RAPPORT DU CONCOURS D’AGREGATION DE

MATHEMATIQUES
SESSION : 2020

Sous la responsabilité du président du jury du concours :

Pr. Youssef OUKNINE
AGREGATION DE MATHEMATIQUES
MAROCAINE SESSION 2020

RAPPORT DU JURY PRÉSENTÉ PAR :

Professeur Ouknine Youssef : Président du jury
Université Cadi Ayyad
Faculté des Sciences Semlalia
e–mail: ouknine@uca.ma
Table des Matières

1 Composition du jury 5
1.1 Directoire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2 Jury . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2.1 Analyse et Probabilités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2.2 Algèbre et Géométrie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2.3 Modélisation et Calcul Scientifique . . . . . . . . . . . . . . . . . . . . . . . 5

2 Introduction 7

3 Déroulement du concours et statistiques 9

3.1 Déroulement de la session 2020 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
3.2 Résultats généraux ...................................................................................................................11

4 Sommaires sur les notes obtenues 15

4.1 Répartition des notes des épreuves écrites .............................................................................15
4.1.1 Répartition des candidats admissibles selon le genre ...............................................15
4.1.2 Répartition des notes des épreuves écrites ................................................................15
4.2 Répartition des notes des épreuves orales ..............................................................................16
4.2.1 Bilan des épreuves écrites et comparaison : de 2016 à 2020 ...................................16
4.2.2 Bilan des épreuves orales et comparaison : de 2016 à 2020 ....................................17
4.3 Evolution du nombre de candidats ..................................................................................... 17

5 Déroulement des épreuves orales 19

5.1 Modalités pratiques ..................................................................................................................19
5.1.1 Oral 1: Epreuve d’algèbre et géométrie .....................................................................19
5.1.2 Oral 2 : Epreuve d’analyse et probabilités ................................................................20
5.1.3 Oral 3 : Epreuve de modélisation et calcul scientifique : .........................................21
5.2 Remarques des commissions des épreuves orales ...................................................................22
5.2.1 Remarques de la commission d’Algèbre et Géométrie ..............................................22
5.2.2 Remarques de la commission de Modélisation et Calcul Scientifique .....................23
5.2.3 Remarques de la commission d’Analyse et Probabilités ..........................................24

6 Listes des leçons 27

6.1 Liste des leçons d’Algèbre et Géométrie .................................................................................27
6.2 Liste des Leçons d’Analyse et Probabilités ............................................................................29
6.3 Liste des leçons de modélisation et calcul scientifique ..........................................................31
3

7 Textes de l’épreuve de modélisation 33

7.1 Texte 1 de l’épreuve de modélisation ......................................................................................34
7.1.1 Introduction, l’image numérique .................................................................................34
 7.1.2 Analyse élémentaire de l’image numérique ................................................................35
7.1.3 Compression d’image numérique par SVD ................................................................35
7.1.4 Extrait d’un sujet de concours CPGE sur la SVD............................................... 36
7.1.5 Indications pour le traitement d’images avec des logiciels mathématiques ............38
7.1.6 Suggestions de développement ....................................................................................38
7.2 Texte 2 de l’épreuve de modélisation ......................................................................................39
7.2.1 Le problème de Dirichlet .............................................................................................40
7.2.2 Méthodes numériques de résolution ...........................................................................41
7.2.3 Un extrait de sujet posé en concours CPGE .............................................................42
7.2.4 Suggestions de développement ....................................................................................43
7.3 Texte 3 de l’épreuve de modélisation ......................................................................................44
7.3.1 Introduction, modélisation de gestion de stock .........................................................44
7.3.2 Données pour comparaison de stratégies de stock ....................................................45
7.3.3 Quelques outils probabilistes ....................................................................................... 45
7.3.4 Outils informatiques...................................................................................................... 46
7.3.5 Suggestions de développement ....................................................................................47

8 Programme du concours de l’agrégation - Session 2020 49

8.1 Algèbre linéaire .........................................................................................................................49
8.1.1 Espaces vectoriels ......................................................................................................... 49
8.1.2 Espaces vectoriels de dimension finie ......................................................................... 49
8.2 Groupes..................................................................................................................................... 50
8.3 Groupes Anneaux, corps et polynômes .................................................................................51
8.4 Formes bilinéaires et quadratiques sur un espace vectoriel ..................................................51
8.5 Géométrie affine et euclidienne ...............................................................................................52
8.6 Analyse à une variable réelle ...................................................................................................52
8.6.1 Nombres réels ................................................................................................................52
8.6.2 Séries numériques .........................................................................................................53
8.6.3 Fonctions définies sur une partie de R et à valeurs réelles .......................................53
8.6.4 Fonctions usuelles ......................................................................................................... 53
8.6.5 Intégration .....................................................................................................................53
8.6.6 Suites et séries de fonctions .........................................................................................53
8.6.7 Convexité ......................................................................................................................53
8.7 Analyse à une variable complexe .............................................................................................54
8.7.1 Séries entières ................................................................................................................54
8.7.2 Fonctions d’une variable complexe.............................................................................. 54
8.8 Topologie.................................................................................................................................... 54
8.8.1 Topologie et espaces métriques ...................................................................................54
8.8.2 Espaces vectoriels normés sur R ou C ...................................................................................... 54
8.8.3 Espaces de Hilbert ................................................................................................... 55
8.9 Calcul différentiel ......................................................................................................................55
8.9.1 Fonctions différentiables ..............................................................................................55

AGREGATION DE MATHEMATIQUES MAROCAINE SESSION 2018 5

8.9.2 Équations différentielles— ...........................................................................................55

8.9.3 Géométrie différentielle ................................................................................................56
8.10 Calcul intégral ...........................................................................................................................56
8.10.1 Notions de théorie de la mesure .................................................................................56
 8.10.2 Intégration .....................................................................................................................56
8.10.3 Analyse de Fourier ................................................................................................... 56
8.11 Probabilités ...............................................................................................................................57
8.11.1 Définition d’un espace probabilisé ..............................................................................57
8.11.2 Variables aléatoires, loi d’une variable aléatoire .......................................................57
8.11.3 Convergences de suites de variables aléatoires ..........................................................57
8.12 Distributions ........................................................................................................................ 57
8.12.1 Espaces S(Rd) et SJ(Rd) ....................................................................................... 57
8.12.2 Applications .............................................................................................................. 57
8.13 Méthodes numériques ..............................................................................................................58
8.13.1 Résolution de systèmes d’équations linéaires ............................................................58
8.13.2 Méthodes itératives de résolution approchée d’équations réelles et vecto- rielles 58
8.13.3 Intégration numérique ..................................................................................................58
8.13.4 Approximation de fonctions numériques ....................................................................58
8.13.5 Transformée de Fourier ................................................................................................58

9 Annexe : Sujets du concours 59

9.1 Épreuve écrite de mathématiques générales ...........................................................................59
9.2 Épreuve écrite d’analyse et probabilités .................................................................................70
6 AGREGATION DE MATHEMATIQUES
Chapitre 1

Composition du jury

1.1 Directoire
Ouknine Youssef Professeur de l’Enseignement Supérieur Marrakech
Ouassou Idir Professeur de l’Enseignement Supérieur Marrakech

1.2 Jury
1.2.1 Analyse et Probabilités
1. Bakhouch Brahim
2. Chaira Abdellatif
3. Erraoui Mohamed
4. Taibi Mimoune

1.2.2 Algèbre et Géométrie

1. Hajmi Said
2. Oukacha Diyer
3. Sadik Brahim
4. Zguiti Hassan

1.2.3 Modélisation et Calcul Scientifique

1. Elkahoui M’hammed
2. Boujiada SADIK
3. Maarouf Hamid
4. Nasroallah Abdelaziz

7
8 AGREGATION DE MATHEMATIQUES
Chapitre 2

Introduction

La session 2020 a été caractérisée par la crise sanitaire mondiale COVID-19. Les épreuves écrites
d’admissibilité étaient prévues les 19 et 20 Mars 2020 mais les mesures de confinement imposées
par la pandémie ont poussé au report des épreuves écrites selon le calendrier suivant :

• le 24 Juin 2020 pour l’épreuve de mathématiques générales,

• le 25 Juin 2020 pour l’épreuve d’analyse et probabilités.

La session 2020 du concours d’agrégation de mathématiques a été caractérisée par l’enrichissement

du comité de Modélisation et calcul scientifique par un nouveau membre . Suite aux précédentes ses-
sions, elle est ouverte aux agrégatifs de la deuxième année du cycle de préparation à l’agrégation in-
staurée aux C.R.M.E.F du Royaume et aux candidats libres titulaires d’un Master da mathématiques
ou équivalent. Elle entre aussi dans le cadre de la réforme de l’épreuve de Modélisation et Calcul Sci-
entifique depuis l’année 2015. Ainsi l’année 2020 est considérée comme la sixième année de transition
pendant laquelle nous avons fait cohabiter textes et leçons : Contrairement à leurs prédécesseurs,
les candidats qui ont subi les épreuves orales du concours ont été confrontés à une nouvelle épreuve
de modélisation qui comprenait deux éléments, à savoir le choix d’une leçon, dans la pure tradition
du concours ou le choix d’un texte.

Au terme de la préparation, les candidats subissent à Rabat, comme leurs pairs en France, les
mêmes épreuves de l’écrit, sous la présidence d’un jury français et en présence de représentants
marocains.
Les épreuves sont ensuite envoyées en France pour correction. L’opération de déchiffrage des
résultats se fait en France en présence du président du jury marocain. Une réunion du jury maro-
cain est tenue à Rabat pour la déclaration des candidats admissibles. Ensuite, les candidats retenus
doivent passer l’oral devant le jury marocain, à qui revient le dernier mot en ce qui concerne
l’admission.

Le nombre de postes offerts par le ministère pour la session 2020 du concours de l’agrégation de
mathématiques marocaine a augmenté : 50 postes (contre 45 en 2019). Pour les inscrits au concours
de la session 2020, une baisse a été enregistrée par rapport à l’année 2019 :

• le nombre de candidats inscrits était de 182 (contre 191 en 2019), ce qui correspond à une
baisse d’environ 9 %

9
10 AGREGATION DE MATHEMATIQUES

• le nombre de candidats ayant composé aux deux épreuves écrites d’agrégation était de 125,

• 64 candidats ont été déclarés admissibles (contre 65 en 2019) et leur moyenne était de 7,65/20
(contre 8,28/20 en 2019), le dernier admissible ayant 5/20 (contre 6,75/20 en 2019).

• 29 candidats (contre 23 en 2019) ont été déclarés admis et leur moyenne était de 10,50/20
(10,87/20 en 2019).

Le jury souligne qu’il y avait des candidats ingénieurs d’état parmi les candidats officiels des sessions
2017, 2018, 2019 et 2020. De même cette année il y a assez de candidats libres. Certains d’entre
eux sont en première année de la formation C.R.M.E.F.

Ce rapport du jury se veut formatif, son objectif est d’aider les candidats à préparer les examens
de la session 2021.
Nous espérons que les conseils apportés dans ce rapport permettront aux futurs candidats de se
préparer comme il se doit à cette épreuve.

En ce qui concerne le déroulement du concours, je tiens à remercier vivement, pour le soutien moral
et matériel :

1. L’ensemble de mes collègues membres du jury.

2. Le Centre National des Innovations Pédagogiques et de l’Expérimentation.

3. L’Unité Centrale de la Formation des Cadres.

4. La direction du C.R.M.E.F de Rabat.

Ces équipes n’ont épargné aucun effort pour la réussite et le bon déroulement de ce concours,
notamment dans les conditions de confinement dû à la pandémie COVID-19.
Chapitre 3

Déroulement du concours et statistiques

3.1 Déroulement de la session 2020

Déroulement des épreuves écrites
Les épreuves écrites d’admissibilité étaient prévues les 19 et 20 Mars 2020. Les mesures de confine-
ment de COVID-19 ont conduit au calendrier suivant :
• le 24 Juin 2020 pour l’épreuve de mathématiques générales (voir l’Annexe),
• le 25 Juin 2020 pour l’épreuve d’analyse et probabilités (voir l’Annexe),
Les délibérations pour l’admissibilité (pour tous les candidats français, marocains et tunisiens)
ont eu lieu 23 Juillet 2020 sous la présidence du président du jury de l’agrégation externe de
mathématiques française et des deux présidents de l’agrégation marociane et tunisienne. La liste
d’admissibilité a été publiée le vendredi 24 Juillet 2020.
Rappelons que le concours fait l’objet de conventions internationales qui lient le Maroc, la France
et la Tunisie : les sujets d’écrit servent aussi pour l’admissibilité aux agrégations de mathématiques
en France et en Tunisie ; la barre d’admissibilité pour les étudiants du Maroc est au moins
égale à celle de la barre fixée par le jury français.

Les candidats admissibles ont reçu une convocation, indiquant les neuf jours, du dimanche 26
Juillet 2020 au mardi 28 Juillet 2020 et du mardi 4 Aout 2020 au dimanche 9 Aout 2020, de passage
prévus pour leurs épreuves d’admission. Toutefois, pour connaı̂tre les horaires précis
d’interrogation, il fallait se connecter sur le site sécurisé de l’agrégation de mathématiques, en
indiquant son numéro de candidat : cette procédure permet de s’assurer de la volonté de participer
aux épreuves. L’application a été fermée, comme les années passées, la veille du début des oraux.
Les candidats qui n’avaient pas édité leurs horaires étaient, par défaut, invités à se présenter à
6h30 le premier jour de leur convocation sur les lieux du concours, sous peine d’être déclarés non
présents. Cette procédure sera reconduite l’an prochain.

Le concours de l’agrégation a pour vocation de recruter des professeurs agrégés destinés à ex-
ercer dans l’enseignement secondaire (lycées d’enseignement général et technologique) ou dans
l’enseignement supérieur (grandes écoles, classes préparatoires aux grandes écoles). Le jury estime
donc que le niveau visé doit permettre au professeur agrégé d’intervenir sereinement et efficacement
sur le créneau bac +3 ; cet objectif calibre la conception du programme et les critères d’évaluation.

11
12 AGREGATION DE MATHEMATIQUES

Déroulement des épreuves orales

Les épeuves d’admission se sont déroulées du dimanche 26 Juillet 2020 au mardi 28 Juillet 2020
et du mardi 4 Aout 2020 au dimanche 9 Aout 2020. La liste d’admission a été publiée le lundi 10
Aout 2020. Le jury et les candidats y ont trouvé d’excellentes conditions de travail et ont profité
d’un accueil chaleureux et dévoué.

Les oraux de l’agrégation sont constitués de trois épreuves :

• Analyse et probabilités ;

• Algèbre et géométrie ;

• Modélisation et calcul scientifique

Samedi 25 Juillet 2020 à partir de 14h00 au CRMEF, Rabat

• Réunion d’accueil présidée par M. OUKNINE, président du jury ;

• Préparation des couplages et mise sous enveloppes ;

• Elaboration du planning de préparation et de passage des candidats par épreuve ;

• Validation, par les candidats, du planning anonyme de passage par épreuve ;

• Tirage au sort de l’ordre de passage des candidats vers 16h 15 mn;

• Tirage au sort par les candidats des enveloppes contenant les sujets des différentes épreuves
vers 17h ;

• Inspection, par les membres du jury, de la bibliothèque et de la salle d’informatique, et contrôle

des ouvrages apportés par les candidats à partir de 17h30 mn.

Remarque 3.1.1

• Il est rappelé que pendant la préparation, le candidat peut utiliser les ouvrages qui se trouvent
sur place à la bibliothèque du CPAM. Il peut également utiliser les ouvrages de référence qu’il
peut lui même apporter. Ces ouvrages ne doivent pas comporter de notes manuscrites et
doivent être remis à l’administration la veille du commencement du concours, afin que le jury
puisse les contrôler avant d’autoriser leur utilisation. Ainsi, après enregistrement, ils seront
mis à la disposition de tous les candidats.

• la saisie des notes se fait au fur et à mesure du déroulement des épreuves.

 AGREGATION DE MATHEMATIQUES MAROCAINE SESSION 2018 13

Du dimanche 26 Juillet 2020 au mardi 28 Juillet 2020 et du mardi 4 Aout 2020 au

dimanche 9 Aout 2020: Déroulement des épreuves orales ;
Lundi 10 Aout 2020 de 09 h à 12 h : délibérations Lundi
10 Aout 2020 à 09 h : proclamation des résultats.
La réunion habituelle du jury avec les formateurs des C.R.E.M.F n’a pas eu lieu à
cause de la pandémie.

3.2 Résultats généraux

Candidats marocains inscrits pour les épreuves écrites 182
Postes mis au concours 50
Candidats marocains présents à toutes les épreuves écrites 125
Candidats eliminés 0
Candidats admissibles 64
Candidats admis 29

Tableau 1 - Résultats généraux de la session 2020

Candidats admis :
Liste des candidats admis par ordre alphabétique et la liste des candidats admis et proposés par le
jury pour effectuer un stage probatoire en CPGE.
14 AGREGATION DE MATHEMATIQUES

Résultat du concours national de l'agrégation de

mathématiques Session 2020
Liste des admis par ordre alphabétique

N° Nom Prènom Décision finale du jury

1 ADRAT HAMZA Admis

2 AGHZER ISSAM Admis
3 ARRAJI AYOUB Admis
4 BAHMANE FAISSAL Admis
5 BOUKHRI ISSAM Admis
6 BOURASS ACHRAF Admis
7 BOURZIK CHARIF Admis
8 CHADAD OMAR Admis
9 EL BAKILI DRISS Admis
10 EL HOUMAIDI YOUNESS Admis
11 EL KADIOUI YOUNESS Admis
12 EL MOURABIT ABDELGHAFOUR Admis
13 ELFATHI IZDDIN Admis
14 EZZINE AYOUB Admis
15 HASNAOUI ABDELHAK Admis
16 HDACH YASSINE Admis
17 ID HAISSOUNE MOHAMED Admis
18 IDRISSI ABDELATIF Admis
19 IJJOUK MALIKA Admis
20 JAWAD ABDESSAMAD Admis
21 KABBOUCH OUSSAMA Admis
22 NAOUM KHAWLA Admis
23 SABIRI BRAHIM Admis
24 SOUHMANE SALAH EDDINE Admis
25 STAILI YASSIN Admis
26 STAILI LAHOUCINE Admis
27 TAOUFIK SAFOUANE Admis
28 ZAHIR ALAEDDINE Admis
29 ZAIDNI AZEDDINE Admis

Nombre total de candidats déclarés admis : Vingt neuf ( 29)

AGREGATION DE MATHEMATIQUES MAROCAINE SESSION 2018 15

Résultat du concours national

de l'agrégation de mathématiques
Session 2020
Candidats admis et proposés pour effectuer un stage probatoire en CPGE

Ordre Nom Prénoms Décision du jury

1 ELFATHI IZDDIN Admis

2 STAILI YASSIN Admis

3 SOUHMANE SALAH EDDINE Admis

4 HDACH YASSINE Admis

5 BOURASS ACHRAF Admis

6 ZAIDNI AZEDDINE Admis

7 IJJOUK MALIKA Admis

8 HASNAOUI ABDELHAK Admis

9 EL KADIOUI YOUNESS Admis

10 SABIRI BRAHIM Admis

11 KABBOUCH OUSSAMA Admis

Candidats proposés pour effectuer un stage probatoire en CPGE : Onze ( 11)

16 AGREGATION DE MATHEMATIQUES
Chapitre 4

Sommaires sur les notes obtenues

4.1 Répartition des notes des épreuves écrites

Nous adoptons les abréviations suivantes :

• AP : Analyse et Probabilités

• MG : Mathématiques générales

4.1.1 Répartition des candidats admissibles selon le genre

Parmi les candidats admissibles on trouve :

Sexe Nombre Pourcentage

Femme 5 7,81%
Hommes 59 92,19%

Répartition des admissibles selon le genre

4.1.2 Répartition des notes des épreuves écrites

Le jury de l’agrégation de mathématiques avait fixé la barre d’admissibilité à 40/160.
On présente ci-dessous les caractéristiques descriptives de chaque épreuve écrite.

Epreuve Minimum Maximum Moyenne Ecart-type la médiane

Mathématiques générales (note sur 20) 2,25 15 6,87 2,77 6,62
Analyse et probabilités (note sur 20) 3 16 8,42 2,93 8,46
Total écrit (note sur 40) 10 27,25 15,36 4,56 14

Les caractéristiques descriptives des notes à l’épreuve écrite

17
18 AGREGATION DE MATHEMATIQUES

4.2 Répartition des notes des épreuves orales

Nous adoptons les abréviations suivantes :

• AG : Algèbre et Géométrie

• AP : Analyse et Probabilités

• MCS : Modélisation et Calcul Scientifique

On présente ci-dessous les caractéristiques descriptives de chaque épreuve orale.

