Classe préparatoire MP

Programme de
mathématiques
Année scolaire 2023-2024
Programme de mathématiques Classe MP

Programme de mathématiques de la classe préparatoire MP

1 Préambule
Les programmes de mathématiques des classes préparatoires scientifiques sont conçus comme un socle
cohérent et ambitieux de connaissances et de capacités, avec l’objectif de préparer les élèves à poursuivre
avec succès dans les écoles et les universités un cursus de formation aux métiers d’ingénieur, d’enseignant,
de chercheur.

1.1 Objectifs généraux de formation

L’enseignement des mathématiques dans la filière Mathématiques et Physique (MP) a pour vocation
d’apporter les connaissances fondamentales et les savoir-faire indispensables à la formation générale des
scientifiques, qu’ils soient ingénieurs, enseignants ou chercheurs ; il développe les aptitudes et les capacités
des élèves selon les axes majeurs suivants :
— l’acquisition d’un solide bagage de connaissances, de concepts et de méthodes, et la maı̂trise de
techniques usuelles ;
— le développement simultané du goût du concret et des capacités de raisonnement, d’argumentation
et de rigueur ;
— l’éveil de la curiosité intellectuelle et le développement de l’esprit critique et des attitudes de ques-
tionnement, de recherche, d’analyse et de synthèse ;
— le développement de l’initiative, de l’autonomie et des capacités d’expression et de communication.
Son objectif est double. D’une part, il permet de développer des concepts, des résultats, des méthodes
et une démarche spécifiques aux mathématiques. D’autre part, il contribue à fournir un langage, des
représentations, des connaissances et des méthodes dont les autres disciplines scientifiques étudiées dans
ces classes et au-delà, comme la physique, la chimie, l’informatique et les sciences industrielles, sont de-
mandeuses ou utilisatrices.
Une formation mathématique de qualité doit développer non seulement la capacité à acquérir des connais-
sances et à les appliquer à des problèmes préalablement répertoriés, mais aussi l’aptitude à étudier des
problèmes plus globaux ou des questions issues de situations réelles. Certaines situations nécessitent la
conception d’outils nouveaux pour les traiter. Ainsi, la réflexion sur les concepts et les méthodes, la pra-
tique du raisonnement et de la démarche mathématique constituent des objectifs majeurs.
Il est attendu que la pratique de la démarche et du raisonnement mathématique à travers les notions
étudiées dans le cadre de ce programme concourt à la formation de l’esprit des élèves et le développement
de leurs compétences : la rigueur du raisonnement, l’esprit critique, l’analyse et le contrôle des hypothèses
et des résultats obtenus et leur pertinence au regard du problème posé, le sens de l’observation et celui de
la déduction trouvent en mathématiques un champ d’action où ils seront cultivés de manière spécifique.
Enfin, l’autonomie et la prise d’initiative sont spécifiquement développées à travers la pratique d’activités
du type ≪ résolution de problèmes ≫ qui visent à exercer les élèves à mobiliser, de façon complémentaire
et coordonnée, connaissances et capacités pour répondre à un questionnement ou atteindre un but sans
qu’aucune démarche de résolution ne soit fournie.
Pour aider les élèves à effectuer la synthèse des connaissances acquises dans les différents domaines qu’ils
ont étudié, il est important de mettre en valeur l’interaction entre les différentes parties du programme,

1 MENPS 2023
Programme de mathématiques Classe MP

tant au niveau du cours que des thèmes des travaux proposés aux élèves ; il est aussi souhaitable de mettre
en lumière les interactions des champs de connaissance. La concertation entre les enseignants par classe,
discipline ou cycle peut y contribuer efficacement ; la cohérence et une organisation coordonnée entre les
diverses disciplines est fondamentale. Il importe d’éviter les redondances tout en soulignant les points
communs, de limiter les divergences ou ambiguı̈tés dues à la diversité des points de vue possibles sur un
même objet tout en enrichissant l’enseignement par cette même diversité.
Si les mathématiques sont un outil puissant de modélisation, que l’élève doit maı̂triser, elles sont parfois
plus contraignantes lorsqu’il s’agit d’en extraire une solution. L’évolution des techniques permet désormais
d’utiliser aussi l’approche numérique afin de faire porter prioritairement l’attention des élèves sur l’in-
terprétation et la discussion des résultats plutôt que sur une technique d’obtention. Cette approche permet
en outre une modélisation plus fine du monde réel, par exemple par la prise en compte d’effets non linéaires
ou l’étude de situations complexes hors de portée des techniques traditionnelles. C’est aussi l’occasion pour
l’élève d’exploiter les compétences acquises en informatique. C’est enfin l’opportunité de mener avec les
professeurs d’informatique d’éventuelles démarches collaboratives.
Dans ce cadre, et vue la place nouvelle des sciences numériques dans la formation des scientifiques notam-
ment dans le domaine de la simulation, les élèves doivent être entraı̂nés à l’utilisation en mathématiques
d’un logiciel de calcul scientifique et numérique pour la résolution de problèmes, la formulation de conjec-
tures ou la représentation graphique de résultats. L’utilisation de ce logiciel, en libérant les élèves des
aspects calculatoires ou techniques (calcul, dessin, représentation graphique), leur permet de se concen-
trer sur la démarche. Les concepts mathématiques sous-jacents sont mis en avant et l’interprétation des
résultats obtenus est facilitée. L’étude de situations complexes hors de portée des techniques traditionnelles
devient possible.
Concernant les capacités d’expression et de communication, cela suppose, à l’écrit, la capacité à com-
prendre les énoncés mathématiques, à mettre au point un raisonnement et à rédiger une démonstration
rigoureuse et, à l’oral, celle de présenter et défondre, de manière claire et synthétique, une démarche ou une
production mathématique. Les travaux individuels ou en équipe proposés aux élèves en dehors du temps
d’enseignement (devoirs libres, interrogations orales, comptes rendus de travaux dirigés ou d’interrogations
orales, exposés de TIPE) contribuent de manière efficace à développer ces compétences. La communication
utilise des moyens diversifiés auxquels il convient de familiariser les élèves : cela concerne non seulement
le tableau, dont la maı̂trise est un élément essentiel, mais aussi les dispositifs de projection appropriés
(vidéoprojecteur) et l’outil informatique.
Il est aussi souhaitable que le contenu culturel et historique des mathématiques ne soit pas sacrifié au
profit de la seule technicité. En particulier, les textes et les références historiques rendent compte des
interactions entre un contexte historique et social donné, une problématique spécifique et la construction,
pour la résoudre, d’outils mathématiques ; ce qui met en évidence le rôle central joué par le questionnement
scientifique pour le développement théorique. Ils montrent en outre que les sciences, et les mathématiques
en particulier, sont en perpétuelle évolution et que le dogmatisme n’est pas la référence en la matière.
Dans ce sens, il pourra s’avérer pertinent d’analyser l’interaction entre problèmes et outils conceptuels ;
les seconds sont développés pour résoudre les premiers mais deviennent à leur tour, et aux mains des
mathématiciens, des objets d’étude qui posent de nouveaux problèmes et peuvent ultérieurement servir au
traitement d’autres classes de problèmes.
On attachera une importance à l’aspect géométrique des notions et propriétés étudiées en ayant régulierement
recours à des figures et croquis, ce qui permet de développer une vision géométrique des objets abstraits
et favorise de fructueux transferts d’intuition.

2 MENPS 2023
Programme de mathématiques Classe MP

1.2 Organisation du texte du programme

Le programme de la classe de deuxème année MP est présenté en deux grandes parties, chacune d’elles
correspondant à une période. Chacune de ces parties définit un corpus de connaissances requises et de
capacités attendues.
Le programme définit les objectifs de l’enseignement et décrit les connaissances et les capacités exigibles des
élèves ; il précise aussi certains points de terminologie, certaines notations ainsi que des limites à respecter.
À l’intérieur de chaque période, le programme est décliné en sections (numérotées 1, 2, . . .). Chaque section
comporte un bandeau et un texte présenté en deux colonnes : à gauche figurent les contenus du programme
et à droite les commentaires.

– le bandeau définit les objectifs essentiels et les capacités attendues des élèves, et délimite le cadre
d’étude des notions qui lui sont relatives. Il décrit parfois sommairement les notions qui y sont
étudiées ;
– les contenus fixent les connaissances, les résultats et les méthodes figurant au programme ;
– les commentaires donnent des informations sur les capacités attendues des élèves. Ils indiquent des
repères et proposent des notations. Ils précisent le sens ou les limites de certaines notions ; les énoncés
de certaines définitions ou de certains résultats y sont parfois intégralement explicités, l’objectif étant
ici d’unifier les pratiques des enseignants.

La chronologie retenue dans la présentation des différentes sections de chaque période ne doit pas être
interprétée comme un modèle de progression. Cependant, la progression retenue par chaque professeur au
cours de chaque période doit respecter les objectifs de l’enseignement dispensé au cours de cette période.

1.3 Contenu du programme

Le programme défini un corpus de connaissances requises et de capacités attendues, et explicite des apti-
tudes et des compétences qu’une activité mathématique bien conçue est amène de développer. L’acquisition
de ce socle par les élèves constitue un objectif prioritaire pour le professeur.
Il permet à tous les élèves d’acquérir progressivement le niveau requis pour la poursuite des enseigne-
ments dispensés dans les grandes écoles, et plus généralement les poursuites d’études dans différents
établissements de l’enseignement supérieur ; il leur permet également de se réorienter et de se former
tout au long de leur parcours.
Le programme porte essentiellement sur l’algèbre, l’analyse et les probabilités. L’étude de chacun de ces
trois domaines permet de développer des aptitudes au raisonnement et à la modélisation, d’établir des
liens avec d’autres disciplines, et de nourrir les thèmes susceptibles d’être abordés lors des TIPE.
Le programme d’algèbre comprend trois sections. La première formalise les différentes structures algébriques
usuelles rencontrées dans le programme et introduit l’anneau Z/nZ comme exemple de structure quotient ;
on y aborde aussi l’arithmétique de K[X], où K est un sous-corps de C. La deuxième prolonge l’étude de
l’algèbre linéaire abordée en classe de première année MPSI et aboutit à la réduction des endomorphismes
et des matrices : diagonalisation, trigonalisation, sous-espaces caractéristiques ; cette étude combine le point
de vue géométrique (éléments propres, sous-espaces stables), algébrique (polynômes d’endomorphisme) et
matricielles ; les principaux résultats y sont formulés en termes d’éléments propres et de polynômes annu-
lateurs. La troisième, située dans le cadre euclidien, étudie la notion d’adjoint et abouti à la réduction, en

3 MENPS 2023
Programme de mathématiques Classe MP

base orthonormale, des endomorphismes autoadjoints (théorème spectral) et des isométries vectorielles ;
elle introduit aussi les endomorphismes autoadjoints positifs en vue de l’optimisation. Cette étude met
l’accent sur les relations entre les registres vectoriel, matriciel et géométrique.
En analyse, le programme introduit le concept d’espace vectoriel normé, ce qui permet d’aborder le calcul
différentiel et fourni un cadre cohérent pour l’étude des suites, des séries et des fonctions, et celle des
suites et des séries de fonctions. L’intégration, la représentation des fonctions, notamment par des séries
entières et par des intégrales dépendant d’un paramètre, l’approximation des fonctions, l’étude du calcul
différentiel et des équations différentielles linéaires tiennent une place majeure.
L’étude de la topologie d’un espace vectoriel normé permet d’étendre les notions de suite, limite, continuité
étudiées en première année dans le cadre de la droite réelle, d’étudier la continuité des applications linéaires
(normes subordonnées), d’introduire les concepts de compacité et de connexité par arcs, et de mettre en
évidence quelques aspects de la dimension finie : équivalence des normes, caractérisation des compacts,
continuité des applications linéaires, multilinéaires et polynomiales.
La section sur les séries complète l’étude des séries numériques abordée en première année et la prolonge
par celles des séries à valeurs dans un espace vectoriel normé de dimension finie. L’étude des familles
sommables de nombres complexes vise la mise en place des outils nécessaires à une présentation rigoureuse
des espaces probabilisés et à l’étude des variables aléatoires discrètes.
La section relative aux fonctions vectorielles permet la généralisation aux fonctions à valeurs dans un espace
vectoriel normé de dimension finie des résultats d’analyse réelle (dérivation et intégration sur un segment)
étudiés en première année et fournit des outils pour les équations différentielles et le calcul différentiel ; on
y aborde auussi une étude modeste des arcs paramétrés. Cette section favorise les interprétations et les
représentations géométriques des objets étudiés, et fourni une occasion de relier les registres analytique et
géométrique.
L’étude des suites et séries de fonctions et des différents mode de leur convergence conduit aux théorèmes
de régularité de leur limite ou somme ; ces théorèmes sont ensuite appliqués notamment pour étudier la
fonction exponentielle dans une algèbre normée de dimension finie ; cette étude se termine par l’énoncé
de deux théorèmes d’approximation. Les séries entières permettent de construire des fonctions de variable
complexe et de fournir des outils pour la résolution d’équations différentielles linéaires.
La section sur le calcul différentiel et l’optimisation a pour objectif d’étendre l’étude menée en première
année au cadre des espaces vectoriels normés de dimension finie et de donner une introduction à l’optimi-
sation au premier et au second ordre. La différentielle en un point est définie de manière intrinsèque afin
d’établir un lien avec l’algèbre linéaire ; les notions de dérivée selon un vecteur ou le long d’un arc, de gra-
dient, de vecteurs tangents à une partie constituent une première approche de la géométrie différentielle ;
l’optimisation au second ordre s’appuie sur les endomorphismes autoadjoints. Parallèlement à cette vi-
sion algébrique et géométrique, cette section fournit aussi des outils opérationnels pour la résolution de
problèmes (recherche d’extremums, équations aux dérivées partielles).
La section sur l’intégration introduit, pour les fonctions continues par morceaux sur un intervalle quel-
conque, la notion d’intégrale généralisée et celle de fonction intégrable. L’intégration des relations de
comparaison dans le cas des fonctions positives permet de faire le lien avec les théorèmes similaires étudiés
sur les séries. Les théorèmes classiques sur l’intégration des suites et séries de fonctions (convergence do-
minée, intégration terme à terme) et sur les intégrales à paramètre sont étudiés à la fin de la section ;
ils fournissent les outils nécessaires pour mener l’étude d’une fonction définie comme intégrale dépendant
d’un paramètre.

4 MENPS 2023
Programme de mathématiques Classe MP

L’étude des équations et des systèmes différentiels linéaires, dont les interventions sont fréquentes tant
en mathématiques que dans les autres disciplines scientifiques, est basée sur le théorème de Cauchy qui
permet d’établir la structure de l’ensemble des solutions, illustrant la pertinence des outils de l’algèbre
linéaire pour résoudre des problèmes de l’analyse. Le cas particulier où les coefficients sont constants
permet notamment d’utiliser l’exponentielle d’endomorphisme et de matrice, et de mettre en œuvre des
techniques de réduction.
La section consacrée à l’enseignement des probabilités présente brièvement le formalisme de Kolmogorov
qui sera repris et approfondi dans le cursus post classes préparatoires. Son objectif majeur est l’étude des
variables aléatoires discrètes et celle des variables à densité, ce qui permet d’élargir le champ des situations
réelles se prêtant à une modélisation probabiliste.
On y étudie les bases de la théorie des probabilités : variables aléatoires, lois usuelles, notions d’indépendance
et de probabilités conditionnelles, notions de moments et de fonctions génératrices ; cette section débouche
sur des résultats d’approximation (loi faible des grands nombres, théorème de la limite centrée). La loi
faible des grands nombres permet de justifier a posteriori l’approche fréquentiste d’une probabilité pour un
schéma de Bernoulli. L’inégalité qui la sous-tend (inégalité de Bienaymé-Tchebychev) précise la vitesse de
convergence de cette approximation et valide l’interprétation de la variance comme indicateur de disper-
sion. Cette section a vocation à interagir avec le reste du programme, notamment en exploitant les séries
génératrices et l’intégration sur un intervalle quelconque.
Afin de contribuer au développement des compétences de modélisation et de représentation, le programme
préconise le recours à des figures géométriques pour aborder l’algèbre linéaire, les espaces préhilbertiens,
les fonctions de variable réelle ou vectorielle.
Le programme encourage la démarche algorithmique et le recours à l’outil informatique (calculatrices,
logiciels) ; il intègre la construction et la mise en forme d’algorithmes et, sur des exemples, la comparaison
de leurs performances.

1.4 Organisation temporelle de la formation

Le programme de la classe de deuxième année MP est présenté en deux grandes parties, chacune d’elles
correspondant à une période. Le programme de la preimère période est étudié complètement en premier lieu,
lors des quatre premiers mois de l’année ; celui de la deuxième période est ensuite abordé. Le programme
doit être traité en veillant à alterner, de préférence, des chapitres d’analyse, de probabilité, d’algèbre et de
géométrie euclidienne.

1.5 Recommandations pédagogiques pour le choix d’une progression

Le programme est présenté en deux grandes parties, mais son organisation n’est pas un plan de cours ;
il va de soi que cette présentation n’est qu’une commodité de rédaction et ne doit pas faire oublier les
interactions nombreuses et étroites entre les différents domaines des mathématiques.
Les sections qui composent le programme suivent un ordre thématique qui n’est d’ailleurs pas le seul pos-
sible. Cette organisation a pour objet de présenter les différentes notions du programme de mathématiques
et ne peut en aucun cas être considéré comme une progression de cours.
Chaque professeur adopte librement la progression qu’il juge adaptée au niveau de sa classe et conduit
l’organisation de son enseignement dans le respect de la cohérence de la formation globale et en privilégiant

5 MENPS 2023
Programme de mathématiques Classe MP

la découverte et l’exploitation de problématiques, la réflexion sur les démarches suivies, les hypothèses for-
mulées et les méthodes de résolution. Il choisit ses méthodes et ses problématiques en privilégiant la mise
en activité 1 effective des élèves et en évitant tout dogmatisme, et ce quel que soit le temps d’enseigne-
ment proposé (cours, travaux dirigés, TIPE). En effet, l’acquisition des connaissances, des capacités et des
compétences est d’autant plus efficace que les élèves sont acteurs de leur formation. Le contexte d’ensei-
gnement retenu et les supports pédagogiques utilisés doivent motiver les élèves et favoriser la réflexion, le
raisonnement, la participation et l’autonomie de ces derniers. Les situations de résolution de problèmes, de
la modélisation jusqu’à la présentation des résultats en passant par la démarche de résolution proprement
dite, favorisent cette mise en activité.
En contrepartie de cette liberté dans l’organisation de la progression, le respect des objectifs de forma-
tion et son étalement dans l’année, comme indiqués ci-dessus, reste une nécessité incontournable.

