1

Exercices de Mathématiques
UE : MS4-I
Licence de sciences 2ème année
Parcours informatique

17 septembre 2008

Alexandre MIZRAHI
2

Programme détaillé du cours

a. Complément d'algèbre linéaire (1 semaine)
(1) Famille libre. base.
(2) Opération élémentaire sur les matrices.
(3) Matrice d'un endomorphisme relativement à une base.
(4) Algèbre des matrices diagonales.
b. Diagonalisation des endomorphismes (1,5 semaine)
(1) Valeur propre, vecteur propre.
(2) Endomorphisme diagonalisable.
(3) Matrice de changement de bases.
(4) Polynôme caractéristique.
(5) CNS de diagonalisabilité, diagonalisation.
c. Espace euclidien (1,5 semaine)
(1) Dénition de produit scalaire, espace euclidien, base orthonormale (bon).
(2) Dénition de matrice orthogonale et lien avec les matrices de passage des bon.
(3) Méthode d'orthonormalisation de Schmidt.
(4) Projection orthogonale sur un SEV, pythagore.
d. Endomorphismes orthogonaux (0,5 semaine)
(1) Dénition
(2) Rotations du plan et de l'espace
e. Réduction des endomorphismes symétriques (1 semaine)
(1) Dénition des Matrices symétriques.
(2) Propriétés élémentaires des matrices symétriques.
f. Espace de probabilité (2 semaines)
(1) Mesures de probabilités
(2) Probabilité conditionnelle, indépendance
(3) Dénombrement
g. Variables aléatoires discrètes et à densités. (1 semaine)
(1) Loi, Fonction de répartition.
(2) Variables aléatoires discrètes, dénition, espérance, variance.
(3) Variables aléatoires à densités, dénition, espérance, variance.
h. Lois usuelles. (1 semaine)
(1) Variables aléatoires discrètes : bernoulli, binomiale, poisson, géométrique.
(2) Variables aléatoires à densité : uniforme, exponentielle, normale, student, khi deux.
i. Introduction aux chaînes de Markov. (1 semaine)
(1) Graphe et matrice de transition, loi invariante.
(2) Théorème de Perron Frobenius, et convergence.
j. Convergences des suites de variables aléatoires (1 semaine)
(1) Loi des grands nombres
(2) Théorème de la limite centrée, approximation centrale
k. Statistiques : vraissemblablement supprimé (1 semaine)
(1) Estimation ponctuelle et par intervalle de conance
(2) Tests statistiques
 3

Compléments d'algèbre linéaire élémentaire

Exercice 1 : Soient
→
−
u = (1; 2; 3) et →
−
v = (2; 3; 4) deux vecteurs de R3 .
a. Montrer que (→
−
u ;→
−v ) est libre.
b. La famille (→
−
u ;→
−
v) est-elle une base de R3 ?
c. Notons H le sous espace vectoriel engendré par (→
−
u ;→
−
v ). Quelle est sa dimension ?

H = {λ→
−
u + µ→
−
v ; λ, µ ∈ R}

d. Déterminer une équation de H.

e. Soit
→
−
w = (1; 1; 1), →
−
w appartient-il a H?
f.
→
−
Compléter w en une base de H .

g. Quelles sont les coordonnées de

→
−
w dans la base (→
−
u ;→
−
v )?

Exercice 2 : Lorsqu'elles sont possibles eectuer les opérations suivantes :

AE; AB; AC; CA; CF ; F C; C −1 ; A−1 ; D−1 ; G−1 .

 
  1 2   0 2 0
1 2 0 −2 1
A= ; B =  3 4 ; C = ; D= 3 0 1 
3 −1 −2 −3 2
−1 5 0 0 2
 
1    
0 1 2 −1
E =  3 ; F = G=
1 0 −4 2
−5

Exercice 3 : Calculer les matrices inverses des matrices suivantes :

   
3 2 3 5 −1 5    
3 2 7 −4
A=  4 4 3 ; B=
  8 5 7 ; C=
 ; D= ;
5 4 −3 2
3 3 3 4 −1 4

   
1 −2 3 4 −2 5
Exercice 4 : Soit P = 4 1 1 , on peut montrer que P −1 =  −9 5 −11 
1 2 −2 −7 4 −9
a. Résoudre les systèmes :

 
 x − 2y + 3z = 1  x + 4y + z = 1
(S) : 4x + y + z = −1 (S 0 ) : −2x + y + 2z = −1
x + 2y − 2z = 3 3x + y − 2z = 3
 

b. On suppose de plus que P est la matrice de passage d'une base B à une base B0 . Soit
→
−
u le
 
1
vecteur de matrice coordonnées  2  dans B, quelles sont les coordonnées de
→
−
u dans B0 ?
3
 
1
c. Soit
→
−
v le vecteur de matrice coordonnées  2  dans B0 , quelles sont les coordonnées de
→
−
v
3
dans B?
4

→ − →
− → − →
− → − → −
Exercice 5 : Soit B=(i; j; k) et B 0 = ( i0 ; j 0 ; k 0 ) deux bases telles que

 →
−0 →
− → −
 i =2i + j

→
−0 →
− → − → −
j = i + j − k
 →
 −0 →
− → − → −
k =−i + j + k

→
− →
− →
− →
− →
− →
−
et f l'application linéaire dénie par f (x i + y j + z k ) = (x − y) i + (2y − z) j − (x + y + z) k
a. Déterminer la matrice M de f dans la base B.
b. Déterminer la matrice N de f dans la base B0 .
c. Quelles sont les relations qui lient les matrices M, et N.

Exercice 6 : f (x, y, z) = x + 2y − z , g(x, y, z) = (2x − y, y − 2x).

Déterminer les noyaux et les images de f et g . Pour chacun de ces 4 SEV on déterminera une base.
Exercice 7 : Soit f dénie par f (x, y, z) = (2x − y + z, y + x).
a. Déterminer le noyau et l'image de f.
b. Déterminer une base du noyau de f puis une base de l'image de f.
c. Écrire la matrice M de f relativement aux bases canoniques : (1; 0; 0), (0; 1; 0), (0; 0; 1) et
(1; 0), (0; 1).

Exercice 8 : Soit E l'ensemble des solutions dénies sur R de l'équation diérentielle

00
xy − y + xy = 0.
a. Montrer que E est un sous-espace vectoriel.

b. Écrire E comme noyau d'un application linéaire.

Exercice 9 : Soient D D0 les droites d'équation 2x − 3y = 0

et et x − 7y = 0 dans une base B du
0
plan, soit S la symétrie d'axe D parallèlement à D .

a. Déterminer une base B0 dans laquelle la matrice de S est très simple.

b. Déterminer la matrice de S dans B0 .

c. Déterminer la matrice de S dans B?

Exercice 10 : Soit E
l'espace vectoriel des polynômes de degré inférieur ou égal à 3. On considère
0
l'endomorphisme Φ qui a un polynôme P associe le polynôme P + P . Déterminer la matrice de Φ
2 3
dans la base (1; X; X ; X ). déterminer le noyau et l'image de Φ.

Exercice 11 : h l'homothétie de centre 0 et de rapport 5, et p la projection sur le plan

Soit
d'équation x + 2y + 3z = 0 parallèlement à au vecteur (−1; 1; 0). Déterminer la matrice de h ◦ p dans
3
la base canonique de R .

Determinant

Exercice 12 : Calculer les déterminants suivants :

     
   ab a2 a   1 1 1   2a 2a abc 
 a a2       
∆1 =   ∆2 =  b 2 6  ∆3 =  a + b c + a b + c  ∆4 =  2b abc 2b 
1 2  
 b 1 1 
 
 ab
  
ac bc   abc 2c 2c 
 5

Diagonalisation
 
−3 −2 6
Exercice 13 : Montrer sans utiliser le polynôme caractéristique que la matrice M =  −4 −1 6 
−2 0 2
admet 1 comme valeur propre et déterminer le sous espace propre associé à 1 : E1 . Montrer que 2
 
1
n'est pas valeur propre. Le vecteur U =  1  est-il un vecteur propre de M ?
1
Exercice 14 : Soient A et B des matrices carrées de même dimension.

a. Montrer que si λ est une valeur propre de AB associé au vecteur propre U alors λ est une
valeur propre de BA, on pourra considérer à part le cas ou BU = 0.
b. Montrer ce résultat en utilisant le polynôme caractéristique.

Exercice 15 : Soit E l'espace de dimension innie des polynômes à coecients réels, et f l'ap-
0
plication de E dans E dénie par ∀P ∈ E, f (P ) = XP − P . Déterminer les valeurs propres et les
vecteurs propres de f.
Exercice 16 : Diagonaliser les matrices suivantes :

     
3 −3 −4 −15 7 −10
A= B= C=
2 −4 2 7 4 −7
 
  −3 −2 6
3a + 1 −3a − 3
D= E =  −4 −1 6 
a + 1 −a − 3
−2 0 2
   
1 4 4 −3 −8 −4
F = 4 7 8  G =  −5a − 11 −3a − 28 −2a − 14 
−4 −8 −9 10a + 24 6a + 62 4a + 31

Exercice 17 :
 
1 −5 −2
M =  −5 1 −2 
−2 −2 −2
1) Diagonaliser M.
2) Donner une interprétation géométrique de la transformation associée à la matrice M dans une
base B.
Exercice 18 : Soit E l'espace vectoriel des suites réelles indicée par N. Soit Φ l'endomorphisme
de E qui à une suite (un )n∈N associe la suite (un+1 )n∈N .
a. Soit la suite dénie par un = n. Quelle est son image par Φ? Écrire les premiers termes.

b. Soit la suite dénie par un = 2n . Quelle est son image par Φ? Écrire les premiers termes.

c. Déterminer les vecteurs propres de Φ? Puis l'ensemble des valeurs propres de Φ.

