ECE 2 - Mathématiques DS no 2 Quentin Dunstetter - ENC-Bessières 2016\2017 DS no 2 Exercice 1 Partie I. Étude d'une fonction f. On considère la fonction dénie sur l'ensemble des réels positifs par : 1 − e−x f (0) = 1 x f (x) = 1. Ecrire le développement limité de sur f (x) si x>0 l'ordre 1, au voisinage de 2. Montrer que f est dérivable en 3. Justier la dérivabilité de f 0 et donner la valeur de sur l'intervalle ]0, +∞[ En déduire que f est continue 4. Étudier les variations de en ϕ. f 0 (0). puis déterminer la fonction ∀x > 0 f 0 (x) = f 0. [0, +∞[ . ϕ telle que : ϕ (x) x2 En déduire le tableau de variation f qui sera complété par la limite de +∞. Partie II. Étude d'une suite. On introduit la suite (un )n∈N∗ dénie par : Z ∀n ∈ N∗ n un = 0 n 1. Démontrer que pour tout entier naturel u e− n du 1+u non nul : un > 1 ln (n + 1) e (un )n∈N∗ . R1 l'intégrale f (x) dx'. 0 Donner la limite de la suite 2. Prouver l'existence de 3. Utiliser un changement de variable ane pour montrer que, pour tout entier naturel Z 06 0 4. Donner alors un équivalent simple de n 1 du − un 6 1+u un lorsque n Z n non nul : 1 f (x) dx 0 tend vers +∞. 1 ECE 2 - Mathématiques DS no 2 Quentin Dunstetter - ENC-Bessières 2016\2017 Exercice 2 M3 (R) l'espace vectoriel réel des matrices M3 (R) , 0 la matrice nulle de M3 (R). On note carrées d'ordre trois à éléments réels, I la matrice identité de On considère, pour toute matrice A de M3 (R), E1 (A) = E2 (A) = les ensembles E1 (A) et E2 (A) suivants : {M ∈ M3 (R) ; A M = M } M ∈ M3 (R) ; A2 M = AM Partie I 1. Montrer que E1 (A) On admettra que 2. (a) Établir : est un sous-espace vectoriel de E2 (A) est aussi un sous-espace vectoriel de M3 (R) E1 (A) ⊂ E2 (A) (b) Montrer que, si 3. M3 (R) (a) Établir que, si A est inversible, alors A−I E1 (A) = {0} est inversible, alors (b) Un exemple : Soit E1 (A) = E2 (A) −1 0 0 B= 1 0 −1 1 . 0 2 Déterminer E1 (B) et E2 (B) Partie II On considère la matrice 3 C= 1 2 λ 1. Déterminer les valeurs de 2. Pour chaque valeur de λ −2 −1 0 −1 −2 0 (C − λI) réelles telles que Ker(C − λI). trouvée, déterminer 3. Déterminer une matrice diagonale D n'est pas inversible. On en donnera une base et sa dimension. dont la diagonale est constituée des solutions de la question 1, dans l'ordre croissant. 4. Déterminer une matrice • chaque colonne de la valeur de • On P telle que : est constituée d'une base de la solution de la question 2 correspondant à écrite dans D, dans la même colonne. Les éléments de la première ligne de admet 5. Soit λ P alors que M ∈ M3 (R). P sont tous égaux à 1. C = P DP −1 . On note N = P −1 M. M ∈ E1 (C) ⇐⇒ N ∈ E1 (D). Montrer : 6. Montrer que N ∈ E1 (D) si et seulement s'il existe trois réels 7. En déduire l'expression générale des matrices de E1 (C) a, b, c tels que 0 0 0 N = a b c . 0 0 0 et déterminer une base et la dimension de E1 (C). 8. Donner l'expression générale des matrices de E2 (C) et déterminer une base et la dimension de E2 (C). Est-ce que E1 (C) = E2 (C) ? 2 ECE 2 - Mathématiques DS no 2 Quentin Dunstetter - ENC-Bessières 2016\2017 Exercice 3 Sous diverses hypothèses, l'exercice étudie diérentes situations probabilistes concernant une entreprise de construction produisant des objets sur deux chaînes de montage A et B qui fonctionnent indépendemment l'une de l'autre. Pour une chaîne donnée, les fabrications des pièces sont indépendantes. Partie 1. On suppose que A produit construit par la chaine B chaine A 60% soit défectueux est B des objets et soit défectueux est 0.1 produit 40% des objets. La probabilité qu'un objet alors que la probabilité pour qu'un objet construit par la 0.2. 