Exercice 1
1) a. Pour tout t > 0 :
Donc l'intégrale In est convergente et vaut e1/n
- 1.
b. limn® +¥1/n
= 0 et ex - 1 ~ 0 x, donc
In = e1/n - 1 ~ +¥1/n.
2) Pour n ³1,
un = f(n) est positif, et
La série de terme général 1/n2
est convergente (Riemann), donc la série de terme général
un est convergente.
3) a. Pour tout x > 0,
donc f est décroissante sur [k, k + 1], donc pour tout x Î
[k, k + 1], f(k + 1) £ f(x) £
f(k), donc
b. Pour tout k Î N*,
et la série de terme général f(k) est convergente,
il en est donc de même de la série de terme général
défini par l'intégrale de f sur l'intervalle
On sait (passage à la limite dans les inégalités)
que si un £ vn,
lim(un) = L, lim(vn) = L', alors L £
L'. Nous pouvons donc écrire :
4) On déduit de l'inégalité précédente
:
Puis, en divisant par In qui est positif :
In est équivalent en +¥
à 1/n, donc n2In est équivalent à
n, e1/n / n2In est équivalent à
e1/n / n, donc tend vers 0 quand n tend vers +¥
.
Par encadrement, il en résulte que le quotient Rn/In
tend vers 1 quand n tend vers +¥ , avec
:
C'est dire que Rn est équivalent à In.
Or In est équivalent à 1/n, donc Rn
est équivalent à 1/n.
Exercice 2
1) fn est continue sur R sauf en 1 (et en 0
pour n = 1), positive ou nulle, et
Donc f n est une
densité de probabilité.
2) a. Avec n = 1, f1(x) = 1 si x Î
[0, 1], 0 sinon. On reconnaît la loi uniforme sur [0, 1].
b. Cas n ³ 2.
Fonction de répartition : Xn est à valeurs
dans [0, 1], donc Fn(x) = 0 si x £
0, Fn(x) = 1 si x ³ 1. Pour
0 £ x £
1 :
En résumé :
Espérance :
Variance :
3) a. Pour tout réel x, (Mn £
x) = (Un £ x) Ç
(Vn £ x).
b. Pour tout réel x, P(Mn £
x) = P(Un £ x) P(Vn
£ x) par indépendance de Un
et Vn. Donc, pour tout réel x, Gn(x) = [Fn(x)]2,
soit
Mn suit donc la loi monôme d'ordre 2n, elle a pour
densité f2n, pour espérance E(Mn) =
2n / (2n + 1)
c. On prend deux nombres au hasard, la somme du plus grand et
du plus petit de ces deux nombres est clairement égale à
la somme des deux nombres. En d'autres termes :
Mn + Tn = Un + Vn
Donc Tn = Un + Vn -
Mn, donc (linéarité de l'espérance) E(Tn)
= 2n / (n + 1) - 2n / (2n + 1).
Exercice 3
Un sujet largement inspiré (c'est le moins qu'on puisse dire)
d'un exercice donné à l'isc-eslsca 93 option éco...
1) Si x > 0, alors ex -
1 > 0. Si x < 0, alors ex - 1
< 0. Dans les deux cas, le quotient est positif, et donc
2) Sur R* : (ex -
1) / x est continue et positive sur R*, ln est continue sur
]0, +¥ [, donc la composée f est
continue sur R*.
En 0 : limx® 0 (ex
- 1) / x = 1, limx®
1 ln(x) = 0, donc limx® 0 f(x)
= 0 = f(0), donc f est continue en 0.
Donc f est continue sur R.
3) Assez curieusement, on parle de continuité sur un
ensemble qui n'est pas nécessairement un intervalle, alors que l'on
s'astreint à parler de C1-continuité uniquement
sur un intervalle (d'où l'expression " montrer que f
est de classe C 1 sur ] –
¥, 0 [ et sur ]
0, + ¥["
). Cela n'a pas lieu d'être, la C1-continuité comme
la continuité étant des notions locales (vérifiées
ou non en un point). Nous parlerons donc de C1-continuité
sur R*.
(ex - 1) / x est de classe C1
et positive sur R*, ln est de classe C1 sur ]0,
+¥ [, donc la composée f est de classe
C1 sur R*. Pour x appartenant à R*, on
a :
4) a. Le recours aux développements limité est
obligatoire. e désigne une fonction quelconque
de limite nulle en 0.
Le DL de ex en 0 à l'ordre 2 est : ex
= 1 + x + x2/2 + x2e(x).
En remplaçant ex par son DL dans l'expression de f '(x),
on trouve :
b. Théorème de prolongement des fonctions de classe
C1 : f est continue sur R, de classe C1 sur
R*, f ' admet une limite finie en 0, égale à 1/2 ;
donc f est de classe C1 sur R, et f '(0) = 1/2.
5) a. g(x) = x ex – ex
+ 1 ; g'(x) = ex + xex -
ex = xex est du signe de ex. Donc g est
strictement décroissante sur ]-¥
, 0], strictement croissante sur [0, +¥
[.
b. g(0) = 0, il résulte alors du a) que g est positive
sur R*. Or, pour x différent de 0 :
Le dénominateur et le numérateur sont positifs, f ' est
donc positive sur R*, et aussi en 0. f est donc strictement croissante
sur R.
Pour les limites :
u0 > 0, un +1 = f
(un).
6) On montre : " nÎ
N , un > 0 par récurrence
: u0 > 0 par hypothèse, et si un > 0 pour
n fixé dans N, alors un+1 = f(un) >
f(0) = 0 (car f est strictement croissante). La conclusion en résulte.
7) a.