Exercice 19 : [dur] Soit A une matrice n×n qui ne contient que des 0 sauf sur la première et la
dernière colonne ainsi que sur la première et la dernière ligne ou il y a des 1.

a. Si n = 2, A est-elle diagonalisable ?

b. Si n ≥ 3, montrer que 0 est une valeur propre de A, et que le sous espace propre associé est de
dimension supérieur à n − 2.
c. Montrer que les seules valeurs non nulles de
√ λ pour lesquelles
√ le système AX = λX a des
solutions (X 6= 0) sont λ1 = 1 + 2n − 3 et λ2 = 1 − 2n − 3
6

d. En déduire que A est diagonalisable.

Exercice 20 : Soit E un espace vectoriel de dimension ni et p un projecteur, c'est à dire un

endomorphisme de E ayant la propriété : p ◦ p = p. Montrer que les seuls valeurs propres que peut
avoir un projecteur sont 1 et 0. Montrer qu'un projecteur est toujours diagonalisable. Pour cela on
pourra montrer que tout vecteur s'écrit comme somme d'un vecteur propre associé à 1 et d'un
vecteur propre associé à 0.

Espace euclidien

Exercice 21 : Les bases dénies ci-après de R2 ou R3 sont-elles orthogonales ? orthonormales ?

   
→
− 1 →
− −1
u1 = v1 =
2 2
   
→
− 3 →
− 1
u2 = v2 =
1 −3
! !
√1 − √12
→
−
u3 = 2 →
−
v3 =
√1 √1
2 2
    
1 2 −1
→
−
u4 =  1  →
−
v4 =  2  −
→= 1 
w4
−4 1 0
     
1 3 −1
→
−
u5 =  1  →
−
v5 =  1  −
→= 1 
w 5
−4 1 0

Exercice 22 : Déterminer une base orthonormale du plan vectoriel d'équation 2x − y + 3z = 0.

Exercice 23 : Déterminer une base orthonormale du plan vectoriel
  P d'équation x − y − z = 0.
1
Déterminer le projeté orthogonal du vecteur
→
−
u =  3  sur le plan vectoriel P. En déduire la
2
distance de
→
−
u à P.
Exercice 24 : Appliquer la méthode d'orthonormalisation de Schmidt pour orthonormaliser les
bases dénies par :
   
→
− 3 →
− 1
u1 = v1 =
1 2
   

1 1 1
→
−
u = 1  →
−
v = 2  →
−
w =  −1 
1 3 3

Exercice 25 : Soit E l'espace vectoriel des polynômes de degré inférieur ou égal à 2. On pose
R1
∀P, Q ∈ E , < P, Q >= 0 P (x)Q(x) dx
a. Calculer < X, 1 + X 2 >.
b. Montrer que < ·, · > déni un produit scalaire sur E.
c. Appliquer la méthode d'orthonormalisation de Schmidt pour orthonormaliser la base
2
canonique de E : (1, X, X ).
 7

Exercice 26 : [Distance d'un point à une droite]

SoitD 2
la droite de R passant par le point A = (a, b) et de vecteur directeur
→
−
u = (α, β),
M0 = (x0 , y0 ) et H le projeté orthogonal de M0 sur D.
a. D est-elle un sous espace vectoriel ?
−−→ →
− −−−→ − −−→ −
b. Montrer que |Det(AM0 , u )| = |Det(HM0 , →
u )| = |HM ||→
u |.
c. En déduire que la distance de M0 à D est égale à :

|β(x0 − a) − α(y0 − b)|

d= p
α2 + β 2

d. En déduire que la distance de M0 à la droite d'équation ux + vy + w = 0 est :

|ux0 + vy0 + w|
d= √
u2 + v 2

Exercice 27 :
P2 Soit E l'espace vectoriel des polynômes de degré inférieur à 2. On pose ∀P, Q ∈ E ,
< P, Q >= k=0 P (k)Q(k)
a. Rappeler la dénition de la base canonique de E. Quelle est la dimension de E?
b. Calculer < X, X 2 >, puis < X − 1, X − 1 >.
c. Montrer que < ·, · > déni un produit scalaire sur E.
d. Déterminer pour ce produit scalaire le projeté orthogonal de X2 sur le sous espace vectoriel
des polynômes de degré inférieur ou égal à 1.

e. Déterminer une base orthonormale pour < ·, · >.

Exercice 28 :
R 2π Soit E l'espace vectoriel des fonctions continues sur [0; 2π], on pose ∀f, g ∈ E ,
< f, g >= 0
f (x)g(x) dx
a. Soient les fonctions f et g dénies par f (x) = x et g(x) = cos x4 , calculer < f, g >.
b. Montrer que < ·, · > déni un produit scalaire sur E. Interpréter géométriquement la norme
associée.

c. Déterminer pour ce produit scalaire le projeté orthogonal de la fonction g sur le sous espace
vectoriel des fonctions polynômes de degré inférieur ou égal à 1. Interprétation.

d. Déterminer pour ce produit scalaire le projeté orthogonal de la fonction f sur le sous espace
vectoriel H = {a0 + a1 cos +b1 sin, a0 , a1 , a2 ∈ R}.
   
3 −3 1 −1
Exercice 29 : Soit E l'espace vectoriel des matrices 2 × 2, A = et B= .
2 −4 −2 0
a. Quelle est la dimension de E?
b. Pour M, N ∈ E on pose < M ; N >= tr (tM N ). Calculer < A; B >.
c. Montrer que < ·; · > est un produit scalaire sur E.
d. Quelle est la norme associée ?

e. Déterminer l'ensemble des vecteur orthogonaux à I.

f. Déterminer le projeté orthogonal de A sur le sous espace vectoriel S des matrices
symétriques.

Exercice 30 : Soit E l'espace vectoriel des fonctions continues sur [0, π2 ], on pose

Z π
2
∀f, g ∈ E, < f, g >= f (x)g(x) dx
0

On admet que < ·, · > dénit un produit scalaire sur E.

8

a. Soient les fonctions dénies par f0 (x) = 1, f1 (x) = x et g(x) = sin(x), calculer < f0 , g > et
< f1 , g >.
H = {h ∈ E | ∃m, p ∈ R, ∀x ∈ [0; 1], h(x) = mx + p} l'espace vectoriel
b. Soit des fonctions
anes, déterminer une base de H , en déduire que H est de dimension 2.

c. Déterminer le projeté orthogonal G de la fonction g sur H.

d. De toutes les fonctions linéaires (de la forme v(x) = αx), quelle est celle qui est "la plus
proche" de g.

Matrices orthogonales

Exercice 31 :

a. Montrer que les valeurs propres réelles d'une matrice orthogonale appartiennent à {1; −1}.
b. Montrer que le déterminant d'une matrice orthogonale est égal à ±1.

Exercice 32 : Soit M une matrice orthogonale 2 × 2.

a. On suppose que le déterminant de M est égal à -1.

(1) Montrer que le polynôme caractéristique de M possède deux racines réelles diérentes.

(2) Montrer que M est diagonalisable.

(3) Montrer que deux vecteurs propres associés à deux valeurs propres diérentes sont
orthogonaux.
 
1 0 t
(4) Montrer qu'il existe T orthogonale tels que M =P P.
0 −1
b. On suppose que le déterminant de M est égal à 1. Montrer qu'il existe θ tel que :

 
cos(θ) − sin(θ)
M=
sin(θ) cos(θ)

c. Donner une interprétation géométrique de ce qui précède.

Exercice 33 : Un invariant important la trace.

Soit M une matrice carrée on appelle trace de M la somme des éléments diagonaux de M. On la
note tr(M ).

a. Calculer la trace des matrice suivantes :

 
! ! 3 −3 3
−6 6 8 −4  
A= B= C= 2 −1 0 
−12 11 9 −4  
1 −2 3

b. Montrer que pour deux matrices carrées A et B on a tr(AB) = tr(BA).

