MATHÉMATIQUES - EML S 2021

Proposition de corrigé par David Meneu

Lycée Champollion - Grenoble, pour

PROBLÈME 1

PARTIE A : Étude de deux suites

On définit les suites (un )n∈N∗ et (vn )n∈N∗ par :
X
n
1 X
n
1
∀n ∈ N∗ , un = − ln(n + 1) et vn = − ln(n).
k=1
k k=1
k

1. a. Soit t ∈]0 ; +∞[ quelconque : la fonction ln est de classe C 1 sur [t ; t + 1], et pour tout x de
1 1 1 1
[t ; t + 1], ln′ (x) = vérifie 6 6 par décroissance de la fonction inverse sur R∗+ .
x t+1 x t
L’inégalité des accroissements finis donne alors :
1 1 1 1
(t + 1 − t) 6 ln(t + 1) − ln(t) 6 (t + 1 − t) ⇐⇒ 6 ln(t + 1) − ln(t) 6 .
t+1 t t+1 t
b. Pour tout n ∈ N∗ :
X
n+1
1 X
n
1 1

un+1 − un = − ln(n + 2) − + ln(n + 1) = − ln(n + 2) − ln(n + 1) > 0,
k=1
k k=1
k n+1

d’après ce qui précède avec t = n + 1. La suite (un )n∈N∗ est donc croissante. De même, pour tout
n ∈ N∗ :
1 1

vn+1 − vn = − ln(n + 1) + ln(n) = − ln(n + 1) − ln(n) 6 0,
n+1 n+1
donc la suite (vn )n∈N∗ est décroissante.
1 1
Enfin : ∀n ∈ N∗ , vn −un = ln(n+1)−ln(n) est compris entre et , donc par encadrement,
n n+1
lim (vn − un ) = 0.
n→+∞
Les suites (un )n∈N∗ et (vn )n∈N∗ sont donc adjacentes : d’après le théorème associé, elles sont donc
convergentes et de même limite notée γ.
2. Au vu de ce qui précède, on peut écrire :
X
n
1

vn = γ + o(1) ⇐⇒ = ln(n) + γ + o(1) = ln(n) + o ln(n) ,
k=1
k

X
n
1
ce qui prouve que ∼ ln(n).
k=1
k n→+∞

1 ©
3. a. Puisque les suites (un )n∈N∗ et (vn )n∈N∗ sont adjacentes de même limite γ, que (un )n∈N∗ est la suite
croissante et (vn )n∈N∗ est la suite décroissante, alors on a bien :

∀n ∈ N∗ , un 6 γ 6 vn .

On a donc, pour tout n ∈ N∗ :

un + vn un + vn un + vn vn − un un + vn un − vn
−un > −γ > −vn ⇐⇒ −un > −γ > −vn ⇐⇒ > −γ > ,
2 2 2 2 2 2
ce qui donne bien, d’après l’équivalence fondamentale : A > X > −A ⇐⇒ |X| 6 A (où
vn − un
A > 0 vaut ici ):
2
u + v  1
∗  n n 
∀n ∈ N ,  − γ  6 (vn − un ).
2 2
un + vn
b. L’inégalité précédente indique que est une valeur approchée de γ à 10−5 près dès que
2
1 1

(vn − un ) = ln(n + 1) − ln(n) est inférieur à 10−5 . Il suffit donc de trouver le premier entier
2 2
n tel que cette dernière inégalité est vraie, puis de calculer la valeur correspondante
un + vn X 1 ln(n) + ln(n + 1)
n
de = − .
2 k=1
k 2

1 function gamma = approx()

2 n = 1
3 while (log(n+1)-log(n))/2 > 1e-5
4 n = n+1
5 end
6 gamma = sum([1:n].^(-1)) - (log(n+1)+log(n))/2
7 endfunction

À l’exécution, le script donne la valeur approchée à 10−5 près : γ ≈ 0.57722.

PARTIE B : Étude d’une fonction définie par une série

1 1
4. Soit x ∈ [0 ; +∞[ : si x = 0, alors − = 0 est bien le terme général d’une série convergente,
k k+x
1 1 x+k−k x 1
et si x > 0, alors − = = ∼ x · 2.
k k+x k(k + x) k(k + x) k→+∞ k
X 1
La série 2
est convergente, comme série de Riemann d’exposant 2 > 1. Comme x > 0, le
k
k>1
1 1 
théorème de comparaison des séries à termes positifs assure que la série − est convergente,
k k+x
et ce pour tout x ∈ [0 ; +∞[.
+∞ 
X 1 1 
On pose alors, pour tout x de [0 ; +∞[ : S(x) = − .
k=1
k k + x
1 1
5. a. Comme on l’a vu : lorsque x = 0, − = 0 pour tout k > 1, donc S(0) = 0.
k k+x
n 
X 1  X1 X1
n n+1
1 1
Pour tout n ∈ N∗ : − = − =1− −−−−→ 1,
k=1
k k + 1 k=1
k j=2
j n + 1 n→+∞

+∞ 
X 1 1 
donc S(1) = − = 1.
k=1
k k+1

2 ©
 b. Pour tout n ∈ N∗ :
n 
X 1  X1 X 2 X X 1 
n n n n
1 1
− = − = 2 −
k=1
k k + 12 k=1
k k=1 2k + 1 k=1
2k k=1 2k + 1

X
n
1
Or : est la somme des inverses de tous les entiers impairs compris entre 3 et 2n + 1 :
k=1
2k + 1
on peut donc l’écrire comme la différence de la somme de tous les inverses des entiers de 2 à
2n + 1, et de la somme de tous les inverses des entiers pairs compris entre 2 et 2n, donc :
n 
X 1  X X 1 X 1 X 1 X 1  X 1
n 2n+1 n n 2n+1 2n+1
1 1
− = 2 − + = 2 − = 2 1 − ,
k=1
k k + 12 k=1
2k k=2
k k=1
2k k=1
k k=2
k k=n+1
k

qu’on peut continer à écrire :

n 
X 1  X X 1X 1
2n n n
1 2 1 [j=n−k] 2 2 2
− 1 = 2− −2 = 2− − = 2− − .
k=1
k k+2 2n + 1 k=n+1
k 2n + 1 j=1 n + j 2n + 1 n k=1 1 + nk

