Probl ˜ A¨me 1.
PARTIE I
1. Covariance des variables al´eatoires X et Y a. On a
Cov(X, Y) =E[(X−E(X))(Y −E(Y))] =E(XY)−E(X)E(Y).
b. PourZ une variable al ˜A catoire sur un espace probabilis ˜A cfini, on a : Cov (Z, Z) =E Z2
−E(Z)2=V (Z) donc
Cov(λX+Y, λX+Y) =V(λX+Y) et
V(λX+Y) =E
(λX+Y)2
−E(λX+Y)2
=E λ2X2+ 2λXY +Y2
−[λE(X) +E(Y)]2
=λ2E X2
+2λE(XY)+E Y2
−λ2E(X)2−2λE(X)E(Y)−E(Y)2
=λ2V (X) + 2λCov (X, Y) +V (Y) c. Comme une variance est positive ou nulle, le polynˆomeP, d ˜A cfini pour
λ∈R, par
P(λ) =λ2V (X) + 2λCov (X, Y) +V (Y)
est positif ou nul et de degr ˜A cdeux carV(X)6= 0. D’o ˜A1sondiscriminantestn´egatif ounul.DoncCov(X, Y)2≤ V(X)V(Y)
On a ´egalit´e si et seulement si ∆ = 0 c’est ˜A dire s’il existe λtel que V(λX+Y) = 0. Ce qui ´equivaut `aλX+Y constante presque surement.
Il y a ´egalit´e si et seulement si il existe (λ, µ)∈R2 tel queY =λX+µ presque surement.
2. Coefficient de corr´elation lin´eaire des variables al´eatoires X et Y.
a. Comme
Cov (X, Y)2≤V (X)V(Y)
alors
Cov (X, Y)2 V(X)V(Y) ≤1 et, en prenant la racine,
Cov (X, Y) σ(X)σ(Y)
≤1
D’o ˜A1 ρ∈[−1,1]etl0onaρ=±1⇐⇒ρ2= 1⇐⇒Cov (X, Y)2=V(X)V(Y)D’apr ˜A¨s la question pr ˜A cc ˜A cdente, ρ∈[−1,1] si et seulement si il existe des constantes λet µtelles queY =λX+µpresque surement.
SiX etY sont ind´ependantes, Cov (X, Y) = 0 et doncρ= 0.
PARTIE II
1. Calculs pr´eliminaires
a. Montrons le r ˜A csultat par r ˜A ccurrence surn.
Pourn=qon a :
q
X
k=q
k q
= q
q
= 1 = q+ 1
q+ 1
Soitn≥qtel que
n
X
k=q
k q
= n+ 1
q+ 1
alors
n+1
X
k=q
k q
=
n
X
k=q
k q
+ n+ 1
q
= n+ 1
q+ 1
+ n+ 1
q
= n+ 2
q+ 1
D’o ˜A1laf ormuledemandA˜eparrc A˜currence.c b. En prenantq= 1, on trouve :
n
X
k=1
k 1
=
n
X
k=1
k= n+ 1
2
=(n+ 1)n 2 pourq= 2 :
n
X
k=2
k 2
=
n
X
k=2
k(k−1)
2 =
n+ 1 3
= (n+ 1)n(n−1) 3·2 et donc
n
X
k=2
k(k−1) = (n+ 1)n(n−1) 3 on obtient aussi
n
X
k=1
k2=
n
X
k=2
k(k−1) + 1 +
n
X
k=2
k
!
=(n+ 1)n(n−1)
3 +(n+ 1)n 2 D’o ˜A1
n
P
k=1
k2= n(n+1)(2n+1)
6 enf inpourq=3 :
n
X
k=3
k 3
=
n
X
k=3
k(k−1) (k−2)
3·2 =
n+ 1 4
=(n+ 1)n(n−1) (n−2) 4·3·2
et donc
n
X
k=3
k(k−1) (k−2) = (n+ 1)n(n−1) (n−2) 4
2. Lois conjointe et marginales des variables al´eatoires N1 etN2. a. Les num´eros pr´esents dans l’urne sont ´equiprobables donc
P (N1=i) = 1 n pour 16i6n.
On obtient de m ˜Aame
PN1=i(N2=j) = 1
n−1 pour 16j6n, j6=i et PN1=j(N2=j) = 0 car la boulej est retir´ee de l’urne.