Exercice 34 :
 
α 0 0  
a c
Soit E l'ensemble des matrice 3×3 de la forme M = 0  avec N= .
N b d
0
a. Montrer que E est un sous espace vectoriel dont on déterminera la dimension.

b. Montrer que le produit de deux matrices de E appartient encore à E.

c. Donner une CNS sur N et α pour qu'une matrice M de cette forme soit inversible et
déterminer son inverse.
 9

d. Calculer lorsqu'il est déni le produit :

−1
α0
  
α 0 0 0 0 α 0 0
 0  0  0
N0

N N
0 0 0

Exercice 35 : (suite des exercices 31 : 32 :33 : et 34 :pour les matrices 3 × 3)

Soit f un endomorphisme d'un espace euclidien E de dimension 3 et M la matrice de f dans une
bon de E. On suppose que M est orthogonale.

a. Montrer que contrairement au cas de l'exercice 32 : la matrice M a une valeur propre réelle,
on pourra étudier le degré de son polynôme caractéristique. En déduire que soit 1 soit -1 est
une valeur propre de M , notons ε une valeur propre de f et →
−
u un vecteur propre associé. On
note H = R→
−
u et
⊥ →
− →
− →
−
F = H = { v ∈ E; < u , v >= 0} l'orthogonal de H.
b. Si M est diagonalisable dans R quelles sont les diagonales possibles.

c. Si M n'est pas diagonalisable dans R:

(1) Montrer que si
→
−
v ∈ H alors f (→
−
v ) ∈ H.
(2) Montrer que si
→
−
v ∈ F alors f (→
−
v ) ∈ F. f (→−
u +→
On pourra calculer la norme de
−v ).
(3)
→
− →
− →
− →
− →
−
Soit u2 , u3 une bon de F . Montrer que la matrice de f dans la base ( u , u2 , u3 ) appartient
à E de l'exercice 34 :, montrer que la matrice N correspondante est orthogonale.

(4) Montrer que si N est diagonalisable alors M l'est aussi.

(5) En déduire que dans la base (→

−
u ,→
−
u2 , →
−
u3 ) la matrice de f est de la forme

 
 0 0
 0 cos(θ) − sin(θ) 
0 sin(θ) cos(θ)

d. Classer les matrices orthogonales 3 × 3, interprétation géométrique.

e. Soit A la matrice d'une rotation, déterminer l'angle de cette rotation, expliquer comment l'on
pourrait trouver l'axe de la rotation.

 
√1 − √12 √1
3 6
A= √1 √1 √1
 
3 2 6 
√1 −2
3
0 √
6

Réduction des matrices symétriques

 
2 −2 −1
1 
 −2 −1 −2 .
Exercice 36 : Soit la matrice M=
3 
−1 −2 2
a. M est-elle symétrique ?

b. M est-elle orthogonale ?

c. M est-elle diagonalisable ?

d. Déterminer une matrice P orthogonale, et une matrice D diagonale telle que M = P DP −1 .

e. Donner une interprétation géométrique à l'application linéaire de R3 dans R3 , dont la matrice
3
est M dans la base canonique de R .
10

5
Exercice 37 : Soit S
une matrice symétrique telle que S = I , montrer que S = I .
4 2
Soit S une matrice symétrique telle que S = I , montrer que S = I , a-t-on toujours S =I?
Exercice 38 : On pourra avec intérêt relire les énoncés des exercices 29 : et 33 :
Soit A une matrice carré n × n.
a. Montrer que la matrice S = tAA est diagonalisable. On note λ1 ≤ λ2 ≤ . . . ≤ λn ses valeurs
propres.
n
X X
b. Montrer que tr(S) = λk = A2i,j .
k=1 1≤i,j≤n
t
c. Soit X1 un vecteur propre associé à λ1 , en calculant X1 SX1 , montrer que λ1 ≥ 0.
d. En considérant une b.o.n. de vecteurs propres, montrer que pour toute matrice colonne X,
n×1 on a : p p
λ1 kXk ≤ kAXk ≤ λn kXk
e. Montrer qu'il existe des matrices colonnes non nulle pour lesquelles on a égalité.

Exercice 39 : Soit Γ la conique d'équation

√
5x2 + 2 3xy + 7y 2 = 1

dans la base canonique. Déterminer une base orthonormée dans laquelle l'équation de Γ est réduite.

Exercice 40 : Même question avec la conique d'équation x2 + 2xy − y 2 + x − 2y = 1.

Exercice 41 : Soit S une matrice symétrique.

a. En supposant que toutes les valeurs propres de S sont positives, et en diagonalisant S

montrer qu'il existe une matrice symétrique T telle que T 2 = S.
 
10 −6
b. Appliquer ce qui précède à la matrice S1 = .
−6 10
Exercice 42 :
 
x1 t
a. Soit S une matrice symétrique à deux lignes, pour X= , calculer XSX .
x2
b. Soit S une matrice symétrique à n lignes et X une matrice colonne à n lignes, calculer à l'aide
des coecients de X et ceux de S la quantité : t XSX .
c. Soit S une matrice symétrique telle que pour toute matrice colonne X on ait :

t
XSX ≥ 0

Montrer que toutes les valeurs propres de S sont positives.

d. La réciproque est-elle vrai ?

e. En écrivant la somme suivante comme une somme de carrées montrer que :

∀x, y, z ∈ R, 6x2 + 2y 2 + 2z 2 + 2xy − 2yz ≥ 0

 
6 1 0
En déduire que les valeurs propres de S2 =  1 2 −1  sont positives.
0 −1 2
f. En vous inspirant de la méthode précédente montrer que les valeurs propres de la matrice
 
3 2 0
T =  2 6 −3  sont positives.
0 −3 2
 11

Exercice 43 : Représentation plane de Mohr d'une matrice symétrique.

 
a b
Soit M la matrice M= avec det(M ) 6= 0 et a > c. On note C le cercle de diamètre AB
b c
avec A(a; b) et B(c; −b).
a. Déterminer l'équation du cercle C.
b. Montrer que les deux points d'intersections de C et de l'axe(Ox) ont pour abscisse les valeurs
propres de M. On note L1 celui qui a la plus grande abscisse et L2 l'autre.

c. Soit σ1 la plus grande valeur propre de M et → −

u un vecteur propre associé. Déterminer
tan((Ox) u ) à l'aide de a, b, c, on pourra commencer par déterminer un vecteur →
\ →
− −u possible.
\ −−→ \→ −
d. Montrer que tan(Ox, L2 A) = tan((Ox), u ) interprétation pour trouver graphiquement l'angle
\→
((Ox), −u ).

Espace de probabilité

Exercice 44 : 4 joueurs jouent au poker, avec un jeu de 52 cartes. On distribue au hasard, une
main de 5 cartes à chaque joueur.

a. Quelle est le nombre de mains diérentes qu'un joueur peut recevoir ?

b. Quelle est la probabilité qu'un joueur donné reçoive un carré (4 cartes de même hauteur ?).

c. Quelle est la probabilité pour qu'un joueur donné reçoive une "quinte oche" ( 5 cartes de
même couleurs consécutives, sachant qu'il y a 4 couleurs).

d. Quelle est la probabilité qu'un joueur reçoive un full (par exemple 2 valets et 3 as).

e. Quelle est la probabilité qu'un joueur reçoive un brelan (par exemple 3 valets, un as et un
sept).

Exercice 45 : On dispose de 10 billes que l'on veut aligner, combien peut-on former de gures
diérentes, si les billes de mêmes couleurs ne sont pas discernables et si :

a. les 10 billes sont de couleurs diérentes.

b. si il y a 3 billes rouges, 4 billes vertes et 3 noires.

c. si il y a 3 billes rouges, 4 billes vertes et 3 noires, mais que les rouges doivent être groupées.

Exercice 46 : On choisit deux points x et y au hasard dans l'intervalle [0 ;1] quelle est la probabilité
que la somme de leur carré soit inférieur à 1. On pourra faire un schéma et représenter x en abscisse
et y en ordonnée.

Exercice 47 : On marque n points sur un cercle, on en choisit deux au hasard, quelle est la
probabilité qu'ils soient voisins ?

Exercice 48 : On jette 3 fois un dé, quelle est la probabilité qu'au moins un trois sorte ? Et si on
le jette 6 fois ? 12 fois ?

Exercice 49 : Combien de triangles diérents peut-on constituer en prenant leur sommet parmi
10 points (Ces points n'étant pas alignés 3 par 3).

Exercice 50 : Si une personne sur 10 000 est centenaire, calculer la probabilité qu'il y ait au moins
un centenaire dans un échantillon de 100 personnes, de 1000 personnes, de 10 000 personnes.


 x + y + z = 2n
x≤y+z

Exercice 51 : [dur] Déterminer le nombre de solutions dans N3 du système

 y ≤z+x
z ≤x+y

12

  n−1  
n X m
Exercice 52 : Montrer que = .
p+1 m=p
p
  X n  2
2n n
Exercice 53 : Montrer que = , on pourra calculer le nombre de "chemins crois-
n m=0
m
sants" allant dans N2 du point (0 ;0) au point (n; n).

Exercice 54 : Une urne contient n boules blanches et n boules noires, combien y a-t-il
d'échantillons contenant k boules noires et n − k boules blanches. En déduire la formule suivante :

n  2  
X n 2n
=
k=0
k n

Pn
Exercice 55 : On pose Snp = k=1 k
p

a. Montrer que Sn0 = n, calculer Sn1 .

