1

Programme de mathematiques de la classe preparatoire MP

1 Preambule
1.1 Objectifs generaux de formation
Lenseignement des mathematiques dans la li`ere Mathematiques et Physique (MP) a pour vocation
dapporter les connaissances fondamentales et les savoir-faire indispensables `a la formation generale
des scientiques, quils soient ingenieurs, enseignants ou chercheurs ; il developpe les aptitudes et les
capacites des el`eves selon les axes majeurs suivants :
lacquisition de connaissances et la matrise de techniques usuelles ;
le developpement simultane du sens de la rigueur et du go ut du concret ;
leveil de la curiosite intellectuelle et le developpement de lesprit critique, de recherche et de synth`ese ;
le developpement de linitiative, de lautonomie et des capacites dexpression et de communication.
Son objectif est double. Dune part, il permet de developper des concepts, des resultats, des methodes
et une demarche speciques aux mathematiques. Dautre part, il contribue `a fournir un langage, des
representations et des methodes dont les autres disciplines scientiques etudiees dans ces classes et au-
del`a, comme la physique, la chimie, linformatique et les sciences industrielles, sont demandeuses ou
utilisatrices.
Une formation mathematique de qualite doit developper non seulement la capacite `a acquerir des
connaissances et `a les appliquer `a des probl`emes prealablement repertories, mais aussi laptitude `a
etudier des probl`emes plus globaux ou des questions issues de situations reelles. Certaines situations
necessitent la conception doutils nouveaux pour les traiter. Ainsi, la reexion sur les concepts et les
methodes, la pratique du raisonnement et de la demarche mathematique constituent des objectifs ma-
jeurs.
Il est attendu que la pratique du raisonnement mathematique `a travers les notions etudiees dans le cadre
de ce programme concourt `a la formation de lesprit des el`eves : la rigueur du raisonnement, lesprit
critique, lanalyse et le controle des hypoth`eses et des resultats obtenus et leur pertinence au regard du
probl`eme pose, le sens de lobservation et celui de la deduction trouvent en mathematiques un champ
daction o` u ils seront cultives de mani`ere specique.
Pour aider les el`eves `a eectuer la synth`ese des connaissances acquises dans les dierents domaines
quils ont etudie, il est souhaitable de mettre en lumi`ere les interactions des champs de connaissance.
La concertation entre les enseignants par classe, discipline ou cycle peut y contribuer ecacement ; la
coherence et une organisation coordonnee entre les diverses disciplines est fondamentale. Il importe
deviter les redondances tout en soulignant les points communs, de limiter les divergences ou ambigutes
dues `a la diversite des points de vue possibles sur un meme objet tout en enrichissant lenseignement
par cette meme diversite.
Les el`eves doivent aussi etre entranes ` a lutilisation en mathematiques dun logiciel de calcul symbolique
et formel pour la resolution de probl`emes, la formulation de conjectures ou la representation graphique
de resultats. Lutilisation de ce logiciel, en liberant les el`eves des aspects calculatoires ou techniques
(calcul, dessin, representation graphique), leur permet de se concentrer sur la demarche. Les concepts
mathematiques sous-jacents sont mis en avant et linterpretation des resultats obtenus est facilitee.
Letude de situations complexes hors de portee des techniques traditionnelles devient possible.
Concernant les capacites dexpression et de communication, cela suppose, `a lecrit, la capacite `a com-
prendre les enonces mathematiques, `a mettre au point un raisonnement et `a rediger une demonstration
et, `a loral, celle de presenter de mani`ere claire et synthetique une demarche ou une production mathematique.
1
2
Les travaux individuels ou en equipe proposes aux el`eves en dehors du temps denseignement (devoirs
libres, interrogations orales, comptes rendus de travaux diriges ou dinterrogations orales, exposes de
TIPE) contribuent de mani`ere ecace `a developper ces competences. La communication utilise des
moyens diversies auxquels il convient de familiariser les el`eves : cela concerne non seulement le ta-
bleau, dont la matrise est un element essentiel, mais aussi les dispositifs de projection appropries
(retroprojecteur, videoprojecteur) et loutil informatique.
Il est aussi souhaitable que le contenu culturel des mathematiques ne soit pas sacrie au prot de la
seule technicite. En particulier, les textes et les references historiques rendent compte des interactions
entre les probl`emes mathematiques et la construction des concepts, mettent en evidence le role central
joue par le questionnement scientique pour le developpement theorique. Ils montrent en outre que les
sciences, et les mathematiques en particulier, sont en perpetuelle evolution et que le dogmatisme nest
pas la reference en la mati`ere. Dans ce sens, il pourra saverer pertinent danalyser linteraction entre
probl`emes et outils conceptuels ; les seconds sont developpes pour resoudre les premiers mais deviennent
`a leur tour, et aux mains des mathematiciens, des objets detude qui posent de nouveaux probl`emes et
peuvent ulterieurement servir au traitement dautres classes de probl`emes.
On attachera une importance `a laspect geometrique des notions et proprietes etudiees en ayant regulierement
recours `a des gures et croquis, ce qui permet de developper une vision geometrique des objets abstraits
et favorise de fructueux transferts dintuition.
1.2 Organisation du texte du programme
Le programme de la classe de deux`eme annee MP est presente en deux grandes parties, chacune delles
correspondant `a une periode. Chacune de ces parties denit un corpus de connaissances requises et de
capacites attendues.
Le programme denit les objectifs de lenseignement et decrit les connaissances et les capacites exigibles
des el`eves ; il precise aussi certains points de terminologie, certaines notations ainsi que des limites `a
respecter.
`
A linterieur de chaque periode, le programme est decline en chapitres (numerotees 1, 2, . . . ).
Chaque chapitre comporte un bandeau et un texte presente en deux colonnes : `a gauche gurent les
contenus du programme et `a droite les commentaires.
le bandeau denit les objectifs essentiels et les capacites attendues des el`eves, et delimite le cadre
detude des notions qui lui sont relatives. Il decrit parfois sommairement les notions qui y sont
etudiees ;
les contenus xent les connaissances, les resultats et les methodes gurant au programme ;
les commentaires donnent des informations sur les capacites attendues des el`eves. Ils indiquent
des rep`eres et proposent des notations. Ils precisent le sens ou les limites de certaines notions ;
les enonces de certaines denitions ou de certains resultats y sont parfois integralement explicites,
lobjectif etant ici dunier les pratiques des enseignants.
La chronologie retenue dans la presentation des dierents chapitres de chaque periode ne doit pas etre
interpretee comme un mod`ele de progression. Cependant, la progression retenue par chaque professeur
au cours de chaque periode doit respecter les objectifs de lenseignement dispense au cours de cette
periode.
1.3 Contenu du programme
Le programme deni un corpus de connaissances requises et de capacites attendues, et explicite des
aptitudes et des competences quune activite mathematique bien concue est am`ene de developper. Lac-
quisition de ce socle par les el`eves constitue un objectif prioritaire pour le professeur.
2
3
Il permet `a tous les el`eves dacquerir progressivement le niveau requis pour la poursuite des enseigne-
ments dispenses dans les grandes ecoles, et plus generalement les poursuites detudes dans dirents
etablissements de lenseignement superieur ; il leur permet egalement de se reorienter et de se former
tout au long de leur parcours.
Le programme porte essentiellement sur lalg`ebre, lanalyse et les probabilites. Letude de chacun de ces
trois domaines permet de developper des aptitudes au raisonnement et `a la modelisation, detablir des
liens avec dautres disciplines, et de nourrir les th`emes susceptibles detre abordes lors des TIPE.
Le programme dalg`ebre comprend trois chapitres. Le premier formalise les dierentes structures algebriques
usuelles rencontrees dans le programme et introduit lanneau Z/nZ comme exemple de structure quo-
tient ; on y aborde aussi larithmetique de K[X], o` u K est un sous-corps de C. Le deuxi`eme prolonge
letude de lalg`ebre lineaire abordee en classe de premi`ere annee MPSI et aboutit `a la reduction des
endomorphismes et des matrices ; cette etude est basee sur les notions de sous-espace stable et de po-
lynome dendomorphisme ; les principaux resultats y sont formules en termes delements propres et de
polynomes annulateurs. Le troisi`eme, consacre aux espaces prehilbertiens reels, prolonge letude de ces
espaces dej`a abordee en MPSI et abouti, en dimension innie, `a letude des familles orthonormales
totales et en dimension nie `a la reduction, en base orthonormale, des endomorphismes symetriques
(theor`eme spectral) et des isometries vectorielles ; cette etude met laccent sur les relations entre les
registres vectoriel, matriciel et geometrique.
En analyse, le programme introduit le concept despace vectoriel norme, ce qui permet daborder le
calcul dierentiel et fourni un cadre coherent pour letude des suites, des series et des fonctions et celle
des suites et des series de fonctions. Lintegration, la representation des fonctions, notamment par des
series enti`eres et par des integrales dependant dun param`etre, lapproximation des fonctions, letude
du calcul dierentiel et des equations direntielles lineaires tiennent une place majeure. Le programme
comporte aussi une introduction aux fonctions holomorphes.
Letude de la topologie dun espace vectoriel norme permet detendre les notions de suite, limite, conti-
nuite etudiees en premi`ere annee dans le cadre de la droite reelle, et dintroduire les concepts de compa-
cite et de connexite par arcs. Letude des familles sommables de nombres complexes vise la mise en place
des outils necessaires `a une presentation rigoureuse des espaces probabilises et `a letude des variables
aleatoires discr`etes.
Le chapitre relatif aux fonctions vectorielles permet la generalisation aux fonctions `a valeurs dans un
espace vectoriel norme de dimension nie des resultats danalyse reelle (derivation et integration sur
un segment) etudies en premi`ere annee ; on y aborde auussi une etude modeste des arcs parametres. Il
favorise les interpretations et les representations geometriques des objets etudies, et fourni une occasion
de relier les registres analytique et geometrique.
Letude des suites et series de fonctions et des dierents mode de leur convergence conduit aux theor`emes
de regularite de leur limite ou somme ; ces theor`emes sont ensuite appliques notamment pour etudier la
fonction exponentielle dans une alg`ebre normee de dimension nie ; cette etude se termine par lenonce de
deux theor`emes dapproximation. Les series enti`eres permettent de construire des fonctions de variable
complexe et de fournir des outils pour la resolution dequations dierentielles lineaires et pour letude
des fonctions holomorphes.
Le chapitre relatif au calcul dierentiel est etudie dans le cadre des espaces vectoriels normes de di-
mension nie. La dierentielle en un point est denie de manire intrins`eque an detablir un lien avec
lalg`ebre lineaire. Les notions de derivee selon un vecteur ou le long dun arc, de gradient, de vecteurs
tangents `a une partie constituent une premi`ere approche de la geometrie dierentielle. Parall`element `a
cette vision algebrique et geometrique, ce chapitre fournit aussi des outils operationnels pour la resolution
de probl`emes (recherche dextremums, equations aux derivees partielles).
Les theor`emes classiques sur lintegration des suites et series de fonctions et sur les integrales `a param`etre
3
4
sont etudies dans un seul chapitre ; ils fournissent les outils necessaires pour mener letude dune fonction
denie comme integrale dependant dun param`etre.
Letude des equations et des syst`emes dierentiels lineaires, dont les interventions sont frequentes tant
en mathematiques que dans les autres disciplines scientiques, est basee sur le theor`eme de Cauchy qui
permet detablir la structure de lensemble des solutions, illustrant la pertinence des outils de lalg`ebre
lineaire pour resoudre des probl`emes de lanalyse. Le cas particulier o` u les coecients sont constants
permet notamment dutiliser lexponentielle dendomorphisme et de matrice, et de mettre en uvre des
techniques de reduction.
Lenseignement des probabilites presente bri`evement le formalisme de Kolmogorov qui sera repris et ap-
profondi dans le cursus post classes preparatoires. Son objectif majeur est letude des variables aleatoires
discr`etes et celle des variables `a densite, ce qui permet delargir le champ des situations reelles se pretant
`a une modelisation probabiliste.
On y etudie les bases de la theorie des probabilites : variables aleatoires, lois usuelles, notions dindependance
et de probabilites conditionnelles, notions de moments et de fonctions generatrices ; ce chapitre debouche
sur des resultats dapproximation (loi faible des grands nombres, theor`eme de la limite centree). La loi
faible des grands nombres permet de justier a posteriori lapproche frequentiste dune probabilite pour
un schema de Bernoulli. Linegalite qui la sous-tend (inegalite de Bienayme-Tchebychev) precise la vi-
tesse de convergence de cette approximation et valide linterpretation de la variance comme indicateur
de dispersion. Ce chapitre a vocation ` a interagir avec le reste du programme, notamment en exploitant
les series generatrices et lintegration sur un intervalle quelconque.
An de contribuer au developpement des competences de modelisation et de representation, le pro-
gramme preconise le recours `a des gures geometriques pour aborder lalg`ebre lineaire, les espaces
prehilbertiens, les fonctions de variable reelle ou vectorielle. Certaines notions de geometrie ane et
euclidienne etudiees en classe de premi`ere annee MPSI sont reprises dans un cadre plus general.
Le programme encourage la demarche algorithmique et le recours `a loutil informatique (calculatrices,
logiciels) ; il int`egre la construction et la mise en forme dalgorithmes et, sur des exemples, la comparaison
de leurs performances.
1.4 Organisation temporelle de la formation
Le programme de la classe de deuxi`eme annee MP est presente en deux grandes parties, chacune delles
correspondant `a une periode. Le programme de la preim`ere periode est etudie compl`etement en premier
lieu, lors des quatre premiers mois de lannee ; celui de la deuxi`eme periode est ensuite aborde. Le
programme doit etre traite en veillant ` a alterner, de preference, des chapitres danalyse, de probabilite,
dalg`ebre et de geometrie euclidienne.
1.5 Recommandations pedagogiques pour le choix dune progression
Le programme est presente en deux grandes parties, mais son organisation nest pas un plan de cours ;
il va de soi que cette presentation nest quune commodite de redaction et ne doit pas faire oublier les
interactions nombreuses et etroites entre les dierents domaines des mathematiques.
Les chapitres qui composent le programme suivent un ordre thematique qui nest dailleurs pas le
seul possible. Cette organisation a pour objet de presenter les dierentes notions du programme de
mathematiques et ne peut en aucun cas etre considere comme une progression de cours.
Chaque professeur adopte librement la progression quil juge adaptee au niveau de sa classe et conduit
lorganisation de son enseignement dans le respect de la coherence de la formation globale. Il choisit
4
5
ses methodes et ses problematiques en privilegiant la mise en activite
1
des el`eves et en evitant tout
dogmatisme. En eet lacquisition des connaissances et des capacites est dautant plus ecace que les
el`eves sont acteurs de leur formation. Le contexte denseignement retenu doit motiver les el`eves, favoriser
lacquisition des connaissances et permettre le developpement de leurs competences et capacites.
En contrepartie de cette liberte dans lorganisation de la progression, le respect des objectifs de forma-
tion et son etalement dans lannee, comme indiques ci-dessus, reste une necessite incontournable.
1. Tell me and I forget, teach me and I may remember, involve me and I learn. benjamin franklin ( Dis-moi et
joublie, enseigne-moi et je peux me rappeler, implique-moi et japprends. )
5
6
2 Premi`ere periode
2.1 Structures algebriques usuelles
Letude des structures algebriques permet dapprofondir plusieurs points abordes en premi`ere annee
MPSI : arithmetique de Z et de K[X], congruences, alg`ebre lineaire, groupe symetrique, groupes issus
de lalg`ebre lineaire et de la geometrie des espaces euclidiens.
Ce chapitre gagne `a etre illustre par de nombreux exemples.
Le paragraphe relatif aux polynomes permet de revenir sur letude menee en premi`ere annee MPSI, dans
un cadre etendu et dans un esprit plus algebrique, mettant laccent sur la notion dideal.
Sans soulever de diculte, on signalera que les notions dalg`ebre lineaire etudiees en MPSI setendent
au cas o` u le corps de base est un sous-corps de C.
2.1.1 Structure de groupe
Groupe. Produit ni de groupes. Exemples issus de lalg`ebre et de la geometrie.
Sous-groupe ; caracterisation dun sous-groupe. Sous-groupes du groupe (Z, +).
Intersection de sous-groupes. Sous-groupe engendre
par une partie. Groupe monog`ene, groupe cyclique.
Exemples : Groupe (Z/nZ, +), generateurs de
(Z/nZ, +) ; groupe des racines n-i`emes de
lunite.
Exemples de parties generatices du groupe S
n
.
Les reexions engendrent le groupe des
isometries vectorielles en dimension 2.
Morphisme de groupes. Exemples : signature, determinant.
Image et image reciproque dun sous-groupe par un
morphisme.
Image et noyau dun morphisme. Condition din-
jectivite dun morphisme.
Exemple : groupe special orthogonal dun espace
euclidien.
Isomorphisme de groupes. Reciproque dun isomor-
phisme
Tout groupe monogne inni est isomorphe `a
(Z, +) ; tout groupe monog`ene ni (cyclique) de
cardinal n est isomorphe `a (Z/nZ, +).

