Lycée Laetitia Bonaparte Spé PT Corrigé de Banque PT 2015 – Épreuve A Problème d’Algèbre linéaire Partie I 1.(a) Notons β = (e1 , e2 , e3 , e4 ) la base canonique de R4 . On a De même, f (e1 ) β 1 −7 0 9 = f β × e1 β = A × 0 = 7 0 donc f (e1 ) = (−7, 9, 7, −4) . −4 (−7)2 − 16 · 9 + 72 + 42 −30 −7 · 9 − 3 · 9 − 4 · 7 + 4 · 7 2 −90 f (e1 ) β = f β × f (e1 ) β = A × −72 − 4 · 9 − 72 + 4 · 16 = −70 40 4·7−7·9+7·9+3·4 f 2 (e1 ) = (−30, −90, −70, 40) . donc 1.(b) On constate (sans mérite, puisque le résultat est indiqué à la question 4) que f 2 (e1 ) + 10f (e1 ) = (−100, 0, 0, 0) = −100 e1 f 2 (e1 ) + 10f (e1 ) + 100 e1 = 0 , donc ce qui montre que la famille (e1 , f (e1 ), f 2 (e1 )) est liée. 2. Des calculs analogues donnent e2 = (0, 1, 0, 0) ; f (e2 ) = (−16, −3, −4, −7) f 2 (e2 ) = (160, −70, 40, 70) , et et de même, f 2 (e2 ) + 10f (e2 ) = (0, −100, 0, 0) = −100 e2 donc f 2 (e2 ) + 10f (e2 ) + 100 e2 = 0 , donc la famille (e2 , f (e2 ), f 2 (e2 )) est liée. 3. Pour prouver que la famille (e1 , f (e1 ), e2 , f (e2 )) est une base de R4 , il (faut et il) suffit qu’on montre que la matrice représentative P de cette famille dans la base canonique est inversible, ou encore que son déterminant est non nul. Or, par développements successifs 1 0 det(P ) = 0 0 par rapport aux colonnes, on a −7 0 −16 9 1 −3 9 1 −3 7 0 −4 = 7 0 −4 dev. C1 −4 0 −7 −4 0 −7 donc B = (e1 , f (e1 ), e2 , f (e2 )) est une base de R4 . = dev. C2 7 − −4 = 65 6= 0 , −4 −7 4. Notons g l’endomorphisme de R4 , g = f 2 + 10f + 100Id . On a vu à la question 1.(b) que g(e1 ) = 0, et à la question 2 que g(e2 ) = 0. De plus, g et f commutent car g ◦ f = f 3 + 10f 2 + 100f = f ◦ g. On en déduit que g f (e1 ) = f g(e1 ) = f (0) = 0 et g f (e2 ) = f g(e2 ) = f (0) = 0 . Ainsi, l’image de chaque vecteur de la base B par g est le vecteur nul, ce qui montre que g est l’endomorphisme nul, ou encore que ∀ x ∈ R4 , g(x) = 0, ce qui est la relation demandée. 1 5. Puisque f 2 (e1 ) = −100e1 − 10f (e1 ) et autant pour e2 , on a f B f (e1 ) f 2 (e1 ) e1 f (e1 ) = e2 f (e2 ) 0 1 0 0 f (e2 ) f 2 (e2 ) 0 0 0 1 0 0 −100 −10 −100 −10 0 0 = A′ . not. 6. Les matrices A et A′ représentent le même endomorphisme f dans deux bases différentes de R4 , elles sont donc semblables (on a même A = P A′ P −1 où P est définie à la question 3), et en particulier elles ont le même polynôme caractéristique : X 100 0 0 −1 X +10 0 0 . χA (X) = χA′ (X) = det(XI4 − A′ ) = 0 X 100 0 0 0 −1 X +10 Comme on n’a pas (plus) le droit au calcul du déterminant par blocs, on développe : 100 0 X +10 0 0 0 X 100 X 100 + 0 χA (X) = X 0 dev. C1 0 −1 X +10 0 −1 X +10 X 100 X(X + 10) + 100 −1 X +10 = dev. C1 = X 2 + 10X + 100 2 . Le polynôme X 2 + 10X + 100 est irréductible sur R (discriminant négatif), donc A n’admet pas de valeur propre réelle, elle n’est donc pas diagonalisable sur R. Partie II 1. Les éléments de Ex sont les combinaisons linéaires de la famille (xn )n∈N , donc les vecteurs de Rd de la forme λ0 x0 + λ1 x1 + · · · + λp xp où p ∈ N , et où λ0 , . . . , λp sont des réels. Soit alors y un élément quelconque de Ex , qu’on écrit y = λ0 x0 + λ1 x1 + · · · + λp xp . On a par linéarité de f , f (y) = λ0 f (x0 ) + λ1 f (x1 ) + · · · + λp f (xp ) = λ0 x1 + λ1 x2 + · · · + λp xp+1 ∈ Ex , ce qui montre que Ex est stable par f . 