PN
b. En calculant de deux manières diérentes la quantité n=1 (n + 1)p − np montrer que :

p−1  
∗ p
X p k
∀p ∈ N , (N + 1) = 1 + SN
k=0
k

Pn Pn
c. En déduire k=1 k2, k=1 k3.
(1−x)n −1
Exercice 56 : Soit φ(x) = x
en calculant son intégrale de 0 à 1 de deux façons diérentes :
une fois à l'aide de la formule du binome de Newton et une fois à l'aide d'un changement de
variable, montrer que
n   n
X n (−1)k X 1
=−
k=1
k k k=1
k

Exercice 57 : [Codes de correction d'erreur : code de répétition]

Chaque bit est envoyés 3 fois de suite chacun avec une probabilité p d'être mal transmis. Lorsque
l'on décode on ne reprend que le bit le plus fréquent (3 sur 3 ou 2 sur 3). Dans un tel paquet de 3
bits (c.a.d. 3 répétitions du bit de signal). On suppose que les erreurs sont indépendantes entre elles.

a. Quelle est la probabilité que 0,1,2 ou 3 de ces 3 bits soient changés lors de la transmission ?

b. Sachant qu'il y a au moins une erreur, quelle est la probabilité que l'erreur de transmission
soit détectée ?

c. Sachant qu'il y a au moins une erreur, quelle est la probabilité que l'erreur soit transmise sans
être détectée ?

d. Coder le message suivant : 01110

e. Décoder le message suivant : 001001111100010110011

f. Quel est le taux de transmission d'un tel algorithme. (Le taux de transmission est le rapport
entre la longueur du message initial et la longueur du message après codage. Un excellent
taux de transmission est donc proche de 1) ?

Exercice 58 : [Codes de correction d'erreur : Code de Hamming]

On cherche à envoyer 4 bits (b1 , b2 , b3 , b4 ), à la suite des 4 bits on envoie les 3 bits de contrôles
suivants b5 = b1 + b2 + b3 , b6 = b2 + b3 + b4 , b7 = b3 + b4 + b1 . Les 7 bits sont envoyés chacun avec
une probabilité p d'être mal transmis, on suppose que les erreurs sont indépendantes entres elles.
Lorsque l'on décode on vérie que les relations sont bien vériées.
 13

a. Quel est le taux de transmission d'un tel algorithme. (Le taux de transmission est le rapport
entre la longueur du message initial et la longueur du message après codage. Un excellent
taux de transmission est donc proche de 1) ?

b. Coder 0101, puis 1110.

c. Si il y a une erreur sur b1 , alors les bits de contrôle (5) et (7) sont faux, expliquer pourquoi.

d. Donner les autre relations équivalentes, pour une erreur sur chacun des 7 bits, expliquer
comment on décode.

e. Décoder 1000101 puis 1011001. Décoder 1010100 puis 1110101.

f. Si il y a une seule erreur lors de la transmission, quelle est la probabilité que l'erreur de
transmission soit détectée et corrigée ?

g. Si il y a exactement 2 erreurs lors de la transmission, quelle est la probabilité que l'erreur de

transmission soit détectée ?

h. Si l'on suppose que l'on ne corrige bien que les cas ou il n'y a qu'une erreur, quelle est la
probabilité que les 4 bits de départ soit bien transmis ?

Exercice 59 : On note log le logarithme décimal, et pour k = 1, 2, ...., 9 on note pk = log(1 + k1 ).

Montrer que les pk dénissent une loi de probabilité. Comparer p1 et p9 . Cette loi est appelée loi de
Benford, si vous prenez le premier chire de la valeurs des actions en euros, en dollars ou en yen du
new york stock exchange ces chires suivent une loi très proche d'une loi de Benford.... Bien sur le
premier chire des déclarations d'impôt, des prix des articles d'un supermarché, etc... suivent cette
loi.

Conditionnement et indépendance

Exercice 60 : On lance un dé rouge et un dé noir tous deux équilibrés. Calculer les probabilités
que l'on obtienne :

a. Un 3 avec le dé rouge sachant que la somme des points est 6.

b. Un nombre pair avec le dé rouge sachant que la somme des points est 6.

c. Un nombre pair avec le dé rouge sachant que la somme des points est au plus 6.

d. Au moins un nombre pair sachant que la somme des points est au plus 10.

Exercice 61 : On jette 2 fois un même dé. Soient A, B et C les évènements suivants :

a) A ={la sommes des points obtenus vaut 6}, B ={On obtient 4 au premier jet}, C ={la sommes
des points vaut 7}.
b) A ={le 1 er jet est impair}, B ={le 2 ème jet est impair}, C ={la somme des points est impaire}.
Dans chacun des cas a) et b) dire si les évènements A, B et C sont indépendants 2 à 2, puis s'ils sont
indépendants ("dans leur ensemble").

Exercice 62 : Lors d'une étude sur les médecins américains, on posait à des enseignants et des
étudiants en médecine à Harvard la question : Étant donné une maladie dont la prévalence est de
0,1% et pour laquelle il existe un test de dépistage donnant 5% de faux positifs (c'est à dire la
proportion de positif parmi les sains), quel est le risque qu'une personne dont le test est positif soit
eectivement malade Il n'y a que 12% des personnes interrogées qui ont répondu correctement à la
question. Quelle est cette réponse ?
Reformuler la question sans utiliser de pourcentage, mais en prenant l'exemple d'une population
d'une million de personnes.

Exercice 63 : On fait l'hypoyhèse que dans une famille les sexes des enfants sont indépendants
1 1
les uns des autres et que chaque enfant a la probabilité d'être un garçon et la probabilité d'être
2 2
une lle.
14

a. Une famille a deux enfants dont l'un au moins est un garçon . Quelle est la probabilité pour
que les deux enfants soient des garçons ?

b. Une famille a deux enfants. L'aîné est un garçon, quelle est la probabilité pour que les deux
enfants soient des garçons ?

c. Les nouveaux voisins ont deux enfants, je n'en ai vu qu'un, c'était un petit garçon ? quelle est
la probabilité que les nouveaux voisins aient deux garçons ?

Exercice 64 : Une machine automatique comprend trois dispositifs D1 , D2 etD3 , D1 et D2 sont

interchangeables et si l'un des deux et défectueux, l'autre prend le relais. Par contre D3 n'a pas de
remplaçant en cas de panne. On note p1 , p2 et p3 les probabilités de pannes de D1 , D2 et D3 , on
suppose que les pannes sont indépendantes les unes des autres. Calculer la probabilité que la machine
tombe en panne.

Exercice 65 : [dur] On note pn la probabilité que sur une suite de n piles ou faces, il y ait à un
moment 3 piles de suite ou trois face de suite, montrer en conditionnant sur les trois premiers
résultats que l'on a la formule de récurrence suivante :

1 1 1
pn = + pn−1 + pn−2
4 2 4
Donner une valeur approchée de p10 .

Variables aléatoires discrètes

Exercice 66 : Une urne contient 50 boules dont 10 blanches, on tire un lot de 3 boules, et on veut
modéliser le nombre de blanches dans ce lot, à l'aide d'une variable aléatoire H, déterminer une loi
raisonnable pour H. Déterminer son espérance. Comparer cette espérance avec celle que l'on aurait
trouvée si on avait tiré les trois boules une à une avec remise dans l'urne après chaque tirage.

Exercice 67 : On jette deux dés , on note X le résultat du 1er et Y le résultat du 2ème. Z =

max(X; Y ). Déterminer la loi de Z, son espérance et sa variance.

Exercice 68 : On suppose que le nombre d'appels téléphoniques arrivant à un standard pendant

k
un intervalle d'une heure suit une loi de Poisson de paramètre 20(P (N = k) = e−20 20k! ).
a. Calculer le nombre moyen d'appels reçus en une heure.

b. Calculer la probabilité que le standard reçoive moins de 5 appels en une heure.

Exercice 69 : Soient b, r ∈ N∗ et c∈N . Une urne contient b boules blanches et r boules rouges.
On eectue des tirages successifs de la manière suivante : une boule étant tirée, on la remet dans
l'urne avec en plus c boules de la même couleur. On note Xn la variable aléatoire qui prend la
valeur 1 si la boule obtenue au nième tirage est rouge, la valeur 0 si elle est blanche. On posera

r b
p= q=
b+r b+r
a. Déterminer la loi du couple (X1 , X2 ). En déduire la loi de X2 la comparer à celle de X1 .
b. Trouver les lois conditionnelles de X1 sachant X2 et de X2 sachant X1 .
c. Déterminer la loi de la variable S 2 = X1 + X2 .
d. Déterminer la loi de X3 sachant que S2 = k pour k ∈ N.
e. Déduire du 4) que la loi de X3 est la même que celle de X1 .
f. Exprimer la loi de Xn+1 à l'aide de E(Sn ).
g. Montrer que toutes les variables aléatoires Xn ont même loi de probabilité.
 15

Exercice 70 : On dit qu'une variable aléatoire X a la propriété de non vieillissement si

∀k, l P (X ≥ k + l|X ≥ l) = P (X ≥ k)

a. Si X représente l'instant ou un certain événement se passe, justier le nom de la propriété.

b. Montrer que la loi géométrique (P (X = k) = p(1 − p)k−1 ) a la propriété de non vieillissement.

c. Montrer que la seule loi sur N ayant la propriété de non vieillissement est la loi géométrique,
on pourra pour cela montrer que la suite Rk = P (X ≥ k) est une suite géométrique.

