Vous êtes sur la page 1sur 2100

2010

TABLE DES MATIRES

Sciences.ch
TABLE DES MATIRES
lmentsdemathmatiqueapplique
A propose de ce document ........................................................................................... 2

Table des matires........................................................................................................ 5
Lascienceaucurdessavoirs,toutesdisciplinesconfondues:desmathmatiquesla
Introduction .................................................................................................................. 30
mdecine,del'astrophysiquel'histoiredessciences
Abstract ..................................................................................................................... 30
Mthodes.................................................................................................................... 33
Arithmtique ................................................................................................................ 40
Thorie de la dmonstration...................................................................................... 40
La crise des fondements........................................................................................ 41
Raisonnement hypothtico-dductif ..................................................................... 45
Logique propositionnelle ...................................................................................... 46
Propositions...................................................................................................... 46
Connecteurs...................................................................................................... 47
Quantificateurs ................................................................................................. 51
Grammaire ............................................................................................................ 52
Langages ............................................................................................................... 52
Symboles............................................................................................................... 53
Termes.............................................................................................................. 53
Formules........................................................................................................... 55
Dmonstrations ..................................................................................................... 58
Rgles de dmonstration .................................................................................. 59
Rgles .......................................................................................................... 60
Nombres (scalaires)................................................................................................... 65
Histoire ................................................................................................................ 65
Bases numriques ................................................................................................. 67
Types de nombres ................................................................................................. 68
Nombres entiers (nombres naturels) ................................................................ 69
Axiomes de Peano ....................................................................................... 70
Nombres pairs, impairs, et parfaits.............................................................. 71
Nombres premiers ....................................................................................... 71
Nombres entiers relatifs ................................................................................... 73
Nombres rationnels .......................................................................................... 73
Nombres irrationnels........................................................................................ 75
Nombres rels .................................................................................................. 75
Nombres transfinis ...................................................................................... 76
Nombres complexes ......................................................................................... 78
Plan de Gauss .............................................................................................. 83
Formule d'Euler ........................................................................................... 84
Vecteur tournant .......................................................................................... 86
Similitudes directes ..................................................................................... 87
Nombres quaternions ....................................................................................... 88
Nombres algbriques........................................................................................ 88
Nombres transcendants .................................................................................... 88
Nombres abstraits............................................................................................. 89
VincentIsoz
Sciences.ch
13novembre2008
[v3.02010] [SCIENCES.CH]

TABLE DES MATIRES


A propose de ce document ........................................................................................... 2
Table des matires........................................................................................................ 5
Introduction .................................................................................................................. 30
Abstract ..................................................................................................................... 30
Mthodes.................................................................................................................... 33
Arithmtique ................................................................................................................ 40
Thorie de la dmonstration...................................................................................... 40
La crise des fondements........................................................................................ 41
Raisonnement hypothtico-dductif ..................................................................... 45
Logique propositionnelle ...................................................................................... 46
Propositions...................................................................................................... 46
Connecteurs...................................................................................................... 47
Quantificateurs ................................................................................................. 51
Grammaire ............................................................................................................ 52
Langages ............................................................................................................... 52
Symboles............................................................................................................... 53
Termes.............................................................................................................. 53
Formules........................................................................................................... 55
Dmonstrations ..................................................................................................... 58
Rgles de dmonstration .................................................................................. 59
Rgles .......................................................................................................... 60
Nombres (scalaires)................................................................................................... 65
Histoire ................................................................................................................ 65
Bases numriques ................................................................................................. 67
Types de nombres ................................................................................................. 68
Nombres entiers (nombres naturels) ................................................................ 69
Axiomes de Peano ....................................................................................... 70
Nombres pairs, impairs, et parfaits.............................................................. 71
Nombres premiers ....................................................................................... 71
Nombres entiers relatifs ................................................................................... 73
Nombres rationnels .......................................................................................... 73
Nombres irrationnels........................................................................................ 75
Nombres rels .................................................................................................. 75
Nombres transfinis ...................................................................................... 76
Nombres complexes ......................................................................................... 78
Plan de Gauss .............................................................................................. 83
Formule d'Euler ........................................................................................... 84
Vecteur tournant .......................................................................................... 86
Similitudes directes ..................................................................................... 87
Nombres quaternions ....................................................................................... 88
Nombres algbriques........................................................................................ 88
Nombres transcendants .................................................................................... 88
Nombres abstraits............................................................................................. 89
Alphabet Grec.............................................................................................. 89
Domaine de dfinition ................................................................................. 89
Oprateurs ................................................................................................................ 91
Relations binaires.................................................................................................. 91

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

Egalits............................................................................................................. 92
Comparateurs ................................................................................................... 93
Classes d'quivalences ..................................................................................... 96
Lois fondamentales de l'arithmtique ................................................................... 97
Addition ........................................................................................................... 98
Soustraction...................................................................................................... 100
Multiplication................................................................................................... 102
Division............................................................................................................ 104
Polynmes arithmtiques...................................................................................... 108
Valeur absolue ...................................................................................................... 109
Rgles de calcul .................................................................................................... 110
Thorie des nombres.................................................................................................. 115
Principe du bon ordre............................................................................................ 115
Proprit archimdienne ....................................................................................... 115
Principe d'induction .............................................................................................. 116
Divisibilit ............................................................................................................ 117
Division euclidienne ........................................................................................ 118
Plus grand commun diviseur (P.G.C.D)...................................................... 119
Algorithme d'Euclide................................................................................... 121
Plus petit commun multiple (P.P.C.M.) ...................................................... 122
Thorme fondamental de l'arithmtique .................................................... 124
Congruences..................................................................................................... 125
Preuve par neuf............................................................................................ 126
Thorie des ensembles............................................................................................... 127
Dfinitions ............................................................................................................ 128
Axiomes de ZF (Zermelo-Frankel)....................................................................... 130
Cardinaux ......................................................................................................... 133
Produit cartsien............................................................................................... 135
Bornes .............................................................................................................. 136
Oprations ensemblistes ....................................................................................... 136
Inclusion........................................................................................................... 137
Intersection....................................................................................................... 137
Runion ............................................................................................................ 138
Diffrence......................................................................................................... 139
Diffrence symtrique...................................................................................... 139
Produit.............................................................................................................. 140
Ensemble vide .................................................................................................. 140
Complmentarit.............................................................................................. 141
Fonctions............................................................................................................... 141
Loi de composition........................................................................................... 142
Loi interne/externe ........................................................................................... 142
Application linaire.......................................................................................... 142
Noyau et image............................................................................................ 142
Fonction surjective........................................................................................... 143
Fonction injective............................................................................................. 144
Fonction bijective............................................................................................. 144
Fonction compose .......................................................................................... 145
Thorme de Cantor-Bernstein ........................................................................ 145
Structures .............................................................................................................. 147
Magma ............................................................................................................. 148

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

Monode ........................................................................................................... 149


Groupe.............................................................................................................. 151
Groupe ablien ............................................................................................ 151
Groupe cyclique .......................................................................................... 151
Anneau ............................................................................................................. 155
Anneau ablien (commutatif)...................................................................... 156
Anneau intgre ............................................................................................ 156
Anneau factoriel .......................................................................................... 156
Sous-anneau................................................................................................. 157
Corps ................................................................................................................ 158
Corps commutatif ........................................................................................ 158
Espaces vectoriels ............................................................................................ 158
Sous-espaces vectoriels ............................................................................... 160
Algbres ........................................................................................................... 160
Homomorphismes................................................................................................. 161
Homomorphisme de magma ............................................................................ 161
Homomorphisme de monode .......................................................................... 161
Homomorphisme d'anneau............................................................................... 161
Homomorphisme de groupe............................................................................. 161
Homomorphisme de corps ............................................................................... 161
Isomorphisme................................................................................................... 163
Endomorphisme ............................................................................................... 163
Automorphisme................................................................................................ 163
Idal.................................................................................................................. 163
Probabilits et statistiques ........................................................................................ 167
Probabilits ........................................................................................................... 167
Univers des vnements................................................................................... 167
Axiomes ........................................................................................................... 168
Evnements disjoints................................................................................... 169
Evnements quiprobables .......................................................................... 170
Evnements conjoints.................................................................................. 170
Probabilits conditionnelles ............................................................................. 170
Formules de Bayes ...................................................................................... 172
Analyse combinatoire ........................................................................................... 172
Arrangements avec rptition .......................................................................... 173
Permutations avec rptition ............................................................................ 174
Arrangements simples avec rptition ............................................................. 175
Combinaisons simples...................................................................................... 176
Combinatoire ............................................................................................... 177
Statistiques ............................................................................................................ 177
Echantillons...................................................................................................... 178
Variables discrtes ........................................................................................... 179
Esprance discrte ....................................................................................... 179
Dviation standard discrte ......................................................................... 180
Formule de Huyghens............................................................................. 180
Variable centre rduite............................................................................... 180
Covariance discrte ..................................................................................... 181
Coefficient de corrlation............................................................................ 183
Variables continues .......................................................................................... 184
Densit de probabilit.................................................................................. 184

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

Esprance continue...................................................................................... 185


Variance continue........................................................................................ 185
Fonctions de distribution.................................................................................. 185
Fonction discrte uniforme.......................................................................... 185
Fonction de Bernoulli.................................................................................. 186
Fonction binomiale...................................................................................... 188
Fonction hypergomtrique......................................................................... 189
Fonction multinomiale ................................................................................ 190
Fonction de Poisson..................................................................................... 191
Fonction de Gauss-Laplace ......................................................................... 194
Loi normale centre rduite.................................................................... 199
Fonction uniforme ....................................................................................... 200
Fonction exponentielle ................................................................................ 201
Fonction de Cauchy..................................................................................... 203
Fonction bta ............................................................................................... 205
Fonction Gamma ......................................................................................... 207
Fonction de Khi-Deux ................................................................................. 209
Loi de Student ............................................................................................. 209
Loi de Benford............................................................................................. 210
Estimateurs....................................................................................................... 213
Tests d'adquations .......................................................................................... 216
Contrle de qualit ........................................................................................... 218
Courbe d'efficacit....................................................................................... 220
Valeur de niveau de qualit acceptable ....................................................... 221
Moyennes ......................................................................................................... 221
Moyenne arithmtique................................................................................. 222
Mdiane ....................................................................................................... 222
Moyenne quadratique .................................................................................. 222
Moyenne harmonique.................................................................................. 222
Moyenne gomtrique................................................................................. 223
Moyenne mobile.......................................................................................... 224
Moyenne pondre ...................................................................................... 225
Moyenne fonctionnelle................................................................................ 226
Proprit des moyennes............................................................................... 226
Calculs d'erreurs............................................................................................... 230
Incertitudes absolues et relatives................................................................. 231
Erreurs statistiques ...................................................................................... 231
Algbre .......................................................................................................................... 233
Calcul algbrique ...................................................................................................... 233
Equations et inquations ....................................................................................... 234
Equations.......................................................................................................... 235
Inquations ....................................................................................................... 239
Identits remarquables ..................................................................................... 242
Triangle de Pascal ....................................................................................... 243
Polynmes............................................................................................................. 245
Equations diophantiennes ................................................................................ 246
Polynmes de degr 1 ...................................................................................... 246
Polynmes de degr 2 ...................................................................................... 247
Dterminant ................................................................................................. 247
Polynme de degr 3........................................................................................ 249

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

Polynmes cyclotomiques................................................................................ 252


Polynmes de Legendre ................................................................................... 253
Analyse fonctionnelle................................................................................................. 257
Reprsentations..................................................................................................... 257
Reprsentation tabulaire................................................................................... 258
Reprsentation graphique................................................................................. 258
Proprits des graphiques............................................................................ 263
Reprsentation analytique ................................................................................ 265
Fonctions............................................................................................................... 267
Dpendances .................................................................................................... 267
Domaines d'existence....................................................................................... 267
Croissance et dcroissance............................................................................... 267
Priodicit ........................................................................................................ 267
Parit ................................................................................................................ 268
Composition ..................................................................................................... 269
Types de fonctions ........................................................................................... 269
Fonctions puissances ................................................................................... 269
Fonctions exponentielles ............................................................................. 269
Fonctions logarithmiques ............................................................................ 269
Fonctions trigonomtriques......................................................................... 269
Fonctions polynomiales............................................................................... 270
Fonctions rationnelles.................................................................................. 270
Fonctions algbriques.................................................................................. 270
Limite et continuit .......................................................................................... 270
Asymptotes.................................................................................................. 274
Logarithmes .......................................................................................................... 274
Bases vulgaires................................................................................................. 275
Base nprienne ............................................................................................... 276
Fonction exponentielle naturelle...................................................................... 278
Produit scalaire fonctionnel .................................................................................. 279
Topologie................................................................................................................... 281
Espace topologique ............................................................................................... 282
Espace de Hausdorff ........................................................................................ 282
Espace mtrique et distance.................................................................................. 282
Distance hlderienne........................................................................................ 284
Distance discrte .............................................................................................. 285
Distances quivalentes ..................................................................................... 285
Fonctions lipchitziennes................................................................................... 286
Ensembles ouverts et ferms................................................................................. 287
Boules............................................................................................................... 287
Parties............................................................................................................... 288
Boules gnralises .......................................................................................... 290
Diamtre........................................................................................................... 291
Varits ................................................................................................................. 292
Varits diffrentiables .................................................................................... 293
Thorie de la mesure ................................................................................................. 294
Espaces mesurables............................................................................................... 294
Tribu................................................................................................................. 294
Tribu borlienne .......................................................................................... 296
Thorme de la classe monotone .......................................................................... 299

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

Calcul diffrentiel et intgral .................................................................................... 303


Calcul diffrentiel ................................................................................................. 303
Pente moyenne ................................................................................................. 303
Drive premire.............................................................................................. 304
Fonction drive............................................................................................... 304
Diffrentielles................................................................................................... 304
Diffrentielles partielles .............................................................................. 306
Diffrentielle totale exacte...................................................................... 306
Thorme de Schwarz ............................................................................ 307
Drives usuelles.............................................................................................. 309
Calcul intgral....................................................................................................... 321
Intgrale dfinie ............................................................................................... 321
Intgrale indfinie ............................................................................................ 322
Thorme fondamental du calcul intgral ................................................... 323
Intgration par changement de variable ........................................................... 327
Jacobien ....................................................................................................... 329
Matrice jacobienne ................................................................................. 332
Intgration par parties ...................................................................................... 334
Primitives usuelles ........................................................................................... 335
Fonction de Dirac.................................................................................................. 345
Fonction Gamma d'Euler ...................................................................................... 346
Constante d'Euler-Mascheroni ......................................................................... 347
Suites et sries ........................................................................................................... 349
Suites..................................................................................................................... 349
Suites arithmtiques ......................................................................................... 349
Suites harmoniques .......................................................................................... 350
Suites gomtriques ......................................................................................... 351
Suite de Cauchy ............................................................................................... 352
Suite de Fibonacci............................................................................................ 355
Sries..................................................................................................................... 355
Srie numrique ............................................................................................... 356
Srie de Gauss .................................................................................................. 356
Sries de Taylor et de MacLaurin .................................................................... 358
Reste de Lagrange ....................................................................................... 360
Sries de Fourier .............................................................................................. 361
Coefficient de Fourier ................................................................................. 363
Sries de Bessel................................................................................................ 364
Fonction de Bessel d'ordre 0 ....................................................................... 365
Fonction de Bessel d'ordre N ...................................................................... 365
Equation diffrentielle de Bessel d'ordre N................................................. 371
Critres de convergence........................................................................................ 372
Test de l'intgrale ............................................................................................. 373
Rgle d'Alembert.............................................................................................. 373
Rgle de Cauchy .............................................................................................. 374
Thorme de Leibniz ....................................................................................... 375
Convergence absolue ....................................................................................... 375
Thorme du point fixe .................................................................................... 375
Calcul vectoriel ............................................................................................................. 378
Notion de flche ........................................................................................................ 378
Ensemble de vecteurs ................................................................................................ 378

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

Pseudo vecteurs..................................................................................................... 380


Multiplication par un scalaire ............................................................................... 380
Rgle de trois ................................................................................................... 380
Espace vectoriel......................................................................................................... 382
Combinaisons linaires ......................................................................................... 383
Sous-espaces vectoriels......................................................................................... 384
Familles gnratrices ............................................................................................ 384
Dpendances et indpendances............................................................................. 385
Bases d'un espace vectoriel................................................................................... 386
Angles directeurs.............................................................................................. 387
Dimensions d'un espace vectoriel......................................................................... 388
Prolongements d'une famille libre ........................................................................ 388
Rang d'une famille finie........................................................................................ 389
Sommes directes ................................................................................................... 390
Espace affine......................................................................................................... 390
Espace vectoriel euclidien .................................................................................... 392
Norme d'un vecteur .......................................................................................... 392
Produit scalaire................................................................................................. 393
Projection orthogonale ................................................................................ 393
Ingalit de Cauchy-Schwartz..................................................................... 396
Ingalit triangulaire.................................................................................... 397
Produit vectoriel ............................................................................................... 398
Produit mixte.................................................................................................... 403
Espace vectoriel fonctionnel................................................................................. 404
Systme de coordonnes....................................................................................... 405
Systme cartsien ............................................................................................. 405
Systme sphrique............................................................................................ 406
Systme cylindrique ......................................................................................... 408
Systme polaire ................................................................................................ 411
Oprateurs diffrentiels scalaires et vectoriel....................................................... 412
Gradient d'un champ scalaire ........................................................................... 412
Gradient d'un champ de vecteurs ..................................................................... 416
Divergence d'un champ de vecteurs................................................................. 417
Rotationnel d'un champ de vecteurs................................................................. 418
Laplacien d'un champ scalaire ......................................................................... 419
Laplacien d'un champ vectoriel........................................................................ 424
Relation remarquables...................................................................................... 425
Rsum............................................................................................................. 426
Algbre linaire ......................................................................................................... 427
Systmes linaires................................................................................................. 429
Matrices ................................................................................................................ 431
Matrice associe ............................................................................................... 433
Oprations sur les matrices .............................................................................. 435
Types de matrice .............................................................................................. 435
Matrice inversible........................................................................................ 435
Matrice transpose....................................................................................... 435
Matrice adjointe........................................................................................... 436
Matrice hermitique (self-adjointe)............................................................... 437
Matrice nilpotent ......................................................................................... 437
Matrice orthogonale .................................................................................... 437

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

Matrice symtrique...................................................................................... 438


Matrice anti-symtrique .............................................................................. 438
Matrice triangulaire ..................................................................................... 438
Matrice diagonale ........................................................................................ 439
Matrice de passage ...................................................................................... 439
Dterminants......................................................................................................... 440
Drive d'un dterminant ................................................................................. 451
Changements de base............................................................................................ 453
Valeurs et vecteur propres .................................................................................... 455
Polynmes caractristique................................................................................ 456
Calcul tensoriel ......................................................................................................... 458
Notation indicielle................................................................................................. 458
Sommation sur plusieurs indices .......................................................................... 460
Symbole de Kronecker.......................................................................................... 460
Symbole d'antisymtrie......................................................................................... 461
Mtrique et signature ............................................................................................ 463
Composantes contravariantes et covariantes ........................................................ 465
Oprations dans les bases ..................................................................................... 466
Mthode d'orthogonalisation de Schmidt......................................................... 466
Changements de base ....................................................................................... 467
Bases rciproques............................................................................................. 468
Tenseurs euclidiens............................................................................................... 469
Tenseurs fondamental ...................................................................................... 470
Produit tensoriel de deux vecteurs ................................................................... 471
Espace tensoriel........................................................................................... 473
Combinaisons linaires de tenseurs ................................................................. 477
Contractions des indices................................................................................... 477
Tenseurs particuliers ............................................................................................. 479
Tenseur symtrique .......................................................................................... 482
Tenseur anti-symtrique................................................................................... 482
Tenseur fondamental........................................................................................ 484
Coordonnes curvilignes....................................................................................... 485
Repre naturel en coordonnes sphriques ...................................................... 488
Repre naturel en coordonnes polaires........................................................... 489
Repre naturel en coordonnes cylindriques ................................................... 490
Symboles de Christoffel........................................................................................ 491
Thorme de Ricci ................................................................................................ 497
Drive de covariante....................................................................................... 499
Tenseur de Riemann-Christoffel........................................................................... 504
Premire identit de Bianchi ............................................................................ 507
Tenseur de Ricci ................................................................................................... 507
Scalaire de Ricci............................................................................................... 507
Tenseur d'Einstein................................................................................................. 507
Identit de Bianchi contracte.......................................................................... 508
Calcul spinoriel ......................................................................................................... 510
Spineur unitaire..................................................................................................... 510
Proprits gomtriques ................................................................................... 514
Symtries planes.......................................................................................... 514
Rotations planes .......................................................................................... 516
Proprits des matrices de Pauli.................................................................. 521

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

Thorie des nuds ..................................................................................................... 523


Nud de tait.......................................................................................................... 525
Formalisation mathmatique................................................................................. 528
Mouvement de Reidemeister ........................................................................... 531
Reprsentation planaire.................................................................................... 533
Gomtrie...................................................................................................................... 535
Trigonomtrie ............................................................................................................ 535
Radian ................................................................................................................... 535
Trigonomtrie du cercle........................................................................................ 536
Relations remarquables .................................................................................... 541
Thorme du cosinus................................................................................... 544
Thorme du sinus....................................................................................... 545
Trigonomtrie hyperbolique ................................................................................. 546
Relations remarquables .................................................................................... 549
Trigonomtrie sphrique....................................................................................... 550
Relations des sinus ........................................................................................... 553
Angle solide .......................................................................................................... 555
Gomtrie euclidienne............................................................................................... 558
Dimensions ........................................................................................................... 559
Ligne droite........................................................................................................... 562
Axiome de prolongement................................................................................. 563
Demi-Droite ..................................................................................................... 563
Segment............................................................................................................ 563
Grandeurs de mme espce.............................................................................. 563
Axiome de continuit de la droite .................................................................... 566
Plan ....................................................................................................................... 568
Dplacement et retournement .......................................................................... 568
Angles .............................................................................................................. 569
Angle saillant............................................................................................... 569
Angles adjacents.......................................................................................... 569
Somme de plusieurs angles ......................................................................... 570
Mesure des angles ....................................................................................... 570
Systme des units....................................................................................... 572
Axiome de continuit ....................................................................................... 573
Angles droits, aigus, obtus, supplmentaires, complmentaires...................... 573
Droites perpendiculaires .................................................................................. 574
Bissectrices d'un angle ..................................................................................... 574
Triangles ............................................................................................................... 575
Triangles gaux ................................................................................................ 576
Triangle isocle ................................................................................................ 578
Lieu gomtrique......................................................................................... 579
Triangle quilatral .......................................................................................... 580
Triangle rectangle ............................................................................................ 581
Triangle rectangle isocle ................................................................................ 581
Thorme de Pythagore ................................................................................... 582
Thorme de Thals ......................................................................................... 583
Axiome d'unicit du paralllisme..................................................................... 586
Cercles .................................................................................................................. 588
Barycentre............................................................................................................. 591
Axiomatique d'Euclide-Hilbert ............................................................................. 593

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

Axiomes d'Euclide ........................................................................................... 593


Dfinitions d'Euclide........................................................................................ 593
Axiomes d'Hilbert ............................................................................................ 596
Transformations dans le plan................................................................................ 597
Translation ....................................................................................................... 598
Homothtie....................................................................................................... 598
Rotation............................................................................................................ 600
Rflexion.......................................................................................................... 603
Gomtries non-euclidiennes .................................................................................... 605
Espaces de Riemann ............................................................................................. 605
Gomtrie projective ................................................................................................. 609
Perspective conique (centrale) .............................................................................. 610
Images de points............................................................................................... 611
Images de droites ............................................................................................. 614
Perspective affines ................................................................................................ 619
Perspective cavalire........................................................................................ 620
Projection orthogonale ..................................................................................... 620
Gomtrie analytique ................................................................................................ 622
Coniques ............................................................................................................... 622
Paramtrisations.................................................................................................... 633
Equation du plan .............................................................................................. 633
Equation d'une droite ....................................................................................... 634
Equation d'un cne ........................................................................................... 638
Equation d'une sphre ...................................................................................... 639
Equation d'une ellipsode ................................................................................. 640
Equation d'un cylindre ..................................................................................... 641
Surface de rvolution ....................................................................................... 641
Gomtrie diffrentielle............................................................................................. 644
Tridre de Frenet................................................................................................... 646
Nappes paramtres .............................................................................................. 651
Mtrique d'une surface ..................................................................................... 652
Formes gomtriques ................................................................................................ 654
Surfaces connues................................................................................................... 654
Polygones ......................................................................................................... 654
Rectangle.......................................................................................................... 655
Carr ................................................................................................................ 656
Triangle ............................................................................................................ 657
Triangle isocle ................................................................................................ 659
Triangle quilatral .......................................................................................... 660
Triangle rectangle ............................................................................................ 661
Trapze............................................................................................................. 662
Paralllogramme .............................................................................................. 662
Losange ............................................................................................................ 662
Cercle ............................................................................................................... 662
Ellipse............................................................................................................... 665
Volumes connus.................................................................................................... 667
Polydres.......................................................................................................... 667
Paralllpipde ............................................................................................ 667
Cube (hexadre) .......................................................................................... 669
Pyramide...................................................................................................... 669

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

Ttradre...................................................................................................... 671
Octadre....................................................................................................... 671
Prisme droit ................................................................................................. 672
Dodcadre.................................................................................................. 672
Icosadre...................................................................................................... 672
Volumes de rvolutions ................................................................................... 673
Cylindre ....................................................................................................... 673
Cne............................................................................................................. 675
Sphre.......................................................................................................... 676
Tore ............................................................................................................. 678
Ellipsode..................................................................................................... 682
Parabolode.................................................................................................. 683
Thorie des graphes .................................................................................................. 685
Dfinitions ............................................................................................................ 685
Ponts de Knigsberg ............................................................................................. 690
Thorme d'Euler.................................................................................................. 691
Matrice d'adjacence .............................................................................................. 694
Catgories ............................................................................................................. 694
Mcanique ..................................................................................................................... 696
Principes.................................................................................................................... 696
Systmes d'units .................................................................................................. 698
MKSC .............................................................................................................. 699
Notations scientifiques ..................................................................................... 701
Temps............................................................................................................... 703
Longueur .......................................................................................................... 704
Masse ............................................................................................................... 705
Energie ............................................................................................................. 707
Charge .............................................................................................................. 708
Distributions..................................................................................................... 709
Constantes............................................................................................................. 710
Constantes universelles .................................................................................... 711
Constantes physiques diverses ......................................................................... 711
Constantes physico-chimiques diverses........................................................... 712
Constantes astrophysiques diverses ................................................................. 712
Constantes de Planck ....................................................................................... 713
Units naturelles............................................................................................... 714
Cube magique.............................................................................................. 715
Principes de la physique ....................................................................................... 716
Principe de causalit......................................................................................... 716
Trilemne de Fries......................................................................................... 716
Principe premier de conservation de l'nergie ................................................. 717
Principe premier de moindre action ................................................................. 717
Principe premier de Noether ............................................................................ 718
Invariance par translation dans l'espace ...................................................... 720
Invariance par rotation dans l'espace........................................................... 721
Invariance par translation dans le temps ..................................................... 722
Thorme de Noether .................................................................................. 723
Principe premier de Curie ................................................................................ 726
Espaces ponctuels ................................................................................................. 727
Mcanique analytique ............................................................................................... 735

