Énoncé
Dans tout le problème,ndésigne un entier naturel non nul etξle complexeξ=e2iπn .
Partie I Calcul d'un déterminant circulant
Soienta0, ..., an−1∈CetP le polynôme :
P =
n−1
X
k=0
akXk ∈C[X].
Cette partie a pour but de calculer le déterminant deC(a0, ..., an−1)déni par
C(a0, ..., an−1) =
a0 a1 a2 . . . an−1 an−1 a0 a1 an−2 an−2 an−1 a0 an−3
... ... ...
a1 a2 a3 . . . a0
.
1. NotonsV = (ξ(j−1)(i−1))(i,j)∈
J1,nK2 :
V =
1 1 1 . . . 1
1 ξ ξ2 . . . ξn−1 1 ξ2 ξ4 . . . ξ2(n−1)
... ... ... ...
1 ξn−1 ξ2(n−1) . . . ξ(n−1)(n−1)
a. Donner sans démonstration une expression dedet(V).
b. Soitz1,· · ·, zn des nombres complexes etQ= (X−z1)· · ·(X−zn). Montrer que
Y
(i,j)∈J1,nK2 i6=j
(zj−zi) = Y
i∈J1,nK
Q0(zi)
c. En factorisantXn−1, montrer queQn−1
k=0ξk= (−1)n−1. d. En déduire quedet(V) =εnn2 avecε∈ {1,−1, i,−i}.
e. Pour toutp∈J0, n−1K, notons :
ep= (1, ξp, ξ2p, ..., ξ(n−1)p)∈Cn. Montrer que la famille(e0, ..., en−1)est une base deCn.
2. Pour toutp∈J0, n−1K, notonsEpla matrice colonne représentant le vecteurep dans la base canonique deCn :
Ep=
1 ξp ξ2p
...
ξp(n−1)
Montrer queC(a0, ..., an−1)Ep=P(ξp)Ep.
3. Montrer que la matriceC(a0, ..., an−1)est semblable à une matrice diagonale que l'on explicitera.
4. Montrer que :
det(C(a0, ..., an−1)) =
n−1
Y
p=0
P(ξp).
Partie II Combinaisons de racines de l'unité à coecients aléatoires
Soit (Ω,P) un espace probabilisé ni, soient X1, ..., Xn des variables aléatoires dénies surΩet à valeurs dans{−1,1}, mutuellement indépendantes et telles que :
∀k∈J1, nK, P(Xk = 1) =P(Xk =−1) = 1 2. NotonsZ: Ω→Cla variable aléatoire dénie pour toutω∈Ωpar :
Z(ω) =
n
X
k=1
Xk(ω)e2ikπn .
Pour toutk∈N, on notera|Z|k la variable aléatoire dénie pour tout ω∈Ωpar :
|Z|k(ω) =|Z(ω)|k.
II.1 Espérance et variance
1. a. Soient1≤k < l≤n. Donner la valeur deE(Xk)puis deE(XkXl). b. En déduire queE(|Z|2) =n.
2. a. Soienti, j, k, l∈J1, nKtels que i < j etk < l. Montrer queE(XiXjXkXl)6= 0si et seulement sii=ketj=l.
b. CalculerE(|Z|4)puisV(|Z|2).
Fig. 1: Valeurs deZ pourn= 11
II.2 Inégalités de concentration.
Dans toute cette partie,tdésigne un réel strictement positif.
1. Montrer que :
P(|Z|2≥t)≤ n t.
La suite de la partie II.2 est consacrée à la démonstration d'une meilleure majoration.
NotonsX et Y les variables aléatoires dénies pour toutω∈Ωpar :
X(ω) =
n
X
k=1
Xkcos 2kπ
n
, Y(ω) =
n
X
k=1
Xksin 2kπ
n
.
2. a. Montrer que pour toutx∈R,ch(x)≤ex
2
2 . On pourra dériver deux fois la fonction f :x∈R7→e−x22 ch(x).
b. Calculer la somme :
n−1
X
k=0
cos2 2kπ
n
.
c. Montrer que pour toutθ∈R:
E(eθX)≤enθ
2 4 . 3. Montrer que pour toutθ∈R+ :
P(X ≥t)≤e−θt+nθ
2 4 .
