classe c n+l sur le dit segment ce qui constitue
d'ailleurs la seule condition d'applicabilité de cette inégalité) .
Il reste à voir qui choisir pour f, n, a et x. La puissance de h dans le second membre
nous conduit à prendre n = 1. Pour le reste, plusieurs choix convenables sont possibles.
2
Par exemple, on peut prendre a= 0, x = h et ft(h) = e- h(l+t ) dans lequel t joue le
rôle d'un paramètre de sorte que J:(!i) = -(1 + t 2 )ft(h), J;'(h) = (1 + t 2) 2ft(h) et

e- h(l+t2) - 1 - - (1 + t2) (h - 0)11~ K lh - Ol 2

l 1! " t 2!

où Kt est le maximum de lfti sur le segment d'extrémités 0 eth. On conclurait alors

(1 + t2)2e1+t2
en définissant M comme le maximum de t r--+ sur [O, l].
2
On propose dans la rédaction un autre choix avec une fonction plus simple (indépen-
dante de t) mais où le problème de la dépendance en t est reporté ailleurs.

Soit (h, t) E [-1, 1] x [O, l]. En appliqua nt l'inégalité de Taylor-Lagrange à l'ordre 1

avec la fonction exp de classe C2 sur le segment Sh ,t d'extrémités 0 et - h(l + t 2 ),
on a
2
1 [- h(l + t 2) - 0]
1 exp ( -h(l + t2)) - exp(O) - exp (0) [-h(l + t ) - 0J 1 ~ Mh ,t !
2
2
où Mh ,t est le maximum de lexp"I =exp sur le segment Sh ,t. autrement dit

1e-h(i+t2) -1 + h(l + t2) 1 ~ Mh,t(~ + t2)2 h2.

1
2 el+t2 (1 + t2)2
En outre, max M1i t = e +t donc, en posant M = max , maximum
hE (-1, 1] ' tEI0, 1] 2
2

"O qu .i existe
. b.1en puisque
. 1a f onction
. t H
e1+t ( 1 + t 2)2 est contin
. ue sur 1e segment
0
r::::
2
:::J [O, 1], o n conclut que
0
lfl
,..-1 V(h, t) E [-1, l] x [O, 1],
0
N
@
.....,
r:
Ol
2.b. Le «candidat» pour être le nombre dérivé de f en x est donné dans la question,
ï:::
> il suffit alors de vérifier que
Cl.
0
u

lim [!(x
h-+O
+ h) - f(x) - ( -
h
rl e-x(l+t2)dt) ] =o.
Jo
 Exercice 11.3 Calcul de l'intégrale de Gauss 385

Soient x E lR et h # 0, on a

1J(x + hli- J(x) - (-11 e-x(l+t2)dt)1

lj 0
·l [e- (x+h){l+t2) - e- x(l+t2)
- - - - - - 2- - - - + e - x( l +t)
h(I + t )
2]
dt
1
(par linéarité de l'intégration)

1 e- x(l+t2) ( e- h(l+t2) - 1 + h(l + t2)) dt l

110 h(l + t 2 )
·l - x(l+t2)
j0
2
2
e (l + t ) 1e- h(1 +t ) - 1 + h ( 1 + t 2 ) 1 dt
lhl (
d 'a près l' inéga lité triangulaire )

/1 -x(l+t2) 2
Jo l ~I (l + t 2) Mh dt (par croissance de l' intégration sur [O, l])

1 e- x(i+t 2 )
lhl M
1 0 1 + t2
dt.

Or ce dernier maj orant tend vers 0 lorsque h tend vers 0 donc, d 'a près le théorème des

gendarmes, lim f(x + h~ - f(x) = - /1 e - x(i+t

2
)dt autrement d it f est dérivable
h~O lo
1 2
en x et J'(x) = - 1 e- x(l+t )dt.

3. La constance d'une fonction sur un intervalle peut s'obtenir en vérifiant qu'elle

est de dérivée nulle et la méthode semble tout indiquée puisqu'on a fait un calcul de
dérivée juste avant.

Tout d 'abord , g est de classe C 1 sur lR (en effet, f et X H x 2 le sont donc par

composition c'est aussi le cas de x f-4 j(x 2 ), quant à x f-4 1xe-t

2
dt, c'est une
primitive d'une fonction continue donc elle l'est aussi, tout comme son carré et la
somme g des deux fonctions ainsi constru ites).
2 2
1 2 2 2 2
g'(x) = 2xj'(x2 ) + 2e-x 1 x e-t dt= -2x 1 e-x e-(xt) dt+ 2e-x 1 x e-u. du

"O

0
0
r::::
:::J
2xe- x2 [- 1 1 e- (xt)2 dt + 1x e- u2 du]

lfl
,..-1 Par substitution, g' (0) = 0 et, si x # 0, avec le changement de variable affine (non
0
N constant) dans la première intégra le, on obtient g'(x) =O.
@ A insi, g' = 0 sur lR donc g est constante sur IR.
.....,
r: 4.a. Comme déjà évoqué, un encadrement d'intégrale s'obtient par croissance de l'in-
Ol
·;::
> tégration, il suffit d 'encadrer l'intégrande de façon adéquate. La concomitance du
Cl. 1f
u
0
dénominateur 1 + t 2 dans l'intégrande et du facteur dans le majorant à obtenir
4
fait bien sûr penser à l'intervention d'Arctan, on cherche donc à« se débarrasser» du
numérateur tout en faisant apparaître e-x ...

~1 1 11
Tout d 'abord , pour tout x E IR, par li néarité de l' intégration ,
2 2
e - x e - xt e - xt
j(x) =
1 0 l+t 2 dt= e
-x
0
- -2dt.
l +t
 386 Chapitre 11 Formules de Taylor et développements limités

En outre, pour x;;;:: 0 et pour t E [O, l],

2
- xt 2 ~ 0 ===} O ~ e- xt ~ 1 (par croissance et positivité de exp sur ~)
e-xt2 1
2
O~ -- ~ -­ (car 1 + t > 0)
+
"" 1 t 2 "" 1 t 2 +
donc, par positivité et croissance de l'intégration sur [O, l],
0 ~ [1 e - xt2 dt ~ [1 dt .
"" Jo l+t2 "" Jo l+t2
Or la dernière intégrale vaut [Arctan t]6 = ~ et e- x > 0 de sorte qu'on a bien
0 ~ J(x) ~ ~e-x.
Enfin, comme lim e- x = 0, on en dédu it par encadrement que lim f =O.
x~ + oo + oo

4. b. Pour utiliser la limite tout juste obtenue, il faut penser à une égalité faisant
intervenir f et dans laquelle on pourra «passer à la limite» . C'est la constance de la
fonction g qui nous donne cette égalité.

2
D'une part, lim
x~+oo }
/x x~+oo
2
e-t dt= G et, par composition de limites, lim f(x ) = 0
0
lim g(x) = 0 + G = G et, d 'a utre part,
2 2
de sorte que
x~ +oo

1f

Enfin, comme g est consta nte, on en déduit que G

2
= lirng = g(O) = ~ pu is, puisque
+oo 4
G;;;:: 0 (par positivité de l' intégration) , G = v;.

"O
0
r::::
:::J 1. a. Déterminer le développement limité d'ordre 3 en 0 de x t--+ xJcos x.
0
lfl b. En déduire que le développement limité de x t--+ exp(xy'cosx) à l'ordre 3
,.-1
0
N
en 0 est donné par :
@ 1 1
....., exp(xJcosx) = 1 + x + -2 x 2 - - x3 + x--+0
o (x3 ) .
r:
Ol
12
ï:::
>
Cl.
0
2. Pour tout x E ]-~ ,~ [,on pose f(x) = exp(xy'CüsX).
u
a. Justifier que f est de classe C sur J- ~, ~ [.
00

b. À l'aide de la formule de Taylor-Young, en déduire les valeurs de j(O),

j'(O), f"(O) et f"'(O).
 Exercice 11.4 Prolongement de classe C1 /// 387

1 + sinx
3. Pour tout x E] - 1f, 7r[, on pose g(x) =
1 + cosx
. 2
a. Déterminer le développement limité d'ordre 3 en 0 de g.
b. Justifier que g est de classe C00 sur ] - 1f, 7r[ et en déduire les valeurs de
g(O), g' (0), g" (0) et g"' (0).
4. Déterminer un équivalent simple de f(x) - g(x) en O. En déduire le signe de
f(x) - g(x) pour x au voisinage de O.

5. Pour tout xE J-~,1f[, on pose u(x) = {

2
~·=x si XE]-~, 0 [
six E [0, 7r[
1 + cosx
Montrer que u est de classe C1 sur]-~, 1r [et calculer u'(O).

1.a. On s'intéresse essentiellement à y'cos x dont on effectue le développement limité

à l'ordre 2 en 0 (après multiplication par x, on obtiendra celui de xy'cosx à l'ordre 3).
On commence par développer la fonction par laquelle on compose à droite, c'est-à-dire
la fonction cosinus.

2
Tout d 'abord , on a xJcos(x) = x-Jl - x + o (x 2 ) = xJl - cp(x) où on a posé
2 x -+0
x2
c,o(x) = :_ o (x 2).
+ X-+0
2

On a fait apparaître une expression du type Ji - cp(x) avec limcp = 0, on va donc

0
pouvoir exploiter le développement limité usuel à l'ordre 2 de vT=t en O.
~ 1

~
l 12 2
Or v .L - i = (1 - t) 2 = 1 - -t - -t
2 8
+ t-+0
o (t ) donc
"O
0

0
r::::
:::J J 1
xcos(x) = x 1 - 2cp(x) [
1
- Sc,o(x) 2 + x~ 0 (cp(xt)
'' ]

lfl
x2
(x 2) et c,o(x)k (x 2) si k;;::: 2.
,-1
0
N
avec c,o(x) =- + o = o
2 x-+0 x-+0
@ 2
....., 2 4
De plus, cp(x),...., :'..._ donc o(cp(x) ) = o(x ). Ainsi, en substituant, on obtiendrait un
r: 0 2 0 0
Ol
·;:: développement d 'ordre 4 mais on peut le tronquer dirctement à l'ordre 2 :
>-
u
Cl.
0 J
xcos(x) = x 1 - -12 [
x + o (x 2] x + o (x 3)
) = x - -13
4 x --> 0 4 x--> 0

En anticipant sur le fait que cp(x) 2 = o (x 2 ), on aurait pu éventuellement ne pas

x-+0
1
faire apparaître le terme - cp(x ) 2 dans la première expression ci-dessus de xy'cos x
8
(ce terme est «absorbé » dans le o (x 2 ) , ce que l'on a remarqué après coup).
:c-+0
 388 Chapitre 11 Formules de Taylor et développements limités

1.b. lim x.jcosx = 0, on va donc pouvoir substituer le développement limité en 0 à

x-tO
l'ordre 3 de x.jcos x à la variable t dans le développement limité usuel de et en O.

t2 t3
Posons v(x) = xJcos(x) . On a et= 1 + t + - + - + o (t3 ) donc
2 6 t -+ 0

ev(x) = 1 + v(x) + v(x2)2 + v(x6)3 + o (v(x)3)

x -+0

v(x)
avec v(x) 2 = x2 + x -+0
o (x 3 ) on a v(x) . .,_, x donc o(v(x) 3) = o(x3 ) d 'où
0 0 0

v(x) 3 x 3
+ x-+0
o (x 3
)

ev(x) = 1+ x + ~x 2 + (-~ + ~) x 3 + o (x 3 ).
2 4 6 x -+0
Ainsi, on a bien :
1 2 1 3 3
f(x) = l+x+ 2X - 12X + x~O(x ).

2.a. L'expression de f fait apparaître la composée de cos suivie de x r-+ y'x ainsi que
la composée de x r-+ x.jcosx suivie de exp. On utilise donc les théorèmes généraux
pour justifier que f est de classe C sur ] - ~, ~ [ en prenant bien soin de préciser
00

que, sur cet intervalle, cos est à valeurs dans ]O, 1], intervalle sur lequel x r-+ y'x est
de classe C00 (attention, on rappelle que x r-+ y'x n'est même pas dérivable en 0).

~ • cos est de classe C

00
sur] - ~,~ [ et cos(] - ~,~[) =]0, l]
• X H X est de classe C
00
sur ] -~,~[.
• x H .JX est de classe C sur ]O, +oo[ donc sur JO, l ],
00

• exp est de classe c sur R 00

donc , par théorèmes généraux, on en déduit que f est de classe C00 sur]- ~ , ~[.
"O
0
r::::
:::J 2.b. Il s'agit ici d'identifier les deux développements limités de f à l'ordre 3 en 0
0
lfl
celui obtenu à la question 1.b, et celui découlant de la formule de Taylor-Young (en
,.-1
0 signalant que f satisfait bien l'hypothèse d'application de cette formule).
N
@
étant de classe C sur ]- ~' ~ [. elle est en particulier de classe C sur ]- ~ , ~ [ .
....., 3
r: f 00

Ol
·;:: on peut donc lui appliquer la formule de Taylor-Young à l'ordre 3 en 0, qui donne :
>
Cl.
'\/xE ] - ~ , ~ [,
2 2
0
u f(x)=f(O) + j'(O)x + f"(O)x 2 +f"'(O)x3 + o (x 3 ).
2 6 x-+0
Par unicité du développement limité d'ordre 3 en 0 de f, on a, d'après la question 1.b,

J(O) = 1, j'(O) = 1,
!" (0) 1
- - - 2'
!"' (0) - 1
2 6 12
donc f(O) = 1, J'(ü) = l, J"(O) = 1 et f'"(O) = - ~.
 Exercice 11.4 Prolongement de classe C1 /// 389

u
3.a. Lorsque la fonction se présente sous forme d'un quotient - (comme c'est le
vl
cas ici pour g) , on écrit ce quotient sous forme d 'un produit u x - . On obtient un
V
développement limité à l'ordre 3 en 0 de '.!:'.'. par multiplication des développements
1 V
limités en 0 au même ordre de u et - . Ici,
V

2(1 + sinx) 1 + sinx 1

g(x) - -----.,.-- = (1 + sinx) x -----,...--
- 1 + cos(x) - l + cos(x) 1 - 1- cos x .
2 2 2
1
Le développement limité à l'ordre 3 en 0 de _ l-cosx s'obtient par «substitution»
1 2
1- COS X 1 1- COS X _ Û
à partir de ceIDC de et de - - , compte tenu de lim .
2 1- t x~o 2
On a
1 1
g(x) 2 + sinx = 2(1 + sinx) x (1 + cos(x)) -
1 + cosx

2 (1 + x - x6·3 + o (x3) ) x (2 - x22 + o (x3) ) - 1

X4Û X4Û

1 + x - x63 + o (x3)) x (1 - x42 + o (x3)) - 1

( X4Û X4Û

= (1 +x - ~3 + x~O(x3)) X (l-cp(x))-1
2
où cp(x) = x + o (x 3 ). Puisque (1 - t) - 1 = 1 + t + t 2 + t 3 + o (t3 ), on a donc
4 X4Û t~Û

2
(1 - cp(x)) - 1 = 1 + cp(x) + cp(x) + cp(x) 3 + o (cp(x) 3)
x ~o

avec cp(x)k = o (x 3
) si k ~ 2.
x~o
2
De plus, cp(x),...., E._ donc o(cp(x) 3 ) = o(x 6 ) ce qu i permettra it d'obtenir un dévelop-
o 4 0 0
pement limité d 'ordre 6 mais on le tronque d irectement à l'ordre 3. Ainsi ,
"O
0 2
r::::
:::J (1 - cp(x))- 1 = 1 + x + o (x 3)
0 4 x~o

lfl et finalement
,.-1
0
N
@
g(x)
.....,
r:
Ol
ï::: =
>
Cl.

u
0 c 'est-à-d ire :
1 •) 1 3 3
g(x) = 1 + x + - x- + x + o (x ) .
4· 12 x4 0

3.b. La stratégie dans cette question est la même que celle utilisée à la question 2.b.

~I x H2(1 + sin x) est de classe C00 sur ] - n, n[, x H 1 + cos(x) est de classe C00 sur
] - n, n[ et ne s'annule pas sur cet intervalle donc, par théorèmes généra ux, g est de
 390 Chapitre 11 Formules de Taylor et développements limités

classe C00 sur J - 7r, 7r[. En particulier, g est de classe C3 sur J - 7r, 7r[ et on peut lui
appliq uer la formule de Taylor-Young à l'ordre 3 en 0:
"(O) '"(O)
VxEJ - 7r,7r[, g(x)=g(O)+g'(O)x+L_ x 2 + L _ x 3 + o (x3 ).
2 6 x-tO
Par unicité du développement limité d 'ordre 3 en 0 de g, on a donc d 'après la question
précédente
g" (0) 1 g"'(O) - ~
g(O) = 1, g'(O) = 1, -
2
- -
4, 6 12
D 'où g(O) = 1, g'(O) = 1, g"(O) = ~ et g"'(O) = ~-
4. On va obtenir l'équivalent en effectuant le développement limité à l'ordre 3 en 0 de
j(x) - g(x) (en s'appuyant sur les résultats précédents). Un équivalent de j(x) - g(x)
en 0 est alors le premier terme non nul de la partie principale de ce développement
limité.

D'après les questions l.b et 3.b,

f(x)-g(x) = [l +x +~x 2 -:2 x 3 + x~ 0 (x3 )]- [l +x+~x2 + : 2x3 ]

1 2 1 3 3
= - x - -x
4 6
+ x -tO
o (x )

1 2
donc f(x) - g(x) rv 4
-x .
x -tO

On utilise ensuite que f(x) - g(x) est, au voisinage de 0, du même signe que son
équivalent.

~1
En particulier, f (x) - g(x) et ~x 2 sont de même signe au voisi nage de 0 donc finale-
ment f(x) - g(x) est positif au voisinage de 0 (et strictement positif sur un voisinage
de 0 privé de 0).

5. Sur les intervalles ouverts] - ~, 0 [ et JO, 7r[, la fonction u est de classe C1 car elle
coïncide avec des fonctions de classe C1 sur ces intervalles.
"O
0 Avec les notations des questions précédentes, nous avons
r:::
XE ]-~ , 0 [
::J
0 si
lfl
,..-1
u(x) = { f(x)
0
N
g(x) si X E [0, 7r[
@
.....,
r: f et g étant de classe ci respectivement sur ] - ~, 0 [ et JO, 7r[, u est clairement de
Ol
·;::
>
Cl.
classe ci sur ] - ~, 0 [ et JO, 7r[.
0
u
Le problème se pose véritablement au point de jonction : O. Il s'agit de montrer que
u est dérivable en 0 et que u' est continue en O. Compte tenu des distinctions faites
au niveau de la définition de u(x) suivant que x < 0 ou x ~ 0, il est naturel d'étudier
la dérivabilité à gauche et à droite de u en O. La clé de cette étude repose sur les
informations dont on dispose sur les dérivées de f et g en 0 (les valeurs de f' (0) et
g'(O) étant fournies aux réponses des questions 2.b et 3.b).
 Exercice 11.5 Nature des séries et dé veloppem ents limités 391

Com pte tenu de u(O) = g(O) = 1 = f (0), pour x E ] - ~, 0 [.

u(x) - u(O) _ u(x) - 1 _ f(x) - 1 _ f(x) - f(O)
X X X X

Or lim f(x) - f(O) = J' (0) = 1 donc lirn u(x) - u(O) = 1 i.e. u est dérivable
x --+0 X x--+O- X
à ga uche en 0 et, en notant u~(O) ce nombre dérivé, on a ·u~(O) = 1. De même
lim u(x) - u(O) = g' (0) = 1 donc u est dérivable à droite en 0 et, en nota nt u~(O)
x--+O+ X
ce nombre dérivé, on a u~(O) = 1. Ai nsi, ·u~(O) = 1 = u~(O) donc u est dérivable en
0 et u'(O) = 1.

Pour montrer la continuité de u' en 0, c'est-à-dire lim u' = u'(O) = 1, on étudiera

0
naturellement les limites à gauche et à droite de u' en O. On s'appuiera sur le fait que,
f et g étant de classe C1 sur J-~ , ~ [, lim J'(x) = f'(O) et lim g'(x) = g'(O).
2 2· x-tO- x-tO+

Pour x E J - ~,o[. u'(x) = J'(x) et, pour x E]0,7r[, u'(x) = g'(x). Ainsi, puisque f

et g sont de classe C sur ] -

1
~' ~ [ .
lim u'(x) = lim J'(x) = j'(O) = 1 et lim u'(x) = lim g'(x) = g'(O) = 1
x--+o - x --+o - x--+O+ x--+O+

donc lirn ·u' (x) = 1 = ·u' (0). La fonction ·u' est donc conti nue en O. Finalement, u est
x --+0

de classe C sur
1
] -~,7r[ et u'(O) = 1.

Exercice 11.5 : Nature des séries et développements limités

1. À l'aide de développements limités usuels que l'on rappellera clairement, mon-

trer que, lorsque x est au voisinage de 0, ln(2 - ex) = - x - x 2 + o(x2 ).
"O
0
r::::
:::J
2. a. Montrer que, pour tout k ;;:;: 2, 0 < 2 - e 1/k ~ 1.
0
lfl
b. Quelle est la nature de la série de terme général ln(2 - e 1f k)?
,..-1
0 n
N
@
3 . Pour n;;:;: 2, on pose Vn = L ln(2 - e 1fk) et Un = exp(Vn)·
....., k=2
r:
Ol
·;:: a. Déterminer lim Vn et lim Un .
n-t+oo n-t+oo

t,
>

(1 - ~) l·
Cl.
0
u
b. Montrer que l/n;;, 2, ln(nu,,) = [tn(2 - e'fk) - ln

c. Donner un équivalent de ln(2- e 11k) - ln ( 1 - ~) quand k tend vers + oo.

 392 Chapitre 11 Formules de Taylor et développements limités

d. En déduire que Un "' K avec K > O.

+oo n
e. Quelle est la nature de la série de terme général Un?

1. L'expression fait intervenir les fonctions usuelles ln et exp pour lesquelles on connaît
effectivement des développements limités (en 1 pour ln et en 0 pour exp) jusqu'à
l'ordre 2 (puisque c'est l'ordre annoncé par le o(x2 )) : pour x au voisinage de 0,
x2 x2
ln(l + x) = x - - + o(x2 ) et ex = 1 + x + - + o(x2 ) .
2 2
Partant du « cœur » de la formule, on commence par le second pour exprimer 2 - ë.
2
Tout d'abord , ex= 1 + X + x2 + 0 (x 2 ) donc
X-+0
2
- + o ( x 2) .
2 - e x =1 - x - X
2 x-+0

Puis, on s'efforce de « rajouter» le logarithme en y mettant en exergue la forme 1 + <p

(avec <p au voisinage de 0) pour pouvoir utiliser le premier développement limité.
2
Autrement d it, en posant cp(x) = -x - ~ + o (x 2 ), 2 - ex = l+cp(x) et limcp =O.
2 x-+0 0
t2 2
En outre, ln(l + t) = t - -2 + t-+0
o (t ) de sorte que
2
ln(2 - ex )= cp(x) - cp( x) + o (cp(x ) 2 ) .
2 X-+0

Or cp(x) 2 = x 2 + x3+ o (x 3 ) et o (cp(x)

2
) = o (x
2
) donc
x-+0 x-+0 x-+0
2 2
ln(2 - e x ) = - x - -X + o (
x 2) - -X = - x - x2 + o (x 2 ).
2 x-+ 0 2 x-+0
"O
0
r:::: 2.a. On s'emploie à «démonter» l'encadrement (en tenant compte de l'influence des
:::J
0 diverses transformations sur le sens des inégalités) pour savoir de quelles informations
lfl
,.-1 sur k il faut partir :
0
N
0 < 2 - e 1 fk :::;; 1 ~ -2 < - e 1/k :::;; -1
@
....., 2> elf k ~ 1
r:
Ol
ï::: 1
>
Cl.
ln2 > k~0
0
u 1
-<k
ln 2
On rédige alors le tout en « remontant » le raisonnement.

~I
Soit k ~ 2.
Par stricte positivité et décroissance de la fonction inverse sur IR'.f., on a 0 < ~ ~ ~.
 Exercice 11.5 Nature des séries et développements limités 393

Puis, par stricte croissance de exp sur ~. 1 < e 11k ~ e112 i.e. -1 > -e 11k ;;:: - e 112
i.e. 1 > 2 - e -l/k ;;:: 2 - e 112 . Or 2 - e112 = 2 - .Je= 4
-:e
2+ e
est strictement positif

1 donc, finalement, O < 2 - e1fk ~ l.

2.b. On fait une première synthèse des questions précédentes :
• la dernière permet de connaître le signe du terme général de la série;

~1
Pour commencer, d'après la question précédente, la série L ln(2- e1/k ) est à termes
(tous) négatifs.

• la première en donne un « développement asymptotique » donc un équivalent, ce

qui permet d'appliquer les théorèmes de comparaison.

La première question permet elle d'affirmer que ln(2 - ex) rv -X et donc, par
x --+0

composition, que le terme général de la série équivaut à -~ lorsque k tend vers + oo.

La série de Riemann de terme général ~ est divergente donc, d'après le théorème de

comparaison par équivalence pour les séries à termes positifs, la série L - ln(2- e1/k)
diverge.
Finalement, la série de terme général ln(2 - e1 fk) est divergente.
3.a. Il est évident que Vn a un lien direct avec la série dont on vient d 'obtenir la
nature : c'en est la somme partielle d'ordre n. Quant à un, il suffit de composer par
exp.

(Vn) est la suite des sommes partielles associées à la série Lln(2 - e1/k) qu'on
k~2
vient de voir être à termes négatifs et divergente donc lirn Vn = -oo. Comme
n--++oo
lim exp = 0, par composition, lim Un = O.
- oo n--++oo

"O 3.b. Partons du membre le plus « compliqué » : celui de droite. On y reconnaît

0
r::::
:::J
clairement Vrt (donc un) dans le premier logarithme. Il reste à voir ce que l'on fait du
second : puisque ln ( 1 - ~) = ln k :
0 1
lfl
,.-1
= ln( k - 1) - ln k, on pressent un phénomène
0
N télescopique.
@
.....,
r:
Ol
Pour n;;:: 2,
·;:: n n n

u
>
Cl.
0 L 1
[1n(2 - e fk ) - ln ( 1 - ~) J 1
Lln(2 - e fk ) - Lln ( 1 - ~)
k=2 k=2 k=2
n
= Vn - L [ln(k - 1) - ln(k)]
k=2
ln Un - ln(2 - 1) + ln(n) (par télescopage)
= ln(nun).
 394 Chapitre 11 Formules de Taylor et développements limités

3.c. Dans cette différence, on a déjà évoqué un équivalent du premier facteur (à savoir
1
- k) et il n'est pas trop difficile d'en trouver un du second. l\/Ialheureusement ces deux
équivalents sont identiques et on ne peut pas conclure (d'ailleurs, l'équivalence n'est
pas compatible avec l'addition et la soustraction) .
On revient donc en arrière et, plutôt qu'un équivalent, on utilise des «développements
asymptotiques » de nos deux facteurs obtenus à partir de développements limités (eux
sont compatibles avec l'addition et la soustraction).

Du développement limité à l'ordre 2 de t i---+ ln(l + t) en 0 déjà mentionné, on déduit

( 1) = - -k1+ -2k1 +
ln 1 - -
k 2
o
k-Hoo
(1)
-
k 2

et , de celui de la question 1,

ln(2 - e1fk ) = _.! -

k
_.!_2
k
+ o
k-Hoo
(_.!_).
k 2

1 1
1
Par soustraction, ln(2 - e /k) - ln (1 - -k ) -
-
- -- 2
2k
+ k -+o+oo (_.!_)
k2
de sorte que

ln(2 - el/k) - ln (1 - .!)

k k-++oo
rv - _l_.
2k2

]{
3.d. Partons de l'équivalence à obtenir pour comprendre d 'où elle provient: Un ,...., -
+oo n
revient à dire que (nun) converge vers K. Ce produit nun apparaît dans la question 3.b
sous la forme de son logarithme. Sa convergence passe par celle du second membre
qui n'est autre que la somme partielle d'une série. C'est donc de là que l'on part.

En procédant encore par comparaison par équivalence avec un multiple de la série de

Riemann convergente L: 2
, on dédu it de l'équivalent précédent que la série de terme
k~2

1
général ln(2 - e fk) - ln ( 1 - ~) S la somme de cette série et
converge. En notant
"O
0 en faisant tendre n vers +oo dans l'égalité obtenue en 3.b , on a lim ln(nun) = S.
r::::
:::J n-++oo
0 K
lfl Par continuité de exp en S, on en dédu it que lim nun = e5 i.e. Un - en
,..-1 n -++oo n-++oo n
0
N posant K = e3 qui est bien strictement positif comme annoncé par l'énoncé.
@
.....,
r:
Ol
·;:: 3.e. L'équivalent tout juste obtenu permet de conclure par un nouveau processus de
>
Cl.
0 comparaison.
u

En appliquant une dernière fois le théorème de comparaison par équivalence pour les
séries à termes positifs, l'équivalent de la question précédente et la divergence de la
série L~ permettent de conclure que la série de terme général un diverge .
n~2
 Exercice 11.6 Prolongement de classe C 1 IV 395

f : t i--+ ~
1
Le but* de cet exercice est de montrer que la fonction - définie - -
t sin t
sur [-~ , ~] \ {O} est prolongeable par continuité en 0 en une fonction de classe
C1 sur [- !:.2'2!:.].
1. Justifier que f est de classe C1 sur [-~, ~] \ {O}.
2. Montrer que f est prolongeable par continuité en 0 et préciser quelle valeur il
faut alors donner à f(O).
3. Vérifier que le prolongement ainsi défini (qu'on continuera à noter J) est déri-
1
vable en 0 et que f'(O) = -
6.
4. Conclure.

1. Il s'agit d'appliquer les « théorèmes généraux » qui garantissent la stabilité des

fonctions de classe C1 pour les opérations algébriques.

Les fonctions usuelles t H t et sin sont de classe C 1 sur [-~, ~] et ne s'y annule
qu'en 0 donc t Hi et s~n 1
sont C sur [-~, ~] \ {O} et, par soustraction, c'est aussi
le cas de f.
2. Il suffit de déterminer la limite de f en O. Sous sa forme initiale, il y a une indé-
termination du type oo - oo donc on réduit au même dénominateur
1 1 sin t - t
t sin t t sin t
Désormais, l'indétermination est du type ~, pour la lever, il faut utiliser des équiva-
"O
0
lents du numérateur et du dénominateur (pour le premier, on a recours à un dévelop-
r::::
:::J pement limité à l'ordre 3 de sin en 0).
0
lfl
,..-1
0
N
Pour t E [ - -n , - n] \ {O}, f(t) = sint-t
. .
. Or smt = t - -t
3
+ t40
o ( t3 ) donc
2 2 t sm t 6
@ 3 3
-~ etsint ,...., t. Ainsi f(t) ,...., - ~ 2 ,...., - -t et, par suite, lim f(t) =O .
6
....., sint-t ,....,
r: t4 0 6 t4 0 t4 0 t t4 0 6 t4 0
Ol
·;:: En conclusion, f est prolongeable par continuité en 0 en posant f (0) = O.
>
Cl.
0
u 3 . Par définition de la dérivabilité en 0, il s'agit de déterminer la limite du taux
d'accroissement f(t) - ~(O) lorsque t tend vers O. Là encore le développement limité
t-
précédemment utilisé permet de lever toute indétermination.

*· On trouvera une application de ce résultat dans l'exercice 10.13 en page 367.

 396 Chapitre 11 Formules de Taylor et développements limités

.
Toujours pour t E [ - -7r , -7r J \ { 0 } , f (t) - f (0) = -f (-t) = sin t. - t . Avec le meme h

2 2 t- 0 t t 2 sm t
. nement que prece
raison , 'd emment, on 0 btient . f(t)
que - - rv - -t33 rv - -1 de sorte
t t --7 0 6t t --7 0 6
que lim f(t) - ~(O) = - ~ autrement dit f est dérivable en 0 et J' (0) = - ~.
t--+0 t- 6 6

En raisonnant uniquement avec des développements limités, on aurait aussi pu voir

que f en possédait un à l'ordre 1 en 0 ce qui impliquait sa dérivabilité en 0 (voir la
question 4.a de l'exercice 11.2).
4. On commence par faire le bilan des résultats déjà obtenus pour voir ce qu'il reste
à faire.

~1 Les questions précédentes ont montré que

dérivable en O. Seule reste à démontrer la continuité de
f était de classe C1 sur
J' en O.
[-~, ~] \ {O} et

Il faut donc calculer f' sur [-~ , ~] \ {O}, déterminer sa limite en 0 (toujours à l'aide
de développements limités) et la comparer à f'(O).

Or, pour t E [ - - , -
7r n] \{O},f(t)=
, - t12 + ~
cost
t=
-sin t+t cost
t2 .
2 2
2t •
2 2 sm sm
3 2 4 2
2
sin t= [t- t + o (t 3
)] =t2 - t + o (t4 ) et cost=l- t + o (t 2 )
6 t --7 0 3 t --70 2 t --7 0

donc
4 4 4
. 2
- sm t + t 2 cos t = - t 2 + -t + o (t 4) + t 2 - t- = - t- + o ( t 4)
3 t--70 2 6 t--+0
4
1
2
et t sin t = t
2 4
+ t --7o 0 (t4 ). Ainsi J'(t) t """
--7 0
_ t4
5t
"""
t --7 0
--
6
si bien que limf'(t) = J'(O)
t --+ 0

i.e. f' est continue en 0 et fi nalement f est de classe C1 sur [- ~, ~].

"O
0
r::::
:::J
0
lfl
,.-1
0
N
Exercice 11. 7 : Développements limités et fonction réciproque
@
.....,
r:
Ol
·;:: 1
> Soit f: xi--+ Arctan ( --).
Cl.
0
l+x
u
1. Déterminer le domaine de définition de f et calculer f (0). Est-il possible de
prolonger f en une fonction continue sur lR ?
2. Montrer que f réalise une bijection de J- 1, +oo[ sur un intervalle I que l'on
précisera.
 Exercice 11. 7 Développements limités et fonction réciproque 397

3. a. Justifier que f est de classe C3 sur ] - 1, +oo[. En déduire que 1 admet

un développement limité d'ordre 3 en O.
b. Montrer que le développement limité d'ordre 3 en 0 de f est donné par
7r 1 12 13 3
l(x) = 4- 2X + 4X - 12X + x~O(X ).
c. Déterminer l'équation de la tangente T à la courbe représentative de f
au point d'abscisse 0 et étudier sa position par rapport à la courbe au
voisinage de cc point.
4. On note 1- 1 : I ~] - 1, +oo[ la bijection réciproque de 1- Justifier que 1- 1
7r
admet un développement limité d 'ordre 3 en et le déterminer.
4

1. Pas de problème pour le domaine de définition et la valeur de 1(0) : la démarche

est analogue à celle de la première question de l'exercice précédent.

~1
1
Arctan étant définie sur lR et x H - - sur lR \ {-1}, la fo nction f est définie sur
l+x
7r
lR \ {-1}. En outre f(O) =Arctan(!)= 4·
f est continue sur IR \ { -1} par théorèmes généraux. Le seul problème se situe donc
en - 1. f est prolongeable par continuité en - 1 ssi f admet une limite finie en - 1.

.
1im -l- . . , i·im f = -7r .
= + oo et i·im A rctan = -7r d one, par compos1t1on
x --+(-1 ) + 1 +X + oo 2 (-1)+ 2
1
i·im - - = - oo et i·im A rctan = - -7r done i·in1 1· = - -7r . p u1sque
.
D e meme,
A

x--+(-1) - 1 +X - oo 2 (-1 ) - 2
lim f(x) # lim f(x), f n'a pas de limite en - 1 donc f ne peut pas se
x--+ ( - 1)+ x--+(-1 ) -
prolonger par continu ité en -1. Ainsi, on ne peut pas prolonger f en une fonction
continue sur R
"O
0
r:::: 2 . Pour ce type de question, pas d'hésitation: il faut utiliser le théorème de la bijection.
:::J
0
lfl 1
,.-1 Arctan étant dérivable sur lR et x H sur ] - 1, + oo[, f est dérivable sur
0
N
l+x
] - 1, +oo [ par composition. De plus,
@
.....,
r: '<lx> - 1, J'(x) = - (1: x)2 x __(_1_1 _)_2 = 1 <0
Ol
·;::
1+ l+x
(l + x) 2 + 1
>
Cl.
0 Ainsi , f est continue (car dérivable) et strictement décroissa nte sur ]-1, +oo[. D'après
u
le théorème de la bijection, f est une bijection décroissante de ]- 1, +oo[ sur l'intervalle

I = ] lim f, lim f [·
+oo (-1)+
Or, on a déjà vu que lim
(-1)+
f = ~2 et, comme x --+lim+oo -1 +1- X = 0
et Arctan est continue en 0, on a lim f = O.
+ oo

Conclusion : f est une bijection décroissante de ] - 1, +oo [ sur I = J0, ~ [.

 398 Chapitre 11 Formules de Taylor et développements limités

On pourrait aller plus loin et expliciter ici 1- 1 . Si x E ] - 1, +oo[ et y E J0, ~ [,

l(x) =y ~
1
Arctan ( -- ) =y
l+x
~ -
l+x
1
- =tan y (car y E ]-~2 , ~2 [)
1 1
- - = l+x ~ x = --- 1
tan y tan y
1
donc = - - - 1 pour tout y E J0, ~ [.
l- 1 (y)tan y 2
3.a. Le fait que f est de classe C sur ) - 1, + oo[ résulte des théorèmes généraux.
3
La formule de Taylor-Young à l'ordre 3 en 0 peut alors s'appliquer et fournit le
développement limité désiré.

