cpge-paradise.

com

Concours commun Mines et Ponts 2025

CORRIGÉ DE MATHÉMATIQUES MP - MPI

[email protected] 1

Inégalités de Khintchine

Inégalité de Hölder
1 1
+ = 1. Soient X, Y ∈ L0 (Ω) que l’on suppose toutes les deux positives.
 
Soient p, q ∈ 1, +∞ tels que
p q
1 . Inégalité de Young.
Si x = 0 ou y = 0, l’inégalité est triviale.
Supposons x > 0 et y > 0.
−1
La fonction ln : R∗+ → R est concave ( car sa dérivée seconde est x 7→ 2 < 0 ). L’inégalité de concavité donne ,
x
1  
pour tous a, b > 0 et λ = ∈ 0, 1 ,
p




ln λa + (1 − λ)b ≥ λ ln a + (1 − λ) ln b

donc
a b
1
1

ln + ≥ ln a + ln b
p q p q
1
1
1 1

comme ln a + ln b = ln a p b q alors
p q
a b 1 1
+ ≥ ap bq .
p q
Cette inégalité appliquée à : a = xp et b = y q s’écrit

xp y q
+ ≥ xy
p q

xp y q
Ainsi ∀x, y ∈ R+ , xy ≤ + .
p q

2 . Inégalité de Hölder pour les variables aléatoires :

• Soient X, Y ∈ L0 (Ω) positives.

Si E X p = 0, comme X p ≥ 0, alors X p = 0 presque sûrement (p.s.), donc X = 0 p.s. Alors XY = 0 p.s., et

E XY = 0. L’inégalité est donc vérifiée. De même si E Y q = 0.

1. Mes corrigés sont ici https://tinyurl.com/4up84xze 23-04-2025

1
cpge-paradise.com

1/p

1/q
• Supposons kXkp = E X p = 1 et kY kq = E Y q = 1.
D’après Q1, pour tout ω ∈ Ω, on a

X(ω)p Y (ω)q
X(ω)Y (ω) ≤ +
p q

ce qu’on peut écrire

Xp Y q
X Y ≤ +
p q
L’espérance est une application linéaire et croissante , donc :

1
1 1 1
E X p + E Y q = + = 1.



E XY ≤
p q p q


Comme kXkp = 1 et kY kq = 1, on a bien E XY ≤ kXkp kY kq .

p

q

• Si kXkp > 0 et kY kq > 0 , posons X 0 = X
kXkp et Y 0 = Y
kY kq . On a E X 0 = 1 et E Y 0 = 1. D’après le
X 0Y 0 X0 0


cas précédent on a E ≤ 1. Substituons et Y par leurs expressions :

X Y 1
 


E = E XY ≤ 1
kXkp kY kq kXkp kY kq

1/p

1/q
donc E XY ≤ kXkp kY kq = E X p E Yq

3 . Si p = q = 2,

• On a alors 1/p + 1/q = 1/2 + 1/2 = 1. Les conditions sont vérifiées. L’inégalité de Hölder devient :


1/2

1/2
E XY ≤ E X 2 E Y2


.

C’est l’inégalité de Cauchy-Schwarz pour l’espérance.

• Preuve directe :


2

2
Considérons le polynôme en t ∈ R : P t = E X − tY . Puisque X − tY ≥ 0, son espérance est positive



ou nulle : P t ≥ 0 pour tout t. Développons P t :

P t = E X 2 − 2tXY + t2 Y 2 = E X 2 − 2tE XY + t2 E Y 2 .

P t est un polynôme du second degré en t.
Si E Y 2 = 0, alors Y = 0 p.s., E XY = 0, l’inégalité est vraie.

Si E Y 2 > 0, alors P t est un trinôme du second degré qui reste toujours positif ou nul. Son discriminant

∆ doit être négatif ou nul. On a

2
− E X2 E Y 2




∆ = 4 E XY ≤ 0.

donc


2
≤ E X2 E Y 2 .



E XY


Comme X, Y ≥ 0 alors E XY ≥ 0 , ce qui donne :
q
q

1/2

1/2
E Y 2 = E X2 E Y2



E XY ≤ E X2 .