Element dordre ni dun groupe G, ordre dun tel

element.
Si x est dordre ni, lordre de x est le cardinal
du sous-groupe de G engendre par x.
Si x est dordre ni d et si e designe le neutre de
G, alors, pour tout k Z, x
k
= e d[k.
Dans un groupe ni G, tout element est dordre
ni, en plus cet ordre divise le cardinal du groupe.
Demonstration dans le cas G commutatif.
2.1.2 Structure danneau, anneau Z/nZ
Anneau. Produit ni danneaux. Les anneaux sont supposes unitaires.
Sous-anneaux. Morphisme danneaux. Image et
noyau dun morphisme danneaux. Isomorphisme
danneaux.
Anneau int`egre. Corps. Sous-corps. Les corps sont supposes commutatifs.
Ideal dun anneau commutatif. Le noyau dun mor-
phisme danneaux est un ideal.
Ideaux de lanneau Z.
6
7
Relation de divisibilite dans un anneau commutatif
int`egre.
Interpretation de la divisibilite en termes
dideaux.
Anneau Z/nZ.

Elements inversibles de lanneau
Z/nZ.
Lanneau Z/nZ est un corps si, et seulement si,
n est premier.
Theor`eme chinois : si m et n sont deux entiers pre-
miers entre eux, isomorphisme naturel de Z/mnZ
sur Z/mZ Z/nZ.
Application aux syst`emes de congruences.
Indicatrice dEuler . Calcul de (n) `a laide de la
decomposition de n en facteurs premiers.
Theor`eme dEuler. Lien avec le petit theor`eme de Fermat etudie en
premi`re annee MPSI.
2.1.3 Anneaux de polynomes `a une indeterminee
Dans ce paragraphe et le suivant, K est un sous-corps de C.
Ideaux de lanneau K[X].
pgcd de deux polynomes. Par convention, le pgcd est unitaire.
Extension au cas dune famille nie.
Relation de Bezout. Lemme de Gauss. Algorithme dEuclide etendu sur les polynomes,
recherche des coecients de Bezout.
Irreductibles de K[X]. Decomposition dun element
de K[X] en produit dirreductibles unitaires : exis-
tence et unicite.
Les el`eves doivent connatre les polynomes
irreductibles de C[X] et R[X].
Letude des polynomes sur un corps ni est hors
programme.
2.1.4 Structure dalg`ebre
Alg`ebre. Les alg`ebres sont unitaires.
Exemples : K[X], /(E), /
n
(K), T(X, K).
Sous-alg`ebre.
Morphisme dalg`ebres.
2.2 Topologie des espaces normes
Ce chapitre prolonge les notions de limites, de suites, de series et de fonctions etudiees en premi`ere
annee MPSI ; il introduit la topologie des espaces vectoriels normes, ce qui permet de fournir un cadre
coherent pour letude de ces notions `a un niveau supperieur. Les concepts etudies ici se pretent `a
des representations issues de dierents registres ; dans ce cadre, on tachera de souligner le contenu
geometrique des notions abordees, notamment en ayant recours `a de nombreuses gures.
Ce chapitre vise quatre objectifs :
introduire, dans le cadre des espaces normes, le vocabulaire de la topologie ;
introduire les notions de compacite et de connexite par arcs dans un espace norme ;
etablir lequivalence des normes en dimension nie et en tirer des consequences (caracterisation
de la compacite et de la convergence dune suite bornee, continuite des applications lineaires et
multilineaires . . . ) ;
7
8
donner, ` a travers letude des espaces normes de dimension nie, un cadre commode pour traiter
diverses applications `a lanalyse (fonctions vectorielles, suites et series de fonctions, equations
dierentielles lineaires).
Il est attendu qu`a lissue de ce chapitre, les el`eves
aient une bonne connaissance des normes usuelles sur K
n
et sur les espaces de suites, de matrices
et de fonctions, sachent en etablir les proprietes et soient capables de les comparer ;
acqui`erent les notions de base sur letude locale dune fonction, les notions de compacite et de
connexite par arcs, et connaissent les proprietes globales des fonctions continues ;
sachent exploiter la densite pour etablir des relations entre fonctions continues ;
soient capables dexploiter les proprietes de compacite et de connexite par arcs notamment en
dimension nie.
Hormis les denitions et quelques exemples simples, letude generale de la notion de suite de Cauchy
et celle despace de Banach est hors programme ; ces notions sont introduites `a titre dinformation pour
preparer les el`eves aux cursus post classes preparatoires.
Dans tout ce chapitre, K designe lun des deux corps R ou C.
2.2.1 Normes et espaces vectoriels normes
Norme sur un espace vectoriel reel ou complexe.
Espaces vectoriels normes.
Vecteurs unitaires.
Distance associee `a une norme. Inegalite triangulaire. Distance `a une partie.
Boules fermees, boules ouvertes, sph`eres. Convexite
des boules.
Parties, suites et fonctions bornees.
Norme associee `a un produit scalaire sur un espace
prehilbertien reel.
Normes usuelles | |
1
, | |
2
et | |

sur K
n
. Normes
usuelles | |
1
, | |
2
et | |

sur /
n,p
(K).
|A|
1
= sup
1jp
n

i=1
[a
i,j
[, |A|

= sup
1in
p

j=1
[a
i,j
[,
|A|
2
=
_

1in
1jp
[a
i,j
[
2
_
1/2
, A = (a
i,j
)/
n,p
(K).
Si X est un ensemble, norme de la convergence uni-
forme sur lespace des fonctions bornees de X dans
K.
Norme dite innie ou uniforme.
Normes de la convergence en moyenne et de la
convergence en moyenne quadratique sur lespace
des fonctions continues sur un segment `a valeurs
dans K.
Produit ni despaces vectoriels normes. Norme produit.
2.2.2 Suites delements dun espace vectoriel norme
8
9
Suite convergente, divergente. Unicite de la li-
mite. Caract`ere borne dune suite convergente.
Operations algebriques sur les suites convergentes.
Convergence dune suite `a valeurs dans un produit
ni despaces normes.
Suites extraites, valeurs dadherence. Une suite ayant au moins deux valeurs
dadherence diverge.
2.2.3 Topologie dun espace vectoriel norme
Ouvert dun espace norme. Stabilite par reunion
quelconque, par intersection nie.
Une boule ouverte est un ouvert.
Voisinage dun point.
Ferme dun espace norme. Stabilite par intersection
quelconque, par reunion nie.
Une boule fermee et une sph`ere sont fermees.
Point interieur, point adherent. Interieur,
adherence, fronti`ere dune partie. Caracterisation
sequentielle des points adherents, des fermes.
Partie dense.
Si A est une partie dun espace norme, ou-
vert et ferme relatifs de A. Voisinage relatif. Ca-
racterisation sequentielle des fermes de A.
2.2.4 Comparaison des normes
Normes equivalentes. Invariance du caract`ere
borne, de la convergence dune suite et des notions
topologiques par passage `a une norme equivalente.
Utilisation des suites pour etablir que deux
normes ne sont pas equivalentes.
La comparaison de normes denies sur des es-
paces fonctionnels fait partie des capacites at-
tendues des el`eves.
2.2.5

Etude locale dune application, continuite
Limite en un point adherent `a une partie A. Ca-
racterisation sequentielle.
Extensions de la notion de limite : limite de f(x)
lorsque |x| tend vers +; limite de f(x) quand
x tend vers+ ou vers , lorsque A est une
partie de R; limite innie en a adherent `a A
pour une application `a valeurs reelles.
Cas dune application `a valeurs dans un produit ni
despaces normes.
Operations algebriques sur les limites.
Limite dune composee.
Continuite en un point. Caracterisation sequentielle
de la continuite en un point.
Applications continues. Operations algebriques sur
les applications continues. Composition de deux ap-
plications continues.
Les el`eves doivent savoir que deux applications
continues qui concident sur une partie dense
sont egales.
9
10
Image reciproque dun ouvert, dun ferme par une
application continue.
Applications uniformement continues, applications
lipschitziennes ; uniforme continuite des applica-
tions lipschitziennes.
Exemple : lapplication x d(x, B) o` u B est
une partie dun espace vectoriel norme.
Si u est une application lineaire dun espace vec-
toriel norme E dans un espace vectoriel norme F,
la continuite de u equivaut `a lexistence dun reel
C > 0 tel que, pour tout x E, |u(x)| C|x|.
Notation /
c
(E, F).
La notion de norme subordonnee est hors pro-
gramme.
2.2.6 Parties compactes dun espace vectoriel norme
Denition dune partie compacte K par la propriete
de Bolzano-Weierstrass : toute suite delement de
K poss`ede une valeur dadherence dans K.
La propriete de Borel-Lebesgue est hors pro-
gramme.
Une partie compacte est fermee et bornee. Une par-
tie fermee dune partie compacte est compacte.
Une suite delements dune partie compacte
converge si, et seulement si, elle admet une unique
valeur dadherence.
Produit dune famille nie de compacts.
Image dune partie compacte par une application
continue.
Cas particulier des applications `a valeurs
reelles : theor`eme des bornes atteintes.
Theor`eme de Heine. Toute application continue sur une partie com-
pacte est uniformement continue.
2.2.7 Parties connexes par arcs dun espace vectoriel norme
Arc (ou chemin continu) joignant deux points. Relation dequivalence associee sur une partie A
de E. Les classes dequivalence sont les compo-
santes connexes par arcs de la partie A.
Parties connexes par arcs. Cas des parties convexes, des parties etoilees.
Les parties connexes par arcs de R sont les inter-
valles.
Image continue dune partie connexe par arcs. Cas particulier des applications `a valeurs
reelles : theor`eme des valeurs intermediaires.
2.2.8 Espaces vectoriels normes de dimension nie

Equivalence des normes sur un espace de dimension

nie.
Demonstration non exigible.
Invariance des dierentes notions topologiques par
rapport au choix dune norme en dimension nie.
Caracterisation de la convergence dans un espace
de dimension nie `a laide dune base.
Les el`eves doivent savoir que la convergence
dune suite (ou lexistence de la limite dune
fonction) `a valeurs dans un espace vectoriel
norme de dimension nie equivaut `a celle de cha-
cune de ses coordonnees dans une base.
10
11
Une partie dun espace norme de dimension nie
est compacte si, et seulement si, elle est fermee et
bornee.
Une suite bornee dun espace norme de dimension
nie converge si, et seulement si, elle poss`ede une
unique valeur dadherence.
Un sous-espace de dimension nie dun espace
norme est ferme.
Si E est de dimension nie, toute application
lineaire de E dans un espaces norme F est continue.
Continuite des applications polynomiales, des ap-
plications multilineaires denies sur un produit
despaces normes de dimensions nies.
Exemple : determinant.
2.2.9 Propriete de Cauchy pour les suites
Suites de Cauchy dans un espace vectoriel norme.
Toute suite convergente est de Cauchy. Denition
dun espace vectoriel norme complet (espace de Ba-
nach).
La notion de suite de Cauchy est introduite `a
titre dinformation ; elle sera developpee dans les
cursus post classes preparatoires.
R, C et, plus generalement, tout espace vectoriel
norme de dimension nie sont complets.
Exemple despace vectoriel norme non complet.
2.3 Reduction des endomorphismes et des matrices carrees
Ce chapitre a un triple objectif :
consolider et approfondir les acquis de la classe de premi`ere anne MPSI relatifs `a letude des
concepts fondamentaux de lalg`ebre lineaire notamment en dimension nie ;
etudier la reduction des endomorphismes et des matrices ;
exploiter les resultats obtenus pour letude de probl`emes issus de lalg`ebre, de lanalyse et de la
geometrie.
Les methodes qui y sont presentees sont de deux types : les unes, de nature geometrique, reposent sur
les notions de sous-espace stable et delements propres ; les autres, de nature algebrique, font appel aux
polynomes annulateurs.
Il est attendu qu`a lissue de ce chapitre, les el`eves
acqui`erent les notions de base sur la reduction des endomorphismes et des matrices (elements
propres, sous-espoace stable, polynome dendomorphisme et de matrice, polynome annulateur) ;
puissent mettere en uvre ces notions pour mener letude, dans des cas standard, de la diagona-
lisation et la trigonalisation des matrices et des endomorphismes, en dimension nie ;
soient capables dexploiter les resultats obtenus pour letude de probl`emes issus de lalg`ebre, de
lanalyse et de la geometrie.
Dans ce chapitre, E designe un K-espace vectoriel o` u le corps de base K designe un sous-corps de C.
On se limitera dans la pratique au cas o` u K est egal `a R ou C.
2.3.1 Sous-espaces stables ; elements propres dun endomorphisme, dune matrice carree
11
12
Rappels sur les matrices semblables. Interpretation geometrique.
Les el`eves doivent savoir utiliser lendomor-
phisme canoniquement associe `a une matrice
carree.
Sous-espace F stable par un endomorphisme u de
E. Endomorphisme u
F
de F induit par u. Somme
et intersection de sous-espaces stables par u.
En dimension nie, traduction de la stabilite
dun sous-espace F par un endomorphisme u
`a laide de la matrice de u dans une base de
E adaptee `a F ; caracterisation des endomor-
phismes stabilisant des sous-espaces vectoriels
F
1
, . . . , F
r
de E tels que E = F
1
F
r
par
leur matrice dans une base de E adaptee `a cette
decomposition.
Droite stable par un endomorphisme. Valeur
propre, vecteur propre, sous-espace propre.
Un vecteur propre est non nul.
Le spectre dun endomorphisme dun espace de di-
mension nie est lensemble de ses valeurs propres.
La notion de valeur spectrale est hors pro-
gramme.
La somme dune famille nie de sous-espaces
propres est directe.
Toute famille de vecteurs propres associes `a des
valeurs propres deux `a deux distinctes est libre.
Le spectre dun endomorphisme dun espace de di-
mension nie n est ni de cardinal au plus n.
Si deux endomorphismes u et v commutent, Ker u
et Imu sont stables par v.
En particulier, tout sous-espace propre de u est
stable par v.
Valeurs propres, vecteurs propres, sous-espaces
propres et spectre dune matrice carree.

