BÉCÉAS 2024

Banque d’Épreuves des Concours des Écoles

d’Actuariat et Statistique
Session 2024

Corrections

L’Épreuve est constitué de trois exercices indépendants.

Rappel : Les corrigés sont proposés à titre informatif. N’hésitez pas à contribuer et proposer des améliorations en
nous contactant : contact@[Link].

Mathématiques Page 1/ 81
 Banque d’Épreuves des Concours des Écoles d’Actuariat et Statistique

Corrigé Session 2024

Banque d’Épreuves des Concours des Écoles

d’Actuariat et Statistique
Session 2024

Épreuve de mathématiques
Éléments de correction

Exercice 1. Probabilités

Question 1. (a)
Soient X et Y deux variables aléatoires définies sur (Ω, A , P ), à valeurs dans N et indépendantes. Déterminer la
loi de X + Y en fonction de celles de X et Y , et en déduire une relation entre G X +Y , G X et G Y .

Solution
1. Détermination de la loi de X + Y

X et Y sont deux variables aléatoires indépendantes. Pour une valeur donnée k, la probabilité que X +Y = k est
donnée par :
k
X
P (X + Y = k) = P (X = n)P (Y = k − n).
n=0

Cela découle de l’indépendance des deux variables et de la formule des probabilités totales.

2. Relation entre les fonctions génératrices

Par définition, la fonction génératrice G X +Y (t ) est donnée par :

∞
P (X + Y = k)t k .
X
G X +Y (t ) =
k=0

En substituant P (X + Y = k), on obtient :

à !
∞ X k
P (X = n)P (Y = k − n) t k .
X
G X +Y (t ) =
k=0 n=0

En réorganisant les termes et en utilisant la linéarité des sommes :

∞ ∞
P (X = n)t n · P (Y = m)t m .
X X
G X +Y (t ) =
n=0 m=0
BÉCÉAS 2024

Ici, m = k − n, donc cette somme devient le produit des séries infinies :

G X +Y (t ) = G X (t ) · G Y (t ).

Question 1. (b)
Généraliser le résultat précédent à la somme de n variables aléatoires mutuellement indépendantes.

Solution
1. Détermination de la loi de la somme S n = X 1 + X 2 + · · · + X n

La probabilité que S n = k est donnée par :

X
P (S n = k) = P (X 1 = k 1 )P (X 2 = k 2 ) · · · P (X n = k n ).
k 1 +k 2 +···+k n =k

Cela découle de l’indépendance mutuelle des variables aléatoires et de la formule des probabilités totales appliquée
récursivement.

2. Relation entre les fonctions génératrices

Par définition, la fonction génératrice de S n , notée G S n (t ), est :

∞
P (S n = k)t k .
X
G S n (t ) =
k=0

En utilisant la relation de convolution pour la somme S n = X 1 + X 2 + · · · + X n , et par récurrence sur n, on obtient :

G S n (t ) = G X 1 (t ) · G X 2 (t ) · · · · · G X n (t ).

En particulier, si toutes les variables aléatoires X i (i = 1, 2, . . . , n) ont la même loi (i.e., X 1 ∼ X 2 ∼ · · · ∼ X n ), avec une
fonction génératrice commune G X (t ), alors :

G S n (t ) = [G X (t )]n .

Question 2. (a)
Soit U la loi uniforme sur {2, . . . , 12}. Déterminer sa fonction génératrice GU (t ) et déterminer toutes les racines
réelles de GU (t ) ainsi que leur multiplicité.

Solution
1. Détermination de la fonction génératrice GU (t )

La loi U est uniforme sur l’ensemble {2, 3, . . . , 12}. Cela signifie que chaque valeur k dans cet ensemble a une
probabilité égale à :
1
P (U = k) = pour k = 2, 3, . . . , 12.
11
Par définition, la fonction génératrice GU (t ) est donnée par :

12
P (U = k)t k .
X
GU (t ) =
k=2

Mathématiques Page 3/ 81
BÉCÉAS 2024

1
En substituant P (U = k) = 11 , on obtient :
1 X12
GU (t ) = tk.
11 k=2

Cette somme est une somme partielle d’une série géométrique. En factorisant t 2 , on obtient :

10
1 2X
GU (t ) = t tk.
11 k=0
P10
La somme k=0
t k est une somme géométrique dont la formule est :

n 1 − t n+1
tk =
X
, pour t ̸= 1.
k=0 1−t

En appliquant cette formule avec n = 10, on a :

10 1 − t 11
tk =
X
.
k=0 1−t

Ainsi, la fonction génératrice devient :

1 t 2 (1 − t 11 )
GU (t ) = · , pour t ̸= 1.
11 1−t

2. Détermination des racines réelles de GU (t )

Les racines de GU (t ) sont les valeurs de t qui annulent le numérateur t 2 (1 − t 11 ), à l’exception de celles qui
annuleraient le dénominateur 1 − t .

1. Racines provenant de t 2 :
t2 = 0 ⇒ t = 0 (racine double).

2. Racines provenant de 1 − t 11 :
1 − t 11 = 0 ⇒ t 11 = 1.
Les racines sont donc les 11-èmes racines de l’unité :

t = e 2i πk/11 , k = 0, 1, . . . , 10.

Parmi ces racines, seules t = 1 (k = 0) est réelle.

3. Racine provenant de 1 − t :
1−t = 0 ⇒ t = 1.
Cependant, cette racine est annulée par la simplification du dénominateur.

3. Multiplicité des racines

• t = 0 a une multiplicité de 2, car elle provient de t 2 .

Question 2. (b)
Supposons que l’on ait un dé à 6 faces tel que la probabilité d’apparition de la face i ∈ {1, . . . , 6} soit égale à p i ,
avec p i ∈]0, 1[. Soit X la variable aléatoire associée à l’apparition d’une face. Montrer que G X admet une racine non
nulle.

Mathématiques Page 4/ 81
BÉCÉAS 2024

Solution
1. Définition de la fonction génératrice G X (t )

La variable aléatoire X prend ses valeurs dans {1, 2, 3, 4, 5, 6}, avec des probabilités associées P (X = i ) = p i . La
fonction génératrice G X (t ) est donnée par :
6
pi t i .
X
G X (t ) =
i =1

2. Étude des racines de G X (t )

Le polynôme G X (t ) est de degré 6 :

G X (t ) = p 1 t + p 2 t 2 + p 3 t 3 + p 4 t 4 + p 5 t 5 + p 6 t 6 ,

où les coefficients p i sont strictement positifs (p i > 0) car p i ∈]0, 1[ pour tout i ∈ {1, . . . , 6}.

3. Argument pour l’existence d’une racine non nulle

Le polynôme G X (t ) est défini sur R, mais il peut être considéré comme un polynôme sur C, le corps des nombres
complexes. Tout polynôme non constant de degré n a exactement n racines complexes (comptées avec multipli-
cité). Les racines de G X (t ) peuvent être :

• réelles (positives ou négatives) ;

• complexes non réelles (apparaissant par paires conjuguées si les coefficients du polynôme sont réels).

Étant donné que G X (t ) est de degré 6, il a précisément 6 racines complexes. Parmi elles :

• t = 0 est une racine triviale due au terme t i pour i ≥ 1.

• Les autres racines t ̸= 0 satisfont G X (t ) = 0.

4. Existence d’une racine réelle non nulle

Le polynôme G X (t ) satisfait les conditions suivantes : G X (t ) ≥ 0 pour t ≥ 0, et G ′X (0) = p 1 > 0 et limt →−∞ G X (t ) =
+∞. Au voisinahe de 0, G X (t ) devient négative pour t < 0. Il est clair que G X (t ) = 0 pour au moins un t < 0, et ainsi,
G X (t ) admet au moins une racine non nulle.

Question 2. (c)
On veut montrer qu’il n’est pas possible de construire un dé faussé à 6 faces (numérotées de 1 à 6) tel que si on
le lance deux fois, la somme des deux résultats obtenus suive une loi uniforme sur {2, 3, 4, . . . , 12}.

Solution
Synthèse des réponses aux questions 2.(a) et 2.(b)

1. Fonction génératrice de la loi uniforme U (Question 2.(a)) La fonction génératrice de la loi uniforme U sur
{2, 3, . . . , 12} est donnée par :
1 t 2 (1 − t 11 )
GU (t ) = · .
11 1−t
Les racines réelles de GU (t ) sont : t = 0 avec une multiplicité de 2.

Mathématiques Page 5/ 81
BÉCÉAS 2024

2. Fonction génératrice du dé à 6 faces (Question 2.(b)) La fonction génératrice associée au dé est :

G X (t ) = p 1 t + p 2 t 2 + p 3 t 3 + p 4 t 4 + p 5 t 5 + p 6 t 6 ,
P6
où p i > 0 pour i = 1, . . . , 6, et i =1 p i = 1.
Nous avons démontré que G X (t ) admet au moins une racine non nulle.

Démonstration que U ne peut pas être obtenu par deux lancers

Si un dé faussé à 6 faces pouvait générer une loi uniforme U sur {2, 3, . . . , 12} par la somme de deux lancers, alors
la fonction génératrice GU (t ) de cette loi uniforme serait donnée par le carré de la fonction génératrice du dé :

GU (t ) = [G X (t )]2 .

1. Analyse des racines :

• G X (t ) admet au moins une racine non nulle réelle.

• Cela implique que [G X (t )]2 admet également des racines non nulles réelles, mais avec des multiplicités dou-
blées.

2. Incompatibilité avec GU (t ) :

• Les seules racines réelles de GU (t ) sont t = 0 (multiplicité 2).

• Si GU (t ) = [G X (t )]2 , alors les racines de GU (t ) proviendraient uniquement des racines de G X (t ). Or, G X (t ) ne

peut pas produire une structure des racines cohérente avec GU (t ).

Conclusion

Il est impossible de construire un dé à 6 faces avec des probabilités p i > 0 pour lesquelles la somme de deux
lancers suit une loi uniforme sur {2, 3, . . . , 12}. La structure des fonctions génératrices G X (t ) et GU (t ) est incompa-
tible.

Question 3. (a)
Préciser la fonction caractéristique de N , où N est une variable aléatoire suivant une loi de Poisson de paramètre
λ > 0.

Solution
Définition de la fonction caractéristique

La fonction caractéristique d’une variable aléatoire N est définie par :

φN (t ) = E[e i t N ],

où t ∈ R.

Propriétés de la loi de Poisson

La variable N suit une loi de Poisson de paramètre λ > 0. La probabilité qu’elle prenne la valeur k est donnée
par :
λk e −λ
P (N = k) = , k = 0, 1, 2, . . .
k!

Mathématiques Page 6/ 81
BÉCÉAS 2024

Calcul de la fonction caractéristique

La fonction caractéristique s’écrit alors :

∞
φN (t ) = e i t k P (N = k).
X
k=0

En substituant P (N = k), on obtient :

∞ λk e −λ
φN (t ) = ei tk
X
.
k=0 k!
λk
En regroupant les termes e −λ et k! , cela devient :

∞ (λe i t )k
φN (t ) = e −λ
X
.
k=0 k!

zk
est le développement en série de Taylor de e z . En utilisant cette propriété, on a :
P∞
La série k=0 k!

it
φN (t ) = e −λ e λe .

Cela peut être simplifié en :

i t −1)
φN (t ) = e λ(e .

Question 3. (b)
Déterminer la fonction caractéristique de Y , où Y est la variable aléatoire correspondant au nombre de produits
vendus par jour. Montrer que Y suit une loi de Poisson dont on précisera le paramètre.

Solution
Modèle pour Y

• N , le nombre de clients par jour, suit une loi de Poisson de paramètre λ > 0.

• Chaque client achète un produit avec une probabilité p ∈ [0, 1], et ces décisions sont indépendantes entre les
clients.

La variable Y (le nombre total de produits vendus par jour) est alors la somme de N variables indicatrices
indépendantes :
N
X
Y = Zi ,
i =1

où Zi suit une loi de Bernoulli de paramètre p (i.e., P (Zi = 1) = p, P (Zi = 0) = 1 − p).

Fonction caractéristique de Y

La fonction caractéristique de Y , notée φY (t ), est donnée par :

φY (t ) = E[e i t Y ].

Mathématiques Page 7/ 81
BÉCÉAS 2024

Étape 1 : Conditionnement sur N En conditionnant sur N = n, Y est la somme de n variables indicatrices indé-
pendantes :
∞
φY (t ) = P (N = n)E[e i t Y | N = n].
X
n=0
Pn
Si N = n, alors Y = i =1 Zi , où chaque Zi est indépendante. On a :

E[e i t Y | N = n] = E[e i t Z1 ]n ,

car les Zi sont indépendantes et identiquement distribuées.

Pour une variable de Bernoulli Zi , la fonction caractéristique est :

E[e i t Zi ] = (1 − p) + pe i t .

Donc :
E[e i t Y | N = n] = [(1 − p) + pe i t ]n .

Étape 2 : Expression non conditionnée La probabilité P (N = n) pour N suivant une loi de Poisson est donnée
par :
λn e −λ
P (N = n) = .
n!
En substituant :
∞ λn e −λ
φY (t ) = [(1 − p) + pe i t ]n .
X
n=0 n!
Regroupons les termes :
∞ [λ((1 − p) + pe i t )]n
φY (t ) = e −λ
X
.
n=0 n!
zn
= e z , donc :
P∞
La série n=0 n!
it
φY (t ) = e −λ e λ((1−p)+pe ) .
Simplifions :
it
φY (t ) = e λ(−1+(1−p)+pe ) .
Finalement, on obtient :
i t −1))
φY (t ) = e λ(p(e .

Loi de Y

La fonction caractéristique obtenue est celle d’une loi de Poisson avec paramètre λY = λp. Par conséquent :

Y ∼ Poisson(λp).

Mathématiques Page 8/ 81
BÉCÉAS 2024

Exercice 2. Autour de la constante d’Euler.

Partie 1 - Question 1
Montrer que pour tout n ≥ 1, on a l’inégalité H2n − Hn ≥ 12 , et utiliser cette inégalité pour montrer que la série
harmonique n≥1 n1 diverge.
P

Solution
1
1. Montrons que H2n − Hn ≥ 2

Définition des termes La somme partielle Hn de la série harmonique est définie comme :

Xn 1 X2n 1
Hn = , H2n = .
k=1 k k=1 k

La différence H2n − Hn est donnée par :

X2n 1
H2n − Hn = .
k=n+1 k

P2n 1
Minoration de la somme Dans la somme k=n+1 k
, tous les k sont compris entre n + 1 et 2n. Ainsi :

1 1
≥ , pour tout k ∈ {n + 1, n + 2, . . . , 2n}.
k 2n
P2n 1
Il y a n termes dans la somme k=n+1 k
. Par conséquent :

X2n 1 1
≥n· .
k=n+1 k 2n

En simplifiant :
X2n 1 1
≥ .
k=n+1 k 2
Ainsi, on a montré que :
1
H2n − Hn ≥ .
2

2. Montrons que la série harmonique diverge

1 1
Hn est une somme partielle de la série harmonique ∞
P
n=1 n . En répétant l’inégalité H2n −Hn ≥ 2 à chaque étape,
on observe que H2n croît d’au moins 12 à chaque doublement de n. Cela montre que Hn n’est pas bornée et donc
1
que la série harmonique ∞
P
n=1 n diverge.

Partie 1 - Question 2. (a)

Montrer qu’il existe une constante C telle que pour tout n ≥ 1, on a :
¯ µ ¯
¯ln 1 + 1 − 1 ¯ ≤ C .
¶
¯ ¯
¯ n n ¯ n2

Mathématiques Page 9/ 81
BÉCÉAS 2024

Solution
Analyse de l’expression

Développement en série de ln(1+x) Pour |x| < 1, la fonction logarithme naturel ln(1+x) admet le développement
en série suivant :
x2 x3
ln(1 + x) = x − + −··· .
2 3
En tronquant après le premier terme, nous obtenons une approximation : ln(1 + x) ≈ x. L’erreur d’approximation
est donnée par :
x2 x3
R(x) = ln(1 + x) − x = − + −··· .
2 3

1
Application avec x = n En remplaçant x par n1 , on obtient :
µ ¶
1 1 1 1
ln 1 + − = − 2 + 3 −··· .
n n 2n 3n
³ ´
L’ordre dominant de l’erreur est donc O n12 .

Majoration de l’erreur

Pour majorer l’erreur, utilisons une borne supérieure sur la série restante. Le reste R(x) peut être écrit comme :

X∞ (−1)k+1 x k
R(x) = ln(1 + x) − x = .
k=2 k

Pour x = n1 , cela devient :

µ ¶
1 ∞ (−1)k+1
1 X
R = 2 .
n n k=2 kn k−2

Comme n k−2 = e (k−2) ln(n) ≥ e (k−2) ln(2) , pour n ≥ 2, on en déduite que la série 1/(kn k−2 ) est convergente. On
P∞
k=2
peut donc écrire : ¯ µ ¯
¯ln 1 + 1 − 1 ¯ ≤ C ,
¶
¯ ¯
¯ n n ¯ n2
où C est une constante positive .
Remarque : On pourra aussi utiliser la formule de Taylor-Lagrange à la fonction x 7→ ln(1 + x) sur l’intervalle
[0, 1/n].

Partie 1 - Question 2. (b)

En déduire que la série :
n +1
µ µ ¶ ¶
X 1
ln −
n≥1 n n
converge, puis qu’il existe une constante γ telle que :

Hn = ln n + γ + o(1) quand n → ∞.

Mathématiques Page 10/ 81

BÉCÉAS 2024

Solution
1. Convergence de la série

Expression de la différence dans la somme La différence dans la somme est donnée par :
n +1
µ ¶ µ ¶
1
ln = ln 1 + .
n n
Donc, la série devient :
n +1
µ µ ¶ ¶ µ µ ¶ ¶
X 1 X 1 1
ln − = ln 1 + − .
n≥1 n n n≥1 n n

Majoration des termes de la série D’après la question 2.(a), nous savons que :
¯ µ ¯
¯ln 1 + 1 − 1 ¯ ≤ C ,
¶
¯ ¯
¯ n n ¯ n2
où C > 0 est une constante.
C
Ainsi, les termes de la série sont majorés en valeur absolue par n2
.

Convergence de la série La série n≥1 nC2 est une série de type p-série avec p = 2 > 1, qui converge. Par le critère
P

de majoration, la série donnée converge également.

2. Approximation asymptotique de Hn

Décomposition de Hn Par définition, Hn est la somme harmonique partielle :

Xn 1
Hn = .
k=1 k

On peut la décomposer en :
Xn µ1 µ
k +1
¶¶
Hn = ln(n + 1) + − ln .
k=1 k k

Convergence de la correction La somme corrective :

∞ µ1
X
µ
k +1
¶¶
− ln
k=1 k k
converge, comme démontré dans la première partie. Sa limite définit une constante, appelée la constante d’Euler-
Mascheroni et est notée γ.

Expression asymptotique En regroupant, on obtient l’approximation asymptotique de Hn :

Xn µ1 µ
k +1
¶¶ µ
1
¶
Hn = ln n + − ln + ln 1 +
k=1 k k n
= ln n + γ + o(1) quand n → ∞,
où γ est la constante d’Euler-Mascheroni.

Partie 2 - Question 3
Montrer que les intégrales impropres
Z 1 Z ∞
−t
ln(t )e dt et ln(t )e −t d t
0 1
sont convergentes.

Mathématiques Page 11/ 81

BÉCÉAS 2024

Solution
Étape 1 : Intégrale sur [0, 1]
R1
Analysons l’intégrale 0 ln(t )e −t d t .

Comportement de ln(t ) près de t = 0

• La fonction ln(t ) diverge négativement lorsque t → 0+ .

• Le facteur e −t tend vers 1 pour t → 0+ .

Convergence Dans cette région, pour tout ϵ > 0,

| ln(t )e −t | = | ln(t )| · e −t .

On utilise une majoration : | ln(t )| ≤ − ln(t ) (car ln(t ) est négatif pour t ∈ (0, 1)).
Pour tester la convergence :

• ln(t ) diverge en t → 0+ , mais le produit | ln(t )| · t a converge vers 0 pour tout a > 0.
R1
• Prenons 0 < a < 1 : l’intégrale de t −a est converge, donc l’intégrale 0 ln(t )e −t d t converge sur [0, 1].

Étape 2 : Intégrale sur [1, ∞]

R∞
Analysons l’intégrale 1 ln(t )e −t d t .