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

Formalisme Lagrangien ........................................................................................ 736


Coordonnes gnralises ................................................................................ 736
Repre et rfrentiel .................................................................................... 737
Repre galilen ....................................................................................... 737
Repre barycentrique.............................................................................. 738
Repre orthonorm direct ....................................................................... 738
Mthode de Lagrange....................................................................................... 740
Mthode d'Euler ............................................................................................... 740
Principe variationnel ........................................................................................ 741
Equation d'Euler-Lagrange .............................................................................. 742
Action .......................................................................................................... 743
Lagrangien................................................................................................... 743
Formalisme canonique.......................................................................................... 747
Transformation de Legendre ............................................................................ 748
Hamiltonien...................................................................................................... 748
Moments canoniques................................................................................... 748
Equations canoniques du mouvement ......................................................... 750
Crochets de Poisson ......................................................................................... 752
Identit de Jacobi......................................................................................... 752
Transformations canoniques ............................................................................ 754
Mcanique classique rationnelle ............................................................................... 756
Point matriel........................................................................................................ 756
Angles d'Euler .................................................................................................. 757
Rotation propre............................................................................................ 758
Nutation ....................................................................................................... 758
Prcession.................................................................................................... 758
Lois de Newton..................................................................................................... 759
Premire loi (loi d'inertie) ................................................................................ 759
Deuxime loi (principe fondamental de la dynamique)................................... 760
Troisime loi (action et raction) ..................................................................... 762
Conditions d'quilibre........................................................................................... 762
Centre de masse et masse rduite ......................................................................... 763
Thorme du centre de masse .......................................................................... 764
Thorme de Guldin......................................................................................... 766
Cinmatique .......................................................................................................... 767
Position............................................................................................................. 768
Vitesse.............................................................................................................. 769
Acclration ..................................................................................................... 770
Plan osculateur ............................................................................................ 771
Principe de relativit galilen ............................................................................... 774
Moment cintique ................................................................................................. 776
Thorme du moment cintique....................................................................... 778
Moment de forces............................................................................................. 780
Statique des forces ........................................................................................... 781
Balistique .............................................................................................................. 783
Mouvements circulaires........................................................................................ 786
Vitesse angulaire .............................................................................................. 786
Figures de Lissajous......................................................................................... 788
Loi de Kepler ........................................................................................................ 788
Premire loi (conicit)...................................................................................... 788

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

Deuxime loi (vitesse arolaire) ...................................................................... 789


Troisime loi (priode orbitale) ....................................................................... 789
Loi de la Gravitation.................................................................................... 791
Equation de Newton Poisson.................................................................. 792
Dcroissance de l'acclration gravifique l'extrieur de la Terre ........ 792
Dcroissance de l'acclration gravifique l'intrieur de la Terre ......... 793
Travail et nergie .................................................................................................. 793
Energie cintique.............................................................................................. 794
Moment d'inertie ......................................................................................... 795
Rayon de giration.................................................................................... 797
Moment d'inertie polaire......................................................................... 798
Thorme d'Huygens-Steiner ................................................................. 799
Tenseur d'inertie ..................................................................................... 802
Thorme d'Huygens-Steiner gnralis ................................................ 803
Ellipsode d'inertie .................................................................................. 805
Energie potentielle gravifique .......................................................................... 807
Energie potentielle d'une sphre de matire ................................................ 811
Conservation de l'nergie mcanique totale..................................................... 812
Conservation de la quantit de mouvement ..................................................... 813
Loi de Newton gnralise............................................................................... 814
Action lagrangienne .................................................................................... 816
Lagrangien mcanique ................................................................................ 816
Puissance mcanique........................................................................................ 818
Puissance d'une machine tournante ............................................................. 819
Rendement .............................................................................................. 819
Mouvements relatifs et forces d'inerties........................................................... 819
Acclration de Coriolis.............................................................................. 823
Principe d'Alembert..................................................................................... 823
Thorme de Knig.......................................................................................... 826
Premier thorme de Knig......................................................................... 826
Deuxime thorme de Knig..................................................................... 828
Mouvements oscillatoires ................................................................................ 828
Pendule de Newton...................................................................................... 829
Pendule simple ............................................................................................ 830
Pendule physique......................................................................................... 832
Pendule lastique......................................................................................... 835
Pendule conique .......................................................................................... 839
Pendule de torsion ....................................................................................... 840
Pendule de Foucault .................................................................................... 841
Pendule de Huygens .................................................................................... 843
Mcanique ondulatoire.............................................................................................. 847
Fonction d'onde..................................................................................................... 847
Equation d'onde .................................................................................................... 848
Types d'ondes........................................................................................................ 850
Ondes priodiques............................................................................................ 850
Ondes harmoniques.......................................................................................... 851
Ondes stationnaires .......................................................................................... 852
Modes de vibration dans un fil tendu .......................................................... 853
Mondes de vibration dans une membrane tendue ....................................... 860
Phaseurs ................................................................................................................ 865

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

Vecteur d'onde.................................................................................................. 867


Relation de dispersion...................................................................................... 868
Paquet d'onde ................................................................................................... 871
Mcanique statistique ................................................................................................ 872
Thorie statistique de l'information ...................................................................... 872
Formule de Shannon ........................................................................................ 875
Information mutuelle moyenne ........................................................................ 875
Entropie infomtrique ...................................................................................... 876
Loi de Boltzmann.................................................................................................. 876
Micro-tats ....................................................................................................... 877
Equilibre thermodynamique............................................................................. 878
Distributions statistiques physiques...................................................................... 881
Distribution de Maxwell .................................................................................. 881
Distribution de Maxwell-Boltzmann ............................................................... 885
Distribution de Fermi-Dirac............................................................................. 890
Distribution de Bose-Einstein .......................................................................... 892
Thermodynamique ..................................................................................................... 894
Dfinitions ............................................................................................................ 895
Systmes thermodynamiques................................................................................ 896
Variables d'tat...................................................................................................... 897
Variables intensives et extensives.................................................................... 898
Lois d'tat.............................................................................................................. 899
Transformation thermodynamique ....................................................................... 899
Principes de la thermodynamique......................................................................... 900
Principe zro (quilibre thermique) ................................................................. 900
Principe premier (principe d'quivalence) ....................................................... 901
Principe deuxime (irrversibilit)................................................................... 901
Principe troisime (principe de Nernst) ........................................................... 901
Fluides................................................................................................................... 901
Capacits et chaleurs ........................................................................................ 902
Fluide parfait .................................................................................................... 903
Fluide semi-parfait ........................................................................................... 904
Fluide rel ........................................................................................................ 904
Energie interne...................................................................................................... 905
Enthalpie .......................................................................................................... 908
Chaleur.................................................................................................................. 908
Equation de continuit .......................................................................................... 910
Loi de Fourier................................................................................................... 915
Equation de diffusion de la chaleur.................................................................. 915
Rayonnement thermique ....................................................................................... 915
Loi de Stefan-Boltzmann ................................................................................. 916
Loi de Planck ................................................................................................... 923
Premire loi de Wien................................................................................... 928
Constante de Stefan-Boltzmann ............................................................. 929
Deuxime loi de Wien................................................................................. 930
Constante de Wien.................................................................................. 930
Mcanique des milieux continus................................................................................ 932
Solides................................................................................................................... 932
Pressions........................................................................................................... 933
Elasticit des solides ........................................................................................ 933

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

Module de Young........................................................................................ 935


Loi de Hook................................................................................................. 935
Module de cisaillement ............................................................................... 936
Module de glissement.................................................................................. 937
Coefficient de poisson ............................................................................ 938
Module de compressibilit .......................................................................... 944
Coefficient de compressibilit ................................................................ 945
Module de flexion ....................................................................................... 945
Liquides ................................................................................................................ 948
Thorme de Pascal ......................................................................................... 949
Viscosit........................................................................................................... 950
Loi de Poiseuille.......................................................................................... 952
Thorme de Bernoulli..................................................................................... 953
Thorme de Toricelli ................................................................................. 957
Effet Venturi................................................................................................ 957
Equations de Navier-Stokes ............................................................................. 958
Fluides incompressibles .............................................................................. 976
Equation d'Euler de 1re forme .............................................................. 977
Equation d'Euler de 2me forme ............................................................ 978
Fluide compressible..................................................................................... 981
Fluide statique ............................................................................................. 981
Nombre de Reynolds ................................................................................... 982
Approximation de Boussinesq..................................................................... 984
Loi de Stokes ............................................................................................... 986
Pression hydrostatique ..................................................................................... 990
Pousse d'Archimde ....................................................................................... 990
Gaz ........................................................................................................................ 992
Type de gaz ...................................................................................................... 992
Gaz parfait ................................................................................................... 992
Gaz rel........................................................................................................ 993
Thorme du Viriel .......................................................................................... 993
Plasmas ................................................................................................................ 998
Degr d'ionisation ............................................................................................ 999
Frquence plasma............................................................................................. 1002
Astrophysique ............................................................................................................ 1003
Trajectoires d'orbitales keplriennes..................................................................... 1003
Prcession du prihlie ......................................................................................... 1007
Formule de Binet.............................................................................................. 1008
Effet Doppler ........................................................................................................ 1014
Redshift ............................................................................................................ 1016
Equation de Drake ................................................................................................ 1016
Etoiles ................................................................................................................... 1017
Diagramme de Hertzprung-Russel................................................................... 1018
Temprature interne des toiles ....................................................................... 1020
Temprature externe des toiles....................................................................... 1021
Luminosit des toiles...................................................................................... 1022
Eclat d'une toile ......................................................................................... 1022
Magnitude apparente ................................................................................... 1022
Magnitude absolue ...................................................................................... 1024
Etoiles variables .......................................................................................... 1026

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

Parallaxe trigonomtrique ................................................................................ 1027


Limite de Chandrasekhar ................................................................................. 1028
Modle cosmologique newtonien .................................................................... 1033
Principe cosmologique ................................................................................ 1033
Loi de Hubble.............................................................................................. 1036
Equation de Friedmann ............................................................................... 1037
Constante cosmologique......................................................................... 1037
Densit critique....................................................................................... 1039
Modle de Friedmann-Lematre.................................................................. 1041
Modle hyperbolique................................................................................... 1042
Modle sphrique ........................................................................................ 1047
Univers observable ...................................................................................... 1050
Rayonnement fossile ................................................................................... 1060
Mcanique relativiste ................................................................................................ 1065
Relativit restreinte ............................................................................................... 1066
Postulat d'invariance ........................................................................................ 1066
Principe cosmologique ..................................................................................... 1067
Principe de relativit restreinte ........................................................................ 1067
Transformations de Lorentz ............................................................................. 1068
Facteur de Michelson-Morley ..................................................................... 1071
Addition relativiste des vitesses .................................................................. 1075
Variation relativiste des longueurs .............................................................. 1076
Variation relativiste du temps...................................................................... 1077
Variation relativiste de la masse.................................................................. 1077
Equivalence masse-nergie ......................................................................... 1078
Lagrangien relativiste .................................................................................. 1079
Quantit de mouvement relativiste.............................................................. 1081
Force relativiste ........................................................................................... 1083
Champs lectrique et magntique relativistes ............................................. 1085
Relation d'Einstein.................................................................................. 1091
Espace-Temps de Minkowski ..................................................................... 1092
Cnes d'univers....................................................................................... 1094
Relativit gnrale............................................................................................ 1098
Postulat d'quivalence ................................................................................. 1099
Principe de Mach......................................................................................... 1101
Gravitation et gomtrie.............................................................................. 1101
Mtriques ................................................................................................ 1102
Lagrangien libre gnralis ......................................................................... 1106
Equations des godsiques .......................................................................... 1108
Electromagntisme ........................................................................................................ 1112
Electrostatique........................................................................................................... 1112
Force lectrique..................................................................................................... 1112
Loi de Coulomb ............................................................................................... 1112
Permittivit du vide .......................................................................................... 1113
Constante dilectrique...................................................................................... 1113
Champ lectrique ............................................................................................. 1113
Potentiel lectrique ............................................................................................... 1114
Diffrence de potentiel..................................................................................... 1114
Indpendance du chemin.................................................................................. 1116
Equipotentielles et lignes de champ................................................................. 1116

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

Fil rectiligne infini....................................................................................... 1119


Diple lectrique rigide ............................................................................... 1121
Flux du champ lectrique ................................................................................. 1130
Loi de Gauss (du champ lectrique)............................................................ 1130
Capacits ..................................................................................................... 1131
Rigidit dilectrique ............................................................................... 1131
Energie potentielle lectrostatique ................................................................... 1132
Magntostatique ........................................................................................................ 1134
Thorme d'Ampre.............................................................................................. 1135
Excitation magntique...................................................................................... 1136
Electro-aimant .................................................................................................. 1136
Bobine solnodale infinie ............................................................................... 1137
Bobine torodale ............................................................................................... 1138
Relation de Maxwell-Ampre............................................................................... 1139
Loi de Biot-Savart................................................................................................. 1140
Diple magntique ........................................................................................... 1144
Moment magntique dipolaire..................................................................... 1148
Facteur gyromagntique .............................................................................. 1149
Loi de Lorentz .................................................................................................. 1149
Loi de Laplace ............................................................................................. 1153
Effet Hall classique ..................................................................................... 1153
Coefficient de Hall.................................................................................. 1155
Rsistance de Hall .................................................................................. 1155
Rayon de Larmor......................................................................................... 1156
Pulsation gyro-synchrotron..................................................................... 1157
Electrodynamique...................................................................................................... 1158
Premire quation de Maxwell ............................................................................. 1159
Loi de Gauss (du champ lectrique) ................................................................ 1160
Equation de Maxwell-Poisson ......................................................................... 1160
Deuxime quation de Maxwell ........................................................................... 1160
Loi de Gauss (du champ magntique).............................................................. 1162
Troisime quation de Maxwell ........................................................................... 1163
Loi de Maxwell-Faraday .................................................................................. 1163
Quatrime quation de Maxwell........................................................................... 1163
Courant de dplacement................................................................................... 1164
Equation de Maxwell-Ampre ......................................................................... 1165
Equation de Maxwell avec sources....................................................................... 1166
Champ de dplacement .................................................................................... 1166
Equation de Maxwell sans sources ....................................................................... 1166
Equation de conservation de la charge ................................................................. 1167
Thorie de Jauges (lectromagntiques)............................................................... 1168
Potentiel vecteur............................................................................................... 1168
Potentiel scalaire .............................................................................................. 1168
Jauge de Lorenz ............................................................................................... 1169
Jauge de Coulomb ............................................................................................ 1169
Equation de poisson du potentiel vecteur ........................................................ 1169
Tenseur du champ lectromagntique .................................................................. 1171
Equation d'onde lectromagntique ...................................................................... 1178
Vitesse de propagation ..................................................................................... 1179
Energie vhicule ............................................................................................. 1181

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

Intensit d'un onde lectromagntique ........................................................ 1183


Emission........................................................................................................... 1183
Rayonnement synchrotron........................................................................... 1184
Potentiels de Linard-Wiechert .............................................................. 1188
Electrocintique......................................................................................................... 1189
Lois de Kirchhoff.................................................................................................. 1189
Loi des mailles ................................................................................................. 1190
Loi des nuds .................................................................................................. 1190
Loi d'Ohm ........................................................................................................ 1190
Rsistance lectrique ................................................................................... 1193
Force lectromotrice ............................................................................................. 1195
Puissance lectrique ......................................................................................... 1195
Champ lectromoteur ....................................................................................... 1196
Force lectromotrice (FEM)............................................................................. 1196
Loi de Faraday ................................................................................................. 1198
Loi de Lenz ...................................................................................................... 1199
Inductance ........................................................................................................ 1200
Coefficient d'auto-induction ........................................................................ 1200
Optique gomtrique ................................................................................................. 1202
Sources et ombres ................................................................................................. 1202
Photomtrie........................................................................................................... 1205
Flux nergtique............................................................................................... 1206
Loi de Beer-Lambert ................................................................................... 1206
Intensit lumineuse .......................................................................................... 1207
Emittance nergtique...................................................................................... 1208
Luminance nergtique .................................................................................... 1209
Loi de Lambert ............................................................................................ 1210
Loi de Kirchhoff............................................................................................... 1211
Dcomposition spectrale .................................................................................. 1212
Loi de rfraction.................................................................................................... 1212
Principe de Fermat ........................................................................................... 1212
Loi de Snell-Descartes ..................................................................................... 1214
Formules de Descartes ..................................................................................... 1216
Equation de conjugaison ............................................................................. 1226
Optique ondulatoire................................................................................................... 1229
Principe d'Huygens ............................................................................................... 1229
Loi de Malus .................................................................................................... 1230
Diffraction de Fraunhofer ................................................................................ 1231
Cas d'une fente rectangulaire....................................................................... 1232
Pouvoir de rsolution.............................................................................. 1238
Cas d'un rseau de fentes rectangulaires ..................................................... 1239
Polarisation de la lumire................................................................................. 1245
Polarisation linaire..................................................................................... 1249
Polarisation elliptique.................................................................................. 1251
Polarisation circulaire.................................................................................. 1252
Polarisation naturelle................................................................................... 1252
Loi de Malus................................................................................................ 1254
Physique atomique ........................................................................................................ 1256
Physique quantique corpusculaire ............................................................................ 1256
Introduction........................................................................................................... 1256

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

Modle de Dalton.................................................................................................. 1258


Modle de Thomson ............................................................................................. 1259
Modle de Rutherford........................................................................................... 1260
Modle de Bohr .................................................................................................... 1261
Postulats de Bohr ............................................................................................. 1261
Quantification................................................................................................... 1262
Modles des atomes hydrognodes sans entranement ................................... 1264
Rayon de Bohr............................................................................................. 1265
Formule de Balmer...................................................................................... 1267
Constante de Rydberg............................................................................. 1267
Modle des atomes hydrognodes avec entranement .................................... 1268
Hypothse du neutron ...................................................................................... 1272
Modle de Sommerfeld et Wilson ........................................................................ 1273
Nombre quantique azimutal ............................................................................. 1275
Nombre quantique radial.................................................................................. 1277
Modle relativiste de Sommerfeld........................................................................ 1278
Constante de structure fine............................................................................... 1285
Constante de Rydberg ...................................................................................... 1295
Moment magntique dipolaire quantique ........................................................ 1295
Facteur gyromagntique .............................................................................. 1296
Magnton de Bohr ....................................................................................... 1296
Nombre quantique magntique ................................................................... 1296
Spin .................................................................................................................. 1298
Principe d'exclusion de Pauli ........................................................................... 1299
Couches lectroniques...................................................................................... 1299
Physique quantique ondulatoire................................................................................ 1304
Postulats ................................................................................................................ 1306
1er postulat (tat quantique)............................................................................. 1307
2me postulat (volution temporelle d'un tat quantique) ............................... 1308
3me postulat (observables et oprateurs) ....................................................... 1309
4me postulat (mesure d'une proprit) ........................................................... 1311
5me postulat (moyenne d'une proprit) ........................................................ 1311
Principes d'incertitudes classiques ........................................................................ 1311
Premire relation d'incertitude classique.......................................................... 1313
Deuxime relation d'incertitude classique........................................................ 1314
Troisime relation d'incertitude classique........................................................ 1315
Algbre quantique................................................................................................. 1316
Oprateurs linaires fonctionnels..................................................................... 1316
Oprateurs de quantit de mouvement ........................................................ 1319
Oprateurs adjoints et hermitiques .............................................................. 1319
Commutateurs et anti-commutateurs........................................................... 1321
Relations d'incertitudes de Heisenberg................................................... 1323
Interprtation de Copenhague ..................................................................... 1324
Dimensions de Planck ................................................................................. 1326
Reprsentatives ................................................................................................ 1329
Valeurs et fonctions propres ............................................................................ 1331
Formalisme de Dirac ........................................................................................ 1333
Kets et Bras ................................................................................................. 1333
Modle de Schrdinger......................................................................................... 1335
Principe de complmentarit............................................................................ 1336

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

Onde associe de De Broglie....................................................................... 1336


Longueur d'onde associe....................................................................... 1336
Onde thermique associe de Broglie ........................................................... 1337
Equation classique de Schrdinger .................................................................. 1338
Hamiltonien ................................................................................................. 1339
Condition de normalisation de De Broglie.................................................. 1340
Etats lis et non lis ..................................................................................... 1341
Equation d'volution classique de Schrdinger ............................................... 1342
Equation de continuit................................................................................. 1347
Equation d'volution relativiste de Schrdinger .............................................. 1348
Equation de Klein-Gordon libre .................................................................. 1349
Implications...................................................................................................... 1349
Puits de potentiel parois rectilignes .......................................................... 1350
Oscillateur harmonique ............................................................................... 1355
Relation de De Broglie ........................................................................... 1355
Effet tunnel .................................................................................................. 1366
Anti-matire................................................................................................. 1371
Principe de superposition linaire des tats................................................. 1374
Moment cintique ............................................................................................ 1381
Moment cintique........................................................................................ 1390
Analogie avec le principe de moindre action................................................... 1391
Equation de Klein-Gordon gnralise ............................................................ 1394
Densit de probabilit.................................................................................. 1400
Densit de courant ....................................................................................... 1400
Equation de Dirac libre classique..................................................................... 1401
Equations de Weyl....................................................................................... 1406
Equation de Dirac libre linarise .................................................................... 1413
Equation de Dirac gnralise.......................................................................... 1425
Physique nuclaire .................................................................................................... 1427
L'arme nuclaire.................................................................................................... 1427
Nombre atomique, nombre de masse.................................................................... 1428
Isotopes, nuclides, isotones................................................................................. 1429
Systme de masse atomique (u.m.a)..................................................................... 1429
Radioactivit ......................................................................................................... 1430
Demi-vie d'isotope ........................................................................................... 1431
Activit radioactive............................................................................................... 1431
Datation au carbone 14 ......................................................................................... 1432
Filiation radioactive .............................................................................................. 1434
Phnomnes radioactifs ........................................................................................ 1436
Dfaut de masse ............................................................................................... 1436
Energie moyenne par nuclon ..................................................................... 1437
Fusion nuclaire (1) ......................................................................................... 1437
Fission nuclaire (2)......................................................................................... 1437
Dsintgration alpha (3)................................................................................... 1439
Dsintgration bta - (4) .................................................................................. 1440
Dsintgration bta + (5).................................................................................. 1442
Capture lectronique (6)................................................................................... 1442
Emission gamma (7) ........................................................................................ 1443
Conversion interne (8) ..................................................................................... 1444
Electron de conversion ................................................................................ 1444

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

Electron Auger ............................................................................................ 1445


Radioprotection..................................................................................................... 1445
Formule de Bethe-Bloch .................................................................................. 1445
Effet Compton.................................................................................................. 1449
Effet photolectrique........................................................................................ 1452
Diffusion de Rutherford ................................................................................... 1456
Paramtre de choc ....................................................................................... 1456
Rayons-X et Gamma ........................................................................................ 1462
Coefficient d'attnuation massique.............................................................. 1463
Section efficace microscopique................................................................... 1464
Longueur de relaxation................................................................................ 1465
Cration paires lectron-positron ................................................................ 1466
Physique quantique des champs ................................................................................ 1468
Photons virtuels..................................................................................................... 1468
Potentiel de Yukawa ............................................................................................. 1470
Champs non-massiques.................................................................................... 1472
Equation d'Euler-Lagrange des champs................................................................ 1474
Equations du mouvement de Heisenberg......................................................... 1474
Lagrangien de Klein-Gordon ........................................................................... 1479
Lagrangien du champ lectromagntique ........................................................ 1480
Lagrangien de Dirac......................................................................................... 1482
Chimie............................................................................................................................ 1484
Chimie quantique....................................................................................................... 1484
Puits de potentiel rectangulaire tridimensionnel infini ......................................... 1484
Vibrations molculaires ........................................................................................ 1488
Atome hydrognode............................................................................................. 1491
Rotateur rigide.................................................................................................. 1495
Harmoniques sphriques ............................................................................. 1511
Cartes de densit.......................................................................................... 1511
Cartes d'isodensit ....................................................................................... 1512
Chimie analytique...................................................................................................... 1519
Ractions............................................................................................................... 1520
Grandeurs stoechiomtriques ........................................................................... 1520
Avancement lmentaire de raction ............................................................... 1520
Taux d'avancement........................................................................................... 1521
Chimie thermique ...................................................................................................... 1524
Transformations chimiques................................................................................... 1524
Chaleur de raction pression constante ......................................................... 1525
Grandeurs molaires ............................................................................................... 1525
Masse molaire atomique .................................................................................. 1526
Masse molaire molculaire .............................................................................. 1526
Titre molaire..................................................................................................... 1527
Titre massique associ ..................................................................................... 1527
Molarit............................................................................................................ 1527
Grandeur molaire standard............................................................................... 1528
Informatique thorique ................................................................................................. 1532
Mthodes numriques................................................................................................ 1532
Complexit............................................................................................................ 1534
NP-Compltude................................................................................................ 1537
Partie Entire......................................................................................................... 1539

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

Algorithme d'Hron .............................................................................................. 1541