2
cpge-paradise.com

Une inégalité de déviation

Soit Xi i∈J1,nK
une suite de v.a.i. indépendantes suivant la loi de Rademacher (P Xi = 1 = P Xi = −1 = 1/2).

4 . On utilise les développements en série entière : On a pour tout t ∈ R

∞ ∞
n ∞

X t2k t2 /2
X t2 /2 X t2n
ch t = et e = =
2n n!


k=0
2k ! n=0
n! n=0

On compare les coefficients des termes t2k .

(2k)!
On a si k = 0 , 2k .k!
= 1.
Si k ≥ 1 alors
(2k)! (2k)(2k − 1)...(k + 1)
k
=
2 .k! 2k
h 
et on a ≥ 1 pour tout h ∈ k + 1, ..., 2k , donc
2
(2k)!
≥1
2k .k!
1 1
Par conséquent, ≤ k . Comme tous les termes des séries sont positifs, on peut sommer les inégalités terme
(2k)! 2 .k!
à terme :
∞ ∞
X t2k X t2k 2
= et /2


ch t =
≤ k
k=0
2k ! k=0
2 k!
d’où le résultat .
n
5 . Soit t ≥ 0 et (c1 , . . . , cn ) ∈ Rn . Posons S =
P
ci Xi .
i=1

• On a
 n
 X 
E etS


= E exp t ci Xi
i=1
n
Y
etci Xi .


= E
i=1

Les variables aléatoires Xi sont indépendantes donc les variables aléatoires Yi = etci Xi sont donc aussi
indépendantes. L’espérance du produit de variables indépendantes est le produit des espérances donc :
n
Y
E etS = E etci Xi .

i=1

• Calculons E etci Xi .


1
Xi prend les valeurs 1 et −1 avec probabilités chacune, donc par le théorème du transfert :
2
etci + e−tci
E etci Xi = etci (1) P Xi = 1 + etci (−1) P Xi = −1 =





= ch tci .
2

3
cpge-paradise.com

• Conclusion :
On a
n
Y
E etS =



ch tci .
i=1
et d’après la question Q4

2
tci /2 2 c2 /2
= et


ch tci ≤ e i .

Ce qui donne
n n
t2 X
 
Y 2 c2 /2
E etS ≤ et c2i .


i = exp
i=1
2 i=1
d’où le résultat.

6 . Soit t ≥ 0, x ≥ 0 et (c1 , . . . , cn ) ∈ Rn .
n n
ci Xi , Y = exS et V 2 = c2i .
P P
Posons S =
i=1 i=1

E Y
etx


• Comme Y est positive et a = > 0 , l’inégalité de Markov pour Y et a donne : P Y ≥ a ≤ a , donc

E exS


xS tx

P e ≥e ≤ .
etx
2 V 2 /2
En utilisant le résultat de Q5 , E exS ≤ ex


.
2 V 2 /2
ex 2 V 2 /2
P exS ≥ etx ≤ = e−tx ex


.
etx
• Le résultat est valable pour la famille (−c1 , . . . , −cn ) , donc
2 V 2 /2
P e−xS ≥ etx ≤ e−tx ex


.

On a l’inclusion des évenements :

h i h i h i h i
ex|S| > etx ⊂ ex|S| ≥ etx ⊂ e−xS ≥ etx ∪ exS ≥ etx

donc
2 V 2 /2
P ex|S| > etx ≤ P e−xS ≥ etx + P exS ≥ etx ≤ 2e−tx ex




.
2 V 2 /2
d’où P ex|S| > etx ≤ 2e−tx ex


.
n n
7 . On garde les mêmes notations : S = ci Xi et V 2 = c2i . On a supposé V 2 > 0 .
P P
i=1 i=1
Soit t ≥ 0 et x > 0.
On a
h i
ex|S| > etx = [|S| > x]

La question Q6 donne
2 V 2 /2
P( |S| > x ≤ 2e−tx ex

λ2 V 2
Considérons la fonction gt : λ 7→ 2 − λt pour λ > 0.
On a gt0 (λ) = λV 2 − t, elle s’annule en λ0 = t
V2
, où gt atteint son minimum . La valeur minimale est donc

t t2
 
gt =−
V2 2V 2

4
cpge-paradise.com

Donc
2 V 2 /2 2 /2V 2
P |S| > x ≤ 2e−tx ex ≤ 2e−t

D’où le résultat demandé.

