PNS

MAM3

Mathématiques de l'ingénieur.e 1

2025-26

Exam CC no. 3

Durée 2H00. Documents non autorisés. Tous les exercices sont indépendants. Le barème prévisionnel est indiqué pour chaque exercice. Rendre sur des copies séparées les exercices 1 et 2 d'une part, 3 et 4 d'autre part.

Exercice 1 (4 points)

Soient \(f\) et \(g\) dans \(L^1(\mathbf{R})\).

1.1

Montrer que \(\hat{f}g\) et \(f\hat{g}\) sont encore dans \(L^1(\mathbf{R})\).

Réponse. Pour \(f \in L^1(\mathbf{R})\), sa transformée de Fourier \(\hat{f} \in \mathscr{C}_0(\mathbf{R})\), donc \(\hat{f}\) est bornée. Comme \(g \in L^1(\mathbf{R})\), on en déduit \(\hat{f}g \in L^1(\mathbf{R})\). De même, \(f\hat{g} \in L^1(\mathbf{R})\).

1.2

À l'aide du théorème de Fubini, montrer que \[\int_\mathbf{R} \hat{f}g\,\mathrm{d}x = \int_\mathbf{R} f\hat{g}\,\mathrm{d}x.\]

Réponse. Par définition, \(\hat{f}(x) = \int_\mathbf{R} f(y)e^{-2i\pi xy}\,\mathrm{d}y\). Donc :

\[\int_\mathbf{R} \hat{f}(x)g(x)\,\mathrm{d}x = \int_\mathbf{R} \left(\int_\mathbf{R} f(y)e^{-2i\pi xy}\,\mathrm{d}y\right)g(x)\,\mathrm{d}x\]

Pour appliquer Fubini, vérifions l'intégrabilité de \(|f(y)g(x)e^{-2i\pi xy}| = |f(y)||g(x)|\) sur \(\mathbf{R}^2\) :

\[\int_{\mathbf{R}^2} |f(y)||g(x)|\,\mathrm{d}x\,\mathrm{d}y = \left(\int_\mathbf{R} |f(y)|\,\mathrm{d}y\right)\left(\int_\mathbf{R} |g(x)|\,\mathrm{d}x\right) = \|f\|_{L^1}\|g\|_{L^1} < \infty\]

Le théorème de Fubini permet donc d'intervertir les intégrations :

\[\int_\mathbf{R} f(y)\left(\int_\mathbf{R} g(x)e^{-2i\pi xy}\,\mathrm{d}x\right)\,\mathrm{d}y = \int_\mathbf{R} f(y)\hat{g}(y)\,\mathrm{d}y\]

Exercice 2 (6 points)

2.1

Soit \(f_n(x) := (-1)^n\frac{x^n}{n+1}\), \(x \in \mathbf{R}\), \(n \geq 0\). Montrer que

\[ \sum_{n \geq 0} \int_0^1 |f_n(x)|\,\mathrm{d}x < \infty. \]

Réponse. On calcule :

\[\int_0^1 |f_n(x)|\,\mathrm{d}x = \int_0^1 \frac{x^n}{n+1}\,\mathrm{d}x = \frac{1}{n+1}\left[\frac{x^{n+1}}{n+1}\right]_0^1 = \frac{1}{(n+1)^2}\]

Donc :

\[\sum_{n \geq 0} \int_0^1 |f_n(x)|\,\mathrm{d}x = \sum_{n \geq 0} \frac{1}{(n+1)^2} < \infty\]

2.2

En déduire que l'intégrale ci-dessous est bien définie :

\[ \int_0^1 \sum_{n \geq 0} f_n(x)\,\mathrm{d}x. \]

Réponse. D'après la question 2.1, \(\sum_{n \geq 0} \int_0^1 |f_n(x)|\,\mathrm{d}x < \infty\). Par le théorème de Tonelli, on peut intervertir somme et intégrale, ce qui garantit que \(\sum_{n \geq 0} f_n\) est intégrable sur \([0,1]\), donc que \(\int_0^1 \sum_{n \geq 0} f_n(x)\,\mathrm{d}x\) est bien définie.

2.3

Déterminer la valeur de cette intégrale.

Réponse. Par interversion somme-intégrale :

\[\int_0^1 \sum_{n \geq 0} f_n(x)\,\mathrm{d}x = \sum_{n \geq 0} \int_0^1 (-1)^n\frac{x^n}{n+1}\,\mathrm{d}x = \sum_{n \geq 0} \frac{(-1)^n}{(n+1)^2} = \frac{\pi^2}{12}\]

2.4

En déduire la valeur de l'intégrale

\[ \int_0^1 \frac{\ln(1+x)}{x}\mathrm{d}x. \]

Réponse. Pour \(|x| < 1\), la série de terme général \(\frac{(-1)^n x^{n+1}}{n+1}\) converge simplement vers \(\ln(1+x)\), de sorte que \(\sum_{n \geq 0} f_n(x) = \frac{\ln(1+x)}{x}\) sur \(]0,1]\). Par conséquent : \[\int_0^1 \frac{\ln(1+x)}{x}\,\mathrm{d}x = \int_0^1 \sum_{n \geq 0} f_n(x)\,\mathrm{d}x = \frac{\pi^2}{12}\]

Exercice 3 (4 points)

3.1

Soit \(a > 0\). Déterminer la transformée de Fourier de \(h_a(x) := e^{-a|x|}\), \(x \in \mathbf{R}\).