4. En déduire que :
P(X ≥t)≤e−t
2 n. 5. Montrer queX et −X ont même loi et en déduire que :
P(|X| ≥t)≤2e−t
2 n. On admet que pour toutt∈R+ :
P(|Y| ≥t)≤2e−t
2 n. 6. Comparer les événements{|Z|2≥t}et {|X| ≥q
t
2} ∪ {|Y| ≥q
t
2}. En déduire que : P(|Z|2≥t)≤4e−2nt .
Partie III. Déterminant d'une matrice circulante aléatoire
Dans cette partie, l'entier nest supposé premier impair.
On rappelle queUn désigne l'ensemble des racinesn-èmes de l'unité.
On munit l'ensembleP(Un)des parties deUn de l'équiprobabilitéP.
Pour toutu∈Un, on note Xu: Ω→ {−1,1}la variable aléatoire dénie surΩpar :
∀J ∈Ω, Xu(J) =
( 1siu∈J
−1siu6∈J 1. a. Montrer que pour toutu∈Un :
P(Xu= 1) =P(Xu=−1) = 1 2.
b. Montrer que les variables aléatoires Xu (u ∈ Un) sont mutuellement indépen- dantes.
Pour tout k∈J0, n−1K, notonsZk : Ω→R+ la variable aléatoire dénie pour tout J ∈Ωpar :
Zk(J) =
n
X
u∈Un
Xu(J)uk.
Ainsi, la variable aléatoireZ1 a la même loi que la variable aléatoireZ dénie dans la partie II.
2. On rappelle quenest premier. Soit k∈J1, n−1K.
a. Montrer que l'applicationϕk :u∈Un 7→uk ∈Un est une bijection.
On note ϕk : J ∈ Ω 7→ ϕk(J) ∈ Ω la bijection qui à toute partie J de P(Un) associe son image directe parϕk.
b. Montrer queZk=Z1◦ϕk.
c. En déduire queZk etZ1 ont même loi.
On noteD: Ω→R+ la variable aléatoire dénie par :
∀J ∈Ω, D(J) =
det(C(Xξ0(J), Xξ1..., Xξn−1(J))) . 3. Montrer à l'aide de la partie I que pour toutJ ∈Ω:
D(J) =|Z0(J)|
n−1 2
Y
k=1
|Zk(J)|2.
4. PosonsM : Ω→R+ la variable aléatoire dénie pour toutJ ∈Ωpar : M(J) = max
k∈J1,n−12 K
|Zk(J)|2.
Montrer à l'aide de la partie II que pour toutt∈R+ : P(M ≥t)≤2(n−1)e−2nt . 5. Montrer que pour toutt∈R+ :
P(D≥ntn−12 )≤2(n−1)e−2nt .
6. SoitW : Ω→R+ une variable aléatoire, soitp∈Ntel queW(Ω)⊂[0, p]. a. Montrer que :
E(W)≤
p
X
k=0
(k+ 1)(P(W ≥k)−P(W ≥k+ 1)).
b. Montrer que :
E(W)≤1 +
p
X
k=1
P(W ≥k).
7. a. Montrer queD(Ω)⊂[0, nn]. b. Montrer que :
E(D)≤1 + 2(n−1)
nn
X
k=1
exp
−
k n
n−12 2n
.
c. Montrer que pour toutk∈N: Z k/2
0
tke−tdt≤k!.
d. Calculer l'intégrale :
Z nn 0
exp
−
x n
n−12 2n
dx.
e. En déduire que :
E(D)≤1 +n
n−1 2
!
(2n)n−12 .
Corrigé
Partie I. Calcul d'un déterminant circulant
1. a. On reconnaît un déterminant de Vandermonde. Il faut : det(V) = Y
0≤i<j≤n−1
(ξj−ξi).
b. Par propriétés de la dérivation d'un produit :
Q0 =
n
X
k=1 n
Y
j=1 j6=k
(X−zj).
Soiti∈J1, nK. En évaluant cette expression enzi, on voit que tous les termes de la somme sont nuls sauf celui pour lequelk=i, donc :
Q0(zi) =Y
j=1 j6=i
(zi−zj).