Epreuve Minimum Maximum Moyenne Ecart-type la médiane

Algèbre et géométrie (notes sur 80) 16 58 34,90 12,54 34
Analyse et probabilités (notes sur 80) 20 62 41,06 9,97 41
Modélisation et calcul scientifique (/80) 13 61 34,88 13,18 34
Total oral (note sur 240) 53 178 110,84 28,87

Les caractéristiques descriptives des notes à l’épreuve orale

4.2.1 Bilan des épreuves écrites et comparaison : de 2016 à 2020

Effectifs détaillés des candidats aux épreuves écrites de 2016 à 2020

Année 2016 2017 2018 2019 2020

Epreuve MG AP MG AP MG AP MG AP MG AP
Inscrits 60 60 117 117 170 170 191 191 182 182
Présents 47 47 65 65 107 107 128 128 125 125
Absents 13 13 52 52 63 63 63 63 57 57
Note moyenne sur 20 9,82 8,79 5,47 6,50 6,8 7,64 6,5 7 6,88 8,42

La moyenne générale, des épreuves écrites par matières, des candidats marocains ad-
missibles est comme suit :
Année 2016 2017 2018 2019 2020
Nombre d’admis 25 43 70 65 64
Epreuve MG AP MG AP MG AP MG AP MG AP
Moyenne sur 20 7,37 7,73 9,82 8,79 7,28 8,14 6,8 7,64 6,88 8,42

La moyenne générale des épreuves écrites des candidats marocains admissibles est
comme suit :
Année 2016 2017 2018 2019 2020
Admissibles 25 43 70 65 64
Moyenne des épreuves sur 20 8,30 7,71 7,22 7,55 7,65
 AGREGATION DE MATHEMATIQUES MAROCAINE SESSION 2018 19

4.2.2 Bilan des épreuves orales et comparaison : de 2016 à 2020

La moyenne générale des épreuves orales par matière des candidats admissibles est
comme suit :

Année 2016 2017 2018 2019 2020

Epreuve MCS AG AP MCS AG AP MCS AG AP MCS AG AP MCS AG AP
Présents 15 25 25 25 43 43 43 63 63 63 61 61 61 60 59
Moyenne 35,8 47,44 44,4 31,4 40,87 34,10 31,4 44,49 35,16 34,73 35,55 39,95 34,68 35,59 41,19

La moyenne générale des épreuves orales des candidats admissibles est comme suit:

Année 2015 2016 2017 2018 2019 2020

Admissibles 16 25 38 63 65 64
Moyenne des épreuves sur 80 41,15 41,08 35,45 38,126 36,80 37,15

La moyenne générale des épreuves orales par matière des candidats admis est comme
suit :

Année 2016 2017 2018 2019 2020

Nombre 17 15 20 23 29
d’admis
Epreuve AG AP MCS AG AP MCS AG AP MCS AG AP MCS AG AP MCS
Moyenne 53,12 51,65 37 53,07 49,27 40,07 56,2 42,8 49,3 46,17 47,74 50,30 44,48 46,14 45,69
sur 80

La moyenne générale des candidats admis est comme suit :

Année 2014 2015 2016 2017 2018 2019 2020

Admis 07 09 17 15 20 23 29
Moyenne des épreuves sur 80 45,09 46,81 44,29 47,47 42,72 43,48 45,44

4.3 Evolution du nombre de candidats

Tableau récapitulatif des candidats admis à l’agrégation de mathématiques depuis la création de

l’agrégation
20 AGREGATION DE MATHEMATIQUES

Année Nombre de Nombre de Nombre de

Candidats Marocains Candidats Admissibles Candidats Admis
1988 8 7 3
1989 17 17 10
1990 29 23 16
1991 28 27 21
1992 27 27 24
1993 24 22 19
1994 24 22 19
1995 32 24 20
1996 36 22 20
1997 22 15 15
1998 28 11 11
1999 34 20 18
2000 37 14 13
2001 44 21 16
2002 38 22 16
2003 37 28 18
2004 34 28 14
2005 25 20 11
2006 38 15 08
2007 55 11 08
2008 64 25 16
2009 39 17 13
2010 28 03 02
2011 35 13 04
2012 77 15 06
2013 63 20 11
2014 61 14 07
2015 93 16 09
2016 47 25 17
2017 63 43 15
2018 107 70 20
2019 191 65 23
2020 182 64 29
Chapitre 5

Déroulement des épreuves orales

Le rapport qui suit, précise l’organisation des épreuves orales, les attentes du jury et donne des
conseils permettant la mise en valeur des compétences et de la motivation des candidats ; ainsi que
les modalités des déroulements des examens oraux qui sont formalisées et structurées pour que les
candidats puissent se préparer, effectuer efficacement leur prestation et être à l’aise aux épreuves
orales.

5.1 Modalités pratiques

5.1.1 Oral 1: Epreuve d’algèbre et géométrie
Le candidat reçoit son enveloppe dans laquelle il y a deux sujets parmi une liste d’une cinquantaine
de sujets connus à l’avance. Il choisit un des sujets et dispose de trois heures (3h) pour le préparer.
Durant cette préparation le candidat dispose des livres de la bibliothèque de l’agrégation mais n’a
pas accès à l’Internet ni à tout autre objet électronique.
Le candidat peut disposer de ses propres livres sous deux conditions :

• Les livres doivent être autorisés par le jury (en particulier ne pas être annotés) et

• Les livres doivent être déposés dans la salle de préparation pour être à la disposition de tous
les candidats, pendant toute la durée de l’oral.

Le jury fait procéder à la photocopie des plans préparés par les candidats. Ces derniers sont
manuscrits, comportent 3 pages A4 au maximum et possèdent une marge de 1cm sur tous les
côtés afin d’éviter tout problème lors de la photocopie. Il est conseillé de ne pas utiliser de stylos
de couleurs. Il est en revanche conseillé de soigner la présentation du plan écrit, de mettre des
titres, d’encadrer les formules, etc. pour qu’il soit le plus lisible possible. Les plans peuvent être
complétés par une quatrième page consacrée aux figures. Il faut noter clairement, sur le plan, les
développements proposés. Le candidat peut utiliser sa copie du plan pendant toute l’épreuve et
pourra utiliser les notes manuscrites qu’il avait produit durant la préparation.
L’épreuve s’organise en trois temps, prévus pour une durée totale d’un maximum de 60 minutes
environ : une présentation du plan éventuellement suivie d’une brève discussion, un développement
de 15 minutes maximum et enfin une partie consacrée au dialogue et aux questions.

21
22 AGREGATION DE MATHEMATIQUES

Première partie : présentation du plan

Le candidat est convié à utiliser son temps de parole (6 minutes maximum) pour présenter, ar-
gumenter, mettre en valeur et faire une synthèse de son plan. Ce dernier doit être bien structuré
: il définit avec précision les notions introduites, donne les énoncés complets des résultats fon-
damentaux, cite des exemples et des applications. Comme le jury possède une copie du texte,
il est inutile de recopier le plan au tableau. Toutefois il peut être pertinent d’utiliser le tableau
pour écrire l’architecture du plan, les théorèmes importants ou un exemple significatif, voire faire
un dessin. Le candidat peut faire un bref exposé introductif et commenter utilement ensuite ses
résultats principaux, les outils développés, l’organisation d’ensemble et les méthodes utilisées. La
présentation orale, l’organisation et la cohérence globale du plan écrit constituent des éléments
importants d’appréciation.

Deuxième partie : le développement

Le jury veille à la cohérence du plan et des propositions de développements en égard au niveau du
candidat. Il est souhaitable que le candidat recherche une adéquation entre son niveau intrinsèque
et les développements proposés. Il faut veiller à rester au niveau de l’Agrégation. Le candidat doit
aussi préciser, sur son plan écrit, ce qu’il va démontrer et, le cas échéant, les résultats de son plan
qu’il va admettre pour mener à bien son développement. La pertinence des explications, le souci
pédagogique, la capacité à mener à bien et complètement le sujet dans le temps imparti, l’aisance
technique sont des éléments importants d’appréciation. Par ailleurs, le candidat doit s’attendre à
être interrogé lors de la période de discussion sur des applications ou illustrations élémentaires de
son développement.

Troisième partie : questions et dialogue

Le jury vérifie systématiquement la maı̂trise approfondie du plan presenté. C’est à dire qu’une
part importante de la discussion portera sur le plan, ou trouvera sa source dans le plan présenté
par le candidat. Il est essentiel que le candidat maı̂trise ce qu’il propose. Il doit s’attendre à
ce que le jury lui pose aussi des exercices en rapport direct avec la leçon. Le but est de voir le
candidat dans une démarche scientifique rigoureuse et méthodique : faire une analyse de l’exercice,
établir des liens avec les résultats connus (qui peuvent être ceux du plan), proposer des calculs
et raisonnements pouvant conduire à la solution de la question posée. La qualité du dialogue, les
réponses aux questions, l’utilisation du plan écrit et l’écoute dont le candidat fait preuve sont des
éléments importants de notation.

5.1.2 Oral 2 : Epreuve d’analyse et probabilités :

Les modalités pratiques sont les mêmes que celles de l’oral d’Algèbre et Géométrie.
Les probabilités et les statistiques sont utilisées ensemble dans de nombreuses applications où
l’imprévu et le hasard dominent. Les probabilités sont très utiles dans les mécanismes décisionnels
en univers incertain. Avec l’informatique, des simulations aléatoires peuvent être réalisées afin
d’aider à la prise de décision dans de nombreux cas, comme l’évaluation des risques financiers
(risques sur les marchés pour les banques), à fixer les prix de produits financiers et des primes de
contrats d’assurance, compte tenu des nombreux risques ayant pour origine le marché ou le client
 AGREGATION DE MATHEMATIQUES MAROCAINE SESSION 2018 23

(secteur d’assurances), les mesures d’audience des médias par des instituts de sondage, les prévisions
d’appel sur téléphone portable pour optimiser le déploiement du réseau et les études de sûreté de
fonctionnement.
Aussi depuis les années 1980, les banques ont fait recours aux mathématiciens et la tendance
de recrutement est plus récente au niveau des assurances. Les compétences exigées couvrent les
mathématiques appliquées aux finances et à l’assurance (statistique, probabilités et actuariat). Le
marché dans ce secteur est très prometeur.
Tenant compte de ces tendances observées sur le marché de l’emploi, la plupart des grandes écoles
d’ingénieurs, ont creé des filières d’ingénierie financière pour former des compétences nécessaires
afin de comprendre et maı̂triser la complexité des marchés financiers.

5.1.3 Oral 3 : Epreuve de modélisation et calcul scientifique :

Le candidat choisit entre un texte et une leçon. Il dispose de 4 heures de préparation, pendant
lesquelles il dispose des ouvrages de la bibliothèque de l’agrégation. Le candidat peut disposer de
ses propres livres sous les deux conditions citées dans le paragraphe 5.1.1.

Le jury souhaite rappeler ce qu’il attend des candidats dans cette épreuve.
Les textes sont surmontés du bandeau suivant:

• Il est rappelé que le jury n’exige pas une compréhension exhaustive du texte. Il vous est
conseillé de construire un exposé évitant la paraphrase et mettant en lumière vos connais-
sances, à partir des éléments du texte. Vous êtes libre d’organiser votre discussion comme
vous l’entendez. Des pistes de réflexion, largement indépendantes les unes des autres, sont
proposées en fin de texte ; vous n’êtes pas tenu de les suivre. Le propos devra être illustré par
des traitements ou des simulations numériques sur ordinateur, ou, à défaut, des propositions
de telles illustrations. Le jury souhaiterait que le plan de la présentation soit annoncé au
début de l’exposé.

Les textes se terminent par le bandeau suivant :

• Les pistes de réflexion suivantes ne sont qu’indicatives : vous n’êtes pas obligé de les suivre.
Vous pouvez choisir d’étudier certains des points proposés, de façon plus ou moins approfondie,
mais aussi toute autre question à votre initiative. Vos investigations comporteront une partie
traitée sur ordinateur et, si possible, des représentations graphiques de vos résultats. À défaut,
si vos traitements ou simulations numériques n’ont pas abouti, il est conseillé d’expliquer ce
que vous auriez souhaité mettre en oeuvre.

L’interrogation dure 1 heure et quart, pendant laquelle le candidat gère comme il le désire le
tableau et les illustrations informatiques qu’il entend présenter. Le candidat doit préparer un
exposé d’environ 40 minutes, les 20 minutes restantes étant occupées par les questions du jury.
Le texte est court, environ 5 pages, motivé par un problème concret. Il peut présenter des argu-
ments rapides, voire heuristiques (signalés comme tels). Il ne contient pas d’assertion délibérément
trompeuse et se conclut par une liste de suggestions. Le candidat dispose pendant sa préparation
24 AGREGATION DE MATHEMATIQUES

et l’interrogation d’un ordinateur muni des logiciels suivants : Scilab et Python. Les supports infor-
matiques (USB, par exemple) utilisés au cours de l’épreuve sont fournis par le jury et identifiés de
manière explicite pour chaque candidat. Il est interdit d’introduire tout autre support informatique
comme par exemple des clés usb personnelles. Une imprimante sera mise à disposition des candidats
dans la salle de préparation.
Dans cette épreuve, le candidat est appelé à faire preuve d’initiative pour s’exprimer et manifester
ses qualités pédagogiques et de synthèse. Le texte fourni est un point de départ pour constru-
ire et exposer un traitement mathématique d’un problème concret en s’appuyant sur les éléments,
généralement partiels, disséminés dans le texte. La présentation doit s’appuyer sur un dosage
cohérent et harmonieux entre introduction motivée de modèles, preuves mathématiques, illustra-
tions informatiques, critiques éventuelles du texte, réponses aux questions et mise en lumière de con-
naissances. Il est recommandé aux candidats de consacrer une partie de leur temps de préparation
à s’interroger sur la stratégie d’exploitation du tableau et d’utilisation de l’outil informatique qui
leur permettra de mettre au mieux en valeur leurs connaissances et leur compréhension du texte ou
d’une partie de celui-ci. En début d’épreuve, il est demandé au candidat d’annoncer le plan qui va
structurer sa présentation. Répondre à cette requête ne peut s’improviser et doit faire l’objet d’une
réflexion préalable durant la préparation.
La rigueur et la clarté de l’organisation, la gestion du temps, la pertinence des choix opérés parmi
les différentes questions soulevées par le texte sont des éléments de l’évaluation. Les qualités de
synthèse sont aussi appelées à s’exprimer. À un survol superficiel de l’intégralité du texte sans

apport mathématique ou critique scientifique, le candidat doit préférer une discussion fouillée d’une
portion du texte, bâttie sur des arguments mathématiques solides, des simulations pertinentes
accompagnées de commentaires de bon aloi.
La paraphrase pure et simple d’amples portions du texte ne constitue en aucun cas un exposé
satisfaisant.

5.2 Remarques des commissions des épreuves orales

5.2.1 Remarques de la commission d’Algèbre et Géométrie
Comme auparavant, l’épreuve orale d’algébre et géométrie s’est organisée en trois temps.

1. Le premier volet de l’épreuve est consacré à la présentation du plan de la leçon que le candidat
a choisie. Elle doit durer 10 minutes au maximum. Ce délai est en général respecté par la
majorité des candidats.
Le jury a relevé une amélioration dans l’élaboration des plans. Cependant il y a encore une
carence en ce qui concerne les exemples et les applications (surtout ceux et celles tirés de la
géométrie) et des aspects algorithmiques.

2. La deuxième phase de l’épreuve est réservée au développement. Elle doit durer 20 minutes au
maximum. Le candidat est sensé proposer au minimum deux développements.
Le jury a remarqué que ce délai n’est pas respecté par quelques candidats, soit parce que
le développement proposé manque de consistance, auquel cas il est traité en moins de dix
minutes, soit parce que le développement est mal maı̂trisé par le candidat, auquel cas il y’a
eu un dépassement des 20 minutes accordées. Le Jury est amené à demander au candidat de
 AGREGATION DE MATHEMATIQUES MAROCAINE SESSION 2018 25

conclure, ce qui pénalise la note réservée à ce volet.

3. La troisième phase est réservée aux discussions et interrogations des membres de la commis-
sion. Ce moment d’interaction offre au Jury l’occasion de

(a) S’assurer de la bonne maı̂trise de la démonstration du thème que le candidat vient de

développer et de discuter de son adéquation avec la leçon.
(b) Tester l’appropriation par le candidat de toutes les notions présentées dans son plan.
Le jury a noté que certains candidats ont proposé des plans qui dépassent largement la
compétence et le niveau maı̂trisé.
(c) Proposer des exercices en relation directe avec la leçon.
Sur ce point le Jury a noté que certains candidats ont pu développer des thèmes forts et
ont montré une maı̂trise remarquable de leur exposé.

Pour les remarques d’ordre général sur le déroulement de l’épreuve orale, la commission souligne
les points suivants :

1. Un bon nombre de candidats a tendance à choisir des sujets d’algébre linéaire au détriment des
sujets portant sur les structures d’anneaux et de corps ou sur la géométrie affine et euclidienne.

2. Certains candidats proposent deux développement au jury dont l’un d’eux manque de consis-
tance. Le candidat doit savoir que ce n’est pas toujours le thème le plus intéressant qui lui
sera proposé de développer.

3. Quelques candidats ont trouvé une grande difficulté pour présenter une leçon dans les normes
de l’épreuve orale d’algébre et géométrie.

4. Le jury incite à porter plus d’efforts pour combler le manque remarquable dans les notions de
géométrie et leurs applications.

5.2.2 Remarques de la commission de Modélisation et Calcul Scien-

tifique
L’épreuve d’oral de modélisation est préparée par le candidat en 4 et elle dure 1. Le candidat a le
choix entre un texte et une leçon. Le couplge texte/leçon est fait de sorte que le candidat ait le
choix entre deux thèmes assez éloignés.

1. Le candidat a 10 mn pour présenter son plan, devant le jury, en y précisant les points qu’il
propose comme développements éventuels. Il est vivement souhaitable que le candidat propose
au moins deux développements. Le délai de 10 mn est en général respecté par la majorité des
candidats. La grande majorité des candidats choisit le texte. Le jury a toutefois relevé que
certains candidats manquent de rigueur et de clarté dans les plans qu’ils présentent. Il a aussi
constaté que la tendance générale est de présenter un seul développement.

2. Une fois un développement proposé par le candidat a été choisi par le jury, le candidat a 20
mn pour l’exposer, et il a le droit de ne pas être interrompu durant les 20 mn de son exposé.
26 AGREGATION DE MATHEMATIQUES

Le jury a remarqué que ce délai n’est pas respecté par quelques candidats, soit parce que
le développement proposé manque de consistance, auquel cas il est traité en moins de dix
minutes, soit parce que le développement est mal maı̂trisé par le candidat, auquel cas il y a
un dépassement des 20 minutes accordées. Le Jury est amené à demander au candidat de
conclure, ce qui pénalise la note réservée à ce volet.

3. Une spécificité importante de l’épreuve de modélisation est que le candidat est tenu de
présenter un développement informatique en relation avec le texte ou la leçon choisi.

4. La troisième phase de l’épreuve est réservée aux discussions et interrogations des membres de
la commission. Ce moment d’interaction offre au Jury l’occasion de

(a) s’assurer de la bonne maı̂trise du thème que le candidat a proposé comme développement
et de discuter de son lien avec le texte, ou la leçon, choisi,
(b) tester à quel point le candidat maitrise les concepts présentées dans son plan,
(c) poser des questions en relation directe avec le texte ou la leçon choisi par le candidat.
Ces questions concernent aussi les éventuels développements informatiques présentés par
le candidat.

Pour les remarques d’ordre général sur le déroulement de l’épreuve orale de modélisation, la com-
mission soulève les points suivants :

1. Un bon nombre de candidats ne propose aucun développement informatique et se contente de

proposer un développement théorique.

2. Certains candidats proposent un seul développement au jury. Dans le cas où ils en proposent
deux, l’un des deux sujets manque de consistance.

5.2.3 Remarques de la commission d’Analyse et Probabilités

L’épreuve d’analyse et Probabilités se compose d’un exposé du candidat suivi d’un entretien avec
le jury. L’exposé du candidat, au cours duquel il est conduit à présenter le plan de la leçon et un
développement :
I. Plan (dix minutes maximum) :
Le candidat expose une synthèse, en argumentant la construction du plan, de la leçon à savoir :

1. L’intérêt et le positionnement de la leçon dans son environnement mathématique.

2. Le contenu de la leçon.

3. L’enchaˆınement des paragraphes.

4. Les résultats et les difficultés.

5. L’illustration avec des exemples pour mettre en évidence les hypothèses et les résultats.
 AGREGATION DE MATHEMATIQUES MAROCAINE SESSION 2018 27

Dans cette première phase de l’épreuve, le candidat est sollicité à présenter un plan cohérent et
compréhensible.
II. Le développement (vingt minutes maximum) :
Le candidat devra proposer au moins deux développements et qu’il soit en mesure de les exposer
en détail. Pour mener à bien le développement choisi par le jury, le candidat devra respecter le
temps accordé au développement et donner des explications sur l’approche adoptée, les difficultés
et l’utilisation des notions développées.
Dans cette étape de l’épreuve, le candidat devra être capable de mettre en lumière ses qualités
pédagogiques et techniques et doit aussi faire preuve de la compréhension du sujet.
III. L’entretien avec le jury (quarante minutes maximum) :
L’entretien doit permettre au jury de :

1. Confirmer la maı̂trise du candidat du plan présenté et des outils de bases utilisés dans le
développement.

2. Vérifier la capacité du candidat à faire preuve de réflexion dans des situations parfois inattendues.

3. Constater que le candidat a acquis un certain recul. Résultat naturel d’un travail de préparation
approfondi au concours d’agrégation.

Dans cette dernière étape de l’épreuve, le candidat doit donc se préparer à des questions sur tout
énoncé mis dans son plan ainsi qu’ à des questions sur des applications de son développement.
Questions auxquelles il doit répondre avec précision. Il est donc essentiel qu’il soit capable de
reconnaı̂tre dans une question donnée un cas particulier du résultat général présenté dans son
développement. Pour cela il doit mettre en oeuvre des énoncés sur des situations simples et aussi
réfléchir à des exemples ou des contre-exemples lors de sa préparation.
Dans son évaluation, le jury a noté les remarques suivantes :

1. Une progression constatée du niveau des candidats.

2. Plusieurs candidats se sont contentés de réciter d’une maniére linéaire leurs plans.

3. Des réponses non précises furent formulées à des questions élémentaires.

4. Des notions de bases à titre d’exemple, la dérivation sous le signe somme et en général de la
dérivation de fonctions composées, sont un peu ou mal maı̂trisées. Certains candidats manip-
ulent des objets mathématiques dont ils ignorent les définitions. En résumé le programme de
la licence n’est pas bien assimilé par certains candidats.

En conclusion, il est souhaitable que le candidat connaisse le programme du concours d’agrégation

et non se cantonner au programme de la deuxième année post-bac.
28 AGREGATION DE MATHEMATIQUES
Chapitre 6

Listes des leçons

Les listes des leçons sont données à titre indicatif : le jury se réserve le droit de proposer d’autres
leçons ou de changer la formulation des leçons figurant sur les listes. Une grande partie de ces
leçons seront reprises pour la session 2020, des modifications et des évolutions sont possibles. Il est
conseillé aux candidats de lire avec la plus grande attention l’intitulé de la leçon.

6.1 Liste des leçons d’Algèbre et Géométrie

1. Groupe opérant sur un ensemble. Exemples et applications.

2. Groupe des nombres complexes de module 1. Sous-groupes des racines de l’unité. Applica-
tions.

3. Sous-groupes distingués et de groupes quotients. Exemples et applications.

4. Groupes finis. Exemples et applications.

5. Groupe des permutations d’un ensemble fini. Applications.

6. Groupe linéaire d’un espace vectoriel de dimension finie E , sous-groupes de GL(E). Appli-
cations.

7. Représentations et caractères d’un groupe fini sur un C-espace vectoriel.

8. Exemples de parties génératrices d’un groupe. Applications.

9. Représentations de groupes finis de petit cardinal.

10. Caractères d’un groupe abélien fini et transformée de fourier discrète. Applications.

11. Anneau Z/nZ et groupe (Z/nZ)∗. Applications.

12. Nombres premiers. Applications.

13. Anneaux principaux. Applications.

14. Corps finis. Applications.

29
30 AGREGATION DE MATHEMATIQUES

15. Anneau des séries formelles. Applications.

16. Extensions de corps. Exemples et applications.

17. Exemples d’équations diophantiennes.

18. Droite projective et birapport.

19. Corps des fractions rationnelles à une indéterminée sur un corps commutatif. Applications.

20. Polynômes irréductibles à une indéterminée. Corps de rupture. Exemples et applications.

21. Algèbre des polynômes à plusieurs indéterminées. Applications.

22. Résultant. Applications.

23. Racines d’un polynôme. Fonctions symétriques élémentaires. Localisation des racines dans
les cas réel et complexe.

24. Actions de groupes sur les espaces de matrices. Exemples et applications.

25. Dimension d’un espace vectoriel (on se limitera au cas de la dimension finie). Rang.

26. Déterminant. Exemples et applications.

27. Polynômes d’endomorphisme en dimension finie. Réduction d’un endomorphisme en dimen-

sion finie. Applications.