La famille (N1=i)i∈[[1,n]] est un syst`eme complet d’´ev´enements donc P (N2=j) =
n
X
i=1
PN1=i(N2=j) P (N1=i)
=
n
X
i=1
1 n−1·1
n+ PN1=j(N2=j) P (N1=j) = (n−1) 1 n−1·1
n = 1 n
La loi deN2 est donc la mˆeme que celle deN1. b. On aE(N1) =E(N2) =n+12 (loi uniforme sur [[1, n]] )
E N12
=
n
X
k=1
k2 n = 1
n
n(n+ 1) (2n+ 1)
6 = (n+ 1) (2n+ 1) 6 et
V(N1) =E N12
−E(N1)2=(n+ 1) (2n+ 1)
6 −
n+ 1 2
2
=n+ 1
12 (4n+ 2−3n−3) = n2−1 12 D’o ˜A1 E(N1) =E(N2) = n+ 1
2 etV(N1) =V(N2) =n2−1 12 c. On a
P ((N1=i)∩(N2=j)) = 0 si i=j (´ev´enement impossible) Pouri6=j
P ((N1=i)∩(N2=j)) = P (N1=i) PN1=i(N2=j) = 1 n(n−1) On a alors
E(N1N2) =
n
X
i=1 n
X
j=1
i j P ((N1=i)∩(N2=j))
=
n
X
i=1
i
n
X
j=1j6=i
j P ((N1=i)∩(N2=j)) + 0
=
n
X
i=1
i 1
n(n−1)
n
X
j=1
j−i
=
n
X
i=1
in(n+ 1) 2n(n−1) −
n
X
i=1
i2 1 n(n−1)
= n2(n+ 1)2
4n(n−1) −n(n+ 1) (2n+ 1) n(n−1) 6
= (n+ 1)
(n−1) 12 3 n+n2
−2 (2n+ 1)
= (n+ 1)
(n−1) 12 3n2−n−2
= (n+ 1) (3n+ 2) (n−1)
(n−1) 12 = (n+ 1) (3n+ 2) 12
On a doncE(N1N2) =(n+ 1) (3n+ 2)
12 .
La covariance deN1et N2 vaut
Cov (N1, N2) =E(N1N2)−E(N1)E(N2)
= (n+ 1) (3n+ 2)
12 −(n+ 1)2
4 = (n+ 1)
12 [3n+ 2−3n−3]
=−n+ 1 12 On a donc Cov (N1, N2) =−n+ 1
12 et ρ(N1, N2) = Cov (N1, N2)
pV (N1)V(N2) =−n+ 1 12
12
n2−1 =− 1 n−1 Le coefficient de corr´elation lin´eaire deN1et N2vaut donc − 1
n−1 d. On a alors
V(N1+N2) =V (N1) +V(N2) + 2Cov (N1, N2)
= 2n2−1
12 −2n+ 1
12 =n+ 1
6 (n−1−1) = (n+ 1) (n−2) 6 D’o ˜A1 V(N1+N2) =(n+ 1) (n−2)
6
3. Lois conjointe, marginales et conditionnelles deX etY a. Soit (i, j)∈[[1, n]]2.
Pour 16i < j6n, l’ ˜A cv ˜A cnement ((X =i)∩(Y =j)) correspond A l’ ˜˜ A cv ˜A cnement«le plus grand vautj et le plus petit vauti» et comme on a bieni < j l’ ˜A cv ˜A cnement ((X =i)∩(Y =j)) corres- pond donc ˜A «un num ˜A cro vautiet l’autrej» c’est ˜A dire
((N1=i)∩(N2=j))∪((N1=j)∩(N2=i)) C’est une union de deux ˜A cv ˜A cnements incompatibles donc
P ((X =i)∩(Y =j))
= P ((N1=i)∩(N2=j)) + P ((N1=j)∩(N2=i)) = 2 n(n−1)
Sinon, l’´ev´enement est impossible et la probabilit´e est nulle.
b. Les lois deX et deY sont les lois marginales du couple donc, pourj≥2 P (Y =j) =
n
X
i=1
P ((X =i)∩(Y =j)) =
j−1
X
i=1
2
n(n−1)+ 0
= 2 (j−1)
n(n−1) (on a bienj−1≥1) et pourj= 1 on P (Y = 1) = 0, ce que donne encore la formule.
