• Aucun résultat trouvé

FICHE N ~ #6 DEVOIR MAISON

N/A
N/A
Protected

Academic year: 2022

Partager "FICHE N ~ #6 DEVOIR MAISON"

Copied!
10
0
0

Texte intégral

(1)

math-facile-w

adeps.site

FICHE N ~ #6 DEVOIR MAISON

Terminale S

Autour de ζ (2p) =

P

n 1

2p

15 Janvier 2020

P. S. WADE

ps.wade@math-facile-wadeps.site

Instagram: @maths_psw FB: fb.me/MathsFacilesWadePs

(2)

math-facile-w

adeps.site

*@MATH_PSW*

***

LEARNING TO TEACH MACHINES TO LEARN MATHS FOR I.A

N

lim

−→∞

N Y

i=1 N X

i=0 Z

insta : @Maths_PSWdx

Exercice I: Etude de la suite U

n

=

Pn1 k12

et determiner sa limite lorsque x tend vers l’infini

Q1)

On considère la fonction fn définie par: pour tout x∈[0,π2] fn(x) = Pnk=1cos(kx).

Déterminerf(0), puis fn(x) en fonction de sin(x) et sin(2n+ 1)x pour tout x∈]0,π2].

Q2)

Soient deux réels α etβ. On considère la fonction h définie sur [0, π] par:

( h(x) = αx+βxsin(x)2 h(0) =α

Montrer que la fonction hest dérivable sur [0,π2] et sa fonction dérivé h0 est continue sur [0,π2] Q3)

Pour tout n∈N∗ on définit

H(x) =

Z π

2

0

h(x)sin(nx)dx.

Montrer qu’il existe un K ne dépendant pas de n tel que|H(x)| ≤ Kn. Q4)

Soit

J(K, α, β) =

Z π

2

0

(αx+βx2)cos(2kx)dx.

Déterminer un couple de réels (α∗, β∗) tel que J(K, α∗, β∗) = 4k12.

@maths_psw

(3)

math-facile-w

adeps.site

Q5) Soit

Un=

Z π

2

0

(x2

πx)fn(x)dx.

Montrer que

Un=

n

X

k=1

1 k2.

En déduire que (Un) est convergente et déterminer sa limite U.

Exercice II: La famille Exponentielle Canonique

• Définition 1

On appelle famille exponentielle canonique associée au couple (T, h) à n-paramètres, la fonction dépendant de θ donnée par l’expression suivante:

fθ(x) = h(x)exp

" n X

i=1

ηi(θ)Ti(x)−A(θ)

#

.

η(.) A(.) sont des fonctions du paramètre (dépendant uniquement de) θ et Ti(.) des statistiques.

Exemples:

* Loi exponentielle:

f

θ

(x) = 1

θ e

−x/θ

= exp

"

− 1

θ xlog(θ)

#

Ici n vaut 1, η(θ) =

1θ

, T

1

(x) = x, A(θ) = log(θ) et h(x) = 1

* Loi Bernoulli:

f

θ

(x) = θ

x

(1 − θ)

n−x

@maths_psw

(4)

math-facile-w

adeps.site

Considèreront maintenant la famille exponentielle à 1-paramètre, soient T : N −→ R et h : N−→R+ deux fonctions. :

fθ(x) = h(x)exp[η(θ)T(x)−A(θ)].

Q1) Montrer que, dans le cas de la loi de Bernoulli, l’expression de la famille exponentielle peut s’écrit sous la forme :

fθ(x) = exp

"

xlog θ 1−θ

!

+nlog(1θ)

#

.

Préciser les paramètres n, η(.), T(.), A(.), et h(.) du modèle exponentiel associé.

Q2)

Soit la fonctionqθ définie par:

qθ(x) =h(x)exp[η(θ)T(x)−A(θ)] (1)

Montrer que la loi Poisson définit un modèle exponentiel avec η(θ) = log(θ), A(θ) = θ, T(x) =x, h(x) = 1

x!.

Rappel: La fonction associé à la loi de Poisson est donnée par: fθ(x) = e−θ θx!x. Préciser les paramètres du modèle exponentiel canonique associé.

