Programme MP

Programmes des classes
préparatoires aux Grandes Ecoles
Filière : scientifique
Voie : Mathématiques et physique

(MP)
Discipline : Mathématiques
Seconde année
© Ministère de l’enseignement supérieur et de la recherche, 2013

http://www.enseignementsup-recherche.gouv.fr
Classe préparatoire MP
Programme de mathématiques
Table des matières

Objectifs de formation 2
Description et prise en compte des compétences . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
Unité de la formation scientifique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
Architecture et contenu du programme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
Organisation du texte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
Usage de la liberté pédagogique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
Programme 6
Structures algébriques usuelles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
Réduction des endomorphismes et des matrices carrées . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
Fonctions convexes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
Topologie des espaces vectoriels normés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
Espaces préhilbertiens réels. Endomorphismes des espaces euclidiens . . . . . . . . . . . . . . . . . . . . . . . 13
Séries et familles sommables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
A - Séries numériques et vectorielles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
B - Familles sommables de nombres complexes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
Suites et séries de fonctions, séries entières . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
A - Suites et séries de fonctions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
B - Séries entières . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
Fonctions vectorielles, arcs paramétrés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
Intégration sur un intervalle quelconque . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
Variables aléatoires discrètes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
Équations différentielles linéaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
Calcul différentiel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
© Ministère de l’enseignement supérieur et de la recherche, 2013 Mathématiques MP

1/30
Le programme de mathématiques de MP, dans le prolongement de celui de MPSI, s’inscrit entre deux continuités : en
amont avec les programmes rénovés du lycée, en aval avec les enseignements dispensés dans les grandes écoles, et plus
généralement les poursuites d’études universitaires. Il est conçu pour amener progressivement tous les étudiants au
niveau requis pour poursuivre avec succès un cursus d’ingénieur, de chercheur, d’enseignant, de scientifique, et aussi
pour leur permettre de se former tout au long de la vie.
Ce programme permet de conjuguer deux aspects de l’activité mathématique : d’une part la construction d’objets
souvent introduits de manière intrinsèque et l’importance de la démonstration ; d’autre part la technique qui permet
de rendre ces objets opérationnels.
Objectifs de formation
La formation mathématique en classe préparatoire scientifique vise deux objectifs :
– l’acquisition d’un solide bagage de connaissances et de méthodes permettant notamment de passer de la perception
intuitive de certaines notions à leur appropriation, afin de pouvoir les utiliser à un niveau supérieur, en mathé-
matiques et dans les autres disciplines. Ce degré d’appropriation suppose la maîtrise du cours, c’est-à-dire des
définitions, énoncés et démonstrations des théorèmes figurant au programme ;
– le développement de compétences utiles aux scientifiques, qu’ils soient ingénieurs, chercheurs ou enseignants, pour
identifier les situations auxquelles ils sont confrontés, dégager les meilleures stratégies pour les résoudre, prendre
avec un recul suffisant des décisions dans un contexte complexe.
Pour répondre à cette double exigence, et en continuité avec les programmes de mathématiques du lycée, les pro-
grammes des classes préparatoires définissent un corpus de connaissances et de capacités, et explicitent six grandes
compétences qu’une activité mathématique permet de développer :
– s’engager dans une recherche, mettre en œuvre des stratégies : découvrir une problématique, l’analyser, la trans-
former ou la simplifier, expérimenter sur des exemples, formuler des hypothèses, identifier des particularités ou des
analogies ;
– modéliser : extraire un problème de son contexte pour le traduire en langage mathématique, comparer un modèle à
la réalité, le valider, le critiquer ;
– représenter : choisir le cadre (numérique, algébrique, géométrique . . .) le mieux adapté pour traiter un problème ou
représenter un objet mathématique, passer d’un mode de représentation à un autre, changer de registre ;
– raisonner, argumenter : effectuer des inférences inductives et déductives, conduire une démonstration, confirmer
ou infirmer une conjecture ;
– calculer, utiliser le langage symbolique : manipuler des expressions contenant des symboles, organiser les dif-
férentes étapes d’un calcul complexe, effectuer un calcul automatisable à la main ou à l’aide d’un instrument
(calculatrice, logiciel. . .), contrôler les résultats ;
– communiquer à l’écrit et à l’oral : comprendre les énoncés mathématiques écrits par d’autres, rédiger une solution
rigoureuse, présenter et défendre un travail mathématique.
Description et prise en compte des compétences

S’engager dans une recherche, mettre en œuvre des stratégies
Cette compétence vise à développer les attitudes de questionnement et de recherche, au travers de réelles activités
mathématiques, prenant place au sein ou en dehors de la classe. Les différents temps d’enseignement (cours, travaux
dirigés, heures d’interrogation) doivent privilégier la découverte et l’exploitation de problématiques, la réflexion sur
les démarches suivies, les hypothèses formulées et les méthodes de résolution. Le professeur ne saurait limiter son
enseignement à un cours dogmatique : afin de développer les capacités d’autonomie des étudiants, il doit les amener
à se poser eux-mêmes des questions, à prendre en compte une problématique mathématique, à utiliser des outils
logiciels, et à s’appuyer sur la recherche et l’exploitation, individuelle ou en équipe, de documents.
Les travaux proposés aux étudiants en dehors des temps d’enseignement doivent combiner la résolution d’exercices
d’entraînement relevant de techniques bien répertoriées et l’étude de questions plus complexes. Posées sous forme de
problèmes ouverts, elles alimentent un travail de recherche individuel ou collectif, nécessitant la mobilisation d’un
large éventail de connaissances et de capacités.
Modéliser
Le programme présente des notions, méthodes et outils mathématiques permettant de modéliser l’état et l’évolution
de systèmes déterministes ou aléatoires issus de la rencontre du réel et du contexte, et éventuellement du traitement
qui en a été fait par la mécanique, la physique, la chimie, les sciences de l’ingénieur. Ces interprétations viennent
en retour éclairer les concepts fondamentaux de l’analyse, de l’algèbre linéaire, de la géométrie ou des probabilités.
La modélisation contribue ainsi de façon essentielle à l’unité de la formation scientifique et valide les approches
interdisciplinaires. À cet effet, il importe de promouvoir l’étude de questions mettant en œuvre des interactions
entre les différents champs de connaissance scientifique (mathématiques et physique, mathématiques et chimie,
mathématiques et sciences industrielles, mathématiques et informatique).

2/30
Représenter
Un objet mathématique se prête en général à des représentations issues de différents cadres ou registres : algébrique,
géométrique, graphique, numérique. Élaborer une représentation, changer de cadre, traduire des informations dans
plusieurs registres sont des composantes de cette compétence. Ainsi, en analyse, le concept de fonction s’appréhende
à travers diverses représentations (graphique, numérique, formelle) ; en algèbre, un problème linéaire se prête à des
représentations de nature géométrique, matricielle ou algébrique ; un problème de probabilités peut recourir à un
arbre, un tableau, des ensembles. Le recours régulier à des figures ou à des croquis permet de développer une vision
géométrique des objets abstraits et favorise de fructueux transferts d’intuition.
Raisonner, argumenter
La pratique du raisonnement est au cœur de l’activité mathématique. Basé sur l’élaboration de liens déductifs ou
inductifs entre différents éléments, le raisonnement mathématique permet de produire une démonstration, qui en est la
forme aboutie et communicable. La présentation d’une démonstration par le professeur (ou dans un document) permet
aux étudiants de suivre et d’évaluer l’enchaînement des arguments qui la composent ; la pratique de la démonstration
leur apprend à créer et à exprimer eux-mêmes de tels arguments. L’intérêt de la construction d’un objet mathématique
ou de la démonstration d’un théorème repose sur ce qu’elles apportent à la compréhension même de l’objet ou du
théorème : préciser une perception intuitive, analyser la portée des hypothèses, éclairer une situation, exploiter et
réinvestir des concepts et des résultats théoriques.
Calculer, manipuler des symboles, maîtriser le formalisme mathématique
Le calcul et la manipulation des symboles sont omniprésents dans les pratiques mathématiques. Ils en sont des
composantes essentielles, inséparables des raisonnements qui les guident ou qu’en sens inverse ils outillent.
Mener efficacement un calcul simple fait partie des compétences attendues des étudiants. En revanche, les situations
dont la gestion manuelle ne relèverait que de la technicité seront traitées à l’aide d’outils de calcul formel ou numérique.
La maîtrise des méthodes de calcul figurant au programme nécessite aussi la connaissance de leur cadre d’application,
l’anticipation et le contrôle des résultats qu’elles permettent d’obtenir.
Communiquer à l’écrit et à l’oral
La phase de mise au point d’un raisonnement et de rédaction d’une solution permet de développer les capacités
d’expression. La qualité de la rédaction et de la présentation, la clarté et la précision des raisonnements constituent des
objectifs très importants. La qualité de structuration des échanges entre le professeur et sa classe, entre le professeur
et chacun de ses étudiants, entre les étudiants eux-mêmes, doit également contribuer à développer des capacités
de communication (écoute et expression orale) à travers la formulation d’une question, d’une réponse, d’une idée,
d’hypothèses, l’argumentation de solutions ou l’exposé de démonstrations. Les travaux individuels ou en petits
groupes proposés aux étudiants en dehors du temps d’enseignement, au lycée ou à la maison (interrogations orales,
devoirs libres, comptes rendus de travaux dirigés ou d’interrogations orales) contribuent fortement à développer cette
compétence. La communication utilise des moyens diversifiés : les étudiants doivent être capables de présenter un
travail clair et soigné, à l’écrit ou à l’oral, au tableau ou à l’aide d’un dispositif de projection.
L’intégration des compétences à la formation des étudiants permet à chacun d’eux de gérer ses propres apprentissages
de manière responsable en repérant ses points forts et ses points faibles et en suivant leur évolution. Les compétences
se recouvrent largement et il importe de les considérer globalement : leur acquisition doit se faire dans le cadre de
situations suffisamment riches pour nécessiter la mobilisation de plusieurs d’entre elles.
Unité de la formation scientifique

Il est important de mettre en valeur l’interaction entre les différentes parties du programme, tant au niveau du
cours que des thèmes des travaux proposés aux étudiants. À titre d’exemples, le calcul différentiel et la théorie des
équations différentielles linéaires apparaissent comme un champ d’utilisation des concepts développés en algèbre ; les
probabilités utilisent le vocabulaire ensembliste et les familles sommables, et illustrent certains résultats d’analyse.
Percevoir la globalité et la complexité du monde réel exige le croisement des regards disciplinaires. Ainsi, les ma-
thématiques interagissent avec des champs de connaissances partagés par d’autres disciplines. Aussi le programme
valorise-t-il l’interprétation des concepts de l’analyse, de l’algèbre linéaire, de la géométrie et des probabilités en termes
de paramètres modélisant l’état et l’évolution de systèmes mécaniques, physiques ou chimiques (mouvement, vitesse
et accélération, signaux continus ou discrets, mesure de grandeurs, incertitudes. . .).
La coopération des enseignants d’une même classe ou d’une même discipline et, plus largement, celle de l’ensemble
des enseignants d’un cursus donné, doit contribuer de façon efficace et cohérente à la qualité de ces interactions.
Il importe aussi que le contenu culturel et historique des mathématiques ne soit pas sacrifié au profit de la seule
technicité. En particulier, il peut s’avérer pertinent d’analyser l’interaction entre un contexte historique et social donné,
une problématique spécifique et la construction, pour la résoudre, d’outils mathématiques.