1. “ Tell me and I forget, teach me and I may remember, involve me and I learn.” benjamin franklin (≪ Dis-moi et
j’oublie, enseigne-moi et je peux me rappeler, implique-moi et j’apprends. ≫)

6 MENPS 2023
Programme de mathématiques Classe MP

2 Première période

2.1 Structures algébriques usuelles

L’étude des structures algébriques permet d’approfondir plusieurs points abordés en première année MPSI :
arithmétique de Z et de K[X], congruences, algèbre linéaire, groupe symétrique, groupes issus de l’algèbre
linéaire et ultérierement de la géométrie des espaces euclidiens.
Cette section gagne à être illustré par de nombreux exemples.
Les paragraphes relatifs aux idéaux de Z et aux polynômes permettent de revenir sur l’étude menée en
première année MPSI, dans un cadre étendu et dans un esprit plus algébrique, mettant l’accent sur la
notion d’idéal.

2.1.1 Compléments sur les groupes

Intersection de sous-groupes.
Sous-groupe engendré par une partie. Partie Exemples de parties génératices du groupe Sn .
génératrice d’un groupe.
Sous-groupes du groupe (Z, +). Groupe (Z/nZ, +),
générateurs de (Z/nZ, +).
Groupe monogène, groupe cyclique. Groupe des racines n-ièmes de l’unité.
Tout groupe monogène infini est isomorphe au
groupe (Z, +). Tout groupe monogène fini (cy-
clique) de cardinal n est isomorphe au groupe
(Z/nZ, +).
Élément d’ordre fini d’un groupe G, ordre d’un tel Si x est d’ordre fini, l’ordre de x est le cardinal
élément. du sous-groupe de G engendré par x.
Si x est d’ordre fini d et si e désigne le neutre de
G, alors, pour tout k ∈ Z, xk = e ⇐⇒ d|k.
Dans un groupe fini G, tout élément est d’ordre Démonstration dans le cas G commutatif.
fini, en plus cet ordre divise le cardinal du groupe.

2.1.2 Compléments sur les anneaux

Produit fini d’anneaux.

Idéal d’un anneau commutatif. Le noyau d’un morphisme d’anneaux est un
idéal.
Idéal engendré par un élément. Notation xA.
Divisibilité dans un anneau commutatif intègre. Interprétation en termes d’idéaux.

2.1.3 Idéaux de Z

Idéaux de l’anneau Z.

7 MENPS 2023
Programme de mathématiques Classe MP

Définition du pgcd de n ⩾ 2 entiers relatifs en Lien avec le programme de première année.

termes d’idéaux, relation de Bézout.

2.1.4 Anneau Z/nZ

Anneau Z/nZ. Éléments inversibles de l’anneau L’anneau Z/nZ est un corps si, et seulement si,
Z/nZ. Condition nécessaire et suffisante pour que n est premier. Notation Fp lorsque p est premier.
Z/nZ soit un corps.
Théorème chinois : si m et n sont deux entiers pre- Application aux systèmes de congruences et à la
miers entre eux, isomorphisme naturel de Z/mnZ résolution de systèmes d’équations dans Z/nZ.
sur Z/mZ × Z/nZ ; extension à plus de deux fac-
teurs.
Indicatrice d’Euler φ. Calcul de φ(n) à l’aide de la Relation φ(mn) = φ(m)φ(n) si m et n sont pre-
décomposition de n en facteurs premiers. miers entre eux ; expression de φ(pk ) pour p pre-
mier et k ∈ N∗ .
Théorème d’Euler. Lien avec le petit théorème de Fermat.

2.1.5 Anneaux de polynômes à une indéterminée

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

Idéaux de l’anneau K[X].

Définition du pgcd de n ⩾ 2 polynômes en termes Par convention, le pgcd est unitaire.
d’idéaux, relation de Bézout.
Irréductibles de K[X]. Décomposition d’un élément
de K[X] en produit d’irréductibles unitaires : exis-
tence et unicité.
Polynômes irréductibles de C[X] et de R[X]. La démonstration du théorème de d’Alembert-
Gauss est hors programme.
L’étude des irréductibles de K[X] pour un corps
autre que R ou C n’est pas un objectif du pro-
gramme.

2.1.6 Structure d’algèbre

Algèbre. Les algèbres sont unitaires.

Exemples : K[X], L(E), Mn (K), F(X, K).
Sous-algèbre.
Morphisme d’algèbres.

2.2 Topologie des espaces normés

Cette section prolonge les notions de limites, de suites, de séries et de fonctions étudiées en première année
MPSI ; elle introduit la topologie des espaces vectoriels normés, ce qui permet de fournir un cadre cohérent
pour l’étude de ces notions à un niveau suppérieur.

8 MENPS 2023
Programme de mathématiques Classe MP

Elle vise les objectifs suivants :

– introduire, dans le cadre des espaces normés, le vocabulaire de la topologie ;

– introduire la notion de compacité dans un espace normé en soulignant son interêt dans les questions
d’existence, notamment en matière d’optimisation ;
– introduire la notion de connexité par arcs dans un espace normé, qui permet de généraliser le théorème
des valeurs intermédiaires et intervient en calcul différentiel ;
– établir l’équivalence des normes en dimension finie et en tirer des conséquences (caractérisation
de la compacité et de la convergence d’une suite bornée, continuité des applications linéaires et
multilinéaires . . .) ;
– donner, à travers l’étude des espaces normés de dimension finie, un cadre commode pour trai-
ter diverses applications à l’analyse (fonctions vectorielles, suites et séries de fonctions, équations
différentielles linéaires) ;
– mettre en évidence l’idée fondamentale d’inégalité linéaire, qui apparaı̂t lors de l’étude de la compa-
raison des normes et de la continuité des applications linéaires, et qui est quantifiée par la notion de
norme d’opérateur.

Les différentes notions seront illustrées par des exemples variés ; on pourra ainsi travailler dans les es-
paces Kn , les espaces de polynômes, d’applications linéaires ou de matrices, ainsi que dans divers espaces
fonctionnels.
Les concepts étudiés ici se prêtent à des représentations issues de différents registres ; dans ce cadre,
on tâchera de souligner le contenu géométrique des notions abordées, notamment en ayant recours à de
nombreuses figures. Lors de l’étude de la connexité par arcs, un dessin pertinent peut valoir preuve.
Il est attendu qu’à l’issue de cette section, les élèves

– aient une bonne connaissance des normes usuelles sur Kn et sur les espaces de suites, de matrices
et de fonctions, sachent en établir les propriétés et soient capables de les comparer ;
– acquièrent les notions de base sur l’étude locale d’une fonction, les notions de compacité et de
connexité par arcs, et connaissent les propriétés globales des fonctions continues ;
– sachent exploiter la densité pour établir des relations entre fonctions continues ;
– soient capables d’exploiter les propriétés de compacité et de connexité par arcs notamment en dimen-
sion finie.

Les notions de suite de Cauchy et d’espace de Banach est hors programme.

Dans toute cette section, K désigne l’un des deux corps R ou C.

2.2.1 Normes et espaces vectoriels normés

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

Espaces vectoriels normés.
Distance associée à une norme. Inégalité triangulaire. Distance à une partie.
Boules fermées, boules ouvertes, sphères. Convexité On introduit ici la notion de partie convexe d’un
des boules. espace vectoriel réel.

9 MENPS 2023
Programme de mathématiques Classe MP

Parties, suites et fonctions bornées.

Norme associée à un produit scalaire sur un espace
préhilbertien réel.
n
X p
X
Normes usuelles ∥ ∥1 , ∥ ∥2 et ∥ ∥∞ sur Kn .
Normes ∥A∥1 = sup |ai,j |, ∥A∥∞ = sup |ai,j |,
1≤j≤p i=1 1≤i≤n j=1
usuelles ∥ ∥1 , ∥ ∥2 et ∥ ∥∞ sur Mn,p (K).
 X 1/2
∥A∥2 = |ai,j |2 , A = (ai,j ) ∈ Mn,p (K).
1≤i≤n
1≤j≤p
Si X est un ensemble, norme de la convergence uni- Notation ∥ ∥∞ ; norme dite infinie ou uniforme.
forme sur l’espace des fonctions bornées de X dans
K.
Normes de la convergence en moyenne et de la Notations ∥ ∥1 et ∥ ∥2 .
convergence en moyenne quadratique sur l’espace
des fonctions continues sur un segment à valeurs
dans K.
Produit fini d’espaces vectoriels normés. Norme produit.

2.2.2 Suites d’éléments d’un espace vectoriel normé

Suite convergente, divergente. Unicité de la li-

mite. Caractère borné d’une suite convergente.
Opérations algébriques sur les suites convergentes.
Convergence d’une suite à valeurs dans un produit
fini d’espaces normés.
Suites extraites, valeurs d’adhérence. Une suite ayant au moins deux valeurs
d’adhérence diverge.

2.2.3 Comparaison des normes

Normes équivalentes. Invariance du caractère borné Utilisation des suites pour établir que deux
et de la convergence d’une suite par passage à une normes ne sont pas équivalentes.
norme équivalente. La comparaison de normes définies sur des es-
paces fonctionnels fait partie des capacités at-
tendues des élèves.

2.2.4 Topologie d’un espace vectoriel normé

Ouvert d’un espace normé. Stabilité de l’ensemble Une boule ouverte est un ouvert. Un produit
des ouverts par réunion quelconque, par intersec- (fini) d’ouverts est un ouvert.
tion finie.
Voisinage d’un point.

10 MENPS 2023
Programme de mathématiques Classe MP

Fermé d’un espace normé. Stabilité de l’ensemble Une boule fermée et une sphère sont fermées. Un
des fermés par intersection quelconque, par réunion produit (fini) de fermés est fermé.
finie.
Point intérieur, point adhérent. Intérieur,
adhérence, frontière d’une partie.
Caractérisation séquentielle des points adhérents,
des fermés. Partie dense.
Invariance des notions topologiques par passage à
une norme équivalente.
Si A est une partie d’un espace normé, ou- Par définition :
vert et fermé relatifs de A. Voisinage relatif. Ca- - si a ∈ A, une partie U de A est un voisinage
ractérisation séquentielle des fermés de A. relatif de a (dans A) s’il existe V , voisinage de
a dans E, tel que U = V ∩ A.
- une partie U de A est un ouvert relatif si U
est voisinage relatif de chacun de ses points ;
caractérisation comme intersection avec A d’un
ouvert de E.
- les fermés relatifs sont les complémentaires
dans A des ouverts relatifs ; caractérisation
comme intersection avec A d’un fermé de E.

2.2.5 Étude locale d’une application, continuité

Limite en un point adhérent à une partie A. Ca- Extensions de la notion de limite : limite de f (x)
ractérisation séquentielle. lorsque ∥x∥ tend vers +∞ ; limite de f (x) quand
x tend vers+∞ ou vers −∞, lorsque A est une
partie de R ; limite infinie en a adhérent à A
pour une application à valeurs réelles.
Cas d’une application à valeurs dans un produit fini
d’espaces normés.
Opérations algébriques sur les limites.
Limite d’une composée.
Continuité en un point. Caractérisation séquentielle
de la continuité en un point.
Applications continues. Opérations algébriques sur Les élèves doivent savoir que deux applications
les applications continues. Composition de deux ap- continues qui coı̈ncident sur une partie dense
plications continues. sont égales.
Image réciproque d’un ouvert, d’un fermé par une
application continue.
Applications uniformément continues, applications Exemple : Caractère 1−lipschitzien de l’applica-
lipschitziennes ; uniforme continuité des applica- tion x 7→ d(x, B), où B est une partie non vide
tions lipschitziennes. d’un espace vectoriel normé.

11 MENPS 2023
Programme de mathématiques Classe MP

2.2.6 Applications linéaires et multilinéaires continues

Critère de continuité d’une application linéaire d’un Si u ∈ L(E, F ), alors u est continue si et seule-
espace vectoriel normé E dans un espace vectoriel ment s’il existe un réel C > 0 tel que
normé F .
∀x ∈ E, ∥u(x)∥ ≤ C∥x∥.

Notation Lc (E, F ) de l’ensemble des applica-

tions linéaires continues de E dans F .
Norme subordonnée (ou norme d’opérateur) d’une Notations |||u|||, |||u|||op ; on a :
application linéaire continue : si u ∈ Lc (E, F ), par |||u||| = sup ∥u(x)∥F = sup ∥u(x)∥F et
définition ∥x∥E ⩽ 1 ∥x∥E =1
∥u(x)∥F
 |||u||| = sup .
|||u||| = inf C > 0 ; ∀x ∈ E, ∥u(x)∥ ≤ C∥x∥ . x∈E\{0} ∥x∥E

La norme d’opérateur est une norme sur Lc (E, F ). Adaptation aux matrices.
Sous-multiplicativité de la norme d’opérateur : si Les normes usuelles ∥ ∥1 et ∥ ∥∞ sont des
u et v sont deux applications linéaires continues, normes d’opérateurs sur Mn,p (K).
alors v ◦ u l’est aussi et on a |||v ◦ u||| ⩽ |||v||||||u|||.
Critère de continuité des applications multi- La démonstration n’est pas exigible.
linéaires.

2.2.7 Parties compactes d’un espace vectoriel normé

Définition d’une partie compacte K par la propriété La propriété de Borel-Lebesgue est hors pro-
de Bolzano-Weierstrass : toute suite d’élément de gramme.
K possède une valeur d’adhérence dans K.
Théorème de Heine. Toute application continue sur une partie com-
pacte est uniformément continue.
Une partie compacte est fermée et bornée.
Un fermé relatif d’une partie compacte est com-
pact.
Une suite d’éléments d’une partie compacte
converge si, et seulement si, elle admet une unique
valeur d’adhérence.
Produit d’une famille finie de compacts.
Image d’une partie compacte par une application L’image d’une partie compacte par une applica-
continue. tion continue est une partie compacte.
Théorème des bornes atteintes pour une applica- On souligne l’importance de la compacité dans
tion à valeurs réelles définie et continue sur un com- les problèmes d’optimisation, notamment en
pact non vide. mettant en évidence des situations où l’on
prouve l’existence d’un extremum à l’aide d’une
restriction à un compact.

12 MENPS 2023
Programme de mathématiques Classe MP

2.2.8 Parties connexes par arcs d’un espace vectoriel normé

Arc (ou chemin continu) joignant deux points. Par- Relation d’équivalence associée sur une partie A
ties connexes par arcs. de E. Les classes d’équivalence sont les compo-
santes connexes par arcs de la partie A.
Cas des parties convexes, des parties étoilées. Dans des cas simples, un dessin convaincant vaut
preuve de connexité par arcs.
Les parties connexes par arcs de R sont les inter-
valles.
Image continue d’une partie connexe par arcs. Cas particulier des applications à valeurs
réelles : théorème des valeurs intermédiaires.

2.2.9 Espaces vectoriels normés de dimension finie

Équivalence des normes sur un espace de dimension Démonstration non exigible.

finie.
Invariance des différentes notions topologiques par La convergence d’une suite (ou l’existence de la
rapport au choix d’une norme en dimension finie. limite d’une fonction) à valeurs dans un espace
Topologie naturelle d’un espace normé de dimen- vectoriel normé de dimension finie équivaut à
sion finie. celle de chacune de ses coordonnées dans une
base.
Une partie d’un espace normé de dimension finie
est compacte si, et seulement si, elle est fermée et
bornée.
Une suite bornée d’un espace normé de dimension
finie converge si, et seulement si, elle possède une
unique valeur d’adhérence.
Un sous-espace de dimension finie d’un espace
normé est fermé.
Si E est de dimension finie, toute application L(E, F ) = Lc (E, F ).
linéaire de E dans un espaces normé F est continue.
Continuité des applications polynomiales, des ap- Exemple : déterminant, produit matriciel, com-
plications multilinéaires définies sur un produit position d’applications linéaires.
d’espaces normés de dimensions finies.

2.3 Réduction des endomorphismes et des matrices carrées

La réduction des endomorphismes et des matrices carrées prolonge les notions d’algèbre linéaire vues en
première année MPSI. Elle trouve des applications et des illustrations dans d’autres domaines du pro-
gramme (topologie, équations différentielles, systèmes dynamiques discrets, chaı̂nes de Markov, . . .). Elle
permet également de tisser des liens entre l’algèbre linéaire et l’algèbre générale, notamment polynomiale.
Le but de cette section est de donner une introduction substantielle au problème de la réduction ; trois
objectifs sont visés :
– consolider et approfondir les acquis de la classe de première anné MPSI relatifs à l’étude des concepts
fondamentaux de l’algèbre linéaire notamment en dimension finie ;

13 MENPS 2023
Programme de mathématiques Classe MP

– étudier la réduction des endomorphismes et des matrices ;

– exploiter les résultats obtenus pour l’étude de problèmes issus de l’algèbre, de l’analyse et de la
géométrie.
Les approches ou méthodes qui y sont présentées sont de deux types : les unes, de nature géométrique,
reposent sur les notions de sous-espace stable et d’éléments propres ; les autres, de nature algébrique, font
appel aux polynômes annulateurs.
Il est attendu qu’à l’issue de cette section, les élèves
– acquièrent les notions de base sur la réduction des endomorphismes et des matrices (éléments propres,
sous-espoace stable, polynôme d’endomorphisme et de matrice, polynôme annulateur) ;
– puissent mettere en œuvre ces notions pour mener l’étude, dans des cas standard, de la diagonalisation
et la trigonalisation des matrices et des endomorphismes, en dimension finie ;
– soient capables d’exploiter les résultats obtenus pour l’étude de problèmes issus de l’algèbre, de l’ana-
lyse et de la géométrie.
Sans soulever de difficulté, on signalera que les notions d’algèbre linéaire étudiées en MPSI s’étendent au
cas d’un corps de base quelconque. Pour éviter les dificultés liées aux polynômes en caractéristique non
nulle, on se limitera dans cette section au cas où le corps de base K est un sous-corps de C. Dans la
pratique, on se limitera au cas où K est égal à R ou C.

Dans cette section, E désigne un K-espace vectoriel.

2.3.1 Compléments d’algèbre linéaire

Somme d’une famille finie de sous-espaces vecto-

riels.
Somme directe d’une famille finie de sous-espaces Caractérisation par l’unicité de la décomposition
vectoriels. du vecteur nul.
Caractérisation par la dimension des sommes di- Base adaptée à une décomposition en somme di-
rectes d’un nombre fini de sous-espaces vectoriels : recte d’une famille finie de sous-espaces vecto-
si F1 , . . . , Fp sont des sous-espaces vectoriels de di- riels.
mension finie, alors Projecteurs associés à une décomposition de E
p p
en somme directe d’une famille finie de sous-
espaces vectoriels de E.
X  X
dim Fi ≤ dim(Fi ),
i=1 i=1

avec égalité si, et seulement si, la somme est directe.

Si E1 , . . . , Ep sont des sous-espaces vectoriels de E Adaptation au cas p = 2.

tels que E = ⊕pi=1 Ei et si ui ∈ L (Ei , F ) pour
tout i, alors il existe une et une seule application
u ∈ L (E, F ) telle que u|E = ui pour tout i.
i

Matrices définies par blocs. Interprétation géométrique des blocs.