Pouri≤n−1 P (X =i) =
n
X
j=1
P ((X =i)∩(Y =j)) =
n
X
j=i+1
2
n(n−1) + 0
= 2 (n−(i+ 1) + 1)
n(n−1) (on a bien i+ 1≤n) qui donne bien 0 pouri=n.
D’o ˜A1, pourietjdansJ1, nK, P (Y =j) = 2 (j−1)
n(n−1) P (X =i) = 2 (n−i) n(n−1) c. Pour 16i < j6n:
On peut utiliser que :
PY=j(X =i) =P ((X=i)∩(Y =j))
P (Y =j) =
2 n(n−1)
2(j−1) n(n−1)
= 1
j−1 Ou remarquer directement que, quand Y =j, le plus petit num ˜A cro tir ˜A c peut prendre toutes les valeurs de J1, j−1K et ceci de fa¸con
´equiprobable.
Donc
PY=j(X=i) = 1
j−1 pour i∈[[1, j−1]]. et de mˆeme
PX=i(Y =j) = 1 n−i
D’o ˜A1Y, conditionnA˜parX=i, suitlaloiunif ormesur[[ic + 1, n]]
d. En notant Ω l’univers, on aX(Ω) = [[1, n−1]] donc (n+ 1−X) (Ω) = [[2, n]] =Y (Ω)
Pour 26j6non a
P (n+ 1−X =j) = P (X =n+ 1−j)
=2 (n−(n+ 1−j))
n(n−1) car 1≤n+ 1−j≤n−1
= 2 (j−1)
n(n−1) = P (Y =j) On en d ˜A cduit que n+ 1−X etY ont la mˆeme loi. ,
Les deux variables al ˜A catoires ont donc mˆeme esp´erance et m ˜Aame variance.
OrE(n+ 1−X) =n+ 1−E(X) d’o`uE(X) =n+ 1−E(Y) etV (n+ 1−X) = (−1)2V(X) donc
E(X) =n+ 1−E(Y) etV(X) =V (Y)
4. Esp´erances et variances des variables al´eatoires X et Y a. On revient `a la d´efintion :
E(Y) =
n
X
j=2
j2 (j−1)
n(n−1) = 2 n(n−1)
n
X
j=2
j(j−1)
= 2
n(n−1)
(n+ 1)n(n−1)
3 par II1b = 2
3(n+ 1) D’o`u
E(X) =n+ 1−E(Y) = 1 3(n+ 1)
b. On a :
E[Y (Y −2)] =
n
X
j=2
j(j−2) 2 (j−1) n(n−1)
= 2
n(n−1)
n
X
j=2
j(j−1) (j−2)
= 2
n(n−1)
(n+ 1)n(n−1) (n−2)
4 ( par II1b)
=(n+ 1) (n−2) 2 Or
E[Y (Y −2)] =E
Y2−2Y
=E Y2
−2E(Y) et E Y2
=E
Y2−2Y
+ 2E(Y) donc
E Y2
=(n+ 1) (n−2)
2 +4
3(n+ 1) = (n+ 1)
6 (3n−6 + 8)
= (n+ 1) (3n+ 2) 6 et
V(Y) =E Y2
−E(Y)2=(n+ 1) (3n+ 2)
6 −4
9(n+ 1)2
=n+ 1
18 (9n+ 6−8n−8) = (n+ 1) (n−2) 18 Conclusion : V(X) =V (Y) =(n+ 1) (n−2)
18
5. Covariance et coefficient de corr´elation lin´eaire de X etY
a. CommeX est l’une des deux valeur etY l’autre alorsX+Y =N1+N2 Donc
V (X+Y) =V (N1+N2) = (n+ 1) (n−2) 6
D’autre partV(X+Y) =V(X) +V(Y) + 2Cov (X, Y) donc Cov (X, Y) = 1
2[V(X+Y)−V (X)−V(Y)]
= 1 2
(n+ 1) (n−2)
6 −2(n+ 1) (n−2) 18
=(n+ 1) (n−2) 2·18 Conclusion : Cov (X, Y) = (n+ 1) (n−2)
36 b. On a alors
ρ(X, Y) = Cov (X, Y)
pV (X)V (Y)= (n+ 1) (n−2) 36
18
(n+ 1) (n−2) =1 2 On a donc ρ(X, Y) = 1
2 (ce qui est bien ind´ependant den)
Probl ˜ A¨me 2.