3/30
Architecture et contenu du programme
L’étude de chaque domaine du programme (analyse, algèbre, probabilités) permet de développer des aptitudes au
raisonnement et à la modélisation, et d’établir des liens avec les autres disciplines.
Afin de contribuer au développement des compétences de modélisation et de représentation, le programme préconise
le recours à des figures géométriques pour aborder l’algèbre linéaire, les espaces préhilbertiens, les fonctions de variable
réelle ou vectorielle. Certaines notions de géométrie affine et euclidienne étudiées au lycée ou en MPSI sont reprises
dans un cadre plus général.
Le programme d’algèbre comprend trois volets. Le premier formalise les différentes structures algébriques rencontrées
dans le programme et introduit l’anneau Z/nZ comme exemple de structure quotient. Le deuxième prolonge l’étude
de l’algèbre linéaire abordée en MPSI et aboutit à une théorie de la réduction qui allie le registre des éléments propres
et celui des polynômes annulateurs. Le troisième, consacré à l’algèbre préhilbertienne, conduit, en dimension infinie, à
l’étude des familles orthonormales totales et, en dimension finie, au théorème spectral et aux isométries vectorielles,
mettant l’accent sur les relations entre les points de vue vectoriel, matriciel et géométrique.
Le programme d’analyse comporte un chapitre sur les fonctions convexes d’une variable réelle qui permet de faire
le lien avec la géométrie. La topologie est étudiée dans le cadre général des espaces vectoriels normés. Son étude
permet d’étendre les notions de suite, limite, continuité étudiées en première année dans le cadre de la droite réelle, et
d’introduire les concepts de compacité et de connexité par arcs.
Le chapitre sur les séries complète l’étude des séries numériques abordée en MPSI et la prolonge par celles des séries à
valeurs dans un espace vectoriel normé de dimension finie et des familles sommables. L’extension de la notion de série
convergente à celle de famille sommable est réduite au minimum nécessaire à une présentation rigoureuse des espaces
probabilisés dénombrables et des variables aléatoires discrètes.
Le chapitre sur les séries entières permet de construire des fonctions de variable complexe et de fournir un outil pour la
résolution d’équations différentielles linéaires.
La définition des différents modes de convergence d’une suite de fonctions bénéficie du cadre topologique introduit
dans le chapitre « Espaces vectoriels normés ». L’étude des suites et séries de fonctions conduit aux théorèmes de
régularité de leur limite ou somme et aboutit à l’énoncé de deux théorèmes d’approximation.
La généralisation aux fonctions à valeurs dans un espace vectoriel normé de dimension finie des résultats d’analyse
réelle étudiés en première année fournit, avec une étude modeste des arcs paramétrés, une nouvelle occasion de relier
les registres analytique et géométrique.
L’étude de l’intégration, entamée en première année dans le cadre des fonctions continues sur un segment, se poursuit
dans celui des fonctions continues par morceaux sur un intervalle quelconque. L’intégrale généralisée est un intermé-
diaire à l’introduction de la notion de fonction intégrable. L’intégration des relations de comparaison dans le cas des
fonctions positives permet de faire le lien avec les théorèmes similaires étudiés sur les séries. Les théorèmes classiques
sur l’intégration des suites et séries de fonctions et sur les intégrales à paramètre concluent ce chapitre.
Le chapitre relatif au calcul différentiel a pour cadre les espaces vectoriels normés de dimension finie. La différentielle
en un point est définie de manière intrinsèque afin d’établir un lien avec l’algèbre linéaire. Les notions de dérivée
selon un vecteur ou le long d’un arc, de gradient, de vecteurs tangents à une partie constituent une première approche
de la géométrie différentielle. Parallèlement à cette vision algébrique et géométrique, ce chapitre fournit aussi des
outils opérationnels pour la résolution de problèmes pouvant être issus d’autres disciplines scientifiques (recherche
d’extremums, équations aux dérivées partielles). Il concourt au développement de la compétence « Représenter » en
proposant des interprétations et visualisations géométriques.
L’étude des équations et des systèmes différentiels est limitée au cas linéaire, dont les interventions sont fréquentes
tant en mathématiques que dans les autres disciplines scientifiques. L’utilisation dans ce cadre du théorème de Cauchy
permet d’établir la structure de l’ensemble des solutions, illustrant la pertinence des outils de l’algèbre linéaire pour
résoudre des problèmes d’origine analytique. Le cas particulier où les coefficients sont constants permet d’utiliser
l’exponentielle d’endomorphisme et de mettre en œuvre des techniques de réduction matricielle.
L’enseignement des probabilités présente brièvement le formalisme de Kolmogorov, qui sera repris dans le cursus
ultérieur des étudiants. Son objectif majeur est l’étude des variables aléatoires discrètes, en prolongement des variables
finies étudiées en première année, ce qui permet d’élargir aux processus stochastiques à temps discret le champ des
situations réelles se prêtant à une modélisation probabiliste.
La loi faible des grands nombres permet de justifier a posteriori l’approche fréquentiste d’une probabilité pour un
schéma de Bernoulli, déjà évoquée dans le cursus antérieur des étudiants. L’inégalité qui la sous-tend précise la vitesse
de convergence de cette approximation et valide l’interprétation de la variance comme indicateur de dispersion.
Ce chapitre a vocation à interagir avec le reste du programme, notamment en exploitant les séries génératrices.

4/30
Organisation du texte
Les programmes définissent les objectifs de l’enseignement et décrivent les connaissances et les capacités exigibles des
étudiants ; ils précisent aussi certains points de terminologie et certaines notations. Ils fixent clairement les limites
à respecter tant au niveau de l’enseignement qu’à celui des épreuves d’évaluation, y compris par les opérateurs de
concours.
Le programme est décliné en chapitres. Chaque chapitre comporte un bandeau définissant les objectifs essentiels et
délimitant le cadre d’étude des notions qui lui sont relatives et un texte présenté en deux colonnes : à gauche figurent
les contenus du programme (connaissances et méthodes) ; à droite un commentaire indique les capacités exigibles des
étudiants, précise quelques notations ainsi que le sens ou les limites à donner à certaines questions. Dans le cadre de
sa liberté pédagogique et dans le respect de la cohérence de la formation globale, le professeur décide de l’organisation
de son enseignement et du choix de ses méthodes.
En particulier, l’ordre de présentation des différents chapitres ne doit pas être interprété comme un modèle de
progression. Parmi les connaissances (définitions, notations, énoncés, démonstrations, méthodes, algorithmes. . .) et
les capacités de mobilisation de ces connaissances, le texte du programme délimite trois catégories :
– celles qui sont exigibles des étudiants : il s’agit de l’ensemble des points figurant dans la colonne de gauche des
différents chapitres ;
– celles qui sont indiquées dans les bandeaux et la colonne de droite comme étant « hors programme ». Elles ne doivent
pas être traitées et ne peuvent faire l’objet d’aucune épreuve d’évaluation ;
– celles qui relèvent d’activités possibles ou souhaitables, mais qui ne sont pas exigibles des étudiants. Il s’agit des
activités proposées pour illustrer les différentes notions du programme (visualisations à l’aide de l’outil informatique,
activités en lien avec les autres disciplines).
Pour les démonstrations des théorèmes dont l’énoncé figure au programme et qui sont repérées dans la colonne de
droite par la locution « démonstration non exigible », le professeur est libre d’apprécier, selon le cas, s’il est souhaitable
de démontrer en détail le résultat considéré, d’indiquer seulement l’idée de sa démonstration, ou de l’admettre.
Afin de faciliter l’organisation du travail des étudiants et de montrer l’intérêt des notions étudiées, il convient d’en
aborder l’enseignement en coordination avec les autres disciplines scientifiques.
Les liens avec les disciplines scientifiques et technologiques sont identifiés par le symbole ⌧ PC pour la physique et la
chimie, ⌧ SI pour les sciences industrielles de l’ingénieur et ⌧ I pour l’informatique.
Usage de la liberté pédagogique

Dans le cadre de la liberté pédagogique qui lui est reconnue par la loi, le professeur choisit ses méthodes, sa progression,
ses problématiques. Il peut organiser son enseignement en respectant deux grands principes directeurs :
– pédagogue, il privilégie la mise en activité des étudiants en évitant tout dogmatisme : l’acquisition des connaissances
et des capacités est en effet d’autant plus efficace que les étudiants sont acteurs de leur formation. Quel que soit
le contexte (cours, travaux dirigés), la pédagogie mise en œuvre développe la participation, la prise d’initiative et
l’autonomie des étudiants ;
– didacticien, il choisit le contexte favorable à l’acquisition des connaissances et au développement des compétences.
La mise en perspective d’une problématique avec l’histoire des sociétés, des sciences et des techniques, mais aussi
des questions d’actualité ou des débats d’idées, permet de motiver son enseignement.

5/30
Programme
Structures algébriques usuelles
L’étude des structures algébriques permet d’approfondir plusieurs points abordés en première année : arithmétique de Z
et de K[X ], congruences, algèbre linéaire, groupe symétrique, groupes issus de l’algèbre linéaire et de la géométrie des
espaces euclidiens. Ce chapitre gagne à être illustré par de nombreux exemples.
Le paragraphe relatif aux polynômes permet de revenir sur l’étude menée en première année, dans un cadre étendu et
dans un esprit plus algébrique, mettant l’accent sur la notion d’idéal.
Sans soulever de difficulté, on signalera que les notions d’algèbre linéaire étudiées en MPSI s’étendent au cas où le corps
de base est un sous-corps de C.
C ONTENUS C APACITÉS & COMMENTAIRES
a) Groupes et sous-groupes
Groupe. Produit fini de groupes. Exemples issus de l’algèbre et de la géométrie.

Sous-groupe. Caractérisation.
Intersection de sous-groupes.
Sous-groupe engendré par une partie.
Sous-groupes du groupe (Z, +).
b) Morphismes de groupes
Morphisme de groupes. Exemples : signature, déterminant.

Image et image réciproque d’un sous-groupe par un mor- Exemple : groupe spécial orthogonal d’un espace eucli-
phisme. Image et noyau d’un morphisme. Condition d’in- dien.
jectivité d’un morphisme.
Isomorphisme de groupes. Réciproque d’un isomor-
phisme.
c) Groupes monogènes et cycliques
Groupe (Z/nZ, +). Générateurs de Z/nZ.

Groupe monogène, groupe cyclique. Groupe des racines n-ièmes de l’unité.
Tout groupe monogène infini est isomorphe à (Z, +). Tout
groupe monogène fini de cardinal n est isomorphe à
(Z/nZ, +).
d) Ordre d’un élément dans un groupe
Élément d’ordre fini d’un groupe, ordre d’un tel élément. Si x est d’ordre fini, l’ordre de x est le cardinal du sous-
groupe de G engendré par x.
Si x est d’ordre fini d et si e désigne le neutre de G, alors,
pour n dans Z, on a x n = e () d |n.
L’ordre d’un élément d’un groupe fini divise le cardinal La démonstration n’est exigible que pour G commutatif.
du groupe.
e) Anneaux
Anneau. Produit fini d’anneaux. Les anneaux sont unitaires.

