Psi Maths

Classes préparatoires aux grandes écoles
Filière scientifique
Voie Physique et sciences de l’ingénieur (PSI)
Annexe 1
Programme de mathématiques
© Ministère de l’enseignement supérieur, de la recherche et de l’innovation, 2021 Mathématiques PSI

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

Préambule 2
Objectifs de formation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
Description et prise en compte des compétences . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
Unité de la formation scientifique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
Architecture et contenu du programme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
Organisation du texte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
Programme 6
Algèbre linéaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
A - Compléments sur les espaces vectoriels, les endomorphismes et les matrices . . . . . . . . . . . . . . 6
B - Réduction des endomorphismes et des matrices carrées . . . . . . . . . . . . . . . . . . . . . . . . . . 7
Espaces préhilbertiens réels, espaces euclidiens . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
A - Espaces préhilbertiens réels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
B - Endomorphismes d’un espace euclidien . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
Espaces vectoriels normés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
Suites et séries de fonctions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
A - Compléments sur les séries numériques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
B - Suites et séries de fonctions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
C - Séries entières . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
Intégration sur un intervalle quelconque . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
Variables aléatoires discrètes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
A - Ensembles dénombrables, familles sommables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
B - Probabilités, variables aléatoires discrètes et lois usuelles . . . . . . . . . . . . . . . . . . . . . . . . . . 19
C - Espérance et variance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
Calcul différentiel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
A - Équations différentielles linéaires scalaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
B - Dérivabilité des fonctions vectorielles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
C - Fonctions de plusieurs variables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
© Ministère de l’Enseignement supérieur, de la Recherche et de l’Innovation, 2021 Mathématiques PSI

http://www.enseignementsup-recherche.gouv.fr 1/25
Préambule
Les programmes de mathématiques des classes préparatoires scientifiques MPSI, PCSI, PTSI, MP2I, MP, PC, PSI, PT,
MPI sont conçus comme un socle cohérent et ambitieux de connaissances et de capacités, avec l’objectif de préparer les
étudiantes et étudiants à poursuivre avec succès dans les écoles et les universités un cursus de formation aux métiers
de l’ingénierie, de l’enseignement, de la recherche.
Ce programme permet de conjuguer deux aspects de l’activité mathématique : d’une part la construction d’objets
souvent introduits de manière intrinsèque et l’importance de la démonstration ; d’autre part la technique qui permet
de rendre ces objets opérationnels.
Objectifs de formation
La formation est conçue en fonction de quatre objectifs essentiels :
– fournir un solide bagage de connaissances, de concepts et de méthodes ;
– exploiter toute la richesse de la démarche mathématique : analyser un problème, expérimenter sur des exemples,
formuler une conjecture, élaborer et mettre en œuvre des concepts et des résultats théoriques, rédiger une
solution rigoureuse, contrôler les résultats obtenus et évaluer la pertinence des concepts et des résultats au regard
du problème posé ;
– développer l’intuition, l’imagination, le raisonnement et la rigueur ;
– promouvoir la réflexion personnelle des étudiantes et étudiants sur les problèmes et les phénomènes mathéma-
tiques, sur la portée des concepts, des hypothèses, des résultats et des méthodes, au moyen d’exemples et de
contre-exemples ; développer ainsi une attitude de questionnement et de recherche.
En continuité avec les programmes de mathématiques du lycée, les programmes des classes préparatoires scientifiques
définissent un corpus de connaissances et de capacités et explicitent six grandes compétences mathématiques :
– chercher, mettre en œuvre des stratégies : découvrir une problématique, l’analyser, la transformer ou la simplifier,
expérimenter sur des exemples, formuler des hypothèses, identifier des particularités ou des analogies ;
– modéliser : extraire un problème de son contexte pour le traduire en langage mathématique, comparer un modèle
à la réalité, le valider, le critiquer ;
– représenter : choisir le cadre (numérique, algébrique, géométrique...) le mieux adapté pour traiter un problème
ou représenter un objet mathématique, passer d’un mode de représentation à un autre, changer de registre ;
– raisonner, argumenter : effectuer des inférences inductives et déductives, conduire une démonstration, confirmer
ou infirmer une conjecture ;
– calculer, utiliser le langage symbolique : manipuler des expressions contenant des symboles, organiser les
différentes étapes d’un calcul complexe, effectuer un calcul automatisable à la main où à l’aide d’un instrument
(calculatrice, logiciel...), contrôler les résultats ;
– communiquer à l’écrit et à l’oral : comprendre les énoncés mathématiques écrits par d’autres, rédiger une
solution rigoureuse, présenter et défendre un travail mathématique.
Description et prise en compte des compétences

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

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

Il est important de mettre en valeur l’interaction entre les différentes parties du programme, tant au niveau du cours
que des thèmes des travaux proposés aux étudiants. À titre d’exemples, la théorie des équations différentielles utilise
des concepts et des résultats développés en algèbre linéaire ; le calcul différentiel et l’optimisation exploitent en outre
les endomorphismes autoadjoints ; les probabilités utilisent le vocabulaire ensembliste et les familles sommables, et
illustrent certains résultats d’analyse.
La coopération des enseignants d’une même classe ou d’une même discipline et, plus largement, celle de l’ensemble
des enseignants d’un cursus donné, doit contribuer de façon efficace et cohérente à la qualité de ces interactions.
Il importe aussi que le contenu culturel et historique des mathématiques ne soit pas sacrifié au profit de la seule
technicité. En particulier, il peut s’avérer pertinent d’analyser l’interaction entre un contexte historique et social donné,
une problématique spécifique et la construction, pour la résoudre, d’outils mathématiques.

Architecture et contenu du programme
L’étude de chaque domaine du programme (analyse, algèbre, probabilités) permet de développer des aptitudes au
raisonnement et à la modélisation, et d’établir des liens avec les autres disciplines.
Afin de contribuer au développement des compétences de modélisation et de représentation, le programme préconise
le recours à des figures géométriques pour aborder l’algèbre linéaire, les espaces préhilbertiens, les fonctions de variable
réelle ou vectorielle.
Le programme d’algèbre comprend deux sections. La première prolonge l’étude de l’algèbre linéaire abordée en pre-
mière année et combine les points de vue géométrique (éléments propres), algébrique (polynômes d’endomorphisme)
et matriciel pour aboutir à une solide étude de la réduction : diagonalisation, trigonalisation. La deuxième, après
quelques généralités sur les espaces préhilbertiens et le théorème de projection orthogonale sur un sous-espace
de dimension finie, étudie, dans le cadre euclidien, les isométries vectorielles et les endomorphismes autoadjoints
(théorème spectral), et introduit les endomorphismes autoadjoints positifs en vue de l’optimisation.
La topologie est étudiée dans le cadre général des espaces vectoriels normés. Son étude permet d’étendre les notions de
suite, limite, continuité étudiées en première année dans le cadre de la droite réelle, et de mettre en évidence quelques
aspects de la dimension finie : équivalence des normes, théorème des bornes atteintes pour les fonctions continues sur
les fermés bornés, continuité des applications linéaires et polynomiales.
Après quelques compléments sur les séries numériques, la section sur les suites et séries de fonctions étudie divers
modes de convergence et établit des résultats de régularité pour les limites de suites ou les sommes de séries de
fonctions à valeurs réelles ou complexes.
Les séries entières permettent de construire des fonctions de variable complexe et de fournir un outil pour la résolution
d’équations différentielles linéaires et pour les probabilités au travers des fonctions génératrices.
La section sur l’intégration introduit, pour les fonctions continues par morceaux sur un intervalle quelconque, la notion
d’intégrale généralisée et celle de fonction intégrable.
Les théorèmes sur l’intégration des suites et séries de fonctions (convergence dominée, intégration terme à terme) et
sur les intégrales à paramètre concluent cette section.
La section sur les variables aléatoires discrètes propose une introduction a minima de la dénombrabilité et des familles
sommables en appui des notions générales de la théorie des probabilités, afin d’étendre l’étude menée en première
année des variables aléatoires finies, ce qui permet d’élargir le champ des situations se prêtant à une modélisation
probabiliste.
La loi faible des grands nombres permet de justifier a posteriori l’approche fréquentiste d’une probabilité pour un
schéma de Bernoulli, déjà évoquée dans le cursus antérieur des étudiants.
Cette section a vocation à interagir avec le reste du programme, notamment en exploitant les séries génératrices.
L’étude des équations différentielles est limitée au cas des équations linéaires d’ordre 2, dont les interventions sont
fréquentes tant en mathématiques que dans les autres disciplines scientifiques. L’utilisation dans ce cadre du théorème
de Cauchy permet d’établir la structure de l’ensemble des solutions, illustrant la pertinence des outils de l’algèbre
linéaire pour résoudre des problèmes d’analyse. Le programme permet aussi, en liaison avec la réduction, de traiter des
exemples d’équations ou de systèmes différentiels linéaires à coefficients constants.
On donne quelques éléments sur la dérivabilité des fonctions vectorielles, les courbes paramétrées en fournissant une
interprétation.
La section sur les fonctions de plusieurs variables est axée sur la mise en place d’outils permettant de traiter des
applications du calcul différentiel à l’analyse et à la géométrie. Elle s’achève par une étude au second ordre des
extremums qui s’appuie sur les matrices symétriques.