Algorithme d'Archimde ...................................................................................... 1541
Calcul du nombre d'Euler ..................................................................................... 1543
Calcul de la factorielle (formule de Stirling) ........................................................ 1544
Systmes d'quations linaires.............................................................................. 1544
Une quation une inconnue ........................................................................... 1545
Deux quations deux inconnues .................................................................... 1545
Trois quations trois inconnues..................................................................... 1546
N quations n inconnues ............................................................................... 1547
Polynmes............................................................................................................. 1548
Rgressions et interpolations ................................................................................ 1550
Rgression linaire ........................................................................................... 1550
Mthodes des moindres carrs .................................................................... 1551
Interpolation polynomiale ................................................................................ 1552
Mthode d'Euler .......................................................................................... 1552
Polynme de collocation ............................................................................. 1553
Dterminant de Vandermonde................................................................ 1555
Recherche des racines........................................................................................... 1556
Mthodes des parties proportionnelles............................................................. 1556
Mthode de la bissection.................................................................................. 1558
Mthode de la scante (regula falsi) ................................................................ 1558
Mthode de Newton ......................................................................................... 1560
Aires et sommes de Riemann................................................................................ 1563
Mthode des rectangles .................................................................................... 1564
Mthode des trapzes ....................................................................................... 1565
Programmation linaire......................................................................................... 1566
Algorithme du simplexe................................................................................... 1571
Mthode de Monte-Carlo...................................................................................... 1576
Calcul d'une intgrale....................................................................................... 1578
Calcul de Pi ...................................................................................................... 1579
Dichotomie....................................................................................................... 1579
Rseaux de neurones formels ............................................................................... 1580
Modle de neurone........................................................................................... 1581
Fonction de transfert ........................................................................................ 1584
Architecture de rseau...................................................................................... 1586
Algorithmes gntiques ........................................................................................ 1588
Codage et population initiale ........................................................................... 1591
Oprateurs ........................................................................................................ 1593
Oprateur de slection ................................................................................. 1593
Oprateur de croisement.............................................................................. 1594
Oprateurs de mutation ............................................................................... 1595
Fractales.................................................................................................................... 1599
Topologie fractale ................................................................................................. 1599
Ensemble de Cantor ......................................................................................... 1606
Espace mtrique des fractales .......................................................................... 1608
Construction d'images fractales ............................................................................ 1610
Ensemble de Mandelbrot ................................................................................. 1611
Ensemble de Julia............................................................................................. 1613
Ensemble de Newton ....................................................................................... 1614
Systmes logiques formels ......................................................................................... 1616

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

Logique stricte ...................................................................................................... 1616


Algbre de Boole ............................................................................................. 1617
Thorme des constantes............................................................................. 1619
Thormes du consensus ............................................................................. 1619
Thormes de Shannon ............................................................................... 1620
Thorme de De Morgan............................................................................. 1621
Fonctions logiques ........................................................................................... 1622
Tables de Karnaugh ......................................................................................... 1624
Oprations arithmtiques boolennes .............................................................. 1628
Logique floue........................................................................................................ 1632
Ensemble flou .................................................................................................. 1634
Codes correcteurs...................................................................................................... 1638
Encodeurs.............................................................................................................. 1639
Distance de Hamming ...................................................................................... 1640
Poids de Hamming ........................................................................................... 1641
Codes en blocs-linaires................................................................................... 1642
Matrice gnratrice...................................................................................... 1644
Matrice de contrle...................................................................................... 1644
Codes systmatiques ........................................................................................ 1647
Cryptographie............................................................................................................ 1649
Systmes symtriques et asymtriques ................................................................. 1650
Principe de Kerchoffs ........................................................................................... 1651
Trappes ................................................................................................................ 1651
Rappels mathmatiques ........................................................................................ 1651
Groupe.............................................................................................................. 1652
Divisibilit........................................................................................................ 1652
Division euclidienne ........................................................................................ 1653
P.G.C.D. ...................................................................................................... 1653
Fonction phi d'Euler ......................................................................................... 1654
Congruence ...................................................................................................... 1657
Systme de chiffrement cl secrte.................................................................... 1659
Schma de Feistel............................................................................................. 1661
Systme de chiffrement cl publique ................................................................. 1664
Protocole de Diffie-Hellmann .......................................................................... 1666
Systme R.S.A. ................................................................................................ 1668
Fonction de condensation Message Digest MD5 ................................................. 1674
Fonction de condensation Secure Hash Algorithm SHA-1 .................................. 1675
Certificats d'authentification ................................................................................. 1677
Cryptographie quantique....................................................................................... 1678
Cryptographie alternative ..................................................................................... 1683
Automates .................................................................................................................. 1685
Mise en perspective .............................................................................................. 1685
Machine de Von Neumann .............................................................................. 1686
Machine de Turing ........................................................................................... 1687
Hirarchie de Chomsky.................................................................................... 1689
Langage formel............................................................................................ 1689
Syntaxe ........................................................................................................ 1690
Grammaire formelle .................................................................................... 1691
Automates associs...................................................................................... 1691
Terminologie......................................................................................................... 1694

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

Mots ................................................................................................................. 1694


Langages .......................................................................................................... 1696
Equations.......................................................................................................... 1698
Codes................................................................................................................ 1699
Codes prfixes ............................................................................................. 1699
Algorithmes linguistiques ..................................................................................... 1700
Algorithme de Huffmann ................................................................................. 1700
Algorithme de Sardinas et Petterson................................................................ 1705
Informatique quantique ............................................................................................. 1708
Polarisation du photon .......................................................................................... 1711
QuBit..................................................................................................................... 1714
Mathmatiques sociales............................................................................................ 1720
Dynamique des populations ...................................................................................... 1720
Modle exponentiel............................................................................................... 1720
Modle logistique ................................................................................................. 1721
Diagramme de Feigenbaum ............................................................................. 1727
Propagation des pidmies.................................................................................... 1731
Modle Proies-Prdateurs (de Lotka-Volterra)..................................................... 1734
Modle de Hardy-Weinberg ................................................................................. 1741
Thorie de la dcision (jeux) ..................................................................................... 1746
Reprsentatives ..................................................................................................... 1748
Formes extensives ............................................................................................ 1748
Formes normales .............................................................................................. 1749
Jeux rptitifs .............................................................................................. 1754
Formes ensemblistes ........................................................................................ 1756
Jeux coopratifs et non-coopratifs ...................................................................... 1760
Optimum de Pareto .......................................................................................... 1761
Equilibre de Nash............................................................................................. 1762
Utilit espre .................................................................................................. 1763
Jeux volutionnaires ............................................................................................. 1767
Equilibre de Cournot ........................................................................................ 1771
Economtrie............................................................................................................... 1775
Concepts................................................................................................................ 1776
Micro-conomie ............................................................................................... 1778
Macro-conomie .............................................................................................. 1784
Modle montaire ................................................................................................. 1785
Thorie de l'offre et de la demande....................................................................... 1791
Thorie de la prfrence................................................................................... 1791
Modle contrari perte nette ..................................................................... 1797
Calculs actuariels .................................................................................................. 1804
Intrt simple.................................................................................................... 1806
Intrt compos ................................................................................................ 1806
Intrt progressif .............................................................................................. 1808
Thorie de la spculation ...................................................................................... 1809
Portefeuilles, titres actions et obligations ........................................................ 1810
Options ........................................................................................................ 1811
Return on investment ....................................................................................... 1814
Goodwill...................................................................................................... 1816
Risque d'un portefeuille............................................................................... 1818
Coefficient bta ........................................................................................... 1819

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

Modle de Bachelier ........................................................................................ 1820


Modle de Markowitz ...................................................................................... 1824
Modle de Sharp .............................................................................................. 1828
Modle de Black & Sholes............................................................................... 1831
Equation de parit Call-Put ......................................................................... 1831
Hypothse efficiente du march .................................................................. 1832
Processus de Wiener.................................................................................... 1833
Mouvement brownien.................................................................................. 1835
Processu d'Ito............................................................................................... 1836
Equation de Black & Sholes........................................................................ 1840
Techniques de gestion................................................................................................ 1845
Droite d'Henry ...................................................................................................... 1846
PERT probabiliste................................................................................................. 1848
Gestion de Stock ................................................................................................... 1852
Stock initial optimal ......................................................................................... 1852
Modle de Wilson ............................................................................................ 1858
Maintenance prventive........................................................................................ 1863
Estimateurs empiriques .................................................................................... 1864
Modle de Weibull........................................................................................... 1867
Humour.......................................................................................................................... 1870
Situations ................................................................................................................... 1870
Mathmatiques .......................................................................................................... 1879
Physique .................................................................................................................... 1887
Statistiques................................................................................................................. 1889
Chimie ....................................................................................................................... 1891
Ingnierie................................................................................................................... 1894
Informatique .............................................................................................................. 1896
Gnralits................................................................................................................. 1906
Biographies.................................................................................................................... 1908
Rfrences...................................................................................................................... 1985
Liens .............................................................................................................................. 1990
Sciences exactes ........................................................................................................ 1990
Editions-Magazines ................................................................................................... 1990
Associations............................................................................................................... 1992
TV-Radio................................................................................................................... 1992
Divers sciences .......................................................................................................... 1993
Logiciels .................................................................................................................... 1994
Licence ........................................................................................................................... 1996

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

Cette troisime dition de Sciences.ch comprend par rapport la prcdente des centaines de
corrections dans de nombreux domaines, ainsi que de nombreux nouveaux dveloppements
majeurs et le dbut de nouveaux chapitres relatifs certains domaines particuliers de
l'ingnierie qui taient en attente depuis 2001. L'ensemble des nouveauts font que ce livre se
voit augmenter de . pages et aussi d'un nouveau design devant faciliter sa lecture.

Que ce soit sur le point de vue de la quantit aussi bien que de la qualit du contenu ainsi que
sur l'audience recueillie par les sujets traits, cette nouvelle dition n'a encore une fois aucune
comparaison possible avec la prcdente (de 2005). Il reste cependant normment de progrs
et de corrections effectuer mais la quantit de travail pour arriver jusqu'aux objectifs fixs
s'amenuise maintenant fortement (la liste est disponible plus bas). Il va ainsi tre possible
l'avenir de se concentrer sur la qualit, l'illustration et la pdagogie du texte.

Au niveau des chiffres, ce livre fait donc plus de 2'000 pages pour une taille de Mo, il
propose X chapitre, pour un total quations. Il a t tlcharg toutes ditions confondues
. fois et sa cration a ncessit plus de rfrences bibliographiques, une centaine de
PDF disperss sur Internet et l'aide de nombreux passionns.

La relecture entre 2005 et 2008 a permis galement de corriger de nombreuses zones floues
qui mritent pour certaines encore d'tre claircies ou reformules par des mthodes autres
que purement formelles de manire les rendre accessibles au plus grand nombre mais
toujours avec la rigueur ncessaire ! Effectivement, bien qu'au dbut il y ait eu une grande
rticence quant au fait d'ajouter des textes, figures ou schmas explicatifs des quations
dmontres, le temps faisant, cette position va tre compltement abandonne ne pouvant
admettre qu'il soit parfois ncessaire au lecteur de passer plus de deux trois heures
construire des schmas mentaux d'un concept trs abstrait. Par ailleurs, les illustrations et les
courts textes de vulgarisation permettent souvent d'obtenir une vision plus directe sur certains
rsultats thoriques formels et cela fait toujours du bien, tant aux yeux qu'au mental. La
prochaine dition se verra donc certainement agrmente de nombreuses illustrations.

Ce document est donc, vous l'aurez compris, toujours en pleine volution et il faudra souvent
au lecteur se rfrer au site Internet pour d'ventuels complments d'informations sur les
nouveauts et corrections pouvant tre publies depuis sa date de parution. Le lecteur ne devra
galement pas hsiter contacter les responsables pour toute remarque constructive.

Nous tenons galement informer qu'Adobe Reader 9.0 est idalement requis pour une
lecture optimale de ce document et que celui-ce rencontre toujours des problmes d'affichage
sur la version Adobe Reader 2.0 disponible sur les PocketPC.

Je tiens personnellement en tant que responsable de ce projet remercier encore une fois les
nombreux intervenants et contributeurs, ainsi que tous les internautes et l'ensemble de la
communaut scientifique passe et contemporaine pour leur aide et hritage culturel.

Vincent Isoz

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

INTRODUCTION

L e but de ce document est de prsenter celui qui aborde l'tude de la mathmatique


applique, ses concepts fondamentaux et de le faire avec rigueur (mais pas trop quand
mme!), dtail et cohrence dans le respect des critures et ceci avec un maximum de
pdagogie.

Ce document ne se veut pas tre cependant un roman qui se lirait d'un bout l'autre. Il se veut
tre un ouvrage de rfrence (une fois que toutes les erreurs auront t corriges et les textes
complts...) permettant, lorsque des questions simples se posent, de trouver des rponses
rapidement l'aide des technologies contemporaines. Ce document ne peut (et ne veut)
galement se prtendre remplacer un enseignement scolaire structur avec un professeur et
la pratique par de nombreux exercices. Il peut tre cependant vu comme un formulaire ou un
relativement bon complment thorique la prparation des divers examens.

Le point de vue qui y est adopt est celui de l'ingnieur pragmatique, soucieux d'tudier la
mathmatique, physique classique, conomtrie, analyse numrique, statistique, mcanique
relativiste, physique quantique, mathmatique sociale, chimie, etc. en allant l'essentiel et
sans perdre de temps dans un formalisme et vocabulaire extravagant et inapplicable dans
l'industrie moderne. De ce point de vue les concepts et les mthodes qui y sont prsentes sont
simplement quelques-uns des outils mathmatico-physiques types (le minimum minimorum
dans le domaine). Le spcialiste expert n'y trouvera rien de nouveau et l'tudiant qui serait
intress par une thorie particulire doit savoir que tout sujet est beaucoup plus vaste que
tout ce qui peut tre abord ici ce jour (malheureusement...). L'ambition n'est pas celle que
l'on peut avoir pour des tudiants d'un cursus de mathmatiques pour qui l'acquisition d'outils
est importante. Cela rend possible un style assez peu formel o l'on souhaite moins donner des
preuves compltes que de faire comprendre de faon intuitive les objets prsents, de les voir
et de se les approprier.

Omniprsentes dans l'industrie (arospatiale, imagerie, cryptographie, tranports, chimie,),


ou dans les services (banques, assurances, ressourches humaines, projets, logistique,
architectuure, tlcom), les mathmatiques appliques apparaissent aussi dans de nombreux
autres secteurs : sondages, modlisation des risques, protection des donnesElles
interviennent dans notre vie quotidienne ( tlcommunications, transports, mdecine,
mtorologie, musique) et contribuent la rsolution de problmatiques actuelles : nergie,
sant, environnement, climatologie, optimisation, dveloppement durable

ce titre, ancien tudiant dans le domaine de l'ingnierie, j'ai souvent regrett l'absence d'un
ouvrage assez complet, dtaill (sans aller dans l'extrme...) et pdagogique si possible gratuit
(!) et portatif contenant au moins une ide de l'ensemble du programme de mathmatique
applique des coles d'ingnieurs et prsentant une vue d'ensemble de ce qui est utilis dans la
ralit des entreprises. Un ouvrage qui ne ncessite pas non plus devoir s'adapter chaque fois
une nouvelle notation ou au vocabulaire spcifique l'auteur quand il ne s'agit pas de
changer carrment de langue... et ou tout chacun peut proposer des amliorations ou des
complments.

J'ai t de plus aussi frustr pendant mes tudes devoir ingurgiter assez souvent des
"formules" ou des "lois" soit disant (et tort) indmontrables ou trop compliques selon mes
professeurs ou mme du de livres d'auteurs renomms (dont les dveloppements sont laisss

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

au
soin du lecteur ou comme exercice...). Bien qu'aujourd'hui je doive admettre effectivement
que la dmonstration de certaines relations prsentes dans le cadre des cursus des coles
d'ingnieurs ne puisse se faire faute de temps dans le planning scolaire ou de place dans un
livre, je ne peux accepter qu'un professeur ou un auteur dise son tudiant (respectivement,
son lecteur) que certaines lois sont indmontrables (car la plupart du temps c'est faux) ou que
telle ou telle dmonstration est trop complique sans lui donner une rfrence bibliographique
(o l'tudiant puisse trouver l'information ncessaire sa curiosit) ou au moins une
dmonstration infiniment simplifie et satisfaisante.

Par ailleurs, j'estime totalement archaque que certains professeurs continuent de faire prendre
des notes de cours de manire massive leurs tudiants. Il serait beaucoup plus favorable et
optimal de distribuer un support de cours contenant tous les dtails et ce afin de pouvoir se
concentrer sur l'essentiel avec les lves c'est--dire les explications orales, l'interprtation, la
comprhension et la mise en pratique plutt que la copie de tableau noir outrance... Bien
videmment donner un cours complet fait que certains tudiants brillent par leur absence
mais... c'est tant mieux! Ainsi, ceux qui sont passionnes peuvent approfondir les sujets la
maison ou la bibliothque universitaire, les mdiocres feront ce qu'ils ont faire et pour le
reste (lves en difficults mais travailleurs) ils suivront le cours donn par le professeur pour
profiter de poser des questions plutt que de recopier btement un tableau noir.

Alors, dans mon esprit, ce site doit pouvoir se substituer, gratuitement, de nombreuses
rfrences et lacunes du systme, permettant ainsi tout tudiant curieux de ne pas tre frustr
pendant de longues annes durant son cursus de formation. Sans quoi, la science de
l'ingnieur prend alors l'aspect rbarbatif d'une science fige, l'cart de l'volution
scientifique et technique, d'une accumulation htroclite de connaissances et surtout de
formules qui la font considrer comme un sous-produit insipide des mathmatiques et qui
amne dans les entreprises de nombreux faux rsultats...

Ceux qui voient la mathmatique applique que comme un outil (ce qu'elle est aussi), ou
comme l'ennemi des croyances religieuses, ou encore comme un domaine scolaire rbarbatif,
sont lgion. Il est cependant peut-tre utile de rappeler que, comme le disait Galile, "le livre
de la Nature est crit dans le langage des mathmatiques" (sans vouloir faire de scientisme!).
C'est dans cet esprit que ce site aborde la mathmatique applique pour les tudiants en
sciences de la Nature, de la Terre et de la Vie, ainsi que pour tous ceux qui exercent une
profession lie ces diverses matires y compris la philosophie ou pour toute personne
curieuse de s'informer de l'implication des sciences dans la vie quotidienne.

La frontire entre la philosophie et les sciences pures et exactes est trs tnue. Effectivement,
comme le relate Platon dans le Phdon, Socrate ses dernires heures s'est entour de ses
amis et disciples, dont Cbs et Simmias (deux pythagoriciens) considrs par Socrate comme
interlocuteurs privilgis. Ce n'est pas un hasard puisqu'il convient alors de philosopher, dj,
en s'inspirant du modle pythagoricien qui fait des mathmatiques une voie ncessaire d'accs
la vrit, seule capable de se frayer un chemin fiable pour aborder des sujets aussi
importants que ceux de l'me et de sa destine...

Le choix de traiter l'ingnierie ici comme une branche de la mathmatique applique provient
certainement du fait que l'ensemble des domaines de la physique (anciennement dnomme
"philosophie naturelle") et la mathmatique sont ce jour tellement peu discernables que la
mdaille de Fields (la plus haute rcompense de nos jours dans le domaine de la
mathmatique) a t dcerne en 1990 au physicien Edward Witten, qui a utilis des ides
physiques pour redmontrer un thorme mathmatique. Cette tendance n'est certainement
pas fortuite, car nous pouvons observer que toute science, ds qu'elle cherche atteindre une

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

comprhension
plus dtaille du sujet qu'elle tudie, voit finalement toujours sa course aboutir
dans les mathmatiques pures (la voie absolue par excellence...). Ainsi, pouvons-nous
prsager dans un futur lointain, la convergence de toutes les sciences (pures, exactes ou
sociales) vers la mathmatique pour la modlisation (lire titre d'exemple le document PDF
"L'explosion des mathmatiques" disponible dans la rubrique Tlchargement du site).

Il peut parfois nous paratre difficile ( cause d'une crainte aussi obscure et irrationnelle que
non justifie des sciences pures chez une importante fraction de nos contemporains) de
transmettre le sentiment de beaut mathmatique de la nature, de son harmonie la plus
profonde et de la mcanique parfaitement huile de l'Univers, ceux qui ne connaissent que
les rudiements du calcul formel. Le physicien R. Feynmann a parl une fois de "deux
cultures": les gens qui ont, et ceux qui n'ont pas eu une comprhension suffisante des
mathmatiques pour apprcier la structure scientifique de la nature. Il est bien dommage qu'il
y faille cependant des mathmatiques et que celles-ci aient aussi mauvaise rputation. Pour
l'anecdote, on prtend qu'un roi ayant demand Euclide de lui enseigner la gomtrie se
plaignit de sa difficult. Euclide rpondit: "il n'y a pas de voie royale". Les physiciens et
mathmaticiens ne peuvent se convertir un autre langage. Si vous voulez apprendre
connatre la nature, l'apprcier sa juste valeur, vous devez comprendre son langage. Elle ne
se rvle que sous cette forme et nous ne pouvons tre prtentieux au point de lui demander
de changer afin que nous ne consentions nous occuper d'elle.

Au mme titre, aucune discussion intellectuelle ne vous permettra de communiquer un sourd


ce que vous ressentez vraiment en coutant de la musique. De mme, toutes les discussions du
monde resteront impuissantes transmettre une comprhension intime de la nature ceux de
"l'autre culture". Les philosophes et thologiens peuvent essayer de vous donner des ides
qualitatives sur l'Univers. Le fait que la mthode scientifique (au sens plein du terme) ne
puisse convaincre le monde entier de sa justesse et de sa puret, trouve peut-tre sa cause dans
l'horizon limit de certaines gens qui sont amen s'imaginer que l'homme ou qu'un autre
concept intuitif, sentimental ou arbitraire est le centre de l'Univers (principe
anthropocentrique).

Certes, dans le but de partager ce savoir mathmatique, il est paradoxal de vouloir augmenter,
avec notre travail, la liste dj longue des ouvrages disponibles dans les bibliothques, dans le
commerce et sur l'Internet. Nanmoins, il faut tre en mesure de prsenter une argumentation
solide qui justifie la cration d'un tel site en comparaison des ouvrages comme ceux de
Feynmann, Landau ou de Bourbaki. Voici donc les quelques arguments qui paraissent
cependant susceptibles d'tre prsents:

1. Le grand plaisir que je prends cette entreprise ("garder la main" et progresser).

2. La passion du partage gratuit et sans frontires de la connaissance (au en franais...).

3. Le caractre volutif et pratique d'un document lectronique libre (outils de recherche


efficaces).

4. Le contenu volutif en fonction de la demande !!!

5. La prsentation rigoureuse avec des dmonstrations simplifies de beaucoup de concepts.

6. La prsentation du plus grand nombre d'outils mathmatiques utiliss dans les entreprises.

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

7.
La possibilit pour les tudiants et professeurs de rutiliser le contenu par copier/coller.

8. Une notation constante et fixe pour les oprateurs mathmatiques, un langage clair,
rigoureux sur tous les sujets abords.

9. Rassembler le maximum d'informations sur les sciences pures et exactes en un seul ouvrage
lectronique (portatif), homogne et rigoureux.

10. Dgager, de toutes les pseudo-vrits, les seules vrits qui se dmontrent.

11. Tirer bnfice de l'volution des mthodes pdagogiques scolaires qui utilisent l'Internet
pour chercher la solution des problmes de mathmatiques.

12. L'amlioration spectaculaire des logiciels automatiques de traduction et de la puissance


des ordinateurs qui feront de ce site, je le souhaite, une rfrence dans les domaine des
sciences dures.

Et aussi... je considre que les rsultats de la recherche individuelle sont la proprit de


l'humanit et qu'ils doivent tre mis la disposition de tous ceux qui explorent o que ce soit
les phnomnes de la nature. De cette faon le travail de chacun profite tous, et c'est pour
toute l'humanit que s'amassent nos connaissances ce qui est dans la tendance que permet
l'Internet.

Je ne cache pas, que ma contribution se limite en grande partie ce jour celle d'un
collectionneur qui glane ses informations dans les ouvrages des matres ou dans les
publications ou pages Internet d'anonymes et qui complte et argumente les dveloppements
en les amliorant quand ceci est encore possible. Quant ceux qui voudraient m'accuser de
plagiat , ils devraient rflchir au fait que les thormes prsents dans la plupart des ouvrages
payants et disponibles dans le commerce ont t dcouverts et rdigs par leurs illustres
prdcesseurs et que leur propre apport personnel a aussi constitu, comme le mien, mettre
toutes ces informations sous une forme claire et moderne quelques centaines d'annes plus
tard. De plus, il peut tre vu comme douteux que l'on fasse payer l'accs une culture qui est
certainement la seule vritablement valable et juste dans ce bas monde et sur lequel il n'y a ni
brevet, ni droit la proprit intelectuelle.

Aprs avoir tent un ordre de prsentation rigoureux du sujet, j'ai dcid d'arranger ce
document dans un ordre plus pdagogique (thmatique). Il est mon avis trs difficile de
parler d'un si vaste sujet dans un ordre purement mathmatique en une seule vie, c'est--dire
lorsque les notions sont introduites une une, partir de celles dj connues (o chaque
thorie, oprateur, outil, etc. n'apparatrait pas avant sa dfinition dans le document). Un tel
plan ncessiterait de couper le document, en morceaux qui ne sont plus thmatiques. J'ai donc
pris la dcision de prsenter les choses par ordre logique et non par ordre de ncessit.

Les consquences de ce choix sont les suivantes :

1. Il faudra parfois admettre provisoirement certaines choses, quitte les comprendre plus
tard.

2. Il sera certainement ncessaire pour le lecteur de parcourir au moins deux fois l'ensemble
de l'ouvrage. Lors de la premire lecture, on apprhende l'essentiel et lors de la deuxime
lecture, on comprend les dtails (je flicite celui qui comprendrait toutes les subtilits du

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

premier
coup).

3. Il faut accepter le fait que certains sujets se rptent et qu'il y ait de nombreuses rfrences
croises ainsi que remarques complmentaires.

Certains savent que pour chaque thorme et modle mathmatique, il existe quasiment
toujours plusieurs mthodes de dmonstration. J'ai toujours tent de choisir celle qui me
semblait la plus simple (par exemple en relativit il y a la prsentation algbrique et
matricielle et idem en physique quantique). L'objectif tant d'arriver de toute faon au mme
rsultat.

Ce site tant encore en cours de finalisation, il manque forcment des vrifications de


convergences, de continuit et autres... (ce qui fera grimper au plafond les mathmaticiens...) !
J'ai cependant vit (ou, dans le cas contraire, je le signale) les approximations habituelles de
la physique et l'utilisation de l'analyse dimensionnelle, en y ayant recours le moins possible.
J'essaie galement d'viter autant que possible des sujets dont les outils mathmatiques n'ont
au pralable t prsents et dmontrs avec rigueur dans le corps de l'ouvrage.

Enfin, cet expos, perfectible, n'est pas une rfrence absolue et contient des erreurs. Toute
remarque est donc la bienvenue. Je m'appliquerai, dans la mesure du possible, corriger les
faiblesses signales et apporter les modifications ncessaires au plus vite.

