Ressource déposée par mesrevisions le 03/05/2017

sur le site [Link]

Fichier extrait du document

Ecricome 2017 (E/S/T) - Sujets et corrigés

Informations générales Les fichiers du document 1617

Type : Concours, Sujets Corrigé E Ecricome - [Link], Lycée le

Classe(s) : CPGE ECE 2, CPGE ECS 2, CPGE Dantec
ECT 2 corrigé T Ecricome
Autre corrigé S Ecricome
Matières : Mathématiques
Corrigé S - lycée La Bruyère
Mots clés : concours écricome, math corrigé sujet Ecricome S 2017
sujet Ecricome E 2017
sujet Ecricome T 2017

Le contributeur mesrevisions précise : Des propositions de corrigé sont en ligne pour

les épreuves E, S et T.

Derniers docs de CPGE ECE 2

C Sujet corrigé EDHEC 2015, voie E en Math
C Ecricome 2017 (E/S/T) - Sujets et corrigés
C Math 1 Edhec 2017, sujets et corrigés E et S
C math 1 - EML 2017, sujets et corrigés
C Math 1 HEC 2017, sujets et corrigés E et S
? Correction intégrale ECRICOME 2017 Exercice 1
C ECRICOME 2016 ECE
C EML 2015 et correction, Mathématiques, option E

Lien vers le Doc 1617 [Link]

Sujets et corrections des épreuves de concours post-bac

[Link]
Powered by TCPDF ([Link])
 - ECRICOME 2017 - Voie T - Corrigé -

Exercice 1
Partie I : calcul matriciel

On considère les matrices suivantes :

     
1 2 0 1 1 2 1 1 1
M = 1 3 1 , P = 2 0 1 , Q= 9 −9 3 .
3 0 4 3 −1 −3 −2 4 −2

1. Calculer P Q.
En déduire que P est inversible et préciser la matrice P −1 .

1
P Q = 6I donc P est inversible et P −1 = Q.
      6
1 1 2
2. Montrer que 2,  0 ,  1  sont trois vecteurs propres de M , et préciser à quelles valeurs propres
3 −1 −3
ils sont associés.
        
1 2 0 1 5 1 1
1 3 1 2 = 10 = 5 2 donc 2 est un vecteur propre de M associé à la valeur propre 5.
3 0 4 3 15 3 3
      
1 2 0 1 1 1
1 3 1  0  =  0  donc  0  est un vecteur propre de M associé à la valeur propre 1.
3 0 4 −1 −1 −1
        
1 2 0 2 4 2 2
1 3 1  1  =  2  = 2  1  donc  1  est un vecteur propre associé à la valeur propre 2.
3 0 4 −3 −6 −3 −3
1
3. En déduire une matrice diagonale D (à préciser) telle que M = P DQ.
6
La matrice M est de dimensions 3 × 3 et possède 3 valeurs propres distinctes donc elle
 est diagonalisable.

5 0 0
Les colonnes de la matrice P sont les vecteurs propres de M , donc P −1 AP = D = 0 1 0
  0 0 2
1 1
donc D = P AP −1 = P A Q = P AQ
6 6
4. Établir que pour tout entier naturel n, on a :
1
Mn = P Dn Q
6
.
Initialisation. Pour n = 0,
1 1 1
M 0 = I d’une part, et P D0 Q = P IQ = P Q = I d’autre part, donc la propriété est vraie pour n = 0.
6 6 6
1
Hérédité. Pour tout n ≥ 0, supposons que M n = P Dn Q.
6
1 1 1 1 1 1 1
Alors M n+1 = M × M n = P DQ × P Dn Q = × P D(QP )Dn Q = × P D(6I)Dn Q = P DDn Q =
6 6 6 6 6 6 6
1 n+1
PD Q
6
1
Conclusion. D’après le principe de récurrence, la propriété M n = P Dn Q est vraie pour tout n ≥ 0.
6
 5. Justifier que la première colonne de la matrice M n est :
 n
5 − 2n+2 + 9

1
2(5n − 2n )  .
6
3(5n + 2n+1 ) − 9
 
1
La première colonne de la matrice M n est le résultat de M n 0.
0
 n 
5 0 0
Par ailleurs, Dn =  0 1 0 
0 0 2n
 n 
5n + 9 − 2n+2
       
1 1 1 5
1 1 1 1
donc M n 0 = P Dn Q 0 = P Dn  9  = P  9  =  2 × 5n − 2n+1 
6 6 6 n+1 6 n n+1
0 0 −2 −2 3×5 −9+3×2

Partie II : étude de l’entraînement d’un athlète au triathlon

Les trois sports du triathlon sont : la natation, le cyclisme et la course à pied.

