ECS2 – Lycée La Bruyère, Versailles

version du dimanche 29 juillet 2018 18:09

ECRICOME 2017 S
Éléments de correction

Premier exercice
1. a. La fonction f admet pour limite 0 en 0 d’après les théorèmes de croissances comparées. Par conti-
nuité de la fonction exponentielle, la fonction g admet alors 1 pour limite en 0.
b. On obtient immédiatement le tableau de variations de f en étudiant le signe de sa dérivée. Celui de
g s’en déduit par croissance de la fonction exponentielle.
x 0 e−1 1
f ′ (x) − 0 +
0 0
f
−e−1
1 1
g
e−e
−1

c. La fonction g admettant une´ 1 limite finie en 0, elle est prolongeable par continuité au segment [0, 1],
si bien que son intégrale 0 g(t) dt converge.
´1
2. a. Pour n ∈ N, l’intégrale un = n!1 0 (t ln t)n dt converge pour les mêmes raisons qu’en 1.c..
b. D’après les variations de f obtenues en 1.b., on a :
1 1 1 1 −n e−n
ˆ ˆ
n
∀n ∈ N, |un | 6 |t ln t| dt 6 e dt = −−−→ 0,
n! 0 n! 0 n! n→∞
d’où l’on déduit par encadrement que (un ) converge vers 0.
c. Le calcul de u0 = 1 est immédiat, celui de u1 peut être fait par intégration par parties : sachant les
intégrales (et le crochet) convergents,
ˆ 1 h t2 i1 ˆ 1 t 1
u1 = t ln t dt = ln t − dt = − .
0 2 0 0 2 4
∗
d. Pour n ∈ N , on obtient de même par intégration par parties :
ˆ 1 ˆ 1
n k k
∀k ∈ J1, nK , t (ln t) dt = − t n (ln t)k−1 dt
0 n + 1 0
d’où l’on déduit, par récurrence sur k, que :
ˆ 1
(−1)k k! 1 n (−1)k k!
ˆ
n k
∀k ∈ J0, nK , t (ln t) dt = t dt = .
0 (n + 1)k 0 (n + 1)k+1
En particulier,
1 1 (−1)n
ˆ
∀n ∈ N, un = (t ln t)n dt = .
n! 0 (n + 1)n+1
e. On peut utiliser l’une des trois inégalités ci-dessous (la première a été obtenue en b. et les deux
suivantes résultent de la formule établie en d.)
fr

e−n 1 1
|un | 6 , |un | 6 2 , |un | 6 n
d.

n! n 2
valables pour tout n ∈ N∗ , pour justifier la convergence absolue de la série un par comparaison à
P
ll

une série exponentielle, de Riemann ou géométrique convergente.

rb
w.
ww
ECS2 – Lycée La Bruyère, Versailles ECRICOME 2017 S – 2

f. On peut proposer un code itératif :

Listing 1 : Calcul de Sn , version itérative

function S=somme(n)
S=0;
for k=0:n
S=S+(-1)^k/(k+1)^(k+1);
end
endfunction

ou matriciel :
Listing 2 : Calcul de Sn , version matricielle
function S=somme(n)
k=0:n;
S=sum((-1).^k./(k+1).^(k+1));
endfunction

3. a. Pour x ∈ [− e1 , 0] et n ∈ N, la fonction exp est de classe C n+1 sur le segment [x, 0] avec :
∀t ∈ [x, 0], exp(n+1) t = et 6 1 = M.
D’après l’inégalité de Taylor-Lagrange appliquée à l’ordre n à la fonction exp entre 0 et x, on a donc :
n xk n exp(k) 0 Mn+1 1
ex − = exp x − xk 6 |x|n+1 6 n+1
P P
.
k=0 k! k=0 k! (n + 1)! e (n + 1)!
b. En appliquant l’inégalité de la question a. à x = f (t), qui appartient à [− 1e , 0] lorsque t ∈ ]0, 1]
d’après 1.b., on obtient :
ˆ 1 n (t ln t)k 
ˆ 1 n (t ln t)k
t ln t 1
|I − Sn | = dt 6 et ln t − dt 6 n+1
P P
e − .
0 k=0 k! 0 k=0 k! e (n + 1)!
c. Le membre de droite dans l’inégalité de la question b. convergeant vers 0, on en déduit par encadre-
ment que (Sn ) converge vers I, i.e. d’après 2.d. et par décalage d’indice que :
n (−1)k ∞ (−1)n
I = lim
P P
= − .
n→∞ k=0 (k + 1)k+1 n=1 nn
d. D’après la question b., pour que Sn soit une valeur approchée de I à une précision ε > 0 donnée, i.e.
1
pour que |I − Sn | 6 ε, il suffit d’avoir en+1 (n+1)! 6 ε. On peut donc propose le code ci-dessous :