Donc f (x) – x = f (–
x).
b. Pour tout x de R*+, f (x)
– x est du signe de f(- x). Or si x > 0, alors
- x est négatif, et donc f(-
x) aussi ( si - x < 0, alors f(-
x) < f(0) = 0 ; bref, pour tout x réel, f(x) est du signe de
x.)
Par conséquent, si x > 0, alors f(x) -
x < 0.
c. Pour tout x > 0, f(x) - x <
0 ; Pour tout n, un > 0 ; donc pour tout n, f(un)
- un < 0, un+1 -
un < 0 : la suite (un) est (strictement) décroissante.
8) (un) est décroissante et minorée
par 0, elle est donc décroissante. Sa limite L vérifie L
= f(L) car f est continue sur R. Or L = f(L) ssi f(L) -
L = 0 ssi f(- L) = 0 ssi -
L = 0 (d'après le signe de f) ssi L = 0. La suite (un)
converge donc vers 0.
9)
program edhec03 ;
var u : real ; n : integer ;
BEGIN
u : = 1 ; n : = 0 ;
repeat n : = n + 1 ; u : = ln(exp(u) - 1)/u)
; until u < 1.e- 3 ;
write(n) ;
END.
Problème
Les concepteurs de l'edhec semblent tenir fortement aux chaînes
de Markov. Cela fournit des problèmes sans difficultés majeures,
mais bien fastidieux et répétitifs...
1) a. Avec le s.c.e fortement suggéré par l'énoncé
:
P(En+1) = P(En+1/En)P(En)
+ P(En+1/Fn)P(Fn) + P(En+1/Gn)P(Gn)
+ P(En+1/Hn)P(Hn)
P(En+1/En) = 2/3 car, si En est réalisé,
alors on a gagné les parties n - 1 et
n, et En+1 est réalisé ssi on gagne la partie
n + 1. De même P(En+1/Fn) = 1/2. Les autres
probabilités conditionnelles sont nulles. On a donc, pour tout n
appartenant à N* :
b. Aucune explication n'est exigée, on louche sur la
matrice de transition qui suit pour écrire :
c. OK ! (Pour justifier, partez de MUn pour arriver
à Un+1.)
2) a. P´ Q = 10 I , donc P´
(1/10)Q = I, donc P est inversible et P-1
= (1/10) Q.
b. On esquisse les calculs afin de vérifier qu'il n'y
a pas de piège :
On en déduit que - 1/3, 1/6, 1/2,
1 sont les valeurs propres de M, avec pour vecteurs propres respectivement
C1, C2, C3, C4 (les
valeurs propres de M car chacun sait qu'une matrice carrée d'ordre
4 admet au plus 4 valeurs propres).
c. P est inversible, donc (C1, C2, C3,
C4) est une base de M3,1(R). Cette base est
constituée de vecteurs propres de M, donc M est diagonalisable,
et la théorie du changement de base fournit M = PDP-1,
avec D = diag(- 1/3, 1/6, 1/2, 1)
3) a. Pour n = 0, PD0P-1
= I = M0, et si pour n fixé dans N on a Mn
= PDnP-1, alors :
Mn+1 = MnM = PDnP-1PDP-1
= PDn+1P-1, d'où
la conclusion.
b. Pour n = 2, M2- 2U2
= U2, et si pour n fixé supérieur ou égal
à 2, on a Un = Mn -2U2,
alors :
Un+1 = MUn = MMn-
2U2 = Mn+1- 2U2,
d'où la conclusion.
c. Mn = PDnP-1
fournit, en mettant des x à la place des calculs inutiles :
Le joueur a gagné les deux premières parties, donc U2
est la matrice-colonne dont tous les éléments sont nuls,
sauf le premier qui est égal à 1.
Un = Mn- 2U2
est donc la première colonne de Mn-
2, dont les éléments sont, dans l'ordre, P(En)
etc.
d. -1/3, 1/6, 1/2 appartiennent à
l'intervalle ouvert ]- 1, 1[, leurs puissances
(n-2)-ème tendent vers 0 quand n tend vers +¥
, ne subsistent donc que 3/10 etc.
4) a. " k ³
2, Ak = Ek È Fk.
b. Pour tout k ³ 2, Xk
est une variable de Bernoulli, de paramètre
P(Xk = 1) = P(Ek) + P(Fk) = (1/10)
[(- 1/3)n- 2
- 2(1/2)n- 2
+ 6]
car Ek et Fk sont incompatibles.
5) a. P(S2 = 2) = 1 car le joueur a gagné
les deux premières parties.
P(S3 = 2) = 1/3 car S3 = 2 ssi le joueur perd
la troisième partie.
Pour n ³ 4, on utilise la généralisation
de la formule des probabilités composées :
(On a gagné les deux premières parties, la probabilité
de perdre la troisième est donc 1/3 ;
on a gagné la deuxième et perdu la troisième,
la probabilité de perdre la quatrième partie est donc 1/2
;
ensuite on perd deux parties consécutives, la probabilité
de perdre la suivante est donc 2/3 ;
Le produit comporte n - 3 + 1 = n -
2 facteurs, dont deux sont différents de 2/3, il y a donc n -
4 facteurs égaux à 2/3.)
b. P(Sn = n) = P(A3 Ç
A4 Ç ... Ç
An) = P(A3) P(A4/A3) ... P(An
/ A3 Ç ... Ç
An- 1) = (2/3)n-
2
c. Sn = X1 + ... + Xn. Par
linéarité de l'espérance, E(Sn) = E(X1)
+ ... + E(Xn). Les Xk sont des variables de Bernoulli,
de paramètre P(Xk = 1) = (1/10) [(-
1/3)n- 2 -
2(1/2)n- 2 + 6]. On a donc
E(Sn) = n(1/10) [(- 1/3)n-
2 - 2(1/2)n-
2 + 6].