1X 2
n
2
On a bien sûr lim 2 − = 2 − 0 = 2 ; quand au terme : on reconnaît une
n→+∞ 2n + 1 n k=1 1 + nk
2
somme de Riemann de la fonction x 7→ , qui est bien continue sur [0 ; 1].
1+x
Le théorème associé à ces sommes assure alors que :
Z h i1
1X 2
n 1
2
lim k
= dx = 2 ln(1 + x) = 2 ln(2),
n→+∞ n 1+ 0 1+x 0
k=1 n

Pn 1 1 
donc : S 1
= lim − = 2 − 2 ln(2).
2 n→+∞ k=1 k k + 12
6. a. Pour tous réels (x, y) ∈ [0 ; +∞[2 :
+∞ 
X 1  X k + y − (k + x) X
+∞ +∞
1 1 1 1
S(y) − S(x) = − − + = = (y − x) .
k=1
k k+x k k+y k=1
(k + x)(k + y) k=1
(k + x)(k + y)

X
+∞
1
b. La somme est un réel strictement positif (comme somme de réels qui le sont
k=1
(k + x)(k + y)
tous), donc S(y) − S(x) est du même signe que (y − x) : cela démontre bien que la fonction S
est croissante sur [0 ; +∞[.
c. Pour tout x ∈ [0 ; +∞[ et pour tout réel h tel que y = x + h ∈ [0 ; +∞[, on a d’après ce qui
précède :
 S(x + h) − S(x) X+∞  X +∞ X
+∞ 
 1   1 1 
 − 2
 =  − 2

h k=1
(k + x) k=1
(k + x)(k + x + h) k=1
(k + x)

X+∞
(k + x) − (k + x + h) 

= 
k=1
(k + x)2 (k + x + h)

X
+∞
1 X
+∞
1
= |h| · 2
6 |h| · 3
.
k=1
(k + x) (k + x + h) k=1
k

3 ©
 X
+∞
1
Comme lim |h|· 3
= 0, et puisqu’une valeur absolue est toujours positive, alors ce qui précède
h→0
k=1
k
donne, d’après le théorème d’encadrement :
 S(x + h) − S(x) X+∞  S(x + h) − S(x) X
+∞
 1  1
lim  − 2
 = 0 ⇐⇒ lim = ,
h→0 h k=1
(k + x) h→0 h k=1
(k + x)2

ce qui prouve que la fonction S est dérivable sur [0 ; +∞[, et que :

X
+∞
1
′
∀x ∈ [0 ; +∞[, S (x) = .
k=1
(k + x)2

L’énoncé admet que S ′ est également continue sur [0 ; +∞[, donc que S est de classe C 1 sur cet
intervalle.
7. a. Pour tout x de [0 ; +∞[ :
+∞ 
1 
X Xn  
1 1 1 1 1
S(x + 1) − S(x) = − − + = lim −
k=1
k k+x+1 k k+x n→+∞
k=1
k+x k+1+x

X
n
1 X 1 
n+1
1 1 1
= lim − = lim − = .
n→+∞
k=1
k + x j=2 j + x n→+∞ x + 1 n+1+x x+1

b. On rédige proprement mais rapidement la récurrence qui permet alors de montrer que la propriété
Xn
1
P(n) : ”S(n) = ”, est vraie pour tout n ∈ N∗ .
k=1
k
X
1
1
I. Pour n = 1 : on a vu que S(1) = 1, et = 1, donc P(1) est vraie.
k=1
k
H. Supposons P(n) vraie pour un certain n ∈ N∗ , et montrons qu’alors P(n + 1) est encore
vraie.
———————————————————————————————————-
On sait d’après la question précédente, que :
1 H.R. X 1 X
n n+1
1 1
S(n + 1) = S(n) + = + = , donc P(n + 1) est vraie si P(n) l’est.
n+1 k=1
k n + 1 k=1
n + 1
C. La propriété est initialisée et héréditaire : elle est donc vraie pour tout n ∈ N∗ , d’après le
principe de récurence.
c. Il s’agit ici de passer de l’équivalence de suites : S(n) ∼ ln(n) lorsque la variable entière n
n→+∞
tend vers +∞, obtenue à la question 2, à une équivalence de fonctions de la variable réelle, ce
qui n’est pas forcément évident.
Le lien entre les deux peut se faire via la partie entière : pour tout x > 1, on a bxc 6 x < bxc + 1 ;
comme la fonction S est croissante sur R+ , on a donc :
1
∀x > 1, S(bxc) 6 S(x) 6 S(bxc + 1) ⇐⇒ S(bxc) 6 S(x) 6 S(bxc) + ,
bxc + 1
d’après la relation obtenue en 7.a.
S(bxc)
Or on sait d’après 2. que lim = 1, et en divisant tous les membres par ln(bxc) > 0
x→+∞ ln(bxc)
(puisque x > 1), on obtient :
S(bxc) S(x) S(bxc) 1
6 6 +
ln(bxc) ln(bxc) ln(bxc) (bxc + 1) · ln(bxc)

4 ©
 1 S(x)
Comme lim = 0, on en déduit par encadrement que lim = 1, donc
x→+∞ (bxc + 1) · ln(bxc) x→+∞ ln(bxc)
que S(x) ∼ ln(bxc).
x→+∞
Si l’on veut tout écrire proprement, il reste à dire que :
∀x > 1, bxc 6 x < bxc + 1 ⇐⇒ x − 1 < bxc 6 x =⇒ ln(x) < ln(bxc) 6 ln(x) + ln 1 − x1 )
(par stricte croissance de ln sur R∗+ ) pour voir que ln(bxc) ∼ ln(x), et donc en effet :
x→+∞

S(x) ∼ ln(x).
x→+∞

8. a. Pour tout n ∈ N∗ :
Z 1Xn  n Z 1
1 1  X 1 1 
− dx = − dx par linéarité de l’intégrale
0 k=1 k k+x k=1 0
k k+x

