Math ECG 2.

2022-2023

Mathématiques Appliquées - F. Gaunard

http://frederic.gaunard.com
ENC Bessières, Paris 17e.

Devoir surveillé n◦4

Lundi 23 Janvier
Durée : 4 heures

Les questions précédées de (∗) sont réservées aux khubes.

Problème 1
Partie 1 : Réduction d’une matrice carrée
 
2 −2 2
On considère la matrice carrée A =  1 1 2 .
−2 0 −3
(1) On fournit le code Python dont le résultat de l’exécution est fourni ci-après.
import numpy as np
import numpy . linalg as al

A = np . array ( [ [ 2 ,-2 ,2 ] , [ 1 , 1 , 2 ] , [ -2 , 0 , -3 ] ] )
p r i n t ( al . matrix_power (A , 3 ) )

Affichage Python
> > >
[[ 2, -2, 2],
[ 1, 1, 2],
[-2, 0, -3]]

(a) Déduire de l’affichage Python ci-dessus une égalité entre deux matrices.
(b) Quelles sont alors les seules valeurs propres possibles de A?

(2) Déterminer le spectre de A.

(3) Déterminer une matrice D diagonale dont les coefficients sont rangés dans l’ordre croissant et
une matrice P inversible de première ligne 2 3 −2 telles que A = P DP −1 .

(4) Montrer que, pour tout entier k ≥ 0, on a Ak = P Dk P −1 .

Partie 2 : Exponentielle d’une matrice carrée

Si (an ) , (bn ) , (cn ) , (dn ) , (en ) , (fn ) , (gn ) , (hn ) , (in ) désignent neuf suites convergentes, de limites respec-
tives a, b, c, d, e, f, g, h, i, et si (Mn ) est une suite de matrices de M3 (R) définie par
 
an b n c n
Mn = dn en fn  ,
gn hn in
2 Janvier 2023
on dit que la suite de matrices (Mn ) admet une limite coefficient par coefficient, et on note
 
a b c
lim Mn = d e f  .
n→+∞
g h i
Si M ∈ M3 (R), on pose, pour tout entier naturel n
n
X 1 k
Sn (M ) = M .
k=0
k!
Lorsque (Sn (M )) admet une limite coefficient par coefficient, on note eM cette limite.

(5) Deux premiers résultats théoriques. On utilisera les notations du préambule de cette partie pour
les démonstrations.

(a) Soit M ∈ M3 (R) et soit (αn ) une suite réelle convergente, de limite `. Montrer que la suite
de matrices (αn M ) admet une limite coefficient par coefficient et que
lim αn M = `M
n→+∞

(b) Soient (Mn ) et (Mn0 ) deux suites de matrices de M3 (R) qui admettent chacune une limite
coefficient par coefficient, notées respectivement M et M 0 .
Montrer que la suite de matrices (Mn Mn0 ) admet une limite coefficient par coefficient et que
lim Mn Mn0 = M M 0
n→+∞

   a 
a 0 0 e 0 0
(6) Montrer que, si D = 0 b 0 est diagonale, alors eD existe et vaut eD =  0 eb 0 .
0 0 c 0 0 ec
 
0 1 1
(7) Dans cette question, la matrice M est donnée par M =  0 0 1 
0 0 0
(a) Calculer M et M puis, pour tout entier k supérieur ou égal à 3, déterminer M k .
2 3

(b) Donner, pour tout entier n supérieur ou égal à 2, l’expression de Sn (M ). En déduire

l’existence et l’expression de la matrice eM .
 
1 1 1
(8) Dans cette question, la matrice M est donnée par M =  1 1 1 
1 1 1
2
(a) Calculer M .
(b) A l’aide d’un raisonnement par récurrence, déterminer pour tout k de N l’expression de M k
en fonction de k.
(c) Établir, pour tout entier naturel n, l’égalité suivante
n
!
k
1 X 3
Sn (M ) = I + − 1 M.
3 k=0 k!

(d) En déduire que eM existe et que

e3 − 1
eM = I + M.
3

(9) Dans cette question, on considère la matrice A de la Partie 1 et on fixe un réel t.

DS n◦ 4 3
(a) Déduire de la Question (4) que, pour tout n ∈ N,
Sn (tA) = P Sn (tD)P −1
(b) Conclure que etA existe et en donner une expression sous la forme etA = P ∆(t)P −1 .
On explicitera la matrice ∆(t) sous forme de tableau matriciel en fonction de t.

En généralisant ce résultat, on montre alors que l’exponentielle d’une matrice diagonalisable est
une matrice diagonalisable (on ne demande pas de le faire).

Partie 3 : Application à un système différentiel linéaire

On considère le système différentiel

 x0 (t) = 2x(t) − 2y(t) + 2z(t)
(S) y 0 (t) = x(t) + y(t) + 2z(t)
 z 0 (t) = −2x(t) − 3z(t)

où les inconnues x, y, z sont des fonctions définies de classe C 1 sur R et, pour tout t ∈ R, on note
 
x(t)
X(t) = y(t) .
z(t)
(10) Montrer que X est solution de (S) si et seulement si, pour tout t ∈ R, X 0 (t) = AX(t) où A est
la matrice introduite dans la Partie 1.

(11) Le système différentiel (S) possède-t-il des équilibres ? Si oui, les déterminer.