2. Puisque F possède x = x0 et est stable par f , on a x1 = f (x0 ) ∈ F . On obtient alors ∀ n ∈ N , xn ∈ F par une récurrence immédiate. Puis, F étant un sous-espace vectoriel de Rd , il est stable par combinaisons linéaires, donc ∀ p ∈ N , ∀ (λ0 , . . . , λp ) ∈ Rp+1 , λ0 x0 + λ1 x1 + · · · + λp xp ∈ F , ce qui montre que Ex ⊂ F . 3.(a) L’espace vectoriel Rd étant de dimension d sur R, toute famille à d + 1 éléments de Rd est liée. Ainsi, l’ensemble q ∈ N∗ , la famille (x0 , . . . , xq−1 ) est libre est une partie de {1, . . . , d}. De plus, cet ensemble est non vide (il possède l’entier 1 car x0 = x 6= 0), et par conséquent il possède un plus grand élément, que l’on note p. 3.(b) Par construction de p, la famille (x0 , . . . , xp ) est liée, donc il existe des réels λ0 , . . . , λp non tous nuls tels que λ0 x0 + λ1 x1 + · · · + λp−1 xp−1 + λp xp = 0 . Si λp était nul (raisonnement par l’absurde), on aurait une combinaison linéaire de la famille libre (x0 , . . . , xp−1 ) valant le vecteur nul, donc tous les coefficients λ0 , . . . , λp−1 seraient également nuls, ce qui est contradictoire. 2 Ainsi, λp 6= 0, et on peut écrire la relation précédente xp = − λ1 λp−1 λ0 x0 − x1 − · · · − xp−1 , λp λp λp ce qui est de la forme souhaitée en posant ai = − λi pour tout i ∈ {1, . . . , p − 1} . λp 3.(c) La question précédente montre que xp ∈ Ex′ . Soit y un élément quelconque de Ex′ , qu’on écrit y = λ0 x0 + · · · + λp−2 xp−2 + λp−1 xp−1 , où λ0 , . . . , λp−1 sont des réels. On a, par linéarité de f , et puisque Ex′ est stable par combinaisons linéaires comme tout espace vectoriel, f (y) = λ0 f (x0 ) + · · · + λp−2 f (xp−2 ) + λp−1 f (xp−1 ) = λ0 x1 + · · · + λp−2 xp−1 +λp−1 xp ∈ Ex′ , | |{z} {z } ′ ∈Ex ′ ∈Ex ce qui montre que Ex′ est stable par f . 3.(d) L’inclusion Ex′ ⊂ Ex est évidente. Pour l’inclusion réciproque, on utilise la question 2 : Ex′ est un sous-espace vectoriel de Rd possédant x = x0 et stable par f (d’après la question précédente), donc Ex ⊂ Ex′ . On a donc obtenu Ex′ = Ex . Enfin, la famille Bp = (x0 , . . . , xp−1 ) est une famille d’éléments de Ex′ ; elle est libre par construction de p et elle est génératrice de Ex′ par définition. On en déduit que c’est une base de Ex′ , donc de Ex . 4. Puisque f (xp−1 ) = xp = a0 x0 + · · · + ap−1 xp−1 , la matrice cherchée est la « matrice compagnon » suivante f (x0 ) f (x1 ) · · · f (xp−2 ) f (xp−1 ) x0 fˆ Bp x1 .. = . xp−2 xp−1 0 1 0 .. . 0 . 0 .. . .. . a1 .. . . 