X n h
X i1 X 1 X

n n n
1
= · (1 − 0) − ln(k + x) = − ln(k + 1) − ln(k)
k=1
k k=1
0
k=1
k k=1

X
n
1
= − ln(n + 1) + ln(1) = un .
k=1
k

b. On a donc, pour tout n ∈ N∗ :

Z Z  n   Z 1 X
1 
+∞ 
1 1 X 1 1 1 
S(x)dx − un = S(x) − − dx = − dx.
0 0 k=1
k k+x 0 k=n+1 k k+x

Z 1 Z 1 X
+∞
x
Cela s’écrit encore : S(x)dx − un = dx, où : pour tout x de [0 ; 1] et pour
0 0 k=n+1
k(k + x)
x x
tout entier k > n + 1, 0 6 6 2.
k(k + x) k
Le passage à la somme lorsque k varie de n +1 à +∞ est possible car toutes les séries convergent :
on utilise aussi la positivité et la croissance de l’intégrale, puisque les fonctions (de la variable x)
concernées sont continues et positives sur [0 ; 1], avec 0 < 1 ; on obtient ainsi :
Z X  Z  X Z 1
1 X 1
1 +∞ 1 +∞ +∞
x 1
06 dx 6 xdx · 2
, soit : 0 6 S(x)dx − un 6 2
.
k(k + x) k 2 k
0 k=n+1 | {z }
0 k=n+1 0 k=n+1
 x2  1 1
= =
2 0 2

X
+∞
1 X
+∞
1 X 1
n
c. La somme = − est le reste d’ordre n d’une série de Riemann convergente :
k=n+1
k2 k=1
k 2 k=1 k 2
X
+∞
1
par conséquent, lim 2
= 0 et le théorème d’encadrement s’applique à la double inégalité
n→+∞
k=n+1
k
obtenue à la question précédente, ce qui donne :
Z 1  Z 1
lim S(x)dx − un = 0 ⇐⇒ lim un = S(x)dx,
n→+∞ 0 n→+∞ 0
Z 1
Et donc en effet, par unicité de la limite : S(x)dx = γ.
0

5 ©
 PARTIE C : Application en probabilité.

 0 si x < 1
On considère la fonction f définie sur R par : ∀x ∈ R, f (x) = .
1 si x > 1.
x2
9. La fonction f est positive sur ] − ∞ ; 1[ comme fonction nulle, et sur [1 ; +∞[ comme quotient de
deux termes toujours positifs.
La fonction f est continue sur ] − ∞ ; 1[ comme fonction constante, et sur ]1 ; +∞[ comme fonction
puissance (négative),
Z +∞ doncZf est continue sur R sauf (peut-être) en 1.
+∞
1
Enfin : f (t)dt = dt converge comme intégrale de Riemann d’exposant 2 > 1, et
1h t2
1 iA
1
1
vaut : lim − = lim − + 1 = 1. Comme f est nulle sur ] − ∞ ; 1[, on en déduit
Z A→+∞ x 1 A→+∞ A
+∞
que f (t)dt = 1, ce qui achève de démontrer que f est une densité de probabilité.
−∞

Dans toute la suite, on considère une variable aléatoire réelle X à densité, définie sur un espace
probabilisé (Ω, A , P), de densité f .
Z x
10. a. La fonction de répartition FX de X est définie par : ∀x ∈ R, FX (x) = f (t)dt.
−∞

Z x = 0 (f est nulle sur ] − ∞ ; x] ⊂] − ∞ ; 1[), et pour

Il est clair que pour toutZx < 1, FX (x)
1
1 1
tout x > 1 : FX (x) = 0 dt + 2
dt = 1 − 2 , par un calcul semblable à celui qui a été
−∞ 1 t x
fait à la question 9. 
 0 si x < 1
Bilan : ∀x ∈ R, FX (x) =
1 − 1 si x > 1.
x2
Z +∞
b. La variable aléatoire X admet une espérance si et seulement si l’intégrale xf (x)dx, est
−∞
absolument convergente. Comme f est nulle sur − ∞ ; 1[ et positive
Z ]+∞ Z +∞sur [1 ; +∞[, cela revient
1 1
à étudier la convergence simple de l’intégrale x · 2 dx = dx. Cette intégrale de
1 x 1 x
Riemann d’exposant 1 est divergente : on en conclut que la variable aléatoire x n’admet pas
d’espérance.
On définit la variable aléatoire Y par : Y = X − bXc.
11. a. Pour tout réel x de [0 ; 1[ : l’événement [Y 6 x] est réalisé si et seulement si la partie fractionnaire
Y de X, qui est par définition un réel de [0 ; 1[, est plus précisément compris entre 0 et x : cela
signifie que X, qui est à valeurs dans [1 ; +∞[ a priori, appartient plus précisément à un intervalle
du type [k ; k + x], où k qui représente alors la partie entière de X, peut-être n’importe quel entier
de N∗ .
[
+∞
En clair : [Y 6 x] = [k 6 X 6 k + x] ; comme [k ; k + x] ⊂ [k ; k + 1[ pour tout k ∈ N∗ , cette
k=1
union est disjointe, et donc par σ-additivité, et pour tout x de [0 ; 1[ :
+∞ 
X X
X 1
+∞ +∞
1
P(Y 6 x) = P(k 6 X 6 k + x) = FX (k + x) − FX (k) = 1− −1+
k=1 k=1 k=1
k+x k
+∞ 
X 
1 1
= − = S(x)
k=1
k k+x

6 ©
 b. La variable aléatoire Y est, en tant que partie fractionnaire, à valeurs dans [0 ; 1[, donc on conclut
sans calcul supplémentaire que :


 0 si x < 0


∀x ∈ R, FY (x) = P(Y 6 x) = S(x) si 0 6 x < 1



1 si x > 1.

c. La fonction FY est de classe C 1 , donc continue, sur chacun des intervalles ] − ∞ ; 0[ et ]1 ; +∞[
comme fonction constante.
La fonction S est continue car dérivable, sur [0 ; +∞[, donc FY est continue sur ]0 ; 1[ et :
lim+ FY (x) = S(0) = 0 = lim− FY (x), ainsi que lim− FY (x) = S(1) = 1 = lim+ FY (x).
x→0 x→0 x→1 x→1
La fonction FY est donc continue sur R, et de classe C 1 sur R sauf peut-être en 0 et en 1.
On en déduit que Y est une variable à densité, et qu’une densité fY de Y est obtenue par
dérivation de FY , sauf en 0 et en 1 où on choisit des valeurs arbitraires positives, de sorte que :