Partie I. Des tableaux entiers particuliers.
1. Exemples.
a. On commence par compl ˜A cter les bords avec 0, 1, 2, 3, 4 et 4, 4, 4, 4.
Comme les sauts (de gauche ˜A droite et de bas en haut) sont de 0 ou de 1. On compl ˜A¨te ensuite la ligne d’index 2, les colonnes d’index 2 et 3. Les valeurs ded(1,1) etd(3,3) sont ˜A cglement contraintes.
4 4 4 4 4 4
3 3 A˜ 4 4 4
2 2 3 4 4 4
1 1 2 3 A˜ 4
0 0 1 2 3 4
ji 0 1 2 3 4
Les valeurs ded(1,3) etd(3,1) sont ˜A choisir parmi 3 et 4. On peut donc former quatreDtableaux ˜A partir de la donn ˜A ce de l’ ˜A cnonc ˜A c.
b. Pour montrer queµest unD-tableau, on remarque d’abord que si un des deux indices est nul, le plus grand des deux est l’autre doncµ(k,0) = µ(0, k) = k. De m ˜Aame, si l’un des deux est n c’est le plus grand : µ(k, n) =µ(n, k) =n. De plus, si un des deux indices augmente de 1, le plus grand des deux augmente de 0 ou de 1.
De m ˜Aame,µaugmente de 1 au plus lorsque l’un des indices augmente de 1. D’autre part,µ(0, k) =µ(0, k) = min(k, n) =ket si un des indices estnla somme des deux est sup ˜A crieure ˜A n doncµ(n, k) =µ(, k) = min(n+k, n) =n.
Les fonctionsµet µsont bien desD-tableaux.
2. a. On utilise le fait que la valeur de dd’une case ˜A l’autre n’augmente que de 1 au plus.
d(i, j) = (d(i, j)−d(i−1, j)) +· · ·+ (d(1, j)−d(0, j))
| {z }
itermes≤1
+d(0, j)
=j
≤i+j⇒d(i, j)≤µ(i, j)
d(i, j) = (d(i, j)−d(i+ 1, j)) +· · ·+ (d(n−1, j)−d(n, j))
| {z }
n−itermes≥−1
+d(n, j)
=n
≥ −n+i+n=i En raisonnant de m ˜Aame entre (i, j) et (n, j) on montre qued(i, j)≥j.
On en d ˜A cduitµ(i, j)≤d(i, j).
b. D’apr ˜A¨s les conditions impos ˜A ces, six tableaux sont possibles : δ δ
δ δ
δ δ
δ−1 δ
δ−1 δ δ−1 δ
δ δ
δ−1 δ−1
δ−1 δ δ−1 δ−1 δ−1 δ
δ−2 δ−1 ,
3. a. Pour justifier la d ˜A cfinition de ϕd, il suffit de remarquer que pour tout i, il existe un j tel que d(i−1, j) = d(i, j) ˜A savoir j = n.
L’ensemble de cesj A c˜tant une partie deJ0, nK, il admet bien un plus petit ˜A cl ˜A cment. Le raisonnement est le m ˜Aame pourϕ∗d. Pour tout j, il existe au moins univ ˜A crifiant la relation ˜A savoiri=n.
b. Dans chaque colonne de 1 ˜A 4 du tableau donn ˜A c, on doit chercher en partant du haut le dernier terme ˜A cgal ˜A celui ˜A sa gauche. On
en d ˜A cduit :
ϕd(1) = 4, ϕd(2) = 3, ϕd(3) = 1, ϕd(4) = 2,
c. Pour calculerϕµ(j), on cherche le plus petit des itel queµ(i−1, j) = µ(i, j) c’est ˜A dire tel que max(i−1, j) = max(i, j). Or
i≤j⇒max(i−1, j) =j= max(i, j) i=j+ 1⇒max(i−1, j) =i−1<max(i, j) =i
)
⇒ϕµ(j) =j.