En revanche, alors que les mathmatiques sont exactes et indiscutables, la physique thorique
(ses modles), reste interprtable dans le vocabulaire commun (mais pas dans le vocabulaire
mathmatique) et ses conclusions toutes relatives. Je ne peux que conseiller, lorsque vous
parcourrez ce site, de lire par vous-mme et de ne pas subir d'influences extrieures. Il faut
avoir l'esprit trs (trs) critique, ne rien prendre pour acquis et tout remettre en cause sans
hsitation. Par ailleurs, le mot d'ordre du bon scientifique doit tre : "Doute, doute, doute...,
doute encore, et vrifie toujours.". Nous tenons aussi rappeler que "rien de ce que l'on peut
voir, entendre, sentir, toucher ou goter, nest ce qu'il a lair dtre", ne vous fiez ds lors pas
votre exprience quotidienne pour tirer des conclusions trop htives, soyez critique,
cartsien, rationnel et rigoureux dans vos dveloppements, raisonnements et conclusions !

Je tiens prciser ceux qui tenteraient de trouver par eux-mmes les rsultats de certains
dveloppements prsents sur ce site, de ne pas s'inquiter s'ils n'y arrivent pas ou s'ils doutent
d'eux cause du temps pass la rsolution d'une quation ou problme: certaines thories
qui nous semblent videntes ou simples aujourd'hui, ont mis parfois plusieurs semaines,
plusieurs mois, voire plusieurs annes, pour tres labores par des mathmaticiens ou
physiciens de renom!

Enfin, j'ai choisi d'crire cet expos la premire personne du pluriel ("nous"). Effectivement,
la mathmatique-physique n'est pas une science qui s'est faite ou voluera grce un travail
individuel mais l'aide d'une collaboration intensive entre personnes relies par la mme
passion et le mme dsir du Savoir. Ainsi, en faisant usage du "nous", il est rendu hommage
aux hommes de science disparus, aux contemporains et aux futurs chercheurs pour le travail
qu'ils effectueront dans le but de s'approcher de la vrit et de la sagesse ainsi qu'aux
diffrents contributeurs qui ont particip la rdaction du prsent ouvrage.

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

MTHODES

La science est l'ensemble des efforts systmatiques pour acqurir des connaissances sur notre
environnement monde, pour les organiser et les synthtiser en lois et thories vrifiables et
ayant pour principal objectif d'expliquer le "comment" des choses. Les scientifiques doivent
soumettre leurs ides et rsultats la vrification et la reproduction indpendante de leurs
pairs. Ils doivent abandonner ou modifier leurs conclusions lorsque confrontes des
vidences plus compltes ou diffrentes. La crdibilit de la science s'appuie sur ce
mcanisme d'autocorrection. L'histoire de la science montre que ce systme fonctionne depuis
trs longtemps et ce mme trs bien par rapport tous les autres. Dans chaque domaine, les
progrs ont t spectaculaires. Toutefois, le systme a parfois des rats qu'il faut corriger
avant que les petites drives ne s'accumulent.

Le bmol est que les scientifiques sont des hommes. Ils ont les dfauts de tous les hommes et,
en particulier, la vanit, l'orgueil et la fatuit. De nos jours, il arrive que plusieurs personnes
travaillant sur un mme sujet depuis un certain temps dveloppent une foi commune et croient
qu'ils dtiennent la vrit. Le chef de file de cette foi devient le Pape et distille des grands-
messes. Le Pape qui se prend au jeu, prend sa mitre et son bton de plerin pour vangliser
ses collgues hrtiques. Jusque-l, cela prte sourire. Mais, comme dans les vraies
religions, ils ont parfois la fcheuse tendance de vouloir s'tendre au dtriment de ceux qui ne
croient pas. Certaines de ces "Eglises" n'hsitent pas se comporter comme l'Inquisition.
Ceux qui osent mettre une opinion diffrente se font incendier chaque occasion, lors des
congrs, voire sur leur lieu de travail. Certains jeunes chercheurs, en mal d'inspiration,
prfrent se convertir cette religion dominante, pour devenir plus rapidement des dignitaires
religieux peu de frais, plutt que des chercheurs innovants, voire iconoclastes. Le grand
Pape crit sa Bible pour diffuser sa pense, l'impose lire aux tudiants et aux nouveaux
venus. Il formate ainsi la pense des jeunes gnrations et assure son trne. C'est une attitude
moyengeuse qui peut bloquer le progrs. Certains Papes vont jusqu' croire que le fait d'tre
pris pour le pape dans un domaine leur donne automatiquement le mme trne dans tous les
autres domaines...

Cet avertissement, et les rappels qui vont suivre, doivent servir le scientifique se remettre en
question en faisant un bon usage de ce que nous pouvons considrer aujourd'hui comme les
bonnes mthodes de travail (nous parlerons des principes de la mthode de Descartes plus
loin) pour rsoudre des problmes ou dvelopper des modles thoriques.

Dans ce but, voici un tableau rcapitulatif qui propose les diffrentes tapes que le
scientifique devrait suivre lors de ses travaux en mathmatique ou physique thorique (pour
les dfinitions, voir juste aprs) :

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

MATHMATIQUE PHYSIQUE
1. Poser "l'hypothse", la "conjecture" la 1. Poser correctement et de manire dtaille
"proprit" dmontrer de manire formelle le ou les "problmes" rsoudre de manire
ou en langage commun (les hypothses tant formelle ou en langage commun (les
notes H1., H2., ... les conjectures CJ1., problmes tant nots P1., P2., ...)
CJ2.,... et les proprits P1., P2., ...))
2. Dfinir les "axiomes" (sous-entendu non- 2. Dfinir (ou noncer) les "postulats" ou
dmontrables, indpendants et non- "principes" ou encore les "hypothses" et
contradictoires) qui vont donner les points de "suppositions" (supposs non
dpart et tablir des restrictions aux dmontrables...) qui vont donner les points de
dveloppements (les axiomes tant nots A1., dpart et tablir des restrictions aux
A2, ...). dveloppements (habituellement, les
postulats et principes sont nots P1., P2., ... et
Remarque: Parfois par abus, "proprits", les hypothses H1., H2., ... en essayant
"conditions" et "axiomes" sont confondus d'viter pour les postulats et principes, une
alors que le concept d'axiome est beaucoup confusion possible avec l'nonc du ou des
plus prcis et profond. problmes qui sont nots de la mme
manire).
Dans la mme ide, le mathmaticien dfinit
le vocabulaire spcialis reli des Remarque: Il ne faut pas cependant
oprateurs mathmatiques qui seront nots oublier que la validit d'un modle ne dpend
par D1., D2., D3., ... pas du ralisme de ses hypothses mais bien
de la conformit de ses implications avec la
ralit.
3. Des axiomes poss, tirer directement des 3. Une fois le "modle thorique" dvelopp
"lemmes" ou des "proprits" dont la validit vrifier les quations dimensionnelles pour
en dcoule directement et qui prparent au dceler une ventuelle erreur dans les
dveloppement du thorme cens valider dveloppements (ces vrifications tant
l'hypothse ou la conjecture de dpart (les notes VA1., VA2., ...).
lemmes tant nots L1., L2., ... et les
proprits P1., P2.,...).
4. Une fois le ou les "thormes" (nots T1., 4. Chercher les cas limites (dont les
T2., ...) dmontrs en tirer des "singularits" font partie) du modle pour en
"corollaires" (nots C1., C2., ...) et encore des vrifier la validit intuitive (ces contrles aux
proprits (notes P1., P2., P3.,...). limites tant nots CL1., CL2., ...).
5. Ttester la force ou l'utilit de sa ou ses 5. Tester exprimentalement le modle
conjectures ou hypothses en dmontrant la thorique obtenu et soumettre le travail
rciproque du thorme ou en la comparant comparaison avec d'autres quipes de
avec des exemples d'autres thories recherche indpendantes. Le nouveau modle
mathmatiques pour voir si l'ensemble forme doit prvoir des rsultats exprimentaux
un tout cohrent (les exemples tant nots observs et jamais observs. Si le modle est
E1., E2., ...). valid alors il prend officiellement le statut
de "Thorie".
6. D'ventuelles remarques peuvent tre 6. D'ventuelles remarques peuvent tre
indiques dans un ordre structur et notes indiques dans un ordre structur et notes
hirarchiquement R1., R2., ... hirarchiquement R1., R2., ...

Procder comme dans le tableau ci-dessus est une base de travail possible pour travailler en
mathmatique et physique. videmment, procder de faon propre et traditionnelle comme ci-

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

dessus
prend un petit plus de temps qu'en faisant un peu n'importe quoi, n'importe comment
(c'est pour cela que la plupart des professeurs ne suivent pas ces rgles, le temps leur manque
cruellement pour couvrir tout le programme scolaire).

Remarques:

R1. Attention, il est trs facile de faire des nouvelles thories physiques en alignant des mots.
Cela s'appelle de la "philosophie" et les grecs ont pens aux atomes comme cela. Ca peut donc
mener une vraie thorie. Par contre il est bien plus difficile de faire une "thorie prdictive",
c'est--dire avec des quations qui permettent de prdire le rsultat d'une exprience.

R2. Toutefois ce qui spare la mathmatique de la physique est que, en mathmatique,


l'hypothse est toujours vraie. Le discours mathmatique n'est pas une dmonstration d'une
vrit extrieure chercher, mais vise uniquement la cohrence. Ce qui doit tre juste est le
raisonnement.

MTHODE DE DESCARTES

Prsentons maintenant les quatre principes de la mthode de Descartes qui, rappelons-le, est
considr comme le premier scientifique de l'histoire de par sa mthode d'analyse :

P1. Ne recevoir jamais aucune chose pour vraie que je ne la connusse videmment tre telle.
C'est--dire, d'viter soigneusement la prcipitation et la prvention, et de ne comprendre rien
de plus en mes jugements que ce qui se prsenterait si clairement et si distinctement mon
esprit, que je n'eusse aucune occasion de le mettre en doute.

P2. De diviser chacune des difficults que j'examinerais, en autant de parcelles qu'il se
pourrait, et qu'il serait requis pour les mieux rsoudre.

P3. De conduire par ordre mes penses, en commenant par les objets les plus simples et les
plus aiss connatre, pour monter peu peu comme par degrs jusques la connaissance des
plus composs, et supposant mme de l'ordre entre ceux qui ne se prcdent point
naturellement les uns les autres.

P4. Et le dernier, de faire partout des dnombrements si entiers et des revues si gnrales, que
je fusse assur de ne rien omettre.

VOCABULAIRE

La physique-mathmatique, comme tout domaine de spcialisation, a son vocabulaire propre.


Afin que le lecteur ne soit pas perdu dans la comprhension de certains textes qu'il pourra lire
sur ce site, nous avons choisi d'exposer ici les quelques termes, abrviations et dfinitions
fondamentaux connatre.

Ainsi, le mathmaticien aime bien terminer ses dmonstrations (quand il pense qu'elles sont
justes) par l'abrviation "C.Q.F.D" qui signifie "Ce Qu'il Fallait Dmontrer" ou encore dans
les hautes coles par souci d'esthtisme et de traditions certains professeurs (et mmes lves)
notent cela en latin "Q.E.D" qui signifie "Quod Erat Demonstrandum" (cela en jette...).

Et lors de dfinitions (elles sont nombreuses en mathmatique et physique...) le scientifique

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

fait
souvent usage des terminologies suivantes :

- ... il suffit que ...

- ... si et seulement si ...

- ... ncessaire et suffisant ...

- ... signifie que ...

Les quatre ne sont pas quivalentes (identiques au sens strict). Car "il suffit que" correspond
une condition suffisante, mais pas une condition ncessaire.

SUR LES SCIENCES

Il est important que nous dfinissions rigoureusement les diffrents types de sciences
auxquelles l'tre humain fait souvent rfrence. Effectivement, il semble qu'au 21me sicle
un abus de langage malsain s'instaure et qu'il ne devienne plus possible pour la population de
distinguer la "qualit intrinsque" d'une science d'une autre.

Remarque: Etymologiquement le mot "science" vient du latin "scienta" (connaissance)


dont la racine est le verbe "scire" qui veut dire "savoir".

Cet abus de langage vient probablement du fait que les sciences pures et exactes perdent leurs
illusions d'universalit et d'objectivit, dans le sens o elles s'auto-corrigent. Ceci ayant pour
consquence que certaines sciences sont relgues au second plan et tentent d'en emprunter
les mthodes, les principes et les origines pour crer une confusion quant leurs distinctions.

En soi, la science cependant ne produit pas de vrit absolue. Par principe, une thorie
scientifique est valable tant qu'elle permet de prdire des rsultats mesurables et
reproductibles. Mais les problmes d'interprtation de ces rsultats font partie de la
philosophie naturelle.

tant donn la diversit des phnomnes tudier, au cours des sicles s'est constitu un
nombre grandissant de disciplines comme la chimie, la biologie, la thermodynamique, etc.
Toutes ces disciplines priori htroclites ont pour socle commun la physique, pour langage
les mathmatiques et comme principe lmentaire la mthode scientifique.

Ainsi, un petit rafrachissement semble ncessaire :

Dfinitions:

D1. Nous dfinissons par "science pure", tout ensemble de connaissances fondes sur un
raisonnement rigoureux valable quel que soit le facteur (arbitraire) lmentaire choisi (nous
disons alors "indpendant de la ralit sensible") et restreint au minimum ncessaire. Il n'y a
que la mathmatique (appele souvent "reine des sciences") qui peut tre classifie dans cette
catgorie.

D2. Nous dfinissons par "science exacte" ou "science dure", tout ensemble de connaissances
fondes sur l'tude d'une observation, observation qui aura t transcrite sous forme

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

symbolique
(physique thorique). Principalement, le but des sciences exactes est non
d'expliquer le "pourquoi" mais le "comment".

Remarque: Les deux dfinitions prcdentes sont souvent incluses dans la dfinition de
"sciences dductives" ou encore de "sciences phnomnologiques".

D3. Nous dfinissons par "science de l'ingnieur", tout ensemble de connaissances thoriques
ou pratiques appliques aux besoins de la socit humaine tels que : l'lectronique, la chimie,
l'informatique, les tlcommunications, la robotique, l'arospatiale, biotechnologies...

D4. Nous dfinissons par "science" tout ensemble de connaissances fondes sur des tudes ou
observations de faits dont l'interprtation n'a pas encore t retranscrite ni vrifie avec la
rigueur mathmatique caractristique des sciences qui prcdent, mais qui applique des
raisonnements comparatifs statistiques. Nous incluons dans cette dfinition: la mdecine (il
faut cependant prendre garde au fait que certaines parties de la mdecine tudient des
phnomnes descriptifs sous forme mathmatique tels que les rseaux de neurones ou autres
phnomnes associs des causes physiques connues), la sociologie, la psychologie,
l'histoire, la biologie...

Selon le philosophe Karl Popper, une thorie n'est scientifiquement acceptable que si, telle
qu'elle est prsente, elle peut tre falsifiable, c'est dire soumise des tests exprimentaux.
La "connaissance scientifique" est ainsi par dfinition l'ensemble des thories qui ont
jusqu'alors rsist la falsification. La science est donc par nature soumise en permanence
la remise en question.

D5. Nous dfinissons par "science molle" ou "para-sciences", tout ensemble de connaissances
ou de pratiques qui sont actuellement fondes sur des faits invrifiables (non reproductibles
scientifiquement) ni par l'exprience, ni par la mathmatique. Nous incluons dans cette
dfinition: l'astrologie, la thologie, le paranormal (qui est dmolie par la science zttique),
la graphologie...

D6. Nous dfinissons par "sciences phnomnologiques" ou "sciences naturelles", toute


science qui n'est pas inclue dans les dfinitions prcdentes (histoire, sociologie, psychologie,
zoologie, biologie,...)

D7. Le "scientisme" est la doctrine fondamentale suivant laquelle il n'y a de vrit que dans la
science.

Ce qui est intressant dans cette doctrine, c'est que c'est certainement une des seules qui
demande aux gens de devoir rflchir par eux-mmes et de comprendre l'environnement qui
les entoure en remettant continuellement tout en question et sans ne jamais rien accepter
comme acquis (...)

TERMINOLOGIE

Le tableau mthodique que nous avons prsrnt plus haut contient des termes qui peuvent
peut-tre vous sembler inconnus ou barbares. C'est la raison pour laquelle il nous semble
fondamental de prsenter les dfinitions de ces derniers, ainsi que de quelques autres tout
aussi importants qui peuvent viter des confusions malheureuses.

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

Dfinitions:

D1. Au-del de son sens ngatif, l'ide de "problme" renvoie la premire tape de la
dmarche scientifique. Formuler un problme est ainsi essentiel sa rsolution et permet de
comprendre correctement ce qui fait problme et de voir ce qui doit tre rsolu.

Le concept de problme est intimement reli au concept "d'hypothse" dont nous allons voir
la dfinition ci-dessous.

D2. Une "hypothse" est toujours, dans le cadre d'une thorie dj constitue ou sous-jacente,
une supposition en attente de confirmation ou d'infirmation qui tente d'expliquer un groupe de
faits ou de prvoir l'apparition de faits nouveaux.

Ainsi, une hypothse peut tre l'origine d'un problme thorique qu'il faudra formellement
rsoudre.

D3. Le "postulat" en physique correspond frquemment un principe (voir dfinition ci-


dessous) dont l'admission est ncessaire pour tablir une dmonstration (nous sous-entendons
que cela est une proposition non-dmontrable).

L'quivalent mathmatique (mais en plus rigoureux) du postulat est "l'axiome" dont nous
verrons la dfinition plus loin.

D4. Un "principe" (parent proche du "postulat") est donc une proposition admise comme base
d'un raisonnement ou une rgle gnrale thorique qui guide la conduite des raisonnements
qu'il faudra effectuer. En physique, il s'agit galement d'une loi gnrale rgissant un
ensemble de phnomnes et vrifie par l'exactitude de ses consquences.

Remarque: le mot "principe" est utilis avec abus dans les petites classes ou coles
d'ingnieurs par les professeurs ne sachant (ce qui est trs rare), ou ne voulant (plutt
frquent), ou ne pouvant faute de temps (quasi exclusivement), pas dmontrer une relation.

L'quivalent du postulat ou du principe en mathmatiques est "l'axiome" que nous dfinissons


ainsi :

D5. Un "axiome" est une vrit ou proposition vidente par elle-mme dont l'admission est
ncessaire pour tablir une dmonstration

Remarques:

R1. Nous pourrions dire que c'est quelque chose que nous posons comme une vrit pour le
discours que nous nous proposons de tenir, comme une rgle du jeu, et quelle na pas
forcment par ailleurs une valeur de vrit universelle dans le monde sensible qui nous
entoure)

R2. Les axiomes doivent toujours tres indpendants entre eux (on ne doit pas pouvoir
dmontrer l'un partir de l'autre), non contradictoires (nous disons galement parfois qu'ils
doivent tre "consistants").

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

D6.
Le "corollaire" est un terme malheureusement quasi inexistant en physique ( tort !) et qui
est en fait une proposition rsultant d'une vrit dj dmontre. Nous pouvons galement dire
qu'un corollaire est une consquence ncessaire et vidente d'un thorome (ou parfois d'un
postulat en ce qui concerne la physique).

D7. Un "lemme" constitue une proposition dduite d'un ou de plusieurs postulats ou axiomes
et dont la dmonstration prpare celle d'un thorme.

Remarque: Le concept de "lemme" est lui aussi (et c'est malheureux) quasi rserv aux
mathmatiques.

D8. Une "conjecture" constitue une supposition ou opinion fonde sur la vraisemblance d'un
rsultat mathmatique.

Remarque: Beaucoup de conjectures jouent un rle un peu comparable des lemmes, car
elles sont des passages obligs pour obtenir d'importants rsultats.

D8. Par-del son sens faible de conjecture, une "thorie" ou "thorme" est un ensemble
articul autour d'une hypothse et tay par un ensemble de faits ou dveloppements qui lui
confrent un contenu positif et rendent l'hypothse bien fonde (ou tout au moins plausible
dans le cas de la physique thorique)

D9. Une "singularit" est une indtermination d'un calcul qui intervient par l'apparition d'une
division par le nombre zro. Ce terme est aussi bien utilis en mathmatique qu'en physique.

D10. Une "dmonstration" constitue un ensemble de procdures mathmatiques suivre pour


dmontrer le rsultat dj connu ou non d'un thorme.

D11. Si le mot "paradoxe" signifie tymologiquement : contraire l'opinion commune, ce


n'est cependant pas par pur got de la provocation, mais bel et bien pour des raisons solides.
Le "sophisme" quant lui, est un nonc volontairement provocateur, une proposition fausse
reposant sur un raisonnement apparemment valide. Ainsi parle-t-on du fameux "paradoxe de
Znon", alors qu'il ne s'agit que d'un sophisme. Le paradoxe ne se rduit pas de la fausset,
mais implique la coexistence de la vrit et de la fausset, au point qu'on ne parvient plus
discriminer le vrai et le faux. Le paradoxe apparat alors problme insoluble ou "aporie".

Remarque: Ajoutons que les grands paradoxes, par les interrogations quils ont suscites,
ont fait progresser la science et amen des rvolutions conceptuelles de grande ampleur, en
mathmatique comme en physique thorique (les paradoxes sur les ensembles et sur linfini
en mathmatique, ceux la base de la relativit et de la physique quantique).

SCIENCE ET FOI

Nous verrons qu'en science, une thorie est normalement incomplte, car elle ne peut dcrire
exhaustivement la complexit du monde rel. Il en est ainsi de toutes les thories, comme
celle du Big Bang (cf. chapitre d'Astrophysique) ou de l'volution des espces (cf. chapitre de
Dynamique Des Populations ou de Thorie Des Jeux).

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

Il
convient de distinguer diffrents courants scientifiques :

- Le "ralisme" est une doctrine selon laquelle les thories physiques ont pour objectif de
dcrire la ralit telle qu'elle est en soi, dans ses composantes inobservables.

-"L'instrumentalisme" est une doctrine selon les thories sont des outils servant prdire des
observations mais qui ne dcrivent pas la ralit en soi.

- Le "fictionnalisme" est le courant selon lequel le contenu rfrentiel (principes et postulats)


des thories est un leurre, utile seulement pour assurer l'articulation linguistique des quations
fondamentales.

Mme si aujourd'hui les thories scientifiques ont le soutien de beaucoup de spcialistes, les
thories alternatives ont des arguments valables et nous ne pouvons totalement les carter.
Pour autant, la cration du monde en 7 jours dcrite par la Bible ne peut plus tre perue
comme un possible, et bien des croyants reconnaissent qu'une lecture littrale est peu
compatible avec l'tat actuel de nos connaissances et qu'il est plus sage de l'interprter comme
une parabole. Si la science ne fournit jamais de rponse dfinitive, il n'est plus possible de ne
pas en tenir compte.

La foi (qu'elle soit religieuse, superstitieuse, pseudo-scientifique ou autre) a au contraire pour


objectif de donner des vrits absolues d'une toute autre nature puisqu'elle relve d'une
conviction personnelle invrifiable. En fait, l'une des fonctions des religions est de fournir du
sens des phnomnes qui ne sont pas explicables rationnellement. Les progrs de la
connaissance entranent donc parfois une remise en cause des dogmes religieux par la science.

A contrario, sauf prtendre imposer sa foi (qui n'est autre qu'une conviction intimement
personnelle et subjective) aux autres, il faut se dfier de la tentation naturelle de qualifier de
fait scientifiquement prouv les extrapolations des modles scientifiques au-del de leur
champ d'application.

Le mot "science" est comme nous l'avons dj mentionn plus haut de plus en plus utilis
pour soutenir qu'il existe des preuves scientifiques l o il n'y a que croyance (certaines pages
web de ce genre prolifrent de plus en plus). Selon ses dtracteurs c'est le cas du mouvement
de scientologie. Selon ces derniers, nous devrions plutt parler de "sciences occultes".

Les sciences occultes et sciences traditionnelles existent depuis l'Antiquit, elles consistent en
un ensemble de connaissances et de pratiques mystrieuses ayant pour but de pntrer et
dominer les secrets de la nature. Au cours des derniers sicles, elles ont t progressivement
exclues du champ de la science. Le philosophe Karl Popper s'est longuement interrog sur la
nature de la dmarcation entre science et pseudo-science. Aprs avoir remarqu qu'il est
possible de trouver des observations pour confirmer peu prs n'importe quelle thorie, il
propose une mthodologie fonde sur la rfutabilit. Une thorie doit selon lui, pour mriter le
qualificatif de "scientifique", doit pouvoir garantir l'impossibilit de certains vnements. Elle
devient ds lors rfutable, donc (et alors seulement) apte intgrer la science. Il suffirait en
effet d'observer un de ces vnements pour invalider la thorie, et orienter par consquent sur
une amlioration de celle-ci.

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

La mathmatique est la forme ultime d'art contraint. (inconnu)

1. THORIE DE LA DMONSTRATION

N ous avons choisi de commencer l'tude de la mathmatique applique par la thorie qui
nous semble la plus fondamentale et la plus importante dans le domaine des sciences pures et
exactes.

La thorie de la dmonstration et du calcul propositionnel (logique) a trois objectifs dans le


cadre de ce site :

1. Apprendre au lecteur comment raisonner et dmontrer et cela indpendamment de la


spcialisation tudie

2. Dmontrer qu'une dmonstration (son processus) est indpendante du langage utilis

3. Se prparer la thorie de la logique et au thorme d'incompltude de Gdel ainsi qu'aux


automates (cf. chapitre d'Informatique Thorique)

Remarques:

R1. Il est (trs) fortement conseill de lire en parallle ce chapitre, ceux sur la thorie des
automates et de l'algbre de Boole disponible dans la section d'informatique thorique du site.

R2. Il faut prendre cette thorie comme une curiosit sympathique mais qui n'amne
fondalement pas grand chose except des mthodes de travail/raisonnement.

R3. Par ailleurs, son objectif n'est pas de dmontrer que tout est dmontrable mais que toute
dmonstration peut se faire sur un langage commun partire d'un certain nombre de rgles.

Souvent, quand un tudiant arrive dans une classe suprieure, il a surtout appris calculer,
utiliser des algorithmes. Il a trs peu appris raisonner. Pour tous les raisonnements, le
support visuel est fort, et les personnes qui ne voient pas qu'en traant telle ou telle courbe
droite la solution apparat ou qui ne voient pas dans l'espace sont trs pnalises.