Exercice 71 : Soient p ∈]0; 1[ ; X une variable aléatoire de loi de Poisson de paramètre λ

λk
P (X = k) = e−λ
k!
et Y telle que  
n k
P (Y = k|X = n) = p (1 − p)n−k
k
Déterminer la loi de Y.
Exercice 72 : Un premier joueur lance un dé rouge, un deuxième joueur lance deux dés verts : Si
le dé rouge a une valeur supérieur à la somme des verts le deuxième joueur verse 1 euro au premier,
si cette valeur est égal à la somme des verts il lui verse 11 euros, dans les autres cas c'est le premier
joueur qui verse 1 euro au deuxième.

a. Modéliser les gains algébriques du premier joueur.

b. Quelle est la probabilité que le joueur 1 gagne.

c. Quel est le "gain moyen" du premier joueur.

d. Vaut-il mieux être le joueur 1 ou le joueur 2.

Exercice 73 : Une urne contient a boules blanches et b noires, on tire sans remise n boules, et on
modélise le nombre de boules blanches obtenues par une variable aléatoire X . Déterminer la loi de
X, on dit que X suit une loi hypergéométrique de paramètre (n, a, b) ou n ≤ a + b.
a. Montrer que l'esperance d'une loi hypergéométrique de paramètre (n, a, b) est

an
a+b
b. On note Xi la variable aléatoire valant 1 si la ième boule blanche a été tirée, 0 sinon,
déterminer la loi de Xi , retrouver le résultat de la question précédente.

Variables aléatoires à densité

Exercice 74 : Soit X une variable aléatoire de densité fX avec


t si t ∈]0, α]
fX (t) =
0 sinon

a. Représenter la densité de X.
b. Déterminer α.
c. Calculer et représenter la fonction de répartition de X.
1
d. Déterminer θ tel que P (X > θ) = 2
.

e. Calculer la fonction de répartition FY de la variable aléatoire Y = 2 ∗ X − 1, en déduire sa

densité fY .
16

Exercice 75 : Soit X une variable aléatoire de densité fX :

fX (t) = Kt2 si t ∈ [−α; α], 0 sinon

a. Représenter la densité de X.
b. Déterminer K en fonction de α.
c. Déterminer puis représenter la fonction de répartition de X : FX .
α
d. Calculer P (X > 2
) puis E(X).

Exercice 76 : Soit X une variable aléatoire de densité fX avec


 1+t si t ∈ [−1; 0]
fX (t) = K si t ∈]0, 2]
0 sinon


a. Représenter la densité de X.
b. Déterminer K.
c. Calculer et représenter la fonction de répartition de X.
d. Calculer P (X > 21 ) puis E(X).
e. Calculer la fonction de répartition FY de la variable aléatoire Y = X 2, en déduire sa densité
fY .
f. Représenter les deux fonctions fY et FY .
g. Calculer E(Y ) d'une part à l'aide de fY d'autre part à l'aide de fX .

Exercice 77 : La densité de probabilité fX d'une variable aléatoire X est donnée par

c
fX (t) =
1 + t2
a. Représenter fX .
b. Déterminer c.
c. Montrer que pour tout α ∈ R, P (X ≥ α) = P (X ≤ −α).
√
d. Calculer P (X > 3).
e. Montrer que X ne possède pas d'espérance.

f. Déterminer h tel que P (X < h) = 0, 1.

Exercice 78 : On considère deux variables aléatoires exponentielles indépendantes X1 et X2 de

−a t


paramètres a1 et a2 , fX1 (t) = a1 e 1 si t > 0, 0 sinon . On pose Y = min(X1 ; X2 ). On note
FX1 , FX2 et FY leur fonction de répartition.

a. Calculer P (Y ≥ t) en fonction de FX1 et FX2 .

b. Déterminer FY
c. Calculer la densité, et l'espérance de Y.

Exercice 79 : Soit X une V.A. uniforme sur [-1,2] et Y = X 2 , déterminer la fonction de répartition
de Y, en déduire sa densité, calculer P (X ≤ Y ).
Exercice 80 : Soit X une V.A. Gaussienne de paramètres (3; 4)
a. Calculer P (X < 4) ; P (X < 1) ; P (X > 2) ; P (|X| < 4) ; P (|X| < 4|X > 2).
b. Déterminer α le plus grand possible tel que P (X − 2 > α) > 10−2 .
X−1
c. Quelle est la loi de .
3
 17

Exercice 81 : L'éclairage d'une commune est assurée par 2000 lampes dont la durée de vie
moyenne est 10000 heures. Cette durée de vie suit une distribution normale d'écart type σ = 2000.
a. Quel est le nombre de lampes hors d'usage au bout de 5000 H ? de 7500 H ? de 15000 H ?

b. Au bout de combien d'heure 5% sont hors d'usage ?

c. D'autres ampoules ont une durée de vie qui suit une loi N (10500; 30002 ). Quelles ampoules
faut-il choisir si l'on veut :

(1) que la durée de vie moyenne soit maximale.

(2) que la durée durant laquelle 95% des ampoules fonctionnent soit maximale.

Exercice 82 : Les notes d'un contrôle de probabilité suivent une loi normale de paramètre
(8, 5; 22 ).
a. Quelle est la proportion d'étudiants ayant la moyenne.

b. On veut améliorer les notes à l'aide d'un transformation ane Y = aX + b. Déterminer a, b

pour que 50% des étudiants aient la moyenne et 75% ait une note supérieur à 8.

c. Comment peut-on faire pour garder la même moyenne et avoir 80% des étudiants entre 5 et
15.

Exercice 83 : Si Z suit une loi normale on dit que X = eZ suit une loi log-normale, de mêmes
paramètres que Z.
a. Déterminer E(X) et var (X) en fonction de E(Z) et var Z .

b. calculer P (2 < X < 4) sachant que E(X) = 2 et var X = 2.

c. On suppose que la distribution des revenus R d'une population suit une loi log-normale
généralisée c'est à dire R = a + X (X suivant une loi log normale), calculer les paramètres de
R : (a; m; σ) sachant que la moitié gagne moins de 1100 euros , 10% gagne plus de 2000 euros
et 10% gagne moins de 200 euros.

Exercice 84 : Soit X une variable aléatoire de loi exponentielle de paramètre 1. Déterminer la loi
de la partie entière de X , puis déterminer son espérance.

Couples de variables aléatoires

Exercice 85 : Une urne contient N jetons numérotés de 1 à N. On tire dans cette urne p jetons
au hasard, successivement et sans remise. On appelle Xi la V.A. qui au cours d'une succession de
tirages modélise le numéro du jeton extrait au tirage de rang i.

a. Déterminer la loi de probabilité de Xi .

b. Les variables aléatoires Xi et Xj sont-elles indépendantes ?

c. On pose S = X1 + X2 + ... + Xp .
(1) Calculer E(Xi ) puis E(S).
(2) Calculer var (Xi ).

(3) Calculer P (Xi = k, Xj = k 0 ), puis cov(Xi , Xj ).

(4) Pour n = 2, calculer var(S).

Exercice 86 : Soit (X; Y ) un couple de variables aléatoires de loi

 
(x−µ1 )2 (y−µ2 )2
1 − 2
2σ1
+ 2
2σ2
f (x; y) = e
2πσ1 σ2
a. Déterminer les lois marginales de X et Y.
18

b. Montrer que X et Y sont indépendantes ?

c. Déterminer la loi de X +Y.

Exercice 87 : 1. Soit (X; Y ) un couple de variables aléatoires de densité f (x; y) = 8xy si

x ∈ [0; 1] et y ∈ [0; x], 0 sinon.

a. Déterminer la fonction de répartition de X : FX , en déduire une densité de X.

b. Calculer E(X).
c. Même question pour Y.
d. Calculer P (X < 12 ).
e. Calculer P (X < 12 |Y > 12 ). X et Y sont-elles indépendantes ?

f. Calculer P (X + Y > 1).

Exercice 88 : X1 , ..., Xn
Soient des v.a. indépendantes suivant la loi de Poisson de paramètres
respectifs λi (λi > 0, i = 1, ...n).
a. Calculer la fonction génératrice de Sn = X1 + ... + Xn .
b. Quelle est la loi de Sn .
c. On suppose que λ1 = λ2 = λ, déterminer la loi de X1 + X 2 , puis de X1 + X 1 .

Exercice 89 : Soit (X, Y ) un couple de v.a. suivant la loi uniforme sur le disque de centre O et
de rayon 1.

a. Quelle est la densité du couple (X, Y ) ?

b. Quelles sont les lois de X et de Y ?

c. Montrer que X et Y ne sont pas indépendantes ?

d. Déterminer la loi de X +Y.

Exercice 90 : Soit (X, Y ) un couple de variable aléatoire de densité :

f (x, y) = α(x + y) si 0 < x, y < 1 sinon0

a. Déterminer α.
b. Déterminer la loi de X et celle de Y.
c. Montrer que les variables aléatoires X et Y ne sont pas indépendantes.

d. Déterminer la loi de X +Y.

Convergence des suites de variables aléatoires

Exercice 91 : 1. On jette 10 pièces, non truquées, soit X le nombre de pile, déterminer la loi de
X.
Tracer la fonction de répartition de X puis comparer là à la fonction de répartition de l'approximation
centrale.

Exercice 92 : Dans une société, les employés d'un bâtiment A ont souvent besoin d'appeler au
téléphone un bâtiment B. Le bâtiment A contient 200 employés et l'on constate que chacun d'entre
eux veut téléphoner en moyenne 3mn par heure au bâtiment B. Quel nombre de lignes, minimal
k faut-il établir entre les 2 bâtiments pour qu'un employé de A, désirant téléphoner en B, ait une
probabilité inférieur à 1% que toutes les lignes soient occupées.