Equation aux elements propres MX = X.

Deux matrices semblables ont meme spectre.
Si K est un sous-corps de L et si M /
n
(K), le
spectre de M dans K est contenu dans le spectre
de M dans L.
2.3.2 Polynome caracteristique
Polynome caracteristique dune matrice carree,
dun endomorphisme dun espace vectoriel de di-
mension nie.
Une matrice et sa transposee ont meme
polynome caracteristique ; le polynome ca-
racteristique est un invariant de similitude.
Notations
u
,
A
.
Le polynome caracteristique est unitaire ; va-
leurs des coecients des monomes de degres 0
et n 1 dans
u
,
A
.
Les racines du polynome caracteristique dans le
corps de base sont les valeurs propres. Multiplicite
dune valeur propre.
Le sous-espace propre associe `a une valeur
propre est de dimension inferieure ou egale
`a la multiplicite de .
Si le polynome caracteristique
u
est scinde, la
somme et le produit des valeurs propres de u,
comptees avec leur multiplicite, sont egaux `a la
trace et au determinant de u respectivement.
Polynome caracteristique dune matrice triangu-
laire. Polynome caracteristique dun endomor-
phisme induit.
12
13
2.3.3 Endomorphismes et matrices carrees diagonalisables
Un endomorphisme dun espace vectoriel E de di-
mension nie est dit diagonalisable sil existe une
base de E dans laquelle sa matrice est diagonale.
Une telle base est constituee de vecteurs propres.
Pour quun endomorphisme soit diagonalisable, il
faut et il sut que la somme de ses sous-espaces
propres soit egale `a E.
Cas des projecteurs, des symetries.
Une matrice carree est dite diagonalisable si elle est
semblable `a une matrice diagonale.
Pour quune matrice carree soit diagonalisable, il
faut et il sut que lendomorphisme canonique-
ment associe soit diagonalisable.
Dans la pratique des cas numeriques, on se limite
`a n = 2 ou n = 3.
Cas dun endomorphisme dun espace de dimension
n admettant n valeurs propres distinctes.
Traduction matricielle.
Pour quun endomorphisme u soit diagonalisable,
il faut et il sut que
u
soit scinde et que, pour
toute valeur propre de u, la dimension de lespace
propre associe soit egale `a sa multiplicite.
Traduction matricielle.
2.3.4 Endomorphismes et matrices carrees trigonalisables
Un endomorphisme est dit trigonalisable sil existe
une base dans laquelle sa matrice est triangulaire
superieure.
Interpretation geometrique.
Une matrice carree est dite trigonalisable si elle est
semblable `a une matrice triangulaire superieure.
Pour quune matrice carree soit trigonalisable, il
faut et il sut que lendomorphisme canonique-
ment associe le soit.
La pratique de la trigonalisation nest pas un
objectif du programme. On se limite au cas n =
2 ou n = 3.
Un endomorphisme est trigonalisable si, et seule-
ment si, son polynome caracteristique est scinde.
Interpretation dans le registre matriciel.
Expression de la trace et du determinant dun
endomorphisme trigonalisable, dune matrice
trigonalisable `a laide des valeurs propres.
Cas particulier : Endomorphismes nilpotents, ma-
trices nilpotentes.
Indice de nilpotence.
Un endomorphisme est nilpotent si, et seulement si,
il est trigonalisable avec pour seule valeur propre 0.
Lindice de nilpotence est majore par la dimension
de E.
2.3.5 Polynomes dun endomorphisme, dune matrice carree
Pour u /(E), morphisme dalg`ebres P P(u)
de K[X] dans /(E). Le noyau de ce morphisme
est lideal annulateur de u. Son image est la sous-
alg`ebre commutative K[u] de /(E).
Pour M dans K[X], morphisme P P(M) de
K[X] dans /
n
(K), ideal annulateur de M, sous-
alg`ebre K[M] de /
n
(K).
13
14
Polynome minimal dun endomorphisme dun es-
pace de dimension nie, dune matrice carree.
Le polynome minimal est unitaire.
Si d est le degre du polynome minimal, alors la
famille (u
k
)
0kd1
est une base de K[u].
Si u(x) = x et P K[X], alors P(u)(x) = P()x. Si P est un polynome annulateur de u, toute
valeur propre de u est racine de P.
Theor`eme de Cayley-Hamilton. Demonstration non exigible.
Theor`eme de decomposition des noyaux : Si
P
1
, . . . , P
r
sont des elements de K[X] deux `a deux
premiers entre eux de produit egal `a P, alors
Ker(P(u)) = Ker(P
1
(u)) Ker(P
r
(u)).
2.3.6 Application `a la reduction de la notion de polynome annulateur
Famille (p
1
, . . . , p
r
) des projecteurs associes `a une
decomposition de E de la forme E = F
1
F
r
.
Decomposition spectrale dun endomorphisme
diagonalisable u dont les sous-espaces propres
sont F
1
, . . . , F
r
: u =
1
p
1
+ +
r
p
r
; pour tout
P K[X], P(u) = P(
1
)p
1
+ +P(
r
)p
r
.
Un endomorphisme u est diagonalisable si, et seule-
ment si, il existe un polynome scinde `a racines
simples annulant u, ou encore si, et seulement si,
son polynome minimal est scinde `a racines simples.
Interpretation de ce resultat dans le registre ma-
triciel.
Polynome minimal dun endomorphisme induit. Diagonalisabilite dun endomorphisme induit
par un endomorphisme diagonalisable.
Sil existe un polynome scinde annulant u,
decomposition de E en somme directe de sous-
espaces stables par u sur chacun desquels u induit
la somme dune homothetie et dun endomorphisme
nilpotent.
Interpretation de ce resultat dans le registre ma-
triciel.
La decomposition de Dunford et la reduction de
Jordan sont hors programme.
2.4 Series dans un espace norme de dimension nie ; familles sommables
Lobjectif de ce chapitre est triple :
etendre la notion de serie convergente au cadre des espaces normes de dimension nie, en parti-
culier aux espaces dendomorphismes et de matrices ; ce qui permet de completer et consolider les
acquis de premi`ere annee MPSI relatifs aux series numeriques ;
denir lexponentielle dendomorphismes et de matrices carees ;
introduire la notion densemble denombrable et de famille sommable de nombres reels ou complexes
indexee par un tel ensemble ; cette notion sera utile notamment pour letude des probabilites.
Il est attendu qu`a lissue de ce chapitre, les el`eves acqui`erent des notions de base sur les series delements
dun espace norme de dimension nie et la sommabilite notamment en vue detudier les probl`emes
dinterversion de sommation.
14
15
2.4.1 Series `a valeurs dans un espace norme de dimension nie
Il est recommande de faire des rappels de cours et des exercices de revision sur les series numeriques
avant dentamer letude des series dans un espace norme de dimension nie.
Serie delements dun espace norme de dimension
nie. Sommes partielles. Convergence, divergence.

n
u
n
designe la serie de terme general u
n
, on
dit aussi serie associee `a la suite (u
n
)
nN
.
Somme et restes dune serie convergente. Lorsquune serie

n
u
n
est convergente, on note
+

n=0
u
n
la somme de la serie et, pour tout n N,
+

k=n+1
u
k
designe son reste dorder n.
Le terme general dune serie convergente tend vers
0.
Divergence grossi`ere.
Espace vectoriel des series convergentes ; linearite
de la somme.
Lien entre suite et serie. La suite (u
n
)
n
et la serie

n
(u
n+1
u
n
) sont de
meme nature.
Serie absolument convergente.
Une serie absolument convergente delements dun
espace vectoriel norme de dimension nie est
convergente ; inegalite triangulaire.
Le crit`re de Cauchy est hors programme.
Cas dune alg`ebre normee de dimension nie :
serie geometrique de Neumann, application expo-
nentielle dans une telle alg`ebre.
Cas particuliers dun nombre complexe, dun endo-
morphisme dun espace vectoriel norme de dimen-
sion nie, dune matrice carree reelle ou complexe.
Notations exp(a), e
a
pour a / et exp(A), e
A
pour
A /
n
(K).
Si / est une alg`ebre normee de dimension nie
ayant e pour element unite alors :
- si a / est tel que |a| < 1, la serie
geometrique de Neumann

n0
a
n
(a
0
:= e) est
absolument convergente, ea est inversible dans
/ et (e a)
1
=

n=0
a
n
.
- de meme, pour tout u /, la serie

n0
u
n
n!
est absolument convergente ; sa somme se note
exp u et sappelle lexponentielle de u :
exp u =

n=0
u
n
n!
.
2.4.2 Familles sommables de nombres complexes
On introduit ici la notion densemble denombrable et de famille sommable, de nombres reels ou com-
plexes, indexee par un tel ensemble. Il sagit dune extension de la notion de serie absolument convergente
basee sur le fait que pour une telle serie, la structure dordre de N nintervient pas pour en calculer la
somme.
Ensemble denombrable, au plus denombrable. Un ensemble est dit denombrable sil est en bi-
jection avec N; il est dit au plus denombrable
sil est en bijection avec une partie de N.
Z est denombrable ; les parties innies de N sont
denombrables.
15
16
Un ensemble est au plus denombrable si, et seule-
ment si, il est ni ou denombrable.
Un produit cartesien ni densembles denombrables
est denombrable.
Lensemble N N est denombrable.
Une reunion nie ou denombrable densembles
denombrables (resp. au plus denombrables) est
denombrable (resp. au plus denombrable).
Lensemble Q est denombrable.
Lensemble R nest pas denombrable. Demonstration non exigible.
Famille sommable de reels positifs indexee par un
ensemble au plus denombrable I. Somme.
La famille (u
i
)
iI
est dite sommable si len-
semble des sommes

iJ
u
i
, o` u J decrit len-
semble des parties nies de I, est majore, au-
quel cas la borne superieure de cet ensemble est
egale `a la somme de la famille ; dans le cas o` u
la famille nest pas sommable, il est pratique de
convenir que sa somme est egale `a +.
Dans tous les cas, la somme est notee

iI
u
i
.
Crit`ere de comparaison. Si 0 u
i
v
i
, pour tout i I, alors :
- la sommabilte da la famille (v
i
)
iI
entrane
celle de (u
i
)
iI
et on a 0

iI
u
i

iI
v
i
.
- la non sommabilte de la famille (u
i
)
iI
entrane
la non sommabilte de (v
i
)
iI
.
Si (v
i
)
iI
est une famille de reels positifs indexee
par un ensemble denombrable I et : N I une
bijection, alors, la famille (v
i
)
iI
est sommable si,
et seulement si, la serie

n
v
(n)
est convergente,
auquel cas
+

n=0
v
(n)
=

iI
v
i
.
Theor`eme de sommation par paquets (cas dune fa-
mille de reels positifs) : si (I
n
)
nN
est une partition
de I, alors, pour toute famille (u
i
)
iI
de reels posi-
tifs :

iI
u
i
=
+

n=0
_

iIn
u
i
_
.
Demonstration hors programme.
Famille sommable de nombres reels ou complexes
indexee par un ensemble au plus denombrable.
La famille (u
k
)
kI
est dite sommable si la famille
([u
k
[)
kI
lest.
16
17
Somme dune telle famille (cas reel, cas complexe). Si la famille (u
k
)
kI
est reelle, sa somme est
denie comme etant la dierence des sommes
des familles, de reels positifs, composees par ses
parties positive et negative :

kI
u
k
=

kI
u
+
k

kI
u

k
;
dans le cas general, sa somme est denie par

kI
u
k
=

kI
Re(u
k
) +i

kI
Im(u
k
).
Lorsque I = N, lien avec la convergence absolue de
la serie

n
u
n
.
La suite (u
n
)
nN
est sommable si, et seulement
si, la serie

n
u
n
est absolument convergente,
auquel cas

nN
u
n
=
+

n=0
u
n
.
Invariance de la sommabilite et de la valeur de la
somme par permutation de lensemble des indices.
Si (v
i
)
iI
est une famille de complexes indexee
par un ensemble denombrable I et : N I
une bijection, alors, la famille (v
i
)
iI
est som-
mable si, et seulement si, la serie

n
v
(n)
est
convergente, auquel cas
+

n=0
v
(n)
=

iI
v
i
.
Espace vectoriel des familles sommables delements
de K, K = R ou C; linearite de la somme, inegalite
triangulaire. Sous famille dune famille sommable.
Si la famille (u
i
)
iI
est sommable alors

iI
u
i

iI
[u
i
[.
Theor`eme de sommation par paquets : soit (u
i
)
iI
une famille sommable de complexes et soit (I
n
)
nN
une partition de I. Alors, pour tout n N, la
famille (u
i
)
iIn
est sommable de somme s
n
=

iIn
u
i
; la famille (s
n
)
nN
est aussi sommable et
on a :

iI
u
i
=
+

n=0
s
n
=
+

n=0
_

iIn
u
i
_
.
Demonstration hors programme.
Crit`ere susant de sommabilite. On verie lhypoth`ese de sommabilite dune fa-
mille (u
i
)
iI
en appliquant le theor`eme de som-
mation par paquets, enonce pour les familles de
reels positifs, `a la famille ([u
i
[)
iI
.
17
18
Cas des suites doubles ; interversion des somma-
tions :
- la famille (a
m,n
)
(m,n)N
2 delements de R
+
est
sommable si, et seulement si, pour tout n, la
serie

m
a
m,n
converge et la serie

n
_
+

m=0
a
m,n
_
converge , auquel cas
+

n=0
_
+

m=0
a
m,n
_
=
+

m=0
_
+

n=0
a
m,n
_
qui vaut aussi la somme de la famille.
- si la famille (u
m,n
)
(m,n)N
2 de complexes est som-
mable, alors
+

n=0
_
+

m=0
u
m,n
_
=
+

m=0
_
+

n=0
u
m,n
_
qui vaut aussi la somme de la famille.
On verie lhypoth`ese de sommabilite en ap-
pliquant le resultat precedent `a la famille
([u
m,n
[)
(m,n)N
2.
Denition du produit de Cauchy de deux series de
nombres complexes.
La serie

n0
c
n
o` u pour tout n N,
c
n
=

n
k=0
a
k
b
nk
, est appelee la serie produit
de Cauchy des series

n0
a
n
et

n0
b
n
.
Produit de Cauchy de deux series absolument
convergentes : si les series

n0
a
n
et

n0
b
n
sont
absolument convergentes, alors la serie

n0
c
n
lest
aussi et la famille (a
p
b
q
)
(p,q)N
2 est sommable.
Dans ce cas

n=0
c
n
=
_

n=0
a
n
__

n=0
b
n
_
qui
vaut aussi la somme de la famille
_
a
p
b
q
_
(p,q)N
2
.
Application : si u et v sont deux elements commu-
tables dune alg`ebre normee de dimension nie /,
alors exp(u +v) = exp(u) exp(v).
Si S
n
(w) =
n

k=0
w
k
k!
, w / R et n N, alors
|S
n
(u)S
n
(v)S
n
(u+v)| S
n
(|u|)S
n
(|v|)S
n
(|u|+|v|).
2.5 Fonctions vectorielles dune variable reelle, arcs parametres
Ce chapitre poursuit quatre objectifs :
Consolider les acquis de premi`ere annee MPSI concernant la derivation des fonctions dune va-
riable reelle `a valeurs reelles ou complexes et etendre ces resultats au cas des fonctions dune
variable reelle `a valeurs dans un espace vectoriel norme de dimension nie ;
preciser les notions de tangente et de vitesse instantanee ;
denir lintegrale dune fonction continue par morceaux sur un segment `a valeurs dans un es-
pace norme de dimension nie, en etablir les principales proprietes puis en deduire linegalite des
accroissements nis et les formules de Taylor ;
fournir des outils pour letude des equations dierentielles lineaires et le calcul dierentiel.
Il est attendu qu`a lissue de ce chapitre, les el`eves
18
19
connassent et sachent exploiter linterpretation cinematique et graphique de la notion de derivee
en un point ;
soient capables de mener letude de fonctions dune variable reelle `a valeurs dans un espace vec-
toriel de dimension nie et en particulier den etablir les proprietes liees `a la continuite, `a la
derivabilite et `a la classe (
k
, k N