1
Arctan étant de classe C00 sur lR et x f--7 - - sur ] -1, +oo[, f est de classe C00 sur
l+x
J- 1, +oo[ par composition. En particulier, f est de classe C3 sur J - 1, +oo[. Puisque
0 E] - 1, +oo[, on a donc l'existence du développement limité d'ordre 3 de f en 0
fourni par la formule de Taylor-Young :
!"' (0) 3
f i/-(0)x 2 + -
f(x) = f(O) + f'(O)x + - - x + o (x 3 ) .
2 6 X -*Ü

3.b. Il est souvent fastidieux d'appliquer la formule précédente en déterminant, après

quelques dérivations, l'(O), f"(O) et l"'(O) mais les calculs restent raisonnables ici.

1T 1 1 . "( ) 2(1+x) de
On a f ( 0) = 4" et f '( 0) (l + 0)
= - 2 + 1 = - 2 puis f x =
[(1+x) 2 +1] 2
"() 2(1+0) 1 .
sorte que f 0 = [(l + 0) 2 + l] 2 = 2. et enfin
2
"'() 2 8(l+x) 2 - 6(l+x) 2
f x = [(1 + x)2 + 1]2 [(1+x)2 + 1]3 [(1 + x) 2 +1]3

qui. cond wt
. a, f"' (O) = - 1 . A.ms1. .f (x ) = 1 + 4x
4 - 2x
7r 1 2 - 1 x3 + x~o ( x 3) ·
2 12
1f 1
"O
3.c. La partie linéaire - du développement limité précédent fournit l'équation
2x
0
r::::
:::J 4
0 1 2
lfl
,-1
de la tangente, tandis que la partie quadratique
4x indique la position locale de
0
N
cette tangente par rapport à la courbe.
@
.....,
r:
Ol
La courbe Cf de f admet une tangente D. d'équation y= ~ - ~x au point d 'abscisse O.
·;::
>
Cl.
0
De plus, f(x) - (~ - ~x) x:o ~x 2 donc Cf est au-dessus de D. au voisinage du
u point d'abscisse O.
1f
4. On justifie que l- 1 admet un développement limité d'ordre 3 en de la même
4
façon qu'on l'a fait pour l en 0 : il suffit de vérifier que 1-l est de classe C3 au
1T
voisinage de . Pour cela, on utilise les résultats du chapitre sur la dérivation, et plus
4
particulièrement sur la régularité de la bijection réciproque.
 Exercice 11. 7 Développements limités et fonction réciproque 399

1 ét ant une biject ion de classe C3 del - 1, + oo[ sur] 0, ~ [. 1- 1 est de classe C3 sur
1
] 0, ~ [si et seulement si f' u-
ne s'a nnu le pas s ur ]-1, +oo[ (en effet
1
)' = I' 0 1- 1
donc, comme 1- 1 et f' sont dérivables, par t héorèmes généraux, u-
1
)' l'est aussi
2
pu is une deuxième fois et enfin C ). C'est effect ivement le cas ici ca r on a vu à la
question 2 q ue J'(x) < 0 pour tout x E] - 1, +oo[. Ainsi, d 'après les conditions de
valid ité de la formu le de Taylor-Young, 1- 1 admet un développement li mité d'ord re 3
en ~. Il existe donc qu atre réels a, b, c et d tels que :

1- 1 (~4 + h) =a + bh + ch2 + dh 3 + h 4o 0 (h3 ) .

La suite de la question est un peu plus technique. La méthode qu'on va voir ici s'adapte
à toutes les situations analogues. L'objectif est de déterminer les quatre inconnues a,
b, c et d. L'idée pour effectuer cela va consister à identifier les coefficients de deux
expressions du développement limité à l'ordre 3 en 0 de l- 1 (/(x)) :
11"
• la première est obtenue en injectant h = l(x) - dans le développement limité
4
en 0 de l- 1 (~+1i) établi précédemment (nous remarquons que les coefficients
de ce développement limité s'exprime en fonction des quatre inconnues qui nous
intéressent, à savoir a, b, c et d) ;

D' une part, on a , en posant h( x) f(x) - ~ et en tenant compte de

lim (l(x) - ~) = 1(0) - ~ = 0,
X 4Û 4 4

1- 1 (f(x)) = 1- 1 (~ + h(x)) =a+ bh(x) + ch(x) 2 + dh(x) 3 + x~o (h(x) 3 )

avec
1 1 2 1 3 3
h(x) - -x + -x - -x + o (x )
2 4 12 X 4Û

2 1 2 1 3 3
h(x) - x - - x + o (x )
4 4 X 4Û
"O
0 1 3
h(x) 3 - - x + o (x )
r:::: 3
:::J
0 8 x -+ 0
lfl 1 3 3
,-1
donc h(x)"' -- x d 'où o(h(x) ) = o(x ). On en déduit qu e
0
N
0 2 0 0
@
....., f- 1 (f(x)) =a - ~bx + ~(b + c)x2 + ( - _!_b _ ~c - ~d) x 3 + o (x 3 ) .
r: 2 4 12 4 8 x-+ 0
Ol
·;::
>
Cl.
0 • la deuxième façon d'obtenir le développement limité à l'ordre 3 en 0 de l- 1 (/(x))
u
est certainement la plus naturelle : il suffit de remarquer que 1- 1 (/(x)) = x, du
coup l- 1 (/(x)) = x + o (x3 ) .
x -70

L'identification des coefficients des deux expressions du développement limité de

1- 1 (/(x)) permet alors de déterminer nos inconnues a, b, c et d.
 400 Chapitre 11 Formules de Taylor et développements limités

D'autre part, f - 1 (f( x )) = x = x + o (x 3 ) , donc, par un icité du développement

x -tO
li mité d 'ordre 3 en 0 de 1- 1 (f(x)), on a :

a 0 a 0
1
--b 1 b -2
1 2 , soit

1
f(b + c)
1
0 c = -b = 2
2 8
- -b - - c - - d 0 d - - b- 2c = - -
12 4 8 3 3
On peut alors conclure en n'oubliant pas d 'écrire le développement limité de 1- 1 au
1f
point qui nous intéresse, c'est-à-dire .
4
Ainsi,
1- 1 (~4 + h) = - 2h + 2h
2
-
8
-3 h 3 + h -t0 O(h 3 )
et, si on effectue la substitution h = y - ~· on obtient la forme du développement
limité en ~ :

"O
0
r::::
:::J
0
lfl
,..-1
0
N
@
.....,
r:
Ol
·;::
>
Cl.
0
u
 Liste des capacités attendues

• Savoir utiliser la formule de Taylor avec r este intégra l (cf exercice 11.1)

f(x) =""'n~
J (k) (a)
k!
(x - a)k +
1·x(x - t)" f(n+l)(t)dt
n!
k=O a

• Savoir utiliser l'inégalité d e Taylor-Lagrange (cf question 11.3.2.a)

• Savoir utiliser les développements limités u s u els au voisinage de 0 et

effectuer des manipulations avec des développements limités (cf exer-
cices 11.2, 11.4, 11.5 et 11.7) : somme, produit, «substitution»

1 e" = 1 + x + -x'2 + · · · + -x" + o (x") 1:.

n.1 x~o

1 ln{! +x) = x - -x' + · · · + (- l)n-l _x"

2 n
+ x ~O
o (x"),1

x2 x"
(1+x)a =1 + ax + a(a - 1)- + · · · + a(a - 1) x · · · x (a - n + 1) - + o (xn) ,
2 n! x ~O

. x3 x2n+1
Sln X = X - - + · · · + ( - 1)" + 0 (x2n+l) ,
6 (2n + 1)! x~o

2 2n
COS X = 1- -X + ···+ ( -1 )n -
X - + 0 ( X 2n)
2 (2n)! x~O

• Savoir utiliser la formule de Taylor-Young (cf questions 11.4.2.b, 11.4.3.b

et 11 .7.3.a)
"O
0
J(k )( )
0
r::::
:::J
f(x) = Ln k! a (x - a)k + o ((x - a)n)
lfl
,..-1
k=O
0
N
@
.....,
r:
Ol
·;::
>
Cl.
0
u
u
0
c
::J
0
lfl
,.-1
0
N
@
.......
.r:.
Ol
·c
>-
Q.
0
u
 Partie 3
Probabilités

"O
0
r::::
:::J
0
lfl
,.-1
0
N
@
.....,
r:
Ol
·;::
>
Cl.
0
u
u
0
c
::J
0
lfl
,.-1
0
N
@
.......
.r:.
Ol
·c
>-
Q.
0
u
 Probabilités

12 Dénombrement 407
Semestre 1
12.1 : Q.C.M. et structure de données 407
12.2 : Combinaisons avec répétitions 408
12.3 : Autour de la formule du crible 411
12.4 : Formules de Vandermonde et du binôme de Newton 413
12.5 : Tirages avec et sans remise 415
12.6 : Comment vider une urne? 419
Liste des capacités attendues 422

13 Espaces probabilisés 423

Semestre 1
13.1 : Tirages simultanés dans une urne multicolore 423
13.2 : Probabilités conditionnelles 426
13.3 : Plusieurs chances de gagner? 428
13.4 : Chaînes de Markov 430
Semestre 2
13.5 : Tirages dans une urne indéfiniment 435
13.6 : Singe dactylographe 439
13.7 : Lemme de Borel-Cantelli et marche aléatoire 441
Liste des capacités attendues 446
"O
0
14 Variables aléatoires discrètes 449
r::::
:::J
0
lfl
Semestre 1
,..-1
0
N
14.1 : Loi usuelles 1 449
@ 14.2 : Déplacement d'un mobile 452
.....,
r:
Ol
·;::
14.3 : Coefficients de probabilité et moments 453
>-
Cl.
0
14.4 : Théorème de transfert et fonction génératrice 456
u
14.5 : Loi du min ou du max 458
14.6 : Loi et événements élémentaires 460
Semestre 2
14.7 : Lois usuelles Il 464
14.8 : Attente du premier succès 466
 14.9 : Lois discrètes sans mémoire 470
14.10 : Deux côtés Pile consécutifs 473
14.11 : Loi binomiale négative 479
Liste des capacités attendues 483
15 Variables aléatoires à densité 485
Semestre 2
15.1 : Autour de la loi de Cauchy 485
15.2 : Fonction de répartition de variable à densité 487
15.3 : Transformations affines d'une variable à densité 489
15.4 : Formule de l 'espérance par antirépartition 494
15.5 : Discrétisation de variables à densité 1 497
Liste des capacités attendues 502
16 Convergence en probabilité et en loi 503
Semestre 2
16.1 : Convergences en moyenne et en probabilité 503
16.2 : Loi d 'or de Bernoulli et paradoxe du duc de Toscane 505
16.3 : Discrétisation de variables à densité 11 508
16.4 : Lois binomiales et hypergéométriques 510
16.5 : Validité des approximations et Scilab 512
Liste des capacités attendues 516

"O
0
r::::
:::J
0
lfl
,.-1
0
N
@
.....,
r:
Ol
·;::
>
Cl.
0
u
 CHAPITRE

12
Dénombrement

1. Une personne doit répondre à un questionnaire à choix multiples (Q.C.M.)

composé d'une série de n questions fermées à choix binaires, accompagnées
d'une case à cocher, du type :
D Mon foyer possède un téléviseur.
La case à gauche de chacune des questions devant être cochée si la réponse est
« oui » et laissée vide si la réponse est « non ».
a. Proposer une structure de données Scilab permettant de représenter
l'état du Q.C.M. une fois rempli.
b. Combien y-a-t-il de façons de remplir le Q.C.M. ?
2. a. Expliquer pourquoi la structure de données du 1 est aussi adaptée pour
représenter une partie d'un ensemble à n éléments. Retrouver ainsi le
nombre de parties d'un ensemble à n éléments.
b. Écrire une fonction Scilab prenant en entrée une partie de ffl, n] (re-
présentée par la structure de données adaptée) et donnant en sortie le
nombre d'éléments de cette partie.

"O
0
r::::
:::J
o 1.a. Il y a n questions et les réponses à chacune sont soit positives soit négatives donc
~ on va utiliser un tableau de longueur n avec des éléments booléens (True ou False)
0
N ou leur codage naturel par 1 et O.
.....,

~1
r: On peut représenter le Q.C.M. une fois rempli par un tableau Scilab M formé de n
Ol
·;::
> nombres 0 ou 1. Si 1 ~ k ~ n, M(k) vaut 1 si la réponse est oui à la ke question et
Cl.
0 M(k) vaut 0 sinon.
u
1.b. On a clairement des n-listes (avec répétitions!).

~1
D'après la question précédente, le nombre de façons de remplir le Q.C.M. correspond
au nombre de n - listes formée de 0 ou de 1. Ce nombre est égal à
Card({O, l}n) = Card({O, l}t = 2n.
 408 Chapitre 12 Dénombrement

2.a. Il faut penser qu'un questionnaire rempli se caractérise par les questions aux-
quelles il a été répondu posit ivement. Il représente donc la «partie » du questionnaire
qui a reçu des réponses positives.

Si E est un ensemble de cardinal n , on peut numéroter ses éléments à partir de 1

et écrire E = {e1, e2 , . .. , en }· Une partie A de E peut alors être représentée par un
tableau Scilab M formée de n éléments tel que : pour tout k appartenant à [ l , n],
L(k) = 1 si ek E A et L(k) = 0 si ek ~ A. Réciproquement, un tableau M de n
nombres 0 ou 1 correspond à une et une seule partie de E (celle dont les éléments
sont les ek où k est tel que M (k ) = 1) . 11 existe donc une bijection entre l'ensemble
des parties de E et l'ensemble des n -l istes formées de 0 ou l. Comme au 1.b, on en
déduit que le nombre de parties de E est égal à 2n.

2.b. Le nombre d'éléments d'une partie de E correspond au nombre de 1 dans sa

représentation sous forme de tableau. La méthode naturelle qui vient à l'esprit est de
parcourir le tableau et d'incrémenter une variable de comptage (init ialisée à 0) chaque
fois qu'un 1 est rencontré. Une première ébauche de code serait donc la suivante.

function n=nbUns(M)
n=O;
for k=1:length(M)
if M(k)==1 then
n=n+1;
end
end
endfunction

En y regardant de plus près, la structure condit ionnelle est inutile et il suffit de sommer
les éléments de M (puisque les éléments différents de 1 sont nuls) . On obt ient ainsi
un code plus compact.

~1
"O
0 function n=nbUns(M)
r:::
::J n=sum(M);
0
lfl
endfunction
,..-1
0
N
@
.....,
r:
Ol
·;::
>
Cl.
0
u
Soient n E N* et N E N. On cherche à calculer le nombre de n-listes de Nn
n
L = (x1, x2, ... , Xn) telles que L Xk = X1 + X2 + · · · + Xn = N. On notera
k= l
Cn ,N l'ensemble des ces n-listes.
 Exercice 12.2 Combinaisons avec répétitions 409

1. En supposant qu'on dispose de N boules indiscernables et n urnes numérotées,

décrire une expérience dont les issues peuvent être modélisées par ces n-listes.
2. Soit L = (x 1 , x 2 , ... , xn) telle que LE Cn,N· On lui associe la liste L' formée
uniquement de 0 et de 1 construite ainsi : L' est constituée d'une succession
de x 1 nombres 1, suivi d'un 0, puis de x2 nombres 1 suivi d'un 0, etc. L' se
terminant par un 0 suivi de Xn nombres 1. Schématiquement,
L' = (1, 1, ... , 1, 0, 1, 1, ... , 1, 0, ... , 0, 1, 1, ... , 1)
"-v-' "-v-' ~
xi fois x2 fois Xn fois

a. Donner la longueur de L' en fonction de N et n.

On la notera f(N, n).
b. Préciser n, N et L' dans les deux exemples ci-dessous :
L = (3, 1, 2) et L = (1,0,3,0,0).
3. On note Dn,N l'ensemble des listes comportant n - 1 fois le nombre 0 et
f(N, n) - (n - 1) fois le nombre 1.
a. Justifier qu'une liste de Dn,N est associée à une et une seule liste L de
CN ,n·
b. La fonction Scilab ci-dessous a pour objectif de reconstituer L à partir
de sa liste associée L'. Cependant, elle ne fonctionne pas comme voulu.
Identifier le problème et essayer de le corriger.
function L=CombinaisonaRep(LL)
L=[];
nbUns=O;
for k=1:length(LL)
if LL(k) then
nbUns=nbUns+1;
"O
el se
0
r:::: L=[L,nbUns];
:::J
0 nbUns=O;
lfl
,.-1 end
0
N end
@ endf unction
.....,
r:
Ol
·;:: c. En remarquant qu'un élément de Dn,N est construit à partir d'une liste
>-
Cl. de f(N, n) nombres 1 dans laquelle on a remplacé n - 1 de ces nombres
0
u par 0, calculer le cardinal de Cn,N.
 410 Chapitre 12 Dénombrement

1 . On dispose de N boules et de n urnes, il faut trouver une façon de mettre les

boules dans les urnes qui soit codée par une n-liste. L'idée est d'interpréter l'égalité
n
L Xk = N comme un «partage» de ces N boules en n morceaux.
k= l

Une répartition des N bou les dans les n urnes équivaut à la donnée d 'une n-liste
n
(x1 , x2, ... ,xn) d 'entiers tels que L Xk = N où x1,x2, ... ,Xn correspondent aux
k=l
nombres de boules que contiennent respectivement les urnes 1, 2, ... , n.

2.a. Il suffit de faire le compte avec la présentation de L' donnée dans l'énoncé
f(N,n) = X1 +1 +X2 +1+···+1 + Xn = X1 + X2 + · · · + Xn + 1 +1 +··· +1.
n - l fois

L' est la juxtaposition de séries de Xk nombres 1 suivis d ' un 0 pour k décrivant

[l, n - l] , et se terminant par une série de Xn nombres 1. Ainsi,
n -1 n n-1

k=l k= l k= l

2. b. On suit exactement le processus de construction de L'.

~I Dans le prem ier exemple, N = 3 + 1+2 = 6, n = 3 et L' = (1 , 1, 1, 0, 1, 0, 1, 1). dans

le second, N = 1+3 = 4, n = 5 et L' = (1,0,0, 1, 1, 1,0,0).

3.a. Il s'agit de décrire en généralité le processus inverse de celui vu sur des exemples
à la question précédente. Il a été essentiellement décrit à la question 2.a.

Soit L' une liste de Dn ,N. On complète L' en lui ajoutant un 0 en début et fin de liste.
En parcourant la liste L' ainsi prolongée de gauche à droite, on note X 1 , x2, ... , Xn
les longueurs de toutes les séries de 1 rencontrées dans cet ordre, intercalées entre
n
deux O. Par définition de D n ,N, il y a N nombres 1 d ans L' donc L Xk = N et
k=l
(x1 , X2 , ... ,xn) est l'unique liste L de Cn ,N associée à D n,N ·
"O
0
r::::
:::J
3. b. Voyons le déroulement de la fonction proposée.
0
lfl
,-1
function L=CombinaisonaRep(LL)
0
N
L=[]; \\initialise la liste L
@ nbUns=O; \\initial ise la taille de la première série
.....,
r: for k=1:length(LL) \\boucle sur les éléments de LL
Ol
·;:: if LL(k) then \\si c'est un 1,
>
Cl.
0
nbUns=nbUns+1; \\on incrémente la taille de la série
u else \\sinon
L=[L,nbUns]; \\on complète L avec la taille de la série
nbUns=O; \\on réinitialise la taille pour la suivante
end
end
endfunction
 Exercice 12.3 Autour de la formule du crible 411

~1
La fonction calcule les longueurs des séries de 1 e n détectant leur fin par la présence
d'un O. Or, nous avons déjà remarqué que la dernière série de 1 est la seule à ne pas
se terminer par O. Il faut donc prendre en compte ce cas particulier.
Pour gérer ce cas, on peut ajouter un 0 à la fin de la liste* d 'entrée LL ce qui peut
se faire en ajoutant la ligne LL= [LL, O] dès le début de la fonction t . Mieux, on met à
jour L en fin de boucle pour prendre en compte la dernière série de 1.

~ function L=CombinaisonaRep(LL)
L=[];
nbUns=O;
for k=1:length(LL)
if LL(k) then
nbUns=nbUns+1;
el se
L=[L,nbUns];
nbUns=O;
end
end
L=[L,nbUns];
endfunction

3.c. Une liste de Dn,N est caractérisée par la position des n- 1nombres0, on reconnaît
donc une (n - 1)-combinaison.
D'après la question 3.a, et avec les notations de la question 2, l'application qui à L
associe L'est une bijection de D n,N sur Cn,N· Ainsi Card(Cn,N) = Card(Dn,N) .
Par ailleurs, une liste de D n,N correspond à une (N + n - 1)- liste de 1 dans laquelle on
a remplacé n - 1 de ces nombres 1 par 0 et il y a autant de façons de chois ir ces n - 1
nombres que de choix de (n - 1)-combinaisons d'un ensemble à N + n - 1 éléments.
Ainsi,

Card(Cn,N)=Card(D n,N) = (N:~;l) = (N+;-l)

(la dern ière égalité résultant de la propriété de symétrie des coefficients binom iaux).
"O
0
r::::
:::J
0
lfl
,.-1
Soit n E N*. On répartit au hasard n boules numérotées de 1 à n dans 3 urnes
0
N numérotées de 1 à 3, chaque urne pouvd.nt contenir aucune ou plusieurs boules.
@ 1. Quel est le nombre de répartitions possibles?
.....,
r:
Ol
·;:: 2. Combien de répartitions existent pour lesquelles :
>
Cl.
0
• on a au moins une urne vide?
u
• chaque urne contient au moins une boule?

*· En programmation, on parle de vo.le1Lr sentinelle.

t. Cela crée une varia ble LL locale à la fonction CombinaisonaRep qui contient une copie de la
variable LL passée en argument augmentée d'un 0 et ce sans modifier cette dernière.
 412 Chapitre 12 Dénombrement

1. Il y a deux possibilités : se placer du point de vue des urnes ou de celui des boules.
Du point de vue des 3 urnes , il fau t voir quelles boules contient chacune. Cela donne
une vision claire pour la composition d'une urne mais pas de vision d'ensemble. Par
contre, du point de vue des n boules, chacune « a le choix » entre les trois urnes et
on reconnaît une structure de n-liste.

~1
Une répartition correspond à une n - liste (x 1, x 2, ... , Xn ) où, pour tout i appartenant
à [1, riJ Xi représente le numéro de l'urne dans laquelle a été placée la ie boule.
L'ensemble de ces répartitions peut donc être modélisé par [1 , 3]n et le nombre de
répartitions vaut Card ([1 , 3r) = Card ([1, 3])n = 3n .

2. Chacune des 3 urnes peut être vide mais plusieurs peuvent l'être simultanément ,
la sit uation est donc précisément celle de la première quest ion.

Pour i E [1 , 3], notons A i la partie de [1 , 3r qui correspond à «l'urne numéro i est

vide». On cherche donc à calculer Card(A1 U A2 U A3)· D'après la formule du crible
de Poincaré,
3

Card(A1UA2UA3) = 2:: Card(Ai) - L Card(Ai nA.1 )+Card(A1nA2nA3).

i= l

Le fait que plusieurs urnes soient vides correspond à « limiter le choix » d'urne de
chacune des boules.

Si i E [1 , 3], la partie A i est formée des n - listes dont les composantes sont l' un des
deux nombres compris entre 1 et 3 ma is disti ncts de i, on a donc
Card(Ai) = Card ( ([1, 3] \ {i} f) = Card ( ([1, 3] \ {i} f) = 2n.
Si i, j sont deux entiers tels que 1 :::;; i < j :::;; 3, la partie Ai n Ai correspond à
« les urnes numéros i et j sont vides ». Cette partie est formée des n -listes dont les
composantes sont égales à l' unique nombre compris entre 1 et 3, d istinct dei et j, on
a donc
Card(Ai n A j ) = Card (([1, 3] \ {i, j} )n) = 1n =1.
Enfin, la partie A i n A2 nA3 correspond à l'événement :« les trois urnes sont vides»,
"O ce qui est impossible. Ainsi A 1 n A2 n A3 = 0 et
0
r::::
:::J Card(A1 n A2 n A3) =O.
0
lfl Finalement, le nombre de répartitions où au moins une urne est vide est :
,-1
0
N Card(A1 U A 2 U A 3) = 3 X 2n - 3 X 1+ 0 = 3 X (2n - 1).
@
.....,
r: Par négat ion logique, le complément aire de « toute urne contient au moins une boule »
Ol
ï::: est « au moins une urne ne cont ient pas de boule» c'est-à-dire la part ie dont on vient
>
Cl.
0 de trouver le cardinal.
u
La partie de [1, 3r qu'on cherche à dénombrer maintenant est Ai U A2 U A 3. Le
nombre de répartitions où chaque urne contient au moins une boule vaut donc
Card (Ai u A2 u A3) Card ([1 , 3r ) - Card(A1 u A2 u A3)
= 3n - 3 X (2n - 1).
 Exercice 12.4 Formules de Vandermonde et du binôme de Newton 413

Lorsqu'une partie (ou un événement probabiliste) fait intervenir des

« au plus » ou des « au moins », il est souvent intéressant de considérer
la partie complémentaire (l'événement contraire) qui peut être plus
simple à dénombrer.

Exercice 12.4 : Formules de Vandermonde et du binôme de Newton

Un groupe de contribuables comporte a fraudeurs et b personnes honnêtes.

1. Un contrôleur fiscal sélectionne n contribuables en vue d'un contrôle (sans
ordre de passage prédéfini).
a. Combien de sélections différentes peut-il faire?
b. Soit k E [O, n]. Combien y a-t-il de sélections possibles dont k exactement
sont des fraudeurs?

c. En déduire: ~(a)
"f::o k
( b ) - (a+ b)
n-k - n ·
2. Un deuxième contrôleur moins organisé décide quant à lui de sélectionner et
contrôler les n contribuables au fur et à mesure (il peut même lui arriver de
contrôler plusieurs fois le même contribuable).
a. Combien de sélections différentes peut-il faire ?
b. Soit k E [O, n]. Combien y-a-t-il de sélections possibles dont k sont des
fraudeurs?

c. En déduire: t (~)akbn-k =(a+

k=O
b)n.

"O 1.a. L'absence d'ordre de passage prédéfini fait que la sélection des n contribuables
0
r::::
:::J
peut être considérée comme simultanée. On reconnaît alors une ri-combinaison de
0 l'ensemble des contribuables.
lfl
,.-1
0
N
Une sélection correspond dans ce cas au choix d'une n -combina ison d'un ensemble à
@
.....,
r:
Ol
(a+ b) éléments. On sait alors d 'après le cours qu 'il y a (a: b) choix possibles donc
·;::

(a+b)
>
Cl.
0 n se'I ect1ons
. poss1"bl es.
u

Lb. En séparant fraudeurs et contribuables honnêtes, il s'agit encore de combinaisons.

~I
Une sélection de n contribuables comportant k fraudeurs est déterminée de manière
unique par le choix de :
 414 Chapitre 12 Dénombrement

• k fraudeurs parmi les a fraudeurs possibles, soit ( ~) choix possibles (avec, par

convention, ( ~) = 0 si k >a),

• n- kpersonnes honnêtes parmi les bcontribuables qui le sont, soit ( n ~ k) choix

possibles (avec (n~ k) = 0 sin - k> b).
de sélections de n contribuables dont k sont des fraudeurs est

1.c. On fait le lien entre les cardinaux calculés aux deux questions précédentes.
Pour k appartenant à [O, n~. notons Ak l'ensemble des sélections qui amène exacte-
ment k fraudeurs. Il est clair que les parties Ak sont deux à deux disjointes et que leur
réunion est l'ensemble des sélections possibles. Ainsi , avec le résultat de la question
1.a,

2.a. Comme l'ordre importe et que contrôler plusieurs fois le même contribuable est
possible, on reconnaît des n-listes.

~1
Une sélection correspond dans ce cas à une n -liste d'un ensemble à (a + b) éléments.
On sait alors d'après le cours qu'il y a (a+br choix possibles donc (a+b)n sélections
possibles.
2. b. On procède en deux temps en fixant d'abord la position (dans le temps) où
les k fraudeurs sont contrôlés. Cela fait, pour les fraudeurs (respectivement pour les
personnes honnêtes), on est encore dans une situation de k-listes (respectivement
(n - k )-listes) .

~
'O
0
Étant donnée une sélection de n contribuables, on associera à chaque contribuable son
r:::: rang dans la liste chronologique des contrôles. Ainsi, le contribuable de rang 1 sera
:::J
0 celui contrôlé en premier, le contribuable de rang 2 celui contrôlé en second, etc. Une
lfl
,..-1 sélection de n contribuables comportant k fraudeurs est déterminée de manière unique
0
N par le choix :
@
.....,
r:
Ol
• les k rangs où les fraudeurs ont été contrôlés, soit ( ~) choix possibles,
·;::
>-
Cl.
0
• des k fraudeurs ayant été contrôlés à ces rangs-là, soit ak choix possibles {un même
u fraudeur pouvant être contrôlé plusieurs fois),
• des n - k personnes honnêtes ayant été contrôlées aux n - k rangs restants, soit
bn-k choix possibles.
Ainsi, le nombre de sélections de n contribuables dont k sont des fraudeurs est

(~)akbn-k.
 Exercice 12.5 Tirages avec et sans remise 415

2.c. Là encore, on comprend que les parties du 2.b forment une part it ion de l'ensemble
du 2.a.

Pour k appartenant à [O, n~. notons A k l'ensemble des sélections qui comportent
exactement k fraudeurs. Il est clair que les parties A k sont deux à deux disjointes et
que leur réunion est l'ensemble des sélections possibles. Ainsi, avec le résultat de la
question 2.a ,

(a + bt = Card (û
k=O
Ak) = t
k=O
Card(Ak) = t (~·)akbn-k.
k=O

Soit n E .N*. Une urne contient n boules numérotées de 1 à n.

1. Dans cette question uniquement, on suppose que n ~ 3. On tire successivement
et sans remise 3 boules de l'urne.
a. Combien existe-t-il de tirages possibles?
b. On fixe k E IT3, nn.
Combien existe-t-il de tirages tels que le plus grand
numéro des trois boules tirées est égal à k ?

c. En déduire: ~(k
~
- l)(k - 2) = n(n - l)(n - 2)
3 .
k=3
2. L'urne est considérée dans son état initial et on effectue cette fois 3 tirages
successifs avec remise d'une boule de l'urne.
a. Combien existe-t-il de tirages possibles?
b. On fixe k E IT l, nl En raisonnant de deux manières différentes, mais tou-
jours par dénombrement, montrer que le nombre de tirages pour lesquels
le plus grand numéro des boules tirées vaut k est égal à
• 3(k - 1)2 + 3(k - 1) + 1,
• k 3 - ( k - 1) 3 .
"O
0
Vérifier la cohérence des résultats obtenus.
r:::: n
0
:::J

lfl
c. Calculer L [3(k - 1) 2
+ 3(k - 1) + 1J de deux façons différentes :
,.-1 k= l
0
N • en raisonnant par dénombrement,
@
....., • en utilisant le résultat de la question précédente .
r:
Ol n
·;::
>-
Cl.
0
3. Déduire des questions 1et2 deux façons de calculer la valeur de Lk 2
connais-
u k=l
n
sant celle de L k.
k=l

1.a. Comme les tirages ont lieu sans remise, on pense aux listes sans répétition.
 416 Chapitre 12 Dénombrement

~1
Un tirage correspond à une 3- liste sans répétition de [1 , n~ . Le nombre de tirages
n!
possibles est donc (n _ )! soit n(n - l)(n - 2).
3

1. b. Il faut morceler les différentes informations qui sont « indépendantes » : la posi-

tion de la boule k et la valeur des deux autres boules.

Soit Ak l'ensemble des tirages tels que le plus grand numéro des boules tirées vaut k.
À chaque boule tirée, on associera le rang du tirage qu i l'a amené. Un élément de A k
est complètement déterminé de manière unique par le choix :

• du rang de la boule numéro k, soit (~) = 3 choix possibles,

• de la ou d es boules tirées à ce rang-là, soit un seul choix (c'est la bou le numéro

k).
• des boules tirées aux 2 autres rangs, de numéros inférieurs ou égaux à k - 1, soit
(k - l)(k - 2) choix possibles.
Au total, cela fait 3(k - l)(k - 2) choix possibles. Le nombre de tirages t els que le
plus grand numéro des trois boules tirées est égal à k est donc 3(k - l)(k - 2).

1.c. Comme dans l'exercice précédent, on comprend que les parties de la question
précédente forment une partition de l'ensemble de la première question.

En repren ant les notations de la question précédente, les parties A k (pour k E [3, nn
sont deux à deux disjointes et leur réunion est l'ensemble des tirages possibles. Ainsi,
à l'a ide des résultats des deux questions précédentes,

n(n - l)(n - 2) = Gard (Q,A,) = t, Card(A,)

n n

L3(k - I)(k - 2) = 3 L (k - I)(k - 2).

k=3 k=3
Ainsi,
n
"O L (k - l)(k - 2) = n(n - l1(n - 2) .
0
r::: k=3
::J
0
lfl
,..-1 2.a. Les tirages ont lieu cette fois avec remise, ils sont donc représentés par des 3-listes.
0
N

~I [l, riJ
@ Un tirage correspond ici à une 3-liste de
,....,
r: Il existe donc n 3 tirages possibles.
Ol
·;::
>
Cl. 2.b. On va morceler la partie « le plus grand numéro tiré vaut k » en trois parties
0
u selon le nombre d'occurrences de ce plus grand numéro.

Soit Ak l'ensemble des tirages tels que le plus grand numéro des boules tirées vaut k.
À chaque boule tirée, on associe le rang du tirage qu i l'a amené. On peut écrire Ak
sous forme d'une union disjointe Bk ,l U Bk,2 U Bk,3 où Bk,i est l'ensemble des tirages
ayant amené i fois la boule numéro k et 3 - i fois une boule de numéro strictement
inférieur.
 Exercice 12.5 Tirages avec et sans remise 417

On raisonne alors avec les Bk,i comme on l'a fait précédemment avec les Ak pour le
cas sans remise.

Si i E [ 1, 3], un élément de Bk,i est déterminé de manière unique par le choix :

• des i rangs de la boule numéro k, soit ( ~) choix,

• des boules tirées à ces rangs-là, soit un choix (c'est la boule numéro k),
• des boules tirées aux 3 - i autres rangs, de numéros inférieurs ou égaux à k - 1,
soit (k - 1) 3 - i choix possibles.
Au final, on a donc
Card (Bk,1 u Bk ,2 u Bk,3)
3
L Card(Bk,i) (car l'union est disjointe)
i=l

t, G) (k -1)3- i

2
3(k - 1) + 3(k - 1) + 1.

Pour le deuxième dénombrement, la soustraction k 3 - (k - 1) 3 doit faire penser au

cardinal d'une différence ensembliste. Le plus grand des numéros est ksi et seulement
si tous les numéros sont inférieurs ou égaux à k sans être tous inférieurs ou égaux
à k - 1.

~1
En nota nt Ck l'ensemble des tirages tels que chaque boule porte un numéro inférieur
ou égal à k, on a aussi Ak = Ck \ Ck - 1 donc, compte tenu de Ck- 1 c Ck.
Card(Ak) = Card(Ck) - Card(Ck-i) = k 3 - (k - 1) 3 .

Il reste à vérifier que les résultats obtenus précédemment s'accordent.

"O
0 Puisque
r:::
2
k3 (k - 1)3 k3 3
+ 3k - 1)
::J
0 - - (k - 3k
lfl 2
,..-1 3k - 3k + 1
0
N
3k(k - 1) + 1
@
.....,
r:
3((k - 1) + l)(k - 1) + 1
2
Ol
ï::: 3(k - 1) + 3(k - 1) + 1
>
Cl.
0 les deux résultats obtenus pou r Card(Ak) sont bien cohérents.
u
2.c. Toujours le même raisonnement basée sur une partition et l'additivité du cardinal.

~1
Méthode par dénombrement :
Avec les notations de la question précédente, pour k E [1, n], les parties Ak sont deux
à deux disjointes et leur réunion est l'ensemble des tirages possibles. Ainsi, à l'aide des
 418 Chapitre 12 Dénombrement

résult ats d es deux questions précédentes,

n
3
Card (QA,)~ t, Card(A,)

2= [3(k - 1) 2
+ 3(k - 1) + 1].
k=l
A ut re mét hode :
D ' après le résult at établi à la question précédent e,
n n

2= [3(k- 1) 2
+3(k-1)+1] 2= [k3 - (k - 1)3J
k= l k= l
n 3 - (1 - 1) 3 (par télescopage)
3
n.

3 . À partir des sommes des questions 1 et 2 (dont on connaît la valeur simplifiée), on

fait apparaître Lk 2 en utilisant la linéarité de la sommation.

Première méthod e : On ut il ise le résultat établi en l.c . Si n ~ 3,

n
n(n - l)(n - 2)
3
L:u- l)(j - 2)
j=3
n- 2

= L (k + l)k (avec le changement d'indice k = j - 2)

k=l
"O n-2 n-2 n-2

0
0
r::::
:::J
L k2 + L k = L k2 + (n - 2);n - 1) .
k=l k=l k=l
lfl
,.-1
0 A insi,
N
@ n(n - l)(n - 2) (n - 2)(n - 1)
....., =
r: 3 2
Ol
ï:::
>
Cl.
2n(n - l)(n - 2) - 3(n - 2)(n - 1)
0
u 6
(n - l)(n - 2)(2n - 3)
6
ceci étant vrai pour t out n ~ 3, on a :
m
~ k2 = (m + l)m(2(m + 2) - 3) = (m + l )m(2m + 1) .
Vm~ 1,
~ 6 6
k= l
 Exercice 12.6 Comment vider une urne? 419

Seconde méthode : À l'aide du résultat du 2.c, pour tout n;;::: 1,

n n n n

n
3
= :L [3(j - 1)
2
+3(j - 1) +1] = 3 :Lu- 1) +3 :L .i - :L 2 2

j=l j=l j=l j=l

n- 1
"°""'
3 ~ k2 + 3n(n + l)
2
- 2n (avec 1e ch angement d' ind ice k = j - 1)
k=O
n- 1
3 :Le + n(3~ - 1)
k=l

donc
n- 1 3 n(3n - 1)
"°""' k2 = n - 2 _ n(2n 2 - 3n + 1) _ n(n - 1)(2n - 1)
~ 3 - 6 - 6
k=l
Ceci étant vrai pour tout entier n;;::: 1, nous avons :

'l/m;;::: o, ~ k2 = (m +l)m(2(m +1) - 1) = (m +l)m(2m +1).