Comportement de ln(t )e −t pour t → ∞

• Pour t grand, ln(t ) croît lentement, mais e −t décroît exponentiellement plus vite.
ln(t )
• Par comparaison avec et
, cette intégrale est dominée par une fonction qui converge rapidement vers 0.

Convergence Pour tester la convergence :

| ln(t )e −t | ≤ ln(t ) · e −t .

La convergence est assurée car e −t = e −t /2 e −t /2 et e −t /2 domine tout terme polynomial et aussi ln(t ).

Conclusion

Les deux intégrales impropres sont convergentes :

Z 1 Z ∞
ln(t )e −t d t et ln(t )e −t d t .
0 1

Partie 2 - Questions 4. (a) et 4. (b)

Question 4. (a)

Montrer que, pour tout u ∈] − 1, ∞[,

ln(1 + u) ≤ u.

Mathématiques Page 12/ 81

BÉCÉAS 2024

Solution

1. Considérons la fonction f (u) = ln(1 + u) − u, définie sur u ∈] − 1, ∞[.

2. Calculons sa dérivée :
1 1 − (1 + u) u
f ′ (u) = −1 = =− .
1+u 1+u 1+u

3. Observons les propriétés de f ′ (u) :

• Lorsque u ∈] − 1, 0], f ′ (u) ≥ 0, donc f (u) est croissante sur cet intervalle.
• Lorsque u ∈ [0, ∞[, f ′ (u) ≤ 0, donc f (u) est décroissante sur cet intervalle.

4. Calculons f (0) :
f (0) = ln(1 + 0) − 0 = 0.

5. Puisque f (u) est croissante pour u < 0 et décroissante pour u > 0, et que f (0) = 0, on a f (u) ≤ 0 pour tout
u ∈] − 1, ∞[.

En conclusion :
ln(1 + u) ≤ u pour tout u ∈] − 1, ∞[.

Question 4. (b)

En déduire que, pour tout entier n ≥ 2 et pour tout t ∈ [0, n],

t n−1
µ ¶
0 ≤ 1− ≤ e · e −t .
n

¢n−1 ¢n−1
Solution Examinons 1 − nt pour t ∈ [0, n]. Tout d’abord, 1 − nt
¡ ¡
est bien définie et positive car t ∈ [0, n],
donc 1 − nt ≥ 0.
Prenons le logarithme de cette expression :

t n−1 t
µµ ¶ ¶ µ ¶
ln 1− = (n − 1) ln 1 − .
n n

Par la question 4(a), pour u = − nt , on a :

t t
µ ¶
ln 1 − ≤− .
n n
Donc,
t t
µ ¶
(n − 1) ln 1 − ≤ −(n − 1) .
n n
Par exponentiation, on obtient :
t n−1 t
µ ¶ µ ¶
1− ≤ exp −(n − 1) .
n n
Simplifions l’exposant :
t t
−(n − 1) = −t + .
n n
Ainsi,
t n−1
µ ¶
t
1− ≤ e −t · e n .
n
t
Pour t ∈ [0, n], on a e n ≤ e, donc :
t n−1
µ ¶
1− ≤ e · e −t .
n

Mathématiques Page 13/ 81

BÉCÉAS 2024

Partie 2 - Question 5
Montrer que :
n t n−1
Z µ ¶ Z ∞
lim ln(t ) 1 − dt = ln(t )e −t d t .
n→∞ 0 n 0

Solution

On peut écrire
n t n−1 ∞ t n−1
Z µ ¶ Z µ ¶
ln(t ) 1 − dt = ln(t ) 1 − I{t ≤n} d t
0 n 0 n
Z ∞
= : ln(t ) f n (t ) d t .
0

D’après la question 4,
t n−1
µ ¶
f n (t ) = 1 − I{t ≤n} ≤ e · e −t .
n
Il est
R ∞également facile de montrer que f n converge simplement vers f avec f (t ) = e −t . Enfin, d’après la question
−t
3, 0 ln(t )e d t est bien définie. On déduit le résultat par le théorème de convergence dominée rappelé dans
l’énoncé.

Partie 2 - Question 6
Montrer successivement les égalités suivantes :
t n−1
Z n µ ¶ Z 1
ln(t ) 1 − dt = ln(n) + n ln(u)(1 − u)n−1 d u
0 n 0
Z 1 1£
(1 − u)n−1 − 1 d u.
¤
= ln(n) +
0 u

Solution

1. Première égalité : On part de l’intégrale donnée :

t n−1
Z n µ ¶
ln(t ) 1 − dt.
0 n
En utilisant le changement de variable t = nu, où u ∈ [0, 1], on a d t = n d u et t = nu. L’intégrale devient :
t n−1
Z n µ ¶ Z 1
ln(t ) 1 − dt = ln(nu) (1 − u)n−1 n d u.
0 n 0

On utilise la propriété du logarithme ln(nu) = ln(n) + ln(u) pour réécrire l’intégrale comme suit :
Z 1 Z 1
ln(nu) (1 − u)n−1 n d u = n [ln(n) + ln(u)] (1 − u)n−1 d u.
0 0

En séparant les termes, on obtient :

Z 1 Z 1
n ln(n) (1 − u)n−1 d u + n ln(u) (1 − u)n−1 d u.
0 0
Le premier terme est :
Z 1
n ln(n) (1 − u)n−1 d u.
0
R1
L’intégrale 0 (1 − u)n−1 d u est bien connue et vaut n1 . Ainsi, ce terme devient :
1
n ln(n) · = ln(n).
n

Mathématiques Page 14/ 81

BÉCÉAS 2024

2. Seceonde égalité : Le second terme est :

Z 1
n ln(u) (1 − u)n−1 d u.
0

Par intégration par partie, on obtient

Z 1
n ln(u) (1 − u)n−1 d u
0
(1 − u)n − 1 1 (1 − u)n − 1
· ¸ Z 1
= −n ln(u) + du
n 0 0 u
(1 − u)n − 1
Z 1
= d u,
0 u

ce qui montre la deuxième égalité.

Partie 2 - Question 7
Retrouver la formule de la constante d’Euler γ donnée en début de la partie 2 :
Z ∞
ln(t )e −t d t = −γ.
0

Solution

De la question 6, nous savons que :

n t n−1 (1 − u)n − 1
Z µ ¶ Z 1
ln(t ) 1 − d t = ln(n) + d u.
0 n 0 u

Or
(1 − u)n − 1 (1 − u)n − 1 n−1
X 1
=− =−
u (1 − u) − 1 k=0 (1 − u)k
et donc

(1 − u)n − 1
1
Z
du
0 u
n−1
XZ 1 1 n−1
X 1
= − k
d u == −
k=0 0 (1 − u) k=0 k + 1
= −Hn .

On déduit le résultat à partir du résultat obtenu de la partie 1.

Partie 3 - Question 8
Montrer que pour tout s > 1, ζ(s) est bien définie et vérifie
Z ∞ Z ∞
1 1
s
d t ≤ ζ(s) ≤ 1 + s
dt.
1 t 1 t

En déduire un équivalent de ζ(s) lorsque s → 1+ .

Mathématiques Page 15/ 81

BÉCÉAS 2024

Solution

1. Définition de ζ(s) La fonction zêta de Riemann est définie pour s > 1 par :
∞ 1
ζ(s) =
X
s
.
n=1 n
PN 1
La série converge pour s > 1 car la somme partielle n=1 n s est dominée par une intégrale convergente (dé-
montré ci-dessous).

2. Encadrement par une intégrale Pour s > 1, t1s est décroissante, ce qui permet d’encadrer la somme par une
intégrale (méthode des sommes de Riemann) :

1
Z n+1 1 1
≤ dt ≤ s .
(n + 1)s n ts n

En sommant sur n, on obtient : Z ∞ 1

ζ(s) − 1 ≤ d t ≤ ζ(s).
1 ts
et ∞ ∞
1 1
Z Z
d t ≤ ζ(s) ≤ 1 + dt.
1 ts 1 ts
1
3. Calcul de l’intégrale La primitive de ts pour s > 1 est donnée par :

t 1−s
.
s −1
Ainsi, pour t ∈ [1, ∞[, l’intégrale devient :

∞ · ¸T
1 1 1
Z
d t = lim − = .
1 ts T →∞ (s − 1)t s−1 1 s − 1
R∞ 1 1
4. Encadrement de ζ(s) Substituons 1 ts dt = s−1 dans l’encadrement de ζ(s) :

1 1
≤ ζ(s) ≤ 1 + .
s −1 s −1

5. Équivalent lorsque s → 1+ Lorsque s → 1+ , on remarque que la divergence de ζ(s) est dominée par le terme
1 1
s−1 , car 1 + s−1 tend aussi vers ∞. Par conséquent :

1
ζ(s) ∼ , lorsque s → 1+ .
s −1

Partie 3 - Question 9
(a) Montrer que, pour s > 1, la série
∞
X
µ
1 1
¶
n s
−
n=1 n (n + 1)s
converge.
(b) En évaluant ses sommes partielles, montrer que sa somme vaut ζ(s).
(c) En déduire la formule : Z ∞ E (t )
ζ(s) = s dt,
1 t s+1
où E (t ) désigne la fonction partie entière.

Mathématiques Page 16/ 81

BÉCÉAS 2024

Solution

(a) Convergence de la série Considérons le terme général de la série donnée :

µ ¶
1 1
an = n s − .
n (n + 1)s

1
1. Simplification du terme général : En factorisant par n s , on obtient :

n s
¡ ¢
1− n+1
an = n · .
ns
n s 1 s
¡ ¢ ¡ ¢
Or, n+1 = 1 − n+1 , et en développant au premier ordre avec le développement de Taylor :
¶s
s
µ
1
1− ≈ 1− .
n +1 n +1

Ainsi : ³ n ´s s
1− ≈ .
n +1 n +1
2. Comportement asymptotique : Substituons cette approximation dans a n :
s
n+1
an ≈ n · .
ns
Pour n grand, cela donne :
s
an ∼ .
ns
P 1
Comme s > 1, la série ns converge. Par conséquent, la série donnée converge également.

(b) Évaluation de la somme Évaluons les sommes partielles :

N
X
µ
1 1
¶
SN = n − .
n=1 n s (n + 1)s

1. Réécriture : Posons
N
X
µ
1 1
¶
1
AN = s
− s
= 1− ,
n=1 n (n + 1) (N + 1)s
et A 0 = 0. Nous avons
N
X N
X N
X
SN = n (A n − A n−1 ) = n An − n A n−1
n=1 n=1 n=1
N
X NX
−1 NX
−1
= n An − (n + 1)A n = − An + N A N
n=1 n=0 n=1
XN 1
= s
− (N − 1) + N A N
n=2 n
XN 1 XN 1 N
= s
+ N (A N − 1) = s
−
n=1 n n=1 n (N + 1)s

2. Limite lorsque N → ∞ : Lorsque N → ∞, le terme − (N N

+1)s tend vers 0. Par conséquent :

lim S N = ζ(s).
N →∞

Mathématiques Page 17/ 81

BÉCÉAS 2024

(c) Formule intégrale Pour établir la formule intégrale, utilisons la fonction partie entière E (t ), définie comme le
plus grand entier inférieur ou égal à t .
La somme partielle de la série peut être exprimée en termes de la fonction partie entière :
Z ∞
E (t ) X∞ Z n+1 E (t ) X∞ Z n+1 n

s+1
d t = d t = dt
1 t n=1 n t s+1 n=1 n t s+1
∞ µ
1 1
¶
= ζ(s).
X
= n s−
n=1 n (n + 1)s

Partie 3 - Question 10
Démontrer que, pour tout entier N ≥ 2, on a :
Z N
E (t ) − t
d t = H N − ln(N ) − 1,
1 t2
et en déduire la formule : ∞ E (t ) − t
Z
d t = γ − 1.
1 t2

Solution

1. Analyse de l’intégrale L’intégrale donnée est :

Z N E (t ) − t
IN = dt,
1 t2
où E (t ) est la fonction partie entière de t .

2. Décomposition de E (t ) − t Pour t ∈ [n, n + 1), où n est un entier, la fonction partie entière E (t ) est constante et
égale à n. Ainsi :
E (t ) − t = n − t .
Donc, l’intégrale sur [n, n + 1) devient :
Z n+1 E (t ) − t
Z n+1 n−t
dt = dt.
n t2 n t2

3. Calcul de l’intégrale élémentaire Décomposons :

Z n+1 Z n+1 Z n+1
n−t 1 t
2
d t = n 2
d t − dt.
n t n t n t2

• Premier terme :
n+1 1 n+1
· ¸
1 1 1
Z
dt = − =− + .
n t2 t n n +1 n
• Deuxième terme : Z n+1 1
d t = ln(n + 1) − ln(n).
n t

Substituons ces résultats dans l’intégrale :

Z n+1
n−t
µ ¶
1 1
d t = n − + − (ln(n + 1) − ln(n)) .
n t2 n +1 n

Simplifions :
Z n+1 n−t 1 1
2
dt = − − ln(n + 1) + ln(n).
n t n n +1

Mathématiques Page 18/ 81

BÉCÉAS 2024

4. Somme de [1, N ] En sommant pour n = 1 à N − 1, l’intégrale devient :

Z N E (t ) − t NX
−1 µ 1 1
¶
d t = − − ln(n + 1) + ln(n) .
1 t2 n=1 n n +1

• Les termes ln(n) se téléscopent dans la somme, laissant − ln(N ).

1 1
• La somme des termes n − n+1 donne H N − 1.

Ainsi : Z N E (t ) − t
d t = H N − ln(N ) − 1.
1 t2

5. Passage à la limite Lorsque N → ∞, on a :

H N − ln(N ) → γ,

où γ est la constante d’Euler. Donc : Z ∞ E (t ) − t

d t = γ − 1.
1 t2

Partie 3 - Question 11
Justifier l’égalité :
s
Z ∞ E (t ) − t
ζ(s) − =s dt,
s −1 1 t s+1
et conclure que :
1
ζ(s) = + γ + o(1) lorsque s → 1+ .
s −1

Solution

1. Décomposition de ζ(s) Par définition, la fonction zêta est donnée par :

∞ 1
ζ(s) =
X
s
.
n=1 n

D’après la question précédente, on peut exprimer cette somme comme une intégrale :
Z ∞
E (t )
ζ(s) = s+1
dt,
1 t

où E (t ) est la fonction partie entière de t .

s t
2. Substraction de s−1 En ajoutant et en soustrayant le terme intégral correspondant à t s+1
, on obtient :
Z ∞ Z ∞ Z ∞
E (t ) t E (t ) − t
ζ(s) = s s+1
d t = s s+1
d t + s dt.
1 t 1 t 1 t s+1
La première intégrale est simple à calculer :
Z ∞ ∞
t 1 1
Z
s+1
dt = s
dt = .
1 t 1 t s −1
En substituant, nous avons :
s
Z ∞ E (t ) − t
ζ(s) = +s dt,
s −1 1 t s+1
ou encore ∞
s E (t ) − t
Z
ζ(s) − =s dt.
s −1 1 t s+1

Mathématiques Page 19/ 81

BÉCÉAS 2024

3. Comportement asymptotique lorsque s → 1+ Lorsque s → 1+ , on sait que :

Z ∞ Z ∞
E (t ) − t E (t ) − t
d t → d t = γ − 1.
1 t s+1 1 t2

Ainsi, pour s → 1+ : Z ∞ E (t ) − t
s d t → (γ − 1).
1 t s+1
En regroupant les termes, on trouve :

1
ζ(s) = + γ + o(1), lorsque s → 1+ .
s −1

Conclusion

1. Nous avons montré que :

s
Z ∞ E (t ) − t
ζ(s) − =s dt.
s −1 1 t s+1

2. Lorsque s → 1+ , ζ(s) admet l’équivalent :

1
ζ(s) = + γ + o(1).
s −1

Mathématiques Page 20/ 81

BÉCÉAS 2024

Exercice 3. Sous-espaces de matrices nilpotentes.

Question 1
Montrer que Tn+ , Tn− et Tn++ sont des sous-espaces vectoriels (on pourra se contenter de rédiger les détails pour
+
Tn ) et préciser leur dimension.

Solution
1. Tn+ est un sous-espace vectoriel

Un sous-ensemble W d’un espace vectoriel V est un sous-espace vectoriel si :

1. W est non vide.

2. W est stable par addition : si A, B ∈ W , alors A + B ∈ W .

3. W est stable par multiplication scalaire : si A ∈ W et λ ∈ R, alors λA ∈ W .

Pour Tn+ , qui est l’ensemble des matrices triangulaires supérieures dans M n (R) :

• Non-vide : La matrice nulle appartient à Tn+ , donc Tn+ ̸= ∅.

• Stabilité par addition : Si A, B ∈ Tn+ , alors la somme (A + B ) est aussi une matrice triangulaire supérieure car
les coefficients sous la diagonale restent nuls.

• Stabilité par multiplication scalaire : Si A ∈ Tn+ et λ ∈ R, alors λA est encore une matrice triangulaire supé-
rieure car les coefficients sous la diagonale restent nuls.

Ainsi, Tn+ est un sous-espace vectoriel de M n (R).

2. Dimension de Tn+

Les matrices triangulaires supérieures ont n(n+1)

2 coefficients non nuls (tous ceux situés sur ou au-dessus de la
diagonale). Par conséquent, la dimension de Tn+ est n(n+1)
2 .

3. Dimension de Tn−
n(n+1)
De manière similaire, Tn− (matrices triangulaires inférieures) a également 2 coefficients non nuls, donc la
même dimension.

4. Dimension de Tn++
n(n−1)
Les matrices triangulaires strictement supérieures ont des zéros sur la diagonale et 2 coefficients non nuls
(ceux au-dessus de la diagonale). Ainsi, la dimension de Tn++ est n(n−1)
2 .

Question 2
Montrer que Tn− ⊕ Tn++ = M n (R).

Mathématiques Page 21/ 81

BÉCÉAS 2024

Solution
Définition des ensembles

• Tn− : Ensemble des matrices triangulaires inférieures.

• Tn++ : Ensemble des matrices triangulaires supérieures strictes (n’ayant que des 0 sur la diagonale).

• M n (R) : Ensemble de toutes les matrices n × n à coefficients réels.

L’objectif est de montrer que chaque matrice A ∈ M n (R) peut être exprimée comme la somme d’une matrice
B ∈ Tn− et d’une matrice C ∈ Tn++ , c’est-à-dire :

A = B +C avec B ∈ Tn− et C ∈ Tn++ .

Construction des matrices B et C

Soit une matrice A = (a i j ) ∈ M n (R). Construisons B ∈ Tn− et C ∈ Tn++ de la manière suivante :

• Pour B = (b i j ) ∈ Tn− (triangulaire inférieure), définissons :

(
ai j si i ≥ j ,
bi j =
0 si i < j.

Ainsi, B contient les éléments de A situés sur ou sous la diagonale, avec des 0 au-dessus de la diagonale.

• Pour C = (c i j ) ∈ Tn++ (triangulaire supérieure stricte), définissons :

(
ai j si i < j ,
ci j =
0 si i ≥ j.

Ainsi, C contient les éléments de A situés au-dessus de la diagonale, avec des 0 ailleurs.

Somme des matrices B et C

En sommant ces deux matrices, nous obtenons :

n
(B +C )i j = b i j + c i j = a i j dans tous les cas,

car les termes b i j et c i j sont complémentaires et couvrent exactement tous les coefficients de A.

Question 3
Pour 1 ≤ k ≤ n, on note E k = {x = (x 1 , . . . , x n ) ∈ Rn : ∀i ≥ k, x i = 0}. On note également E n+1 = Rn . Soit A ∈ Tn++ et
u l’endomorphisme de Rn canoniquement associé à A.

(a) Montrer que pour tout 1 ≤ k ≤ n + 1, on a u(E k ) ⊆ E k−1 .

(b) En déduire que A est nilpotente.

(c) Montrer que Tn++ ⊆ Nn , où Nn est l’ensemble des matrices nilpotentes.

Mathématiques Page 22/ 81

BÉCÉAS 2024

Solution
(a) Montrons que u(E k ) ⊆ E k−1

• Par définition de Tn++ , A est une matrice triangulaire supérieure stricte. Ainsi, A a des coefficients nuls sur et
sous la diagonale, et les éléments non nuls se situent uniquement au-dessus de la diagonale.

• Considérons x ∈ E k . Par définition, x i = 0 pour tout i ≥ k. En calculant u(x) = Ax, chaque composante (u(x))i
de u(x) est donnée par :
n
X
(u(x))i = ai j x j ,
j =1

où a i j sont les coefficients de A. Étant donné que A est triangulaire stricte, a i j = 0 si j ≤ i . Si i ≥ k, alors x j = 0
pour j ≥ k. Ainsi, pour i ≥ k − 1, on a (u(x))i = 0.