Ainsi : n
Y
i=1
Q0(zi) =
n
Y
i=1 n
Y
j=1 j6=i
Q0(zj) = Y
(i,j)∈J1,nK2 i6=j
(zi−zj).
c. Posons PosonsQ=Xn−1 = Qn−1
i=0(X−ξi). D'après les relations coecients- racines,−1 =Qn−1
k=0ξk = (−1)nQn−1
k=0, d'où le résultat.
d. D'après la b. appliquée au polynômeQ=Xn−1et à ses racines1, ξ, ..., ξn−1:
Y
(i,j)∈J1,nK2 i6=j
(ξi−ξj) =
n−1
Y
i=0
P0(ξi) =
n−1
Y
i=0
n(ξi)n−1.
Mais pour touti,(ξi)n−1= (ξn−1)i = (ξ−1)i=ξ−i carξn−1=ξ−1donc :
Y
(i,j)∈J0,n−1K2 i6=j
(ξi−ξj) =nn
n−1
Y
i=0
ξ−i= (−1)n−1nn.
Ainsi :
(−1)n−1nn= Y
(i,j)∈J0,n−1K2 i6=j
(ξi−ξj)
=
Y
0≤i<j≤n−1
(ξi−ξj)
Y
0≤j<i≤n−1
(ξi−ξj)
| {z }
n(n−1) 2 facteurs
= (−1)n(n−1)2
Y
0≤i<j≤n−1
(ξi−ξj)
2
= (−1)n(n−1)2 det(V)2
doncdet(V)2=±nn. Alors il existeε∈ {1,−1, i,−i} tel quedet(V) =εnn2. e. La matrice de la famille(e0, ..., ep−1)est justement la matriceV. Son déterminant
est non nul d'après la question précédente, donc elle est inversible, donc de rang n. Donc la famille(e0, ..., en−1)est de rangn, donc c'est une base de Cn. 2. La première ligne du vecteur colonneC(a0, ..., an−1)Ep vaut :
a0+a1ξp+...+an−1ξp(n−1)=P(ξp).
Soiti∈J2, nK. Lai-ème ligne du vecteur colonneC(a0, ..., an−1)Ep vaut :
an−i+1+an−i+2ξp+...+an−1ξp(i−2)+a0ξp(i−1)+...+an−iξp(n−1)
=ξp(i−1)[an−i+1ξ−p(i−1)+an−i+2ξ−p(i−2)
+...+an−1ξ−p+a0+a1ξp+...+an−iξp(n−i)].
Commeξnp= 1, alors :
ξ−p(n−i)=ξp(n−i+1), ..., ξ−p=ξp(n−1).
Donc la ième ligne du vecteur colonneC(a0, ..., an−1)Ep vaut : ξp(i−1)[a0+a1ξp+...+an−1ξp(n−1)] =ξp(i−1)P(ξp).
DoncC(a0, ..., an−1)Ep=P(ξp)Ep.
3. Notonsu∈ L(Cn)l'endomorphisme canoniquement associé àC(a0, ..., an−1). D'après la question précédente, pour toutp∈J0, n−1K,u(ep) =P(ξp)ep. Donc la matrice deu dans la base(e0, ..., ep−1)est diagonale de coecients diagonauxP(1),(ξ), ..., P(ξn−1). Ainsi,C(a0, ..., an−1)est semblable à la matrice :
P(1)
P(ξ) ...
P(ξn−1)
4. Le déterminant de C(a0, ..., an−1) est égal au déterminant de la matrice diagonale ci-dessus, qui vaut :
n−1
Y
k=0
P(ξk).
Partie II. Module de combinaisons linéaires de racines de l'unité à coecients aléatoires
II.1 Espérance et variance
1. a. Par dénition,E(Xk) =P(Xk= 1)−P(Xk =−1) = 0. Comme les variables sont mutuellement indépendantes :
Xk 6=Xl⇒E(XkXl) =E(Xk)E(Xl) = 0.
b. Introduisons le conjugué pour exprimer le carré du module puis utilisons la linéa- rité de l'espérance et la question précédente :
|Z|2= X
(k,l)∈J1,nK2
XkXlξk−l=n+ 2 X
(k,l)∈J1,nK2 k<l
XkXlξk−l
⇒E(|Z|2) =n+ 2 X
(k,l)∈J1,nK2 k<l
E(XkXl)
| {z }
=0
ξk−l=n
carXk2 est la variable constante (certaine) de valeur1.
2. a. Comme les variables sont mutuellement indépendantes et centrées, E(XiXjXkXl)6= 0⇒Card{Xi, Xj, Xk, Xl}<4.