~ 6 6
k=l

Soit n EN* et p E ffO,n - 1]. Une urne contient n boules numérotées de 1 à n

dont p sont blanches et n - p sont noires. On tire une à une, successivement et
sans remise, les n boules de l'urne.
1. Combien de tirages sont possibles?
2 . Pour k E ffl, n ] , on note Ak l'ensemble des tirages pour lesquels la première
boule noire a été extraite lors de la ke pioche.
a. Pour quelles valeurs de k avons-nous Ak =/= 0?
On notera J l'ensemble de ces valeurs.
b. Calculer Card(Ak) pour tout k appartenant à J .
"O
0
r:::: p+l ( _ k)I n-l ( . ) ( )
3. En déduire p!(n - p) ~ (p: k + ~)! = n! puis i=~-l ~_1
:::J
0 n_ ; ·
lfl
,.-1
0
N
@
.....,
r:
Ol
·;:: 1. On tire sans remise toutes les boules de l'urne. Un t irage peut donc être représenté
>
Cl.
0
par une liste sans répétitions (x 1 , x2, ... , Xn) où Xi est le numéro de laie boule tirée :
u il s'agit donc d'une permutation.

~I Le résultat d ' un tel tirage de n boules s'apparente à une permutation de [l, n~. il y a
donc n! tirages possibles.

2.a. Il s'agit de détecter des impossibilités : la première boule noire arrive au plus
tard au (p + 1)e tirage après avoir tiré toutes les blanches.
 420 Chapitre 12 Dénombrement

Si k E [1, p + 1], il est possible de tirer d'abord k - 1 boules blanches puis la première
boule noire lors de la ke pioche. Dans ce cas, on a donc Ak # 0. Si k > p + 1, les
k - 1 prem ières boules extraites sont plus nombreuses que les boules blanches; il y
figure donc nécessairement une boule noire et ainsi Ak = 0. On conclut donc que
J= [l,p+l].

2. b . On morcelle toujours Ak selon les choix à faire.

Soit k E [1 , p + 1]. Un élément de Ak est déterminé de manière un ique par le choix :

• des k - 1 premières boules blanches tirées, soit (p _ (i·- l))!

1
choix,

• de la ke boule t irée, de couleur noire, soit (n - p) choix,

• des n - k boules restant à t irer, soit (n - k)! choix.

On a donc Card(Ak) = (p _ ~!+ l)! (n - p)(n - k)!.

3. On utilise toujours le même principe de partitionnement de l'ensemble total.

Pour k E [1 , p + 1], les parties Ak sont deux à deux disjointes et leur réunion est
l'ensemble des tirages possibles. D'après les résultats des questions 1 et 2.b, on en
dédu it
v+1 v+1 ( )
1-
n.- "°'
L...t Ca1·d (A k ) -p. "°'
n - +k l)!'
- 1( n - p ) L...t (p-k !
k= l k= l

On fait apparaître des coefficients binomiaux en appariant les factorielles puis on

réalise un changement d 'indice pour que le coefficient binomial ait la bonne forme et
que les bornes de la somme soient celles attendues.

Or
(n - k)! (n - k)! ( ( k ))'
(p-k+l)!
= (p - k + l)!(n - k - (p - k + 1))! x n - k - p - + 1 ·

'O
0
(p = ~~ 1 )(n - p - 1)!
r::::
:::J
0 = n - k ) (n - p - l)!
( n-p-1 (par symétrie du coefficient binomial)
lfl
,.-1
0
N
@
.....,
r:
donc n! p!(n-p)! ~ (n:;:
=
1
). c'est-à-d;re ~ (n:;: 1) = (;)Il
Ol suffit alors de faire le changement d'indice j = n - k pour conclure
·;::
>
Cl. n- 1

~- 1)
0
u
(n - = ( ;).
j =n- p- 1

Compte tenu de la propriété de symétrie du coefficient binomial, l'identité précé-

n -1
dente peut aussi s'écrire : 2= En posant q = n - p,
 Exercice 12.6 Comment vider une urne ? 421

on a donc . I: ( ~
J= q- 1 q 1
) = (n).
q
Cette dernière formule est assez classique et peut

s'obtenir aisément par récurrence sur n (avec q fixé) ou par une autre méthode de
dénombrement, similaire à celles vues à l'exercice 12.5, dans le cas de tirages simul-
tanés de q boules , ou encore par télescopage compte tenu de la relation de Pascal :
j
(n - p- l
) (·j + 1)
= n- p -
(n - p
j )

"O
0
r::::
:::J
0
lfl
,-1
0
N
@
.....,
r:
Ol
ï:::
>
Cl.
0
u
 422 Chapitre 12 Dénombrement

Liste des capacités attendues

• S avo ir d én ombrer
<:; des p-listes (cf exercice 12.3 et questions 12.1.1.b, 12.4.2 , 12.5.2) ,
0 des p-listes sans répétition ou arrangements (cf question 12.5.1),
0 des permutations (cf exercice 12.6),
0 des combinaisons ou p-combinaisons (cf questions 12.2.3.c et 12.4.1).

• Savoir utiliser les propriét és du cardinal (cf exercices 12.4, 12.5 et ques-
tion 12.3.2)
0 l'additivité, si les Ak sont deux à deux disjoints,

Card (0, Âk) = ~ Card(Ak) ,

<:; la formule du crible de Poincaré pour une union de deux ou trois parties
1 Card(A u B) = Card(A) + Card(B) - Card(A n B) 1

Card(A U BUC) = Card(A) + Card(B) + Card(C)

- Card(A n B) - Card(B n C) - Card(C n A)
+ Card(A n B n C),
() pour le passage au complémentaire, si A c n,
1 Card(D \A) = Card(D) - Card(A) 1,

0 pour le produit cartésien

1Card(A x B) = Card(A) Card(B) I·
"O
0
r::::
:::J
0
lfl
,..-1
0
N
@
.....,
r:
Ol
ï:::
>
Cl.
0
u
 CHAPITRE

13
Espaces probabilisés

Pour éviter toute confusion possible avec un événement appelé P (souvent utilisé lors
d'un jeu de pile ou face), les lois de pro habilités seront notées IP. En outre, sauf mention
expresse du contraire, l'indépendance d 'une famille de plus de t rois événements sera
toujours une mutuelle indépendance.

Exercice 13.1 : Tirages simultanés dans une urne multicolore

Une urne contient 18 boules indiscernables au toucher dont

• 10 boules noires numérotées de 1 à 10,
• 5 boules blanches numérotées de 1 à 5,
• 3 boules rouges numérotées de 1 à 3.
On tire simultanément 4 boules dans l'urne.
1. Quel est le nombre de tirages possibles?
2 . Quelle est la probabilité de tirer au moins une boule noire?
3. Quelle est la probabilité de tirer autant de boules blanches que de rouges?
4. a. Avec quelle probabilité le tirage amène-t-il les trois couleurs?
b. Avec quelle probabilité le tirage amène-t-il exactement deux couleurs?
5. Quelle est la probabilité de tirer exactement une boule noire ou exactement
"O
0
deux boules numérotées 1 ?
r::::
:::J
0
lfl
,.-1
0 1. Le tirage est simultané donc il s'agit de 4-combinaisons.
N
@ Puisqu'on tire simultanément les boules, le résultat d'un tirage s'apparente à un sous-
.....,
r: 18
Ol ensemble de 4 boules de l'ensemble des 18 boules. Il y a donc ( ) = 3060 tirages
·;::
> 4
équiprobables possibles. Ainsi, si n est l'ensemble des tirages possibles (l'univers de
Cl.
0
u
l'expérience aléatoire), on a Card(D) = 3060.

2. La formulation « au moins une » fait dire qu'il est plus facile de considérer l'évé-
nement contraire.

~I
Soit A l'événement «obtenir au moins une boule noire» dont on cherche la probabilité.
On a IP(A) = 1 - IP(A) où A est l'événement «n'obtenir aucune boule noire». Le
 424 Chapitre 13 Espaces probabilisés

résultat d'un tirage sans boule noire s'apparente à un sous-ensemble de 4 boules de

l'ensemble des 8 boules non noires. Il existe donc (!) = 70 tels tirages équiprobables,

autrement dit JP>(A) = 3~~0 = 3~6 . Ainsi, JP>(A) = 1 - 3~6 = ~~~.

3. L'événement à étudier n'est pas vraiment élémentaire puisqu'on ne sait pas exac-
tement la composition en couleurs du tirage. On va l'écrire comme réunion disjointe
d'événements plus élémentaires donnant l'effectif précis de chaque couleur présente
dans le tirage.

Soit B l'événement «obtenir autant de boules blanches que de rouges». On veut

calculer JP>(B) . Un tirage comporte autant de boules blanches que de boules rouges si
et seulement si on est dans un des trois cas exclusifs suivants :
• on ne tire aucune boule blanche et aucune boule rouge (on note Bo cet événement),
• on tire exactement une bou le blanche et une bou le rouge (on note B1 cet événe-
ment),
• on tire exactement deux boules blanches et deux bou les rouges (on note B2 cet
événement).
Ainsi, B = Bo U B 1 U B2 et la réunion est disjointe donc, par additivité de JP>,
IP(B) = IP(Bo) + IP(B1) + IP(B2)
avec

(10)
4 210 7
IP(Bo) = 3060 = 3060 = 102
(tirages sans boule blanche ni rouge et donc quatre noires)

5x3x45 15
3060 3060 68
(tirages avec exactement une blanche, une rouge et donc deux noires)

"O
(~) X (~) 10 X 3 1
0
r:::: 3060 3060 102
:::J
0 (tirages avec deux blanches, deux rouges et donc pas de noire).
lfl D' , IP(B) 7 15 1 61
,..-1
0
ou, = 102 + 68 + 102 = 204'
N
@ 4.a. On utilise la même technique de décomposition qu'à la question précédente.
.....,
r:
Ol
·;:: Soit C l'événement «obtenir les trois couleurs». Comme au 3 , on partitionne C en
>
Cl. événements plus simples : C = C1 U C2 U Cs où
0
u • C1 est lévénement : «obtenir deux boules noires, une boule blanche, et une boule
rouge»,
• C2 est lévénement : «obtenir une boule noire, deux boules bla nches, et une boule
rouge»,
• C 3 est l'événement : «obtenir une boule noire, une bou le blanche, et deux bou les
rouges».
 Exercice 13.1 Tirages simultanés dans une urne multicolore 425

Les événements C 1, C 2 et C3 sont deux à deux incompatibles donc la réunion d 'évé-

nements C1 U C2 U C3 est disjointe et
Card(C) = Card(C1) + Card(C2) + Card(C3)
avec
1
Card(C1 ) = ( 2 °) x (~) x (~) = 675 ,
Card(C2) = (
1
2) x (~) x (~) = 300
et

Card(C3) = (
1
°)
1 x (~) x (~) = 150.

D'où, Card(C) = 675 + 300 + 150 = 1125 pu is IP'(C) = ~::~~~j 1125

3060
25
68 .
4. b. Pour les t irages bicolores, le nombre de cas exclusifs possibles est plus important
donc on va tenter de passer à l'événement contraire pour limiter les calculs.

~1
Soit D l'événement : «obtenir exactement deux couleurs». On cherche IP'(D) . Les
tirages avec exact ement deux couleurs sont les tirages qui ne sont ni t ricolores, ni
un icolores ; on a ai nsi Card(D) = Card(D) -Card(D) où D est l'événement «obt en ir
un ti rage tricolore ou unicolore ».

Les t irages unicolores sont faciles à dénombrer (il n'y a que deux couleurs exclusives
possibles puisque les t rois boules rouges ne peuvent former un t irage à elles seules) et
les tricolores viennent de l'être.

Le nombre de t irages t ricolores est 1125 {déjà ca lculé plus haut) et le nom bre de

tirages unicolores est ( 1~) + (~) = 210 +5 = 215. Puisqu ' un ti rage ne peut êt re

à la fois t ricolore et unicolore, on a donc Card(D) = 1125 + 215 = 1340 et ainsi

. 1720 86
Card(D) = 3060 - 1340 = 1720, pu is IP'{ D) = = ·
3060 153

"O
0 Retenir les deux techniques suivantes de probabilités :
r::::
:::J
0 • le passage à l'événement contraire plus simple à étudier (questions 2
lfl
,..-1 et 4.b),
0
N • le « découpage » d 'un événement en sous-événements incompat ibles
@
,...., plus faciles à étudier (questions 3 et 4.a).
r:
Ol
·;::
>
Cl.
8 5. L'événement s'exprime naturellement comme une union d 'événements mais ces
derniers ne sont pas incompat ibles.
Soit A l'événement « obteni r exactement une bou le noire» et B l'événement « obtenir
exact ement deux boules numérotées 1 ». On cherche à calculer IP'(A u B). On sait que,
d 'a près la formul e de la probabilité d ' une un ion,
IP'(A U B) = IP'(A) + IP'(B ) - IP'(A n B).
 426 Chapitre 13 Espaces probabilisés

L'intersection A n B n'est pas vraiment élémentaire puisqu'on ignore si la boule noire

est celle numérotée 1 donc on la décompose elle aussi.

Ici, Card(A) = (llO) x (~) = 10 x 56 = 560

Card(B) = (~) x (l:) = 3 x 105 = 315

et A n B qui est encore un peu compliqué se décompose à l'aide de l'événement N :
«tirer la boule noire numéro 1 ».On a alors, d 'après la formule des probabil ités totales
appliquée avec le système complet d'événements (N, N),

IP( A n B) = IP(A n B n N) + IP(A n B n N)

= [1X(~) X(~) + (~) X(~) X(~)] (l:) -l

30 + 54 84 7
= = =
3060 3060 255
On conclut que la probabilité de tirer exactement une boule noire ou exactement deux
boules numérotées 1 est égale à
560 315 84 791
JP>(A u B) = 3060 + 3060 - 3060 = 3060 .

1. Une usine construit des pièces. Dans un lot de pièces, on sait qu'une pièce
sur vingt est défectueuse. À la sortie de la chaîne de fabrication, un test est
effectué et la pièce est conservée si le test est positif. On dispose des données
suivantes : si la pièce est bonne, son test est positif dans 96% des cas; si la
pièce est mauvaise, son test est négatif dans 98% des cas. On choisit une pièce
au hasard et on la contrôle.
a. Quelle est la probabilité qu'il y ait une erreur de contrôle?
"O
b. Quelle est la probabilité qu'une pièce acceptée soit mauvaise?
0
r::: 2. Dans une association multisport un adhérent peut pratiquer, entre autres, du
::J
0
lfl
tennis, du golf ou* du squash. Pour un adhérent pris au hasard, on considère
,.-1
0
les événements T : « il pratique le tennis », G : « il pratique le golf » et S :
N
« il pratique le squash ». On dispose des probabilités suivantes : JP>(T) = 60%,
@
....., IP'(G) = 20%, IP'(S) = 40%. De plus, on sait qu'un pratiquant de tennis a une
r:
Ol
·;:: probabilité de 503 de faire du squash et 30% de faire du golf; un pratiquant
>-
Cl. de golf a une probabilité de 65% de faire du squash. Enfin, 70% des adhérents
0
u pratiquent au moins une de ces trois activités.
Déterminer la probabilité qu'un adhérent pratique ces trois activités.

*· Il s'agit ici d' un « ou » inclusif, chaque adhérent peut très bien pratiquer deux de ces trois
sports voire les trois.
 Exercice 13.2 Probabilités conditionnelles 427

1.a. Commençons par définir des événements pour pouvoir écrire des formules.

~I
Soit B l'événement «la pièce est bonne» et P l'événement «le test est positif».
Notons aussi E l'événement «il y a une erreur de contrôle».

On cherche donc JP>(E) . Pour calculer cette probabilité, il faut essayer d'écrire E en
fonction d'événements «plus simples» ou tels que l'expression permette le calcul. Une
erreur de contrôle signifie que le test s'est trompé sur l'état de la pièce : ou bien elle
est bonne et le test est négatif ou bien elle est défectueuse et le test est positif.
Dans le formalisme des ensembles : E = (B n P) U (B n P) . Il faut ensuite appliquer
les formules.

~I E = (BnP)U (BnP) et c'est la réunion de deux événements incompatibles ( puisque

B et B sont évidemment incompat ibles).
On en déduit que JP>(E) = JP>(B n P) + JP>(B n P) .
Pour calculer ces deux probabilités d'intersections, on utilise des probabilités condi-
tionnelles qu'on doit lire dans l'énoncé : JP>s(P) = 96% et JP>B(P) = 98%.
Mais on a besoin de JP>s(P) et JP> 8 (P). On les déduit aisément en se souvenant qu'une
probabilité conditionnelle est une probabilité donc
JP>s(P) = 1 - JP>s(P) et JP> 8 (P) = 1 - JP> s(P) .

Il n'y a pas de relation directe entre les probabilités conditionnelles

JP>B(P) et JP>s(P).

Enfin l'énoncé dit qu'une pièce sur vingt est défectueuse, ce qu'il faut comprendre
- 1
comme JP>(B) = .
20

~ ll'(E) ~ ll'(B n P) + ll'(B n ~

ll'(B)ll's(P) + ll'(B)ll's(P)
P)
- - 19 4 1 2 39
"O
0
= IP(B)(l - IP'B(P)) + IP'(B)(l - IPa(P)) = 20 x 100 + 20 x 100 = lOOO ·
r::::
:::J
0 On aurait pu aussi rédiger en invoquant la formule des probabilités totales avec le
lfl
,..-1
0
système complet d'événements (P, P) ou encore (B, B).
N
1.b. On cherche JP>p(B). Or on connaît les probabilités conditionnelles sachant B et
@
....., B. Il s'agit d'inverser le conditionnement, on applique la formule de Bayes .
r:
Ol
·;::
> D 'après la form ule de Bayes,
Cl.

2~ x 1 ~ 0
0
u lP' B _ IP(P n B) _ JP>(B)IPB(P) =
P( ) - IP'(P) - IP'(B)IP'B(P) + IP'(B)IP'B(P) ~~ X {;
0 + io X 1~0
1
913·

2. Il est important de traduire les données de l'énoncé pour savoir les formules que
Pon peut utiliser. Outre les valeurs JP>(T) = 0,6, JP>(G) = 0,2 et JP>(S) = 0,4, l'énoncé
 428 Chapitre 13 Espaces probabilisés

dit que IPr(S) = 0,5, IPr(G) = 0,3, IPa(S) = 0,65 et IP(T U GUS) = 0,7. Ce que l'on
cherche alors c'est IP(T n G n S).
Les événements T , G et S ne sont clairement pas indépendants. En revanche, on peut
utiliser la formule du crible non pas pour calculer IP(T U G U S) qui est connu mais
pour calculer IP(T n G n S) à condition que ce soit la seule valeur inconnue dans la
formule du crible. Cette formule est

IP(TU G u S) = IP(T) + IP(G) + IP(S) - IP(T n G) - IP(G n S) - IP(Tn S) + P(T n en S)

or IP(T n G) = IP(T)!Pr(G), IP(G n S) = IP(G)!Pa(S) et IP(T n S) = IP(T)!Pr (S) ...

D 'après la formule du crible,

JP(T n G n S) = JP(T u G u S) - JJD(T) - JJD(G) - JJD( S)
+ JJD(T n G) + JP(G n S) + JJD(T n S)
= JJD(T u G u S) - JJD(T) - JJD( G) - JJD( S)
+ JJD(T)JJDT(G) + l?(G)JJDc (S) + l?(T)l?r(S)
= 0,7 - 0,6 - 0,2 - 0,4 + 0,6 X 0,3 + 0,2 X 0,65 + 0,6 X 0,5 = 0,11.
Ainsi la probabilité qu'un adhérent pratique les trois activités est 11 %.

On dispose den (n ~ 4) sacs indiscernables 5 1 , ... , Sn. Pour chaque k entre 1

et n, le sac Sk contient n + 1 jetons indiscernables dont k sont gagnants et les
autres perdants.
1. Le joueur choisit un sac au hasard et y pioche un unique jeton.
a. Quelle est la probabilité que le jeton soit gagnant?
b. Sachant que le joueur a pioché un jeton gagnant, quelle est la probabilité
qu'il ait choisi le sac sk?
2. En cas d'échec avec le premier jeton, on offre au joueur d'autres chances de
gagner : il peut piocher à plusieurs reprises un nouveau jeton dans le même sac
"O
0
r::::
sans y remettre ceux déjà piochés. Quelle est la probabilité d'avoir dû piocher
0
:::J
exactement trois jetons pour gagner?
lfl
,.-1
0
N
@
....., 1.a. On commence par int roduire des notations avec l'éventail des choix de sac pos-
r:
Ol
·;:: sibles et on « conditionne » alors l'événement qui nous intéresse par rapport à ce
>
Cl. premier choix chronologique : c'est la formule des probabilités totales.
0
u
On note Sk l'événement «la pioche a eu lieu dans le sac Sk » et G « le jeton pioché
est gagnant». D 'a près la formule des probabilités totales appliquée avec le système
complet d'événements que constituent les sk
pour 1 ~ k ~ n, on a

l?(G) = L IJl>sk(G)IJl>(Sk)·
k=l
 Exercice 13.3 Plusieurs chances de gagner ? 429

Or les sacs sont indiscernables donc les Sk sont équiprobables et JP>(Sk) = pour .!_
n
1 ~ k ~ n. Par ailleurs, compte tenu de l'équ iprobabilité des jetons et de la proportion
de jetons gagnants dans Sk. on a lfl>sk(G) = _!5._. D'où ,
n+l
n n
lfl>(G) = ~ _!5._ .!_ = 1
~k = ~.
~n
k=l
+1n n( n + 1) ~
k=l
2

1.b. On cherche la probabilité d\m événement dont le résultat est chronologiquement

connu avant la condition, on pense donc naturellement à la formule de Bayes .

La probabilité recherchée est lfl>a(Sk) qui vaut , d 'après la formule de Bayes,

k 1
--x-
n+1 n 2k
1 n(n + 1)'
2

2. Il faut désormais enchaîner plusieurs pioches pour gagner en trois coups donc,
à défaut d 'indépenda nce (la composition du sac change au fur et à mesure), on va
invoquer la formule de conditionnement successif. En fait, la composition du sac dès
la première pioche dépend du sac choisi donc il faut tout conditionner à ce choix de
premier sac et commencer par utiliser la formule des probabilités totales.

On note désormais, pour 1 ~ i ~ 3, Ji l'événement « le i-ième jeton pioché est

gagnant» . La probabilité demandée est celle de Jin h n h. D'après la formule des
probabilités totales avec le système complet (Sk)kE[l,n) :
n

k=i

Seuls les sacs contenant a u moins deux jetons perdants peuvent nécessiter trois
pioches, donc lfl>s,,, (Jin h n Js) = 0 :
n- I

"O
JP>(J1nhnJ3) = ~ L JP>sk (J1nhnJs).
0 k=l
r::::
:::J
0
lfl Pour calculer ]p>s"' ( J 1 n h n h) on pense à la formule des probabilités composées,
,.-1
0
N
qui s'applique à toute probabilité, donc à la probabilité conditionnelle l?sk qui est une
@ probabilité à part entière. La formule fait apparaître des probabilités conditionnelles,
.....,
r: par exemple (l?sk)Ji (h), on a donc un «double conditionnement» .
Ol
·;::
>
Cl.
0
u
Quand on conditionne une probabilité conditionnelle, cela revient à
conditionner par l'intersection: (l?s)ç(A) = l?anc(A). En effet,
JP(AnCnB)
]p> )
( B
(A) = ]p>B(A n C) - _ !Jl>_,__(B-'
) --- J?(A n c n B)
c l?s(C) l?{BnC) = l?(B n C) = l?snc(A).
F(B)
 430 Chapitre 13 Espaces probabilisés

En outre, d'a près la formule des probabilités composées,

IPsk (J1nhnh)=1Psk(l1)(1Psk)Ji (h) (JP>sk)Jinh (h)
= JP>sk(J1 )JP>sknJi (lz) JP>sknJinh (Js) ·
Or, en tenant compte de la composition du sac Sk notamment après plusieurs pioches
infructueuses,
- ) n+l - k
l?sk (11 = n +1 '
donc
n-1
- - )
JP> (11 n Jz n 13 = -
l L n+l - k x -
n --k x -k-
n n+ 1 n n- 1
k=l
n- 1

= n 2 (n; - l) L k(n - k)(n + 1 - k) .

k=l
Or, par linéarité de la sommation et en remarq uant que le t erme absent d'i ndice k = n
est nu l,
n- 1 n

L k(n - k)(n + 1 - k) = L [n(n + l)k - (n + n + l)k2 + k 3 ]

k=l k=O
n n n
2
= n(n+ 1) L k - (2n+ 1) L k + L k3
k=l k=l k=l

n (n + 1)
2
n(n + 1)(2n + 1)
2 2
n (n + 1) 2
2

2 - 6 + 4
_ n(n + 1)[6n(n + 1) - 2(2n + 1) 2 + 3n(n + 1)]
- 12
_ n(n + l)(n 2
+n - 2) _ (n - l)n(n + l)(n + 2)
12 12
et, finalement, la probabilité demandée vaut n + 2.
12n

"O
0
r::::
:::J
0
lfl
,.-1
0
Lors d'un exercice de tirs au but (football), un joueur effectue plusieurs tirs
N
successifs. Pour chaque tir, il peut tirer à droite, à gauche ou au milieu. On
@
....., observe empiriquement que ses tirs respectent les règles suivantes :
r:
Ol
ï::: • si au tir précédent il a tiré à gauche ou à droite, il tire au même endroit dans
>
Cl. 503 des cas, change de côté dans 30% des cas et tire au milieu dans 20% des
0
u cas;
• si au tir précédent il a tiré au milieu, il retire au milieu dans 80% des cas et
dans les autres cas, à droite ou à gauche de manière équiprobable.
On appelle dn, 9n et mn les probabilités des événements :
 Exercice 13.4 ChaÎnes de Markov 431

• Dn : « le joueur tire à droite lors du ne tir » ;

• Gn : « le joueur tire à gauche lors du ne tir » ;
• Mn : « le joueur tire au milieu lors du ne tir ».

dn
On pose Zn = 9n et on suppose que le joueur tire à droite la première fois

(d1 = 1).
1. Montrer que Dn, Gn et Mn forment un système complet d'événements.
2 . Traduire les hypothèses en termes de probabilités conditionnelles : donner les
probabilités des événements Dn+1, Gn+l et Mn+l sachant Dn, Gn puis Mn
(neuf valeurs à donner).
3. À l'aide de la formule des probabilités totales, établir des relations de récur-
rence exprimant dn+1, 9n+l et mn+l en fonction de dn, 9n et mn.
4. Écrire cette relation de récurrence sous forme matricielle Zn+l = AZn avec
une matrice A que l'on déterminera.
1 1 1

5 . Montrer que P = 1 - 1 1 est inversible et déterminer p- 1 .

2 0 -2
6 . Calculer D = p- 1 AP.
7. Montrer par récurrence que : Vn E .N, Zn = P Dn- l p - l Z1.
8. Donner une expression de dn, 9n et mn en fonction den. En déduire la conver-
gence de ces suites.
"O
9. Calculer la probabilité que le joueur tire à droite lors des n premiers tirs pour
0
r:::: n E .N* .
:::J
0
lfl
,.-1
0
N
1. Cela revient à montrer qu'il y a, pour chaque tir, un et un seul événement parmi
@ les trois qui est réalisé.
.....,
r:

~1
Ol
·;:: Pour chaque tir le joueur peut tirer à droite, à gauche ou au milieu, donc un des
>
Cl. événements Dn, Gn ou Mn est réalisé. De plus, un seul des trois est réalisé. Cela
0
u signifie qu 'ils form ent un systèm e complet d 'événements.

2. Ici, il n'est pas question de calculer les probabilités conditionnelles par une formule,
mais de les « lire » dans l'énoncé. Par exemple sachant qu'au ne tir le joueur a tiré
à droite, il tire au (n + l)e tir à gauche avec une probabilité de 303 c'est-à-dire
lPvn(Gn+1) = 303.
 432 Chapitre 13 Espaces probabilisés

Soit n E N* . Tradu isons les hypothèses, les seules valeurs qui ne sont pas données
sont IP'Mn (Dn+1) et IP'Mn (Gn+i) ma is Pivin (Dn+1) + lPMn (Gn+i ) + lPMn (Mn+1) = 1
or lPMn(Dn+1 ) = IP'Mn(Gn+i ) et IP'Mn(Mn+1) = 0,8 donc on en déduit que
IP'Mn(Dn+i) = IP'Mn(Gn+1) = 0, l. Finalement,
1 3 1
1Pon(Dn+1) = 0,5 = 2' 1Pon(Gn+1) = 0,3 = lû ' 1Pon (Mn+1) = 0, 2 = 5'
3 1 1
lP'cn( Dn+1) = 0,3 = lO ' lP'cn(Gn+1) = 0,5 = 2' lP'cn(Mn+1) = 0, 2 = 5'
1 1 4
IP'ivln (Dn+1) = 0, 1 = lO, IP'M,.(Gn+1) = 0, 1 = lO, IP'.111n(Mn+1) = 0,8 = 5·

3 . Étant donné les probabilités conditionnelles écrites à la question précédente, on

pense à la formule des probabilités totales.

Pou r un événement E la form ule des probabilités totales avec le système complet
d 'événements (Dn, Gn, Mn) donne
JP(E) = lP(Dn)lPDn (E) + lP(Gn)lPcn (E) + JP(Mn)Pivln (E).
En appl iqu ant cela aux événements Dn+1, Gn+1 et Mn+1 on obtient :
1 3 1
dn+I = 2dn + 10 gn + lO mn,
3 1 1
9n+l = dn + 2,9n + m n,
10 10
1 1 4
mn+I = 5dn + 59n + 5mn .

4 . Les relations précédentes sont des expressions linéaires de dn+ 1 , 9n+I et mn+l en
fonction de dn, 9n et mn; on peut traduire ces relations matriciellement, les coefficients
de la matrice étant les coefficients en facteur de dn , 9n et m n, mais il faut faire
attention à l'ordre. Dans la rédact ion, il suffit de vérifier que la matrice est la bonne
dn
en effectuant le produit mat riciel A 9n
"O
0 mn
r::::
:::J
0

~
lfl 3

'; )
,.-1
0 10
N
1 on a
@ Avec la mat<;ce A= ( 2 10
.....,
r: l 4
Ol '-> 5 5
ï:::
>-

A (~:) =
Cl.
0 2dn + io9n + 10 mn
u
( '3 d 3l
10 n + 2 9n
'l
+ 10 mn
)
=
( 9n+I
dn+' ) ·
5l d n + 59n
I + 5mn
4 mn+I

5 . Ici on ne dispose pas d'information qui permettrait de déduire l'inversibilité de P

plus simplement (polynôme annulateur, etc.) donc on applique la méthode du pivot.
 Exercice 13.4 ChaÎnes de Markov 433

~
Appliquons la méthode du pivot au système associé. Pour (x, y, z, a, b, c) E ~6 ,
X +y +z = a X +y +z = a

{ X

2x
-y +z
- 2z
b
c
L 2+- L 2 - Li
~
L3 +- L3 - 2L1
{ - 2y
- 2y - 4z
-a
-2a
+b
+c

X +y +z = a
~
L3 +- L3 - L2
{ - 2y
- 4z
- a +b
-a - b +c
x+y + z = a
L2+; - ~L2
L3 +--i L3
{ y
z =
!.a
2
1
4a
_ lb
2

+ lb
4
_ le
4

X = l4 a + l4 b + l4 e
~
L i +- L i - L2 - L3
{ y
z =
2
!.a _!.b

la
4
2
1
+ l4 b - 4c

(t ~J
1
4
On en dédu it que P est inversible et que p-l = 1
-2
1
4

6 . Il s'agit juste de calculer le produit. Lorsqu'une matrice s'appelle D , c'est souvent

une matrice diagonale.

~).
1 0
4
D = p - 1 AP = ( : 1
5
130
'O
20 0 5
0
r::::
:::J
0
lfl
,..-1
7 . Pour la preuve de l'hérédité, on veut passer de Zn à Zn+l·
0
N
Or Zn+l = AZn = AP Dn- l p - l Z 1. Pour pouvoir simplifier, il faut exprimer A en
@ fonction de D, c'est-à-dire« renverser» la relation D = p - 1 AP. Cela se fait facilement
.....,
r: en multipliant à gauche par P et à droite par p- 1 : P DP- 1 = P p- 1 APp- 1 = A .
Ol
·;::
>
Cl.
0 Mont rons par récurrence que, pour tout n E N, Zn = P Dn- l p - 1 Z 1
u
• pour n = 1 c'est vrai pu isque P D 1- 1 p - l Z1 = hZ1 = Z 1;
1
• supposons que, pour un entier n fixé, Zn= P Dn- l p - • alors
1 1
Zn+i = AZn = (PDP- )PDn-ip- z1 = PDnP- 1 Z 1 .

Le principe de récurrence permet de conclure.

 434 Chapitre 13 Espaces probabilisés

8. Déterminer dn, 9n et mn revient à déterminer la matrice Zn, c'est l'intérêt d'utiliser

des matrices ici. Il suffit d'utiliser la relation précédente. La matrice D étant diagonale,
on calcule aisément ses puissances : c'est la matrice diagonale dont les coefficients sur
la diagonale sont les puissances de cemc de D.

Pu;sque di = 1 et 91 = m1 = 0, Z1 = ( ~) .

Pour tout n EN*,

00 ) (1/4)
1/2
(~r- 1 1/4
41 + 21 (l)n-1
5 +41 (3)n-1)
5
= !4 _ !2 (!)n-
5
1+ !4 (~)n - 1
5
( .!. _ ! (~)n- 1
2 2 5

.
En conclusion d
.n
1 + -1 -
= -
4 25
(l)n-l+ -41 (3)n-l
5
- g
.n
1
= - - -
4.
1 -
25
(l)n-l+ -41 (3)n-l
5
-

et mn = "21 - "21 (3)n-

S l . Concernant la convergence, pu isq ue 0 < S1 < S
3
< 1,
lim
n-++oo
(t:1)n- 1= 0 =
v
lim
n-++oo
( t:3) n - 1
v
de sorte que (dn), (gn) et (mn) sont conver-
. . . 1 1 1)
gentes (d e 11m1te respective - , - et - .
4 4 2

9. On cherche la probabilité de l'événement D 1 n · · · n Dn. Puisqu'on constate que les

événements Dk ne sont a priori pas mutuellement indépendants (1Pn 2 (D3) = 1/2 et
IP(D3) = 9/25), on applique la formule des probabilités composées.
"O
0
r::::
:::J
0 Quand il y a des tirages, lancers, expériences, etc. successifs, on ordonne
lfl
,..-1
0
les événements dans l'ordre « chronologique» : D 1 n · · · n Dn pour avoir
N des probabilités conditionnelles sachant « ce qui s'est passé avant ».
@
.....,
r:
Ol
·;::

~1
>
Cl. La probabilité cherchée est, d 'après la formule des probabilités composées,
0
u
IP(D1 n ... n Dn) = Jp>( D 1WD1 (D2) ... Jp>D1n···nDn - l (Dn) = 1 X
1
2 X ... X
1
2= 2n-l.
1
 Exercice 13.5 Tirages dans une urne indé finiment 435

On considère une urne contenant initialement 3 boules blanches et 1 boule

noire. On effectue des tirages indéfiniment dans cette urne selon deux modalités
différentes.
Soit Bn l'événement «on tire une boule blanche lors du tirage numéro n ». Soit
B l'événement «on ne tire que des boules blanches (indéfiniment) ».
1. Exprimer l'événement Ben fonction des événements Bn.
2. Première modalité de tirage : à chaque tirage, on tire une boule dans
l'urne et on la remet dans l'urne.
a. Calculer la probabilité de Bn pour tout n E N*.
b . En déduire la probabilité de l'événement B.
c. Écrire une suite d'instructions Sc i lab qui simule les n premiers tirages
(on utilisera la commande r and) et affiche leur résultat.
3. D e uxième modalit é d e t irage : après chaque tirage on remet la boule tirée
et on rajoute un certain nombre de boules de la même couleur que celle tirée :
avant le ne tirage on en rajoute 2n + 1.
a . Montrer que, pour tout n EN*, le nombre de boules dans l'urne avant le
tirage numéro n est (n + 1) 2.
b. Déterminer la probabilité JP>s1 n ...nBn-i (Bn) en fonction den.

c . Montrer que, pour tout n E N* , la probabilité Pn de

k= 1
n
n
Bk vaut

n (k + 1)2 - 1
Pn = II (
k=l
k + 1) 2 .

n Uk+l , k+1
d. Montrer que, pour tout n E N* , Pn = IT - - ou
k= 1 Uk
Uk = - k- .
En déduire l'expression de Pn et sa limite.
"O
0
r:::: e. En déduire la probabilité de l'événement B .
:::J
0 f. Écrire une suite d'instructions Sci l ab qui simule les n premiers tirages.
lfl
,.-1
0
N
@
.....,
r:
Ol
·;:: 1. La réalisation de l'événement B signifie que lors de chaque tirage on tire une boule
>
Cl. blanche, il s'agit donc de l'intersection des événements Bn·
0
u

~1 n
+oo
On a B = Bn.
n =l

2.a . Puisqu'il y a remise de la boule t irée après chaque t irage, la composition de l'urne
est la même avant chaque tirage et la probabilité de tirer une boule blanche est 3/4
 436 Chapitre 13 Espaces probabilisés

puisqu'il y a 3 boules blanches parmi 4 boules et qu'on suppose que toutes les boules
sont équiprobables.