Sous-anneaux. Morphisme d’anneaux. Image et noyau
d’un morphisme. Isomorphisme d’anneaux.
Anneau intègre. Corps. Sous-corps. Les corps sont commutatifs.
f ) Idéaux d’un anneau commutatif
Idéal d’un anneau commutatif. Le noyau d’un mor-

phisme d’anneaux est un idéal.
Relation de divisibilité dans un anneau commutatif in- Interprétation de la divisibilité en termes d’idéaux.
tègre.
Idéaux de Z.

6/30
C ONTENUS C APACITÉS & C OMMENTAIRES
g) L’anneau Z/nZ
Anneau Z/nZ.
Inversibles de Z/nZ. L’anneau Z/nZ est un corps si et seulement si n est pre-
mier.
Théorème chinois : si m et n sont deux entiers pre- Application aux systèmes de congruences.
miers entre eux, isomorphisme naturel de Z/mnZ sur
Z/mZ £ Z/nZ.
Indicatrice d’Euler '. Calcul de '(n) à l’aide de la décom- ⌧ I : calcul de '(n) à l’aide d’une méthode de crible.
position de n en facteurs premiers.
Théorème d’Euler. Lien avec le petit théorème de Fermat étudié en première
année.
⌧ I : codage RSA.
h) Anneaux de polynômes à une indéterminée
Dans ce paragraphe, K est un sous-corps de C.

Idéaux de K [X ].
PGCD de deux polynômes. Par convention, le PGCD est unitaire.
Extension au cas d’une famille finie.
Relation de Bézout. Lemme de Gauss. ⌧ I : algorithme d’Euclide étendu sur les polynômes, re-
cherche simultanée du PGCD et des coefficients de Bé-
zout.
Irréductible de K [X ]. Existence et unicité de la décompo- Les étudiants doivent connaître les irréductibles de C[X ]
sition en facteurs irréductibles. et R[X ].
L’étude des polynômes sur un corps fini est hors pro-
gramme.
i) Algèbres
Algèbre. Les algèbres sont unitaires.

Exemples : K[X ], L (E ), Mn (K), F (X , K).
Sous-algèbre.
Morphisme d’algèbres.
Réduction des endomorphismes et des matrices carrées

La réduction des endomorphismes et des matrices prolonge les notions d’algèbre linéaire vues en classe de MPSI et trouve
des applications dans d’autres domaines du programme.
Les méthodes présentées dans ce chapitre sont de deux types, qu’il convient de souligner : les premières, de nature
géométrique, reposent sur les notions de sous-espace stable et d’éléments propres ; les secondes, de nature algébrique, font
appel aux polynômes annulateurs.
On se limite en pratique au cas où le corps de base K est R ou C.
a) Généralités
Matrices semblables, interprétation géométrique. Les étudiants doivent savoir utiliser l’endomorphisme
canoniquement associé à une matrice carrée.
Sous-espace stable par un endomorphisme. Endomor- En dimension finie, traduction de la stabilité d’un sous-
phisme induit. espace F par un endomorphisme u à l’aide de la matrice
de u dans une base adaptée à F .

7/30
b) Éléments propres d’un endomorphisme, d’une matrice carrée
Droite stable par un endomorphisme. ⌧ SI : matrice d’inductance : inductance cyclique et in-

Valeur propre, vecteur propre (non nul), sous-espace ductance homopolaire.
propre.
Le spectre d’un endomorphisme d’un espace de dimen- La notion de valeur spectrale est hors programme.
sion finie est l’ensemble de ses valeurs propres.
La somme d’une famille finie de sous-espaces propres est Toute famille de vecteurs propres associés à des valeurs
directe. propres distinctes est libre.
Le spectre d’un endomorphisme d’un espace de dimen-
sion finie n est fini, et de cardinal au plus n.
Si deux endomorphismes u et v commutent, tout sous-
espace propre de u est stable par v.
Valeurs propres, vecteurs propres, sous-espaces propres Équation aux éléments propres M X = ∏X .
et spectre d’une matrice carrée. Deux matrices semblables ont même spectre.
Si K est un sous-corps de K0 et si M 2 Mn (K), le spectre
de M dans K est contenu dans le spectre de M dans K0 .
c) Polynôme caractéristique
Polynôme caractéristique d’une matrice carrée, d’un en- Deux matrices semblables ont même polynôme caracté-
domorphisme d’un espace vectoriel de dimension finie. ristique.
Le polynôme caractéristique est unitaire.
Notations ¬u , ¬ A .
Les étudiants doivent connaître les valeurs des coeffi-
cients de degrés 0 et n ° 1.
Les racines du polynôme caractéristique sont les valeurs La dimension du sous-espace propre associé à ∏ est ma-
propres. Multiplicité d’une valeur propre. jorée par la multiplicité de ∏.
Polynôme caractéristique d’une matrice triangulaire.
Polynôme caractéristique d’un endomorphisme induit.
d) Endomorphismes et matrices carrées diagonalisables
Un endomorphisme d’un espace vectoriel E de dimen- Une telle base est constituée de vecteurs propres.
sion finie est dit diagonalisable s’il existe une base de E
dans laquelle sa matrice est diagonale.
Pour qu’un endomorphisme soit diagonalisable, il faut Cas des projecteurs, des symétries.
et il suffit que la somme de ses sous-espaces propres soit
égale à E .
Une matrice carrée est dite diagonalisable si l’endomor-
phisme de Kn canoniquement associé est diagonalisable.
Pour qu’une matrice carrée soit diagonalisable, il faut et Dans la pratique des cas numériques, on se limite à n = 2
il suffit qu’elle soit semblable à une matrice diagonale. ou n = 3.
Cas d’un endomorphisme d’un espace de dimension n Traduction matricielle.
admettant n valeurs propres distinctes.
Pour qu’un endomorphisme u soit diagonalisable, il faut Traduction matricielle.
et il suffit que ¬u soit scindé et que, pour toute valeur
propre de u, la dimension de l’espace propre associé soit
égale à sa multiplicité.
e) Endomorphismes et matrices carrées trigonalisables
Un endomorphisme d’un espace vectoriel E de dimen- Interprétation géométrique.

sion finie est dit trigonalisable s’il existe une base dans
laquelle sa matrice est triangulaire supérieure.
Une matrice carrée est dite trigonalisable si elle est sem- La pratique de la trigonalisation n’est pas un objectif du
blable à une matrice triangulaire supérieure. Pour qu’une programme. On se limite au cas n = 2 et à des cas particu-
matrice carrée soit trigonalisable, il faut et il suffit que liers simples pour n = 3.
l’endomorphisme canoniquement associé le soit.

8/30
Un endomorphisme est trigonalisable si et seulement si Traduction matricielle.
son polynôme caractéristique est scindé. Expression de la trace et du déterminant d’un endo-
morphisme trigonalisable, d’une matrice trigonalisable à
l’aide des valeurs propres.
⌧ I : recherche de la valeur propre de plus grand module
à l’aide du quotient des traces de deux itérées successives.
f ) Endomorphismes nilpotents, matrices nilpotentes
Endomorphisme nilpotent d’un espace vectoriel E de

dimension finie, matrice nilpotente.
Un endomorphisme est nilpotent si et seulement s’il est
trigonalisable avec pour seule valeur propre 0.
L’indice de nilpotence est majoré par la dimension de E .
g) Polynômes d’un endomorphisme, d’une matrice carrée
Pour u dans L (E ), morphisme d’algèbres P 7! P (u) de Pour M dans K[X ], morphisme P 7! P (M ) de K[X ] dans
K[X ] dans L (E ). Le noyau de ce morphisme est l’idéal Mn (K), idéal annulateur de M , sous-algèbre K[M ] de
annulateur de u. Son image est la sous-algèbre commu- Mn (K).
tative K[u] de L (E ).
Polynôme minimal d’un endomorphisme d’un espace de Le polynôme minimal est unitaire.
dimension finie, d’une matrice carrée.
Si d est le degré du polynôme minimal de u, alors la fa-
mille (u k )0…k…d °1 est une base de K[u].
Si P annule u, toute valeur propre de u est racine de P . Si u(x) = ∏ x, alors P (u)(x) = P (∏) x.
Théorème de Cayley-Hamilton. Démonstration non exigible.
h) Lemme de décomposition des noyaux
Si P 1 , . . . , P r sont des éléments de K[X ] deux à deux pre-

miers entre eux de produit égal à P , alors :
r
M
Ker (P (u)) = Ker (P i (u)) .
i =1
i) Polynômes annulateurs et diagonalisabilité
Un endomorphisme u est diagonalisable si et seulement Traduction matricielle.

s’il existe un polynôme scindé à racines simples annulant
u, ou encore si et seulement si son polynôme minimal
est scindé à racines simples.
Polynôme minimal d’un endomorphisme induit. Diago-
nalisabilité d’un endomorphisme induit.
j) Endomorphismes à polynôme minimal scindé
S’il existe un polynôme scindé annulant u, décomposi- Traduction matricielle.

tion de E en somme directe de sous-espaces stables par u La décomposition de Dunford et la réduction de Jordan
sur chacun desquels u induit la somme d’une homothétie sont hors programme.
et d’un endomorphisme nilpotent.

9/30
Fonctions convexes
L’objectif de ce chapitre est double :
– introduire brièvement la notion de partie convexe d’un espace vectoriel réel ;
– étudier les fonctions convexes d’une variable réelle.
Le cours gagne à être illustré par de nombreuses figures.
La notion de barycentre est introduite exclusivement en vue de l’étude de la convexité.
a) Parties convexes d’un espace vectoriel réel
Barycentre. ⌧ PC et SI : centre de masse (ou centre de gravité).

Partie convexe. Caractérisation à l’aide de barycentres à
coefficients positifs.
b) Fonctions convexes d’une variable réelle
Une fonction f est convexe sur l’intervalle I de R si pour Pour f convexe, les étudiants doivent connaître l’inégalité
tout (x, y) de I 2 et tout ∏ de [0, 1] :
≥X
n ¥ Xn
° ¢ f ∏i x i … ∏i f (x i )
f (1 ° ∏)x + ∏y … (1 ° ∏) f (x) + ∏ f (y). i =1 i =1
où x 1 , . . . , x n sont des points de I et ∏1 , . . . , ∏n des réels

positifs de somme 1.
Caractérisations : convexité de l’épigraphe, inégalité des Position relative du graphe et de ses cordes.
pentes.
Fonction concave.
c) Fonctions convexes dérivables, deux fois dérivables
Caractérisation des fonctions convexes dérivables sur I , Exemples d’inégalités de convexité.

des fonctions convexes deux fois dérivables sur I .
Position relative du graphe d’une fonction convexe déri-
vable et de ses tangentes.
Topologie des espaces vectoriels normés

Ce chapitre prolonge les notions de limites de suites et de fonctions étudiées en première année, et introduit la topologie
des espaces vectoriels normés. Son objectif est triple :
– introduire, dans le cadre des espaces vectoriels normés, le vocabulaire de la topologie ;
– introduire la notion de compacité dans un espace vectoriel normé ;
– donner, à travers l’étude des espaces vectoriels normés de dimension finie, un cadre commode pour traiter diverses
applications à l’analyse (fonctions vectorielles, équations différentielles linéaires, suites et séries de fonctions).
Il convient de souligner le contenu géométrique des notions abordées, notamment à l’aide de nombreuses figures.
Les notions d’espace métrique et, a fortiori, d’espace topologique, sont hors programme.
Les notions de suite de Cauchy et d’espace de Banach sont hors programme.
Dans tout ce chapitre, K désigne R ou C.
a) Normes et espaces vectoriels normés
Norme sur un espace vectoriel réel ou complexe. Struc- Vecteurs unitaires.

ture d’espace vectoriel normé.
Distance associée à une norme. Inégalité triangulaire.
Boules fermées, boules ouvertes, sphères. Convexité des
boules.
Parties, suites, fonctions bornées.
Norme associée à un produit scalaire sur un espace pré-
hilbertien réel.