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

Programme
Algèbre linéaire
Dans toute cette partie, K désigne R ou C.
A - Compléments sur les espaces vectoriels, les endomorphismes et les matrices
Le programme est organisé autour de trois objectifs :

– consolider les acquis de la classe de première année ;
– introduire de nouveaux concepts préliminaires à la réduction des endomorphismes : somme de plusieurs sous-
espaces vectoriels, somme directe, sous-espaces stables, matrices par blocs, trace, polynômes d’endomorphismes et
de matrices carrées, polynômes interpolateurs de Lagrange ;
– passer du point de vue vectoriel au point de vue matriciel et inversement.
Le programme valorise les interprétations géométriques et préconise l’illustration des notions et résultats par de nom-
breuses figures.
C ONTENUS C APACITÉS & COMMENTAIRES
a) Produit d’espaces vectoriels, somme de sous-espaces vectoriels
Produit d’un nombre fini d’espaces vectoriels ; dimension

dans le cas où ces espaces sont de dimension finie.
Somme, somme directe d’une famille finie de sous-
espaces vectoriels.
En dimension finie, base adaptée à un sous-espace vecto- Décomposition en somme directe obtenue par partition
L
riel, à une décomposition E = E i . d’une base.
Si F 1 , . . . , F p sont des sous-espaces de dimension finie,
≥Xp ¥ X p
dim Fi … dim(F i )
i =1 i =1
avec égalité si et seulement si la somme est directe.
b) Matrices par blocs et sous-espaces stables
Matrices définies par blocs, opérations par blocs de tailles

compatibles (combinaison linéaire, produit, transposi-
tion).
Déterminant d’une matrice triangulaire par blocs.
Sous-espace vectoriel stable par un endomorphisme, en- Traduction matricielle de la stabilité d’un sous-espace
domorphisme induit. vectoriel par un endomorphisme et interprétation en
termes d’endomorphismes d’une matrice triangulaire ou
Si u et v commutent alors le noyau de u est stable par v. diagonale par blocs.
c) Trace
Trace d’une matrice carrée. Notation tr(A).

Linéarité, trace d’une transposée.
Relation tr(AB ) = tr(B A).
Invariance de la trace par similitude. Trace d’un endo-
morphisme d’un espace de dimension finie.
d) Polynômes d’endomorphismes et de matrices carrées
Polynôme d’un endomorphisme, d’une matrice carrée. Relation (PQ)(u) = P (u) ± Q(u).
Polynôme annulateur. Application au calcul de l’inverse et des puissances.
Deux polynômes de l’endomorphisme u commutent. Le noyau de P (u) est stable par u.
Adaptation de ces résultats aux matrices carrées.
e) Interpolation de Lagrange
Base de Kn [X ] constituée des polynômes interpolateurs Expression d’un polynôme P 2 Kn [X ] dans cette base.
de Lagrange en n + 1 points distincts de K. La somme des polynômes interpolateurs de Lagrange en
n + 1 points est le polynôme constant égal à 1.
Déterminant de Vandermonde. Lien avec le problème d’interpolation de Lagrange.

B - Réduction des endomorphismes et des matrices carrées
La réduction des endomorphismes et des matrices carrées permet d’approfondir les notions étudiées en première année.
Il est attendu des étudiants qu’ils maîtrisent les deux points de vue suivants :
– l’aspect géométrique (sous-espaces stables, éléments propres) ;
– l’aspect algébrique (utilisation de polynômes annulateurs).
L’étude des classes de similitude est hors programme ainsi que la notion de polynôme minimal.
a) Éléments propres
Droite stable par un endomorphisme.

Valeur propre, vecteur propre (non nul), sous-espace Équation aux éléments propres u(x) = ∏x.
propre d’un endomorphisme. Si u et v commutent, les sous-espaces propres de u sont
stables par v.
Spectre d’un endomorphisme en dimension finie. Notation Sp(u).
La notion de valeur spectrale est hors programme.
La somme d’une famille finie de sous-espaces propres Toute famille finie de vecteurs propres associés à des va-
d’un endomorphisme est directe. leurs propres distinctes est libre.
Si un polynôme P annule u, toute valeur propre de u est Si u(x) = ∏x, alors P (u)(x) = P (∏)x.
racine de P .
Valeur propre, vecteur propre, sous-espace propre et Équation aux éléments propres AX = ∏X .
spectre d’une matrice carrée.
b) Polynôme caractéristique
Polynôme caractéristique d’une matrice carrée, d’un en- Par convention le polynôme caractéristique est unitaire.
domorphisme d’un espace vectoriel de dimension finie. Notations ¬ A , ¬u .
Coefficients de degrés 0 et n ° 1.
Les valeurs propres d’un endomorphisme sont les racines Spectre complexe d’une matrice carrée réelle.
de son polynôme caractéristique.
Multiplicité d’une valeur propre. Majoration de la dimen- Deux matrices semblables ont le même polynôme carac-
sion d’un sous-espace propre par la multiplicité. téristique, donc les mêmes valeurs propres avec mêmes
multiplicités.
Théorème de Cayley-Hamilton. La démonstration n’est pas exigible.
c) Diagonalisation en dimension finie
Un endomorphisme d’un espace vectoriel de dimension Une telle base est constituée de vecteurs propres.
finie est dit diagonalisable s’il existe une base dans la-
quelle sa matrice est diagonale.
Une matrice carrée est dite diagonalisable si elle est sem- Interprétation en termes d’endomorphisme.
blable à une matrice diagonale. Application au calcul des puissances d’une matrice dia-
gonalisable, à des exemples de systèmes différentiels à
coefficients constants.
Dans la pratique des cas numériques, on se limite à n = 2
ou n = 3.
Un endomorphisme d’un espace vectoriel E est diagona- Exemple des projecteurs et des symétries.
lisable si et seulement si la somme de ses sous-espaces
propres est égale à E .
Un endomorphisme est diagonalisable si et seulement si Traduction matricielle.
la somme des dimensions de ses sous-espaces propres
est égale à la dimension de l’espace.
Un endomorphisme est diagonalisable si et seulement si Traduction matricielle.
son polynôme caractéristique est scindé sur K et si, pour
toute valeur propre, la dimension du sous-espace propre
associé est égale à sa multiplicité.
Un endomorphisme d’un espace vectoriel de dimen- Polynôme caractéristique scindé à racines simples.
sion n admettant n valeurs propres distinctes est dia- Traduction matricielle.
gonalisable.

C ONTENUS C APACITÉS & C OMMENTAIRES
d) Diagonalisabilité et polynômes annulateurs
Un endomorphisme est diagonalisable si et seulement s’il La démonstration n’est pas exigible.

admet un polynôme annulateur scindé à racines simples. Traduction matricielle.
Le lemme de décomposition des noyaux est hors pro-
gramme.
L’endomorphisme induit par un endomorphisme diago-
nalisable sur un sous-espace vectoriel stable est diagona-
lisable.
Un endomorphisme u est diagonalisable si et seulement
Q
s’il admet (X ° ∏) pour polynôme annulateur.
∏2Sp(u)
e) Trigonalisation en dimension finie
Un endomorphisme d’un espace vectoriel de dimension Expression de la trace et du déterminant d’un endo-
finie est dit trigonalisable s’il existe une base dans laquelle morphisme trigonalisable, d’une matrice trigonalisable à
sa matrice est triangulaire. l’aide des valeurs propres.
Une matrice carrée est dite trigonalisable si elle est sem- Interprétation en termes d’endomorphisme.
blable à une matrice triangulaire.
Un endomorphisme est trigonalisable si et seulement si La démonstration n’est pas exigible.
son polynôme caractéristique est scindé sur K. Traduction matricielle.
Toute matrice de Mn (C) est trigonalisable. La technique générale de trigonalisation est hors pro-
gramme. On se limite dans la pratique à des exemples
simples en petite dimension et tout exercice de trigonali-
sation effective doit comporter une indication.
Espaces préhilbertiens réels, espaces euclidiens

A - Espaces préhilbertiens réels
L’objectif majeur est le théorème de projection orthogonale et l’existence de la meilleure approximation quadratique. On
s’appuie sur des exemples de géométrie du plan et de l’espace pour illustrer les différentes notions.
a) Produit scalaire et norme associée
Produit scalaire. Notations hx, yi, (x|y), x · y.