0 ap−2 0 1 ap−1 ··· .. . .. . ··· .. .. . .. ··· a0 5. On remarque d’abord que pour tout entier i, fˆi est bien un endomorphisme de Ex et (par une récurrence immédiate) que ∀i ∈ N, fˆi (x0 ) = f i (x0 ) = xi . (⋆) Soient λ0 , . . . , λp−1 des réels tels que λ0 Id + λ1 fˆ + λ2 fˆ2 + · · · + λp−1 fˆp−1 = 0L(Ex ) . On applique cette relation au vecteur x0 , ce qui donne, d’après (⋆), λx0 + λ1 x1 + · · · + λp−1 xp−1 = 0 , et comme la famille Bp = (x0 , . . . , xp−1 ) est libre, les réels λ0 , . . . , λp−1 sont tous nuls. Ceci prouve que la famille (Id, fˆ, fˆ2 , . . . , fˆp−1 ) d’endomorphismes de Ex est libre. 6.(a) La relation demandée est vraie pour k = 0 car, d’après la définition des réels a0 , . . . , ap−1 , on a xp = a0 x0 + · · · + ap−1 xp−1 =⇒ fˆp (x0 ) = a0 x0 + a1 fˆ(x0 ) + · · · + ap−1 fˆp−1 (x0 ) . (⋆) Ensuite, pour k ∈ {0, . . . , p − 1} (ou même pour k ∈ N quelconque), on applique fˆk aux deux membres de cette égalité, et on obtient la relation demandée, car pour tout entier i, fˆk fˆi (x0 ) = fˆi fˆk (x0 ) = fˆi (xk ). 6.(b) Notons g l’endomorphisme de Ex , g = fˆp − ap−1 fˆp−1 − · · · − a0 Id . D’après la question précédente, on a g(xk ) = 0 pour tout k ∈ {0, . . . , p − 1}, donc g est nul sur tous les vecteurs de la base Bp de Ex , et par conséquent g est l’endomorphisme nul, comme voulu. 3 Partie III 1.(a) D’après le cours, puisque f est diagonalisable, E est la somme directe des espaces propres de f : E = signifie que tout vecteur x de E s’écrit de manière unique sous la forme x = p X p M Ei , ce qui i=1 xi , avec xi ∈ Ei . i=1 1.(b) D’abord l’entier q n’est pas nul puisque, x étant non nul, au moins l’un des xi n’est pas nul. La famille (x1 , . . . , xq ) est une famille de vecteurs propres (chaque xi , pour i 6 q, est un vecteur non nul de l’espace propre Ei ) associés à des valeurs propres distinctes, donc elle est libre d’après le cours. 1.(c) On a ∀ i ∈ {1, . . . , q} , f (xi ) = λi xi , donc, en appliquant k − 1 fois l’endomorphisme f , on obtient ∀ i ∈ {1, . . . , q} , ∀ k ∈ {1, . . . , q − 1} , k f (xi ) = λki xi k donc par linéarité de f , k f (x) = f k q X i=1 xi ! = q X λki xi . i=1 1.(d) La relation supposée s’écrit 0 = α1 x + α2 f (x) + · · · + αq f = q−1 (x) = α1 1.(c) q X i=1 xi ! + α2 q X i=1 λi xi ! + · · · + αq q X i=1 λiq−1 xi ! α1 + α2 λ1 + · · · + αq λ1q−1 x1 + · · · + αq + α2 λq + · · · + αq λqq−1 xq = P (λ1 )x1 + · · · + P (λq )xq . Or on a montré à la question 1.(b) que la famille (x1 , . . . , xq ) est libre, donc P (λ1 ) = · · · = P (λq ) = 0, ce qui signifie que les réels λ1 , . . . , λq sont q racines du polynôme P . 1.(e) On poursuit le raisonnement entamé à la question précédente : le polynôme P est de degré au plus q − 1, et il possède au moins q racines distinctes (les réels λ1 , . . . , λq ), c’est donc le polynôme nul : α1 = · · · = αq = 0. On a prouvé avec ces deux dernières questions que la famille (x, f (x), . . . , f q−1 (x)) est libre. 1.