Exercice 93 : On possède une réserve de 50 ampoules, on suppose que la durée de vie d'une
ampoule électrique est une variable aléatoire de loi exponentielle de paramètreλ = 10−3 h−1 . Si l'on
 19

remplace une ampoule dès qu'elle " claque ". Quelle est la probabilité qu'au bout de 45 000 heures
on se retrouve dans le noir ?

Exercice 94 : Soit (Xn ) une suite de variables aléatoires exponentielles de paramètre n, montrer
que cette suite converge en probabilité vers la variable aléatoire nulle.

Exercice 95 : Soit (Un ) une suite de variables aléatoires indépendantes suivant toutes la même
loi uniforme sur [0; 1]. Mn = max(U1 , . . . , Un ) et Xn = n(1 − Mn ).
On note

a. Déterminer la fonction de répartition de Mn .

b. Étudier la convergence en loi de la suite (Mn ).

c. Comment faut-il choisir n0 pour que P (Mn0 ≥ 0, 99) ≥ 95% ?

d. Déterminer la fonction de répartition de Xn .

e. Étudier la convergence en loi de la suite (Xn ).

Exercice 96 : Démontrer la formule de Bienaymé Tchebychev pour une variable aléatoire à

2
densité de moyenne m et de variance σ :

σ2
∀ > 0, P (|X − m| > ) ≤
2
On pourra partir de la dénition de la variance et l'écrire à l'aide d'une intégrale puis découper cette
intégrale en trois, suivant que x>m+ ou x−m<m− ou sinon.

Exercice 97 :
Soit (Xn ) une suite de variable aléatoire telle que ∀n ∈ N∗ :

P (Xn = −n) = 2n1 2

P (Xn = n) = 2n1 2
P (Xn = 0) = 1 − n12
a. Calculer l'espérance de Xn , on la note m.
b. Calculer la variance de Xn .
c. Étudier la convergence en probabilité de (Xn ).


d. Étudier la convergence de la suite de réels E(|Xn − m|) .

Exercice 98 : On considère une suite (Xn ) de variables aléatoires indépendantes de même loi de
Bernoulli de paramètre p et on pose :

Yn = Xn−1
PnXn
1
Zn = n k=1 Yk
a. Déterminer la loi de Yk déterminer son espérance et sa variance.

b. Calculer l'espérance de Zn .
c. Montrer que Yk Yk+1 ne sont pas indépendantes ?
et

d. Montrer que et Yk+m sont indépendantes lorsque m ≥ 1.

Yk
e. Calculer la variance de Zn en fonction de n et p.

f. Étudier la convergence en loi de la suite (Zn ).

Exercice 99 : (Xn ) une suite de variables aléatoires à valeurs dans N de fonctions génératrices
Soit
GXn , telle que ∀x ∈] − 1; 1[ (GXn (x)) converge vers GX (x), GX étant la fonction génératrice d'une
variable aléatoire X . Montrer qu'alors ∀k ∈ N, limn→∞ P (Xn = k) = P (X = k).

Exercice 100 : Suite de l'exercice 57 :

On modélise la bonne transmission du ième bit à transmettre (et non le ième bit du message codé)
à l'aide d'une variable aléatoire Xi valant 1 si ce ième bit après décodage est erroné et 0 si il
correspond bien au bit avant encodage. On suppose que p = 1/1000.
20

a. Montrer que la loi de Xi suit une loi de Bernoulli de paramètre proche de 3.10−6 .
b. On veut transmettre 10Mb d'information, quel est le nombre moyen de bits erroné après
décodage.

c. Quelle est la probabilité qu'il y ait plus de 100 bits faux.

Exercice 101 : Suite de l'exercice 58 :

On décompose notre message de n bits en n/4 blocs de 4 bits. On modélise la bonne transmission
du ième blocs à transmettre (et non le ième bit du message codé) à l'aide d'une variable aléatoire Yi
valant 1 si ce ième bloc après décodage est erroné et 0 si il correspond bien au bloc avant
transmission. On suppose que p = 1/1000.
a. Montrer que la loi de Yi suit une loi de Bernoulli de paramètre proche de 2.10−5 .
b. On veut transmettre 10Mb d'information, quel est le nombre moyen de bits erroné après
décodage.

c. Quelle est la probabilité qu'il y ait plus de 100 bits faux.

Chaînes de Markov

Exercice 102 : Soit (Xn )n une chaîne de Markov à valeurs dans [−1; 0; 1; 2], de matrice de
transition Π :  
1 1 0 0
1 1 1 0 0 
Π=  
2  0 1 0 1 
0 0 1 1
1
On suppose de plus que P (X0 = −1) = P (X0 = 0) = P (X0 = 1) = 6
.

a. Représenter le graphe de transition de la chaîne de Markov.

b. Quelle est la loi de X3 .

c. Montrer qu'il existe une unique mesure invariante et la déterminer.

d. Déterminer :
lim P (Xn = k)
n→∞

e. Calculer : E(X0 ), E(X1 ) et limn E(Xn ).

Exercice 103 : Une urne contient N boules blanches. En une étape on tire une boule et on la
remplace par une autre boule (blanche avec la probabilité p et noire avec la probabilité q = 1 − p).
On veut modéliser le nombre de boules blanches après n étapes, à l'aide de variables aléatoires Xn .

a. Pourquoi est-il raisonnable de choisir une chaîne de Markov pour modéliser ce problème.

b. Représenter le graphe de transition.

c. Comment choisir la matrice de transition de (Xn ).

N
pk (1 − p)N −k .


d. Montrer qu'il existe une unique mesure invariante µ, montrer que µk = k
e. Calculer la limite de P (Xn = k) quand n → ∞.
f. En déduire que (Xn ) converge en loi vers une loi binomiale.

1
Exercice 104 : Soit 0≤p≤
2
et considérons une chaîne de Markov (X0 , X1 , ...Xn ) telle que
chacune des variables aléatoires Xi prend ses valeurs dans {1, 2, 3} et telle que sa matrice de
transition soit donnée par
1 1
 
2
−p 2
p
1 1
Π= 2 2
0 
p 0 1−p
 21

a. Représenter le graphe de transition de la chaîne de Markov.

b. Trouver une loi stationnaire pour la matrice Π. Pour quelles valeurs de p, cette loi est-elle
unique ?
1
c. On suppose que P (X0 = 1) = 0, et P (X0 = 2) = P (X0 = 3) = 2
.

(1) Calculer l'espérance E(X1 ) et la variance var (X1 ).

(2) Selon les valeurs de p, déterminer limn→∞ E(Xn ).

Exercice 105 : Soit Xn une suite des variables aléatoires indépendantes, de même loi telle que :

1
P Xn = 1 = P Xn = −1 = .
2
Pn
Posons Sn = k=1 Xk .
a. Montrer que (Sn ) est une chaîne de Markov.

b. Déterminer la loi de (Sn ).

c. Déterminer la matrice de transition M, c'est une matrice inni.

1
Exercice 106 : Soit a un réel appartenant à ]0, [.
2
Dans une bourse de valeurs, un titre donné peut monter, rester stable ou baisser.
Dans un modèle mathématique, on considère que :
 le premier jour le titre est stable.
 si un jour n le titre monte, le jour n + 1, il montera avec la probabilité 1 − 2a, restera stable avec
la probabilité a et baissera avec la probabilité a.
 si un jour n le titre est stable, le jour n + 1 il montera avec la probabilité a, restera stable avec la
probabilité 1 − 2a et baissera avec la probabilité a.
 si un jour n le titre baisse, le jour n + 1 il montera avec la probabilité a, restera stable avec la
probabilité a et baissera avec la probabilité 1 − 2a.
On note Mn (resp. Sn , resp. Bn ) l'événement  le titre donné monte (resp. reste stable, resp. baisse)
le jour n . On pose pn = P (Mn ), qn = P (Sn ) et rn = P (Bn ).

a. Quelle hypothèse supplémentaire faut-il faire pour modéliser ce problème à l'aide d'une chaîne
de Markov. Sous cette hypothèse on tracera le graphe de transition. On note A la matrice de
transition.

b. Expliciter pn+1 , qn+1 et rn+1 en fonction de pn , qn , r n et A.

c. Diagonaliser A, en déduire pn , q n puis rn en fonction de n.
d. Donner la limite de ces trois suites et interpréter le résultat.

Exercice 107 : Soit (Xn ) une chaine de Markov à valeur dans [1, 2, 3], de matrice de transition
 
0 1 1
 
A = 12 
 2 0 0 .