Espace préhilbertien réel, espace euclidien.
Exemples de référence :
produit scalaire euclidien canonique sur Rn , produit sca- Expression X > Y .
laire canonique sur Mn (R), produit scalaire défini par Expression tr(A > B ).
une intégrale sur C 0 ([a, b], R).
Inégalité de Cauchy-Schwarz, cas d’égalité.
Norme associée au produit scalaire. Cas d’égalité dans l’inégalité triangulaire.
Les étudiants doivent savoir manipuler les identités re-
marquables sur les normes (développement de ku ± vk2 ,
identité de polarisation).
b) Orthogonalité
Vecteurs orthogonaux, sous-espaces orthogonaux, ortho- Notation F ? .

gonal d’un sous-espace vectoriel F , d’une partie X . L’orthogonal d’une partie est un sous-espace vectoriel.
Famille orthogonale, orthonormée (ou orthonormale).
Toute famille orthogonale de vecteurs non nuls est libre.
Théorème de Pythagore.
Algorithme d’orthonormalisation de Gram-Schmidt.

c) Bases orthonormées d’un espace euclidien
Existence de bases orthonormées dans un espace eucli-

dien. Théorème de la base orthonormée incomplète.
Expression des coordonnées, du produit scalaire et de la
norme dans une base orthonormée.
d) Projection orthogonale sur un sous-espace de dimension finie
Supplémentaire orthogonal d’un sous-espace de dimen- Dimension de F ? en dimension finie.

sion finie.
Projection orthogonale p F sur un sous-espace vectoriel F Les étudiants doivent savoir déterminer p F (x) en calcu-
de dimension finie. lant son expression dans une base orthonormée de F ou
en résolvant un système linéaire traduisant l’orthogona-
lité de x ° p F (x) aux vecteurs d’une famille génératrice
de F .
Distance d’un vecteur à un sous-espace. Le projeté ortho- Notation d (x, F ).
gonal de x sur F est l’unique élément de F qui réalise la
distance de x à F .
Projeté orthogonal d’un vecteur sur l’hyperplan Vect(u)? ; Application géométrique à des calculs de distances.
distance entre x et Vect(u)? .
e) Formes linéaires sur un espace euclidien
Représentation d’une forme linéaire à l’aide d’un produit Vecteur normal à un hyperplan.
scalaire.
B - Endomorphismes d’un espace euclidien
Cette section vise les objectifs suivants :

– étudier les isométries vectorielles et matrices orthogonales, et les décrire en dimension deux et trois en insistant sur
les représentations géométriques ;
– approfondir la thématique de réduction des endomorphismes dans le cadre euclidien en énonçant les formes
géométrique et matricielle du théorème spectral ;
– introduire la notion d’endomorphisme autoadjoint positif, qui trouvera notamment son application au calcul
différentiel d’ordre 2.
La notion d’adjoint est hors programme.
a) Isométries vectorielles d’un espace euclidien
Un endomorphisme d’un espace euclidien est une isomé- Exemple : symétries orthogonales, cas particulier des ré-
trie vectorielle s’il conserve la norme. flexions.
Caractérisations par la conservation du produit scalaire,
par l’image d’une base orthonormée.
Groupe orthogonal. Notation O(E ).
On vérifie les propriétés lui conférant une structure de
groupe, mais la définition axiomatique des groupes est
hors programme.
Stabilité de l’orthogonal d’un sous-espace stable.

b) Matrices orthogonales
Une matrice A de Mn (R) est orthogonale si A>A = I n . Interprétation en termes de colonnes et de lignes.
Caractérisation comme matrice de changement de base
orthonormée.
Caractérisation d’une isométrie vectorielle à l’aide de sa On mentionne la terminologie « automorphisme orthogo-
matrice dans une base orthonormée. nal », tout en lui préférant celle d’« isométrie vectorielle ».
Groupe orthogonal. Notations On (R), O(n).
Déterminant d’une matrice orthogonale. Groupe spécial Notations SOn (R), SO(n).
orthogonal.
Orientation. Bases orthonormées directes.
c) Espace euclidien orienté de dimension 2 ou 3
Déterminant d’une famille de vecteurs dans une base Notations [u, v], [u, v, w].
orthonormée directe : produit mixte. Interprétation géométrique comme aire ou volume.
Produit vectoriel. Calcul dans une base orthonormée di-
recte.
Orientation d’un plan ou d’une droite dans un espace
euclidien orienté de dimension 3.
d) Isométries vectorielles d’un plan euclidien
Description des matrices de O2 (R), de SO2 (R). Commutativité de SO2 (R).

Rotation vectorielle d’un plan euclidien orienté. On introduit à cette occasion, sans soulever de difficulté,
la notion de mesure d’un angle orienté de vecteurs non
nuls.
Classification des isométries vectorielles d’un plan eucli-
dien.
e) Isométries d’un espace euclidien de dimension 3
Description des matrices de SO3 (R).

Rotation vectorielle d’un espace euclidien orienté de di- Axe et mesure de l’angle d’une rotation.
mension 3.
f ) Réduction des endomorphismes autoadjoints et des matrices symétriques réelles
Endomorphisme autoadjoint d’un espace euclidien. Notation S (E ).

Caractérisation des projecteurs orthogonaux.
Caractérisation d’un endomorphisme autoadjoint à l’aide On mentionne la terminologie « endomorphisme symé-
de sa matrice dans une base orthonormée. trique », tout en lui préférant celle d’« endomorphisme
autoadjoint ».
Théorème spectral : La démonstration n’est pas exigible.
tout endomorphisme autoadjoint d’un espace euclidien Forme matricielle du théorème spectral.
admet une base orthonormée de vecteurs propres.
Endomorphisme autoadjoint positif, défini positif. Caractérisation spectrale. Notations S + (E ), S ++ (E ).
Matrice symétrique positive, définie positive. Caractérisation spectrale. Notations S n+ (R), S n++ (R).

Espaces vectoriels normés
– généraliser au cas des espaces vectoriels sur K = R ou C certaines notions (convergence de suites, limite et continuité
de fonctions) étudiées en première année dans le cadre de l’analyse réelle, indispensables pour aborder l’étude des
suites de matrices, des fonctions à valeurs vectorielles et du calcul différentiel ;
– fournir un cadre topologique à la convergence des suites et séries de fonctions.
Les notions seront illustrées par des exemples concrets et variés.
Il convient de souligner l’aspect géométrique des concepts topologiques à l’aide de nombreuses figures.
a) Normes
Norme sur un espace vectoriel réel ou complexe. Normes usuelles k k1 , k k2 et k k1 sur Kn .

Espace vectoriel normé. Norme k k1 sur un espace de fonctions bornées à valeurs
Norme associée à un produit scalaire sur un espace pré- dans K.
hilbertien réel. L’égalité sup(k A) = k sup(A) pour A partie non vide de R
et k 2 R+ peut être directement utilisée.
Distance associée à une norme.
Boule ouverte, boule fermée, sphère.
Partie convexe. Convexité des boules.
Partie bornée, suite bornée, fonction bornée.
b) Suites d’éléments d’un espace vectoriel normé
Convergence et divergence d’une suite. Exemples dans des espaces de matrices, dans des espaces
de fonctions.
Unicité de la limite. Opérations sur les limites.
Une suite convergente est bornée.
Toute suite extraite d’une suite convergente est conver-
gente.
c) Comparaison des normes
Normes équivalentes. Invariance du caractère borné, de la convergence d’une

suite.
Utilisation de suites pour montrer que deux normes ne
sont pas équivalentes.
La comparaison effective de deux normes n’est pas un
objectif du programme. On se limite en pratique à des
exemples élémentaires.
d) Topologie d’un espace vectoriel normé
Point intérieur à une partie.