Listing 3 : Valeur approchée de I à une précision donnée

function I=estimation(eps)
n=0;
e=exp(-1);
x=e;
while (x>eps)
n=n+1;
x=x*e/(n+1);
fr

end
I=somme(n);
d.

endfunction
ll

1
On calcule les premiers termes xn = jusqu’à avoir xn 6 ε puis on calcule la valeur de Sn
rb

en+1 (n+1)!
correspondante.
w.
ww
ECS2 – Lycée La Bruyère, Versailles ECRICOME 2017 S – 3

Deuxième exercice
1. a. La matrice J étant symétrique réelle, elle ortho-diagonalisable : il existe une matrice P ∈ Mn (R)
orthogonale et une matrice D diagonale telles que t PJP = D i.e. J = PDt P.
b. Les colonnes de J étant égales et non nulles, elles engendrent une droite : la matrice J est donc de
rang 1. Le théorème du rang appliqué à l’endomorphisme (de Mn,1 (R) !) canoniquement associé à J
assure alors que dim Ker J = n − rg J = n − 1 > 0. Ainsi 0 est valeur propre de J et le sous-espace
propre associé est de dimension n − 1.
c. Les matrices D et J, semblables puisque P est orthogonale, ont même rang et même trace. Ainsi un
seul coefficient diagonal de D n’est pas nul, qui constitue la dernière valeur propre λ de J. Celle-ci
est donnée par la trace : λ = tr D = tr J = n. Quitte à réordonner les colonnes de P, on peut donc
supposer que D est la matrice diag(0, . . . , 0, n).
2. a. On a en effet
n
P 2 n n
∀(x1 , . . . , xn ) ∈ Rn , xi2 + xi2 + 2
P P P P P
xi = x i xj = x i xj = xi xj ,
i=1 16i,j6n i=1 16i6=j6n i=1 16i<j6n

d’où le résultat.
b. La matrice
0 1 1
 
···
 .. .. 
1 1 0 . .
M=   ∈ Mn (R),
2  ..
 .. .. 
. . . 1
1 ··· 1 0
de coefficient générique 1
si i 6= j
mi,j = 2 , 1 6 i, j 6 n,
0 si i = j
convient.
Remarque. La question c. montre que la matrice M attendue doit être symétrique, même si ce n’est
pas explicite dans l’énoncé de la question b..
c. On a immédiatement M = 12 J − 21 I.
d. D’après 1.a. et c., sachant P orthogonale, il vient :
1 1
M = PDt P − Pt P = P∆t P
2 2
où
−1 0 · · · 0
 
 .. .. .. 
1 1 1 0 . . . 
∆= D− I=  .
.
2 2 2  .. . . . −1

0 
0 ··· 0 n − 1
e. Trois méthodes sont envisageables, la première étant la plus pertinente ici car elle s’appuie sur les
questions précédentes.
• Méthode 1 : en utilisant la diagonalisation de M
D’après b. et d.,
n 1P n
∀x ∈ Rn , f (x) = t XP∆t PX = t (t PX)∆(t PX) = t Y∆Y = yn2 − yi2
fr

2 2 i=1
d.

où Y = t PX = t y1 · · · yn . Or, sachant P orthogonale, on a

ll

n n
yi2 = t YY = t XX = xi2
P P
rb

i=1 i=1

yn2 t
si bien que x ∈ S équivaut à y ∈ S. Comme 6 YY avec égalité lorsque y1 = · · · = yn−1 = 0,
w.