28. Sous-espaces stables par une famille d’endomorphismes d’un espace vectoriel de dimension
finie. Applications.

29. Endomorphismes diagonalisables en dimension finie.

30. Exponentielle de matrices. Applications.

31. Endomorphismes trigonalisables. Endomorphismes nilpotents.

32. Matrices symétriques réelles, matrices hermitiennes.

33. Formes linéaires et hyperplans en dimension finie. Exemples et applications.

34. Endomorphismes remarquables d’un espace vectoriel euclidien (de dimension finie).

35. Isométries d’un espace affine euclidien de dimension finie. Forme réduite. Applications en
dimensions 2 et 3.

36. Formes quadratiques sur un espace vectoriel de dimension finie. Orthogonalité, isotropie.
Applications.

37. Formes quadratiques réelles. Exemples et applications.

38. Coniques. Applications.

 AGREGATION DE MATHEMATIQUES MAROCAINE SESSION 2018 31

39. Barycentres dans un espace affine réel de dimension finie, convexité. Applications.

40. Applications des nombres complexes à la géométrie. Homographies

41. Utilisation des groupes en géométrie.

42. Méthodes combinatoires, problèmes de dénombrement.

43. Etude métrique des courbes planes ou gauches.

44. Groupes abéliens finis.

45. Sous-groupes finis de O+(2) et O+(3).

46. Matrices équivalentes et semblables.

47. Résolution d’un système d’équations linéaires. Algorithmes et complexité.

48. Opérations élémentaires sur les lignes et les colonnes d’une matrice. Applications.

49. Groupes quotients finis et théorèmes d’isomorphismes.

50. Espaces vectoriels quotients finis et théorèmes d’isomorphismes.

6.2 Liste des Leçons d’Analyse et Probabilités

1. Espaces de fonctions : exemples et applications.

2. Exemples de parties denses et applications.

3. Utilisation de la notion de compacité.

4. Connexité. Exemples et applications.

5. Espaces complets. Exemples et applications.

6. Théorèmes du point fixe. Exemples et applications.

7. Prolongement de fonctions. Exemples et applications.

8. Espaces vectoriels normés, applications linéaires continues. Exemples.

9. Espaces de HILBERT. Bases hilbertiennes. Exemples et applications.

10. Approximation d’une fonction par des polynomes et des polynômes trigonometriques. Exem-
ples et applications.

11. Théorème d’inversion locale, théorème des fonctions implicites. Exemples et applications.

12. Applications différentiables définies sur un ouvert de Rn .Exemples et applications

13. Étude métrique des courbes. Exemples.

32 AGREGATION DE MATHEMATIQUES

14. Sous-variétés de Rn . Exemples

15. Applications des formules de TAYLOR.

16. Problèmes d’extremums. Extremums : existence, caractérisation, recherche. Exemples et

applications

17. Équations différentielles X J = f (t, X). Exemples d’études qualitatives des solutions.
18. Équations différentielles linéaires. Systèmes d’équations différentielles linéaires. Exemples et
applications.

19. Exemple d’équations aux dérivées partielles linéaires.

20. Convergence des suites numériques. Exemples et applications des suites numériques.

21. Convergence, valeurs d’adhérence. Exemples et applications

22. Comportement asymptotique de suites numériques. Rapidité de convergence. Exemples.

23. Comportement d’une suite réelle ou vectorielle définie par une itération un+1 = f (un ). Exem-
ples.

24. Continuité et dérivabilité des fonctions réelles d’une variable réelle. Exemples et contre-
exemples.

25. Fonctions monotones. Fonctions convexes. Exemples et applications.

26. Fonctions à variations bornées et mésure de Stieljes, Exemples et applications.

27. Séries de nombres réels ou complexes. Comportement des restes ou des sommes partielles des
séries numériques. Exemples.

28. Méthodes d’approximation des solutions d’une équation F (X) = 0. Exemples.

29. Espaces Lp ,1 ≤ p ≤ +∞.

30. Suites et séries de fonctions intégrables. Exemples et applications.

31. Illustrer, par des exemples, quelques méthodes de calcul d’intégrales de fonctions d’une ou de
plusieurs variables réelles.

32. Fonctions définies par une intégrale dépendant d’un paramètre. Exemples et applications.

33. Produit de convolution, transformation de FOURIER. Applications.

34. Suites et séries de fonctions. Exemples et contre-exemples.

35. Convergence des séries entières, propriétés de la somme. Exemples et applications.

36. Fonctions holomorphes et méromorphes sur un ouvert de C. Exemples et applications.

37. Séries de FOURIER. Exemples et applications.

 AGREGATION DE MATHEMATIQUES MAROCAINE SESSION 2018 33

38. Exemples de problèmes d’interversion de limites.

39. Suite de variables aléatoires de Bernoulli indépendantes.

40. Loi binomiale. Loi de POISSON. Applications.

41. Vecteurs aléatoires et indépendance.

42. Indépendance d’événements et de variables aléatoires. Exemples.

43. Espérance, variance et moments d’une variable aléatoire.

44. Loi des grands nombres. Théorème central limite. Applications.

45. Fonctions de répartitions. Proriétés et applications.

46. Fonctions caractéristiques. Proriétés et applications.

47. Fonction caractéristique et transformée de Laplace d’une variable aléatoire. Exemples

48. Modes de convergence d’une suite de variables aléatoires (convergence en loi, convergence en
probabilité et convergence presque sûr).

49. Variables aléatoires à densité. Exemples et applications.

50. Variables aléatoires discrètes. Exemples et applications.

51. Utilisation de la notion de convexité en analyse.

52. Espaces de SCHWARTZS (Rd ) et distributions tempérées. Transformation de FOURIER dans

S(Rd) et S0(Rd).

53. Espaces de Schwartz. Distributions. Dérivation au sens des distributions.

6.3 Liste des leçons de modélisation et calcul scientifique

1. Calcul numérique : intégration, différentiation, sommation, résolution d’équations algébriques
ou différentielles.

2. Méthodes numériques pour les systèmes linéaires : conditionnement, factorisation LU, méthode
du gradient pour systèmes d’équations linéaires symétriques définis positifs. Recherche de
valeurs propres (méthode de la puissance). Moindres carrés linéaires sans contraintes.

3. Résolution de systèmes d’équations non linéaires : Méthode de Newton, vitesse de convergence,

estimation de l’erreur.

4. Equations différentielles ordinaires : Méthodes d’Euler explicite et implicite. Consistance,

stabilité, convergence, ordre.
34 AGREGATION DE MATHEMATIQUES

5. Probabilités : lois de variables aléatoires discrètes et à densité. Méthodes de simulation

de variables aléatoires de lois données, en particulier pour les lois classiques : binomiale,
géométrique, Poisson, exponentielle, gaussienne, gamma.

6. Chaı̂nes de Markov homogènes à espace d’états fini : irréductibilité, apériodicité, classification

des états, théorème de Perron-Frobenius, convergence.

7. Calcul matriciel : opérations élémentaires sur lignes et sur colonnes, méthode du pivot de
Gauss.

8. Polynômes à une indéterminée : évaluation (Horner), interpolation (Lagrange), localisation

des racines dans R et dans C.
Chapitre 7

Textes de l’épreuve de modélisation

L’oral du concours de l’Agrégation Marocaine de Mathématique comporte trois épreuves, l’une

portant principalement sur les domaines Algèbre-Géométrie, la deuxième principalement sur les
domaines Analyse-Probabilités, la troisième sur les problèmes de Modélisation Mathématique. Cette
dernière épreuve s’appuie sur des connaissances générales d’Algèbre-Géométrie-Analyse-Probabilités
mais elle diffère fondamentalement des deux premières :

• par les objectifs : il s’agit d’étudier des situations concrètes, de réfléchir aux diverses possi-
bilités de traduire mathématiquement une telle situation et de proposer des solutions adaptées

• par la forme de l’épreuve : le candidat tire un sujet contenant un texte scientifique (avec
des pistes de réflexion) et un intitulé de leçon de calcul scientifique ou formel (orienté vers la
modélisation). Il choisit le texte ou la leçon et dispose de quatre heures pour préparer son
passage devant le jury.

• par les outils mis à sa disposition pendant les quatre heures de préparation : le candidat

travaille à l’aide des livres de la bibliothèque de l’Agrégation ou de ses propres livres s’ils sont
autorisés par le jury. Il dispose aussi d’un ordinateur équipé de divers logiciels mathématiques.

À l’issue de sa préparation, le candidat présente les fruits de sa réflexion au jury, pendant environ
une heure et quart. On attend de lui qu’il

1. présente la modèlisation mis en oeuvre dans le texte ou la leçon, ce qu’il en a compris

2. détaille certains résultats mathématiques utiles pour le sujet étudié

3. discute les hypothèses introduites par le texte ou les hypothèses choisies pour la leçon

4. montre l’exploitation possible du sujet dans une séquence pédagogique (on peut penser aux
TIPE des classes préparatoires, aux travaux personnels des classes terminales de lycées)

5. présente un ou plusieurs programmes informatiques qui sont utiles dans la résolution de

problèmes introduits par le sujet et qui illustrent les résultats obtenus

Lors des vingt dernières minutes de l’interrogation orale, le jury pose des questions diverses en
relation avec le sujet. Il peut revenir sur des points peu clairs de la présentation ou proposer
d’autres approches de la situation étudiée, d’autres pistes de travail.
36 AGREGATION DE35MATHEMATIQUES
36 AGREGATION DE MATHEMATIQUES

Lors des oraux de Modélisation Mathématique 2016 le jury a noté que

• les candidats ont, pour la plupart, préparé avec sérieux cette épreuve très particulière de l’Oral

• certains candidats ont utilisé efficacement l’ordinateur et les logiciels mis à disposition; les
candidats qui refusent l’usage de l’outil informatique

• la moyenne des notes est environ 8/20 et l’écart-type environ 3,5. Pour les sept candidats qui
ont choisi la leçon, la moyenne est 26,5/80.

• les notes vraiment faibles résultent d’une compréhension insuffisante du sujet, de connaissances
mathématiques mail assurées, de résultats erronés ou illogiques, de l’absence d’illustration
informatique voire du refus d’utiliser l’ordinateur.

7.1 Texte 1 de l’épreuve de modélisation

Le jury n’exige pas une compréhension exhaustive du texte. Vous êtes libres d’organiser votre dis-
cussion comme vous l’entendez. Des suggestions de développement, largement indépendantes les
unes des autres, vous sont proposées en fin de texte. Ce ne sont que des suggestions et vous n’êtes
pas tenu(e) de les suivre. Il vous est conseillé de mettre en lumière vos connaissances à partir du fil
conducteur constitué par le texte. Le jury appréciera que la discussion soit accompagnée d’exemples
traités sur ordinateur.

7.1.1 Introduction, l’image numérique

L’intérêt des images numériques à coté des images analogiques est une évidence depuis la fin du
vingtième siècle. Elles permettent un travail efficace et simple aussi bien pour le stockage (com-
pression), que pour le traitement ou l’analyse (par des moyens informatiques).

Une image numérique est obtenue en captant la lumière provenant d’une scène ou d’un document
par des capteurs électroniques, les CCD (charge couple device). Ces capteurs convertissent le
signal lumineux en données numériques. Ces données sont organisées en tableaux à double entrée
(horizontal, vertical), i.e. en matrices. Chaque terme de la matrice donne l’information lumineuse
provenant d’une zone physique de la scène, du document. Le terme mi,j correspond à la zone
rectangulaire [a, b] × [c, d], est subdivisée en petits rectangles
(i − 1/2)(b − a) (i + 1/2)(b − a) (j − 1/2)(d − c) (j + 1/2)(d − c)
a+ ,a+ × c+ ,c+ .
n n p p
On parle de pixel (picture element).

Les images numériques présentent un aspect discret, à l’opposé de la scène (ou document) d’origine
qui est de caractère continu. L’aspect discret provient d’abord d’une discrétisation spatiale, rem-
placement d’une zone rectangulaire par un couple d’entiers (i, j). Il provient aussi de la quantifi-
cation des intensités lumineuses, les termes de la matrice sont choisis dans un intervalle entier,
[[0, 255]] par exemple, s’il y a une seule couleur ou bien des niveaux de gris. Il faut trois matrices
pour rendre compte des couleurs réelles, en utilisant le système trichromatique RGB par exemple
 AGREGATION DE MATHEMATIQUES MAROCAINE SESSION 2018 37

(RGB= red, green, blue).

7.1.2 Analyse élémentaire de l’image numérique

On considère ici une image numérique en niveaux de gris, donnée par une matrice M carrée d’ordre
512 dont les termes sont éléments de [[0,255]]. Un des premiers indicateurs utiles sur l’image est la
répartition des niveaux de gris, c’est à dire un vecteur ligne R = (n0 , · · · , n255 ) où nk est le nombre de
pixels d’intensité k (i.e. de termes de M valant k). En regroupant les niveaux en classes adjacentes
(par exemple 32 segments de longueur 8) on simplifie le travail ultérieur (la répartition devient un
vecteur ligne de taille 16), sans perte importante d’information. On représente graphiquement cette
répartition, on dispose ainsi d’un histogramme de l’image.
Cette répartiton donne une idée du contraste de l’intensité dans l’image. Des transformations sim-
ples permettent d’améliorer le contraste, par exemple de rendre plus uniforme la répartition, d’étaler
son support.

La recherche des (i, j) où l’intensité varie brusquement permet d’identifier les contours des objets
présents dans la scène ou le document. Les plages d’indice où l’intensité varie peu, ou bien varie
régulièrement - avec des répétitions - identifie des objets ou des parties d’objet présentant une tex-
ture particulière. On parle d’analyse de contours et d’analyse de textures.

7.1.3 Compression d’image numérique par SVD

On note I(M ) la quantité d’information portée par une image M . Dans le cas d’une image en
niveaux de gris, avec M carrée d’ordre 512 dont les termes appartiennent à [[0,255]], I(M ) est
de l’ordre de 5122 × 8 (les termes mi,j sont écrits en base 2), approximativement 2,36 106 .
Comprimer une image M consiste à la remplacer par une autre image M J proche de M - l’idéal
étant qu’un oeil humain confonde pratiquement ces deux images - mais de poids bien inférieur,
I(M J) << I(M ).
Une technique classiquement utilisée repose sur la notion de valeurs singulières des matrices. Le
théorème (Beltrami, Jordan, Sylvester ... puis Eckart-Young) s’énonce : pour toute matrice réelle
A de taille n, p, il existe des matrices orthogonales U, Vt et une matrice D de taille n, p telles que

i /= j ⇒ di,j = 0 et d1,1 ≥ d2,2 ≥ · · · ≥ dq,q ≥ 0 (7.1.1)

où q = min(n, p). L’extension aux matrices complexes est valide, avec U, V unitaires et D respectant
(7.1.1). Les di,i sont analogues à des niveaux d’énergie, corresondant aux vecteurs d’une nouvelle
base, ils sont positifs et ordonnés en décroissant. Ils peuvent contenir des répétitions et si les k
derniers sont 0 cela signifie que le rang de A est q − k.

En pratique il est courant de trouver un nombre relativement important dedi,i nuls ou proches de
0. On peut fixe un seuil, par exemple s = d1,1 /100, on considère alors que la matrice M J = U DJ Vt
où DJ est obtenue en remplaçant dans D les di,i infériurs au seuil par 0 donne une image proche de
M . Il est clair que I(M J ) est inférieur à I(M , voire très inférieur. Par exemple si M est d’ordre
38 AGREGATION DE MATHEMATIQUES

512 et si la moitié des di,i est négligée on obtient

U1 U2 ∆ 0 V1 V2 U1∆ 0 V1 V2 U1∆V1 U1∆V2

MJ = = =
U3 U4 0 0 V3 V4
U3∆ 0 V3 V4 U3∆V1 U3∆V2

ce qui limite la quantité d’information à 4 × 2562 +256 = environ 2,62 105 , soit un gain de facteur
10 environ.

7.1.4 Extrait d’un sujet de concours CPGE sur la SVD

Notations
Soit n et p des entiers supérieurs ou égaux à 1. M n,p (R) désigne le R-espace vectoriel des matrices
à coefficients réels ayant n lignes et p colonnes. On identifiera M n,1 (R) et M p,1 (R) respectivement
à Rn et Rp que l’on supposera munis de leurs produits scalaires canoniques notés respectivement
⟨· | · ⟩n et ⟨· | · ⟩p . Les normes associées seront notées respectivement | · |n et | · |p . On
notera (Ei )1≤i≤p la base canonique de Mp,1 (R) et (Fj )1≤j≤n celle de Mn,1 (R).
Lorsque p = n, Mn,n (R) est noté plus simplement Mn (R) et est muni de sa structure d’algèbre,
In représentant la matrice identité. On écrit 0n,p pour la matrice nulle de Mn,p (R) et 0n pour la
matrice nulle de Mn (R).
Pour A appartenant à Mn,p (R), t A désigne la matrice transposée de A : c’est un élément de
M p,n (R). Ker A désigne est le noyau de A, Im A l’image de A. Le noyau de A est { X ∈ Mp,1 (R) | AX = 0 },
noté Ker A, l’image de A est { AX | X ∈ M p,1 (R) }, notée Im A. On note F ⊥ l’orthogonal d’un
sous-espace vectoriel F d’un espace euclidien.

Partie I
Soit A ∈ Mn,p (R).

I.1. Montrer que tAA est nulle si et seulement si A est nulle.

Dans toute la suite du problème A sera supposée non nulle.
I.2. Montrer que les matrices tAA et AtA sont diagonalisables au moyen de matrices orthogonales.
I.1.a) X, Y désignant deux éléments de M n,1 (R), exprimer le produit scalaire ⟨ X| Y
⟩ n sous la
forme d’un produit matriciel.
b) Si W est un vecteur propre de t AA associé à la valeur propre λ, exprimer | AW |2n en
fonction de λ et | W |p.
c) En déduire que les valeurs propres de tAA sont réelles, positives ou nulles.
I.4.a) Pour x réel, calculer les produits matriciels par bloc suivants:

xIn A − In 0n,p xIn A − In A

et
tA I
p
tA Ip tA I
p 0p,n − xIp

b) En déduire que les matrices t AA et At A ont les mêmes valeurs propres non nulles avec le
même ordreAGREGATION
de multiplicité. DE MATHEMATIQUES MAROCAINE SESSION 2018 39
c) En déduire également que les matrices t AA et At A ont même rang.
I.5. Montrer que si n > p, 0 est valeur propre de AtA et que si n < p, 0 est valeur propre de tAA.
40 AGREGATION DE MATHEMATIQUES

I.6. On note λ1 , λ2 , . . . , λp les valeurs propres de t AA, chaque valeur pro√

pre apparaissant dans cette
liste un nombre de fois égal à son ordre de multiplicité et on pose µi = λi pour tout i élément de
{1, 2, . . . , p}.
Les réels µi sont appelés valeurs singulières de A.
On suppose les réels λi ordonnés tels que λ1 ≥ λ2 ≥ · · · ≥ λp ≥ 0.
a) Montrer que λ1 est non nul.

On définit alors un unique entier naturel r appartenant à {1, 2, . . . , p} comme suit : si toutes les
valeurs propres de tAA sont non nulles, r = p, sinon r est tel que pour tout i ≤ r, λi > 0 et pour
tout i > r, λi = 0.
Soit (V1 , V2 , . . . , Vp ) une base orthonormale de vecteurs propres de t AA respectivement associés
aux valeurs propres λ1 , λ2 , . . . , λp ; V1 , V2 , . . . , Vr désignent les vecteurs propres associés aux valeurs
propres non nulles et lorsque r est strictement inférieur à p, Vr+1 , . . . , Vp désignent les vecteurs
propres associés à la valeur propre 0.
b) Montrer que r ≤ n et que la dimension de Ker At A est égale à n − r.
Pour tout i ∈ {1, 2, . . . , r}, on pose Ui = 1 AVi et si n > r, on désigne par (Ur+1 , . . . , Un ) une base
µi
orthonormale de Ker AtA.
c) Montrer que pour tout i ∈ {1, 2, . . . , r}, AVi = µi Ui et que si r est strictement inférieur à p,
pour tout i ∈ { r + 1, . . . , p }, AVi = 0.
d) Montrer que pour tout i ∈ {1, 2, . . . , r}, tAUi = µiVi.
e) Montrer que si n > r, pour tout i ∈ { r + 1, . . . , n }, tAUi = 0.
f) En déduire que le système de vecteurs (U1 , U2 , . . . , Un ) constitue une base orthonormale de
vecteurs propres de At A et préciser la valeur propre associée à chaque vecteur Ui .
I.7. On note V la matrice carrée réelle d’ordre p dont le ième vecteur colonne est le vecteur Vi , U la
matrice carrée réelle d’ordre n dont le jème vecteur colonne est le vecteur Uj et (t U AV )i,j l’élément
de la i`eme ligne, j`eme colonne de la matrice tUAV .
a) Montrer que :

t 1 si i = j
∀ (i, j) ∈ {1, 2, . . . , n} × {1, 2, . . . , p}, ( UAV ) i,j = µj δ i,j où δi,j =
0 si i /= j

b) On note ∆ la matrice appartenant à Mn,p (R) dont tous les éléments ∆i,j sont nuls sauf
∆11 , ∆22 , . . . , ∆rr respectivement égaux à µ1 , µ2 , . . . , µr . Montrer que A = U ∆t V .
La factorisation de A ainsi obtenue est dite décomposition de A en valeurs singulières.
c) Trouver une décomposition en valeurs singulières de chacune des matrices :

1 −1
1
A0 = 1 1 et B0 =
−1
0 2
I.8. Montrer que le rang de A est égal à r.
Σp
I.9.a) Montrer que V = VitEi.
i=1r r r

Σ Σ Σ
b) En déduire : A = µi Ui t Vi , t AA = λi Vi t Vi , At A = λi Ui t Ui
i=1 i=1 i=1
c) Déterminer les sous-espaces
AGREGATION DE MATHEMATIQUES : Ker A, Ker t A,
vectoriels suivantsMAROCAINE Im A, Im
SESSION
t A.
2018 41
42 AGREGATION DE MATHEMATIQUES

d) Montrer que Ker tAA = Ker A et Ker AtA = Ker tA.