Ouvert d’un espace normé. Une boule ouverte est un ouvert.
Stabilité par réunion quelconque, par intersection finie.
Fermé d’un espace normé. Caractérisation séquentielle.
Une boule fermée, une sphère, sont des fermés.
Stabilité par réunion finie, par intersection quelconque.
Point adhérent à une partie, adhérence. L’adhérence est l’ensemble des points adhérents.
Caractérisation séquentielle. Toute autre propriété de
l’adhérence est hors programme.
Partie dense.
Invariance des notions topologiques par passage à une
norme équivalente.

e) Limite et continuité en un point
Limite d’une fonction en un point adhérent à son do- Caractérisation séquentielle.

maine de définition.
Opérations algébriques sur les limites, composition.
Continuité en un point. Caractérisation séquentielle.
f ) Continuité sur une partie
Opérations algébriques, composition.

Image réciproque d’un ouvert, d’un fermé par une appli- Si f est une application continue de E dans R alors l’en-
cation continue. semble défini par f (x) > 0 est un ouvert et les ensembles
définis par f (x) = 0 ou f (x) 0 sont des fermés.
Fonction lipschitzienne. Toute fonction lipschitzienne est
continue.
g) Espaces vectoriels normés de dimension finie
Équivalence des normes en dimension finie. La démonstration est hors programme.

La convergence d’une suite (ou l’existence de la limite
d’une fonction) à valeurs dans un espace vectoriel normé
de dimension finie équivaut à celle de chacune de ses
coordonnées dans une base.
Théorème des bornes atteintes : La démonstration est hors programme.
toute fonction réelle continue sur une partie non vide
fermée bornée d’un espace vectoriel normé de dimension
finie est bornée et atteint ses bornes.
Continuité des applications linéaires, multilinéaires et La notion de norme subordonnée est hors programme.
polynomiales. Exemples du déterminant, du produit matriciel.
Suites et séries de fonctions

A - Compléments sur les séries numériques
Cette section a pour objectif de consolider et d’élargir les acquis de première année sur les séries, notamment la convergence
absolue, en vue de l’étude des probabilités discrètes et des séries de fonctions.
L’étude de la semi-convergence n’est pas un objectif du programme.
a) Compléments sur les séries numériques
Technique de comparaison série-intégrale. Les étudiants doivent savoir utiliser la comparaison série-
intégrale pour établir des convergences et des diver-
gences de séries, estimer des sommes partielles de séries
divergentes ou des restes de séries convergentes dans le
cas d’une fonction monotone.
Formule de Stirling : équivalent de n!. La démonstration n’est pas exigible.
Règle de d’Alembert.
Théorème spécial des séries alternées, majoration et La transformation d’Abel est hors programme.
signe du reste.
Produit de Cauchy de deux séries absolument conver- La démonstration n’est pas exigible.
gentes.

B - Suites et séries de fonctions
Cette section a pour objectif de définir différents modes de convergence d’une suite, d’une série de fonctions et d’étudier le
transfert à la limite, à la somme des propriétés des fonctions.
Les fonctions sont définies sur un intervalle I de R et à valeurs dans R ou C.
a) Modes de convergence d’une suite ou d’une série de fonctions
Convergence simple d’une suite de fonctions. Conver-

gence uniforme. La convergence uniforme entraîne la
convergence simple.
Norme de la convergence uniforme sur l’espace des fonc-
tions bornées à valeurs dans R ou C.
Convergence simple, convergence uniforme, conver- Utilisation d’une majoration uniforme de | f n (x)| pour
P
gence normale d’une série de fonctions. établir la convergence normale de f n .
La convergence normale entraîne la convergence uni- La convergence normale entraîne la convergence absolue
forme. en tout point.
b) Régularité de la limite d’une suite de fonctions
Continuité de la limite d’une suite de fonctions :

si une suite ( f n ) de fonctions continues sur I converge En pratique, on vérifie la convergence uniforme sur tout
uniformément vers f sur I , alors f est continue sur I . segment, ou sur d’autres intervalles adaptés à la situation.
Intégration sur un segment de la limite d’une suite de

fonctions :
si une suite ( f n ) de fonctions continues converge unifor-
mément vers f sur [a, b] alors :
Zb Zb
f n (t ) dt °°°°°! f (t ) dt .
a n!+1 a
Dérivabilité de la limite d’une suite de fonctions :

si une suite ( f n ) de fonctions de classe C 1 sur un inter- En pratique, on vérifie la convergence uniforme sur tout
valle I converge simplement sur I vers une fonction f , segment, ou sur d’autres intervalles adaptés à la situation.
et si la suite ( f n0 ) converge uniformément sur I vers une
fonction g , alors f est de classe C 1 sur I et f 0 = g .
Extension aux suites de fonctions de classe C k , sous l’hy-

pothèse de convergence uniforme de ( f n(k) ) et de conver-
(j)
gence simple de ( f n ) pour 0 … j < k.
c) Régularité de la somme d’une série de fonctions
Continuité de la somme d’une série de fonctions :

P
si une série f n de fonctions continues sur I converge En pratique, on vérifie la convergence uniforme sur tout
uniformément sur I , alors sa somme est continue sur I . segment, ou sur d’autres intervalles adaptés à la situation.
Théorème de la double limite : La démonstration est hors programme.

P
si une série f n de fonctions définies sur I converge uni-
formément sur I et si, pour tout n, f n admet une limite `n
en
X a borne de I (éventuellement infinie), alors la série
`n converge, la somme de la série admet une limite
en a et :
X
+1 X
+1
f n (x) °°°! `n .
x!a
n=0 n=0

Intégration de la somme d’une série de fonctions sur un
segment : X
si une série f n de fonctions continues converge unifor-
mément sur [a, b] alors la série des intégrales est conver-
gente et :
Zb +1
X X Zb
+1
f n (t ) dt = f n (t ) dt .
a n=0 n=0 a
Dérivation de Xla somme d’une série de fonctions :

si une série C 1 converge simplement sur
f n de classe X En pratique, on vérifie la convergence uniforme sur tout
un intervalle I et si la série f n0 converge uniformément segment ou sur d’autres intervalles adaptés à la situation.
X
+1
sur I , alors la somme f n est de classe C 1 sur I et sa
n=0
Extension à la classe C k sous hypothèse similaire à celle
X
+1 décrite dans le cas des suites de fonctions.
dérivée est f n0 .
n=0
C - Séries entières
Les objectifs de cette section sont les suivants :

– étudier la convergence d’une série entière et mettre en évidence la notion de rayon de convergence ;
– étudier les propriétés de sa somme en se limitant à la continuité dans le cas d’une variable complexe ;
– établir les développements en série entière des fonctions usuelles.
Les séries entières trouveront un cadre d’application dans la notion de fonction génératrice en probabilités et au détour
d’exemples de résolution d’équations différentielles linéaires.
a) Rayon de convergence
Série entière de la variable réelle, de la variable complexe.

Lemme d’Abel° :¢
si la suite a n z 0n est bornée alors,Xpour tout nombre com-
plexe z tel que |z| < |z 0 |, la série a n z n est absolument
convergente. X
Rayon de convergence R défini comme borne supérieure La série a n z n converge absolument si |z| < R, et elle
dans [0, +1] de l’ensemble des réels positifs r tels que la diverge grossièrement si |z| > R.
suite (a n r n ) est bornée.
Intervalle ouvert de convergence.
Disque ouvert de convergence. X °X ¢
Avec RX a (resp. R b ) le rayon de convergence de an z n , Pour Æ 2 R, R n Æ x n = 1.
n
(resp. b n z ) :
– si a n = O(b n ), alors R a R b ; Le résultat s’applique en particulier lorsque a n = o(b n ).
– si a n ª b n , alors R a = R b .
|a n+1 |
Application de la règle de d’Alembert pour les séries nu- La limite du rapport peut être directement utilisée.
|a n |
mériques au calcul du rayon.
Rayon de convergence de la somme et du produit de
Cauchy de deux séries entières.