 0 si x 6 0 ou x > 1

∀x ∈ R, fY (x) = X
+∞
1

 S ′
(x) = si 0 < x < 1.
 (k + x)2
k=1

Z +∞
12. La variable aléatoire Y admet une espérance si et seulement si l’intégrale xfY (x)dx, est abso-
−∞
lument convergente. Comme fY est nulle en-dehors
Z de [0 ; 1] et positive sur ce dernier intervalle, cela
1
revient à étudier la convergence simple de xS ′ (x)dx. La fonction S ′ est continue sur [0 ; 1] donc
0
cette intégrale n’est pas impropre et est bien définie et Y admet une espérance. Pour la calculer, on
peut réaliser une intégration par parties en posant :

u(x) = x −→ u′ (x) = 1
v ′ (x) = S ′ (x) −→ v(x) = S(x)

Les fonctions u et v sont de classe C 1 sur [0 ; 1], donc :

Z 1 h i1 Z 1 Z 1
′
E(Y ) = xS (x)dx = xS(x) − S(x)dx = S(1) − 0 − S(x)dx = 1 − γ,
0 0 0 0

d’après les résultats obtenus précédemment (questions 5.a. et 8.c).

7 ©
 PROBLÈME 2

PARTIE A : Étude d’endomorphismes de polynômes

Pour tout n de N∗ , on définit l’application φn sur Rn [X] par :
1
1
∀P ∈ Rn [X], φn (P ) = XP − 2 (2n − 1)X + 1 (X − 1)P ′ + 2 X(X − 1)2 P ′′ .
n n
∗
1. Soit n ∈ N .
a. Avec P = 1, polynôme constant : P ′ = 0Rn [X] = P ′′ , donc φn (1) = X.
Pour tout i ∈ J1 ; nK :
1
1
φn (X i ) = X i+1 − 2 (2n − 1)X + 1 (X − 1) · iX i−1 + 2 X(X − 1)2 · i(i − 1)X i−2
n n
i(2n − 1) i+1 i(2n − 2) i i i(i − 1) i+1
= X i+1 − 2
X + 2
X + 2 X i−1 + (X − 2X i + X i−1 )
n n n n2
n2 − 2ni + i + i2 − i i+1 2ni − 2i − 2i2 + 2i i i + i2 − i i−1
= X + X + X
n2 n2 n2
n2 − 2ni + i2 i+1 2ni − 2i2 i i2 i−1
= X + X + 2X
n2 n2 n
(n − i) i+1 2i(n − i) i i
2 2
= X + X + 2 X i−1 .
n2 n2 n
b. La dérivation sur Rn [X] étant linéaire, on démontre rapidement que φn est linéaire : pour tous
(P, Q) de (Rn [X])2 et tout réel λ :
1
1
φn (λ · P + Q) = X(λ · P + Q) − 2 (2n − 1)X + 1 (X − 1)(λ · P + Q)′ + 2 X(X − 1)2 (λ · P + Q)′′
n n
1
1

= λ · P + Q − λ · 2 (2n − 1)X + 1 (X − 1)P ′ − 2 (2n − 1)X + 1 (X − 1)Q′
n n
1 1
+ λ · 2 X(X − 1)2 P ′′ + 2 X(X − 1)2 Q′′
n n
 1
1 
= λ · XP − 2 (2n − 1)X + 1 (X − 1)P ′ + 2 X(X − 1)2 P ′′
n n
 1
1 
+ XQ − 2 (2n − 1)X + 1 (X − 1)Q′ + 2 X(X − 1)2 Q′′
n n
= λ · φn (P ) + φn (Q),
donc φ est une application linéaire sur Rn [X]. Les calculs de la question a. montrent aussi que
pour tout i ∈ J0; n−1K, φn (X i ) appartient encore à Rn [X]. Comme φn (X n ) = X n−1 (on remplace
i par n dans la formule général de a.), on peut donc conclure que les images par φn de tous les
éléments de la base canonique (1, X, X 2 , . . . , X n ) de Rn [X], appartient encore à Rn [X].
L’application linéaire φn est donc bien un endomorphisme de Rn [X].
Pour tout n de N∗ , on note An la matrice de φn dans la base canonique Bn de Rn [X] (qui appartient
à Mn+1 (R)).
2. Cas n = 2 :
a. La formule obtenue en 1.a. avec n = 2 donne :
1 1 1
φ2 (X 0 ) = X, φ2 (X 1 ) = X 2 + X 1 + X 0 , φ2 (X 2 ) = 0 + 0 + X = X,
4 2 4
 
0 1/4 0
donc la matrice de l’application φ2 dans la base B2 est bien : A2 = 1 1/2 1.
0 1/4 0

8 ©
b. On cherche ici les valeurs de λ ∈ C tel que A − λ · I3 est non-inversible.
   
−λ 1/4 0 1 1/2 − λ 1
L ↔L2
A2 − λ · I3 =  1 1/2 − λ 1  −−1−−→ −λ 1/4 0 
0 1/4 −λ 0 1/4 −λ
   
1 1/2 − λ 1 1 1/2 − λ 1
L2 ←L2 +λL1 L ↔L3
−− −−−−−→ 0 1/4 + (1/2)λ − λ2 λ  −−2−−→ 0 1/4 −λ
0 1/4 −λ 0 1/4 + (1/2)λ − λ 2
λ
 
1 1/2 − λ 1
L3 ←1/4L3 −(1/4+(1/2)λ−λ )L2
2
−−−−−−−−−−−−−−−−−−→ 0 1/4 −λ  = G2
0 0 Q(λ)



où Q(λ) = 41 λ + λ 14 + 12 λ − λ2 = λ 21 + 12 λ − λ2 .
On vérifie rapidement que les racines du trinôme 21 + 12 λ−λ2 sont − 12 et 1 : 12 + 12 ·1−12 = 1−1 = 0
et 21 − 14 − 14 = 12 − 12 = 0, donc les racines de Q sont − 12 , 0, 1 et ce sont bien, d’après la réduite
de Gauss obtenue, les seules valeurs de λ pour lesquelles A2 − λ · I3 est non-inversible, donc :