La fonctionϕµ est donc l’identit ˜A cdeJ0, nK. 4. Soitj∈J1, nK, notonsi0=ϕ∗d(j0) etj1=ϕd(i0).
Examinons la d ˜A cfinition dei0A l’aide des tableaux de la question 2.b. en˜ notantδ=d(i0, j0).
d(i0, j0−1) =d(i0, j0) d(i0−1, j0−1)6=d(i0−1, j0)
)
⇒ tableau de la forme x δ
y δ avecx6=y
⇒
(x=δ y=δ−1 ⇒
( d(i0−1, j0) =d(i0, j0) d(i0−1, j0−1) =d(i0, j0)−1 Par d ˜A cfinition de ϕd : d(i0−1, j0) =d(i0, j0) entra ˜AneR j1 ≤j0 carj0
est alors unj tel qued(i0−1, j) =d(i0, j) etj1 est le plus petit de cesj.
On ne peut en d ˜A cduire quej1=j0car il est possible qu’il existe unj < j0
tel que d(i0−1, j) = d(i0, j) (dans l’exemple de la question I.3.b : j0 = 4, i0= 2,j1= 2).
Partie II. Bases et sous-espaces engendr ˜A cs.
1. a. SiB =A alors Ai =Bi pour tous les i donc Ai+Bj = Amax(i,j) et d=µ.
b. CommeA0 =B0={0E}, An =Bn =E et dim(Ak) = dim(Bk) =k, les conditions impos ˜A ces auxD-tableaux se v ˜A crifient facilement :
∀k∈J0, nK:
(dim(Ak+B0) = dim(A0+Bk) =k
dim(Ak+Bn) = dim(An+Bk) = dim(E) =n
Comme de plus dim(Ak) = dim(Bk) = k, la dimension de Ai+Bj
augmente de 1 au plus lorsque l’un des deux indices augmente de 1.
c. On consid ˜A¨re iciietj dansJ1, nKtels que d(i−1, j) =d(i, j).
Notons δ=d(i, j) et formons les tableaux de valeurs possibles pour d sur{i−1, i} × {j, j+ 1}comme en I.2.b. `A priori il y en a trois :
δ δ δ δ
δ+ 1 δ+ 1
δ δ
δ δ+ 1
δ δ
Mais le troisi ˜A¨me est impossible car il correspond ˜A un cas o ˜A1dim(Ai−1+Bj) = dim(Ai+Bj) = dim(Ai−1+Bj+1) `A cause des inclusions entre eux, les sous-espaces sont ˜A cgaux
Ai−1+Bj=Ai+Bj=Ai−1+Bj+1
On en tire Bj+1 ⊂ Ai+Bj d’ou Ai+Bj+1 = Ai+Bj en contradiction avec l’in ˜A cgalit ˜A cdes dimensions.
Ainsi, si une ˜A cgalit ˜A cd(i−1, j) =d(i, j) est v ˜A crifi ˜A ce pour un certainj, elle est valable aussi pourj+ 1 doncpour tous lesj plus grands.
On peut revenir alors sur la question I.4. o ˜A1l0onsetrouvaitdanslaconf igurationd(i0− 1, j0) =d(i0, j0) et d(i0−1, j0−1)< d(i0, j0−1)et en d ˜A cduire cette fois quej0 est bien le plus petit desj pour lesquelsd(i−1, j) =d(i, j).
On a montr ˜A cquej1=j0 c’est ˜A direϕd◦ϕ∗d = Id
J1,nK. On en d ˜A cduit que ϕd est surjective. Or une application surjective d’un ensemble fini dans lui m ˜Aame est bijective doncϕd est bijective de bijection r ˜A cciproqueϕ∗d.
1. On utilise la formule sur la dimension d’une somme de deux sous-espaces dans la d ˜A cfinition deσ(i) (les dimBσ(i) se simplifient) :
dim(Ai−1+Bσ(i)) = dim(Ai+Bσ(i))
⇒dim(Ai−1) + dim(Bσ(i))−dim(Ai−1∩Bσ(i))
= dim(Ai) + dim(Bσ(i))−dim(Ai∩Bσ(i))
⇒dim(Ai−1)−dim(Ai−1∩Bσ(i)) = dim(Ai)−dim(Ai∩Bσ(i)) On conclut par :
dimAi= dimAi−1+ 1⇒dim(Ai∩Bσ(i)) = dim(Ai−1∩Bσ(i)) + 1 2. Comme, ˜A cause des dimensions, Ai−1∩Bσ(i)est une partie stricte deAi∩
Bσ(i), il existe desei dansAi∩Bσ(i)mais pas dansAi−1∩Bσ(i).