Lors des tudes secondaires, nous manipulons dj des objets inconnus, mais c'est surtout
pour faire des calculs, et quand nous raisonnons sur des objets reprsents par des lettres, nous
pouvons remplacer ceux-ci visuellement par un nombre rel, un vecteur, etc. A partir d'un
certain niveau, nous demandons aux personnes de raisonner sur des structures plus abstraites,
et donc de travailler sur des objets inconnus qui sont des lments d'un ensemble lui-mme
inconnu, par exemple les lments d'un groupe quelconque (cf. chapitre de Thorie Des
Ensembles). Ce support visuel n'existe alors plus.

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

Nous
demandons ainsi souvant aux tudiants de raisonner, de dmontrer des proprits, mais
personne ne leur a jamais appris raisonner convenablement, crire des preuves. Si nous
demandons un tudiant de licence de mathmatiques ce qu'est une dmonstration, il a
quelque difficult rpondre. Il peut dire que c'est un texte dans lequel on trouve des "mots
cls": "donc", "parce que", "si", "si et seulement si", "prenons un x tel que", "supposons que",
"cherchons une contradiction", etc. Mais il est incapable de donner la grammaire de ces
textes ni mme ces rudiments, et d'ailleurs, ses enseignants, s'ils n'ont pas suivi de cours, en
seraient probablement incapables aussi.

Pour comprendre cette situation, rappelons que pour parler un enfant n'a pas besoin de
connatre la grammaire. Il imite son entourage et cela marche trs bien : un enfant de six ans
sait utiliser des phrases dj compliques quant la structure grammaticale sans avoir jamais
fait de grammaire. La plupart des enseignants ne connaissent pas non plus la grammaire du
raisonnement mais, chez eux, le processus d'imitation a bien march et ils raisonnent
correctement. L'exprience de la majorit des enseignants d'universit montre que ce
processus d'imitation marche bien chez les trs bons tudiants, et alors il est suffisant, mais il
marche beaucoup moins bien, voire pas du tout, chez beaucoup d'autres.

Tant que le degr de complexit est faible (notamment lors d'un raisonnement de type
"quationnel"), la grammaire ne sert rien, mais quand il augmente ou quand on ne comprend
pas pourquoi quelque chose est faux, il devient ncessaire de faire un peu de grammaire pour
pouvoir progresser. Les enseignants et les tudiants connaissent bien la situation suivante:
dans un devoir, le correcteur a barr toute une page d'un grand trait rouge et mis "faux" dans
la marge. Quand l'tudiant demande ce qui est faux, le correcteur ne peut que dire des choses
du genre "a n'a aucun rapport avec la dmonstration demande", "rien n'est juste", , ce qui
n'aide videmment pas l'tudiant comprendre. Cela vient en partie, du fait que le texte rdig
par l'tudiant utilise les mots voulus mais dans un ordre plus ou moins alatoire et qu'on ne
peut donner de sens l'assemblage de ces mots. De plus, l'enseignant n'a pas les outils
ncessaires pour pouvoir expliquer ce qui ne va pas. Il faut donc les lui donner!

Ces outils existent mais sont assez rcents. La thorie de la dmonstration est une branche de
la logique mathmatique dont l'origine est la crise des fondements : il y a eu un doute sur ce
que nous avions avait le "droit" de faire dans un raisonnement mathmatique (voir la "crise
des fondements" plus loin). Des paradoxes sont apparus ( tel point que certains
mathmaticiens sont devenus fous), et il a alors t ncessaire de prciser les rgles de
dmonstration et de vrifier que ces rgles ne sont pas contradictoires . Cette thorie est
apparue il y a environ un sicle, ce qui est trs peu puisque l'essentiel des mathmatiques
enseignes en premire moiti de l'universit est connu depuis deux ou trois cents ans.

LA CRISE DES FONDEMENTS

Pour les premiers Grecs, la gomtrie tait considre comme la forme la plus haute du
savoir, une puissante cl pour les mystres mtaphysiques de l'Univers. Elle tait plutt une
croyance mystique, et le lien entre le mysticisme et la religion tait rendu explicite dans des
cultes comme ceux des Pythagoriciens. Aucune culture n'a depuis difi un homme pour avoir
dcouvert un thorme gomtrique! Plus tard, les mathmatiques furent considres comme
le modle dune connaissance a priori dans la tradition aristotlicienne du rationalisme.

L'tonnement des Grecs pour les mathmatiques ne nous a pas quitt, on le retrouve sous la
traditionnelle mtaphore des mathmatiques comme "Reine des Science". Il s'est renforc
avec les succs spectaculaires des modles mathmatiques dans la science, succs que les
Grecs (ignorant mme la simple algbre) n'avaient pas prvus. Depuis la dcouverte par Isaac

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

Newton
du calcul intgral et de la loi du carr inverse de la gravit, la fin des annes 1600,
les sciences phnomnales et les plus hautes mathmatiques taient restes en troite
symbiose - au point qu'un formalisme mathmatique prdictif tait devenu le signe distinctif
dune "science dure".

Aprs Newton, pendant les deux sicles qui suivirent, la science aspira ce genre de rigueur
et de puret qui semblaient inhrentes aux mathmatiques. La question mtaphysique semblait
simple: les mathmatiques possdaient une connaissance a priori parfaite, et parmi les
sciences, celles qui taient capables de se mathmatiser le plus parfaitement taient les plus
efficaces pour la prdiction des phnomnes . La connaissance parfaite consistait donc dans
un formalisme mathmatique qui, une fois atteint par la science et embrassant tous les aspects
de la ralit, pouvait fonder une connaissance empirique a postriori sur une logique
rationnelle a priori. Ce fut dans cet esprit que Jean-Antoine Nicolas de Cartitat, marquis de
Condorcet (philosophe et mathmaticien franais), entreprit dimaginer la description de
l'Univers entier comme un ensemble d'quation diffrentielles partielles se rsolvant les unes
par les autres.

La premire faille dans cette image inspiratrice apparut dans la seconde moiti du 19me
sicle, quand Riemann et Lobachevsky prouvrent sparment que l'axiome des parallles
dEuclides pouvait tre remplac par d'autres qui produisaient des gomtries
"consistantes" (nous reviendrons sur ce terme plus loin). La gomtrie de Riemann prenait
modle sur une sphre, celle de Lobachevsky, sur la rotation d'un hyperbolode.

L'impact de cette dcouverte a t obscurci plus tard par de grands chamboulements, mais sur
le moment, il fut un coup de tonnerre dans le monde intellectuel. L'existence de systmes
axiomatiques mutuellement inconsistants, et dont chacun pouvait servir de modle l'Univers
phnomnal, remettait entirement en question la relation entre les mathmatiques et la
thorie physique.

Quand on ne connaissait qu'Euclide, il n'y avait quune gomtrie possible. On pouvait croire
que les axiomes d'Euclide constituaient un genre de connaissance parfaite a priori sur la
gomtrie dans le monde phnomnal. Mais soudain, nous avons eu trois gomtries,
embarrassantes pour les subtilits mtaphysique.

Pourquoi aurions-nous choisir entre les axiomes de la gomtrie plane, sphrique et


hyperbolique comme descriptions de la gomtrie du rel? Parce que toutes les trois sont
consistantes, nous ne pouvons en choisir aucune comme fondement a priori - le choix doit
devenir empirique, bas sur leur pouvoir prdictif dans une situation donne.

Bien sr, Les thoriciens de la physique ont longtemps t habitus choisir des formalismes
pour poser un problme scientifique. Mais il tait admis largement, si ce n'est
inconsciemment, que la ncessit de procder ainsi ad hoc tait fonction de l'ignorance
humaine, et, qu'avec de la logique ou des mathmatiques assez bonnes, on pouvait dduire le
bon choix partir de premiers principes, et produire des descriptions a priori de la ralit, qui
devaient tre confirmes aprs coup par une vrification empirique.

Cependant, la gomtrie euclidienne, considre pendant deux cents ans comme le modle de
la perfection axiomatique des mathmatiques, avait t dtrne. Si l'on ne pouvait connatre
a priori quelque chose d'aussi fondamental que la gomtrie dans l'espace, quel espoir restait-
il pour une pure thorie rationnelle qui embrasserait la totalit de la nature ?
Psychologiquement, Riemann et lobachevsky avaient frapp au cur de l'entreprise
mathmatique telle qu'elle avait t conue jusqu'alors.

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

De plus, Riemann et Lobachevsky remettaient la nature de l'intuition mathmatique en


question. Il avait t facile de croire implicitement que l'intuition mathmatique tait une
forme de perception - une faon d'entrevoir le noumne platonicien derrire la ralit. Mais
avec deux autres gomtries qui bousculaient celle d'Euclide, personne ne pouvait plus tre
sr de savoir quoi le noumne ressemblait.

Les mathmaticiens rpondirent ce double problme avec un excs de rigueur, en essayant


d'appliquer la mthode axiomatique toutes les mathmatiques. Dans la priode pr-
axiomatique, les preuves reposaient souvent sur des intuitions communment admises de la
"ralit" mathmatique, qui ne pouvaient plus tre considres automatiquement comme
valides.

La nouvelle faon de penser les mathmatiques conduisait une srie de succs


spectaculaires. Pourtant cela avait aussi un prix. La mthode axiomatique rendait la connexion
entre les mathmatiques et la ralit phnomnale toujours plus troite. En mme temps, des
dcouvertes suggraient que les axiomes mathmatiques qui semblaient tre consistants avec
l'exprience phnomnale pouvait entraner de vertigineuses contradictions avec cette
exprience.

La majorit des mathmaticiens devinrent rapidement des "formalistes", soutenant que les
mathmatiques pures ne pouvaient qu'tre considres philosophiquement comme une sorte
de jeu labor qui se jouait avec des signes sur le papier (c'est la thorie qui sous-tend la
prophtique qualification des mathmatiques de "systme contenu nul" par Robert
Heinlein). La croyance "platonicienne" en la ralit noumnale des objets mathmatiques,
l'ancienne manire, semblait bonne pour la poubelle, malgr le fait que les mathmaticiens
continuaient se sentir comme les platoniciens durant le processus de dcouverte des
mathmatiques.

Philosophiquement, donc, la mthode axiomatique conduisait la plupart des mathmaticiens


abandonner les croyances antrieures en la spcificit mtaphysique des mathmatiques. Elle
produisit aussi la rupture contemporaine entre les mathmatiques pures et appliques. La
plupart des grands mathmaticiens du dbut de la priode moderne - Newton, Leibniz,
Fourier, Gauss et les autres - s'occupaient aussi de science phnomnale. La mthode
axiomatique avait couv l'ide moderne du mathmaticien pur comme un super esthte,
insoucieux de la physique. Ironiquement, le formalisme donnait aux purs mathmaticiens un
mauvais penchant l'attitude platonicienne. Les chercheurs en mathmatiques appliques
cessrent de ctoyer les physiciens et apprirent se mettre leur trane.

Ceci nous emmne au dbut du 20me sicle. Pour la minorit assige des platoniciens, le
pire tait encore venir. Cantor, Frege, Russell et Whitehead montrrent que toutes les
mathmatiques pures pouvaient tre construites sur le simple fondement axiomatique de la
thorie des ensembles. Cela convenait parfaitement aux formalistes: les mathmatiques se
runifiaient, du moins en principe, partir d'un faisceau de petits jeux dtachs dun grand.
Les platoniciens aussi taient satisfaisaits, sil en survenait une grande structure, cl de vote
consistante pour toutes les mathmatiques, la spcificit mtaphysique des mathmatiques
pouvait encore tre sauve.

D'une faon ngative, pourtant, un platonicien eut le dernier mot. Kurt Godel mit son grain de
sable dans le programme formaliste daxiomatisation quand il dmontra que tout systme
d'axiomes assez puissant pour inclure les entiers devait tre soit inconsistant (contenir des
contradictions) soit incomplet (trop faible pour dcider de la justesse ou de la fausset de

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

certaines
affirmations du systme). Et c'est plus ou moins o en sont les choses aujourd'hui.
Les mathmaticiens savent que de nombreuses tentatives pour faire avancer les
mathmatiques comme une connaissance a priori de l'Univers doivent se heurter de
nombreux paradoxes et l'impossibilit de dcider quel systme axiomatique dcrit les
mathmatiques relles. Ils ont t rduits esprer que les axiomatisations standard ne soient
pas inconsistantes mais incompltes, et se demander anxieusement quelles contradictions ou
quels thormes indmontrables attendent d'tre dcouverts ailleurs.

Cependant, sur le front de l'empirisme, les mathmatiques taient toujours un succs


spectaculaire en tant qu'outil de construction thorique. Les grands succs de la physique du
20me sicle (la relativit gnrale et la physique quantique) poussaient si loin hors du
royaume de l'intuition physique, qu'ils ne pouvaient tre compris qu'en mditant
profondment sur leurs formalismes mathmatiques, et en prolongeant leurs conclusions
logiques, mme lorsque ces conclusions semblaient sauvagement bizarres. Quelle ironie. Au
moment mme o la perception mathmatique en venait paratre toujours moins fiable dans
les mathmatiques pures, elle devenait toujours plus indispensable dans les sciences
phnomnales.

l'oppos de cet arrire-plan, l'applicabilit des mathmatiques la science phnomnale


pose un problme plus pineux qu'il n'apparat d'abord. Le rapport entre les modles
mathmatiques et la prdiction des phnomnes est complexe, pas seulement dans la pratique
mais dans le principe. D'autant plus complexe que, comme nous le savons maintenant, il y a
des faons d'axiomatiser les mathmatiques qui s'excluent!

Mais pourquoi existe-t-il seulement de bons choix de modle mathmatique ? C'est dire,
pourquoi y a-t-il un formalisme mathmatique, par exemple pour la physique quantique, si
productif qu'il prdit rellement la dcouverte de nouvelles particules observables ?

Pour rpondre cette question on observera qu'elle peut, aussi bien, fonctionner comme une
sorte de dfinition. Pour beaucoup de systme phnomnaux, de tels formalismes prdictifs
exacts n'ont pas t trouvs, et aucun ne semble plausible. Les potes aiment marmonner sur
le cur des hommes, mais on peut trouver des exemples plus ordinaires : le climat, o le
comportement d'une conomie suprieure celle d'un village, par exemple - systmes si
chaotiquement interdpendants que la prdiction exacte est effectivement impossible (pas
seulement dans les faits mais en principe).

PARADOXES

Ds l'antiquit, certains logiciens avaient constat la prsence de nombreux paradoxes au sein


de la rationalit. En fait, nous pouvons dire que malgr leur nombre, ces paradoxes ne sont
que les illustrations d'un petit nombre de structures paradoxales. Attardons nous exposer
titre de culture de gnrale les plus connus.

Exemples:

E1. Le paradoxe de la classe des classes (Russell)

Il existe deux types de classes : celles qui se contiennent elles-mmes (ou classes rflexives :
la classe des ensembles non-vides, la classe des classes,...) et celles qui ne se contiennent pas
elles-mmes (ou classes irrflexives : la classe des travaux rendre, la classe des oranges
sanguines, ...). La question pose est la suivante : la classe des classes irrflexives est-elle elle
mme rflexive ou irrflexive? Si elle est rflexive, elle se contient et se trouve range dans la

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

classe
des classes irrflexives qu'elle constitue, ce qui est contradictoire. Si elle est irrflexive,
elle doit figurer dans la classe des classes irrflexives qu'elle constitue et devient ipso facto
rflexive, nous sommes face une nouvelle contradiction.

E2. Le paradoxe du bibliothcaire (Gonseth)

Dans une bibliothque, il existe deux types de catalogues. Ceux qui se mentionnent eux-
mmes et ceux qui ne se mentionnent pas. Un bibliothcaire doit dresser le catalogue de tous
les catalogues qui ne se mentionnent pas eux-mmes. Arriv au terme de son travail, notre
bibliothcaire se demande s'il convient ou non de mentionner le catalogue qu'il est
prcisment en train de rdiger. A ce moment, il est frapp de perplexit. Si ne le mentionne
pas, ce catalogue sera un catalogue qui ne se mentionne pas et qui devra ds lors figurer dans
la liste des catalogues ne se mentionnant pas eux-mmes. D'un autre ct, s'il le mentionne, ce
catalogue deviendra un catalogue qui se mentionne et qui ne doit donc pas figurer dans ce
catalogue, puisque celui-ci est le catalogue des catalogues qui ne se mentionnent pas.

E3. Le paradoxe du menteur (variante)

Dfinissons provisoirement le mensonge comme l'action de formuler une proposition fausse.


Le pote crtois Epimnide affirme : "Tous les Crtois sont des menteurs", soit la proposition
P. Comment dcider de la valeur de vrit de P ? Si P est vraie, comme Epimnide est
Crtois, P doit tre fausse. Il faut donc que P soit fausse pour pouvoir tre vraie, ce qui est
contradictoire. P est donc fausse. Remarquons qu'on ne peut pas en dduire, comme dans le
vritable paradoxe du menteur, que P doit aussi tre vraie.

RAISONNEMENT HYPOTHETICO-DEDUCTIF

Le raisonnement hypothtico-dductif est, nous le savons, la capacit qu'a l'apprenant de


dduire des conclusions partir de pures hypothses et pas seulement d'une observation
relle. C'est un processus de rflexion qui tente de dgager une explication causale d'un
phnomne quelconque (nous y reviendrons lors de nos premiers pas en physique).
L'apprenant qui utilise ce type de raisonnement commence par formuler une hypothse et
essaie ensuite de confirmer ou d'infirmer son hypothse selon le schmas synoptique ci-
dessous :

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

(1.1)

La procdure dductive consiste tenir pour vrai, titre provisoire, cette proposition premire
que nous appelons, en logique "le prdicat" (voir plus bas) et en tirer toutes les
consquences logiquement ncessaires, c'est--dire en rechercher les implications.

Exemple:

Soit la proposition P : "X est un homme", elle implique la proposition suivante Q : X est
mortel.

L'expression (si c'est un homme il est ncessairement mortel) est un implication


prdicative (d'o le terme "prdicat"). Il ny a pas dans cet exemple de cas o nous puissions
noncer P sans Q. Cet exemple est celui dune implication stricte, telle que nous la trouvons
dans le "syllogisme" (figure logique du raisonnement).

Remarque: Des spcialistes ont montr que le raisonnement hypothtico-dductif


slabore progressivement chez lenfant, partir de 6-7ans, et que ce type de raisonnement
nest utilis systmatiquement, en partant dune fonction propositionnelle stricte qu partir de
11-12 ans.

CALCUL PROPOSITIONNEL

Le "calcul propositionnel" (ou "logique propositionnelle") est un prliminaire absolument


indispensable pour aborder une formation en sciences, philosophie, droit, politique, conomie,
etc. Ce type de calcul autorise des procdures de dcision ou tests. Ceux-ci permettent de
dterminer dans quel cas un expression (proposition) logique est vraie et en particulier si elle

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

est
toujours vraie.

Dfinitions:

D1. Une expression toujours vraie quel que soit le contenu linguistique des variables qui la
composent est appele une "expression valide", une "tautologie", ou encore une "loi de la
logique propositionnelle".

D2. Un expression toujours fausse est appele une "contradiction" ou "antologie"

D3. Une expression qui est parfois vraie, parfois fausse est appele une "expression
contingente"

D4. Nous appelons "assertion" une expression dont nous pouvons dire sans ambigut s'il elle
est vraie ou fausse.

D5. Le "lagange objet" est le langage utilis pour crire les expressions logiques.

D6. Le "mtalangage" est le langage utilis pour parler du langage objet dans la langue
courante

Remarques:

R1. Il existe des expressions qui ne sont effectivement pas des assertions. Par exemple,
l'nonc : "cet nonc est faux", est un paradoxe qui ne peut tre ni vrai, ni faux.

R2. Soit un expression logique A. Si celle-ci est une tautologie, nous la notons frquemment
et s'il l'expression est une contradiction, nous la notons .

PROPOSITIONS

Dfinition: En logique, une "proposition" est une affirmation qui a un sens. Cela veut dire
que nous pouvons dire sans ambigut si cette affirmation est vraie (V) ou fausse (F). C'est ce
que nous appelons le "principe du tiers exclu".

Exemple:

"Je mens" n'est pas une proposition. Si nous supposons que cette affirmation est vraie, elle est
une affirmation de sa propre invalidit, donc nous devrions conclure qu'elle est fausse. Mais si
nous supposons qu'elle est fausse, alors l'auteur de cette affirmation ne ment pas, donc il dit la
vrit, aussi la proposition serait vraie.

Dfinition: Une proposition en logique binaire (o les propositions sont soit vraies, soit
fausses) n'est donc jamais vraie et fausse la fois. C'est que nous appelons le "principe de
non-contradiction".

Ainsi, une proprit sur l'ensemble E des propositions est une application Pde E dans
l'ensemble des "valeurs de vrit" :

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

(1.2)

Nous parlons de "sous-ensemble associ", lorsque la proposition engendre uniquement une


partie E' de E et inversement.

Exemple:

Dans , si P(x) s'nonce " x est pair" , alors ce qui est bien
seulement un sous-ensemble associe de E mais de mme cardinal (cf. chapitre Thorie Des
Ensembles).

Dfinition: Soit P une proprit sur l'ensemble E. Une proprit Q sur E est une "ngation" de
P si et seulement si, pour tout :

- est F si est V

- est V si est F

Nous pouvons rassembler ces conditions dans une table dite "table de vrit" :

P Q
V F
F V
(1.3)

En d'autres termes, P et Q ont toujours des valeurs de vrit contraires. Nous noterons ce
genre d'nonc " Q est une ngation de P" :

(1.4)

o le symbole est le "connecteur de ngation".

Remarque: Les expressions doivent tre des expressions bien formes (souvent abrg
"ebf"). Par dfinition, toute variable est une expression bien forme, alors est une
expression bien forme. Si P,Q sont des expressions bien formes, alors est une
expression bien forme (l'expression "je mens" n'est pas bien forme car elle se contredit elle-
mme).

CONNECTEURS

Il y a d'autres types de connecteurs en logique :

Soit P et Q deux proprits dfinies sur le mme ensemble E. (lire "P ou Q") est une
proprit sur E dfinie par :

- est vraie si au moins l'une des proprits P, Q est vraie

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

- est fausse sinon

Nous pouvons crer la table de vrit du "connecteur OU" ou "connecteur de disjonction" :

P Q
V V V
V F V
F V V
F F F
(1.5)

Il est facile de se convaincre que, si les parties P, Q de E sont respectivement associes aux
proprits P, Q que (voir thorie des ensembles) est associ .

(1.6)

Le connecteur est associatif. Pour s'en convaincre, il suffit de faire une table vrit o nous
vrifions que :

(1.7)

Il existe galement le "connecteur ET" ou "connecteur de conjonction" pour tel que soient
P, Q deux proprits dfinies sur E, est une proprit sur E dfinie par :

- est vraie si toutes les deux proprits P, Q sont vraies

- est fausse sinon

Nous pouvons crer la table de vrit du connecteur :

P Q
V V V
V F F
F V F
F F F
(1.8)

Il est galement facile de se convaincre que, si les parties P, Q de E sont respectivement


associes aux proprits P, Q que (voir thorie des ensembles) est associ :

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

(1.9)

Le connecteur est associatif. Pour s'en convaincre, il suffit aussi de faire une table vrit o
nous vrifions que:

(1.10)

Les connecteurs sont distributifs l'un sur l'autre. A l'aide d'une simple table de vrit,
nous prouvons que:

(1.11)

ainsi que:

(1.12)

Une ngation de est une ngation de est tel


que :

(1.13)

A nouveau, ces proprits peuvent se dmontrer par une simple table de vrit.

Remarque: Pour voir les dtails de tous les opratures logiques, le lecteur devra se rendre
dans le chapitre d'Algbre De Boole (cf. section d'Informatique Thorique) o l'identit, la
double ngation, l'idempotence, l'associativit, la distributivit, les relations de De Morgan
sont prsentes plus formellement.

Revenons maintenant sur le "connecteur d'implication logique" appel aussi parfois le


"conditionnel" not " "

Remarque: Dans certains ouvrages sur le calcul propositionnel, ce connecteur est not "
" et dans le cadre de la thorie de la dmonstration nous lui prfrons souvent le symbole "
".

Soient P, Q deux proprits sur E. est une proprit sur E dfinie par:

- est fausse si P est vraie et Q fausse

- est vraie sinon

En d'autres termes, P implique logiquement Q signifie que Q est vrai pour toute valuation

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

pour
laquelle P est vraie. L'implication reprsente donc le "si... alors.."

Si nous crivons la table de vrit de l'implication (attention l'avant dernire ligne !!!) :

P Q
V V V
V F F
F V V
F F V
(1.14)

Si , nous pouvons dire que pour que Q soit vraie, il suffit que P soit vraie
(effectivement l'implication sera vraie si P est vraie ou fausse selon la table de vrit). Donc
P est une condition suffisante de Q (mais non ncessaire!). D'un autre ct, est
quivalent . Donc, si Q est fausse, il est impossible que P soit vraie (pour que
l'implication reste vraie bien sr!). Donc finalement Q est une condition ncessaire de P.

Exemples:

E1. Soit la proposition : "Si tu obtiens ton diplme, je t'achte un ordinateur"

Parmi tous les cas, un seul correspond une promesse non tenue: celui o l'enfant son
diplme, et n'a toujours pas d'ordinateur (deuxime ligne dans le tableau).

Et le cas o il n'a pas le diplme, mais reoit quand mme un ordinateur? Il est possible qu'il
ait t longtemps malade et a rat un semestre, et le pre a le droit d'tre bon.

Que signifie cette promesse, que nous crirons aussi : "Tu as ton diplme je t'achte un
ordinateur" ? Exactement ceci:

- Si tu as ton diplme, c'est sr, je t'achte un ordinateur (je ne peux pas ne pas l'acheter)

- Si tu n'as pas ton diplme, je n'ai rien dit

E2. De toute proposition fausse nous pouvons dduire toute propositions (deux dernires
lignes)

C'est un exemple plutt anecdotique : dans un cours de Russell portant sur le fait que d'une
proposition fausse, toute proposition peut tre dduite, un tudiant lui posa la question
suivante :

- "Prtendez-vous que de 2 + 2 = 5, il s'ensuit que vous tes le pape ? "

- "Oui", fit Russell

- "Et pourriez-vous le prouver !", demanda l'tudiant sceptique

- "Certainement", rplique Russell, qui proposa sur le champ la dmonstration suivante.