Réponse. La fonction \(h_a\) étant paire, sa transformée de Fourier vaut : \[\hat{h}_a(\xi) = \int_\mathbf{R} e^{-a|x|}e^{-2i\pi\xi x}\,\mathrm{d}x = 2\int_0^\infty e^{-ax}\cos(2\pi\xi x)\,\mathrm{d}x\] Comme \(\cos(2\pi\xi x) = \text{Re}(e^{2i\pi\xi x})\), on a : \[\int_0^\infty e^{-ax}\cos(2\pi\xi x)\,\mathrm{d}x = \text{Re}\left(\int_0^\infty e^{-(a-2i\pi\xi)x}\,\mathrm{d}x\right) = \text{Re}\left(\frac{1}{a-2i\pi\xi}\right)\] \[= \frac{a}{a^2+4\pi^2\xi^2} \cdot\]

3.2

Soit \(\beta \in \mathbf{R}\). À l'aide de la question précédente, montrer que \[ e^{-|\beta|} = \frac{2}{\pi} \int_0^\infty \frac{\cos(\beta y)}{1+y^2}\mathrm{d}y. \]

Réponse. Par la formule d'inversion de Fourier, pour \(a = 1\) : \[e^{-|\beta|} = h_1(\beta) = \int_\mathbf{R} \hat{h}_1(\xi)e^{2i\pi\xi\beta}\,\mathrm{d}\xi = \int_\mathbf{R} \frac{2}{1+4\pi^2\xi^2}e^{2i\pi\xi\beta}\,\mathrm{d}\xi\] Par parité : \[= 2\int_0^\infty \frac{2}{1+4\pi^2\xi^2}\cos(2\pi\xi\beta)\,\mathrm{d}\xi\] En posant \(y = 2\pi\xi\), on a : \[= 2\int_0^\infty \frac{2}{1+y^2}\cos(\beta y)\frac{\mathrm{d}y}{2\pi} = \frac{2}{\pi}\int_0^\infty \frac{\cos(\beta y)}{1+y^2}\,\mathrm{d}y\]

Exercice 4 (6 points)

4.1

Soit \(\lambda > 0\) et soit \[ f_\lambda(x) := \lambda e^{-\lambda x} \chi_{[0,+\infty[}(x),\quad x \in \mathbf{R}. \] Montrer que \(f_\lambda \in L^1(\mathbf{R})\) et que \[ \int_{\mathbf{R}} f_\lambda\,\mathrm{d}x = 1. \]

Réponse. On a : \[\int_\mathbf{R} |f_\lambda(x)|\,\mathrm{d}x = \int_0^\infty \lambda e^{-\lambda x}\,\mathrm{d}x = \lambda\left[-\frac{e^{-\lambda x}}{\lambda}\right]_0^\infty = \lambda \cdot \frac{1}{\lambda} = 1 < \infty\] Donc \(f_\lambda \in L^1(\mathbf{R})\) et \(\int_\mathbf{R} f_\lambda\,\mathrm{d}x = 1\).

4.2

Soient \(\lambda\) et \(\mu\) strictement positifs, \(\lambda \neq \mu\), déterminer le produit de convolution \(f_\lambda * f_\mu\).

Réponse. Pour \(x < 0\), \(f_\lambda * f_\mu(x) = 0\) car les supports ne se chevauchent pas. Pour \(x \geq 0\) : \[f_\lambda * f_\mu(x) = \int_0^x \lambda e^{-\lambda y} \cdot \mu e^{-\mu(x-y)}\,\mathrm{d}y = \lambda\mu e^{-\mu x}\int_0^x e^{(\mu-\lambda)y}\,\mathrm{d}y\] \[= \lambda\mu e^{-\mu x}\left[\frac{e^{(\mu-\lambda)y}}{\mu-\lambda}\right]_0^x = \frac{\lambda\mu}{\mu-\lambda}e^{-\mu x}(e^{(\mu-\lambda)x}-1)\] \[= \frac{\lambda\mu}{\mu-\lambda}(e^{-\lambda x} - e^{-\mu x})\] Donc : \[f_\lambda * f_\mu(x) = \frac{\lambda\mu}{\mu-\lambda}(e^{-\lambda x} - e^{-\mu x})\chi_{[0,+\infty[}(x)\]

4.3

Soit \(\lambda > 0\), et soient \(X\) et \(Y\) deux variables aléatoires indépendantes de même loi, toutes deux de densité \(f_\lambda\). Déterminer la densité de la loi de \(X + Y\).

Réponse. La densité de \(X + Y\) est donnée par \(f_\lambda * f_\lambda\). Pour \(x \geq 0\) : \[f_\lambda * f_\lambda(x) = \int_0^x \lambda e^{-\lambda y}\cdot \lambda e^{-\lambda(x-y)}\,\mathrm{d}y = \lambda^2 e^{-\lambda x}\int_0^x \mathrm{d}y = \lambda^2 x e^{-\lambda x}\] Donc : \[f_\lambda * f_\lambda(x) = \lambda^2 x e^{-\lambda x}\chi_{[0,+\infty[}(x)\]