10/30
n
Normes k k1 , k k2 , k k1 sur K .
Norme de la convergence uniforme sur l’espace des fonc-
tions bornées à valeurs dans K.
Normes de la convergence en moyenne et de la conver-
gence en moyenne quadratique sur l’espace des fonctions
continues sur un segment à valeurs réelles ou complexes.
Produit fini d’espaces vectoriels normés.
b) Suites d’éléments d’un espace vectoriel normé
Suite convergente, divergente. Unicité de la limite. Ca-

ractère borné d’une suite convergente. Opérations algé-
briques sur les suites convergentes. Convergence d’une
suite à valeurs dans un produit fini d’espaces vectoriels
normés.
Suites extraites, valeurs d’adhérence. Une suite ayant au moins deux valeurs d’adhérence di-
verge.
c) Comparaison des normes
Normes équivalentes. Invariance du caractère borné, de la convergence d’une

suite. Utilisation des suites pour établir que deux normes
ne sont pas équivalentes.
La comparaison de normes définies sur des espaces fonc-
tionnels fait partie des capacités attendues des étudiants.
d) Topologie d’un espace normé
Ouvert d’un espace normé. Stabilité par réunion quel- Une boule ouverte est un ouvert.
conque, par intersection d’une famille finie.
Voisinage d’un point.
Fermé d’un espace normé. Stabilité par intersection quel- Une boule fermée, une sphère, sont fermées.
conque, par réunion finie.
Point intérieur, point adhérent.
Intérieur, adhérence, frontière d’une partie.
Caractérisation séquentielle des points adhérents, des
fermés.
Partie dense.
Invariance des notions topologiques par passage à une
norme équivalente.
Si A est une partie d’un espace normé, ouvert et fermé Caractérisation séquentielle des fermés de A.
relatifs de A. Voisinage relatif.
e) Étude locale d’une application, continuité
Limite en un point adhérent à une partie A. Extensions : limite de f (x) lorsque kxk tend vers +1,
Caractérisation séquentielle. limite de f (x) quand x tend vers +1 ou °1 lorsque A
est une partie de R, limite infinie en a adhérent à A pour
une fonction réelle.
Cas d’une application à valeurs dans un produit fini d’es-
paces vectoriels normés.
Opérations algébriques sur les limites. Limite d’une com-
posée.
Continuité en un point.
Caractérisation séquentielle.
Opérations algébriques sur les applications continues. Les étudiants doivent savoir que deux applications conti-
Composition de deux applications continues. nues qui coïncident sur une partie dense sont égales.
Image réciproque d’un ouvert, d’un fermé par une appli-
cation continue.

11/30
Applications uniformément continues, applications lip- Exemple : l’application x 7! d (x, A) où A est une partie de
schitziennes. E.
Pour qu’une application linéaire u de E dans F soit conti- Notation L c (E , F ).
nue, il faut et il suffit qu’il existe C > 0 tel que : La notion de norme subordonnée est hors programme.
8x 2 E , ku(x)k … C kxk.
f ) Parties compactes d’un espace normé
Définition d’une partie compacte par la propriété de La propriété de Borel-Lebesgue est hors programme.
Bolzano-Weierstrass.
Une partie compacte est fermée et bornée.
Une partie fermée d’une partie compacte est compacte.
Une suite d’éléments d’une partie compacte converge
si et seulement si elle admet une unique valeur d’adhé-
rence.
Produit d’une famille finie de compacts.
g) Applications continues sur une partie compacte
Image d’une partie compacte par une application conti- Cas particulier des applications à valeurs réelles : théo-
nue. rème des bornes atteintes.
Théorème de Heine.
h) Parties connexes par arcs d’un espace vectoriel normé
Chemin continu joignant deux points. Relation d’équivalence associée sur une partie A de E .
Les classes d’équivalence sont les composantes connexes
par arcs.
Parties connexes par arcs. Dans des cas simples, une figure convaincante vaut
preuve de connexité par arcs.
Cas des parties convexes, des parties étoilées.
Les parties connexes par arcs de R sont les intervalles.
Image continue d’une partie connexe par arcs. Cas particulier des applications à valeurs réelles : théo-
rème des valeurs intermédiaires.
i) Espaces vectoriels normés de dimension finie
Équivalence des normes sur un espace de dimension Démonstration non exigible.

finie.
Invariance des différentes notions topologiques par rap- Les étudiants doivent savoir que la convergence d’une
port au choix d’une norme en dimension finie. suite (ou l’existence de la limite d’une fonction) à valeurs
dans un espace vectoriel normé de dimension finie équi-
vaut à celle de chacune de ses coordonnées dans une
base.
Une partie d’un espace normé de dimension finie est
compacte si et seulement si elle est fermée et bornée.
Une suite bornée d’un espace normé de dimension fi-
nie converge si et seulement si elle a une unique valeur
d’adhérence.
Un sous-espace de dimension finie d’un espace normé
est fermé.
Si E est de dimension finie, toute application linéaire de
E dans F est continue.
Continuité des applications polynomiales, des applica- Exemple : déterminant.
tions multilinéaires définies sur un produit d’espaces vec-
toriels normés de dimensions finies.

12/30
Espaces préhilbertiens réels. Endomorphismes des espaces euclidiens
L’objectif de ce chapitre est triple :
– consolider les acquis de MPSI concernant les espaces préhilbertiens réels et euclidiens ;
– introduire la notion de suite orthonormale totale de vecteurs d’un espace préhilbertien, notamment afin de donner un
exemple important de convergence dans un espace normé ;
– à travers l’étude des endomorphismes symétriques et orthogonaux, approfondir simultanément les connaissances de
MPSI relatives aux isométries et celles de MP relatives à la réduction des endomorphismes.
Les espaces préhilbertiens considérés dans ce chapitre sont réels. Toute notion sur les espaces préhilbertiens complexes est
hors programme.
La notion de forme quadratique est hors programme.
a) Projection orthogonale sur un sous-espace de dimension finie
Projection orthogonale sur un sous-espace de dimension ⌧ PC : polariseur, loi de Malus.

finie.
Caractérisation métrique du projeté orthogonal.
Expression du projeté orthogonal dans une base ortho-
normale.
Inégalité de Bessel.
b) Suites orthonormales de vecteurs d’un espace préhilbertien réel
Suite totale. Exemples de suites de polynômes orthogonaux.

Si (e k )k2N est une suite orthonormale totale d’éléments ⌧ I : calcul explicite des polynômes d’une telle suite ;
de l’espace préhilbertien E , et si, pour tout n de N, p n application à l’approximation des fonctions.
désigne le projecteur orthogonal
° ¢ de E sur Vect (e 0 , . . . , e n ),
alors, pour tout x de E , p n (x) n2N converge vers x.
c) Endomorphismes symétriques d’un espace euclidien
Endomorphisme symétrique d’un espace euclidien. Lien avec les matrices symétriques réelles.
La notion d’adjoint d’un endomorphisme est hors pro-
gramme.
Caractérisation des projecteurs orthogonaux comme pro-
jecteurs symétriques.
Stabilité de l’orthogonal d’un sous-espace stable.
Théorème spectral : si u est un endomorphisme symé- Interprétation matricielle de ce résultat.
trique d’un espace euclidien E , alors E est somme directe La notion d’endomorphisme symétrique positif (ou défini
orthogonale des sous-espaces propres de u ; de manière positif) est hors programme.
équivalente, il existe une base orthonormale diagonali- ⌧ SI : matrice d’inductance, matrice d’inertie.
sant u.
d) Isométries vectorielles d’un espace euclidien
Isométrie vectorielle d’un espace euclidien. Autre dénomination : automorphisme orthogonal.

Lien avec les matrices orthogonales.
Stabilité de l’orthogonal d’un sous-espace stable.
Réduction d’une isométrie vectorielle en base orthonor- Interprétation dans le registre matriciel.
male.
Cas particulier : réduction d’une isométrie vectorielle La forme réduite justifie la terminologie « rotation ».
directe d’un espace euclidien de dimension 3. ⌧ SI : liaisons entre solides.

13/30
Séries et familles sommables
L’objectif de cette partie est triple :
– consolider les acquis de MPSI relatifs aux séries numériques ;
– étendre la notion de série convergente au cadre des espaces vectoriels normés de dimension finie, en particulier aux
espaces de matrices ;
– introduire brièvement, exclusivement en vue du cours de probabilités, la notion de famille sommable de nombres
complexes.
Les séries sont avant tout un outil. L’étude des séries semi-convergentes n’est pas un objectif du programme.
A - Séries numériques et vectorielles
a) Séries à valeurs dans un espace normé de dimension finie

P
Sommes partielles. Convergence, divergence. La série de terme général u n est notée u n .
+1
X
Somme et restes d’une série convergente. En cas de convergence, notation un .
n=0
Linéarité de la somme.
Le terme général d’une série convergente tend vers 0. Divergence grossière.
P
Lien suite-série. La suite (u n ) et la série (u n+1 ° u n ) ont même nature.
Série absolument convergente. Cas des séries matricielles.
Une série absolument convergente d’éléments d’un es- Le critère de Cauchy est hors programme.
pace vectoriel normé de dimension finie est convergente.
b) Compléments sur les séries numériques
Règle de d’Alembert. Introduite principalement en vue de l’étude des séries

entières.
Critère des séries alternées. Signe et encadrement des L’étude des séries semi-convergentes n’est pas un objectif
restes. du programme. La transformation d’Abel est hors pro-
gramme. L’étude de la sommation par tranches dans le
cas semi-convergent est hors programme.
Comparaison série-intégrale : Les étudiants doivent savoir utiliser la comparaison série-
Si f est une fonction continue par morceaux et décrois- intégrale pour estimer des sommes partielles de séries
sante de R+ dans R+ , alors la série de terme général
Z divergentes ou des restes de séries convergentes dans le
n
f (t ) dt ° f (n) converge. cas où f est monotone.
n°1 Interprétation géométrique.
Sommation des relations de comparaison : domination, La suite de référence est positive à partir d’un certain
négligeabilité, équivalence. rang.
Cas des séries convergentes, des séries divergentes.