(f) ! L’énoncé reprend sans le dire la notation Ex de la partie II, mais dans un cadre légèrement différent puisqu’ici l’espace vectoriel E n’est plus forcément Rd , mais un R-espace vectoriel de dimension finie. On n’a aucune peine à admettre que les résultats de la partie II sont encore valables dans ce cadre. Il y a aussi un télescopage des notations : d’une part entre Ex et Ei (pas d’ambiguïté puisque i est un entier et x un vecteur), et surtout entre les (xi )i∈N définis à la partie II et les (xi )16i6p définis à la partie III, ce qui est très maladroit vu qu’on utilise ces deux familles de vecteurs dans cette question ! Certains candidats ont été gênés à juste titre. • Notons G = Vect(x1 , . . . , xq ) (les « xi » de la partie III). On a vu que la famille (x1 , . . . , xq ) est libre (question 1.(b)) et elle engendre G, c’est donc une base de G, donc dim(G) = q. q X λki xi de la question 1.(c) est valable pour tout entier naturel k, donc x, f (x), . . . , f q (x) est une L’expression f k (x) = i=1 famille de q + 1 vecteurs de G, qui est de dimension q, elle est donc liée. De ceci et de la question précédente, on déduit que q est le plus grand entier tel que x, f (x), . . . , f q−1 (x) soit libre. D’après le résultat de la question 3.(d) de la partie II (et ici, les xi de la partie II sont en fait les f i (x)), on a Ex = Vect x, f (x), . . . , f q−1 (x) . • On sait que ∀ i ∈ {1, . . . , q − 1} , f i (x) ∈ G, donc Ex ⊂ G car G est stable par combinaisons linéaires. Or x, f (x), . . . , f q−1 (x) est une base de Ex (famille libre et génératrice) donc dim(Ex ) = q = dim(G), d’où l’égalité Ex = G = Vect(x1 , . . . , xq ) = Vect(x1 , . . . , xp ) , puisque xq+1 = · · · = xp = 0. 4 2. Si x = 0, tous les xi sont nuls d’après l’unicité de la décomposition de x (question 1.(a)), et le résultat est acquis. Sinon, on reprend toutes les notations de la question 1, et on écrit x = x1 + · · · + xq . Le sous-espace vectoriel F possède x et est stable par f , donc d’après le résultat de la question 2 de la partie II, on a Ex ⊂ F . Or d’après la question précédente, Ex = Vect(x1 , . . . , xq ). Ainsi, ∀ i ∈ {1, . . . , q} , xi ∈ Ex ⊂ F , donc xi ∈ F . La conclusion vaut encore si i ∈ {q + 1, . . . , p} puisqu’alors xi = 0 ∈ F . 3.(a) On calcule le polynôme caractéristique de f , qui est celui de B, X −1 X −1 1 −X X −1 −1 = χf (X) = χB (X) = −1 C1 ←C1 −C2 −1 −1 X −1 0 = dev. C1 X(X − 1)(X − 2) . par exemple à l’aide d’opérations élémentaires : X −1 1 −1 1 0 X −2 X −1 −1 0 = L2 ←L2 +L1 −1 X −1 0 −1 X −1 L’espace vectoriel E est de dimension 3, et l’endomorphisme f de E possède 3 valeurs propres distinctes, il est donc diagonalisable d’après le cours. 3.(b) On rajoute à la conclusion précédente que, toujours d’après le cours, chaque espace propre de f est de dimension 1. • Les deux premières colonnes de B sont identiques, donc (1, −1, 0) ∈ Ker(f ). Puisque Ker(f ) est de dimension 1, on peut conclure que Ker(f ) = Vect (1, −1, 0) = E1 not. (attention, E1 désigne ici l’espace propre pour la valeur propre 0 ). 