;
connassent la dierence de nature entre la formule de Taylor-Young (locale) et les formules de
Taylor globales (reste integral et inegalite de Taylor-Lagrange) ;
sachent determiner la tangente et la normale `a un arc parametre plan en un point associe `a un
param`etre regulier.
Les fonctions etudiees ici sont denies sur un intervalle I de R, `a valeurs dans un espace norme de
dimension nie F.
2.5.1 Derivation
Derivabilite dune fonction en un point.
Derivabilite `a droite et `a gauche.
Formes equivalentes : taux daccroissement,
developpement limite `a lordre 1.
Interpretation cinematique, vitesse instantanee.
Caracterisation de la derivabilite `a laide dune base
de F ; expression des composantes de la derivee en
un point.
Derivabilite sur un intervalle, application derivee.
Combinaison lineaire de fonctions derivables,
linearite de la derivation.
(f +g)

= f

+g

.
Derivabilite et derivee dune application de la forme
L f o` u L est une application lineaire de F dans
un espace vectoriel de dimension nie.
(L f)

= L f

.
Derivabilite et derivee dune application de la forme
B(f, g) : t B(f(t), g(t)) o` u B est une application
bilineaire ; cas du produit scalaire et du carre de la
norme dun espace euclidien.
Si (F, (.[.)) est un espace euclidien et | | sa
norme euclidienne, la derivee de t (f(t)[g(t))
est lapplication t (f

(t)[g(t)) + (f(t)[g

(t)),
celle de t |f(t)|
2
est t 2(f

(t)[f(t)).
Derivabilite et derivee de f o` u est une fonction
reelle de variable reelle et f une fonction vectorielle.
(f )

.(f

).
Applications k fois derivables, de classe (
k
, de
classe (

(k N

).
Interpretation cinematique de la derivee se-
conde, acceleration.
Operations algebriques sur les applications de
classe (
k
.
Espace vectoriel (
k
(I, F) des applications de
classe (
k
sur I `a valeurs dans F, algbre (
k
(I)
des fonctions de classe (
k
sur I `a valeurs relles
ou complexes, 0 k +.
Derivee k-i`eme dune application de la forme
B(f, g) : t B(f(t), g(t)), B etant une applica-
tion bilineaire : si f et g sont k fois derivables (resp.
de classe (
k
) alors B(f, g) lest aussi. Expression de
la derivee k-i`eme de B(f, g) : formule de Leibniz.
_
B(f, g)
_
(k)
(t) =
k

p=0
_
k
p
_
B
_
f
(p)
(t), g
(kp)
(t)
_
, t I.
19
20
La composee f dune application f : I F
de classe (
k
sur I et dune application de classe
(
k
sur un intervalle J de R `a valeurs dans I est de
classe (
k
sur J.
2.5.2 Integration sur un segment
Integrale dune fonction f continue par morceaux
sur un segment [a, b] de R, `a valeurs dans F.
Denie par les integrales des coordonnees dans
une base. Notations
_
[a,b]
f,
_
b
a
f,
_
b
a
f(t) dt.
Proprietes de lintegrale : linearite, additivite (rela-
tion de Chasles), composition par une application
lineaire entre espaces vectoriels normes de dimen-
sion nie.
Si L est une application lineaire de F dans
un espace vectoriel de dimension nie alors
L
_
_
b
a
f
_
=
_
b
a
L f.
Inegalite triangulaire :
_
_
_
_
_
b
a
f
_
_
_
_

_
b
a
|f|. On peut etablir cette inegalite, evidente pour les
fonctions en escalier, en admettant le resultat
dapproximation de f, uniformement sur [a, b],
par une suite de fonctions en escalier.
Sommes de Riemann associees `a une subdivision de
pas constant.
Si f : [a, b] F est continue par morceaux, alors
b a
n
n1

k=0
f
_
a +k
b a
n
_

n+
_
b
a
f(t) dt.
Derivation de x
_
x
a
f(t) dt pour f continue.
Theor`eme fondamental du calcul integral : toute
fonction continue sur un intervalle poss`ede une pri-
mitive. Techniques de calcul de primitives notam-
ment dans le cas des fonctions numeriques.
f etant une fonction continue sur I et a I, la
fonction x
_
x
a
f(t) dt est une primitive de f
sur I. Cest lunique primitive de f qui sannule
en a. De plus pour toute primitive G de f sur I
G(x) = G(a) +
_
x
a
f(t) dt.
Inegalite des accroissements nis pour une fonction
de classe (
1
.
Soit f une application de classe (
1
sur [a, b] telle
que |f

(t)| M, pour tout t [a, b], alors

|f(b) f(a)| M (b a).
Formules de Taylor avec reste integrale et inegalite
de Taylor-Lagrange `a lordre n pour une fonction
de classe (
n+1
.
Formule de Taylor-Young `a lordre n pour une fonc-
tion de classe (
n
.
Le resultat de Taylor-Young est local, contrai-
rement aux autres resultats. Les hypoth`eses des
resultats globaux sont plus fortes.
2.5.3 Arcs parametres
Arc parametre de classe C
k
, k N

, ` a valeurs dans
F. Support de larc (ou courbe associee). Multipli-
cite dun point du support. Param`etre regulie. Tan-
gente en un point associe `a un param`etre regulier ;
normale `a un arc parametre plan en un point as-
socie `a un param`etre regulier.
Interpretation cinematique des derivees dordre
1 et 2.
20
21
Exemples simples darcs parametres plans. La pratique du trace des arcs parametres nest
pas un objectif du programme de deuxi`eme
annee.
2.6 Suites et series de fonctions
Ce chapitre vise deux objectifs :
denir les modes usuels de convergence des suites et series de fonctions (convergence simple,
convergence uniforme, convergence normale dune serie de fonctions) ;
exploiter ces types de convergence pour etudier la stabilite des proprietes des fonctions par passage
`a la limite (interversion des limites, continuite, derivation, integration) ainsi que lapproximation
dune fonction par des fonctions plus simples.
Il est attendu qu`a lissue de ce chapitre, les el`eves
soient capables de mener letude de la convergence dune suite ou dune serie de fonctions et en
matrisent les techniques ;
soient en mesure de mettre en uvre ces techniques et les exploiter pour letude des proprietes de
la limite dune suite (ou de la somme dune serie) de fonctions (regularite, etude asymptotique,
comparaison serie-integrale) ;
puissent exploiter les resultats obtenus lors de la mise en place des outils pour letude des equations
dierentielles lineaires ( fonction exponentielle).
2.6.1 Modes de convergence dune suites ou dune series de fonctions
Convergence simple dune suite ou dune serie dap-
plications dun ensemble X dans un espace vectoriel
norme de dimension nie F.
Les notions de convergence simple et uniforme
dune serie de fonctions sont denies via la suite
de ses sommes partielles.
Convergence uniforme dune suite ou dune serie
dapplications de X dans F.
La convergence uniforme implique la convergence
simple.
Une serie de fonctions converge uniformement si, et
seulement si, elle converge simplement et la suite de
ses restes converge uniformement vers 0.
Dans lespace B(X; F) des applications bornees
de X dans F, muni de la norme de la conver-
gence uniforme, interpretation de la convergence
uniforme en terme de norme.
Convergence normale dune serie dapplications de
X dans F. La convergence normale implique la
convergence uniforme et la convergence absolue en
tout point.
2.6.2 Stabilite des proprietes des fonctions par passage `a la limite
X designe ici une partie dun espace vectoriel norme de dimension nie E.
21
22
Theor`eme dinterversion des limites (double limite) :
soient (f
n
)
n0
une suite de fonctions de X dans F
convergeant uniformement vers f sur X, a un point
de E adherent `a X ; si, pour tout n 0, la fonction
f
n
admet une limite
n
F en a, alors la suite
(
n
)
n0
admet une limite F et on a f(x)
xa
;
autrement dit
lim
xa
_
lim
n+
f
n
(x)
_
= lim
n+
_
lim
xa
f
n
(x)
_
.
Demonstration non exigible.
Adaptation, si X est un intervalle non majore
(resp. non minore) de R, au cas o` u a = +
(resp. a = ).
Extension du theor`eme et de son adaptation au
cas des series de fonctions : interversion dune
limite et dune somme.
Theor`eme de continuite :
Continuite en x
0
X de la limite dune suite (ou
de la somme dune serie) dapplications de X dans
F, continues en x
0
, convergeant uniformement sur
un voisinage de x
0
.
Continuite de la limite dune suite (ou de la somme
dune serie) uniformement convergente dapplica-
tions continues de X dans F.
Adaptation au cas o` u la convergence est uni-
forme sur tout compact de X.
Application : Dans une alg`ebre normee / de dimen-
sion nie, continuite, sur la boule unite |a| < 1, de
lapplication a (ea)
1
et sur / de lapplication
exponentielle a exp(a).
Integration dune limite uniforme sur un segment :
Soient I un intervalle de R, x
0
un point de I et
(f
n
)
n0
une suite de fonctions continues de I dans
F. On suppose que la suite (f
n
)
n0
converge uni-
formement sur tout segment contenu dans I vers
une fonction f : I F. Pour n dans N

et x dans
I, on pose : g
n
(x) =
_
x
x
0
f
n
et g(x) =
_
x
x
0
f. Alors la
suite de fonctions (g
n
)
n0
converge uniformement
vers g sur tout segment contenu dans I.
En particulier, si la suite (f
n
)
n0
converge uni-
formement vers f sur le segment J, alors :
lim
n+
_
J
f
n
=
_
J
f.
Adaptation au cas des series de fonctions :
theor`eme dintegration terme `a terme dune
series de fonctions continues convergeant uni-
formement.
Derivation de la limite dune suite de fonctions :
Soient I un intervalle de R et (f
n
)
n0
une suite
de fonctions de classe (
1
de I dans F. On suppose
que la suite (f
n
)
n0
converge simplement sur I vers
une fonction f : I F et que la suite (f

n
)
n0
converge uniformement sur tout segment contenu
dans I vers une fonction h : I F. Alors la suite
de fonctions (f
n
)
n0
converge uniformement vers f
sur tout segment contenu dans I, f est de classe (
1
sur I et f

= h.
Extension aux suites de fonctions de classe (
k
,
sous lhypoth`ese de convergence simple de la
suite (f
(p)
n
)
n0
pour tout p 0, . . . , k 1 et
de convergence uniforme de la suite (f
(k)
n
)
n0
sur tout segment contenu dans I.
Adaptation au cas des series de fonctions :
theor`eme de derivation terme `a terme dune serie
de fonctions de classe (
1
; extension aux series de
fonctions de classe (
k
.
22
23
Application : Derivation, si a est un element dune
alg`ebre normee de dimension nie, de lapplication
e
a
: t exp(ta) =

n=0
t
n
n!
a
n
, denie sur R.
e

a
(t) =
d
dt
[exp(ta)] = a exp(ta) = exp(ta)a ; en
particulier e
a
est de classe (

sur R. Relation
e
a
(t +s) = e
a
(t)e
a
(s) = e
a
(s)e
a
(t), (s, t) R
2
.
2.6.3 Approximation uniforme
Approximation uniforme dune fonction f : [a, b]
F, continue par morceaux sur [a, b], par des fonc-
tions en escalier.
Theor`eme dapproximation polynomiale de Weiers-
trass : toute fonction complexe continue sur un seg-
ment y est limite uniforme dune suite de fonctions
polynomiales.
Demonstration non exigible.
2.7 Series enti`eres
Ce chapitre a trois objectifs :
etudier la convergence dune serie enti`ere et les proprietes de sa somme, grace au concept fonda-
mental de rayon de convergence ;
introduire la notion de developpement dune fonction en serie enti`ere (serie de Taylor) ;
etablir les developpements en serie enti`ere des fonctions usuelles.
Il est attendu qu`a lissue de ce chapitre, les el`eves
puissent determiner le rayon de convergence dune serie enti`ere dans des cas standard ;
connaissent les proprietes dune telle serie et celles de sa somme (domaines de convergence simple,
uniforme et normale ; continuite de la somme ; derivation et integration terme `a terme) ;
connaissent les developpements en serie enti`ere usuels et sachent les exploiter pour exprimer la
somme dune serie de fonctions ou les solutions dune equation ` a laide des fonctions elementaires.
Pour tout r R
+
+, on pose D(0, r) := z C, [z[ < r ; si 0 < r < +, D(0, r) est le disque
ouvert de centre 0 et de rayon r ; par abus de langage, on dira que C est le disque ouvert de rayon +.
2.7.1 Rayon de convergence dune serie enti`ere
Notion de serie enti`ere associee `a une suite (a
n
)
n0
de nombres complexes.
Notation

n0
a
n
z
n
.
Lemme dAbel : si la suite (a
n
z
n
0
)
n0
est bornee
alors, pour tout nombre complexe z D(0, [z
0
[), la
serie

n0
a
n
z
n
est absolument convergente.
Rayon de convergence R
a
ou R dune serie enti`ere. Disque ouvert D(0, R) de convergence ; inter-
valle ouvert ] R, R[ de convergence.
La serie numerique

n0
a
n
z
n
est absolument conver-
gente pour tout z D(0, R) ; elle est grossi`erement
divergente pour tout z tel que [z[ > R.
23
24
Si [a
n
[ [b
n
[ alors R
a
R
b
. En particulier, si a
n
= O(b
n
) alors R
a
R
b
et
si [a
n
[ [b
n
[ alors R
a
= R
b
.
Une serie enti`ere

n0
a
n
z
n
et sa serie enti`ere derivee

n0
na
n
z
n
ont meme rayon de convergence.
Plus generalement, pour tout R, les series
enti`eres

n0
a
n
z
n
et

n1
n

a
n
z
n
ont meme rayon
de convergence.
R`egle de dAlembert : rayon de convergence de la
serie enti`ere

n0
a
n
z
n
si la suite
_

a
n+1
an

_
n0
est
denie et admet une limite dans [0, +].
Somme et produit de Cauchy de deux series
enti`eres.
Minoration des rayons de convergences ; linearite
de la somme, somme du produit de Cauchy.
2.7.2 Proprietes de la somme
La convergence dune serie enti`ere de rayon de
convergence R > 0 est normale sur tout disque
ferme de centre 0 et de rayon strictement inferieur
`a R.
En particulier, la convergence est normale sur
tout compact contenu dans D(0, R).
Continuite de la somme dune telle serie sur son
disque ouvert de convergence.
Letude des proprietes de la somme au bord du
disque ouvert de convergence nest pas un ob-
jectif du programme.
Primitivation dune serie enti`ere sur lintervalle ou-
vert de convergence.
Si

n0
a
n
z
n
est une serie enti`ere de rayon de
convergence R > 0, une primitive sur lintervalle
] R, R[ de la fonction f : t
+

n=0
a
n
t
n
sobtient
en integrant terme `a terme la serie denissant f.
La somme dune serie enti`ere est de classe (

sur
son intervalle ouvert de convergence et ses derivees
sobtiennent par derivation terme `a terme.
La fonction f : t
+

n=0
a
n
t
n
est de classe (

sur ] R, R[ et, pour tout k N,

f
(k)
(t)
k!
=
+

n=k
_
n
k
_
a
n
t
nk
, t ] R, R[.
Expression des coecients dune serie enti`ere de
rayon de convergence strictement positif `a laide
des derivees en 0 de sa somme : avec les notations
precedentes, a
k
=
f
(k)
(0)
k!
.
Si les fonctions x
+

n=0
a
n
x
n
et x
+

n=0
b
n
x
n
concident sur un voisinage de 0, alors a
n
= b
n
pour tout n N.
2.7.3 Developpement dune fonction en serie enti`ere
24
25
Developpement de z e
z
sur C; developpement
de z
1
1 z
sur D(0, 1).
e
z
=
+

n=0
z
n
n!
, z C;
1
1 z
=
+

n=0
z
n
, [z[ < 1.
Fonction developpable en serie enti`ere sur un inter-
valle ] r, r[, r > 0.
Une telle fonction est en particulier de classe (

sur lintervalle ] r, r[.