Un athlète décide de pratiquer un sport par jour pour s’entraîner au triathlon. Il commence son entraînement
par la natation, au jour 0.
Son entraînement obéit ensuite aux règles suivantes (valables pour tout entier naturel n) :

— si l’athlète a pratiqué la natation le jour n, alors il pratiquera au jour n + 1 :

— la natation avec probabilité 1/5
— le cyclisme avec probabilité 1/5
— la course à pied avec probabilité 3/5
— si l’athlète a pratiqué le cyclisme le jour n, alors il pratiquera au jour n + 1 :
— la natation avec probabilité 2/5
— le cyclisme avec probabilité 3/5
— si l’athlète a pratiqué la course à pied le jour n, alors il pratiquera au jour n + 1 :
— le cyclisme avec probabilité 1/5
— la course à pied avec probabilité 4/5
Pour tout entier naturel n, on désigne par :
— An l’évènement « l’athlète s’entraîne à la natation le jour n » et par an la probabilité de An .
— Bn l’évènement « l’athlète s’entraîne au cyclisme le jour n » et par bn la probabilité de Bn .
— Cn l’évènement « l’athlète s’entraîne à la course à pied le jour n » et par cn la probabilité de Cn .
1. Que valent a0 , b0 , c0 , a1 , b1 , c1 ?

1 3
a0 = 1 et b0 = c0 = 0, b1 = b2 = et b3 = .
5 5
2. À l’aide de la formule des probabilités totales, montrer que pour tout entier naturel n on a :
1 2
an+1 = an + bn .
5 5
Exprimer de même les probabilités bn+1 et cn+1 en fonction des probabilités an , bn et cn .

Pour tout n ≥ 0, les évènements An , Bn et Cn forment un système complet d’évènements.

Donc an+1 = P (An+1 ) = P (An+1 ∩ An ) + P (An+1 ∩ Bn ) + P (An+1 ∩ Cn ) = PAn (An+1 )P (An ) +
1 2 1 2
PBn (An+1 )P (Bn ) + PCn (An+1 )P (Cn ) = P (An ) + P (Bn ) = an + bn .
5 5 5 5
1 3 1 3 4
De même, bn+1 = an + bn + cn et cn+1 = an + cn .
5 5 5 5 5
3. Déterminer alors la matrice A telle que, pour tout entier naturel n :
   
an+1 an
 bn+1  = A  bn 
cn+1 cn
 et exprimer A en fonction de la matrice M de la partie I.
1 2 
 
5 5 0    
an+1  1 3 1  an 1 2 0
Ainsi,  bn+1  =    bn , donc A = 1 1 3
1
1 = M
5 5 5 5 5
cn+1 3 4 cn 3 0 4
5 0 5
4. Établir que pour tout entier naturel n :
   
an 1
 bn  = 1 n 
M 0
5n
cn 0

Initialisation. Pour n = 0,
       
a0 1 1 1
 b0  = 0 d’une part, et 1 0 
M 0 = 0 d’autre part,
50
c0 0 0 0
donc la propriété est vraie pour n = 0.    
an 1
1
Hérédité. Pour tout n ≥ 0, on suppose que  bn  = n M n 0
5
cn 0
       
an+1 an 1 1
1 1 1
Alors  bn+1  = A  bn  = M × n M n 0 = n+1 M n+1 0
5 5 5
cn+1 cn 0 0
Conclusion. D’après le principe de récurrence, la propriété est vraie pour tout n ≥ 0.
5. En déduire alors l’expression de an , bn et cn en fonction de n pour tout entier naturel n.
  n 
1 1 n n+2 1 2 9
Donc an = n × (5 + 9 − 2 )= 1−4× + n ,
5 6  6  n 5 5
1 1
1 2
bn = n × 2 × 5n − 2n+1 = 2−2× ,
5 6 6  5  n 
1 1
1 9 2
cn = n × 3 × 5n − 9 + 3 × 2n+1 = 3− n +6×
5 6 6 5 5
6. Déterminer les limites des suites (an ), (bn ) et (cn ).