1. On choisit au hasard un objet à la sortie de l'entreprise. On constate que cet objet est défectueux. Calculer la probabilité de l'évènement l'objet provient de la chaîne A . 2. On suppose de plus que le nombre d'objets produits en une heure par Y On considère la variable aléatoire chaîne A X A est une variable aléatoire λ = 20. qui suit une loi de Poisson de paramètre représentant le nombre d'objets défectueux produits par la en une heure. (a) Rappeler la loi de (b) Soient k et n Y ainsi que la valeur de l'espérance et de la variance de Y. deux entiers naturels, déterminer la probabilité conditionnelle (On distinguera les cas k6n et k>n P [X = k/Y = n]. ). (c) En déduire, en utilisant le système complet d'évènements (Y = i)i∈N , que X suit une loi de Poisson de paramètre 2. (d) Compléter la procédure suivante pour qu'elle réalise 2000 simulations des variables Y puis X : Y=grand(---,---,'poi',---) X=zeros(1,2000) for i=1:2000 do X(i)=grand(1,1,'---',---,---) end Partie 2. Soit f la fonction dénie sur R par : 2 f (t) = 3 (1 + t) f (t) = 0 1. Montrer que f si t>0 si t<0 est une densité d'une variable aléatoire 2. Déterminer la fonction de répartition FZ de Z. Z. 3. Justier la convergence de l'intégrale : +∞ Z 0 2t La calculer en eectuant le changement de variable 4. Prouver que 5. (CUBE) Z Z 3 dt (1 + t) u = t + 1. admet une espérance et la déterminer. admet-elle une variance ? 6. Dans cette partie, on suppose que le temps de fabrication, exprimé en minutes d'un pièce par la chaîne A (respectivement B) est une variable aléatoire Z1 ( respectivement deux variables aléatoires indépendantes suivant la même loi que que Z2 ) où Z1 etZ2 sont Z. (a) On considère les évènements : C = le temps de fabrication d'une pièce sur la chaîne B est supérieur à 2 minutes. D = le temps de fabrication d'une pièce sur la chaîne B est inférieur à 3 minutes. Calculer les probabilités suivante : P (C) , P (D) , P (D/C) . 3 ECE 2 - Mathématiques DS no 2 Quentin Dunstetter - ENC-Bessières 2016\2017 (b) On note T = max(Z1 , Z2 ) i. Exprimer l'évènement et GT T. la fonction de répartition de (T 6 x) en fonction des évènements ii. Montrer que : (Z1 6 x) et (Z2 6 x). 2 ∀x ∈ R, GT (x) = [FZ (x)] (c) En déduire que T est une variable aléatoire à densité dont on donnera une densité. Partie 3. On suppose maintenant que pour qu'une pièce soit terminée, il faut qu'elle passe par la chaîne la chaîne A puis par B. Le temps de passage exprimé en minutes pour un objet sur la chaîne A est une variable aléatoire M suivant une loi exponentielle de paramètre 2. Le temps de passage exprimé en minutes pour un objet sur la chaîne [0, 1]. N sont B est une variable aléatoire N suivant une loi uniforme sur Les variables M et indépendantes. 1. Rappeler l'expression d'une densité de probabilité 2. On note S Exprimer v de M et d'une densité w de N. la variable aléatoire représentant le temps total de fabrication d'une pièce. S en fonction de M et de N et déterminer le temps moyen de fabrication d'une pièce. 3. Ecrire une procédure scilab réalisant 500 simulations des variables aléatoires M, N et S. 4