Sp(A2 ) = − 12 , 0, 1 .
On calcule ensuite les sous-espaces propres de A2 en résolvant, pour chacune des valeurs propres
de cette matrice, le système : A2 X = λ · X ⇐⇒ (A2 − λ · I3 )X = 03,1 , d’inconnue X ∈ M3,1 (R),
qui est aussi équivalent à G2 X = 03,1 en reprenant la réduite de Gauss de A2 − λ · I3 .
• Pour λ = 0 :
     ( (
1 1/2 1 x 0
x + 21 y + z =0 z = −x
A2 X = 03,1 ⇐⇒ 0 1/4 0 y  = 0 ⇐⇒ ⇐⇒
0 0 0 z 0 y =0 y=0
   
n x  o  1 

Donc : E0 (A2 ) =  0   x ∈ R = Vect  0  .
−x −1
• Pour λ = − 12 :
     (
1 1 1 x 0
x+y+z =0
(A2 + 12 · I3 )X = 03,1 ⇐⇒ 0 1/4 1/2 y  = 0 ⇐⇒ 1
0 0 0 z 0 4
y + 12 z =0
(
y = −2z
⇐⇒
x = −y − z = z
   
n z  o  1 

Donc : E −1 (A2 ) = −2z   z ∈ R = Vect −2 .
2
z 1
• Pour λ = 1 :
     (
1 −1/2 1 x 0
x − 1y + z = 0
(A2 − I3 )X = 03,1 ⇐⇒ 0 1/4 −1 y  = 0 ⇐⇒ 1 2
0 0 0 z 0 4
y−z =0
(
y = 4z
⇐⇒
x = 12 y − z = z
   
n z  o  1 

Donc : E1 (A2 ) = 4z   z ∈ R = Vect 4 .
z 1

9 ©
 c. Le spectre de l’endomorphisme φ2 est celui de sa matrice A2 : Sp(φ2 ) = {− 21 , 0, 1} et les sous-
espaces propres de φ2 sont :


E0 (φ2 ) = Vect(−X 2 +1), E −1 (φ2 ) = Vect(X 2 −2X+1) = Vect (X−1)2 , E1 (φ2 ) = Vect(X 2 +4X+1).
2

3. Pour tout n ∈ N∗ :

1
φn (X − 1)n = X(X − 1)n − 2 (2n − 1)X + 1)(X − 1) · n(X − 1)n−1
n
1
+ 2 X(X − 1)2 · n(n − 1)(X − 1)n−2
n
2n − 1 1 n−1
= X(X − 1)n − X(X − 1)n − (X − 1)n + X(X − 1)n
n n n
1
= − (X − 1)n
n
1
ce qui prouve que (X − 1)n est un vecteur propre de φn associé à la valeur propre − .
n
∗
4. Soit n ∈ N .
a. En reprenant la formule obtenue en 1.a. : pour tout i ∈ J1 ; nK,

i

(n − i)2 2i(n − i) i2 n2 − 2ni + i2 + 2ni − 2i2 + i2
φn (X ) (1) = + + 2 = = 1,
n2 n2 n n2


et pour i = 0, φn (X 0 ) = X donc φn (1) (1) = 1 aussi.


b. Comme φn (X i ) est un polynôme, φn (X i ) (1) est égal à la somme des coefficients de celui-ci, qui
est aussi égal à la somme des éléments de la (i + 1)-ième colonne de la matrice An : elle vaut 1
d’après ce qui précède.
t
c. D’après ce qui précède, la somme des éléments de chaque ligne de la transposée An est égale
1
t  .. 
à 1 : cela implique que 1 est valeur propre de An , de vecteur propre associé  . .
1
Or on sait que An et sa transposée ont les mêmes valeurs propres, donc 1 est valeur propre de
An , et donc de φn .
5. Soit n ∈ N∗ .
a. Pour tout P ∈ Rn [X] :

 1


′
2
(n + 1) φn+1 (X − 1)P = (n + 1) X(X − 1)P −
2
(2n + 1)X + 1 (X − 1) P + (X − 1)P
(n + 1)2
1 ′ ′′


+ X(X − 1) 2
2P + (X − 1)P
(n + 1)2



= (X − 1) (n + 1)2 XP − (2n + 1)X + 1 P − (2n + 1)X + 1 (X − 1)P ′

+ 2X(X − 1)P ′ + X(X − 1)2 P ′′


= (X − 1) n2 XP − P − (2n + 1)X + 1 − 2X (X − 1)P ′ + X(X − 1)2 P ′′


= (X − 1) n2 XP − (2n − 1)X + 1 (X − 1)P ′ + X(X − 1)2 P ′′


= (X − 1) n2 φn (P ) − P .

10 ©
 b. Si P est un vecteur propre de φn associé à une valeur propre λ, alors φn (P ) = λ · P et la relation
précédente se réécrit :


n2 λ − 1
(n + 1)2 φn+1 (X − 1)P = (X − 1)(n2 λ − 1)P ⇐⇒ φn+1 (X − 1)P = · (X − 1)P
(n + 1)2

où puisque P est non nul comme vecteur propre, alors (X − 1)P est également non nul, et est un
n2 λ − 1
vecteur propre de φn+1 pour la valeur propre .
(n + 1)2
n −n + j(j + 1) o
6. a. Montrons par récurrence que la propriété P(n) : ”Sp(φn ) = ; j ∈ J0 ; nK ", est
∗
n2
vraie pour tout n de N .
I. Pour n = 1 : l’application φ1 est un endomorphisme de R1 [X], espace vectoriel de dimension
2, dont on sait d’après 3. et 4.c., que −1 et 1 sont valeurs propres : d’après le théorème spectral,
φ1 ne peut pas avoir d’autre valeur propre et Sp(φ1 ) = {−1 ; 1}.
n −1 + j(j + 1) o  −1 + 0 −1 + 2
Or pour n = 1, ; |j ∈ J0 ; 1K = , = {−1, 1}, donc P(1) est
12 1 1
vraie.
H. Supposons P(n) vraie pour un certain n ∈ N∗ , et montrons qu’alors P(n + 1) est encore
vraie.
———————————————————————————————————