1 2 3
On en déduit que lim an = , lim bn = et lim cn = .
6 6 6

Exercice 2
Partie I : tirages dans une urne

Une urne Ucontient 1 boule noire et 3 boules blanches indiscernables au toucher.

1. On procède à 400 tirages successifs avec remise d’une boule dans U. On appelle X la variable aléatoire
égale au nombre de fois où la boule noire a été piochée.
(a) Quelle est la loi de X ?
On précisera X(Ω) et P (X = k) pour tout k ∈ X(Ω).

1
X suit une loi binomiale de paramètres 400 et .
4

1 3 400−k
 
400
X(Ω) = J0; 400K et P (X = k) = k pour tout k ∈ X(Ω)
4k 4
(b) Donner la valeur de l’espérance de X notée E(X) et vérifier que la variance de X, notée V (X) est
égale à 75.

1 3
E(X) = 400 × = 100 et V (X) = 100 × = 75.
4 4
2. On procède cette fois-ci dans U à une suite de tirages avec remise d’une boule jusqu’à obtenir la boule
noire. On appelle Y la variable aléatoire égale au nombre de tirages effectués.
 (a) Quelle est la loi de Y ?
On précisera Y (Ω) et P (Y = k) pour tout k ∈ Y (ω).

1
Y suit une loi géométrique de paramètre .
 k−1 4
∗ 3 1
Y (Ω) = N et P (Y = k) = × pour tout k ∈ Y (ω)
4 4
(b) Donner la valeur de E(Y ) et vérifier que V (Y ) = 12.
3
1 4 3
E(Y ) = 1 = 4 et V (Y ) = = × 42 = 12.
1 2 4


4 4
3. Cette fois-ci, on pioche dans l’urne U successivement et sans remise les quatre boules. On note Z le numéro
du tirage auquel est apparue la boule noire.
(a) Quelle est la loi de Z ?
On précisera Z(Ω) et P (Z = k) pour tout k ∈ Z(ω).

Z suit une loi uniforme sur J1; nK = J1; 4K

1
Z(Ω) = J1; 4K et P (Z = k) = pour tout k ∈ Z(ω)
4
(b) Donner les valeurs de E(Z) et de V (Z).

n+1 5 n2 − 1 15 5
E(Z) = = et V (Z) = = =
2 2 12 12 4
Partie II : tirages dans une urne choisie au hasard
L’urne U contient toujours 1 boule noire et 3 boules blanches indiscernables au toucher. L’urne V contient 2
boules noires et 2 boules blanches indiscernables au toucher.
On lance une pièce équilibrée. Si elle retombe sur le côté Pile, on tire deux boules successivement et avec remise
dans U, et si on obtient Face, on tire deux boules successivement et avec remise dans V.
On note T la variable aléatoire égale au nombre de fois où l’on a pioché une boule noire.
1. Que vaut T (Ω) ?

T (Ω) = {0; 1; 2}
7
2. Donner la loi de T . On vérifiera que P (T = 1) = .
16
proba T

1 1
4 N 2
32
1 N
4 3
3 B 1
4 32
U
1 3
1 4 N 1
2 3 32
4 B
9
3 B 0
4 32
1 4
2 N 2
32
1 N
1 2 4
2 1 B 1
2 32
V
1 4
2 N 1
1 32
2 B
4
1 B 0
2 32
ti 0 1 2
L’arbre nous permet d’établir la loi de Z : 13 14 5
P (T = ti )
32 32 32
 3. Calculer E(T ). La variable aléatoire T suit-elle une loi binomiale ?