2 0 0
a. Représenter le graphe de transition de (Xn ).
b. Déterminer l'unique mesure invariante de (Xn ). Les hypothèse de Perron Frobenbius
sont-elles remplies ?

c. Soitα = P (X1 = 1), β = P (X1 = 2), γ = P (X1 = 3), montrer que P (X2n = 1) = β + γ et
P (X2n+1 = 1) = α, en déduire que si γ 6= 21 alors (Xn ) ne converge pas en loi.
22

Exercices corrigés

Exercice 108 : Dans le plan soient une droite D : ax + by + c = 0 et un point M0 (x0 ; y0 ). Montrer
que la distance entre M0 et la droite D est égale à

|ax0 + by0 + c|
d(M0 ; D) = √
a2 + b2
On pourra pour cela étudier la fonction dénie par f (y) : le carré de la distance de M (−by − c; y) à
A.
Exercice 109 : On constitue une le d'attente en attribuant au hasard des numéros d'ordre à n
personnes. On note D la variable aléatoire représentant le nombre de personnes se trouvant entre
deux amis dans la queue.

a. Déterminer P (D = k).
b. Pour quelle valeur de k , P (D = k) est-il maximum ?

c. Déterminer l'espérance de D. On pourra utiliser les formules classiques suivantes :

n n
X 1 X 1
k = n(n + 1) k2 = n (n + 1) (2 n + 1)
k=1
2 k=1
6

Exercice 110 : On jette un dé, et on s'intéresse au nombre de jets nécessaire pour qu'un 6
apparaisse, on modélise ce nombre à l'aide d'une variable aléatoire N.

a. Quelle loi peut-on choisir pour N?

b. Déterminer la fonction génératrice de N.
c. Calculer E(N ).

Exercice 111 : Quelle est la dénition de l'espérance d'une variable aléatoire discrète ?
Soit X une variable aléatoire telle que pour p ∈ [0; 1], P (X = −1) = p, et P (X = 1) = 1 − p.
Calculer E(X) et var(X).

Exercice 112 : Soit un jeu de dominos (chaque domino porte 2 nombres, élément de {0; 1; . . . ; 6},
éventuellement identiques, on parle alors de double)

a. Combien existe-t-il de dominos diérents ? Cela forme un jeu de Dominos.

b. Quelle est la 'probabilité' que dans une poignée de 5 dominos pris au hasard dans un jeu, il
n'y ait aucun double ?

c. En tirant deux dominos au hasard, quelle est la 'probabilité' qu'ils soient compatibles c'est à
dire qu'ils aient un nombre commun ?

Exercice 113 : Soient n un entier strictement positif, X et Y deux variables aléatoires

indépendantes de même loi uniforme sur {0; . . . ; n} :

1
∀k ∈ {0; . . . ; n}, P (X = k) = P (Y = k) =
n+1
En utilisant les probabilités conditionnelles, calculer P (X = Y ).
 23

Corrigés

Corrigé de l'exercice 108 : Deux preuves sont possibles en utilisant le projeté orthogonal ou en
déterminant le minimum de la distance. On suppose que a 6= 0 et quitte à diviser par a on peut considérer
que l'équation de la droite est x + by + c = 0, D = {(−by − c; y)/y ∈ R} posons alors f (y) le carré de la
distance de M (−by − c; y) à A.
f (y) = (−by − c − x0 )2 + (y − y0 )2 = (1 + b2 )y 2 + 2(bc + bx0 − y0 )y + ((c + x0 )2 y02 )

Cette fonction polynôme de degré deux possède un minimum en

2(bc + bx0 − y0 )
α=−
2(1 + b2 )
La valeur de ce minimum est donc
(bc + bx0 − y0 )2 (bc + bx0 − y0 )2
f (α) = − 2 + ((c + x0 )2 y02 )
(1 + b2 ) (1 + b2 )
on peut faire les calculs mais on peut aussi remarquer astucieusement que f 0 (α) = 0 et donc que
2b(bα + c + x0 ) + 2(α − y0 ) = 0

on a donc
1 2 2 1 + b2
f (α) = (α − y 0 ) + (α − y0 ) = (α − y0 )2
b2 b2
on a donc bien la distance de D à A qui vaut :
√
1 + b2  −2(bc + bx0 − y0 ) − 2y0 − 2b2 y0  |x0 + by0 + c|
 
p
d(A; D) = f (α) =  = p(1 + b2 )
b  2(1 + b2 )

Le cas ou b = 0 se fait directement en remarquant que α = y0 :

f (α) = (c + x0 )2

d'ou le résultat, le cas a = 0 se traite de la même façon.

Corrigé de l'exercice 109 : a) Il y a plusieurs modélisations possibles, par exemple, on prend pour Ω
l'ensemble des parties à deux éléments de {1; 2; · · · ; n − 1; n}, correspondant aux deux numéros des deux
amis, on raisonne donc sans ordre et sans remise, on pourrait aussi raisonner avec ordre et sans remise. Sur
cet ensemble Ω de cardinal n2 on pose l'équiprobabilité. D est donc une fonction de Ω dans R, en

regardant un petit peu sur des exemples on peut prendre

D({ω1 , ω2 }) = |ω1 − ω2 | − 1 = max(ω1 , ω2 ) − min(ω1 , ω2 ) − 1, par exemple si les deux amis ont les numéros
6 et 9, il y a entre eux 9-6-1=2 personnes.

(D = 0) = {1, 2}, {2, 3}, . . . , {n − 1, n}

Donc P (D = 0) = n−1
(n2 )
= n2 . De même

(D = 1) = {1, 3}, {2, 4}, . . . , {n − 2, n}

Donc P (D = 1) = n−2(n2 )
et ainsi de suite P (D = k) = n−k−1 (n2 )
n−k−1
= 2 n(n−1)
b) 2 n(n−1)
n−k−1
est décroissant en k, donc le maximum est atteint en k = 0.
Remarque : Pour n = 100 P (D = 0) = 0, 02 et P (D = 98) ' 0, 0002, donc la loi de D n'est pas du tout
uniforme. P
c) E(D) = n−2 k=0 k n − 2 n(n−1) . Il sut alors d'appliquer les formules qui sont rappelées,
k2
n−k−1 Pn−2 2
k=0 2k n(n−1) =
pour obtenir E(D) = n−2 3 , qui correspond à la distance moyenne entre les deux amis.
Corrigé de l'exercice 110 : a) (N = 1) correspond au fait que le premier lancé est un
6.P (N = 1) = (N = 2) correspond à : "Le premier lancé est tout sauf un 6, le deuxième est un 6, on
6.
1

peut donc poser P (N = 2) = 65 × 61 . De même P (N = k) = 56 k−1 × 16 .

24

b) Voir le dernier exo du cours sur les fonctions génératrices.

c) Il faut calculer ∞ 5 k−1
× 61 , c'est la somme d'une série
P quen l'on 1ne connaît pas mais si l'on réécrit
P

k=1 k 6
la somme d'une série géométrique on obtient : ∀x ∈] − 1; 1[, ∞ n=0 x = 1−x , en utilisant les résultat sur les
séries entières, on peut dériver cette série entière :
∞
X 1
∀x ∈] − 1; 1[, nxn−1 =
(1 − x)2
n=1

On a donc ∞  k−1
1X 5 1 1
k = × =6
6 6 6 (1 − 56 )2
k=1

Corrigé de l'exercice 111 : Soit X discrète X(Ω) = {xi , i ∈ N} ou

P X(Ω) ni avec i 6= j ⇒ xi 6= xj
Lorsque la série xi P (X = xi ) converge absolument on pose E(X) = k∈N xk P (X = xk )
P
E(X) = −1.p + 1.(1 − p) = 1 − 2p
var(X) = E(X 2 ) − E(X)2 = (−1)2 .p + 12 .(1 − p) − (1 − 2p)2 = 4p − 4p2 = 4p(1 − p)
Corrigé de l'exercice 112 :

a. Il y a 7 dominos double et 72 dominos simples, d'ou 7+21=28 dominos diérents.

5 poignées diérentes de dominos, on peut supposer l'équiprobabilité sur ces poignées Il y a

b. Il y
a 28

5 poignées diérentes de dominos qui ne contiennent pas de double, d'on une probabilité de
21

21


5
28


5

c. Deux dominos diérents ne peuvent avoir qu'un
nombre en commun, ce nombre peut prendre 7
valeurs. Pour chacune de ces valeurs il y a 2 paires de domino possédant cette valeur et comme il y
7

a 28 paires de domino, la probabilité demandée est :

2

7


7 2
28


2

Corrigé de l'exercice 113 :

n
(1)
X

P (X = Y ) = P (X = Y ) ∩ (X = k)
k=0
n
(2)
X

= P (Y = k) ∩ (X = k)
k=0
n
P (Y = k)P (X = k) car X et Y sont indépendantes (3)
X
=
k=0
n
1
(4)
X
=
(n + 1)2
k=0
1
= (5)
n+1
 25

MS4-I
Juin 2006
Durée 2 heures

Examen de rattrapage de Mathématiques

Calculatrice et document sont interdits.

Barème indicatif : 9+6+6

Exercice 1 :
Soit E l'espace vectoriel des fonctions continues sur [0; 1], on pose

Z 1
∀f, g ∈ E, < f, g >= f (x)g(x) dx
0

On admet que < ·, · > dénit un produit scalaire sur E.

a. Soient les fonctions dénies par f0 (x) = 1, f1 (x) = x et g(x) = ex , calculer < f1 , g >.
b. SoitH = {h ∈ E | ∃m, p ∈ R, ∀x ∈ [0; 1], h(x) = mx + p} l'espace vectoriel des fonctions
anes, déterminer une base de H , en déduire que H est de dimension 2.

c. Déterminer le projeté orthogonal P de la fonction g sur H.

d. De toutes les fonctions linéaires (de la forme v(x) = αx), quelle est celle qui est "la plus proche"
de g.