D’après la question 5.b., et au vu de l’hypthèse de récurrence, on sait que pour tout j de J0 ; nK,
−n + j(j + 1)
la valeur propre λ = de φn donne pour φn+1 la valeur propre :
n2
n2 λ − 1 −n + j(j + 1) − 1 −(n + 1) + j(j + 1)
= = .
(n + 1)2 (n + 1)2 (n + 1)2

−(n + 1) + j(j + 1) (n + 1)(−1 + n + 2)

Il reste donc à vérifier que pour j = n + 1, 2
= = 1
(n + 1) (n + 1)2
appartient aussi au spectre de φn+1 : c’est bien le cas d’après la question 4.c.
−(n + 1) + j(j + 1)
Ainsi, les nombres sont, pour tout j ∈ J0 ; n + 1K, tous valeurs propres
(n + 1)2
de φn+1 .
−n + j(j + 1)
Comme la fonction j 7→ est clairement strictement croissante sur N, on a donc
n2
trouvé n + 2 valeurs propres distinctes pour φn+1 , qui est un endomorphisme de Rn+1 [X], espace
de dimension n + 2 : d’après le théorème spectral, φn+1 n’a pas d’autres valeurs propres
n −(n + 1) + j(j + 1) o
et Sp(φn+1 ) = ; j ∈ J0 ; n + 1K , et par conséquent, P(n + 1) est vraie
(n + 1)2
si P(n) l’est.
C. La propriété est initialisée et héréditaire : elle est donc vraie pour tout n de N∗ , d’après le
théorème de récurrence.
b. Pour tout n ∈ N∗ : φn est un endomorphisme de Rn [X] et possède n + 1 = dim Rn [X] va-
leurs propres distinctes : cet endomorphisme vérifie donc le critère suffisant qui assure qu’il est
diagonalisable, et que tous ses sous-espaces propres sont de dimension 1 chacun.
Xn  2
∗ n
7. Soit n ∈ N . On note Πn = X i ∈ Rn [X].
i=0
i
a. Pour tout n de N∗ , d’après 1.a. et par linéarité de φn :
Xn  2
n
φn (Πn ) = φn (X i )
i=0
i

11 ©
 X
n−1
(n!)2  (n − i)2 2i(n − i) i i2 i−1 
=X+
2 · 2
X i+1
+ 2
X + 2X + X n−1
i=1 (i!) (n − i)!
2 n n n

2
2
X
n−1
(n − 1)! X
n−1
(n − 1)!
i+1
=X+
2 X + 2 Xi
i=1 (i!) (n − i − 1)
2
i=1
i!(i − 1)!(n − i)!(n − i − 1)!

2
X
n−1
(n − 1)! i−1 n−1
+
2
2 X + X
i=1 (i − 1)! (n − i)!
n−1 
X 2 n−1 
X   Xn  2
n−1 i+1 n−1 n−1 i n−1
= X +2 X + X i−1
i=0
i i=1
i i − 1 i=1
i − 1
Xn  2 Xn−1    n−1 
X 2
n−1 j n−1 n−1 i n−1
= X +2 X + Xk
j=1
j − 1 i=1
i i − 1 k=0
k
X
n−1   2      2
n−1 n−1 n−1 n−1
= +2 + Xi + Xn + 1
i=1
i−1 i i−1 i
X
n−1     2 X n  2 Xn  2
n−1 n−1 i n n i n n
= + X +X +1= X +X +1= Xi
i=1
i−1 i i=1
i i=0
i
d’après la formule de Pascal ; on a bien démontré que : φ(Πn ) = Πn .
b. Le résultat précédent exprime que Πn , qui est non nul, est vecteur propre de φn pour la valeur
propre 1 : comme le sous-espace propre associé est de dimension 1, on en déduit que :
E1 (φn ) = Vect(Πn ).
8. Soient n ∈ N∗ et P ∈ Rn [X]. On note, pour tout j de J0 ; nK, Rj un vecteur propre de φn associé à
−n + j(j + 1)
la valeur propre λj = .
n2
a. Comme φn est diagonalisable et tous ses sous-espaces propres sont de dimension 1 : on en déduit
que pour tout j de J0 ; nK, Eλj (φn ) = Vect(Rj ), et que (R0 , R1 , . . . , Rn ) est une base de Rn [X]
formée de vecteurs propres pour φn . Ainsi pour tout P ∈ Rn [X], il existe un unique (n + 1)-uplet
X
n
(α0 , α1 , . . . , αn ) ∈ R n+1
tel que : P = αj · Rj .
j=0
X
n X
n
Comme φn est linéaire, on en déduit que : φn (P ) = αj · φn (Rj ) = αj · λj · Rj
j=0 j=0
par définition des Rj ; plus généralement, φkn est aussi linéaire comme composée d’applications
qui le sont, et puisque (par récurrence immédiate), on a φkn (Rj ) = (λj )k · Rj , alors en effet :
X
n X
n
∗
∀k ∈ N , φkn (P ) = αj · φkn (Rj ) = αj · (λj )k · Rj
j=0 j=0

b. Pour tout j de J0 ; n − 1K : 0 6 j(j + 1) 6 n(n − 1) =⇒ −n + j(j + 1) 6 n(n − 2),

1 −n + j(j + 1) n−2
donc −1 6 − 6 2
6 < 1, et la première inégalité est même stricte
n n n
dès que n > 2. On en déduit que pour tout j de J0 ; n − 1K, lim (λj )k = 0, et donc au sens de la
k→+∞
convergence coefficient par coefficient des polynômes définie au début de l’énoncé, on peut dire
X
n−1
que : lim αj · (λj )k · Rj = 0Rn [X] .
n→+∞
j=0
Il reste à voir que λn = 1, donc que Rn est un multiple scalaire de Πn , et que αn ·(λn )k ·Rn = αn ·Rn
s’écrit sous la forme α · Πn , où
α ne dépend pas de k. Avec ces notations, on en déduit bien que
la suite de polynômes φkn (P ) k∈N∗ , converge vers le polynôme α · Πn .