13 14 5 24 3
E(T ) = 0 × +1× +2× = =
32 32 32 32 4
Si Trsuivait une loi binomiale de paramètres n et p, on aurait n = 2 et P (T = 2) = p2 , c’est-à-dire
5
p= .
32 r √
5 5 3
On aurait alors E(T ) = np = 2 = √ , qui n’est pas égal à .
32 2 2 4
Donc T ne suit pas une loi binomiale.
4. Sachant que l’évènement [T = 1] est réalisé, est-il plus probable d’avoir obtenu Pile ou d’avoir obtenu
Face avec la pièce ?
6
P ([T = 1] ∩ U) 6 3
P[T =1] (U) = = 32
14 = = ,
P [T = 1] 32
14 7
8
P ([T = 1] ∩ V) 8 4
tandis que P[T =1] (V) = = 32
14 = = ,
P [T = 1] 32
14 7
donc sachant que [T = 1], il est plus probable d’avoir obtenu face, c’est-à-dire d’avoir pioché dans l’urne
V.
5. On rappelle qu’en langage Scilab l’instruction grand(1,1,"uin",n1,n2) renvoie un entier au hasard et
uniformément compris entre n1 et n2. Compléter, sur votre copie, le programme Scilab suivant afin qu’il
affiche une simulation de la variable aléatoire T .

T = 0
if grand(1,1,"uin",1,2) == 1 then
for k = 1 : 2
if grand(1,1,"uin",1,4)<2 then
T = T+1
end
end
else
for k = 1 : 2
if grand(1,1,"uin",1,2)<2 then
T = T+1
end
end
end
disp(T,"Une simulation de T donne :")

Exercice 3
Partie I : étude d’une fonction

Soit f la fonction définie par :

4 ln x
f (x) = .
x3
1. Déterminer l’ensemble de définition de la fonction f .

f (x) n’est défini que pour x > 0, donc l’ensemble de définition de la fonction f est ]0; +∞[.
2. Résoudre l’inégalité f (x) ≥ 0 d’inconnue x > 0.

f (x) est donc du signe de ln x, donc l’inéquation f (x) ≥ 0 a pour solutions tous les nombres de l’intervalle
[1; +∞[.
3. Calculer lim f (x) et lim f (x). Interpréter graphiquement les résultats.
x→0 x→+∞

Limite en 0 :
4
f (x) = 3 × ln x
x
4
lim 3 = +∞ et lim ln x = −∞, donc lim f (x) = −∞ par opération sur les limites.
x
Donc la courbe de f admet une asymptote verticale d’équation x = 0.

Limite en +∞ :
4
lim 3 = 0 et lim ln x = +∞, il s’agit d’une forme indéterminée.
x
D’après le théorème de croissance comparée, la fonction puissance impose sa limite donc lim f (x) = 0.
Donc la courbe de f admet une asymptote horizontale d’équation y = 0.
4. Étudier les variations de f et préciser les extrema de f .
4
× x3 − 3x2 × 4 ln x 4x2 − 12x2 ln x 4x2 (1 − 3 ln x) 1 − 3 ln x
f 0 (x) = x
6
= 6
= =4 .
x x x2 × x4 x4
Donc f 0 (x) est du signe de 1 − 3 ln x, puisque x4 > 0.
1 1
Or 1 − 3 ln x ≥ 0 ⇔ 1 ≥ 3 ln x ⇔ ≥ ln x ⇔ e 3 ≥ x.
3 1
x 0 e3 +∞
4
Le tableau de variation de f est ainsi : 3e
f (x) % &
−∞ 0
 1

 1  4 ln e 3 4
4
3
En effet, f e 3 =  3 = = .
1 e 3e
e3
5. Déterminer une équation de la tangente à la courbe représentative Cf de f au point d’abscisse 1.

f (1) = 0 et f 0 (1) = 4 donc l’équation de la tangente à la courbe représentative Cf de f au point d’abscisse

1 est y = 4(x − 1).
6. Tracer dans un repère orthonormé la tangente à Cf au point d’abscisse 1, ainsi que la courbe Cf .
1 4
On prendra : e 3 ≈ 1, 4 et ≈ 0, 5.
3e

Partie II : étude d’une variable aléatoire à densité

1. Pour tout réel A supérieur ou égal à 1 :

Z A  A Z A Z A
1 1 1 1 2 1
4 × 3 × ln(x)dx = −4 × 2 ln x − −4 2 × dx = − 2 ln A − −2 × 3 dx
1 x 2x 1 2x x A 1 x
 A  1 
2 1 2 1 1 2 ln(A)
= − 2 ln A − 2 = − 2 ln A − −1 =1− 2 −
A x 1 A A2 A A2
2. Soit h la fonction définie sur R par :

f (x) si x ≥ 1
∀x ∈ R, h(x) =
0 si x < 1

Montrer que h est une densité de probabilité.