Q3)Montrer que la loi binomiale définit également un modèle exponentiel avec η(θ) = log( θ

1−θ), A(θ) =−nlog(1−θ), T(x) =x, h(x) = n x

!

.

Préciser le modèle exponentiel canonique associé.

• Définition 2: Maximum de vraisemblance

Soit X une variable aléatoire et θ un paramètre, pour n observations (x1, x2, x3, ..., xi, ..., xn) avec X = (x1, x2, x3, ..., xi, ..., xn), le nombre

L(x1, x2, x3, ..., xi, ..., xn;θ) = fθ(x1fθ(x2fθ(x3...×fθ(xi...×fθ(xn) (2)

=

n

Y

i=1

fθ(xi) (3)

On cherche à trouver le maximum de cette vraisemblance pour que les probabilités des réal- isations observées soient aussi maximum. Ceci est un problème d’optimisation.

On utilise généralement le fait que si L est dérivable (ce qui n’est pas toujours le cas) et si L

(5)

math-facile-w

adeps.site

admet un maximum global en une valeur θ = ˆθ , alors la dérivée première s’annule en θ = ˆθ et la dérivée seconde est négative.

Réciproquement, si la dérivée première s’annule en θ = ˆθ et que la dérivée sec- onde est strictement négative en θ = ˆθ , alors θ = ˆθ est un maximum local de L(x1, x2, x3, ..., xi, ..., xn;θ).

@maths_psw

Exemple: Loi exponentielle

On souhaite estimer le paramètreθd’une loi de Poisson à partir d’un n-échantillon (population) : fθ(x) = Pθ(X =x) = e−θθx

x!

L(x1, ..., xi, ..., xn;θ) =

n

Y

i=1

e−θθxi

xi! =e−nθ

n

Y

i=1

θxi xi!. La vraisemblance étant positive, on considère son logarithme naturel :

L(x1, x2, x3, ..., xi, ..., xn;θ) = lne−θn+ ln

n

Y

i=1

θxi

xi! (4)

=−θn+

n

X

i=1

lnθxi

xi! (5)

Q4) Soit la fonction g définie par :

g(θ) =−θn+

n

X

i=1

lnθxi xi! (a) Déterminer la fonction dérivé de g, on le notera G.

(b) Résoudre l’équation G= 0. On notera ˆθ la solution.

(c) Vérifier que la dérivé seconde de la fonction g est négatif.

(d) En déduire que la fonction g admet un maximum.

Q5) Déterminer le maximum de vraisemblance du paramètre θ de la fonction qθ de l’équation (1).

Remarque:

Dans cet exercice (exercice 2) vous venez de résoudre un véritable problème de statistique liée à la science de données (ou data science en anglais). Ainsi La science des données et le machine learning (ou apprentissage automatique) sont deux mots très en vogue lorsque l’on parle de la révolution des masses de données, de prédiction des comportements ou tout simplement de la transformation numérique des entreprises avec l’essor du Big data.

Ceci est un très bon début pour ceux qui veulent s’orienter dans le domaine de la science des données dans l’avenir

@maths_psw

(6)

math-facile-w

adeps.site

Problème***: Irrationalité de la limite U de l’exo I

Préparation de concours : L’objectif du problème, avec dépendances des parties, est d’établir une formule permettant de calculer les nombres ζ(2p), définis pour tout entier naturel p supérieur ou égal à 2 par:

ζ (p) = lim

n−→∞

n X

k=1

1 k

p

.

• Partie I: Étude de la convergence de la suite

Pnk=1 1 kp

n∈N

Dans cette partie, on considère un entier naturel p supérieur ou égal à 2 et on définit la suite par:

∀n∈N, Sn(p) =

n

X

k=1

1 kp. Q1) Étudier la monotonie de suite (Sn(p))n∈

N. Q2)

(a) Montrer que pour tout entier naturel k supérieur ou égal à 1, 1

(k+ 1)p

Z k+1 k

1

tpdt≤ 1 kp.

(b) En déduire que pour tout entier naturel n supérieur ou égale à 2, Sn(p)−1≤

Z n 1

1

tpdt≤ 1 p−1. (c) Conclure que la suite (Sn(p))n∈

N converge. On noteraζ(p) sa limite.