• Par conséquent, u(x) ∈ E k−1 , car les seules composantes non nulles de u(x) sont celles avec i < k − 1.

(b) Montrons que A est nilpotente

• Soit x ∈ Rn . En appliquant successivement u, on observe que les éléments non nuls de u(x) “descendent”
dans les indices à chaque itération, grâce à la propriété triangulaire stricte de A.

• En particulier, après au plus n applications de u, tout vecteur devient nul :

u n (x) = 0 pour tout x ∈ Rn .

• Cela montre que u est nilpotent, et donc que A est nilpotente.

(c) Montrons que Tn+ ∩ Nn = Tn++

• Par définition, Nn est l’ensemble des matrices nilpotentes de M n (R). Nous avons montré en (b) que toute
matrice A ∈ Tn++ est nilpotente. Par conséquent, Tn++ ⊆ Nn . De plus Tn++ ⊆ Tn+ et donc Tn++ ⊆ Tn+ ∩ Nn .

• Réciproquement, si A ∈ Tn+ ∩ Nn , alors il existe k ≥ 1 tel que A k = 0. Le produit de deux matrices triangulaires
supérieures est une matrice triangulaire supérieure, dont les éléments sur les éléments sur la diagonale sont
égaux aux produits des coefficients diagonaux. On déduit que si A est nilpotente, les éléments diagonaux
sont nécessairement nuls et A ∈ Tn++ .

• Tn++ ⊆ Tn+ ∩ Nn et Tn+ ∩ Nn ⊆ Tn++ , et donc Tn+ ∩ Nn = Tn++ .

Question 4
Nn est-il un sous-espace vectoriel de M n (R) ?

Solution
Définitions

• Nn : Ensemble des matrices nilpotentes, c’est-à-dire les matrices A ∈ M n (R) telles qu’il existe un entier k ≥ 1
pour lequel A k = 0.

• Sous-espace vectoriel : Un sous-ensemble W de M n (R) est un sous-espace vectoriel si :

– W est non vide.

– W est stable par addition : A, B ∈ W =⇒ A + B ∈ W .
– W est stable par multiplication scalaire : A ∈ W et λ ∈ R =⇒ λA ∈ W .

Mathématiques Page 23/ 81

BÉCÉAS 2024

Vérification des propriétés

1. Nn est non vide La matrice nulle 0 appartient à Nn , car 0k = 0 pour tout k ≥ 1. Donc Nn ̸= ∅.

2. Stabilité par multiplication scalaire Si A ∈ Nn , alors il existe k ≥ 1 tel que A k = 0. Pour tout scalaire λ ∈ R, nous
avons (λA)k = λk A k = 0. Donc, λA ∈ Nn .

3. Stabilité par addition Considérons A, B ∈ Nn . Il existe k 1 , k 2 ≥ 1 tels que A k1 = 0 et B k2 = 0. Cependant, (A +

B )k ̸= 0 en général, même si A et B sont nilpotentes. Prenons l’exemple :
µ ¶ µ ¶
0 1 0 0
A= , B= .
0 0 1 0

Ces matrices sont nilpotentes car A 2 = 0 et B 2 = 0. Cependant :

µ ¶
0 1
A +B = ,
1 0
µ ¶
1 0
et (A + B )2 = ̸ 0. Donc, A + B ∉ Nn .
=
0 1

Conclusion

Nn n’est pas un sous-espace vectoriel de M n (R), car il n’est pas stable par addition.

Question 5
Si A ∈ Nn , montrer que Tr(A) = 0. (Indication : on pourra étudier les valeurs propres complexes de A.)

Solution
Propriétés de la trace

• La trace d’une matrice A ∈ M n (R), notée Tr(A), est la somme de ses valeurs propres (y compris les valeurs
propres complexes et leur multiplicité).

• Si A est nilpotente (A k = 0 pour un certain k ≥ 1), alors toutes les valeurs propres de A sont égales à zéro. Cela
découle de la définition des valeurs propres.

Étape 1 : Rappel sur les valeurs propres

Une valeur propre λ de A satisfait l’équation caractéristique :

det(A − λI ) = 0,

où I est la matrice identité. Si A est nilpotente, alors A k = 0 pour un certain k ≥ 1. Cela implique que toutes les
valeurs propres λ de A satisfont λk = 0, donc λ = 0.

Étape 2 : La trace comme somme des valeurs propres

La trace d’une matrice est égale à la somme de ses valeurs propres :

n
λi ,
X
Tr(A) =
i =1

Mathématiques Page 24/ 81

BÉCÉAS 2024

où λi sont les valeurs propres (réelles ou complexes) de A.

Puisque toutes les valeurs propres de A sont nulles (λi = 0 pour tout i ), il en découle que :

Tr(A) = 0.

Question 6
Soient A et B dans M n (R). Montrer que si A, B , et A + B sont nilpotentes, alors Tr(AB ) = 0.

Solution
Hypothèses

• A k = 0 pour un certain k ≥ 1 : A est nilpotente.

• B m = 0 pour un certain m ≥ 1 : B est nilpotente.

• (A + B )p = 0 pour un certain p ≥ 1 : A + B est nilpotente.

Nous devons montrer que Tr(AB ) = 0. A + B est nilpotent, donc aussi (A + B )2 . On a donc

0 = Tr((A + B )2 ) = Tr(A 2 ) + Tr(AB + B A) + Tr(B 2 ) = 0 + 2Tr(AB ) + 0

car Tr(AB ) =Tr(B A).

Question 7
(a) Montrer que dim(V ) = dim(V ∩ Tn− ) + dim(π(V )).

(b) En déduire que dim(V ) = dim(τ(V ∩ Tn− )) + dim(π(V )).

Solution
(a) Montrons que dim(V ) = dim(V ∩ Tn− ) + dim(π(V ))

Hypothèses et définition

• V est un sous-espace vectoriel de M n (R) contenu dans Nn , l’ensemble des matrices nilpotentes.

• Tn− : Ensemble des matrices triangulaires inférieures.

• π est la projection de M n (R) sur Tn++ parallèlement à Tn− .

Décomposition de V Toute matrice M ∈ V peut s’écrire de manière unique comme une somme :

M = M1 + M2 , avec M 1 ∈ Tn− et M 2 ∈ Tn++ .

Par construction, π(M ) = M 2 est l’image de M dans Tn++ . De plus, M 1 = M − π(M ) ∈ Tn− .

Interprétation dimensionnelle Les composantes M 1 ∈ Tn− et M 2 ∈ Tn++ sont indépendantes. Ainsi, l’espace V se
décompose en une somme directe :
V = (V ∩ Tn− ) ⊕ π(V ).
Par la propriété classique des espaces vectoriels, on a alors :

dim(V ) = dim(V ∩ Tn− ) + dim(π(V )).

Mathématiques Page 25/ 81

BÉCÉAS 2024

(b) Montrons que dim(V ) = dim(τ(V ∩ Tn− )) + dim(π(V ))

Hypothèses et définition

• τ est l’endomorphisme de M n (R) défini par la transposition : τ(M ) = M ⊤ , où M ⊤ est la transposée de M .

Application à V ∩ Tn− L’application τ agit sur V ∩ Tn− pour produire une image contenue dans Tn++ . En effet, la
transposée d’une matrice triangulaire inférieure est triangulaire supérieure stricte.
Puisque τ est un isomorphisme entre Tn− et Tn++ , la dimension de τ(V ∩ Tn− ) est la même que celle de V ∩ Tn− .
Ainsi :
dim(V ∩ Tn− ) = dim(τ(V ∩ Tn− )).

Conclusion En substituant dans le résultat de (a), on obtient :

dim(V ) = dim(τ(V ∩ Tn− )) + dim(π(V )).

Question 8
Montrer que τ(V ∩ Tn− ) est inclus dans Tn++ .

Solution
Hypothèses et définitions

• V est un sous-espace vectoriel de M n (R) contenu dans Nn , l’ensemble des matrices nilpotentes.

• Tn− est l’ensemble des matrices triangulaires inférieures.

• Tn++ est l’ensemble des matrices triangulaires supérieures strictes, c’est-à-dire ayant des 0 sur la diagonale.

• τ est l’endomorphisme de transposition : pour M ∈ M n (R), τ(M ) = M ⊤ , où M ⊤ est la transposée de M .

Propriété clé

La transposée d’une matrice triangulaire inférieure est une matrice triangulaire supérieure stricte si cette ma-
trice appartient à Tn− ∩ Nn . Cela découle directement des définitions des ensembles.

Étape 1 : Inclusion de V ∩ Tn− dans Tn−

Par définition, V ∩ Tn− ⊆ Tn− . Ainsi, toute matrice A ∈ V ∩ Tn− est triangulaire inférieure.

Étape 2 : Transposée d’une matrice triangulaire inférieure

Si A ∈ Tn− , alors τ(A) = A ⊤ est une matrice triangulaire supérieure. Si A est nilpotente (car A ∈ V ), alors A ⊤ est
également nilpotente, car les valeurs propres d’une matrice et de sa transposée sont identiques.
De plus, comme A est nilpotente et triangulaire inférieure, les coefficients diagonaux de A sont nuls. Par consé-
quent, A ⊤ est triangulaire supérieure stricte, c’est-à-dire A ⊤ ∈ Tn++ .

Étape 3 : Inclusion finale

Pour tout A ∈ V ∩ Tn− , on a τ(A) = A ⊤ ∈ Tn++ . Par conséquent :

τ(V ∩ Tn− ) ⊆ Tn++ .

Mathématiques Page 26/ 81

BÉCÉAS 2024

Question 9
Soit A ∈ τ(V ∩ Tn− ) ∩ π(V ) et N ∈ V tel que A = π(N ).

(a) Montrer que A ⊤ + N ∈ V et en déduire que Tr(A ⊤ N ) = 0.

(b) Montrer que N − A ∈ Tn− et en déduire que A(N ⊤ − A ⊤ ) ∈ Tn++ .

(c) Montrer que Tr(A A ⊤ ) = 0.

(d) Conclure que A = 0.

Solution
(a) Montrons que A ⊤ + N ∈ V et déduisons que Tr(A ⊤ N ) = 0

1. A ⊤ + N ∈ V :

• Par hypothèse, N ∈ V , et A = π(N ) implique que A ∈ Tn++ .

• Par définition de τ, A ⊤ ∈ τ(V ∩ Tn− ) ⊆ Tn++ .
• La somme A ⊤ + N appartient à V car V est un sous-espace vectoriel : N ∈ V et A ⊤ ∈ τ(V ∩ Tn− ) ⊆ V .

2. Tr(A ⊤ N ) = 0 :

• A ⊤ N est une matrice résultant du produit d’une matrice triangulaire supérieure stricte (A ⊤ ) avec une
matrice nilpotente (N ).
• Par une propriété des matrices nilpotentes et triangulaires strictes, les termes diagonaux de A ⊤ N sont
tous nuls. Ainsi, Tr(A ⊤ N ) = 0.

(b) Montrons que N − A ∈ Tn− et A(N ⊤ − A ⊤ ) ∈ Tn++

1. N − A ∈ Tn− :

• Par hypothèse, N ∈ V , donc π(N ) = A. Cela signifie que N − A est une composante de N dans Tn− .
• Par construction, π(N − A) = 0, ce qui implique N − A ∈ Tn− .

2. A(N ⊤ − A ⊤ ) ∈ Tn++ :

• Par définition, A ∈ Tn++ et N − A ∈ Tn− .

• La matrice N ⊤ − A ⊤ est triangulaire supérieure stricte car N − A ∈ Tn− .
• Le produit A(N ⊤ − A ⊤ ) est une matrice triangulaire supérieure stricte, donc A(N ⊤ − A ⊤ ) ∈ Tn++ .

(c) Montrons que Tr(A A ⊤ ) = 0

D’après la question (b) précédente, Tr(AN ⊤ )−Tr(A A ⊤ ) = 0. Or d’après la question (a), Tr(AN ⊤ ) =Tr(N A ⊤ ) =Tr(A ⊤ N ) =
0. On en déduit que Tr(A A ⊤ ) = 0.

(d) Concluons que A = 0

• Si Tr(A A ⊤ ) = 0, cela implique que tous les termes de A sont nuls, car
n X
n
Tr(A A ⊤ ) = a i2, j .
X
i =1 j =1

• Par conséquent, A = 0.

Mathématiques Page 27/ 81

BÉCÉAS 2024

Question 10 Théorème de Gerstenhaber

Énoncé : Soit V un sous-espace vectoriel de M n (R) constitué de matrices nilpotentes. Alors :

n(n − 1)
dim(V ) ≤ .
2

Solution
1. Résultats préliminaires obtenus

• Question 7 : dim(V ) = dim(τ(V ∩ Tn− )) + dim(π(V )).

• Question 8 : τ V ∩ Tn− est inclus dans Tn++ .

¡ ¢

• Question 9 : Si A ∈ τ(V ∩ Tn− ) ∩ π(V ), alors A = 0.

Comme π(V ) est aussi inclus dans Tn++ , et que l’intersection avec τ(V ∩ Tn− ) est réduite à 0, on déduit que

n(n − 1)
dim(τ(V ∩ Tn− )) + dim(π(V )) ≤ dim(Tn++ ) = .
2
Par conséquent
n(n − 1)
dim(V ) ≤
2
et le théorème de Gerstenhaber est démontré.

Mathématiques Page 28/ 81

BÉCÉAS 2024

Banque d’Épreuves des Concours des Écoles

d’Actuariat et Statistique
Session 2024

Épreuve à option (A) : Mathématiques

Éléments de correction

Partie 1 : Déterminant de Cauchy

Question 1
Montrer qu’il existe un nombre complexe λ tel que :

(X − a 1 )(X − a 2 ) · · · (X − a n−1 )
F (X ) = λ .
(X + b 1 )(X + b 2 ) · · · (X + b n )

Solution

Etapes de résolution
1. Définition de F (X ) :
F (X ) est la fraction rationnelle associée à une matrice de Cauchy augmentée :
¯ 1 1 ¯
¯
¯ a1 +b1 ··· a 1 +b n
¯
¯
¯ .. .. .. ¯
¯
F (X ) = ¯¯ . . .
¯
¯.
¯ a 1+b ··· 1 ¯
a n−1 +b n ¯
¯
¯ n−11 1 1
¯
X +b 1 ··· X +b n
¯

2. Utilisation des propriétés des déterminants :

En développant par rapport à la dernière ligne, F (X ) est une combinaison linéaire des mineurs obtenus en
1
supprimant successivement les colonnes associées à X +b . Ces mineurs ne dépendent que des termes a i + b j , où
j
i = 1, . . . , n − 1.
3. Factorisation :
Le déterminant F (X ) est un polynôme en X au numérateur et au dénominateur. Les zéros au numérateur pro-
viennent de X = a 1 , a 2 , . . . , a n−1 , car F (X ) s’annule lorsque X coïncide avec ces valeurs (chaque colonne devient
dépendante d’une autre).
4. Structure de F (X ) :
On peut alors écrire F (X ) comme suit :

(X − a 1 )(X − a 2 ) · · · (X − a n−1 )
F (X ) = λ ,
(X + b 1 )(X + b 2 ) · · · (X + b n )

où λ est un facteur constant dépendant des valeurs a i et b j .

Option A Page 29/ 81

BÉCÉAS 2024

5. Conclusion :
Le facteur λ peut être déterminé explicitement en calculant le coefficient dominant de F (X ), mais l’énoncé
demande simplement de prouver son existence, ce qui est établi grâce à la factorisation ci-dessus.

Question 2
On pose G(X ) = (X + b n )F (X ). Montrer que G(−b n ) = D n−1 et en déduire une relation entre D n et D n−1 .

Solution
On peut calculer F (X ) en développant par rapport à la dernière ligne. En multipliant par (X + b n ), on obtient

n−1 1
βi
X
G(X ) = D n−1 + (X + b n )
i =1 X + bi

où les βi sont des constantes indépendantes de X . On en déduit que

G(−b n ) = D n−1 .

De plus, avec F (X ) exprimé précédemment :

(X − a 1 )(X − a 2 ) · · · (X − a n−1 )
F (X ) = λ ,
(X + b 1 )(X + b 2 ) · · · (X + b n )

on obtient :
(X − a 1 )(X − a 2 ) · · · (X − a n−1 )
G(X ) = λ .
(X + b 1 )(X + b 2 ) · · · (X + b n−1 )
Comme
(a n − a 1 )(a n − a 2 ) · · · (a n − a n−1 )
F (a n ) = D n = λ
(a n + b 1 )(a n + b 2 ) · · · (a n + b n )
et en remplaçant X par −b n dans G(X ), on a :

((−b n ) − a 1 )((−b n ) − a 2 ) · · · ((−b n ) − a n−1 )

G(−b n ) = λ = D n−1
((−b n ) + b 1 )((−b n ) + b 2 ) · · · ((−b n ) + b n−1 )
et
(a n − a 1 )(a n − a 2 ) · · · (a n − a n−1 )
Dn = λ
(a n + b 1 )(a n + b 2 ) · · · (a n + b n )
((−b n ) + b 1 )((−b n ) + b 2 ) · · · ((−b n ) + b n−1 )
=
((−b n ) − a 1 )((−b n ) − a 2 ) · · · ((−b n ) − a n−1 )
(a n − a 1 )(a n − a 2 ) · · · (a n − a n−1 )
× D n−1
(a n + b 1 )(a n + b 2 ) · · · (a n + b n )
Qn−1 Qn−1
i =1 (a n − a i ) i =1 (b n − b i ) 1
= Qn−1 Qn−1 D n−1 .
i =1 (a i + b n ) i =1 (b i + a n )
(a n + b n )

Question 3
Conclure que : Q Q
1≤i < j ≤n (a j − ai ) 1≤i < j ≤n (b j − bi )
Dn = Q ,
1≤i , j ≤n (a i +bj )
dans le cas où les a i et b i sont distincts, puis dans le cas général.

Option A Page 30/ 81

BÉCÉAS 2024

Solution

Etapes de la solution
1. Relation de récurrence

D’après la question 2, on a montré que :

Qn−1 Qn−1
i =1 (a n − a i ) i =1 (b n − b i ) 1
Dn = Qn−1 Qn−1 D n−1 .
i =1 (a i + b n ) i =1 (b i + a n )
(a n + b n )

2. Cas de base (n = 1)
1
Pour n = 1, la matrice est de taille 1 × 1 avec un seul terme a 1 +b 1 . Le déterminant est directement :

1
D1 = .
a1 + b1

3. Hypothèse de récurrence

Supposons que pour n − 1, la formule suivante est vraie :

Q Q
1≤i < j ≤n−1 (a j − a i ) 1≤i < j ≤n−1 (b j − b i )
D n−1 = Q .
1≤i , j ≤n−1 (a i + b j )

Alors
Qn−1 Qn−1 Q Q
i =1 (a n − a i ) i =1 (b n − b i ) 1 1≤i < j ≤n−1 (a j − ai ) 1≤i < j ≤n−1 (b j − bi )
Dn = Qn−1 Qn−1 Q
i =1 (a i + b n ) i =1 (b i + a n )
(a n + b n ) 1≤i , j ≤n−1 (a i +bj )
Q Q
1≤i < j ≤n (a j − a i ) 1≤i < j ≤n (b j − b i )
= Q ,
1≤i , j ≤n (a i +bj )

et l’hypothèse est vraie pour n. Par récurrence, la formule est vraie pour tout n ≥ 1.
Si les a i ou b i ne sont pas distincts, alors des termes comme a j − a i ou b j − b i deviennent nuls dans le numé-
rateur. Cela rend D n = 0, ce qui est cohérent avec le fait qu’une matrice de Cauchy avec des lignes ou colonnes
identiques est singulière.

Conclusion
La formule finale est donc :
( Q1≤i < j ≤n (a j −ai ) Q1≤i < j ≤n (b j −bi )
Q si les a i et b i sont distincts,
Dn = 1≤i , j ≤n (a i +b j )

0 sinon.

Partie 2 : Matrices de Gram

Question 4
Soit (e 1 , . . . , e m ) une base orthonormale de V et M la matrice de taille m × n définie par
¡ ¢
M = 〈e i |x j 〉 1≤i ≤m,1≤ j ≤n .

1. Montrer que Gram(x 1 , . . . , x n ) = M ⊤ M .

Option A Page 31/ 81

BÉCÉAS 2024

2. Montrer que rg(Gram(x 1 , . . . , x n )) = dimV .

3. Montrer que toute valeur propre réelle de M ⊤ M est positive ou nulle.

4. En déduire que det(Gram(x 1 , . . . , x n )) ≥ 0, avec égalité si et seulement si (x 1 , . . . , x n ) est une famille liée.