1 n 1 n−1
∀x ∈ S, − 6 f (x) = yn2 − 6
ww

2 2 2 2
avec égalité à gauche (resp. à droite) pour yn = 0 c’est-à-dire lorsque X ∈ S est propre pour M
ECS2 – Lycée La Bruyère, Versailles ECRICOME 2017 S – 4

associé à la valeur propre − 21 (resp. pour y1 = · · · = yn−1 = 0 c’est-à-dire lorsque X ∈ S est

propre pour M associé à la valeur propre n−1 2
). D’où l’existence d’un minimum et d’un maximum
1 n−1
pour f sur S, respectivement égaux à − 2 et 2 .
• Méthode 2 : en faisant intervenir un problème d’optimisation sous contrainte
L’ensemble S est défini comme ligne de niveau 1 de la fonction ϕ : x 7−→ x12 + · · · + xn2 continue
sur Rn . À ce titre, c’est une partie fermée de Rn . Elle est également bornée car incluse dans la boule
unité, et non vide. La fonction f , qui y est continue, y admet donc un minimum et un maximum.
Pour compléter l’analyse précédente, la fonction ϕ est de classe C 1 sur l’ouvert Rn telle que
∇ϕ(x) = 2x 6= 0 pour tout x ∈ S : l’ensemble S est donc une contrainte non critique.
Classiquement, la fonction f est de classe C 1 sur l’ouvert Rn , avec ∇f (x) = 2MX pour tout
x ∈ Rn . Les extremums de f sous la contrainte S sont donc atteints en des points x ∈ S pour
lesquels existe λ ∈ R tel que ∇f (x) = λ∇ϕ(x), c’est-à-dire MX = λX. Pour un tel vecteur X,
unitaire et propre pour M associé à la valeur propre λ, on a f (x) = λ. L’existence des minimum
et maximum de f sous la contrainte S étant acquise, ils sont respectivement égaux à la plus petite
et la plus grande des deux valeurs propres de M : − 12 et n−1 2
.
Remarque. Si cette méthode est inutilement compliquée ici (le calcul de ∇f (x) n’a pas été détaillé),
elle permet de vérifier rapidement sur un dessin les résultats obtenus avec la méthode précédente
dans le cas n = 2.

La contrainte (en gras) est tangente aux lignes de f aux niveaux ± 21 (en gras), qui sont les niveaux
extremaux correspondant à des lignes de f (en traits pleins) qui intersectent la contrainte.
• Méthode 3 : en utilisant l’inégalité de Cauchy-Schwarz
En appliquant l’inégalité de Cauchy-Schwarz dans Rn euclidien canonique aux vecteurs (x1 , . . . , xn )
et (1, . . . , 1), il vient :
P n 2 n
∀x ∈ Rn , xi 6 n xi2
P
i=1 i=1
d’où,
1 1P n
2 1 hP n 2 P n
2
i n−1P n n−1
∀x ∈ S, − = − xi 6 xi − xi 6 xi2 =
2 2 i=1 2 i=1 i=1 2 i=1 2
1
avec égalité à gauche pour x = 2 (1, −1, 0, . . . , 0) et à droite (en utilisant le cas d’égalité dans
√

l’inégalité de Cauchy-Schwarz) pour x = √1n (1, . . . , 1). D’où l’existence d’un minimum et d’un
maximum pour f sur S, respectivement égaux à − 12 et n−1 2
.
3. a. La matrice A, symétrique réelle, est ortho-diagonalisable : il existe Q ∈ Mn (R) orthogonale et D ∈
Mn (R) diagonale telles que A = QDQ−1 . Les coefficients diagonaux λ1 , . . . , λn de D,√qui sont √ aussi
fr

les valeurs propres de A, sont strictement positifs par hypothèse. En posant ∆ = diag( λ1 , . . . , λn )
et B = Q∆Q−1 , on a alors B2 = Q∆2 Q−1 = QDQ−1 = A.
d.

Par ailleurs, et même si ce n’est pas demandé dans l’énoncé, cette matrice B est symétrique car Q est
ll

orthogonale : t B = t (Q∆t Q) = Qt ∆t Q = Q∆t Q = B. On note également qu’elle est inversible car

ses valeurs propres sont non nulles.
rb

b. Les endomorphismes u et v, représentés en base canonique, orthonormale, par des matrices A et B

w.

symétriques, sont symétriques. Ils sont par ailleurs bijectifs car A et B sont inversibles.
ww

Pour x ∈ Rn , on a donc
hu(x), xi = v v(x) , x = hv(x), v(x)i = kv(x)k2 .