Inégalités de Khintchine

Soit p ∈ 1, +∞ . Soit (Xi )i∈J1,nK une suite v.a.r. Rademacher, indépendantes. Soit (c1 , . . . , cn ) ∈ Rn .
 

8 . Soit X une v.a. r positive et finie. Soit FX (t) = P(X > t) pour t ≥ 0.

• Convergence de l’intégrale :
I En 0 :
Comme p ≥ 1alors t 7→ tp−1 est bornée au voisinage de 0 de plus on a |FX (t)| = |P(X > t)| ≤ 1 , donc la
fonction t 7→ tp−1 FX (t) est intégrable au voisinage de 0 .
I En +∞ :
X une variable aléatoire finie ( X(Ω) est un ensemble fini ) et elle est bornée. Soit M = max X(Ω), donc
X(ω) ≤ M pour tout ω ∈ Ω , par suite. FX (t) = P(X > t) = 0 si t ≥ M . Donc on a
Z x Z M
p−1
t FX (t)dt → tp−1 FX (t)dt
0 x→+∞ 0

D’où la convergence de l’intégrale .


• Soit X une v.a. réelle positive et finie. Posons X(Ω) = x1 , x2 , . . . , xm avec

0 ≤ x1 < x2 < · · · < xm = M (M = max X(Ω))

On a
m
xpk P(X = xk )
X
E(X p ) =
k=1
On décompose l’intégrale (en prenant x0 := 0) :
Z +∞ Z xm m Z
X xk
p−1 p−1
pt FX (t)dt = pt P(X > t)dt = ptp−1 P(X > t)dt
0 0 k=1 xk−1
 
Pour tout t ∈ xk−1 , xk on a P(X > t) = P(X ≥ xk ) (constante), donc
Z +∞ m Z xk m
P(X ≥ xk )(xpk − xpk−1 ).
X X
ptp−1 FX (t)dt = P(X ≥ xk ) ptp−1 dt =
0 k=1 xk−1 k=1
Simplifions cette somme
m m m
P(X ≥ xk )(xpk − xpk−1 ) = P(X ≥ xk ) xpk − P(X ≥ xk ) xpk−1
X X X

k=1 k=1 k=1

m m−1
P(X ≥ xk ) xpk − P(X ≥ xj+1 ) xpj
X X
= (Changement j = k − 1)
k=1 j=0
m−1
xpk P(X ≥ xk ) − P(X ≥ xk+1 ) + xpm P(X ≥ xm ) − xp0 P(X ≥ x1 )
X

=
k=1

5
cpge-paradise.com

     
Or, l’événement X ≥ xk est la réunion disjointe de X = xk et X ≥ xk+1 . Donc,

P(X ≥ xk ) = P(X = xk ) + P(X ≥ xk+1 )

Ce qui implique :
P(X ≥ xk ) − P(X ≥ xk+1 ) = P(X = xk )
   
De plus, comme xm est la plus grande valeur, l’événement X ≥ xm est simplement X = xm , donc
P(X ≥ xm ) = P(X = xm ).
On obtient alors
m m−1
P(X ≥ xk )(xpk − xpk−1 ) = xpk P(X = xk ) + xpm P(X = xm )
X X

k=1 k=1
par suite
Z +∞ m
xpk P(X = xk ) = E(X p )
X
ptp−1 FX (t)dt =
0 k=1
Z ∞ Z +∞
Ainsi E(X p ) = p tp−1 P(X > t)dt = p tp−1 FX (t)dt.
0 0

n
9 . On suppose c2i = 1.
P
i=1
Z ∞ 2 /2
• Convergence de l’intégrale t3 e−t dt :
0
1
 
2
t3 e−t /2
   
La fonction ϕ : t 7→ est continue sur 0, +∞ et ϕ(t) = o 2 , donc ϕ est intégrable sur 0, +∞
t→+∞ t
. D’où la convergence de l’intégrale .
n n
• Soit S = ci Xi . On suppose V 2 = c2i = 1. On applique la formule de Q8 à la variable aléatoire |S|4 .
P P
i=1 i=1
Z ∞
E(S 4 ) = E(|S|4 ) = 4 t4−1 P(|S| > t)dt.
0

De Q7 on a
2 /2
P(|S| > t) ≤ P(|S| ≥ t) ≤ 2e−t (V 2 = 1 ).