14 MENPS 2023
Programme de mathématiques Classe MP

Opérations par blocs de tailles compatibles (com- La démonstration concernant le produit par
binaison linéaire, produit, transposition). blocs n’est pas exigible.
Transvections par blocs. Invariance du
déterminant. Déterminant d’une matrice tri-
angulaire par blocs.

2.3.2 Sous-espaces stables ; éléments propres d’un endomorphisme, d’une matrice carrée

Sous-espace F stable par un endomorphisme u de En dimension finie, traduction de la stabilité

E. Endomorphisme uF de F induit par u. Somme d’un sous-espace F par un endomorphisme u
et intersection de sous-espaces stables par u. à l’aide de la matrice de u dans une base de
E adaptée à F ; caractérisation des endomor-
phismes stabilisant des sous-espaces vectoriels
F1 , . . . , Fr de E tels que E = F1 ⊕ · · · ⊕ Fr par
leur matrice dans une base de E adaptée à cette
décomposition.
Droite stable par un endomorphisme. Valeur Un vecteur propre est non nul.
propre, vecteur propre, sous-espace propre. Équation aux éléments propres u(x) = λx.
Éléments propres d’un projecteur, d’une
symétrie.
Le spectre d’un endomorphisme d’un espace de di- La notion de valeur spectrale est hors pro-
mension finie est l’ensemble de ses valeurs propres. gramme.
La somme d’une famille finie de sous-espaces Toute famille de vecteurs propres associés à des
propres est directe. valeurs propres deux à deux distinctes est libre.
Le spectre d’un endomorphisme d’un espace de di-
mension finie n est fini de cardinal au plus n.
Si deux endomorphismes u et v commutent, Ker u En particulier, tout sous-espace propre de u est
et Im u sont stables par v. stable par v.

Rappels sur les matrices semblables. Interprétation géométrique.

Valeurs propres, vecteurs propres, sous-espaces Équation aux éléments propres M X = λX.
propres et spectre d’une matrice carrée. Deux matrices semblables ont même spectre.
Si K est un sous-corps de L et si M ∈ Mn (K), le
spectre de M dans K est contenu dans le spectre
de M dans L.

2.3.3 Polynôme caractéristique

Polynôme caractéristique d’une matrice carrée, Notations χA , χu . Par convention, le polynôme

d’un endomorphisme d’un espace vectoriel de di- caractéristique est unitaire ; valeurs des coeffi-
mension finie. cients des monômes de degrés 0 et n − 1 dans
χu , χA .

15 MENPS 2023
Programme de mathématiques Classe MP

Une matrice et sa transposée ont même polynôme

caractéristique ; le polynôme caractéristique est un
invariant de similitude.
Les racines du polynôme caractéristique dans le Si le polynôme caractéristique χu est scindé, la
corps de base K sont les valeurs propres. somme et le produit des valeurs propres de u,
Multiplicité d’une valeur propre. Le sous-espace comptées avec leur multiplicité, sont égaux à la
propre associé à une valeur propre λ est de dimen- trace et au déterminant de u respectivement.
sion inférieure ou égale à la multiplicité de λ.
Polynôme caractéristique d’une matrice triangu-
laire.
Polynôme caractéristique d’un endomorphisme in-
duit.

2.3.4 Endomorphismes et matrices carrées diagonalisables

Un endomorphisme d’un espace vectoriel E de di- Une telle base est constituée de vecteurs propres.
mension finie est dit diagonalisable s’il existe une Cas des projecteurs, des symétries.
base de E dans laquelle sa matrice est diagonale.
Pour qu’un endomorphisme soit diagonalisable, il Caractérisation par la somme des dimensions
faut et il suffit que la somme de ses sous-espaces des sous-espaces propres.
propres soit égale à E.

Une matrice carrée est dite diagonalisable si elle est Interprétation en termes d’endomorphisme :
semblable à une matrice diagonale. pour qu’une matrice carrée soit diagonalisable,
il faut et il suffit que l’endomorphisme canoni-
quement associé le soit.
Dans les exercices pratiques, on se limite à n = 2
ou n = 3.
Cas d’un endomorphisme d’un espace de dimension Traduction matricielle.
n admettant n valeurs propres distinctes.
Pour qu’un endomorphisme u soit diagonalisable, Traduction matricielle.
il faut et il suffit que χu soit scindé et que, pour Cas où χu est scindé à racines simples.
toute valeur propre de u, la dimension de l’espace
propre associé soit égale à sa multiplicité.

2.3.5 Endomorphismes et matrices carrées trigonalisables

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

mension finie est dit trigonalisable s’il existe une
base de E dans laquelle sa matrice est triangulaire.

16 MENPS 2023
Programme de mathématiques Classe MP

Une matrice carrée est dite trigonalisable si elle est Interprétation en termes d’endomorphisme :
semblable à une matrice triangulaire. pour qu’une matrice carrée soit trigonalisable,
il faut et il suffit que l’endomorphisme canoni-
quement associé le soit.
La pratique de la trigonalisation n’est pas un
objectif du programme.
Un endomorphisme est trigonalisable si, et seule- Interprétation dans le registre matriciel.
ment si, son polynôme caractéristique est scindé. Expression de la trace et du déterminant d’un
endomorphisme trigonalisable, d’une matrice
trigonalisable à l’aide des valeurs propres.

2.3.6 Endomorphismes nilpotents, matrices nilpotentes

Endomorphisme nilpotent d’un espace vectoriel E Indice de nilpotence.

de dimension finie, matrice nilpotente.
Un endomorphisme est nilpotent si et seulement s’il Caractérisation des endomorphismes nilpotents
est trigonalisable avec pour seule valeur propre 0. et des matrices nilpotentes par le polynôme ca-
ractéristique.
L’indice de nilpotence est majoré par la dimension
de E.

2.3.7 Polynômes d’un endomorphisme, d’une matrice carrée

Pour u ∈ L(E), morphisme d’algèbres P 7→ P (u) Pour M dans K[X], morphisme P 7→ P (M ) de

de K[X] dans L(E). Le noyau de ce morphisme K[X] dans Mn (K), idéal annulateur de M , sous-
est l’idéal annulateur de u. Son image est la sous- algèbre K[M ] de Mn (K).
algèbre commutative K[u] de L(E).
Polynôme minimal d’un endomorphisme d’un es- Le polynôme minimal est unitaire.
pace de dimension finie, d’une matrice carrée. Notations πu , µu , πM , µM .
Si d est le degré du polynôme minimal de u, alors
la famille (uk )0≤k≤d−1 est une base de K[u].
Si u(x) = λx et P ∈ K[X], alors P (u)(x) = P (λ)x. En particulier, si P est un polynôme annulateur
de u, toute valeur propre de u est racine de P .
Les racines du polynôme minimal πu de u dans le
corps de base K sont les valeurs propres de u.

2.3.8 Lemme de décomposition des noyaux

Lemme de décomposition des noyaux. Si P1 , . . . , Pr sont des éléments de K[X] deux

à deux premiers entre eux de produit égal à P ,
alors Ker(P (u)) = Ker(P1 (u))⊕· · ·⊕Ker(Pr (u)).

17 MENPS 2023
Programme de mathématiques Classe MP

2.3.9 Application à la réduction de la notion de polynôme annulateur

Un endomorphisme u est diagonalisable si, et seule- Interprétation de ce résultat dans le registre ma-
ment s’il existe un polynôme scindé à racines triciel.
simples annulant u, ou encore si, et seulement si, Décomposition spectrale d’un endomorphisme
son polynôme minimal est scindé à racines simples diagonalisable u dont les sous-espaces propres
(ou simplement scindé.). sont F1 , . . . , Fr : u = λ1 p1 + · · · + λr pr , où
(p1 , . . . , pr ) est la famille des projecteurs associés
à la décomposition E = F1 ⊕ · · · ⊕ Fr ; de plus,
∀ P ∈ K[X], P (u) = P (λ1 )p1 + · · · + P (λr )pr .
Polynôme minimal d’un endomorphisme induit.
Diagonalisabilité d’un endomorphisme induit par
un endomorphisme diagonalisable.
Un endomorphisme est trigonalisable si et seule- Interprétation de ce résultat dans le registre ma-
ment s’il annule un polynôme scindé, ou encore si, triciel.
et seulement si, son polynôme minimal est scindé.

2.3.10 Théorème de Cayley-Hamilton et sous-espaces caractéristiques

Théorème de Cayley-Hamilton. Démonstration non exigible.

Sous-espaces caractéristiques d’un endomorphisme En particulier, E est somme directe de sous-
dont le polynôme caractéristique est scindé ; E espaces stables par u sur chacun desquels u in-
est somme directe des sous-espaces caractéristiques duit la somme d’une homothétie et d’un endo-
de u. morphisme nilpotent.
Dimension d’un sous-espace caractéristique.
Traduction matricielle de cette décomposition. Similitude à une matrice diagonale par blocs,
chaque bloc diagonal étant triangulaire et à
termes diagonaux égaux.

2.4 Séries dans un espace normé de dimension finie ; familles sommables

L’objectif de cette section est triple :

– étendre la notion de série convergente au cadre des espaces normés de dimension finie, en particulier
aux espaces d’endomorphismes et de matrices ; ce qui permet de compléter et consolider les acquis
de première année MPSI relatifs aux séries numériques ;
– définir l’exponentielle d’endomorphismes et de matrices carées ;
– introduire la notion d’ensemble dénombrable et de famille sommable de nombres réels ou complexes ;
cette notion sera utile notamment pour l’étude des probabilités.
Il est attendu qu’à l’issue de cette section, les élèves acquièrent des notions de base sur les séries d’éléments
d’un espace normé de dimension finie et la sommabilité notamment en vue d’étudier les problèmes d’in-
terversion de sommation.

18 MENPS 2023
Programme de mathématiques Classe MP

2.4.1 Révisions sur les séries numériques

Il est recommandé de faire des rappels de cours et des exercices de révision sur les séries numériques avant
d’entamer l’étude des séries dans un espace normé de dimension finie.
R +∞ R +∞ P
Comparaison de l’intégrale 0 f (t) dt et de la série L’intégrale 0 f (t) dt et la série n≥0 f (n)
X
f (n) pour une fonction f : [0, +∞[ → R posi- sont de même nature.
n≥0 Les élèves doivent savoir utiliser la comparaison
tive, continue par morceaux et décroissante. série-intégrale pour établir des convergences et
des divergences de séries, estimer des sommes
partielles de séries divergentes ou des restes
de séries convergentes, notamment dans le cas
d’une fonction monotone.
Exemples classiques, séries de riemann.

Sommation des relations de comparaison : do- La suite de référence est de signe constant à par-
mination, négligeabilité, équivalence, dans les cas tir d’un certain rang. Cas particulier : théorème
convergent et divergent. de Cesaro (pour une limite finie ou infinie).

Exemples d’utilisation de la formule de somma- Formule de sommation par parties :

tion par parties pour ramener l’étude de la conver- (a0 − a1 )b1 + (a1 − a2 )b2 + · · · + (an−1 − an )bn =
gence d’une série non absolument convergente à a0 b1 − a1 (b1 − b2 ) − · · · − an−1 (bn−1 − bn ) − an bn .
celle d’une série absolument convergente.

2.4.2 Séries à valeurs dans un espace normé de dimension finie

Convergence, convergence absolue

P
Série d’éléments d’un espace normé de dimension un désigne la série de terme général un , on
n
finie. Sommes partielles. Convergence, divergence.
dit aussi série associée
P à la suite (un )n∈N .
Somme et restes d’une série convergente. Lorsqu’une série un est convergente, on note
n
+∞
P
un la somme de la série et, pour tout n ∈ N,
n=0
+∞
P
uk désigne son reste d’order n.
k=n+1
Le terme général d’une série convergente tend Divergence grossière.
vers 0.
Espace vectoriel des séries convergentes ; linéarité
de la somme. P
Lien entre suite et série, séries télescopiques. La suite (un )n et la série (un+1 − un ) sont de
n
même nature.
Série absolument convergente.

19 MENPS 2023
Programme de mathématiques Classe MP

Une série absolument convergente d’éléments d’un Le critr̀e de Cauchy est hors programme.
espace vectoriel normé de dimension finie est
convergente ; inégalité triangulaire.

Application à la série géométrique de Neumann et à la fonction exponentielle

Cas d’une algèbre normée de dimension finie : série Si A est une algèbre normée de dimension finie
géométrique de Neumann, application exponen- ayant e pour élément unité alors :
tielle dans une telle algèbre. - si a ∈ A est tel queP∥a∥ < 1, la série
géométrique de Neumann n⩾0 an (a0 := e) est
Cas particuliers d’un nombre complexe, d’un endo- absolument convergente, e−a est inversible dans
A et (e − a)−1 = +∞ n.
P
morphisme d’un espace vectoriel normé de dimen- n=0 a
n
- de même, pour tout u ∈ A, la série n⩾0 un!
P
sion finie, d’une matrice carrée réelle ou complexe.
Exponentielle d’une matrice diagonale ; exponen- est absolument convergente ; sa somme se note
tielle de matrices semblables ; spectre de exp(A) exp u et s’appelle l’exponentielle de u :
pour A ∈ Mn (K).
+∞ n
Notations exp(a), ea pour a ∈ A et exp(A), eA pour X u
exp u = .
A ∈ Mn (K). n!
n=0

2.4.3 Familles sommables de nombres complexes

On introduit ici la notion d’ensemble dénombrable et de famille sommable, de nombres réels ou complexes,
indexée par un tel ensemble. Il s’agit d’une extension de la notion de série absolument convergente basée
sur le fait que pour une telle série, la structure d’ordre de N n’intervient pas pour en calculer la somme.
L’étude des familles sommables fourni un cadre permettant de sommer ≪ en vrac ≫ une famille infinie
et procurant ainsi un grand confort de calcul. Dans le cas d’une famille positive, le calcul dans [0, +∞]
se suffit à lui-même et contient l’étude de la sommabilité. Dans le cas d’une famille quelconque, il est
préconisé de commencer d’abord par un calcul formel à justifier dans un second temps.

Ensembles dénombrables
Ensemble dénombrable, au plus dénombrable. Un ensemble est dit dénombrable s’il est en bi-
jection avec N ; il est dit au plus dénombrable
s’il est en bijection avec une partie de N.
Z est dénombrable ; les parties infinies de N sont
dénombrables.
Un ensemble est au plus dénombrable si, et seule-
ment si, il est fini ou dénombrable.
Un produit cartésien fini d’ensembles dénombrables L’ensemble Np est dénombrable pour tout entier
est dénombrable. p ⩾ 2.
Une réunion finie ou dénombrable d’ensembles L’ensemble Q est dénombrable.
dénombrables (resp. au plus dénombrables) est
dénombrable (resp. au plus dénombrable).

20 MENPS 2023
Programme de mathématiques Classe MP

Soit I un ensemble au plus dénombrable. Si (Fi )i∈J Résultat admis.

est une partition de I (ce qui impose Fi ̸= ∅), alors
J est au plus dénombrable.
L’ensemble R n’est pas dénombrable. Démonstration non exigible.

Familles sommables de nombres réels positifs

Convention de calcul et relation d’ordre dans Rappelle des propriétés basiques :

[0, +∞] = [0, +∞[∪{+∞}. ∀a ∈ R, a < +∞, (+∞) + a = a + (+∞) = +∞
et (+∞) + (+∞) = +∞.
Borne supérieure dans [0, +∞]. Toute partie non vide de [0, +∞] admet une
borne supérieure ; +∞
X= max[0, +∞].
Somme d’une famille (ui )i∈I d’éléments de [0, +∞], La somme est notée ui .
définie comme étant la borne supérieure P dans
i∈I
[0, +∞] de l’ensemble des sommes finies Cas où I est fini : la définition est cohérente.
i∈F ui
quand F décrit l’ensemble des parties finies de I. Cas
P où I = N : lien avec +les séries ; si la série
n ⩾ 0 un d’éléments
P+∞
de R diverge, il est pra-
tique d’écrire n=0 un = +∞.
Invariance de la somme par permutation de I. Si σ : I → I est une bijection, alors les fa-
milles (ui )i∈I et (uσ(j) )j∈I ont la même somme :
X X
uσ(j) = ui .
j∈I i∈I
(ui )i∈I d’éléments de R+ est dite som-
La familleX On souligne que les calculs sont justifiés par la
mable si ui < +∞ ; cela revient à dire qu’il seule positivité et qu’ils fournissent un moyen
i∈I d’étudier la sommabilité.
existe M > 0 tel
Xque, pour toute partie finie F de
I, on ait 0 ⩽ ui ⩽ M .
i∈F
Le support d’une famille sommable (ui )i∈I Le support de (ui )i∈I est par définitionS l’en-
d’éléments de R+ est au plus dńombrable. semble S = {i ∈ I ; ui ̸= 0}. On a S ⊂ p∈N∗ Ip ,
où Ip = {i ∈ I ; xi > p1 }, et les Ip sont finis.
On se restreindra par la suite au cas où le do-
maine d’indexation I est au plus dénombrable.
Critère de comparaison. Si 0 ≤ ui ≤ vi , pour tout i ∈ I, alors :
- la sommabilté da la familleX (vi )i∈I
Xentraı̂ne
celle de (ui )i∈I et on a 0 ≤ ui ≤ vi .
i∈I i∈I
- la non sommabilté de la famille (ui )i∈I entraı̂ne
la non sommabilté de (vi )i∈I .
Opérations : somme, multiplication par un réel po-
sitif.
Théorème de sommation par paquets : si I est La démonstration est hors programme.
réunion disjointe des Ij pour j ∈ J, et si (ui )i∈I
X X X 
est à valeurs dans R+ , alors ui = ui .
i∈I j∈J i∈Ij

21 MENPS 2023
Programme de mathématiques Classe MP

Cas où I est un produit : théorème de Fubini positif. Cas des suites doubles (I=N ×N) : interversion
des sommations.