Partie II
Avec les notations de la partie I, pour A ∈ Mn,p (R) admettant une décomposition en valeurs
singulières A = U ∆t V , on appelle ∆+ la matrice de Mp,n (R) dont tpus les éléments ∆+i,j sont nuls
sauf ∆+ , ∆+ , . . . , ∆+ respectivement égaux à 1 , 1 , . . . , 1 et on pose A+ = V (∆+ )t U .
11 22 rr µ1 µ2 µr
∆+ (resp. A+ ) est appelée pseudo-inverse de ∆ (resp. de A). A priori, la matrice A+ ainsi définie
dépend de la décomposition en valeurs singulières choisie pour la matrice A, mais il sera montré à
la question II.9 qu’il n’en est rien et que A+ est uniquement déterminée à partir de A.
1. Déterminer les matrices A+ , A0 A+ , A+ A0 , A0 A+ A0 et A+ A0 A+ .
0 0 0 0 0 0

2. Déterminer (A+ +
0) .

3. Évaluer ∆+ ∆ et ∆∆+ .

4. Montrer que si A est une matrice carrée inversible (n = p = r), alors A+ = A−1 .

7.1.5 Indications pour le traitement d’images avec des logiciels mathématiqu

La plupart des logiciels mathématiques (Maple, Matlab, Scilab, Python ... ) permettent de travailler
sur des images. Donnons ci dessous quelques indications pour Scilab :
En Scilab utiliser le module SIVP (menu Modules) qui permet de tavailler sur les images numériques.
On suppose disposer sur le répertoire courant de Scilab d’une image nomdimage.jpg. L’instruction
M=imread(’nomdimage.jpg’) fournit une matrice à termes entiers de 0 à 255.

En fait ce sont des entiers modulo 256 et il est pratique de les transformer en entiers ordinaires par
la commande M1=double(M) // double signifie ici entiers longs

On peut utiliser les commandes usuelles de Scilab et opérer sur M 1. Pour visualiser la matrice M 2
finalement obtenue on peut utiliser les commandes du module SIVP ou, plus simplement, les tracés
ordinaires par plot et ses variantes. On conseille la séquence d’instructions suivante:

z=scf(); // une ’fonction’ z est ainsi définie qui permet de jouer sur le graphique courant
grayplot(1:m,n:-1:1,MM) // NB c’est une image en couleurs qui est affichée dans la fenêtre Figure
z.color map=graycolormap(32); // transforme les couleurs en niveaux de gris.
On l’exporte en fichier .jpg par menu de la fenêtre Figure.

7.1.6 Suggestions de développement

Ce paragraphe ne contient qu’un petit nombre de suggestions. Vous pouvez choisir d’étudier cer-
tains points seulement, de façon plus ou moins approfondie, et pas nécessairement dans l’ordre.
Vous pouvez aussi vous poser d’autres questions que celles indiquées ci dessous. Il est vivement
souhaité que vos investigations comportent une partie traitée sur ordinateur et, si possible, des
représentations graphiques.
 AGREGATION DE MATHEMATIQUES MAROCAINE SESSION 2018 43

Aspect mathématique

• Donner une preuve de l’unicité de A+ , matrice définie au début de la partie 2 du sujet CPGE,
matrice qu’on appelle pseudo-inverse de A. Donner quelques propriétés de la pseudo-inverse.

• Donner des exemples de calcul de décomposition en valeurs singulières en petite dimension.

• En suivant le sujet de concours ou en le modifiant, donner une preuve de la décomposition en

valeurs singulières pour une matrice rectangulaire.

• Que donne la SVD de A si A est une matrice symétrique, antisymétrique, orthogonale, idem-
potente, ... ?

Aspect modélisation, calcul numérique et algorithmique

• Quel est l’intérêt de modèles numériques pour les images?

• Travailler sur une image présente sur l’ordinateur, déterminer l’histogramme ou d’autres car-
actéristiques de l’image.

• Proposer un programme informatique permettant de calculer et afficher les contours présents

dans une image. Appliquer sur un exemple.

• Appliquer la méthode SVD pour transformer une image I en une image I J pratiquement
similaire à I mais de poids bien inférieur (en termes de longueur de fichier). Essayer plusieurs
seuils et discuter au vu des images obtenues.

• Modifier une image en lui ajoutant (informatiquement) du bruit. Pour cela on ajoute à la
matrice de l’image une matrice dont les termes sont des variables aléatoires indépendantes et
de même loi, loi centrée (qui admet une espérance 0). Proposer une méthode, un algorithme,
un programme permettant d’éliminer une grande partie du bruit (restauration d’images).

• Proposer un algorithme, un programme donnant la SVD d’une matrice entrée par l’utilisateur
(ou chargée à partir d’un fichier).

7.2 Texte 2 de l’épreuve de modélisation

Le jury n’exige pas une compréhension exhaustive du texte. Vous êtes libres d’organiser votre
discussion comme vous l’entendez. Des suggestions de développement, largement indépendantes les
unes des autres, vous sont proposées en fin de texte. Ce ne sont que des suggestions et vous n’êtes
pas tenu(e) de les suivre. Il vous est conseillé de mettre en lumière vos connaissances à partir du fil
conducteur constitué par le texte. Le jury appréciera que la discussion soit accompagnée d’exemples
traités sur ordinateur.
44 AGREGATION DE MATHEMATIQUES

7.2.1 Le problème de Dirichlet

On considère un solide homogène, conduteur de chaleur et tel qu’en tout point de la surface
extérieure la température ne varie pas. Il est clair que le champ des températures à l’intérieur
du solide va évoluer avec le temps jusqu’à atteindre un équilibre thermique.
Les hypothèses raisonnables du modèle sont

- la fonction qui à tout point de la surface du solide associe sa température est continue (et constante
par rapport au temps comme indiqué plus haut).
- à tout instant fixé, en tout point M intérieur au solide la température en M est la moyenne des
températures prises sur une petite boule centrée en M (propagation de la chaleur dans un solide
homogène qui ne contient aucune source de chaleur interne)

On s’intéresse donc au problème suivant, dit de Dirichlet avec condition au bord :

Soit G un ouvert convexe et borné de Rd , ∂G sa frontière et soit ϕ une fonction continue de ∂G
dans R. Chercher une fonction continue f de G dans R vérifiant
∫
(a) ∀ x ∈ G, ∀ r ∈ ]0, dist(x, ∂G)[, f (x) = f (x + y)dy
|y|≤r
(b) ∀ x ∈ ∂G, f (x) = ϕ(x)

Une solution de
d
ce problème est nécessairement régilière et vérifie une EDP où intervient le laplacien
Σ
de f , ∆f = ∂ 2k,kf , on peut énoncer :
k=1

Theorem 7.2.1 Une fonction f est solution du problème de Dirichlet sur G avec condition au bord
h si et seulement si elle est de classe C 2 sur G, continue sur G, vérifie la condition au bord (b) et
l’EDP (c) ∆f (x) = 0, pour tout x ∈ G.

On connait des théorèmes qui assurent, modulo des conditions sur le domaine G et sa frontière,
(c)
l’existence ou l’unicité de f , solution du problème de Dirichlet . Mais il n’y a pas de formule
(b)

explicite pour exprimer la solution en général et on est amené à développer des méthodes numériques
d’approximation des solutions. Un cas particulier où existe une solution sous forme intégrale est
celui des boules (euclidiennes), on dispose alors du résultat suivant

Theorem 7.2.2 Le problème de Dirichlet sur la boule B(0, r) avec condition au bord ϕ est donnée
par ∫
r2 — ǁ ǁx 2
f (x) = ϕ(z) mr (dz)
∂[B(0,r)] ǁz − xǁd

∫ mr est2 la mesure
où uniforme sur la sphère S(0, r) = ∂[B(0, r)] de masse µr choisie pour avoir
r — ǁ ǁx 2

d mr (dz) = 1.
∂[B(0,r)] ǁz − xǁ
 AGREGATION DE MATHEMATIQUES MAROCAINE SESSION 2018 45
La valeur de la solution en x est une moyenne des valeurs de h relativement2 à une probabilité
r2 − ǁxǁ
dépendant de x portée par la sphère S(0, r). La fonction densité z ›→ est appelée noyau
ǁz − xǁd
46 AGREGATION DE MATHEMATIQUES

de Poisson.

Dans le cas d’un domaine G non borné il faut des conditions supplémentaires pour obtenir existence
ou unicité d’une solution. Un cas simple à traiter est celui de G = R × R+ pour lequel la solution
est donnée par
∫ x2
1 +∞
f (x1, x2) = ϕ(z) dz
π −∞ (x1 — z)2 + x2 2

La probabilité portée par la frontière de G est ici la loi de Cauchy translatée en x.

7.2.2 Méthodes numériques de résolution

Déterministe
On discrétise l’espace, notant h > 0 le pas de discrétisation, notant ∼ h la relation de voisinage :

∀ (x, y) ∈ hdZ , x ∼ h y ⇔ ǁy − xǁ = h

posant Gh = G ∩ hZd et ∂hG = {x ∈ hZd \ Gh, ∃ y ∈ Gh, x ∼h y}.

1 Σ
Le laplacien discret est donné par ∆h f (x) = f (y) − f (x).
2d
y∼hx

Remarquer que ∆h f (x) = 0 équivaut à f (x) = moyenne uniforme de f sur le voisinage de x, ce qui
confirme le lien entre les propriétés (a) et (b) du paragraphe précédent.
Le problème de Dirichlet sur G avec condition au bord ϕ est remplacé par sa version discrète :
(1)∀ x ∈ Gh , ∆h (f )(x) = 0
chercher fh définie sur Gh ∪ ∂h G telle que
(2)∀ x ∈ ∂h G, f (x) = ϕh (x)
avec ϕh(x) = valeur moyenne de ϕ sur ∂hG ∩ [x − h, x + h]d.
Il s’agit maintenant de résoudre un système linéaire de n équations à n inconnues, n = card(Gh ).
On dispose pour ce faire de diverses méthodes numériques. On essaye en général de tirer profit de
la remarque suivante : la matrice n × n du système linéaire est une matrice-bande, propriété qui
est conséquence du caractère local de l’opérateur différentiel laplacien.
La méthode de discrétisation est intéressante parce qu’on dispose d’un résultat de convergence de
la solution du problème discrétisé vers la solution du problème initial, lorsque h tend vers 0+ .

Stochastique
On utilise ici le processus W , mouvement brownien d− dimesionnel, dont le générateur infinitésimal
est, au facteur -1/2 près, le laplacien. On montre en utilisant la formule d’Ito que la solution du
problème de Dirichlet sur G avec condition au bord ϕ est donnée par

(3) f (x) = E(ϕ(X(τG)))

où X(t) = x + W (t) et τG = min{t ≥ 0, X(t) ∈ ∂G} (le temps d’atteinte de la frontière ∂G.
Ici aussi on utilise couramment des méthodes de calcul numériques en partant d’une discrétisation
de l’espace et en remplaçant le mouvement brownien par une marche aléatoire. Pour définir la
marche aléatoire Xh partant de x ∈ Gh (qui remplace le processus X(t) = x + W (t) évoqué plus
haut) AGREGATION DE MATHEMATIQUES MAROCAINE SESSION 2018 47
48 AGREGATION DE MATHEMATIQUES

• on considère (Yj )j∈N∗ une suite indépendante et équidistribuée de vecteurs aléatoires telle que
d 1
∀ (ε1 , · · · , εd ) ∈ {− 1, +1} , P(Yj = (ε1 , · · · , εd ) =
2d
Σ
k
• on pose, pour tout entier k ∈ N, Xh(k) = x + Yj .
j=1

C’est la marche aléatoire symétrique aux plus proches voisins.

La fonction x ›→ E(ϕ(Xh (τGh ))) où τGh = min{ k ≥ 0, X(t) ∈ ∂Gh} est une solution approchée du
problème de Dirichlet sur G avec condition au bord ϕ, elle converge vers la solution f donnée par
(3) lorsque h tend vers 0+.
Pour calculer cette solution approchée numériquement on utilise la loi des grands nombres, en
répétant la simulation de marches aléatoires un grand nombre de fois (méthode de Monte Carlo).
Noter que le nombre de variables indépendantes Yj qu’il est nécessaire de simuler est toujours fini,
puisqu’on arrête la marche aléatoire Xh dès qu’elle atteint la frontière de G. Ceci permet d’obtenir
des solutions approchées en temps raisonnable.

7.2.3 Un extrait de sujet posé en concours CPGE

Rappels et notations
- L’espace vectoriel R2 est muni de sa structure euclidienne canonique et de la norme associée
ǁ.ǁ2 .
- D(0, 1) (respectivement D̄(0, 1) et C(0, 1)) désigne le disque ouvert de centre O de rayon 1
(respectivement le disque fermé de centre O de rayon 1 et le cercle de centre O et de rayon
1).
- On note Ω un ouvert de R2. Si u : Ω → R est une application de classe C2 sur louvert Ω, on rappelle
que le laplacien de u est l’ application ∆u = ∂1,1u + ∂2,2u.
- Une application v : Ω → R est dite harmonique (sur Ω) si v est de classe C2 sur Ω avec
∆v(x, y) = 0 pour tout (x, y) ∈ Ω.
- Pour (x, y) ∈ D(0, 1) fixé, on définit le nombre complexe z = x + iy et on pose pour t réel
1 − |z|2 1 − (x2 + y2 )
N (x, y, t) = = (quand l’expression a un sens)
|z − eit |2 (x − cos(t))2 + (y − sin(t))2
Problème de Dirichlet sur le disque unité de R2
Soit f : C(0, 1) → R une application continue. On appelle D f l’ensemble des applications définies
¯ 1), harmoniques sur D(0, 1) et qui co¨ıncident avec l’application f sur C(0, 1). Le
et continues sur D(0,
problème de Dirichlet sur le disque unité de R2 associé à f , consiste à rechercher les éléments de
l’ensemble Df . On définit en outre l’application
∫
1 2π
Nf (x, y) = N (x, y, t)f (cos(t), sin(t)) dt
2π 0
 AGREGATION DE MATHEMATIQUES MAROCAINE SESSION 2018 49
Nf (x, y) si (x, y) ∈ D(0, 1)
sur D(0, 1) et l’application u(x, y) = sur D̄(0, 1).
f (x, y) si (x, y) ∈ C(0, 1)

1. a. Montrer que Nf admet une dérivée partielle ∂1,1 Nf dordre 2 par rapport à x.
De même on peut montrer que Nf admet des dérivées partielles dordre 2 par rapport
a toutes ses variables, continues sur D(0, 1). Ce résultat est admis pour la suite. Ex-
primer, pour tout (x, y) ∈ D(0, 1), pour tout (i, j) ∈ {1, 2}2, ∂i,jNf (x, y) en fonction de
∂i,jN (x, y, t).
b. En déduire que u est harmonique sur D(0, 1).

2. On fixe t0 ∈ [0, 2π], (x, y) ∈ D(0, 1) et ε > 0. De plus, on note, pour tout réel δ > 0 :

0I
δ = {t ∈ [0, 2π]/ ǁ(cos(t), sin(t)) − (cos(t0 ), sin(t0 ))ǁ2 ≤ δ}

a. Montrer que I 0δ est un intervalle ou bien la réunion de deux intervalles disjoints.

b. Montrer l’existence d’un réel δ > 0 tel que
∫ ε
. 0 dt. ≤
N (x, y, t)(f (cos(t), sin(t)) − f (cos(t ),0 sin(t )))
. I0δ . 2

c. Soit δ > 0 quelconque. Montrer que, si t ∈ [0, 2π]\I δ0 et ǁ(x, y)− (cos(t0 ), sin(t0 ))ǁ ≤ δ/2,
alors
1 − (x2 + y2)
|N (x, y, t)| ≤ 4
δ2
d. En déduire que, pour tout δ > 0 il existe η > 0 tel que, si ǁ(x, y) − (cos(t0 ), sin(t0 )) ǁ 2≤ η,
alors
∫ ε
. 0 dt. ≤
N (x, y, t)(f (cos(t), sin(t)) − f (cos(t ),0 sin(t )))
. t∈[0,2π]\I0δ . 2

3. Prouver que u est une application continue en tout point de C(0, 1). Conclusion?

4. (résumée) Montrer que si f est nulle sur C(0, 1) alors u est nulle sur D(0, 1). Conclusion?

7.2.4 Suggestions de développement

Ce paragraphe ne contient qu’un petit nombre de suggestions. Vous pouvez choisir d’étudier cer-
tains points seulement, de façon plus ou moins approfondie, et pas nécessairement dans l’ordre.
Vous pouvez aussi vous poser d’autres questions que celles indiquées ci dessous. Il est vivement
souhaité que vos investigations comportent une partie traitée sur ordinateur et, si possible, des
représentations graphiques.

Aspect mathématique
On peut s’intéresser à la démonstration des résultats théoriques présentés.
Pour les résultats d’existence / unicité on peut s’inspirer du sujet de concours inclus dans ce texte.
50 AGREGATION DE MATHEMATIQUES

Pour l’utilisation de processus X comme le mouvement brownien (en temps continu) ou la marche
aléatoire symétrique (en temps discret) on peut relier la propriété (f (Xt ))t est une martingale et la
propriété f harmonique.
La méthode numérique probabiliste s’appuie sur le temps d’atteinte de la frontière du domaine G.
Il est sous entendu dans le texte qu’il est bien défini et à valeurs finies, presque sûrement. Comment
prouver ces assertions?
Pour le résultat d’unicité de la solution du problème de Dirichlet ou pour l’étude des fonctions
harmoniques, une méthode bien connue exploite le principe du maximum. Rappeler l’énoncé de ce
principe et montrer comment il peut être utilisé.

Aspect modélisation calcul numérique et algorithmique

Commenter les hypothèses du modèle. Quel modèle, quelles équations peut on proposer dans le cas
où le solide possède des sources de chaleur internes?
La méthode numérique déterministe s’appuie sur la résolution de systèmes linéaires de grandes
tailles. Quels sont algorithmes peuvent être efficaces pour cet objectif et comment exploiter la
propriété de la matrice des coefficients qui est une matrice bande?
Illustrer sur des exemples la rapidité de convergence de méthodes numériques pour la résolution de
systèmes linéaires dans le cas de matrices bandes.
Simuler la marche aléatoire symétrique au plus proche voisin. On peut commencer par le cas de la
dimension 1, i.e. le jeu de pile-face.
Utiliser cette simulation pour observer le temps d’atteinte fini de la frontière. Et aussi pour fournir
une solution approchée du problème de Dirichlet.

7.3 Texte 3 de l’épreuve de modélisation

Le jury n’exige pas une compréhension exhaustive du texte. Vous êtes libres d’organiser votre
discussion comme vous l’entendez. Des suggestions de développement, largement indépendantes les
unes des autres, vous sont proposées en fin de texte. Ce ne sont que des suggestions et vous n’êtes
pas tenu(e) de les suivre. Il vous est conseillé de mettre en lumière vos connaissances à partir du fil
conducteur constitué par le texte. Le jury appréciera que la discussion soit accompagnée d’exemples
traités sur ordinateur.

7.3.1 Introduction, modélisation de gestion de stock

Une entreprise qui vend un certain produit voudrait décider combien d’articles du produit devrait
avoir en stock pour chacun des n prochains mois. Les intervalles de temps entre les instants de deux
demandes successives sont des quantités positives, aléatoires indépendantes qui obéissent à une même
loi de probabilités supposée exponentielle de moyenne λ = 0.1 mois. Les demandes sont des quantités
aléatoires indépendantes qui obéissent à une même loi de probabilités sur E = {1, 2, 3, 4}. On suppose
que cette loi, notée (d(k))k∈E , est donnée par d(1) = d(4) = 1/6 et d(2) = d(3) = 1/3. Au début
de chaque mois, l’entreprise vérifie le niveau I de son stock du produit et décide combien d’articles
à commander auprès de son fournisseur. Si l’entreprise commande Z articles, elle encourt un coût C
= K +iZ, où K = 32$ est le coût d’installation et i = 3$ est le coût incrémental par article commandé
(si Z = 0, aucun coût n’est encouru). Quand une commande est formulée, le
 AGREGATION DE MATHEMATIQUES MAROCAINE SESSION 2018 51

temps nécessaire pour qu’elle arrive à l’entreprise (temps de livraison) est uniformément distribué
entre 0.5 et 1 mois.
L’entreprise adopte une stratérie, notée (s, S), pour alimenter son stock et décide une commande
Z selon le schéma suivant:
S − I si I < s
Z=
0 si I ≥ s
où (s, S) ∈ IN × IN ∗ avec s < S.
Lorsqu’une demande D est formulée par un client, elle est immédiatement satisfaite si le niveau du
stock I est supérieur ou égal à D (i.e. I ≥ D). Si la demande D excède le niveau du stock I (i.e.
I < D), l’excès ∆ = D − I est mis en arriérée (en déficite) et sera satisfait par les livraisons futures.
Dans le cas où ∆ > 0, le niveau du stock I devient théoriquement négatif (I = − ∆). Lorsqu’une
livraison est arrivée, elle est d’abord utilisée pour absorber les arriérées et ensuite, s’il en reste, elle
alimente le stock.
Soit I(t) le niveau du stock à l’instant t. Notons I + (t) et I − (t) les quantités max(I(t), 0) et
= max(— I(t), 0) respectivement. Pour une période de n mois (n ∈ IN ∗ ), considérons les quantités
A+ (n) et A− (n) définies par
∫n ∫n
A+(n) = 1 I+(t)dt et A−(n) = 1 I−(t)dt.

n 0 n 0
Supposons que l’entreprise encourt deux autres coûts: un coût de maintien noté m et un coût de
l’arriérée noté a. Le coût m = 1$, par article par mois, inclut la location du magasin (entrepot),
l’assurance, la maintenance, etc. et le coût des arriérées, quand elles existent, a = 5$ par article
manquant par mois.