Z ∞ 2 /2
Ce qui donne E(S 4 ) ≤ 8 t3 e−t dt .
0
Z ∞ 2 /2
Une intégration par parties donne 8 t3 e−t dt = 16 .
0
n
10 . Soit S =
P
ci Xi .
i=1

• On a par linéarité de l’espérance :

n X
X n n X
X n
E(S 2 ) = E



ci cj Xi Xj = ci cj E Xi Xj .
i=1 j=1 i=1 j=1

• Calcul de E Xi Xj .
Si i = j, E Xi Xj = E Xi2 . Puisque Xi prend les valeurs 1 ou −1, donc Xi2 = 1et E Xi2 = 1.

6
cpge-paradise.com

Si i 6= j, les variables Xi et Xj sont indépendantes , donc E Xi Xj = E Xi E Xj .
Calculons E(Xi ) :


E Xi = 1 · P(Xi = 1) + (−1) · P(Xi = −1) = 1 · (1/2) − 1 · (1/2) = 0.


Donc, si i 6= j, E Xi Xj = 0 × 0 = 0.


Ainsi E Xi Xj = δi,j .
• Conclusion :
La somme se simplifie :
n
X X n
X n
X
E S2 = ci ci E Xi2 + c2i · 1 = c2i .



ci cj (0) =
i=1 i6=j i=1 i=1

n
D’où E S 2 = c2i .

P
i=1
s
n n
11 . Soit S = c2i .
P P
ci Xi . Soit V =
i=1 i=1

1/p
On veut montrer kSkp ≤ βp kSk2 (avec kSkp = E |S|p ).
D’après Q10, on a

1/2
1/2
kSk2 = E S 2 = V2 = V.

Si V = 0, alors tous les ci sont nuls, S = 0, et l’inégalité est vraie pour tout βp .
ci
Supposons V > 0. Soit c0i = . Alors
V n n
1 X
(c0i )2 = 2
X
c2i = 1
i=1
V i=1
n
Soit S 0 = c0i Xi = 1
P
V S.
i=1
Par un raisonnement similaire à la question Q9 on obtient pour tout p ≥ 1 :
Z ∞ 2 /2
p

E S0 ≤ 2p tp−1 e−t dt = Kp .
0
p

1
≤ Kp et E |S|p ≤ Kp V p .


Ce qui donne E V S
1/p
1/p
En prenant βp = Kp on a (E |S|p ≤ βp V .
Ainsi kSkp ≤ βp kSk2 .
n
12 . On suppose p ≥ 2. Montrons quekSk2 ≤ kSkp avec S =
P
ci Xi .
i=1
Si p = 2, l’inégalité est évidente .
Supposons p > 2, prenons q = p/2 > 1 et r > 0 tel que
1 1 q−1 p−2
=1− = =
r q q p
Appliquons l’inégalité de Hölder à |S|2 = |S|2 · 1, avec les exposants q = p/2 et r = p/(p − 2) :
 q

1/q
E |S|2 = E |S|2 · 1 ≤ E |S|2 . (E[1r ])1/r

 q

On a E |S|2 = E S 2 et E |S|2 = E |S|2q = E |S|p , donc

1/q
E |S|2 ≤ E |S|p


·1

7
cpge-paradise.com

Substituons q = p/2 :

2/p
E |S|2 ≤ E |S|p

Ainsi

1/2
1/p
E |S|2 ≤ E |S|p

Ce qui s’écrit aussi kSk2 ≤ kSkp . .