Solution
1. Expression de la matrice de Gram

La matrice de Gram est définie comme :

¡ ¢
Gram(x 1 , . . . , x n ) = 〈x i |x j 〉 1≤i , j ≤n .

Utilisant la base orthonormale (e 1 , . . . , e m ) de V , chaque vecteur x j s’écrit dans cette base comme :
m
X
xj = 〈e i |x j 〉e i .
i =1

En notant M la matrice m × n dont les coefficients sont M i j = 〈e i |x j 〉, on peut donc écrire :

Gram(x 1 , . . . , x n ) = M ⊤ M .

2. Rang de la matrice de Gram

Le rang de la matrice M correspond au nombre de vecteurs x 1 , . . . , x n linéairement indépendants dans V , car M

est construite à partir des coordonnées des x j dans la base (e 1 , . . . , e m ).
Ainsi, rg(Gram(x 1 , . . . , x n )) = rg(M ), ce qui est égal à la dimension de V , soit :

rg(Gram(x 1 , . . . , x n )) = dimV.

3. Valeurs propres de M ⊤ M

Le produit M ⊤ M est une matrice symétrique positive semi-définie. Cela signifie que :

1. Toutes les valeurs propres de M ⊤ M sont réelles (car M ⊤ M est symétrique).

2. Toute valeur propre λ de M ⊤ M satisfait λ ≥ 0.

Ceci provient de la propriété que, pour tout vecteur u ∈ Rn :

u ⊤ (M ⊤ M )u = (Mu)⊤ (Mu) = ∥Mu∥2 ≥ 0.

En particulier si u est un vecteur propre de M ⊤ M associé à la valeur propre λ, on obtient

u ⊤ (M ⊤ M )u = λu ⊤ u = λ∥u∥2 = ∥Mu∥2 .

4. Déterminant de la matrice de Gram

Le déterminant de la matrice de Gram est donné par le produit des valeurs propres de M ⊤ M . Puisque toutes
les valeurs propres sont positives ou nulles, on a :

det(Gram(x 1 , . . . , x n )) ≥ 0.

De plus, det(Gram(x 1 , . . . , x n )) = 0 si et seulement si Gram(x 1 , . . . , x n ) est singulière, ce qui se produit lorsque

(x 1 , . . . , x n ) est une famille linéairement dépendante.

Option A Page 32/ 81

BÉCÉAS 2024

Question 5
On suppose que la famille (x 1 , . . . , x n ) est libre. Soit x ∈ E et p(x) le projeté orthogonal de x sur V = Vect(x 1 , . . . , x n ).
Montrer que : s
det(Gram(x, x 1 , . . . , x n ))
d (x,V ) = ,
det(Gram(x 1 , . . . , x n ))
où d (x,V ) désigne la distance de x au sous-espace V .

Solution
1. Distance et projection orthogonale

La distance d’un vecteur x ∈ E au sous-espace V est donnée par :

d (x,V ) = ∥x − p(x)∥,

où p(x) est le projeté orthogonal de x sur V .

Par définition, p(x) est l’unique vecteur de V tel que :

〈x − p(x)|v〉 = 0, ∀v ∈ V.
Pn
Si p(x) = i =1 λi x i , alors les coefficients λi sont déterminés par :

〈x − p(x)|x j 〉 = 0, ∀ j = 1, . . . , n.

2. Système linéaire pour les coefficients de p(x)

Pn
En substituant p(x) = i =1 λi x i , on obtient :

n
λi x i .
X
x − p(x) = x −
i =1

L’orthogonalité impose :
n
λi 〈x i |x j 〉,
X
〈x|x j 〉 = ∀ j = 1, . . . , n.
i =1

Cela donne un système linéaire de n équations pour λ1 , . . . , λn . Sous forme matricielle :

λ1 〈x|x 1 〉
   
 .   . 
Gram(x 1 , . . . , x n )  ..  =  ..  .
λn 〈x|x n 〉

3. Distance ∥x − p(x)∥2

En utilisant x = p(x) + (x − p(x)), et le fait que x − p(x) est orthogonal à V , on a :

∥x∥2 = ∥p(x)∥2 + ∥x − p(x)∥2 ,

ou encore
∥x − p(x)∥2 = ∥x∥2 − ∥p(x)∥2 .

Option A Page 33/ 81

BÉCÉAS 2024

4. Matrices de Gram étendues

La matrice de Gram étendue Gram(x, x 1 , . . . , x n ) est donnée par :

 
〈x|x〉 〈x|x 1 〉 ... 〈x|x n 〉
 〈x |x〉 〈x |x 〉
 1 1 1 ... 〈x 1 |x n 〉 

Gram(x, x 1 , . . . , x n ) = 
 .. .. .. .. .
 . . . .


〈x n |x〉 〈x n |x 1 〉 ... 〈x n |x n 〉

On peut de plus écrire, car x − p(x) est orthogonal à V ,

Gram(x, x 1 , . . . , x n )
∥x − p(x)∥2 + ∥p(x)∥2
 
〈p(x)|x 1 〉 ... 〈p(x)|x n 〉

 〈x 1 |p(x)〉 〈x 1 |x 1 〉 ... 〈x 1 |x n 〉 

= .. .. .. .
..

. . . .
 
 
〈x n |p(x)〉 〈x n |x 1 〉 ... 〈x n |x n 〉

Le det(Gram(x, x 1 , . . . , x n )) se calcule par exemple en dévelopant par rapport à la première colonne. On obtient alors

det(Gr am(x, x 1 , . . . , x n ))
= det(Gr am(p(x), x 1 , . . . , x n ))
∥x − p(x)∥2 〈p(x)|x 1 〉
 
... 〈p(x)|x n 〉

 0 〈x 1 |x 1 〉 ... 〈x 1 |x n 〉 

+ det  .. .. .. .. 
. . . .
 
 
0 〈x n |x 1 〉 ... 〈x n |x n 〉
= ∥x − p(x)∥2 det(Gram(x 1 , . . . , x n )).

En effet, comme (p(x), x 1 , . . . , x n ) forme une famille liée, on a

det(Gram(p(x), x 1 , . . . , x n )) = 0.

Nous avons donc établi que : s

det(Gram(x, x 1 , . . . , x n ))
d (x,V ) = .
det(Gram(x 1 , . . . , x n ))

Cette formule relie la distance d’un vecteur à un sous-espace aux déterminants des matrices de Gram.

Partie 3 : Polynômes de Bernstein et théorème deWeierstrass

Question 6
Montrer que le module de continuité ω est un nombre réel bien défini et qu’il vérifie :

lim ω(δ) = 0,
δ→0

où ω(δ) est défini par :

ω(δ) = sup{| f (x) − f (y)| : x, y ∈ [0, 1], |x − y| ≤ δ}.

Solution
1. Définition de ω(δ)

Le module de continuité ω(δ) est une borne supérieure prise sur les différences des valeurs de f pour des points
x, y ∈ [0, 1] tels que |x − y| ≤ δ.

Option A Page 34/ 81

BÉCÉAS 2024

• Bornes de ω(δ) : f étant continue sur le compact [0, 1], elle est uniformément continue. Cela signifie qu’il
existe un contrôle uniforme sur | f (x) − f (y)| pour |x − y| ≤ δ. Par continuité de f , ω(δ) est un nombre réel
(fini).
• Croissance de ω(δ) : Lorsque δ augmente, la condition |x − y| ≤ δ devient moins restrictive. Ainsi, ω(δ) est
croissante :
ω(δ1 ) ≤ ω(δ2 ) si δ1 ≤ δ2 .

2. Limite limδ→0 ω(δ)

• Comportement pour δ → 0 : Pour δ = 0, on impose x = y, ce qui donne | f (x) − f (y)| = 0. Ainsi, ω(0) = 0.
• Uniformité de la continuité : Pour δ > 0, la continuité de f assure que, pour tout ϵ > 0, il existe δ0 > 0 tel que
si |x − y| ≤ δ0 , alors | f (x) − f (y)| < ϵ. Cela implique que :
ω(δ) → 0 lorsque δ → 0.

3. Conclusion

• ω(δ) est bien défini car f est continue sur un compact, assurant que | f (x) − f (y)| est borné pour |x − y| ≤ δ.
• limδ→0 ω(δ) = 0 découle de la continuité de f , qui impose que les variations de f tendent vers 0 lorsque x et
y deviennent arbitrairement proches.

Question 7
Montrer que, pour tout n ≥ 0, la famille {B n,k }0≤k≤n est une base de l’espace des polynômes réels de degré
inférieur ou égal à n, noté P n .

Solution
1. Définition des polynômes de Bernstein

Les polynômes de Bernstein sont définis par :

à !
n k
B n,k (x) = x (1 − x)n−k , 0 ≤ k ≤ n, x ∈ [0, 1].
k
Ces polynômes sont de degré n. Ainsi, chaque B n,k (x) appartient à P n , l’espace des polynômes de degré au plus n.

2. Vérification de la linéarité

L’espace P n est un espace vectoriel de dimension n +1, avec comme base canonique {1, x, x 2 , . . . , x n }. Pour prou-
ver que {B n,k }nk=0 est une base de P n , il faut montrer qu’elle :

1. génère P n ,
2. est une famille libre.

3. Génération de P n

Pour tout p(x) ∈ P n , il existe une combinaison linéaire des B n,k telle que :
n
X
p(x) = c k B n,k (x),
k=0

où c k ∈ R. Cela découle du fait que chaque B n,k (x) est une combinaison de monômes x i (pour 0 ≤ i ≤ n), et que
{1, x, . . . , x n } est une base de P n .

Option A Page 35/ 81

BÉCÉAS 2024

4. Indépendance linéaire

Supposons une combinaison linéaire nulle :

n
X
c k B n,k (x) = 0, ∀x ∈ [0, 1].
k=0

En développant B n,k (x), cela devient :

à !
n n k
x (1 − x)n−k = 0,
X
ck ∀x ∈ [0, 1].
k=0 k

Evaluons ce polynôme à des points spécifiques :

• x = 0 : Seul B n,0 (x) est non nul, donc c 0 = 0.

• x = 1 : Seul B n,n (x) est non nul, donc c n = 0.

En divisant par x (1 − x) et par induction, on montre que tous les c k = 0. Ainsi, la famille {B n,k }nk=0 est libre.
La famille {B n,k }nk=0 génère P n , et est linéairement indépendante. Par conséquent, {B n,k }nk=0 est une base de P n .

Question 8
Montrer que B n ( f ) est un polynôme de degré n, que l’on exprimera en fonction des B n,k .

Solution
1. Définition de B n ( f )

Pour f ∈ C ([0, 1]), le polynôme de Bernstein associé est défini par :

Sn
· µ ¶¸
B n ( f )(x) = E f ,
n

où S n = ni=1 X i , et X i sont des variables de Bernoulli indépendantes de paramètre x (c’est-à-dire P(X i = 1) = x et

P

P(X i = 0) = 1 − x).

h ³ ´i
2. Calcul de E f Snn

La variable S n suit une loi binomiale B(n, x), donc :

¶ Ã !
Sn k n k
µ
P = = x (1 − x)n−k , k = 0, 1, . . . , n.
n n k

L’espérance B n ( f )(x) s’écrit donc :

n µ ¶Ã !
k n k
x (1 − x)n−k .
X
B n ( f )(x) = f
k=0 n k

3. Expression en fonction des B n,k

Rappelons que les polynômes de Bernstein B n,k sont définis par :

à !
n k
B n,k (x) = x (1 − x)n−k .
k

Option A Page 36/ 81

BÉCÉAS 2024

Substituons cette définition dans B n ( f )(x) :

n
X k
µ ¶
B n ( f )(x) = f B n,k (x).
k=0 n
³ ´
k
Ainsi, B n ( f )(x) est une combinaison linéaire des B n,k (x), avec les coefficients f n .

4. Degré du polynôme B n ( f )

Chaque B n,k (x) est un polynôme de degré n. Une somme finie de polynômes de degré n est elle-même un
polynôme de degré au plus n. Donc B n ( f )(x) est un polynôme de degré n.

Question 9
Montrer que : ¯
¯ Sn
µ¯ ¶
|B n ( f )(x) − f (x)| ≤ ω(δ) + 2∥ f ∥∞ P ¯¯ − x ¯¯ > δ ,
¯
n
puis que :
∥ f ∥∞
|B n ( f )(x) − f (x)| ≤ ω(δ) + .
2nδ2

Solution
1. Décomposition de l’erreur |B n ( f )(x) − f (x)|

On commence par écrire B n ( f )(x) :

Sn
· µ ¶¸
B n ( f )(x) = E f ,
n
où S n suit une loi binomiale B(n, x).
L’erreur |B n ( f )(x) − f (x)| est donnée par :
¯ · µ ¶
Sn
¸¯
|B n ( f )(x) − f (x)| = ¯¯E f
¯ ¯
− f (x) ¯¯
n

et donc ¯¸
¯ Sn
·¯ µ ¶
|B n ( f )(x) − f (x)| ≤ E ¯¯ f
¯
− f (x)¯¯ .
n

¯ ¯
2. Partition des cas selon ¯ Snn − x ¯
¯ ¯

Introduisons un seuil δ > 0 pour distinguer deux cas :

¯ ¯
1. Lorsque ¯ Snn − x ¯ ≤ δ,
¯ ¯

¯ ¯
2. Lorsque ¯ Snn − x ¯ > δ.
¯ ¯

On décompose : ¯¸ ¯
¯ Sn ¯ Sn
·¯ µ ¶ ·¯ µ ¶ ¸
E ¯¯ f − f (x)¯¯ = E ¯¯ f
¯ ¯
− f (x)¯¯ · 1n¯¯ S n ¯¯ o
n n ¯ n −x ¯≤δ
¯
¯ Sn
·¯ µ ¶ ¸
¯
+E ¯¯ f − f (x)¯¯ · 1n¯¯ S n ¯¯ o .
n ¯ n −x ¯>δ

Option A Page 37/ 81

BÉCÉAS 2024

¯ ¯
3. Premier terme (¯ Snn − x ¯ ≤ δ)
¯ ¯

¯ ¯
Lorsque ¯ Snn − x ¯ ≤ δ, la définition du module de continuité ω(δ) donne :
¯ ¯

¯ µ ¶ ¯
¯ Sn
¯ ≤ ω(δ).
¯
¯f − f (x)
¯ n ¯

Ainsi : ¯
¯ Sn
·¯ µ ¶ ¸
E ¯¯ f − f (x)¯¯ · 1n¯¯ S n ¯¯ o ≤ ω(δ).
¯
n ¯ n −x ¯≤δ

¯ ¯
4. Deuxième terme (¯ Snn − x ¯ > δ)
¯ ¯

¯ ¯ ¯ ³ ´ ¯
Lorsque ¯ Snn − x ¯ > δ, on majore ¯ f Snn − f (x)¯ par 2∥ f ∥∞ :
¯ ¯ ¯ ¯

¯ ¯
¯ Sn ¯ Sn
·¯ µ ¶ ¸ µ¯ ¶
E ¯¯ f − f (x)¯¯ · 1n¯¯ S n ¯¯ o ≤ 2∥ f ∥∞ · P ¯¯ − x ¯¯ > δ .
¯ ¯
n ¯ n −x ¯>δ n

³¯ ¯ ´
5. Probabilité P ¯ Snn − x ¯ > δ
¯ ¯

La variable Snn suit une loi binomiale centrée réduite avec moyenne x et variance x(1−x)
n . En appliquant l’inéga-
lité de Chebyshev, on obtient : ³ ´
¯ ¶ Var S n
¯ Sn x(1 − x)
µ¯
n
P ¯¯ − x ¯¯ > δ ≤
¯
= .
n δ 2 nδ2
1
Comme x(1 − x) ≤ 4 pour tout x ∈ [0, 1], on a :
¯
¯ Sn
µ¯ ¶
1
P ¯¯ − x ¯¯ > δ ≤
¯
.
n 4nδ2

6. Résultat final

En combinant les deux termes :

1
|B n ( f )(x) − f (x)| ≤ ω(δ) + 2∥ f ∥∞ · .
4nδ2
En simplifiant le second terme :
∥ f ∥∞
|B n ( f )(x) − f (x)| ≤ ω(δ) + .
2nδ2

Question 10
Montrer que pour tout entier n ≥ 1, il existe un polynôme Tn ( f ) tel que :

∥ f − Tn ( f )∥∞ = d ( f , P n ),

où d ( f , P n ) est la distance entre f et l’espace des polynômes de degré inférieur ou égal à n, mesurée avec la norme
∥ · ∥∞ .

Option A Page 38/ 81

BÉCÉAS 2024

Solution
1. Distance à un sous-espace de dimension finie

L’espace P n des polynômes de degré inférieur à n est un sous-espace vectoriel de dimension finie de l’espace
C ([a, b]), muni de la norme infinie :
∥g ∥∞ = sup |g (x)|.
x∈[a,b]

La distance d ( f , P n ) est définie comme :

d ( f , P n ) = inf ∥ f − p∥∞ .
p∈P n

La compacité de [a, b] garantit que ∥ f − p∥∞ atteint une borne inférieure, car ∥ f − p∥∞ est une fonction continue
de p, définie sur le sous-espace compact P n .

2. Existence de Tn ( f )

La propriété ci-dessus garantit l’existence d’un polynôme Tn ( f ) ∈ P n tel que :

∥ f − Tn ( f )∥∞ = inf ∥ f − p∥∞ = d ( f , P n ).

p∈P n

En d’autres termes, Tn ( f ) est le polynôme minimisant la distance entre f et P n pour la norme infinie. Cette exis-
tence repose sur les propriétés suivantes :

1. Compacité : L’ensemble des polynômes de degré ≤ n, noté P n , est compact lorsqu’il est restreint à C ([a, b]).

2. Continuité de ∥ f − p∥∞ : Cette norme est une fonction continue de p dans l’espace vectoriel normé.

Question 11
Montrer que si f ∈ C ([a, b]), alors :
lim ∥Tn ( f ) − f ∥∞ = 0,
n→∞

Solution
On se ramène sur le segment [0, 1] par translation et homothétie. De plus, par définition

∥Tn ( f ) − f ∥∞ ≤ ∥B n ( f ) − f ∥∞ .

Par la question 9,
∥ f ∥∞
∥B n ( f ) − f ∥∞ ≤ ω(δ) + .
2nδ2
A δ fixé, on fait tendre n vers l’infini, pour déduire

lim sup ∥B n ( f ) − f ∥∞ ≤ ω(δ)

n≥1

puis on fait tendre δ vers 0 pour conclure que

lim ∥B n ( f ) − f ∥∞ = 0,
n→∞

et enfin
lim ∥Tn ( f ) − f ∥∞ = 0.
n→∞

Option A Page 39/ 81

BÉCÉAS 2024

Question 12
Montrer que si f : [0, 1] → R est lipschitzienne, alors il existe une constante C > 0 telle que :

C
∥B n ( f ) − f ∥∞ ≤ .
n 1/3

Solution
1. Définition de la condition lipschitzienne

La fonction f est dite lipschitzienne s’il existe une constante L > 0 telle que :

| f (x) − f (y)| ≤ L|x − y|, ∀x, y ∈ [0, 1].

On en déduit que le module de continuité satisfait ω(δ) ≤ Lδ.

2. Décomposition de l’erreur ∥B n ( f ) − f ∥∞

Par la question 9,
∥ f ∥∞ ∥ f ∥∞
∥B n ( f ) − f ∥∞ ≤ ω(δ) + ≤ Lδ + .
2nδ2 2nδ2

3. Résultat final

En prenant δ = δn = n −1/3 , on déduit l’existence d’une constante positive C telle que :

C
∥B n ( f ) − f ∥∞ ≤ .
n 1/3

Question 13
(a) Montrer qu’il existe un polynôme pair Tn tel que :

d (V, P n ) = ∥V − Tn ∥∞ .

(b) En minorant |Tn −Tn (0)−V | près de x = 0, montrer qu’il existe une constante c > 0 telle que d (V, P n ) ≥ cn −4 .

Solution
On considère la fonction V (x) = |x| et l’inégalité des frères Markov (1890) :

∥P ′ ∥∞ ≤ n 2 ∥P ∥∞ ,

où P est un polynôme de degré au plus n et ∥ · ∥∞ désigne la norme infinie sur [−1, 1].