Serie de Taylor dune fonction de classe (

sur un
intervalle ] r, r[, r > 0.
Developpements en serie enti`ere en 0 des fonctions :
t e
ta
(a C), t sinh t, t cosh t, t sin t,
t cos t, t arctan t, t ln(1 + t), t (1 + t)

( R).
Les el`eves doivent etre capables de determiner
un developpement en serie enti`ere `a laide dune
equation dierentielle.
2.8 Calcul dierentiel
Lobjectif de ce chapitre est de presenter les premi`eres notions de calcul dierentiel dans le cadre des
espaces vectoriels normes de dimensions nies sur R; ce qui permet detendre les notions de base du
calcul dierentiel dune variable aux fonctions de plusieurs variables en vue de les appliquer `a la recherche
dextremums, la resolution dequations aux derivees partielles et letude locale des courbes et des surfaces.
Seront etudiees dans ce chapitre les notions de dierentielle en un point, de derivee selon un vecteur
et de derivees partielles, les notions dapplications contin ument dierentiables, de gradient, de points
critiques et de derivees partielles dordre superieur. Ces notions se pretent `a des representations issues
de dierents cadres ou registres ; on tachera de souligner cet aspect en faisant intervenir ` a la fois les
aspects intrins`eques et calculatoires, et en ayant reguli`erement recours `a des gures et `a des croquis.
Lors de cette etude, la dierentielle en un point dune application est introduite `a laide dun developpement
limite ; on tachera de mettre en valeur les faits suivants :
de nombreuses questions de calcul dierentiel setudient en se ramenant, via une parametrisation
de chemins, `a des enonces relatifs aux fonctions dune variable reelle ; par exemple, en param`etrant
le segment [a, a +h] par lapplication t a +th, on obtient f(a +h) f(a) =
h
(1)
h
(0) o` u,
pour tout t [0, 1],
h
(t) = f(a +th) ;
les derivees partielles fournissent un outil pratique de calcul dans le cas o` u lespace de depart est
muni dune base ;
le choix dune base de lespace darrivee permet de se ramener au cas des fonctions `a valeurs
reelles.
Il est attendu qu`a lissue de ce chapitre, les el`eves
sachent verier si une fonction est dierentiable, de classe (
k
, (k N

), et en calculer les derivees

partielles ;
soient en mesure de determiner les points critiques dune fonction dierentiable, si elle en admet,
et en rechercher les extremums locaux ou globaux ;
soient capables dappliquer les resultats du calcul dierentiel notamment pour determiner les vec-
teurs tangents au graphe dune fonction de deux variables ou `a une surface dequation f(x, y, z) =
0, et preciser le plan tangent `a une surface denie par une equation cartesienne z = (x, y) ;
soient inities `a la resolution dequations aux derivees partielles `a travers letude dexemples simples ;
soient capables dexploiter les resultats de la theorie des fonctions pour letude de probl`emes
numeriques (majorations dexpressions, probl`emes doptimisation, solutions dequations, . . .).
Les applications f considerees dans ce chapitre sont denies sur un ouvert U de E `a valeurs dans F, o` u
E et F sont des espaces vectoriels de dimension nie.
25
26
2.8.1 Derivee selon un vecteur, derivees partielles, dierentielle
Derivee de f au point a selon le vecteur non nul v. Notations D
v
f(a), D
v
f.
Derivees partielles de f dans une base de E. Notations D
j
f(a) et
f
x
j
(a).
Lorsquune base de E est xee, lidentication
entre f(x) et f(x
1
, ..., x
n
) est autorisee.
Application dierentiable au point a.
Si f est dierentiable en a, alors f est continue en
a et derivable en a selon tout vecteur non nul.
Developpement limite `a lordre 1 ; notation o(h).
Dierentielle de f en a, appelee aussi application
lineaire tangente `a f en a. Relation
df(a)(v) = D
v
f(a).
Notations df(a), df(a).v, df.
Cas particuliers : restriction `a un ouvert dune ap-
plication constante, dune application lineaire.
Lien entre dierentielle et derivees partielles.
Matrice de df(a) dans un couple de bases de E et
F.
Matrice jacobienne dune application denie sur
un ouvert de R
n
, `a valeurs dans R
m
.
Cas des fonctions dune variable : si U est un
intervalle ouvert de R et a un element de U, la
dierentiabilite de f en a equivaut `a la derivabilite
de f en a ; relation f

(a) = df(a)(1).
2.8.2 Operations sur les applications dierentiables
Dierentiabilite et dierentielle dune combinaison
lineaire dapplications dierentiables.
d(.f +g)(a) = .df(a) +dg(a).
Dierentiabilite et dierentielle de lapplication
B(f, g) : (x, y) B(f(x), g(y)) o` u B est une ap-
plication bilineaire et f et g sont deux applications
dierentiables.
On utilise lexistence de C > 0 tel que, pour tout
couple (u, v), on ait |B(u, v)| C|u| |v|. Tout
developpement sur les applications bilineaires
continues est hors programme.
Dierentiabilite et dierentielle dune composee
dapplications dierentiables.
Derivee le long dun arc : si : I E est
derivable en t et f dierentiable en (t), alors lap-
plication f : I F est derivable en t et
(f )

(t) = df((t)).

(t).
Interpretation geometrique en termes de tan-
gentes.
Cas particulier fondamental : (t) = x +th.
Derivation de t f(x
1
(t), . . . , x
n
(t)).
Composition dapplications dierentiables,
derivees partielles dune composee dapplica-
tions dierentiables.
R`egle de la chane (chain rule) : x
1
, . . . , x
m
etant
dierentiables, calcul des derivees partielles de
(t
1
, . . . , t
m
) f
_
x
1
(t
1
, . . . , t
m
), . . . , x
n
(t
1
, . . . , t
m
)
_
.
26
27
2.8.3 Cas des applications numeriques
Si lespace E est euclidien, gradient en a dune ap-
plication numerique dierentiable en a. Expression
du gradient dans une base orthonormee.
Le theor`eme de representation des formes
lineaires dans un espace euclidien est admis `a
ce stade ; il sera etabli dans le chapitre sur les
espaces prehilbertiens.
Notation f(a). Interpretation geometrique du gradient : si
f(a) ,= 0, il est colineaire et de meme sens
que le vecteur unitaire selon lequel la derivee de
f en a est maximale (il pointe la direction se-
lon laquelle la variation de f est maximale, dite
direction de la plus grande pente de f).
Point critique dune application dierentiable.
Condition necessaire dexistence dun extremum lo-
cal. Exemples de recherche dextremums globaux.
Une condition susante sera etudiee plus tard,
apr`es lintroduction de la classe (
2
et la
demonstration du theor`eme spectral.
2.8.4 Vecteurs tangents `a une partie dun espace norme de dimension nie
Notion de vecteur tangent `a une partie ; ensemble
T
a
/ des vecteurs tangents `a / en a.
Sil existe > 0 et un arc parametre :], [E,
derivable en 0 et `a valeurs dans /, tel que (0) = a
et

(0) = v alors v est tangent `a / en a.

Si / est une partie de E et a un point de /,
un vecteur v de E est dit tangent `a / en a sil
existe une suite (x
n
)
n
dans / a et une suite
(
n
)
n
de reels positifs telles que :
(i) la suite (x
n
)
n
converge vers a ;
(ii) la suite
_

n
.(x
n
a)
_
n
converge vers v.
Dans le cas o` u T
a
/ est un sous espace vectoriel
de E, variete ane tangente `a / en a, dite aussi
espace tangent `a / en a.
Dans ce cas, on appelle variete ane tangente `a
/ en a, lensemble image de T
a
/ par la transla-
tion de vecteur a, cest `a dire a +T
a
/.
Cas o` u E = R
3
et o` u / est le graphe dune fonction
reelle dierentiable sur un ouvert de R
2
:
/ =
_
x, y, (x, y)
_
; (x, y) .
Plan ane tangent en un point `a une surface
dequation z = (x, y) : equation cartesienne.
Si E est euclidien et f est une fonction `a valeurs
reelles denie et dierentiable sur un ouvert de E,
et / une ligne de niveau de f, alors les vecteurs
tangents `a / en un point a sont orthogonaux au
gradient de f en a.
Application dans lespace euclidien de dimension 3
pour une surface dequation f(x, y, z) = c.
Si f : U R, U etant un ouvert de E, len-
semble / = x U ; f(x) = c est appele
la ligne de niveau de f denie par lequation
f(x) = c, c R; en dimension 3, on parle de
surface de niveau c et en dimension 2 de ligne
(ou de courbe) de niveau c.
Le theor`eme des fonctions implicites est hors
programme.
2.8.5 Applications de classe (
1
Une application f est dite de classe (
1
sur un ou-
vert U de E si elle est dierentiable sur U et si
lapplication df : a df(a) est continue sur U.
27
28
Lapplication f est de classe (
1
sur U si, et seule-
ment si, ses derivees partielles relativement `a une
base de E existent en tout point de U et sont conti-
nues sur U.
Demonstration non exigible.
Operations algebriques sur les applications de
classe (
1
.
Si f est de classe (
1
de U dans F et une appli-
cation de classe (
1
dun intervalle I de R `a valeur
dans U, alors en posant a = () et b = (), avec
(, ) I
2
, on obtient
f(b) f(a) =
_

df((t)).

(t) dt.
Application au calcul de la circulation dun
champ de vecteurs derivant dun potentiel.
Si U est connexe par arcs, caracterisation des fonc-
tions constantes sur U.
Demonstration exigible pour U convexe.
2.8.6 Applications de classe (
k
Derivees partielles dordre k. Une application est
dite de classe (
k
sur un ouvert U de E si ses derivees
partielles dordre k existent et sont continues sur U.
La notion de dierentielle seconde est hors pro-
gramme.
Theor`eme de Schwarz. Demonstration non exigible.
Operations algebriques sur les applications de
classe (
k
. Composition dapplications de classe (
k
.
Demonstrations non exigibles.
Developpement limite `a lordre deux, au voisinage
dun point, pour une application de classe (
2
.
Exemples dequations aux derivees partielles du
premier et du second ordre.
Pour letude dequations aux derivees partielles,
les el`eves doivent savoir exploiter les techniques
de changements de variables : transformations
anes, passage en coordonnees polaires.
La notion de dieomorphisme etant hors pro-
gramme, lexpression des solutions en fonction
des variables initiales nest pas exigee.
28
29
3 Seconde periode
3.1

Espaces prehilbertiens reels. Endomorphismes des espaces euclidiens
Lobjectif de ce chapitre est triple :
consolider les acquis de premi`ere annee MPSI concernant les espaces prehilbertiens reels et les
espaces euclidiens ;
introduire la notion de suite orthonormale totale de vecteurs dun espace prehilbertien, qui constitue
un exemple important de convergence dans un espace norme ;
etudier les endomorphismes symetriques et orthogonaux, ce qui permet dapprofondir simultanement
la reduction des endomorphismes et les connaissances de premi`ere annee MPSI relatives aux
isometries.
Il est attendu qu`a lissue de ce chapitre, les el`eves
matrisent les notions de bases sur le produit scalaire, sachent orthogonaliser une famille libre
(indexee par une partie de N) dun espace prehilbertien au moyen de lalgorithme de Gram-Schmidt,
et soient capables dexprimer la projection orthogonale sur un sous-espace vectoriel de dimension
nie ;
matrisent, dans le cas euclidien, les relations entre le point de vue geometrique (vecteurs, endo-
morphismes symetriques, automorphismes orthogonaux) et le point de vue matriciel ;
Hormis la denition et quelques exemples simples, letude de la notion de ladjoint dun endomorphisme
est hors programme. Cette notion est introduite `a titre dinformation pour preparer les el`eves aux cursus
post classes preparatoires. Les resultats importants dans ce domaine seront traites dans ces cursus.
Les espaces prehilbertiens consideres dans ce chapitre sont reels. Toute notion sur les espaces prehilbertiens
complexes est hors programme.
Les notions de forme quadratique et dendomorphisme symetrique positif sont hors programme.
3.1.1 Projection orthogonale sur un sous-espace de dimension nie
Projection orthogonale sur un sous-espace de di-
mension nie.
Rappels de premi`ere annee.
Caracterisation metrique du projete orthogonal.
Expression du projete orthogonal dans une base or-
thonormale.
Caracterisation du projete orthogonal comme
solution dun probl`eme de minimisation de dis-
tance.
3.1.2 Suites orthonormales, suites totales
Suites orthonormales (e
n
)
nN
. Exemples de suites orthogonales de polynomes.
29
30
Inegalite de Bessel : si (e
n
)
nN
est orthonormale,
alors, pour tout x E, la suite (< x, e
n
>)
nN
est
de carre sommable et on a

nN
<x, e
n
>
2
|x|
2
.
Suites totales. Bases hilbertiennes (denombrables). Exemples de bases hilbertiennes : dans lespace
des polyomes, dans lespace des fonctions conti-
nues T-periodiques, etc.
Si (e
n
)
nN
est une suite orthonormale totale de E
et si, pour tout n N, p
n
designe le projecteur
orthogonal de E sur Vect(e
0
, . . . , e
n
), alors, pour
tout x E, la suite (p
n
(x))
nN
converge vers x.
En particulier, on a legalite de Parseval :

