Lycée Mermoz Devoir Maison n 11 PTSI 2024-2025

Pour le 13 Mars 2025

Les étudiants sont invités à soigner la présentation de leur copie, à encadrer les principaux résultats, à respecter les
notations de l’énoncé, et à donner des démonstrations complètes (mais brèves) de leurs affirmations. Il est préférable de
traiter les questions d’un exercice dans l’ordre de l’énoncé. La rigueur des démonstrations constitue une part importante
de l’appréciation des copies.

Soit n P N . On va parler de suites de matrices dans cet exercice. Une suite de matrices pBp qpPN P pMn pKqqN est une
application B : N Ñ Mn pKq. Dit autrement, @p P N, Bp P Mn pKq et le coefficient pi, j q, noté ici pbp qi,j , de Bp est le terme
de rang p d’une suite ppBp qi,j qpPN P KN .

Définition 1. Une matrice A  pai,j q1¤1i,j ¤n P MnpRq est dite stochastique si elle vérifie les deux conditions suivantes :
1. les coefficients de la matrice sont tous positifs ou nuls : @pi, j q P J1; nK2 , ai,j ¥ 0.
ņ
2. la somme des coefficients de chaque ligne de la matrice est égale à 1 : @i P J1, nK, aij  1.

j 1



Définition 2. On dit qu’une suite de matrices (carrées de taille n) pBp qpPN  pbpqi,j P pMnpRqqN
¤ ¤
1 i,j n P
p N
converge vers une matrice B  pbi,j q1¤i,j ¤n P Mn pRq si les coefficients de Bp convergent vers le coefficient de B si-
tué à la même position : @pi, j q P J1, nK2 , pbp qi,j ÝÑ bi,j .
p Ñ 8
Exercice 1. Durant une période de l’année, on étudie la dynamique d’une espèce présente sous trois formes : chenille,
chrysalide, papillon. On observe que chaque jour,
la moitié des chenilles forme des chrysalides tandis que l’autre moitié reste chenilles,
la moitié des chrysalides forme des papillons tandis que l’autre moitié reste chrysalides,
tous les papillons restent papillon.
Au jour p P N, on pioche un individu au hasard et on note ap , bp , cp la probabilité respectivement que l’individu soit chenille,
chrysalide, papillon.
Au jour 0 la population n’est constituée que de chenilles : a0  1, b0  c0  0.
On admet que pour tout p P N, (formule des probabilités totales qui sera vu plus tard en classe)
$
'
& ap 1  12 ap
'
bp 1  12 ap 1
2 bp
1  2 bp
% c 1
cp
p

  
1 1
ap 0
On pose @p P N, Xp   bp  et on considère la matrice A   0
2 2
 1 1 
2 2
.
cp 0 0 1
Partie 1.
1. Calculer pour tout p P N, ap puis montrer que pap qpPN converge et préciser sa limite.
2. Pour tout p P N que vaut ap bp cp ? Le démontrer.
3. Soit p P N. Déterminer une relation matricielle entre Xp 1, AT et Xp .
4. Soit p P N. En déduire une expression de Xp en fonction de Ap et X0 .
Partie 2.
0 1 0
Soit J   0 0 1 .
0 0 1
5. Calculer J k pour tout k P N.
 6. Déterminer pα, β q P R2 tel que A  αI3 βJ.
7. En déduire les puissances de A.
8. Montrer que la suite pAp qpPN converge, et que sa limite A8  limpÑ 8 Ap est une matrice stochastique.
9. En déduire pour tout p P N, une expression de bp et cp en fonction de p. Préciser lim bp et lim cp .
p Ñ 8 p Ñ 8
Quelle conclusion lépidoptérologique peut-on faire ?
Partie 3  
0 1 2 1 1
1
Posons B  1

2 3 3 et P   1 0 1

1
2
0 0 1 0 1
 
x
10. Déterminer, suivant les valeurs de λ P R, l’ensemble Eλ des vecteurs U   y  P M3,1 pRq tels que BX  λX.
z
Indication. Étude d’un système de paramètre λ.
   
1 1
11. Vérifier que u1   1  P E1{2 et u2   2  P E1 .
0 0
12. Montrer que P est inversible et calculer P
1 .
13. Calculer P
1 BP .
14. En déduire pour tout p P N, B p en fonction de Ap , P et P
1 .
15. Soit p P N. En déduire les coefficients de B p .
Partie 4.
Soit P  X 3
2X 2 5
4X
41 . On fixe p P N.
1. (a) Calculer P 1 le polynôme dérivé de P .

(b) Préciser P 1 12 .
2. Calculer P pAq.
3. En déduire que A est inversible et calculer A
1 .
4. (a) Justifier qu’il existe pα, β, γ q P R3 et Q P RrX s un polynôme tels que X p  P Q αX 2 βX γ.
(b) Justifier alors que l’on a également par dérivation pX p
1  P 1 Q P Q1 2αX β.

(c) Démontrer que

α4
 22p
3p
4,  1
2pp
1
p 1
2p
2
, β 1
γ

(d) En déduire à nouveau l’expression de Ap .

Partie 5.
1. Soient A et B deux matrices stochastiques. Montrer que AB est une matrice stochastique.
2. Soit A une matrice stochastique. Montrer que pour tout p P N, Ap est stochastique.
3. Soit A  pai,j q1¤i,j ¤n P MnpRq une matrice stochastique. Montrer que @pi, j q P J1, nK2, aij ¤ 1.
 
1
Soit X1   . 
 ..  P Mn,1pRq.
1
4. Soit A  pai,j q1¤i,j ¤n P MnpRq une matrice stochastique.
(a) Calculer AX1 . On justifiera avec soin.
(b) En déduire que la matrice In
A n’est pas inversible.
5. Montrer le résultat suivant :

@A P MnpRq, rA est stochastique s ô rAX1  X1 et les coefficients de A sont positifs s