(a) Existence d’un polynôme pair Tn

Pour toute approximation Tn de V (x) = |x| dans l’espace des polynômes pairs de degré ≤ n, on cherche à mini-
miser la distance :
d (V, P n ) = inf ∥V − P ∥∞ .
P ∈P n

Option A Page 40/ 81

BÉCÉAS 2024

Symétrie de V et Tn

• La fonction V (x) = |x| est paire : V (−x) = V (x).

• Toute approximation optimale Tn de V doit être paire, car si Tn n’est pas pair, on peut la remplacer par le
polynôme Ten (x) pair :
Tn (x) + Tn (−x)
= ,
2
qui satisfera ∥V − Ten ∥∞ ≤ ∥V − Tn ∥∞ .

(b) Minoration de ∥Tn − Tn (0) − V ∥∞ près de x = 0

Approximation locale autour de x = 0

• La fonction V (x) = |x| est non différentiable en x = 0.

• Le polynôme Tn (x) est différentiable partout. En particulier, Tn′ (0) = 0 car Tn est pair.

• On considère la différence Tn (x) − Tn (0) − V (x) près de x = 0. Pour x > 0, on a :

1
V (x) − Tn (x) ∼ |x| − Tn (0) − Tn′ (0)x − Tn′′ (0)x 2 .
2

Puisque Tn′ (0) = 0, cette différence est dominée par un terme quadratique.

Minoration locale
1
Sur un voisinage |x| ≤ n2
, on peut approximer Tn (x) comme un polynôme quadratique, et on obtient :

|x|
|V (x) − Tn (x)| ≳ .
n4

Pour x ≈ 0, la contribution quadratique domine, et on a une borne inférieure sur ∥Tn − V ∥∞ .

Résultat final

En prenant en compte cette approximation locale et en utilisant la norme infinie sur [−1, 1], on obtient :

d (V, P n ) ≥ cn −4 ,

où c > 0 est une constante.

Partie 4 : Théorème de Müntz

Question 11 : Norme et produit scalaire associés à ∥ · ∥2

Pour f ∈ C ([0, 1]), on pose :
µZ 1 ¶1/2
2
∥ f ∥2 = | f (t )| d t .
0

Vérifier que ∥·∥2 est une norme associée à un produit scalaire que l’on explicitera et que l’on pourra noter 〈·|·〉 dans
la suite.

Option A Page 41/ 81

BÉCÉAS 2024

Solution
Pour f ∈ C ([0, 1]), on définit la norme ∥ · ∥2 par :
µZ 1 ¶1/2
2
∥ f ∥2 = | f (t )| d t .
0

(a) Vérification que ∥ · ∥2 est une norme

Pour montrer que ∥ · ∥2 est une norme, on doit vérifier les trois propriétés suivantes :

1. Positivité : ∥ f ∥2 ≥ 0 et ∥ f ∥2 = 0 ⇐⇒ f = 0.

2. Homogénéité : Pour tout α ∈ R, ∥α f ∥2 = |α| · ∥ f ∥2 .

3. Inégalité triangulaire : ∥ f + g ∥2 ≤ ∥ f ∥2 + ∥g ∥2 .

1. Positivité

Par définition,
µZ 1 ¶1/2
2
∥ f ∥2 = | f (t )| d t .
0
R1 R1
L’intégrale 0 | f (t )|2 d t ≥ 0 car | f (t )|2 ≥ 0 pour tout t . Si ∥ f ∥2 = 0, alors 0 | f (t )|2 d t = 0, ce qui implique que f (t ) = 0
pour tout t ∈ [0, 1].

2. Homogénéité

Pour tout α ∈ R, on a :
µZ 1 ¶1/2
2
∥α f ∥2 = |α f (t )| d t .
0
En factorisant |α|2 dans l’intégrale :
µ Z 1 ¶1/2
2 2
∥α f ∥2 = |α| | f (t )| d t = |α| · ∥ f ∥2 .
0

3. Inégalité triangulaire

Pour f , g ∈ C ([0, 1]), on a :

Z 1
∥ f + g ∥22 = | f (t ) + g (t )|2 d t .
0
En développant | f (t ) + g (t )|2 , on obtient :

| f (t ) + g (t )|2 = | f (t )|2 + |g (t )|2 + 2 f (t )g (t ).

En intégrant, cela donne :

Z 1
∥ f + g ∥22 = ∥ f ∥22 + ∥g ∥22 + 2 f (t )g (t ) d t .
0
En utilisant l’inégalité de Cauchy-Schwarz :
1
¯Z ¯
¯ ¯
¯
¯ f (t )g (t ) d t ¯¯ ≤ ∥ f ∥2 ∥g ∥2 ,
0

on en déduit que :
∥ f + g ∥22 ≤ (∥ f ∥2 + ∥g ∥2 )2 .
Ainsi :
∥ f + g ∥2 ≤ ∥ f ∥2 + ∥g ∥2 .

Option A Page 42/ 81

BÉCÉAS 2024

(b) Produit scalaire associé

La norme ∥ · ∥2 est associée au produit scalaire suivant :
Z 1
〈 f |g 〉 = f (t )g (t ) d t .
0

Les propriétés suivantes du produit scalaire sont faciles à vérifier :

1. Linéarité : Pour tout α, β ∈ R et f , g , h ∈ C ([0, 1]),

〈α f + βg |h〉 = α〈 f |h〉 + β〈g |h〉.

2. Symétrie : 〈 f |g 〉 = 〈g | f 〉.

3. Positivité : 〈 f | f 〉 ≥ 0 et 〈 f | f 〉 = 0 ⇐⇒ f = 0.

La norme ∥ · ∥2 est liée au produit scalaire par :

q
∥ f ∥2 = 〈 f | f 〉.

Conclusion
1. La norme ∥ · ∥2 est bien une norme sur C ([0, 1]). 2. Elle est associée au produit scalaire :
Z 1
〈 f |g 〉 = f (t )g (t ) d t .
0

Question 12
Montrer que l’espace vectoriel :
Vect {x m | m ∈ N}
¡ ¢

est dense dans (C ([0, 1]), ∥ · ∥2 ), où la norme ∥ · ∥2 est donnée par :

µZ 1 ¶1/2
∥ f ∥2 = | f (t )|2 d t .
0

Solution
1. Densité dans (C ([0, 1]), ∥ · ∥∞ )

Le théorème d’approximation de Weierstrass affirme que les polynômes sont denses dans (C ([0, 1]), ∥·∥∞ ). Cela
signifie que pour toute fonction f ∈ C ([0, 1]) et pour tout ϵ > 0, il existe un polynôme P (x) = nm=0 c m x m tel que :
P

∥ f − P ∥∞ = sup | f (x) − P (x)| < ϵ.

x∈[0,1]

2. Relation entre ∥ · ∥∞ et ∥ · ∥2

Pour toute fonction f ∈ C ([0, 1]), la norme ∥ · ∥2 est liée à ∥ · ∥∞ par :

µZ 1 ¶1/2 s
Z 1
2
∥ f ∥2 = | f (t )| d t ≤ ∥ f ∥∞ · 1 d t = ∥ f ∥∞ .
0 0

Cela montre que si une suite de polynômes (P n ) converge uniformément vers f , alors elle converge également en
norme ∥ · ∥2 , car :
∥ f − P n ∥2 ≤ ∥ f − P n ∥∞ .

Option A Page 43/ 81

BÉCÉAS 2024

3. Approximation en norme ∥ · ∥2
Pn m
Soit f ∈ C ([0, 1]) et ϵ > 0. Par le théorème de Weierstrass, il existe un polynôme P (x) = m=0 c m x tel que :

∥ f − P ∥∞ < ϵ.

Puisque ∥ f − P ∥2 ≤ ∥ f − P ∥∞ , on obtient :
∥ f − P ∥2 < ϵ.
Cela prouve que pour toute fonction f ∈ C ([0, 1]) et tout ϵ > 0, il existe un polynôme P (x) ∈ Vect({x m }) tel que
∥ f − P ∥2 < ϵ.

Question 13
On considère une suite (λn )n≥0 avec λn ≥ 0 pour tout n. Montrer que la famille de fonctions {x λn }n≥0 est libre
dans C ([0, 1]). Cela signifie que si :
N
c n x λn = 0, ∀x ∈ [0, 1],
X
n=0

alors c n = 0 pour tout n.

Solution
Considérons une combinaison linéaire finie de fonctions de la forme x λn :
N
c n x λn = 0,
X
∀x ∈ [0, 1],
n=0

N
où (c n )n=0 ⊂ RN +1 . Nous devons montrer que cette égalité implique c n = 0 pour tout n.
En prenant la limite en 0, nous obtenons que c 0 est égal à 0 à partir de la limite en 0. Ensuite il suffit de diviser
par x λ1 pour x ∈]0, 1] et de prendre la limite en 0 pour obtenir c 1 = 0, et d’itérer jusqu’à c N .

Question 14
Soit VN = Vect{x λn | 0 ≤ n ≤ N } et m un réel positif. On étudie la distance entre x m et VN dans (C ([0, 1]), ∥ · ∥2 ), où
la norme ∥ · ∥2 est définie par :
µZ 1 ¶1/2
2
∥ f ∥2 = | f (t )| d t .
0

(a) Formule pour d 2 (x m ,VN )

La distance au carré entre x m et VN est donnée par :

d 22 (x m ,VN ) = inf ∥x m − P ∥22 .

P ∈VN

Par orthogonalité, la projection optimale de x m sur VN minimise la norme. Étant donné que la suite (λn ) est stric-
tement croissante, la famille (x λ0 , ..., x λN ) est une base de VN et on peut donc utiliser les résultats de la Partie 2.
Calculons donc les matrices de Gram intervenant dans le calcul :

. . . 〈x m |x λN 〉
 m m
〈x m |x 1 〉

〈x |x 〉
 〈x λ0 |x m 〉 〈x λ0 |x λ0 〉 . . . 〈x λ0 |x λN 〉 
m λ0 λN
 
Gram(x , x , ..., x ) =  .. .. .. .. .
.
 
 . . . 
〈x λN |x m 〉 〈x λN |x λ0 〉 ... 〈x λN |x λN 〉

Option A Page 44/ 81

BÉCÉAS 2024

et
〈x λ0 |x λ0 〉 〈x λ0 |x λN 〉
 
...
.. ..
Gram(x λ0 , ..., x λN ) =  ..
 
.
 . . . 
〈x λN |x λ0 〉 ... 〈x λN |x λN 〉
Nous avons établi que : s
det(Gram(x m , x λ0 , ..., x λN ))
d 2 (x m ,VN ) = .
det(Gram(x λ0 , ..., x λN ))
Après calculs, cela conduit à l’expression de d 2 (x m ,VN ) comme :

1 N |m − λi |
d 2 (x m ,VN ) = p
Y
.
2m + 1 i =0 |m + λi + 1|

(b) Cas où (λn ) est bornée

Si (λn ) est bornée, elle est convergente car croissante vers λ∞ . De plus, quand i → ∞

|m − λi | |m − λ∞ |
→ < 1.
|m + λi + 1| |m + λ∞ + 1|

On peut donc conclure, en passant au logarithme, que :

lim d 2 (x m ,VN ) = 0.
N →∞

(c) Cas où (λn ) est non-bornée

Si (λn ) est non-bornée et si m ∉ {λn | n ≥ 0}, on vent montrer que d 2 (x m ,VN ) → 0 si et seulement si :
X∞ 1
diverge.
n=1 λn

Pour tout m ∈ N, il existe N0 ∈ N tel que λn > m pour tout n ≥ N0 . On a alors, pour n grand,

λn − m
µ ¶
2m + 1 2m + 1
u n := ln ∼− ∼− .
m + λn + 1 m + λn + 1 λn
m
Comme ∞
P P∞
n=1 1/λn diverge, n=1 u n diverge vers −∞, d 2 (x ,V N ) → 0 et réciproquement.

Question 15
Soit V = Vect{x λn | n ≥ 0} dans (C ([0, 1]), ∥ · ∥2 ). Montrer que V est dense dans (C ([0, 1]), ∥ · ∥2 ) si et seulement si :
X∞ 1

n=1 λn

diverge.

Solution
1. Densité et approximation

Pour que V soit dense dans (C ([0, 1]), ∥ · ∥2 ), il faut que pour toute fonction f ∈ C ([0, 1]) et tout ϵ > 0, il existe une
combinaison finie de la forme :
N
c n x λn ,
X
P (x) =
n=0

Option A Page 45/ 81

BÉCÉAS 2024

telle que :
∥ f − P ∥2 < ϵ,
où la norme ∥ · ∥2 est donnée par :
µZ 1 ¶1/2
∥ f ∥2 = | f (t )|2 d t .
0

P∞ 1
2. Condition nécessaire et suffisante sur n=1 λn

P∞ 1
(a) Condition nécessaire : Si n=1 λn converge, alors V n’est pas dense dans (C ([0, 1]), ∥ · ∥2 ).

1 λn
• Lorsque ∞
P
n=1 λn < ∞, cela signifie que la famille {x } ne peut pas fournir suffisamment d’“information”
pour approximer toutes les fonctions f ∈ C ([0, 1]) en norme ∥ · ∥2 .

• En particulier, la convergence de la série limite l’étendue des fonctions pouvant être construites par des com-
binaisons linéaires des x λn .
P∞ 1
Ainsi, si n=1 λn converge, V n’est pas dense.

P∞ 1
(b) Condition suffisante : Si n=1 λn diverge, alors V est dense dans (C ([0, 1]), ∥ · ∥2 ).

1 λn
• Lorsque ∞
P
n=1 λn = ∞, les x couvrent une gamme suffisamment large d’exposants pour permettre une
approximation arbitrairement précise de toute fonction f ∈ C ([0, 1]).

• Ce résultat découle directement de la question 14.

Question 16
Soit V = Vect{x λn | n ≥ 0} dans (C ([0, 1]), ∥ · ∥∞ ), où la norme ∥ · ∥∞ est définie par :

∥ f ∥∞ = sup | f (x)|.
x∈[0,1]

Montrer que si V est dense dans (C ([0, 1]), ∥ · ∥∞ ), alors la série :

X∞ 1

n=1 λn

diverge.

Solution
La densité de V dans (C ([0, 1]), ∥ · ∥∞ ) signifie que pour toute fonction f ∈ C ([0, 1]) et tout ϵ > 0, il existe une
combinaison finie de la forme :
N
c n x λn ,
X
P (x) =
n=0

telle que :
∥ f − P ∥∞ = sup | f (x) − P (x)| < ϵ.
x∈[0,1]

Mais
∥ f − P ∥2 ≤ ∥ f − P ∥∞ ,
ce qui implique que V est dense dans (C ([0, 1]), ∥ · ∥2 ) et que ∞
P
n=1 1/λn = ∞ d’après la question précédente.

Option A Page 46/ 81

BÉCÉAS 2024

Question 17

(a) Prouver l’inégalité pour ∥ f − g ∥∞

Montrer que si f et g sont des fonctions de classe C 1 sur [0, 1], alors :

∥ f − g ∥∞ ≤ | f (0) − g (0)| + ∥ f ′ − g ′ ∥2 .

Preuve

1. Par définition, la norme ∥ · ∥∞ est donnée par :

∥ f − g ∥∞ = sup | f (t ) − g (t )|.
t ∈[0,1]

2. Puisque f et g sont de classe C 1 , par le théorème fondamental du calcul différentiel, on peut écrire pour tout
t ∈ [0, 1] : Z t
f (t ) − g (t ) = ( f (0) − g (0)) + ( f ′ (s) − g ′ (s)) d s.
0

3. En prenant la valeur absolue et en utilisant l’inégalité triangulaire :

¯Z t ¯
′ ′
¯ ¯
| f (t ) − g (t )| ≤ | f (0) − g (0)| + ¯ ( f (s) − g (s)) d s ¯¯ .
¯
0

4. Par la borne supérieure de l’intégrale et l’inégalité de Jensen

¯Z t s
t t
¯ Z Z
¯ ( f ′ (s) − g ′ (s)) d s ¯ ¯ f ′ (s) − g ′ (s)¯2 d s
¯ ′
¯ f (s) − g ′ (s)¯ d s ≤
¯ ¯ ¯ ¯ ¯
¯ ¯ ≤
0 0 0
s
Z 1¯
¯ f ′ (s) − g ′ (s)¯2 d s = ∥ f ′ − g ′ ∥2 .
¯
≤
0

5. Comme t ∈ [0, 1], on a t ≤ 1, donc :

| f (t ) − g (t )| ≤ | f (0) − g (0)| + ∥ f ′ − g ′ ∥2 .

En prenant le supremum sur t ∈ [0, 1], on obtient l’inégalité finale :

∥ f − g ∥∞ ≤ | f (0) − g (0)| + ∥ f ′ − g ′ ∥2 .

P∞ 1
(b) Conclure que si n=1 λn diverge, alors V est dense dans (C ([0, 1]), ∥ · ∥∞ )

1. L’inégalité (a) montre que pour approximer une fonction f ∈ C ([0, 1]) en norme ∥ · ∥∞ , il suffit d’approcher :

• f (0) avec x 0 en x = 0,

• f ′ (t ) par des combinaisons linéaires des dérivées x λn sur [0, 1].

1 λn
2. Si ∞
P
n=1 λn = ∞, la question 16 garantit que {x } est dense dans (C ([0, 1]), ∥ · ∥∞ ). Cela signifie qu’on peut
′
approximer f (0) et f (t ) à volonté par des éléments de V .
1 λn
3. Conclusion : Si ∞
P
n=1 λn = ∞, alors V = Vect{x } est dense dans (C ([0, 1]), ∥ · ∥∞ ).

Option A Page 47/ 81

BÉCÉAS 2024

(c) Le théorème de Müntz reste-t-il valable si l’on omet l’hypothèse λ0 = 0 ?

1. Rôle de λ0 = 0 : - L’hypothèse λ0 = 0 garantit que la famille {x λn } contient la constante x 0 = 1. - La fonction
constante 1 est essentielle pour approximer les termes constants dans une fonction continue sur [0, 1].
2. Conséquence si λ0 ̸= 0 : - Si λ0 > 0, alors 1 ∉ V , et la famille {x λn } ne peut pas approximer toutes les fonctions
continues sur [0, 1]. - Cela rend le théorème de Müntz invalide dans (C ([0, 1]), ∥ · ∥∞ ), car V ne sera pas dense.
3. Conclusion : Le théorème de Müntz n’est pas valide si l’on omet l’hypothèse λ0 = 0, car 1 ∉ V empêcherait
d’approcher toutes les fonctions continues.

Option A Page 48/ 81

BÉCÉAS 2024

Banque d’Épreuves des Concours des Écoles

d’Actuariat et Statistique
Session 2024

Épreuve à option (B) : Probabilités

Éléments de correction

Problème de la ruine du joueur

Question 1
Quelles sont les valeurs prises par la variable aléatoire S iA,k (1) ? Même question pour la variable aléatoire S iA,k (2).

Solution

Analyse des valeurs prises par les variables aléatoires

1. Variable aléatoire S iA,k (1)

• Définition : S iA,k (1) représente le montant dont dispose le joueur A après le premier lancer de la pièce.

• Initialisation : Le joueur A commence avec i euros.

• Résultats possibles :

– Si la pièce tombe sur “face” (probabilité p), A gagne 1 euro : S iA,k (1) = i + 1.
– Si la pièce tombe sur “pile” (probabilité 1 − p), A perd 1 euro : S iA,k (1) = i − 1.

• Valeurs prises : S iA,k (1) ∈ {i − 1, i + 1}.

2. Variable aléatoire S iA,k (2)

• Définition : S iA,k (2) représente le montant dont dispose le joueur A après deux lancers de la pièce.

• Etapes possibles :

– Premier lancer : S iA,k (1) = i + 1 ou S iA,k (1) = i − 1.

– Deuxième lancer :
A
* Si S i ,k (1) = i + 1, alors :
· Si la pièce tombe sur “face” : S iA,k (2) = i + 2.
· Si la pièce tombe sur “pile” : S iA,k (2) = i .
A
* Si S i ,k (1) = i − 1, alors :

Option B Page 49/ 81

BÉCÉAS 2024

· Si la pièce tombe sur “face” : S iA,k (2) = i .

· Si la pièce tombe sur “pile” : S iA,k (2) = i − 2.

• Valeurs prises : S iA,k (2) ∈ {i − 2, i , i + 2}.

Question 2
Déterminer la loi de la variable aléatoire S iA,k (2).

Solution

Détermination de la loi de S iA,k (2)

1. Rappels des valeurs possibles

Après deux lancers de la pièce, la variable aléatoire S iA,k (2) peut prendre les valeurs suivantes :

S iA,k (2) ∈ {i − 2, i , i + 2}.