• Partie II: Polynômes de bernoulli et nombres de bernoulli

Q3) Soit f une fonction définie et continue sur [0,1], à valeurs réelles.

Montrer qu’il existe une unique fonction F : [0,1]−→R de fonction dérivée continue sur [0,1]

telle que:

F0 =f et

Z 1 0

F(t)dt = 0.

@maths_psw

(7)

math-facile-w

adeps.site

On appelle suite de polynômes de Bernoulli une suite (Bn)n∈N de polynôme deR[X] définie par:

i) B0 = 1

ii) ∀n∈N Bn0 =nBn−1

iii) ∀n∈N, R01Bn(t)dt= 0.

Q4) Montrer les conditions i), ii), et iii) définissent une unique suite (Bn)n∈N de polynômes de R[X]. On appellera alors la suite des polynômes de Bernoulli.

Pour tout n∈N, on note : bn =Bn(0).On dit que bnest le n−ème nombre de Bernoulli.

Q5) Calculer B1 etB2. En déduire b1 etb2. Q6)

(a) Pour tout entier naturel n supérieur ou égale à 2, calculer Bn(1)−Bn(0).

(b) Monter que : ∀n ∈N, Bn(X) = (−1)nBn(1−X).

(c) Montrer alors que pour tout p∈N, b2p+1 = 0.

Q7)

(a) Montrer que pour tout n∈N, Bn(X) = nkbp−k

(b) En déduire que la suite des nombres de Bernoulli vérifie :

∀p∈N, p≥2,

p

X

k=1

p k

!

bp−k = 0.

(c) Montrer que pour tout p∈N, b2p =P2pk=02pkbk. (d) En déduire que pour toutp∈N, p≥2 on a:

b2p =− 1

(2p+ 2)(2p+ 1)

2p−2

X

k=0

2p+ 2 k

!

bk.

Ces dernières relations permettant de calculer les nombres de Bernoulli par récurrence. Elles permettent également de prouver que les nombres de Bernoulli sont rationnels.

• Partie III: Calcul de ζ (2p)

Q8) Pour tout t∈]0, π], calculer Pnk=1cos(2kt), puis déterminer une réelleλ telle que:

∀t∈]0, π],sin((2n+ 1)T) 2sin(t) =

n

X

k=1

cos(2kt) +λ.

@maths_psw

(8)

math-facile-w

adeps.site

Q9) Montrer que pour toute fonctionf : [0, π]−→Rde fonction dérivée continue sur [0, π]

on a:

n−→∞lim

Z π 0

f(t)sin((2n+ 1)t)dt= 0.

Pour tout couple (p,k) d’entiers naturels, on définit Jp,k=ROπB2p(πt)cos(2kt)dt.

Q10)

(a) A l’aide de deux intégrations par parties, calculer J1,k pour tout k ∈N. (b) Pour p∈N, p≥2, trouver une relation entreJp,k et Jp−1,k.

(c) En déduire l’expression de Jp,k en fonction de p et dek pour tout (p, k)∈N2.

Dans la suite, on considère un entier p ∈ N fixé et on définit la fonction φp : [0, π] −→ R par:

φp(0) =φp(π) = 0 et∀t ∈]0, π[, φp(t) = B2p(πt)−b2p sint(t) .

Il est admis dans la suite du problème que la fonction de dérivé de φp est continue sur [0, π].

Q11)

(a) Donner une expression de:

Z π 0

φp(t)sin((2n+ 1)t)dt en f onction de n , p et b2p.

(b) En déduire la valeur deζ(2p) en fonction de p etb2p.

(c) Donner les valeurs de ζ(2) et ζ(4).

(d)*** Par une interprétation géométrique montrer queζ(2) <2 . (On pourra considérer un rectangle de longueur 2).

En 1882, Lindemann démontra que πest transcendant. C’est-à-dire que π n’est racine d’aucun polynôme (non nul) à coefficients rationnels. Ce résultat a permis de prouver que tous les nom- bresζ(2n) sont irrationnels. Le premier résultat concernant lesζ(2n+1) n’est arrivé qu’en 1978, lorsque Apéry démontra queζ(3) est irrationnel. Il aura fallu plus d’un siècle pour obtenir un résultat concernant l’irrationalité des ζ(2n+ 1). Ces nombres restent encore très mystérieux à l’heure actuelle. En 2001, Zuidilin a montré qu’au moins un nombre parmiζ(5), ζ(7), ζ(9), ζ(11) est irrationnel.