~1
Pour tout n E N*, étant donné la composition de l'urne avant le tirage numéro n,
3
JP>(Bn) = 4·
2.b. B est l'intersection d'une suite d 'événements mais ces événements ne forment pas
une suite décroissante pour l'inclusion puisque tirer une boule blanche au tirage n + 1
ne garantit en rien qu'on en a tiré une au tirage n . On ne peut donc pas appliquer
directement le théorème de la limite monotone à la suite (Bn)·
En revanche on peut

utiliser ses conséquences : la formule JP> (n Bn)

n =l
= lim
N~+oo
JP> ( nBn) .
n=l

D 'après les conséquences du théorème de la limite monotone,

l'(B) = I' (IJ s.) N~'\'= (Ôs.).

= I'

O' les B 0 sont ;ndépend ants donc I' (ô =TI =G) B0 ) l'(Bn) N. F;na lement,

pu isque
3
4 E] - 1, l[, IP(B) = N~!oo
(3)N
4 =O.
2.c. Pour simuler des tirages, il faut d'abord modéliser la situation. Par exemple, on
pourra choisir de coder le tirage d 'une boule blanche par 1 et celui de la boule noire
par O. Les tirages sont des épreuves de Bernoulli de paramètre 3/4. Comme ils sont
indépendants, on peut répéter n fois l'une de ces épreuves de Bernoulli. Enfin, on
peut simuler une épreuve de Bernoulli de paramètre p avec la condition rand ()<p.

~ n=input("n=");
R=zeros(1,n);
for i=1 :n
"O
if rand()<3/4 then
0
r:::: R(i)=1;
:::J
0 end
lfl
,.-1
end
0
N
disp(R);
@
.:c 3.a. Deux façons de faire :
Ol
·~ • on peut compter directement le nombre de boules en calculant une somme ;
Cl.
0
u • puisque le résultat est donné, on peut effectuer une preuve par récurrence.
Utilisons par exemple la première méthode. Avant le premier tirage, il y a 4 = 1 + 3
boules dans l'urne puis on en ajoute 2x2+1 = 5 avant le 2e tirage, puis 2x3+1 = 7
avant le 3e, etc. Le nombre de boules est donc la somme des entiers impairs de 1 à
2n + 1. Les nombres impairs alors concernés sont les nombres de la forme 2k + 1 pour
k variant de 0 à n.
 Exercice 13.5 Tirages dans une urne indéfiniment 437

L ' urne cont ient initialement 4 bou les et on en ajoute 2k+ 1 avant le ke tirage. Pu isque
4 = 1 + 3, le nombre de bou les dans l' urne avant le ne tirage est donc
n n n
4 + L:(2k + 1) = L:(2k + 1) = 2 L: k + (n + 1)
k=2 k =O k=O

= 2n(n + l) + n + 1=n2 + 2n + 1=(n+1) 2 .

2

3.b. Il ne s'agit pas dans cet te quest ion de calculer avec la formule
JP>(E 1 n · · · n En- 1 n En)
JP> B 1n ·· ·n Bn -1 (En) = JP>(E 1 n . .. n E n - 1)

déjà pour une raison pratique: c'est que les probabilités au numérateur et au dénomi-
nateur seront calculées dans les quest ions suivantes. Il s'agit plutôt de se placer dans
la situation où l'événement E 1 n · · · n En- l est réalisé et de déterminer, dans cette
situation, la probabilité de En. Or pour cela, il suffit de connaître la composition de
l'urne.

Dans l'éventu alité où B1 n · · · n Bn- 1 est réalisé, on a alors effect ué n - 1 t irages

après lesquels on a remis la boule blanche et rajouté des bou les blanches. Dans cette
évent ualité, il y a, avant le ne tirage, (n + 1) bou les dont une seu le est noire, les
2

(n + 1) - 1 aut res étant blanches donc

2

(n + 1)
2
- 1
JP>B1n· ··nBn - 1 (Bn ) = 2
(n + 1)

3.c. Il s'agit de calculer la probabilité d 'une intersection finie d 'événements. On pour-

rait se poser la question de leur indépendance mut uelle mais ici il semble que ce ne
soit pas le cas puisque selon les couleurs tirées précédemment , la composit ion de l'urne
change. On peut toujours appliquer la formule des probabilités composées (elle est
vraie même en cas d 'indépendance mutuelle) .

D ' après la formu le des probabilités composées et avec le résultat de la quest ion
"O (k + 1) 2 - 1
0 précédente qui donne que JP>a 1n ... nsk- i (Bk)= - - - -2 -
r:::: (k + 1)

n
:::J
0
lfl
,..-1
0
Pn = lP' ( Bk ) = IP'(B1)1P' B 1 (B2) ... lP' B 1 n .. . nBn - i (Bn)
N
k =l
@
.....,
r: = ~ X (2 + 1)2 - 1 X ... X (n + 1)2 - 1 = II
n (k + 1)2 - 1
Ol
·;:: 4 (2+ 1) 2 (n + 1) 2
k= l
(k + 1) 2
>
Cl.
0
u (k + 1) 2 - 1
3.d. Essayons de factoriser 2
en const a tant que (k + 1) 2 - 1 est une diffé-
(k + 1)
rence de deux carrés.

~I (k + 1) 2 - 1 k(k+2)
=
-'-------'---~-
( k + 1) 2 (k + 1) 2
k
= --
k+ 1
k+2
X --
k+1
=
(k + 2) / (k + l)
(k + 1)I k
U k+ I
= --
'Uk
 438 Chapitre 13 Espaces probabilisés

donc Pn = ft (k + 1)2 -
+ 1)2
1 = ft 'Uk+i.
1 k=l (k k=l Uk

Pour le calcul de Pn, il faut s'inspirer des calculs de sommes télescopiques : ici, les fac-
teurs se retrouvant une fois au numérateur et une fois au dénominateur se simplifient.
Il ne reste que le premier dénominateur et le dernier numérateur. On peut écrire le
résultat simplifié directement ou détailler le calcul à l'aide d'un changement d'indice.

Avec le changement d 'indice k' = k + 1,

n

n Uk+l II ( k=t· 'Uk ) XUn + l

tr
2
- II
Pn -
k=l
Uk+l _
------ =
Uk n
k'=2
n
= ----'-----'-------
n
=
'Un+In +2
-- = --
u1 n +1
1
X -
2
k=l II Uk II Uk U1 X II Uk
k=l k= l k=2
1
donc Pn _n _-+_+--+ .
00 2

3.e. La formule pour le calcul de JP>(B) reste la même que pour la première modalité
de tirage.

~1 . 1
1nn PN = - .
N-++oo 2

3.f. Là encore, le principe de simulation reste globalement le même, on effectue une

succesion de n tirages d 'une boule dans l'urne et chaque tirage correspond à une
épreuve de Bernoulli. Ce qui change c'est la composition de l'urne qui dépend des
tirages précédents. P our tenir compte de cela, on introduit une variable qui contient
u le nombre de boules d'une couleur donnée (blanches par exemple) de l'urne. Après le
0
§ ie tirage, on ajoute 2(i + 1) + 1 = 2i + 3 boules.
0
lfl
,..-1
0
N n=input ("n=");
@
....., R=zeros(1,n);
r: b=3;
Ol
·;::
> for i=1:n
Cl.
0 disp(b);
u if rand()<b/(i+1)-2 then
R(i)=1;
b=b+2*i+3;
end
end
disp(R);
 Exercice 13.6 Singe dactylographe 439

Un singe tape indéfiniment sur une machine à écrire de manière aléatoire et

indépendamment à raison d'un caractère par seconde. On suppose qu'il y a N
caractères sur le clavier (par exemple avec l'espace et les majuscules, N = 27). On
considère un texte donné, d'une longueur de L caractères (par exemple L = 16
pour le texte «JE SUIS UN SINGE») et on découpe les caractères tapés par le
singe en séquences successives de L caractères consécutifs.

DD ··· DDD ··· DDD ··· DDD ··· D···

'--v-''--v-''--v-''--v-'
séquence l séquence 2 séquence 3 séquence 4
On souhaite calculer la probabilité que le singe écrive le texte donné lors d'une
de ces séquences.
1. On s'intéresse d'abord à une séquence fixée de L caractères tapés. Pour i dans
ff 1, L], soit Ci l'événement « le ie caractère de la séquence tapée par le singe
est identique à celui du texte situé à la même position».
a. Donner la probabilité de Ci.
b. Quelle est la probabilité que le singe tape exactement le texte lors d'une
séquence fixée de L caractères tapés?
2. On étudie maintenant les caractères tapés par le singe en les regroupant par
séquences de L caractères. Pour k EN*, soit Ak l'événement «la ke séquence
tapée par le singe est identique au texte ».
a . Quelle est la probabilité de Ak ?
b. Exprimer en fonction des événements Ak l'événement A « l'une des sé-
quences tapées par le singe est identique au texte ».
c . Calculer la probabilité de A . En déduire la probabilité de A .

1.a. Ci concerne juste le ie caractère tapé. Pour ce caractère aléatoire, il y a N

"O possibilités équiprobables et une seule réalise ci.
0
r::::

~I
:::J
0
lfl
Par éq uiprobabilité des caractères tapé en ie position d ans la séqu ence, IP( Ci) = ~.
,.-1
0
N 1.b. Le singe tape exactement le texte lors d 'une séquence fixée s'il tape chaque
@ caractère du texte à la bonne position dans la séquence. La probabilité cherchée est
.....,
r:
Ol
·;::
>
Cl.
0
I' (ô C;) or les événements C; sont mutuellement indépendants car ils concernent
u des caractères tapés à des posit ions différentes dans la séquence et le singe tape les
caractères de manière indépendante.

~1
La probabilité que le singe tape exactement le texte lors d ' une séquence fixée est, par

;ndépendance m ut uelle des C;, Il' (ô C;) = g ll'(C;) = ~L ·

 440 Chapitre 13 Espaces probabilisés

2.a. L'événement Ak est l'événement considéré dans la question 1.b, la séquence fixée
étant la ke séquence.

~I En considérant que la ke séquence est celle de la question précédente, IP(Ak) = ~L.

2.b. La réalisation de l'événement A signifie que le singe tape le t exte lors d 'au moins
une séquence. Il s'agit donc de l'union de la suite des événements Ak.

~1
+oo
On a A= UA k.
k=l

2.c. L'énoncé suggère de calculer d'abord la probabilité de A. En effet, l'indépendance

mutuelle des événements Ak (car des séquences différentes concernent des caractères
tapés indépendamment) peut faire penser à ut iliser l'événement contraire pour se
ramener à une probabilité d'intersections.

De la question précédente, on déduit A= n

+oo

k=l
Ak. Alors, grâce aux conséquences du

théorème de la li mite monotone,

IP(A) = IP (n
k=l
Ak) = n~~oo IP (n Ak) = n~~oo ÎI IP(Ak)
k=l k=l
"O
0 car les événements Ak sont mutuellement indépendants, puis
r::::
:::J 1
0
lfl
,.-1
-
IP(A) = lim
n~+oo
II(1 - IP(Ak)) =
n
lim
n~+oo
(1 - NL)
n
= 0
1
(car 1 - NL E]O, l[).
0 k=l
N
On en déduit que lP'(A) = 1 i.e. le singe tape le texte presque sûrement.
@
.....,
r:
Ol
·;::
>-
Cl.
0
u
Il faut s'efforcer de ne manipuler les égalités de limites que si on a
& préalablement discuté la convergence des objets présents.
Ici c'est le théorème de la limite monotone probabiliste qui garantit
l'existence de la première limite de suite et donc de toutes les autres
puisqu'on ne fait que transformer l'écriture du terme général.
 Exercice 13.7 Lemme de Borel-Cantelli e t marche aléatoire 441

Exercice 13. 7 : Lemme de Borel-Cantelli et marche aléatoire

Le but de cet exercice est de prouver le résultat suivant :

Lemme de B ore l-Cantelli. Soit (Ak)kEN* une suite d'événements
et soit A l'événement ((une infinité d'événements Ak est réalisée».
Si la série L IP(Ak) est convergente, alors IP(A) =O.
kEN*
+oo +oo
1. Montrer que A = n LJ
n=l k=n
Ak.

2 . On suppose, dans cette question, que la série L IP(Ak) converge.

k~I

a . Montrer qu'étant donné des événements B et C, IP( BUC) ~ IP( B) + IP( C).

b. Soit n E l'i' . Montrer par récurrence : VN ? n, 1P' CY. Ak) k=n

c . En déduire que IP' (Q Ak) ,:;; ~ IP'(Ak) .

00

d. En déduire lim lP
n~+oo
(+LJ Ak) puis que IP(A) =O.
k=n
3. Applicat ion. Soit p E]O, 1[. On considère un mobile se déplaçant indéfiniment
sur un axe gradué. Au départ, il est à l'abscisse O. À chaque seconde, son
abscisse augmente de 1 avec la probabilité p ou diminue de 1 avec la probabilité
l-p. Les déplacements sont indépendants. On note Rk l'événement« le mobile
est à l'origine après k secondes».
a . Si k est impair, que vaut IP(Rk)?
2
On admet* pour la suite que IP(R2n) = ( : ) [p(l - p)]n pour tout n EN.

"O
0
r::::
b. Montrer par récurrence que, pour tout n EN, (2~t) ~ 4n.
:::J
0
lfl
,.-1 c . Montrer que si p =J. ~, alors p(l - p) < ~.
0
N
@
.....,
d. En déduire que la série L IP(R2n) converge si p =J. ~·
r: n~O
Ol
·;::
> 1
Cl. e. En déduire, à l'aide du lemme de Borel-Cantelli, que si p =J. , alors
u
0 2
presque sûrement le mobile ne repasse qu'un nombre fini de fois par l'ori-
gine.

*· Pour une démonstration, voir l'exercice 14.2 page 452.

 442 Chapitre 13 Espaces probabilisés

1 . Pour montrer une égalité entre ensembles (événements ici), on peut soit montrer que
chacun est inclus dans l'autre, soit montrer que l'appartenance à l'un est équivalente

à l'appartenance à l'autre. Si on traduit ce que signifie que n LJ

+oo +oo

n=l k=n
Ak est réalisé on

obtient : « pour tout n E N*, il existe un k ~ n tel que Ak est réalisé ». Cela signifie
qu'on peut toujours trouver un Ak réalisé d'indice k aussi grand que l'on veut. Il
apparaît que c'est effectivement assez proche de l'événement A donc on peut faire
une preuve par équivalence.

Soit K = {k EN* 1 Ak est réal isé}.

A est réal isé si et seu lement si K est infi ni c'est-à-dire K est non majoré. Cela équivaut
à V n E N*, :3 k ?;: n, k E K ou encore à pour t out n E N* il existe un k ?;: n tel que

Ak est réalisé. C' est-à-d ire nU

+oo +oo

n=lk=n
Ak est réa lisé.

On peut donc conclure que A= nU + oo +oo

n=lk=n
Ak .

2.a. On sait que lP'(B U C) = lP'(B) + JP'(C) pour deux événements incompatibles mais
dans le cas général lP'( B U C) = lP'( B ) + lP'( C) - lP'( B n C) et lP'( B n C) est bien sûr
positif.

~1
Pu isque JP>(B n C) est positif,
JP>(B u C) = JP>(B) + JP>(C) - JP>(B n C) ~ JP(B) + JP(C) .
2. b . Pour faire une preuve par récurrence, il faut avoir un lien entre le rang N et le
N+ I ( N )
rang N + 1. Ici ce lien est k~n Ak = k~n Ak UAN+I ce qui laisse imaginer que l'on
va utiliser la question précédente s'appliquant à une réunion de deux événements.
P rocédons par récurrence :

"O
0
• pouc N= n, I' (QA,) = ll'(A.) = ~ ll'(A,) ;
r::::

N:;, n, I' (QA,) <; t. li'(A,), alocs

:::J
0
lfl
,-1
• supposons que pou c un ent;ec
0
N
@
.....,
r:
Ol
·;::
I' (QA,) = (QA,) I' ( U AN+') <; I' (QA,) + l'(AN+>) <; ~ li'(A,)
>
u
Cl.
0
donc la propriété est vérifiée au rang N

Pac pc;nd pe de cécunence, pouc tout N :;, n, I'

+ l.
(QA,) <; t. l'(A,).
2.c. L'idée pour montrer l'inégalité est de passer à la limite dans l'inégalité de laques-
tion précédente. Or, puisque la série L
lP'(Ak) est convergente, la suite des sommes
partielles convergent bien vers la somme de la série.
 Exercice 13.7 Lemme de Borel-Cantelli et marche aléatoire 443

D'après la question précédente, pour tout N& n, IP' (.Q A,) <; t.IP'(A,).
En faisant tendre N vers +oo, pu isq ue la série L IP'(Ak) est convergente et d 'après

le théorème de la lim ite monotone, on obtient

2.d. Maintenant, l'entier n qui était fixé, va tendre vers + oo. Le majorant de l'inégalité
précédente est le reste de rang n - 1 de la série convergente L
IP'(Ak) qui tend donc
vers O. Il reste à appliquer le théorème des gendarmes.

Puisque la série L IP'(Ak ) est convergente la suite de ses restes tend vers 0 c'est-à-dire

+oo
lim " IP'(Ak) = O.
n4+oo L.-t
k=n

Or pour tout n E N', 0 <; IP' (QA,) +oo

~ L IP'(Ak) donc, par le théorème des
k=n
00

gendarmes, lim lP'

n4+oo
(+
LJ Ak) = o.
k=n

2.e. On a vu que A = n LJ
+oo +oo

n = l k= n
Ak. On constate donc que A est l'intersection d 'une

suite infinie d'événements. Naturellement, on se pose la question de savoir si cette

suite est une suite décroissante pour l'inclusion pour savoir si on peut appliquer le
théorème de la limite monotone.
+oo + oo

"O
Pour n E N*, si Bn = LJ Ak alors Bn = An U LJ Ak = An U Bn+l donc
0
r::::
k=n k=n+l
:::J Bn+i C Bn. On en dédu it que la suite d 'événements (Bn) est décroissante pour
0
l' inclusion.
lfl
,..-1
0
Par le théorème de la limite monotone,
N

Iïm lP' (+
u=Ak) =o.
@
,....,
r:
IP'( A) = n4+oo
Ol
·;::
k=n
>
Cl.
0 3.a. Pour que le mobile soit à l'abscisse 0 après k secondes, il faut qu'il ait effectué
u
avant autant de déplacements d 'un côté que de l'autre, donc k doit être pair.

~I
Si k est impa ir, le mobile a fait plus de déplacements d ' un côté que de l'autre donc
Rk est impossible si bien que IP'( R k) = O.
3.b. Pour la preuve de l'hérédité, cherchons une relation entre le rang n et le rang
n + 1.
 444 Chapitre 13 Espaces probabilisés

2(n + 1)) = (2n + 2) = (2n + 2)! = (2n)!(2n + 1)(2n + 2)

( n + 1 n+ 1 (n + 1)! 2 (n + 1)2n! 2
= 2(2n + l)(n + 1) x (2n)! = 2(2n + 1) (2n).
(n+l) 2 n! 2 n+l n

2(2n + 1) par· 2(2n + 2) __ 4 .

On peut majorer le facteur----
. n+l n+l

~
Procédons par récurrence.
2
• Pour n=O, ( : ) = (~) = 1 ~4°.
2
• Supposons que, pour un entier n EN, ( : ) ~ 4n . Alors
2(n + 1)) = 2(2n + 1) (2n) ~ 4 (2n) ~ 4 X 4 n = 4n + 1 .
( n+l n+l n n
2
D'après le principe de récurrence, pour tout n EN, ( : ) ~ 4n .
3.c. La majoration p(l -p) :::;; l revient à déterminer le maximum d'un polynôme du
second degré.

p (1 - p ) - -1 = - p 2 + p - -1 . 0 r s1. a < 0, a.x-•) + bx + c est maxima

. 1 pour x = - -b ,
4 4 2 a.
donc p(l - p) - .!4 est maxima l pour p = - l = 1/2 et la valeur maximale est
-2
-(~) ~ - ~=O. Ainsi, ~ ~·
2
+ pour tout p p(l - p)
De plus, le discriminant du trinôme vaut b,. = 1-4(- 1)(- 1/4) = 0 donc ce trinôme ne
s'annule qu 'en 1/2. On en dédu it que, pour tout p =f=. ~, p(l - p) - ~ < 0 c'est-à-dire
p(l - p) < ~·
"O
0
3.d. Pour la convergence de la série L JP>(R2n), les majorations précédentes font
r::::
:::J penser à utiliser le théorème de comparaison des séries à termes positifs.
0
lfl
,..-1
0
En effet on a JP>(R2n):::;; (
2
n
n)
[p(l - p))t:::;; [4p(l - p)t avec 4p(l - p) < 1 si p =!= ~2 .
N

~ ~ ~
@ 2
.....,
r: Pour tout n E N*, 0 IP(R2n) ( : ) (p(l - p)t (4p(l - p)t et la série
Ol
ï:::
>
Cl.
0
géométrique L (4p(l - P)t est convergente puisque sa raison 4p(l - p) est dans
u n~O

l'intervalle ]O, 1[ si p =f=. ~·

Par comparaison, on en dédu it que la série L IP(R2n) est convergente si p =f=. ~.
n~O
 Exercice 13.7 Lemme de Borel-Cantelli et marche aléatoire 445

3.e. Pour conclure, on applique le lemme de Borel-Cantelli.

Suppsons que p =f. ~ . Pu isque la série L JP>(R2n) est convergente, le lemme de

n;;.o
Borel- Cantell i permet d'affi rmer que l'événement «une infinité d'événements R2n est
réalisée » est négl igeable, c'est-à-d ire que presque sûrement un nombre f ini d 'évé-
nements R2n est réal isé. Or les événement s R 2n+1 sont impossibles, donc presque
sûrement le mobile ne repasse par l'origine qu ' un nombre fini de fois.

"O
0
r::::
:::J
0
lfl
,..-1
0
N
@
.....,
r:
Ol
ï:::
>
Cl.
0
u
 446 Chapitre 13 Espaces probabilisés

Liste des capacités attendues

• Savoir utiliser l'équiprobabilité (cf exercices 13. 1, 13.5, 13.6) : si des résultats
sont en nombre fini et qu'ils sont équiprobables alors

IF>(A) = Card(A)
Card(D)

• Savoir utiliser l'incompatibilité de deux (ou plus) événements (cf exer-

cices 13.1, 13.2 et 13. 7) : si les Ai (i E J ) sont (deux à deux) incompatibles,
alors

IF> (u
iEl
Ai) = L IF>(Ai)
iEl
(Œ-additivité de la loi de probabilité IF>).

• Savoir utiliser l'indépendance (mutuelle ou deux à deux) d 'événements

ou d'épreuves (cf exercices 13.5 et 13.6)

• Savoir utiliser la formule du crible de Poincaré pour l'union de deux ou

trois événements (cf questions 13.1.5, 13.2.2 et 13.7.1)
1 IF>(A u B ) = IF>(A) + IF>(B ) - IF>(A n B) 1,

1IF>(A u Buc) = IF>(A) + IF>(B) + IF>(C) - IF>(A n B) - IF>(B n c) - IF>(C n A)+ IF>(A n B n C) I·

• Savoir utiliser la formule de conditionnement (cf exercices 13.2 et 13.3)

IF> (B) = IF>(B n A)

"O
A IF>(A)
0
r::::
:::J
0
lfl
,.-1
0
• Savoir utiliser la formule des probabilités composées (ou des condition-
N nements successifs) (cf questions 13.3.2 , 13.4.9 et 13.5.3) :
@
.....,
r:
Ol
ï:::
>
Cl.
0
u
 Liste des capacités attendues 447

• Savoir utiliser la formule des probabilités totales (cf questions 13.1.5 ,

13.3.1.a, 13.4.3 ) : si (Ai)iEJ est un système complet d'événements, alors

iEJ iEJ

• Savoir utiliser la formule de Bayes (cf questions 13.2.2 et 13.3.1.b) : si (Ai)iEJ

est un système complet d'événements, alors
IP(Aj )IP Aj (B) IP(B n Aj)
L IP(Ai)IPAi(B) L IP(B n Ai) '
iEJ iEJ

en particulier, avec le système complet (A, A),

IP (A) = IP(A)IP A (B)

B IP(B )

• Savoir utiliser le théorème de la limite monotone et ses conséquences

(cf exercices 13.5, 13.6 et 13.7)
• si (Ak) est une suite d'événements croissante pour l'inclusion alors

IP (tJ
k= l
Ak ) = lim IP(An) ;
n-t+ oo

• si (Ak) est une suite d'événements décroissante pour l'inclusion alors

IP (nk= l
Ak ) = lim IP(An) ;
n -t+oo

"O
• dans le cas général,
0
r::::
:::J
0
lfl
,.-1
0
N
@
.....,
r:
Ol
ï:::
>
Cl.
0
u

*· Par convention, une probabilité conditionnelle associée à un événement négligeable est nulle,
autrement dit, si lP'(Ai) = 0, alors lP' A i (B) = 0 de sorte que le produit lP'(Ai )lP' Ai (B) est bien défini
et l'égalité IF(Ai )lP' A i (B) = IP(B n Ai) est « encore » vraie.
u
0
c
::J
0
lfl
,.-1
0
N
@
.......
.r:.
Ol
·c
>-
Q.
0
u
 CHAPITRE

14
Variables aléatoires discrètes

En cas d 'existence, l'espérance de la variable aléatoire X sera notée lE(X) et sa va-

riance V(X) .

1. On considère un jeu de 32 cartes traditionnel et on pioche simultanément deux

cartes dans le paquet. Si les deux cartes tirées sont de même valeur, on dit
qu'il y a «bataille» et on pose B = 1, dans le cas contraire, on pose B =O.
a. Donner la loi de B ainsi que son espérance et sa variance.
b. On pose C = 1 - B + B2. Déterminer la loi de Cet donner lE(C), V(C).
2. On considère un jeu de 52 cartes traditionnel et on pioche une carte au hasard
dans le paquet. On note alors X la valeur de la carte piochée avec la valeur 1
pour un as, 2 pour un deux, ... , 10 pour un dix, 11 pour un valet, 12 pour
une dame et 13 pour un roi.
a. Donner la loi de X ainsi que son espérance et sa variance.
b. En déduire lE (X 2 ).
3. Augustin et Bérénice jouent à pierre/papier/ciseaux. Ils effectuent 20 duels.
Chaque duel se déroulant ainsi : le papier l'emporte sur la pierre, la pierre sur
les ciseaux et les ciseaux sur le papier. Si les deux enfants proposent le même
"O
0
r:::: objet, le duel se solde par un match nul. On note A le nombre de victoires
0
:::J
d'Augustin et B celui des victoires de Bérénice.
lfl
,.-1
Donner les lois de A et B ainsi que leurs espérances et variances.
0
N
@
.....,
r:
Ol
·;:: 1.a. Le fait que B ne puisse prendre que les valeurs 0 ou 1 conduit à penser immé-
>
Cl. diatement à une loi de Bernoulli ou une des variables certaines B = 0 ou B = 1.
0
u

Modèle d'apparition des lois de Bernoulli B(p) : on réalise une expé-

rience aléatoire à deux issu,es et on s'intéresse à son résultat : un succès
(codé par 1) ou un échec (codé par 0). p représente la probabilité de
succès.
 450 Chapitre 14 Variables aléatoires discrètes

Il reste alors à déterminer la probabilité de l'événement [B = 1] pour conclure. Deux

méthodes sont possibles :
• ou bien on dénombre scrupuleusement les situations favorables et celles possibles;

Méthode 1 : L'événement [B = l ] correspond au fait que les deux cartes tirées soient

de même valeur ce qui correspond à 8 x ( ~) configurations favorables (on choisit

d'abord la valeur commune des deux cartes, il y en a 8 possibles, puis il faut choisir 2
3
cartes parmi les 4 possédant cette valeur) des ( ~) configurations équiprobables
possibles donc

3
=
31

• ou bien on raisonne comme si les deux cartes étaient piochées l'une après l'autre,
ce qui est toujours possible au niveau de la modélisation de l'expérience, il suffit de
différencier la carte dont on lit la valeur en premier de celle qui est lue en second.

Méthode 2 : Même si les deux cartes sont piochées simultanément, on peut toujours
les différencier en considérant l'ordre de lecture des valeurs des cartes. L'événement
[B = l] correspond alors au fait que la «deuxième» carte piochée soit de même valeur
que la «première» ce qui n'arrive que pour 3 des 31 cartes restantes et ce quelle que
soit la « première» carte piochée donc JP(B = 1) = :l.

Plus précisément, si on note Ck l'événement« la première carte piochée a pour

3
valeur k »pour k E {7,8, 9,10, valet,dame,roi,as}, on a IP'ck(B = 1) =
31
pour les raisons invoquées ci-dessus si bien que d'après la formule des proba-
"O
bilités totales (puisque les ck forment un système complet d'événements)
0
r:::: 3 3
:::J JP(B = 1) = l:P(Ck)JPck (B = 1) = l:JP(Ck) =
0 31 31
lfl k k
,.-1
0
N
et ce quelle que soit la valeur exacte des différents JP(Ck)·
@ On pouvait également annoncer que l'événement [B = 1] est indépendant de
.....,
r: tout événement ck .
Ol
·;::
>
Cl.
0
u Les deux stratégies ont bien conduit à la même valeur et permettent de conclure.

~1
3 3
Ainsi, B suit la loi de Bernoulli de paramètre et JE(B) = ,
31 31
V(B) = 1_
31
(1 - 1-)
31
= 84
961 .
1.b. Il s'agit tout d'abord de déterminer les valeurs possibles de C.
 Exercice 14.1 Loi usuelles I 451

~1
Pou r une évént ualité w En, si B(w) = 0, alors C(w) = 1- 0+02 = 1 et si B(w) = 1,
alors C(w) = 1 - 1+1 2 = 1. Finalement, C ne pre nd que la valeur 1, il s'agit donc
la variable certaine de valeur 1 de sorte que IE(C) = 1 et V(C) =O.
2.a. Chacune des valeurs est représentée par exactement 4 cartes distinctes sur les
52 disponibles et équiprobables ce qui fait que les 13 valeurs sont équiprobables.

Modèle d'apparition des lois uniformes U(ITl, nD) : on considère une

expérience aléatoire dont l'ensemble des résultats possibles se parti-
tionne en groupes équiprobables et numérotés de 1 à net on s'intéresse
justement au numéro du groupe obtenu.

Les 52 cart es équ iprobables du paquet se partitionnent en 13 groupes de 4 cart es de

même valeur donc X suit la loi un iforme s ur [l, 13] et
2
IE(X) = 1 + 13 = 7 et V(X) = 13 - 1 = (13 - 1)(13 + 1) = 14
2 12 12 .

2.b. Pour déterminer le moment d'ordre 2, on pourrait utiliser le théorème de transfert

lE(X
2
) = L 2
k P( X = k)
kEX(n)

mais l'énoncé demande de le déduire de l'espérance et de la variance donc on fait

appel à la formule de Kœnig-Huygens.

~1
D'après la formu le de Kœ nig- Huygens, V(X) =JE (X 2 ) - IE(X) 2 de sorte que
2
JE (X ) = V(X) + IE(X) 2 = 14 + 72 = 63 .
3 . Chaque duel possède trois issues : la victoire d'Augustin, celle de Bérénice et
le match nul. Du point de vue d'Augustin (ou plus exactement de A), la victoire
d'Augustin est un succès et les deux autres résultats un échec. On reconnaît alors un
15 schéma de Bernoulli synonyme de loi binomiale.
r::::
:::J
0
lfl
,-1
0 Modèle d'apparition des lois binomiales B(n, p) : on réal'ise un nombre
N
@ donné d'épreuves de Bernoulli indépendantes de même paramètre et on
....., s'intéresse au nombre de succès obtenus .
r:
Ol
·;:: Les deux paramètres correspondent, dans l'ordre, au nombre n d'épreuves
>
Cl.
0
réalisées et à la probabilité de succès p commune des épreuves.
u

~1
L'expérience proposée s uit un schéma de Bernoulli : on répète 20 fois indépend amment
la même expérience à deux issues do nt le succès est la victoire d 'August in pour A et
celle de Bérénice pour B et on s' intéresse au no mbre de succès de l' un ou de l'a utre.
Il reste à déterminer la probabilité de succès de l'un et de l'autre lors d'un seul duel.
 452 Chapitre 14 Variables aléatoires discrètes

Augustin et Bérénice jouant un rôle symétrique, les probabilités de victoire de l'un

et de l'autre lors d'un duel sont égales. Le nombre de situations conduisant à une
victoire d'Augustin est de 3 (celles mentionnées dans l'énoncé) alors que le nombre
total de situations possibles équiprobables est de 3 x 3 = 9 (chacun des deux duellistes
choisit indépendamment parmi 3 objets) donc la probabilité de victoire d'Augustin est
3 1
de - = -.
9 3
Finalement A et B suivent la même loi binomiale de paramètres 20 et ~ si bien que

1 20
V(A) = V (B) = 20 x -1 x ( 1 - -1) = -40 .
IE(A) = IE(B) = 20 x J =
3, 3 3 9

Soit p E]O, 1[. On considère un mobile se déplaçant indéfiniment sur un axe

gradué. Au départ il est à l'abscisse O. À chaque seconde, son abscisse augmente
de 1 avec la probabilité p ou diminue de 1 avec la probabilité 1 - p. Les déplace-
ments sont indépendants. On note Xk l'abscisse du mobile après k secondes et
Dk le nombre de fois où l'abscisse du mobile a augmenté de 1 lors de k premières
secondes. On note Rk l'événement «le mobile est à l'origine après k secondes».
1. Déterminer la loi de Dk, son espérance et sa variance.
2. Déterminer l'espérance de Xk en fonction de p.
Pour quelles valeurs de p, X k est-elle une variable aléatoire centrée?
3. Déterminer la probabilité de Rk en fonction de k et de p.

1. À chaque déplacement, le mobile a deux possibilités, chacune ayant une probabilité

fixée. Dk compte le nombre de déplacements dans le sens positif, cela correspond à
un nombre de succès lors d'une succession d'épreuves de Bernoulli. On pense à une
loi binomiale.

~1
"O La suite des déplacements constitue une succession d'épreuves de Bernoulli indépen-
0
r::::
:::J dantes de paramètre p, si l'on considère le déplacement de +1 comme un succès. Or
0
lfl
Dk compte le nombre de« succès» lors de k déplacements donc Dk suit la loi B(k,p).
,-1
0
N 2. A priori on ne connaît pas la loi de Xk. Mais on ne la demande pas. En revanche,
@ on demande son espérance. On peut essayer d'appliquer le théorème de transfert ou
.....,
r:
Ol
une formule qui en découle mais, pour cela, il faut exprimer Xk en fonction d'une
·;::
>
autre variable aléatoire dont on connaît la loi.
Cl.
0 Or l'abscisse au bout de k secondes est l'abscisse initiale (0) augmentée du nombre de
u
déplacements + 1 et diminuée du nombre de déplacements -1. Il y a Dk déplacements
+ 1 sur k déplacements au total donc il y a k - Dk déplacements -1.

~I
Au bout de k secondes, l'abscisse du mobile a augmenté Dk fois et diminué k - Dk
fois donc Xk = Dk - (k - Dk) = 2Dk - k.

On constate que Xk est une fonction affine de Dk·

 Exercice 14.3 Coefficients de probabilité et moments 453

~1
Ainsi JE(Xk) = JE(2Dk - k) = 2IE(Dk) - k = 2kp - k = k(2p - 1).
On en déduit que X k est centrée si et seulement si 2p - 1 = 0 c'est- à-dire p = ~·

3 . On essaie d'exprimer l'événement Rk en fonction d 'événements plus simples, ici

cela peut être les événements associés aux variables Xi ou Di .

~1
Rk = [Xk = O] donc
JP>(Rk) = JP>(Xk = 0) = JP>(2Dk = k) = JP>(Dk = k/2).

On connaît la loi de Dk , il suffit de faire le calcul. Cependant, si k est impair, k/2

n'est pas entier et donc l'événement [Dk = k/2] est impossible.

~1
si k est impair

si k est pair

Exercice 14.3 : Coefficients de probabilité et moments

On suppose que G est une variable aléatoire telle que G(f!) = [2, 2n] et que
1
V k E G(n), JP>(G = k) = - - alk - n -
n
11
où a est un réel.
1. Déterminer la valeur de a.
2 . Calculer l'espérance et la variance de G.
3. Soit m E [2, n]. Calculer explicitement JP>(G E [m, 2n + 2 - m]).