7.3.2 Données pour comparaison de stratégies de stock

Supposons qu’à l’instant 0, aucune demande n’est formulée et que I(0) = 60.
On simule le comportement du stock pour n = 120 mois et on compare le coût total moyen par
mois CT M (somme des différents coûts moyens par mois) pour chacune des 9 stratégies de stockage
données dans la table (Table 1.) suivante:

s 20 20 20 20 40 40 40 60 60
S 40 60 80 100 60 80 100 80 100

Table 1. Différentes stratégies (s, S)

7.3.3 Quelques outils probabilistes

Soit (Ω, F , IP ) un espace probabilisé dans lequel sont définies toutes les variables aléatoires con-
sidérées dans la modélisation proposée.

Définition
La densité de probabilité f d’une variable aléatoire réelle X qui obéit à une loi exponentielle de
paramètre α > 0 (notation: X ∼ Exp(α)) est définie par
52 f (x) = αe−αx1
AGREGATION DE MATHEMATIQUES
[0,+∞[ (x), x ∈ IR,
 AGREGATION DE MATHEMATIQUES MAROCAINE SESSION 2018 53

où la notation 1 A désigne la fonction indicatrice de l’ensemble A.

La fonction de répartition de cette loi exponentielle est donnée par
∫ t
−αt
F (t) = f (x)dx = 1 − e , t ∈ IR
−∞

Théorème
Soit X une variable aléatoire réelle de fonction de répartition F continue. La variable aléatoire
réelle Y définie par Y = F (X) obéit à une loi de probabilité uniforme sur ]0, 1[.

Inverse généralisé de F

Soit X une variable aléatoire réelle de fonction de répartition F . La fonction inverse généralisée F −
de F est définie par:
F −(u) = inf{x ∈ IR/F (x) ≥ u}, u ∈ ]0, 1[

Remarque

Si F est inversible, alors F − = F −1.

Exemples

1) − Pour une variable aléatoire exponentielle X ∼ Exp(α), nous avons

− ln(1 − u)
F −(u) = F −1(u) = , u ∈ ]0, 1[ (7.3.2)
α
2) − Pour une variable aléatoire réelle discrète X à valeurs dans E = {x1 , x2 , . . .} de loi de proba-
bilités discrète pk = IP (X = xk ), k = 1, 2, . . ., nous avons, pour une réalisation uniforme u ∈ ]0, 1[,

Si u ≤ p1 alors F −k−1
(u) = x1 k !
k
Σ Σ
Sinon F −(u) =x telle que i=1
pi < u ≤ i=1
pi
(2)

7.3.4 Outils informatiques

La simulation Monte Carlo, d’un modèle aléatoire, utilise une suite uk , k = 1, 2, · · · , de réalisations
de la loi uniforme sur ]0, 1[. On admet qu’une telle suite peut être produite par une machine
informatique par le biais d’une fonction dite générateur de nombres aléatoires. Par exemple, en
langage C, l’appel de la fonction rand() donne un nombre entier entre 1 et une grande constante
entière positive RAN D M AX, d’où la division u = (float)rand()/RAN D M AX donne un réel
u ∈ ]0, 1[ que l’on prend comme une réalisation de la loi uniforme sur ]0, 1[. Généralement les langages
informatiques dédiés au calcul scientifique sont dotés de générateurs de nombres aléatoires.
54 AGREGATION DE MATHEMATIQUES

7.3.5 Suggestions de développement

Ce paragraphe ne contient qu’un petit nombre de suggestions. Vous pouvez choisir d’étudier cer-
tains points seulement, de façon plus ou moins approfondie, et pas nécessairement dans l’ordre.
Vous pouvez aussi vous poser d’autres questions que celles indiquées ci dessous. Il est vivement
souhaité que vos investigations comportent une partie traitée sur ordinateur et, si possible, des
représentations graphiques.

Aspect mathématique
1)− Proposer une preuve pour le théorème donné dans le paragraphe
”Quelques outils probabilistes”.

2)− Déterminer le lien entre le paramètre λ défini dans la section I et le paramètre

α défini dans la section III.

3)− Soit t > 0. Exprimer I+(t) en fonction des instants tk ∈ [0, t] et des demandes
Dk formulées aux instants tk .

4)− Que modélisent les quantités suivantes (quand elles existent):

lim A+(n) et lim A−(n).
n−→+∞ n−→+∞

5)− Expliciter la loi de probabilités du temps de livraison et discuter l’importance

du support de cette loi.

Aspect enseignement
1)− Proposer d’autres types de coût et montrer comment peut-on les inclure dans le
modèle proposé.

2)− Peut-on spécifier la loi de la demande en proposant par exemple une loi binômiale
ou une loi de Poisson. Qu’est ce qu’on doit préciser dans le texte concernant chacune
de ces deux lois proposées. Peut-on proposer une loi normale pour la demande?

3)− Discuter la possibilité de passer la commandea à tout instant voulu, au lieu que ça
soit uniquement au début de chaque mois.

Aspect modélisation, calcul numérique et algorithmique

1)− Peut-on construire théoriquement une suite de nombres aléatoires ? (donner des
ingrédients justifiant votre réponse).

2)− Proposer un procédé mathématique qui peut jouer le rôle d’un générateur de
nombres aléatoires.

3)− Comment peut-on vérifier que l’algorithme suivant permet de générer une réalisation
 AGREGATION DE MATHEMATIQUES MAROCAINE SESSION 2018 55

x de X dont la fonction de répartition est F :

Etape 1: générer u uniforme dans ]0, 1[ (par un générateur de nombres aléatoires)

Etape 2: prendre x = F −(u)

4)− Pour une stratégie (s, S) = (30, 90), proposer une réalisation possible de I(t),
durant les 3 premiers mois, pendant laquelle figurent des arriérées en traçant
les courbes de I(t), I+(t) et I−(t).

5)− Interpréter les quantités mA+ (n) et aA− (n).

6)− Comment réalise-t-on l’indépendance entre deux variables aléatoires dans un

programme informatique.

7)− Justifier le fait qu’on peut remplaçer ln(1 − u) par ln(u) dans la formule (7.3.2).

8) Ecrire un algorithme détaillé et clair qui permet de simuler le modèle aléatoire utilisé
pour la gestion du stock de l’entreprise puis le traduire dans un langage de program-
mation (en C par exemple) que vous exécutez sur machine. L’algorithme doit aboutir
à la comparaison des 9 stratégies proposées dans le tableau des données (Table 1.)
en calculant toutes les quantités utiles à cette comparaison.
Vous présenter les résultats de l’execution dans des tableaux et/ou sous formes gra-
phiques (les graphiques sont plus sollicités). Commentez les résultats obtenus.
56 AGREGATION DE MATHEMATIQUES

Chapitre 8

Programme du concours de l’agrégation -

Session 2020

Le programme des épreuves de l’agrégation n’est pas rédigé comme un plan de cours. Il décrit
un ensemble de connaissances que le candidat doit maˆıtriser et savoir illustrer. Il comporte des
répétitions lorsque des notions interviennent naturellement suivant différents points de vue. Le
programme évoque parfois des exemples; ceux-ci sont donnés à titre purement indicatif et peuvent
être remplacés par d’autres qui seraient également pertinents.

Dans les titres 1 à 5 qui suivent, tous les corps (notés K en général) sont supposés commutatifs.

8.1 Algèbre linéaire

8.1.1 Espaces vectoriels
1. Espaces vectoriels, applications linéaires. Produit d’espaces vectoriels. Sous-espaces, image et
noyau d’une application linéaire. Espaces quotients. Somme de sous-espaces, somme directe,
supplémentaires. Familles libres, familles génératrices ; bases. Algèbre des endomorphismes
d’un espace vectoriel E, groupe linéaire GL(E).

2. Sous-espacess tables d’unendomorphisme. Valeurs propres,vecteurs propres,sous-espaces pro-

pres.

3. Représentations linéaires d’un groupe. Irréductibilité. En dimension finie : exemples de

décomposition d’une représentation linéaire en somme directe de sous-représentations, lemme
de Schur.

8.1.2 Espaces vectoriels de dimension finie

1. Espaces vectoriels de dimension finie. Existence de bases : isomorphisme avec Kn. Existence
de supplémentaires d’un sous-espace. Rang d’une application linéaire, rang d’un système de
vecteurs. Espace dual. Rang d’un système d’équations linéaires. Transposée d’une application
linéaire. Base duale. Bidualité. Orthogonalité.

51
52 AGREGATION DE MATHEMATIQUES

2. Applications multilinéaires. Déterminant d’un système de vecteurs, d’un endomorphisme.

Groupe spécial linéaire SL(E). Orientation d’un R-espace vectoriel.

3. Matrices à coefficients dans un anneau commutatif. Opérations élémentaires sur les lignes et
les colonnes, déterminant, inversibilité.
Matrices à coefficients dans un corps. Rang d’une matrice. Représentations matricielles d’une
application linéaire. Changement de base.
Méthode du pivot de Gauss. Notion de matrices échelonnées. Applications à la résolution de
systèmes d’équations linéaires, au calcul de déterminants, à l’inversion des matrices carrées, à
la détermination du rang d’une matrice, à la détermination d’équations définissant un sous-
espace vectoriel.

4. Sous-espaces stables d’un endomorphisme, lemme des noyaux. Polynôme caractéristique.

Poly- nômes d’endomorphismes. Polynômes annulateurs, polynôme minimal. Théorème de
Cayley- Hamilton. Diagonalisation, trigonalisation. Sous-espaces caractéristiques, décomposition
de Dunford. Exponentielle des matrices réelles ou complexes.

8.2 Groupes
Les différentes notions de théorie des groupes introduites dans les paragraphes suivants pourront
être illustrées et appliquées dans des situations géométriques.

1. Groupes, morphismes de groupes. Produit direct de groupes. Sous-groupes. Sous-groupe

engendré par une partie. Ordre d’un élément. Sous-groupes distingués (ou normaux), groupes
quotients. Action d’un groupe sur un ensemble. Stabilisateur d’un point, orbites, espace
quotient. Formule des classes. Classes de conjugaison. Application à la détermination des
groupes d’isométries d’un polytope régulier en dimension 2 et 3.

2. Groupes cycliques. Groupes abéliens de type fini. Groupe des racines complexes n-ièmes de
l’unité, racines primitives.

3. Groupe des permutations d’un ensemble fini. Décomposition d’une permutation en produit
de transpositions, en produit de cycles à supports disjoints. Signature. Groupe alterné.
Application : déterminants.

4. Définition des groupes classiques d’automorphismes d’un espace vectoriel de dimension finie :
groupe général linéaire, groupe spécial linéaire; groupe orthogonal, groupe spécial orthogonal;
groupe unitaire, groupe spécial unitaire.

5. Représentations d’un groupe fini sur un C-espace vectoriel. Cas d’un groupe abélien. Orthog-
onalité des caractères irréductibles. Groupe dual. Transformée de Fourier. Convolution. Cas
général. Théorème de Maschke. Caractères d’une représentation de dimension finie. Fonc-
tions centrales sur le groupe, base orthonormée des caractères irréductibles. Exemples de
représentations de groupes de petit cardinal.
 AGREGATION DE MATHEMATIQUES MAROCAINE SESSION 2018 53

8.3 Groupes Anneaux, corps et polynômes

1. Anneaux (unitaires), morphisme d’anneaux, sous-anneaux. L’anneau Z des entiers relatifs. Pro-
duit d’anneaux. Idéaux d’un anneau commutatif, anneaux quotients, idéaux premiers, idéaux
maximaux. Notion d’algèbre (associative ou non) sur un anneau commutatif.

2. Algèbre des polynômes à une ou plusieurs indéterminées sur un anneau commutatif. Décompo-
sition en somme de polynômes homogènes. Polynômes symétriques.

3. Corps, sous-corps. Caractéristique. Extension de corps. Corps des fractions d’un anneau
intègre. Le corps Q des nombres rationnels. Le corps R des nombres réels. Le corps C des
nombres complexes. Théorème de d’Alembert-Gauss.

4. Divisibilité dans les anneaux commutatifs intègres. Éléments irréductibles, éléments in-

versibles, éléments premiers entre eux. Anneaux factoriels. Plus grand diviseur commun,
plus petit multiple commun.

Factorialité de A[X] quand A est un anneau factoriel. Anneaux principaux. Théorème de

Bézout. Anneaux euclidiens. Algorithme d’Euclide. Cas de l’anneau Z et de l’algèbre K[X]
des polynômes sur le corps K. Polynômes irréductibles. Exemples : polynômes cyclotomiques
dans Q[X], critère d’Eisenstein.

5. Congruences dans Z. Nombres premiers. Étude de l’anneau Z/nZ et de ses éléments in-

versibles, fonction indicatrice d’Euler. Théorème chinois.

6. Racines d’un polynôme, multiplicité. Relations entre les coefficients et les racines d’un
polynôme scindé. Sommes de Newton. Polynôme dérivé. Éléments algébriques et tran-

scendants. Exten- sions algébriques. Corps algébriquement clos. Corps de rupture et corps
de décomposition. Corps finis. Morphisme de Frobenius.

7. Corps des fractions rationnelles à une indéterminée sur un corps. Décomposition en éléments
simples. Cas réel et complexe.

8.4 Formes bilinéaires et quadratiques sur un espace vec-

toriel
1. Formes bilinéaires. Formes bilinéaires alternées. Formes bilinéaires symétriques, formes
quadra- tiques, forme polaire d’une forme quadratique (en caractéristique différente de 2).
Éléments or- thogonaux, interprétation géométrique. Formes non dégénérées. Adjoint d’un en-
domorphisme. Représentation matricielle, changement de base. Rang d’une forme bilinéaire.

2. Orthogonalité. Sous-espaces isotropes. Décomposition d’une forme quadratique en somme

54 de carrés. Théorème d’inertie de Sylvester.
AGREGATION Classification dans le cas de R ou C. Procédés
DE MATHEMATIQUES
d’orthogonalisation.
 AGREGATION DE MATHEMATIQUES MAROCAINE SESSION 2018 55

3. Espaces vectoriels euclidiens, espaces vectoriels hermitiens. Isomorphisme d’un espace vec- toriel
euclidien avec son dual. Supplémentaire orthogonal. Inégalité de Cauchy-Schwarz. Norme.
Bases orthonormales.

4. Groupe orthogonal, groupe spécial orthogonal. Exemple de générateurs du groupe orthog-

onal : décomposition d’un automorphisme orthogonal en produit de réflexions. Endomor-
phismes symé- triques, endomorphismes normaux. Diagonalisation d’un endomorphisme
symétrique. Réduction simultanée de deux formes quadratiques réelles, l’une étant définie
positive. Décomposition po- laire dans GL(n, R). Espaces vectoriels euclidiens de dimen-
sion 2, classification des éléments de O(2, R). Espaces vectoriels euclidiens de dimension 3,
classification des éléments de O(3, R); produit mixte, produit vectoriel.

5. Groupe unitaire, groupe spécial unitaire. Diagonalisation des endomorphismes normaux.

Décom- position polaire dans GL(n, C).

8.5 Géométrie affine et euclidienne

Tous les espaces considérés dans ce chapitre sont de dimension finie.

1. Espace affine et espace vectoriel associé. Application affine et application linéaire associée.
Sous- espaces affines, barycentres. Repères affines, équations d’un sous-espace affine. Groupe
affine, notion de propriété affine. Groupe des homothéties-translations, affinités. Parties
convexes, en- veloppe convexe d’une partie d’un espace affine réel, points extrémaux.

2. Isométries d’un espace affine euclidien. Groupe des isométries d’un espace affine euclidien.
Dé- placements, antidéplacements. Similitudes directes et indirectes du plan. Classification
des isométries en dimension deux et trois.

3. Angles en dimension 2 : angles de vecteurs, angles de droites, Théorème de l’angle inscrit,

cocy- clicité.

4. Groupe des isométries laissant stable une partie du plan ou de l’espace. Polygones réguliers.
Relations métriques dans le triangle. Utilisation des nombres complexes en géométrie plane.

5. Application des formes quadratiques à l’étude des coniques propres du plan affine euclidien
(foyer, excentricité) et des quadriques de l’espace affine euclidien de dimension 3.

8.6 Analyse à une variable réelle

8.6.1 Nombres réels
Le corps R des nombres réels. Topologie de R. Sous-groupes additifs de R. Suites de nombres réels
: convergence, valeur d’adhérence. Suites récurrentes. Limites inférieure et supérieure. Suites de
Cauchy. Complétude de R. Théorème de Bolzano-Weierstrass. Parties compactes de R. Parties
connexes de R.
56 AGREGATION DE MATHEMATIQUES

8.6.2 Séries numériques

Convergence des séries à termes réels. Séries géométriques, séries de Riemann. Séries à termes
positifs. Sommation des relations de comparaison. Comparaison d’une série et d’une intégrale.
Estimations des restes. Convergence absolue. Produits de séries. Séries alternées.

8.6.3 Fonctions définies sur une partie de R et à valeurs réelles

1. Continuité
Limites, continuité. Théorème des valeurs intermédiaires, image d’un segment. Étude de la
conti- nuité des fonctions monotones. Continuité d’une fonction réciproque.

2. Dérivabilité
Dérivée en un point, fonctions dérivables. Dérivée d’une fonction composée. Dérivée d’une
fonction réciproque. Théorèmes de Rolle et des accroissements finis. Etude des variations
d’une fonction. Dérivées d’ordre supérieur. Applications de classe C k , de classe C k par
morceaux. Formule de Leibniz. Formule de Taylor-Young, formule de Taylor avec reste
intégral, formule de Taylor-Lagrange. Calcul de développements limités et de développements
asymptotiques.

8.6.4 Fonctions usuelles

Fonctions polynômes, fonctions rationnelles. Logarithmes. Exponentielles. Fonctions puissances.
Fonc- tions circulaires et hyperboliques. Fonctions circulaires et hyperboliques réciproques.

8.6.5 Intégration
1. Intégrale sur un segment des fonctions continues par morceaux Calcul de primitives. Sommes
de Riemann. Primitives d’une fonction continue. Méthodes usuelles de calcul d’intégrales.
Changement de variable. Intégration par parties.

2. Intégrales généralisées Intégrales absolument convergentes. Intégration des relations de com-

paraison. Intégrales semi- convergentes.

8.6.6 Suites et séries de fonctions

Convergence simple, convergence uniforme. Continuité et dérivabilité de la limite. Cas des séries
de fonctions ; convergence normale.

Théorèmes d’approximation de Weierstrass polynomial et de Weierstrass trigonométrique.

8.6.7 Convexité
Fonctions convexes d’une variable réelle. Continuité et dérivabilité des fonctions convexes. Car-
actéri- sations de la convexité. Inégalités de convexité.
 AGREGATION DE MATHEMATIQUES MAROCAINE SESSION 2018 57

8.7 Analyse à une variable complexe

8.7.1 Séries entières
1. Rayon de convergence. Propriétés de la somme d’une série entière sur son disque de conver-
gence : continuité, dérivabilité par rapport à la variable complexe, primitives.

2. Exponentielle complexe; propriétés. Extension des fonctions circulaires au domaine complexe.

Développement en série entière des fonctions usuelles.

8.7.2 Fonctions d’une variable complexe

1. Fonctions holomorphes. Conditions de Cauchy-Riemann. Intégrale d’une fonction continue le
long d’un chemin C 1 par morceaux. Primitives d’une fonction holomorphe. Déterminations
du logarithme. Théorème d’holomorphie sous le signe intégrale.

2. Indice d’un chemin fermé C 1 par morceaux par rapport à un point.

3. Formules de Cauchy. Analyticité d’une fonction holomorphe. Principe des zéros isolés.
Principe du prolongement analytique. Principe du maximum.

4. Singularités isolées. Séries de Laurent. Fonctions méromorphes. Théorème des résidus.

5. Suites et séries de fonctions holomorphes. Stabilité de l’holomorphie par convergence uniforme.

8.8 Topologie
8.8.1 Topologie et espaces métriques
1. Topologie d’un espace métrique. Topologie induite. Produit fini d’espaces métriques.

2. Suites. Valeurs d’adhérence. Limites. Applications continues. Homéomorphismes.

3. Compacité.Équivalencedesdéfinitionsentermesdevaleursd’adhérence(Bolzano-Weierstrass) ou de
recouvrements ouverts (Borel-Lebesgue). Connexité. Composantes connexes. Connexité par
arcs.

4. Applications lipschitziennes, applications uniformément continues. Théorème de Heine.

5. Espaces métriques complets. Théorème du point fixe pour les applications contractantes.

8.8.2 Espaces vectoriels normés sur R ou C

1. Topologie d’un espace vectoriel normé. Normes équivalentes. Cas des espaces de dimension
finie. Normes ǁ ˙ p sur Rn et Cn . Espaces de Banach. Séries absolument convergentes dans un
espace de Banach.

2. Applications linéaires continues, norme d’une application linéaire continue.

58 AGREGATION DE MATHEMATIQUES

3. Norme de la convergence uniforme. Espace des fonctions continues bornées sur un espace mé-
trique, à valeurs dans un espace de Banach.

4. Étude de la compacité de parties d’un espace vectoriel normé : théorème de Riesz, théorème
d’Ascoli.

8.8.3 Espaces de Hilbert

1. Projection sur un convexe fermé. Projection orthogonale sur un sous-espace vectoriel fermé.

2. Dual d’un espace de Hilbert, théorème de représentation de Riesz. Cas des espaces l2 et L2 .
Bases hilbertiennes (dans le cas séparable). Exemples de bases de polynomes trigonométriques
et de polynômes orthogonaux. Théorème de Lax-Milgram. (

3. Espace H01 (]0, 1[) et application au problème de Dirichlet en dimension 1.

8.9 Calcul différentiel

8.9.1 Fonctions différentiables
1. Applications différentiables sur un ouvert de Rn . Différentielle (application linéaire tangente).
Dérivée selon un vecteur.

2. Dérivées partielles. Matrice jacobienne, vecteur gradient, matrice hessienne. Composition

d’ap- plications différentiables. Théorème des accroissements finis. Applications de classe C 1 .

3. Applications de classe C k . Dérivées partielles d’ordre k. Interversion de l’ordre des dérivations.

Formule de Taylor-Young, formule de Taylor avec reste intégral.

4. Étude locale des applications à valeurs dans R. Développements limités. Recherche des
extrema locaux, caractérisation de la convexité des fonctions de classe C 1 et C 2 définies sur
un ouvert convexe Rn.

5. Difféomorphismes. Théorème d’inversion locale. Théorème des fonctions implicites.

8.9.2 Équations différentielles—

1. Équations différentielles de la forme X J = f (t, X) sur I × Ω avec I intervalle ouvert de R et
Ω ouvert de Rn . Théorème de Cauchy-Lipschitz. Solutions maximales. Lemme de Gronwall.
Théorème de sortie de tout compact (théorème “des bouts”).