2. Cas possibles et probabilités associées

• Cas 1 : SiA,k (2) = i + 2

Ce cas se produit si la pièce tombe deux fois sur “ face ”.
Probabilité : P (S iA,k (2) = i + 2) = p 2 .

• Cas 2 : SiA,k (2) = i

Ce cas se produit si :

– La pièce tombe une fois sur “ face ” puis une fois sur “ pile ”.
– La pièce tombe une fois sur “ pile ” puis une fois sur “ face ”.

Probabilité :
P (S iA,k (2) = i ) = p(1 − p) + (1 − p)p = 2p(1 − p).

• Cas 3 : SiA,k (2) = i − 2

Ce cas se produit si la pièce tombe deux fois sur “ pile ”.
Probabilité : P (S iA,k (2) = i − 2) = (1 − p)2 .

3. Loi de S iA,k (2)

La variable S iA,k (2) suit une loi discrète donnée par :

 2
p
 si x = i + 2,
A
P (S i ,k (2) = x) = 2p(1 − p) si x = i ,

(1 − p)2 si x = i − 2.


Question 3
Dans le cas où p = 1/2, quelle est l’espérance de S iA,k (2) ?

Option B Page 50/ 81

BÉCÉAS 2024

Solution

Espérance de S iA,k (2) pour p = 21

1. Rappel des valeurs possibles de S iA,k (2)

Les valeurs possibles de S iA,k (2) sont :

S iA,k (2) ∈ {i − 2, i , i + 2}.

1
2. Probabilités associées pour p = 2

Lorsque la pièce est équilibrée (p = 12 ), les probabilités associées sont :

¡ 1 ¢2
• P (S iA,k (2) = i + 2) = 2 = 41 ,

• P (S iA,k (2) = i ) = 2 · 21 · 12 = 12 ,
¡ 1 ¢2
• P (S iA,k (2) = i − 2) = 2 = 41 .

3. Calcul de l’espérance

L’espérance est donnée par la formule :

E[S iA,k (2)] = x · P (S iA,k (2) = x),

X
x

où x parcourt les valeurs possibles de S iA,k (2).

Substituons les valeurs et les probabilités :

1 1 1
E[S iA,k (2)] = (i + 2) · + i · + (i − 2) · = i .
4 2 4

Question 4
A
Quelle est la valeur de la probabilité w 0,k (i.e., la probabilité que le joueur A gagne s’il dispose de 0 euro en début
de partie) ?

Solution
Si le joueur A commence avec 0 euro :

• Il est déjà ruiné au début de la partie.

• Par définition, lorsqu’un joueur est ruiné, il ne peut plus participer au jeu et perd automatiquement.

Ainsi, la probabilité que A gagne la partie dans cette situation est :

w 0,k
A
= 0.

Question 5
A
Quelle est la valeur de la probabilité w k,k ?

Option B Page 51/ 81

BÉCÉAS 2024

Solution
Si le joueur A commence avec k euros :

• Cela signifie que le joueur B commence avec 0 euro.

• Dans ce cas, B est déjà ruiné dès le début de la partie.

• Par conséquent, A a déjà gagné la partie.

La probabilité que A gagne la partie dans cette situation est donc :

w k,k
A
= 1.

Questions 6 à 9 : Cas i = 2, k = 3
A
6. Calculer la probabilité pour que τ2,3 soit égal à 1.
A A A
7. Expliquer pourquoi S 2,3 (τ2,3 ) = 3 si et seulement si τ2,3 est impair.

8. Montrer par récurrence que pour tout m ∈ N,

A
P (τ2,3 = 2m + 1) = p m+1 (1 − p)m .

A
9. En déduire l’expression (en fonction de p) de w 2,3 . Vous vérifierez que lorsque p = 1/2, le joueur A a 2 chances
sur 3 de remporter le jeu.

A
Question 6 : Probabilité que τ2,3 =1

A
• τ2,3 = 1 signifie que la ruine pour B se produit après le premier lancer.
A
• Pour que A gagne immédiatement (S 2,3 (1) = 3), la pièce doit tomber sur “ face ” avec probabilité p.

La probabilité totale est donc :

A
P (τ2,3 = 1) = p.

Question 7 : Pourquoi S 2,3

A
A
(τ2,3 ) = 3 si et seulement si τ2,3
A
est impair ?

A A
• S 2,3 (τ2,3 ) = 3 signifie que A gagne la partie.
A
• Pour atteindre 3 à partir de S 2,3 (0) = 2, A doit gagner un nombre impair de fois car les transitions entre i et
i + 1 alternent.
A
• De manière similaire, A atteint S 2,3 = 0 (ruine) uniquement après un nombre pair de lancers.

A A A
Donc, S 2,3 (τ2,3 ) = 3 si et seulement si τ2,3 est impair.

A
Question 8 : Montrer que P (τ2,3 = 2m + 1) = p m+1 (1 − p)m

Hypothèse initiale (m = 0) : Pour m = 0, c’est la question - :

A
P (τ2,3 = 1) = p = p 0+1 (1 − p)0 .

Option B Page 52/ 81

BÉCÉAS 2024

Hérédité (m → m + 1) : Si c’est vrai au rang m, la probabilité qu’il ait 2 chances au bout de 2m lancers est de

p m (1 − p)m ,

et donc
A
P(τ2,3 = 2(m + 1) + 1) = p m+1 (1 − p)m+1 × p = p m+2 (1 − p)m+1 .
La formule est démontrée par récurrence.

Question 9 : Expression de w 2,3

A

A A A A P∞ A
w 2,3 est la probabilité que A gagne, soit S 2,3 (τ2,3 ) = 3. D’après la question 8 : w 2,3 = m=0 P (τ2,3 = 2m + 1). En
substituant :
∞
A
p m+1 (1 − p)m
X
w 2,3 =
m=0
∞
X ¡ ¢m
= p p(1 − p) .
m=0

La série géométrique converge pour |p(1 − p)| < 1 :

∞ 1
xm =
X
, x = p(1 − p).
m=0 1−x

Donc :
A 1 1
w 2,3 =p· =p· 2 .
1 − p(1 − p) p + (1 − p)2
1
Si p = 2 (pièce équilibrée) :
1 1
A 2 2 2
w 2,3 = 1
= = .
4 + 14 1
2
3
Ainsi, A a deux chances sur trois de gagner.

Question 10
Pour tout i ≥ 2, donner l’expression de la fonction g (i , r ) > 0 pour laquelle :

a i ,r − a 0,r = g (i , r )(a 1,r − a 0,r ).

Solution

Détermination de g (i , r )
1. Relation de récurrence donnée

On considère la relation suivante pour r > 0 et tout i ≥ 1 :

a i +1,r − a i ,r = r · (a i ,r − a i −1,r ).

En posant b i = a i ,r − a i −1,r , la relation devient :

b i +1 = r · b i .

Option B Page 53/ 81

BÉCÉAS 2024

2. Solution explicite pour b i

La récurrence b i +1 = r · b i est une progression géométrique, donc :

b i = b 1 · r i −1 ,

où b 1 = a 1,r − a 0,r .

3. Expression pour a i ,r − a 0,r

En utilisant b i = a i ,r − a i −1,r , on a :
i
X
a i ,r − a 0,r = bj .
j =1

Substituons b j = b 1 · r j −1 dans la somme :

i
b 1 · r j −1 .
X
a i ,r − a 0,r =
j =1

Factorisons b 1 et utilisons la formule de la somme d’une série géométrique :

i 1−ri
r j −1 = b 1 ·
X
a i ,r − a 0,r = b 1 · , si r ̸= 1.
j =1 1−r

4. Définition de g (i , r )

Par définition, g (i , r ) est donné par :

a i ,r − a 0,r
g (i , r ) = .
a 1,r − a 0,r
i
Substituons a i ,r − a 0,r = b 1 · 1−r
1−r et a 1,r − a 0,r = b 1 :

i
b 1 · 1−r
1−r 1−ri
g (i , r ) = = .
b1 1−r

5. Résultat final

1−ri
g (i , r ) = , si r ̸= 1.
1−r

6. Cas particulier : r = 1

Si r = 1, la progression géométrique devient une somme arithmétique, et on obtient :

a i ,r − a 0,r = i · b 1 ,

donc :
g (i , r ) = i .

Question 11
Montrer que :
a n,r − a 0,r
a 1,r = + a 0,r .
g (n, r )

Option B Page 54/ 81

BÉCÉAS 2024

Solution
D’après la question précédente, nous savons que :
a n,r − a 0,r = g (n, r ) · (a 1,r − a 0,r ),
où g (n, r ) est donné par :
1−r n
(
1−r , si r ̸= 1,
g (n, r ) =
n, si r = 1.
En réarrangeant l’équation, nous obtenons :
a n,r − a 0,r
a 1,r − a 0,r = .
g (n, r )
En ajoutant a 0,r des deux côtés de l’équation, on obtient :
a n,r − a 0,r
a 1,r = + a 0,r .
g (n, r )
La formule demandée est donc démontrée :
a n,r − a 0,r
a 1,r = + a 0,r .
g (n, r )

Question 12
Justifier la relation de récurrence :
w iA,k = pw iA+1,k + (1 − p)w iA−1,k , pour tout i ≥ 1.

Solution
On a
³ ´
w iA,k = P S iA,k (τiA,k ) = k | 1i er lancer = “pile" p
³ ´
+P S iA,k (τiA,k ) = k | 1i er lancer = “face" (1 − p).

Donc
w iA,k = p w iA+1,k + (1 − p)w iA−1,k .

Question 13
Donner l’expression (en fonction de p, k, i ) de la probabilité w iA,k .

Solution

Expression de w iA,k en fonction de p, k, et i

1. Relation de récurrence

D’après la question précédente, la relation de récurrence pour w iA,k est donnée par :

w iA,k = p w iA+1,k + (1 − p)w iA−1,k , pour tout i ≥ 1.

Avec les conditions aux limites :
A A
w 0,k = 0, w k,k = 1.
On obtient alors
(1 − p) ³ A ´
w iA+1,k − w iA,k = w i ,k − w iA−1,k .
p

Option B Page 55/ 81

BÉCÉAS 2024

1
2. Cas général : p ̸= 2

1−p
Pour p ̸= 12 , posons r = p . D’après les questions 4, 5 et 11, on obtient :

1−ri
w iA,k = .
1−rk
Cherchons une solution sous la forme :

1
3. Cas particulier : p = 2

Lorsque p = 12 , r = 1. La solution précédente n’est pas directement applicable. L’équation de récurrence de-
vient :
1 1
w iA,k = · w iA+1,k + · w iA−2,k .
2 2
La solution est alors linéaire :
i
w iA,k = .
k

Question 14
Vérifier que le résultat ci-dessus coïncide lorsque i = 2 et k = 3 à la réponse donnée à la question 9. Vous pourrez
dans un premier temps montrer que pour tout p ∈]0, 1[\{1/2} :

p 3 − (1 − p)3
= 1 − p(1 − p).
p 2 − (1 − p)2

Solution

Vérification de l’égalité

La question demande de vérifier que l’expression générale de w iA,k obtenue en question 13 coïncide avec le
résultat spécifique pour i = 2, k = 3, et p ̸= 21 :

p 3 − (1 − p)3 1 − (1 − p)2
= .
p 2 − (1 − p)2 1 − (1 − p)3

1. Rappel de l’expression de w iA,k

1
L’expression générale de w iA,k pour p ̸= 2 est :

1−p i
³ ´
1− p
w iA,k = .
1−p k
³ ´
1− p

Pour i = 2 et k = 3, cela devient :

1−p 2
³ ´
1− p
w iA,k = .
1−p 3
³ ´
1− p

Option B Page 56/ 81

BÉCÉAS 2024

2. Développement de w 2,3
A

Développons explicitement :
(1−p)2
1− p2
w iA,k = .
(1−p)3
1− p3

Réécrivons en termes d’un dénominateur commun :

p 2 −(1−p)2
p2
w iA,k = .
p 3 −(1−p)3
p3

Simplifions davantage :
p 3 · p 2 − (1 − p)2
¡ ¢
w iA,k = 2 ¡ 3 ¢.
p · p − (1 − p)3
Ce qui donne :
p · p 2 − (1 − p)2
¡ ¢
p
w iA,k = = ¢.
p 3 − (1 − p)3
¡
1−p 1−p

Question 15
Quelle est la première ligne de la matrice de transition P ? La dernière ligne ?

Solution

Première ligne et dernière ligne de la matrice de transition P

La matrice de transition P est une matrice stochastique décrivant les transitions possibles entre les différents
états de la marche aléatoire. Chaque état i représente le nombre d’euros que le joueur A possède, avec :

• 0 correspondant à la ruine de A,

• k correspondant à la ruine de B .

1. Structure de la matrice P

Pour tout 1 ≤ i ≤ k − 1, les transitions sont définies par :

Pi ,i −1 = 1 − p, Pi ,i +1 = p, Pi ,i = 0.

Les conditions aux bords sont les suivantes :

• Si i = 0 (ruine de A) :
P0,0 = 1, P0, j = 0 pour j ̸= 0.

• Si i = k (ruine de B ) :
Pk,k = 1, Pk, j = 0 pour j ̸= k.

2. Première ligne de P

La première ligne correspond à i = 0 (ruine de A). Dans cet état, A ne peut plus jouer, donc :

P0 = [1, 0, 0, . . . , 0].

Option B Page 57/ 81

BÉCÉAS 2024

3. Dernière ligne de P

La dernière ligne correspond à i = k (ruine de B ). Dans cet état, B ne peut plus jouer, donc :

Pk = [0, 0, 0, . . . , 1].

4. Résultat final

La matrice P a les propriétés suivantes pour ses premières et dernières lignes :

• Première ligne (i = 0) :
P(0) = [1, 0, 0, . . . , 0].

• Dernière ligne (i = k) :
P(k) = [0, 0, 0, . . . , 1].

Question 16
Pour tout u ∈ {2, . . . , k}, donner les expressions, en fonction de p, de Pu,u−1 , Pu,u+1 et Pu,v pour tout v ∉ {u −1, u +
1}.

Solution

Expressions des probabilités de transition Pu,v

La matrice P est une matrice de transition stochastique décrivant les probabilités de passer d’un état u à un
autre état v lors d’une étape de la marche aléatoire. Pour un état u ∈ {2, . . . , k − 1}, les transitions possibles sont :

• Vers u − 1 : la pièce tombe sur “pile” (1 − p),

• Vers u + 1 : la pièce tombe sur “face” (p),

• Vers tout autre état v ∉ {u − 1, u + 1} : cela est impossible dans ce modèle.

Expressions des probabilités

• Probabilité de transition vers u − 1 :

Pu,u−1 = 1 − p.

• Probabilité de transition vers u + 1 :

Pu,u+1 = p.

• Probabilité de transition vers tout autre état v ∉ {u − 1, u + 1} :

Pu,v = 0, pour tout v ∉ {u − 1, u + 1}.

Question 17
La matrice P est-elle une matrice stochastique ? Justifier votre réponse.

Option B Page 58/ 81

BÉCÉAS 2024

Solution
1. Rappel des propriétés d’une matrice stochastique

Une matrice est dite stochastique si :

1. Tous ses éléments sont positifs ou nuls (Pi , j ≥ 0 pour tout i , j ),

2. La somme des éléments de chaque ligne est égale à 1, c’est-à-dire :

X
Pi , j = 1 pour tout i .
j

2. Structure de la matrice P

La matrice P représente les transitions d’une marche aléatoire. Chaque ligne de P correspond aux transitions
possibles depuis un état donné i . En fonction de i , nous avons les cas suivants :

Première ligne (i = 0) :

• Si A est ruiné, il reste dans cet état :

P0,0 = 1, P0, j = 0 pour j ̸= 0.

• Somme des éléments de la ligne : X

P0, j = 1.
j

Dernière ligne (i = k) :

• Si B est ruiné, A reste dans cet état :

Pk,k = 1, Pk, j = 0 pour j ̸= k.

• Somme des éléments de la ligne : X

Pk, j = 1.
j

Lignes intermédiaires (1 ≤ i ≤ k − 1) :

• Les transitions possibles sont :

Pi ,i −1 = 1 − p, Pi ,i +1 = p, Pi , j = 0 pour tout autre j.

• Somme des éléments de la ligne :

X
Pi , j = Pi ,i −1 + Pi ,i +1 = (1 − p) + p = 1.
j

3. Vérification des propriétés

Positivité des éléments :

• Tous les éléments de P sont ≥ 0 :

Pi ,i −1 = 1 − p ≥ 0 (car 0 ≤ p ≤ 1),
Pi ,i +1 = p ≥ 0,
Les autres éléments sont 0.

Option B Page 59/ 81

BÉCÉAS 2024

Somme des lignes :

• La somme des éléments de chaque ligne est égale à 1, comme montré ci-dessus.

4. Conclusion

La matrice P est une matrice stochastique, car elle satisfait les deux propriétés nécessaires :

Question 18
Pour tout couple (r, s) ∈ {0, . . . , k}2 , donner l’expression de la probabilité P (S iA,k (ℓ + 2) = s | S iA,k (ℓ) = r ), ℓ ∈ N.

Solution

Probabilité de transition en deux étapes

Nous devons exprimer la probabilité suivante :
³ ´
P S iA,k (ℓ + 2) = s | S iA,k (ℓ) = r ,

en fonction des probabilités Pr,t et Pt ,s avec t ∈ {0, . . . , k}.

1. Rappel de la probabilité de transition en deux étapes

Pour une chaîne de Markov, la probabilité de transition en deux étapes est donnée par :
³ ´ Xk
P S iA,k (ℓ + 2) = s | S iA,k (ℓ) = r = Pr,t · Pt ,s .
t =0

Ici :

• Pr,t est la probabilité de passer de l’état r à l’état t en une étape.

• Pt ,s est la probabilité de passer de l’état t à l’état s en une étape.

2. Formule finale

En utilisant la règle de probabilité de transition sur deux étapes, nous avons :

³ ´ Xk
P S iA,k (ℓ + 2) = s | S iA,k (ℓ) = r = Pr,t · Pt ,s .
t =0

3. Interprétation

• L’état intermédiaire t correspond à tous les états possibles où le système peut être après une étape depuis r .

• Chaque t contribue à la probabilité totale en fonction des probabilités Pr,t et Pt ,s .

• La probabilité totale prend en compte toutes les transitions possibles via les états intermédiaires t .

4. Résultat final

La probabilité de passer de r à s en deux étapes est donnée par :

³ ´ Xk
P S iA,k (ℓ + 2) = s | S iA,k (ℓ) = r = Pr,t · Pt ,s .
t =0

Option B Page 60/ 81

BÉCÉAS 2024

Question 19
Expliciter la probabilité donnée par l’élément P2u,v de la ligne u et de la colonne v de la matrice P2 . Plus géné-
ralement, pour m ∈ N \ {0}, que représente l’élément Pm u,v ?

Solution

Calcul de P2u,v et interprétation de Pm

u,v

1. Probabilité donnée par l’élément P2u,v

L’élément P2u,v de la matrice P2 correspond à la probabilité de passer de l’état u à l’état v en deux étapes. Selon
la définition des puissances d’une matrice de transition, cette probabilité est donnée par :

³ ´ Xk
P2u,v = P S iA,k (ℓ + 2) = v − 1 | S iA,k (ℓ) = v − 1 = Pu,t · Pt ,v ,
t =0

où :

• Pu,t est la probabilité de passer de u à un état intermédiaire t en une étape,

• Pt ,v est la probabilité de passer de t à v en une étape.

Ainsi, P2u,v est obtenu en sommant, pour tous les états intermédiaires t , les contributions des probabilités de
transition via t .

2. Interprétation de Pm
u,v pour m ∈ N \ {0}

De manière générale, l’élément Pm u,v représente la probabilité de passer de l’état u à l’état v en exactement m
étapes. Cette probabilité est calculée à partir des puissances de la matrice de transition P, en utilisant la relation :
³ ´
Pm A A
X
u,v = P S i ,k (ℓ + m) = v − 1 | S i ,k (ℓ) = v − 1 = Pu,t1 · Pt1 ,t2 · · · · · Ptm−1 ,v .
t 1 ,t 2 ,...,t m−1

Ici :

• t 1 , t 2 , . . . , t m−1 représentent les états intermédiaires successifs visités entre u et v,

• La somme est effectuée sur tous les chemins possibles passant par ces états intermédiaires.