On sait queXi6=Xj cari < jetXk6=Xlcark < l. Les deux paires{Xi, Xj}et {Xk, Xl}ne peuvent pas être disjointes.
SiXk =Xj alorsk=j doncj < l donc
E(XiXjXkXl) =E(XiXjXl) = 0.
On en déduitXk =Xi et E(XiXjXkXl) =E(XjXl)serait nul si Xj 6=Xl. On doit donc avoiri=ket j=l.
b. Comme en 1.b.
|Z|4=
n+ 2 X
(i,j)∈J1,nK2 i<j
XiXjξi−j
n+ 2 X
(k,l)∈J1,nK2 k<l
XkXlξk−l
=n2+ 4n X
(i,j)∈J1,nK2 i<j
XiXjξi−j+ 4 X
(i,j,k,l)∈J1,nK4 i<j, k<l
XiXjXkXlξi−j+k−l
⇒E |Z|4
=n2+ 4n(n−1)
2 = 3n2−2n car dans la dernière somme, seuls les quadruplets(i, j, i, j)contribuent vraiment et chacun pour la valeur 1.
AvecE(|Z|2) =n, on obtient
V(|Z|2) =V(|Z|4)−E(|Z|2) = 2n(n−1).
II.2. Inégalités de concentration.
1. CommeZ est une variable aléatoire à valeurs positives, on peut lui appliquer l'inégalité de Markov :
P(|Z|2≥t)≤E(|Z|2)
t = n
t.
2. a. Introduisons une fonctionf dénie dansRet calculons sa dérivée f(x) = ch(x)e−x
2
2 ⇒f0(x) = (sh(x)−xch(x))e−x
2 2 . Le signe def0(x)est celui deg(x)avecg(x) = sh(x)−xch(x). Alors
g0(x) =−xsh(x)≤0.
La fonctiong est décroissante dansR, nulle en0 donc positive pour les négatifs et négative pour les positifs. La fonction f admet en minimum absolu en 0 de valeur 1. On en déduit
∀x∈R, ch(x)≤e−x
2 2 .
b. On linéarise :
n−1
X
k=0
cos2 2kπ
n
=
n−1
X
k=0
1 2 +1
2cos 4kπ
n
= n 2.
c. Comme les variables aléatoiresXksont mutuellement indépendantes, les variables eθcos(2kπn )Xk le sont aussi. Remarquons que
E
eθcos(2kπn )Xk
=1 2
eθcos(2kπn ) +e−θcos(2kπn )
= ch
θcos 2kπ
n
. On en déduit
E(eθX) =
n
Y
k=1
E
eθXkcos(2kπn )
=
n
Y
k=1
ch
θcos 2kπ
n
≤
n
Y
k=1
e
(θcos(2kπn ))2
2 =eθ
2 2
Pn
k=1cos2(2kπn ) =enθ
2 4 .
3. Soitθ∈R+, d'après l'inégalité de Markov appliquée àeθX :
P(X ≥t) =P(eθX≥eθt)≤e−θtE(eθX)≤e−θt+nθ
2 4
4. Posonsθ= 2tn, de manière à minimiser l'expression−θt+nθ42. Alors :
P(X ≥t)≤e−t
2 n.
5. Soitx∈C. Alors :
{X =x}= [
(ε1,...,εn)∈{−1,1}n Pn
i=1εiξi
{(X1=ε1, ..., Xn=εn}.
La réunion est disjointe et pour tout(ε1, ..., εn)∈ {−1,1}n, P(X1=ε1, ..., Xn=εn) =21n. Donc :
P(X=x) =card(A(x)) 2n
avec
A(x) ={(ε1, ..., εn)∈ {−1,1}n|
n
X
i=1
εiξi =x}
Or L'application f : (ε1, ..., εn) ∈ A(x) 7→ (−ε1, ...,−εn) ∈ A(−x) est une bijection donccard(A(x)) = card(A(−x)). DoncP(X =x) =P(X =−x) =P(−X =x). Ainsi, X et −X ont même loi.