12 ©
 PARTIE B : Étude d’une expérience aléatoire
9. Au vu des conditions de l’expérience : après un échange, on a forcément retiré une boule rouge de
l’urne rouge, et une boule bleue de l’urne bleue, et on les échange. Il y a donc forcément n − 1 boules
rouges dans l’urne rouge après le premier échange, et Z1 est la variable certaine égale à n − 1.
10. Soit k ∈ N. Pour tout i de J0 ; nK : l’événement [Zk+1 = i] est réalisé si et seulement si après (k + 1)
échanges, l’urne rouge contient i boules rouges.
Cela se produit dans trois situations possibles, en fonction de l’état des urnes après les k premiers
échanges et avant le suivant :
• Soit l’urne rouge contenait i − 1 boules rouges après k échanges, et on a récupéré une boule rouge
dans l’urne bleue et une bleue dans l’urne rouge, qu’on échange. On appelle cet événement :
[Zk = i − 1] ∩ RB ∩ BR
• Soit l’urne rouge contenait déjà i boules rouges après k échanges, et à l’échange suivant on a soit
échangé deux boules rouges (prise chacune dans les deux urnes), soit échangé deux boules bleues,

prises chacune dans les deux urnes. On note cet événement [Zk = i] ∩ (RR ∩ RB ) ∪ (BR ∩ BB ) .
• Soit l’urne rouge contenait i + 1 boules rouges après k échanges, et à l’échange suivant on a retiré
une boule rouge de l’urne rouge, qu’on échange avec une boule bleue retirée de l’urne bleue : on
note cet événement [Zk = i + 1] ∩ RR ∩ BB .
Ainsi :


[Zk+1 = i] = [Zk = i − 1] ∩ RB ∩ BR ) ∪ [Zk = i] ∩ (RR ∩ RB ) ∪ (BR ∩ BB )


∪ [Zk = i + 1] ∩ RR ∩ BB
L’unon est disjointe, et par indépendance des choix des boules dans chacune des urnes :
P(Zk+1 = i) = P(Zk = i − 1) × P[Zk =i−1] (RB ) × P[Zk =i−1] (BR )


+ P(Zk = i) × P[Zk =i] (RR ) × P[Zk =i] (RB ) + P[Zk =i] (BR ) × P[Zk =i] (BB )
+ P(Zk = i + 1) × P[Zk =i+1] (RR ) × P[Zk =i+1] (BB )
 i − 1 2 i i  i + 1 2
= 1− P(Zk = i − 1) + 2 1 − P(Zk = i) + P(Zk = i + 1)
n n n n
11. a. Le script suivant simule l’expérience aléatoire étudiée dans cette partie. Remarquons que, comme
l’énoncé le rappelle, la variable R qui correspond au nombre de boules rouges dans l’urne rouge, est
aussi égale de façon symétrique, au nombre de boules bleues dans l’urne bleue. Ainsi, l’événement
[aleaR <= (R/n)] correspond au fait de tirer une boule rouge dans l’urne, et [AleaB <= (R/n)]
correspond au fait de tirer une boule bleue dans l’urne bleue.
1 function Z = simule(n,k)
2 R = n
3 for j = 1:k
4 aleaR = rand()
5 aleaB = rand()
6 if AleaR <= (R/n) & AleaB <= (R/n) then
7 R = R-1
8 elseif AleaR > (R/n) & AleaB > (R/n) then
9 R = R+1
10 end
11 end
12 Z = R
13 endfunction
b. L’estimateur naturel (et sans biais) de l’espérance de Zk , est la moyenne empirique : on construit
un échantillon de 10000 simulations de cette variable aléatoire, dont on calcule ensuite la moyenne,
en en faisant d’abord la somme, puis en divisant par l’effectif.

13 ©
 1 function E = esperance(n,k)
2 S = 0
3 for i=1:10000
4 S = S + simule(n,k)
5 end
6 E = S/10000
7 endfunction
c. On utilise la fonction précédente et on trace l’espérance de Zk en fonction de k pour différentes
valeurs de n. Le graphe obtenu pour n = 10, n = 20 et n = 30 suggère que l’espérance de Zk
n
tend vers lorsque k tend vers +∞.
2
12. On note, pour tout k de N : ∆k = Zk+1 − Zk .
a. La variable aléatoire ∆k prend pour valeur l’évolution du nombre de boules rouges dans l’urne
rouge : comme on l’a vu, l’urne rouge peut soit récupérer une boule rouge, soit en perdre une,
soit garder un nombre stable de boules rouges, donc : ∆k (Ω) = {−1, 0, 1}.
b. On calcule P(∆
k = −1) avec la formule des probabilités totales et le système complet d’événe-
ments [Zk = i] 06i6n :

X
n X
n n  
X i 2
P(∆k = −1) = P[Zk =i] (∆k = −1)·P(Zk = i) = P[Zk =i] (RR ∩BB )·P(Zk = i) = P(Zk = i)
i=0 i=0 i=0
n

et de même :
n 
X X X i 2
n n
P(∆k = 1) = P[Zk =i] (∆k = 1)·P(Zk = i) = P[Zk =i] (BR ∩RB )·P(Zk = i) = 1− P(Zk = i)
i=0 i=0 i=0
n

c. Vu l’univers-image de ∆k , on en déduit :
E(∆k ) = (−1) · P(∆k = −1) + 0 · P(∆k = 0) + 1 · P(∆k = 1) = −P(∆k = −1) + P(∆k = 1)
n  
X X i 2 X  i2 i2 
n n
i 2 i
=− P(Zk = i) + 1− P(Zk = i) = − 2 + 1 − 2 + 2 P(Zk = i)
i=0
n i=0
n i=0
n n n

X
n
2X
n
2
= P(Zk = i) − iP(Zk = i) = 1 − E(Zk ).
i=0
n i=0 n

La linéarité de l’espérance donne aussi : E(∆k ) = E(Zk+1 − Zk ) = E(Zk+1 ) − E(Zk ), donc :