Exercice 2 :
Un sac contient trois jetons, le premier a deux faces blanches, le deuxième a deux faces noires, le
troisième une blanche et une noire. Dans chacune des questions suivantes, on explicitera soigneuse-
ment le raisonnement utilisé.

a. On tire un jeton au hasard, on le lance quelle est la probabilité que la face visible soit noire ?

b. On tire 2 jetons au hasard, on les lance quelle est la probabilité que les deux faces visibles
soient noires ?

c. On tire un jeton au hasard, on le lance on le remet dans le sac et on recommence, on eectue

ainsi 10 lancés, si on modélise le nombre de faces noires obtenues par une variable aléatoire N
quelle est sa loi ?

d. On tire un jeton au hasard, on le lance, la face visible est noire, quelle est la probabilité que
l'autre face soit noire ?

Exercice 3 :
Soit X une variable aléatoire de loi exponentielle de paramètre λ (fX (t) = λe−λt si t > 0, 0 sinon).
a. Calculer son espérance, sa variance et sa fonction de répartition.

b. Démontrer que Y = 5X suit une loi exponentielle, dont on déterminera le paramètre.

c. Soient X1 , X2 , . . . , X100 , P
des variables aléatoires indépendantes de même loi exponentielle de
paramètre 1 notons S = 100 i=1 Xi leur somme, déterminer une valeur approchée de P (S < 110).
 26

MS4-I
Mai 2007
Durée 3 heures

Examen de Mathématiques

Calculatrice et document sont interdits. Seule une table de loi normale est autorisée.
Barème indicatif : 6+6+10

Exercice 1 : Diagonalisation
 
0 2 2
Soit la matrice dénie par A =  2 −1 0 
2 0 1
a. Diagonaliser A, c'est à dire déterminer une matrice P inversible et une matrice diagonale D
telles que
A = P DP −1 .
b. Montrer l'existence puis déterminer Q orthogonale telle que A = QD tQ.

Exercice 2 : Projection orthogonale

Soit E l'espace vectoriel des fonctions continues sur [0; 1], on pose ∀f, g ∈ E , < f, g >=
Z 1
f (x)g(x) dx, on admet que < ·, · > dénit un produit scalaire sur E. Soient les fonctions f0 ,
0 √
f1 et g dénies par f0 (x) = 1, f1 (x) = x et g(x) = x.
a. Calculer < f1 , g >.
b. Déterminer la norme de f1 .
c. Montrer rapidement que (f0 , f1 ) est une base du sous espace vectoriel A des fonctions anes.

d. Déterminer le projeté orthogonal h de g sur A.

e. Déterminer une base orthonormale de A.

Exercice 3 : Étude de certaines fréquences dans les génomes

Les brins d'ADN sont une longue succession de nucléotides pouvant porter l'une des 4 bases :
adénine a, cytosine c, guanine g, et thymine t. L'ADN peut être considéré comme un texte écrit
sur un alphabet de 4 lettres, chaque mot ayant une longueur de 3 lettres que l'on appelle codon. On
peut comparer diérents modèles pour modéliser la structure de l'ADN, on étudie un texte de 3N
lettres (c'est à dire une suite de N codons). Les trois parties peuvent être traitées dans l'ordre que
l'on veut. Les valeurs numériques sont fantaisistes.

Modèle 1 : On suppose que le choix de chaque nucléotide est indépendant des autres, l'adénine a une
probabilité d'apparition pa , la cytosine pc , la guanine pg , et la thymine pt .
(1) Si N = 1, quelle est la probabilité d'obtenir le codon : aaa ?
(2) Si N = 2, quelle est la probabilité d'obtenir au moins une fois la séquence : aaaaa ?
(3) Pour k ∈ {1, 2, . . . , N } quelle est la probabilité que le k -ième codon soit aaa ?
(4) Pour N quelconque, quelle est la probabilité qu'il y ait au moins un des codons qui soit
aaa ?
 27

(5) Combien y a-t-il de codons diérents ?

1
(6) Si N = 2, et pa = pc = pg = pt = 4
quelle est la probabilité d'obtenir deux fois de suite le
même codon ?
q
3 1
Modèle 2 : On garde le même modèle mais N = 10000 et pa = 10
. On note Xi une variable aléatoire

valant 1 si le i-ème codon est aaa et 0 sinon.

(1) Quelle est la loi de X1 ? de Xi ?
(2) Justier rapidement pourquoi les Xi sont indépendants.

(3) Énoncer le théorème de la limite centrée.

(4) En déduire une valeur approchée de la probabilité d'avoir plus de 1050 fois le codon aaa.
Modèle 3 : On modélise le j -ème nucléotide à l'aide de variables aléatoires Yj à valeur dans {a,c,g,t}. Le
premier nucléotide est a ce qui se modèlise par P (Y1 =a) = 1. On fait l'hypothèse que (Yj ) est
une chaîne de Markov de matrice de transition M :
 
0, 5 0, 5 0 0
 0, 1 0 0, 1 0, 8 
M =  0 0, 5 0 0, 5 


0, 1 0 0, 9 0

(1) Représenter le graphe de transition de la chaîne de Markov.

(2) Quelle est la loi de Y2 ?

(3) Calculer P (Y3 = a).
(4) Si N = 1, quelle est la probabilité d'obtenir le codon : aaa ?
(5) Si N = 1, quelle est la probabilité d'obtenir le codon : act ?
(6) Pour k ∈ {2, . . . , N } quelle est la probabilité que le k -ième codon soit aaa ? On donnera
le résultat en fonction de puissance de M.
28

MS4-I
Mai 2008
Durée 3 heures

Examen de Mathématiques

Calculatrice et document sont interdits, seule une table de loi normale est autorisée. Les exercices
peuvent être traités dans l'ordre que l'on veut et ne sont pas rangés par diculté croissante. Barème
indicatif :6+4+6+6

Exercice 1 : Espace euclidien

Soit E l'espace vectoriel des polynômes à coecients réels, on pose

Z 1
∀P, Q ∈ E, < P, Q >= P (x)Q(x) dx
−1

On admet que < ·, · > dénit un produit scalaire sur E.

a. Soient les fonctions dénies par P0 (X) = 1, P1 (X) = X , montrer que P0 et P1 sont orthogonaux,
calculer leur norme.

b. Déterminer un polynôme P de degré 2 orthogonal à P0 et à P1 et tel que P (1) = 1.

c. Parmi toutes les fonctions anes (de la forme h(X) = αX + β ), quelle est celle qui est "la plus
4
proche" de la fonction dénie par g(X) = X , au sens de la norme associée à < ·, · >.

d. Montrer que ∀P, Q ∈ E, < XP, Q >=< P, XQ >.

e. Soit (Pn )n une suite de polynômes qui sont orthogonaux deux à deux pour le produit scalaire
< ·, · > et tels que Pn soit de degré n pour tout n. On rappelle que (P0 , P1 , . . . , Pn ) forme une
base du sous espace vectoriel des polynômes de degré inférieur ou égal à n.

(1) Quel est le degré de XPn ?

(2) Montrer que < XPn , X k >= 0 pour tout k ≤ n − 2.
(3) Montrer qu'il existe des réels an , bn et cn tel que XPn = an Pn+1 + bn Pn + cn Pn−1 .

Exercice 2 : Variables aléatoires discrètes

On jette un dé, et on s'intéresse au nombre de jets nécessaire pour qu'un 6 apparaisse, on modélise
ce nombre à l'aide d'une variable aléatoire N.
a. Quelle loi peut-on choisir pour N?
b. Déterminer la fonction génératrice de N. On pourra utiliser l'expression de la somme d'une
série géométrique.

c. Calculer E(N ).

Exercice 3 : Variables aléatoires à densité

Soient α un réel positif et X une variable aléatoire à densité dont une densité est donnée par

K(α2 − x2 ) si x ∈ [−α; α]
f (x) =
0 sinon

a. Représenter f.
b. Déterminer K en fonction de α.
c. Calculer l'espérance et la variance de X.
 29

d. Déterminer la densité de |X|.

e. Dans cette question on suppose que α = 1. Soit (Xn ) une suite de variables aléatoires indépen-
dantes de même loi que X, déterminer une valeur approchée de

125
!
X
β=P Xn ≥ 10
k=1

Exercice 4 : Chaînes de Markov

Une urne contient 3 boules qui peuvent être noires ou blanches, on en tire 2 au hasard. Si elles
ont la même couleur, on remet l'une des deux et une blanche dans l'urne, si elles n'ont pas la même
couleur on remplace la troisième boule (celle qui est restée dans l'urne) par une boule noire.

a. Justier rapidement que l'on peut modéliser le nombre de boules blanches par une chaîne de
Markov (Xn ).
b. Représenter le graphe de transition et la matrice de transition de cette chaîne de Markov.

c. Déterminer deux mesures invariantes diérentes pour cette chaîne de Markov.

d. Peut-on appliquer le théorème de Perron Frobenius à cette chaîne de Markov ? On justiera la

réponse.

e. On suppose dans cette question qu'au départ il n'y a que des boules noires, montrer que la suite
de variables aléatoires converge en loi vers une loi que l'on déterminera. Calculer lim E(Xn ).
n→∞