• Partie Iv: Irrationalité de ζ (2)

Dans cette partie, n désigne un entier naturel non nul et pour toutx réel, on pose fn(x) = xn(1−x)n

n! .

@maths_psw

(9)

math-facile-w

adeps.site

Q12) Soit n ∈N.

(a) Montrer qu’il existen+ 1 entiersen, en+1, ..., e2n tels que, pour tout x∈R, ψn(x) = 1

n!

2n

X

i=n

eixi.

(b) Montrer que pour tout k∈N, ψ(k)n (0) est entier.

(c) En remarquant que pour tout x∈R,fn(x) =fn(1−x), montrer que fn(k)(0), est un entier.

On veut prouver que π2 est irrationnel. On va raisonner par l’absurde : supposons qu’il existe deux entiers a et b tels que la fraction ab soit irréductible (c’est-à-dire tels que pgcg(a,b)= 1) tels que π2 = ab.

Q13) Pour tout n∈N, on définit la fonction Fn surR par:

∀x∈R, Fn(x) =bnπ2nfn(x)−π2n−2fn(2)+π2n−4fn(4)(x) +...+ (−1)nfn(2n)(x). (a) Montrer que pour tout n∈N, Fn(0) et Fn(1) sont des entiers.

(b) Pour tout n∈N, on note gn la fonction définie sur Rpar:

∀x∈R, gn(x) =Fn0(x)sin(x)−πFn(x)cos(πx).

Montrer que : ∀x∈R, g0n(x) =π2anfn(x)sin(πx).

(c) Établir que:

∀n ∈N, An=πan

Z 1 0

fn(x)sin(πx)dx est un entier.

Dans la suite, on note (wn)n∈N la suite définie par: ∀n∈N, wn= an!n. Q14)

(a) Montrer qu’il existe un entier naturel n0 tel que pour tout n∈N, nn0, wn < 12. (b) Montrer que pour tout x∈[0,1], 0≤fn(x)≤ n!1.

(c) En déduire que pour toutn∈N, nn0, An∈]0,1[, puisqueπ2estirrationnel.Conclurequantàl0irrationalitédeζ(2).

(d) Peut-on déduire de ce que précède l’irrationalité de π.

∗ ∗ ∗ ∗ ∗ ∗ ∗ ∗ @maths_psw ∗ ∗ ∗ ∗ ∗ ∗ ∗ ∗

(10)

math-facile-w

adeps.site

Bon courage, vous pouvez y arriver !

********** FIN DU SUJET !

**********

@maths_psw

P S W

ps.wade@math-facile-wadeps.site

Instagram: @maths_psw

FB: fb.me/MathsFacilesWadePs

web site: math-facile-wadeps.site

Références

Documents relatifs

Une fois les colonnes découpées au maximum pour chaque webtables, il s’agit d’appareiller les colonnes les plus similaires entre les différentes webtables redécoupées..

• Non supervisés ou semi-supervisés pour le matching automatique des colonnes et la data unification Ce stage se déroulera dans les locaux du LIRIS et de LIZEO IT

Il se trouve que la méthodologie proposée dans ce travail (arbres de décision E 2 M ), conserve cette incertitude épisté- mique pendant tout le processus d’apprentissage (voir

Dans ce qui suit, nous allons mettre en évidence les difficultés rencontrées lors du traitement de cet ensemble de données en particulier, et des données médicales en général

L’archive ouverte pluridisciplinaire HAL, est destinée au dépôt et à la diffusion de documents scientifiques de niveau recherche, publiés ou non, émanant des

Nous montrons dans une dernière étape la validité de notre approche en comparant le résultat de ce clustering avec ceux obtenus dans l’espace sac de mots initial et l’espace

Découvrir des structures cachées dans les données plutôt que de « généraliser » à partir d’un corpus exemple. Il ne s’agit pas de « profiler » complètement les

Suivant les modèles, on ob- tient alors pour chaque individu de l’échantillon de test soit une estimation de la probabilité conditionnelle de survenue de l’événement de