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

(1)
Supposons que 2 + 2 = 5

(2) Soustrayons 2 de chaque membre de l'galit, nous obtenons 2 = 3

(3) Par symtrie, 3 = 2

(4) Soustrayant 1 de chaque ct, il vient 2 =1

Maintenant le pape et moi sommes deux. Puisque 2 = 1, le pape et moi sommes un. Par suite,
je suis le pape.

Sur ce ...

Le connecteur d'implication est essentiel en mathmatiques, philosophie, etc. C'est un des


fondements de toute dmonstration, preuve ou dduction.

Le connecteur d'implication a comme proprits (vrifiables l'aide de la table de vrit ci-


dessous) :

(1.15)

consquence de la dernire proprit ( nouveau vrifiable par une table de vrit) :

(1.16)

Le "connecteur d'quivalence logique" ou "bi-conditionnel" not " " ou " " signifiant par
dfinition que :

(1.17)

en d'autres termes, la premire expression a la mme valeur pour toute valuation de la


deuxime.

Ce que nous pouvons vrifier l'aide d'une table de vrit:

P Q
V V V V V
V F F V F
F V V F F
F F V V V
(1.18)

signifie bien (lorsqu'il est vrai!) que "P et Q ont toujours la mme valeur de vrit"
ou encore "P et Q sont quivalents". C'est vrai si P et Q ont mme valeur, faux dans tout cas
contraire.

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

Bien
videmment (c'est une tautologie) :

(1.19)

La relation quivaut donc ce que P soit une condition ncessaire et suffisante de


Q et ce que Q soit une condition ncessaire et suffisante de P.

La conclusion, est que les conditions de type "ncessaire, suffisant, ncessaire et suffisant"
peuvent tre reformuls avec les termes "seulement si", "si", "si et seulement si".

Ainsi :

1. traduit le fait que Q est une condition ncessaire pour P ou dit autrement, P est
vraie seulement si Q est vraie (dans le table de vrit, lorsque prend la valeur 1 on
constate bien que P vaut 1 seulement si Q vaut 1 aussi). On dit aussi, si P est vraie alors Q est
vraie.

2. ou ce qui reviens au mme traduit le fait que Q est une condition suffisante
pour P ou dit autrement, P est vraie si Q est vraie (dans le table de vrit, lorsque
prend la valeur 1 on constate bien que P vaut 1 si Q vaut 1 aussi).

3. traduit le fait que Q est une condition ncessaire et suffisante pour P ou dit
autrement, P est vraie si et seulement si Q est vraie (dans le table de vrit, lorsque
prend la valeur 1 on constate bien que P vaut 1 si Q vaut 1 et seulement si Q vaut 1).

Remarque: L'expression "si et seulement si" correspond donc une quivalence logique et
ne peut tre utilise pour dcrire un implication.

La premire tape du calcul propositionnel est donc la formalisation des noncs du langage
naturel. Pour raliser ce travail, le calcul propositionnel fournit finalement trois types d'outils :

1. Les "variables propositionnelles" (P, Q, R,...) symbolisent des propositions simples


quelconques. Si la mme variable apparat plusieurs fois, elle symbolise chaque fois la mme
proposition.

2. Les cinq oprateurs logiques :

3. Les signes de ponctuation se rduisent aux seules parenthses ouvrante et fermante qui
organisent la lecture de manire viter toute ambigut.

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

Voici
un tableau rcapitulatif :

Description Symbole Utilisation


La "ngation" est un oprateur qui ne porte que sur
une proposition, il est unaire ou monadique. "Il ne
pleut pas" s'crit . Cet nonc est vrai si et
seulement si P est faux (dans ce cas s'il est faux qu'il
pleut). L'usage classique de la ngation est caractris
par la loi de double ngation : est quivalent
P.
La "conjonction" ou "produit logique" est un oprateur
binaire, elle met en relation deux propositions. "Tout
homme est mortel ET Ma voiture perd de l'huile"
s'crit . Cette dernire expression est vrai si et
seulement si P est vrai et Q est vrai.
La "disjonction" ou "somme logique" est, elle aussi,
un oprateur binaire. est vrai si et seulement
si P est vrai ou Q est vrai. Nous pouvons comprendre
ce OU de deux faons : soit de manire inclusive, soit
de manire exclusive. Dans le premier cas est
vrai si P est vrai, si Q est vrai ou si P et Q sont tous
deux vrais. Dans le second cas, est vrai si P
est vrai ou si Q est vrai mais pas si les deux le sont. La
disjonction du calcul propositionnel est le OU inclusif
et on donne au OU exclusif le nom "d'alternative".
"L'implication" est galement un oprateur
binaire. Elle correspond, en gros, au schma
linguistique "Si...alors...". "Si j'ai le temps, j'irai au
cinma" s'crit . est faux si P est vrai
et Q est faux. Si le consquent (ici Q) est vrai,
l'implication est vraie. Lorsque l'antcdent
(ici P) est faux, l'implication est toujours vraie. Cette
dernire remarque peut tre comprise si l'on se rfre
des noncs de type : "Si on pouvait mettre Paris en
bouteille, on utiliserait la tour Eiffel comme bouchon."
En rsum, une implication est fausse si et seulement
si son antcdent est vrai et son consquent est faux.
La "bi-implication" est, elle aussi, binaire : elle
symbolise les expressions "... si et seulement si..." et
"... est quivalent ..." L'quivalence entre deux
propositions est vraie si celles-ci ont la mme valeur
de vrit. La bi-implication exprime donc aussi une
forme d'identit et c'est pourquoi elle est souvent
utilise dans les dfinitions.

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

Il
est possible d'tablir des quivalences entre ces oprateurs. Nous avons dj vu comment le
bi-conditionnel pouvait se dfinir comme un produit de conditionnels rciproques, voyons
maintenant d'autres quivalences :

(1.20)

Remarque: Les oprateurs classiques peuvent donc tre dfinis l'aide de


grce aux lois d'quivalence entre oprateurs.

Sont noter galement les deux relations de De Morgan (cf. chapitre d'Algbre de Boole) :

(1.21)

Elles permettent de transformer la disjonction en conjonction et vice-versa :

(1.22)

PROCDURES DE DCISION

Nous avons introduit prcdemment les lments de base nous permettant d'oprer sur des
expressions partir de proprits (variables propositionnelles) sans toutefois dire grand chose
quant la manipulation de ces expressions. Alors, il convient maintenant de savoir qu'en
calcul propositionel qu'il existe deux manires d'tablir qu'une proposition est un loi de la
logique propositionnelle. Nous pouvons soit :

1. Employer des procdures non axiomatises

2. Recourir des procdures axiomatiques et dmonstratives

Remarque: Dans de nombreux ouvrages ces procdures sont prsentes avant mme la
structure du langage propositionnel. Nous avons choisi de faire le contraire pensent que
l'approche serait plus aise.

PROCDURES DE DCISIONS NON AXIOMATISES

Plusieurs de ces mthodes existent mais nous nous limiterons ici la plus simple et la plus
parlante d'entre elles, celle du calcul matriciel, souvent appele aussi "mthodes des tables de
vrit".

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

La
procdure de construction est comme nous l'avons vu prcdemment assez simple.
Effectivement, la valeur de vrit d'une expression complexe est fonction de la valeur vrit
des noncs plus simples qui la composent, et finalement fonction de la valeur de vrit des
variables propositionelles qui la composent. En envisageant toutes les combinaisons possibles
des valeurs de vrit des variables de propositionnelles, nous pouvons dtermienrt les valeurs
de vrit de l'expression complexe.

Les tables de vrit, comme nous l'avons vu, permettent donc de dcider, propos de toute
proposition, si celle-ci est une tautologie (toujours vraie), une contradiction (toujours fausse)
ou une expression contingente (parfois vraie, parfois fausse).

Nous pouvons ainsi distinguer quatre faons de combiner les variables propositionneles, les
paranthes et les connecteurs :

Nom Description Exemple


1 Enonc mal form Non-sens. Ni vrai, ni faux
2 Tautologie Enonc toujours vrai
3 Contradiction Enonc toujours faux

4 Enonc contingent Enonc parfois vrai, parfois faux


(1.23)

La mthode des tables de vrit permet de dterminer le type d'expression bien forme face
auquel nous nous trouvons. Elle n'exige en principe aucune invention, c'est une procdure
mcanique. Les procdures axiomatises, en revanche, ne sont pas entirement mcaniques.
Inventer une dmonstration dans le cadre d'un systme axiomatis demande parfois de
l'habilit, de l'habitude ou de la chance. Pour ce qui est des tables de vrit, voici la marche
suivre :

Lorsqu'on se trouve face un expression bien forme, ou fonction de vrit, nous


commencons par dterminer combien de variables propositionnelles distinctes nous avons
affaire. Ensuite, nous examinons les diffrents arguments qui constituent cette expression.
Nous construisons alors un tableau comprenant ranges (n tant le nombre de variables) et
un nombre de colonnes gal au nombre d'arguments plus des colonnes pour l'expression elle-
mme et ses autres composantes. Nous attribuons alors aux variables les diffrentes
combinaisons de vrit et de fausset qui peuvent leur tre confres (la vrits est exprime
dans la table par un 1 et la fausset par un 0). Chacune des ranges correspond un monde
possible et la totalit des ranges constitue l'ensemble des mondes possibles. Il existe, par
exemple, un mode possible dans lequel P est une proposition vraie tandis que Q est fausse.

PROCDURES DE DCISIONS AXIOMATISES

L'axiomatisation d'une thorie implique, outre la formalisation de celle-ci, que nous partions
d'un nombre fini d'axiomes et que, grce la transformation rgle de ces derniers, que nous
puissions obtenir tous les thormes de cette thorie. Nous pardons donc de quelques axiomes
dont la vrit est pose (et non dmontre). Nous dterminons des rgles de dduction
permettant de manipuler les axiomes ou toute expression obtenue partir de ceux-ci.
L'enchanement de ces dductions est une dmonstration qui conduit un thorme, une loi.

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

Nous
allons sommairement prsenter deux systmes axiomatiques, chacun tant constitu
d'axiomes utilisant deux rgles dites "rgles d'infrence" (rgles intuitives) particulires :

1. Le "modus ponens" : si nous avons prouv A et , alors nous pouvons dduire B. A


est appel la "prmisse mineure" et la prmisse majeure de la rgle du modus ponens.

Exemple:

De et nous pouvons dduire

2. La "substitution" : nous pouvons dans un schma d'axiome remplacer une lettre par une
formule quelconque, pourvue que toutes les lettres identiques soient remplaces par des
formules identiques.

Donnons titre d'exemple, deux systmes axiomatiques : le systme axiomatique de


Whithead et Rusell, le systme axiomatique de Lukasiewicz.

1. Le systme axiomatique de Whitehead et Russel adopte comme symboles primitifs et


dfinit partir de ces derniers de la manire suivante (relations facilement
vrifiables l'aide de tables de vrit) :

(1.24)

nous avions dj prsent plus haut quelque uns de ces lments.

Ce systme comprend cinq axiomes, assez vidents en soi plus les deux rgles d'infrence.
Les axiomes sont donns ici en utilisant des symboles non primitifs, comme le faisaient
Whitehead et Russel :

A1.

A2.

A3.

A4.

A5.

Remarque: Ces cinq axiomes ne sont pas indpendants les uns des autres; le quatrime
peut tre obtenu partir des quatre autres.

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

Exemple:

Pour prouver , nous pouvons procder ainsi :

(1.25)

2. Le systme axiomatique Lukasiewicz comprend les trois axiomes suivants, plus les deux
rgles d'interfrences :

A1.

A2.

A3.

Voici des preuves des deux premiers axiomes, dans le systme de Whitehead et Russel. Ce
sont les formules (6) et (17) de la drivation suivante :

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

(1.26)

Ces axiomatisations permettent de retrouver comme thorme toutes les tautologies ou lois de
la logique propositionnelle. De par tout ce qui a t dit jusqu' maintenant, nous pouvons
tenter de dfinir ce qu'est une preuve.

Dfinition: Une suite finie de formules est appele "preuve" partir des
hypothses si pour chaque i :

- est l'une des hypothses


- ou est une variante d'un axiome
- ou est infre (par application de la rgle du modus ponens) partir de la prmisse
majeure et de la prmisse mineure o
- ou est infre (par application de la rgle de substitution) partir d'une prmisse
antrieure , la variable remplace n'apparaissant pas dans

Une telle suite de formules, tant la formule finale de la suite, est appele plus
explicitement "preuve de " partir des hypothses , ce que nous notons par :

(1.27)

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

Remarque: Il faut noter que lorsque nous essayons de prouver un rsultat partir d'un
certain nombre d'hypothses, nous essayons pas de prouver les hypothses elles-mmes.

QUANTIFICATEURS

Nous devons complter l'utilisation des connecteurs du calcul propositionnel par ce que nous
appelons des "quantificateurs" si nous souhaitons pouvoir rsoudre certains problmes.
Effectivement, le calcul propositionnel ne nous permet pas d'affirmer des choses gnrales sur
les lments d'un ensemble par exemple. Dans ce sens, la logique des propositionnelle ne
reflte qu'une partie du raisonnement. Le "calcul des prdicats" au contraire permet de
manipuler formellement des affirmations telles que "il existe un x tel que [x a une voitre
amricaine]" ou "pour tous les x [si x est une teckel, alors x est petit]"; en somme, nous
tendons les formules composes afin de pouvoir affirmer des quantifications existentielles
("il existe...") et des quantification universelle ("pour tout...."). Les exemples que nous venons
de donner font intervenir des propositions un peu particulires comme "x a une voiture
amricaine". Il s'agit ici de propositions comportant une varaible. Ces propositions sont en fait
l'application d'une fonction x. Cette fonction , c'est celle qui associe "x a une voiture
amricaine" x. Nous dnoterons cette fontion par "_ a une voiture amricaine" et nous dirons
que c'est une fonction propositionnelle, car c'est une fonction dont la valeur est une
proposition. Ou encore un "prdicat".

Les quantificateurs existentiels et universels vont donc de pair avec l'emploi de fonctions
propositionnelles. Le calcul des prdicats est cependant limit dans les formules existentielles
et universelles. Ainsi, nous nous interdisons des formules comme "il existe une affirmation de
x telle que...". En fait, nous ne nous autorisons quantifier que des "individus". C'est pour
cela que la logique des prdicats est dite une "logique de premier ordre".

Avant de passer l'tude du calcul des prdicats nous devons dfinir :

D1. Le "quantificateur universel" : (pour tout)

D2. Le "quantificateur existentiel" : (il existe)

Remarque: Nous utilisons parfois le symbole pour dire brivement : "il existe un et un
seul":

(1.28)

Nous allons voir que la thorie de la dmonstration et des ensembles, est l'exacte transcription
des principes et rsultats de la Logique (celle avec un "L" majuscule").

CALCUL DES PRDICATS

Dans un cours de mathmatiques (d'algbre, d'analyse, de gomtrie, ), nous dmontrons


les proprits de diffrents types d'objets (entiers, rels, matrices, suites, fonctions continues,
courbes, ). Pour pouvoir prouver ces proprits, il faut bien sr que les objets sur lesquels
nous travaillons soient clairement dfinis (qu'est-ce qu'un entier, un rel, ?).

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

En
logique du premier ordre et, en particulier, en thorie de la dmonstration, les objets que
nous tudions sont les formules et leurs dmonstrations. Il faut donc donner une dfinition
prcise de ce que sont ces notions. Les termes et les formules forment la grammaire d'une
langue, simplifie l'extrme et calcule exactement pour dire ce que nous voulons sans
ambigut et sans dtour inutile.

GRAMMAIRE

Dfinitions:

D1. Les "termes", dsignent les objets dont nous voulons prouver des proprits (nous
reviendrons un peu plus loin beaucoup plus en dtail sur ces derniers) :

- En algbre, les termes dsignent les lments d'un groupe (ou anneau, corps, espace
vectoriel, etc.). Nous manipulons aussi des ensembles d'objets (sous-groupe, sous-espace
vectoriel, etc). Les termes qui dsignent ces objets, d'un autre type, seront appels "termes du
second ordre".

- En analyse, les termes dsignent les rels ou (par exemple, si nous nous placons dans des
espaces fonctionnels) des fonctions.

D2. Les "formules", reprsentent les proprits des objets que nous tudions (nous
reviendrons galement beaucoup plus en dtail sur ces dernires) :

- En algbre, nous pourrons crire des formules pour exprimer que deux lments commutent,
qu'un sous-espace vectoriel est de dimension 3, etc.

- En analyse, nous crirons des formules pour exprimer la continuit d'une fonction, la
convergence d'une suite, etc.

- En thorie des ensembles, les formules pourront exprimer l'inclusion de deux ensembles,
l'appartenance d'un lment un ensemble,

D3. Les "dmonstrations", elles permettent d'tablir qu'une formule est vraie. Le sens prcis
de ce mot aura lui aussi besoin d'tre dfini. Plus exactement, elles sont des dductions sous
hypothses, elles permettent de "mener du vrai au vrai", la question de la vrit de la
conclusion tant alors renvoye celle des hypothses, laquelle ne regarde pas la logique mais
repose sur la connaissance que nous avons des choses dont nous parlons.

LANGAGES

En mathmatique, nous utilisons, suivant le domaine, diffrents langages qui se distinguent


par les symboles utiliss. La dfinition ci-dessous exprime simplement qu'il suffit de donner
la liste de ces symboles pour prciser le langage.

Dfinition: Un "langage" est la donne d'une famille (pas ncessairement finie) de symboles.
Nous en distinguons trois sortes : symboles, termes et formules.

Remarques:

R1. Nous utilisons quelques fois le mot "vocabulaire" ou le mot "signature" la place du mot

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

"langage".

R2. Le mot "prdicat" peut tre utilis la place du mot "relation". Nous parlons alors de
"calcul des prdicats" au lieu de "logique du premier ordre" (ce que nous avons tudi
prcdemment).

SYMBOLES

Il existe diffrents types de symboles que nous allons tcher de dfinir :

D1. Les "symboles de constante" (voir remarque plus bas)

Exemple:

Le n pour l'lment neutre en thorie des ensembles (cf. chapitre de Thorie Des Ensembles)

D2. Les "symboles de fonction" ou "foncteurs" . A chaque symbole de fonction est associ un
entier strictement positif que nous appelons son "arit" : c'est le nombre d'arguments de la
fonction. Si l'arit est 1 (resp. 2, ,n), nous disons que la fonction est unaire (resp. binaire,
, n-aire)

Exemple:

Le foncteur binaire de multiplication * dans les groupes (cf. chapitre de Thorie Des
Ensembles)

D3. Les "symboles de relation". De la mme manire, chaque symbole de relation est
associ un entier positif ou nul (son arit) qui correspond son nombre d'arguments et nous
parlons de relation unaire, binaire, n-aire (comme par exemple le symbole de relation "=").

D4. Les "variables individuelles". Dans toute la suite, nous nous donnerons un ensemble
infini V de variables. Les variables seront notes comme il l'est par tradition : x, y,
z (ventuellement indexes: ).

D5. A cela il faut rajouter les connecteurs et quantificateurs que nous avons longuement
prsent plus haut et sur lesquels il est pour l'instant inutile de revenir.

Remarques:

R1. Un symbole de constante peut tre vu comme un symbole de fonction 0 argument


(d'arit nulle).

R2. Nous considrons (sauf mention contraire) que chaque langage contient le symbole de
relation binaire = (lire "gal") et le symbole de relation zro argument dnot (lire
"bottom" ou "absurde") qui reprsente le faux. Dans la description d'un langage, nous
omettrons donc souvent de les mentionner. Le symbole est souvent redondant. Nous
pouvons en effet, sans l'utiliser, crire une formule qui est toujours fausse. Il permet
cependant de reprsenter le faux d'une manire canonique et donc d'crire des rgles de
dmonstration gnrales.

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

R3.
Le rle des fonctions et des relations est trs diffrent. Comme nous le verrons plus loin,
les symboles de fonction sont utiliss pour construire les termes (les objets du langage) et les
symboles de relation pour construire les formules (le proprits de ces objets).

TERMES

Les termes (nous disons aussi "termes du premier ordre") reprsentent les objets associs au
langage.

Dfinitions:

Soit un langage :

D1. L'ensemble des termes sur est le plus petit ensemble contenant les variables, les
constantes et stable (on ne sort pas de l'ensemble) par l'application des symboles de fonction
de des termes.

D2. Un "terme clos" est un terme qui ne contient pas de variables (donc par extension,
seulement des constantes).

D3. Pour obtenir une dfinition plus formelle, nous pouvons crire :

(1.29)

o t est une variable ou un symbole de constante et, pour tout :

(1.30)

o f est une fonction d'arit n (rappelons que l'arit est le nombre d'arguments de la fonction).
Ainsi, pour chaque arit, il y a un degr d'ensemble de termes. Nous avons finalement :

(1.31)

D4. Nous appellerons "hauteur" d'un terme t le plus petit k tel que

Remarques :

R1. la dfinition D4 signifie que les variables et les constantes sont des termes et que si f est
un symbole de fonction n-aire et sont des termes alors est un terme en soi
aussi. L'ensemble des termes est dfini par la grammaire:

(1.32)

Cette expression se lit de la manire suivante : un lment de l'ensemble que nous sommes
en train de dfinir est soit un lment de V (variables), soit un lment de (l'ensemble des
symboles de constantes), soit l'application d'un symboles de fonction n lments

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

(constantes
ou variables) de .

Attention : le fait que f soit de la bonne arit est seulement implicite dans cette notation. De
plus, l'criture ne signifie pas que tous les arguments d'une fonction sont
identiques mais simplement que ces arguments sont des lments de .

R2. Il est souvent commode de voir un terme (expression) comme un arbre dont chaque nud
est tiquet par un symbole de fonction (oprateur ou fonction) et chaque feuille par une
variable ou une constante.

Dans la suite, nous allons sans cesse dfinir des notions (ou prouver des rsultats) "par
rcurrence" sur la structure ou la taille d'un terme.

Dfinitions:

D1. Pour prouver une proprit P sur les termes, il suffit de prouver P pour les variables et les
constantes et de prouver partir de . Nous faisons ainsi ici une
"preuve par induction sur la "hauteur" d'un terme. C'est une technique que nous retrouverons
dans les chapitres suivants.

D2. Pour dfinir une fonction sur les termes, il suffit de la dfinir sur les variables et les
constantes et de dire comment nous obtenons partir de . Nous
faisons ici encore une "dfinition par induction sur la hauteur d'un terme".

Exemple:

La taille (nous disons aussi la "longueur") d'un terme t (note ) est le nombre de symboles
de fonction apparaissant dans t. Formellement:

- si x est une variable et c est une constante

Remarque: La preuve par induction sur la hauteur d'un terme sera souvent insuffisante.
Nous pourrons alors prouver une proprit P sur les termes en supposant la proprit vraie
pour tous les termes de taille et en la dmontrant ensuite pour les termes de taille n. Il
s'agira alors d'une "preuve par rcurrence sur la taille du terme" (voir de tels exemples dans le
chapitre de Thorie Des Ensembles).

FORMULES

Les formules sont construites partir des "formules dites atomiques" en utilisant des
connecteurs et des "quantificateurs". Nous utiliserons les connecteurs et les quantificateurs
suivants (nous sont dj connus) :

- connecteur unaire de ngation :

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

- connecteurs binaires de conjonction et disjonction ainsi que d'implication : , ,

- quantificateurs : qui se lit "il existe" et qui se lit "pour tout"

Cette notation des connecteurs est standard (elle devrait du moins). Elle est utilise pour viter
les confusions entre les formules et le langage courant (le mtalangage).

Dfinitions:

D1. Soit un langage, les "formules atomiques" de sont les formules de la forme
o R est un symbole de relation n-aire de et sont des termes de .
Nous notons "Atom" l'ensemble des formules atomiques. Si nous notons l'ensemble des
symboles de relation, nous pouvons crire l'ensemble des termes mis en relations par
l'expression :

(1.33)

L'ensemble F des formules de la logique du premier ordre de est donc dfini par la
grammaire (o x est une variable) :

(1.34)

o il faut lire : l'ensemble des formules est le plus petit ensemble contenant les formules et tel
que si et sont des formules alors , etc. sont des formules et qu'elles peuvent tre
en relation en relaton entre elles.

Exemple:

Les symboles de relation du langage propositionnel sont des relations d'arit 0 (mme le
symbole "=" est absent), les quantificateurs sont alors inutiles (puisqu'une formule ne peut pas
contenir des variables). Nous obtenons alors le calcul propositionnel dfini par :

(1.35)

Remarquons la prsence du symbole "botton" signifiant le "faux" dont que nous n'avions pas
mentionn lors de notre tude de la logique propositionnelle.

Nous ferons attention ne pas confondre termes et formules. est un terme (fonction),
est une formule. Mais n'est rien : nous ne pouvons , en effet, mettre un
connecteur entre un terme et une formule (aucun sens).

Remarques:

R1. Pour dfinir une fonction sur les formules, il suffit de dfinir sur les formules
atomiques et de dire comment on obtient (resp. ) partir de
et (resp. )

R2. Pour prouver une proprit P sur les formules, il suffit de prouver P pour les formules

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

atomiques et de prouver (resp. ) partir de et


(resp. ).

R3. Pour prouver une proprit P sur les formules, il suffit de supposer la proprit vraie pour
toutes les formules de taille et de la dmontrer pour les formules de taille n.

D2. Une "sous-formule" d'une formule (ou expression) F est l'un de ses composants, in
extenso une formule partir de laquelle F est construite. Formellement, nous dfinissons
l'ensemble des sous-formules F par:

- Si F est atomique,

- Si avec

- Si ou avec

D3. Une formule F de n'utilise qu'un nombre fini de symboles de . Ce sous-ensemble est
appel le "langage de la formule" et not .

D4. La "taille (ou la longueur) d'une formule" F (note ) est le nombre de connecteurs
ou de quantificateurs apparaissant dans F. Formellement :

- si F est une formule atomique

- o

- avec

D5. "L'oprateur principal" (nous disons aussi le "connecteur principal") d'une formule est
dfini par :

- Si A est atomique, alors elle n'a pas d'oprateur principal

- Si , alors est l'oprateur principal de A

- Si o , alors est l'oprateur principal de A

- Si o , alors est l'oprateur principal de A

D6. Soit F une formule. L'ensemble des variables libres de F et l'ensemble


des variables muettes (ou lies) de F sont dfinis par rcurrence sur .

Une occurrence d'une variable donne est dite "variable lie" ou "variable muette" dans une
formule F si dans cette cette mme formule, une quantificateur y fait rfrence. Dans le cas
contraire, nous disons avoir une "variable libre".