14/30
B - Familles sommables de nombres complexes
La notion de famille sommable est introduite en vue de l’étude des probabilités.
a) Ensembles dénombrables
Un ensemble est dit dénombrable s’il est en bijection Les parties infinies de N sont dénombrables.
avec N.
Un ensemble est fini ou dénombrable si et seulement s’il
est en bijection avec une partie de N.
Un produit cartésien fini d’ensembles dénombrables est Démonstrations non exigibles.
dénombrable. Une réunion finie ou dénombrable d’en-
sembles finis ou dénombrables est finie ou dénombrable.
Les ensembles N2 , Z et Q sont dénombrables.
L’ensemble R n’est pas dénombrable. Démonstration non exigible.
b) Familles sommables
Famille sommable de réels positifs indexée par un en- La famille

X(u i )i 2I est dite sommable si l’ensemble des
semble dénombrable. Somme. sommes u i où F décrit l’ensemble des parties finies de
i 2F
I est majoré ; dans ce cas, la somme de la famille (u i )i 2I
est la borne supérieure de l’ensemble précédent. Si la
famille (u i )i 2I n’est pas sommable, sa
Xsomme est +1.
Dans tous les cas, la somme est notée u i .
i 2I
Théorème de sommation par paquets : Démonstration hors programme.
si (I n )n2N est une partition de I et (u i )i 2I une famille de
réels positifs, alors la famille (u i )i 2I est sommable si et
seulement si :
– Pour tout entier n la famille (u i )i 2I n est sommable.
X≥ X ¥
– La série u i converge.
i 2I n
Dans ce cas :
X X≥
+1 X ¥
ui = ui .
i 2I n=0 i 2I n
Famille sommable de nombres complexes indexée par La famille (u i )i 2I est sommable si la famille (|u i |)i 2I l’est.
un ensemble dénombrable
Somme d’une telle famille. Pour une famille de réels, on se ramène à ses parties posi-
tive et négative.
Lorsque I = N, lien avec la convergence absolue de la
P
série u n .
Invariance de la sommabilité et de la valeur de la somme Démonstration non exigible.
par permutation de l’ensemble des indices.
Linéarité de la somme.
Théorème de sommation par paquets. Démonstration hors programme.
On vérifie l’hypothèse de sommabilité en appliquant le
théorème de sommation par paquets à la famille (|u i |)i 2I .
c) Applications des familles sommables
La famille (a m,n )(m,n)2N2 de réels positifs est sommable si

P
et seulement si pour tout n, la série a m,n converge et la
X≥ +1
X ¥
série a m,n converge. Si tel est le cas
m=0
X ≥ +1
+1 X ¥ +1
X ≥ +1
X ¥
a m,n = a m,n .
n=0 m=0 m=0 n=0

15/30
Si la famille (a m,n )(m,n)2N2 de nombres complexes est On vérifie l’hypothèse de sommabilité en appliquant
sommable, alors : l’énoncé précédent à la famille (|a m,n |)(m,n)2N2 .
+1
X +1
X +1
X +1
X
a m,n = a m,n .
n=0 m=0 m=0 n=0
Produit de Cauchy de deux séries absolument conver-

gentes.
Suites et séries de fonctions, séries entières

A - Suites et séries de fonctions
L’objectif de ce chapitre est triple :

– définir les différents modes de convergence des suites et séries de fonctions ;
– étudier la stabilité des propriétés des fonctions par passage à la limite ;
– énoncer deux théorèmes d’approximation uniforme choisis pour leur intérêt intrinsèque, les applications qu’ils offrent
et l’interprétation qu’ils permettent en termes de densité.
En vue des applications aux équations différentielles linéaires, les fonctions considérées sont à valeurs dans un espace
normé de dimension finie. Dans la pratique, on se limite pour l’essentiel au cas de fonctions à valeurs dans R ou C. On
peut commencer par traiter le programme dans ce cadre et expliquer brièvement l’extension au cas général.
Dans ce chapitre, les fonctions sont définies sur une partie A d’un espace vectoriel E de dimension finie et à valeurs dans
un espace vectoriel normé F de dimension finie.
a) Convergence simple, convergence uniforme
Convergence simple sur A.

Convergence uniforme sur A. La convergence uniforme Pour des fonctions bornées, interprétation de la conver-
entraîne la convergence simple. gence uniforme sur A en termes de norme.
b) Continuité, double limite
Si les u n sont continues en a et si (u n ) converge unifor-

mément vers u sur un voisinage de a, alors u est continue
en a.
Toute limite uniforme de fonctions continues sur A est Adaptation au cas où la convergence est uniforme au
continue sur A. voisinage de tout point de A.
Théorème de la double limite : soit (u n ) une suite de Démonstration non exigible.
fonctions de A dans F convergeant uniformément vers u Adaptation, si A Ω R, aux cas où a = +1 et a = °1.
sur A, et soit a un point adhérent à A ; si, pour tout n, u n
admet une limite `n en a, alors (`n ) admet une limite `
et
u(x) °! `.
x!a

16/30
c) Intégration d’une limite uniforme sur un segment
Soit (u n ) une suite de fonctions continues définies sur En particulier, si (u n ) converge uniformément vers u sur
l’intervalle I de R et à valeurs dans F , a un point de I . le segment S, alors :
On suppose que (u n ) converge uniformément sur tout Z Z
segment de I vers une fonction u. Pour n 2 N et x 2 I soit u n ! u.
S S
Zx Zx
Un (x) = u n , U (x) = u.
a a
Alors (Un ) converge uniformément vers U sur tout seg-

ment de I .
d) Dérivation d’une suite de fonctions
Soit (u n ) une suite de fonctions de classe C 1 sur un in- Extension aux suites de fonctions de classe C k , sous l’hy-
(j)
tervalle I de R, à valeurs dans F . Si (u n ) converge sim- pothèse de convergence simple de (u n ) pour 0 … j … k °1
plement sur I vers une fonction u, et si (u n0 ) converge (k)
et de convergence uniforme de (u n ) sur tout segment de
uniformément sur tout segment de I vers une fonction I.
v, alors (u n ) converge uniformément vers u sur tout seg-
ment de I , u est de classe C 1 sur I et u 0 = v.
e) Séries de fonctions
Convergence simple, convergence uniforme. Ces notions sont définies via la suite des sommes par-
tielles.
Une série de fonctions converge uniformément si et seule-
ment si elle converge simplement et la suite de ses restes
converge uniformément vers 0.
Adaptation au cas des séries de fonctions des résultats
des paragraphes b), c) et d) ci-dessus.
Convergence normale d’une série de fonctions. La conver- Les étudiants doivent savoir étudier la somme d’une série
gence normale implique la convergence uniforme et la de fonctions (régularité, étude asymptotique, utilisation
convergence absolue en tout point. de la comparaison série-intégrale).
e) Approximation uniforme
Approximation uniforme d’une fonction continue par

morceaux sur un segment par des fonctions en escalier.
Théorème de Weierstrass : Démonstration non exigible.
toute fonction continue sur un segment y est limite uni-
forme de fonctions polynomiales.

17/30
B - Séries entières
Les objectifs de ce chapitre sont les suivants :

– étudier la convergence d’une série entière et les propriétés de sa somme ;
– introduire la notion de développement d’une fonction en série entière ;
– établir les développements en série entière des fonctions usuelles.
Les coefficients des séries entières considérées sont réels ou complexes.
a) Généralités
Série entière. ° ¢
Lemme d’Abel : si la suite a n z 0n est bornée alors, pour
P
tout nombre complexe z tel que |z| < |z 0 |, la série a n z n
est absolument convergente.
Rayon de convergence d’une série entière. Disque ouvert de convergence ; intervalle ouvert de
convergence.
La convergence est normale sur tout disque fermé de
centre 0 et de rayon strictement inférieur à R ; la série
P
a n z n diverge grossièrement pour tout z tel que |z| > R.
Si a n = O(b n ), R a R b . Si a n ª b n , R a = R b .
P P
Les séries entières a n z n et na n z n ont même rayon
de convergence.
Utilisation de la règle de d’Alembert.
Continuité de la somme d’une série entière sur le disque L’étude des propriétés de la somme au bord du disque ou-
ouvert de convergence. vert de convergence n’est pas un objectif du programme.
Somme et produit de Cauchy de deux séries entières.
b) Série entière d’une variable réelle
Primitivation d’une série entière sur l’intervalle ouvert de

convergence.
La somme d’une série entière est de classe C 1 sur l’inter-
valle ouvert de convergence et ses dérivées s’obtiennent
par dérivation terme à terme.
+1
X +1
X
Expression des coefficients d’une série entière de rayon Si les fonctions x 7! a n x n et x 7! b n x n coïncident
de convergence strictement positif à l’aide des dérivées n=0 n=0
sur un voisinage de 0, alors pour tout n, a n = b n .
en 0 de sa somme.
c) Fonctions développables en série entière, développements usuels
Développement de exp(z) sur C.

1
Développement de sur {z 2 C, |z| < 1}.
1°z
Fonction développable en série entière sur un intervalle
] ° r, r [ de R. Série de Taylor d’une fonction de classe C 1
sur un intervalle ] ° r, r [.
Développements de fonctions de variable réelle. Les étudiants doivent connaître les développements en
série entière des fonctions exponentielle, hyperboliques,
circulaires, Arctan, x 7! ln(1 + x) et x 7! (1 + x)Æ .
Les étudiants doivent savoir développer une fonction en
série entière à l’aide d’une équation différentielle linéaire.

18/30
Fonctions vectorielles, arcs paramétrés
Ce chapitre poursuit trois objectifs :
– étendre le programme d’analyse réelle de première année au cadre des fonctions vectorielles ;
– préciser les notions de tangente et de vitesse instantanée ;
– fournir des outils pour l’étude des équations différentielles linéaires et du calcul différentiel.
Les fonctions sont définies sur un intervalle I de R, à valeurs dans un espace normé de dimension finie E .
a) Dérivabilité en un point
Dérivabilité en un point. Formes équivalentes : taux d’accroissement, développe-

ment limité à l’ordre 1.
Interprétation cinématique.
⌧ PC : vitesse instantanée.
Traduction par les coordonnées dans une base de E .
Dérivabilité à droite et à gauche d’une fonction en un
point.
b) Opérations sur les fonctions dérivables
Combinaison linéaire de fonctions dérivables.

Dérivabilité et dérivée de L ± f , où L est linéaire.
Dérivabilité et dérivée de B ( f , g ), où B est bilinéaire.
Cas du produit scalaire. ⌧ PC : dérivée de la densité volumique de l’énergie élec-
tromagnétique.
Dérivabilité et dérivée de f ±' où ' est une fonction réelle
de variable réelle et f une fonction vectorielle.
Applications de classe C k . Opérations sur les applica- ⌧ PC et SI : vecteur accélération.
tions de classe C k .
c) Intégration sur un segment
Intégrale d’une fonction f continue par morceaux sur un Définie par les intégrales des coordonnées dans une base.
Z Zb Zb
segment de R, à valeurs dans E .
Notations f, f, f (t ) dt .
[a,b] a a
⌧ PC et SI : intégration d’un champ de vecteurs en mé-
canique et électromagnétisme.
Linéarité de l’intégrale. Relation de Chasles.
∞Zb ∞ Zb ∞ ∞
∞ ∞ ∞f ∞.
Inégalité ∞ f ∞…
a a
Sommes de Riemann associées à une subdivision régu- Extension de l’énoncé relatif aux fonctions numériques
lière. étudié en MPSI.
e) Intégrale fonction de sa borne supérieure

Zx
Dérivation de x 7! f (t ) dt pour f continue. Ce paragraphe fournit l’occasion de revoir les résultats
a
correspondants pour les fonctions numériques et les tech-
niques de calcul de primitives.
Inégalité des accroissements finis pour une fonction de
classe C 1 .
f ) Formules de Taylor
Formule de Taylor avec reste intégral.