Familles sommables de nombres complexes

Famille sommable de nombres réels ou complexes. La famille (ui )i∈I est dite sommable
X si la famille
(|ui |)i∈I l’est, c’est-à-dire si |ui | < +∞.
i∈I
Somme d’une telle famille (cas réel, cas complexe). Si la famille (uk )k∈I est réelle, sa somme est
Si (ui )i∈I est sommable et si ε > 0, alors définie comme étant la différence des sommes
ilPexiste une
P partie finie F de I telle que des familles, de réels positifs, composées par ses
i∈I ui − i∈F ui < ε. parties positive et négative :
X X X
uk = u+k − u−
k;
k∈I k∈I k∈I

dans le cas général, sa somme est définie par

X X X
uk = Re(uk ) + i Im(uk ).
k∈I k∈I k∈I

LorsqueP I = N, lien avec la convergence absolue de La suite (unP )n∈N est sommable si, et seulement
la série n un . si, la série n un est absolument convergente,
X +∞
X
auquel cas un = un .
n∈N n=0
Invariance de la sommabilité et de la valeur de la Si (vi )i∈I est une famille de complexes indéxée
somme par permutation de l’ensemble des indices. par un ensemble (dénombrable I) et σ : I → I
une bijection, alors la famille (vi )i∈I est som-
mable si, et seulement si, la famille (vσ(j) j∈I est
X X
sommable, auquel cas vσ(j) = vi .
j∈I i∈I
Critère suffisant de sommabilité : critère de compa- Soit (ui )i∈I une famille de nombres complexes
raison. et soit (vi )i∈I une famille sommable de réels po-
sitifs vérifiant, pour tout i ∈ I, |ui | ⩽ vi . Alors
la famille (ui )i∈I est sommable.
Espace vectoriel des familles sommables d’éléments Notation ℓ1 (I).
de K, K = R ou C ; linéarité de la somme, inégalité Si la famille (ui )i∈I est sommable alors
triangulaire. Sous famille d’une famille sommable. X X
ui ≤ |ui |.
i∈I i∈I

22 MENPS 2023
Programme de mathématiques Classe MP

P 
Théorème de sommation par paquets : si I est En particulier, la famille i∈Ij ui est som-
j∈J
réunion disjointe des Ij pour j ∈ J, et si (ui )i∈I mable et elle a la même somme que (ui )i∈I .
est une famille sommable de complexes, alors La démonstration est hors programme.
X XX 
ui = ui .
i∈I j∈J i∈Ij

Critère suffisant de sommabilité. On vérifie l’hypothèse de sommabilité d’une fa-

mille (ui )i∈I en appliquant le théorème de som-
mation par paquets, énoncé pour les familles de
réels positifs, à la famille (|ui |)i∈I .
Cas où I est un produit : théorème de Fubini. Cas des suites doubles (interversion des somma-
tions) : si la famille (um,n )(m,n)∈N2 de complexes
est sommable, alors
+∞ +∞
! +∞ +∞ !
X X X X
um,n = um,n
n=0 m=0 m=0 n=0

qui vaut aussi la somme de la famille.

Si (ui )i∈I et (vj )j∈J sont sommables alors la famille Extension, sans rédaction de la démonstration,
(ui vj )(i,j)∈I×J est sommable et au produit d’un nombre fini de familles som-
X X  X  mables.
ui vj = ui vj .
(i,j)∈I×J i∈I j∈J

Application au produit de Cauchy de deux séries absolument convergentes

P
Définition du produit de Cauchy de deux séries de La série
Pn n⩾0 cn où pour tout n ∈ N,
nombres complexes. cn = k=0 ak bn−k , est Pappelée laPsérie produit
de Cauchy des séries n⩾0 an et ! n⩾0 bn!
.
X∞ X∞ X∞
Produit de Cauchy de P deux sériesPabsolument Dans ce cas cn = an bn qui
convergentes : si les séries n⩾0 an et n⩾0 bn sont n=0 n=0  n=0 
X
absolument convergentes, alors la série cn l’est vaut aussi la somme de la famille ap bq 2
.
(p,q)∈N
n⩾0
aussi et la famille (ap bq )(p,q)∈N2 est sommable.

n
X wk
Application : si u et v sont deux éléments commu- Si Sn (w) = , w ∈ A ∪ R et n ∈ N, alors
k!
tables d’une algèbre normée de dimension finie A, k=0
alors exp(u + v) = exp(u) exp(v)
∥Sn (u)Sn (v)−Sn (u+v)∥ ≤ Sn (∥u∥)Sn (∥v∥)−Sn (∥u∥+∥v∥).
Exponentielle de la somme de deux endomor-
phismes, de deux matrices carrées, qui commutent.

23 MENPS 2023
Programme de mathématiques Classe MP

2.5 Fonctions vectorielles d’une variable réelle

Cette section poursuit quatre objectifs :

– consolider les acquis de première année MPSI concernant la dérivation des fonctions d’une variable
réelle à valeurs réelles ou complexes et étendre ces résultats au cas des fonctions d’une variable réelle
à valeurs dans un espace vectoriel normé de dimension finie ;
– préciser les notions de tangente et de vitesse instantanée ;
– définir l’intégrale d’une fonction continue par morceaux sur un segment à valeurs dans un espace
normé de dimension finie, en établir les principales propriétés puis en déduire l’inégalité des accrois-
sements finis et les formules de Taylor ;
– fournir des outils pour l’étude des équations différentielles linéaires et le calcul différentiel.

Il est attendu qu’à l’issue de cette section, les élèves

– connaı̂ssent et sachent exploiter l’interprétation cinématique et graphique de la notion de dérivée en

un point ;
– soient capables de mener l’étude de fonctions d’une variable réelle à valeurs dans un espace vectoriel
de dimension finie et en particulier d’en établir les propriétés liées à la continuité, à la dérivabilité
et à la classe C k , k ∈ N∗ ;
– connaı̂ssent la différence de nature entre la formule de Taylor-Young (locale) et les formules de Taylor
globales (reste intégral et inégalité de Taylor-Lagrange) ;

Les fonctions étudiées ici sont définies sur un intervalle I de R, à valeurs dans un espace normé de
dimension finie F .

2.5.1 Dérivation

Dérivabilité en un point, sur un intervalle

Dérivabilité d’une fonction en un point. Définition par le taux d’accroissement ; ca-

ractérisation par le développement limité à
l’ordre 1.
Interprétation cinématique, vitesse instantanée.
Traduction en termes de coordonnées dans une Caractérisation de la dérivabilité à l’aide d’une
base. base de F ; expression des composantes de la
dérivée en un point.
Dérivabilité sur un intervalle, application dérivée.

Opérations sur les fonctions dérivables

Combinaison linéaire de fonctions dérivables, (λf + g)′ = λf ′ + g ′ .

linéarité de la dérivation.

24 MENPS 2023
Programme de mathématiques Classe MP

Dérivabilité et dérivée d’une application de la forme (L ◦ f )′ = L ◦ f ′ .

L ◦ f où L est une application linéaire de F dans
un espace vectoriel de dimension finie.

Dérivabilité et dérivée d’une

application de la forme La dérivée de t 7→
B f (t), g(t) est
l’application
B(f, g) : t 7→ B f (t), g(t) où B est une applica- t 7→ B f ′ (t), g(t) + B f (t), g ′ (t) .
tion bilinéaire, ou
de la forme M (f1 , . . . , fp ) : t 7→
M f1 (t), . . . , fp (t) où M est une application mul-
tilinéaire.
Cas du produit scalaire et du carré de la norme Si (F, (.|.)) est un espace euclidien et ∥ ∥ sa
d’un espace euclidien ; cas du déterminant. norme euclidienne, la dérivée de t 7→ (f (t)|g(t))
est l’application t 7→ (f ′ (t)|g(t)) + (f (t)|g ′ (t)),
celle de t 7→ ∥f (t)∥2 est t 7→ 2(f ′ (t)|f (t)).
Dérivabilité et dérivée de f ◦φ où φ est une fonction (f ◦ φ)′ = φ′ .(f ′ ◦ φ).
réelle de variable réelle et f une fonction vectorielle.

Dérivées d’ordre supérieur

Applications k fois dérivables, de classe C k , de Interprétation cinématique de la dérivée se-

classe C ∞ (k ∈ N∗ ). conde, accélération.
Opérations algébriques sur les applications de Espace vectoriel C k (I, F ) des applications de
classe C k . classe C k sur I à valeurs dans F , algèbre C k (I)
des fonctions de classe C k sur I à valeurs rélles
ou complexes, 0 ≤ k ≤ +∞.
Dérivée k-ième d’une application de la forme
B(f, g) : t 7→ B (f (t), g(t)), B étant une applica- k  
tion bilinéaire : si f et g sont k fois dérivables (resp.
(k) X k
B f (p) (t), g (k−p) (t) , t ∈ I.


B(f, g) (t) =
de classe C k ) alors B(f, g) l’est aussi. Expression de p
p=0
la dérivée k-ième de B(f, g) : formule de Leibniz.

La composée f ◦ φ d’une application f : I → F

de classe C k sur I et d’une application φ de classe
C k sur un intervalle J de R à valeurs dans I est de
classe C k sur J.

2.5.2 Intégration sur un segment

Intégrale d’une fonction continue par morceaux sur un segment

Intégrale d’une fonction f continue par morceaux Définie par les intégrales desR coordonnées dans
R b Rb
sur un segment [a, b] de R, à valeurs dans F . une base. Notations [a,b] f , a f , a f (t) dt.

Propriétés de l’intégrale : linéarité, additivité (rela- Si L est une application linéaire de F dans
tion de Chasles), composition par une application un espace vectoriel de dimension finie alors
Rb  Rb
linéaire entre espaces vectoriels normés de dimen- L a f = a L ◦ f.
sion finie.

25 MENPS 2023
Programme de mathématiques Classe MP

Z b Z b
Inégalité triangulaire : f ≤ ∥f ∥. On peut établir cette inégalité, évidente pour les
a a fonctions en escalier, en admettant le résultat
d’approximation de f , uniformément sur [a, b],
par une suite de fonctions en escalier.
Sommes de Riemann associées à une subdivision de Si f : [a, b] → F est continue par morceaux, alors
pas constant. n−1   Z b
b−aX b−a
f a+k −→ f (t) dt.
n n n→+∞ a
k=0

Intégrale fonction de sa borne supérieure et applications

Z x
Dérivation de x 7→ f (t) dt pour f continue. f étant une fonction
Rx continue sur I et a ∈ I, la
a
Théorème fondamental du calcul intégral : toute fonction x 7→ a f (t) dt est une primitive de f
fonction continue sur un intérvalle possède une pri- sur I. C’est l’unique primitive de f qui s’annule
mitive. en a. De plus pour toute primitive G de f sur I
Rappel des techniques de calcul de primitives no- Z x
tamment dans le cas des fonctions numériques. G(x) = G(a) + f (t) dt.
a

Inégalité des accroissements finis pour une fonction Soit f une application de classe C 1 sur [a, b] telle
de classe C 1 . que ∥f ′ (t)∥ ≤ M , pour tout t ∈ [a, b], alors
∥f (b) − f (a)∥ ≤ M (b − a).

Formules de Taylor

Formules de Taylor avec reste intégrale à l’ordre n

pour une fonction de classe C n+1 .
Inégalité de Taylor-Lagrange à l’ordre n pour une
fonction de classe C n .
Formule de Taylor-Young à l’ordre n pour une fonc- Le résultat de Taylor-Young est local, contrai-
tion de classe C n . rement aux autres résultats. Les hypothèses des
résultats globaux sont plus fortes.

2.6 Suites et séries de fonctions

Cette section vise trois objectifs :

– définir les modes usuels de convergence des suites et séries de fonctions (convergence simple, conver-
gence uniforme, convergence normale d’une série de fonctions) ;
– exploiter ces types de convergence pour étudier la stabilité des propriétés des fonctions par passage à
la limite (interversion des limites, continuité, dérivation, intégration) ;
– aborder la thématique de l’approximation uniforme sur un segment par le biais de deux théorèmes,
choisis pour leur intérêt intrinsèque et susceptibles de nombreuses applications.
Il est attendu qu’à l’issue de cette section, les élèves

26 MENPS 2023
Programme de mathématiques Classe MP

– soient capables de mener l’étude de la convergence d’une suite ou d’une série de fonctions et en
maı̂trisent les techniques ;
– soient en mesure de mettre en œuvre ces techniques et les exploiter pour l’étude des propriétés de
la limite d’une suite (ou de la somme d’une série) de fonctions (régularité, étude asymptotique,
comparaison série-intégrale) ;
– puissent exploiter les résultats obtenus lors de la mise en place des outils pour l’étude des équations
différentielles linéaires (fonction exponentielle).

En vue des applications aux équations différentielles linéaires, les fonctions considérées sont à valeurs dans
un espace normé de dimension finie. Dans la pratique, on se limite pour l’essentiel au cas de fonctions à
valeurs dans R ou C.

2.6.1 Modes de convergence d’une suites ou d’une séries de fonctions

Convergence simple d’une suite ou d’une série d’ap- Les notions de convergence simple et uniforme
plications d’un ensemble X dans un espace vectoriel d’une série de fonctions sont définies via la suite
normé de dimension finie F . de ses sommes partielles.
Convergence uniforme d’une suite ou d’une série Dans l’espace B(X; F ) des applications bornées
d’applications de X dans F . de X dans F , muni de la norme de la conver-
La convergence uniforme implique la convergence gence uniforme, interprétation de la convergence
simple. uniforme en terme de norme.
Une série de fonctions converge uniformément si, et
seulement si, elle converge simplement et la suite de
ses restes converge uniformément vers 0.
Convergence normale d’une série d’applications de
X dans F . La convergence normale implique la
convergence uniforme et la convergence absolue en
tout point.

2.6.2 Stabilité des propriétés des fonctions par passage à la limite

X désigne ici une partie d’un espace vectoriel normé de dimension finie E.

Théorème d’interversion des limites (double limite) : Démonstration non exigible.

soient (fn )n≥0 une suite de fonctions de X dans F Adaptation, si X est un intervalle non majoré
convergeant uniformément vers f sur X, a un point (resp. non minoré) de R, au cas où a = +∞
de E adhérent à X ; si, pour tout n ≥ 0, la fonction (resp. a = −∞).
fn admet une limite ℓn ∈ F en a, alors la suite Extension du théorème et de son adaptation au
(ℓn )n≥0 admet une limite ℓ ∈ F et on a f (x) −→ ℓ ; cas des séries de fonctions : interversion d’une
x→a
autrement dit limite et d’une somme.
   
lim lim fn (x) = lim lim fn (x) .
x→a n→+∞ n→+∞ x→a

Théorème de continuité :

27 MENPS 2023
Programme de mathématiques Classe MP

Continuité en x0 ∈ X de la limite d’une suite (ou

de la somme d’une série) d’applications de X dans
F , continues en x0 , convergeant uniformément sur
un voisinage de x0 .
Continuité de la limite d’une suite (ou de la somme Le théorème s’applique aussi dans le cas où l’hy-
d’une série) uniformément convergente d’applica- pothèse de convergence uniforme est satisfaite
tions continues de X dans F . de façon locale, en particulier sur tout segment.
En pratique, on vérifie la convergence uniforme
sur des intervalles adaptés à la situation.

Application : Dans une algèbre normée A de dimen-

sion finie, continuité, sur la boule unité ∥a∥ < 1, de
l’application a 7→ (e−a)−1 et sur A de l’application
exponentielle a 7→ exp(a).

Intégration d’une limite uniforme sur un segment :

Soient I un intervalle de R, x0 un point de I et En particulier, si la suite (fn )n≥0 converge uni-
(fn )n≥0 une suite de fonctions continues de I dans formément vers f sur le segment J, alors :
F . On suppose que la suite (fn )n≥0 converge uni- Z Z
formément sur tout segment contenu dans I vers lim fn = f.
n→+∞ J
une fonction f : I →Z F . Pour n dansZN∗ et x dans J
x x
I, on pose : gn (x) = fn et g(x) = f . Alors la Adaptation au cas des séries de fonctions :
x0 x0 théorème d’intégration terme à terme d’une
suite de fonctions (gn )n≥0
converge uniformément
séries de fonctions continues convergeant uni-
vers g sur tout segment contenu dans I.
formément.

Dérivation de la limite d’une suite de fonctions :

Soient I un intervalle de R et (fn )n≥0 une suite Extension aux suites de fonctions de classe C k ,
de fonctions de classe C 1 de I dans F . On suppose sous l’hypothèse de convergence simple de la
(p)
que la suite (fn )n≥0 converge simplement sur I vers suite (fn )n≥0 pour tout p ∈ {0, . . . , k − 1} et
une fonction f : I → F et que la suite (fn′ )n≥0 de convergence uniforme de la suite (fn )n≥0
(k)
converge uniformément sur tout segment contenu sur tout segment contenu dans I.
dans I vers une fonction h : I → F . Alors la suite En pratique, on vérifie la convergence uniforme
de fonctions (fn )n≥0 converge uniformément vers f sur des intervalles adaptés à la situation.
sur tout segment contenu dans I, f est de classe C 1 Adaptation au cas des séries de fonctions :
sur I et f ′ = h. théorème de dérivation terme à terme d’une série
de fonctions de classe C 1 ; extension aux séries de
fonctions de classe C k .

d
Application : Dérivation, si a est un élément d’une e′a (t) = [exp(ta)] = a exp(ta) = exp(ta)a ; en
dt
algèbre normée de dimension finie, de l’application particulier ea est de classe C ∞ sur R. Relation
+∞ n
X t n ea (t + s) = ea (t)ea (s) = ea (s)ea (t), (s, t) ∈ R2 .
ea : t 7→ exp(ta) = a , définie sur R.
n!
n=0

28 MENPS 2023
Programme de mathématiques Classe MP

2.6.3 Approximation uniforme

Approximation uniforme d’une fonction f : [a, b] →

F , continue par morceaux sur [a, b], par des fonc-
tions en escalier.
Théorème d’approximation polynomiale de Weiers- Démonstration non exigible.
trass : toute fonction complexe continue sur un seg-
ment y est limite uniforme d’une suite de fonctions
polynomiales.

2.7 Séries entières

Les séries entières constituent un outil puissant pour aborder certains calculs : résolution d’équations
différentielles linéaires, expressions des fonctions génératrices en probabilités, . . . Elles permettent également
de revenir sur la thématique de la régularité des fonctions, introduite en première année, et donnent l’oc-
casion d’introduire la ≪ variable complexe ≫.
Dans ce cadre, cette section vise trois objectifs :
– étudier la convergence d’une série entière et les propriétés de sa somme, grâce au concept fondamental
de rayon de convergence ;
– introduire la notion de développement d’une fonction en série entière (série de Taylor) ;
– établir les développements en série entière des fonctions usuelles.
Il est attendu qu’à l’issue de cette section, les élèves
– puissent déterminer le rayon de convergence d’une série entière dans des cas standard ;
– connaissent les propriétés d’une telle série et celles de sa somme (domaines de convergence simple,
uniforme et normale ; continuité de la somme ; dérivation et intégration terme à terme) ;
– connaissent les développements en série entière usuels et sachent les exploiter pour exprimer la somme
d’une série de fonctions ou les solutions d’une équation à l’aide des fonctions élémentaires.
Les coefficients des séries entières considérées ici sont réels ou complexes.