nN
<x, e
n
>
2
= |x|
2
.
3.1.3 Endomorphismes symetriques dun espace prehilbertien. Cas euclidien.
Lendomorphisme u est dit symetrique si, pour tout
(x, y) E
2
, <u(x), y >=<x, u(y)>.
Pas detude systematique de cette notion en di-
mension innie. Des exemples peuvent etre pro-
poses en liaison avec les equations dierentielles.
Stabilite de lorthogonal dun sous-espace stable
par un endomorphisme symetrique.
Si u est un endomorphisme symetrique, lortho-
gonal dun sous-espace stable par u est aussi
stable par u.
Dans le cas euclidien, caracterisation de la symetrie
dun endomorphisme u par la matrice representant
u dans une base orthonormale.
Dans le cas euclidien, caracterisation des endomor-
phismes symetriques idempotents, involutifs.
Theor`eme spectral : tout endomorphisme
symetrique u dun espace euclidien E est dia-
gonalisable dans une base orthonormale.
Son polynome caracteristique
u
est scinde sur
R et E est somme directe orthogonale des sous-
espaces propres de u.
Traduction matricielle du theor`eme spectral. Toute matrice carree symetrique reelle est or-
thogonalement diagonalisable.
Si u est un endomorphisme symetrique dun espace
euclidien E, expression des extremums de la fonc-
tion x <u(x), x> sur la sph`ere unite de E `a laide
des valeurs propres de u.
Interpretation dans le registre matriciel : si A est
une matrice carree symetrique reelle, extremums
de la fonction X
t
XAX sur la sph`ere unite.
3.1.4 Endomorphismes orthogonaux dun espace euclidien.
Notion disometrie (ou endomorphisme orthogonal)
dun espace vectoriel euclidien E. Lien avec les ma-
trices orthogonales.
Rappels de premi`ere annee MPSI.
Stabilite de lorthogonal dun sous-espace stable. Si u est un endomorphisme orthogonal de E,
lorthogonal dun sous-espace stable par u est
aussi stable par u.
Reduction dun endomorphisme orthogonal en base
orthonormale.
Traduction matricielle.
30
31
Cas des dimensions 2 et 3 ; reduction dune
isometrie vectorielle directe dun espace euclidien
de dimension 3.
Matrice dune rotation dans une base orthonor-
male adaptee `a son axe.
Non commutativite de SO(E) en dimension 3.
3.1.5 Formes lineaires dun espace euclidien, adjoint dun endomorphisme
Theor`eme de representation : pour toute forme
lineaire sur E, il existe un et un seul vecteur
x tel que
y E, (y) =<x, y > .
Isomorphisme canonique entre E et lespace vec-
toriel des formes lineaires sur E.
Si u est un endomorphisme dun espace vectoriel
euclidien E, il existe un unique endomorphisme v
de E tel que,
(x, y) E
2
, <u(x), y >=<x, v(y)>
Adjoint dun endomorphisme symetrique ou ortho-
gonal.
Traduction matricielle dans une base orthonor-
male.
Il sagit dune presentation minimale de la no-
tion dadjoint. Les resultats importants dans
ce domaine seront traites dans les cursus post
classes preparatoires.
3.1.6 Application `a letude des extrema dune fonction de plusieurs variables reelles
Rappels sur le developpement de Taylor `a lordre
2 en un point critique a, pour une fonction f de
classe (
2
sur un ouvert ; matrice hessienne H
a
(f)
de f en a, elle est symetrique reelle.
Application du theor`eme spectral `a la matrice
H
a
(f) pour obtenir une condition susante de
maximum (minimum) local en un point critique.
En dimension 2, avec les notations de Monge, on
obtient un extremum local si rt s
2
> 0 et un
point-col (ou point-selle) si rt s
2
< 0.
Indiquer la necessite dun developpement limite
dordre superieur pour le cas rt s
2
= 0.
3.2 Integrales dependant dun parm`etre
Lobjectif de ce chapitre est double :
etudier les suites et les series de fonctions integrables, grace au theor`eme de convergence dominee
et le theor`eme dinegration terme `a terme dune series de fonctions ;
appliquer les resultats obtenus `a letude des fonctions denies par une integrale dependant dun
param`etre (theor`emes de continuite et de derivation sous le signe
_
).
Il est attendu qu`a lissue de ce chapitre, les el`eves connaissent ces theor`emes et soient en mesure de
les exploiter notamment pour mener letude de fonctions denies par des integrales dependant dun
param`etre ; cette exploitation suppose en particulier la capacite `a en verier les conditions dapplication
en insistant dabord sur les hypoth`eses importantes (hypoth`ese de domination , hypoth`ese de convergence,
hypoth`ese dintegrabilite, . . . ).
Il est recommande de commencer ce chapitre par des rappels de cours et des exercices de revision
sur lintegration sur un intervalle quelconque, vue en premi`ere annee MPSI, et de previligier letude
31
32
dexemples signicatifs (integrales euleriennes, transformees de Fourier, transformees de Laplace, . . . )
en evitant les situations articielles et les exercices de pure virtuosite technique.
3.2.1 Passage `a la limite sous lintegrale
Theor`eme de convergence domine : Soit (f
n
)
n0
une
suite de fonctions continues par morceaux sur I et
`a valeurs complexes. Si (f
n
)
n
converge simplement
sur I vers une fonction f continue par morceaux
sur I et sil existe une fonction continue par mor-
ceaux, positive et integrable sur I, telle que pour
tout entier n, [f
n
[ ( hypoth`ese de domination),
alors les fonctions f
n
et f sont integrables sur I et
lim
n
_
I
f
n
=
_
I
f.
La demonstration de ce theor`eme est hors pro-
gramme.
Lhypoth`ese de domination est plus importante
que lhypoth`ese de continuite par morceaux de
f ; cette derni`ere etant imposee par les limita-
tions du programme.
Extension au cas dune famille (f

)
J
o` u J est
un intervalle de R.
Inegration terme `a terme dune series de fonctions :
Soit (f
n
)
n
une suite de fonctions complexes conti-
nues par morceaux et integrables sur I telle que
la serie

n
f
n
converge simplement sur I vers une
fonction f, continue par morceaux sur I, et que
la serie

n
__
I
[f
n
[
_
soit convergente. Alors, f est
integrable sur I et
_
I
f =

n=0
_
I
f
n
.
La demonstration de ce theor`eme est hors pro-
gramme.
Lhypoth`ese de convergence de la serie

n
__
I
[f
n
[
_
est plus importante que lhy-
poth`ese de continuite par morceaux de f ; cette
derni`ere etant imposee par les limitations du
programme.
Dans la pratique, on commence par eectuer un
calcul formel, o` u lon permute les signes

et
_
,
que lon justie ensuite.
3.2.2 Continuite et derivation dune inegrale dependant dun param`etre
Theor`eme de continuite : Soient A une partie dun
espace vectoriel de dimension nie, I un intervalle
de R et f : (x, t) f(x, t) une fonction `a va-
leurs reelles ou complexes denie sur A I ; on
suppose que f est continue par rapport `a x, conti-
nue par morceaux par rapport `a t et telle que, pour
tout element x de A, la fonction t f(x, t) soit
integrable sur I. Sil existe une fonction positive
, continue par morceaux et integrable sur I, telle
que, pour tout element (x, t) de A I, [f(x, t)[
(t) (hypoth`ese de domination), alors la fonction g
denie sur A par la relation g(x) =
_
I
f(x, t) dt est
continue sur A.
Lhypoth`ese de domination est plus importante
que lhypoth`ese de continuite par morceaux ;
cette derni`ere etant imposee par les limitations
du programme.
Extension au cas o` u lhypoth`ese de domination
est veriee au voisinage dun point a de A.
Si A est intervalle de R, extension au cas o` u
lhypoth`ese de domination est veriee sur tout
segment contenu dans A.
32
33
Theor`eme de derivation : Soient I et J deux inter-
valles de R et f : (x, t) f(x, t) une fonction `a
valeurs reelles ou complexes denie sur J I et
derivable par rapport `a x. On suppose que :
- pour tout x J, la fonction t f(x, t) est conti-
nue par morceaux et integrables sur I ;
- pour tout t I, la fonction x
f
x
(x, t) est conti-
nue et, pour tout x J, la fonction t
f
x
(x, t)
est continue par morceaux sur I ;
- il existe une fonction positive, continue par
morceaux et integrable sur I telle que, pour tout
(x, t) J I,

f
x
(x, t)

(t) (hypoth`ese de do-

mination).
Alors la fonction g : x
_
I
f(x, t) dt est de classe
(
1
sur J et on a la formule de Leibniz suivante :
g

(x) =
_
I
f
x
(x, t) dt, x J.
Extension au cas o` u lhypoth`ese de domination
est veriee sur tout segment contenu dans J.
Extension aux fonctions de classe (
k
: classe (
k
dune integrale dependant dun param`etre, sous
lhypoth`ese dintegrabilite de

p
f
x
p
(x, .), pour
tout x de J si 0 p k 1, et domination
sur tout segment contenu dans J de

k
f
x
k
(x, .).
3.2.3 Exemples dapplications
Exemples demploi du theor`eme de convergence do-
mine et du theor`eme dinegration terme `a terme
dune series de fonctions integrables.
Exemples signicatifs detude de fonctions denies
comme integrales dependant dun parm`etre :
regularite, etude asymptotique.
Inegrales euleriennes, transformees integrales
(facteur dechelle, retard, amortissement, valeur
initiale ou nale, . . . ).
3.3 Probabilites
Ce chapitre compl`ete letude des variables aleatoires discr`etes dej`a entamee en premi`ere annee MPSI et
aborde celle des variables aleatoires `a densite ; on y etudie aussi quelques resultat dapproximation.
Le chapitre est organise autour des axes suivants :
consolider les acquis de premi`ere annee MPSI sur les variables aleatoires discr`etes ;
introduire les notions de fonction de repatition, de moments et de fonction generatrice, et familia-
riser les el`eves avec ces notions en mettant en uvre les denitions et resultats du cours sur des
exemples simples ;
etudier des exemples usuels de lois discr`etes relles (loi de Bernoulli, loi binomiale, loi geom`etrique,
loi de Poisson, . . . ) et de lois `a densite sur R (loi uniforme, loi exponentielle, loi gamma, loi
gaussienne (ou normale), . . . ) ;
etudier la notion de convergence et quelques theor`emes limites.
Il est attendu qu`a lissue de ce chapitre, les el`eves
aient etudie des exemples usuels de lois discr`etes relles et de lois `a densite ;
33
34
sachent reconnatre les situations classiques de modelisation par des lois discr`etes ou continues
usuelles ;
sachent utiliser les fonctions generatrices pour determiner la loi ou calculer les moments dune
variable aleatoire enti`ere dans des cas standard ;
soient capables de determiner la densite dune variable aleatoire `a partir de sa fonction de repartition ;
apprennent `a utiliser le produit de convolution pour determiner la loi de la somme de deux variables
aleatoires independantes, discr`etes ou `a densite ;
apprennent `a approcher, sous certaines conditions, une loi binomiale par une loi de Poisson, et
une loi hypergeometrique par une loi binomiale ;
sachent utilisent les theor`emes limites, dans des cas standard, pour donner des estimations `a
certains param`etres (esperance, variance, . . . ).
3.3.1 Revisions du programme de premi`ere annee MPSI sur les espaces probabilises
Espace probabilise (, T , P).
On appelle evenement toute partie de qui est
element de la tribu T .
Rappeler les axiomes veries par une tribu et
ceux veries par une probabilite, en particulier
ladditivite denombrable et la continuite mono-
tone sequentielle de P.
Si est ni ou denombrable le choix T = T(),
lensemble des parties de , est le plus usuel.
Le choix de tribus dans le cas general nest pas
un objectif du programme.

Evenements negligeables, evenements quasi-

certains.
Proprietes quasi-certaines (on dit aussi presque
s ures).

Evenements independants. Lindependance dune famille (A

j
)
jJ
est aussi appelee independance mu-
tuelle. Elle est denie comme la relation
P (A
j
1
. . . A
jn
) = P(A
j
1
) . . . P(A
jn
) pour
toute partie nie j
1
, . . . , j
n
de J.
Probabilite conditionnelle. P
B
, probabilite sachant B, est denie lorsque
P(B) ,= 0.
Notations P
B
(A), P(A[B).
3.3.2 Variables aleatoires et lois de variables aleatoires
On appelle variable aleatoire reelle sur lespace pro-
babilise (, T , P) toute application X : R
veriant
x R, X
1
(] , x]) T .
Pour toute partie A de R, X
1
(A) est limage
reciproque par X de A, cest `a dire lensemble
des elements de qui verient X() A; on
la note plus simplement (X A).
Pour A =] , x] cette image reciproque est
lensemble des elements de qui verient
X() x; on la note plus simplement (X x).
La tribu borelienne sur R peut etre introduite,
mais aucun resultat concernant cette tribu nest
exigible.
34
35
Si A est un sous-ensemble de R obtenu en operant
par passages au complementaire, par reunions, par
intersections sur une famille nie ou denombrable
dintervalles de la forme ] , x], x R, et si
X est une variable aleatoire reelle alors (X A)
appartient `a T . Donc P(X A) a un sens.
Cest le cas, entre autres, pour tout partie A
qui est un intervalle reel ou le complementaire
dun intervalle reel : savoir utiliser les relations
suivantes
(X ]a, +[) = (X ] , a]),
(X [a, +[) =

kN
(X ]a 1/k, +[),
(X ] , a[) = (X [a, +[),
(X ]a, b]) = (X ] , b]) (X ] , a]),
(X [a, b]) = (X ] , b]) (X ] , a[),
(X [a, b[) = (X ] , b[) (X ] , a[),
(X ]a, b[) = (X ] , b[) (X ] , a]).
Si (X
1
, X
2
, . . . , X
k
) est une famille nie de variables
aleatoires reelles denies sur le meme espace pro-
babilise (, T , P) et si f : R
k
R est une
application continue alors lapplication composee
f(X
1
(), . . . , X
k
()) est une variable aleatoire
reelle sur (, T , P).
Notation f(X
1
, . . . , X
k
).
La preuve de ce resultat nest pas au pro-
gramme ; on en deduit le fait que la somme, le
produit, le minimum, le maximum, . . . dune fa-
mille nie de variables aleatoires reelles est une
variable aleatoire reelle.
Si X est une variable aleatoire reelle sur (, T , P)
et f une application monotone de R vers R, alors
lapplication composee f X est une variable
aleatoire reelle sur (, T , P).
Notation f(X).
Le resultat setend au cas o` u f est monotone par
morceaux.
Soit (X
n
)
n
une suite de variables aleatoires reelles
sur (, T , P) qui converge simplement vers X, une
application de vers R. Alors X est une variable
aleatoire reelle sur (, T , P).
La preuve utilise la denition de limite et les
proprietes des tribus.
On appelle loi (relativement `a P) de la variable
aleatoire reelle X lapplication de J(R) vers R qui
`a tout intervalle reel J associe le nombre P(X J).
J(R) designe lensemble de tous les intervalles
de R. Cest un sous ensemble de T(R).
On appelle loi (relativement `a P) dune famille nie
(X
1
, . . . , X
k
) de variables aleatoires reelles lappli-
cation de J(R)
k
vers R qui `a tout produit cartesien
J
1
J
k
dintervalles reels associe le nombre
P
_
k

i=1
(X
i
J
i
)
_
.
On note (X
1
J
1
, . . . , X
k
J
k
) levenement
k

i=1
(X
i
J
i
).
Fonction de repartition F
X
dune variable aleatoire
reelle X : cest lapplication de R dans R denie
par
t R, F
X
(t) = P(X t).
35
36
Proprietes de F
X
: cest une fonction croissante,
continue `a droite en tout point, de limite 0 en
et de limite 1 en +.
La reciproque (au sens o` u toute fonction de
R dans R veriant ces trois proprietes est la
fonction de repartition dune variable aleatoire
reelle) nest pas au programme.
La fonction de repartition caracterise la loi dune
variable aleatoire reelle : la connaissance de F
X
per-
met de calculer P(X I) pour tout intervalle I de
R.
La continuite de la fonction F
X
en t equivaut `a
P(X = t) = 0.
On doit savoir
P(X ]a, +[) = 1 F
X
(a),
P(X [a, +[ = 1 lim
a