ECS2 – Lycée La Bruyère, Versailles ECRICOME 2017 S – 5

Par suite, pour y ∈ Rn et z = u−1 (y) = v −2 (y), on a également

2
u−1 (y), y = hz, u(z)i = kv(z)k2 = v −1 (y) .
−1
L’inégalité de Cauchy-Schwarz appliquée aux vecteurs v(x) et v (y) donne alors l’inégalité atten-
due :

2 2 2
hx, yi2 = x, v v −1 (y) = v(x), v −1 (y) 6 kv(x)k2 v −1 (y) = hu(x), xi u−1 (y), y .
−1


Pour x ∈ Rn \{0} donné, l’inégalité ci-dessus est une égalité lorsque la famille

v(x), v (y) est liée.
L’endomorphisme v étant bijectif, cela signifie que la famille u(x), y est liée. C’est en particulier
le cas pour y = u(x), non nul par injectivité de u.
c. D’après la question b. avec y = x, on a :
∀x ∈ S, 1 = kxk2 6 hu(x), xi u−1 (x), x
avec égalité lorsque x est vecteur propre de u. Comme u admet des vecteurs propres unitaires, il en
ressort que
min hu(x), xi u−1 (x), x = 1.
x∈S

4. a. La matrice A, carrée d’ordre 2 de déterminant 1 6= 0, est inversible, d’inverse

 
−1 2 −1
A = .
−1 1
b. Les valeurs propres de A sont les réels λ pour lesquels la matrice
 
1−λ 1
A − λI2 =
1 2−λ
√
n’est pas inversible, i.e. pour lesquels λ2 − 3λ + 1 = 0. Il s’agit donc des réels 3±2 5 , tous deux
strictement positifs.
c. D’après la question b., la matrice A satisfait les hypothèses de la question 3.. En conservant les
mêmes notations,
∀x = (x1 , x2 ) ∈ R2 , g(x) = (x12 + 2x22 + 2x1 x2 )(2x12 + x22 − 2x1 x2 )
= (t XAX)(t XA−1 X) = hu(x), xi u−1 (x), x .
D’après la question 3.c. (plus précisément, d’après la réponse apportée, plus précise que ce qui était
demandé : la borne inférieure est atteinte), la fonction g admet donc sous la contrainte x12 + x22 = 1,
équivalente à kxk = 1, un minimum égal à 1.

Problème
Première partie

1. La fonction ga est positive sur R, continue sauf peut-être en 0 avec, pour y < 0 < z,
ˆ z ˆ z
x −x 2 /(2a2 )  −x 2 /(2a2 ) z 2 2
ga (x) dx = e dx = −e = 1 − e−z /(2a ) −−−−→ 1,
fr

2 0
y 0 a y→−∞
z→+∞
d.

´ +∞
d’où l’on déduit la convergence et la valeur de −∞ ga (x) dx = 1, ce qui achève de prouver que ga est
ll

une densité de probabilité.

2 2
2. a. La variable N a pour densité x ∈ R 7−→ a√12π e−x /(2a ) , pour moments E(N) = 0 et E(N2 ) = V(N) =
rb

a2 .
w.

b. Par parité,
ww

ˆ +∞ ˆ +∞
2 2 1 2 −x 2 /(2a2 ) 2 2 2
a = E(N ) = √ x e dx = √ x 2 e−x /(2a ) dx
a 2π −∞ a 2π 0
ECS2 – Lycée La Bruyère, Versailles ECRICOME 2017 S – 6

d’où la convergence et la valeur de

ˆ +∞
1 +∞ 2 −x 2 /(2a2 )
ˆ r
π
xga (x) dx = 2 x e dx = a .
−∞ a 0 2
La variable Za admet donc une espérance égale à E(Za ) = a π2 .
p
√
c. Par changement de variable y 7−→ x = a 2y, de classe C 1 et strictement croissant de ]0, +∞[ sur
lui-même, on justifie la convergence absolue et on calcule la valeur de l’intégrale
ˆ +∞ ˆ +∞ 3 ˆ +∞
2 x −x 2 /(2a2 ) 2
x ga (x) dx = 2
e dx = 2a ye−y dy = 2a2 Γ(2) = 2a2 .
−∞ 0 a 0

Ceci établit l’existence de E(Z2a ) = 2a2 , d’où l’on déduit que Za admet pour variance
(4 − π)a2
V(Za ) = E(Z2a ) − E(Za )2 = .
2

Deuxième partie
1. L’instruction floor(n*rand())+1 simule la loi uniforme sur J1, nK.