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 d’une série entière

X
Notion de série entière associée à une suite (an )n≥0 Notation an z n .
de nombres complexes. n≥0
Lemme d’Abel : si la suite (an z0n )n≥0 est bornée
alors,Xpour tout nombre complexe z ∈ D(0, |z0 |), la
série an z n est absolument convergente.
n≥0

29 MENPS 2023
Programme de mathématiques Classe MP

Rayon
X de convergence Ra ou R d’une série entière Il est défini comme étant la borne supérieure
an z n . dans [0, +∞], de l’ensemble des réels r ⩾ 0
n≥0 tels que la suite (an rnX
)n ⩾ 0 soit bornée.
Disque ouvert D(0, R) de convergence ; intervalle La série numérique an z n est absolument
ouvert ] − R, R[ de convergence. n≥0
convergente si |z| < R ; elle est grossièrement
divergente si |z| > R. X
Si |an | ≤ |bn | alors Ra ≥ Rb ; en particulier, si an = Rayon de convergence de nα z n , avec α ∈ R.
O(bn ) alors Ra ≥ X Rb et si |an | ∼ |bn | alors Ra = Rb . n≥0
Une série entière an z n et sa série entière dérivée Plus généralement,
X pour tout α ∈ R, les séries
X
X n≥0 entières an z n et nα an z n ont même rayon
nan z n ont même rayon de convergence. n≥0 n≥1
n≥0 de convergence.  
an+1
Application de la règle de d’Alembert pour les Usage de la suite an si elle est définie
n≥0
séries numériques au calcul du rayon de conver- et admet une limite dans [0, +∞].
gence.
Somme et produit de Cauchy de deux séries Minoration des rayons de convergences ; linéarité
entières. de la somme, somme du produit de Cauchy.

2.7.2 Continuité de la somme d’une série entiére de la variable complexe

La convergence d’une série entière de rayon de En particulier, la convergence est normale sur
convergence R > 0 est normale sur tout disque tout compact contenu dans D(0, R).
fermé de centre 0 et de rayon strictement inférieur
à R.
Continuité de la somme d’une telle série sur son L’étude des propriétés de la somme au bord du
disque ouvert de convergence. disque ouvert de convergence n’est pas un ob-
jectif du programme.

2.7.3 Régularité de la somme d’une série entière de la variable réelle

X
Théorème d’Abel radial : si la série entière an z n
+∞ +∞
n≥0 X
n
X
a pour rayon de X convergence R ∈ [0, +∞[ et si la lim an x = an R n .
x→R−
n=0 n=0
série numérique an Rn converge, alors la fonc-
n≥0 La démonstration est hors programme.
+∞
X
tion x 7→ an xn , définie sur ] − R, R[, admet
n=0
+∞
X
an Rn pour limite à gauche en R.
n=0

30 MENPS 2023
Programme de mathématiques Classe MP

Si n≥0 an z n est une série entière de rayon de

P
Primitivation d’une série entière sur l’intervalle ou-
vert de convergence. convergence R > 0, une primitive sur l’intervalle
+∞
X
]−R, R[ de la fonction f : t 7→ an tn s’obtient
n=0
en intégrant terme à terme la série définissant f .
+∞
X
La somme d’une série entière est de classe C ∞ sur La fonction f : t 7→ an tn est de classe C ∞
son intervalle ouvert de convergence et ses dérivées n=0
s’obtiennent par dérivation terme à terme. sur ] − R, R[ et, pour tout k ∈ N,
+∞  
f (k) (t) X n
= an tn−k , t ∈] − R, R[.
k! k
n=k

+∞
X +∞
X
Expression des coefficients d’une série entière de Si les fonctions x 7→ an xn et x 7→ bn xn
rayon de convergence strictement positif à l’aide n=0 n=0
des dérivées en 0 de sa somme : avec les notations coı̈ncident sur un voisinage de 0 (ou simplement
f (k) (0) sur ]0, α], avec α > 0), alors an = bn pour tout
précédentes, ak = . n ∈ N.
k!

2.7.4 Développement d’une fonction en série entière, développements usuels

Fonction développable en série entière an voisinage

d’un point.
Fonction développable en série entière sur le disque
ouvert de centre 0 et de rayon R.
+∞ n +∞
X z 1 X
Développement de z 7→ ez sur C ; développement ez = , z ∈ C; = z n , |z| < 1.
1 n! 1−z
n=0 n=0
de z 7→ sur D(0, 1).
1−z
Fonction développable en série entière sur un inter- Une telle fonction est en particulier de classe C ∞
valle ] − r, r[, r > 0. sur l’intervalle ] − r, r[.
Série de Taylor d’une fonction de classe C ∞ sur un
intervalle ] − r, r[, r > 0.
Développements usuels dans le domaine réel. Les élèves doivent connaı̂tre les développements
en série entière en 0 des fonctions t 7→ eta (a ∈
C), t 7→ sinh t, t 7→ cosh t, t 7→ sin t, t 7→ cos t,
t 7→ arctan t, t 7→ ln(1 + t), t 7→ (1 + t)α (α ∈ R).
Ils doivent également être capables de
déterminer un développement en série entière à
l’aide d’une équation différentielle.

31 MENPS 2023
Programme de mathématiques Classe MP

3 Seconde période

3.1 Endomorphismes d’un espace euclidien

L’objectif de cette section est triple :

– consolider les acquis de première année MPSI concernant les espaces préhilbertiens réels et les espaces
euclidiens ;
– approfondir, dans le cadre euclidien, la thématique de la réduction des endomorphismes, à travers
l’étude des endomorphismes autoadjoints et des isométries (endomorphismes orthogonaux) ;
– introduire la notion d’endomorphisme autoadjoint positif, notamment en vue de l’optimisation au
second ordre en calcul différentiel.

Il est attendu qu’à l’issue de cette section, les élèves

– maı̂trisent les notions de bases sur le produit scalaire, sachent orthogonaliser une famille libre (in-
dexée par une partie de N) d’un espace préhilbertien au moyen de l’algorithme de Gram-Schmidt, et
soient capables d’exprimer la projection orthogonale sur un sous-espace vectoriel de dimension finie ;
– maı̂trisent, dans le cas euclidien, les relations entre le point de vue géométrique (vecteurs, endomor-
phismes autoadjoints, automorphismes orthogonaux) et le point de vue matriciel ;

Les espaces préhilbertiens considérés dans ce chapitre sont réels. Toute notion sur les espaces préhilbertiens
complexes est hors programme.

3.1.1 Rappels et compléments sur les espaces préhilbertiens réels

Il est recommandé de faire des rappels de cours et des exercices de révision sur les espaces préhilbertiens
réels avant d’entamer l’étude des endomorphismes d’un espace euclidien. Les familles de polynômes ortho-
gonaux donnent des illustrations pertinentes des notions abordées dans ce paragraphe.

Dans un espace préhilbertion, projection orthogo- Rappels de première année.

nale sur un sous-espace de dimension finie.
Caractérisation métrique du projeté orthogonal. Caractérisation du projeté orthogonal comme
Expression du projeté orthogonal dans une base or- solution d’un problème de minimisation de dis-
thonormale. tance.
Suites orthogonales, suites orthonormales (en )n∈N . Exemples de suites orthogonales de polynômes
et de construction de telles suites par le procédé
d’orthogonalisation de Gram-Schmidt.
Inégalité de Bessel : si (en )n∈N est orthonormale,
alors, pour tout x ∈ E, la suite (< x, en >)n∈N est
de carré sommable et on a
X
< x, en >2 ≤ ∥x∥2 .
n∈N

32 MENPS 2023
Programme de mathématiques Classe MP

3.1.2 Formes linéaires d’un espace euclidien, adjoint d’un endomorphisme

Théorème de représentation des formes linéaires Pour toute forme linéaire φ sur un espace eu-
sur un espace euclidien E. Isomorphisme canonique clidien E, il existe un et un seul vecteur x tel
entre E et l’espace vectoriel des formes linéaires que
sur E. ∀y ∈ E, φ(y) =< x, y > .

Adjoint d’un endomorphisme u d’un espace vecto- Si u est un endomorphisme de E, il existe un

riel euclidien E. unique endomorphisme de E, noté u∗ , tel que
Noyau, image et rang de u∗ : Ker u∗ = (Im u)⊥ ,
Im u∗ = (Ker u)⊥ et rg(u∗ ) = rg(u). ∀(x, y) ∈ E 2 , < u(x), y >=< x, u∗ (y) > .

Linéarité de u 7−→ u∗ , adjoint d’une composée, in- Traduction matricielle dans une base orthonor-
volutivité du passage à l’adjoint. male.
Matrice de l’adjoint dans une base orthonormée.
Si le sous-espace F est stable par u, alors F ⊥ est
stable par u∗ .

3.1.3 Matrices orthogonales

Matrice orthogonale : définition par tAA = In , ca- Interprétation comme matrice de changement de
ractérisation par le caractère orthonormal de la fa- base orthonormée.
mille des colonnes, des lignes. Matrices orthogonalement semblables.
Groupe orthogonal. Notations On (R), O(n).
Déterminant d’une matrice orthogonale. Matrice Notations SOn (R), SO(n).
orthogonale positive ou directe, négative ou indi-
recte. Groupe spécial orthogonal.
Orientation d’un espace vectoriel réel de dimension Pour E euclidien orienté, si e et e′ sont deux
finie. bases orthonormées directes (b.o.n.d.) de E,
égalité des applications dete et dete′ .

3.1.4 Isométries vectorielles d’un espace euclidien

Isométries vectorielles d’un espace euclidien : On mentionne la terminologie ≪ automorphisme

définition par la linéarité et la conservation des orthogonal ≫ tout en lui préférant ≪ isométrie
normes. vectorielle ≫.
Exemples : symétrie orthogonale, réflexion.
Caractérisation des isométries vectorielles de E Lien entre les notions de base orthonormale,
parmi les endomorphismes de E : par la conser- d’isométrie et de matrice orthogonale : ca-
vation du produit scalaire, par l’image d’une (de ractérisation d’un automorphisme orthogonal à
toute) base orthonormée, par la relation u∗ u = idE . l’aide de la matrice associée dans une (toute)
base orthonormale ; changement de base ortho-
normale.

33 MENPS 2023
Programme de mathématiques Classe MP

Groupe orthogonal. Notation O(E).

Déterminant d’une isométrie ; déterminant d’une Caractérisation d’une rotation par l’image d’une
réflexion. Isométrie directe ou positive (rotation), (de toute) base orthonormée directe.
indirecte ou négative.
Groupe spécial orthogonal. Notation SO(E).

3.1.5 Isométries vectorielles en dimension 2

    
a −b a b 2 2
Description des matrices orthogonales directes et O2 (R) = , ; a, b ∈ R, a + b = 1 .
b a b −a
indirectes de taille 2.  
cos θ − sin θ
Matrice de rotation R(θ) = as- Isomorphisme de U sur SO2 (R). Le groupe
sin θ cos θ
SO2 (R) est commutatif.
sociée à un nombre réel θ. Morphisme canonique
θ 7→ R(θ) de R sur SO2 (R) ; surjectivité et noyau.
Rotation vectorielle d’un plan euclidien orienté : La matrice d’une rotation dans une b.o.n.d. est
matrice dans une base orthonormée directe d’une indépendante de la b.o.n.d. choisie.
rotation, mesure de l’angle d’une rotation. On introduit à cette occasion, sans soulever de
difficulté sur la notion d’angle, la notion de me-
sure d’un angle orienté de vecteurs.
Classification des isométries d’un plan euclidien. Dans un plan euclidien E, toute isométrie
est soit une réflexion, soit une rotation ;
décomposition d’une rotation en produit de
deux réflexions dont l’une est choisie arbitrai-
rement.
Le groupe SO(E) est commutatif.

3.1.6 Réduction des isométries vectorielles

Stabilité de l’orthogonal d’un sous-espace stable Si u est une isométrie de E, l’orthogonal d’un
par une isométrie vectorielle. sous-espace stable par u est aussi stable par u.
Réduction d’une isométrie vectorielle en base or- Traduction matricielle.
thonormaée.
Cas particulier : réduction d’une isométrie directe 1 ∈ Sp(u) ⊂ {−1, 1} et il existe une base ortho-
u d’un espace euclidien E de dimension 3. normée de E  dans laquelle la matrice
 de u vaut
1 0 0
soit I3 soit 0 cos θ − sin θ, θ ∈ R \ 2πZ.
0 sin θ cos θ
Matrice d’une rotation, d’un espace euclidien de La forme réduite justifie la terminologie ≪ ro-
dimension 3, dans une base orthonormée adaptée à tation ≫. La pratique du calcul des éléments
son axe. géométriques caractéristiques d’un élément de
SO3 (R) n’est pas un attendu du programme.

34 MENPS 2023
Programme de mathématiques Classe MP

3.1.7 Endomorphismes autoadjoints d’un espace euclidien

Endomorphisme autoadjoint. L’endomorphisme u est dit autoadjoint si u∗ = u.

Stabilité de l’orthogonal d’un sous-espace stable. Si u est autoadjoint, alors l’orthogonal d’un
sous-espace stable par u est aussi stable par u.
Caractérisation du caractère autoadjoint par sa ma- L’endomorphisme u est autoadjoint si, et seule-
trice en base orthonormée. ment si, sa matrice dans une (toute) base ortho-
normée est symétrique.
La terminologie ≪ endomorphisme symétrique ≫
sera mentionnée tout en lui préférant ≪ endo-
morphisme autoadjoint ≫. Notation S (E).
Les projecteurs orthogonaux sont les projecteurs Si p est un projecteur de E euclidien, alors p est
autoadjoints. autoadjoint si, et seulement si, p est une projec-
tion orthogonle, ie Im p = (Ker p)⊥ .
Théorème spectral : un endomorphisme u d’un es- En particulier, si u est autoadjoint alors son po-
pace euclidien E est autoadjoint si, et seulement lynôme caractéristique χu est scindé sur R et E
s’il est diagonalisable dans une base orthonormée est somme directe orthogonale des sous-espaces
si, et seulement si, E est somme orthogonale des propres de u.
sous-espaces propres de u.
Traduction matricielle du théorème spectral. Une matrice carrée réelle est symétrique si, et
seulement si, elle est orthogonalement diagona-
lisable.

3.1.8 Endomorphismes autoadjoints positifs, définis positifs

Endomorphisme autoadjoint positif, défini positif. Un endomorphisme autoadjoint u est dit posi-
tif (resp. défini positif ) si pour tout x ∈ E,
<u(x), x> ⩾ 0 (resp. pour tout x ∈ E \ {0},
<u(x), x>> 0).
Notations S + (E), S ++ (E).
Caractérisation spectrale. Un endomorphisme autoadjoint est positif (resp.
défini positif) si, et seulement si, ses valeurs
propres sont positives (resp. strictement posi-
tives).
Matrice symétrique positive, définie positive. Notations Sn+ (R), Sn++ (R).
Caractérisation spectrale. Une matrice carrée, réelle et symétrique est po-
sitive (resp. définie positive) si, et seulement si,
ses valeurs propres sont positives (resp. stricte-
ment positives).

3.2 Intégrales dépendant d’un parmètre

L’objectif de cette section est double :

– étudier les suites et les séries de fonctions intégrables, grâce au théorème de convergence dominée et
le théorème d’inégration terme à terme d’une séries de fonctions ;

35 MENPS 2023
Programme de mathématiques Classe MP

– appliquer les résultats obtenus à l’étude des fonctions définies par

R une intégrale dépendant d’un
paramètre (théorèmes de continuité et de dérivation sous le signe ).

Il est attendu qu’à l’issue de cette section, les élèves connaissent ces théorèmes et soient en mesure de
les exploiter notamment pour mener l’étude de fonctions définies par des intégrales dépendant d’un pa-
ramètre ; cette exploitation suppose en particulier la capacité à en vérifier les conditions d’application en
insistant d’abord sur les hypothèses importantes (hypothèse de domination, hypothèse de convergence, hy-
pothèse d’intégrabilité ou de sommabilité, . . .) mais pas autant sur la continuité par morceaux en la variable
d’intégration.
Il est recommandé de commencer ce chapitre par des rappels de cours et des exercices de révision sur
l’intégration sur un intervalle quelconque, vue en première année MPSI, et de préviligier l’étude d’exemples
significatifs (intégrales eulériennes, transformées de Fourier, transformées de Laplace, . . .) en évitant les
situations artificielles et les exercices de pure virtuosité technique.
Les fonctions considérées ici sont à valeurs dans K, corps des nombres réels ou celui des nombres com-
plexes.

3.2.1 Passage à la limite sous l’intégrale

Théorème de convergence dominée :

Pour l’application pratique des énoncés de ce paragraphe, on vérifie les hypoths̀es de convergence simple
et de domination, sans expliciter celles relatives à la continuité par morceaux par rapport à la variable
d’intégration.

Soit (fn )n≥0 une suite de fonctions continues par La démonstration est hors programme.
morceaux sur I et à valeurs complexes. Si (fn )n Les hypothèses de domination et de convergence
converge simplement sur I vers une fonction f simple sont plus importantes que l’hypothèse de
continue par morceaux sur I et s’il existe une fonc- continuité par morceaux de f ; cette dernière
tion φ continue par morceaux, positive et intégrable étant imposée par les limitations du programme.
sur I, telle que pour tout entier n, |fn | ≤ φ ( hy-
pothèse de domination), alors
Z les fonctions
Z fn et f
sont intégrables sur I et lim fn = f.
n I I
Extension au cas d’une famille (fλ )λ∈J où J est un
intervalle de R.

Inégration terme à terme d’une séries de fonctions :

Pour l’application pratique des énoncés de ce paragraphe, on vérifie les hypoths̀es de convergence simple et
de positivité ou de sommabilité, sans expliciter celles relatives à la continuité par morceaux par rapport à
la variable d’intégration.

36 MENPS 2023
Programme de mathématiques Classe MP

Soit (fn )n une suite de fonctions positives, conti- La démonstration est hors programme.P
+∞
nues parX morceaux et intégrables sur I telle que En particulier, l’intégrabilité de f = n=0 fn
la série fn converge simplement sur I vers une sur I équivaut
P à R la convergence de la série
n numérique n ⩾ 0 I fn .
fonction f , continue par morceaux sur I. Alors,
dans [0, +∞], on a l’égalité :
+∞
Z X  +∞ Z
X
fn (t) dt = fn (t) dt.
I n=0 n=0 I

Soit (fn )n une suite de fonctions complexes conti- La démonstration est hors programme.
nues parX morceaux et intégrables sur I telle que Les hypothèses de convergence
P R simple

et de
la série fn converge simplement sur I vers une convergence de la série n ⩾ 0 I |fn | sont plus
n importantes que l’hypothèse de continuité par
fonction f,Zcontinue
 par morceaux sur I, et que la morceaux de f .
X
série |fn | soit convergente. Alors, la fonc- On met en évidence le parallélisme de cet énoncé
n PI et du précédent avec ceux issus de la théorie des
tion f = +∞ n=0 fn est intégrable sur I et familles sommables.
On présentera des exemples sur lesquels cet
+∞
Z X +∞ Z
énoncé ne s’applique pas, mais dans lesquels
 X
fn (t) dt = fn (t) dt.
I l’intégration terme à terme peut être justifiée
n=0 n=0 I
par le théorème de convergence dominée pour
les sommes partielles.

3.2.2 Régularité d’une fonction définie par une inégrale dépendant d’un paramètre

Pour l’application pratique des énoncés de ce paragraphe, on vérifie les hypoths̀es de régularité par rapport
à x et de domination, sans expliciter celles relatives à la continuité par morceaux par rapport à la variable
t d’intégration.