3. Résumé des résultats

• Pour m = 2 :
k
P2u,v =
X
Pu,t · Pt ,v .
t =0

• Pour m ∈ N \ {0} :

Pm
u,v représente la probabilité de passer de l’état u à l’état v en exactement m étapes.

Question 20
La matrice Pm est-elle une matrice stochastique ? Justifier votre réponse.

Option B Page 61/ 81

BÉCÉAS 2024

Solution

La matrice Pm est-elle une matrice stochastique ?

1. Rappel : Propriétés d’une matrice stochastique

Une matrice est dite stochastique si :

1. Tous ses éléments sont positifs ou nuls (Pm

u,v ≥ 0 pour tout u, v),

2. La somme des éléments de chaque ligne est égale à 1, c’est-à-dire :

X m
Pu,v = 1 pour tout u.
v

2. Analyse de la matrice Pm

La matrice Pm représente les probabilités de transition en exactement m étapes. Elle est obtenue par le produit
matriciel :
Pm = P · P · · · · · P (m fois).

Nous analysons les deux propriétés nécessaires pour déterminer si Pm est stochastique.

1. Positivité des éléments :

• La matrice P est stochastique, donc tous ses éléments Pu,v ≥ 0.

• Lorsqu’on multiplie des matrices de transition, les éléments résultants Pm

u,v sont des sommes pondérées de
produits d’éléments de P, donc Pm
u,v ≥ 0.

• Par conséquent, tous les éléments de Pm sont non négatifs.

2. Somme des lignes :

• Dans une chaîne de Markov, la somme des probabilités de transition à partir d’un état u doit être égale à 1,
quel que soit le nombre d’étapes.

• Pour P, la somme des lignes est 1. Lorsqu’on élève P à la puissance m, les propriétés de multiplication matri-
cielle garantissent que la somme des lignes de Pm reste égale à 1, car la probabilité totale de transition depuis
un état donné est conservée.

3. Conclusion

La matrice Pm est une matrice stochastique, car elle satisfait les deux propriétés nécessaires :

1. Tous ses éléments sont positifs ou nuls (Pm

u,v ≥ 0),

Pm
P
2. La somme des éléments de chaque ligne est égale à 1 ( v u,v = 1 pour tout u).

Question 21
Comment interprétez-vous les éléments de la (k +1)-ième colonne de la matrice limite Q obtenue lorsque m →
∞ ? Justifier votre réponse.

Option B Page 62/ 81

BÉCÉAS 2024

Solution

Interprétation de la (k + 1)-ième colonne de Q

1. Convergence de Pm vers Q

Lorsque m → ∞, la matrice Pm converge vers une matrice Q, appelée la matrice limite. Les éléments de Q,
notés Qu,v , représentent les probabilités limites de se trouver dans l’état v en partant de l’état u après un nombre
infini d’étapes.

2. Interprétation des éléments de la (k + 1)-ième colonne de Q

La (k +1)-ième colonne de Q contient les probabilités limites Qu,k+1 , qui peuvent être interprétées comme suit :

Qu,k+1 = Probabilité que le joueur A gagne si la partie commence dans l’état u.

Question 22
Donner la matrice de transition P dans le cas k = 3.

Solution

Matrice de transition P pour k = 3

1. Structure de la matrice P

La matrice P est une matrice (k + 1) × (k + 1), ici 4 × 4, décrivant les probabilités de transition entre les états
{0, 1, 2, 3}. Les transitions possibles sont définies comme suit :

• Etat 0 (ruine de A) :

– Probabilité de rester dans cet état : P0,0 = 1,

– Toutes les autres probabilités sont nulles : P0, j = 0 pour j ̸= 0.

• Etats intermédiaires 1 ≤ i ≤ k − 1 :

– Probabilité de transition vers i − 1 : Pi ,i −1 = 1 − p,

– Probabilité de transition vers i + 1 : Pi ,i +1 = p,
– Probabilité de rester dans i : Pi ,i = 0.

• Etat k (ruine de B ) :

– Probabilité de rester dans cet état : Pk,k = 1,

– Toutes les autres probabilités sont nulles : Pk, j = 0 pour j ̸= k.

2. Matrice de transition P

En combinant ces informations, la matrice P est donnée par :

1 0 0 0
 
1 − p 0 p 0
P= .
 0 1−p 0 p
0 0 0 1

Option B Page 63/ 81

BÉCÉAS 2024

3. Interprétation

• La première ligne représente l’état 0 (ruine de A) : le système reste bloqué dans cet état.

• Les lignes intermédiaires représentent les transitions entre les états 1 et 2, où le joueur A peut gagner ou
perdre selon la probabilité p et 1 − p, respectivement.

• La dernière ligne représente l’état 3 (ruine de B ) : le système reste bloqué dans cet état.

Question 23
Pour tout m ∈ N \ {0}, donner la première et la dernière ligne de la matrice Pm .

Solution

Première et dernière ligne de Pm pour k = 3

Pour k = 3, la matrice Pm est de dimension 4 × 4. Les premières et dernières lignes de cette matrice pour tout
m ∈ N \ {0} sont données comme suit :

1. Première ligne (u = 0)

L’état 0 correspond à la ruine de A. Cet état est absorbant, ce qui signifie qu’une fois dans cet état, il est impos-
sible d’en sortir. Par conséquent, la première ligne de Pm est :

Pm
0 = [1, 0, 0, 0].

2. Dernière ligne (u = 3)

L’état 3 correspond à la ruine de B . Cet état est également absorbant, ce qui signifie qu’une fois dans cet état, il
est impossible d’en sortir. Par conséquent, la dernière ligne de Pm est :

Pm
3 = [0, 0, 0, 1].

Question 24
Montrer que lorsque m → ∞, la matrice Pm converge vers la matrice Q que vous préciserez. Vérifier que Q est
une matrice stochastique.

Solution

Deuxième et troisième lignes de Pm pour m ∈ N \ {0}, m pair

1. Propriété à démontrer

Nous devons montrer par récurrence que, lorsque m est pair :

• La deuxième ligne de Pm est donnée par :

h P i
q m/2−1 (pq) j , (pq)m/2 , 0, p 2 m/2−1 (pq) j .
P
j =0 j =0

• La troisième ligne de Pm est donnée par :

h P i
q 2 m/2−1 (pq) j , 0, (pq)m/2 , p m/2−1 (pq) j .
P
j =0 j =0

Option B Page 64/ 81

BÉCÉAS 2024

2. Initialisation (m = 2)

La matrice P pour k = 3 est donnée par :

1 0 0 0
 
q 0 p 0
P= ,
0 q 0 p
0 0 0 1

où q = 1 − p. Calculons P2 = P · P :
1 0 0 0
 
2
q pq 0 p 2
P2 = 

.
q 2 0 pq p 2
0 0 0 1

- La deuxième ligne est :

q 2 , pq, 0, p 2 ,
£ ¤

ce qui correspond à l’expression donnée avec m = 2 :

2/2−1 2/2−1
(pq) j = q · 1, (pq)2/2 = pq, p2 (pq) j = p 2 · 1.
X X
q
j =0 j =0

- La troisième ligne est :

q 2 , 0, pq, p ,
£ ¤

ce qui correspond à l’expression donnée avec m = 2 :

2/2−1 2/2−1
q2 (pq) j = q 2 · 1, (pq)2/2 = pq, (pq) j = p · 1.
X X
p
j =0 j =0

L’initialisation est vérifiée.

3. Hérédité

Supposons que l’assertion est vraie pour m = 2k, avec k ∈ N. Montrons qu’elle est vraie pour m = 2(k + 1).

Deuxième ligne de P2(k+1) : La deuxième ligne de P2k est donnée par l’hypothèse de récurrence :
h P i
q k−1
j =0 (pq) j
, (pq) k
, 0, p 2 Pk−1
j =0 (pq) j
.

En multipliant cette ligne par P2 , la nouvelle deuxième ligne devient :

h P i
q kj=0 (pq) j , (pq)k+1 , 0, p 2 kj=0 (pq) j .
P

Troisième ligne de P2(k+1) : La troisième ligne de P2k est donnée par l’hypothèse de récurrence :
h P i
q 2 k−1 j k Pk−1 j
j =0 (pq) , 0, (pq) , p j =0 (pq) .

En multipliant cette ligne par P2 , la nouvelle troisième ligne devient :

h P i
q 2 kj=0 (pq) j , 0, (pq)k+1 , p kj=0 (pq) j .
P

L’hérédité est vérifiée.

Option B Page 65/ 81

BÉCÉAS 2024

4. Conclusion

Par récurrence, nous avons montré que pour tout m ∈ N \ {0} pair :

• La deuxième ligne de Pm est donnée par :

h P i
q m/2−1 (pq) j , (pq)m/2 , 0, p 2 m/2−1 (pq) j .
P
j =0 j =0

• La troisième ligne de Pm est donnée par :

h P i
q 2 m/2−1 (pq) j , 0, (pq)m/2 , p m/2−1 (pq) j .
P
j =0 j =0

Question 25
En utilisant la question précédente, donner la deuxième et la troisième ligne de la matrice Pm lorsque m est
impair.

Solution
Pour Pm , lorsque m est impair, nous avons :

Pm = Pm−1 · P,

où Pm−1 est la matrice obtenue après m − 1 étapes (avec m − 1 pair), et P est la matrice de transition initiale.
Lorsque m est impair, les deuxièmes et troisièmes lignes de Pm sont données par :

• Deuxième ligne de P m−1 :

h P i
q (m−1)/2−1 (pq) j , 0, (pq)(m−1)/2 , p 2 (m−1)/2−1 (pq) j .
P
j =0 j =0

• Troisième ligne de P m−1 :

h P(m−1)/2−1 P(m−1)/2−1 i
q2 j =0
(pq) j , (pq)(m−1)/2 , 0, p j =0
(pq) j .

Question 26
Montrer que lorsque m → ∞, la matrice Pm converge vers la matrice Q que vous préciserez. Vous vérifierez
également que Q est une matrice stochastique.

Solution

Convergence de Pm vers Q
1. Comportement de Pm lorsque m → ∞

• Absorbance des états 0 et k : Les états 0 (ruine de A) et k (ruine de B ) sont absorbants. Cela signifie que les
premières et dernières lignes de Pm sont constantes :

Pm
0 = [1, 0, . . . , 0], Pm
k = [0, 0, . . . , 1].

• Comportement des autres lignes : Pour 1 ≤ i ≤ k−1, lorsque m → ∞, les probabilités de transition convergent
vers les probabilités limites dépendant des chances d’atteindre 0 ou k.

Option B Page 66/ 81

BÉCÉAS 2024

• Forme de Q : En utilisant la question précédente, la matrice limite Q est donnée par :

 
1 0 0 0
 q p2 
 1−pq 0 0 1−pq 

Q=
 q2 p 
,
 1−pq 0 0 1−pq

0 0 0 1

où q = 1 − p.

2. Vérification que Q est une matrice stochastique

La matrice Q est stochastique, car tous ses éléments sont positifs ou nuls et la somme des éléments de chaque
ligne est égale à 1.

Question 27
Avant de commencer le jeu, une tierce personne lance la pièce : si elle tombe sur “face”, le joueur A reçoit la
somme de 1 euro (et donc le joueur B reçoit 2 euros) sinon il reçoit 2 euros. Calculer la probabilité que le joueur A
gagne en fonction de p.

Solution à la Question 27
La probabilité que le joueur A gagne est :

p × Q2,4 + (1 − p) × Q3,4
(
1
p3 pq si p = 21 ,
= + = 12 1
1 − pq 1 − pq 3 si p = 3 .
p 3 + pq p2 + q p2 + 1 − p
= =p =p = p.
1 − pq 1 − pq 1 − p + p2

Option B Page 67/ 81

BÉCÉAS 2024

Problème du char d’assaut allemand

Question 1
A quoi correspondent les entiers s, N , et n dans le problème des chars d’assaut ?

Solution
• s : il s’agit du numéro de série du premier char produit. Ce numéro est inconnu, et tous les numéros de série
ultérieurs sont incrémentés de 1 à partir de s.

• N : il s’agit du nombre total de chars produits par les Allemands, dont la valeur est également inconnue. Les
numéros de série vont de s + 1 à s + N .

• n : il s’agit du nombre de chars capturés par les Alliés et dont les numéros de série ont été observés. Ces
numéros permettent d’estimer N .

Question 2
Quel est le cardinal de l’ensemble E n ?

Solution
L’ensemble E n est défini comme :

E n = {(i 1 , i 2 , . . . , i n ) ∈ {1, . . . , N }n | i 1 < i 2 < · · · < i n }.

Cela représente l’ensemble des n-uplets croissants distincts que l’on peut former à partir de N entiers consécutifs.
Le cardinal de cet ensemble correspond au nombre de façons de choisir n éléments distincts parmi N . Ce cardinal
est donné par le coefficient binomial : Ã !
N N!
|E n | = = .
n n!(N − n)!

Explication
• Le choix de n éléments parmi N est une combinaison, car l’ordre des éléments sélectionnés n’a pas d’impor-
tance.

• Le cardinal est donc le nombre de sous-ensembles de taille n que l’on peut former parmi les N entiers.

Question 3
Quelle est la loi de la variable aléatoire (X (1) , . . . , X (n) ) ?

Solution
La variable aléatoire (X (1) , . . . , X (n) ) correspond aux n-uplets ordonnés des numéros de série capturés. Ces n-
uplets sont tirés de manière uniforme parmi tous les n-uplets ordonnés possibles dans {s + 1, . . . , s + N }.
La probabilité associée à chaque réalisation (x (1) , . . . , x (n) ) de la variable aléatoire (X (1) , . . . , X (n) ) est donnée par :
£ ¤ 1
P (X (1) , . . . , X (n) ) = (x (1) , . . . , x (n) ) = ¡N ¢ ,
n
¡N ¢
où n est le nombre total de combinaisons de n éléments parmi N .

Option B Page 68/ 81

BÉCÉAS 2024

Justification
• L’ensemble des numéros capturés est tiré de manière uniforme et aléatoire parmi les N entiers.

• Chaque réalisation de (X (1) , . . . , X (n) ) a une probabilité identique, car toutes les combinaisons sont équipro-
bables dans un tirage aléatoire sans remise.

Question 4
m(N +1)
Montrer que si Y ∼ H (N , n, m), alors E (Y ) = n+1 .

Solution
La variable aléatoire Y suit une loi hypergéométrique inverse de paramètres N , n, et m, notée Y ∼ H (N , n, m).
La définition de cette loi donne :
¡ i −1 ¢¡ N −i ¢
m−1 n−m
P (Y = i ) = ¡N ¢ , pour i ∈ {m, . . . , N − n + m}.
n

Espérance de Y

L’espérance E (Y ) est donnée par :

N −n+m
X
E (Y ) = i · P (Y = i )
i =m
¡ i −1 ¢ ¡i ¢
Substituons i m−1 par m m dans l’expression de P (Y = i ) :
à !à !
m N −n+m
X i N −i
E (Y ) = ¡N ¢ .
i =m m n −m
n
¡N +1¢
La somme dans cette expression correspond au coefficient binomial étendu n+1 . Donc, après simplification :
à !
m N +1
E (Y ) = ¡N ¢ · .
n +1
n

(N +1) N
¡ ¢
¡N +1¢ n
Enfin, en utilisant n+1 = n+1 , on obtient :
m(N + 1)
E (Y ) = .
n +1

Question 5
m(N +1)(N −n)(n−m+1)
Montrer que si Y ∼ H (N , n, m), alors Var(Y ) = (n+1)2 (n+2)
.

Solution
Formule de la variance

Pour une variable Y ∼ H (N , n, m), la variance est donnée par :

Var(Y ) = E (Y 2 ) − [E (Y )]2 .
Nous savons déjà que :
m(N + 1)
E (Y ) = .
n +1
Il reste à déterminer E (Y 2 ).

Option B Page 69/ 81

BÉCÉAS 2024

Calcul de E (Y 2 )

Utilisons la relation suivante entre l’espérance quadratique et les coefficients binomiaux :

à ! "à ! à !#
2 i −1 i i
i =m + (m − 1) .
m −1 m m +1

En substituant cette expression dans la somme pour E (Y 2 ), on obtient :

"Ã ! Ã !# Ã !
2 m N −n+m
X i i N −i
E (Y ) = ¡N ¢ + (m − 1) .
i =m m m +1 n −m
n

Cette somme se simplifie grâce aux propriétés des coefficients binomiaux, donnant finalement :

m(N + 1)(N + 2)
E (Y 2 ) = .
(n + 1)(n + 2)

Calcul de la variance

Substituons les expressions trouvées dans la formule de la variance :

m(N + 1)(N + 2) m(N + 1) 2

µ ¶
Var(Y ) = − .
(n + 1)(n + 2) n +1

Après simplification, on obtient :

m(N + 1)(N − n)(n − m + 1)
Var(Y ) = .
(n + 1)2 (n + 2)

Question 6
Quel est l’ensemble des valeurs prises par la variable aléatoire X (k) ?

Solution
La variable aléatoire X (k) représente la k-ième valeur minimale parmi les n valeurs tirées aléatoirement dans
l’ensemble {s + 1, . . . , s + N }. En d’autres termes, c’est la k-ième plus petite valeur parmi les n numéros de série
capturés.

Ensemble des valeurs possibles pour X (k)

Pour X (k) , les valeurs possibles dépendent de sa position k et des contraintes imposées par la structure des
tirages :
X (k) ∈ {s + k, s + k + 1, . . . , s + N − n + k}.

• s+k : C’est la valeur minimale que peut prendre X (k) , car les k −1 valeurs précédentes doivent être inférieures.

• s + N − n + k : C’est la valeur maximale que peut prendre X (k) , car les n − k valeurs restantes doivent être
supérieures.

Question 7
Montrer que X (k) − s suit une loi hypergéométrique inverse dont vous préciserez les paramètres.

Option B Page 70/ 81

BÉCÉAS 2024

Solution
La variable aléatoire X (k) −s représente la k-ième plus petite valeur parmi les n tirages dans l’ensemble {1, . . . , N }.
Elle suit une loi hypergéométrique inverse avec les paramètres N (taille de l’ensemble), n (nombre de tirages), et k
(position de la valeur minimale).

Définition des probabilités élémentaires

Pour une loi hypergéométrique inverse, la probabilité que X (k) − s = i est donnée par :
¡ i −1 ¢¡N −i ¢
k−1 n−k
P (X (k) − s = i ) = ¡N ¢ ,
n
où :

• i ∈ {k, k + 1, . . . , N − n + k},
¡ i −1 ¢
• k−1 est le nombre de façons de choisir k − 1 éléments parmi les i − 1 premiers,
¡N −i ¢
• n−k est le nombre de façons de choisir les n − k éléments parmi les N − i derniers,

• N
¡ ¢
n est le nombre total de combinaisons de n éléments parmi N .

Interprétation

• i − 1 : Correspond aux i − 1 premiers éléments de l’ensemble {1, . . . , N }.

• k − 1 : Représente les k − 1 éléments qui précèdent la k-ième plus petite valeur.

• N − i : Correspond aux N − i éléments après le i -ième élément.

• n − k : Représente les n − k valeurs restantes tirées.

Question 8
Montrer que N̂ (n, k, ℓ) est un estimateur sans biais de N

Solution
On considère l’estimateur :
n +1
N̂ (n, k, ℓ) :=
(X (ℓ) − X (k) ) − 1.
ℓ−k
Nous devons montrer que cet estimateur est sans biais, c’est-à-dire que :
E [N̂ (n, k, ℓ)] = N .

Espérance de N̂ (n, k, ℓ)

1. Expression de N̂ (n, k, ℓ) :
n +1
N̂ (n, k, ℓ) = (X (ℓ) − X (k) ) − 1.
ℓ−k
2. Espérance de X (ℓ) − X (k) :
Les variables X (k) et X (ℓ) sont respectivement les k-ième et ℓ-ième plus petites valeurs parmi les n tirages. La
différence X (ℓ) − X (k) mesure l’écart entre ces deux rangs dans l’ensemble {s + 1, . . . , s + N }. Par propriété des
lois hypergéométriques inverses, l’espérance de X (ℓ) − X (k) est donnée par :
ℓ−k
E [X (ℓ) − X (k) ] = (N + 1).
n +1

Option B Page 71/ 81

BÉCÉAS 2024

3. Espérance de N̂ (n, k, ℓ) :
En substituant E [X (ℓ) − X (k) ] dans l’expression de N̂ (n, k, ℓ) :

n +1 ℓ−k
E [N̂ (n, k, ℓ)] = · (N + 1) − 1 = N .
ℓ−k n +1

0.1 Question 9
Quelle est la valeur de l’estimateur N̂ (n, k, ℓ) lorsque n = N (i.e., lorsqu’on tire tous les éléments de {s +1, . . . , s +
N }) ?