(12) Montrer que les solutions du système différentiel (S) peuvent s’écrire sous la forme
X(t) = αe−t U−1 + βU0 + γU1 et ,
où α, β, γ sont des constantes réelles et
     
2 3 −2
U−1 =  1 , U0 =
  1 , U1 =  0 .
−2 −2 1
(13) On considère les problèmes de Cauchy

 0  0

 X (t) = AX(t) 
 X (t) = AX(t)

 

     
(P1 ) 9 et (P2 ) 3
 X(0) =  4 

  X(0) =  2 


 
 −8  −3

(a) (i) Déterminer l’unique solution X1 du problème de Cauchy (P1 ).

(ii) Montrer que la trajectoire associée à la solution X1 est convergente. Expliciter le point
limite (`1 , `2 , `3 ). Quelle propriété possède ce point vis-à-vis du système linéaire (S)?

(b) (i) Déterminer l’unique solution X2 du problème de Cauchy (P2 ).

(ii) Montrer que la trajectoire associée à la solution X2 est divergente.

(c) On a représenté ci-après les tracés de quatre solutions du système (S). Expliciter quelles
figures sont les tracés associés aux solutions X1 et X2 étudiées ci-avant. Justifier la réponse.
4 Janvier 2023
(14) On reprend les notations de la Question (3) et on considère une solution X de (S) de la forme
X(t) = αe−t U−1 + βU0 + γU1 et .
(a) Expliciter etA pourtout
 t ∈ R.
α
(b) En posant C = P β , montrer que X(t) = etA · C.

γ
(c) Commenter le résultat de la dernière question, au regard des résultats du cours sur les
équations différentielles du premier ordre à coefficient constant.

Figure 1 Figure 2

Figure 3 Figure 4
DS n◦ 4 5

Problème 2
Partie 1 : Étude d’une variable aléatoire à densité
e−x
On introduit la fonction f définie sur R par f (x) = .
(1 + e−x )2
Z +∞
−x
(1) Montrer, à l’aide du changement de variable u = 1+e , la convergence de l’intégrale f (t)dt
−∞
et préciser sa valeur.

(2) En déduire que f peut être considérée comme une densité de probabilité. Dans la suite de cette
section, on note X une variable aléatoire ayant f pour densité.

(3) Donner l’expression de la fonction de répartition FX de X.

(4) Montrer que, pour tout x ∈ R, FX (x) = 1 − FX (−x). Quelle loi usuelle du cours admet une
fonction de répartition vérifiant la même propriété?
ex − 1
(5) Soit ϕ la fonction définie sur R par ϕ(x) = .
ex + 1
(a) Justifier que ϕ est de classe C 1 sur R et dresser ton tableau de variations, limites comprises.
(b) Montrer que ϕ réalise une bijection de R sur un ensemble J à préciser et déterminer
l’expression de sa bijection réciproque ϕ−1 .
(c) On définit la variable aléatoire Y par Y = ϕ(X). Montrer que Y ,→ U([−1; 1]).
(d) Montrer que si U ,→ U([0; 1]), alors 2U − 1 ,→ U([−1; 1]).
(e) Déduire des questions précédentes l’écriture d’une fonction Python d’en-tête def simul_X( ):
qui renvoie une simulation de la variable aléatoire X. On supposera les importations
habituelles déjà effectuées.
import numpy as np
import numpy . random as rd

(6) (a) Montrer que f est paire. Z +∞

(b) Montrer que, pour tout k ∈ N, tk f (t)dt converge.
0
(c) Déduire des questions précédentes que X admet une espérance et préciser sa valeur.
(d) On suppose écrite avec succès la fonction Python de la Question (5e). Que devrait afficher
l’exécution des commandes ci-dessus? Justifier la réponse.
ech = [ simul_X ( ) f o r k in range ( 1 0 0 0 ) ]
p r i n t ( np . mean ( ech ) )

Partie 2 : Variables aléatoires symétriques

Une variable aléatoire (discrète ou à densité) Z est dite symétrique si elle suit la même loi que la variable
aléatoire −Z.

(7) Montrer que si Z est une variable aléatoire ayant pour densité une fonction g paire, alors Z est
symétrique.

(8) (a) À quelle condition nécessaire et suffisante une variable aléatoire presque sûrement constante
est symétrique.
(b) Donner une exemple de variable aléatoire discrète (ou finie) symétrique non presque sûre-
ment constante.
6 Janvier 2023
(c) Quelle loi usuelle à densité du cours est symétrique?

(9) (a) Soit Z une variable aléatoire symétrique. Montrer que

1
P (Z > 0) = (1 − P (Z = 0))
2
(b) On suppose que Z est une variable aléatoire symétrique, à densité. Soit x ∈ R. Donner une
relation entre P (Z ≤ x) et P (Z ≤ −x).

(10) Soit Z une variable aléatoire symétrique à densité, de fonction de répartition FZ . On considère
une variable aléatoire finie ε de loi ε ,→ U({−1; 1}) supposée indépendante de Z.
1
(a) Justifier que, pour tout x ∈ R, on a P (ε|Z| ≤ x) = (P (|Z| ≥ −x) + P (|Z| ≤ x)).
2
(b) En déduire que Z et ε|Z| suivent la même loi.

(11) (a) Soient X une variable aléatoire à densité à valeurs positives admettant une espérance et
ε ,→ U({−1; 1}) supposée indépendante de X. Montrer que εX est encore une variable à
densité, de densité paire. Que dire de E(εX)?

(b) Soit Z une variable aléatoire symétrique à densité telle que |Z| admet une espérance. Mon-
trer que Z admet une espérance et que celle-ci est nulle.

(12) Soient Y ,→ E(λ) et ε ,→ U({−1; 1}) supposées indépendantes. On note W = εY .

(a) Montrer que W est une variable aléatoire symétrique à densité, de densité h à préciser.
(b) La fonction h est-elle paire ?