1. On raisonne par r ˜A ccurrence suri. Le vecteure1est non nul dansA1∩Bσ(1) donc (e1) est une famille libre de vecteurs de A1. C’est bien une base car dimA1= 1.
Supposons que (e1,· · ·ei−1) soit une base de Ai et consid ˜A crons ei. Par hypoth ˜A¨se il appartient ˜A Ai∩Bσ(i) mais pas ˜A Ai−1∩Bσ(i). Comme il appartient ˜A Ai, la famille (e1,· · · , ei) est une famille ˜A i A c˜l ˜A cments dansAi. Comme d’autre part il n’appartient pas ˜A Ai−1= Vect(e1· · ·, ei−1), on peut utiliser une propri ˜A ct ˜A cusuelle du cours :
(e1,· · ·ei−1) libre ei∈/ Vect(e1· · ·, ei−1)
)
⇒(e1,· · ·ei) libre
On en d ˜A cduit que (e1,· · ·ei) est une base deAi cari= dimAi.
2. La famille (e01,· · ·, e0n) est obtenue par permutation des vecteurs de la base (e1,· · ·, en). C’est donc aussi une base ; en particulier elle est libre ainsi que les familles (e01,· · ·, e0i).
La condition de la question 2.b. est valable pour tous les i. En substituant σ−1(i) ˜A i, on d ˜A cduit
e0i∈Aσ−1(i)∩Bi
De B1 ⊂ · · · ⊂ Bi, on tire que e0k ∈ Bi pour k entre 1 et i. La famille (e01,· · ·, e0i) est donc une famille libre deBiqui est de dimensioni; c’est une base de ce sous-espace.
Partie III. Aspect matriciel
1. a. La matriceM Pσest obtenue ˜A partir deM en permutant ses colonnes.
Plus pr ˜A ccis ˜A cment, la colonneideM Pσ est la colonneσ(i) deM. On remarque en particulier quePσ=I Pσ est obtenue en permutant les colonnes de la matrice identit ˜A c.
b. On peut appliquer la question pr ˜A cc ˜A cdente, en d ˜A csignant par Ci(M) la colonne id’une matriceM :
Ci(PϕPθ) =Cθ(i)(Pϕ) =Cϕ(θ(i))(I) =Cϕ◦θ(i))(I) =Ci(Pϕ◦θ) On en d ˜A cduitPϕPθ=Pϕ◦θ.
2. Dans cette question, consid ˜A crons P comme la matrice de passage d’une baseA= (a1,· · · , an) dans une baseB= (b1,· · · , bn).
On est alors en mesure d’utiliser les r ˜A csultats de la partie II dont on
adopte les notations. On dispose en particulier d’une permutation σ, d’une baseE = (e1,· · ·, en) et de la base permut ˜A ceE0= (e01,· · · , e0n).
Pour tous lesi∈J1, nK, on a prouv ˜A cen II.3. que (e1,· · ·, ei) est une base de Ai et (e01,· · ·, e0i) est une base deBi. On en d ˜A cduit que les matrices de passage entre AetE d’une part et entreB etE0 d’autre part sont trian- gulaires sup ˜A crieures. En rempla ˜A§ant lesei par desλiei avec desλi bien choisis, on peut supposer que les matrices de passage entreAetE n’ont que des 1 sur la diagonale.
PosonsU =PAE : matrice de passage deAversE.
En revanche, pour les matrices de passage entreBetE0, les termes diagonaux ne sont pas ˜A cgaux ˜A 1, ils sont seulement non nuls.
PosonsT =PE0B et ˜A ccrivons les matrices de passage comme des matrices de l’identit ˜A c dans des bases distinctes pour l’espace de d ˜A cpart et d’ar- riv ˜A ce
P = Mat
BA Id
E =
MatEA Id
E Mat
E0E Id
E Mat
BE0 Id
E
=PAEPEE0PE0B=U Pσ−1T