Inégalité de Taylor-Lagrange à l’ordre n pour une fonction
de classe C n .
Formule de Taylor-Young à l’ordre n pour une fonction Les étudiants doivent connaître la différence de nature
de classe C n . entre la formule de Taylor-Young (locale) et les formules
de Taylor globales (reste intégral et inégalité de Taylor-
Lagrange).

19/30
g) Arcs paramétrés
Arc paramétré de classe C 1 à valeurs dans E . Paramètre Interprétation géométrique de la dérivée : tangente en un
régulier. point associé à un paramètre régulier.
Exemples simples d’arcs paramétrés plans. Les étudiants doivent savoir déterminer la tangente et la
normale à un arc paramétré plan en un point associé à
un paramètre régulier.
L’étude des points stationnaires, des courbes asymptotes
et des arcs définis par une équation polaire est hors pro-
gramme.
La pratique du tracé des arcs paramétrés n’est pas un
objectif du programme. ⌧ I : réalisation de tracés à l’aide
de l’outil informatique.
Intégration sur un intervalle quelconque

Les fonctions sont à valeurs dans K, corps des réels ou des complexes.
L’objectif de ce chapitre est double :
– définir, dans le cadre restreint des fonctions continues par morceaux, la notion d’intégrabilité sur un intervalle non
compact ;
– compléter l’étude des séries de fonctions par celle des intégrales à paramètre.
La technicité n’est pas un but en soi. On privilégie donc les exemples significatifs (par exemple intégrales eulériennes ou
transformées intégrales).
Le programme ne contient aucune forme du théorème de Fubini, qui pourra être admis pour traiter un exercice ou un
problème nécessitant son utilisation.
a) Intégrale généralisée sur un intervalle de la forme [a, +1[

Z+1 Z+1
Pour Z
f continue par morceaux de [a, +1[ dans K, l’inté-
Z Notations f, f (t ) dt .
+1 x a a
grale f est dite convergente si la fonction x 7! f
a a
Z+1
a une limite finie en +1. Si tel est le cas, on note f
a
cette limite.
Linéarité
Zde l’intégrale sur [a, +1[, positivité. Dérivation
+1
de x 7! f si f est continue.
x
b) Intégrabilité sur un intervalle de la forme [a, +1[

Z+1
Une fonction f est dite intégrable sur [a, +1[ si |f | On utilise indifféremment les expressions
Z+1 « f est inté-
a
converge. grable sur [a, +1[ », et « l’intégrale f converge abso-
a
lument ».
Z+1
Si f est intégrable sur [a, +1[, alors f converge. L’étude des intégrales semi-convergentes n’est pas un
a
objectif du programme.
c) Intégration des fonctions positives sur un intervalle de la forme [a, +1[

Z+1
Si f est positive sur [a, +1[, l’intégrale f converge
Zx a
si et seulement si x 7! f est majorée.

a
1
Pour Æ dans R, étude de l’intégrabilité de x 7! xÆ sur
[1, +1[.

20/30
Pour f et g deux fonctions réelles positives continues par
morceaux sur [a, +1[ :
– si 0 … f … g , l’intégrabilité de g sur [a, +1[ implique
celle de f ; ° ¢
– si f (x) = O g (x) , l’intégrabilité de g sur [a, +1[
x!+1
implique celle de f ;
– si f (x) ª g (x), l’intégrabilité de g sur [a, +1[ équi-
x!+1
vaut à celle de f .
d) Intégration sur un intervalle quelconque

Zb Zb
Adaptation des paragraphes précédents aux fonctions Notations f, f (t ) dt .
a a
définies sur un intervalle semi-ouvert de R. On utilise indifféremment les expressions « f est inté-
Zb
grable sur [a, b[ », et « l’intégrale f converge absolu-
a
ment ».
1
Pour Æ dans R, étude de l’intégrabilité de x 7! (x°a)Æ sur
1
]a, b], de l’intégrabilité de x 7! |x°a|Æ sur [b, a[.
Zb Zb
Adaptation des paragraphes précédents aux fonctions Notations f, f (t ) dt .
2 a a
définies sur un intervalle ouvert ]a, b[ de R, (a, b) 2 R . Z
Si I est un intervalle
Z de R, linéarité et positivité de l’ap- Notation f.
I
plication f 7! f sur l’espace des fonctions de I dans K
I
dont l’intégrale converge.
Relation de Chasles.
Espace des fonctions intégrables de I dans E .
Inégalité triangulaire.
f est continue et intégrable sur I , à valeurs dans R+ et
Si Z
si f = 0, alors f est identiquement nulle.
I
Changement de variable : étant données une fonction Adaptation au cas où ' est strictement décroissante.
f continue sur ]a, b[ et une fonction ' : ]Æ, Ø[ ! ]a, b[ Les étudiants peuvent appliquer ce résultat sans jus-
bijective, strictement croissante et de classe C 1 , les in- tification dans des cas de changements de variable
Zb ZØ
° ¢ simples (fonctions affines, puissances, exponentielle, lo-
tégrales f (t ) dt et f '(u) '0 (u) du sont de même
a Æ garithme).
nature et égales en cas de convergence.
Intégration par parties sur un intervalle quelconque : L’existence des limites du produit f g aux bornes de l’in-
Zb Zb
tervalle assure que les intégrales de f g 0 et f 0 g sont de
f (t )g 0 (t ) dt = [ f g ]ba ° f 0 (t )g (t ) dt . £ §b
a a même nature. Notation f g a .
e) Intégration des relations de comparaison
Intégration des relations de comparaison : domination, La fonction de référence est positive.

négligeabilité, équivalence.

21/30
f ) Passage à la limite sous l’intégrale
Théorème de convergence dominée : soit ( f n ) une suite Démonstration hors programme.

de fonctions continues par morceaux de I dans K conver- L’hypothèse de continuité par morceaux de f , imposée
geant simplement sur I vers une fonction f continue par les limitations du programme, n’a pas l’importance
par morceaux et telle qu’il existe une fonction ' positive de l’hypothèse de domination.
intégrable sur I vérifiant | f n | … ' pour tout n. Alors :
Z Z
f n °! f .
I I
Extension au cas d’une famille à paramètre réel ( f ∏ )∏2J

où J est un intervalle de R.
Théorème d’intégration terme à terme : Démonstration hors programme.
Si ( f n ) est une suite de fonctions continuesX par morceaux L’hypothèse de continuité par morceaux de la somme,
et intégrables sur I , telle que la série f n converge sim- imposée par les limitations du programme, n’aZpas l’im-
plement vers une fonction f continue par morceaux sur X
XZ portance de l’hypothèse de convergence de | f n |.
I
I et telle que la série | f n (t )| dt converge, alors f est
I
intégrable sur I et
Z 1 Z
X
f (t ) dt = f n (t ) dt .
I n=0 I
g) Continuité d’une intégrale à paramètre
Soit A une partie d’un espace normé de dimension finie, L’hypothèse de continuité par morceaux, imposée par
I un intervalle de R, f une fonction définie sur A £ I à les limitations du programme, n’a pas l’importance de
valeurs dans K. On suppose que f est continue par rap- l’hypothèse de domination.
port à la première variable, continue par morceaux par Extension au cas où l’hypothèse de domination est satis-
rapport à la seconde variable. On suppose de plus qu’il faite au voisinage d’un point a de A. Si A est un intervalle
existe une fonction ' positive intégrable sur I telle que, de R, extension au cas où l’hypothèse de domination est
pour tout x de A, | f (x, .)| … '. Alors satisfaite sur tout segment de A.
Z ⌧ SI : transformée de Laplace.
g : x 7! f (x, t ) dt
I
est définie et continue sur A.
h) Dérivation d’une intégrale à paramètre
Soit I et J deux intervalles de R, f une fonction définie sur Extension au cas où l’hypothèse de domination est satis-
J £ I à valeurs dans K. On suppose que f est continue par faite sur tout segment de J .
morceaux par rapport à la seconde variable, que, pour Classe C k d’une intégrale à paramètre, sous hypothèse
@f @j f
tout x de J , t 7! f (x, t ) est intégrable sur I , que @x est dé- d’intégrabilité de (x, .) pour tout x de J si 0 … j … k ° 1
@x j
finie sur J £ I , continue par rapport à la première variable, @k f
et domination sur tout segment de (x, .) .
continue par morceaux par rapport à la seconde variable. @x k
On suppose de plus qu’il existe une fonction ' positive
@f
intégrable sur I telle que, pour tout x de J , | @x (x, .)| … '.
Alors Z
g : x 7! f (x, t ) dt
I
1
est de classe C sur J et vérifie :
Z
@f
8x 2 J , g 0 (x) = (x, t ) dt .
I @x
Exemples d’étude de fonctions définies comme inté- ⌧ PC : transformée de Fourier.

grales : régularité, étude asymptotique. ⌧ SI : théorème de la valeur initiale, théorème de la va-
leur finale.

22/30
Variables aléatoires discrètes
Ce chapitre, dont l’objectif est d’aborder l’étude des variables aléatoires discrètes, généralise celle qui a été effectuée en
première année et fournit des outils permettant d’aborder, sur des exemples simples, l’étude de procédés stochastiques à
temps discret. La mise en place de ces outils nécessite d’introduire des notions générales de théorie des probabilités. Ces
dernières font l’objet d’un exposé a minima. En particulier :
– la notion de tribu n’appelle aucun développement théorique ;
– la construction d’espaces probabilisés n’est pas un objectif du programme ;
– les diverses notions de convergence des suites de variables aléatoires (presque sûre, en probabilité, en loi) sont hors
programme.
Les résultats vus en première année s’étendent de manière très naturelle au cas des variables aléatoires discrètes. Cette
extension doit être effectuée rapidement, de manière à libérer du temps pour des activités pratiques.
La notion de variable à densité est hors programme.
a) Espaces probabilisés
Tribu sur un ensemble ≠. On se borne à la définition et à la stabilité par les opéra-

tions ensemblistes finies ou dénombrables.
Événements. Généralisation du vocabulaire relatif aux événements in-
troduit en première année.
Espace probabilisable (≠, A ).
Si A est une tribu sur ≠, une probabilité sur (≠, A ) est Espace probabilisé (≠, A , P ).
une application P définie sur A , à valeurs dans [0, 1], telle
que P (≠) = 1 et, pour toute suite (A n )n 0 d’événements
deux à deux disjoints, on ait :
≥ +1
[ ¥ +1
X
P An = P (A n ).
n=0 n=0
Si ≠ est fini ou dénombrable et si A = P (≠), une proba-

bilité P sur (≠, A ) s’identifie, via la formule
P ({!}) = p ! ,
à une famille (p ! )!2≠ de réels positifs sommable de

somme 1.
b) Propriétés élémentaires des probabilités
Continuité croissante : si (A n )n 0 est une suite d’événe-

ments croissante pour l’inclusion, alors :
≥ +1
[ ¥
P (A n ) °! P An .
n!+1
n=0
Continuité décroissante : si (A n )n 0 est une suite d’évé-

nements décroissante pour l’inclusion, alors :
≥ +1
\ ¥
P (A n ) °! P An .
n!+1
n=0
Si (A n )n 0 est une suite d’événements, alors :