2. Cas des équations différentielles autonomes. Portrait de phase, comportement qualitatif.

Stabilité des points d’équilibre (théorème de linéarisation).

3. Systèmes différentiels linéaires. Méthode de variation des constantes (fomule de Duhamel).

Cas des coefficients constants. Application à la résolution d’équations différentielles linéaires
d’ordre supérieur à 1.
 AGREGATION DE MATHEMATIQUES MAROCAINE SESSION 2018 59

8.9.3 Géométrie différentielle

1. Sous-variétés de Rn . Définitions équivalentes : graphe local, paramétrisation locale, équation
locale. Espace tangent. Gradient. Cas des surfaces de R3, position par rapport au plan tangent.

2. Construction de courbes planes définies par une représentation paramétrique. Etude métrique
des courbes : abscisse curviligne, longueur d’un arc C1.

3. Extrema liés, multiplicateurs de Lagrange.

8.10 Calcul intégral

8.10.1 Notions de théorie de la mesure
Définition des espaces mesurables, tribu produit, cas particulier des tribus boréliennes. Définition
d’une mesure positive, cas particuliers de la mesure de comptage, de la mesure de Lebesgue (con-
struction admise) et des mesures de probabilité. Définition d’une mesure produit (construction
admise). Défini- tion des fonctions mesurables, approximation par des fonctions étagées.

8.10.2 Intégration
1. Intégrale des fonctions mesurables positives, théorème de convergence monotone. Lemme de
Fatou. Fonctions intégrables, théorème de convergence dominée.

2. Fonctions intégrables à valeurs dans un espace vectoriel de dimension finie. Continuité,

dérivabi- lité des intégrales à paramètres.

3. Espaces Lp , où 1 ≤ p ≤ ∞. Complétude. Inégalité de Holder.

4. Théorème de Fubini. Changement de variables dans une intégrale multiple. Cas des coor-
données polaires, cas des coordonnées sphériques.

5. Convolution. Régularisation et approximation par convolution.

8.10.3 Analyse de Fourier

1. Séries de Fourier des fonctions localement intégrables périodiques d’une variable réelle. Lemme
de Riemann-Lebesgue. Produit de convolution de fonctions périodiques. Théorèmes de Diri-
chlet, de Fejer et de Parseval.

2. Transformation de Fourier sur les espaces L1 (Rd ) et L2 (Rd ). Théorème de Plancherel.

60 AGREGATION DE MATHEMATIQUES

8.11 Probabilités
8.11.1 Définition d’un espace probabilisé
Evénements, tribus, mesure de probabilité. Indépendance d’événements et de tribus. Loi du 0-1,
lemmes de Borel-Cantelli. Probabilités conditionnelles. Formule des probabilités totales.

8.11.2 Variables aléatoires, loi d’une variable aléatoire

1. Loi discrète, loi absolument continue. Fonction de répartition et densité. Loi conjointe de
variables aléatoires, indépendance de variables aléatoires. Espérance et variance d’une variable
aléatoire à valeurs réelles, théorème de transfert. Moments. Exemples de lois : loi de Bernoulli,
binomiale, géométrique, de Poisson, uniforme, exponentielle, de Gauss.

2. Fonction caractéristique. Fonction génératrice d’une variable aléatoire à valeurs dans N. Appli-
cation aux sommes de variables aléatoires indépendantes.

8.11.3 Convergences de suites de variables aléatoires

1. Convergence en probabilité, dans Lp , presque sûrement, en loi. Inégalité de Markov, inégalité
de Bienaymé-Tchebychev, théorème de Lévy.

2. Loi faible et loi forte des grands nombres. Théorème central limite.

8.12 Distributions
8.12.1 Espaces S(Rd ) et S ′ (Rd )
1. Espace de Schwartz S(Rd ) des fonctions à décroissance rapide. Transformation de Fourier

sur S(Rd ). Convolution de deux fonctions de S(Rd ). Multiplication par une fonction C ∞ à
croissance lente.

2. Espace S J (Rd ) des distributions tempérées. Dérivation des distributions tempérées. Convolu-
tion d’une distribution tempérée avec une fonction de S(Rd )). Multiplication par une fonction
C ∞ à croissance lente. Exemples de distributions tempérées : fonctions localement intégrables,
masse de Dirac, valeur principale de Cauchy, cas des fonctions périodiques, peigne de Dirac.

3. Transformation de Fourier dans SJ(Rd). Formule d’inversion. Transformation de Fourier et

dérivation, Transformée de Fourier d’un produit de convolution.

8.12.2 Applications
Calcul de dérivées et de transformée de Fourier de distributions. Formule de Poisson (dimension un).
Notion de solution élémentaire d’opérateurs différentiels à coefficients constants (cas du laplacien).
Notion de solution faible d’équations aux dérivées partielles linéaires : application, par exemple,
 AGREGATION DE MATHEMATIQUES MAROCAINE SESSION 2018 61

à la résolution des équations de Laplace, de la chaleur, des ondes. Utilisation de la convolution

et de la transformée de Fourier-Laplace pour la résolution d’équations différentielles linéaires en
dimension 1.

8.13 Méthodes numériques

8.13.1 Résolution de systèmes d’équations linéaires
Notion de conditionnement. Théorème de Gershgorin-Hadamard. Pivot de Gauss, décomposition
LU . Méthodes itératives (par exemple méthode de Jacobi, méthode de Gauss-Seidel); analyse de
convergence : normes subordonnées, rayon spectral.
Décomposition en valeurs singulières.
Exemple de la matrice de discrétisation par différences finies du laplacien 1D.

8.13.2 Méthodes itératives de résolution approchée d’équations réelles

et vecto- rielles
Cas des systèmes linéaires : méthodes itératives. Recherche d’éléments propres : méthode de la
puis- sance. Optimisation de fonctions convexes en dimension finie, méthode du gradient à pas
constant, moindres carrés. Problèmes non linéaires réels et vectoriels : méthode de dichotomie,
méthode de Picard, méthode de Newton, vitesse de convergence et estimation de l’erreur.

8.13.3 Intégration numérique

Méthode des rectangles, estimation de l’erreur. Méthode de Monte-Carlo : vitesse de convergence,
application au calcul d’intégrales multiples.

8.13.4 Approximation de fonctions numériques

Interpolation de Lagrange : polynome de Lagrange d’une fonction en (n + 1) points, estimation
de l’erreur. 13.5 Équations différentielles ordinaires Aspects numériques du problème de Cauchy :
méthode d’Euler explicite, consistance, stabilité, convergence, ordre.

8.13.5 Transformée de Fourier

Transformée de Fourier discrète sur un groupe abélien fini. Transformée de Fourier rapide.
62 AGREGATION DE MATHEMATIQUES

Chapitre 9

Anexe : Sujets du concours

9.1 Épreuve écrite de mathématiques générales

61
 Les calculatrices, téléphones, tablettes, ordinateurs, montres connectées et
tous appareils électroniques de communication ou de stockage, ainsi que les
documents sont interdits.

La qualité de la rédaction est un facteur important d’appréciation des copies.

Les candidats sont donc invités à produire des raisonnements clairs, complets
et concis.

Les candidats peuvent utiliser les résultats énoncés dans les questions ou par-
ties précédentes, en veillant dans ce cas à préciser la référence du résultat
utilisé.

Notations et rappels.
— Si E est un ensemble fini, on note #E son cardinal.
— Si x est un nombre réel, on note E(x) sa partie entière.
— Si K désigne le corps des nombres réels R ou le corps des nombres complexes C, pour
tous entiers naturels non nuls d, e, on note Md,e (K) le K-espace vectoriel des matrices
à d lignes et e colonnes à coefficients dans K ; lorsque d = e, on note aussi Md (K) la
K-algèbre des matrices à d lignes et d colonnes à coefficients dans K, GLd (K) le groupe
des matrices inversibles, et Id la matrice identité dans Md (K).
— Si M = (mij )i,j∈{1,...,d} ∈ Md (K), on note t M = (mji )i,j∈{1,...,d} ∈ Md (K) sa transposée.
— Une matrice M de M d (K) définit un endomorphisme sur Kd , endomorphisme qui envoie
un vecteur V de Kd sur le vecteur M V . Cet endomorphisme est aussi noté M .
Äd
Σ ä1/2
— Si v = (v1 , ..., v d) ∈ Kd , on note ǁvǁ =
2
|v |2 et ǁvǁ ∞ = max i∈{1,...,d} |vi |. Pour
i=1 i
i=0
Σk
tout entier k ≥ 0, si g = gi ti ∈ K[t] est un polynôme de degré au plus k, on note
Ä ä1/2
ǁgǁ2 = Σki=0 |gi |2 et ǁgǁ∞ = maxi∈{0,...,k} |gi |.

— Si p est un nombre premier, on note πp la projection canonique sur Z/pZ, c’est-à-dire

le morphisme d’anneaux qui envoie un entier sur sa classe modulo p. Cette projection
canonique s’étend en une application, notée elle aussi πp , sur l’algèbre des polynômes
Σ
Z[t], ainsi définie : si P = di=0 ai ti ∈ Z[t] est un polynôme, on note πp (P ) le polynôme
Σd i
i=0 πp(ai)t ∈ Z/pZ[t].

— On rappelle que l’anneau Z[t] est un anneau factoriel. On pourra utiliser sans démonstra-
tion le fait que deux polynômes f et g à coefficients entiers dont l’un est unitaire ont un
unique pgcd unitaire qu’on notera pgcd(f, g). Ce pgcd est aussi l’unique pgcd unitaire de
f et g considérés dans Q[t].
Σd−1
— Soit f = td + i=0 fi ti ∈ C[t] un polynôme unitaire de degré d ≥ 1. On lui associe la
1
 matrice
0 0 0 ... 0 0 − f0
1 0 0 ... 0 0 −f1
0 1 0 ... 0 0 − f2
Af = .. ..
. . . . . ∈ Md (C). (1)
.. ..
. . . . .
0 0 0 ... 1 0 − fd−2
0 0 0 ... 0 1 − fd−1
On rappelle que le polynôme caractéristique de Af est f .

Les questions préliminaires des différentes parties ont été rassemblées, sous forme
d’exercices, au début du sujet ; il est vivement conseillé de les traiter en priorité.

Exercice 1
On considère la matrice
á ë
1/2 1/2 0 0
1/4 1/4 1/2 0
A= ∈ M4 (R).
1/8 1/8 1/4 1/2
1/8 1/8 1/4 1/2

1. Déterminer la dimension du noyau de la matrice A.

2. Quel est le déterminant de A ? Préciser le rang de A.
3. Déterminer les valeurs propres de la matrice A.
á ë á ë
1 2
1 0
Indication : on pourra calculer A et A .
1 −1
1 −1
La matrice A est-elle diagonalisable ?

Exercice 2
Σ−1 fi ti ∈ R[t] un polynôme unitaire de degré d ≥ 1 à coefficients réels.
Soit f = td + di=0
1. Soit A = (aij )i,j∈{1,...,d} ∈ Md (C) une matrice. Montrer que si λ ∈ C est tel que, pour
Σ
tout i, |aii − λ| > j i |aij |, alors A − λId est inversible.
2. Soit λ une racine de f : montrer que la matrice Af − λId , avec la définition (1), n’est pas
inversible.
3. Soit µ dans C tel que |µ| > 1 + maxi∈{0,...,d−1} |fi | ; montrer que la matrice Af − µId est
inversible. En déduire que toutes les racines ρ de f vérifient |ρ| ≤ 1 + ǁf ǁ∞ .
Σ
4. Soit g = tk + k−1 j=0 gj t ∈ C[t] un polynôme unitaire divisant f , où k ≥ 1. Montrer que
j

ǁgǁ∞ ≤ (2 + 2ǁf ǁ∞ ) . k

2
Exercice 3
Σ
Pour u et v deux vecteurs de Rn , on note (u|v) = ni=1 ui vi leur produit scalaire usuel. Soit
(b1 , . . . , bd ) une famille de d vecteurs linéairement indépendants de Rn .
1. On se propose de démontrer qu’il existe une famille de d vecteurs (b∗1 , . . . , b∗d ) vérifiant les
propriétés :
[P1] b∗1 = b1 .
Σ (bi |b∗j )
[P2] pour i ∈ {2, ..., d}, b∗i = b i− µ b∗, avec pour tout j dans {1, .., i− 1}, µ = (b∗j |b∗j )
.
j<i ij j ij

[P3] (b∗i |b∗j ) = 0 pour tous i, j dans {1, ..., d} tels que i /= j.
(a) Soient (b1] , . . . , b] ) des vecteurs de Rn tels que b1] = b1 et, pour tout i dans {2, ..., d},
d
Σ
il existe des nombres réels (αij )1≤j≤i tels que bi] = bi − j<i αij b]j. Démontrer que,
pour tout i dans {1, ..., d}, Vect(b1 , ..., bi ) = Vect(b] , . . . , b] ) et en déduire que b] est
1 i i
non nul.

(b) Construire par récurrence une famille de d vecteurs (b∗1 , . . . , b∗d ) vérifiant les propriétés
[P1] et [P2].
(c) Démontrer que la famille de vecteurs ainsi construite vérifie la propriété [P3].
On note B la matrice de Mn,d(R) dont les colonnes sont les vecteurs b1, ..., bd dans cet ordre.
Qd
2. Montrer que i=1 ǁb∗i ǁ2 = (det t BB)1/2 .
Qd
3. En déduire que, si d = n, |det B| ≤ i=1 ǁbi ǁ2 .

Exercice 4
n
Soit p un nombre premier. Si n est un entier naturel, on définit Pn ∈ Z[t] par Pn = tp − t.
1. Soient r et n deux entiers naturels, avec r > 0 ; on note n = qr + k, 0 ≤ k < r, la division
euclidienne de n par r. Montrer qu’il existe un polynôme Q ∈ Z[t] tel que Pn = QPr + Pk .
2. En déduire que pgcd (Pn , Pr ) = Ppgcd(n,r) .
3. Soit f ∈ Z/pZ[t] un polynôme irréductible de degré r ; on note (f ) l’idéal f Z/pZ[t].
Montrer que l’anneau F = Z/pZ[t]/(f ) est un corps fini de cardinal pr . En déduire que f
divise πp(Pr).
Soit I n l’ensemble des polynômes irréductibles unitaires de degré divisant n dans Z/pZ[t]. On
considère le polynôme : Y
Q= ϕ.
ϕ∈In

4. Démontrer que Q divise πp (Pn ).

Dans la suite du problème, on admettra l’égalité Q = πp (Pn ).

3
Préambule au problème
L’objet de ce problème est de développer un ensemble d’outils permettant de calculer la décom-
position en produit de puissances de polynômes irréductibles d’un polynôme unitaire de Z[t],
en la déduisant d’un procédé analogue dans Z/pZ[t].
La stratégie est de construire, étant donné un nombre premier p assez grand, un polynôme
/ Le
g ∈Z[t], deg g < deg f , ayant de “petits” coefficients et tel que pgcd (πp(f ), πp(g)) = 1.
problème s’organise de la manière suivante :
— La première partie étudie une suite matricielle de type arithmético-géométrique ; elle
établit des résultats qui seront utiles dans la dernière partie.
— La deuxième partie établit que la stratégie est fondée, c’est-a-dire que si g est comme
ci-dessus, alors pgcd (f, g) ∈/ {1, f } dans Z[t].
— La troisième partie propose une méthode de factorisation dans Z/pZ[t].
— Les deux dernières parties décrivent un procédé qui peut être utilisé pour construire le
polynôme g, ou a contrario prouver l’irréductibilité de f .

Partie 1
Dans cette partie, d est un entier naturel ≥ 2. On note
Σd
— H l’hyperplan de Rd défini par H = {(x1 , ..., xd ) tel que i=1 xi = 0},

— E le vecteur de Rd dont toutes les coordonnées sont égales à 1.

Pour k ∈ {1, ..., d − 1}, on introduit les matrices Mk ∈ Md (R) définies par

δij si i ∈/ {k, k + 1},

∀ i, j ∈ {1, ..., d}, (Mk )ij = 1/2 si (i, j) ∈ {k, k + 1}2, (2)

0 sinon,

où δij = 1 si i = j et δij = 0 sinon.

1. Soit k dans {1, ..., d − 1}.

(a) Démontrer que Rd = Vect(E) ⊕ H, que E est un vecteur propre de Mk associé à la

valeur propre 1, et que H est stable par l’endomorphisme associé à Mk dans la base
canonique de Rd.
(b) Montrer que pour tout x ∈ Rd , ǁMk xǁ2 ≤ ǁxǁ2 . Etudier le cas d’égalité. On
pose A = Md−1 · Md−2 ············ M2 · M1.
2. Démontrer que E est un vecteur propre de A associé à la valeur propre 1, et que H est
stable par l’endomorphisme associé à A dans la base canonique de Rd .
3. Montrer que si x /∈ Vect(E), alors ǁAxǁ2 < ǁxǁ2 . En déduire que le sous-espace propre
associé à la valeur propre 1 est Vect(E).
4. Soit AH l’endomorphisme induit par A sur H. Justifier que la limite de la suite (AHk )k∈N
est l’endomorphisme nul.
On note Π la projection sur Vect(E) parallèlement à H.
5. Démontrer que la suite (Ak )k∈N converge vers Π.
4
 Soit G un vecteur dans H.
6. Démontrer que l’équation X = AX + G admet une unique solution dans H, qui sera notée
Z. En déduire l’ensemble des solutions de l’équation X = AX + G d’inconnue X ∈ Rd .
7. Soit X0 ∈ Rd un vecteur et (Xl )l∈N la suite d’éléments de Rd définie par récurrence par

Xl+1 = AXl + G, l ∈ N.
Démontrer que la suite (Xl )l∈N converge vers le vecteur
lim Xl = Π(X0) + Z,
l→∞

Partie 2
Σdeg f −1
Soit f = tdeg f + j=0
fj tj un polynôme unitaire de Z[t] non constant.
Σdeg g j
1. Soit g = j=0 gj t un polynôme de Z[t], qu’on suppose premier avec f .
Σdeg g−1 Σdeg f −1
(a) Justifier l’existence de u = j=0 ujtj et v = j=0 vjtj dans Q[t] tels que
uf + vg = 1.
Pour i ∈ { 0, ..., deg g − 1} et j ∈ { 0, ..., deg f − 1} , on introduit les vecteurs wi et zj de Rdeg f+deg g
définis par
0 0
. i . j
0 0
f0 g0
f1 g1
wi = zj =
. .

fdeg f gdeg g
0 0
. deg g − 1 − i . deg f − 1 − j
0 0

et la matrice M (f, g) dont les colonnes sont w0, . . . , wdeg g−1, z0, . . . , zdeg f−1, de sorte que l’iden-
tité
deg
Σ g−1 deg
Σ f −1
uf + vg = 1, u= uiti, v= viti
i=0 i=0

se réécrit sous la forme du système linéaire suivant :

u0
u1
à í
. 1

= 0.
udeg g−1
M (f, g) v0 . .
v1 0
.
vdeg f −1

5
 (b) Montrer que | det M (f, g)| est un entier naturel inférieur ou égal à ǁf ǁdeg g ǁgǁdeg f .
2 2
On admet que 0 det M (f, g).
(c) Soit r = | det M (f, g) |. Démontrer que les polynômes ũ et ṽ définis par ũ = ur et
ṽ = vr sont dans Z[t] et vérifient ũf + ṽg = r.
(d) Soit p un nombre premier tel que πp(f ) et πp(g) ne sont pas premiers entre eux dans
Z/pZ[t].
i. Montrer que p divise det M (f, g).
ii. En déduire que p ≤ ǁf ǁdeg2g ǁgǁdeg f .2
2. On suppose que le polynôme f est sans facteur carré c’est-à-dire que la décomposition
Q
en produit de facteurs irréductibles de f s’écrit sous la forme f = ti=1 fi , où les fi sont
irréductibles et deux-à-deux distincts. Soit p un nombre premier tel que

p > (deg f )deg f /2 ǁf ǁdeg2 f −1 (2 + 2ǁf ǁ∞ )deg f (deg f −1) .

/ 1, h =
Soit h ∈ Z[t] unitaire, h = / f , et tel que πp (h) est un diviseur irréductible de πp (f )
dans Z/pZ[t]. On note

Lp(h) = {h · h1 + ph2, h1, h2 ∈ Z[t], deg(hh1) ≤ deg f − 1, deg h2 ≤ deg f − 1}.

(a) Montrer qu’il existe un polynôme irréductible g ∈ Z[t] tel que πp (h) divise πp (g) et
g divise f .
(b) Montrer que f n’est pas irréductible dans Z[t] si et seulement s’il existe u ∈ L p(h)
non nul avec
ǁuǁ∞ ≤ (2 + 2ǁf ǁ∞ )deg f −1
et que dans ce cas pgcd (u, f ) est un diviseur non trivial de f (c’est-à-dire que
pgcd (u, f ) /∈ {1, f }).
Indication : on pourra remarquer que si f n’est pas irréductible dans Z[t], alors
g ∈ Lp (h), et exploiter les rappels faits en préambule sur Z[t].

Partie 3
Dans toute cette partie, p est un nombre premier différent de 2, f est un polynôme unitaire, non
constant, de Z/pZ[t] de degré n sans facteur carré, et on note f = f1 . . . fr la décomposition de
f en produit de facteurs irréductiblesÄunäitaires dansÄ Zä/pZ[t].
On définit deux suites de polynômes ui et gi
i∈N\{0}
de Z/pZ[t] par
i∈N\{0}

i
1 pour tout i ≥ 2, u =
u1 = pgcd (f, tp − t), g 1= f/u et, − t), g i = g
p
i pgcd (g i−1 , t i−1 /u i .

Les pgcd utilisés pour cette définition sont tous choisis unitaires.
Qn
1. (a) Montrer que i=1 ui = f .
(b) Montrer que tous les facteurs irréductibles de ui sont de degré i.
(c) Montrer que f est irréductible sur Z/pZ[t] si et seulement si f = gE(n/2)+1 .

