Stages de Pré-Rentrée — Inscriptions ouvertes, places très limitées ! S'inscrire

Annale · 2022★★★★DurSession du 29 avril 2022· 3 454 candidats

Maths I Centrale-Supélec PC 2022 — sujet, corrigé et rapport jury

3 parties autour de introduction à l'analyse en composantes principales (acp). Moyenne 8.9, σ=4.12, médiane 8.6. Sujet officiel, analyse Hadamard du rapport jury et top pièges sanctionnés.

Mohamed K.

Mohamed K.

Centralien · MPSI puis MP · Recherche ML santé

Session 2022 :

Maths IChimieMaths IIPhysique I
Aperçu rapide

Difficulté

★★★★Dur

Moyenne

8.90/20

Top 25%

12.0

Présents

3 454

Top piège du sujet : Confusion transposée A^T et inverse A^{-1} (Q1)

Statistiques jury

Comment les candidats s'en sont sortis

Notes brutes officielles publiées par le jury — non harmonisées.

Moyenne

8.90

Médiane

8.6

Écart-type

4.12

Q1 (25%)

6.0

Q3 (75%)

12.0

Candidats présents

3 454

sur 3 695 inscrits · 6.5% d'absents

Analyse

Ce qu'a observé le jury

Synthèse Hadamard du rapport officiel — citations, chiffres et conseils du jury.

Présentation du sujet

Introduction à l'analyse en composantes principales (ACP), domaine des statistiques où l'analyse spectrale d'une matrice de covariance permet la mise en évidence de facteurs principaux. Trois parties : (I) reprise de résultats classiques sur l'orthodiagonalisation des matrices symétriques réelles et étude du rayon spectral ρ(A), avec ρ(A) = max{|U^T A U| : ‖U‖=1} ; (II) introduction du concept de matrice de covariance associée à un vecteur aléatoire et étude de ses propriétés (formule de la mat…

Structure de l'épreuve

  1. Partie IPartie I — Généralités sur les matrices symétriques réelles(Q1-Q15)Niveau attendu

    Théorème spectral (orthodiagonalisable ⇔ symétrique). I.A — Exemple dans M_3(R), I.B — Exemple dans M_n(R) (produit scalaire ∫₀¹ P(t)Q(t)dt sur R_{n-1}[X]). Étude du rayon spectral ρ(A) avec norme ‖U^T AU‖.

  2. Partie IIPartie II — Matrice de covariance d'un vecteur aléatoire(Q16-Q28)Difficile

    Définition E(MY), cov(X,X) = V(X) ≥ 0, espérance de produits, formule de la matrice de covariance d'une transformation linéaire (Q17), supplémentaire vs complémentaire (Q25).

  3. Partie IIIPartie III — Extraction des facteurs principaux(Q29-Q38)Très difficile

    III.A — Cadre général. III.B — Premier facteur principal. III.C — Modèle à corrélation uniparamétrée (matrice J avec étude spectrale). III.D — Cas général : valeurs propres deux à deux distinctes.

Analyse globale du jury

« Sur les 3454 copies corrigées, la moyenne constatée est de 26,2% du barème, pour un écart-type de 16,2%, ce qui permet de considérer le sujet comme de longueur raisonnable, et permettant un niveau de discrimination satisfaisant. La meilleure copie obtient 90,3% des points. La sélection des meilleurs candidats s'est essentiellement faite sur deux points : la connaissance (parfois basique) du cours et la qualité du raisonnement. Les questions Q1 (théorème spectral) et Q5 (produit scalaire ∫₀¹ P(t)Q(t)dt) ne sont totalement réussies que par une part minoritaire (un tiers pour Q1, un quart pour Q5). Parmi les copies obtenant plus de la moitié des points, environ 85% de la note se répartit sur seulement 25 des 38 questions du sujet. »

Top pièges sanctionnés

  • Confusion transposée A^T et inverse A^{-1} (Q1)-1 pts

    « Une question proche du cours pleinement réussie par une proportion relativement peu importante des candidats, en particulier pour l'implication consistant à montrer qu'une matrice symétrique réelle est orthodiagonalisable. Les confusions entre la transposée A^T et l'inverse A^{-1} d'une matrice A sont nombreuses. »

  • Diagonalisation non orthonormalisée (Q4)-1 pts

    « Le jury note très peu de bonnes réponses à cette question, en particulier quant à l'orthonormalisation d'une base de vecteurs propres. De nombreuses copies se contentent de proposer une base de diagonalisation de la matrice A_1 sans se préoccuper de la rendre orthonormale (par exemple en utilisant le procédé de Gram-Schmidt). »

  • Matrice nilpotente — non-nullité de la valeur propre réelle (Q9)-2 pts

    « Il est bon de préciser pour quelle raison une matrice nilpotente admet au moins une valeur propre réelle avant d'en établir la nécessaire nullité. De nombreux candidats pensent qu'une matrice nilpotente est diagonalisable, ce qui n'est pourtant vrai que pour la matrice nulle. »

  • Caractère borné implique fermé — faux (Q10)-1 pts

    « Beaucoup de candidats pensent que le caractère borné d'une partie de R^n implique son caractère fermé, ce qui est faux. On rappelle également que U^T U et UU^T ne sont pas des matrices de taille identique. »

  • Spectre de A+B = sommes λ+μ — faux (Q15)-1 pts

    « Il est faux de croire qu'étant donné deux matrices A, B ∈ M_n(R), le spectre de A+B est constitué des sommes λ + μ pour λ parcourant le spectre de A et μ parcourant le spectre de B. »

Chapitres clés à maîtriser

Réduction — théorème spectral, orthodiagonalisation
Algèbre bilinéaire — produits scalaires, espaces euclidiens
Probabilités — espérance, covariance, vecteurs aléatoires
Topologie des EVN — rayon spectral via optimisation
Polynômes — produit scalaire ∫P·Q, base orthonormée

Source : Rapport du jury Centrale-Supélec · Maths PC, session 2022 · PDF officiel ↗

Ressources

Téléchargements

Sujet officiel, corrigé Hadamard et rapport jury — tout en un endroit.

FAQ

Questions fréquentes — 2022

Partager

Préparation Centrale-Supélec · Maths PC

Bossez ce sujet 2022 avec un ancien taupin

Nos professeurs analysent votre copie sur ce sujet, identifient vos faiblesses et structurent votre révision pour la session 2023.

Sujet