≥ +1
[ ¥ +1
X
P An … P (A n ).
n=0 n=0

23/30
Événements négligeables, événements presque sûrs. Propriétés presque sûres.
Une réunion finie ou dénombrable d’événements négli- Tout développement sur ces notions est hors programme.
geables est négligeable.
c) Probabilités conditionnelles et indépendance
Extension des résultats vus en première année dans le Notations P B (A), P (A|B ).
cadre des univers finis : probabilité conditionnelle, for-
mule des probabilités composées, formule des probabili-
tés totales, formules de Bayes.
Couple d’événements indépendants. Famille quelconque
d’événements mutuellement indépendants.
d) Variables aléatoires discrètes
Étant donnés un ensemble E et un espace probabilisé Lorsque E Ω R, la variable aléatoire est dite réelle.
(≠, A , P ), une variable aléatoire discrète définie sur ≠ est
une application X de ≠ dans E telle que X (≠) soit fini ou
dénombrable et que, pour tout x de X (≠), X °1 ({x}) 2 A .
Loi P X de la variable aléatoire X . Notations X ª Y , X ª L .
Notations (X x), (X … x), (X < x), (X > x) pour une va-
riable aléatoire réelle X .
e) Couples de variables aléatoires, variables aléatoires indépendantes
Couple de variables aléatoires. Loi conjointe, lois margi-

nales.
Loi conditionnelle de Y sachant X = x. Extension au conditionnement par X > x ou autres inéga-
lités.
Extension aux n-uplets de variables aléatoires. Vecteurs
aléatoires discrets.
Couple de variables aléatoires indépendantes. Extension des résultats vus en première année.
Famille de variables aléatoires mutuellement indépen-
dantes.
Si X 1 , X 2 , . . . , X n sont des variables aléatoires mutuelle- Démonstration non exigible.
ment indépendantes, alors pour tout m compris entre 1 et
n °1, et toutes fonctions f et g , les variables f (X 1 , . . . , X m )
et g (X m+1 , . . . , X n ) sont indépendantes.
Existence d’espaces probabilisés portant une suite de La démonstration est hors programme.
variables indépendantes de lois discrètes données. Modélisation du jeu de pile ou face infini : suite
d’épreuves de Bernoulli mutuellement indépendantes.
f ) Lois usuelles
Pour p dans ]0, 1[, loi géométrique de paramètre p. Notation G (p).

La variable aléatoire X suit la loi G (p) si Interprétation comme rang du premier succès dans une
suite d’épreuves de Bernoulli mutuellement indépen-
8k 2 N§ , P (X = k) = (1 ° p)k°1 p. dantes de paramètre p.
Caractérisation comme loi sans mémoire :
P (X > n + k | X > n) = P (X > k).
Pour ∏ dans R§+ , loi de Poisson de paramètre ∏. Notation P (∏).

24/30
Approximation de la loi binomiale par la loi de Poisson : ⌧ I : simulation de cette approximation.
si, pour tout n, X n ª B(n, p n ) et si (np n ) converge vers ∏, Interprétation de la loi de Poisson comme loi des événe-
alors : ments rares.
∏k
8k 2 N, P (X n = k) °! e°∏ .
n!+1 k!
g) Espérance
Si X est une variable aléatoire à valeurs dans R+ , l’es- Notation E(X ).

pérance de X est la somme, dans [0, +1], de la famille ⌧ PC : énergie moyenne de systèmes à spectre discret.
(P (X = x) x)x2X (≠) .
Si X est une variable aléatoire réelle, la variable Notation E(X ).
aléatoire X est dite d’espérance finie si la famille Variables centrées.
(x P (X = x))x2X (≠) est sommable ; dans ce cas, la somme
de cette famille est l’espérance de X .
Espérance d’une variable aléatoire suivant une loi géomé-
trique, d’une variable aléatoire suivant une loi de Poisson.
Linéarité, positivité et croissance de l’espérance sur l’es- Si |X | … Y et si Y est d’espérance finie, alors X est d’espé-
pace des variables aléatoires d’espérance finie définies rance finie.
sur ≠.
Formule de transfert : soit X une variable aléatoire dis- Démonstration non exigible.
crète, f une fonction définie sur X (≠) à valeurs dans R ;
alors °f (X ) est d’espérance
¢ finie si et seulement si la fa-
mille P (X = x) f (x) est sommable ; si tel est le cas :
° ¢ X
E f (X ) = f (x) P (X = x).
x2X (≠)
Inégalité de Markov.
Si X et Y sont deux variables aléatoires indépendantes
d’espérances finies, alors :
E(X Y ) = E(X ) E(Y ).
h) Variance, écart type et covariance
Moments.
Si une variable aléatoire admet un moment d’ordre 2, elle
est d’espérance finie.
Inégalité de Cauchy-Schwarz : si X et Y admettent cha-
cune un moment d’ordre 2, alors X Y est d’espérance finie
et E(X Y )2 … E(X 2 ) E(Y 2 ).
Espace des variables aléatoires définies sur ≠ admettant
un moment d’ordre 2.
Variance, écart type. Notations V(X ), æ(X ).
Variables réduites.
⌧ PC : écart quadratique énergétique.
Relation V(X ) = E(X 2 ) ° E(X )2 .
X ° E(X )
Relation V(a X + b) = a 2 V(X ). Si æ(X ) > 0, la variable aléatoire est centrée
æ(X )
réduite.
Variance d’une variable aléatoire géométrique, d’une va-
riable aléatoire de Poisson.
Inégalité de Bienaymé-Tchebychev.
Covariance de deux variables aléatoires.
Relation Cov(X , Y ) = E(X Y ) ° E(X )E(Y ). Cas de variables
indépendantes.
Variance d’une somme finie, cas de variables deux à deux
indépendantes.

25/30
i) Loi faible des grands nombres
Si (X n )n 0 est une suite de variables aléatoires deux à Les étudiants doivent savoir retrouver, pour " > 0, l’inéga-
deux indépendantes, de même loi et admettant un mo- lité : µØ Ø ∂
n
X Ø Sn Ø æ2
ment d’ordre 2, alors, si S n = X k et m = E(X 1 ), on a, P ØØ ° m ØØ " …
k=1
n n"2
µØ Ø ∂ où æ est la variance commune des X k .
Ø Sn Ø
Ø
P Ø Ø
° m Ø " °! 0. ⌧ I : simulation d’une suite de tirages.
n n!+1
j) Fonctions génératrices
Fonction génératrice de la variable aléatoire X à valeurs La série entière définissant G X est de rayon supérieur ou
dans N : égal à 1 et converge normalement sur le disque fermé de
+1
centre 0 et de rayon 1. Continuité de G X .
X
G X (t ) = E(t X ) = P (X = k) t k .
k=0
Détermination de la loi de X par G X . Utilisation de G X

pour calculer les moments de X .
La variable aléatoire X est d’espérance finie si et seule- Les étudiants doivent savoir retrouver l’expression de la
ment si G X est dérivable en 1 ; dans ce cas E(X ) = G X 0 (1). variance de X à l’aide de G X 0 (1) et G X 00 (1).
La variable aléatoire X admet un second moment si et Les étudiants doivent savoir calculer la fonction géné-
seulement si G X est deux fois dérivable en 1. ratrice d’une variable aléatoire de Bernoulli, binomiale,
géométrique, de Poisson.
Fonction génératrice d’une somme finie de variables aléa-
toires indépendantes à valeurs dans N.
Équations différentielles linéaires

La notion générale d’équation différentielle linéaire est introduite à partir des exemples étudiés en première année :
équation scalaire d’ordre 1, équation scalaire homogène d’ordre 2 à coefficients constants.
La résolution explicite des systèmes linéaires à coefficients constants n’est pas un objectif du programme. On limitera en
conséquence la technicité des exercices d’application. On pourra en revanche présenter aux étudiants divers exemples
d’études qualitatives d’équations différentielles linéaires scalaires ou de systèmes linéaires. Concernant les systèmes à
coefficients constants, on pourra souligner le rôle du signe des parties réelles des valeurs propres de la matrice ; on pourra
également, en dimension 2, représenter certaines des courbes intégrales.
Dans ce chapitre, I est un intervalle de R, E un espace normé de dimension finie.
a) Généralités
Équation différentielle linéaire : Forme matricielle : systèmes différentiels linéaires

X 0 = A 0 (t )X + B (t ).
x 0 = a(t )(x) + b(t ) Équation différentielle homogène associée à une équa-
tion différentielle linéaire.
où a est une application continue de I dans L (E ) et b Principe de superposition.
une application continue de I dans E .
Problème de Cauchy. Mise sous forme intégrale d’un problème de Cauchy.

Représentation d’une équation scalaire linéaire d’ordre n
par un système différentiel linéaire.
Problème de Cauchy pour une équation linéaire scalaire
d’ordre n.

26/30
b) Solutions d’une équation différentielle linéaire
Théorème de Cauchy linéaire : existence et unicité de la Démonstration non exigible.

solution d’un problème de Cauchy. ⌧ I : méthode d’Euler pour la recherche d’une solution
approchée.
Cas des équations scalaires d’ordre n.
Cas des équations homogènes : l’ensemble des solutions
est un sous-espace vectoriel de F (I , E ). Pour t 0 dans I ,
l’application x 7! x(t 0 ) est un isomorphisme de cet es-
pace sur E .
Dimension de l’espace des solutions. Cas des équations
scalaires homogènes d’ordre n.
Structure de l’ensemble des solutions d’une équation
avec second membre.
Exemples d’équations différentielles linéaires scalaires Les étudiants doivent savoir exploiter la recherche de
d’ordre 1 ou 2 non résolues : solutions développables en série entière.
a(x)y 0 + b(x)y = c(x), a(x)y 00 + b(x)y 0 + c(x)y = d (x).
c) Exponentielle d’un endomorphisme, d’une matrice
Exponentielle d’un endomorphisme d’un espace normé Notations exp(a), ea , exp(A), e A .

de dimension finie, d’une matrice réelle ou complexe. ⌧ I : calcul de l’exponentielle d’une matrice.
Continuité de l’exponentielle.
Exponentielle de la somme de deux endomorphismes qui Démonstration non exigible.
commutent.
Dérivation, si a est un endomorphisme d’un espace Dérivation de t 7! exp(t A) si A est une matrice carrée
normé de dimension finie, de l’application t 7! exp(t a). réelle ou complexe.
d) Systèmes différentiels linéaires homogènes à coefficients constants
Résolution du problème de Cauchy Traduction matricielle.