0 1 • Les colonnes de la matrice B − I3 = 1 0 1 1 dimension on a encore −1 1 vérifient C1 = C2 + C3 , donc (−1, 1, 1) ∈ Ker(f − Id), et à cause de la 0 Ker(f − Id) = Vect (−1, 1, 1) = E2 . not. • Enfin, pour varier un peu, on cherche l’espace propre Ker(f − 2Id) en résolvant un système : ( ! ( −x + y − z = 0 (i) x x − y + z = 0 (ii) x=0 y ∈ Ker(B − 2I2 ) ⇐⇒ ⇐⇒ x−y+z =0 (ii) ⇐⇒ 2x = 0 (ii) + (iii) y=z z x+y−z =0 (iii) d’où Ker(f − 2Id) = Vect (0, 1, 1) = E3 . not. 3.(c) Cherchons ces sous-espaces d’après leurs dimensions. • Le seul sous-espace vectoriel de R3 de dimension 0 (resp. de dimension 3) est {0} (resp. R3 ) et il est stable par f . • Un sous-espace vectoriel de dimension 1 (i.e. une droite) stable par f est nécessairement dirigé par un vecteur propre de f , et ces droites sont bien stables par f , ce qui nous donne les trois espaces propres E1 , E2 et E3 . • Il reste à déterminer les sous-espaces de dimension 2 (i.e. les plans) de R3 stables par f , et on note F un tel plan. Reprenons les notations de la question 2, et poursuivons le raisonnement de cette question en montrant que F = F1 ⊕ F2 ⊕ F3 = (F ∩ E1 ) ⊕ (F ∩ E2 ) ⊕ (F ∩ E3 ) . En effet, le résultat de la question 2 montre que tout vecteur x de F se décompose en x = x1 + x2 + x3 avec xi ∈ Fi , ce qui prouve que F = F1 + F2 + F3 . De plus, cette décomposition est unique puisqu’une telle décomposition est, en particulier, une décomposition de x suivant E = E1 ⊕ E2 ⊕ E3 , et que celle-ci est unique (question 1.(a)). Enfin, chaque Fi est de dimension 0 ou 1 (car inclus dans Ei ) et dim(F ) = 2 = dim(F1 ) + dim(F2 ) + dim(F3 ) donc l’un exactement des Fi est réduit à {0}, et les deux autres sont de dimension 1, donc égaux aux Ei correspondants. On a donc les trois possibilités suivantes : F = E1 ⊕ E2 ou F = E1 ⊕ E3 ou F = E2 ⊕ E3 . Réciproquement, ces trois sous-espaces vectoriels de E sont manifestement stables par f . En conclusion, les sous-espaces stables par f sont {0} ; E1 ; E2 ; E3 ; E1 ⊕ E2 5 ; E1 ⊕ E3 ; E2 ⊕ E3 et R3 . Exercice de Probabilités 1. La variable aléatoire Y est à valeurs dans N, donc la famille (Y = j) j∈N forme un système complet dénombrable d’événements. D’après la formule des probabilités totales, on a donc ∀i ∈ N, P(X = i) = X i X P(X = i, Y = j) = = car P(X = i, Y = j) = 0 si j > i i λi e−λ X i j = α (1 − α)i−j i! j j=0 i X λi e−λ αj (1 − α)i−j j ! (i − j) ! j=0 = P(X = i, Y = j) j=0 j∈N i λi −λ λi e−λ α + (1 − α) = e i! i! d’après la formule du binôme On en déduit que X suit la loi de Poisson de paramètre λ > 0 . 2. De même, la famille (X = i) i∈N forme un système complet dénombrable d’événements, donc d’après la formule des probabilités totales, on a ∀j ∈ N, P(Y = j) = X P(X = i, Y = j) = +∞ i −λ j X λ e α (1 − α)i−j j ! (i − j) ! i=j = P(X = i, Y = j) car P(X = i, Y = j) = 0 si i < j i=j i∈N = +∞ X = +∞ αj λj e−λ X λi−j (1 − α)i−j j! (i − j) ! i=j +∞ (αλ)j e−λ X λk (1 − α)k j! k! changement d’indice k = i − j k=0 = (αλ)j e−λ λ(1−α) (αλ)j −αλ e = e j! j! série exponentielle On en déduit que Y suit la loi de Poisson de paramètre αλ > 0 . 