F
X
,
P(X ] , a[) = lim
a

F
X
,
P(X ]a, b]) = F
X
(b) F
X
(a),
P(X [a, b]) = F
X
(b) lim
a

F
X
,
P(X [a, b[) = lim
b

F
X
lim
a

F
X
,
P(X ]a, b[) = lim
b

F
X
F
X
(a),
P(X = a) = F
X
(a) lim
a

F
X
.
On denit la fonction de repartition dune fa-
mille nie (X
1
, . . . , X
k
) de variables aleatoires
reelles comme etant lapplication de R
k
vers R,
(t
1
, . . . , t
k
) P(X
1
t
1
, . . . , X
k
t
k
). Les
resultats precedents setendent au cas dune famille
nie (X
1
, . . . , X
k
).
Pas de resultats theoriques au programme dans
le cas de plusieurs variables.
Deux familles de lois sont au programme : lois
discr`etes et lois `a densite.
Une variable aleatoire reelle X est dite de loi
discr`ete (relativement `a la probabilite P) sil existe

T de probabilite 1 tel que D = X(

) soit au
plus denombrable.
On peut supprimer de D tous les elements x tels
que P(X = x) = 0 ; les x restants sont appelees
valeurs possibles de la variable discr`ete X.
On obtient
P(X A) =

xA
P(X = x).
La loi de X est caracterisee par la donnee de D
et de lapplication x P(X = x), de D dans
R.
On dit que la loi de X est discr`ete usuelle sil existe
un intervalle J de Z et une bijection croissante
: J D, k x
k
.
Lusage est, dans ce cas, de representer la loi de X
par un tableau de lignes comportant en premi`ere
ligne les x
k
, elements de D, ecrits en ordre crois-
sant, en deuxi`eme ligne les probabilites correspon-
dantes p
k
= P(X = x
k
).
Des lignes supplementaires peuvent donner les
cumuls

jk
p
j
ou les produits x
k
p
k
. Il est
interessant dutiliser un tableur.
Exemples premiers de lois discr`etes. Rappeler les lois vues en premi`ere annee.
36
37
Une variable aleatoire reelle X est dite de loi `a den-
site (relativement `a la probabilite P) si sa fonc-
tion de repartition F
X
est continue sur R et de
classe (
1
sur R prive dun sous-ensemble ni F
(eventuellement vide).
Une telle variable aleatoire est dite aussi de
loi continue. On appelle alors densite de X la
fonction denie sur R par f
X
(t) = F

X
(t) pour
t R F et f
X
(t) = 0 pour t F.
La densite est une fonction positive, continue sur
R F, dintegrale convergente et valant 1 sur R.
Pour tout intervalle I de borne inferieure a R
et de borne superieure b R, on a :
P(X I) = F
X
(b) F
X
(a) =
_
b
a
f
X
(t) dt.
Exemples premiers de lois continues. Loi uniforme sur un segment reel [a, b], loi ex-
ponentielle de param`etre > 0, loi gamma de
param`etre (, ), lois gaussiennes.
Loi dune variable aleatoire obtenue par composi-
tion.
Il sagit detudier la loi de Y = g(X) o` u
X est une variable aleatoire de loi connue et
g une fonction de la variable reelle, ou plus
generalement, celle de Y = g(X
1
, . . . , X
k
).
Aucun resultat theorique general nest au pro-
gramme ; les exercices porteront sur des cas
simples.
Une famille (X
j
)
jJ
de variables aleatoires reelles
est dite independante si, pour toute famille (I
j
)
jJ
dintervalles de R, la famille
_
(X
j
I
j
)
_
jJ
devenements est independante.
On distinguera lindependance de la fa-
mille de variables (dite mutuelle parfois) et
lindependance deux `a deux des variables. On
notera que lindependance dune famille de va-
riables est relative `a une probabilite donnee.
Independance heritee : Si la famille
(X
j
)
1jn
k
est independante et si
0 < n
1
< < n
k
, alors la famille
_
f
1
(X
1
, . . . , X
n
1
), f
2
(X
n
1
+1
, . . . , X
n
2
), . . . , f
k
(X
n
k1
+1
, . . . , X
n
k
)
_
est independante.
Existence despaces probabilises portant une
suite (X
j
)
jN
de variables aleatoires reelles
independantes de lois discr`etes donnees.
Modelisation du jeu Pile-Face repete (ou inni).
Loi conditionnelle de X sachant un evenement non
negligeable A.
Cest (P
A
)
X
la loi de X sous la probabilite P
A
.
On lutilise notamment dans le cas o` u (X, Y ) est
un couple de variables aleatoires reelles discr`etes
et A = (Y = t), t reel donne.
Loi de la somme de variables independantes. Proposer de nombreux exemples de somme de
variables independantes. Dans certains cas, on a
une propriete de stabillite : la loi de la somme
est du meme type.

Etudier notamment les cas
de lois gaussiennes et de lois de Poisson.
37
38
Si (X
1
, X
2
) est un couple de variables aleatoires
reelles independantes dont les lois sont discr`etes
densembles de valeurs possibles respectifs D
1
et
D
2
(sous ensembles de R au plus denombrables),
alors la variable aleatoire S = X
1
+X
2
est discr`ete.
Dans ce cas, lensemble des valeurs possibles de
S est D = u + v ; (u, v) D
1
D
2
et la loi
de S est donnee, pour tout s D, par :
P(S = s) =

uD
1
P(X
1
= u)P(X
2
= s u)
=

vD
2
P(X
1
= s v)P(X
2
= v).
Cette formule est appelee la convolution discr`ete
des lois de X
1
et X
2
.
Si (X
1
, X
2
) est un couple de variables aleatoires
reelles independantes telles que X
1
soit discr`ete,
densemble de valeurs possibles D
1
, et X
2
soit
continue, de densite f
2
, alors la variable aleatoire
S = X
1
+X
2
est `a densite.
Dans ce cas, la densite de S est la fonction :
f : s

uD
1
P(X
1
= u)f
2
(s u).
Si (X
1
, X
2
) est un couple de variables aleatoires
reelles independantes dont les lois sont continues,
de densites respectives f
1
et f
2
, alors la variable
aleatoire S = X
1
+X
2
est `a densite.
Dans ce cas, la de densite de S est la fonction
f : s
_
+

f
1
(u)f
2
(s u) du.
Cette fonction est appelee le produit de convo-
lution des densites f
1
et f
2
.
3.3.3 Esperance, moments
Il est recommande de proposer ici de nombreux exercices sur des calculs desperances, de moments et
de variances.
Si X est une variable aleatoire reelle de loi discr`ete,
caracterisee par (x
k
, p
k
)
k
, ou continue, de densite
f
X
, on denit lesperance de X par la formule
E(X) =
_

k
x
k
p
k
(cas discret)
_
+

t f
X
(t) dt (cas continu)
sous reserve de la sommabilite (resp. lintegrabilite
sur R) de la famille (x
k
p
k
)
k
(resp. de la fonction
t t f
X
(t)).
La sommabilite permet de donner une valeur -
nie qui ne depend pas dun ordre choisi des x
k
;
lintegrabilite pour une fonction est lanalogue
de la sommabilite pour une famille.
Esperance de variables aleatoires reelles de lois
usuelles.
Propriete de transfert `a une variable :
Si X est une variable aleatoire reelle de loi discr`ete,
caracterisee par (x
k
, p
k
)
k
, alors la variable aleatoire
Y = g(X) admet une esperence si, et seulement si,
la famille (g(x
k
) p
k
)
k
est sommable.
En cas de sommabilite, on a :
E(Y ) =

k
g(x
k
) p
k
.
38
39
Si X est une variable aleatoire reelle continue, de
densite f
X
, alors la variable aleatoire Y = g(X)
admet une esperence si, et seulement si, la fonction
t g(t)f
X
(t) est integrable sur R.
En cas dintegrabilite, on a :
E(Y ) =
_
+

g(t)f
X
(t) dt.
Les demonstrations de ces resultats ne sont
pas exigibles dans le cas general. On pourra
en revanche traiter des exemples de recherche
de lesperence de Y = g(X) ; on evitera les
exemples inutilement compliques.
Propriete de transfert `a deux variables (cas discret) :
Si (X
1
, X
2
) est un couple de variables aleatoires
reelles de loi discr`ete (loi conjointe caracterisee par
_
(x
i
, y
j
), p
i,j
_
i,j
), alors la variable aleatoire Y =
g(X
1
, X
2
) admet une esperence si, et seulement si,
la famille
_
g(x
i
, y
j
) p
i,j
_
i,j
est sommable.
En cas de sommabilite, on a :
E(Y ) =

i,j
g(x
i
, y
j
) p
i,j
.
La demonstration de ce resultat nest pas exi-
gible dans le cas general. On traitera des
exemples simples de recherche de lesperence de
Y = g(X
1
, X
2
).
Le transfert `a deux variables dans le cas continu
(`a densite) nest pas au programme.
Si X et Y sont des variables aleatoires reelles
sur lespace probabilise (, T , P), si Y admet une
esperance et si [X[ Y alors X admet une
esperance.
Resultat admis qui rel`eve en fait de lintegration
de Lebesgue.
Proprietes de lesperance : Linearite, positivite,
croissance, inegalite triangulaire.
Esperance dun produit de variables aleatoires
reelles independantes, sous reserve dexistence.
Les demonstrations de ces proprietes dans le
cas general sont admises. Elles peuvent etre
presentees dans le cas discret.
Moments, variance, ecart-type, covariance :
Le moment dordre k N

de X est, sous reserve

dexistence, E(X
k
).
Si la variable aleatoire reelle X admet un mo-
ment dordre k N

, alors elle admet un mo-

ment dordre j pour tout j 1, . . . , k ; de
meme la variable aleatoire reelle X + admet
un moment dordre k, pour tout reel .
Si la variable aleatoire reelle X admet un moment
dordre 2, on appelle variance de X la quantite
V (X) = E((X E(X))
2
) et ecart-type de X la
racine carree de la variance : (X) =
_
V (X).
Dans ce cas on a :
- V (X) 0 et V (X) = E(X
2
) (E(X))
2
;
- V (X) = 0 X est constante presque partout ;
- V (X +) = V (X), pour tout reel .
39
40
Si X et Y sont des variables aleatoires reelles ad-
mettant un moment dordre 2, alors :
- la variable aleatoire XY admet une esperance et
E(XY )
2
E(X
2
)E(Y
2
) (Cauchy-Schwarz) ;
- S = X + Y admet un moment dordre 2 et sa
varaince V (S) est donnee par la formule ci-contre.
V (S) = V (X)+V (Y )+2E
_
(XE(X))(Y E(Y )
_
.
Si X et Y sont des variables aleatoires reelles ad-
mettant un moment dordre 2, on denit la cova-
riance du couple (X, Y ) par la formule
C(X, Y ) = E((X E(X))(Y E(Y )))
= E(XY ) E(X)E(Y ).
Avec cette notation on obtient
V (X +Y ) = V (X) +V (Y ) + 2 C(X, Y ).
Si X et Y sont des variables aleatoires reelles ad-
mettant un moment dordre 2 et si ces variables
sont independantes, leur covariance est nulle.
La variance de la somme est alors la somme des
variances.
La reciproque est fausse : covariance nulle nim-
plique pas independance.
Correlation lineaire : Si X et Y sont des variables
aleatoires reelles admettant un moment dordre 2
de lois non certaines (i.e. variances non nulles),
on denit le coecient de correlation lineaire du
couple (X, Y ) par la formule
(X, Y ) =
C(X, Y )
(X)(Y )
.
Le coecient de correlation lineaire du couple
(X, Y ) est un element de lintervalle [1, 1].
Le cas = 1 equivaut `a Y = X avec > 0,
le cas = 1 equivaut `a Y = X avec < 0.
Lindependance de X et Y implique = 0, la
reciproque est fausse.
Si X admet un moment dordre 1, on appelle va-
riable centree associee `a X la variable aleatoire
reelle

X = X E(X).
Si X admet un moment dordre 2, on appelle
variable centree reduite associee `a X la variable
aleatoire reelle X

=
1
(X)
(X E(X)).
3.3.4 Fonctions generatrices
Fonction generatrice dune variable aleatoire reelle
X `a valeurs dans N :
G
X
(t) = E(t
X
) =

kN
t
k
P(X = k).
La serie enti`ere denissant G
X
est de rayon de
convergence superieur ou egal `a 1 et G
X
(1) = 1 ;
cette serie converge normalement sur le disque
ferme de centre 0 et de rayon 1.
La fonction G
X
est continue sur [-1,1] et est de
classe (

sur ] 1, 1[.
La loi de X est caracterisee par G
X
(pour X `a
valeurs dans N).
On pourra presenter la notion de transformee de
Laplace-Fourier dans le cas dune loi `a densite
mais aucun resultat nest au programme concer-
nant ces transformations.
40
41
Lien entre fonction generatrice et moments : la va-
riable aleatoire X admet une esperance si, et seule-
ment si, G
X
est derivable en 1, auquel cas E(X) =
G

X
(1) ; la variable aleatoire X admet un moment
dordre 2 si, et seulement si, G
X
admet une derivee
seconde en 1, auquel cas E(X
2
) E(X) = G

X
(1).
Les el`eves doivent savoir retrouver lexpression
de la variance de X `a laide de G

X
(1) et G

X
(1).
Les el`eves doivent savoir calculer la fonction
generatrice dune variable aleatoire de Bernoulli,
binomiale, geometrique, de Poisson.
Fonction generatrice dune somme nie de variables
aleatoires independantes `a valeurs dans N.
Expression de la fonction generatrice de la va-
riable aleatoire X
1
+ +X
n
quand les X
i
sont
independantes.
3.3.5 Inegalites, notions de convergence et theor`emes limites
Inegalite de Markov : Si X est une variable aleatoire
reelle positive admettant une esperance, alors, pour
tout > 0,
P(X )
E(X)

.
Cette inegalite permet de demontrer linegalite
de Bienayme-Tchebychev.
Inegalite de Bienayme-Tchebychev : Si X est une va-
riable aleatoire reelle admettant un moment dordre
2, alors, pour tout > 0,
P([X E(X)[ )
V (X)