Pour les calculs explicites, on se borne aux deux cas sui-
x 0 = a (x) , x(t 0 ) = x 0 vants : A diagonalisable ou n … 3.
si a est un endomorphisme de E et x 0 un élément de E .
e) Méthode de variation des constantes
Méthode de variation des constantes pour les systèmes Dans les exercices pratiques, on se limite au cas n = 2.
différentiels linéaires à coefficients continus.
Cas particulier des systèmes différentiels à coefficients Dans les exercices pratiques, on se limite au cas n = 2.
constants.
f ) Équations différentielles scalaires du second ordre
Adaptation de la méthode de variation des constantes

aux équations scalaires du second ordre.
Wronskien de deux solutions d’une équation scalaire ho- Définition et calcul. Cas d’une équation x 00 + q(t )x = 0.
mogène d’ordre 2.

27/30
Calcul différentiel
L’objectif de ce chapitre est de présenter les premières notions de calcul différentiel dans le cadre des espaces vectoriels
normés de dimension finie sur R. Ce chapitre fait intervenir à la fois des aspects intrinsèques et calculatoires, permettant
ainsi de développer la compétence « Représenter ».
La différentielle d’une application en un point est introduite à l’aide d’un développement limité. De nombreuses questions
se ramènent, via la paramétrisation de chemins, à des énoncés relatifs aux fonctions d’une variable réelle. En particulier,
les dérivées partielles fournissent un outil de calcul dans le cas où l’espace de départ est muni d’une base.
Les fonctions considérées dans ce chapitre sont définies sur un ouvert d’un R-espace vectoriel normé de dimension finie et
à valeurs dans un R-espace vectoriel normé de dimension finie. Le choix d’une base de l’espace d’arrivée permet de se
ramener au cas des fonctions à valeurs réelles.
a) Dérivée selon un vecteur, dérivées partielles
Dérivée de l’application f au point a selon le vecteur v. Notations Dv f (a), Dv f .
@f
Dérivées partielles dans une base. Notations @x (a), @i f (a).
i
Lorsqu’une base de E est fixée, l’identification entre f (x)
et f (x 1 , . . . , x n ) est autorisée.
b) Différentielle
Application différentiable au point a. Notation o(h). Développement limité à l’ordre 1.

Si f est différentiable en a, alors f est continue en a et
dérivable en a selon tout vecteur.
Différentielle de f en a, encore appelée application li- Notations df (a), df (a) · v.
néaire tangente à f en a.
Relation df (a) · v = Dv f (a).
Application différentiable sur un ouvert ≠. Différentielle Notation df .
sur ≠.
Cas particuliers : application constante, restriction à un
ouvert d’une application linéaire.
Lien entre différentielle et dérivées partielles.
Matrice de df (a) dans un couple de bases. Matrice jaco-
bienne d’une application définie sur un ouvert de Rn à
valeurs dans Rm .
Cas des fonctions d’une variable : si ≠ est un intervalle
ouvert de R, la différentiabilité de f en a équivaut à la
dérivabilité de f en a ; relation f 0 (a) = df (a) · 1.
c) Opérations sur les applications différentiables
Différentielle d’une combinaison linéaire d’applications On utilise l’existence d’un réel positif C tel que, pour tout
différentiables, de B ( f , g ) où B est bilinéaire et f et g sont (u, v), on ait kB (u, v)k … C kuk kvk. Tout développement
deux applications différentiables. sur les applications bilinéaires continues est hors pro-
gramme.
Différentielle d’une composée d’applications différen-
tiables.
Dérivée le long d’un arc : si ∞ est une application définie Interprétation géométrique en termes de tangentes.
sur l’intervalle I de R, dérivable en t , si f est différentiable Cas particulier fondamental : ∞(t ) = x + t h.
en ∞(t ), alors ( f ± ∞)0 (t ) = df (∞(t )) · ∞0 (t ). Dérivation de t 7! f (x 1 (t ), . . . , x n (t )).
Dérivées partielles d’une composée d’applications diffé- Règle de la chaîne : calcul des dérivées partielles de
rentiables. (u 1 , . . . , u m ) 7! f (x 1 (u 1 , . . . , u m ), . . . , x n (u 1 , . . . , u m )).

28/30
d) Cas des applications numériques
Si l’espace E est euclidien, gradient en a d’une applica- Le théorème de représentation des formes linéaires dans
tion numérique différentiable en a. Expression du gra- un espace euclidien est établi à ce stade.
dient en base orthonormée. Notation r f (a).
Interprétation géométrique du gradient : si r f (a) 6= 0, il
est colinéaire et de même sens que le vecteur unitaire
selon lequel la dérivée de f en a est maximale.
Point critique d’une application différentiable.
Condition nécessaire d’existence d’un extremum local.
Exemples de recherche d’extremums globaux.
e) Vecteurs tangents à une partie d’un espace normé de dimension finie
Si X est une partie de E et x un point de X , un vecteur

v de E est tangent à X en x s’il existe " > 0 et un arc ∞
défini sur ] ° ", "[ dérivable en 0 à valeurs dans X , tels que
∞(0) = x, ∞0 (0) = v.
Cas où E = R3 et où X est le graphe d’une fonction f Plan affine tangent à une surface d’équation z = f (x, y) :
différentiable sur un ouvert de R2 . équation cartésienne.
Si f est une fonction à valeurs réelles définie et différen- Le théorème des fonctions implicites est hors pro-
tiable sur un ouvert de l’espace euclidien E , si X est une gramme.
ligne de niveau de f , alors les vecteurs tangents à X au ⌧ PC : électrostatique.
point x de X sont orthogonaux au gradient de f en x.
f ) Applications de classe C 1
Une application f est dite de classe C 1 sur un ouvert ≠

si elle est différentiable sur ≠ et si df est continue sur ≠.
L’application f est de classe C 1 sur ≠ si et seulement Démonstration non exigible.
si les dérivées partielles relativement à une base de E
existent en tout point de ≠ et sont continues sur ≠.
Opérations algébriques sur les applications de classe C 1 .
Si f est une application de classe C 1 de ≠ dans F , si ⌧ PC : circulation d’un champ de vecteurs dérivant d’un
∞ est une application de classe C 1 de [0, 1] dans ≠, si potentiel.
∞(0) = a, ∞(1) = b, alors :
Z1
f (b) ° f (a) = df (∞(t )) · ∞0 (t ) dt .
0
Si ≠ est connexe par arcs, caractérisation des fonctions Démonstration pour ≠ convexe.
constantes sur ≠.
g) Applications de classe C k
@k f
Dérivées partielles d’ordre k. Notations , @ jl . . . @ j1 f .
@x j l . . . @x j 1
Une application est dite de classe C k sur un ouvert ≠ si La notion de différentielle seconde est hors programme.
ses dérivées partielles d’ordre k existent et sont continues ⌧ PC : laplacien.
sur ≠.
Théorème de Schwarz. Démonstration non exigible.
Opérations algébriques sur les applications de classe C k . Démonstrations non exigibles.
Composition d’applications de classe C k .

29/30
Exemples d’équations aux dérivées partielles du premier Les étudiants doivent être capables d’utiliser un change-
et du second ordre. ment de variables dans les deux cas suivants : transforma-
tion affine, passage en coordonnées polaires. L’utilisation
de tout autre changement de variables suppose une indi-
cation.
La notion de difféomorphisme étant hors programme,
l’expression des solutions en fonction des variables ini-
tiales n’est pas un attendu.
⌧ PC : équation de la diffusion thermique, équation de
propagation.

30/30

Programme MP

Transféré par

Droits d'auteur :

Formats disponibles

Programme MP

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Programme MP

Transféré par

Droits d'auteur :

Formats disponibles

Programmes des classes

préparatoires aux Grandes Ecoles

Voie : Mathématiques et physique

© Ministère de l’enseignement supérieur et de la recherche, 2013

Table des matières

© Ministère de l’enseignement supérieur et de la recherche, 2013 Mathématiques MP

Description et prise en compte des compétences

© Ministère de l’enseignement supérieur et de la recherche, 2013 Mathématiques MP

Unité de la formation scientifique

© Ministère de l’enseignement supérieur et de la recherche, 2013 Mathématiques MP

© Ministère de l’enseignement supérieur et de la recherche, 2013 Mathématiques MP

Usage de la liberté pédagogique

© Ministère de l’enseignement supérieur et de la recherche, 2013 Mathématiques MP

C ONTENUS C APACITÉS & COMMENTAIRES

Groupe. Produit fini de groupes. Exemples issus de l’algèbre et de la géométrie.

Morphisme de groupes. Exemples : signature, déterminant.

c) Groupes monogènes et cycliques

Groupe (Z/nZ, +). Générateurs de Z/nZ.

d) Ordre d’un élément dans un groupe

Anneau. Produit fini d’anneaux. Les anneaux sont unitaires.

f ) Idéaux d’un anneau commutatif

Idéal d’un anneau commutatif. Le noyau d’un mor-

© Ministère de l’enseignement supérieur et de la recherche, 2013 Mathématiques MP

h) Anneaux de polynômes à une indéterminée

Dans ce paragraphe, K est un sous-corps de C.

Algèbre. Les algèbres sont unitaires.

Réduction des endomorphismes et des matrices carrées

C ONTENUS C APACITÉS & COMMENTAIRES

© Ministère de l’enseignement supérieur et de la recherche, 2013 Mathématiques MP

Droite stable par un endomorphisme. ⌧ SI : matrice d’inductance : inductance cyclique et in-

d) Endomorphismes et matrices carrées diagonalisables

e) Endomorphismes et matrices carrées trigonalisables

Un endomorphisme d’un espace vectoriel E de dimen- Interprétation géométrique.

© Ministère de l’enseignement supérieur et de la recherche, 2013 Mathématiques MP

f ) Endomorphismes nilpotents, matrices nilpotentes

Endomorphisme nilpotent d’un espace vectoriel E de

g) Polynômes d’un endomorphisme, d’une matrice carrée

h) Lemme de décomposition des noyaux

Si P 1 , . . . , P r sont des éléments de K[X ] deux à deux pre-

i) Polynômes annulateurs et diagonalisabilité

Un endomorphisme u est diagonalisable si et seulement Traduction matricielle.

j) Endomorphismes à polynôme minimal scindé

S’il existe un polynôme scindé annulant u, décomposi- Traduction matricielle.

© Ministère de l’enseignement supérieur et de la recherche, 2013 Mathématiques MP

C ONTENUS C APACITÉS & COMMENTAIRES

a) Parties convexes d’un espace vectoriel réel

Barycentre. ⌧ PC et SI : centre de masse (ou centre de gravité).

b) Fonctions convexes d’une variable réelle

où x 1 , . . . , x n sont des points de I et ∏1 , . . . , ∏n des réels

c) Fonctions convexes dérivables, deux fois dérivables

Caractérisation des fonctions convexes dérivables sur I , Exemples d’inégalités de convexité.

Topologie des espaces vectoriels normés

C ONTENUS C APACITÉS & COMMENTAIRES

a) Normes et espaces vectoriels normés

Norme sur un espace vectoriel réel ou complexe. Struc- Vecteurs unitaires.

© Ministère de l’enseignement supérieur et de la recherche, 2013 Mathématiques MP

b) Suites d’éléments d’un espace vectoriel normé

Suite convergente, divergente. Unicité de la limite. Ca-

c) Comparaison des normes

Normes équivalentes. Invariance du caractère borné, de la convergence d’une