(Remarque :On peut utilise l’inégalité de Jensen. Pour r = p/2 ≥ 1, la fonction φ(x) = xr est convexe sur R+ ,
alors on a : φ(E(S 2 )) ≤ E(φ(S 2 )), soit (E(S 2 ))p/2 ≤ E((S 2 )p/2 ) = E(|S|p )...)

13 . On suppose 1 ≤ p < 2 .
On résout l’équation d’inconnue θ.
1 θ 1−θ
= +
2 p 4
On a
1 θ 1−θ p
= + ⇔ 2p = 4θ + p(1 − θ) ⇔ =θ
2 p 4 4−p
x     p 1   
L’application x 7→ est croissante sur 1, 2 , donc si p ∈ 1, 2 , θ = 4−p ∈ 3, 1 . D’où θ ∈ 0, 1 .
4−x
14 . On suppose 1 ≤ p < 2 .
n
P
Soit S = ci Xi . On veut montrer
i=1

E S 2 ≤ (E |S|p )2θ/p (E |S|4 )(1−θ)/2 .

On a
1 θ 1−θ
= +
2 p 4
donc
1 1
1=
+

p/2θ 2/(1 − θ)
Ecrivons
E S 2 = E |S|2θ |S|2(1−θ)

p 2
et utilisons l’inégalité de Hölder avec les exposants a = et b = :
2θ 1−θ

1/a
1/b
E S2 E((|S|2θ )a ) E((|S|2(1−θ) )b )


≤

1/a
1/b
≤ E(|S|2θa ) E(|S|2b(1−θ) )

Comme 2θa = p et 2b(1 − θ) = 4 alors

2θ/p
(1−θ)/2
E S 2 ≤ E(|S|p ) E(|S|4 )

15 . On suppose 1 ≤ p < 2 .
Montrer qu’il existe α̃p > 0 tel que α̃p kSk2 ≤ kSkp .
De l’inégalité de Q14 , avec θ = p/(4 − p) on a :

2θ/p
(1−θ)/2
E S 2 ≤ E(|S|p ) E(|S|4 )


.

8
cpge-paradise.com

soit encore
2 2θ 2(1−θ)
S 2
≤ S p
S 4
(1)

d’après Q11 on a :
kSk4 ≤ β4 kSk2 .

on remplace dans l’inégalité (1) :

2 2θ
S 2
≤ S p
(β4 S 2 )2(1−θ) .
2(1−θ) 2θ 2(1−θ)
≤ β4 . S p S 2

Si kSk2 = 0, l’inégalité est triviale.

2(1−θ)
Si kSk2 > 0, on divise par k S 2
:

2θ 2−2(1−θ) 2(1−θ) 2θ
S 2
= S 2
≤ β4 S p
.

par suite
(1−θ)/θ
S 2
≤ β4 S p
p 1−θ 2(2−p)
Comme θ = 4−p alors θ = p . Donc

2(2−p)/p
S 2
≤ S β
p 4
.

−2(2−p)/p 2(p−2)/p R∞ 2 /2
1/4

Posons α̃p = β4 = β4 . Comme β4 > 0 (en fait β4 = 8 0 t3 e−t dt = 2) , α̃p (égale à 4(p−2)/p )
est bien défini et strictement positif.
Ainsi α̃p S 2
≤ S p
.

16 . Dans cette question on revient au cas général : p ≥ 1.

De Q12 on a S 2
≤ S p
si p ≥ 2.
De Q15 on a α̃p S 2
≤ S p
si 1 ≤ p < 2.
En posant αp = 1 si p ≥ 2 et αp = α̃p si 1 ≤ p < 2, on obtient αp S 2
≤ S p
pour tout p ≥ 1, avec αp > 0.

Une première conséquence

Soit Xi i∈N
une suite de v.a.r.i. Rademacher.

2
17 . Soit ϕ l’application définie sur L0 (Ω)



par ϕ X, Y = E XY .
L0 (Ω) est l’espace vectoriel des v.a. r sur (Ω, P(Ω), P).
Vérifions les propriétés d’un produit scalaire.