Théorème de continuité : Soient A une partie d’un Les hypothèses de domination et de continuité
espace vectoriel de dimension finie, I un intervalle par rapport à x sont plus importantes que
de R et f : (x, t) 7→ f (x, t) une fonction à valeurs l’hypothèse de continuité par morceaux ; cette
réelles ou complexes définie sur A × I ; on suppose dernière étant imposée par les limitations du
que f est continue par rapport à x et continue par programme.
morceaux par rapport à t. S’il existe une fonction Extension au cas où l’hypothèse de domination
positive φ, continue par morceaux et intégrable sur est vérifiée de façon locale.
I, telle que, pour tout élément (x, t) de A × I, Si A est un intervalle de R, extension au cas où
|f (x, t)| ≤ φ(t) (hypothèse
Z de domination), alors l’hypothése de domination est vérifiée sur tout
la fonction g : x 7→ f (x, t) dt est définie et conti- segment contenu dans A, ou sur d’autres inter-
I valles adaptés à la situation.
nue sur A.

37 MENPS 2023
Programme de mathématiques Classe MP

Théorème de dérivation (classe C 1 ) : Soient I et J Les hypothèses de domination et de régularité

deux intervalles de R et f : (x, t) 7→ f (x, t) une de f par rapport à x sont plus importantes que
fonction à valeurs réelles ou complexes définie sur l’hypothèse de continuité par morceaux ; cette
J × I. On suppose que : dernière étant imposée par les limitations du
- pour tout x ∈ J, la fonction t 7→ f (x, t) est conti- programme.
nue par morceaux et intégrables sur I ; Extension au cas où l’hypothèse de domination
- pour tout t ∈ I, la fonction x 7→ f (x, t) est de est vérifiée sur tout segment contenu dans J, ou
classe C 1 sur J ; sur d’autres intervalles adaptés à la situation.
- pour tout x ∈ J, la fonction t 7→ ∂f ∂x (x, t) est
continue par morceaux sur I ;
- il existe une fonction φ positive, continue par
morceaux et intégrable sur I telle que, pour tout
(x, t) ∈ J × I, ∂f ∂x (x, t) ≤ φ(t) (hypothèse de do-
mination). Z
Alors la fonction g : x 7→ f (x, t) dt est de classe
I
C 1 sur J et on a la formule de Leibniz suivante :
Z
′ ∂f
∀x ∈ J, g (x) = (x, t) dt.
I ∂x

Extension aux fonctions de classe C k : Classe C k

d’une intégrale dépendant d’un paramètre, sous
∂pf
l’hypothèse d’intégrabilité de (x, .), pour tout
∂xp
x de J et tout 0 ≤ p ≤ k − 1, et domination sur
∂kf
tout segment contenu dans J de (x, .).
∂xk

3.2.3 Exemples d’applications

Exemples d’emploi du théorème de convergence do-

miné et du théorème d’inégration terme à terme
d’une séries de fonctions intégrables.
Exemples significatifs d’étude de fonctions définies Inégrales eulériennes, transformées intégrales
comme intégrales dépendant d’un parmètre : (facteur déchelle, retard, amortissement, valeur
régularité, étude asymptotique. initiale ou finale, . . .).

3.3 Probabilités

Dans cette section, on introduit le cadre général du calcul des probabilités. Le calcul des probabilités vu en
première année est trop limité pour aborder les problèmes intéressants et autoriser des variables aléatoires
non bornées par exemple. Le vocabulaire usuel est proposé, partant de la notion fondamentale d’espace
probabilisé (Ω, A, P ) ; il ne s’agit pas d’étudier les problèmes théoriques sous-jacents à cette axiomatisation
mais seulement de pouvoir disposer d’un cadre simple permettant d’effectuer les calculs et les raisonnements
nécessaires lors de l’étude de phénomènes où le hasard intervient.

38 MENPS 2023
Programme de mathématiques Classe MP

Cette extension est effectuée rapidement, de manière à libérer du temps pour les exemples et exercices ; l’ob-
jectif est en effet de renforcer la compréhension de l’aléatoire, en lien avec d’autres parties du programme.
On pourra ainsi faire travailler les élèves sur divers objets aléatoires (permutations, graphes, matrices . . .)
les inégalités de concentration et des exemples de processus à temps discret (marches aléatoires, chaı̂nes
de Markov . . .).
Les problèmes, les exemples, les sujets traités lors de travaux dirigés doivent tenir compte de cet objec-
tif de simplicité. L’utilisation de l’informatique est fortement recommandée pour illustrer les situations
probabilistes, pour simuler des variables aléatoires et expérimenter sur des problèmes réels correctement
modélisés.
On notera que ce cadre général conduit à des problèmes de convergence (suites, séries, familles sommables,
intégrales) et qu’il est important de rappeler, au moment opportun, les résultats du cours d’analyse corres-
pondants.
La section est organisée autour des axes suivants :
– consolider les acquis de première année MPSI sur les variables aléatoires discrètes finies et la
compléter par l’étude des variables aléatoires discrètes infinies et des variables à densité ;
– introduire les notions de fonction de répatition, de moments et de fonction génératrice, et familiariser
les élèves avec ces notions en mettant en œuvre les définitions et résultats du cours sur des exemples
simples ;
– étudier des exemples usuels de lois discrètes rélles (loi de Bernoulli, loi binomiale, loi géomètrique, loi
de Poisson, . . .) et de lois à densité sur R (loi uniforme, loi exponentielle, loi gamma, loi gaussienne
(ou normale), . . .) ;
– étudier la notion de convergence et quelques théorèmes limites.
Il est attendu qu’à l’issue de cette section, les élèves

– aient étudié des exemples usuels de lois discrètes rélles et de lois à densité ;
– sachent reconnaı̂tre les situations classiques de modélisation par des lois discrètes ou à densité
usuelles ;
– sachent utiliser les fonctions génératrices pour déterminer la loi ou calculer les moments d’une va-
riable aléatoire discrète dans des cas standard ;
– soient capables de déterminer la densité d’une variable aléatoire à partir de sa fonction de répartition ;
– apprennent à utiliser le produit de convolution pour déterminer la loi de la somme de deux variables
aléatoires indépendantes, discrètes ou à densité ;
– apprennent à approcher, sous certaines conditions, une loi binomiale par une loi de Poisson, et une
loi hypergéométrique par une loi binomiale ;
– sachent utilisent les théorèmes limites, dans des cas standard, pour donner des estimations à certains
paramètres (espérance, variance, . . .).

3.3.1 Espaces probabilisés

Le préfixe σ utilisé dans σ-algèbre ou σ-additif renvoie au caractère dénombrable des opérations permises.
La lettre σ est utilisée classiquement aussi pour désigner l’écart-type, racine carrée de la variance.

39 MENPS 2023
Programme de mathématiques Classe MP

Tribu A d’événements sur un univers Ω ; espace Le terme σ-algèbre est aussi employé. On ajoute
probabilisable (Ω, A). à la notion rencontrée dans le cas fini la pos-
Événement : on appelle ainsi toute partie de Ω qui sibilité de réunir ou d’intersecter une famille
est élément de la tribu A. dénombrable d’événements. Cela est indispen-
On fera remarquer aussi que choisir A = P(Ω) n’est sable pour de nombreuses raisons, par exemple :
pas nécessairement une bonne solution. Ce choix pour considérer des situations où l’on répète un
augmente les contraintes à vérifier pour l’existence jeu, sans fixer a priori un nombre maximum
de probabilités. de répétitions, pour envisager le comportement
asymptotique de probabilités . . .

Système complet fini ou dénombrable Famille finie ou dénombrable d’événements deux

d’événements. à deux incompatibles et de réunion égale à Ω.
Tribu engendrée par un système complet fini ou Existence admise.
dénombrable d’événements.

Définition d’espace probabilisé, (Ω, A, P ). Une probabilité P est une application σ-additive
de A vers [0, 1] qui vérifie P (Ω) = 1.
Propriétés de la continuité monotone séquentielle : Conséquence immédiate :
si (Ak )k≥1 est une suite d’événements crois- pour toute suite d’événements (Bk )k≥1 on a
sante (resp décroissante) pour l’inclusion P (∩+∞ n
k=1 Bk ) = lim P (∩k=1 Bk ),
n→+∞
alors P (∪+∞ +∞
k=1 Ak ) (resp P (∩k=1 )Ak ) est égale P (∪+∞ = lim P (∪nk=1 Bk ).
k=1 Bk )
à lim P (Ak ). n→+∞
k→+∞
Propriété de sous-additivité de P pour une réunion
dénombrable d’événements.

Événements négligeables, événements presque On parle aussi d’événement quasi-certain et de

sûrs. Une réunion (resp. intersection) finie ou propriété presque sûre. L’adjectif négligeable est
dénombrable d’événements négligeables (resp. utilisé pour le contraire d’une propriété presque
presque sûrs) est un événement négligeable (resp. sûre, i.e. pour un événement de probabilité 0.
presque sûr). On pourra donner comme exemple d’événement
négligeable la réalisation d’une suite infinie de
pile lors d’un jeu de pile ou face.
Notion de probabilité conditionnelle. On conditionne par un événement A de proba-
On obtient un nouvel espace probabilisé (Ω, A, PA ). bilité non nulle, on parle de probabilité sachant
A et on écrit PA ou parfois P (. |A).
Formule des probabilités composées ; formule des Pour la formule des probabilités totales on
probabilités totales ; formule de Bayes. considère un système complet d’événements en
nombre fini ou dénombrable : Soit (An )n∈N un
système complet d’événements non négligeables,
alors
P+∞ pour tout événement
P+∞ B on a : P (B) =
n=0 P (B ∩ A n ) = n=0 P (An )PAn (B).

40 MENPS 2023
Programme de mathématiques Classe MP

Événements indépendants ; indépendance mutuelle Si la famille (Ai )i∈I d’événements est

d’une famille d’événements : par définition une indépendante, alors toute sous famille est
famille (Ai )i∈I d’événements est indépendante si, indépendante. En particulier les événements
pour tout n ∈ N∗ Q et i1 , . . . , in éléments distincts de sont indépendants deux à deux. Attention
I, P (∩nj=1 Aij ) = nj=1 P (Aij ). l’indépendance deux à deux n’implique pas
Si A et B sont indépendants, alors A et B le l’indépendance mutuelle de la famille.
sont aussi ; si les événements Ai sont mutuelle-
ment indépendants, il en est de même pour les
événements Bi , avec Bi = Ai ou Ai .

3.3.2 Variables aléatoires et lois de variables aléatoires

On appelle variable aléatoire réelle sur l’espace pro- Pour toute partie A de R, X −1 (A) est l’image
babilisé (Ω, A, P ) toute application X : Ω → R réciproque par X de A, c’est à dire l’ensemble
vérifiant des éléments ω de Ω qui vérifient X(ω) ∈ A ; on
la note plus simplement (X ∈ A) ou {X ∈ A}.
∀x ∈ R, X −1 (] − ∞, x]) ∈ A. Pour A =] − ∞, x] cette image réciproque est
l’ensemble des éléments ω de Ω qui vérifient
X(ω) ≤ x ; on la note plus simplement (X ≤ x)
ou {X ≤ x}.
La tribu borélienne sur R peut être introduite,
mais aucun résultat concernant cette tribu n’est
exigible.
Si A est un sous-ensemble de R obtenu en opérant C’est le cas, entre autres, pour tout partie A
par passages au complémentaire, par réunions, par qui est un intervalle réel ou le complémentaire
intersections sur une famille finie ou dénombrable d’un intervalle réel : savoir utiliser les relations
d’intervalles de la forme ] − ∞, x], x ∈ R, et si suivantes
X est une variable aléatoire réelle alors (X ∈ A)
appartient à A. Donc P (X ∈ A) a un sens. (X ∈]a, +∞[) T ∈] − ∞, a]),
= (X
(X ∈ [a, +∞[) = k∈N∗ (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 (X1 , X2 , . . . , Xk ) est une famille finie de variables Notation f (X1 , . . . , Xk ).

aléatoires réelles définies sur le même espace pro- La preuve de ce résultat n’est pas au pro-
babilisé (Ω, A, P ) et si f : Rk → R est une gramme ; on en déduit le fait que la somme, le
application continue alors l’application composée produit, le minimum, le maximum, . . . d’une fa-
ω 7→ f (X1 (ω), . . . , Xk (ω)) est une variable aléatoire mille finie de variables aléatoires réelles est une
réelle sur (Ω, A, P ). variable aléatoire réelle.

41 MENPS 2023
Programme de mathématiques Classe MP

Si X est une variable aléatoire réelle sur (Ω, A, P ) Notation f (X).

et f une application monotone de R vers R, alors Le résultat s’étend au cas où f est monotone par
l’application composée f ◦ X est une variable morceaux.
aléatoire réelle sur (Ω, A, P ).

Soit (Xn )n une suite de variables aléatoires réelles La preuve utilise la définition de limite et les
sur (Ω, A, P ) qui converge simplement vers X, une propriétés des tribus.
application de Ω vers R. Alors X est une variable
aléatoire réelle sur (Ω, A, P ).

On appelle loi (relativement à P ) de la variable I(R) désigne l’ensemble de tous les intervalles
aléatoire réelle X l’application de I(R) vers R qui de R. C’est un sous ensemble de P(R).
à tout intervalle réel J associe le nombre P (X ∈ J).

On appelle loi (relativement à P ) d’une famille finie On note (X1 ∈ J1 , . . . , Xk ∈ Jk ) l’événement

(X1 , . . . , Xk ) de variables aléatoires réelles l’appli-
k
cation de I(R)k vers R qui à tout produit cartésien \
(Xi ∈ Ji ).
J1 × · · · × Jk d’intervalles réels associe le nombre
i=1
k
\ 
P (Xi ∈ Ji ) .
i=1

Fonction de répartition FX d’une variable aléatoire

réelle X : c’est l’application de R dans R définie
par
∀t ∈ R, FX (t) = P (X ≤ t).

Propriétés de FX : c’est une fonction croissante, La réciproque (au sens où toute fonction de
continue à droite en tout point, de limite 0 en −∞ R dans R vérifiant ces trois propriétés est la
et de limite 1 en +∞. fonction de répartition d’une variable aléatoire
réelle) n’est pas au programme.
La fonction de répartition caractérise la loi d’une On doit savoir
variable aléatoire réelle : la connaissance de FX per-
P (X ∈]a, +∞[) = 1 − FX (a),
met de calculer P (X ∈ I) pour tout intervalle I de
P (X ∈ [a, +∞[ = 1 − lim FX ,
R. a−
La continuité de la fonction FX en t équivaut à P (X ∈] − ∞, a[) = lim FX ,
a−
P (X = t) = 0. P (X ∈]a, b]) = FX (b) − FX (a),
P (X ∈ [a, b]) = FX (b) − lim FX ,
a−
P (X ∈ [a, b[) = lim FX − lim FX ,
b− a−
P (X ∈]a, b[) = lim FX − FX (a),
b−
P (X = a) = FX (a) − lim FX .
a−

42 MENPS 2023
Programme de mathématiques Classe MP

On définit la fonction de répartition d’une fa- Pas de résultats théoriques au programme dans
mille finie (X1 , . . . , Xk ) de variables aléatoires le cas de plusieurs variables.
réelles comme étant l’application de Rk vers R,
(t1 , . . . , tk ) 7→ P (X1 ≤ t1 , . . . , Xk ≤ tk ). Les
résultats précédents s’étendent au cas d’une famille
finie (X1 , . . . , Xk ).

Deux familles de lois sont au programme : lois

discrètes et lois à densité.

Une variable aléatoire réelle X est dite de loi On peut supprimer de D tous les éléments x tels
discrète (relativement à la probabilité P ) s’il existe que P (X = x) = 0 ; les x restants sont appelées
Ω′ ∈ A de probabilité 1 tel que D = X(Ω′ ) soit au valeurs possibles de la variable discrète X.
plus dénombrable.
On obtient La loi de X est caractérisée par la donnée de D
X et de l’application x 7→ P (X = x), de D dans
P (X ∈ A) = P (X = x). R.
x∈A

On dit que la loi de X est discrète usuelle s’il existe

un intervalle J de Z et une bijection croissante

φ : J → D, k 7→ xk .

L’usage est, dans ce cas, de représenter la loi de X Des lignesP supplémentaires peuvent donner les
par un tableau de lignes comportant en première cumuls j≤k pj ou les produits xk pk . Il est
ligne les xk , éléments de D, écrits en ordre crois- intéressant d’utiliser un tableur.
sant, en deuxième ligne les probabilités correspon-
dantes pk = P (X = xk ).
Exemples premiers de lois discrètes. Rappeler les lois vues en première année.

Une variable aléatoire réelle X est dite de loi à den- Une telle variable aléatoire est dite aussi de
sité (relativement à la probabilité P ) si sa fonc- loi continue. On appelle alors densité de X la
tion de répartition FX est continue sur R et de fonction définie sur R par fX (t) = FX′ (t) pour
classe C 1 sur R privé d’un sous-ensemble fini F t ∈ R \ F et fX (t) = 0 pour t ∈ F .
(éventuellement vide).
La densité est une fonction positive, continue sur Pour tout intervalle I de borne inférieure a ∈ R
R \ F , d’intégrale convergente et valant 1 sur R. et de borne supérieure b ∈ R, on a :
Z b
P (X ∈ I) = FX (b) − FX (a) = fX (t) dt.
a

43 MENPS 2023
Programme de mathématiques Classe MP

Exemples premiers de lois continues. Loi uniforme sur un segment réel [a, b], loi ex-
ponentielle de paramètre λ > 0, loi gamma de
paramètre (α, λ), lois gaussiennes.

Loi d’une variable aléatoire obtenue par composi- Il s’agit d’étudier la loi de Y = g(X) où
tion. X est une variable aléatoire de loi connue et
g une fonction de la variable réelle, ou plus
généralement, celle de Y = g(X1 , . . . , Xk ).
Aucun résultat théorique général n’est au pro-
gramme ; les exercices porteront sur des cas
simples.
Une famille (Xj )j∈J de variables aléatoires réelles On distinguera l’indépendance de la fa-
est dite indépendante si, pour toute famille (Ij
)j∈J mille de variables (dite mutuelle parfois) et
d’intervalles de R, la famille (Xj ∈ Ij ) j∈J l’indépendance deux à deux des variables. On
d’événements est indépendante. notera que l’indépendance d’une famille de va-
riables est relative à une probabilité donnée.
Indépendance héritée (Lemme des coalitions) :
Si la famille (Xj )1≤j≤nk est indépendante
 si 0 < n1 < · · · < nk , alors la famille
et 
f1 (X1 , . . . , Xn1 ), f2 (Xn1 +1 , . . . , Xn2 ), . . . , fk (Xnk−1 +1 , . . . , Xnk )
est indépendante.
Existence d’espaces probabilisés portant une Modélisation du jeu Pile-Face répété (ou infini).
suite (Xj )j∈N de variables aléatoires réelles
indépendantes de lois discrètes données.
Loi conditionnelle de X sachant un événement non C’est (PA )X la loi de X sous la probabilité PA .
négligeable A. On l’utilise notamment dans le cas où (X, Y ) est
un couple de variables aléatoires réelles discrètes
et A = (Y = t), t réel donné.
Loi de la somme de variables indépendantes. Proposer de nombreux exemples de somme de
variables indépendantes. Dans certains cas, on a
une propriété de stabillité : la loi de la somme
est du même type. Étudier notamment les cas
de lois gaussiennes et de lois de Poisson.