3. On a, par exemple, P(X = 0, Y = 0) = e−λ , tandis que P(X = 0) × P(Y = 0) = e−λ e−αλ , et puisque αλ 6= 0, ces deux résultats sont différents. On en déduit que les événements (X = 0) et (Y = 0) ne sont pas indépendants, et par conséquent les variables aléatoires X et Y ne sont pas indépendantes. 4. La variable Z est, a priori, à valeurs dans Z. Encore une fois, la famille (Y = j) j∈N forme un système complet dénombrable d’événements donc ∀n ∈ Z, P(Z = n) = X P(Z = n, Y = j) = +∞ X P(X = j + n, Y = j) car (Z = n, Y = j) = (X = j + n, Y = j) j=0 j∈N On voit déjà que si n < 0 , P(Z = n) = 0 car alors ∀ j ∈ N , P (X = j + n, Y = j) = 0. Puis, ∀n ∈ N, P(Z = n) = +∞ j+n −λ j X λ e α (1 − α)n j=0 = j !n! +∞ λn (1 − α)n e−λ X λj αj n! j! j=0 = (λ(1 − α))n e−λ λα (λ(1 − α))n −λ(1−α) e = e n! n! série exponentielle On en déduit que Z suit la loi de Poisson de paramètre λ(1 − α) > 0 . 5. Pour n ∈ N, l’événement (Z = n) a une probabilité non nulle, donc on peut calculer la probabilité conditionnelle P(Y = j | Z = n) , et celle-ci vaut 6 P(Y = j | Z = n) = = P(X = j + n, Y = j) P(Y = j, Z = n) = P(Z = n) P(Z = n) λj+n e−λ αj (1 − α)n (αλ)j −αλ n! eλ(1−α) = × e n j !n! (λ(1 − α)) j! = P(Y = j) 6. Le calcul précédent montre que les variables aléatoires Y et Z sont indépendantes, car ∀ (j, n) ∈ N2 , P(Y = j, Z = n) = P(Y = j) P(Z = n) donc P(Y = j, Z = n) = P(Y = j) × P(Z = n) . 7. Notons X le nombre d’enfants et Y le nombre de garçons d’une famille française. D’après l’énoncé, X suit la loi de Poisson de paramètre λ = 2,2. Pour une famille ayant i ∈ N∗ enfants, la probabilité d’avoir j garçons est la probabilité de rencontrer j « succès » dans une suite de i épreuves indépendantes suivant chacune la loi de Bernoulli de paramètre α = 12 , c’est donc i αj (1 − α)i−j si 0 6 j 6 i j P(Y = j | X = i) = 0 si j > i i 1 j 2i = 0 si 0 6 j 6 i si j > i On en déduit que, pour i ∈ N∗ , la probabilité d’avoir i enfants dont j garçons vaut 0 si j > i, et vaut λi −λ i ∀ j ∈ {0, . . . , i} , P(X = i, Y = j) = P(Y = j | X = i) × P (X = i) = αj (1 − α)i−j × e j i! = λi e−λ αj (1 − α)i−j j ! (i − j) ! = (1,1) i e−2,2 j ! (i − j) ! dans cet exemple . Lorsque i = 0, on a P(X = 0, Y = j) = 0 si j > 0 et P(X = 0, Y = 0) = P(X = 0) = e−λ . Ainsi, le résultat obtenu pour i > 0 vaut encore pour i = 0. Finalement, on a retrouvé la loi conjointe du couple (X, Y ) de variables aléatoires étudiées au début de l’exercice. À la question 6, on apprend que le nombre Z de filles d’une famille est indépendant du nombre Y de garçons. Autrement dit, le fait de savoir combien de filles a une famille donnée ne nous renseigne pas sur le nombre de garçons de cette famille. 7