Ainsi, comme{|X| ≥t}={X≥t} ∪ {−X ≥t}, alors :
P(|X| ≥t)≤P(X ≥t) +P(−X≥t) = 2P(X≥t)≤2e−t
2 n. 6. Comme|Z|2=X2+Y2, alors :
{|Z|2≥t} ⊂ {X2≥ t
2} ∪ {Y2≥ t 2}
(six2+y2≥t, alors l'un au-moins des réelsx2ety2et supérieur ou égal à t2). Donc :
{|Z|2≥t} ⊂ {|X| ≥ rt
2} ∪ {|Y| ≥ rt
2}.
Donc :
P(|Z|2≥t)≤P(|X| ≥ rt
2) +P(|Y| ≥ rt
2)≤4e−2nt .
Partie III. Déterminant d'une matrice circulaire aléatoire
1. a. Soitu∈Un. NotonsA={J ∈Ω|u∈J}. Alors :
P(Xu= 1) = card(A)
card(Ω) = card(A) 2n .
Comme l'application J ∈ A 7→Jc ∈ Ac est une bijection, alorsA et son com- plémentaire ont même cardinal. Mais comme A et Ac partitionnent Ω, alors 2n= card(A) + card(Ac)donccard(A) = 2n−1. Donc :
P(Xu= 1) =P(Xu=−1) = 1 2.
b. Soit(εu)u∈Un∈ {−1,1}n. Alors
\
u∈Un
{Xu=εu}={J ∈Ω| ∀u∈Un, εu= 1⇐⇒u∈J}={J}.
Donc :
P
\
u∈Un
{Xu=εu}
!
= 1 2n = Y
u∈Un
P(Xu=εu).
Ainsi, les variables aléatoiresXu sont mutuellement indépendantes.
2. a. CommeUn est ni, il sut de montrer queϕk est injective. Soientu, v ∈Untels queϕk(u) =ϕk(v). Il existep, q∈J0, n−1Ktels queu=e2ipπn etv=e2iqπn , donc e2ik(p−q)πn = 1. Donc ndivisek(p−q). Comme nest premier et1≤k < n, alors nest premier avec kdonc d'après le théorème de Gauss, n divise(p−q). Mais comme−n < p−q < n, alorsp=q etu=v; L'applicationϕk est bien injective donc bijective.
b. SoitJ ∈Ω. Alors pour tout u∈Un, Xϕ−1
k (u)(J) =Xu(ϕk(J)). Donc le change- ment d'indicev=ϕk(u)donne :
Zk(J) = X
u∈Un
Xu(J)ϕk(u) = X
v∈Un
Xϕ−1 k (v)(J)v
= X
v∈Un
Xv(ϕk(J))v=Z1◦ϕk(J).
c. Ainsi, commeϕk est bijective, alorsZk(Ω) =Z1(Ω)et pour toutz∈Zk(Ω): {Zk =z}={Z1◦ϕk=z}=ϕk({Z1=z}).
Commeϕk est bijective, alors les ensembles{Z1=z}etϕk({Z1=z})ont même cardinal, donc même probabilité :
P(Zk =z) =P(Z1=z).
DoncZk et Z1ont même loi.
3. SoitJ∈Ω. Notons PJ le polynôme :
PJ =
n−1
X
k=0
Xξkξk = X
u∈Un
Xu(J)uk =Zk(J).
D'après la partie I : :
D(J) =
n−1
Y
p=0
|PJ(ξp)|=
n−1
Y
k=0
|Zk(J)|.
Mais pour toutk∈J1,n−12 K:
Zn−k(J) = X
u∈Un
Xu(J)un−k = X
u∈Un
Xu(J)u−k = X
u∈Un
Xu(J)uk =Zk(J).
Donc en particulier :|Zk(J)|=|Zn−k(J)|. Ainsi :
|Z1(J)|=|Zn−1(J)|,|Z2(J)|=|Zn−2(J)|, ..., Zn−1
2 (J) =
Zn+1
2 (J) . Donc :
D(J) =|Z0(J)|
n−1 2
Y
k=1
|Zk(J)|2.
4. Soitt >0. Alors :
{M ≥t}=
n−1 2
[
k=1
{|Zk|2≥t}
donc :
P(M ≥t)≤
n−1 2
X
k=1
P(|Zk|2≥t) =n−1
2 P(|Z1|2≥t)
puisque lesZk ont la même loi queZ1. Mais commeZ1a la même loi que la variable aléatoireZ introduite dans la partie II, alors :
P(|Z1|2≥t)≤4e−2nt donc :
P(M ≥t)≤2(n−1)e−2nt . 5. Il sut de remarquer que pour toutJ ∈Ω:
|D(J)| ≤ |Z0(J)| |M(J)|n−12 .