6
On fait maintenant l’hypothèse que f = f1 . . . fr , avec r ≥ 2, les fi irréductibles, deux à deux
distincts et de même degré d. Soit C l’application

C : Z/pZ[t] − → Z/pZ[t]
h(t) − → h(t)(p −1)/2.
d

En notant ω la projection canonique de Z/pZ[t] sur Z/pZ[t]/(f ), l’application C définit par

factorisation une application C (on ne demande pas de vérifier cela) :

C : Z/pZ[t]/(f ) − → Z/pZ[t]/(f )
ω(h) − → ω(h)(p −1)/2.
d

2. Soit h dans Z/pZ[t] premier avec f . Montrer que C(ω(h))2 = 1.

−1 −1 r
p −1
d
3. Montrer que #C ({1}) = #C ({− 1}) = 2
.
4. On note Z/pZ[t]rd le sous-espace vectoriel de Z/pZ[t] de dimension rd constitué des
éléments dont le degré est strictement inférieur à rd.
(a) Soit U une variable aléatoire de loi uniforme à valeurs dans Z/pZ[t]rd . On note A
l’événement {pgcd (U, f ) /∈ {1, f }} et B l’événement {pgcd (C(U ) − 1, f ) /∈ {1, f }}.
Montrer que, pour r ≥ 2, p ≥ 3 et tout d,
!r
1 pd − 1 1
Pr(A ∪ B) = 1 − rd − 2 ≥ .
p 2pd 2

(b) Soit (Ui )i∈N une suite de variables aléatoires indépendantes de loi uniforme à valeurs
dans Z/pZ[t]rd , et S la variable aléatoire à valeurs dans N ∪ {+∞} définie par

S = min{i ∈ N tel que pgcd (Ui, f ) /∈ {1, f } ou pgcd (C(Ui) − 1, f ) /∈ {1, f }}

avec la convention que le minimum de l’ensemble vide est +∞. On note E(S) son
espérance. Montrer que E(S) ≤ 2.

Partie 4
1
Pour tout nombre réel α, on note [α] la partie entière de α si α − 2
est un entier, et l’entier le
plus proche de α sinon.
Pour tous vecteurs u, v ∈ Qd avec v non nul, on pose
ñ ô
(u|v)
Q(u, v) = .
ǁvǁ2 2

On note M (u, v) ∈ M d,2 (R) la matrice dont la première colonne est u et la seconde colonne
est v.
1. Montrer que ǁu − qvǁ2 ≥ ǁu − Q(u, v)vǁ2 , pour tout entier q.
2. Montrer que |(u − Q(u, v)v|v)| ≤ ǁvǁ2 /2.2

7
À partir de maintenant, on suppose donnés deux vecteurs u, v ∈ Qd linéairement indépendants
dans Rd , et on pose L(u, Äv) =ä {au +Ä bvä , (a, b) ∈ Z }.
2

u
On construit deux suites n n∈N , v n de vecteurs de Qd par :
n∈N
( ǁu√n ǁ2
(un , vn ) si ǁvn ǁ2 ≥ et n > 0,

u0 = u, v0 = v, (un+1, vn+1) = 2
(vn, un − qnvn) avec qn = Q(un, vn) sinon.

3. Montrer que, pour tout n, il existe Γn (u, v) ∈ M2 (Z), avec | det Γn (u, v)| = 1, tel que
M(un , vn ) = M(u, v)Γn (u, v).
4. Montrer que, pour tout n, L(un, vn) = L(u, v).
5. Montrer qu’il existe λ ∈ N \ {0} tel que, pour tout x ∈ L(u, v), λx ∈ Zd.
6. Montrer qu’il existe k tel que (uk+1, vk+1) = (uk, vk).
7. Pour cet entier k on note w le projeté de vk orthogonalement à Vect(uk ). Montrer que
ǁwǁ2 ≥ ǁuk ǁ2 /2.

On désigne par Γ̃ l’application qui à (u, v) associe la matrice Γk (u, v) = Γ̃(u, v), où k est l’entier
exhibé à la question 6.

Partie 5
On suppose dans cette partie que (b1 , . . . , bd ) sont des vecteurs de Zn linéairement indépendants.
On leur associe la famille (b∗1 , . . . , b∗d ) définie dans l’Exercice 3 (ce sont alors des vecteurs de
Qn ). Pour i ∈ {2, ..., d} , on note ωi la projection orthogonale sur Vect(b∗i , . . . , b∗d ). Enfin, on
pose
( d )
Σ
L(b1, . . . , bd) = xi bi , (x1 , ..., xd ) ∈ Zd .
i=1

1. Montrer que inf x∈L(b1 ,...,bd )\{0} ǁxǁ2 = minx∈L(b1 ,...,bd )\{0} ǁxǁ2 .
2. Montrer que minx∈L(b1 ,...,bd )\{0} ǁxǁ2 ≥ mini∈{1,...,d} ǁb∗i ǁ2 .
3. Soit k ∈ {2, ..., d − 1}. Étant donnés (b1 , . . . , bd ) d vecteurs de Zn , on pose

Tk(b1, . . . , bd) = (b1, . . . , bk−1, bJk, bJk+1, bk+2, . . . , bd),

où
M(bJk , bJk+1 ) = M(bk , bk+1 )Γ̃(ωk (bk ), ωk (bk+1 )).
Montrer que L(Tk(b1, . . . , bd)) = L(b1, . . . , bd).

Si (u1 , . . . , ud ) est une famille de vecteurs linéairement indépendants de Rn et (u∗1 , . . . , u∗d ) la

famille orthogonale associée définie dans l’Exercice 3, on introduit le vecteur V (u1 , . . . , ud ) ∈ Rd
dont les coordonnées sont données par
Å ã
1Σ d
log ǁui ∗ ǁ2 — log ǁu∗ ǁ k 2 , i ∈ {1, ..., d}.
d k=1

8
On définit les vecteurs C1 , .... , Cd−1 de Rd suivants : Ck est le vecteur dont les coordonnées sont

0 si i ∈/ {k, k + 1},
(Ck)i = 1 si i = k,
− 1 si i = k + 1.

On pose γ = log(2)/2. Enfin, on introduit les vecteurs définis par les relations

g1 = γC1, gk+1 = Mk+1gk + γCk+1 pour k ∈ {1, ..., d − 2}, G = gd−1,

où les matrices Mk sont définies par (2) dans la Partie 1. On va aussi utiliser la matrice
A = Md−1...M1.
On définit un ordre partiel sur Rd : avec u = (u1 , ..., ud ) et v = (v1 , ..., vd ) dans Rd , on a u ≤ v
si et seulement si ui ≤ vi pour tout i ∈ {1, ..., d}.

4. Soit M ∈ Md (R) une matrice dont tous les coefficients sont positifs ou nuls. Montrer que
pour tous u, v dans Rd tels que u ≤ v, on a Mu ≤ Mv.

On définit la matrice P ∈ Md (R) dont les coefficients sont

Pij = 1 si i ≥ j, Pij = 0 sinon, pour i, j ∈ {1, ..., d}.

On admet que les résultats de la Partie 4 se réécrivent sous la forme

Ä ä
PV (Tk(b1, ..., bd)) ≤ P MkV (b1, ..., bd) + γCk ,

pour tout k ∈ { 1, . . . , d − 1} et pour toute famille (b1 , . . . , bd ) de vecteurs linéairement indépen-

dants de Zn.

5. En déduire qu’en définissant T (b1 , . . . , bd ) = Td−1 (Td−2 (. . . (T1 (b1 , . . . , bd )))), on a

Ä ä
PV (T (b1, . . . , bd)) ≤ P AV (b1, . . . , bd) + G .

Indication : on pourra remarquer que P est inversible et P AP −1 est une matrice à coef-
ficients positifs ou nuls.
d− 1
d− 3
6. On pose Z = γ . ∈ R d (la k ème coordonnée est donc d − (2k − 1)). Montrer que

1− d
3 d
Mk Z = Z — γCk . En déduire que Z = AZ + G et que Z ∈ H, l’hyperplan défini en
Partie 1.
7. (a) On considère la suite de vecteurs définie par
X0 = V (b1, . . . , bd), Xl+1 = AXl + G.

En exploitant les résultats de la Partie 1, analyser le comportement de Xl quand

l → ∞.

9
 (b) Établir que, pour tout l ∈ N, on a P V (T l (b1 , . . . , bd )) ≤ P Xl .
(c) Soit ε > 0 fixé. Montrer qu’il existe un entier N0 (ε) tel que si N ≥ N0 (ε) et
(c1, . . . , cd) = T N (b1, . . . , bd) alors on a

d
!1/d
Y
ǁc1 ǁ2 ≤ 2 (d−1)/2
exp(ε) ǁb∗ ǁ2
i ≤ 2d−1 exp(dε)ǁc∗d ǁ2 .
i=1

On note c(0) i
= ci pour i ∈ {1, ..., d}. En reproduisant la même manipulation que précédemment
sur (c1, . . . , cd−1), on obtient (c(1) 1
, . . . , c(1)d−1) ; puis de nouveau sur (c(1)
1
, . . . , c(1)
d−2
) on obtient
(c(2) (2) (d−1)
1 , . . . , c d−2 ), etc. jusqu’à obtenir c 1 . On pose βi = c(di −i) pour i ∈ {1, ..., d}.

8. Montrer que L(β1, . . . , βd) = L(b1, . . . , bd), et que

min ǁc (i)ǁ2 ≤ 2 d−1 exp(dε) min ǁxǁ2 .

1
i∈{1,...,d} x∈L(b1,...,bd)\{0}

Les techniques de cette partie permettent donc de trouver un élément « presque minimal » de
Lp(h) au sens de la norme euclidienne. En les combinant avec les techniques de la Partie 2, on
peut construire un algorithme de factorisation de polynômes unitaires de Z[t].

10
72 AGREGATION DE MATHEMATIQUES

9.2 Épreuve écrite d’analyse et probabilités

 Les calculatrices, téléphones, tablettes, ordinateurs, montres connectées et tous
appareils électroniques de communication ou de stockage, ainsi que les
documents sont interdits.

La qualité de la rédaction est un facteur important d’appréciation des copies.

Les candidats sont donc invités à produire des raisonnements clairs, complets
et concis.

Les candidats peuvent utiliser les résultats énoncés dans les questions ou par-
ties précédentes, en veillant dans ce cas à préciser la référence du résultat utilisé.

Notations
— Pour s un nombre complexe, on note Re(s) la partie réelle de s et Im(s) sa partie imaginaire.
— Si t est un nombre réel strictement positif et s est un nombre complexe, la puissance complexe
ts est définie par ts = exp((Re(s) + iIm(s)) ln(t)).
— Pour x réel, on définit la partie entière de x, notée [x♩ par

[x♩ = max{n ∈ Z tel que n ≤ x}

et la partie fractionnaire de x, notée{ }x par{ x} = x − [ x♩ .

— Séries de FOURIER
Soit f une fonction localement intégrable 1-périodique. Les coefficients de Fourier de f sont
∫ 1
∀ n ∈ Z, cn (f ) = f (t)e −i2πnt dt,
0 (1)

∀ n ∈ N, an (f ) = cn (f ) + c−n (f ), ∀ n ∈ N∗ , bn (f ) = i (cn (f ) − c−n (f )) .

La série de Fourier associée à f est la série trigonométrique

Σ 1 Σ
cn (f )ei2πnx = a0(f ) + (an (f ) cos(2πnx) + bn (f) ) sin(2πnx)).
n∈Z 2 n∈N∗

— Soit I un intervalle de R d’intérieur non vide. On désigne par L2(I) le R-espace vectoriel des
fonctions f définies sur I, à valeurs dans R = R ∪ {− ∞ , +∞}telles que x ›→f |(x) 2| est
intégrable sur I (au sens de la mesure de Lebesgue).
— Pour f une fonction définie sur I ⊂ R, à valeurs dans R, on désigne par supp(f ) son support :
supp(f ) = I \ O où O est la réunion de tous les ouverts sur lesquels f est nulle presque partout.
En particulier, pour presque tout x ∈/ supp(f ), on a f (x) = 0.
— Pour une fonction f de L2 (]0, +∞[), on note ǁf ǁ2 la norme euclidienne de f définie par
Ç∫ å1/2
2
ǁf ǁ2 = |f (x)| dx .
]0,+∞[

— Pour tout borélien B ⊂ R, on désigne par 1B la fonction caractéristique de cet ensemble B :

1B(x) vaut 1 si x ∈ B et vaut 0 si x ∈/ B.
— Soit f une fonction intégrable sur R. On définit sa transformée de FOURIER par
∫
f^ : ξ ∈ R − → f^(ξ) = e−ixξf (x) dx.
R
1
 — Soit f une fonction mesurable sur ]0, + ∞ [ à valeurs réelles, on définit sa transformée de
MEllIn par
∫ +∞
s ∈ C − → Mf (s) = f (t)t s−1 dt (2)
0

aux points s de C pour lesquels t ›→ f (t)ts−1 est intégrable sur ]0, +∞[.
— Soient (E, ǁ · ǁE ) et (F, ǁ · ǁF ) deux espaces vectoriels normés et T une application linéaire
de E dans F . Si la quantité ǁT (u)ǁ reste bornée quand u décrit E \ {0}, on appelle norme de
ǁuǁ
l’application linéaire T sa borne supérieure et on note
ǁT (u)ǁF
9T 9 = sup .
u=0 ǁuǁE

Rappels
On rappelle ici quelques définitions utiles et des énoncés qui pourront être exploités sans démonstra-
tion tout au long du sujet.
— Théorème d’holomorphie pour les séries de fonctions
Soit Ω un ouvert de C et (fn)n∈N une suite de fonctions de Ω dans C. On suppose
•Σpour tout n ∈ N, f nest une fonction holomorphe sur Ω ;
• pour tout
n≥0 compact K de Ω, la série de fonctions f converge normalement sur K ;
Σ
alors, la fonction F définie sur Ω par F (z) = n≥0 fn(z) est bien définie et holomorphe sur Ω.
— L’ensemble des fonctions à valeurs réelles à support compact dans ]0, + ∞ [ et continues sur leur
support est dense dans L2(]0, + ∞ [).
— Théorème de PlancHEREl
La restriction de la transformée de FOuRIeR à l’ensemble des fonctions de L2(R) intégrables
sur R se prolonge en un isomorphisme de L2(R) sur L2(R), que l’on note encore f ›→ f . ^
Pour presque tout ξ ∈ R, f^(ξ) est la limite au sens de la norme quadratique de L2(R), lorsque
∫
T tend vers l’infini, de −T e−ixξf (x) dx.
T

De plus, pour tout f ∈ L2(R),

∫ ∫
1
|f (t)|2 dt = |f^(ξ)|2 dξ.
R R
2π
— Lemme de FaTOU

Pour toute suite (fn)n∈N de fonctions mesurables sur un intervalle I de R à valeurs dans
[0, +∞], la limite inférieure de fn est mesurable sur I pour tout n ∈ N et on a
∫ ∫
lim inf fn(x) dx ≤ lim inf fn(x) dx.
I n→+∞ n→+∞ I

— Théorème de prolongement des applications linéaires continues de L2(]0, +∞[).

Soit D un sous-espace vectoriel dense de L2(]0, +∞[). Soit T : D → L2(]0, +∞[) une application
linéaire continue sur D. Alors T se prolonge de façon unique en une application linéaire continue
sur L2(]0, +∞[) de même norme que la norme de T sur D.

2
Le sujet débute par quatre questions préliminaires, essentiellement calculatoires, qui serviront dans la
suite du problème mais qui penvent être traitées de manière indépendante. L’objectif de la partie II est
d’établir quelques propriétés de la transformée de MeLLIn définie par (2). La partie III est consacrée
à une étude de la fonction zêta de RIemann. Dans la partie IV, on établit un lien entre la fonction
partie fractionnaire et la fonction zêta de RIemann via la transformée de MeLLIn. Dans la partie V,
on démontre le sens « facile » du théorème de Baéz-DuaRte en prouvant que si la fonction indicatrice
de l’intervalle ]0, 1] est dans l’adhérence d’un certain sous-espace vectoriel B dans L2(]0, + ∞ [), alorsla
fonction zêta ne s’annule pas dans la bande verticale {s ∈C : 1/2 < Re(s) < 1 . Dans} la partie VI, on
construit un endomorphisme invariant et continu de L2(]0, + [) ∞qui agit sur la fonction ρ étudiée en
partie IV comme l’opérateur d’inversion J. Enfin, dans la partie VII, on construit à l’aide de la
fonction µ de MÖbIus, une suite d’éléments de qui B converge simplement vers la fonction indicatrice de
mais qui diverge dans L2(]0, + [).∞
l’intervalle ]0, 1] sur ]0, + [∞
Les parties sont généralement indépendantes ; en cas de besoin, on pourra admettre les résultats établis
par certaines questions pour aborder les parties suivantes.

I Exercices préliminaires
1. Soient s un nombre complexe et t un réel strictement positif. Montrer que |ts | = tRe(s) .
Σ (− 1)n
2. (a) Montrer que la série de fonctions converge uniformément sur et que sa
xn [0, 1]
n
n≥1
somme est une fonction continue sur [0, 1].
Σ (− 1)n
(b) Déterminer le rayon de convergence r de la série entière xn et rappeler la valeur

n
n≥1
de sa somme sur ] − r, r[.
+∞ n
Σ (− 1)
(c) En déduire la valeur de .
n=1
n
3. (a) Déterminer les coefficients de FOuRIeR an et bn (voir (1)) de la fonction 1-périodique
1
x − → {x} − .
2
Σ sin(2πnx)
1
(b) Montrer que la série converge simplement vers {x} − 2sur R \ Z.
n≥1 − πn
∫ +∞
sin x
4. (a) Montrer que l’intégrale généralisée dx converge.
x 0
(b) En appliquant, pour 0 < ε < R, le théorème des résidus à la fonction F (z) = eiz/z sur
∫
le contour γε,R formé des segments [ε, R] et [− R, − ε] et des demi-cercles x centre 0 et de
sin de
rayons ε et R situés dans le demi-plan supérieur, montrer que +∞ dx = .
π
0 x 2

II Autour de la transformée de Mellin

1. Soit f une fonction mesurable sur ]0, +∞[ à valeurs dans R. On note I(f ) l’ensemble
∫
I(f ) = {σ ∈ R tel que |f (t)|tσ −1 dt < +∞}.
]0,+∞[

3
 Montrer que, s’il est non vide, I(f ) est un intervalle de R.
Dans ce cas, on note a(f ) = inf I(f ) et b(f ) = sup I(f ) (a(f ) et b(f ) sont des éléments de R).
2. Montrer que si f ∈ L2 (]0, +∞[) est presque partout nulle sur ]1, +∞[, alors ]1/2, +∞[⊂ I(f ). On
s’intéresse dorénavant à la transformée de MeLLIn (2) de f .
3. Montrer que Mf est bien définie sur la bande verticale du plan complexe (éventuellement non
bornée à droite ou à gauche) D(f ) = {s ∈ C tel que Re(s) ∈ I(f )}.
4. Déterminer l’intervalle I(1]0,1] ) et la transformée de MeLLIn de la fonction indicatrice 1]0,1] sur
D(1]0,1]).
5. Soit λ un réel strictement positif et soit f une fonction mesurable sur ]0, +∞[ à valeurs dans R.
On note Tλf la fonction définie sur ]0, +∞[ par Tλf (x) = f (λx). Montrer que I(f ) = I(Tλf ) et
que pour tout s ∈ D(f ), on a M(Tλ f )(s) = λ−s Mf (s).

III Fonction zeta de Riemann

Pour s ∈ C tel que la série converge, on note
+∞ +∞
Σ 1 Σ (− 1) n
ζ(s) = et G(s) = .
n=1
ns n=1
n s

∞ ∞ n

Σ 1 Σ (− 1)
1. (a) Montrer que les séries de fonctions et convergent simplement dans le

n=1
ns n=1
ns
demi-plan {s ∈ C tel que Re(s) > 1}.

(b) Montrer que les fonction ζ et G sont holomorphes dans le demi-plan {s ∈ C tel que Re(s) > 1}.
2s−1
2. Montrer que ζ(s) = G(s) pour s ∈ C tel que Re(s) > 1.
1−2s−1 Ä ä
3. Soit ε un réel strictement positif. On définit la suite Bε(n) des sommes partielles de la
nn ∈N k

Σ (− 1)
série définissant G(ε) par Bε (0) = 0 et pour n ≥ 1, Bε (n) = .
kε
k=1
(a) Vérifier que pour s ∈ C et N un entier strictement positif, on a
ÇÅ ãs−ε å
Σ
N
(− 1)n Σ
N
B (n) 1 B ε(N )
= —1 + .
ns ε n (N + 1)s−ε
n=1 1+
n=1 (n + 1)s−ε

On pourra appliquer le principe de sommation d’AbeL.

(b) En déduire que la série définissant G converge dans le demi-plan { s ∈ C tel que Re(s) > ε }
et que la fonction G vérifie pour s dans ce demi-plan,
ÇÅ ãs−ε å
+∞Σ 1
εB
(n)
G(s) = 1+ —1 .
n=1 (n + 1)s−ε n

(c) i. Montrer que pour t ∈ R et u > 0, on a

. (1 + u)it − 1 ≤
. |t|u.

ii. Montrer que pour x ∈ [0, 1] et u > 0, on a

|(1 + u)x − 1| ≤ xu.

4
 iii. Montrer que si s = σ + it avec t ∈ R et σ ∈ [ε, 1 + ε], on a
Å ãs−ε 1 + |t|
. 1 .

1+ −1 ≤ .
. n . n

(d) Montrer que G définit une fonction holomorphe sur le demi-plan {s ∈ C tel que Re(s) > 0}.
4. En déduire que la fonction ζ se prolonge en une fonction méromorphe dans le demi-plan
{s ∈ C tel que Re(s) > 0 }, que l’on notera encore ζ, et déterminer la valeur du résidu de ζ au
pôle s = 1.
On pourra utiliser la question I.2.

IV Fonction partie fractionnaire

On définit sur ]0, +∞[ la fonction ρ par
ß ™ 1 õ û
1 1
ρ(x) = = − .
x x x
ó ó
1. (a) Soit n un entier strictement positif. Déterminer l’expression de ρ sur l’intervalle 1 , 1 .
n+1 n
Préciser en particulier la valeur de ρ(1/n). Déterminer également ρ sur ]1, +∞[.
(b) Représenter la fonction ρ sur l’intervalle [1/4, 3].

(c) Déterminer le domaine de continuité de ρ sur ]0, + ∞ [, montrer que ρ est bornée et déter-
miner l’image par ρ de l’intervalle ]0, + ∞ [.
√
2. Montrer que ρ ∈ L2 (]0, +∞[) et que ǁρǁ2 ≤ 2.
3. Pour s ∈ C tel que Re(s) < 1, montrer que x ›→ ρ(x)xs−1 est intégrable sur [1, +∞[ et calculer
∫ +∞
I1(s) = ρ(x)x s−1 dx.
1

4. (a) Pour s ∈ C tel que Re(s) > 0, montrer que x ›→ ρ(x)xs−1 est intégrable sur ]0, 1] puis
montrer que la fonction I2 définie sur {s ∈ C tel que Re(s) > 0} par
∫ 1
I2(s) = ρ(x)x s−1 dx
0

est holomorphe sur {s ∈ C tel que Re(s) > 0}.