2  2
∀k ∈ N, E(Zk+1 ) − E(Zk ) = 1 − E(Zk ) ⇐⇒ E(Zk+1 ) = 1 − E(Zk ) + 1.
n n


d. La suite E(Zk ) k∈N est arithmético-géométrique. Pour calculer explicitement E(Zk ), on com-
mence par résoudre l’équation d’inconnue ℓ :
2 2 n
ℓ= 1− ℓ + 1 ⇐⇒ ℓ = 1 ⇐⇒ ℓ =
n n 2
Alors, en soustrayant
 membre à membre les deux relations :
2 2
∀k ∈ N, E(Zk+1 ) = 1 − E(Zk ) + 1 et ℓ = 1 − ℓ + 1, on obtient :
n n
 2


∀k ∈ N, E(Zk+1 ) − ℓ = 1 − · E(Zk ) − ℓ , ce qui prouve que la suite E(Zk ) − ℓ k∈N
n
2 n n
est géométrique de raison 1 − , et de premier terme E(Z0 ) − ℓ = n − = . On en déduit :
n 2 2
n  
2 k n  
2 k n
∀k ∈ N, E(Zk ) − ℓ = · 1 − ⇐⇒ E(Zk ) = 1− + .
2 n 2 n 2
14 ©
 2  2 k
Comme clairement, 0 < 1 − < 1, alors lim 1 − = 0 et par opérations sur les limites :
n k→+∞ n
n
lim E(Zk ) = .
k→+∞ 2
Ce résultat confirme ce qui a été conjecturé à la question 11.c., et signifie qu’en moyenne, à force
de faire des échanges, les boules rouges et bleues se retrouveront équitablement réparties entre
les deux urnes.
X n
13. Pour tout k de N, on définit le polynôme Qk de Rn [X] par : Qk = P(Zk = i)X i .
i=0
a. La question 1.a. et la linéarité de φn donnent, pour tout k de N :
X
n
φn (Qk ) = P(Zk = i) · φn (X i )
i=0
n−1 
n − i 2 i+1
nX X 2i(n − i) n
= P(Zk = 0) + X P(Zk = i) + 2
X i P(Zk = i)
i=1
n i=1
n
Xn
i2 i−1
+ 2
X P(Zk = i)
i=1
n
n 
X n − (j − 1) 2 X i i i
n
= X P(Zk = j − 1) + 2
j
1− X P(Zk = i)
j=1
n i=1
n n
X
n−1
(j + 1)2
+ X j P(Zk = j + 1)
j=0
n2
n  
X i − 1 2 i i  i + 1 2
= 1− P(Zk = i − 1) + 2 1 − P(Zk = i) + P(Zk = i + 1) X i .
i=0
n n n n

Le terme pour j = 0 de la premier somme, et celui pour j = n de la dernière somme sont en effet
nuls, donc on peut les y intégrer, ce qui permet de rassembler les trois sommes en une seule où
l’indice varie de 0 à n.
On reconnaît dans le coefficient de degré i obtenu, la formule vue à la question 10., ce qui permet
de conclure :
Xn
∀k ∈ N, φn (Qk ) = P(Zk+1 = i)X i = Qk+1 .
i=0

b. De la relation précédente, on déduit par récurrence immédiate : ∀k ∈ N, Qk = φkn (Q0 ).

Le résultat de la question 8.a. s’applique alors (il ne dépend pas du
polynôme P ), qui assure qu’il
existe un réel α tel que la suite de polynômes (Qk )k∈N = φkn (Q0 ) k∈N , converge vers α · Πn .
14. a) La convergence de la suite de polynômes lim Qk = α · Πn s’entend, par définition, coefficient
k→+∞
par coefficient, ce qui donne bien :
 2
n
∀i ∈ J0 ; nK, lim P(Zk = i) = α .
k→+∞ i

Xm     
a b a+b
b) L’énoncé admettait la formule : ∀(a, b, m) ∈ N , 3
= .
i=0
i m − i m
(Pour la culture, il s’agit de la formule de Vandermonde).
Xn
Puisque Zk est à valeurs dans J0 ; nK, on sait que P(Zk = i) = 1. Cette égalité est conservée
i=0

15 ©
 par passage à la limite quand k tend vers +∞, et donne alors :
Xn  2 Xn     
n n n n+n 1
α = 1 ⇐⇒ α = 1 ⇐⇒ α = 1 ⇐⇒ α =  
i=0
i i=0
i n−i n 2n
n
   
n n
On a utilisé la symétrie des coefficients binomiaux : = , et la formule de Vander-
i n−i
monde admise ci-dessus, avec a, b, m tous les trois égaux à n.
c) Le résultat de la question 14.a. exprime déjà que la suite de variables aléatoires finies (Zk )k∈N ,


n 2
converge en loi vers une variable aléatoire Z telle que : ∀i ∈ J0 ; nK, P(Z = i) = i


2n , et le travail
n
effectué en 14.b. assure que la somme des probabilités de la loi de Z vaut 1.
Comme Z est une variable aléatoire finie, elle admet une espérance qui vaut :
X      
1 X n 1 X n−1
n n n
n n
E(Z) = i · P(Z = i) = 2n
i = 2n
n
i n−i i−1 n−i
i=0 1 n i=1 | {z } n i=1 | {z }
d’après la formule sans nom
 
2n − 1
n−1    n
n X n−1 n n−1 n(2n − 1)!(n!)2 n2 n
= 2n
=   = = = .
n j=0
j n−1−j 2n (n − 1)!n!(2n)! 2n 2
n

On remarque en particulier que E(Z) = lim E(Zk ), ce qu’on aurait pu vérifier directement en
n→+∞
fait, en écrivant :
X
n X
n

Xn
n
E(Z) = i · P(Z = i) = i· lim P(Zk = i) = lim i · P(Zk = i) = lim E(Zk ) = ,
i=0 i=0
k→+∞ k→+∞
i=0
k→+∞ 2

d’après 12.d.
On a donc donné ici deux preuves possible de ce résultat limite, sachant bien sûr qu’une seule
des deux preuves suffit !

FFF FIN DU SUJET FFF

16 ©