"O
0
r::::
0
:::J

lfl
,..-1
1. Pour déterminer a, on va utiliser L JP>( G = k) = 1.
0
kEG(O.)
N
@
....., Une condition pour avoir une loi de probabilité est que la somme vaille 1 :
r:
Ol 2n 2n

~ 'L: ( ~ - alk - n - 11) = 1

ï:::
>
Cl. L l!D(G=k)=l
0
u k=2 k=2
2n 2n

~ ~'L:1-a'L: lk-n-ll = l
k=2 k=2

2
=> n: 1 -a[t,(n+l-k)+,~ 2 (k-n-1)] =l.
 454 Chapitre 14 Variables aléatoires discrètes

Avec les cha ngements d ' indice i = k - 1 et j = k - n - 1, on a

n:l =a
[
n- 1
~(n - i)+ f; j
n - 1 l
k=2

n- 1
Ç:::::::;> -- = an (n - 1)
n
1
~ a= n2·

A insi la seule possibi lité est a= ~.

n

On vérifierait facilement qu'avec ce choix tous les coefficients sont dans JO, 1 [ mais ce
n'est pas demandé.
2 . Pour l'espérance, comme la loi n'est pas usuelle, il faut revenir à la définition
JE(G) = L k P (G = k).
kEG(D)

Par définition, on a

IE(G) = ~
L...t
k (~ -
n
lk - n -
n2
li) = ~ ~k -
n L...t
2_2
n
~
L...t
klk - n - li

=
k=2

1
~ x
(2n + 2)(2n - 1)
2
- n2
1
28
k=2

[~ k(n + 1 -
k=2

~
k) + 0 + k~ k(k - n - 1)
l
(n+1)~2n - 1) - ~' [~(i + l)(n - i) + ~(j + n +l)jl
(avec les changements d'indice i = k - 1 et j = k - n - 1)

= - +-
(n - 1)(2n
-- - -
1) - 1
2n
L [.
n - 1

ni - i
.2 .
+ n - i + i
.2
+ (n +l)i·]
n
i =l

"O
0
= (n+1)~2n-1) - ~' [2n~i+n~ll
r::::
0
:::J

lfl
,.-1
(n + 1)(2n - 1) _ l_ [ 2 (n - l)n
n n 2
+ (n _ l)]
0
N
(n + 1) [2n - 1 - (n - 1))] = n + l.
@
....., n
r:
Ol
·;::
~ Remarquons que G' = 2n + 2 - G a même loi que G. Ainsi, du fait que JE( G') = JE( G) ,
0
u on trouve 2n + 2 - JE(G) = JE(G) et donc JE(G) = n + 1.
Quant à la variance, mieux vaut s'appuyer sur la définition plutôt que la formule de
Kœnig-Huygens car le moment d'ordre 2 n'est pas plus facile à calculer et surtout
l'usage de la variable centrée G - JE( G) fait que l'indice k apparaît partout sous la
forme k - n - 1.
 Exercice 14.4 Théorème de transfert et fonction génératrice 455

2n

V(C) = IE ([c - IE(C)J

2
) = I)k- IE(C)J 2
P(c = k)
k=2

~(k - n - !)2 [~ _ lk-:,-11]

et, avec le changement d'indice i = k - n - 1,
n- 1
.2n - lil
V(C)
n2

l
i
i= - n + l

n- 1 [ n- 1 n- 1
1 2
n2 2 ~ i n~i ~i
·2 . .2 .3
(n - i) = n 2 -

_3_ [n x (n - l)n(2n - 1) _ (n - 1) 2 n 2 ]
n2 6 4
_ ) [ 2n - 1 _ n - 1 ] = (n - 1) (n + 1)
= (n 1 3 2 6 ·

3. On connaît la loi donc on peut récupérer la probabilité de n'importe quel événement.

Calculons
2n+2-m 2n+2-m

P(CE[m,2n+2-m])= L P(G=k)= L (; - o.lk - n - 11)·

k=m k=m
D'où , avec le changement d ' indice j = k - n - 1,
n +l- m

P(CE [m,2n + 2 - m]) L (; - o.IJI)

.i =m-n- 1

=
2n+3-2m - 2a L .7.
n+l - m

n
j=l

"O 2n + 3 - 2m 2 (n + 1 - m) (n + 2 - m)
0
r:::: n - n2 2
:::J
0 2n + 3n - 2nm - (n + l)(n + 2) + (2n + 3)m - m 2
2
lfl
,.-1 n2
0
N n - 2 + 3m - m = _ (m - l)(m - 2) t
2 2
1
@
.....,
n2 n2
r:
Ol
·;::
>
Cl.
0
u

t. En faisant appel à l'inégalité de Bienaymé-Tchebychev, on obtiendrait seulement la minoration

n2 - 1
lP'(G E [m, 2n + 2 - mil) ~ 1- ( )2 qui est d'autant moins précise que m est proche des
6n-m+l
extrémités de [2, nn.
 456 Chapitre 14 Variables aléatoires discrètes

Exercice 14.4 : Théorème de transfert et fonction génératrice

1. Soit W une variable aléatoire suivant une loi binomiale de paramètres n et p

(avec n EN* et p E]O, l[). Déterminer JE (W 2 ) et JE ( W ~ 1 ).
2. Soit X une variable aléatoire finie à valeurs dans N. Pour t E IR, on pose
fx(t) =JE (tX).
a. Justifier que la fonction f X est de classe C2 sur IR.
b. En utilisant le théorème de transfert, montrer que /~(1) = JE(X) et
f~(l) =JE (X(X - 1)).
c. Dans cette question uniquement, on suppose que X suit la loi B(n, p).
Retrouver l'espérance et la variance de X à l'aide de f x.
d. Dans cette question uniquement, on suppose que X suit la loi uniforme
sur ITl, n]. Retrouver l'espérance et déterminer la variance de X à l'aide de
f x (on pourra utiliser un développement limité en 0 de u t-t f x(l + u)).

1. Le moment d'ordre 2 se récupère via la formule de Kœnig-Huygens à partir de

l'espérance et de la variance.

~1
D 'après la formule de Kœnig-Huygens,
JE (w 2 ) = V(W) + JE(W) 2 = np(l - p) + (np)2 = np[l + (n - l)p].

1
Pour l'autre espérance, plutôt que de déterminer préalablement la loi de W , on
+1
applique directement le théorème de transfert en s'appuyant sur la loi de W.

Par le théorème de transfert,

"O
0
r::::
:::J
0
lfl
,.-1
Pour simplifier la somme (et se ramener à une formule du binôme), on « transfère»
0
N la dépendance en k du dénominateur k + 1 à l'intérieur du coefficient binomial.
@
.....,
r:
Ol
ï:::
En utilisant que -k
1
(nk.
) 1
= - -(nk + )
1
pour kE [O, n~. on obtient
> +1 · n+l +1
Cl.

u
0
JE ( 1
W + 1
) = _1_ ~
n + 1~
(n
k+ 1
+ l)pk(l - p)n- k = 1 ~
(n + I)p ~
(n '.
J
l)pj(l - pr+i - j
k=O j=l

avec le changement d 'indice j = k + 1. Par la formule du binôme de Newton,

JE ( 1
W + 1
) = 1
(n + l)p
[(P + 1 - Pt+i - (n + l)Po(l -
0
Pt+1] = 1 - (1 - Pr+1
(n + l)p
 Exercice 14.4 Théorème de transfert et fonction génératrice 457

2.a. Il faut changer l'écriture de f x pour expliciter la dépendance en la variable t et

lui donner la forme d'une fonction usuelle.

~1
D 'après le théorème de transfert, pour tout réel t, fx(t) = L P(X = k)tk. Ainsi
kEX(îl )
2
fX est polynomia le donc de classe C sur R

2.b. La forme polynomiale obtenue rend aisé le calcul des dérivées première et seconde
qu'on peut interpréter comme des espérances à l'aide du théorème de transfert, ainsi
que le suggère l'énoncé.

En utilisant l'écriture précédente, pour tout réel t, J'x(t) = L JP>(X = k)kl- 1 .

kEX(O)

En particul ier, J'x(l) = L kJP>(X = k) = JE(X).

kEX(O)

De même, J!k(l) = L IP'(X = k)k(k - l)lk- 2 . Or, d 'a près le t héorème de trans-
kEX(O)

fert, L k(k - l)IP'(X = k) = JE (X(X - 1)) ce qu i conclut.

kEX(n)

2.c. On commence par déterminer une expression simple de fx.

Comme X suit la loi binomiale B(n,p), X(O) = [O, n] et, pour tout k E X(O),

JP>(X = k) = ( ~ )pk(l - pr- k de sorte que

f x(t) = t, (~ ) p'(l - p)"-'t' = (pt + 1- p)"

par la formule du binôme de Newton.

Ses deux premières dérivées sont alors faciles à obtenir.

~1
"O Ainsi, pour tout réel t,

0
0
r::::
:::J J'x(t) = np(pt + 1 - pr- 1
et J'fc(t) = np(n - l)p(pt + 1 - p)n- 2
lfl si bien que JE(X) = f'x(l) = np et JE (X(X - 1)) = J!k(I) = n(n - l)p2 .
,..-1
0
N
Il reste à récupérer la variance par l'intermédiaire du moment d'ordre 2.
@
.....,
r:
Ol
·;:: Par linéarité de l'espérance, JE (X(X - 1)) = JE(X 2 - X) = JE(X 2 ) - JE(X) donc
>
Cl.
0
JE(X 2
) =JE (X(X - 1)) + JE(X) = n(n - l)p 2
+ np.
u
D'après la formule de Kœnig-Huygens,
V(X) = JE(X 2 ) - JE(X) 2 = n(n - l)p 2 + np - (np) 2 = np - np2 = np(l - p).

2.d. Là encore, la première à chose à faire est de déterminer une expression compacte
de fx.
 458 Chapitre 14 Variables aléatoires discrètes

1
Comme X'---+ U([l , n]), X(D) = [1 , n] et, pour tout k E X(D), IP(X = k) = - de
n
sorte que, pour tout réel t,

n { 1 t - tn+l
~ 1 k - si t # 1,
f X (t ) = L.J nt = n 1- t
k=l 1 si t = l.

Conformément à la suggestion de l'énoncé, on s'intéresse à fx(l + u) et plus précisé-

ment à son développement limité en O.

Ainsi, pour tout réel ·u # 0,

fx(l +u) =~ 1 +u - ~lu+u)"" = n~ [~ (n ~ l)u' -1-u].

En ne s'intéressant qu 'aux premiers coefficients, on a

+ u) 1 [l ( l) (n + l)n 2 (n + l)n(n - 1) 3
fx(l = nu + n + u + 2 u + 6 u

+u--+o 0 (u3 ) - 1 - u]
n +1 (n + l)(n - 1) 2 ( 2)
1 +--·u+ ·u + ou
2 6 u--+0
alors que, d 'a près la formule de Taylor-Young,

.fx(l + u) = fx(l ) + fx(l I )

u + -f 'k2(1) ')
- u- + o (u-) .
')
u--+0

Par identification, on en déduit, d'une part , IE(X) = J'x(l) = n; 1

et, d'autre part,

IE(X(X - 1)) = J'k(l) = (n + l)in - l). En reprenant la formule établie dans le cas
de la loi binomiale, on conclut que
V(X) IE(X(X - 1)) + IE(X) - IE(X) 2
(n + l)(n - 1) n + 1 (n + 1) 2
= 3 +-2- - 4
n + 1 [4 ( _ l) _ 3( l)J = (n + l)(n - 1).
"O
0
r::::
12 n +6 n + 12
:::J
0
lfl
,.-1
0
N
@
....., On considère un sac comportant 6 jetons indiscernables au toucher et numérotés
r:
Ol
·;:: de 1 à 6.
>
Cl.
0
1. On procède à deux tirages consécutifs d'un jeton avec remise et on appelle M
u le plus grand des deux numéros obtenus et M' le plus petit.
a. Déterminer la loi de M (on pourra introduire et utiliser les événements
Jk,n « obtenir le jeton numéro k au ne tirage»).
b. Déterminer de même la loi de M'.
 Exercice 14.5 Loi du min ou du max 459

2. On procède à deux tirages consécutifs d'un jeton sans remise et on appelle N

le plus grand des deux numéros obtenus.
a. Donner sans justification l'univers image N(fl).
b . Déterminer la loi de N.

1.a . On commence par regarder les valeurs extrêmes possibles pour lvf puis on exprime
très précisément les événements [M = m] en fonction des événements élémentaires
introduits dans l'énoncé.

Tout d'abord, comme M est un numéro de jeton, on a M(D) C [1, 6].

Pour m E [1, 6], on a, en énumérant toutes les situations favorables,

[M = m] = (Jm,1 n Jm,2) U [ '' [ { (Jm,1 n Jk,2)] U [ ' [ { (Jk ,1 n Jm,2)] .

k=l k=l

En passant aux probabilités, on « transforme » alors l'union en addition par incom-

patibilité.

Les événements élémentaires de l'u nion ci-dessus sont incompatibles et éq uiprobables

1
avec probabilité donc
36
IP(M = m) = 1 + 2(m - 1) 2m-1
36 36

1.b. On suit exactement le même protocole qu'à la première question.

Pour les mêmes raisons, on a M' (D,) C [1, 6] et, pour m E [1 , 6],

"O
0
[M' = m] = (Jm,1 n Jm,2) U [ û
k=m + I
(Jm,1 n Jk,2 )] U [ û
k=m+ I
(Jk, 1 n Jm,2)] .
r::::
:::J
0 Toujours avec les mêmes arguments, on conclut que

JP>(M=m) = 1+2(6-m) = 13 - 2m
lfl
,..-1
0
N 36 36
@
,...,
r: 2.a. L'énoncé indique clairement qu'on ne doit pas justifier sa réponse alors expliquons
Ol
·;:: ici comment l'obtenir : en étudiant toutes les configurations possibles, on voit que la
>
0
Cl. valeur 1 est impossible puisque les deux jetons (différents) ne peuvent prendre cette
u même valeur, c'est en revanche possible pour toutes les autres valeurs de jeton.

~I N(D.) = [2, 6].

2. b. On suit là encore la stratégie consistant à exprimer les [N m] en fonction

d 'événements plus élémentaires.
 460 Chapitre 14 Variables aléatoires discrètes

Pour m E [2, 6~. on a

La dernière opérat ion réalisée dans l'événement du membre de droite est une union
donc il faut s'intéresser à l'incompatibilité des éléments de l'union.

Comme il n 'y pas de remise, on ne peut avoir le jeton m aux deux tirages donc les
deux événements de l' un ion précédente sont incompatibles et

Conformément à la chronologie des tirages, on applique alors la formule de condition-

nement.

D ' après la formule de conditionnement,

p ( Jm" n m>,2]) ~ p (Jm,,J p ,_ ' (~: Jk,2 ) '

1
Or lP' (Jm,1) = car il y a un seul jeton m parmi les 6 jetons équiprobables et
6
lP' J m, l (D Jk,2)
k=l
1
= m ~ 1 puisque, sur les 5 jetons restants, m - 1 ont un numéro

strictement plus petit que m. De même,

Jll> ( [D k= l
1
Jk,1] n Jm,2) = Jll> (D Jk,1 ) JP>u,,.~-1
1

k=l k- l
Jk,l (Jm,2) = m ~ 1 x ~'
d 'où
1 m- 1 m- 1 1 m -1
JP>(N = m) = -
6
X --
5
+-6
- X -
5
= --.
15
"O
0
r::::
:::J
0
lfl
,.-1
0
N
@
.....,
r: Un magasin de sport a vendu un jour donné, entre autres, n + 2 vélos (avec
Ol
·;::
>
n ;;::: 2). Or le gérant a été informé par l'usine que deux de ces vélos étaient
Cl.
0 défectueux. Le magasin appelle donc les clients de la journée pour contacter les
u
acheteurs de vélo jusqu'à cc que les deux vélos défcctcux soient trouvés . On note
X le nombre d'acheteurs de vélo contactés. On sait que chaque acheteur de vélo
n'en a acheté qu'un seul.
1. Déterminer l'univers image de X.
 Exercice 14.6 Loi et événements élémentaires 461

2. Justifier que, pour tout k dans l'univers image de X,

[X =k]= g[(gD,) nD;nD.]

où Di est l'événement « le ie acheteur de vélo a acheté un vélo défectueux ».
3. En déduire la loi de X.
4. On suppose de plus que le temps pour contacter un acheteur de vélo est in-
versement proportionnel au nombre d'acheteurs de vélo pas encore contactés
1
(autrement dit, il faut seulement - - unité de temps pour contacter le pre-
n +2
1
mier acheteur de vélo, - - pour le second et ainsi de suite) et on note T
n+l
le temps total nécessaire pour trouver les deux vélos défecteux. Justifier que
X 1
T = L. n+ 3 -J
. et calculer son espérance IE(T) .
J=l

1. On va procéder par double inclusion :

• on commence par déterminer les deux situations extrêmes qui donne la plus petite
et la plus grande valeur de X,

~1
Il faut contacter au moins deux acheteurs de vélo pour avoir les deux vélos défectueux
et si on les contacte tous, on est certain d'y trouver les deux vélos défectueux donc
x(n) c [2, n + 2].

• puis on justifie avec précision que chacune des valeurs intermédiaires est effective-
ment atteinte par X.
"O

~1
0
r::::
:::J Réciproquement, si k E [2, n + 2], en contactant en prem ier un acheteur de vélo
0 défectueux, puis k - 2 acheteurs de vélos en bon état et, enfin, le second acheteur de
lfl
,.-1 vélo défectueux, on réalise l'événement [X = k ] .
0
N Finalement, X(n) = [2, n + 2].
@
....., 2. Ce genre de question permet de montrer qu'on a bien compris le déroulement de
r:
Ol
ï::: l'expérience aléatoire. Il s'agit le plus souvent de bien reformuler les événements en
>
Cl.
0
termes concrets.
u
La réa lisation de l'événement [X = k] signifie que le second acheteur de vélo défec-
tueux a été contacté au ke rang, mais aussi que lors des k - 1 contacts précédents, on
a obtenu un acheteur de vélo défectueux et k - 2 acheteurs de vélo en bon état. Si on
distingue toutes les possibilités de position (c'est l'indice j de la somme) de contact
du premier acheteur de vélo défectueux, on conclut à l'égalité d 'événements indiquée
dans l'énoncé.
 462 Chapitre 14 Variables aléatoires discrètes

3 . La loi d'une variable aléatoire (finie) X est caractérisée par son univers image X(D)
et par ses coefficients IP(X = k) pour k E X(n) . X(n) a déjà été déterminé et les
événements [X = k] ont été exprimés à l'aide d'événements « plus élémentaires ».
Cette dernière expression fait intervenir, au niveau principal, une union, il faut donc
étudier l'incompatibilité éventuelle des événements de cette union.

Pou r k E [2,n + 2~. les événements de l' union de la question précédent e sont incom-
patibles puisqu 'on ne peut contacter le premier acheteur de vélo défectueux si multa-
nément lors de deux contacts distincts donc

k-1 ( [k-1
ll'(X=k)= f; ll' QD, nD,nD• . l )
Dans chaque probabilité générée, les événements font intervenir des intersections donc,
à défaut d'indépendance (la probabilité de contacter un acheteur de vélo en bon état
dépend de ceux qui ont été contactés précédemment), on va utiliser la formule des
probabilités composées.

En ordonnant chronologiquement les ca ptu res, on a

Pour simplifier le raisonnement suivant, posons, pour j ;;:::

i=j
l ;;::: 1, Fj = n
l

Di.

A[~n~~· d 'laprès la formule des probabilit és composées, la probabi lité de l'événement

fJ Di n Dj n Dk est égale à
i-:j;j
J[J>(F{ - 1 )J[J> Fj-1 (Dj )Jp> pi-lnD . (Ff; / )Jp> pi-l n D .npk - 1 (Dk)·
1 1 J 1 J j+l
"O
0
r:::: Pour les deux termes concernan t les probabilités condit ionnés de Fj, on applique à
:::J
0 nouveau la formu le des probabilités composées,
lfl j - I
,..-1
0 1
N J[J>(Ff- ) = Il PF;- 1 (Di)
@ i=l
.....,
r:
Ol
·;:: Toutes les probabilités conditionnelles intervenant désormais sont simples à calcu-
>
Cl.
0
ler puisqu'on s'intéresse systématiquement à la probabilité du résultat d'un contact
u sachant les résultats de tous les contacts précédents.

T raitons d 'a bord les termes les plus simples : après avoir contact é j - 1 achet eurs de
vélo en bon ét at, il reste 2 achet eurs de vélo défectu eux sur n + 2 - (j - 1) = n + 3 - j
acheteurs de vélo donc
2
Ppj - 1(Dj) = .,
i n+ 3 -1
 Exercice 14.6 Loi et événements élémentaires 463

de même, avant le contact du second acheteur de vélo défectueux lors du ke contact, il

ne reste plus qu'un acheteur de vélo défectueux à contacter sur n +2- (k-1) = n+3-k
acheteurs donc
1
JlDpi-l n D ·nFk - 1 (Dk) = 3 k.
1 1 1+1 n + -
Avec des raisonnements analogues, on voit que
-)
lfl> p i -
1
1 ( Di = nn+l-i
+ 3 - i. et lfl> p.7 -l n D ·nFi -
1 1
1
i+ 1
(-)
Di = nn +
+2- i
3- i
.
si bien que

lfl>(Fj - l )
1
=II nn +3-
j - l
+ 1- =
. i
i n! (n + 3 - j)!
(n+l-j)! (n+2)!
(n + 3 - j) (n + 2 - j)
(n + 2)(n + 1)
i=l
et, de même,

k
]p> Fj - 1n D. (Fj_;/) =
II
k- 1
n +2-i
+ 3 - i.
n+3-k
i 1 n n+2 - j
i =j+l

Il ne reste plus qu)à assembler tous les résultats int ermédiaires pour conclure.

Finalement, la probabilité de [ô D;l

if.j
n Dj n Dk est égale à

(n+3-j)(n+2-j) 2 n+3-k 1 2
=-----
(n+2)(n+l) n+3-jn+2-jn+3-k (n+2)(n+l)
et, par sommation,

2(k - 1) *
(n + 2) (n + 1) ·

1
4. Lorsque [X = k] est réalisé) k contacts ont été effectués. Le premier a duré - -
n+2
1 1
unité de temps) le seconde - - et ainsi de suite jusqu)au ke qui a pris (k )
n+l n + 2 - A- 1
"O
~ k.
0 1 1
r:::: unité de temps. Ainsi T prend) dans ce cas, la valeur - - +-- + · · · +
0
:::J n+ 2 n+l n+ _ A

lfl
,.-1
0
Pour une éventualité w, entre le premier et le dernier (le X(w)e) contact, le
N X(w)
@
,...., je contact a duré ~
n +3-j
unité de temps donc T(w) = ~
~
1
n+3-j.
Ainsi
r: j=l
Ol
·;:: X
>
Cl. T=~ 1 .
u
0 ~ n + 3-j
j=l

L'espérance de Test demandée sans que cela soit le cas de sa loi donc le théorème de
transfert s)impose.

2
*· Le lecteur peut vérifier que E(X) = 3(n + 3) .
 464 Chapitre 14 Variables aléatoires discrè tes

D'après le théorème de tra nsfert,

lE(T)
~ (t, + ~ - j)
n l'(X = k) = ~ t, 2
(n + 2) (n + 1) n !; ~ J

2 n +2 k k- 1
- - - - - "'"' (car k - 1=0pourk=1)
(n + 2)(n + 1) L.,; L.,; n + 3 - j
k=lJ=l

= 2 "' k- 1
(n+2)(n+l) _L...; n+3-.i
1,;;;3,;;;k,;;;n+ 2

=
(n + 2)~n + 1) ~ ( n + ~ - ~(k 1)) j -

n+2
2 "' 1 (n + .i) ( n + 3 - .i)
(n+2)(n+l) L.,; n+3-j 2
J=l
n +2
1 "' . 1 (3n+3)(n+2) 3
= (n + 2)(n + 1) L.,;(n + .7) = (n + 2)(n + 1) 2 = 2·
J=l

1. On considère une promotion où les étudiants doivent payer 10 000 € pour finan-
cer leur scolarité. Chaque étudiant cherche dans son entourage des personnes
prêtes à partager à parts égales cette somme avec lui. On suppose que la va-
riable aléatoire égale au nombre de personnes prêtes à aider un étudiant donné
suit la loi de Poisson de paramètre 3. On appelle Y la variable aléatoire égale
au montant de la part à payer par l'étudiant (ainsi que les autres personnes).
Montrer que Y admet une espérance et la calculer.
2. Nicolas va dans une agence pour acheter des billets de train. Les clients doivent
prendre un ticket pour attendre leur tour, ces tickets sont donnés dans l'ordre
"O
0
r:::: croissant. Nicolas arrive le premier le matin, il a le ticket numéro 1. Nicolas
:::J
0 revient plus tard à l'agence pour échanger un billet. On admet qu'avant ce
lfl
,..-1
deuxième passage à l'agence, la variable aléatoire N égale au nombre de per-
0
N sonnes se présentant à l'agence suit une loi géométrique de paramètre p E]O, 1[
@ (on compte notamment le premier passage de Nicolas).
,....,
r:
Ol
On appelle A l'événement « Nicolas obtient un numéro de ticket se terminant
·;::
>- par le chiffre 1 ».
Cl.

u
0 a . Pour quelles valeurs de N l'événement A est-il réalisé?
b. Quelle est la probabilité de A?

1 . Appelons X la variable aléatoire égale au nombre de personnes prêtes à aider un

étudiant donné.
 Exercice 14. 7 Lois usuelles 11 465

Alors Y est la part des 10 000 € à payer par chacun. Or cette somme est à partager
entre X+ 1 personnes puisqu'il faut compter l'étudiant .

~1
Si X est la variable aléatoire égale au nombre de personnes prêtes à aider un étudiant
donné, les 10 000 € sont à partager entre X + 1 personnes donc la part de chacun est
y= 10000.
X+ l
Pour savoir si Y admet une espérance et le cas échéant la calculer, on ut ilise le
théorème de transfert : Y admet une espérance si la série "'~
"°"' lkOOOO lfD( X = k)
A+l
k E X(D)
est absolument convergente. Comme le terme général est positif, il suffit d'étudier la
convergence de cet te série.

~1
D'après le théorème de transfert, Y admet une espérance si la série de terme général
. . 10000 10000 - 3 3k
pos1t1f -k--JJD(X = k) = -k--e -k1 est (absolument) convergente.
+1 +1 '·
Une petite transformation du terme général fait apparaître celui d'une série exponen-
tielle quitte à faire un changement d'indice (k' = k + 1) :

10000 3k 3k 10000 3k+l

k + 1 e-3 k! = lOOOOe-3(k +1)! = ~ x (k + 1)!.

10000 - 3 3k 10000 3k+l I , , I d' , · · Il d

-k
+ 1. e -k'. = -3e
,-3- X (k
+ 1)'. est e terme genera une sene exponent1e e one
la série est convergente : Y admet une espérance qui vaut
+ oo k + oo k+I + oo k'
lE(Y) 10000 e - 3 ~
= "'"°"' = 10000 "'"°"' 3 = 10000 "'"°"' ~
~ k+1 k! 3e3 ~ (k + 1)! 3e3 ~ k'!
k=O k=O k'=I

= 10000 (~ 3k' - 1) = 10000 ( 3 - 1) = 10000 (1 - - 3) .

3e3 ~ k' ! 3e3 e 3 e
k'=O

2.a. Nicolas obtiendra à nouveau un ticket se terminant par le chiffre 1 si ses deux
numéros de t icket diffèrent d 'un multiple de 10. Or le deuxième numéro est N + 1 car
"O
0
r:::
N personnes ont pris un ticket avant le deuxième passage de Nicolas. La condition
0
::J
est donc que N soit un mult iple de 10.
lfl

~1
,..-1
0 A est réalisé si et seulement s'il existe k E N, tel que [N = lOk] soit réalisé. On
N
écarte k = 0 car N > 0 presque sûrement donc les valeurs de N concernées sont donc
@
....., {lOk 1 k EN*} .
r:
Ol
·;::
>
Cl.
0
u N étant une variable discrète, on dispose d'un système complet d'évé-
nements : ([N = n])nEN(n). La réalisation d'un événement peut alors
être décomposée par disjonction de cas, ce qui revient à l'opération
 466 Chapitre 14 Variables aléatoires discrè tes

suivante

A= Ann =An ( LJ [N = n]) LJ An [N = n] (union disjointe).

nEN(D.) nEN(D.)

En l'occurrence, puisqu'ici An [N = n) =A lorsque n est un multiple

de 10 et est impossible dans le cas contraire,
A= LJ [N = lOk] (union disjointe).
kEN

2.b . Pour calculer la probabilité de A, on essaie, comme souvent, de l'écrire en fonction

d 'événements dont on connaît la probabilité, ici les événements [N = j].

+oo
D'a près la question précédente, A= LJ [N = lük] or les événements intervena nt
k=l
dans cette réunion sont deux à deux incompatibles donc
+oo + oo + oo
JP>(A) = L JP>(N = lOk) = L P(l - p)lOk- 1 = 1 ~ p L [(1- p)lOt
k=l k=l k=l

= _P_ X (1 - p)IO p(l - p)g

l - p 1- (1-p) 10 = 1- (1-p) 10 .

Un jeu télévisé consiste à proposer à des candidats successifs de choisir parmi 4

cases, une seule des cases contenant un lot, jusqu'à cc qu'un candidat découvre
le lot. Le lot est initialement de 500 € et il augmente de 100 € après chaque
tentative ratée. Le joueur gagnant reçoit alors le montant du lot.
"O
0 Soit X le nombre total de tentatives effectuées par l'ensemble des candidats pour
r::::
0
:::J trouver le lot et G la variable aléatoire égale au gain du candidat gagnant. Si le
lfl
,.-1
lot n'est jamais trouvé, on décide que X et G sont nulles.
0
N
On pourra noter Sk l'événement « le lot est trouvé à la tentative numéro k »
@ pour k EN*.
.....,
r: 1. Exprimer G en fonction de X.
Ol
·;::
>
Cl.
On envisage dans la suite trois situations différentes.
0
u 2. Dans cette question, on suppose que les émissions sont enregistrées et donc
que les différents candidats n'ont pas connaissance des tentatives précédentes.
a. Déterminer la loi de X .
b. Montrer que G admet une espérance et la calculer.
 Exercice 14.8 Attente du prem ier succès 46 7

3. Dans cette question, on suppose que les émissions sont diffusées en direct et
que les candidats connaissent les tentatives des candidats précédents.
a. Déterminer la loi de X.
b . Montrer que G admet une espérance et la calculer.
4. Dans cette dernière question, on suppose que les candidats n'ont connaissance
que de la tentative précédente.
a. Déterminer la loi de X .
b. Montrer que G admet une espérance et la calculer.

1. G est le gain, c'est-à-dire le montant du lot lorsqu'un candidat t rouve la bonne

case. Il est initialement de 500 € et augmente de 100 € à chaque essai infructueux. Le
nombre d'essais infructueux est X - 1.

Pour une évént ualité w, deux cas se présentent :

• si le lot est trouvé, G(w) = 500 + lOO(X(w) - 1) = lOOX(w) + 400;
• s'il ne l'est jamais, G(w) =O.
Finalement G = (lOOX + 400) · 1L[x,,:o]· où 1L[x,,:o] désigne la fonction indicatrice de
l'événement [X-=/= 0].

2.a. Chaque tentative est une épreuve de Bernoulli. L'hypothèse dit qu'un candidat ne
connaît pas les tentatives précédentes, cela correspond à l'indépendance des tentatives.
De plus, chaque candidat choisit parmi les 4 cases donc le paramètre d 'une épreuve de
Bernoulli est 1/4. X est alors le nombre de tentatives pour obtenir le premier succès,
on reconnaît une loi géométrique.

~1
D'après l'hypothèse, les tentatives sont des épreuves de Bernoulli indépendantes de
paramètre 1/4. X est le ra ng d 'apparition du premier succès donc X suit la loi géo-
"O
0 métriq ue Ç(l/4) .
r::::
:::J
0 On constate que le cas où le lot n'est jamais trouvé est négligeable, lP(X = 0) = 0,
lfl
,..-1 c'est une caractéristique d 'une loi géométrique.
0
N 2. b . On utilise l'expression de G en fonction de X , qui est affine (presque sûrement).
@
.....,
r: G = lOOX +400 presq ue sûrement (puisq ue JP>(X = 0) = 0) or X ad met un espéra nce
Ol
·;::
>
Cl. et IE(X) = ) = 4 do nc G admet une espérance et
0 1 4
u
IE(G) = IE(lOOX + 400) = lOOIE(X) + 400 = 800.

3 .a . Cette fois, l'hypothèse nous indique que les tentatives ne sont plus indépendantes.
On ne reconnaît pas a priori de loi usuelle, il faut déterminer la loi de X par le calcul.
D 'abord, il faut déterminer l'ensemble des valeurs prises par X. On constate que le
lot peut être trouvé à la première tentative, à la deuxième, à la troisième ou à la
 468 Chapitre 14 Variables aléatoires discrètes

quatrième mais pas plus tard car quand trois cases ont été essayées sans succès, il est
évident que le lot se trouve dans la quatrième.

Un cand idat connaissant l'h istorique des t ent atives ne choisira pas une case déjà
choisie par un candidat précédent . Le premier candidat a 4 possibi lit és et il peut
trouver le lot . S'i l ne le t rouve pas, le 2e choisit parm i les trois autres cases et ainsi de
suite. À chaque nouveau candidat, le nombre de cases pouvant êt re choisies dim inue
d ' un. Si le 3e cand idat ne trouve pas le lot, pour le 4e cand idat il n 'y a plus qu ' une
case qui n'a pas été proposée : il t rouve le lot à coup sûr. A insi X(D) = [l, 4] .

Calculons maintenant les probabilités de chaque valeur en exprimant les événements

[X = k] à l'aide des événements plus simples qui sont ceux qui traduisent ce qui peut
se passer à chaque tentative. La réalisation de [X = k] signifie qu'on a eu des échecs
avant la tentative numéro k puis qu'on a trouvé la bonne case.

• [X= 1] = S1 . Ainsi IP(X = 1) = IP(S1) = ~·

- - 3 1 1
• [X= 2] = S1 n 82 . A insi JP>(X = 2) = P(81)JP>S1 (82) = 4 X 3 = 4·
• [X = 3] = 81 n S2 n S3 . A insi, par la formu le des probabil ités composées,
- - 3 2 1 1
IP(X = 3) = IP(S1 )IP51 (S2)1P51 ns2 (S3) = 4 X 3 X 2 = 4·
• Dans les hypothèses de cette qu estion , le lot est toujours trouvé donc on peut
écrire [X= 4] = [X= 1] U [X= 2] U [X= 3]. Ainsi

l?(X = 4) = 1 - IP(X = 1) - IP(X = 2) - IP(X = 3) = .!.4 .

On reconn aît, après calcul , une loi uniforme : X su it la loi un iforme U([l, 4] ).

3.b. P uisque X c......+ U([l, 4]), on connaît son espérance et G étant fonction affine de
X , on obtient donc son espérance directement.

~1
1+4 5
X<-+ U([l , 4]) donc IE(X) = - - = 2 et
2
"O
0
r::::
JE( G) = IE(lOOX + 400) = lOOIE(X) + 400 = 650.
:::J
0
lfl
,..-1
4.a. La situation est légèrement différente de la précédente. L'ensemble des valeurs
0
N
n'est pas fini ici puisque, par exemple, les candidats successifs peuvent choisir alter-
@ nativement deux des cases sans le lot et ainsi repousser la découverte du lot. Il est
.....,
r: aussi possible que le lot ne soit jamais trouvé .
Ol
ï:::
>
Cl. Le nombre de tentat ives peut êt re t out entier non nu l car le lot peut êt re t rouvé à la
0
u prem ière tentative mais aussi après k - 1 tentatives infructueuses pour t out k ~ 2 par
exemple si les candidates précédents ont proposé une succession de mauva ises cases
où chacune est différente de la précédente . M ais X peut aussi être nul si le lot n'est
j ama is trouvé donc X(D) = N.

Le calcul des probabilités s'inspire de la question précédente. Remarquons que pour

les deux premières tentatives, les hypothèses des questions 3 et 4 sont équivalentes.
 Exercice 14.8 Attente du premier succès 469

En revanche, il y a une différence à partir de la troisième tentative : IP5 1 (S2) = ~ car

après un échec du premier candidat, le deuxième ne va pas choisir la même case.

1
• [X= 1] = S1 donc IP'(X = 1) = IP'(81) = 4·
- - 3 1 1
• [X = 2] = 81 nS2 donc IP'(X = 2) = P(81)1P'-s (82) = - x ;- = - car le deuxième
l 4 3 4
candidat a exclu la case qui s'est avérée infruct ueuse pour son prédécesseur.

À partir de 3, IP(X = k) = IP (Sin··· n Sk-1 n Sk) et on est amené naturellement

à utiliser la formule des probabilités composées (l'hypothèse semble indiquer que les
tentatives ne sont pas indépendantes). Pour calculer IPSin···nSj- i (Sj ), on constate
qu'après j - 1 tentatives infructueuses, le candidat suivant évite la case choisie juste
avant lui : il choisit parmi 3 cases.

• Soit un entier k ;;::: 3. [X = k] = 8 1 n · · · n 8k- l n 8k donc, par la formu le des

probabilités composées,
IP'(X = k) = lP' (sin ··· n 8k-1 n 8k)
= IP'(81)1P'S1(82) · ·. IP'S1n ...nsk_ 2 (8k_i)lP's1n ... nsk-i (8k)
2
= ~ X ~ X ··· X ~ X ~ = ~ (~) k -
4 3 3 3 4 3
(à partir du deuxième candidat, il n'y a que trois choix possibles).

La formule donnant IP(X = k) pour k;;;:: 3 est valable pour k = 2 mais pas pour k = 1.
Nous avons vu qu'il était possible que le lot ne fût pas trouvé, il faut donc calculer la
probabilité de cet événement qui correspond à la valeur 0 de X. Pour cela on utilise
son événement contraire.