b) Régularité de la somme d’une série entière de la variable réelle
Convergence normale d’une série entière d’une variable

réelle sur tout segment inclus dans l’intervalle ouvert de
convergence.
Continuité de la somme sur l’intervalle ouvert de conver- L’étude des propriétés de la somme au bord de l’inter-
gence. valle ouvert de convergence n’est pas un objectif du pro-
gramme. °X ¢ °X ¢
Primitivation d’une série entière d’une variable réelle sur Relation R an x n = R na n x n .
l’intervalle ouvert de convergence.
Caractère C 1 de la somme d’une série entière d’une va-
riable réelle sur l’intervalle ouvert de convergence et ob-
tention des dérivées par dérivation terme à terme.
Expression des coefficients d’une série entière de rayon
de convergence strictement positif au moyen des dérivées
successives en 0 de sa somme.
c) Développement en série entière au voisinage de 0 d’une fonction d’une variable réelle
Fonction développable en série entière sur un inter-

valle ]°r, r [.
Série de Taylor d’une fonction de classe C 1 . Formule de Taylor avec reste intégral.
Unicité du développement en série entière.
Développements des fonctions usuelles. Les étudiants doivent connaître les développements en
série entière des fonctions : exponentielle, cosinus, sinus,
cosinus et sinus hyperboliques, Arctan, x 7! ln(1 + x) et
x 7! (1 + x)Æ .
Les étudiants doivent savoir développer une fonction en
série entière à l’aide d’une équation différentielle linéaire.
d) Séries géométrique et exponentielle d’une variable complexe
Continuité de la somme d’une série entière de la variable La démonstration est hors programme.
complexe sur le disque ouvert de convergence.
1
Développement de sur le disque unité ouvert.
1°z
Développement de exp(z) sur C.

Intégration sur un intervalle quelconque
– étendre la notion d’intégrale étudiée en première année à des fonctions continues par morceaux sur un intervalle
quelconque par le biais des intégrales généralisées ;
– définir, dans le cadre des fonctions continues par morceaux, la notion de fonction intégrable ;
– compléter la section dédiée aux suites et aux séries de fonctions par les théorèmes de convergence dominée et
d’intégration terme à terme ;
– étudier les fonctions définies par des intégrales dépendant d’un paramètre.
On évite tout excès de rigueur dans la rédaction. Ainsi, dans les calculs concrets mettant en jeu l’intégration par parties ou
le changement de variable, on n’impose pas de rappeler les hypothèses de régularité des résultats utilisés. De même, dans
l’application des théorèmes de passage à la limite sous l’intégrale ou de régularité des intégrales à paramètre, on se limite
à la vérification des hypothèses cruciales, sans insister sur la continuité par morceaux en la variable d’intégration.
Les fonctions considérées sont définies sur un intervalle de R et à valeurs dans K, ensemble des nombres réels ou des
nombres complexes.
a) Fonctions continues par morceaux
Fonctions continues par morceaux sur un segment, sur

un intervalle de R.
Intégrale sur un segment d’une fonction continue par Brève extension des propriétés de l’intégrale d’une fonc-
morceaux. tion continue sur un segment étudiées en première année.
Aucune construction n’est exigible.
b) Intégrales généralisées sur un intervalle de la forme [a, +1[

Z+1 Z+1
Pour
Z+1 f continue par morceaux sur Zx[a, +1[, l’intégrale Notations f, f (t ) dt .
a a
f (t ) dt est dite convergente si f (t ) dt a une limite Intégrale convergente (resp. divergente) en +1.
a a
finie lorsque x tend vers +1.
Si f est continue
Zpar morceaux sur [a, +1[ et à valeurs
+1
positives, alors f (t ) dt converge si et seulement si
Zx a
x 7! f (t ) dt est majorée.
a
Si f et g sont deux fonctions continues par morceaux

Z sur +1
[a, +1[ telles que 0 … f … g , la convergence de g
Z+1 a
implique celle de f.
a
c) Intégrales généralisées sur un intervalle quelconque

Zb Zb
Adaptation du paragraphe précédent aux fonctions conti- Notations f, f (t ) dt .
a a
nues par morceaux définies sur un intervalle semi-ouvert Intégrale convergente (resp. divergente) en b, en a.
ou ouvert de R.
Propriétés des intégrales généralisées :
linéarité, positivité, croissance, relation de Chasles.
Intégration par parties sur un intervalle quelconque : La démonstration n’est pas exigible.
Zb Zb
£ §b L’existence des limites finies du produit f g aux bornes
f (t )g 0 (t ) dt = f g a ° f 0 (t )g (t ) dt .
a a de l’intervalle assure que les intégrales de f g 0 et f 0 g sont
de même nature.
Pour les applications pratiques, on ne demande pas de
rappeler les hypothèses de régularité.

Changement de variable : La démonstration n’est pas exigible.
si ' : ]Æ, Ø[ ! ]a, b[ est une bijection strictement crois- Adaptation au cas où ' est strictement décroissante.
sante de classe C 1 , et si f est continue sur ]a, b[, alors On applique ce résultat sans justification dans les cas de
Zb ZØ
changements de variable usuels.
f (t ) dt et ( f ± ')(u) '0 (u) du sont de même nature,
a Æ
et égales en cas de convergence.
d) Intégrales absolument convergentes et fonctions intégrables
Intégrale absolument convergente.

La convergence absolue implique la convergence. L’étude des intégrales semi-convergentes n’est pas un
Inégalité triangulaire. objectif duZ
programme.
Z
Une fonction est dite intégrable sur un intervalle I si elle Notations f, f (t ) dt .
I I
est continue par morceaux sur I et son intégrale sur I est Pour I = [a, b[, (respectivement ]a, b]), fonction inté-
absolument convergente. grable en b (resp. en a).
Espace vectoriel L 1 (I , K) des fonctions intégrables sur I à
valeurs dans K.
Si
Z f est continue, intégrable et positive sur I , et si
f (t ) dt = 0, alors f est identiquement nulle.
I
Théorème de comparaison : Adaptation au cas d’un intervalle quelconque.
pour f et g deux fonctions continues par morceaux
sur [a, +1[ : ° ¢
– si f (t ) = O g (t ) , alors l’intégrabilité de g en Le résultat s’applique en particulier si f (t ) = o(g (t )).
t !+1 t !+1
+1 implique celle de f .
– si f (t ) ª g (t ), alors l’intégrabilité de f en +1
t !+1
est équivalente à celle de g .
Fonctions de référence : L’intégrabilité de t 7! ln t en 0 peut être directement utili-

pour Æ 2 R, sée.
– intégrales de Riemann : étude de l’intégrabilité de 1
Les résultats relatifs à l’intégrabilité de x 7! en a
1 |x ° a|Æ
t 7! Æ en +1, en 0+ ; peuvent être directement utilisés.
t
– étude de l’intégrabilité de t 7! e°Æt en +1. Plus généralement, les étudiants doivent savoir que la
fonction x 7! f (x) est intégrable en a + (resp. en b ° ) si
t 7! f (a + t ) (resp. t 7! f (b ° t )) l’est en 0+ .
e) Suites et séries de fonctions intégrables
Pour l’application pratique des énoncés de ce paragraphe, on vérifie les hypothèses de convergence simple et de domination
(resp. convergence de la série des intégrales), sans expliciter celles relatives à la continuité par morceaux.
Théorème de convergence dominée : La démonstration est hors programme.
si une suite ( f n ) de fonctions continues par morceaux
sur I converge simplement vers une fonction f continue
par morceaux sur I et s’il existe une fonction ' intégrable
sur I vérifiant | f n | … ' pour tout n, alors les fonctions f n
et f sont intégrables sur I et :
Z Z
f n (t ) dt °°°°°! f (t ) dt .
I n!+1 I
Théorème d’intégration terme à terme : La démonstration est hors programme.