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

Remarque: Une occurrence d'une variable x dans une formule F est une position de cette
variable dans la formule F. Ne pas confondre avec l'objet qu'est la variable elle-mme.

Pour prciser les variables libres possibles d'une formule F, nous noterons . Cela
signifie que les variables libres de F sont parmi in extenso si y est libre dans F, alors
y est l'un des mais les n'apparaissent pas ncessairement dans F.

Nous pouvons dfinir les variables muettes ou libre de manire plus formelle :

1. Si est atomique alors est l'ensemble des variables apparaissant dans


les et nous avons

2. Si o : alors

3. si alors et

4. si avec et

Exemples:

E1. Soit F : alors et

E2. Soit G : alors et

D7. Nous disons que les formules F et G sont " -quivalentes" si elles sont (syntaxiquement)
identiques un renommage prs des occurrences lies des variables.

D8. Une "formule close" est une formule sans variables libres.

D9. Soit F une formule, x une variable et t un terme. est la formule obtenue en
remplaant dans F toutes les occurrences libres de x par t, aprs renommage ventuel des
occurrences lies de F qui apparaissent libres dans t.

Remarques:

R1. Nous noterons dans les exemples vus qu'une variable peut avoir la fois des occurrences
libres et des occurrences lies. Nous n'avons donc pas toujours

R2. Nous ne pouvons pas renommer y en x dans la formule et obtenir la


formule : la variable x serait "capture". Nous ne pouvons donc pas renommer
des variables lies sans prcautions : il faut viter de capturer des occurrences libres.

R3. La notion de formule dfinie ici est la notion de formule de logique du premier ordre.
Certaines formules ne sont pas des formules du premier ordre (le nombre de quantificateurs

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

ne
doivent pas tres dpendant d'une variable !).

DMONSTRATIONS

Les dmonstrations que l'on trouve dans les ouvrages de mathmatiques sont des assemblages
de symboles mathmatiques et de phrases contenant des mots cls tels que: "donc", "parce
que", "si", "si et seulement si", "il est ncessaire que", "il suffit de", "prenons un x tel que",
"supposons que", "cherchons une contradiction", etc. Ces mots sont supposs tre compris par
tous de la mme manire, ce qui n'est en fait, pas toujours le cas.

Dans tout ouvrage, le but d'une dmonstration est de convaincre le lecteur de la vrit de
l'nonc. Suivant le niveau du lecteur, cette dmonstration sera plus ou moins dtaille :
quelque chose qui pourra tre considr comme vident dans un cours de licence pourrait ne
pas l'tre dans un cours de maturit.

Dans un devoir, le correcteur sait que le rsultat demand l'tudiant est vrai et il en connat
la dmonstration. L'tudiant doit dmontrer (correctement) le rsultat demand. Le niveau de
dtail qu'il doit donner dpend donc de la confiance qu'aura le correcteur : dans une bonne
copie, une "preuve par une rcurrence vidente" passera bien, alors que dans une copie o il y
eu auparavant un "vident", qui tait videmment faux, a ne passera pas!

Pour pouvoir grer convenablement le niveau de dtail, il faut savoir ce qu'est une
dmonstration complte. Ce travail de formalisation a t fait qu dbut de 20me sicle!!

Plusieurs choses peuvent paratre surprenantes:

- il n'y a qu'un nombre fini de rgles: deux pour chacun des connecteurs (et l'galit) plus trois
rgles gnrales. Il n'tait pas du tout vident piori qu'un nombre fini de rgles soit suffisant
pour dmontrer tout ce qui est vrai. Nous montrerons ce rsultat (c'est essentiellement, le
thorme de compltude). La preuve n'en est pas du tout triviale.

- ce sont les mmes rgles pour toutes les mathmatiques et la physique: algbre, analyse,
gomtrie, etc. Cela veut dire que nous avons russi isoler tout ce qui est gnral dans un
raisonnement. Nous verrons plus loin qu'une dmonstration est un assemblage de couples , o
est un ensemble de formules (les hypothses) et A une formule (la conclusion). Quand nous
faisons de l'arithmtique, de la gomtrie ou de l'analyse relle, nous utilisons, en plus des
rgles, des hypothses que l'on appelle des "axiomes". Ceux-ci expriment les proprits
particulires des objets que nous manipulons (pour plus de dtails sur les axiomes voir la page
d'introduction du site).

Nous dmontrons donc, en gnral, des formules en utilisant un ensemble d'hypothses, et cet
ensemble peut varier au cours de la dmonstration: quand nous disons "supposons F et
montrons G", F est alors une nouvelle hypothse que nous pourrons utiliser pour montrer G.
Pour formaliser cela, nous introduisons le concept de "squent":

Dfinitions:

D1. Un "squent" est un couple (not ) o :

- est un ensemble fini de formules qui reprsente les hypothses que nous pouvons utiliser.

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

Cet
ensemble s'appelle aussi le "contexte du squent".

- F est une formule. C'est la formule que nous voulons montrer. Nous dirons que cette formule
est la "conclusion du squent".

Remarques:

R1. Si nous pourrons noter au lieu de . Le signe se lit


"thse" ou "dmontre".

R2. Nous noterons un squent dont l'ensemble d'hypothses est vide et un


squent dont l'ensemble d'hypothses est .

R3. Nous noterons eque dans le squent la formule peut-tre dans (elle
devient alors un hypothse).

R4. Nous crirons pour dire que " est non prouvable".

D2. Un squent est "prouvable" (ou dmontrable, drivable) s'il peut tre obtenu par
une application finie de rgles. Une formule F est prouvable si le squent est prouvable.

RGLES DE DMONSTRATION

Les rgles de dmonstration sont les briques qui permettent de construire les drivations. Une
drivation formelle est un assemblage fini (et correct!) de rgles. Cet assemblage n'est pas
linaire (ce n'est pas une suite) mais un "arbre". Nous sommes en effet souvent amens faire
des branchements.

Nous allons prsenter un choix de rgles. Nous aurions pu en prsenter d'autres ( la place ou
en plus) qui donneraient la mme notion de prouvabilit. Celle que l'on a choisies sont
"naturelles" et correspondent aux raisonnements que l'on fait habituellement en
mathmatique. Dans la pratique courante nous utilisons, en plus des rgles ci-dessous,
beaucoup d'autres rgles mais celles-ci peuvent se dduire des prcdentes. Nous les
appellerons "rgles drives".

Il est de tradition d'crire la racine de l'arbre (le squent conclusion) en bas, les feuilles en
haut: la nature est ainsi faite Pourtant, nous construisons souvent l'arbre en allant de la
racine vers les feuilles. Comme il est galement de tradition d'crire, sur une feuille de papier,
de haut en bas, il ne serait pas draisonnable d'crire la racine en haut et les feuilles en bas. Il
faut faire un choix !

Une rgle se compose:

- d'un ensemble de "prmisses": chacune d'elles est un squent. Il peut y en avoir zro, un ou
plusieurs

- du squent conclusion de la rgle

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

- d'une barre horizontale sparant les prmisses (en haut) de la conclusion (en bas). Sur la
droit de la barre, nous indiquerons le nom de la rgle.

Exemple:

(1.36)

Cette rgle deux prmisses ( et ) et une conclusion ( ). Le nom


abrg de cette rgle est .

Cette rgle peut se lire de deux manires :

- de bas en haut: si nous voulons prouver la conclusion, il suffit par utilisation de la rgle de
prouver les prmisses. C'est ce qu'on fait quand nous cherchons une dmonstration. Cela
correspond "l'analyse".

- de haut en bas: si nous avons prouv les prmisses, alors nous avons aussi prouv la
conclusion. C'est ce que nous faisons fait quand nous rdigons une dmonstration. Cela
correspond la "synthse".

Pour les dmonstrations il existe un nombre fini de rgles au nombre 17 que nous allons
dfinir ci-aprs:

1. Axiome :

(1.37)

De bas en haut : si la conclusion du squent est une des hypothses, alors le squent est
prouvable.

2. Affaiblissement :

(1.38)

Explications :

- De haut en bas : si nous dmontrons A sous les hypothses , en ajoutant d'autres


hypothses on peut encore dmontrer A.

- De bas en haut : il y a des hypothses qui peuvent ne pas servir

3. Introduction de l'implication :

(1.39)

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

- De bas en haut: pour montre que nous supposons A (c'est--dire que nous l'ajoutons
aux hypothses) et nous dmontrons B.

4. Elimination de l'implication :

(1.40)

- De bas en haut : pour dmontrer B, si nous connaissons un thorme de la forme et


si nous pouvons dmontrer le lemme , il suffit de dmontrer A.

5. Introduction la conjonction :

(1.41)

- De bas en haut : pour montrer , il suffit de montrer et de montrer B.

6. Elimination de la conjonction :

(1.42) et (1.43)

- De haut en bas: de , nous pouvons dduire A (limination gauche) et B (limination


droite)

7. Introduction de la disjonction :

(1.44) ou (1.45)

- De bas en haut: pour dmontrer , il suffit de dmontrer A ou de dmontrer B

8. Elimination de la disjonction :

(1.46)

- De bas en haut : si nous voulons montrer C et que nous savons que nous avons , il
suffit de le montre rd'un part en supposant A, d'autre part en supposant B. C'est un
raisonnement par cas.

9. Introduction de la ngation :

(1.47)

- De bas en haut: pour montrer , nous supposons A et nous dmontrons l'absurde ( )

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

10.
Elimination de la ngation :

(1.48)

- De haut en bas : si nous avons montr et A, alors nous avons montr l'absurde ( )

11. Absurdit classique :

(1.49)

- De bas en haut: pour dmontrer A, il suffit de dmontrer l'absurde en supposant .

Cette rgle, est quivalent dire : A est vraie si et seulement si il est faux que A soit fausse.
Cette rgle ne va pas de soi : elle est ncessaire pour prouver certaines rsultats (il y a des
rsultats que nous ne pouvons pas prouver si nous n'avons pas cette rgle). Contrairement,
beaucoup d'autres, cette rgle peut par ailleur tre applique tout moment : nous pouvons, en
effet, toujours dire : pour prouver A je suppose et je vais cherche une condtradiction.

12. Introduction au quantificateur universel :

(1.50)

- De bas en haut : pour dmontrer , il suffit de montrer A en ne faisant aucune hypothse


sur x.

Remearque : pour des dmonstrations cette vrification (aucune hypothse sur x) est souvent
source d'erreur.

13. Elimination du quantificateur universel :

(1.51)

de haut en bas: de , nous pouvons dduire pour n'import quel terme t. Ce que
nous pouvons dire aussi sous la forme: si nous avons prouv A pour tout x, alors nous
pouvons utiliser A avec n'importe quel objet t (!!).

14. Introduction du quantificateur existentiel

(1.52)

de bas en haut: pour dmontrer , il suffit de trouver un objet (in extenso un terme t) pour
lequel nous savons montrer .

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

15.
Elimination du quantificateur existentiel

(1.53)

- De bas en haut: nous dmontrons qu'il existe bien un ensemble d'hypothses tel que et
partant de ce rsultat comme nouvelle hypothse, nous dmontrons C. Ce formule C hrite
alors de la formule et ds lors x n'est pas libre dans C car il ne l'tait dj pas dans .

16. Introduction de l'galit :

(1.54)

De bas en haut : nous pouvons toujours montrer t=t. Cette rgle signifie que l'galit est
rflexive (cf. chapitre Oprateurs).

17. Elimination de l'galit :

(1.55)

- De haut en bas: si nous avons dmontr et t=u, alors nous avons dmontr
. Cette rgle exprime que les objets gaux ont les mmes proprits. Nous noterons
cependant que les formules (ou relations) t=u et u=t ne sont pas, formellement, identiques. Il
nous faudra dmontrer que l'galit est symtrique (nous en profiterons aussi pour dmontrer
que l'galit est transitive).

Exemples:

E1. Cet exemple montre que l'galit est symtrique (un petit peu non trivial mais bon pour
commencer) :

(1.56)

- De haut en bas : nous introduisons l'galit et prouvons partir de l'hypothse la


formule . En mme temps, nous dfinissons l'axiome comme quoi . Ensuite
partir de ces prmisses, nous liminons l'galit en substituant les termes de faon ce que
partir de la supposition (venant de l'axiome) nous obtenions . Ensuite,
l'limination de l'galit implique automatiquement sans aucune hypothse que
. Ds lors, il nous suffit d'introduire le quantificateur universel pour chacune
des variables (donc deux fois) sans aucune hypothse afin d'obtenir que l'galit est

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

symtrique.

E2. Cet exemple montre que l'galit est transitive (c'est--dire si et alors
) . En notant F la formule :

(1.57)

Que faisons, nous ici ? Nous introduisons d'abord la formule F deux fois en tant qu'axiome
afin de la dcortiquer plus tard gauche et droite (nous n'introduisons pas l'galit suppose
dj introduite en tant que rgle). Une fois ceci fait, nous liminons gauche et droite la
conjonction sur la formule pour travailler sur les termes gauches et droites seuls et
introduisons l'galit sur les deux termes ce qui fait qu' partir de la formule nous avons
l'galit transitive. Il s'ensuit que sans aucune hypothse cela implique automatiquement que
l'galit est transitive et finalement nous disons que ceci est valable pour tout valeur des
diffrentes variables (si la formule est vraie, alors l'galit est transitive).

E3. L'objectif sera de dmontrer que toute involution est une bijection (cf. chapitre de Thorie
Des Ensembles). Soit f est un symbole de fonction unaire ( une variable), nous notons (pour
plus de dtails voir le chapitre de Thorie Des Ensembles) :

- la formule:

(1.58)

qui signifie que f est injective.

- la formule:

(1.59)

qui signifie que f est surjective

- la formule:

(1.60)

qui signifie que f est bijective.

- la formule:

(1.61)

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

signifie que f est involution (nous notons galement cela


qui c'est--dire que la
composition de f est l'identit)

Nous aimerions savoir si :

(1.62)

Nous allons prsenter (en essayant que ce soit au plus clair) cette dmonstration de quatre
manires diffrentes : classique (informelle), classique (pseudo-formelle) et formelle en arbre
et formelle en ligne.

Mthode classique :

Nous devons montrer que si f est involutive alors elle est donc bijective. Nous avons donc
deux choses montrer (et les deux doivent tre satisfaites en mme temps) : que la fonction
est injective et surjective.

1. Montrons que l'involution est injective : nous supposons pour cela, puisque f est involutive
elle est donc injective, tel que :

(1.63)

implique:

(1.64)

Or, cette supposition dcoule automatiquement de la dfinition de l'involution que:

(1.65)

et de l'application de f la relation :

(1.66)

(soit trois galits) tel que:

(1.67)

nous avons donc:

(1.68)

2. Montrons que l'involution est surjective : si elle est surjective, alors nous devons avoir:

(1.69)

Or, dfinissons la variable x par dfinition de l'involution elle-mme:

(1.70)

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

(puisque ) un changement de variables aprs nous obtenons:

(1.71)

et donc la surjectivit est assure.

Mthode pseudo-formelle :

Nous reprenons la mme chose et nous y injecte les rgles de la thories de la dmonstration :

Nous devons montrer que f involutive est donc bijective. Nous avons donc deux choses
montrer (et les deux doivent tre satisfaites en mme temps) : que la fonction est
injective et surjective:

(1.72)

1. Montrons que l'involution est injective : nous supposons pour cela, puisque f est involutive
et donc injective, que:

(1.73)

implique

(1.74)

Or, cette supposition dcoule automatiquement de la dfinition de l'involution (donc nous


pouvons liminer le quantificateur universel sous-jacent et introduire l'involution comme un
axiome) que:

(1.75)

et de l'application de f la relation:

(1.76)

(soit trois galits ) tel que:

(1.77)

nous avons donc:

(1.78)

2. Montrons que l'involution est surjective : si elle est surjective, alors nous devons avoir:

(1.79)

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

Or,
dfinissons la variable x par dfinition de l'involution elle-mme:

(1.80)

(puisque ) un changement de variables aprs nous obtenons:

(1.81)

et donc:

(1.82)

la surjectivit est assure.

Mthode formelle en arbre :

Faisons cela avec le mthode graphique que nous avons dj prsent plus haut.

1. Montrons que l'involution est injective :

Pour cela, d'abord montrons que

(1.83)

Remarque: Cette dernire relation est abrge et appele (comme d'autres existantes)
"rgle drive" car c'est un raisonnement qui est trs souvent fait lors de dmonstrations et un
peu long dvelopper chaque fois

Ds lors :

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

(1.84)

2. Montrons que l'involution est surjective :

(1.85)

Il s'ensuit :

(1.86)

Mthode formelle en ligne :

Nous pouvons faire la mme chose sous une forme un peu moins large et plus tabule
(cela n'en est pas moins indigeste) :

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

(1.87)

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

2. NOMBRES

L a base des mathmatiques, mis part le raisonnement (cf. chapitre Thorie De La


Dmonstration), est sans nul doute pour le commun des personnes - mathmaticiens mis part
- l'arithmtique. Il est donc obligatoire que nous y fassions tape pour tudier sa provenance,
quelques unes de ses proprits et consquences.

Les nombres, comme les figures gomtriques, constituent les bases de l'arithmtique. Ce sont
aussi les bases historiques car les mathmatiques ont certainement commenc par l'tude de
ces objets, mais aussi les bases pdagogiques, car c'est en apprenant compter que nous
entrons dans le monde des mathmatiques.

L'histoire des nombres (ou galement appels "scalaires") est beaucoup trop longue pour tre
relate ici, mais nous ne pouvons que vous conseiller un des meilleurs ouvrages sur le sujet :
Histoire Universelle des chiffres (~2'000 pages), Georges Ifrah, ISBN: 2 221 05779 1

Cependant voici une petite bride de cette dernire qui nous semble fondamentale:

Notre systme dcimal actuel, de base 10, utilise les chiffres de 0 9, dits "chiffres arabes",
mais au fait d'origine indienne (hindous). En fait, les chiffres arabes (d'origine indienne...)
sont diffrents :

(2.1)

Il faut lire: 0 "zro", 1 "un", 2 "deux", 3 "trois", 4 "quatre", 5 "cinq", 6 "six", 7 "sept", 8
"huit", 9 "neuf". Ce systme est beaucoup plus efficace que les chiffres romains (essayez de
faire un calcul avec le systme de notation romain vous allez voir...).

Ces chiffres ne furent introduits en Europe que vers l'an 1000. Utiliss en Inde, ils furent
transmis par les Arabes au monde occidental par le pape Gerbert d'Aurillac lors de son sjour
en Andalousie la fin du 9me sicle.

Remarque: Le mot franais "chiffre" est une dformation du mot arabe "sifr" dsignant
"zro". En italien, "zro" se dit "zero", et serait une contraction de "zefiro", on voit l encore
la racine arabe. Ainsi nos termes "chiffre" et "zro" ont la mme origine.

L'usage prcoce d'un symbole numrique dsignant "rien", au sens de "aucune quantit" ou
"absence de quantit", c'est dire notre zro, provient du fait que les Indiens utilisrent un
systme dit "systme positionnel". Dans un tel systme, la position d'un chiffre dans l'criture
d'un nombre exprime la puissance de 10 et le nombre de fois qu'elle intervient.

L'absence d'une puissance est note par un petit rond... : c'est le zro. Notre systme actuel est
donc le "systme dcimal et positionnel".

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

Exemple :

Description systme dcimale et positionnel :

(2.2)

Le nombre 324 s'crit de gauche droite comme tant trois centaines : 3 fois 100, deux
dizaines : 2 fois 10 et quatre units : 4 fois 1.

Remarque: Attention!! Nous diffrencions un chiffre d'un nombre... Le nombre est


compos de chiffres et non inversement.

Nous voyons parfois (et c'est conseill) un sparateur de milliers reprsent par une
apostrophe ' en Suisse (pos tous les trois chiffres partir du premier en partant de la droite
pour les nombres entier). Ainsi, nous crirons 1'034 au lieu de 1034 ou encore 1'344'567'569
au lieu de 1344567569. Les sparateurs de milliers permettent de rapidement quantifier l'ordre
de grandeur des nombres lus.

Ainsi:

- Si nous voyons uniquement une apostrophe nous saurons que le nombre est de l'ordre du
millier
- Si nous voyons voit deux apostrophes nous saurons que le nombre est de l'ordre du million
- Si nous voyons trois apostrophe nous saurons que le nombre est de l'ordre du milliard

et ainsi de suite...

Au fait, tout nombre entier, autre que l'unit, peut tre pris pour base d'un systme de
numrotation. Nous avons ainsi les systmes de numrotation binaire, ternaire, quaternaire,...,
dcimal, duodcimal qui correspondent respectivement aux bases deux, trois quatre,..., dix,
douze.

Une gnralisation de ce qui a t vu prcdemment, peut s'crire sous la forme suivante :

Tout nombre entier positif peut tre reprsent dans une base b sous forme de somme, o les
coefficients sont multiplis chacun par leur poids respectif . Tel que :

(2.3)

Plus lgamment crit :

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

(2.4)

avec et

Remarques:

R1. Comme trs frquemment en mathmatique, nous remplacerons l'criture des chiffres ou
des nombres par des lettres latines ou grecques afin de gnraliser leur reprsentation. Ainsi,
lorsque nous parlons d'une base b la valeur b peut prendre n'importe quelle valeur entire 0, 1,
2, ...

R2. Lorsque nous prenons la valeur 2 pour b, N aura pour valeur maximale . Les
nombres qui s'crivent sous cette forme s'appellent les "nombres de Mersenne". Ces nombres
ne peuvent tre premiers (voir plus bas ce qu'est un nombre premier) que si n premier.

Effectivement, si nous prenons (par exemples) et la plus grande valeur que nous
pourrons avoir sera alors :

(2.5)

R3. Lorsque qu'un nombre est le mme lu de gauche droite ou de droite gauche, nous
parlons de "nombre palindrome".

BASES NUMRIQUES

Pour crire un nombre dans un systme de base b, nous devons commencer par adopter b
caractres destins reprsenter les b premiers nombres {0, 1, 2, 3, 4, 5, 6, 7, 9}. Ces
caractres sont comme nous les avons dj dfinis, les "chiffres" que nous nonons comme
l'ordinaire.

Pour la numrotation crite, nous faisons cette convention, qu'un chiffre, plac gauche d'un
autre reprsente des units de l'ordre immdiatement suprieur, ou b fois plus grandes. Pour
tenir la place des units qui peuvent manquer dans certains ordres, nous nous servons du zro
(0) et par suite, le nombre de chiffres employs est toujours gal la base du systme.

Dfinition: Pour la numrotation parle, nous convenons d'appeler "unit simple", "dizaine",
"centaine", "mille", etc., les units du premier ordre, du second, du troisime, du quatrime,
etc. Ainsi les nombres 10, 11,,19 se liront de mme dans tous les systmes de numrotation;
les nombres 1a, 1b, a0, b0, se liront dix-a, dix-b, a-dix, b-dix, etc. Ainsi, le nombre
5b6a71c se lira :

cinq millions b-cent soixant-a mille sept cent dix-c

Cet exemple est pertinent car il nous montre l'expression gnrale de la langue parle que
nous utilisons quotidiennement et intuitivement en base dix (faute notre ducation).

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

Remarques:

R1. Les rgles des oprations dfinies pour les nombres crits dans le systme dcimal sont
les mmes pour les nombres crits dans un systme quelconque de numrotation.

R2. Pour oprer rapidement dans un systme quelconque de numrotation, il est indispensable
de savoir par cur toutes les sommes et tous les produits de deux nombres d'un seul chiffre.

R3. Le fait que la base dcimale ait t choisie est semblerait t'il due au fait que l'humain a dix
doigts.

Voyons comment nous convertissons un systme de numrotation dans un ordre:

Exemple :

En base dix nous savons que 142'713 s'crit:

(2.6)

En base deux (base binaire) le nombre 0110 s'crirait en base 10:

(2.7)

et ainsi de suite...

L'inverse (pour l'exemple de la base deux) est toujours un peu plus dlicat. Par exemple la
conversion du nombre dcimal 1'492 en base deux se fait par divisions successives par 2 des
restes et donne (le principe est peu prs identique pour toutes les autres bases):

(2.8)

Ainsi, pour convertir le nombre 142'713 (base dcimale) en base duodcimale (base douze)
nous avons (notation : q est le "quotient", et r le "reste") :

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

(2.9)

(2.10)

(2.11)

(2.12)

(2.13)

Ainsi nous avons les restes 6, 10, 7, 0, 9 ce qui nous amne crire :

(2.14)

Nous avons choisi pour ce cas particulier la symbolique que nous avions dfinie
prcdemment (a-dix) pour viter toute confusion.

TYPES DE NOMBRES

Il existe en mathmatiques une trs grande varit de nombres (naturels, rationnels, rels,
irrationnels, complexes, p-adiques, quaternions, transcendants, algbriques, constructibles...)
puisque le mathmaticien peut loisirs en crer en ayant uniquement poser les axiomes
(rgles) de manipulations de ceux-ci (cf. chapitre de Thorie Des Ensembles).

Cependant, il y en a quelques uns que nous retrouvons plus souvent que d'autres et certains
qui servent de base de construction d'autres et qu'il conviendrait de dfinir suffisamment
rigoureusement (sans aller dans les extrmes) pour pouvoir savoir de quoi nous parlerons
lorsque nous les utiliserons.

NOMBRES ENTIERS NATURELS

L'ide du "nombre entier" (nombre pour lequel il n'y a pas de chiffres aprs la virgule). est le
concept fondamental de la mathmatique et nous vient la vue d'un groupement d'objets de
mme espce (un mouton, un autre mouton, encore un autre, etc.). Lorsque la quantit d'objets
d'un groupe est diffrente de celle d'un autre groupe nous parlons alors de groupe
numriquement suprieur ou infrieur quelque soit l'espce d'objets contenus dans ces
groupes. Lorsque la quantit d'objet d'un ou de plusieurs groupes est quivalente, nous parlons
alors "d'galit". A chaque objet correspond le nombre "un" ou "unit" not "1".

Pour former des groupements d'objets, nous pouvons oprer ainsi : un objet, ajouter un autre
objet, puis encore un et ainsi de suite; chacun des groupements, au point de vue de sa
collectivit, est caractris par un nombre; il rsulte de l qu'un nombre peut tre considr
comme reprsentant un groupement d'units tel que chacune de ces units corresponde un
objet de la collection.

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

Dfinition:
Deux nombres sont dits "gaux" si chacune des units de l'un nous pouvons
faire correspondre une unit de l'autre et inversement. Si ceci ne se vrifie par alors nous
parlons "d'ingalit".