IP'(X = 0) = lP' ([X > OJ) = 1 - IP'(X > 0)

(Q1x ~IP(X = k)
"O
0
r::::
:::J
= 1 - 11' = kJ ) = 1 -
0
lfl

~ + ~ ±Gt') i- ~~ Gt'
,..-1
0
N 1
= - ( =
@
.....,
r:
Ol
ï:::
= ~ - ~ X (~) o~ = ~- ~= 0.
> 4 4 3 l - 3 2 4
Cl.

u
0 L 'événement « le lot n'est jamais trouvé» est donc négl igeable.
Conclusion :
lP'(X = 0) = 0
1
X(n) = N et IP'(X = 1) = -
{ IP'(X = k) = ~ (~) k- 2 si k;;::: 2
 4 70 Chapitre 14 Variables aléatoires discrètes

4. b. Commençons par montrer que X admet une espérance. Pour cela, nous devons
montrer que la série L kIP(X = k) est absolument convergente.
k~O
Puisque IP(X = k) a une définition différente pour k < 2, il suffit d 'étudier la nat ure

L lkIP(X = k)I = l L k(~)k-

2

de la série
k~2 k~2

La série L lklP'(X = k) I est de même nature que la série L lklP'(X = k)I. Or

k;;,O

~ L k(~)k- =~X~ L k(~)k-l.

2

L lkW>(X = k) I =
k;;,2 k;;,2 k;;,2
Cette dernière série est une série géométrique de ra ison 2/ 3 qu i est dans l'intervalle
] - 1, 1[ donc elle converge. On en déduit que X admet une espérance.

Pour calculer l'espérance, nous devons calculer la somme de la série L kIP(X = k)

k~O
dont on vient de voir qu'elle fait intervenir une série géométrique dérivée première.

+ oo
1
IE(X) = " klP'(X = k) = 0 + 1 x - ~-
+ oo
+ L..t k (2)k-Z
- =
1
- + -41 X -32 ~
+oo
k -
(2)k-l
L..t 4 4 3 4 L..t 3
k=O k=2 k=2

=
1
4+S ~k 3
3 ( +oo ( 2) k-l - l ) = 41 + S3 ( (1 - 12/3) 2 - l
)
=
1 3
4+SX S= 4 .
13

Pour l'espérance de G, on ut ilise à nouveau que G est fonction affine de X presque

sûrement (n [x :;fo] = 1 presque sûr ement).

~1
G = lOOX + 400 presque sûrement donc
JE( G) = lOOIE(X) + 400 = 725.
"O
0
r::::
:::J
0
lfl
,.-1
0
N
L'objet de cet exercice est d'étudier les lois discrètes à valeurs dans N* « sans
@ mémoire». Une variable X est dite sans mémoire si
.....,
r:
Ol (SM) 'r/(i,j) E (N*) 2
IP[X>i] (X > i + j) = IP(X > j).
,
·;::
>
Cl. 1. On suppose dans cette question que la variable aléatoire X suit la loi géomé-
0
u trique de paramètre p.
a. Rappeler la valeur de IP( X = k) pour tout k E N*.
b. Calculer pour tout k EN* la probabilité IP(X > k) en fonction de k et p.
c. Montrer X est sans mémoire.
 Exercice 14.9 Lois discrètes sans m émoire 471

2 . On souhaite montrer réciproquement que, si une variable aléatoire Y à valeurs

dans N* vérifie (SM) et si IP(Y = 1) = p E]O, 1[, alors Y suit la loi géométrique
de paramètre p. On suppose donc que Y vérifie ces propriétés.
a . Calculer IP(Y > 1).
b. Calculer IP(Y > 2) à l'aide de (SM).
c . En déduire IP(Y = 2).
d. Déterminer une relation de récurrence vérifiée par la suite (IP(Y > k)) kEN*
et donner alors l'expression de son terme général en fonction de k.
e . En déduire la valeur de IP(Y = k) pour tout k et conclure.

1.a. C'est une question de cours.

~1
Si X Y Ç(p) alors, pour tout k EN* ,
IP(X = k) = (1 - p)k- 1p.

1.b. Pour calculer la probabilité de [X > k] on écrit cet événement à l'aide du système
complet d'événements associé à X formé des événements [X = j ].

~ +oo ) +oo
IP(X > k) = 1P ( j =Y+ I [X= j] = j~ I IP(X = j) (par incompati bilité)

+oo k
(somme d ' une série géomét rique
= ~ p(l _ p)j - I = p(l - p)
~ 1 - (1 - p) convergente de raison 1 - p)
j=k+I

'O
1.c . Pour montrer l'égalité, on essaie d'écrire la définition de la probabilité condition-
0
r:::: nelle en remarquant que [X> 'i] n [X> i + j] = [X> i + j ].
:::J

~
0
lfl
,..-1
0
Jp> . (X ,. .) _ IP( [X > i] n [X > i + j]) _ IP(X > i + j)
N (X>·i] > i +J - IP(X > i) - IP(X > i)
@
,....,
r: (l - p)i+j = (1 - p)j = IP(X > j).
Ol
·;:: (1 - p)'
>
Cl.
0
u 2.a. Ici on ne peut pas calculer IP(Y > 1) à l'aide des événements [Y = j] car on ne
connaît pas leur probabilité. En revanche, on connaît IP(Y = 1) or Y(n) C N* donc
[Y > 1] = [Y = l].

~1
Comme Y(D) C N*,
IP(Y > 1) = 1-JP>(Y = 1) = 1-p.
 4 72 Chapitre 14 Variables aléatoires discrètes

2.b . Pour IP(Y > 2) la donnée de Y(D) et l?(Y = 1) ne suffi.sent pas. On va utiliser
la deuxième relation qui traduit le fait que Y est « sans mémoire ». On peut essayer
d'obtenir l?(Y = 2) avec j = 2 mais on a alors ]p>[Y>i] ([Y > i + 2]) qu'on ne connaît
pas du tout . Cette piste ne donne pas le résultat. On essaie alors avec i + j = 2. En
effet, puisque [Y > i] n [Y > i + j] = [Y > i + j], on a

IP(Y > i + j) = P (Y > i) P [Y>il (Y> i + j) = P (Y > 'i)P(Y > j).

Si on prend i = j = 1 on connaît les deux probabilités.

~1
Avec i = j = 1 dans (SM), on obtient
IP'(Y > 2) = IP'([Y > l]n[Y > 2]) = JP>[Y>l] (Y> 2)JP>(Y > 1) = IP'(Y > 1) 2 = (1 - p) 2 .

2.c. On peut exprimer l'événement [Y = 2] en fonction des événements dont on vient

de calculer la probabilité.

~1
Pu isque [Y= 2] = [Y> 1] \[Y> 2] et que [Y> 2] C [Y > 1],
IP'(Y = 2) = IP'([Y > 1]\[Y > 2]) = JP>(Y > 1)-IP'(Y > 2) = (l-p)-(1 - p) 2 = p( l-p) .

2.d. Pour trouver une relation de récurrence liant le rang k au rang k+ l, on s'inspire
largement de ce qui a été fait pour passer de IF>(Y > 1) à IF>(Y > 2) à la question 2. b.
Dans la relation (SM), on essaie de prendre 'i = 1 et j = k ou l'inverse, ça n'a pas
d 'importance, les deux fonctionnent .

Avec i = 1 et j = k dans (SM), on obtient

IP(Y > k + 1) = IP([Y > k + 1] n [Y > k]) = IP(Y > k)IP[Y>kJ (Y > k + 1)
= IP(Y > l)IP(Y > k) = (1 - p)IP(Y > k) .

"O
Cela montre que la suite (IF>(Y > k)hEN* est géométrique, l'expression du terme géné-
0 ral s'obtient donc aisément en faisant attention au fait que le premier terme IF>(Y > 1)
r::::
:::J
0 est d'indice 1.
lfl
,..-1

~1
0
N La suite (JP>(Y > k)) kEN* est ainsi géométriq ue de raison 1 - p donc
@
....., JP>(Y > k) = JP>(Y > 1)(1 - p)k- i = (1 - p)k .
r:
Ol
ï:::
>-
~ 2.e. À nouveau, on s'inspire du cas k = 2.
u

Pour k;;:: 2, puisque [Y> k] C [Y > k - l],

IP(Y = k) = IP([Y > k - 1] \[Y> k]) = IP(Y > k - 1) - IP(Y > k)
= (1 - p)k-1 - (1 - p)k = (1 - p)k-1(1 - (1 - p)) = p(l - p)k- 1.
On en conclut que Y suit la loi géométriqu e de paramètre p.
 Exercice 14.10 D eux côtés Pile consécutifs 473

On lance une pièce de monnaie indéfiniment, les lancers sont supposés indé-
pendants. On suppose que la probabilité d'obtenir Pile à un lancer est un réel p
avec p E]O, 1[ et bien sûr la probabilité d 'obtenir Face est q = 1 - p.
On définit X la variable aléatoire égale au nombre de lancers nécessaires pour
obtenir deux côtés Pile consécutifs pour la première fois et égale à 0 si cela
n'arrive jamais.
Par exemple, dans l'éventualité où les premiers lancers donnent
« FPFFPPFPPFF ... » alors X prend la valeur 6.
On définit les événements Pk : « le lancer numéro k donne Pile » pour tout
k EN*. Enfin, on pose Un= IP(X = n) pour n EN.
1. Déterminer IP(X = 1) et IP(X = 2).
2. On définit les variables aléatoires suivantes :
• Y égale au nombre de lancers nécessaires pour obtenir deux côtés Pile
consécutifs pour la première fois à partir du deuxième lancer et Y
prend la valeur 0 dans l'éventualité où cela n'arrive pas (dans l'exemple
ci-dessus, Y prend la vd.leur 5) ;
• Z égale au nombre de lancers nécessaires pour obtenir deux côtés Pile
consécutifs pour la première fois à partir du troisième lancer et Z prend
valeur 0 dans l'éventualité où cela n'arrive pas (dans l'exemple ci-dessus,
Z prend la valeur 4) .
a. Montrer que, pour tout entier n ~ 3,
IP(X = n) = q!P(Y = n - 1) + pq!P(Z = n - 2).
b. Justifier que X, Y et Z suivent la même loi.
c . En déduire la relation de récurrence :
(R) Vn ~ 3, Un = QUn-1 + PQUn-2
(on n e cherchera pas une expression de Un en fonction de n bien que cela
"O soit possible).
0
r::::
:::J +oo
0
lfl
,.-1
3. a. Montrer que IP(X > 0) = L Un.
0 n=2
N
@
b. En déduire, à l'aide de la relation (R) , qu'on obtient presque sûrement
....., deux côtés Pile consécutifs, c'est-à-dire que IP(X > 0) = 1.
r:
Ol
·;::
>
Cl.
0
u
 4 74 Chapitre 14 Variables aléatoires discrètes

p2 n
4. a . Montrer que pour tout entier n;;::: 1, Un ~
l -p2
( Jl - p2 ) .

b. En déduire que X admet une espérance.

c. Montrer, à l'aide de la relation (R), que
IE(X) = 2p 2 + qIE(X + 1) + pqIE(X + 2).
d. En déduire la valeur de IE(X) en fonction de p.
, 2
5 . Ecrire une suite d'instructions Scilab qui simule la variable X pour p = . On
3
pourra simuler une épreuve de Bernoulli avec la commande rand : un succès
est traduit par la condition rand() <p.

1. [X = 1] est impossible car on ne peut pas obtenir deux côtés Pile en un seul lancer.

~I
Comme il faut au moins deux lancers pour obtenir deux Pile, [X = 1] est l'événement
impossible donc IP(X = 1) =O.

La réalisation de [X = 2] signifie que les deux premiers lancers ont donné Pile. On
peut alors calculer la probabilité en utilisant l'indépendance des lancers.

Les lancers étant indépendants, on déduit que chaque fois qu'on consi-
dère des événements décrivant cc qui peut se passer à des lancers diffé-
rents alors ces événements sont mutuellement indépendants. Cela reste
vrai pour une suite d 'événements.

~1
[X = 2] = Pin P2 donc, par indépendance des lancers, les événements Pi et P2 sont
"O
0 indépendants et
r::::
:::J
0
lfl
,.-1
0
N 2.a. Essayons de relier l'événement [X = n] aux valeurs de Y ou Z. Les variables Y
@ et Z concernent les lancers à partir du deuxième ou troisième. Que dire du premier
.....,
r: lancer? Il y a bien sür deux possibilités : Pile ou Face. Regardons dans chaque cas
Ol
·;::
> comment obtenir X= n pour n;;::: 3.
Cl.
0
u
• Si le premier lancer donne Face, on ne pourra pas obtenir un deuxième côté Pile
consécutif au deuxième lancer donc [X = n] est réalisé ssi [Y = n - 1] est réalisé;
• si le premier lancer donne Pile, le deuxième doit donner Face sinon [X = 2]
est réalisé; donc on n'obtiendra un deuxième côté Pile consécutif qu'à partir du
troisième lancer donc [X = n] est réalisé ssi [Z = n - 2] est réalisé.
 Exercice 14.10 Deux côtés Pile consécutifs 475

Pourn;;::: 3, [X =n]nP1 =[Y =n-l]nP1 et [X =n]nPi = [Z =n-2]nP1nP2.

On en déduit que
[X= n] =(Pin [Y= n - l ]) u (Pin P2 n [Z = n - 2]).
Il s'agit d'une union de deux événements incompatibles. De plus, les événements P1
et [Y = n - l] concernent des lancers différents : le premier d ' une part et les autres
d'autre part . Ainsi, ils sont indépendants. De même pour P1, P2 et [Z = n - 2] : ils
sont mutuellement indépendants. On en déduit que
IP'(X = n) = IP'(Pi n [Y= n - l]) + IP'(Pi n P2 n [Z = n - 2])
= IP'(Pi)IP'(Y = n - 1) + IP'(P1)1P'(P2)1P'(Z = n - 2)
= ql[l>(Y = n - 1) + pql[l>(Z = n - 2).

2. b. L'argument important ici est l'indépendance des lancers : commencer à chercher

deux côtés Pile consécutifs à partir du deuxième ou troisième lancer est le même
type d'expérience que de le faire dès le premier lancer puisque les lancers précédents
n'influent pas sur les lancers à venir.

Puisqu'on lance les pièces indéfiniment et que les lancers sont indépendants, observer
les lancers à partir du deuxième lancer constitue la même expérience aléatoire que de
le faire dès le premier, donc le rang d 'obtention de deux côtés Pile consécutifs pour la
première fois en partant du premier ou du deuxième lancer sont des variables aléatoires
qu i suivent la même loi. Même raisonnement avec le troisième rang.
On en déduit que X, Y et Z suivent la même loi.

2.c. un = l?(X = n), il suffit donc d'utiliser les deux questions précédentes.

Soit n;;::: 3. D'après la question 2.a et le fait que X, Y et Z suivent la même loi,
J[l>(X = n) = ql[l>(Y = n - 1) + pql[l>(Z = n - 2) = ql[l>(X = n - 1) + pql[l>(X = n - 2)
c'est-à-dire
Un= QUn-1 + PQUn-2·
3.a. Les valeurs possibles de X sont les entiers plus grands que 2 puisque [X = 1] est
"O
impossible et 0 qui correspond au cas où on n'obtient jamais deux Pile consécutive-
0
r:::: ment.
:::J
0
lfl
,..-1 Comme X est à valeurs dans N et que la valeur 1 est impossible,
0
N +oo +oo
@ IP'(X > O) = IP'(X;;::: 2) = L IP'(X = n) = L Un.
n=2 n=2
·;::
~ +=
8 3.b. Nous devons montrer que l?(X > 0) = 1. On a vu que l?(X > 0) = L Un mais
n=2
on ne connaît pas la valeur des Un · On pourrait la déterminer puisque la suite u vérifie
une relation de récurrence linéaire d'ordre 2 mais l'énoncé précise qu'on n'en a pas
besoin. On utilise donc la relation (R) : on peut sommer les membres de cette égalité.
:t\lfais attention, la relation (R) n'est valable que pour n ~ 3.
 4 76 Chapitre 14 Variables aléatoires discrètes

+= += +=
2
IP'(X > 0) = L Un= U2 + L Un= p + L (qun-1 + pqUn-2)
n=2 n=3 n=3
+= +=
2
=p +q L Un - 1 +pq L Un - 2
n=3 n=3

On effectue alors les translations d'indice n' = n - 1 et n" = n - 2 dans les deux
dernières sommes de séries (convergentes).

+= +=
2 2
= p + q L Un' + pq L Un" = p + qlP'(X > 0) + pqlP'(X > 0).
n 1 =2 n 11 =1
+= +=
En effet, u1 = 0 donc L 'Un= L 'Un= JP>(X > 0).
n=l n=2
On en déduit que
2 2
p = (1 - q - pq)JP>(X > 0) = (p - pq)JP>(X > 0) = p JP>(X > 0).

Ainsi, puisque p 2 =/= 0, JP>(X > 0) = 1.

4.a. La relation (R) est une relation de récurrence (linéaire) d'ordre 2 donc il est
naturel de tenter une preuve par récurrence double, d'autant plus qu'on ne dispose
pas de l'expression de Un·

Procédons par récurrence double :

2 1
• Pour n = 1, u 1 = 0 ~ ~ (J1 - p2 ) donc l'inégalité est vraie au rang 1.
l-p

~ 2 2 2
( J1 -
2
Pour n = 2, u2 = p 2 et p2 ) = P (l - ; ) = p donc l'inégalité
1- p 1-p
est vraie au rang 2.

. n E
• S upposons que, pour un entier l'l.T* { Un ~ 1::2(J1 - p 2 f
"O
0
i" ,
Un+l ~ 1::2 (Jl=P2) n+l .
2
r:::: p n+2
0
:::J
Montrons que un+2 ~ - -2
(J1
1- p
- p 2) .
lfl
,.-1 La relation (R) au rang n + 2 ;;::: 3 donne
0
N
@ QUn+l + PQUn
....., 2
r: p n+ l p2 n
Ol
·;::
q--(J1 -
1 - p2
p2) + pq--(J1
1 - p2
- p2)
>
u
Cl.
0
q1 ~2p2 Vl -( P2f· ( j1 - p2 + p)

p2 n( p2
Il reste à prouver que q
1 - p2
(Ji - p 2) Jl - p2 + p) ~
1 - p2
(Ji - p2)
n+2

c'est-à-dire que q (J~l---p-2 + p) ~ 1 - p 2 or Ji - p2 + p ~ 1 + p.

 Exercice 14.10 Deux côtés Pile consécutifs 4 77

•)

1 ~-p2 ( J1- p2) n (1 - p) ( JI=PZ + p)

p-•) n p2 n
- 12(J1-p2) (l-p)(l + p)=-12(Vl=P2) (1-p2)
-p -p
p2 n+2
- ( v 1 - p2) .
1 - p2
Le principe de récurrence double permet de conclure que, pour tout entier n ;;::: 1,
•)
p- n
'Un ~ -1- 2 (
- p
J1 - p2) .

4.b. X admet une espérance si la série L n!P'(X = n) est absolument convergente.

nEX(!t)
La question précédente nous suggère d'appliquer un théorème de comparaison par
inégalité.

Pour tout n?;: 1,

p2 n p2 n-1
0 ~ ln!P(X = n)I = nun ~ - - 2
n (y11 - p 2 ) = n(y11 - p 2 ) .
1- p J1 -p2

Or la série L P
,· /1 - p2
2
n( J1 - p2 ) n - l est une série géométrique dérivée première
n;;. 1 V
de raison J1 - p 2 E] - 1, l[ donc elle converge. Par le théorème de comparaison des
séries à termes positifs par inégalité, la série L nun est absolument convergente donc
X admet une espérance.

4.c. Encore une fois, dans cette question, il ne s'agit pas de calculer la somme de la
sérieL nun directement car on ne dispose pas d'une expression de Un· Nous allons
n;;;,2
à nouveau utiliser la relation (R ), en la multipliant par net en sommant les termes
membre à membre. On doit encore faire attention que la relation (R ) n'est valable
"O
0 qu'à partir du rang 3.
r::::
:::J

~1
0
lfl
,-1
+= += +=
0
N
@
IE(X) = L nun = 2u2 + L nun = 2p2 + L (qnun-1 + pqnun-2).
....., n=2 n =3 n =3
r:
Ol
·;::
>
Cl. On souhaite séparer en une somme de deux séries mais on doit vérifier pour cela
u
0
qu'elles convergent. On peut évidemment comparer par rapport à la série nun. L
n;;;,2

~1
n·un- 1 rv(n- l)·un- 1 qu i est positif et c'est le terme général (quitte à décaler l'indice)
de la série L nun qui converge. Par conséquent la série L nun-1 converge. Même
 4 78 Chapitre 14 Variables aléatoires discrètes

ra isonnement pour la série L nun-2· Ainsi,

n~2

+oo +oo
IE(X) = 2p
2
+q L n·un- 1 + pq L nun- 2 (par linéarité de la sommation)
n=3 n=3
+ oo + oo
(avec les translations d'indice
= 2p
2
+ L (n' + l)un' + pq L (n" + 2)un"
n' = n - 1 et n" = n - 2)
n'=2 n"=l
+oo +oo
= 2p
2
+ L (n' + l)un' + pq L (n" + 2)un" (en utilisant que ·u1 = 0) .
n'=2 n11 =2
On peut alors appliquer le t héorème de t ransfert pour obtenir
IE(X) = 2p
2
+ qlE(X + 1) + pqlE(X + 2).
4.d. On peut utiliser la formule donnant l'espérance d'une fonction affine d'une va-
riable aléatoire admettant une espérance. On obtient alors une équation d'inconnue
IE(X) que l'on résout.

On en dédu it que
IE(X) = 2p
2
+ q[IE(X) + l] + pq[IE(X) + 2]
qu i équivaut à
(1 - q - pq)IE(X) = 2p
2
+ q + 2pq
c'est- à-dire
2
p 1E(X) = 2p2 +1- p + 2p - 2p 2 = 1 + p.
l+p
On conclut que E(X) = - - .
p2

5. Il s'agit de simuler une succession de lancers. Comme on ne sait pas combien de

lancers seront nécessaires, on n'utilise pas une boucle for mais plutôt une boucle
while. La condition d'arrêt est l'obtention de deux côtés Pile consécutifs que l'on nie
pour formuler la condition de poursuite dans la boucle. Il faut donc mémoriser le fait
qu'on a obtenu Pile à un tirage pour le tirage suivant . Une des façons de faire cela est
'O d'utiliser une variable p iles qui compte le nombre de côtés Pile successifs : quand on
0
r::::
:::J
obtient Pile, on l'augmente de 1 et sinon on la remet à O. On répète cette opération
0 tant que ce nombre de côtés Pile successifs est strictement inférieur à 2.
lfl

~
,.-1
0
N
p=2/3;
@
,...., X=O;
r:
Ol piles=O;
·;::
> while piles<2
Cl.
0 if rand()<p then piles=piles+1;
u
else piles=O;
end
X=X+1;
end
disp(X);
 Exercice 14.11 Loi binomiale négative 4 79

Évidemment, il est possible que cette suite d'instructions ne s'arrête jamais si la

condition piles<2 reste vraie « indéfiniment ». Cela correspond à la possibilité de
ne jamais obtenir deux côtés Pile consécutifs mais on a vu que cet événement était
négligeable.

Nous admettons* pour cet exercice la formule du binôme négatif suiv<mte: pour
tout x E IR tel que lxl < 1 et pour tout r EN,

f (k;
k =O
T) xk = f (k ; r) f
k=O
xk =
k' = r
(~) xk' -r =
(
l _ ~ r+
)
1
.

Soit n un entier naturel non nul.

On effectue une suite d'épreuves de Bernoulli indépendantes telles que, pour
chacune d'entre elles, la probabilité de succès soit égale à p, avec 0 < p < 1.
On note Xn le nombre d'épreuves qu'il faut réaliser pour obtenir, pour la première
fois n succès, pas forcément consécutifs (Xn est donc le numéro de l'épreuve où
l'on obtient le ne succès) . On convient que Xn prend la valeur 0 lorsque l'on
n'obtient pas n succès.
Par exemple, dans l'éventualité où l'on obtient successivement succès, échec,
échec, succès, échec, succès, alors X 3 prend la valeur 6.
On note Sk l'événement « obtenir un succès lors de l'épreuve numéro k ».
1. Reconnaître la loi de X 1 . Donner l'espérance et la variance de X 1 .
Dans toute la suite, on s uppose que n ~ 2.
2. a. Déterminer Xn(!1).
b. Pour tout entier naturel k, calculer la probabilité que l'on obtienne n - 1
succès au cours des n + k - 1 premières épreuves.
c. Déduire de la question précédente que

"O
0
r::::
\;/ k EN, IP(Xn = n + k) = (n + k -
n- l
1
)pn(l - p)k.
:::J
0 +oo
lfl
,.-1
0
d. Vérifier que L IP(Xn = n + k) = 1. En déduire IP(Xn = 0) .
N k=O
@
.....,
r:
Ol
3. a. Montrer : \;/ n E N*, \;/ k E N, (n + k)( n+n _k -1 l)--n ( n+n k)·
·;::
>
Cl. b. Montrer que Xn admet une espérance et donner sa valeur en fonction de
0
u net p.
c. Montrer que Xn(Xn + 1) admet une espérance et la calculer.
d. En déduire que Xn admet une variance et donner sa valeur en fonction
den et p .
 480 Chapitre 14 Variables aléatoires discrètes

1. On reconnaît effectivement une situation classique : X 1 est le temps d'attente du

premier succès.

~1
X 1 est le rang d'apparition du premier succès lors d'une succession d'épreuves de
Bernoulli indépendantes de même paramètre p donc X1 suit la loi géométrique Ç(p).
On en déduit que JE(X1) = ~ et V(X1) = ~p.
1
p p
2.a. Ou bien Xn = 0 ou bien X n est le rang d'apparition du ne succès. Ce ne succès
ne peut pas arriver lors des n - 1 premières épreuves.

~I S'il arrive, le ne succès ne peut pas arriver avant la ne épreuve donc Xn ~ n. À partir
den , toutes les valeurs entières sont possibles donc Xn(O) = {O} U [n, +oo[.
2.b. La probabilité d'obtenir un certain nombre de succès lors d'un nombre fixé
d'épreuves de Bernoulli fait penser à une variable de loi binomiale. On peut introduire
une variable aléatoire qui compte précisément ce nombre de succès.

Soit Yn ,k la variable aléatoire égale au nombre de succès lors des n + k - 1 premières

épreuves. Yn ,k suit la loi binomiale B(n + k - 1,p). La probabilité cherchée est donc

IP'(Yn ,k = n - 1) = ( n: : ~ l) pn- l (1 - p )k.

2.c. On tente de relier l'événement [Xn = n + k] avec la question précédente. En effet,

obtenir le ne succès à l'épreuve numéro n + k c'est avoir obtenu n - 1 succès lors des
n + k - 1 premières épreuves et obtenir un succès à l'épreuve numéro n + k.

Fixons k E N. Alors [Xn = n + k] = [Yn,k = n - 1] n Sn+k· En effet, la réalisation

de [Xn = n + k] signifie qu'on a obtenu un succès à l'épreuve numéro n + k et
n - 1 succès avant. Les épreuves sont indépendantes, donc puisque [Yn,k = n - 1] ne
concerne que les n +k- l premières épreuves et Sn+k la (n+k)e, ces deux événements
sont indépendants. Ainsi, vu que IP'(Sn+k) = p ,

JP(Xn = n + k) = IP'(Yn ,k = n - l)IP'(Sn+k) = ( n +

n _k -
1
1) Pn (1 - P)k ·

"O
0
r:::: 2.d. On calcule la somme de la série, en utilisant la formule donnée en début d'énoncé.
:::J

~
0
lfl
,.-1
+oo
0
n +oo ( n + k - l ) 1 - pn
N
@
L IP'X
k=O
( -n+k -
n - ) - p L
k=O
n- 1 (
k_
p) - [l - (1 - )t- l+l =1
p
.....,
r: d 'après la formule donnée en début d'exercice.
Ol
·;::
>
Cl.
0 +oo
u
La somme précédente est la probabilité de LJ [Xn = i] qui est l'événement contraire
i= n
de [Xn = O] puisque Xn(!l) = {O} U ffn, +ooff.

*· La preuve de cette formule pour x E [O, 1[ est faite dans l'exercice 9.8 en page 330.
 Exercice 14.11 Loi binomiale négative 481

~I
+oo ) +oo
l?(Xn=O)=l-P LJ [Xn=n + k] =1- L l?(Xn=n+k)=O.
(
k=O k=O

3.a. Ce genre d'égalité* se montre en revenant à l'expression des coefficients bino-

miaux avec des factorielles et en utilisant n ! = n(n-1)! et (n+k) ! = (n+k)(n+k- 1)!.

~I (n+k) ( n+k- 1) =(n + k)(n + k - 1)! = n(n+k)! =n ( n + k)·

n - 1 (n - l)!k! n!k! n

3.b. Xn admet une espérance si la série L ilfD(X n = i) est absolument convergente

i';?;n

i.e. si la série L (n + k)lfD(Xn = n+k) converge (avec la translation d'indice i = n+k

k';?;O
pour se ramener à des expressions proches des calculs des questions précédentes) . On
n'a pas tenu compte de la valeur 0 car le terme correspondant est évidemment nul.

l(n + k)l?(Xn = n + k) I = (n + k) (n+n _k- 1)p 1

n
(1 - p) k = npn (n+n k) (1 - p) k .

Ma is la série
k;;>O
n:
L ( k)(1 - p)k converge d ' après ce qui est dit a u début de l'énoncé
1
et sa somme vaut pn+i.
On en dédu it que Xn admet une espérance et

+oo +oo ( n + k - l)
lE(Xn) = ~(n + k)l?(Xn =n+k) = ~
n k
n- l P (1-p)

3.c . On utilise le théorème de transfert. On doit voir que la série L i(i+ l)lfD(Xn = i)
"O
0
r::::
:::J
converge absolument c'est-à-dire que la série de terme général
0
lfl
,..-1
0
N (n + k)(n + k - l )lfD(Xn = n + k) = (n + k)(n + k + 1) ( n + k
n -1
-1) pn(l - p) k
@
.....,
r:
Ol
·;:: converge. On s'inspire de la méthode précédente utilisée pour calculer JE(Xn) · D'abord,
>
Cl. il faut faire en sorte de simplifier l'expression, pour que l'indice k n'apparaisse plus
0
u que dans le coefficient binomial et (1 - p / . On utilise la formule de la question 3.a
puis on voit qu'on peut l'utiliser à nouveau avec n + 1 en lieu et place den.

*· Ce n'est autre que la formule du pion.

 482 Chapitre 14 Variables aléatoires discrètes

D'après la formule de la question 3.a,

( )(
n+k n + k+l )(n+ k- 1)
n-l pn( 1 - p )k =nn
( +k+ l ) (n + k)
n pn( 1 - p )k

= n(n + l) (n + k + l)pn(l _ p)k

n+l

= n(n + l)pn ( n::: k) (1 - p)k

or, d 'après le début de l'énoncé, la série L(

k~ O
n::: k) (1 - p)k converge et sa

1
somme vaut - +2 .
pn
On en déduit que Xn(Xn + 1) admet une espérance et

= ~(n +k)(n +k + 1) ( n ~: ~ )p"(l - p)'

1
IE( X .(Xn + 1))

= (
n n +
l) n ~(n+l+k)(l
p L..t n +1
- p )k = n(n +l)pn = n(n+l)
pn+2 p2 .
k=O

3.d. Pour la variance, X n en admet une si X n admet un moment d'ordre 2 et, pour
le calcul, il reste à utiliser la formule de Kœnig-Huygens en constatant que
JE (X~)= IE(Xn(Xn + 1) - Xn)·

Xn(Xn + 1) = x;
+ X n et X n admettent une espérance donc aussi de sorte que x;
X n admet une variance. De plus, d 'après la formule de Kœnig-Huygens,
V(Xn) =JE (X~) - IE(Xn) 2 = IE(Xn(Xn 2
+ 1) - X n) - IE(Xn) .

En utilisa nt le théorème de transfert

+oo
V(Xn) = L[k(k + 1) - k]P(Xn = k)
k=n
+oo +oo
"O
0 = L k(k + l)P(Xn = k) - L kP(Xn = k) - IE(Xn) 2
r::::
:::J k=n k=n
0
lfl
,..-1
= IE(Xn(Xn + 1)) - IE(Xn) - IE(Xn) 2
0
N n(n+l) n n2 n(n+l)-np-n2 n(l-p)
----
@ p2 p p2 p2 p2
.....,
r:
Ol
ï:::
>-
Cl.

f
0
u On amontréquelE(Xn(Xn+l)-Xn) = IE(Xn(Xn+l))-IE(Xn) à l'aide
du théorème de transfert mais c'est plus généralement une conséquence
de la linéarité de l'espérance.
 Liste des capacités attendues 483

Liste des capacités attendues

• Savoir r econnaître un modè le d'apparition d'une loi u s u elle (cf exer-

cices 14.1, 14.2, 14.8 et 14.11) .

• Savoir utiliser les lois usuelles (cf exercices 14.1, 14.7, 14.8, 14.9 et ques-
tions 14.4.2.d, 14.11.2. b ).
famille de notation univers image coefficients espérance variance
la loi de X compacte X(O) lJD(X = k) IE(X) V(X)
certaine {c} 1 c 0
de Bernoulli B(p) {0,1} q,p p pq
binomiale B(n,p) [O, n~ (~)pkqn - k np npq
.,
.! l+n n - -1
uniforme U([l, n~) [l, n~ n - 2- 12
géométrique Q(p) N* qk- lp ! q
p p2
.>,k -À
de Poisson P(>.) N Fe À À

• S a voir d é terminer l'unive r s ima ge d'une va riable a léatoire (cf questions

14.5.2.a, 14.6.1 , 14.8.3.a et 14.8.4.a) .

• Savoir d é t e rmine r la loi (son unive r s image et ses coefficients) d ' une va-
riable aléat oire (cf questions 14.2.1 , 14.5.1, 14.5.2.b, 14.6.3, 14.8.3.a et 14.8.4.a) .

• Savoir vérifier que des coefficients définissent la loi de probabilité d ' une
va ria ble a léa toire (cf question 14.3.1).

• S a voir obtenir l'exis t e n ce e t calcule r les mome nts d'une varia ble a léa-
"O
0 toire à partir de ses coefficients et de la formule de Kœnig-Huygens
r::::
0
:::J (cf questions 14.1.2.b, 14.3.2, 14.4.1, 14.4.2. c, 14.8.4.b, 14.10.4 et 14.11.3) .
lfl
,-1
0
N
JE (Xm) = L kmlP'(X = k) , 1 V(X) = E ([X - E(X)J2) 1,
kEX(.11)
@
.....,
r:
Ol
ï::: 1 V(X) =JE (X2) - JE(X)2 1, 1 o-(X) = JV(X) 1.
>
Cl.
0
u
• Savoir utilis er le comporte m e nt d e l'espérance et d e la variance pour
les trans formations affines (cf exercice 14.8 et questions 14.2.2, 14.10.4.d).

l JE(aX + b) = aJE(X) + b 1 et 1 V(aX + b) = a 2 V(X) 1.

 484 Chapitre 14 Variables aléatoires discrètes

• Savoir appliquer le théorème de trans fert (cf questions 14.4.1 , 14.4.2.b,

14.6.4, 14.7.1, 14. 10.4.c et 14.11.3.c) : en cas de convergence absolue,

JE (cp(X)) = L cp(k)JP>(X = k) .
kEX(n)

"O
0
r::::
:::J
0
lfl
,.-1
0
N
@
.....,
r:
Ol
·;::
>
Cl.
0
u
 CHAPITRE

15
Variables aléatoires à densité

Dans tout ce chapitre, 11 désignera la fonction indicatrice de l'intervalle I de IR

i.e. 11(x) = 1 six E I et 11(x) = 0 sinon (i.e. six E IR\ I).

Pour (a, b) E]O, +oo[2 , on note fa,b la fonction définie sur IR par

a { _ a_ si t;;:: 0
t r-t b + t2 l[o,+oo[(t) = b +Ot2
sinon
1. Déterminer à quelles conditions nécessaires et suffisantes sur le couple (a, b) la
fonction fa,b est une densité de probabilité.
Soit X une variable aléatoire de densité fa,b où (a, b) vérifie les conditions de la
question précédente.
2. Déterminer la fonction de répartition de X.
3. X admet-elle une espérance?

1. Pour qu'une fonction f IR --t IR soit une densité de probabilité, il y a trois

conditions à vérifier :
"O
0
r:::: • f ;;:: 0 sur IR ;
:::J
0

~I fa,b est nulle sur] - et, comme a> 0, b > 0, t 2 ?;: 0 (quel que soit
oo, O[ t E IR), elle
lfl
,.-1
0
N
est strictement positive sur [O, +oo[ donc f a,b ?;: 0 sur IR.
@
....., • f est continue sur IR privé d'un nombre fini de points;
r:
Ol

~1
·;::
>
Cl.
f a ,b est nu lle sur J - oo, O[ donc elle y est continue. Sur JO, +oo[, f a,b coïncide avec
0 une fonction rationnelle dont le dénominateur ne s'annule pas donc elle y est aussi
u
continue. Au final, f a ,b est continue sur IR*.
+oo
•
j _
00
f(t)dt converge et a pour valeur 1.

1
t. On dit qu'une variable suit la loi de Cauchy si elle est de densité t H ( '').
7r 1 + t-
 486 Chapitre 15 Variables aléatoires à densité

~I la,b est nulle sur J - oo, O[ donc 1: la,b(t)dt converge et vaut O.

L'intégrande ressemble beaucoup à la dérivée de Arctan à ceci près que le b du déno-

minateur devrait être égal à 1, on va donc faire un changement de variable pour gérer
cette petite différence.

En outre, pour A > 0, avec le changement de variable affine t= Vl:Ju.