• Symétrie :





ϕ Y, X = E Y X = E XY = ϕ X, Y .

• Bilinéarité : Par symétrie, il suffit de vérifier la linéarité à gauche.

Soient X1 , X2 , Y ∈ L0 (Ω), a, b ∈ R.





ϕ aX1 + bX2 , Y = E aX1 + bX2 Y = E aX1 Y + bX2 Y .

9
cpge-paradise.com

Par linéarité de l’espérance :

ϕ aX1 + bX2 , Y = aE X1 Y + bE X2 Y = aϕ X1 , Y + bϕ X2 , Y .

• Positive : ϕ X, X = E X 2 . Puisque X 2 ≥ 0 alors E X 2 ≥ 0.

• Définie : Si ϕ X, X = 0, alors E X 2 = 0. Comme X 2 est une v.a. positive, E X 2 = 0 implique X 2 = 0

presque sûrement. Ceci signifie X = 0 presque sûrement. Par hypothèse, on confond v.a.r nulle et v.a.r


presque sûrement nulle. Donc ϕ X, X = 0 implique X = 0 .
( On confond donc L0 (Ω) avec l’ensemble quotient L0 (Ω)/R avec R la relation d’égalité presque sûrement
des v.a.r qui est une relation d’équivalence sur L0 (Ω) )

ϕ est bien un produit scalaire sur L0 (Ω).

∞
18 . Soit l’application ψ : u ∈ R(N) →
P
ui Xi , avec les Xi qui sont des variables aléatoires indépendantes et
i=0
qui suivent une loi de Rademacher.

• R(N) est l’espace des suites réelles nulles à partir d’un certain rang. Si u = ui ∈ R(N) , alors il existe


i∈N

∞ K
Pu
Ku ∈ N tel que ui = 0 pour i > Ku . ψ u =
P
ui Xi = ui Xi . C’est une somme finie de variables

i=0 i=0
aléatoires, donc c’est une variable aléatoire et ψ u ∈ L0 (Ω).
ψ prend bien ses valeurs dans L0 (Ω).
∞
• Le produit scalaire sur R(N) est hu, vi = ui vi . (C’est une somme finie). Le produit scalaire sur L0 (Ω) est
P


i=0
ϕ X, Y = E XY .
= hu, vi , pour tout u, v ∈ R(N) .




Montrons que ϕ ψ u , ψ v
Soient u, v ∈ R(N) . Il existe K = max Ku , Kv tel que ui = vi = 0 pour i > K donc

K
X K
X



ψ u = ui Xi et ψ v = vj Xj .
i=0 j=0

et on a







ϕ ψ u ,ψ v = E ψ u ψ v
K
X K

X


= E ui Xi . vj Xj .
i=0 j=0
K X
X K


= E ui vj Xi Xj
i=0 j=0
K X
X K


= ui vj E Xi Xj
i=0 j=0


Comme vu en Q10 on a E Xi Xj = δij donc

K
X




ϕ ψ u ,ψ v = ui vi = hu, vi.
i=0




Donc ϕ ψ u , ψ v = hu, vi, ψ conserve le produit scalaire (c’est une isométrie linéaire ).

10
cpge-paradise.com

19 . R est l’image de R(N) par ψ, donc c’est un sous-espace vectoriel de L0 (Ω).

K
Soit Y ∈ R, il est de la forme Y =
P
ci Xi . Les inégalités de Khintchine (Q11, Q12, Q15) affirment que pour
  i=0
tout p ∈ 1, +∞ , il existe des constantes αp , βp > 0 telles que pour tout Y ∈ R :

αp kY k2 ≤ kY kp ≤ βp kY k2

Ceci montre que toute norme k·kp est équivalente à la norme k·k2 sur R.
 
Ainsi pour tout p, q ∈ 1, +∞ , les normes k·kp et k·kq sont équivalentes sur R.