Listing 4 : Simulation de Xn
function X=tirage(n)
urnes=zeros(1,n);
X=1;
choix=floor(n*rand())+1; // choix d’une urne
while (urnes(choix)<1)
// on continue si l’urne choisie ne contient aucune boule
urnes(choix)=urnes(choix)+1;
choix=floor(n*rand())+1; // choix d’une urne
X=X+1; // on incrémente le nombre de boules réparties
end
endfunction

2. Pour n = 1, toutes les boules sont placées dans l’unique urne. La variable X1 est donc certaine égale à
2. Elle admet pour espérance E(X1 ) = 2 et pour variance V(X1 ) = 0.
3. Soit Y la variable aléatoire qui donne le nombre de boules, parmi les deux premières, placées dans l’urne
1. Cette variable compte le nombre de succès (choisir l’urne 1) dans une suite de 2 épreuves de Bernoulli
(choisir une urne) indépendantes et de même paramètre 12 . Elle suit donc la loi binomiale B(2, 21 ).
La variable X2 prend deux valeurs : 2 si les deux premières boules sont placées dans la même urne et 3
sinon. Dans ces conditions,
1 1
P(X2 = 2) = P(Y ∈ {0, 2}) = P(Y = 0) + P(Y = 2) = et P(X2 = 3) = P(Y = 1) = .
2 2
La variable X2 suit donc la loi uniforme sur {2, 3} : elle s’écrit X2 = 2 + Z où Z suit la loi de Bernoulli
B( 21 ). Elle admet donc pour espérance E(X2 ) = 2 + E(Z) = 52 et pour variance V(X2 ) = V(Z) = 14 .
4. a. Il faut placer au moins deux boules pour qu’une urne soit susceptible de contenir deux boules... Par
ailleurs, une fois réparties n + 1 boules parmi les n urnes, l’une au moins des urnes contient au
moins deux boules. Ceci justifie l’inclusion Xn (Ω) ⊂ J2, n + 1K. Réciproquement, pour un entier k ∈
fr

J2, n + 1K, l’événement [Xn = k] est réalisé en plaçant successivement une boule dans chacune des
d.

urnes 1, 2, . . . , k −1 puis en plaçant la k-ième boule dans l’urne k −1. On a donc Xn (Ω) = J2, n + 1K.
b. Soient N1 , N2 , . . . , Nn+1 les variables aléatoires donnant respectivement les numéros des urnes dans
ll

lesquelles sont successivement placées les n + 1 premières boules.

rb

Pour k ∈ J2, n + 1K, le vecteur Vk = (N1 , N2 , . . . , Nk ) prend ses valeurs uniformément dans l’en-
semble J1, nKk : par indépendance des variables N1 , . . . , Nk , la loi conjointe du vecteur Vk est le
w.

produit des lois marginales des Ni , toutes uniformes sur J1, nK. En d’autres termes,
ww

1
∀v = (n1 , . . . , nk ) ∈ J1, nKk , P(Vk = v) = k .
n
ECS2 – Lycée La Bruyère, Versailles ECRICOME 2017 S – 7

L’événement [Xn = k] est réalisé si, et seulement si, les k − 1 premières boules sont dans des urnes
distinctes et la k-ième dans l’une de ces k − 1 premières urnes. Ainsi [Xn = k] = [Vk ∈ Vkn ] où Vkn est
l’ensemble des k-uplets v = (n1 , . . . , nk ) ∈ J1, nKk tels que n1 , . . . , nk−1 sont deux-à-deux distincts et
n!
nk ∈ {n1 , . . . , nk−1 }. Cet ensemble est de cardinal n(n − 1) · · · (n − k + 2)(k − 1) = (n−k+1)! (k − 1).
Par suite,
1 n!(k − 1)
P(Xn = k) = P(Vk ∈ Vkn ) = P(V = v) = k #Vkn = k
P
.
v∈Vkn n n (n − k + 1)!
c. La variable Xn étant finie, elle admet pour espérance
P n+1
P k(k − 1)
E(Xn ) = k P(Xn = k) = n! .
k∈Xn (Ω) k=2 nk (n− k + 1)!
d. Le code ci-dessous permet un calcul itératif de la somme ci-dessus.