1A 1.,.(t)dt = a 1A b !tt' =a 1A/./b b:w;:;, !fi 1A/./b !uu' = 1

= ~ [Arctanu]~/V'b =~Arctan ( ~).

Or lim Arctan ( ~) = ~2 donc 1+oo fa,b(t)dt converge et vaut 7r~·
A-->+oo vb o 2v b
.
Finalement,
1+00 fa b(t)dt converge et vaut 0 + 7ra
lï' =
7ra
r,-·
- oo · ' 2vb 2vb

Lorsque la situation est plus compliquée, on est parfois amené à raisonner par analyse
et synthèse : on commence à déterminer pour quelle(s) valeur(s) du (ou des) para-
mètre(s) l'intégrale sur IR de la fonction est convergente de valeur 1 (on vérifie donc
au passage que la fonction est continue sur IR privé d 'un nombre fini de points) puis
on vérifie alors la positivité sur IR de la (ou des) fonction(s) ainsi obtenue(s).

~1
Dans tous les cas, fa.,b est positive sur ~. continue sur~*, d 'i ntégra le sur~ conver-
7ra
gente de valeur IL.
2vb
En conclusion, fa,b est une densité de probabilité si et seulement si 7ra = 2Vb.
2. La fonction de répartition d'une variable aléatoire à densité X s'obtient à partir
d'une de ses densités f par la formule: Vx E IR, lfD(X ~ x) = J_~ f(t)dt.

~
"O En reprenant les raisonnements et les calculs effectués à la question précédente :
0
r::::
0
:::J
• pour x < 0,
~ x) = 1~ fa,b(t)dt = 1~ Odt = O;
lfl
,..-1
0 IP'(X
N
@
....., • pour x ~ 0, par la relation de Chasles,
r:

IP'(X~x)
Ol
·;::
>- = l x fa ,b(t)dt=1° Odt+lx b:t2 dt
Cl.
0 - OO - OO Ü
u

+ oo
3 . Cela passe par l'étude de la convergence absolue de l'intégrale j - oo tfa,b(t)dt.
Comme f a,b est nulle sur ] - oo, O[, on va se concentrer sur l'intégrale sur [O, +oo[ qui
 Exercice 15.2 Fonction de répartition de variable à densité 487

est la seule susceptible de poser problème. La forme rationnelle de l'intégrande nous

incite d 'ailleurs à raisonner avec un équivalent en +oo.

t a
Pour t ?;: 0, tfa,b(t) = a -b donc tfa,b(t) rv - et les deux membres sont
+ t2 t~+oo t
positifs. Or l'intégrale de Riemann J+oo dt est divergente, donc d'après le théorème
de corn para ;son par équ ;valence pour :es ;n t:grales de foncfons pos;t;ves.1+= t f (t )dt
diverge aussi.

Finalement. [~ tfa,b(t)dt n'est pas absolument convergente donc X n'admet pas

d 'espérance.

Exercice 15.2 : Fonction de répartition de variable à densité

1 X
-e six< Û

[o,iJ
1 2
Pour x E IR, on pose F(x) = (V3sinx + cosx) six E
2
1 sinon
1. Montrer que F est la fonction de répartition d'une variable à densité.
Soit X une variable aléatoire de fonction de répartition F.
2. Déterminer une densité de X.
3. Montrer que X admet une espérance et déterminer la valeur de lE(X).

1. Pour qu'une fonction F : IR --+ IR soit la fonction de répartition d'une variable à

densité, il faut montrer d'une part que Fest la fonction de répartition d 'une variable
aléatoire (croissance sur IR, limite nulle en -oo et 1 en + oo, continuité à droite en
u tout point de la fonction) et d 'autre part que la dite variable est à densité (continuité
g:::J
sur IR et régularité de classe C1 sur IR en dehors d'un ensemble fini de points pour sa
o fonction de répartition), ce qui revient à vérifier les quatre conditions suivantes :
lfl

8N • F de classe C1 sur IR privé d'un nombre fini de points;

~1
.....,
r: Comme exp, sin et cos sont ci sur 1R. par opérations algébriques, F est de classe ci
Ol
ï:::
>
Cl.
sur IR \ { 0, i}.
0
u
• F continue sur IR ;

~1
F étant de classe C1 sur ] - oo, O[u J0, i [u Ji, +oo [. elle est a fortiori continue
sur ces trois intervalles.
Pour les mêmes raisons, Fest même continue à droite en 0 et à gauche en i·
 488 Chapitre 15 Variables aléatoires à densité

(~ )
3
1 1
En outre, lim F( x ) = - e0 = - = F(O) et lim F(x) = 1 = F donc F est
x --+o- 2 2 x --+ i+
1 en fa it continue sur ~.
• F croissante sur ~ ;

De plus, pour x ~ex > 0 donc Fest strictement croissante sur] - oo, O[
< 0, F' (x) =

et,pourx E ]o, 1f [,F(x)= v13 cosx - 1 sm

1 . x=cos (1f +x ) > O(carcos>O
3 2 2 6
sur ] ~, ~ [ ) donc F est aussi strictement croissante sur ] 0, i [. Comme elle est, par
ailleurs, constante sur ] i, +oo [ et continue sur~. on en déduit que F est croissante
sur R
• lim F = 0 et lim F = 1.
-OO +oo

~I
Enfin , comme lim ex = 0, lim F = 0 et lim F = 1.
x --+ - = -= +=
Finalement, F est la fonction de répartition d ' une variable aléatoire à densité.
2. Une densité d'une variable aléatoire à densité s'obtient en dérivant sa fonction de
répartition là où elle est dérivable et en complétant par des valeurs positives arbitraires
là où elle ne l'est pas.

1 X
-e Si X< 0

Par dédvafon, une dens;té de X est f ' x >-+ { cos(~ + x)

0 sinon

3. Une variable de densité f admet une espérance ssi l'intégrale impropre f: 00

xf (x )dt
est absolument convergente. Comme f ;;;:: 0 sur ~' x t-7 xf(x) est positif sur~+ et
négatif sur ~ - donc la convergence absolue de l'intégrale précédente est toujours équi-
valente à sa convergence. Ici, en plus des deux impropretés évidentes - oo et + oo, f
7r
"O
présente deux discontinuités en 0 et '3. On va donc découper l'étude de la convergence

=]- oo, ü[, h =] 0, i [ et h =]i' +oo [ :

0
r::::
0
:::J (absolue) aux trois intervalles li
lfl
,..-1
0
• la convergence sur h s'obtient grâce à la nullité de l'intégrande;
N

~I i, + oo [. f
@ +=
.....,
r:
Ol
·;::
>
Sur] = 0 donc
17r /3
xf(x)dx converge (absolument) et a pour valeur O.

Cl.
0 • la convergence sur h s'obtient car l'intégrande est prolongeable par conti-
u
nuité jusqu'aux deux bords et on en profite pour calculer l'intégrale à l'aide
d'une intégration par parties ;

~1 Sur [o, i], xi--+ xf(x) est positive et continue donc Jo/ 7r/3 xf(x)dx converge (ab-
solument).
 Exercice 15.3 Transformations affines d'une variable à densité 489

De plus, puisque X t-7 X et X H -cos (i + x) sont de classe C sur [o, i]' 1

n/3 xf(x) dx =
17r/3 xsin (i + x ) dx
10 0

[- XCOS (i +X)]n/3 + 1n/3 (~+X) dx

O O COS

[sin ( i + x)J: 13
= l.

• la convergence sur li s,obtient en revenant à la définition de la convergence

par introduction d ,une borne mobile que Pon fait tendre vers Pimpropreté.

Sur] - oo, O[, x t-7 x f( x) est négative et continue. Comme elle admet une lim ite fi nie
en 0, 0 est une fausse impropreté. Quant à l'impropreté -oo, pour A < 0 et à l'aide
d ' une intégration par parties,

lo xf(x)dx ~ lo xexdx = ~ ([xex]~ -1° exdx ) = ~ ( -AeA - [ex]~)

1 ( -Ae A- l +e A) .
2
Or lim eA = 0 et, par principe des croissances comparées, lim AeA = 0 donc
A -t - oo A -t - oo
Oxf(x)dx = -21 i.e. l Oxf(x)dx converge (absolument) avec valeur -
A~~oo
JA - oo
1
2.
Il ne reste qu'à recoller les morceaux pour obtenir existence et valeur de l'espérance.

+00

Ainsi ,
1- oo x f( x )dt est absolument convergente donc X admet une espérance qui

1+n/3
vaut
17r/3 xf(x)dx 00

"O
0
r::::
JE(X) =
1 0

- OO
xf(x)dx +
Û
+ xf(x)dx = - 21 + 1+ 0=
1
2·

:::J
0
lfl
,.-1
0
N
@
.....,
r: Dans tout cet exercice, on suppose que X est une variable aléatoire à densité
Ol
·;::
>
définie sur un espace probabilisé (!1, A , IP).
Cl.
0 On pose aussi Y = aX + b où (a, b) E JR.2 avec a -f=. O.
u
1. Dans cette question uniquement, on suppose que a = -2, b = 1 et que X
admet une densité f continue sur JR.
Justifier que Y est une variable aléatoire, montrer qu'elle est à densité et
exprimer une de ses densités en fonction de f.
 490 Chapitre 15 Variables aléatoires à densité

Dans tout le reste de cet exercice, on admettra que Y est une variable aléatoire
définie sur (0, A, IP).
2. Si X '---+ t'(À), déterminer la fonction de répartition de Y (on distinguera les
cas selon le signe de a).
En déduire que Y est une variable à densité, en donner une densité puis calculer
son espérance.
3. a. Vérifier que, pour tout x E JR, cI>(- x) = 1- cI>(x) où cl> désigne la fonction
de répartition de toute variable de loi normale centrée réduite.
b. Si X '---+ N(µ, CY 2 ), montrer que Y suit une loi normale dont on précisera
les paramètres.
4. a. Montrer que, si Z suit la loi uniforme sur [O, 1], c'est aussi le cas de 1- Z.
b. Si X '---+ U[a, ,B], montrer que Y suit une loi uniforme dont on précisera
l'intervalle.

1. Puisque c'est ainsi qu'est définie la notion de variable aléatoire sur (0, A, IP), il
s'agit de vérifier que les images réciproques y - 1 (] - oo, y]) est un événement de A en
utilisant que c'est le cas de ceux fabriqués à partir de X. Pour ce faire, on va traduire
la contrainte sur Y en contrainte sur X.

Pour y E Ilt on a, quel que soit w E n, la succession d'équivalences

w E y - 1 (] - oo,y]) {::::::::} Y(w) E] - oo,y] {::::::::} Y(w) ~y {::::::::} - 2X(w) + 1 ~y
~y - ~ y~ 1
{::::::::} - 2X(w) 1 {::::::::} X(w)
2
{::::::::} w E[x ~ y ~2 l] .
Donc y - 1 (] - oo, y]) = [X ~ x]. Or, pour tout x E IR, [X ~ x] est un événement
de la tribu A donc [Y ~ y] aussi et ce quel que soit y E lR i.e. Y est une variable
aléatoire sur (n, A , IP) .
"O
0
r::::
0
:::J On peut désormais noter [Y~ y] en lieu et place de y - 1 (] - oo,y]).
lfl
,.-1
Il ne reste plus qu'à passer aux probabilités pour exprimer la fonction de répartition
0
N
de Y en fonction de celle de X.
@

~1
.....,
r: Ainsi
Ol
·;::
>
Cl.
IP(Y ~y)= IP (X~ 1
; y) = 1 - IP' (X< 1 ; y).
0
u
Une variable à densité est caractérisée par la régularité de sa fonction de répartition
(elle doit être continue sur lR et de classe C1 sur lR privé d'un nombre fini de points).
La fonction de répartition Fy de Y va ici hériter de la régularité de celle Fx de X,
compte tenu de la relation qui les lie : Fy (y) = 1 - Fx ( ;
1
y) .
 Exercice 15.3 Transformations affines d'une variable à densité 491

Puisque X est une variable à densité, lP (X < 1 ; y) = F (

1
; y) où F est la
fonction de répartition de X. De plus, comme la densité f de X est continue sur Ilt
F est de classe C1 sur lR (avec F' = J) . Il s'ensuit alors, par composition avec des
fonctions affines, que y
H 1 - F (
1
; est de classey) ci
sur lR donc y est une
variable aléatoire à densité.
Enfin, les densités coïncident à un nombre fini de points près avec la dérivée de la
fonction de répartit ion. Une densité s'obtient donc « essentiellement » par dérivation
de la fonction de répartition.

~1
En outre, une densité de Y est la dérivée de sa fonction de répartition à savoir

y H - ( - ~) F' ( 1 ; y) = ~f ( 1 ; y) .
2. La méthode est la même, on commence par les événements : traduire la contrainte
sur Y en contrainte sur X.

Pour y E IR,

si a> 0
[Y .; yJ = [aX + b <; yJ = [aX <; y - bJ = {
si a< 0

Puis, on passe aux probabilités en utilisant la fonction de répartition connue pour la

loi E(.\) et le passage à l'événement contraire si nécessaire.

Ainsi, si a> 0,

JP>( Y ~y)= JP> (X~ y : b) = [ 1 - exp (- Ày : b) J 1 10,+ool (y : b).

y-b
Or - - ~ 0 ssi y - b ~ 0 ssi y ~ b donc
a
1-exp ( -À -y -. - b) si y~ b
JP>(Y ~y)= 0 a
{ sinon
"O
0
r::::
0
:::J On pouvait aisément déduire la valeur de la répartit ion sur] - oo, b[ puisque, l'univers
lfl
,.-1
image de X étant inclus IR+, on en déduit Y (!l) C [b, +oo[.
0
N
Il s'agit à présent de mont rer que Y est une variable aléatoire à densité, puis déter-
@ miner une densité.
.....,
r:
Ol
·;:: Le caractère ci
sur lR \ {b} de la fonction de répartition de Y découle alors de celui
>
Cl. de exp sur lR et de compositions avec des fonctions affines. On en déduit que cette
0
u fonction est continue sur lR \ {b} et, puisque la limite (à gauche) en b vaut
lim JP(Y ~y) = 0 = JP(Y ~ b) ,
y ~b-

on en déduit que cette répartition est continue à gauche en b et donc continue en b

(pu isq u' une fonction de répartition est toujours continue à droite) . Finalement Y est
une variable à densité de densité y i---+ ~exp (-À y: b) l1b,+oo1(y).
 492 Chapitre 15 Variables aléatoires à densité

Si a< 0,
y- b)
y -
IP'(Y ~y)= lP' ( X~ -a- b) = 1-IP' (X< -a-
y - b) = {
exp ( -À - a- si y< b

l sinon

Le caractère C 1 sur ~\ {b} et cont inue sur ~ s'obtiennent comme ci-dessus donc Y
est une variable à densité de densité y H -~exp (-.x Y: b) l J- oo,bJ(y) .

Enfin, pour l'espérance de Y, il est inutile de calculer une intégrale puisqu'il suffit
d 'utiliser celle connue de X et le comportement de l'espérance par déformation affine.

~I Par transformation affine, IE(Y) = lE(aX + b) = alE(X) + b = ~ + b.

3.a. On commence par interpréter les deux réels en terme de probabilités pour les
exprimer in fine en fonction de la densité <p : t ~ 1 exp ( -
../'Fi 2
t2) pour une variable
de loi N(O, 1). Ainsi, il s'agit d'obtenir j_:
parité de <pet d'un changement de variable affine évident.
cp(t)dt = 1+oo cp(t)dt qui découle de la

En notant X une variable aléatoire de loi N(O, 1) et <p sa densité continue sur R on a

<I>(-x) = IP(X ~ - x) = 1-: cp(t)dt.

Avec le changement de varia ble affine u = - t, on obtient que , pour AE ~.

r- x cp(t)dt = lx cp( - u)( - l)du =;·-A cp( - u)du

}A -A X

pu is, en fa isant tendre A vers - oo et en uti lisant la parité de <p,

"O
0
<I>( - x)= 1+oo cp( - u)du= 1+oo cp(u)du=IP'(X>x)=l - IP'(X~x)=l - <I>(x).
r::::
:::J
0
lfl
,..-1
0
3. b. On va utiliser la caractérisation de la loi normale par sa fonction de répartition et
N
obtenir cette dernière en suivant la méthode explicitée dans les deux cas précédents.
@
.....,
r:
Ol
·;::
> Tout d 'abord , on sait qu ' une variable suit la loi N(m, s2 ) ssi sa fonction de répartition
u
Cl.
0
est t H <I> C~ m). De plus, les égalités d 'événements obtenues à la question 2 restent
valables.
Ainsi, si a> 0, pour y E ~.

ll'(Y <; y) ~ Il' (X <; y : b) ~ q; ( ~ - µ) ~ q; (y-(: + b) )

 Exercice 15.4 Formule de l'espérance par antirépartition 493

De même, si a < 0, pour y E ~. en util isant que X est à densité et la question

précédente,

ll'(Y,;; y) ll' (X;;, y: b) = 1 - ll' (X< y: b) = 1 - <li ( ~ - µ)

= <I> ( - ~a -1) ) = (Y-(-a)a
(aµ + b)).
<I>

Dans les deux cas, Y suit la loi N(aµ+b,a 2 ü 2

).

4.a. La méthode de transfert d'information reste la même à ceci près qu'on va utiliser
ici la fonction de répartit ion connue pour une variable aléatoire de loi uniforme sur le
segment [O, l ].

Pour z E ~. on a, en uti lisant que X est à densité,

l?(Z ~ z) l?(l - X~ z) = JP>(l - z ~X)
1 -l?(X < 1- z) = 1 -l?(X ~ 1 - z)

1- 0 si 1 - z <0 { 1 si z >1
= 1 - (1 - z ) si 1 - z E [O, 1] = z si z E [O, 1]
{
1- 1 sinon 0 sinon
donc Z suit la loi U[O, l ].

Ici encore, l'expression de la répartition de Z en dehors de [ü, 1] était attendu compte

tenu du fait que (puisque X(!l) c [O, 1]) Z(!l) c [O, 1].
4.b. Plutôt que d'appliquer à nouveau la méthode clairement détaillée précédemment,
on va s'efforcer de mettre à profit ici le lien entre une variable de loi uniforme sur un
segment quelconque et une variable de loi uniforme sur [O, l].
"O
0
r::::
:::J
0

~1
lfl
,.-1 Tout d 'abord , on sait que Z = ~- a suit la loi U[O, l].
0
N
- a
@
Or Y = aX + b = a[(.8 - a)Z +a]+ b = (aa + b) + (af3 - aa)Z donc, si a > 0,
....., Y suit la loi uniforme sur [aa + b, a{3 + b] .
r:
Ol
·;::
>
Cl.

u
0 Pour a < 0, le raisonnement précédent ne s'applique pas, on va donc utiliser la question
précédente comme intermédiaire et utiliser la variable 1 - Z en lieu et place de Z.

~1
En posant Z' = 1 - Z, on sait d 'a près la question précédente que Z' '---7 U[O, l ]. De
plus, Y= (aa + b) + (a,8 - aa)(l - Z') = (af3 + b) + (aa - af3 )Z' donc, si a< 0, Y
suit la loi uniforme sur [af3 + b, aa + b] .
 494 Chapitre 15 Variables aléatoires à densité

Exercice 15.4 : Formule de l'espérance par antirépartition

Soit X une variable aléatoire positive de densité f continue sur IR.

On note F sa fonction de répartition.
1. Justifier que f = 0 sur IR_.
2. On suppose dans cette question que X admet une espérance IE(X ).

a. Montrer que, pour tout x > 0, 0 ~ x[l - F (x) ] ~ l +oo tf(t)dt.

b. En déduire que F (x) = 1 + o (_!_) et que
x->+oo X

IE(X) t
\;/ x > 0, JP>(X ;;:;: x) ~ --.
X

c. À l'aide d'une intégration par parties, montrer que 1+oo [1 - F (x)]dx

converge et que IE(X ) = 1+oo [1 - F (x) ]dx.

3. On suppose dans cette question que 1+oo [1 - F(x)]dx converge.

Montrer que X admet une espérance.

1. C'est l'hypothèse de positivité de X qui va déboucher sur la nullité de F sur JR_.

La continuité de f permet alors de l'obtenir pour f par dérivation de F.

~1
Comme X ~ 0, pour x < 0, F(x) = JP>(X ~ x) = O. Par continuit é de f, on a
nécessairement F' = f. D 'où , j(x) = 0 pour x < 0 puis, par continu it é de f en 0,
f (0) =o.
Fi nalement, f = 0 sur IIL.

"O
2.a. On commence par traduire tous les termes de l'encadrement sous forme d'inté-
0
r:::: grale : pour celui du milieu, on a
:::J
0
lfl
,-1 x[l - F(x) ] = x[l - JP>(X ~ x)] = xJP>(X > x) = x lx
/+oo j(t)dt = 1+00
x xj(t)dt.
0
N
@
.....,
En "ôtant)) l'intégrale, il ne reste plus qu'à comprendre d'où provient l'encadrement
r:
Ol
0 ~ xj(t) ~ tj (t) pour t E [x, +oo[ ce qui est assez évident puisque f ;;:;: O. Comme
·;::
> souvent, la rédaction consiste alors à ordonner ces idées dans l'ordre inverse.
Cl.
0
u / +oo
Tout d 'abord , l'existence de IE(X) impl ique la convergence (absolue) de lx tf(t)dt
pour t out x E IR.
En outre, pour t ~ x > 0, on a, puisque f ~ 0 sur R 0 ~ xf(t) :::;; tf (t). D 'où, par

t. Il s'agit en fait de l'inégalité de i\tlarkov.

 Exercice 15.4 Formule de l'espérance par antirépartition 495

positivité, croissa nce pu is linéarité de l' intégration sur [x, +oo[,

0~ x
+00 xf(t)dt ~ 1+00 tf(t)dt
x i. e. Û ~X
+00 f(t)dt ~ 1+00 tf(t)dt.
1 1 X X

Enfin , comme X est à densité , 1+oo f(t)dt = IP'(X > x) = 1- IP'(X ~ x) = 1 - F(x)
de sorte que 0 ~ x [l - F(x)] ~ 1+oo tf(t)dt.
2.b. En isolant le terme en o, l'objectif se reformule en lim x[l - F(x)] = O. Le
x-++oo
résultat de la question précédente permettra de l'obtenir à l'aide du t héorème des
gendarmes si on arrive à montrer que lim 1+ oo tf(t)dt = O. P ar analogie avec
+oo
x-++oo
+oo
x n
le reste d 'une série convergente L Uk = L Uk - L Uk, l'intégrale en question
k = n+l k=O k=O
ressemble effectivement à la partie résiduelle* d'une intégrale convergente

fo+oo tj(t)dt =foxtj(t)dt + 1+oo tj(t)dt

ce qui suggère la méthode.

Pour x > 0, par la relation de Chasles, j ·+oo tf(t)dt

x =
1+00 tf(t)dt - l xtf(t)dt
0 0
/'+oo
donc , par définition de la convergence de l' intégrale (impropre en + oo) Jo tf(t)dt,
·+oo tf(t)dt = O. A insi, par existence de limite par encadrement,
on obtient
X4+oo j
lirn
X

lim x[l - F(x)] = 0 i.e. x[l - F(x) ] o (1) i.e. 1 - F(x) o ( ~)

x4+oo x4+oo =
x4+oo X

i.e. F(x) = 1 +
x4+oo
o (~). X

Le passage aux probabilités a déjà été évoqué puisque F(x) = JP(X;;::: x) et, X éta nt
"O
0
à densité, JP(X > x) = JP(X ;;::: x) . Quant à l'intervention de l'espérance de X , elle
r::::
:::J repose sur le fait que
0

;~:
00 0
lfl
,.-1
0
N
lE(X) = tj(t)dt = [ Odt +foxtj(t)dt + 1+oo tj(t)dt
00
@
.....,
r:
Ol
et que foxtf(t)dt ;;::: 0 par positivité de l'intégration.
·;::
>

~1
Cl.
0 Pu isque X est à densité, 1 - F( x) = IP'(X ~ x). Par ailleurs, comme f = 0 sur
u /'+oo
IR_ , lE(X) = Jo tf(t)dt et, par positivité t de l'intégra tion sur [O, x], pour x > O,

*· La notion de reste d'une intégrale convergente sera formalisée et étudiée en seconde année.
t. On pourrait aussi parler de croissance de l'intégration à intégrande positif fixé : si f est une
fonction positive sur un intervalle I d'intégrale convergente et si Ji C Jz C I, alors ; ·
J1
f ~ J h
f.
 496 Chapitre 15 Variables aléatoires à densité

+00
1 x tf(t)dt ~

.
lE(X). Finalement, on dédu it de l'inégalité de la question précédent e
JE(X)
que x!P(X ~ x) ~ JE(X) 1.e. IP(X ~ x) ~ - - .
1 X

2.c. On réalise l'intégration par parties comme demandé en se plaçant sur un segment
sur lequel l'intégrande est continu.

Par cont inuité de f su r IR, F est de classe C 1 sur IR. En particulier, pou r t out A > 0,
e n intégrant par partie à l'aide des fo nctions 1 - F et x f-4 x qui sont C 1 sur [O, A ],

A[1-F(x)]dx = [x(l-F(x))LA - 1Ax(-F'(x))dx = A(l-F(A))+ 1Axf(x)dx.

10 0 0

Il ne reste plus qu 'à faire tendre A, borne supérieure du segment, vers l'impropreté
+oo et d'utiliser les résultats précédemment obtenus pour gérer le terme issu du
crochet de primitivation.

D'après la question précédent e, 1·A [1- F(x)]dx

lim
0
= 0+ 1+oo
0
xf(x)dx = lE(X)

;.e.1+= [1 - F(x)[dx conve<g::,+:utIE(X).

3 . Il s'agit de renverser le raisonnement de l'intégration par partie précédente. La
seule difficulté réside dans le fait qu'on ne dispose plus du résultat concernant la
limite du terme issu du crochet de primitivation. Comme seule la convergence est
demandée, on va recourir au critère de convergence d'une intégrale de fonction positive
par majoration.

D'après la première question , 1-~ xf(x)dx converge a bsolume nt avec vale ur O.

En out re, x
f-4 xf(x) est positive sur [O, +oo[ et l' intégrat ion par partie de la quest ion
précédente est tout aussi valable i. e.
"O
A /A
1
0
r::::
:::J VA> 0, xf(x)dx = Jo [l - F(x)]dx - A(l - F(A)) .
0 0
lfl

~ 0 sur IR, la fonction A f-4 1Axf(x)dx est majorée sur

,.-1
0
N En particulier, comme 1 - F
@
.....,
r: JO, +oo [ par
+00 [l - F(x)]dx. Ainsi, 1+00 xf(x)dx converge {a bsolument puisque
Ol
·;::
>
1 0 0
l' intégra nde est positif sur l'intervalle d 'i ntégration).
Cl.
0 +00
u
Finalement,
1 - oo xj(x)dx converge absolument i.e. X admet une espéra nce t.

t. En utilisant la question précédente, on peut préciser que le terme issu du crochet de primiti-
vation converge bien vers 0 et conclure à nouveau à la validité de la formule donnant l'espérance.
 Exercice 15.5 Discrétisation de variables à densité I 497

Dans tout cet exercice, on suppose que X est une variable aléatoire à densité
sur un espace probabilisé (n, A, IP) et on pose Y = l X J + 1.
On admet que Y est une variable aléatoire.
1. Si X Y U[O, n] (avec n E N*), montrer que Y suit une loi usuelle que l'on
précisera.
2. On suppose dans cette question uniquement que X Y E(>.) (avec À > 0).
a. Montrer que Y suit une loi géométrique dont on précisera le paramètre.
b. On souhaite comparer avec Scilab deux façons de simuler une loi géo-
métrique et on a créé la fonction suivante.
function []=compare(nsimul,p)
geo=grand ( 1, nsimul, "geom", p) ;
occur=tabul(geo);
bar(occur(:, 1) ,occur(: ,2), "white");
expo=grand(1,nsimul, "exp" ,-log(1-p));
geo2=floor(expo)+1;
occur2=tabul(geo2);
bar(occur2(:,1),occur2(:,2),.1,"black");
endfunction
Expliquer son fonctionnement puis la corriger car elle semble ne fonction-
ner correctement que si p=1-1/%e.
3. a. Montrer que f: x E lR t--+ xe-xl lR+ (x) est une densité de probabilité t .
b. Si X admet pour densité f, déterminer les coefficients de la loi de Y.
c. Montrer que X et Y admettent toutes deux une espérance que l'on cal-
culera et vérifier que IE(X) < IE(Y) < IE(X) + 1 (on pourra admettre que
e
- E]l , 5; 1, 6[).
e-1

"O
0
r::::
:::J
1. On commence par l'univers image de Y avant de traduire la contrainte sur Y en
0 contra inte sur X selon la méthode expliquée à l'exercice 15.3.
lfl
,.-1
0
N Comme X E [O, n [ presque sûrement, Y E [l, n] p .s .. De plus, pour k E [l , n],
@
....., [Y = k] = [lX J + 1 = k] = [lXJ = k - l] = [k - 1 ~ X < k]
r:
Ol donc , en uti lisant que X est à densité et sa fonction de répartit ion ,
·;::
>
Cl.
0
IP(Y = k) IP(k - 1 ~ X < k) = IP(X < k) - IP(X < k - 1)
u k k- 1 1
IP( X ~ k) - IP( X ~ k - 1) = - - -- = - .
n n n
Finalement, Y su it la loi un iforme sur [l , n ].

+. Il s 'agit d 'u ne d ensité associée à la loi î'(2) qui sera étudiée en seconde a n née.
 4 98 Chapitre 15 Variables aléatoires à densité

2.a. La stratégie est la même qu'à la question précédente.

À partir de X(n) = [O, +oo [, on déduit par le même raisonnement que dans la
question précédente que Y(n) C N* et, pour k E N*,
IP(Y = k) IP(k - 1 ~ X < k) = IP(X ~ k) - IP(X ~ k - 1)
= (l _ e-Àk) _ (l _ e -À(k- 1) ) = - e-Àk + e-À(k-1)
( e - À) k-1 (l _ 6 - À).
Ainsi Y suit la loi géométrique de paramètre 1 - e - À.

2.b. On considère les lignes une par une en se souvenant que tabul permet de créer
une table des occurrences d'une liste de nombres et bar construit un histogramme ou
un diagramme en bâtons.
Pour le fonctionnement, voici le rôle de chacune des lignes :
• on génère un vecteur aléatoire avec nsimul simulations d'une variable Y1
de loi Ç(p);
• on comptabilise les occurrences de chaque entier dans nos simulations de Y1 ;

• on affiche un histogramme des occurrences dans nos simulations de Y1 avec

des rectangles blancs;
• on génère un vecteur aléatoire avec nsimul simulations d'une variable X
de loi E( - ln(l - p)) ;
• on arrondit les réels ci-dessus qu'on augmente de 1 pour obtenir nsimul
simulations de Y2 = l X J + 1 ;
• on comptabilise les occurrences de chaque entier dans nos simulations de Y2;
• on affiche un histogramme des occurrences dans nos simulations de Y2
avec des rectangles noirs 10 fois moins larges que les blancs pour pouvoir
"O
0 comparer.
r::::
:::J
0 La seule erreur est due à une particularité syntaxique dans les choix des arguments
lfl
,..-1
0
de la commande grand pour la loi exponentielle où c'est l'espérance l(>. qui doit être
~, À =
N
@ précisée et non le paramètre À lui-même. Pour p = 1 - - ln(l - p) = 1 de sorte
....., e
r:
Ol
que 1/ À= À et compare fonctionne effectivement correctement.
·;::
>
Cl. Seule la ligne
0
u
expo=grand(1,nsimul,"exp",-log(1-p));
doit être modifiée en
expo=grand(1,nsimul,"exp",-1/log(1-p));
puisque la syntaxe en Scilab de la commande grand avec l'option "exp" ne prend
pas comme argument le paramètre À mais l'espérance 1/ À.
 Exercice 15.5 Discrétisation de variables à densité I 499

Après correction, voici ce que donne la commande compare (10000,. 5).

5 500

5000

4 500

4000

3 500

3000

2500

2000

1 500

1 000

500

2 3 4 5 6 7 8 9 10 11 12 13 14

3.a. On reprend la stratégie développée dans l'exercice 15.l : obtention de la posit ivité
sur IR, de la continuité sur lR éventuellement privé d 'un nombre fini de points (ici 0)
et de la convergence de l'intégrale sur ] - oo, +oo[ avec valeur 1.

f est nulle sur] -oo, O[ donc f est continue positive sur cet intervalle et[~ f(x)dx
converge avec valeur O.
En outre, par produit de x i-t x et x t-t e- x qui sont continues et positives sur
[O, +oo[, f est positive sur [O, +oo [, continue sur JO, +oo[ et, en intégrant par parties,
pour A > 0,

"O
0
r::::
1A J(x)dx = [x( - e- x)J: + 1A e- xdx.

0
:::J

lfl
,.-1
Or lim A e- A = 0 par principe des croissances comparées et l+oo e- xdx converge

1+=
0
0
N
@ ave::::, l donc f( x) dx conv.,ge et vaut l.
.....,
r:
~. ~* ;~:
00
Ol
·;:: Finalement, f est positive sur continue sur et l'intégrale f( x)dx est
>
Cl.

u
0 convergente avec pour valeur 1 donc f est bien une densité de probabilité.

;~:
00

On peut gagner un peu de temps en reconnaissant en f( x)dx l'intégrale donnant

l'espérance pour une variable aléatoire de loi exponentielle de paramètre 1 ce qui
1
aboutit plus directement à sa convergence avec valeur - = 1.
1
3. b. Toujours la même stratégie de transfert des contraintes ...
 500 Chapitre 15 Variables aléatoires à densité

Là encore X(n) = [O, +oo [ donc Y(n) c N* et, pour k EN*,

IP(Y = k) IP(k - 1 ~X < k) = {k xe-x l [o,+oo1(x)dx = [ - (x + l)e-x] k

lk-1 k-1
= -(k + l)e-k+ke-(k-l)= [k(1-;)-;J (~)k-l
+oo
3.c. Pour X, cela passe par l'(absolue) convergence de l'intégrale j -oo xf(x)dx dont
l'intégrande est nul sur JR_ et de la forme x t---7 P (x)e-x sur lR+, on va donc effectuer
une (ou des) intégration(s) par partie jusqu'à faire disparaître le polynôme P.

Commençons par X. Puisque f est nulle sur] - oo, 0[. 1~ xf(x)dx converge ab-
solument avec va leur O. Par ailleurs, pour A > 0, en intégrant encore par parties,

1·A
0
xf(x)dx = 1·A
0
x 2 e-xdx = [-x 2 e-x J A +
0
1·A
0
2xe- xdx = -A2 e-A+2 1·A
0
J(x)dx .

On vient de retomber sur l'intégrale étudiée lors de la vérification du fait que f est une
densité, inut ile alors de procéder à une autre intégration par part ie (elle a justement
été déjà faite à ce moment-là) : il est possible de conclure dès à présent.

lim
A~+oo
A
2
e- A =0 par croissances comparées et lim
A~+oo
1A
0
f( x )dx = 1 donc l' in-
tégrale de la fonction x i---+ xf(x) continue positive sur [O, +oo[ est convergente de
valeur - 0 + 2 x 1 = 2.
·+oo
Finalement j - oo xf(x)dx converge absolument donc X admet une espérance qu i

vaut IE(X) = 0 + 2 = 2*.

Pour Y, c'est la convergence (absolue) d'une série qu'il faut étudier. En décompo-
sant de manière adéquate son terme général, on se ramène à des séries géométriques
"O
0 dérivées.
r::::
:::J
0
lfl Traitons ma intenant le cas de Y i.e. la convergence (absolue) de la série à termes
,-1
0 positifs de terme général k!P(Y = k). Pour k EN*,
N
@
....., IP(Y = k) = k i - ; [ ( 1) - ;l] (l)
6
k- l = [(k - i) ( 1 - 1) + i - ;2]
6
(l)k-1
6
r:
Ol
·;:: donc
> 2

u
Cl.
0 klP(Y = k) = (1 - ~) ~k(k - 1) (~)k- + (1 - ~) k (~)k-l
ce qui signifie qu'on reconnaît une combina ison linéaire des termes généraux des séries
géométriques dérivées secondes et prem ières de raison ~. Comme ~ E] - 1, l [, ces
e e

+. Il sera vu en seconde année que l'espérance d'une variable de loi î'(v) vaut v.
 Exercice 15.5 Discrétisation de variables à densité I 501

séries sont convergentes et, par linéarité, Y admet une espérance avec

Là encore, on pouvait procéder différemment en écrivant

2
kIP(Y = k) = k ( 1 - e-1 ) ( e-1 ) k- l
- ~
~ ~k 1-
(
e-1 ) ( 1)
e- k-1

1
e
1
de sorte que, par linéarité de la sommation, JE(Y) = JE (Z 2 ) - ~JE( Z) où Z est
1- -
e
1
une variable aléatoire de loi géométrique de paramètre 1 - - . On aurait alors conclu
e
à l'aide de la formule de Kœnig-Huygens :

~ ~ ~) + (~) -~-1
2

1
IE(Y) = 'V(Z) + IE(Z) 2 - 1
IE(Z) = 2 - - - .
1
1- - (1 - 1- - 1- - 1- -
e e e e e
2
Pour l'encadrement, il s'agit alors de vérifier que 2 < ( -e- ) < 3.
e -1

~1
Comme -15 < -e- < -16 , par stricte
. . d f . , m
croissa nce e 1a onction carre sur ir..+ ,
10 e- 1 10
"O 2 2
0 225 < ( e _e ) < 256 donc 2 < ( e _e ) < 3 1..e. IE(X) < IE(Y) < IE(X) + 1.
r::::
:::J 100 1 100 1
0
lfl
,.-1
0
N
@
.....,
r:
Ol
·;::
>
Cl.
0
u
 502 Chapitre 15 Variables aléatoires à densité

Liste des capacités attendues

• S avoir utiliser les lois u s u e lles (cf exercices 15.3 et 15.5).

famille de notation univers image densité espérance

la loi de X compacte X(n) de probabilité JE(X)
uniforme U [a, b] [a, b] l 1
b-a [a,b]
ill
2
l
exponentielle E(.X.) [O, +oo[ t H À e - Àt l JR+ (t) );
2
normale N(µ , o-2) lR t H
l
v211:a2
(t - µ) )
exp ( - ~ µ

X Y U [ü,1] Y = a+ (b - a)X Y U[a, b],

1
X Y E(l) Y = ~X Y E(À),
X - µ
X YN(µ,a- 2 ) X* = Y N(O , 1).
O"

• S avoir jus tifier qu'une variable aléatoire est à d en sité (cf question 15.3.1) .