Solution
Lorsqu’on tire tous les éléments de l’ensemble {s + 1, . . . , s + N }, cela signifie que n = N . Nous déterminons alors
la valeur de l’estimateur N̂ (n, k, ℓ) dans ce cas.

Etapes de la démonstration

1. Propriété de X (k) et X (ℓ) :

• Si tous les éléments sont observés (n = N ), alors :

X (k) = s + k et X (ℓ) = s + ℓ,

car les k-ième et ℓ-ième plus petites valeurs correspondent exactement à leur rang dans l’ensemble
{s + 1, . . . , s + N }.

2. Différence X (ℓ) − X (k) :

X (ℓ) − X (k) = (s + ℓ) − (s + k) = ℓ − k.

3. Substitution dans N̂ (n, k, ℓ) : Par définition :

n +1
N̂ (n, k, ℓ) = (X (ℓ) − X (k) ) − 1.
ℓ−k

En substituant X (ℓ) − X (k) = ℓ − k et n = N :

N +1
N̂ (N , k, ℓ) = (ℓ − k) − 1.
ℓ−k

4. Simplification :
N̂ (N , k, ℓ) = N + 1 − 1 = N .

Question 10
Justifier l’équivalence : l’événement [X (k) = i ] ∩ [X (ℓ) = j ] est non vide si et seulement si :

k ≤ i, j − i ≥ ℓ − k, et N − j ≥ n − ℓ.

Option B Page 72/ 81

BÉCÉAS 2024

Solution
Analyse et justification

L’objectif est de comprendre les conditions sur i et j pour que [X (k) = i ] ∩ [X (ℓ) = j ] soit possible, c’est-à-dire
que i soit la k-ième plus petite valeur et j soit la ℓ-ième plus petite valeur parmi les n tirages dans {1, . . . , N }.

1. Condition k ≤ i :

• i est la k-ième plus petite valeur, donc il doit y avoir au moins k − 1 valeurs strictement inférieures à i .
• Cela impose k ≤ i .

2. Condition j − i ≥ ℓ − k :

• j est la ℓ-ième plus petite valeur. Entre i (la k-ième) et j , il doit y avoir exactement (ℓ − k − 1) valeurs
intermédiaires.
• Cela impose j − i ≥ ℓ − k.

3. Condition N − j ≥ n − ℓ :

• j est la ℓ-ième plus petite valeur. Il doit donc rester au moins (n − ℓ) valeurs strictement supérieures à j
dans l’ensemble {1, . . . , N }.
• Cela impose N − j ≥ n − ℓ.

Conclusion

L’événement [X (k) = i ] ∩ [X (ℓ) = j ] est non vide si et seulement si :

k ≤ i, j − i ≥ ℓ − k, et N − j ≥ n − ℓ.

Question 11
Que faut-il mettre à la place des points d’interrogation pour que :

E ⋆ (N , n, k, ℓ) = {(i , j ) ∈ N2 | k ≤ i ≤?, ℓ − k + i ≤ j ≤?}

soit l’ensemble des valeurs prises par le couple (X (k) , X (ℓ) ) ?

Solution
Nous devons compléter l’expression suivante pour que E ⋆ (N , n, k, ℓ) représente l’ensemble des valeurs pos-
sibles du couple (X (k) , X (ℓ) ) :

E ⋆ (N , n, k, ℓ) = {(i , j ) ∈ N2 | k ≤ i ≤?, ℓ − k + i ≤ j ≤?}.

Etape 1 : Déterminer les bornes pour i

• X (k) = i implique que i ≥ k, car il doit y avoir k − 1 valeurs strictement inférieures à i .

• La valeur maximale de i est imposée par la condition que j = X (ℓ) reste dans l’ensemble {1, . . . , N }. Cela im-
pose :
i ≤ N − n + k.

Ainsi, la borne supérieure pour i est N − n + k.

Option B Page 73/ 81

BÉCÉAS 2024

Etape 2 : Déterminer les bornes pour j

• j doit être supérieur ou égal à ℓ − k + i , car il doit y avoir au moins (ℓ − k − 1) valeurs entre i et j .

• La valeur maximale de j est imposée par la condition qu’il reste au moins (n − ℓ) valeurs après j , ce qui
donne :
j ≤ N − n + ℓ.

Ainsi, la borne supérieure pour j est N − n + ℓ.

Conclusion

L’ensemble des valeurs possibles pour (X (k) , X (ℓ) ) est donné par :

E ⋆ (N , n, k, ℓ) = {(i , j ) ∈ N2 | k ≤ i ≤ N − n + k, ℓ − k + i ≤ j ≤ N − n + ℓ}.

Question 12
Donner l’expression de la probabilité P ([X (k) = i ] ∩ [X (ℓ) = j ]), où (i , j ) ∈ E ⋆ (N , n, k, ℓ).

Solution
La probabilité est donnée par :
¡ i −1 ¢¡ j −i −1 ¢¡N − j ¢
k−1 ℓ−k−1 n−ℓ
P ([X (k) = i ] ∩ [X (ℓ) = j ]) = ¡N ¢ .
n

Justification des termes

¡ i −1 ¢
• k−1 : Nombre de façons de choisir k − 1 valeurs parmi les i − 1 premières valeurs de {1, . . . , N } pour que
X (k) = i .
¡ j −i −1 ¢
• ℓ−k−1 : Nombre de façons de choisir les ℓ − k − 1 valeurs intermédiaires entre i et j pour que X (ℓ) = j .
¡N − j ¢
• n−ℓ
: Nombre de façons de choisir les n −ℓ valeurs restantes parmi les N − j valeurs strictement supérieures
à j.
¡N ¢
• n : Nombre total de façons de tirer n valeurs parmi les N possibles, représentant l’espace des événements.

Domaine de validité

Cette probabilité est définie uniquement lorsque (i , j ) ∈ E ⋆ (N , n, k, ℓ), soit :

k ≤ i ≤ N − n + k, ℓ − k + i ≤ j ≤ N − n + ℓ.

Question 13
Montrer que : Ã !Ã !Ã ! Ã !
X i −1 j −i −1 N − j N
= .
(i , j )∈E ⋆ k −1 ℓ−k −1 n −ℓ n

Option B Page 74/ 81

BÉCÉAS 2024

Solution
Nous devons montrer que : Ã !Ã !Ã ! Ã !
X i −1 j −i −1 N − j N
= .
(i , j )∈E ⋆ k −1 ℓ−k −1 n −ℓ n

Interprétation combinatoire

• La gauche de l’égalité représente une sommation sur toutes les paires (i , j ) possibles où X (k) = i et X (ℓ) = j .
¡ i −1 ¢¡ j −i −1 ¢¡N − j ¢
• Chaque terme k−1 ℓ−k−1 n−ℓ
décompose le choix des n valeurs tirées parmi N :
¡ i −1 ¢
– k−1 : Nombre de façons de choisir les k − 1 valeurs inférieures à i ,
¡ j −i −1 ¢
– ℓ−k−1 : Nombre de façons de choisir les ℓ − k − 1 valeurs entre i et j ,
¡N − j ¢
– n−ℓ : Nombre de façons de choisir les n − ℓ valeurs supérieures à j .

Construction du tirage

Le tirage total des n valeurs parmi {1, . . . , N } peut être décomposé en trois parties :

• k − 1 valeurs inférieures à i ,

• ℓ − k − 1 valeurs entre i et j ,

• n − ℓ valeurs supérieures à j .

La somme sur tous les (i , j ) ∈ E ⋆ recouvre tous les choix possibles pour ces trois parties.

Regroupement combinatoire

La somme des termes couvre exactement tous les sous-ensembles de taille n parmi les N éléments, indépen-
damment de l’ordre. Par construction :
à !à !à ! à !
X i −1 j −i −1 N − j N
= .
(i , j )∈E ⋆ k − 1 ℓ − k − 1 n − ℓ n

Question 14
Montrer que pour tout 1 ≤ k < ℓ ≤ n,

£ ¡ ¢¤ ℓ−k h
2
i
E X (k) · X (ℓ) − X (k) = · (N + 1) · E [X (k) ] − E [X (k) ] .
n −k +1

Solution
D’après la définition de l’espérance et la loi jointe (X (k) , X (ℓ) ), nous avons
¡ i −1 ¢¡ j −i −1 ¢¡N − j ¢
N −n+k
X N −n+ℓ k−1 ℓ−k−1 n−ℓ
£ ¤ X
E X (k) · (X (ℓ) − X (k) ) = i(j −i) ¡N ¢
i =k j =ℓ−k+i n
à ! ¡ j −i −1 ¢¡N − j ¢
N −n+k i −1 N −n+ℓ
− i ) ℓ−k−1 n−ℓ
X X
= i (j ¡N ¢ .
i =k k −1 j =ℓ−k+i n

Option B Page 75/ 81

BÉCÉAS 2024

Or : Ã !Ã ! Ã !Ã !
N −n+ℓ
X j −i −1 N−j N −n+ℓ
X j −i N − j
(j −i) = (ℓ − k) .
j =ℓ−k+i ℓ−k −1 n −ℓ j =ℓ−k+i ℓ − k n −ℓ
Posons x = j − i + 1,
à !à !
N −n+ℓ
X j −i −1 N − j
(j −i)
j =ℓ−k+i ℓ−k −1 n −ℓ
à !à !
N −n+ℓ−i
X +1 x − 1 N −x −i +1
= (ℓ − k)
x=ℓ−k+1 ℓ−k −1 n −ℓ
à !à !
N −n+ℓ−i
X +1 x − 1 N −x −i +1
= (ℓ − k)
x=ℓ−k+1 ℓ − k − 1 n − (ℓ − k + 1) − h + 1
à !
N −i +1
= (ℓ − k) .
n −k +1

Ainsi, l’espérance est donnée par :

à !à ! à !
£ ¤ N −n−k
X i −1 N −i +1 . N
E X (k) · (X (ℓ) − X (k) )) = (ℓ − k) i .
i =k k −1 n −k +1 n

Or à !à ! à !
N −n−k
X i −1 N −i . N
E (X (k) ) = i .
i =h k −1 n −k n
En combinant, nous obtenons :
ℓ−k ©
(N + 1)E(X (k) ) − E (X (k) )2 .
£ ¤ £ ¤ª
E X (k) · (X (ℓ) − X (k) )) =
n −k +1

Question 15
En déduire la covariance entre X (k) et X (ℓ) lorsque 1 ≤ k < ℓ ≤ n, sous la forme :

Cov(X (k) , X (ℓ) ) = r (n, k, ℓ) · Var(X (k) ),

où r (n, k, ℓ) est une expression à déterminer.

Solution
Nous devons montrer que la covariance entre X (k) et X (ℓ) , avec 1 ≤ k < ℓ ≤ n, peut être exprimée sous la forme :

Cov(X (k) , X (ℓ) ) = r (n, k, ℓ) · Var(X (k) ),

où r (n, k, ℓ) est un facteur à déterminer.

Définition de la covariance

La covariance entre X (k) et X (ℓ) est définie comme :

Cov(X (k) , X (ℓ) ) = E [X (k) · X (ℓ) ] − E [X (k) ] · E [X (ℓ) ].

Calcul de E [X (k) · X (ℓ) ]

En utilisant les résultats de la question précédente, nous savons que :

ℓ−k h
2
i
2
E [X (k) · X (ℓ) ] = · (N + 1) · E [X (k) ] − E [X (k) ] + E [X (k) ].
n −k +1

Option B Page 76/ 81

BÉCÉAS 2024

Expression de la covariance

Substituons cette expression dans la définition de la covariance :

ℓ−k h
2
i
2
Cov(X (k) , X (ℓ) ) = · (N + 1) · E [X (k) ] − E [X (k) ] + E [X (k) ] − E [X (k) ] · E [X (ℓ) ].
n −k +1

Simplifions cette expression et exprimons-la en termes de la variance Var(X (k) ).

Facteur de proportionnalité

La covariance peut être réécrite sous la forme :

Cov(X (k) , X (ℓ) ) = r (n, k, ℓ) · Var(X (k) ),

où :
n −ℓ+1
r (n, k, ℓ) = .
n −k +1

Question 16
Utiliser les résultats précédents pour montrer que :

¢ (N + 1)(N − n)
Var N̂ (n, k, ℓ) = · [k(n − k + 1) + (ℓ − 2k)(n − ℓ + 1)] .
¡
(ℓ − k)2 (n + 2)

Solution
Etapes de la démonstration

1. Définition de N̂ (n, k, ℓ) : L’estimateur N̂ (n, k, ℓ) est donné par :

n +1
N̂ (n, k, ℓ) = (X (ℓ) − X (k) ) − 1.
ℓ−k
Sa variance est donc :
n +1 2
µ ¶
Var N̂ (n, k, ℓ) =
¡ ¢ ¡ ¢
· Var X (ℓ) − X (k) .
ℓ−k

2. Variance de la différence X (ℓ) − X (k) : En utilisant les propriétés de la variance et de la covariance :

¡ ¢
Var X (ℓ) − X (k) = Var(X (ℓ) ) + Var(X (k) ) − 2 · Cov(X (k) , X (ℓ) ).

3. Substitution des expressions : Nous utilisons les formules suivantes :

k(N +1)(N −n)
• Var(X (k) ) = (n+1)2 (n+2)
,
ℓ(N +1)(N −n)
• Var(X (ℓ) ) = (n+1)2 (n+2)
,
n−ℓ+1
• Cov(X (k) , X (ℓ) ) = n−k+1 · Var(X (k) ).

Substituons ces termes dans l’expression de Var(X (ℓ) − X (k) ).

4. Simplification : Après simplifications, la variance Var(N̂ (n, k, ℓ)) devient :

¢ (N + 1)(N − n)
Var N̂ (n, k, ℓ) = · [k(n − k + 1) + (ℓ − 2k)(n − ℓ + 1)] .
¡
(ℓ − k)2 (n + 2)

Option B Page 77/ 81

BÉCÉAS 2024

Question 17
Après avoir étudié la fonction k 7→ σ2n (k), quel choix proposer pour k afin de minimiser la variance de l’estima-
teur N̂ (n, k, n) ?

Solution
Nous devons minimiser la variance de l’estimateur N̂ (n, k, n), donnée par :

(N + 1)(N − n)
σ2n (k) := Var(N̂ (n, k, n)) = · [k(n − k + 1) + (n − 2k)] .
(n − k)2 (n + 2)

1. Expression simplifiée : La variance dépend de k selon :

(N + 1)(N − n) k(n − k + 1) + n − 2k
σ2n (k) = · .
(n + 2) (n − k)2

Les termes constants par rapport à k sont (N + 1)(N − n) et (n + 2). La minimisation revient donc à étudier la
fonction :
k(n − k + 1) + n − 2k
f (k) = .
(n − k)2
En dérivant par rapport à k,

(n − 2k + 1 − 2)(n − hk)2 + 2(n − k)(k(n − k + 1) + n − 2k)

f ′ (k) =
(n − k)4
1
= [(n − k)(n − 2k − 1) + 2k(n − k + 1) + 2n − 4k]
(n − k)3
1 £ 2
n − 2nk − n − nk + 2k 2 + k + 2nk − 2k 2 + 2n − 4k
¤
=
(n − k)3
1 £ 2 ¤
= 3
n − nk + n − k
(n − k)
1
= [1 + n] > 0.
(n − k)2

2. Etude de f (k) :

• La fonction f (k) est définie pour k ∈ {1, . . . , n − 1}.

• f (k) est une fonction rationnelle, croissante.

3. Minimum de σ2n (k) :

• La fonction f (k) atteint son minimum lorsque k = 1.

Option B Page 78/ 81

BÉCÉAS 2024

Banque d’Épreuves des Concours des Écoles

d’Actuariat et Statistique
Session 2024

Épreuve de français
Éléments de correction

Proposition de résumé en 214 mots

Les sociétés modernes se retrouvent face à un paradoxe : la parole manipulatoire est présente partout or rien
n’est fait - y compris dans les programmes scolaires - pour permettre de la repérer et s’en défendre. Et pourtant
tous les domaines sont touchés ; la publicité en particulier.
L’absence de réflexion sur ce phénomène conduit à une régression civilisationnelle. Dans l’Antiquité, Tacite
regrettait déjà le déclin de la bonne rhétorique qui autorisait les débats au profit d’interventions rapides. De nos
jours, le problème est plus prégnant encore, facilité par les médias, la télévision notamment, qui diffusent une
pensée unique. Ainsi le libéralisme nous est imposé ; la propagande est installée dans les pays démocratiques (qui
pourtant osent critiquer les régimes totalitaires !) servant des discours jugés respectables ; le slogan publicitaire est
banalisé.
Face à ce phénomène les citoyens ne sont pas éduqués. On prône les valeurs démocratiques mais on supprime
les moyens de lutter contre les paroles manipulatoires trompeuses.
La solution est désormais de ne plus accepter la justification de ces discours fallacieux au service d’un but
considéré comme légitime. Une parole éthique est seule garante du respect du destinataire mais aussi du locuteur.
Elle est également nécessaire car toute violence - et la parole qui manipule est une violence faite à autrui – est
aujourd’hui condamnée.

Français Page 79/ 81

BÉCÉAS 2024

Banque d’Épreuves des Concours des Écoles

d’Actuariat et Statistique
Session 2024

Épreuve d’anglais
Éléments de correction

1 Summarize this text in English in 200 words (+/- 10%)

The text critiques the effectiveness of corporate sustainability schemes in addressing climate challenges. Des-
pite the Paris Agreement’s 2°C threshold, briefly surpassed on November 17, 2023, many companies fail to align
their Environmental, Social, and Governance (ESG) goals with substantive action. Research assessing 20 major sus-
tainability frameworks, such as the UN Sustainable Development Goals (SDGs), Global Reporting Initiative (GRI),
and Certified B Corporations, found them insufficient.
Most schemes promote incremental progress while ignoring supply-chain emissions, which often account for
over 90% of a company’s carbon footprint. For example, companies favor carbon offsets, criticized for ineffecti-
veness, over reducing operational emissions. Frameworks like SDGs lack enforceability, leaving companies free to
decide their actions. Similarly, the GRI focuses on reporting, not reducing emissions, while B Corps vaguely require
"science-based action."
Some frameworks perform better. The circular economy minimizes waste and extends product life cycles. Dough-
nut economics balances ecological limits with societal needs, yet remains underused by businesses. Planetary
boundaries identify safe environmental thresholds for human activity, and The Natural Step (TNS) offers principles
to guide sustainable practices, adopted by companies like Nike. These models show promise but require broader
adoption to transition businesses from growth-driven to sustainability-focused practices.

2 Translate the following text into French

Comment les frères Barclay ont construit et détruit un empire Les jumeaux ont accumulé hôtels, journaux et
même une forteresse sur leur propre île – puis leur fortune a disparu.
Par Pippa Bailey. Source : New Statesman

Au cours de l’été 2022, le milliardaire Frederick Barclay, alors âgé de 87 ans et présent sur la Rich List du Sunday
Times, a comparu devant la Haute Cour, accusé par son ex-épouse de ne pas avoir respecté leur accord de divorce
d’un montant de 100 millions de livres. Les neveux de Frederick, fils de son frère jumeau David, étaient représentés
par plus d’avocats dans la salle d’audience que leur oncle ou tante et ont tenté, sans succès, d’empêcher la publi-
cation des informations sur l’affaire. Cela reflète bien la famille, notoirement avare de publicité. “Après une vie de
discrétion”, écrit Jane Martinson dans son récit sur les jumeaux et leurs affaires, “des histoires de disputes familiales
et de crises ont soudainement envahi les pages des journaux.”
Le problème du tribunal était que le réseau d’entreprises des Barclay était si complexe que personne, même
au sein de la famille, ne semblait le comprendre. “L’affaire revenait sans cesse à deux questions : la recherche de
sommes d’argent colossales dans des structures de propriété opaques et l’identification du contrôleur ultime.” Cela
pose également un problème à Martinson, car bien que You May Never See Us Again suive les indices comme un

Anglais Page 80/ 81

BÉCÉAS 2024

détective, le tableau général reste frustrant, juste hors de portée. Frederick a déclaré au juge que le problème n’était
pas qu’il refusait de payer, mais qu’il en était incapable. La moitié d’un partenariat autrefois estimé à 6 milliards de
livres affirmait désormais ne plus avoir d’argent. Où était-il passé ?

Anglais Page 81/ 81