Listing 5 : Calcul de E(Xn )

function E=esparance(n)
facto=prod(1:n);
fac=facto;
somme=0;
puissance=n;
for k=2:(n+1)
puissance=puissance*n;
fac=fac/(n-k+2);
somme=somme+k*(k-1)/(puissance*fac);
end
E=facto*somme;
endfunction

Troisième partie
1. L’inégalité de droite peut être justifiée classiquement par un argument de convexité et celle de gauche
par l’étude de la fonction x 7−→ ln(1 − x) + x + x 2 sur l’intervalle [0, 12 ].
On peut ici justifier les deux en observant que :
ˆ x ˆ x
 x 1  t
∀x ∈ ]−∞, 1[, − ln(1 − x) − x = − ln(1 − t) − t 0 = − 1 dt = dt
0 1−t 0 1−t
d’où : h 1i ˆ x
∀x ∈ 0, , 0 6 − ln(1 − x) − x 6 2 t dt = x 2 ,
2 0
ce qui conduit immédiatement au résultat.
2. Soit (n, m) ∈ N∗ × N tel que m 6 n2 . Pour k ∈ J0, mK, on a 0 6 nk 6 2m
k
6 21 d’où, d’après 1.,
k k2  k k
∀k ∈ J0, mK , − − 2 6 ln 1 − 6−
n n n n
puis :
1P m 1 Pm
2
m  k 1P m
ln 1 −
P
− k− 2 6−
fr

k 6 k
n k=0 n k=0 k=0 n n k=0
d.

c’est-à-dire
m(m + 1) m(m + 1)(2m + 1) m(m + 1)
− − 6 α(n, m) 6 −
ll

2
.
2n 6n 2n
rb

3. Sachant que X > 0, on a

√ √ 

w.

∀x 6 0, n P Xn = nx = 0 −−−→ 0.
n→∞
ww

4. a. Par définition, √ √  √
∀n ∈ N, nx − 1 6 nx 6 nx
ECS2 – Lycée La Bruyère, Versailles ECRICOME 2017 S – 8
√
d’où l’on déduit que ⌊ nx⌋ → +∞ lorsque n → ∞. Plus précisément, on a :
√
∗ 1 ⌊ nx⌋
∀n ∈ N , 1 − √ 6 √ 61
nx nx
d’où, par encadrement, √
⌊ nx⌋
lim √ =1
n→∞ nx
√ √
c’est-à-dire
√ ⌊ nx⌋√ ∼ nx lorsque n → ∞.
b. Puisque ⌊ nx⌋ ∼ nx = o(n) lorsque n → ∞, il existe N ∈ N tel que :
√  n
∀n > N, nx 6 .
2
∗
c. Pour n ∈ N et k ∈ J2, n + 1K, le produit ci-dessous comporte (k − 2) + 1 = k − 1 facteurs si bien
que :
k − 1 k−2
Q i  k − 1 k−2 k−1 n!
1−
Q
= (n − i) = = P(Xn = k)
n i=0 n k
n i=0 n (n − k + 1)!
k

d’après II.4.b.. √
d. Pour n > N tel que nx > 2 (on peut supposer que cette condition supplémentaire est réalisée,
quitte à augmenter N), on a d’après b. et c. :
√ ⌊√P √
√ 
⌊ nx⌋ − 1 nx⌋−2 
i  ⌊ nx⌋ − 1 √ 

P Xn = nx = exp ln 1 − = exp α(n, nx − 2) .
n i=0 n n
e. La
√question b. permet d’appliquer la question√ 2. pour obtenir un encadrement de α(n, m) avec m =
⌊ nx⌋ − 2. En utilisant l’équivalent m ∼ nx lorsque n → ∞, on montre facilement que les deux
2
membres extrémaux de cet encadrement convergent vers − x2 . Par suite,
√  x2
lim α(n, nx − 2) = −
n→∞ 2
d’où, par continuité de la fonction exponentielle et d’après la question a.,
2
nx = xe−x /2 .
√ 