P
si une série f n de fonctions intégrables sur I converge On présente des exemples sur lesquels cet énoncé ne
simplement, si sa somme est continue par morceaux s’applique pas, mais dans lesquels l’intégration terme à
XZ X
+1
terme peut être justifiée par le théorème de convergence
sur I , et si la série | f n (t )| dt converge, alors fn
I n=0 dominée pour les sommes partielles.
est intégrable sur I et :
Z +1
X XZ
+1
f n (t ) dt = f n (t ) dt .
I n=0 n=0 I

f ) Régularité d’une fonction définie par une intégrale à paramètre
Pour l’application pratique des énoncés de ce paragraphe, on vérifie les hypothèses de régularité par rapport à x et de
domination, sans expliciter celles relatives à la continuité par morceaux par rapport à t .
Théorème de continuité :
si A et I sont deux intervalles de R et f une fonction En pratique, on vérifie l’hypothèse de domination sur
définie sur A £ I , telle que : tout segment de A, ou sur d’autres intervalles adaptés à
– pour tout t 2 I , x 7! f (x, t ) est continue sur A ; la situation.
– pour tout x 2 A, t 7! f (x, t ) est continue par mor-
ceaux sur I ;
– il existe une fonction ' intégrable sur I , telle que
pour tout (x, t ) 2ZA £ I , on ait | f (x, t )| … '(t ) ;
alors la fonction x 7! f (x, t ) dt est définie et continue
I
sur A.
Théorème de convergence dominée à paramètre continu: On remarque qu’il s’agit d’une simple extension du théo-
si A et I sont deux intervalles de R, a une borne de A et rème relatif aux suites de fonctions.
f une fonction définie sur A £ I telle que :
– pour tout t 2 I , f (x, t ) °°°! `(t ) ;
x!a
– pour tout x 2 A, t 7! f (x, t ) et t 7! `(t ) sont conti-
nues par morceaux sur I ;
– il existe une fonction ' intégrable sur I , telle que
pour tout (x, t ) 2 A £ I , on ait | f (x, t )| … '(t ) ;
alors ` est intégrable sur I et :
Z Z
f (x, t ) dt °°°! `(t ) dt .
I x!a I
Théorème de dérivation : La démonstration n’est pas exigible.

si A et I sont deux intervalles de R et f une fonction En pratique, on vérifie l’hypothèse de domination sur
définie sur A £ I , telle que : tout segment de A, ou sur d’autres intervalles adaptés à
– pour tout t 2 I , x 7! f (x, t ) est de classe C 1 sur A ; la situation.
– pour tout x 2 A, t 7! f (x, t ) est intégrable sur I ;
@f
– pour tout x 2 A, t 7! (x, t ) est continue par mor-
@x
ceaux sur I ;
– il existe une fonction ' intégrable Ø surØ I , telle que
Ø@f Ø
pour tout (x, t ) 2 A £ I , on ait ØØ (x, t )ØØ … '(t ) ;
Z @x
alors la fonction g : x 7! f (x, t ) dt est de classe C 1 sur A
I
et vérifie :
Z
@f
8x 2 A, g 0 (x) = (x, t ) dt .
I @x
Extension à la classe C k d’une intégrale à paramètre, sous

@k f
hypothèse de domination de t 7! (x, t ) et d’intégrabi-
@x k
j
@ f
lité des t 7! (x, t ) pour 0 … j < k.
@x j
Exemples d’études de fonctions définies comme inté-
grales à paramètre : régularité, étude asymptotique, ex-
ploitation d’une équation différentielle élémentaire.

Variables aléatoires discrètes
On généralise l’étude des variables aléatoires à valeurs dans un ensemble fini menée en première année aux variables
aléatoires discrètes. Ces outils permettent d’aborder, sur des exemples simples, l’étude de procédés stochastiques à temps
discret. La mise en place du cadre de cette étude se veut à la fois minimale, pratique et rigoureuse :
– la notion de tribu n’appelle aucun autre développement que sa définition ;
– l’étude de la dénombrabilité d’un ensemble et la construction d’espaces probabilisés sont hors programme ;
– les diverses notions de convergences (presque sûre, en probabilité, en loi, etc.) sont hors programme.
Toutes les variables aléatoires mentionnées dans le programme sont implicitement supposées discrètes.
La notion de variable à densité est hors programme.
La notion d’espérance conditionnelle est hors programme.
A - Ensembles dénombrables, familles sommables
Ce préambule propose une introduction a minima de la dénombrabilité et des familles sommables, afin de poser les bases
de vocabulaire, méthodes et résultats qui seront admis, et directement utilisés. Chaque professeur est libre d’en adapter le
contenu au niveau de formalisme qu’il juge préférable pour ses étudiants.
Ces notions ne feront l’objet d’aucune évaluation spécifique, et leur usage est strictement réservé au contexte probabiliste.
– Un ensemble est dit (au plus) dénombrable s’il est en bijection avec (une partie de) N, c’est-à-dire s’il peut être
décrit en extension sous la forme {x i , i 2 I } où I = N (I Ω N) avec des x i distincts.
Sont dénombrables : Z, un produit cartésien d’un nombre fini d’ensembles dénombrables, une union au plus
dénombrable d’ensembles dénombrables. Une partie d’un ensemble dénombrable est au plus dénombrable.
– En vue de généraliser les sommes finies et les sommes de séries de réels positifs, on admet sans soulever
de difficulté qu’on sait associer à toute famille au plus dénombrable (x i )i 2I d’éléments de [0, +1] sa somme
X [ X X≥ X ¥
+1
x i 2 [0, +1], et que pour tout découpage en paquets I = I n de I , xi = xi .
i 2I n2N i 2I n=0 i 2I n
X
La famille (x i )i 2I d’éléments de [0, +1] est dite sommable si x i < 1. En pratique, dans le cas positif, les
i 2I
étudiants peuvent découper, calculer et majorer leurs sommes directement, la finitude de la somme valant preuve
de sommabilité.
– Une famille (x i )i 2I au plus dénombrable de nombres complexes est dite sommable si (|x i |)i 2I l’est. Pour I = N,
la sommabilité d’une suite équivaut à la convergence absolue de la série associée. Si |x i | … y i pour tout i 2 I , la
sommabilité de (y i )i 2I implique celle de (x i )i 2I .
En cas de sommabilité, les sommes se manipulent naturellement grâce aux propriétés suivantes : croissance,
linéarité, sommation par paquets, théorème de Fubini, produit de deux sommes.
B - Probabilités, variables aléatoires discrètes et lois usuelles
a) Univers, événements, variables aléatoires discrètes
Univers ≠, tribu A . Espace probabilisable (≠, A ). On se limite à la définition et à la stabilité par les opéra-
tions ensemblistes finies ou dénombrables.
Traduction de la réalisation des événements
\
+1
A n à l’aide des quantificateurs 9 et 8.
n=0
Événements. Généralisation du vocabulaire relatif aux événements in-
troduit en première année.
Une variable aléatoire discrète X est une application dé- L’univers ≠ n’est en général pas explicité.
finie sur ≠, telle que X (≠) est au plus dénombrable et,
pour tout x 2 X (≠), X °1 ({x}) est un événement. Notations (X = x), {X = x}, (X 2 A).
Notation (X x) (et analogues) lorsque X est à valeurs
réelles.

b) Probabilité
Probabilité sur (≠, A ), æ-additivité. Notation P (A).

Espace probabilisé (≠, A , P ).
Probabilité de la réunion ou de la différence de deux évé-
nements, de l’événement contraire.
Croissance de la probabilité.
Continuité croissante, continuité décroissante. Application : pour une suite (A n )n2N d’événements (non
nécessairement monotone), limites quand n tend vers
l’infini de
≥[n ¥ ≥\n ¥
P A k et P Ak .
k=0 k=0
≥ +1
[ ¥ +1
X P
Sous-additivité : P An … P (A n ). En cas de divergence de la série à termes positifs P (A n ),
n=0 n=0 on rappelle que
X
+1
P (A n ) = +1.
n=0
Événement presque sûr, événement négligeable. Système quasi-complet d’événements.
c) Probabilités conditionnelles
Si P (B ) > 0, la probabilité conditionnelle de A sachant B

P (A \ B )
est définie par la relation P (A|B ) = P B (A) = .
P (B )
L’application P B définit une probabilité.
Formule des probabilités composées.
Formule des probabilités totales. Si (A n )n 0 est un système complet ou quasi-complet
d’événements, alors
X
+1 X
+1
P (B ) = P (B \ A n ) = P (B |A n )P (A n )
n=0 n=0
On rappelle la convention P (B |A n )P (A n ) = 0 lorsque
P (A n ) = 0.
Formule de Bayes.
d) Loi d’une variable aléatoire discrète
Loi P X d’une variable aléatoire discrète. La probabilité P X est déterminée par la distribution de
probabilités (P (X = x))x2X (≠) .
On note X ª Y lorsque les variables X et Y suivent la
même loi, sans soulever de difficulté sur cette notation.
Variable aléatoire f (X ). On ne soulève aucune difficulté sur le fait que f (X ) est
Si X ª Y alors f (X ) ª f (Y ). une variable aléatoire.
Variable géométrique de paramètre p 2 ]0, 1[ : Notation X ª G (p).
§
8k 2 N , P (X = k) = p(1 ° p) k°1
. Relation P (X > k) = (1 ° p)k .
Interprétation comme rang du premier succès dans une
suite illimitée d’épreuves de Bernoulli indépendantes et
de même paramètre p.
Variable de Poisson de paramètre ∏ > 0 : Notation X ª P (∏).
∏k Interprétation en termes d’événements rares.
8k 2 N, P (X = k) = e°∏ .
k!
Couple de variables aléatoires discrètes. Un couple de variables aléatoires est une variable aléa-
toire à valeurs dans un produit.
Notation P (X = x, Y = y).
Loi conjointe, lois marginales. Extension aux n-uplets de variables aléatoires.
Loi conditionnelle de Y sachant un événement A.