2
.
Interpretation : la variance permet de controler
lecart entre X et sa valeur moyenne E(X).
Inegalite de Jensen : Si X est une variable aleatoire
reelle admettant une esperance, si f : R R est
une application convexe sur R et si Y = f(X) ad-
met une esperance, alors
f (E(X)) E(f(X)).
Demonstration uniquement dans le cas o` u la loi
de X est discr`ete.
Denition de la convergence en probabilite dune
suite (X
n
)
n
de variables aleatoires reelles vers une
variable aleatoire reelle Y :
> 0, lim
n+
P([Y X
n
[ ) = 0.
Si la suite de fonctions (f
k
)
k
converge simple-
ment sur R vers g, la suite de variables aleatoires
reelles (f
k
(X))
k
converge en probabilite vers
g(X).
Denition de la convergence en loi dune suite
(X
n
)
n
de variables aleatoires reelles vers une va-
riable aleatoire reelle Y :
t R D
Y
, lim
n+
F
Xn
(t) = F
Y
(t),
o` u D
Y
designe lensemble des points de disconti-
nuite de la fonction F
Y
.
En fait la limite dune convergence en loi est la
loi de Y .
41
42
Si les variables aleatoires X
n
ainsi que Y sont `a
valeurs dans N, la convergence en loi de la suite
(X
n
)
n
vers Y equivaut `a :
k N, lim
n+
P(X
n
= k) = P(Y = k).
Exemple `a connatre : soit > 0 et soit (p
n
)
n1
une suite de reels positifs telle que la suite
(np
n
)
n1
converge vers ; si, pour tout n 1,
X
n
est une variable aleatoire qui suit la loi bino-
miale de param`etre (n, p
n
) alors la suite (X
n
)
n1
converge en loi vers la variable aleatoire suivant
la loi de Poisson de param`etre .
Interpretation de la loi de Poisson comme loi des
evenements rares.
La convergence en probabilite implique la conver-
gence en loi. La reciproque est fausse.
Resultat admis.
Loi faible des grands Nombres : si (X
n
)
n1
est une
suite de variables aleatoires independantes et de
meme loi, admettant un moment dordre 2, alors
la suite
_
1
n
n

k=1
X
k
_
n1
, de variables aleatoires,
converge en probabilite vers la variable constante
= E(X
1
).
Application : interpretation frequentiste de
P(A).
Theor`eme de la limite centree : si (X
n
)
n1
est une
suite de variables aleatoires independantes et de
meme loi, admettant un moment dordre 2, alors la
suite
_
1

n
_
n

k=1
X
k
n
_
_
n1
, o` u = E(X
1
) et
= (X
1
), converge en loi vers la variable aleatoire
suivant la loi gaussienne standard.
la vitesse de convergence de la loi des grands
nombre est donc en

n
.
Ce theor`eme admet de nombreuses applications,
notamment en statistiques ; elles ne sont pas au
programme.
3.4

Equations dierentielles lineaires
Ce chapitre a pour objectifs dintroduire quelques notions de base sur les equations dierentielles non
lineaires et detudier les equations dierentielles lineaires. Lintroduction du cas non lineaire vise `a
eclairer les resultats du cas lineaire en montrant leurs specicites ; elle sert aussi pour preparer les
el`eves aux enseignements dispenses dans les cursus post classes preparatoires.
Le chapitre est organise autour des axes suivants :
introduire quelques notions de base sur les equations dierentielles non lineaires et familiariser les
el`eves avec ces notions en mettant en uvre les resultats du cours sur des exemples simples ;
etudier les equations dierentielles lineaires dordre 1 `a valeurs vectorielles, et leurs traductions
en termes de syst`emes dequations dierentielles lineaires scalaires dordre 1 ;
etudier le cas particulier des syst`emes dequations dierentielles lineaires scalaires dordre 1 `a
coecients constants, en relation avec lexponentielle dendomorphismes et de matrices ;
etudier les equations dierentielles lineaires scalaires dordre 1 et 2.
La resolution explicite des syst`emes lineaires `a coecients constants nest pas un objectif du pro-
gramme. On limitera en consequence la technicite des exercices dapplication. On pourra en revanche
presenter aux el`eves divers exemples detudes qualitatives dequations dierentielles lineaires scalaires
ou de syst`emes lineaires. Concernant les syst`emes `a coecients constants, on pourra souligner le role
du signe des parties reelles des valeurs propres de la matrice et son inuence sur le comportement des
solutions ; on pourra egalement, en dimension 2, representer certaines des courbes integrales.
42
43
Il est attendu qu`a lissue de ce chapitre, les el`eves
aient traite des exemples de recherche et detude de courbes integrales dun champ lineaire de
vecteurs dans le plan ;
matrisent la pratique de la resolution dune equation dierentielle du type X

= AX, o` u A est
une matrice `a coecients reels ou complexes, par reduction de A `a une forme diagonale (ou
triangulaire en dimension 3), et connaissent lexpression integrale des solutions de lequation
X

= AX +B(t) ;
aient pratique, sur des exemples, letude dequations dierentielles lineaires scalaires dordre 1 ou
2 et notamment la recherche de solutions developpables en serie enti`ere ainsi que les probl`emes de
raccordements de solutions.
Dans ce chapitre, I est un intervalle de R, F un espace norme de dimension nie.
3.4.1 Generalites

Equation dierentielle generale x

= f(t, x). Solu-

tion dune telle equation.
Probl`eme de Cauchy.
Methode dEuler pour la recherche de solutions ap-
prochees.
Lapplication f : U F est donnee, o` u U est
un ouvert de RF, on cherche les couples (J, x)
o` u J est un intervalle non trivial de R et x une
application derivable de J dans F veriant :
t J, (t, x(t)) U et x

(t) = f(t, x(t)).

Cas des equations dierentielles `a variables
separables : F = R et f(t, u) = a(t)b(u).
Pas de resultat general exigible ; les el`eves
doivent savoir traiter des exemples simples. Le
raisonnement par analyse-synth`ese est souvent
utile ici.
Theor`eme de Cauchy-Lipschitz : resultat dexis-
tence et dunicite locale.
Le theor`eme de Cauchy-Lipschitz est admis et
il nest pas le point central du paragraphe, il
est presente pour preparer les el`eves au cas
non lineaire qui sera traite dans les cursus
post classes preparatoires. Il peut aussi servir `a
eclairer les resultats du cas lineaire en montrant
leurs specicites.
3.4.2

Equations dierentielles lineaires, solutions, structures

Equation dierentielle lineaire :

x

(t) = a(t)(x(t)) +b(t)

o` u a est une application continue de I dans /(F),
b une application continue de I dans F.
Forme matricielle : syst`emes dierentiels
lineaires.

Equation dierentielle homog`ene associee `a une

equation dierentielle lineaire.
Solution dune equation dierentielle lineaire, solu-
tion globale.
Principe de superposition.
Probl`eme de Cauchy. Mise sous forme integrale dun probl`eme de Cau-
chy.
43
44

Equation dierentielle lineaire scalaire dordre n.

Representation dune equation dierentielle lineaire
scalaire dordre n par un syst`eme dierentiel
lineaire.
Solution dune telle equation, probl`eme de Cau-
chy associe.
Theor`eme de Cauchy lineaire : existence et unicite
de la solution globale dun probl`eme de Cauchy,
unicite locale des solutions.
La demonstration nest pas exigible.
Adaptation aux equations dierentielles
lineaires scalaires dordre n.
Cas des equations homog`enes : lensemble des so-
lutions globales est un sous-espace vectoriel de
(
1
(I, F). Pour t
0
dans I, lapplication x x(t
0
)
est un isomorphisme de cet espace sur F.
Dimension de lespace des solutions globales. Cas
des equations scalaires homog`enes dordre n.
Structure de lensemble des solutions globales dune
equation dierentielle lineaire avec second membre.
Exemples dequations scalaires dordre 1 (resp. 2)
non resolues en y

(resp. y

) :
a(t)x

(t) +b(t)x(t) = c(t),

a(t)x

(t) +b(t)x

(t) +c(t)x(t) = d(t).

Les el`eves doivent savoir exploiter la recherche
de solutions developpables en serie enti`ere.
Exemples detude de probl`emes de raccorde-
ments de solutions.
3.4.3 Syst`emes dierentiels lineaires homog`enes `a coecients constants
Syst`emes dierentiels lineaires homog`enes `a coe-
cients constants : x

(t) = a(x(t)), a /(F).

Traduction matricielle X

= AX.
Si x
0
est un element de F et a /(F), resolution
du probl`eme de Cauchy
x

(t) = a(x(t)), x(t

0
) = x
0
.
La solution globale est denie sur R par
t exp((t t
0
)a)(x
0
) = e
(tt
0
)a
(x
0
).
Traduction matricielle.
Exemples de calculs explicites de solutions. On se limite aux deux cas : a diagonalisable ou
dimF 3.
3.4.4 Methode de variation des constantes
Methode de variation des constantes : denition
dun syst`eme fondamental de solutions de
lequation x

(t) = a(t)(x(t)), caracterisation

dun tel syst`eme ; application `a la resolution de
lequation dierentielle x

(t) = a(t)(x(t)) +b(t) par

la methode de variation des constantes.
Dans les exercices pratiques, on se limite au cas
de la dimension 2.
Cas particulier des syst`emes dierentiels `a coe-
cients constants.
Expression integrale des solutions dun tel
syst`eme.
44
45
Adaptation de la methode de variation des
constantes aux equations scalaires du second ordre.
Expression des solutions dans le cas o` u lon
connat une solution de lequation homog`ene as-
sociee ne sannulant pas sur I.
Wronskien de deux solutions dune equation sca-
laire homog`ene dordre 2.
Cas dune equation du type x

+q(t)x = 0.
3.5 Fonctions holomorphes
Lobjectif de ce chapitre est detudier la derivation complexe et les fonctions holomorphes puis etablir le
principe du prolongement analytique et le principe des zeros isoles.
Il est attendu qu`a lissue de ce chapitre, les el`eves acqui`erent des notions de base de lanalyse complexe
notamment `a travers letude dexemples.
Dans ce qui suit, designe un ouvert non vide de C et

= (x, y) R
2
, x +iy ;

est un ouvert
non vide de R
2
.
Soit f : C une application ; on note

f lapplication denie sur

par

f(x, y) = f(x+iy) et on pose
u(x, y) = Re
_

f(x, y)
_
et v(x, y) = Im
_

f(x, y)
_
, (x, y)

.
Pour tout z
0
C et tout r R
+
+, on pose
D(z
0
, r) := z C, [z z
0
[ < r.
Si 0 < r < +, D(z
0
, r) est le disque ouvert de
centre z
0
et de rayon r ; par abus de langage, on
dira que C est le disque ouvert de rayon +.
Derivation complexe. Une application f : C est dite C-derivable
en z
o
si lim
zzo
z=zo
f(z)f(zo)
zzo
existe, auquel cas elle
est notee f

(z
o
).
f est C-derivable en z
o
= x
o
+ iy
o
si, et seulement
si,

f est dierentiable en (x
o
, y
o
) et

f
y
(x
o
, y
o
) = i


f
x
(x
o
, y
o
).

Equations de Cauchy-Riemann : La formule

f
y
(x
o
, y
o
) = i


f
x
(x
o
, y
o
) se traduit par les
deux equations
u
x
(x
o
, y
o
) =
v
y
(x
o
, y
o
) et
u
y
(x
o
, y
o
) =
v
x
(x
o
, y
o
), dites equations de
Cauchy-Riemann.
Fonction holomorphe sur .
f est est holomorphe sur si, et seulement si,

f
est de classe (
1
sur

et verie les equations de
Cauchy-Riemann :
u
x
=
v
y
,
u
y
=
v
x
.
On dit que f est holomorphe sur si elle est
C-derivable en tout point de et si la fonction
z f

(z) est continue sur ; la fonction z

f

(z) est alors appelee la derivee de f, notee f

.
Toute fonction polynomiale est holomorphe sur C
et sa derivee au sens complexe concide avec sa
derivee algebrique.
Plus generalement, si

n0
a
n
z
n
est une serie
enti`ere de rayon de convergence R > 0 et de somme
f, alors f est holomorphe sur D(0, R) et lon a
f

(z) =
+

n=1
na
n
z
n1
, z D(0, R).
On peut demontrer ce resultat par un calcul di-
rect en utilisant le theor`eme de derivation de la
somme dune serie dapplications de classe (
1
.
Il en resulte que f est indeniment C-derivable
sur D(0, R) et quon a, pour tout k N,
f
(k)
(z)
k!
=
+

n=k
_
n
k
_
a
n
z
nk
, z D(0, R).
45
46
Lensembles des fonctions holomorphes sur est
une sous-alg`ebre de la C-alg`ebre des applications
de dans C; on la note 1().
La derivation est lineaire et verie la formule de
Leibniz (fg)

= f

g +fg

pour f, g holomorphes
sur ; de plus, si f
1
est holomorphe sur un ou-
vert
1
et si f
2
est holomorphe sur un ouvert
2
contenant f
1
(
1
), alors f
2
f
1
est holomorphe
sur
1
et (f
2
f
1
)

= (f

2
f
1
)f

1
.
Fonction analytique sur . Une application f : C est dite analytique
sur si elle est developpable en serie enti`ere
autour de tout point de , cest `a dire si pour
tout z
0
, il existe un reel r > 0 et une serie
enti`ere

n0
a
n
z
n
de rayon de convergence r
tels quon ait D(z
0
, r) et
f(z) =
+

n=0
a
n
(z z
0
)
n
, z D(z
0
, r).
Toute fonction polynomiale est analytique sur C. Formule de Taylor algebrique.
La fonction exponentielle est analytique sur C. e
z
= e
z
0
e
zz
0
= e
z
0
+

n=0
(z z
0
)
n
n!
, z
0
, z C.
Plus generalement, la somme dune serie enti`ere est
analytique sur son disque ouvert de convergence.
On peut demontrer ce resultat par un calcul di-
rect, en utilisant la technique des suites doubles
sommables de nombres complexes.
Lensembles des fonctions analytiques sur est une
sous-alg`ebre de la C-alg`ebre des applications de
dans C; on la note O().
Toute fonction f analytique sur est holomorphe
sur : O() 1().
f est de plus indeniment C-derivable sur et,
pour tout z
0
, le developpement de f autour
de z
0
est donne par sa serie de Taylor en z
0
, cest
`a dire
f(z) =
+

n=0
f
(n)
(z
0
)
n!
(z z
0
)
n
,
valable dans le plus grand disque ouvert de
centre z
0
contenu dans .
Toute fonction f holomorphe sur est analytique
sur : 1() O(). Plus precisement, pour tout
z
0
, si D(z
0
, R) dsigne le plus grand disque
ouvert de centre z
0
inclus dans , il existe une
suite (a
n
)
n0
de nombre complexes, uniquement
determinee, telle que le rayon de convergence de
la serie enti`ere

n0
a
n
z
n
soit R et quon ait
f(z) =
+

n=0
a
n
(z z
0
)
n
z D(z
0
, R).
La demonstration de ce resultat est hors pro-
gramme.
46
47
Principe du prolongement analytique : Soit g une
fonction holomorphe sur un ouvert non vide
1
;
sil existe un ouvert connexe par arcs contenant

1
et une fonction f holomorphe sur et prolon-
geant g, alors f est unique.
On en deduit que si f est une fonction ho-
lomorphe sur , ouvert connexe par arcs, et
sil existe z
o
tel que, pour tout n N,
f
(n)
(z
o
) = 0, alors f est nulle sur .
Principe des zeros isoles : soit f une fonction non
nulle et holomorphe sur , ouvert connexe par arcs ;
si z
o
est un point de tel que f(z
o
) = 0 alors, il
existe r > 0 tel que D(z
o
, r) et que f(z) ,= 0
pour tout z D(z
o
, r) z
o
.
47