lim P Xn =
n→∞

Quatrième partie
1. a. Pour x ∈ R,
√  √ h k k + 1h
nx = k ⇐⇒ k 6 nx < k + 1 ⇐⇒ x ∈ √ , √ .
n n
b. D’après la question a. et sachant que Xn est à valeurs dans J2, n + 1K, la fonction fn est constante sur
chacun des intervalles ]−∞, √2n [ (où elle est nulle), [ √2n , √3n [, . . . , [ n+1
√ , n+2
n
√ [ et [ n+2
n
√ , +∞[ (sur lequel
n
elle est nulle). Elle est donc positive sur R, continue sur R sauf peut-être aux points √2n , √3n , . . . , n+2
√
n
avec ˆ +∞ √
P (k+1)/ n √
n+1 n+1
ˆ
fn (x) dx = dx P(Xn = k) = 1.
P
√
n P(X n = k) =
−∞ k=2 k/ n k=2
Toutes les conditions sont réunies pour que fn soit une densité de probabilité.
2. a. Sur l’encadrement √  √ √ 
nx − k 6 nx − k < nx − k + 1,
fr

on observe que
√: √
➢ si k = ⌊ nx⌋, alors 0 6
√ nx − k < 1 ; √
d.

√
➢ si k > ⌊ nx⌋ i.e. k > ⌊ nx⌋ + 1, alors
√ √ √nx − k < 0 ;
ll

➢ si k < ⌊ nx⌋ i.e. k 6 ⌊ nx⌋ − 1, alors nx − k > 1.

rb

Puisque U suit la loi uniforme sur [0, 1], on en déduit que :

√
w.


√ √ 1 si k < ⌊ nx⌋
√ √
P(U 6 nx − k) = nx − ⌊ nx⌋ si k = ⌊ nx⌋ .
ww

√
0 si k > ⌊ nx⌋

ECS2 – Lycée La Bruyère, Versailles ECRICOME 2017 S – 9

b. La variable Yn est à valeurs dans [ √2n , n+2

√ [.
n
Pour x ∈ R donné, la formule des probabilités totales appliquée au système complet associé à la
variable Xn garantit que :
n+1
P n+1
P √
P(Yn 6 x) = P(Xn = k) P[Xn =k] (Yn 6 x) = P(Xn = k) P[Xn =k] (U 6 nx − k)
k=2 k=2
que l’on peut simplifier vu√a. compte-tenu de l’indépendance de U et Xk pour tout k. Lorsque x ∈
[ √2n , n+2
√ [ c’est-à-dire 2 6 ⌊ nx⌋ 6 n + 1,
n
√ 
√ √ 

P(Xn = k) + P Xn =
P
P(Yn 6 x) = nx nx − nx
26k6n+1
√
k<⌊ nx⌋ √
ˆ (k+1)/ n ˆ x
fn (t) dt + f (t) dt
P
= √ √ √ n
26k6n+1
√ k/ n ⌊ nx⌋/ n
k6⌊ nx⌋−1
ˆ x ˆ x
= √
fn (t) dt = fn (t) dt
2/ n −∞
√ √
car x ∈ [ ⌊ √nx⌋
n
,⌊ nx⌋+1
√ La vérification de la formule étant immédiate lorsque x 6∈ [ √2n , n+2
n
]. √ [, on a
n
donc : ˆ x
∀x ∈ R, P(Yn 6 x) = fn (t) dt.
´x −∞
c. D’après la question 1.b., le cours assure que x 7−→ −∞ fn (t) dt est la fonction de répartition de toute
variable de densité fn . La variable Yn a donc même loi qu’une variable de densité fn d’après b. : elle
admet pour densité fn .
d. D’après III.3. et III.4.e.,

0 si x 6 0
∀x ∈ R, lim fn (x) = −x 2 /2 = g1 (x).
n→∞ xe si x > 0
D’après c. et le résultat admis au début de la partie, cela assure la convergence en loi de la suite (Yn )
vers la variable Z1 de la deuxième partie, à densité g1 .
3. a. Soient (An ) et (Bn ) deux suites de variables aléatoires, A une variable aléatoire et b une constante.
Si (An ) converge en loi vers A et (Bn ) converge en probabilité vers b, alors (An + Bn ) converge en
loi vers A + b.
b. Pour ε > 0 donné,
1  U  √
∀n > 2 , P √ > ε = P U > nε) = 0 −−−→ 0.
ε n n→∞

Ainsi la suite √Un converge en probabilité vers la variable certaine nulle. D’après la question 2.d.

et le lemme de Slutsky, la suite de terme général

X U
√n = Yn − √ , n > 1,
n n
converge alors en loi vers la variable Z1 , de densité g1 .
fr
d.
ll
rb
w.
ww