Si (X1 , X2 ) est un couple de variables aléatoires Dans ce cas, l’ensemble des valeurs possibles de
réelles indépendantes dont les lois sont discrètes S est D = {u + v ; (u, v) ∈ D1 × D2 } et la loi
d’ensembles de valeurs possibles respectifs D1 et de S est donnée, pour tout s ∈ D, par :
D2 (sous ensembles de R au plus dénombrables), X
alors la variable aléatoire S = X1 + X2 est discrète. P (S = s) = P (X1 = u)P (X2 = s − u)
u∈D
X1
= P (X1 = s − v)P (X2 = v).
v∈D2

Cette formule est appelée la convolution discrète

des lois de X1 et X2 .

44 MENPS 2023
Programme de mathématiques Classe MP

Si (X1 , X2 ) est un couple de variables aléatoires Dans ce cas, la densité de S est la fonction :
réelles indépendantes telles que X1 soit discrète, X
d’ensemble de valeurs possibles D1 , et X2 soit f : s 7→ P (X1 = u)f2 (s − u).
continue, de densité f2 , alors la variable aléatoire u∈D1
S = X1 + X2 est à densité.

Si (X1 , X2 ) est un couple de variables aléatoires Dans ce cas, la de densité de S est la fonction
réelles indépendantes dont les lois sont continues, Z +∞
de densités respectives f1 et f2 , alors la variable f : s 7→ f1 (u)f2 (s − u) du.
aléatoire S = X1 + X2 est à densité. −∞

Cette fonction est appelée le produit de convo-

lution des densités f1 et f2 .

3.3.3 Espérance, moments

Il est recommandé de proposer ici de nombreux exercices sur des calculs d’espérances, de moments et de
variances.
Si X est une variable aléatoire réelle de loi discrète, La sommabilité permet de donner une valeur fi-
caractérisée par (xk , pk )k , ou continue, de densité nie qui ne dépend pas d’un ordre choisi des xk ;
fX , on définit l’espérance de X par la formule l’intégrabilité pour une fonction est l’analogue
 X de la sommabilité pour une famille.


 xk pk (cas discret)
E(X) = Zk +∞
t fX (t) dt (cas continu)



−∞

sous réserve de la sommabilité (resp. l’intégrabilité

sur R) de la famille (xk pk )k (resp. de la fonction
t 7→ t fX (t)).
Espérance de variables aléatoires réelles de lois
usuelles.
Propriété de transfert à une variable :
Si X est une variable aléatoire réelle de loi discrète, En cas de sommabilité, on a :
caractérisée par (xk , pk )k , alors la variable aléatoire X
Y = g(X) admet une espérence si, et seulement si, E(Y ) = g(xk ) pk .
la famille (g(xk ) pk )k est sommable. k

45 MENPS 2023
Programme de mathématiques Classe MP

Si X est une variable aléatoire réelle continue, de En cas d’intégrabilité, on a :

densité fX , alors la variable aléatoire Y = g(X) Z +∞
admet une espérence si, et seulement si, la fonction E(Y ) = g(t)fX (t) dt.
t 7→ g(t)fX (t) est intégrable sur R. −∞

Les démonstrations de ces résultats ne sont

pas exigibles dans le cas général. On pourra
en revanche traiter des exemples de recherche
de l’espérence de Y = g(X) ; on évitera les
exemples inutilement compliqués.
Propriété de transfert à deux variables (cas discret) :
Si (X1 , X2 ) est un couple de variables aléatoires En cas de sommabilité, on a :
réelles de loi
discrète (loi conjointe caractérisée par X
(xi , yj ), pi,j i,j ), alors la variable aléatoire Y = E(Y ) = g(xi , yj ) pi,j .
g(X1 , X2 ) admet une espérence si, et seulement si, i,j


la famille g(xi , yj ) pi,j i,j est sommable. La démonstration de ce résultat n’est pas exi-
gible dans le cas général. On traitera des
exemples simples de recherche de l’espérence de
Y = g(X1 , X2 ).
Le transfert à deux variables dans le cas continu
(à densité) n’est pas au programme.

Si X et Y sont des variables aléatoires réelles Résultat admis qui relève en fait de l’intégration
sur l’espace probabilisé (Ω, A, P ), si Y admet une de Lebesgue.
espérance et si |X| ≤ Y alors X admet une
espérance.

Propriétés de l’espérance : Linéarité, positivité, Les démonstrations de ces propriétés dans le

croissance, inégalité triangulaire. cas général sont admises. Elles peuvent être
Espérance d’un produit de variables aléatoires présentées dans le cas discret.
réelles indépendantes, sous réserve d’existence.

Moments, variance, écart-type, covariance :

Le moment d’ordre k ∈ N∗ de X est, sous réserve Si la variable aléatoire réelle X admet un mo-
d’existence, E(X k ). ment d’ordre k ∈ N∗ , alors elle admet un mo-
ment d’ordre j pour tout j ∈ {1, . . . , k} ; de
même la variable aléatoire réelle X + α admet
un moment d’ordre k, pour tout réel α.
Si la variable aléatoire réelle X admet un moment Dans ce cas on a :
d’ordre 2, on appelle variance de X la quantité - V (X) ≥ 0 et V (X) = E(X 2 ) − (E(X))2 ;
V (X) = E((X − E(X))2 ) et écart-type p de X la - V (X) = 0 ⇔ X est constante presque partout ;
racine carrée de la variance : σ(X) = V (X). - V (X + α) = V (X), pour tout réel α.

46 MENPS 2023
Programme de mathématiques Classe MP

Si X et Y sont des variables aléatoires réelles ad-

mettant un moment d’ordre 2, alors :

- la variable aléatoire XY admet une espérance et V (S) = V (X)+V (Y )+2E (X−E(X))(Y −E(Y ) .
E(XY )2 ≤ E(X 2 )E(Y 2 ) (Cauchy-Schwarz) ;
- S = X + Y admet un moment d’ordre 2 et sa
varaince V (S) est donnée par la formule ci-contre.
Si X et Y sont des variables aléatoires réelles ad- Avec cette notation on obtient
mettant un moment d’ordre 2, on définit la cova-
riance du couple (X, Y ) par la formule V (X + Y ) = V (X) + V (Y ) + 2 C(X, Y ).

C(X, Y ) = E((X − E(X))(Y − E(Y )))

= E(XY ) − E(X)E(Y ).

Si X et Y sont des variables aléatoires réelles ad- La variance de la somme est alors la somme des
mettant un moment d’ordre 2 et si ces variables variances.
sont indépendantes, leur covariance est nulle. La réciproque est fausse : covariance nulle n’im-
plique pas indépendance.

Corrélation linéaire : Si X et Y sont des variables Le coefficient de corrélation linéaire du couple

aléatoires réelles admettant un moment d’ordre 2 (X, Y ) est un élément de l’intervalle [−1, 1].
de lois non certaines (i.e. variances non nulles), Le cas ρ = 1 équivaut à Y = α X avec α > 0,
on définit le coefficient de corrélation linéaire du le cas ρ = −1 équivaut à Y = α X avec α < 0.
couple (X, Y ) par la formule L’indépendance de X et Y implique ρ = 0, la
réciproque est fausse.
C(X, Y )
ρ(X, Y ) = .
σ(X)σ(Y )

Si X admet un moment d’ordre 1, on appelle va-

riable centrée associée à X la variable aléatoire
e = X − E(X).
réelle X
Si X admet un moment d’ordre 2, on appelle
variable centrée réduite associée à X la variable
1
aléatoire réelle X ∗ = (X − E(X)).
σ(X)

3.3.4 Fonctions génératrices

Fonction génératrice d’une variable aléatoire réelle La série entière définissant GX est de rayon de
X à valeurs dans N : convergence supérieur ou égal à 1 et GX (1) = 1 ;
+∞
cette série converge normalement sur le disque
fermé de centre 0 et de rayon 1.
X
X
GX (t) = E(t ) = P (X = k) tk .
k=0
La fonction GX est continue sur [-1,1] et est de
classe C ∞ sur ] − 1, 1[.

47 MENPS 2023
Programme de mathématiques Classe MP

La loi de X est caractérisée par GX (pour X à On pourra présenter la notion de transformée de

valeurs dans N). Laplace-Fourier dans le cas d’une loi à densité
mais aucun résultat n’est au programme concer-
nant ces transformations.
Lien entre fonction génératrice et moments : la va- Les élèves doivent savoir retrouver l’expression
riable aléatoire X admet une espérance si, et seule- de la variance de X à l’aide de G′X (1) et G′′X (1).
ment si, GX est dérivable en 1, auquel cas E(X) = Les élèves doivent savoir calculer la fonction
G′X (1) ; la variable aléatoire X admet un moment génératrice d’une variable aléatoire de Bernoulli,
d’ordre 2 si, et seulement si, GX admet une dérivée binomiale, géométrique, de Poisson.
seconde en 1, auquel cas E(X 2 ) − E(X) = G′′X (1).
Fonction génératrice d’une somme finie de variables Expression de la fonction génératrice de la va-
aléatoires indépendantes à valeurs dans N. riable aléatoire X1 + · · · + Xn quand les Xi sont
indépendantes.

3.3.5 Inégalités, notions de convergence et théorèmes limites

Inégalité de Markov : Si X est une variable aléatoire Cette inégalité permet de démontrer l’inégalité
réelle positive admettant une espérance, alors, pour de Bienaymé-Tchebychev.
tout α > 0,

E(X)
P (X ≥ α) ≤ .
α

Inégalité de Bienaymé-Tchebychev : Si X est une va- Interprétation : la variance permet de contrôler

riable aléatoire réelle admettant un moment d’ordre l’écart entre X et sa valeur moyenne E(X).
2, alors, pour tout β > 0,

V (X)
P (|X − E(X)| ≥ β) ≤ .
β2

Inégalité de Jensen : Si X est une variable aléatoire Démonstration uniquement dans le cas où la loi
réelle admettant une espérance, si f : R → R est de X est discrète.
une application convexe sur R et si Y = f (X) ad-
met une espérance, alors

f (E(X)) ≤ E(f (X)).

Définition de la convergence en probabilité d’une Si la suite de fonctions (fk )k converge simple-

suite (Xn )n de variables aléatoires réelles vers une ment sur R vers g, la suite de variables aléatoires
variable aléatoire réelle Y : réelles (fk (X))k converge en probabilité vers
g(X).
∀ε > 0, lim P (|Y − Xn | ≥ ε) = 0.
n→+∞

48 MENPS 2023
Programme de mathématiques Classe MP

Définition de la convergence en loi d’une suite En fait la limite d’une convergence en loi est la
(Xn )n de variables aléatoires réelles vers une va- loi de Y .
riable aléatoire réelle Y :

∀t ∈ R \ DY , lim FXn (t) = FY (t),

n→+∞

où DY désigne l’ensemble des points de disconti-

nuité de la fonction FY .
Si les variables aléatoires Xn ainsi que Y sont à Exemple à connaı̂tre : soit λ > 0 et soit (pn )n≥1
valeurs dans N, la convergence en loi de la suite une suite de réels positifs telle que la suite
(Xn )n vers Y équivaut à : (npn )n≥1 converge vers λ ; si, pour tout n ≥ 1,
Xn est une variable aléatoire qui suit la loi bino-
∀k ∈ N, lim P (Xn = k) = P (Y = k). miale de paramètre (n, pn ) alors la suite (Xn )n≥1
n→+∞
converge en loi vers la variable aléatoire suivant
la loi de Poisson de paramètre λ.
Interprétation de la loi de Poisson comme loi des
événements rares.

La convergence en probabilité implique la conver- Résultat admis.

gence en loi. La réciproque est fausse.
Loi faible des grands Nombres : si (Xn )n≥1 est une Application : interprétation fréquentiste de
suite de variables aléatoires indépendantes et de P (A).
même loi, admettant un moment d’ordre 2, alors
1 X n 
la suite Xk , de variables aléatoires,
n n≥1
k=1
converge en probabilité vers la variable constante
µ = E(X1 ).
Théorème de la limite centrée : si (Xn )n≥1 est une la vitesse de convergence de la loi des grands
σ
suite de variables aléatoires indépendantes et de nombre est donc en √ .
même loi, admettant un moment d’ordre 2, alors la n
 1 n Ce théorème admet de nombreuses applications,
X

suite √ Xk − nµ , où µ = E(X1 ) et notamment en statistiques ; elles ne sont pas au
σ n n≥1
programme.
k=1
σ = σ(X1 ), converge en loi vers la variable aléatoire
suivant la loi gaussienne standard.

3.4 Équations différentielles linéaires

Cette section consacrée aux équations différentielles linéaires est organisé autour des axes suivants :
– introduire quelques notions de base sur les équations différentielles linéaires et familiariser les élèves
avec ces notions en mettant en œuvre les résultats du cours sur des exemples simples ;
– étudier les équations différentielles linéaires d’ordre 1 à valeurs vectorielles, et leurs traductions en
termes de systèmes d’équations différentielles linéaires scalaires d’ordre 1 ;
– étudier le cas particulier des systèmes d’équations différentielles linéaires scalaires d’ordre 1 à coef-
ficients constants, en relation avec l’exponentielle d’endomorphismes et de matrices ;

49 MENPS 2023
Programme de mathématiques Classe MP

– étudier les équations différentielles linéaires scalaires d’ordre 1 et 2.

La pratique de la résolution explicite des systèmes linéaires à coefficients constants n’est pas un objectif du
programme. On limitera en conséquence la technicité des exercices d’application sur ce point. On pourra
en revanche présenter aux élèves divers exemples d’études qualitatives d’équations différentielles linéaires
scalaires ou de systèmes linéaires. Concernant les systèmes à coefficients constants, on pourra souligner
le rôle du signe des parties réelles des valeurs propres de la matrice et son influence sur le comportement
des solutions ; on pourra également, en dimension 2, représenter les courbes intégrales.
Il est attendu qu’à l’issue de cette section, les élèves

– aient traité des exemples de recherche et d’étude de courbes intégrales d’un champ linéaire de vecteurs
dans le plan ;
– maı̂trisent la pratique de la résolution d’une équation différentielle du type X ′ = A X, où A est une
matrice à coefficients réels ou complexes, par réduction de A à une forme diagonale (ou triangulaire
en dimension ≤ 3), et connaissent l’expression intégrale des solutions de l’équation X ′ = A X +B(t) ;
– aient pratiqué, sur des exemples, l’étude d’équations différentielles linéaires scalaires d’ordre 1 ou
2 et notamment la recherche de solutions développables en série entière ainsi que les problèmes de
raccordements de solutions.

Dans la suite, I désigne un intervalle de R et F un espace normé de dimension finie.

3.4.1 Généralités sur les équations différentielles linéaires

Équation différentielle linéaire : Forme matricielle : système différentiel linéaire

x′ (t) = a(t)(x(t)) + b(t), X ′ = A X + B(t).

où a est une application continue de I dans L(F ) Équation différentielle homogène associée à une
et b une application continue de I dans F . équation différentielle linéaire.
Solution d’une équation différentielle linéaire, solu- Principe de superposition.
tion globale.
Problème de Cauchy. Mise sous forme intégrale d’un problème de Cau-
chy.
Équation différentielle linéaire scalaire d’ordre n. Solution d’une telle équation, problème de Cau-
Représentation d’une équation différentielle linéaire chy associé.
scalaire d’ordre n par un système différentiel
linéaire.

3.4.2 Solutions d’une équation différentielle linéaire

Théorème de Cauchy linéaire : existence et unicité La démonstration n’est pas exigible.

de la solution globale d’un problème de Cauchy, Adaptation aux systèmes différentiels linéaires.
unicité locale des solutions. Adaptation aux équations différentielles
linéaires scalaires d’ordre n.

50 MENPS 2023
Programme de mathématiques Classe MP

Cas des équations homogènes : l’ensemble des so-

lutions globales est un sous-espace vectoriel de
C 1 (I, F ). Pour t0 dans I, l’application x 7→ x(t0 )
est un isomorphisme de cet espace sur F .
Dimension de l’espace des solutions globales. Cas
des équations scalaires homogènes d’ordre n.
Structure de l’ensemble des solutions globales d’une
équation différentielle linéaire avec second membre.

Exemples d’équations scalaires d’ordre 1 (resp. 2) Les élèves doivent savoir exploiter la recherche
non résolues (ou non normalisées) en y ′ (resp. y ′′ ) : de solutions développables en série entière.
Exemples d’étude de problèmes de raccorde-
a(t)x′ (t) + b(t)x(t) = c(t), ments de solutions.

a(t)x′′ (t) + b(t)x′ (t) + c(t)x(t) = d(t).

3.4.3 Systèmes différentiels linéaires homogènes à coefficients constants

Systèmes différentiels linéaires homogènes à coeffi- Traduction matricielle X ′ = AX.

cients constants : x′ (t) = a(x(t)), a ∈ L(F ).
Si x0 est un élément de F et a ∈ L(F ), résolution La solution globale est définie sur R par
du problème de Cauchy
t 7→ exp((t − t0 )a)(x0 ) = e(t−t0 )a (x0 ).
′
x (t) = a(x(t)), x(t0 ) = x0 .
Traduction matricielle.

Exemples de calculs explicites de solutions. On se limite aux deux cas : a diagonalisable ou

dimF ≤ 3.

3.4.4 Méthode de variation des constantes

Méthode de variation des constantes : définition Dans les exercices pratiques, on se limite au cas
d’un système fondamental de solutions de de la dimension 2.
l’équation x′ (t) = a(t)(x(t)), caractérisation
d’un tel système ; application à la résolution de
l’équation différentielle x′ (t) = a(t)(x(t)) + b(t) par
la méthode de variation des constantes.
Cas particulier des systèmes différentiels à coeffi- Expression intégrale des solutions d’un tel
cients constants. système.
Définition d’un système fondamental de solu- Expression des solutions de l’équation homogène
tions d’une équation scalaire homogène d’ordre dans le cas où l’on connaı̂t une solution de
2 et résolue. Wronskien d’un couple de solutions l’équation homogène associée ne s’annulant pas
d’une équation scalaire homogène d’ordre 2 ; ca- sur I.
ractérisation des bases de l’espace des solutions. Cas d’une équation du type x′′ + q(t)x = 0.

51 MENPS 2023
Programme de mathématiques Classe MP

Adaptation de la méthode de variation des Expression intégrale des solutions de l’équation

constantes aux équations scalaires du second ordre. complète.