Une deuxième conséquence

On suppose n = 2k avec k ∈ N∗ .
20 . Soit a = (a1 , . . . , ak ) ∈ Rk .
 k
• Considérons l’espace probabilisé Ω = − 1, 1 , de cardinal n , muni de la tribu P(Ω) et de la probabilité
= 1/n = 1/2k pour tout ε = (ε1 , . . . , εk ) ∈ Ω.


uniforme P, où P ε

• Pour i = 1, . . . , k, soit Xi : Ω → − 1, 1 la variable aléatoire définie par Xi (ε) = εi .
Vérifions que les Xi sont des variables de Rademacher indépendantes sur (Ω, P(Ω), P) :
 k
Soit (λ1 , . . . , λk ) ∈ − 1, 1 on a



1
P X1 = λ1 , ..., Xk = λk = P λ1 , . . . , λ k =
2k

et si λ ∈ − 1, 1

2k−1



Card ε1 , . . . , ε k ∈ Ω εi = λ 1
P Xi = λ =
= k =
Card Ω 2 2
k
• Considérons la variable aléatoire S =
P
ai Xi sur Ω .
i=1
L’espérance de |S|p : on a
X
E |S|p = |S ε |p P ε




( formule d’espérance cas fini )
ε∈Ω

donc
k
X X p 1
E |S|p =


εi a i ·
 k i=1
n
ε∈ −1,1

Ce qui donne
k
p
1/p 1 X X p
1/p
kSkp = E S = εi ai
n  k i=1
ε∈ −1,1

D’après Q10 on a
k
X k
2
E S2 = a2i = ||a||R2

i=1
k
par suite kSk2 = ||a||R2 .

11
cpge-paradise.com

D’après Q19 il existe α1 , β1 > 0 tels que

α1 kSk2 ≤ kSk1 ≤ β1 kSk2 .

k
k 1 X X k
α1 ||a||R2 ≤ εi ai ≤ β1 ||a||R2 .
n  k i=1
ε∈ −1,1

D’où la relation .
k
21 . Soit Ω = − 1, 1 . Ordonnons les n = 2k éléments de Ω de manière arbitraire : ε(1) , ε(2) , . . . , ε(n) .

k (j)
Considérons l’application linéaire T : Rk → Rn définie par : T (a1 , . . . , ak ) = (x1 , . . . , xn ), où xj =
P
εi a i .
i=1
k
C’est-à-dire, la j-ième composante de T (a) est la valeur S(ε(j) ) avec S =
P
ai Xi .
i=1
Rn
• Calculons T (a) 2
:

n n k k
Rn
2 X X X (j)
2 X X
2
T (a) 2
= x2j = εi ai = εi a i .
j=1 j=1 i=1 ε∈Ω i=1

Le calcul fait dans Q20 donne

k
X X
2 1
E S2 =


εi ai ·
 k i=1
n
ε∈ −1,1

donc
Rn
2
= nE S 2 .


T (a) 2
k Rk
2 Rn
2 Rk
2
D’après Q10, E S 2 = a2i =

P
a 2
, donc T (a) 2
=n a 2
.
i=1
Rn √ Rk
Ceci implique T (a) 2
= n a 2
.

• T est injective .
On a
Rn Rk
T (a) = 0 ⇔ T (a) 2
= 0 ⇐⇒ a 2
= 0 ⇐⇒ a = 0.

Donc ker T = 0 et T est injective.
• L’espace F.
Soit F = Im(T ) , c’est un sous-espace vectoriel de Rn et dim(F ) = dim(Rk ) = k.

T est surjective de Rk vers F , donc induit une bijection de Rk vers F.

√ Rk
Soit x ∈ F alors x = T (a) pour un unique a ∈ Rk . On a donc kxk2 = n a 2
.
Considérons la norme 1 de x dans Rn :
n n X
k k
Rk X X (j) X X
x 1
= xj = εi a i = εi ai .
j=1 j=1 i=1 ε∈Ω i=1

D’après Q20, on a :
Rk Rk
nα1 a 2
≤ kxkRn ,1 ≤ nβ1 a 2
.

12
cpge-paradise.com

donc
1 Rk 1
nα1 √ kxk2 ≤ x 1
≤ nβ1 √ kxk2 .
n n
√ Rk √
Ainsi α1 nkxk2 ≤ x 1
≤ β1 nkxk2 .

13