e) Événements indépendants
Indépendance de deux événements. Si P (B ) > 0, l’indépendance de A et B équivaut à

P (A|B ) = P (A).
Indépendance d’une famille finie d’événements. L’indépendance deux à deux n’entraîne pas l’indépen-
dance.
Si A et B sont indépendants, A et B le sont aussi. Extension au cas de n événements.
f ) Variables aléatoires indépendantes
Deux variables aléatoires discrètes X et Y définies sur ≠ Notation X ? ?Y.

sont indépendantes si, pour tout A Ω X (≠) et B Ω Y (≠), De façon équivalente, la distribution de probabilités de
les événements (X 2 A) et (Y 2 B ) sont indépendants. (X , Y ) est donnée par
P (X = x, Y = y) = P (X = x)P (Y = y).
Extension au cas de n variables aléatoires.
Suites de variables aléatoires indépendantes, suites i.i.d. On ne soulève aucune difficulté quant à l’existence d’un
espace probabilisé portant une suite i.i.d.
Modélisation du jeu de pile ou face infini : suite i.i.d. de
variables de Bernoulli.
Fonctions de variables indépendantes : Extension au cas de plus de deux variables aléatoires.
si X ?? Y , alors f (X ) ? ? g (Y ).
Lemme des coalitions : Extension au cas de plus de deux coalitions.
si les variables aléatoires X 1 , . . . , X n sont indépendantes,
alors f (X 1 , . . . , X m ) et g (X m+1 , . . . , X n ) le sont aussi.
C - Espérance et variance
a) Espérance d’une variable aléatoire discrète réelle ou complexe
Espérance d’une variable aléatoire à valeurs dans [0, +1], On adopte la convention xP (X = x) = 0 lorsque x = +1
définie par X et P (X = +1) = 0.
E(X ) = xP (X = x).
x2X (≠)
° ¢
Variable aléatoire X à valeurs réelles ou complexes d’es- X est d’espérance finie si la famille xP (X = x) x2X (≠) est
pérance finie, espérance de X . sommable. Dans ce cas, la somme de cette famille est
l’espérance de X .
Variable centrée.
Pour X variable aléatoire à valeurs dans N [ {+1}, rela-
tion :
X
+1
E(X ) = P (X n).
n=1
Espérance d’une variable géométrique, de Poisson.

Formule de transfert : On remarque que la formule s’applique aux couples, aux
°f (X ) est d’espérance
¢ finie si et seulement si la famille n-uplets de variables aléatoires.
f (x)P (X = x) x2X (≠) est sommable. Dans ce cas :
≥ ¥ X
E f (X ) = f (x)P (X = x).
x2X (≠)
Linéarité de l’espérance.
Si |X | … Y et E(Y ) < +1, alors X est d’espérance finie.
Positivité, croissance de l’espérance.
Si X est positive et d’espérance nulle, alors (X = 0) est
presque sûr.

Pour X et Y deux variables aléatoires indépendantes d’es- Extension au cas de n variables aléatoires.
pérance finie, alors X Y est d’espérance finie et :
E(X Y ) = E(X ) E(Y ).
b) Variance d’une variable aléatoire discrète réelle, écart type et covariance
Si X 2 est d’espérance finie, X est d’espérance finie.

Inégalité de Cauchy-Schwarz :
si X 2 et Y 2 sont d’espérance finie, alors X Y l’est aussi et :
E(X Y )2 … E(X 2 ) E(Y 2 ) Cas d’égalité.
Variance, écart type. Notations V(X ), æ(X ).

Variable réduite.
Relation V(X ) = E(X 2 ) ° E(X )2 .
X ° E(X )
Relation V(a X + b) = a 2 V(X ). Si æ(X ) > 0, la variable est centrée réduite.
æ(X )
Variance d’une variable géométrique, de Poisson.
Covariance de deux variables aléatoires.
Relation Cov(X , Y ) = E(X Y ) ° E(X ) E(Y ), cas de deux va-
riables indépendantes.
Variance d’une somme finie, cas de variables deux à deux
indépendantes.
c) Fonctions génératrices
Fonction génératrice de la variable aléatoire X à valeurs La série entière définissant G X est de rayon 1 et
dans N : converge normalement sur [°1, 1]. Continuité de G X .
° ¢ +1 X Les étudiants doivent savoir calculer rapidement la fonc-
G X (t ) = E t X = P (X = n)t n .
n=0
tion génératrice d’une variable aléatoire de Bernoulli, bi-
nomiale, géométrique, de Poisson.
La loi d’une variable aléatoire X à valeurs dans N est ca-
ractérisée par sa fonction génératrice G X .
La variable aléatoire X est d’espérance finie si et seule- La démonstration de la réciproque n’est pas exigible.
ment si G X est dérivable en 1 ; dans ce cas E(X ) = G X 0 (1). Utilisation de G X pour calculer E(X ) et V(X ).
Fonction génératrice d’une somme de deux variables Extension au cas d’une somme finie de variables aléa-
aléatoires indépendantes à valeurs dans N. toires indépendantes.
d) Inégalités probabilistes
Inégalité de Markov.
Inégalité de Bienaymé-Tchebychev.
Loi faible des grands nombres : Loi faible des grands nombres :
si (X n )n 1 est une suite i.i.d. de variables aléatoires de si (X n )n 1 est une suite i.i.d. de variables aléatoires de
Xn
variance finie, alors, pour tout " > 0,
variance finie, alors en notant S n = X k et m = E(X 1 ),
µØ Ø ∂
k=1 Ø Sn Ø
pour tout " > 0 :
Ø P ØØ ° m ØØ " °! 0,
µØ ∂ n n!1
Ø Sn Ø
P ØØ ° m ØØ " °°°°°! 0. Xn
n n!+1
où S n = X k et m = E(X 1 ).
k=1
Les étudiants doivent savoir retrouver, avec æ = æ(X 1 ) :
µØ Ø ∂
Ø Sn Ø æ2
P ØØ ° m ØØ " … .
n n"2

Calcul différentiel
A - Équations différentielles linéaires scalaires
Équation différentielle scalaire d’ordre 2 à coefficients

continus y 00 + a(t )y 0 + b(t )y = c(t ).
Forme des solutions : somme d’une solution particulière La résolution explicite de l’équation différentielle doit
et de la solution générale de l’équation homogène. comporter des indications.
Théorème de Cauchy linéaire : existence et unicité de la
solution d’un problème de Cauchy.
Espace vectoriel des solutions de l’équation homogène, Exemples d’utilisation de développements en série en-
dimension. tière pour la recherche de solutions.
B - Dérivabilité des fonctions vectorielles
L’objectif de cette section est de généraliser aux fonctions à valeurs dans Rn la notion de dérivée d’une fonction numérique.
Toutes les fonctions sont définies sur un intervalle I de R et à valeurs dans Rn .
Interprétation d’une fonction à valeurs dans Rn comme L’étude et le tracé d’arcs paramétrés sont hors pro-
courbe paramétrée. gramme.
Dérivabilité en un point. Définition par le taux d’accroissement, caractérisation

Dérivabilité sur un intervalle. par le développement limité d’ordre un.
Traduction par les coordonnées dans la base canonique.
Interprétation cinématique.
Combinaison linéaire de fonctions dérivables.

Dérivée de L( f ), où L est linéaire et f à valeurs dans Rn .
Dérivée de B ( f , g ), où B est bilinéaire, de M ( f 1 , . . . , f p ), où La démonstration n’est pas exigible.
M est p-linéaire, et f , g , f 1 , . . . , f p à valeurs vectorielles. Application au produit scalaire et au déterminant.
Dérivée de f ± ' où ' est à valeurs réelles et f à valeurs
vectorielles.
Fonction de classe C k , de classe C 1 sur un intervalle.