3.5 Calcul différentiel et optimisation

L’objectif de cette section est de généraliser et d’approfondir les notions de base du calcul différentiel d’une
variable et celles sur les dérivées partielles d’une fonction numérique définie sur un ouvert de R2 , déjà
vues en première année. Elle est organisée autour des axes suivants :

– présenter les notions fondamentales de calcul différentiel dans le cadre des espaces vectoriels normés
de dimensions finies sur R ;
– donner une introduction à la thématique de l’optimisation (extremas libre et lié), en lien avec le
théorème des bornes atteintes du cours de topologie.

Seront étudiées dans cette section les notions de différentielle en un point, de dérivée selon un vecteur et de
dérivées partielles, les notions d’applications continûment différentiables, de gradient, de points critiques
et de dérivées partielles d’ordre supérieur. Ces notions se prêtent à des représentations issues de différents
cadres ou registres ; on tâchera de souligner cet aspect en faisant intervenir à la fois les aspects intrinsèques
et calculatoires, et en ayant régulièrement recours à des figures et à des croquis.
Lors de cette étude, la différentielle en un point d’une application est introduite à l’aide d’un développement
limité ; on tâchera de mettre en valeur les faits suivants :

– de nombreuses questions de calcul différentiel s’étudient en se ramenant, via une paramétrisation de

chemins, à des énoncés relatifs aux fonctions d’une variable réelle ; par exemple, en paramétrant le
segment [a, a + h] par l’application t 7→ a + th, on obtient f (a + h) − f (a) = φh (1) − φh (0) où, pour
tout t ∈ [0, 1], φh (t) = f (a + th) ;
– les dérivées partielles fournissent un outil pratique de calcul dans le cas où l’espace de départ est
muni d’une base ;
– le choix d’une base de l’espace d’arrivée permet de se ramener au cas des fonctions à valeurs réelles.

Il est attendu qu’à l’issue de cette section, les élèves

– sachent vérifier si une fonction est différentiable, de classe C k, (k ∈ N∗ ), et en calculer les dérivées
partielles ;
– soient en mesure de déterminer les points critiques d’une fonction différentiable, si elle en admet, et
en rechercher les extremums locaux ou globaux ;
– soient capables d’appliquer les résultats du calcul différentiel notamment pour déterminer les vecteurs
tangents au graphe d’une fonction de deux variables ou à une surface d’équation f (x, y, z) = 0, et
préciser le plan tangent à une surface définie par une équation cartésienne z = φ(x, y) ;
– soient initiés à la résolution d’équations aux dérivées partielles à travers l’étude d’exemples simples ;
– soient capables d’exploiter les résultats de la théorie des fonctions pour l’étude de problèmes numériques
(majorations d’expressions, problèmes d’optimisation, solutions d’équations, . . .).

Les applications considérées dans cette section sont définies sur un ouvert U de E à valeurs dans F , où E
et F sont des espaces vectoriels de dimension finie.

52 MENPS 2023
Programme de mathématiques Classe MP

3.5.1 Dérivée selon un vecteur, dérivées partielles, différentielle

Dérivée de f au point a selon le vecteur non nul v. Notations Dv f (a), Dv f .

∂f
Dérivées partielles de f dans une base de E. Notations ∂x i
(a) et ∂i f (a).
Lorsqu’une base de E est fixée, identification
entre f (x) et f (x1 , . . . , xn ).
Application différentiable au point a. Développement limité à l’ordre 1 ; notation o(h).
Lorsque f = (f1 , . . . , fp ), f est différentiable en
a si, et seulement si, toutes les fi le sont.
Si f est différentiable en a, alors f est continue en
a et dérivable en a selon tout vecteur non nul.
Différentielle de f en a, appelée aussi application Notations df (a), df (a).v.
linéaire tangente à f en a. Unicité de la différentielle
de f en a et relation

df (a)(v) = Dv f (a).

Application différentiable sur un ouvert U . Notations df .

Différentielle sur U .
Cas particuliers : restriction à un ouvert d’une ap-
plication constante, d’une application linéaire.
Lien entre différentielle et dérivées partielles. La matrice jacobienne en a d’une application
f définie sur un ouvert de Rn , à valeurs dans
Rm , est la matrice de df (a) dans les bases ca-
noniques.
Cas des fonctions d’une variable : si U est un
intervalle ouvert de R et a un élément de U , la
différentiabilité de f en a équivaut à la dérivabilité
de f en a ; relation f ′ (a) = df (a)(1).
Si l’espace E est euclidien, gradient en a d’une ap- Notation ∇f (a).
plication numérique différentiable en a. Expression Interprétation géométrique du gradient : si
du gradient dans une base orthonormée. ∇f (a) ̸= 0, il est colinéaire et de même sens
Expression de la dérivée de f au point a selon un que le vecteur unitaire selon lequel la dérivée de
vecteur non nul v à l’aide de son gradient en a : f en a est maximale (∇f (a) pointe la direction
selon laquelle la variation de f est maximale,
Dv f (a) = df (a).v = (∇f (a)|v). dite direction de la plus grande pente de f ).

3.5.2 Opérations sur les applications différentiables

Différentiabilité et différentielle d’une combinaison d(λ.f + g)(a) = λ.df (a) + dg(a).

linéaire d’applications différentiables.

53 MENPS 2023
Programme de mathématiques Classe MP

Différentiabilité et différentielle de l’application

Expression de la différentielle en un point dans
M (f1 , . . . , fp ) : x 7→ M f1 (x), . . . , fp (x) , où M le cas particulier p = 2. On utilisera l’existence
est une application multilinéaire et f1 , . . . , fp des de C > 0 tel que, pour tout couple (u, v), on ait
applications différentiables. ∥M (u, v)∥ ≤ C∥u∥ ∥v∥.

Règle de la chaı̂ne (chain rule) : différentiabilité

et différentielle d’une composée d’applications
différentiables.
Dérivée le long d’un arc γ : si γ : I → E est Interprétation géométrique en termes de tan-
dérivable en t et f différentiable en γ(t), alors l’ap- gentes.
plication f ◦ γ : I → F est dérivable en t et Cas particulier fondamental : γ(t) = x + th.
Dérivation de t 7→ f (x1 (t), . . . , xn (t)).
(f ◦ γ)′ (t) = df (γ(t)).γ ′ (t).

Dérivées partielles d’une composée d’applications Si x1 , . . . , xm sont différentiables, calcul des

différentiables. dérivées partielles de l’application :


(u1 , . . . , um ) 7→ f x1 (u1 , . . . , um ), . . . , xn (u1 , . . . , um ) .

3.5.3 Applications de classe C 1

Une application f est dite de classe C 1 sur un ou-

vert U de E si elle est différentiable sur U et si
l’application df : a 7→ df (a) est continue sur U .
L’application f est de classe C 1 sur U si, et seule- Démonstration non exigible.
ment si, ses dérivées partielles relativement à une
base de E existent en tout point de U et sont conti-
nues sur U .
Opérations algébriques sur les applications de
classe C 1 .
Si f est de classe C 1 de U dans F et γ une appli- Application au calcul de la circulation d’un
cation de classe C 1 d’un intervalle I de R à valeur champ de vecteurs dérivant d’un potentiel.
dans U , alors en posant a = γ(α) et b = γ(β), avec
(α, β) ∈ I 2 , on obtient
Z β
f (b) − f (a) = df (γ(t)).γ ′ (t) dt.
α

Si U est connexe par arcs, caractérisation des fonc- Démonstration exigible pour U convexe.
tions constantes sur U .

3.5.4 Vecteurs tangents à une partie d’un espace normé de dimension finie

54 MENPS 2023
Programme de mathématiques Classe MP

Vecteur tangent à une partie : si A est une partie Ensemble Ta A des vecteurs tangents à A en a.
de E et a un point de A, un vecteur v de E est Exemples : sous-espace affine, sphère d’un es-
dit tangent à A en a s’il existe ε > 0 et un arc pa- pace euclidien.
ramétré γ : ] − ε, ε[→ E, dérivable en 0 et à valeurs
dans A, tel que γ(0) = a et γ ′ (0) = v.

Cas où E = R3 et où A est le graphe d’une fonction Plan affine tangent en un point à une surface
réelle φ différentiable sur un ouvert Ω de R2 : d’équation z = φ(x, y) : équation cartésienne.


A = x, y, φ(x, y) ; (x, y) ∈ Ω .

Si f est une fonction à valeurs réelles de classe C 1 La démonstration de ce résultat et le théorème

sur un ouvert U de E et A une ligne de niveau de des fonctions implicites sont hors programme.
f , alors les vecteurs tangents à A en un point a Si c ∈ R, l’ensemble A = {x ∈ U ; f (x) = c}
tel que df (a) ̸= 0 sont les éléments du noyau de est appelé la ligne de niveau de f définie par
df (a) : Ta A = Ker df (a). l’équation f (x) = c ; en dimension 3, on parle de
Si E est de plus euclidien, alors les vecteurs tan- surface de niveau c et en dimension 2 de ligne
gents à A en a sont les vecteurs orthogonaux
au (ou de courbe) de niveau c.
gradient de f en a : v ∈ Ta A ⇐⇒ ∇f (a)|v = 0 .
Application dans l’espace euclidien R3 pour une
surface d’équation f (x, y, z) = c : plan tangent à
ladite surface.

3.5.5 Optimisation : étude au premier ordre

Point critique d’une application différentiable.

Condition nécessaire d’existence d’un extremum lo- Exemples de recherche d’extremums globaux.
cal en un point intérieur.

Si f est une fonction numérique définie sur l’ouvert

U , si A est une partie de U et si la restriction de f
à A admet un extremum local en un point a ∈ A
en lequel f est différentiable, alors df (a) s’annule
en tout vecteur tangent à A en a.

Théorème d’optimisation sous une contrainte : si f Si E est euclidien, traduction en termes de gra-
et g sont des fonctions numériques définies et de dient.
classe C 1 sur l’ouvert U de E et si la restriction de Exemples de recherches d’extremums sous
f à A = {x ∈ U ; g(x) = 0} admet un extremum contrainte.
local en un point a ∈ A tel que dg(a) ̸= 0, alors
df (a) est colinéaire à dg(a).

3.5.6 Applications de classe C k

55 MENPS 2023
Programme de mathématiques Classe MP

∂kf
Dérivées partielles d’ordre k d’une fonction définie Notations , ∂jk . . . ∂j1 f , ∂j1 ,...,jk f .
∂xjk . . . ∂xj1
sur un ouvert de Rn : une application est dite de
La notion de différentielle seconde est hors pro-
classe C k sur un ouvert U de Rn si ses dérivées
gramme.
partielles d’ordre k existent et sont continues sur U .

Théorème de Schwarz. Démonstration non exigible.

Opérations algébriques sur les applications de Démonstrations non exigibles.
classe C k . Composition d’applications de classe C k .

Exemples simples d’équations aux dérivées par- Pour l’étude d’équations aux dérivées partielles,
tielles du premier et du second ordre. les élèves doivent savoir exploiter les techniques
de changements de variables : transformations
affines, passage en coordonnées polaires.

3.5.7 Optimisation : étude au second ordre

Matrice hessienne en un point a d’une fonction f Notation Hf (a) ; la matrice hessienne est
réelle de classe C 2 sur un ouvert de Rn . symétrique réelle d’ordre n.

Formule de Taylor-Young à l’ordre 2, au voisinage La démonstration n’est pas exigible.

d’un point a, pour une fonction réelle de classe C 2
sur un ouvert de Rn :

1
f (a + h) = f (a) + ∇f (a)|h + Hf (a).h|h + ◦ (∥h∥2 ),


2 h→0
1t
= f (a) + ∇f (a)h + hHf (a)h + ◦ (∥h∥2 ).
t
2 h→0

Si f est une fonction réelle de classe C 2 sur un ou- Adaptation au cas d’un maximum local.
vert de Rn et si f admet un minimum local en a,
alors a est point critique de f et Hf (a) ∈ Sn+ (R).

Si f est une fonction de classe C 2 sur un ouvert Adaptation au cas d’un maximum local.
de Rn , si a est point critique de f et si Hf (a) ∈ Explicitation pour n = 2 à l’aide de la trace et
Sn++ (R), alors f atteint un minimum local strict du déterminant.
en a. Avec les notations de Monge, si rg(Hf (a)) = 2,
on obtient un extremum local si rt − s2 > 0 et
un point-col (ou point-selle) si rt − s2 < 0.

56 MENPS 2023
Programme de mathématiques Classe MP

Table des matières

1 Préambule 1
1.1 Objectifs généraux de formation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2 Organisation du texte du programme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.3 Contenu du programme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.4 Organisation temporelle de la formation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.5 Recommandations pédagogiques pour le choix d’une progression . . . . . . . . . . . . . . . 5

2 Première période 7
2.1 Structures algébriques usuelles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.1.1 Compléments sur les groupes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.1.2 Compléments sur les anneaux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.1.3 Idéaux de Z . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.1.4 Anneau Z/nZ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2.1.5 Anneaux de polynômes à une indéterminée . . . . . . . . . . . . . . . . . . . . . . . 8
2.1.6 Structure d’algèbre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2.2 Topologie des espaces normés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2.2.1 Normes et espaces vectoriels normés . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.2.2 Suites d’éléments d’un espace vectoriel normé . . . . . . . . . . . . . . . . . . . . . . 10
2.2.3 Comparaison des normes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.2.4 Topologie d’un espace vectoriel normé . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.2.5 Étude locale d’une application, continuité . . . . . . . . . . . . . . . . . . . . . . . . 11
2.2.6 Applications linéaires et multilinéaires continues . . . . . . . . . . . . . . . . . . . . 12
2.2.7 Parties compactes d’un espace vectoriel normé . . . . . . . . . . . . . . . . . . . . . 12
2.2.8 Parties connexes par arcs d’un espace vectoriel normé . . . . . . . . . . . . . . . . . 13
2.2.9 Espaces vectoriels normés de dimension finie . . . . . . . . . . . . . . . . . . . . . . 13
2.3 Réduction des endomorphismes et des matrices carrées . . . . . . . . . . . . . . . . . . . . . 13
2.3.1 Compléments d’algèbre linéaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.3.2 Sous-espaces stables ; éléments propres d’un endomorphisme, d’une matrice carrée . 15
2.3.3 Polynôme caractéristique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.3.4 Endomorphismes et matrices carrées diagonalisables . . . . . . . . . . . . . . . . . . 16
2.3.5 Endomorphismes et matrices carrées trigonalisables . . . . . . . . . . . . . . . . . . 16
2.3.6 Endomorphismes nilpotents, matrices nilpotentes . . . . . . . . . . . . . . . . . . . . 17
2.3.7 Polynômes d’un endomorphisme, d’une matrice carrée . . . . . . . . . . . . . . . . . 17

57 MENPS 2023
Programme de mathématiques Classe MP

2.3.8 Lemme de décomposition des noyaux . . . . . . . . . . . . . . . . . . . . . . . . . . 17

2.3.9 Application à la réduction de la notion de polynôme annulateur . . . . . . . . . . . . 18
2.3.10 Théorème de Cayley-Hamilton et sous-espaces caractéristiques . . . . . . . . . . . . 18
2.4 Séries dans un espace normé de dimension finie ; familles sommables . . . . . . . . . . . . . 18
2.4.1 Révisions sur les séries numériques . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.4.2 Séries à valeurs dans un espace normé de dimension finie . . . . . . . . . . . . . . . 19
2.4.3 Familles sommables de nombres complexes . . . . . . . . . . . . . . . . . . . . . . . 20
2.5 Fonctions vectorielles d’une variable réelle . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.5.1 Dérivation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.5.2 Intégration sur un segment . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2.6 Suites et séries de fonctions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
2.6.1 Modes de convergence d’une suites ou d’une séries de fonctions . . . . . . . . . . . . 27
2.6.2 Stabilité des propriétés des fonctions par passage à la limite . . . . . . . . . . . . . . 27
2.6.3 Approximation uniforme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
2.7 Séries entières . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
2.7.1 Rayon de convergence d’une série entière . . . . . . . . . . . . . . . . . . . . . . . . 29
2.7.2 Continuité de la somme d’une série entiére de la variable complexe . . . . . . . . . . 30
2.7.3 Régularité de la somme d’une série entière de la variable réelle . . . . . . . . . . . . 30
2.7.4 Développement d’une fonction en série entière, développements usuels . . . . . . . . 31

3 Seconde période 32
3.1 Endomorphismes d’un espace euclidien . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
3.1.1 Rappels et compléments sur les espaces préhilbertiens réels . . . . . . . . . . . . . . 32
3.1.2 Formes linéaires d’un espace euclidien, adjoint d’un endomorphisme . . . . . . . . . 33
3.1.3 Matrices orthogonales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
3.1.4 Isométries vectorielles d’un espace euclidien . . . . . . . . . . . . . . . . . . . . . . 33
3.1.5 Isométries vectorielles en dimension 2 . . . . . . . . . . . . . . . . . . . . . . . . . . 34
3.1.6 Réduction des isométries vectorielles . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
3.1.7 Endomorphismes autoadjoints d’un espace euclidien . . . . . . . . . . . . . . . . . . 35
3.1.8 Endomorphismes autoadjoints positifs, définis positifs . . . . . . . . . . . . . . . . . 35
3.2 Intégrales dépendant d’un parmètre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
3.2.1 Passage à la limite sous l’intégrale . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
3.2.2 Régularité d’une fonction définie par une inégrale dépendant d’un paramètre . . . . 37
3.2.3 Exemples d’applications . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
3.3 Probabilités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38

58 MENPS 2023
Programme de mathématiques Classe MP

3.3.1 Espaces probabilisés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39

3.3.2 Variables aléatoires et lois de variables aléatoires . . . . . . . . . . . . . . . . . . . . 41
3.3.3 Espérance, moments . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
3.3.4 Fonctions génératrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
3.3.5 Inégalités, notions de convergence et théorèmes limites . . . . . . . . . . . . . . . . 48
3.4 Équations différentielles linéaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
3.4.1 Généralités sur les équations différentielles linéaires . . . . . . . . . . . . . . . . . . . 50
3.4.2 Solutions d’une équation différentielle linéaire . . . . . . . . . . . . . . . . . . . . . . 50
3.4.3 Systèmes différentiels linéaires homogènes à coefficients constants . . . . . . . . . . 51
3.4.4 Méthode de variation des constantes . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
3.5 Calcul différentiel et optimisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
3.5.1 Dérivée selon un vecteur, dérivées partielles, différentielle . . . . . . . . . . . . . . . 53
3.5.2 Opérations sur les applications différentiables . . . . . . . . . . . . . . . . . . . . . . 53
3.5.3 Applications de classe C 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
3.5.4 Vecteurs tangents à une partie d’un espace normé de dimension finie . . . . . . . . 54
3.5.5 Optimisation : étude au premier ordre . . . . . . . . . . . . . . . . . . . . . . . . . . 55
3.5.6 Applications de classe C k . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
3.5.7 Optimisation : étude au second ordre . . . . . . . . . . . . . . . . . . . . . . . . . . . 56

59 MENPS 2023