(b) Montrer que pour s ∈ C tel que Re(s) > 1, on a
∫ 1
s
ζ(s) = − s ρ(x)x s−1 dx.
s− 1 0

+
Σ∞ ∫ 1/n
On pourra calculer xs−1 dx de deux manières différentes.
n=1 0

(c) En déduire que 1 est l’unique pôle de ζ dans le demi-plan { s ∈ C tel que Re(s) > 0 }et
retrouver la valeur du résidu de ζ en s = 1.
ζ(s)
5. Montrer que ]0, 1[⊂ I(ρ) et que pour s ∈ C tel que 0 < Re(s) < 1, Mρ(s) = − s
.
5
V Distance de 1]0,1] à un espace de fonctions
Soit N un entier positif. On note NBle sous-espace vectoriel de L2(]0, + [)∞
engendré par les fonctions Tnρ
›→ avec n 1, ..., N
: x ρ(nx) } dit N est l’ensemble
∈ {. Autrement B des applications f :]0, + [ R définies
∞ → par
Σ
N
f (x) = cnρ(nx), (3)
n=1

avec N ∈ N∗ et c1, · · · , cN des nombres réels. Pour f ∈ B N , on définit sur C le polynôme de DIRIchLet
Qf associé à f par
N
Σ
Qf (s) = cnn−s. (4)
n=1

On note ˜
BN = {f ∈ BN tel que Qf (1) = 0}.
1. Montrer que si f ∈ BN , alors f est nulle sur ]1, +∞[ si et seulement si f ∈ B˜
N.

2. Si f ∈ BN , on note f˜ = f − Qf (1)ρ.
˜
(a) Montrer que f˜ ∈ B .N
(b) Montrer que
∫ +∞
2 2
|f (x)| dx = |Qf (1)| .
1

(c) En déduire que

∫ +∞ 2
∫ +∞
˜ 2
≤
0

|f (x) − f (x)| dx 2 0
|f (x) − 1]0,1] (x)| dx
puis que ˜ √

ǁf − 1]0,1] ǁ2 ≤ (1 + 2)ǁf − 1]0,1] ǁ2 .

On pourra utiliser la question IV.2.
˜

˜
3. Montrer que pour s ∈ C tel que 0 < Re(s) < 1 et f ∈ B N , on a

∫ 1 ζ(s)
f˜(x)xs−1 dx = − Qf˜(s) s .

On pourra utiliser les questions II.5 et IV.5.

4. Supposons qu’il existe β ∈C tel que 1/2 < Re(β) < 1 et ζ(β) = 0. Soit f une fonction de N . Déduire
B
des questions précédentes la minoration suivante de la distance dans L2([0, + [) entre la∞fonction
indicatrice 1]0,1] et f˜ :
»
2Re(β) − 1
ǁf˜ − 1]0,1] ǁ2 ≥ .
|β|

On pourra utiliser l’inégalité de Cauchy-SchwaRz.

5. En déduire que si la fonction indicatrice 1]0,1] appartient à l’adhérence du sous-espace vectoriel
de L2(]0, +∞[) engendré par les fonctions Tnρ avec n ≥ 1, alors la fonction ζ ne s’annule pas dans
la bande verticale {s ∈ C tel que 1/2 < Re(s) < 1}.
6
VI Applications linéaires de L2(]0, +∞[).
réel strictement positif. Pour f ∈ L2 (]0, +∞[), on définit Dθ f :]0, +∞[→ R par
1. Soit θ un √
Dθf (x) = θf (θx) pour x > 0.
(a) Montrer que Dθ est une application linéaire bijective sur L2(]0, +∞[) telle que
ǁDθ f ǁ2 = ǁf ǁ2 .
(b) Montrer que l’ensemble {Dθ, θ > 0} muni de la loi de composition est un groupe commutatif.
On dira qu’une application de L2(]0, +∞[) dans L2(]0, +∞[) est invariante si elle
commute avec les endomorphismes Dθ pour tout θ > 0.
Ä ä
2. Pour f ∈ L2(]0, +∞[), on définit Jf :]0, +∞[→ R par Jf (x) = 1 fx 1 x pour x > 0.

(a) Montrer que J est un endomorphisme continu de L2(]0, +∞[) et déterminer sa norme.
(b) Pour θ > 0, déterminer θJ tel que JDθ = Dθ′ J.
∫x
3. Pour f ∈ L2(]0, +∞[), on définit Hf :]0, +∞[→ R par Hf (x) = 1 x 0 f (t) dt pour x > 0.
(a) Soit f ∈ L2(]0, +∞[). On suppose de plus que f est continue.
Montrer que Hf ∈ L2 (]0, +∞[) et ǁHf ǁ2 ≤ 2ǁf ǁ2 .
∫X
On pourra majorer, pour 0 < ξ < X, l’intégrale ξ
Hf (x)2 dx en commençant par intégrer
par parties.
(b) Montrer que H est un endomorphisme continu de L2(]0, +∞[).
4. (a) Montrer que si f ∈ L2(]0, + ∞ [), alors pour presque tout réel x, la limite au sens de la norme
∫T
quadratique ǁ · ǁ2 , lorsque T tend vers l’infini, de 2 f0(u) cos(2πxu) du existe. On note
G(x) cette limite. Montrer que G ∈ L2(R).
(b) On note C l’application qui à f ∈ L2(]0, + ∞ [) associe Cf :]0, + ∞ → [ R définie
presque partout sur ]0, + ∞ [ par Cf (x) = (x). G
Montrer que C est un endomorphisme continu de L2(]0, + ∞ [) et donner une majoration de
sa norme.
5. On note I l’identité de L2(]0, +∞[) et V l’application V = (H − I)CJ.
(a) Montrer que V est une application linéaire continue de L2(]0, +∞[) dans L2(]0, +∞[).
(b) Soit f ∈ L2(]0, + ∞ [). On suppose de plus f à support compact et continue sur son support.
Montrer que pour x > 0, on a
∫ +∞
V f (x) = f (v) d sin(2πx/v) dv.

0 dv πx/v
(c) Montrer que V est une application invariante.
(d) Le but de cette question est de montrer que V ρ = Jρ.
i. Soit n un entier strictement positif. Montrer que pour x ∈ ]0, +∞[\{1/n, n}, on a
Σn−1
ρ(x)1]1/n,n] (x) = (J1]1/n,n] )(x) − j1]1/(j+1),1/j] (x).
j=1

ii. En utilisant la question précédente, montrer que pour x ∈ ]0, +∞[\{1/n, n}, on a
Ñ é
1 ∫ 2πxn sin(u) Σ
n sin(2πxj)
V (ρ1]1/n,n])(x) = sin(2πx/n) + − du .
πx 2πx/n u j =1 j
Ä ä

iii. Montrer que la suite de fonctions V (ρ1]1/n,n]) n∈N∗

converge simplement vers Jρ sur
]0, +∞[\N∗.

On pourra utiliser les résultats des questions I.3 et I.4.

iv. En déduire V ρ = Jρ presque partout sur ]0, +∞[.
7
VII Convergence d’une suite de ∪ N BN vers 1]0,1]
Soit µ : N∗ → R la fonction de MÖbIus définie par

1 si n = 1
µ(n) = 0 si n est divisible par le carré d’un nombre premier,
(− 1)k si n est le produit de k nombres premiers distincts.

1. Montrer que pour tout entier strictement positif n, on a :

(
Σ 1 si n = 1,
µ(d) =
d|n
0 sinon,

où la somme porte sur l’ensemble des diviseurs positifs de n.

2. En utilisant la question précédente, montrer que pour tout réel y positif, on a
(
Σ 1 si y ≥ 1,
µ(n) [y/n = ♩
1≤n≤y 0 si y ∈ [0, 1[.

Σ
Dans le cas y ≥ 1, on pourra écrire [y/n♩ = 1.
k≤y/n
Σ µ(n)
On admet pour la suite du sujet que la série converge, que sa somme est
n
! n≥1
1 Σ
n

nulle et que la suite √ µ(k) ne converge pas vers 0.

n k=1
n≥1
N
Σ
3. Pour N ∈ N∗ et x ∈ ]0, +∞[, on note SN (x) = (− µ(n))ρ(nx).
(a) Montrer que SN ∈ BN . n=1

(b) Montrer que la suite de fonctions Ä ä

1]0,1] sur ]0, +∞[. SN N ∈N∗ converge simplement vers la fonction indicatrice
4. (a) Montrer que l’on a

∫ 1/N 2 2
N
.Σ
1
|V SN (x)| dx = µ(n) ,
0 N .n=1 .

où V est l’application linéaire définie à la partie VI.

Ä ä
(b) En déduire que la suite SN ne converge pas dans L2(]0, +∞[).
N ∈N∗
8
Bibliographie

[1] ABELSON H. SUSSMAN G. J. SUSSMAN J. Structure and interpretation of computer pro-

grams MIT PRESS
[2] AEBISCHER B L2 Analyse fonctions de plusieurs variables et géométrie analytique VUIBERT
[3] AEBISCHER B. L3 Géométrie VUIBERT
[4] AHUÉS M. CHATELIN F. Exercices de valeurs propres de matrices MASSON

[5] L. Collectif Cours et exercices d’informatique VUIBERT

[6] ALDON G. Mathématiques dynamiques HACHETTE
[7] ALESSANDRIM. Thèmes de géométrie DUNOD
[8] ALLAIRE G Analyse numérique et optimisation Ecole polytechnique
[9] ALLOUCHE J. P. SHALLIT J. Automatic sequences theory, applications, Generalizations
CAMBRIDGE

[10] AMAR E. MATHERON É. Analyse complexe CASSINI

[11] ANDLERM. BLOCH J. D. MAILLARD B. Exercices corrigés de Mathématiques
Tome 1A - Topologie
Tome 1B - Fonctions numériques
Tome 2 - Suites et séries numériques
Tome 3 - Analyse fonctionnelle
Tome 5 - Algèbre générale, polynômes
Tome 6 - Algèbre linéaire, première partie
Tome 7 - Algèbre linéaire, deuxième partie ELLIPSES
[12] ANDREWS G. Number Theory DOVER
[13] APPLE A.W. Modern compiler implementation in C in Java in ML CAMBRIGDE
[14] ARIBAUD F. VAUTHIER J. Mathématiques. Première année de DEUG ESKA
[15] ARNAUDIES J-M. BERTIN J. Groupes, Algèbres et Géométrie
Tome I
Tome II ELLIPSES
[16] ARNAUDIES J-M. DELEZOIDE P. FRAYSSE H. Exercices résolus d’analyse DUNOD

81
82 AGREGATION DE MATHEMATIQUES

[17] ARNAUDIES J-M. DELEZOIDE P. FRAYSSE H. Exercices résolus d’algèbre bilinéaire et

géométrie du cours deMathématiques tome 4 DUNOD

[18] ARNAUDIES J-M. FRAYSSE H. Cours deMathématiques

1. Algèbre
2. Analyse
3. Compléments d’analyse
4. Algèbre bilinéaire et géométrie DUNOD

[19] ARNOLD V. Chapitre supplémentaire de la théorie des équations différentielles ordinaires MIR

[20] ARNOLD V. Équations différentielles ordinaires MIR

[21] ARNOLD V. lectures on partial differential equations SPINGER SPINGER

[22] ARNOLD A. Mathématiques pour l’informatique EDISCIENCES

[23] AEBISCHER B. L3 Géométrie VUIBERT

[24] AHUÉS M. CHATELIN F. Exercices de valeurs propres de matrices MASSON

[25] ALBERT L. Collectif Cours et exercices d’informatique VUIBERT

[26] ALDON G. Mathématiques dynamiques HACHETTE

[27] ALESSANDRIM. Thèmes de géométrie DUNOD

[28] ALLAIRE G Analyse numérique et optimisation Ecole polytechnique

[29] ALLOUCHE J. P. SHALLIT J. Automatic sequences theory, applications, Generalizations

CAMBRIDGE

[30] AMAR E. MATHERON É. Analyse complexe CASSINI

[31] ANDLERM. BLOCH J. D. MAILLARD B. Exercices corrigés de Mathématiques

Tome 1A - Topologie
Tome 1B - Fonctions numériques
Tome 2 - Suites et séries numériques
Tome 3 - Analyse fonctionnelle
Tome 5 - Algèbre générale, polynômes
Tome 6 - Algèbre linéaire, première partie
Tome 7 - Algèbre linéaire, deuxième partie ELLIPSES
[32] ANDREWS G. Number Theory DOVER

[33] APPLE A.W. Modern compiler implementation in C in Java in ML CAMBRIGDE

[34] ARIBAUD F. VAUTHIER J. Mathématiques. Première année de DEUG ESKA

[35] ARNAUDIES J-M. BERTIN J. Groupes, Algèbres et Géométrie Tome I

Tome II ELLIPSES
 AGREGATION DE MATHEMATIQUES MAROCAINE SESSION 2018 83

[36] ARNAUDIES J-M. DELEZOIDE P. FRAYSSE H. Exercices résolus d’analyse DUNOD

[37] ARNAUDIES J-M. DELEZOIDE P. FRAYSSE H. Exercices résolus d’algèbre bilinéaire et

géométrie du cours deMathématiques tome 4 DUNOD

[38] ARNAUDIES J-M. FRAYSSE H. Cours deMathématiques

1. Algèbre
2. Analyse
3. Compléments d’analyse
4. Algèbre bilinéaire et géométrie DUNOD

[39] ARNOLD V. Chapitre supplémentaire de la théorie des équations différentielles ordinaires MIR

[40] ARNOLD V. Équations différentielles ordinaires MIR

[41] ARNOLD V. lectures on partial différentiel équations SPINGER SPINGER

[42] ARNOLD A. Mathématiques pour l’informatique EDISCIENCES

[43] GUESSARIAN I. ARTIN E. Algèbre géométrique GAUTHIERVILLARS

[44] ARTIN E. Algèbre géométrique GABAY

[45] ARTINM. Algebra PRENTICE HALL PRENTICE HALL

[46] AUBIN J.P. Analyse fonctionnelle appliquée

Tome 1
Tome 2 PUF

[47] AUTEBERT J.M. Calculabilité et décidabilité MASSON

[48] AUTEBERT J.M. Théorie des langages et des automates MASSON

[49] AUDIN M. Géométrie de la licence à l’agrégation BELIN

[50] AVANISSIAN V. Initiation à l’analyse fonctionnelle PUF

[51] AVEZ A. Calcul différentiel MASSON

[52] BAASE S. VAN GELDER A. Computer algorithms Introduction to design & analysis ADDI-
SON

[53] WESLEY BADOUEL E. BOUCHERON S. DICKY A., PETIT A.

[54] SANTHAM., WEIL P., ZEITOUNM. Problèmes d’informatique fondamentale SPRINGER

[55] BACAER N. Histoires de mathématiques et de populations CASSINI

[56] BAJARD J.C. Exercices d’Algorithmique ITP

[57] BAKHVALOV N. Méthodes numériques MIR

84 AGREGATION DE MATHEMATIQUES

[58] BARANGER J. Analyse numérique HERMANN

[59] BARBE Ph. LEDOUXM. Probabilité (De la licence à l’agrégation) BELIN

[60] BARRETM. BENIDIRM. Stabilité des filtres et des systèmes linéaires DUNOD DUNOD

[61] BASILI B. PESKINE C. Algèbre DIDEROT, ÉDITEUR ARTS ET SCIENCES

[62] BASS J. Cours deMathématiques

Tome 1
Tome 2 MASSON

[63] BHATIA R. Matrix Analysis SPRINGER

[64] BAUER F. L. Decrypted secrets.Methods and maxims of cryptology SPRINGER

[65] BENDER C. ORSZAG S. Advanced mathematical methods for scientists and engineers MC
GRAW HILL

[66] BENIDIRM. BARRETM. Stabilité des filtres et des systèmes linéaires DUNOD

[67] BENOIST J. et Alii Math L2, Cours complet avec 700 tests et exercices corrigés PEARSON
EDUCATION

[68] BENOIST J.SALINIER A. Exercices de calcul intégral Dunod

[69] BENZONI-GAVAGE S Calcul différentiel et équations différentielles DUNOD

[70] BERCU B. CHAFAI D. Modélisation stochastique et simulation DUNOD

[71] BERGER M. GOSTIAUX B. Géométrie différentielle ARMAND

[72] COLIN BERGER M. BERRY J-P. PANSU P. SAINT RAYMOND X. Problèmes de géométrie
commentés et rédigés CÉDIC/NATHAN

[73] BERGER M. Géométrie Index

1. Action de groupes, espaces affines et projectifs
2. Espaces euclidiens, triangles, cercles et sphères
3. Convexes et polytopes, olyèdres réguliers,aires et volumes
4. Formes quadratiques,quadriques et coniques
5. La sphère pour elle-même, géométrie hyperbolique, l’espace des sphères CÉDIC/NATHAN

[74] BERGER M. Géométrie tome 2 NATHAN

[75] BERGER M. Géométrie vivante CASSINI

[76] BERLINE N. SABBAH C. Groupes finis, journées X-UPS 2000 EDITIONS DE L’X

[77] BHATIA R. Matrix analysis 1 SPRINGER

[78] BICKEL P.J. DOKSUM K.A. Mathematical statistics PRENTICE HALL

 AGREGATION DE MATHEMATIQUES MAROCAINE SESSION 2018 85

[79] BIDEGARAY B. MOISAN L. Petits problèmes de mathématiques appliquées et de

modélisation SPRINGER

[80] BIGGS NORMAN L. Discrete mathematics OXFORD SCIENCE

[81] PUBLICATIONS BLANCHARD A. Les corps non commutatifs PUF

[82] BILLINGSLEY P. Probability and measure COPYRIGHTED MATERIAL

[83] BOAS R. A primer of real functions MATHEMATICAL ASSOCIATION OF AMERICA

[84] BOISSONAT J.D. YVINEC M. Géométrie algébrique EDISCIENCE

[85] BON J.L. Fiabilité des systèmes MASSON

[86] BONNANS J.F. GILBERT J.C. LEMARECHAL C. SAGASTIZABAL C. PENNEQUIN D.

Optimisation numérique SPRINGER

[87] BONY J.M Cours d’analyse Ecole polytechnique

[88] BONY J.M Méthodes mathématiques pour les sciences physiques Ecole polytechnique

[89] BOUALEMH. BROUZET J.C. ELSNER B. KACZMAREK L. Mathématique L1 PEARSON

EDUCATION

[90] BOURBAKI N. Éléments de Mathématique Topologie générale, chapitres V à X

Fonctions d’une variable réelle, chapitres I à VII
Fonctions d’une variable réelle, chapitres I à III
Fascicule XIII Intégration, chapitres I à IV HERMANN

[91] BOURGADE P. Annales des Olympiades internationales de mathématiques 1976-2005

CASSINI

[92] BOUVIER A. RICHARD D. Groupes HERMANN

[93] BREMAUD P Introduction aux probabilités SPRINGER

[94] BREZIS H. Analyse fonctionnelle, théorie et applications MASSON

[95] BRIANE M. PAGES G. Théorie de l’intégration Cours et exercices, 3ème édition VUIBERT

[96] BROUSSE P. Mécanique MP - PC.- Spéciales A. A’. B. B’. ARMAND

[97] COLIN BRUCE J.W. GIBLIN P.J. RIPPON P.J. Microcomputers and Mathematics CAM-
BRIDGE

[98] CABANE R. LEBOEUF C. Algèbre linéaire

1. Espaces vectoriels , Polynômes
2. Matrices et réduction ELLIPSES

[99] CABANNES H. Cours de Mécanique générale DUNOD

86 AGREGATION DE MATHEMATIQUES

[100] CALAIS J. Éléments de théorie des anneaux PUF

[101] CALAIS J. Éléments de théorie des groupes PUF

[102] CANDELPERGHER B. Calcul intégral CASSINI

[103] CANDELPERGHER B Théorie des probabilités Calvage et Mounet

[104] CALDERO P. GERMONI J Histoires hédonistes de groupes et de géométries Calvage et

Mounet

[105] CARREGA J.C. Théorie des corps HERMANN

[106] CARTAN H. Calcul différentiel (1971) HERMANN

[107] CARTAN H. Cours de calcul différentiel (1977) HERMANN

[108] CARTAN H. Formes différentielles HERMANN

[109] CARTAN H. Théorie élémentaire des fonctions analytiques HERMANN

[110] CARTON O. Langages formels, calculabilité et complexité VUIBERT

[111] CASTLEMAN K.R. Digital image processing PRENTICE HALL

[112] CASTI J.L. Realty Rules : Picturing the world in mathematics I WILEY INTERSCIENCE

[113] CASTI J.L. Realty Rules : Picturing the world in mathematics II WILEY INTERSCIENCE

[114] CHABAT B. Introduction à l’analyse complexe MIR

[115] CHAMBERT-LOIR A. Algèbre corporelle EDITIONS DE L’X

[116] CHAMBERT-LOIR A. FERMIGER S. MAILLOT V. Exercices de mathématiques pour
l’agrégation Analyse 1 (seconde édition revue et corrigée) MASSON

[117] CHAMBERT-LOIR A. FERMIGER S. Exercices de mathématiques pour l’agrégation

Analyse 2
Analyse 3 MASSON
[118] CHARPENTIER E. NIKOLSKI N. Leçons de mathématiques d’aujourd’hui Vol 1 Vol 2 Vol
3 Vol 4 ELLIPSES

[119] CHARLES J. MBEKHTAM. QUEFFELEC H. Analyse fonctionnelle et théorie des opérateurs

ELLIPSES

[120] CHATELIN F. Valeurs propres de matrices MASSON

[121] CHILDS L. A concrete introduction to Higher Algebra SPRINGER

[122] VERLAG CHOQUET G. Cours d’analyse Tome II : Topologie MASSON

[123] CHOQUET G. L’enseignement de la géométrie HERMANN

 AGREGATION DE MATHEMATIQUES MAROCAINE SESSION 2018 87

[124] CHOIMET D. QUEFFELEC H. Analyse mathématique CASSINI

[125] CHRISTOL G. PILIBOSSIAN P. YAMMINE S. Algèbre 1 Algèbre 2 ELLIPSES

[126] CIARLET P.G. Introduction à l’analyse numérique matricielle et à l’optimisation MASSON

[127] COGIS O. ROBERT C. Au-delà des ponts de Könisberg. Théorie des graphes. Problèmes,
théorie, algorithmes VUIBERT

[128] COHN P.M. Algebra Volume 1 JOHN WILEY

[129] COLLET H. GIRARD B. Mathématique BTS industriel NATHAN