C - Fonctions de plusieurs variables
Les dérivées partielles d’une fonction numérique définie sur un ouvert de R2 ont été introduites en première année.
L’objectif de cette section est d’approfondir et de généraliser cette étude aux fonctions de p 2 variables.
L’étude d’une fonction de Rp dans Rn se ramenant à celle de ses coordonnées, cette section se consacre à l’étude des
fonctions de Rp dans R. Elle est axée sur la mise en place d’outils permettant de traiter des applications du calcul
différentiel à l’analyse et la géométrie. On se limite en pratique au cas p = 2 ou p = 3.
a) Fonctions de classe C 1
Dérivée en un point selon un vecteur. Notation D v f (a).

@f
Dérivées partielles d’ordre 1 en un point d’une fonction Notation (a). On peut aussi utiliser @i f (a).
@x i
définie sur un ouvert ≠ de Rp à valeurs dans R.
Une fonction est dite de classe C 1 sur ≠ si ses dérivées
partielles d’ordre 1 existent et sont continues sur ≠.
Opérations sur les fonctions de classe C 1 .
Une fonction de classe C 1 sur ≠ admet en tout point a La démonstration n’est pas exigible.
de ≠ un développement limité d’ordre 1. Une fonction de classe C 1 sur ≠ est continue sur ≠.
Différentielle de f en a. Elle est définie comme la forme linéaire sur Rp :
X p
@f
d f (a) : (h 1 , . . . , h p ) 7! (a) h i .
i =1 @x i
Notation d f (a) · h.
b) Règle de la chaîne
° ¢
Dérivée de t 7! f x 1 (t ), . . . , x p (t ) . Interprétation géométrique.
Application au calcul des dérivées partielles de : En pratique, on se limite à n … 3 et p … 3.
° ¢
(u 1 , . . . , u n ) 7! f x 1 (u 1 , . . . , u n ), . . . , x p (u 1 , . . . , u n ) . Les étudiants doivent connaître le cas particulier des co-
ordonnées polaires.
Caractérisation des fonctions constantes sur un ouvert
convexe.
c) Gradient
Dans Rp muni de sa structure euclidienne canonique, Le gradient est défini par la relation d f (a) · h = hr f (a), hi
gradient d’une fonction de classe C 1 . pour h 2 Rp .
Coordonnées du gradient. Notation r f (a).
d) Applications géométriques
Courbe du plan définie par une équation f (x, y) = 0 où Lignes de niveau de f .

f est de classe C 1 .
Point régulier. Le gradient est normal à la tangente en un On admet que la courbe admet un paramétrage local de
point régulier. classe C 1 .
Détermination d’une équation de la tangente en un point
régulier.
Lorsqu’il est non nul, le gradient de f est orthogonal aux
lignes de niveau et orienté dans le sens des valeurs crois-
santes de f .
Surface définie par une équation f (x, y, z) = 0 où f est de
classe C 1 .
Point régulier. Le plan tangent en un point régulier est
défini comme orthogonal au gradient.
Courbe tracée sur une surface. Dans le cas d’une courbe régulière, la tangente à la courbe
est incluse dans le plan tangent à la surface.

e) Fonctions de classe C 2
@2 f
Dérivées partielles d’ordre 2 d’une fonction définie sur Notations .
@x i @x j
un ouvert de Rp à valeurs dans R.
Fonction de classe C 2 sur un ouvert de Rp .
Théorème de Schwarz. La démonstration est hors programme.
Matrice hessienne en un point a d’une fonction de Notation H f (a).
classe C 2 sur un ouvert de Rp à valeurs dans R.
Formule de Taylor-Young à l’ordre 2 : La démonstration est hors programme.
>
f (a + h) = f (a) + r f (a) h + 1 > 2 Expression en termes de produit scalaire.
h!0 2h Hf (a)h + o(khk ).
f ) Extremums d’une fonction de Rp dans R
Extremum local, global.

Point critique d’une application de classe C 1 .
Si une fonction de classe C 1 sur un ouvert de Rp admet
un extremum local en un point a, alors a est un point
critique.
Si f est une fonction de classe C 2 sur un ouvert de Rp et Adaptation à l’étude d’un maximum local.
a un point critique de f : Explicitation pour p = 2 (trace et déterminant).
– si H f (a) 2 S p++ (R), alors f atteint un minimum lo-
cal strict en a ;
– si H f (a) › S p+ (R), alors f n’a pas de minimum en a.
Exemples de recherche d’extremums globaux sur une

partie de Rp .


Psi Maths

Transféré par

Droits d'auteur :

Formats disponibles

Psi Maths

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Psi Maths

Transféré par

Droits d'auteur :

Formats disponibles

Classes préparatoires aux grandes écoles

Voie Physique et sciences de l’ingénieur (PSI)

© Ministère de l’enseignement supérieur, de la recherche et de l’innovation, 2021 Mathématiques PSI

Table des matières

© Ministère de l’Enseignement supérieur, de la Recherche et de l’Innovation, 2021 Mathématiques PSI

Description et prise en compte des compétences

© Ministère de l’Enseignement supérieur, de la Recherche et de l’Innovation, 2021 Mathématiques PSI

Unité de la formation scientifique

© Ministère de l’Enseignement supérieur, de la Recherche et de l’Innovation, 2021 Mathématiques PSI

© Ministère de l’Enseignement supérieur, de la Recherche et de l’Innovation, 2021 Mathématiques PSI

© Ministère de l’Enseignement supérieur, de la Recherche et de l’Innovation, 2021 Mathématiques PSI

Le programme est organisé autour de trois objectifs :

a) Produit d’espaces vectoriels, somme de sous-espaces vectoriels

Produit d’un nombre fini d’espaces vectoriels ; dimension

b) Matrices par blocs et sous-espaces stables

Matrices définies par blocs, opérations par blocs de tailles

Trace d’une matrice carrée. Notation tr(A).

d) Polynômes d’endomorphismes et de matrices carrées

© Ministère de l’Enseignement supérieur, de la Recherche et de l’Innovation, 2021 Mathématiques PSI

C ONTENUS C APACITÉS & COMMENTAIRES

Droite stable par un endomorphisme.

c) Diagonalisation en dimension finie

© Ministère de l’Enseignement supérieur, de la Recherche et de l’Innovation, 2021 Mathématiques PSI

Un endomorphisme est diagonalisable si et seulement s’il La démonstration n’est pas exigible.

e) Trigonalisation en dimension finie

Espaces préhilbertiens réels, espaces euclidiens

C ONTENUS C APACITÉS & COMMENTAIRES

a) Produit scalaire et norme associée

Produit scalaire. Notations hx, yi, (x|y), x · y.

Vecteurs orthogonaux, sous-espaces orthogonaux, ortho- Notation F ? .

© Ministère de l’Enseignement supérieur, de la Recherche et de l’Innovation, 2021 Mathématiques PSI

Existence de bases orthonormées dans un espace eucli-

d) Projection orthogonale sur un sous-espace de dimension finie

Supplémentaire orthogonal d’un sous-espace de dimen- Dimension de F ? en dimension finie.

e) Formes linéaires sur un espace euclidien

B - Endomorphismes d’un espace euclidien

Cette section vise les objectifs suivants :

C ONTENUS C APACITÉS & COMMENTAIRES

a) Isométries vectorielles d’un espace euclidien

© Ministère de l’Enseignement supérieur, de la Recherche et de l’Innovation, 2021 Mathématiques PSI

c) Espace euclidien orienté de dimension 2 ou 3

d) Isométries vectorielles d’un plan euclidien

Description des matrices de O2 (R), de SO2 (R). Commutativité de SO2 (R).

e) Isométries d’un espace euclidien de dimension 3

Description des matrices de SO3 (R).

f ) Réduction des endomorphismes autoadjoints et des matrices symétriques réelles

Endomorphisme autoadjoint d’un espace euclidien. Notation S (E ).

© Ministère de l’Enseignement supérieur, de la Recherche et de l’Innovation, 2021 Mathématiques PSI

C ONTENUS C APACITÉS & COMMENTAIRES

Norme sur un espace vectoriel réel ou complexe. Normes usuelles k k1 , k k2 et k k1 sur Kn .

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

c) Comparaison des normes

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

d) Topologie d’un espace vectoriel normé

Point intérieur à une partie.

© Ministère de l’Enseignement supérieur, de la Recherche et de l’Innovation, 2021 Mathématiques PSI

e) Limite et continuité en un point

Limite d’une fonction en un point adhérent à son do- Caractérisation séquentielle.

f ) Continuité sur une partie