• Savoir vérifier qu'une fonction est la fonction de répartition d ' une va-
riable aléatoire à d en s ité (cf question 15.2.1).

• S avoir vérifier qu' une fonction est une d en s ité d e proba bilité (cf questions
15.l.1 et 15.5.3.a) .

• Savoir déterminer la loi (fonction de répartition ou densité) d'une va-

riable aléatoire à densité (cf exercice 15.5 et questions 15.2.2, 15.1.2 , 15.3.1).
"O
0
r::::
:::J • S avoir montrer l'exist e nce et ca lculer l'esp é r a nce d'une varia ble a léa-
0
lfl
toire à part ir d ' une de ses dens it és (cf questions 15.2.3 , 15.1.3 , 15.4.3 et
,..-1
0 15.5.3.c)
N
+00
@
.....,
r:
Ol
·;::
>
lE (X) =
1
- oo tf (t)dt .

Cl.
0
u • Savoir utilise r le comportem ent d e l'esp é rance pour les transformations
affines (cf question 15.3.2)

l IE(aX + b) = alE(X) + b I·
 CHAPITRE

16
Convergence en probabilité et en loi

Exercice 16.1 : Convergences en moyenne et en probabilité

On dit qu'une suite de variables aléatoires (Xn) converge en moyenne vers

une variable aléatoire X si, pour tout n, IXn - XI est une variable aléatoire
admettant une espérance et lim IE(IXn - XI) =O.
n-++=
1. Montrer que si une suite de variables aléatoires discrètes (Xn) converge en
moyenne vers une variable aléatoire discrète X alors (Xn) converge en proba-
bilité vers X.
2. a. Soient Z1 et Z2 deux variables aléatoires. Montrer que, pour tout € > 0,
[IZ1 + Z2I > 2€] c (11z1 1> €] u [IZ2I > €]).

b. En déduire que, si X n ~ X et X n ~ X' , alors X = X' presque

sûrement.
3. Pour n E N*, on dispose d'un sac comportant n jetons indiscernables au tou-
cher dont un seul est numéroté n, les autres étant numérotés O. On pioche au
hasard un jeton dans ce sac et on note Xn le numéro du jeton pioché.
a. Déterminer la loi de X n et son espérance.
"O
b. Montrer que (Xn) converge en probabilité vers la variable aléatoire iden-
0
r:::: tiquement nulle.
:::J
0
lfl
c. Justifier que, si (Xn) convergeait en moyenne vers une variable aléatoire
,.-1
0
discrète X, alors X serait presque sûrement égale à O.
N
@ d. En déduire que (Xn) ne converge pas en moyenne vers une variable aléa-
.....,
r: toire discrète t .
Ol
·;::
>-
Cl.
0
u
1. La convergence en moyenne fait intervenir l'espérance IE(IXn - XI) et la conver-
gence en probabilité la probabilité IP(IXn - X I > €). Le lien entre les deux est fait
par l'inégalité de Markov.

t. En fait , il n 'y a pas convergence en moyenne du tout.

 504 Chapitre 16 Convergence en probabilité et en loi

Si (Xn) converge en moyenne vers X, alors IXn - X I est une varia ble aléat oire
discrète positive qui admet un e espéra nce pour tout n. A insi, d 'après l' inégalité de
Markov,
Ve> 0, 0 ~ IP'(IXn - X I ~ e) ~ lE(IXn - X I)
e
Or lim lE(IXn - XI) = 0 donc, par encadrement, pour tout e > 0,
n-t+oo
lim IP'(IXn - X I ~ e) = 0 i.e. (Xn) converge en probabilité vers X.
n-t+oo
2.a. En raisonnant avec les événements contraires, il suffit de montrer que

ce qui découle directement de l'inégalité triangulaire. Il ne reste plus qu 'à rédiger cela
en « remontant » le raisonnement.

Soit e >O. Pour w E (UZ1I > e] U [IZ2 I > eJ), IZ1(w)I ~ e et IZ2(w) I ~ e donc,
d 'après l'inégalité tria ngulaire,
IZ1(w) + Z2(w)I ~ IZ1(w)I + IZ2(w) I ~ e +e ~ 2e.
Ainsi (UZ1I > e] u [IZ2I > eJ) c [IZ1 + Z2 I > 2e] et, par passage à l'événement
cont raire,

2.b. La convergence en probabilité fait intervenir les événements [I Xn - XI > .s] et

[IXn - X'I > .s] et, comme il s'agit d'une déduction, on est naturellement conduit à
prendre Z 1 = Xn -X et Z2 = Xn -X'. Toutefois, on a alors Z 1 + Z2 = 2Xn -X -X'
ce qui n'est pas concluant. Les valeurs absolues nous permettent de prendre plutôt
Z2 = X' - Xn de sorte que Z1 + Z2 = X' - X.

On suppose que Xn ~ X et Xn ~ X'. En particulier, pour e > 0,

lim IP'(IXn - X I > e) = 0 = lim IP(IXn - X' 1 > e). En appliquant le résul-
n-t+oo n-t+oo
tat précédent avec Z1 = Xn - X et Z2 = X' - Xn, on obtient
"O
0
r::::
:::J [IX' - X I > 2e] c (uxn - XI> e] u [j Xn - X'I > eJ).
0
lfl
,.-1
0 On peut maintenant utiliser la sous-additivité de la loi de probabilité IP'.
N

~1
@
....., D 'où , 0 ~ IP'(IX' - XI > 2e) ~ IP'(IXn - X I > e) + IP'(IXn - X' I > e) .
r:
Ol
·;:: D'a près le théorème des gendarmes, on en déduit alors IP'(IX' - X I > 2e) = 0 en
>
Cl.
faisa nt tendre n vers +oo.
0
u Pour conclure, on doit obtenir que IX' - XI est la variable aléatoire certaine nulle ce
qui peut se faire
• soit en calculant sa fonction de répartition et en vérifiant qu'elle est nulle sur IR~
(ce qui découle directement de la positivité de la variable) et égale à 1 sur IR+ (ce
qu'on vient d'obtenir sur IR+ et qu'on établit aussi en 0 par continuité à droite de
toute fonction de répartition),
 Exercice 16.2 Loi d'or de Bernoulli et paradoxe du duc de Toscane 505

• soit en montrant que IP( IX' - XI > 0) = 0 (il suffit de faire tendre e; vers 0) de
sorte que IP(X' =X ) = 1.

~1
Puis, en prenant e n vers + oo, on déduit du théorème de
= _.!_ et en faisant tendre
n
la limite monotone que JID(IX' - XI =I= 0) = 0 autrement dit X = X'.
p.s.

3.a. La loi est clairement discrète finie, l'univers image puis les coefficients s'obtiennent
sans difficulté.

Compte tenu de la numérotation des jetons, X.n(O) = {O, n}.

En outre, les jetons sont supposés équiprobables donc
1 n - l
JID(X n = n) = - et JID(X n = 0) = 1 - JID(X n = n) = - - .
n n
De plus, IE(Xn) = 0 X JP>( X n = 0) +n X JP>(X n = n) = 1.
3.b. Par définition de la convergence en probabilité, on s'intéresse aux événements
[IXn - OI > c] qui s'exprime simplement en fonction des deux seuls événements élé-
mentaires [Xn = O] et X n = n ].

X n est positive donc IXn - OI = IX nl = X n et, pour n > € > 0,

1
JID(Xn > e) = JID(X n = n) = -
n
de sorte que lim JP>(IXn - OI > e) =O. Ainsi , (Xn) converge en probabil ité vers la
n-+ + oo
variable aléatoire certaine de va leur O.
3.c. À la lumière des quest ions précédentes, partant d 'une convergence en moyenne ,
il est judicieux d 'utiliser la convergence en probabilité comme intermédiaire.

~1
D 'a près la question 1, si (Xn) convergeait en moyenne vers une variable aléatoire
discrète X , (Xn) convergera it en probabilité vers X.
Or X n ~ 0 donc, d 'après 2.b, X= 0 presque sûrement .
3.d. On commence par déterminer l'unique limite possible de (Xn) pour la conver-
gence en moyenne. Puis, on vérifie qu'elle ne convient pas.
'O
0
r::::
:::J Par l'absurde, supposons que (Xn) converge en moyenne vers une variable aléatoire
0
lfl
discrète X. D 'a près la question précédente, on aurait X = O.
,-1 p.s.
0
N
Or, d 'a près 3.a, IE(IX n - OI) = IE(IXn l) = IE(Xn) = 1 donc (Xn) ne converge pas en
@ moyenne vers O.
....., Finalement, (Xn) ne converge pas en moyenne .
r:
Ol
·;::
>
Cl.
0 Exercice 16.2 : Loi d'or de Bernoulli et paradoxe du duc de Toscane
u
On dispose de trois dés cubiques équilibrés et indiscernables que l'on lance
simultanément et ce à n reprises.
1. Vérifier qu'il y autant de façons d'obtenir le total 9 que 10.
 506 Chapitre 16 Convergence en probabilité et en loi

On note alors Xn (respectivement Yn) le nombre de fois où le total des trois dés
atteint exactement 9 (respectivement 10).
2. Écrire une fonction Scilab d'entête function [X,Y]=Toscane(n) qui simule
l'expérience précédente et retourne le nombre de fois où 9 et 10 ont été obtenus
lors de n lancers des trois dés.
3. L'appel à [X, Y] =Toscane(10800) a donné X=1250 et Y=1343.
Qu'y a-t-il de paradoxal*?
4. Déterminer la loi de Xn et Yn.

5. Que dire de la convergence en probabilité des suites ( ~ Xn) et ( ~ Yn) ?

Lever alors le paradoxe précédent.

1. Il suffit d 'énumérer toutes les possibilités.

~ 9=1 + 2 + 6=1+3+5=1+4 + 4=2+2+5=2 + 3+4=3 + 3 + 3

et
10=1+3+6=1+4+5=2+2+6=2+3+5=2+4+4=3+3 +4
donc il y a effectivement 6 façons d'écrire 9 et 10 comme somme de trois entiers entre
1 et 6 ordonnés dans l'ordre croissant.
2. Si on suit la chronologie des lancers de dé, le plus naturel est d'utiliser une boucle
for pour répéter n fois un lancer des trois dés et compter le nombre de 9 et de 10 au
fur et à mesure.
function [X,Y]=Toscane(n)
X=O; Y=O;
for k=1:n
de1=grand(1, 1, "uin", 1,6);
"O de2=grand (1, 1, "uin", 1, 6) ;
0
r::::
:::J de3=grand(1,1,"uin",1,6);
0
lfl total=de1+de2+de3;
,..-1
0 if total==9 then
N
@ X=X+1;
....., elseif total==10 then
r:
Ol
·;:: Y=Y+1;
>
Cl. end
0
u end
endfunction

*· Ce problème posé par le Grand Duc de Toscane Côme II de Médicis a été résolu par le grand
savant Galilée (1564-1642) qui rédigea sa solution dans le mémoire Sopm le scoperte dei dadi vers
1620 (le t ext e fut publié en 1718 seulement).
 Exercice 16.2 Loi d'or de Bernoulli et paradoxe du duc de Toscane 507

Toutefois, en profitant de la syntaxe « matricielle » de la commande grand, il est plus

compact de lancer chacun des dés n fois, d'enregistrer les résultats dans une matrice.
Le décompte des 9 et 10 se fait alors en sommant les booléens des condit ions total==9
et total==10.

function [X,Y]=Toscane(n)
de1=grand(1,n,"uin",1,6); //n lancers du 1er dé
de2=grand(1,n,"uin",1,6); //n lancers du 2nd dé
de3=grand(1,n,"uin",1,6); //n lancers du 3e dé
total=de1+de2+de3; //total des 3 dés
X=sum(total==9); //nombre d'occurrences du total 9
Y=sum(total==10); //nombre d'occurrences du total 10
endfunction

3. Cela découle de l'observation de la toute première question.

~1
Si on s' en tient aux nombres de façons d'écrire 9 et 10 obtenus à la première question,
il semblerait que les valeurs de X et Y devraient être beaucoup plus proches l'une de
lautre.

4. L'expérience suit clairement un schéma de Bernoulli. Commençons par déterminer

les probabilités de succès.

Les résultats possibles du trio de dés sont équiprobables et au nombre de 63 = 216.

Ceux qui amènent le total de 9 ou de 10 sont ceux indiqués à la première question en
tenant compte de l'ordre d'apparition de valeurs différentes sur les dés: par exemple, la
décomposition 1+2 + 6 s'obtient avec 6 triplets différents (1 , 2, 6), (1, 6, 2), (2, 1, 6),
(2, 6, 1), (6, 1, 2) et (6, 2, 1) ; il en va de même pour les autres décompositions à
l'exception de 3 + 3 + 3 qui ne s'obtient qu 'avec (3, 3, 3) et 1 + 4 + 4 = 2 + 2 + 5,
2 + 2 + 6 = 2 + 4 + 4 = 3 + 3 + 4 où deux dés seulement donnent la même valeur qui
ne s'obtiennent que pour 3 triplets (caractérisés par la position de la valeur des dés
présente une seule fois). Finalement, pour 9, il y a 6 + 6 + 3 + 3 + 6 + 1 = 25 triplets
"O et, pour 10, il y a 6 + 6 + 3 + 6 + 3 + 3 = 27 triplets.
0
r::::
:::J
0 Il ne reste plus qu'à rédiger le modèle d'apparition pour une loi binomiale.
lfl
,.-1
0
N Par ailleurs, l'expérience suit un schéma de Bernoulli : on répète à n reprises et
@ indépendamment la même épreuve de Bernoulli (le lancer des trois dés) dont le succès
.....,
r: 25
Ol
·;::
est l'obtention du total 9 (ce qui arrive, d 'après ce qui précède, avec probabilité )
2 16
>
~ 5 ).
16
Cl.
0 et X n représente le nombre de succès donc X n suit la loi B ( n, Avec le même
u
.
raisonnement,
y;n suit
. 1a 101. b.inom1a
. 1 d '
e e parametres n et
27 1
= 33 = 8.
216 63

5. La combinaison « loi binomiale » et « convergence en probabilité » doit faire im-

médiatement penser à la loi faible des grands nombres.
 508 Chapitre 16 Convergence en probabilité et en loi

Comme Xn '---+ B ( n, ;
5
16
) et Yn '---+ B ( n, ~). d 'après la loi faible des grands

nombres, les suites ( ~X n) et ( ~ Yn) convergent en probabilité vers des variables

25 1
a1eato1res
' . d e 101. certaine
. d e va 1eurs respectives
. et 8.
216
Le lien entre fréquence empirique et probabilité de succès dans un schéma de Bernoulli
est d'ailleurs une justificat ion a posteriori du choix de l'équiprobabilité pour les 216
configurations de 3 dés.

~1
Ces quotients sont conformes aux fréquences empiriques lors de la simulation via la
. . 25 1250 1 1350
fonction Toscane puisque = et S = .
216 10800 10800

Dans tout cet exercice, on suppose que X est une variable aléatoire à densité et
lnXJ
on pose, pour n EN* , Yn = - -.
n
1. Si X Y U[O, 1], déterminer la loi de nYn et montrer que (Yn) converge en loi
vers X.
2. Dans cette question, on suppose que X Y l'(À) avec À> O.
a. Vérifier que nYn + 1 suit une loi connue dont on donnera le nom et le
paramètre.
b. Soit x > 0, prouver que :

IP(Yn ~ X) = 1 - exp (-Àlnx~ + 1) .

c. En déduire que (Yn) converge en loi vers une variable aléatoire dont on
précisera la loi.

1. On procède conformément à la méthode exposée dans l'exercice 15.5 en page 497.

"O
0
r::::
:::J X est à valeurs dans [O, 1[ presque sûrement donc nYn = LnXJ est à valeurs dans
0
lfl
[O, n - 1]presque sûrement. De plus, pour k E [O, n - 1],
,.-1
0 k k+1 1 -(k+l)/n 1
N
IP(nYn = k) = IP(k ~ nX < k+l) = lP ( - ~X < - -) = 1L10,11(t)dt = -
@ n n k/n n
.....,
r: donc nYn suit la loi un iforme sur [O, n - 1].
Ol
·;::
>
Cl. Pour la convergence en loi de (Yn), on étudie la limite de sa fonction de répartition.
0
u

~
En particulier, pour x ER

0 si nx <0 0 Si X< 0

l'(Yn <; x) =l'(nYn <; nx) ={ 1 si nx;;::: n - 1

={ LnxJ
1 si X ;;::: 1 - ..!:_
n
LnxJ sinon sinon
n n
 Exercice 16.3 Discrétisation de variables à densité 11 509

Ainsi, si x < 0, lim IP(Yn ~ x) = 0 et, si x ~ 1. lim IP(Yn ~ x ) = l. Enfin,

n-++oo n-++oo

si x E [O, l [, pour n assez grand, 0 ~ x < 1 - .!.n et, comme nx - 1 < lnxJ ~ nx,
x- .!.n < J.JD(Yn ~ x) ~ x. On conclut alors, par le théorème des gendarmes, que
lim J.JD(Yn ~ x) = x.
n-++oo
Finalement, pour tout x ER lim IP(Yn ~ x) = IP(X ~ x) donc (Yn) converge en
n-++oo
loi vers X.
2.a. Ici encore on reprend le même raisonnement.

Comme X Y E(>.) , P(X ~ 0) = 1 c'est-à-dire X ~ 0 presque sûrement. Puisque

nYn + 1 = lnXJ + 1, on a (nYn + 1) E N* presque sûrement.
De plus, pour k E N*,

J.JD(nYn +1= k) J.JD( lnXJ = k - 1) = J.JD(k - 1 ~ nX < k) = J.JD ( k: l ~X< ~)

(-À~) J - (-Àk : 1
[ 1 - exp [1 - exp ) J
(e- ,\/")k-1(1- e- >-fn).
Ainsi, nYn + 1 suit la loi géométrique de paramètre 1 - e- >-/n.

2.b. La fonction de répartition de Yn sur ~+ s'obtient alors par transformation affine

ou en revenant directement à celle de X.
Compte tenu des variations de la fonction partie entière, on a

[Yn ~ x] = [nYn ~ nx] = [lnXJ ~ nx ] = [nX ~ lnxJ + 1] = [X ~ lnxJ

n +l] .

Ainsi, connaissant la fonction de répartition de X,

IP(Yn ~ x) = 1 - exp (-Àlnx~ + 1

) .

2.c. La limite de la fonction de répartition sur ~+ s'obtient par encadrement puis-

qu'elle fait intervenir une partie entière.
"O

~1
0
r:::: 1
:::J Pour x > 0, on a déjà vu que lim lnxJ = x donc lim - À lnxJ + = - Àx et,
0 n-+ + oo n n-+ +oo n
lfl
,..-1 par continu ité d'exp sur ~. lim J.JD(Yn ~ x) = 1 - e- >-x.
0 n-++oo
N
@ Sur ~- , c'est encore plus facile puisque Yn > O.
.....,
r:

~I En outre, pou r x ~ 0 et pour tout n E N* , IP(Yn ~ x) = 0 donc lim IP(Yn ~ x) = O.

Ol
·;::
> n-++oo
Cl.
0
u La fonction limite obtenue doit alors coïncider (à quelques points près) avec une
fonction de répartition connue.

~I
Finalement, pour tout x E ~ . lim IP(Yn ~ x) = IP(X ~ x) donc (Yn) converge en
n-++oo
loi vers X ou toute autre variable aléatoire de loi exponentielle de paramètre À.
 510 Chapitre 16 Convergence en probabilité et en loi

Exercice 16.4 : Lois binomiales et hypergéométriques

On dit que YN suit la loi hypergéométrique de paramètre (N, n,p) où N et n

sont deux entiers et p un réel de ]O, 1[ tels que N > n > 0 et Np est entier si

'ïfk E ffü,n], IF(YN = k) =

1. Pour quelles valeurs de k dans llO,n] a-t-on IF(YN = k) > O?

n
2. Grâce à une interprétation combinatoire, vérifier que L IF(Y N = k) = 1.
k=O

3. Pour n et p fixés, vérifier que IF(YN = 0) = ÎÎ (i -

k=O l
~ ~)
N
et en déduire

lim IF(YN = 0).

N~+oo

4. Montrer que YN ~ X où X suit une loi binomiale dont on précisera les

N~+oo
paramètres.

1 . On utilise la condition de non-nullité du coefficient binomial ( ~) qu'est 0 ~ k ~ n.

IP'(YN = k) > 0 ssi les coefficients binomiaux (1'?) et (N~l_-:)) sont tous deux

non nuls autrement dit

IP'(YN = k) >0 { 0 ~
0 ~ k ~Np
n- k ~ N(l - p)

{
"O
0 0 ~ k ~Np
r::::
:::J
0 -n ~ - k ~ N(l - p) - n
lfl
,.-1
0
N
@
.....,
r:
{ n ~
O:::; k:::; Np
k ~ n - N(l - p)
Ol
·;:: Finalement, IP'(YN = k) > 0 ssi k E [max(O , n - N(l - p)), min(n, Np) ].
>
(~)
Cl.
0
u 2. Le coefficient binomial est le nombre de façons de choisir k objets parmi n.
IF(YN = k) fait donc intervenir
• au dénominateur, le nombre de façons de choisir n objets parmi N,
• au numérateur, les nombres de façons de choisir k objets parmi Np et n - k objets
parmi N(l - p).
 Exercice 16.4 Lois binomiales et hypergéométriques 511

Il suffit alors de comprendre qu'on choisit n objets parmi N. Ces N objets sont
regroupés en deux parties Np d'un côté et N( l - p) de l'autre. Les n objets choisis
se partagent selon ces deux parties avec k du premier côté et n - k de l'autre.

On imagine disposer d'une urne contenant N boules indiscernables dont une pro-
portion p est blanche (et les aut res boules sont noires) et dans laquelle on pioche
simultanément n boules. YN représente alors le nombre de bou les bla nches dans ce
tirage de n boules.
Ainsi les [YN = k ] pour k E [O, n ] forment un système complet d 'événements et
n
L IP'(YN = k) = l.
k=O

3. Il faut faire apparaître un produit ce qui provient directement des factorielles

« cachées » dans les coefficients binomiaux.

Pour n, p fixés et N entier naturel non nu l (tels que Np et N(l - p) sont entiers et
supérieurs à n),

_ [N(l - p)]! n!(N - n)!

IP'(YN = 0)
- n![N(l - p) - n]! N!

n -1

II [N(l-p)-k] n - 11 - p - ~
= k=O = II n- 1
N =II (
1- v )
k
~T
n- 1
1- - k=O 1-
II[N - k] k=O N
k=O

Pour la limite, l'important est de localiser précisément la dépendance en N. Dans le

produit, il n'apparaît pas dans les bornes mais seulement dans le terme général ce qui
permet de raisonner avec ce dernier uniquement.
"O
0
r::::
:::J
0
lfl
,.-1
Or, pour chaque k E [O, n - l], lim
N-t+oo
(1 - l __
p k ) = 1- p donc, par produ it,
0
N N
@ lim IP'(YN = 0) = (1 - Pt ·
....., N-t+oo
r:
Ol
ï:::
>
4 . Pour des variables à valeurs dans Z comme c'est le cas ici, on peut utiliser le critère
Cl.
0 de convergence en loi basé sur la convergence des coefficients i.e.
u

lim l?(YN = k) = l?(X = k).

N~+oo

Il suffit de généraliser la transformation d'écriture suggérée à la question précédente.

 512 Chapitre 16 Convergence en probabilité et en loi

On considère n et p fixés et soient N E N* et k E [O, n~ tels que Np et N(l - p)

soient entiers et supérieurs à n . On a

[Np]! [N( l - p)]!

k![Np - k]! [n - k]![N( l - p) - n + k]!
N!
n !(N - n)!
k- 1 n - k- 1
II[Np - j ] II [N(l - p) - j ]
= (~) j=û n-~=0
II[N-.i]
j=O

On raisonne alors par équivalence pour obtenir la limite et conclure.

k -1 n - k- 1
Or II [Np - j ]
j =O
,....,
N-+ + oo
[Np]k, II [N( l - p) - j ]
j =O
rv
N-+ + oo
[N( l - p)t et aussi

n- 1

II [N - j]
j=O
,....,
N -++oo
Nn donc , par compatibil ité de l'équiva lence avec le produ it,

Finalement,

Vk E [O, n~ , lim IP'(YN = k) = ( nk) pk(l - pf- k = IP'(X = k)

N-++oo

où X '---+ B(n,p) i.e. YN ~ X.

N -++oo

Exercice 16.5 : Validité des approximations et Scilab

"O 1. a. Expliquer ce que fait la fonction Scilab suivante.

0
r::::
:::J function err=QUivsQUI(nsimul,n,lambda)
0
lfl Sim1=grand(1,nsimul,"bin",n,lambda/n);
,.-1
0
N
Sim2=grand(1,nsimul,"poi",lambda);
@ err=O;
.....,
r: for i=O:n
Ol
ï::: err=max(err,abs(sum(Sim1==i)-sum(Sim2==i))/nsimul);
>-
Cl.
0
end
u endfunction
b. On a reproduit ci-contre le tracé de l'histogramme de
log(QUivsQUI( 100000, 2-i, 10)) en fonction de i E [4, 13] .
En quoi cc résultat était-il prévisible ?
 Exercice 16.5 Validité des approximations et Scilab 513

..Q.6
_,
- 1.b

-2

- 2 .$

-3

..
-3.5

- 4.$
-

-5
-5.5

-6 ---
--
-6.5
_,
10 11 12 13

2. On suppose que Xn ,p Y B(n,p) et Yn ,p Y N(np, npl - p). La comparaison ex-

périmentale (avec 100 000 simulations) des deux variables Xn,p et Yn,p + l ~J
a donné les erreurs suivantes en fonction des paramètres n et p.

~ 0, 1 0,2 0,5 0, 6 0,9

10 0.10596 0.03866 0.00411 0.00898 0.10837

20 0.04782 0.01745 0.00269 0.00689 0.04562
50 0.01972 0.00756 0.00251 0.00338 0.01661
100 0.00931 0.00431 0.00239 0.00307 0.00752

Commenter l'évolution de l'erreur selon les paramètres net p.

3. On suppose que X Y P(>..), Y Y N(>.., >..) et on cherche à comparer les lois
"O

0
0
r::::
:::J
l
de X et Y +~ J.
lfl
,.-1 a. À l'aide de l'inégalité de Bienaymé-Tchebychev, déterminer une valeur
0
N positive de k à partir de laquelle JP>(IX - >..i > k) est inférieure à 10- 2 .
@
....., Faire de même avec IP'(IY - >..i > k) .
r:
Ol
·;:: b. Écrire une fonction d'entête function erreur=POivsNOR(nsimul ,lambda)
>-
Cl. qui simule et compare les lois de X et lY J en retournant un vecteur ligne
0
u des erreurs quadratiques commises

L [11'( X = i) - Il' ( i - ~ a
,\-k~i~,\+k
<i+ Dr
lors de nsimul simulations pour chaque valeur du vecteur ligne lambda.
 514 Chapitre 16 Convergence en probabilité et en loi

1.a. On analyse les lignes une par une.

~ • Les deux premières lignes simulent deux variables aléatoires Xn et Y respective-

ment de 101. B ( n, lambda)
n et P(lambda).

• Les quatre dernières lignes calculent alors, via des fréquences empiriques pou r
nsimul simulations, une valeur approchée de
max llP(Xn = i) - IP(Y = i)I.
O~i~n

1.b. Ce qui saute a ux yeux c'est la décroissance et les valeurs logarithmiques prises
qui sont négatives ce qui correspond à des erreurs petites, de plus en plus petites.

Dans l'histogramme, on prend des va leurs de n=ri de plus en plus grande. Or on

sait que (Xn) converge en loi vers Y lorsque n t end vers + oo i.e.
'Ili E N, lim IP(Xn = i) = IP(Y = i)
Il--7+00

donc le fait que l' écart tende numériquement vers 0 n'est pas une surprise.

On notera qu'à partir de i = 9, on semble être arrivé aux limites de la précision

machine : on ne calcule pas avec assez de décimales après la virgule pour voir l'erreur
continuer à décroître.
2 . On fait les observations suivantes :
• la première et la dernière colonnes sont à peu près identiques;
• sur une même colonne, l'erreur est de plus en plus petite ;
• sur une même ligne, l'erreur est décroissante puis croissante.

~I On remarque que l'erreur est d 'a ut ant plus petite que p est proche de 1/2 et que
est grand.
n

3.a. L'inégalité de Bienaymé-Tchebychev fait intervenir l'espérance et la variance ce

qui tombe bien puisque les deux sont connues. Il reste à comprendre quoi faire avec
V(X) 2 V(X)
majorant - -
2
- pour le rendre inférieur à 10- ce qui est assez direct : - --
2
:::;; 10- 2
é €
"O
0
ssi lOOV(X) :::;; €
2
ssi lOVV(X}:::;; lél.
r::::
:::J
0 Comme X admet pour espérance et variance À, d 'après l' inéga lité de Bienaymé-
lfl Tchebychev,
,..-1
0 À
N \:fg > 0, IP( IX - >.i > ê) ~ 2·
ê
@
.....,
r: A insi, avec k ~ 10../X, on a bien IP( IX - >.i > k) ~ 10- 2 .
Ol
·;:: De même, pu isque IE(Y) =À= V(Y), la même valeur de k convient.
>
Cl.
0 3. b . On s'inspire fortement de la fonction de la question 1 tout en tenant compte
u
• du fait qu'il y a plusieurs valeurs de ).. à ut iliser;
• de la correction de continuité;
• de la troncature proposée à la question précédente pour gérer le fait que les univers
images des deux variables sont infinis ;
• du fait que l'erreur n'est plus un maximum mais une somme de carrés.
 Exercice 16.5 Validité des approximations e t Scilab 515

function erreur=POivsNOR(nsimul,lambda)
erreur=zeros(lambda);
for j=1:length(lambda)
SimX=grand(1,nsimul, "poi", lambda(j));
SimY=grand(1,nsimul,"nor",lambda(j),sqrt(lambda(j)));
SimYcorr=floor(SimY+.5);
k=10*sqrt(lambda(j));
for i=floor(lambda(j)-k) :floor(lambda(j)+k)
erreur(j)=erreur(j)+(sum(SimX==i)-sum(SimYcorr==i))-2;
end
end
er reur=er reur /(nsi mul-2);
endf unction

Là encore, des simulations expérimentales montreraient que l'erreur est d'autant plus
petite que À est grand mais qu'il y a assez vite une saturation due à la précision
machine.

"O
0
r::::
:::J
0
lfl
,.-1
0
N
@
.....,
r:
Ol
·;::
>
Cl.
0
u
 516 Chapitre 16 Convergence en probabilité et en loi

Liste des capacités attendues

• Savoir appliquer, pour les variables discrètes , les inégalités

<:; de Markov (cf question 16.1.1) : si X est positive et admet une espérance,
alors
IE(X)
\/À> 0, JP>(X ;;::: À ) ~ - À- ;

<:; de Bienaymé-Tchebychev (cf question 16.5.3.a) : si X admet une espérance

et une variance, alors

Vê > 0, JP>( IX - IE(X)I;;::: ê) ~V(~)

ê

• Savoir justifier qu'une suite de variables aléatoires converge en proba-

bilité vers une variable aléatoire (cf questions 16.1.1, 16.1.3.b et 16.2.5)

• Savoir utiliser la loi faible des grands nombres pour la loi binomiale
(cf question 16.2.5)

• Savoir justifier qu'une suite de variables aléatoires converge en loi vers

une variable aléatoire
<:; à l'aide de la définition avec les fonctions de répartition (cf questions 16.3.1
et 16.3.2.c);
<:; pour des variables aléatoires à valeurs dans Z (cf question 16.4.4 ).

• Savoir utiliser la convergence en loi de variables de loi binomiale B(n, Pn)

vers une variable de loi de Poisson P(À) dans le cas où lim npn = À
n-++oo
"O (cf question 16.5.1)
0
r::::
:::J
0
lfl
,.-1
• Savoir utiliser le théorème limite central pour la loi binomiale et pour
0
N
la loi de Poisson (cf questions 16.5.2 et 16.5.3)
@
.....,
r:
Ol
ï:::
>
Cl.
0
u
 Index

application linéaire, 237 endomorphisme, 237

associée idempotent, 179
à une matrice (canoniquement), 183 involutif, 178
bijective, 237 ensemble
coordonnée, 169 décrit par compréhension, 93
injective, 237 décrit en extension, 93
surjective, 237 équiprobabilité, 446
argument, 29 espace vectoriel
arrangement, 422 IKn, 114
automorphisme, 237 des applications linéaires, 170
des colonnes (d'une taille donnée), 146
base, 167 des fonctions d'une variable réelle, 133
canonique des matrices (d'une taille donnée), 139
de 1Kn, 200 des polynômes, 129
de IKn[X], 200 des suites réelles, 125
de Mn [X], 208 espérance (mathématique), 483, 502
de Mn,I (IK), 89, 145, 181, 187
factorielle, 27
changement
famille de vecteurs
d ' indice, 28, 308
génératrice, 167
de variable, 376
libre, 167
coefficient, 29
fonction
binomial, 28
indicatrice, 485
constant, 29
injective, 276
"O dominant, 29
0 réciproque, 265
r:::: combinaison, 422
:::J forme linéaire, 169, 237
0 continuité, 301
formule
lfl convergence
,.-1 des accroissements finis, 302
0 absolue, 336, 378
N d'addition, 57, 163
en loi, 516
@ de Bayes, 447
....., en probabilité, 516
r: du binôme de Newton, 27, 91 , 238, 456,
Ol croissance de l'intégration, 376
·;:: 457
>
Cl. degré, 58 du binôme négatif, 479
0 de changement de variable, 376
u densité de probabilité, 502
dérivée, 302 de conditionnement, 446, 460
déterminant, 70, 100 de Cramer, 102
développement limité, 401 de duplication, 57, 347, 348
dimension, 167 d'Euler, 44, 51, 57
dérivabilité, 302 de Grassmann, 160
d'intégration par parties, 376
écart-type, 483 d'inversion de Pascal, 223
 de Kœnig-Huygens, 483 nilpotente, 60
de de Moivre, 57 nulle, 59
du pion, 28 de permutation, 76, 85
des probabilités composées, 446, 462 de transvection, 82
des probabilités totales, 447 méthode
du rang, 237 de l'angle moyen, 30
de Taylor avec reste intégral, 401 d' inversion de Gauss-Jordan, 111
de Taylor-Young, 401, 458 du pivot de Gauss, 86, 105, 107, 111, 112
modèle d'apparition des lois
homothétie, 192 de Bernoulli, 449
hyperplan, 226, 237 binomiales, 451
uniformes, 451
image, 237
module, 29
incompatibilité, 446
moments d'une variable aléatoire, 483
indépendance
d'événements, 446
négation logique, 276
inégalité
noyau, 237
de Bienaymé-Tchebychev, 516
de Markov, 494, 516
opérations élémentaires, 105
de Taylor-Lagrange, 401
ordre
t riangulaire, 376
d' une matrice, 59
intégrale, 337, 378
de multiplicité, 29, 58
intégrande, 337
inverse d'une matrice, 91, 112
partie
inversibilité d'une matrice, 91
entière, 255
isomorphisme, 237
réelle et imaginaire, 29, 53
lemme de Borel-Cantelli, 441 permutation, 76, 422
limite polynôme
de fonctions, 301 annulateur
de suites, 264 d'un endomorphisme, 206
linéarisation, 57, 163 d'une matrice, 87
linéarité d'endomorphisme, 214
d' une application, 237 d'interpolation de Lagrange, 198
de l'intégration, 375 de matrice carrée, 214
de la sommation, 27, 250 positivité de l'intégration, 376
p-liste, 422 primitive, 375
loi principe
de Bernoulli, 449 des croissances comparées, 264, 286, 301
"O du terme constant, 27
0 faible des grands nombres, 516
r::::
:::J d' une variable aléatoire produit
0 cartésien, 422
lfl
à densité, 502
,.-1
discrète, 483 fini, 27
0
N produit matriciel, 91
@ matrice projecteur, 177, 178, 237
.....,
r: associée prolongeabilité par continuité, 301
Ol
·;:: à une application linéaire puissance n° d'une matrice, 91
>
Cl.
(canoniquement), 172, 173, 205
0 à une a pplication linéaire (dans des racine, 29, 58
u
bases), 183, 200, 207, 209 raisonnement
à un système, 93 par l'absurde, 84, 101, 127, 134, 138,
à un vecteur, 182 142- 144, 153, 233, 234, 262, 271, 272,
de dilatation, 84 276, 277, 295
élémentaire, 81, 82 par analyse et synthèse, 37, 152, 157, 171,
d' homothétie, 79 175, 227) 282
identité (ou unité), 59 par contraposition, 87, 101, 161, 174