Comme|Z0(J)| ≤n, alors|D(J)| ≤nM(J)n−12 . Donc :
{D≥ntn−12 } ⊂ {nMn−12 ≥ntn−12 }={M ≥t}
donc :
P(D≥ntn−12 } ≤2(n−1)e−2nt . 6. a. Par dénition de l'espérance :
E(W) = X
w∈W(Ω)
wP(W =w) =
p
X
k=0
X
w∈W(Ω)∩[p,p+1[
wP(W =w).
Mais pour toutk∈J0, pK: X
w∈W(Ω)∩[k,k+1[
wP(W =w)≤(k+ 1) X
w∈W(Ω)∩[k,k+1[
P(W =w)
= (k+ 1)P(k≤W < k+ 1)
= (k+ 1)[P(W ≥k)−P(W ≥k+ 1)]
Cela donne le résultat souhaité.
b. Coupons la somme en deux, eectuons un changement d'indice dans la deuxième somme puis regroupons les termes :
E(W)≤
p
X
k=0
(k+ 1)[P(W ≥k)−P(W ≥k+ 1)]
=
p
X
k=0
(k+ 1)P(W ≥k)−
p
X
k=0
(k+ 1)P(W ≥k+ 1)
=
p
X
k=0
(k+ 1)P(W ≥k)−
p+1
X
l=1
lP(W ≥l) (l=k+ 1)
=
p
X
k=0
(k+ 1)P(W ≥k)−
p
X
k=1
kP(W ≥k) (P(W ≥p+ 1) = 0)
=P(W ≥0) +
p
X
k=1
[(k+ 1)−k]P(W ≥k)
= 1 +
p
X
k=1
P(W ≥k) (P(W ≥0) = 1)
7. a. Pour toutk ∈ J0, n−1K, pour toutJ ∈Ω, |Zk(J)| ≤ n (inégalité triangulaire) donc0≤D(J)≤nn.
b. D'après la question précédente :
E(D)≤1 +
nn
X
k=1
P(D≥k).
Mais d'après la question 5, en posantt= nkn−12 :
P(D≥k) =P(D≥ntn−12 )≤2(n−1)e−2nt =e−(kn)n−12
2n
donc :
E(D)≤1 + 2(n−1)
nn
X
k=1
e−(nk)n−12
2n
c. Un intégration par parties donne pourk≥1 : Z k/2
0
tne−tdt= [−ktk−1e−t]k/20 +k Z k/2
0
tk−1e−tdt.
Comme :
[−ktk−1e−t]k/20 =−k k
2 k−1
e−k/2≤0 donc :
Z k/2 0
tke−t dt≤k Z k/2
0
tk−1e−tdt.
Une simple récurrence montre alors que : Z k/2
0
tke−tdt≤k!
Z k/2 0
e−t dt
| {z }
=1−e−k/2≤1
≤k!.
d. Notons i l'intégrale à calculer. Eectuons d'abord le changement de variables ny=x,ndy=dx. Alors :
I=n Z nn−1
0
e−y
n−12 2n dy.
Eectuons ensuite le changement de variablestn−12 =y, n−12 tn−32 dt=dy:
I= n(n−1) 2
Z n2 0
e−2nt tn−32 dt.
Eectuons enn le changement de variables2nu=t,2ndu=dt:
I=n(n−1) 2
Z n/2 0
e−u(2nu)n−32 (2n)du=n(n−1)(2n)n−12 2
Z n/2 0
e−uun−32 du
donc d'après la question précédente :
I≤n(n−1)
2 (2n)n−12
n−3 2
! =n n−1
2
!(2n)n−12 .
e. Notons f : x ∈R 7→e−(
x n)
n−12
2n . Cette fonction est décroissante donc pour tout k∈J1, nnK:
f(k) = Z k
k−1
f(k)dx≤ Z k
k−1
f(x)dx.
Donc en sommant, la relation de Chasles donne :
nn
X
k=1
f(k)≤ Z nn
0
f(x)dx.
La question 7 appliquée àW =D et le calcul précédent donnent la majoration souhaitée.