 h est positive (question I.2) et continue par morceaux, montrons que son intégrale vaut 1.
Z 1
De toute évidence, h(x)dx converge et vaut 0.
−∞
Z A
1 2 ln(A)
Pour tout A > 1, d’après la question précédente, h(x)dx = 1 − 2 −
1 A A2
1
lim = 0,
A→+∞ A2
2 ln A 1
et par ailleurs 2
= 2 ln A × 2
A A
1
lim = 0 et lim 2 ln A = +∞ : c’est une forme indéterminée.
A→+∞ A2 A→+∞
2 ln A
D’après le théorème de croissance comparée, c’est la puissance qui impose sa limite, donc lim =0
A→+∞ A2
Z +∞ Z +∞
Finalement h(x)dx converge et vaut 1, donc h(x)dx converge et vaut 1.
1 −∞
Donc h est bien une densité de probabilité.
3. On considère dans la suite de cet exercice une variable aléatoire X dont h est une densité.
(a) Calculer la fonction de répartition F de la variable aléatoire X.

Pour tout x < 1, F (x) = 0 Z

x Z x
1 2 ln x
et pour tout x ≥ 1, F (x) = h(t)dt = h(t)dt = 1 −
2
−
−∞ 1 x x2
(b) Compléter sur votre copie les lignes 3 à 5 du programme Scilab suivant pour que la fonction F prenne
en entrée un réel x et calcule la valeur de F (x).

1 function calcul=F(x)
2 if x < 1 then
3 calcul=0
4 else
5 calcul=1-1/x^2-2*log(x)/x^2
6 end
7 endfunction
8
9 for i=1:300, a(i)=-2+7*i/300; b(i)=F(a(i));
10 end
11 plot(a,b)

(c) Qu’obtient-on lors de l’exécution des lignes 9 à 11 du programme précédent ?

On obtient la représentation graphique de la fonction F sur l’intervalle [−2; 5].

4. Montrer que pour tout réel A supérieur ou égal à 1, on a :
Z A
4 4 ln(A)
xh(x)dx = 4 − −
1 A A
En déduire que X admet une espérance et calculer cette dernière.
Z A Z A  A Z A Z A
1 4 4 1 4 ln A 4
xh(x)dx = 4 × 2 ln xdx = − ln x − − × dx = − − − 2 dx
1 x x x x A x
 1A 1 1 1
4 ln A 4 4 4 ln(A)
=− − =4− −
A x 1 A A
4
lim = 0,
A→+∞ A
4 ln A 1
et par ailleurs = 4 ln A ×
A A
1
lim = 0 et lim 4 ln A = +∞ : c’est une forme indéterminée.
A→+∞ A A→+∞
 4 ln A
D’après le théorème de croissance comparée, c’est la puissance qui impose sa limite, donc lim =0
Z +∞ A→+∞ A
Donc l’intégrale xh(x)dx converge et vaut 4,
1
donc X admet une espérance et E(X) = 4.
5. La variable aléatoire X admet-elle une variance ?
Z A Z A
1 A
x2 h(x)dx = 4 × ln xdx = 2(ln x)2 1 = 2(ln A)2

1 x
Z1 +∞
2
Donc l’intégrale x h(x)dx est divergente, donc la variable aléatoire X n’admet pas de variance.
1
P (X > 2A)
6. Pour tout réel A strictement supérieur à 1 : P[X>A] (X > 2A) = .
P (X > A)
1 + 2 ln A
Or P (X > A) = 1 − P (X ≤ A) = 1 − F (A) =
A2
1 + 2 ln(2A) 1 + 2 ln(2A)
et de la même façon P (X > 2A) = 2
=
(2A) 4A2
1+2 ln(2A)
4A2 1 + 2 ln(2A)
donc P[X>A] (X > 2A) = 1+2 ln A
=
A2
4(1 + 2 ln A)
1+2 ln 2
1 + 2 ln 2 + 2 ln A +2
Écrivons ce résultat sous la forme P[X>A] (X > 2A) = = ln 1A
4(1 + 2 ln A) 4( ln A + 2)

2 1
Ainsi lim P[X>A] (X > 2A) = = .
A→+∞ 8 4