Prenons un objet, puis un autre, puis au groupement form, ajoutons encore un objet et ainsi
de suite. Les groupements ainsi constitus sont caractriss par des nombres qui, considrs
dans le mme ordre que les groupements successivement obtenus, constituent la "suite
naturelle" note et note :

(2.15)

Remarque: La prsence du 0 (zro) dans notre dfinition de est discutable tant donn
qu'il n'est ni positif ni ngatif. C'est la raison pour laquelle dans certains ouvrages vous
pourrez trouver une dfinition de sans le 0.

Nous pouvons dfinir cet ensemble de faon gnrale et non axiomatique : est l'ensemble
le plus commun et intuitif d'abstraits quantitatifs arbitraires qui satisfont des rgles
subjectives dpendantes de la complexe logique qui en est l'origine.

Les constituants de cet ensemble peuvent tre dfinis par (nous devons cette dfinition au
mathmaticien Gottlob) les proprits (avoir lu au pralable le chapitre de thorie des
ensembles est recommand...) suivantes :

P1. 0 (lire "zro") est le nombre d'lments (dfini comme une relation d'quivalence) de tous
les ensembles quivalents (en bijection avec) l'ensemble vide.

P2. 1 (lire "un") est le nombre d'lments de tous les ensembles quivalents l'ensemble dont
le seul lment est 1.

P3. 2 (lire "deux") est le nombre d'lments de tous les ensembles quivalents l'ensemble
dont tous les lments sont 0 et 1.

P4. En gnral, un nombre entier est le nombre d'lments de tous les ensembles quivalents
l'ensemble des nombres entiers le prcdent!

La construction de l'ensemble des entiers naturels s'est faite de la manire la plus naturelle et
cohrente qui soit. Les naturels doivent leur nom ce qu'ils avaient pour objet, aux prmices
de leur existence, de dnombrer des quantits et des choses de la nature ou qui intervenaient
dans la vie de l'homme. L'originalit de l'ensemble rside dans la manire empirique dont il
s'est construit car il ne rsulte pas rellement d'une dfinition mathmatique, mais davantage
d'une prise de conscience par l'homme du concept de quantit dnombrable, de nombre et de
lois qui traduisent des relations entre eux.

La question de l'origine de est ds lors la question de l'origine des mathmatiques. Et de


tout temps des dbats confrontant les penses des plus grands esprits philosophiques ont tent
d'lucider ce profond mystre, savoir si les mathmatiques sont une pure cration de l'esprit
humain ou si au contraire l'homme n'a fait que redcouvrir une science qui existait dj dans
la nature. Outre les nombreuses questions philosophiques que cet ensemble peut susciter, il
n'en est pas moins intressant d'un point de vue exclusivement mathmatique. Du fait de sa

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

structure,
il prsente des proprits remarquables qui peuvent se rvler d'une grande utilit
lorsque l'on pratique certains raisonnements ou calculs.

Remarquons immdiatement que la suite naturelle des nombres entiers est illimite (cf.
chapitre de Thorie Des Nombres) mais dnombrable (nous verrons cela plus bas), car, un
groupement d'objets qui se trouve reprsent par un certain nombre n, il suffira d'ajouter un
objet pour obtenir un autre groupement qui sera dfini par un nombre entier immdiatement
suprieur .

Dfinition: Deux nombres entiers qui diffrent d'une unit positive sont dits "conscutifs".

AXIOMES DE PEANO

Lors de la crise des fondements des mathmatiques, les mathmaticiens ont bien videmment
cherch axiomatiser l'ensemble et nous devons l'axiomatisation actuelle Peano et
Dedekind.

Les axiomes de ce systme comportent les symboles < et = pour reprsenter les relations "plus
petit" et "gal" (cf. chapitre sur les Oprateurs). Ils comprennent d'autre part les symboles 0
pour le nombre zro et les symboles s pour reprsenter le nombre "successeur". Dans ce
systme, 1 est not:

(2.16)

dit "successeur de zro", 2 est not:

(2.17)

Les axiomes de Peano qui construisent sont les suivants (voir le chapitre de la Thorie de
la Dmonstration pour certains symboles) :

A1. 0 est un entier naturel (permet de poser que n'est pas vide)

A2. Tout entier naturel a un successeur, not s(n).

Donc s est une application injective, c'est- -dire :

(2.18)

si deux successeurs sont gaux, ils sont les successeurs d'un mme nombre (cette proprit est
prsente souvent tort comme un axiome sur un grand nombre de sites internet).

A3. , le successeur d'un entier naturel n'est jamais gal zro (ainsi un
premier lment)

A4. , "axiome de rcurrence" qui se doit se lire de la


manire suivante : si l'on dmontre qu'une proprit est vraie pour un x et son successeur,
alors cette proprit est vraie pout tout x.

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

Donc
lensemble de tous les nombres vrifiant les 4 axiomes sont :

(2.19)

Remarque: Les axiomes de Peano permettent de construire trs rigoureusement les deux
oprations de base de l'arithmtique que sont l'addition et la multiplication (cf. chapitre sur les
Oprateurs) et ainsi tous les autres ensembles que nous verrons par la suite.

NOMBRES PAIRS, IMPAIRS ET PARFAITS

En arithmtique, tudier la parit d'un entier, c'est dterminer si cet entier est ou non un
multiple de deux. Un entier multiple de deux est un entier pair, les autres sont les entiers
impairs.

Dfinitions:

D1. Les nombres obtenus en comptant par deux partir de zro, (soit 0, 2, 4, 6, 8, ) dans
cette suite naturelle sont appels "nombres pairs".

Le nombre pair est donn par la relation :

(2.20)

D2. Les nombres que nous obtenons en comptant par deux partir de un (soit 1, 3, 5, 7,... )
dans cette suite naturelle s'appellent "nombres impairs".

Le nombre impair est donn par :

(2.21)

Remarque: Nous appelons "nombres parfaits", les nombres gaux la somme de leurs
diviseurs entiers strictement plus petits qu'eux mmes (concept que nous verrons en dtail
plus tard) comme par exemple: 6=1+2+3 et 28=1+2+4+7+14.

NOMBRES PREMIERS

Dfinition: Un "nombre premier" est un entier possdant exactement 2 diviseurs (ces deux
diviseurs sont donc "1" et lui-mme).

Remarque: A noter que la dfinition de nombre premier exclut le chiffre "1" car il a un
unique diviseur (lui-mme) et pas deux comme le veut la dfinition.

Nous pouvons nous demander s'il existe une infinit de nombres premiers ? La rponse est
positive et en voici une dmonstration (parmi tant d'autres) par l'absurde.

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

Dmonstration:

Supposons qu'il en existe qu'un nombre fini de nombres premiers qui seraient :

(2.22)

Nous formons un nouveau nombre. Le produit de tous les nombres premiers auquel nous
ajoutons "1":

(2.23)

Selon notre hypothse initiale ce nouveau nombre devrait tre divisible par l'un des nombres
premiers existants (selon le thorme fondamental de l'arithmtique cf. chapitre de Thorie
Des Nombres) selon:

(2.24)

Nous pouvons effectuer la division:

(2.25)

Le premier terme se simplifie, car est dans le produit. On note E cet entier:

(2.26)

Or, q et E sont deux entiers, donc doit tre un entier. Mais est par dfinition suprieur
1. Donc n'est pas un entier.

Contradiction : Les nombres premiers ne sont pas en nombre fini, mais infini.

C.Q.F.D.

Remarques:

R1. (le produit des n premiers nombres premiers) est appel "primorielle n".

R2. Nous renvoyons le lecteur au chapitre de cryptographie de la section d'informatique


thorique pour tudier quelques proprits remarquables des nombres premiers dont la non
moins fameuse fonction phi d'Euler (ou appel aussi "fonction indicatrice").

R3. L'tude des nombres premiers est un sujet immensment vaste et certains thormes y
relatifs sortent largement du cadre d'tude de ce site.

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

NOMBRES
ENTIERS RELATIFS

L'ensemble quelques dfauts que nous n'avons pas noncs tout l'heure. Par exemple, la
soustraction de deux nombres dans n'a pas toujours un rsultat dans (les nombres ngatif
n'y existent pas). Autre dfaut, la division de deux nombres dans n'a galement pas toujours
un rsultant dans (les nombres fractionnaires n'y existent pas).

Ainsi, nous pouvons dans un premier temps rsoudre le problme de la soustraction en


ajoutant l'ensemble des entiers naturels, les entiers ngatifs (concept rvolutionnaire pour
ceux qui en sont l'origine) nous obtenons "l'ensemble des entiers relatifs" not (pour Zahl
de l'allemand) :

(2.27)

L'ensemble des entiers naturels est donc inclus dans l'ensemble des entiers relatifs. C'est ce
que nous notons sous la forme :

(2.28)

et nous avons par dfinition (c'est une notation qu'il faut apprendre) :

(2.29)

Cet ensemble t cre l'origine pour faire de l'ensemble des entiers naturels un objet que
nous appelons un "groupe" (cf. chapitre Thorie Des Ensembles) par rapport l'addition.

Dfinition: Nous disons qu'un ensemble E est un "ensemble dnombrable", s'il est quipotent
. C'est--dire s'il existe une bijection de (cf. chapitre Thorie Des Ensembles) sur E.
Ainsi, grosso modo, deux ensembles quipotents ont "autant" d'lments au sens de leurs
cardinaux (cf. chapitre de Thorie Des Ensembles), ou tout au moins la mme infinit.

L'objectif de cette remarque est de faire comprendre que les ensembles sont
dnombrables.

Dmontrons que est dnombrable en posant :

et (2.30)

pour tout entier . Ceci donne l'numration suivante 0,-1,1,-2,2,-3,3, ... de tous les
entiers relatifs

NOMBRES RATIONNELS

L'ensemble aussi un dfaut. Ainsi, la division de deux nombres dans n'a galement
pas toujours un rsultat dans (les nombres fractionnaires n'y existent pas). Nous disons
alors dans le langage de la thorie des ensembles que la division n'est pas une opration
interne dans .

Nous pouvons ainsi dfinir un nouvel ensemble qui contient tous les nombres qui peuvent

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

s'crire
sous forme de fraction (rapport d'un dividende et d'un diviseur entiers) ou autrement
dit : les nombres fractionnaires. Cet "ensemble des nombres rationnels" est not :

(2.31)

et o p et q sont des entiers sans facteurs communs.

Nous supposerons par ailleurs comme vident que :

(2.32)

La logique de la cration de l'ensemble des nombres rationnels est similaire celle des entiers
relatifs. Effectivement, les mathmaticiens ont souhait faire de l'ensemble des nombre
relatifs un "groupe" par rapport la loi de multiplication et de division (cf. chapitre de
Thorie Des Ensembles).

De plus, contrairement l'intuition, l'ensemble des nombres entiers et nombres rationnels sont
quipotents. Nous pouvons nous persuader de cette quipotence en rangeant comme le fit
Cantor, les rationnels dans un premier temps de la faon suivante:

Ce tableau est construit de telle manire que chaque rationnel n'apparat qu'une seule fois (au
sens de sa valeur dcimale) par diagonale d'o le nom de la mthode : "diagonale de Cantor".

Nous dfinissons ainsi une application qui est injective (deux rationnels distincts
admettent des rangs distincts) et surjective ( tout place sera inscrit un rationnel: on le cherche
par son dnominateur, puis en colonne pour son numrateur).

L'application f est donc bijective: et sont donc bien quipotents !

La dfinition un peu plus rigoureuse (et donc moins sympathique) de se fait partir de
en procdant comme suit (il est intressant d'observer les notations utilises) :

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

Sur l'ensemble , qu'il faut lire comme tant l'ensemble construit partir de deux
lments entiers relatifs dont on exclut le zro pour le deuxime, on considre la relation R
entre deux couples d'entiers relatifs dfinie par :

(2.33)

Nous vrifions facilement ensuite que R est une relation d'quivalence (cf. chapitre sur les
Oprateurs) sur .

L'ensemble des classes d'quivalence pour cette relation R not alors est par
dfinition . C'est--dire que nous posons alors plus rigoureusement :

(2.34)

La classe d'quivalence de est note :

(2.35)

conformment la notation que tout le monde a l'habitude d'employer.

Nous vrifions facilement que l'addition et la multiplication qui taient des oprations dfinies
sur passent sans problme en posant :

(2.36)

De plus ces oprations munissent d'une structure de corps (cf. chapitre de Thorie Des
Ensembles) avec comme lment neutre additif et comme lment neutre multiplicatif.
Ainsi, tout lment non nul de est inversible, en effet :

(2.37)

ce qui s'crit aussi plus techniquement :

(2.38)

Remarque: Mme si nous aurions envie de dfinir comme tant l'ensemble


o reprsente les numrateurs et les dnominateurs des rationnels, ceci n'est pas
possible car autrement nous aurions par exemple tandis que nous nous attendons
une galit.

D'o le besoin d'introduire une relation d'quivalence qui nous permet d'identifier, pour
revenir l'exemple prcdent, . La relation R que nous avons dfinie ne tombe

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

pas
du ciel, en effet le lecteur qui a manipul les rationnels jusqu' prsent sans jamais avoir
vu leur dfinition formelle sait que :

(2.39)

Il est donc naturel de dfinir la relation R comme nous l'avons fait. En particulier, en ce qui
concerne l'exemple ci-dessus, car et le problme est rsolu.

Outre les circonstances historiques de sa mise en place, ce nouvel ensemble se distingue des
ensembles d'entiers relatifs car il induit la notion originale et paradoxale de quantit partielle.
Cette notion qui a priori n'a pas de sens, trouvera sa place dans l'esprit de l'homme notamment
grce la gomtrie o l'ide de fraction de longueur, de proportion s'illustre plus
intuitivement.

NOMBRES IRRATIONNELS

L'ensemble des rationnels est limit et non suffisant lui aussi. Effectivement, nous
pourrions penser que tout calcul mathmatique numrique avec les oprations communment
connues se rduisent cet ensemble mais ce n'est pas le cas.

Exemples :

E1. Prenons le calcul de la racine carre de deux que nous noterons . Supposons que
soit rationnel. Alors, nous devrions pouvoir l'exprimer comme a/b, o a et b sont des
entiers sans facteurs commun . Pour cette raison, a et b ne peuvent tous les deux tres pairs. Il
y a deux possibilits :

1. a est impair (b est alors pair)

2. a est pair (b est alors impair)

En mettant au carr, nous avons :

(2.40)

qui peut s'crire :

(2.41)

Puisque le carr d'un nombre impair est impair et le carr d'un nombre pair est pair, le cas (1)
est impossible, car serait impair et serait pair.

Le cas (2) est aussi est aussi impossible, car alors nous pourrions crire , o c est un
entier quelconque, et donc si nous le portons au carr on avons o nous avons un

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

nombre pair des deux cts de l'galit. En remplaant dans nous obtenons .
serait impair alors que serait pair. Il n'y a pas de solution; c'est donc que l'hypothse
de dpart est fausse et qu'il n'existe pas deux entiers a et b tels que .

E2. Dmontrons, aussi par l'absurde, que le fameux nombre d'Euler e est irrationnel. Pour
cela, rappelons que e (cf. chapitre d'Analyse Fonctionnelle) est peut aussi tre dfini par la
srie de Taylor (cf. chapitre sur les Suites Et Sries):

(2.42)

Alors si e est rationnel, il doit pouvoir s'crire sous la forme p/q (avec , car nous savons
que e n'est pas entier). Multiplions les deux cts de cts de l'galit par q! :

(2.43)

Le premier membre, q!e, est un entier, car, par dfinition :

(2.44)

d'o :

(2.45)

Les premiers termes du seconde membre, jusqu'au terme q!/q!=1 sont aussi des entiers (car
q!/m! se simplifie si q>m). Donc, par soustraction, nous trouvons :

(2.46)

devrait aussi tre un entier.

Aprs simplification, le second membre de l'galit devient :

(2.47)

le premier terme de cette somme est strictement infrieur 1/2, le deuxime infrieur 1/4, le
troisime infrieur 1/8, etc.

Donc, vu que chaque terme est strictement infrieur aux termes de la srie harmonique suivant
qui converge vers 1:

1/2+1/4+1/8+=1 (2.48)

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

Alors
par consquent, elle n'est pas un entier (tant strictement infrieur 1), ce qui constitue
une contradiction.

Ainsi, les nombres rationnels ne satisfont pas l'expression numrique de comme de e


(pour citer seulement deux exemples particuliers).

Il faut donc les complter par l'ensemble de tous les nombres qui ne peuvent s'crire sous
forme de fraction (rapport d'un dividende et d'un diviseur entiers sans facteurs communs) et
que nous appelons des "nombres irrationnels".

NOMBRES RELS

Dfinition: La runion des nombres rationnels et irrationnels donne "l'ensemble des nombres
rels".

Donc nous pouvons crire que :

(2.49)

Remarque: Les mathmaticiens dans leur rigueur habituelle ont diffrentes techniques
pour dfinir les nombres rels. Ils utilisent pour cela des proprits de la topologie (entre
autres) et en particulier les suites de Cauchy mais c'est une autre histoire qui dpasse le cadre
formel du prsent chapitre.

Nous sommes videmment amens nous poser la question si est dnombrable ou non. La
dmonstration est assez simple.

Dmonstration:

Par dfinition, nous avons vu plus haut qu'il doit y avoir une bijection entre et pour que
dire que soit dnombrable.

Pour simplifier, nous allons montrer que l'intervalle n'est alors pas dnombrable; ce qui
implique bien sr par extension que ne l'est pas.

Les lments de cet intervalle sont reprsents par des suites infinies entre 0 et 9 (dans le
systme dcimal) :

- Certaines de ces suites sont nulles partir d'un certain rang, d'autres non

- Nous pouvons donc identifier [0,1[ l'ensemble de toutes les suites (finies ou infinies)
d'entiers compris entre 0 et 9

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

n1

n2

n3

n4 ...

n5

n6




nk


(2.50)

Si cet ensemble tait dnombrable, nous pourrions les classer (avec une premire, une
deuxime, etc.). Ainsi, la serait classe premire et ainsi de suite

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

On
pourrait alors modifier cette matrice infinie de la manire suivante : a chaque lment de
la diagonale, rajouter 1, selon la rgle : 0+1=1, 1+1=2, 8+1=9 et 9+1=0

n1
+1

n2

+1

n3

+1

n4 ...

+1

n5

n6




nk


(2.51)

Alors considrons la suite infinie qui se trouve sur la diagonale :

- Elle ne peut tre gale la premire car elle s'en distingue au moins par le premier lment

- Elle ne peut tre gale la deuxime car elle s'en distingue au moins par le deuxime
lment

- Elle ne peut tre gale la troisime car elle s'en distingue au moins par le troisime lment

- et ainsi de suite

- Elle ne peut donc tre gale aucune des suites contenues dans ce tableau.

Donc, quel que soit le classement choisi des suites infinies de 09, il y en a toujours une qui
chappe ce classement! C'est donc qu'il est impossible de les numroter tout simplement
parce qu'elles ne forment pas un ensemble dnombrable.

C.Q.F.D.

La technique qui nous a permis d'arriver ce rsultat est connue sous le nom de "procd

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

diagonal
de Cantor" (car similaire celle utilise pour l'quipotence entre ensemble naturel et
rationnel) et l'ensemble des nombres rels est dit avoir "la puissance du continu" de par le fait
qu'il est indnombrable.

Remarque: Nous supposerons intuitif pour le lecteur que tout nombre rel peut tre
approch infiniment prs par un nombre rationnel (pour les nombres irrationnels il suffit de
s'arrter un nombre de dcimales donnes et d'en trouver le rationnel correspondant). Les
mathmaticiens disent alors que est "dense" dans et notent cela :

(2.52)

NOMBRES TRANSFINIS

Nous nous retrouvons donc avec un "infini" des nombres rels qui est diffrent de celui des
nombres naturels. Cantor osa alors ce que personne n'avait os depuis Aristote : la suite des
entiers positifs est infinie, l'ensemble , est donc un ensemble qui a une infinit d'lments,
alors il affirma que le cardinal (cf. chapitre de Thorie Des Ensembles) de cet ensemble tait
un nombre qui existait comme tel sans que l'on utilise le symbole fourre tout , il le nota:

(2.53)

Ce symbole est la premire lettre de l'alphabet hbreu, qui se prononce "aleph zro". Canton
allait appeler ce nombre trange, un nombre "transfini".

L'acte dcisif est d'affirmer qu'il y a, aprs le fini, un transfini, c'est--dire une chelle
illimite de modes dtermins qui par nature sont infinis, et qui cependant peuvent tres
prciss, tout comme le fini, par des nombres dtermins, bien dfinis et distinguables les uns
des autres !!

Aprs ce premier coup d'audace allant l'encontre de la plupart des ides reues depuis plus
de deux mille ans, Cantor allait poursuivre sa lance et tablir des rgles de calcul,
paradoxales premire vue, sur les nombres transfinis. Ces rgles se basaient, comme nous
l'avons dfini tout l'heure, sur le fait que deux ensembles infinis sont quivalent s'il existe
une bijection entre les deux ensembles.

Ainsi, nous pouvons facilement montrer que l'infini des nombres pairs est quivalent l'infini
des nombres entiers : pour cela, il suffit de montrer qu' chaque nombre entier, nous pouvons
associer un nombre pair, son double, et inversement.

Ainsi, mme si les nombres pairs sont inclus dans l'ensemble des nombres entiers, il y en a
une infinit gal, les deux ensembles sont quipotents. En affirmant qu'un ensemble peut
tre gale une de ses parties, Cantor va l'encontre ce qui semblait tre une vidence pour
Aristote et Euclide: l'ensemble de tous les ensembles est infini ! Cela va branler la totalit
des mathmatiques et va amener l'axiomatisation de Zermelo-Frankel que nous verrons en
thorie des ensembles.

A partir de ce qui prcde, Cantor tablit les rgles de calculs suivants sur les cardinaux:

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

(2.54)

Nous pouvons remarquer que ces rgles ne sont pas ncessairement intuitives.

A premire vue ces rgles semblent non intuitives mais en fait elles le sont bien. En effet,
Cantor dfinit l'addition de deux nombres transfinis (comme le cardinal de l'union disjointe
des ensembles correspondants.

Exemples:

E1. En notant donc le cardinal de nous avons qui est quivalent dire que
nous sommons le cardinal de union disjointe . Or union disjointe est quipotent
donc (il suffit pour s'en convaincre de prendre l'ensembles des entiers pairs
et impairs tout deux dnombrables dont l'union disjointe est dnombrable).

E2. Autre exemple trivial : correspond au cardinal de l'ensemble union un point. Ce


dernier ensemble est encore quipotent donc .

Nous verrons galement lors de notre tude de la thorie des ensembles que le concept de
produit cartsien de deux ensembles dnombrable est tel que nous ayons :

(2.55)

et donc :

(2.56)

De mme (cf. chapitre de Thorie Des Ensembles), puisque et en identifiant


(rapport d'un numrateur sur un dnominateur), nous pouvons aussi crire :

et (2.57)

Nous pouvons d'ailleurs dmontrer un nonc intressant : si nous considrons le cardinal de


l'ensemble de tous les cardinaux, il est ncessairement plus grand que tous les cardinaux, y
compris lui-mme (il vaut mieux avoir lu le chapitre de thorie des ensembles au pralable) !

A l'nonc : soit A un ensemble non vide. Alors o est


l'ensemble des parties de A .

C'est--dire par dfinition de la relation d'ordre < (strictement infrieur), qu'il faut montrer
qu'il n'existe pas d'application surjective , en d'autres termes qu' chaque
lment de l'ensemble des parties de A il ne correspond pas au moins une pr-image dans A.

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

Remarque: est par exemple constitu de l'ensemble des nombres impairs, pairs,
premiers, et l'ensemble des naturels, ainsi que l'ensemble vide lui-mme, etc. est d'onc
l'ensemble de toutes les "patates" possibles qui forment (pour emprunter le vocabulaire la
petite cole).

Dmonstration (par l'absurde):

L'ide maintenant est de supposer que nous pouvons numroter chacune des patates
avec au moins un lment de A (imaginez cela avec ). En d'autres termes que
est surjective et considrons un sous-ensemble de A tel :

(2.58)

c'est--dire l'ensemble d'lments x de A qui n'appartiennent pas l'ensemble numro x


(l'lment x n'appartient pas la patate qu'il numrote en d'autres termes).

Or, si f est surjective il existe alors un tel que :

(2.59)

Mais si alors et de par la dfinition de E nous avons alors et nous


avons donc une absurdit de par l'hypothse de la surjectivit!

C.Q.F.D.

NOMBRES COMPLEXES

Invents au 18me sicle entre autres par Jrme Cardan et Rafaello Bombelle, ces nombres
permettent de rsoudre des problmes n'ayant pas de solutions dans ainsi que de formaliser
mathmatiquement certaines transformations dans le plan tel que la rotation, la similitude, la
translation, etc. Pour les physiciens, les nombres complexes constituent surtout un moyen trs
commode de simplifier les notations. Il est ainsi trs difficile d'tudier les phnomnes
ondulatoires, la relativit gnrale ou la mcanique quantique sans recourir aux nombres et
expressions complexes.

Il existe plusieurs manires de construire les nombres complexes. La premire est typique de
la construction telle que les mathmaticiens en ont l'habitude dans le cadre de la thorie des
ensembles. Ils dfinissent un couple de nombres rels et dfinissent des oprations entre ces
couples pour arriver enfin une signification du concept de nombre complexe. La deuxime
est moins rigoureuse mais son approche est plus simple et consiste dfinir le nombre
imaginaire pur unitaire i et ensuite de construire les oprations arithmtiques partir de sa
dfinition. Nous allons opter pour cette deuxime mthode.

Dfinitions:

D1. Nous dfinissons le nombre imaginaire unitaire pur que nous notons i par la proprit
suivante :

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

(2.60)

D2. Un "nombre complexe" est un couple d'un nombre rel a et d'un nombre imaginaire ib et
s'crit gnralement sous la forme suivante :

z = a+ib (2.61)

a et b tant des nombres appartenant .

Nous notons l'ensemble des nombres complexes et avons donc par construction :

(2.62)

Remarque: L'ensemble est identifi au plan affine euclidien orient E (cf. chapitre de
Calcul Vectoriel) grce au choix d'une base orthonorme directe (nous obtenons ainsi le "plan
d'Argand-Cauchy" ou plus communment "plan de Gauss" que nous verrons un peu plus
loin).

L'ensemble des nombres complexes qui constitue un corps (cf. chapitre de Thorie Des
Ensembles), et not , est dfini (de manire simple pour commencer) par dans la notation
de la thorie des ensembles par :

(2.63)

En d'autres termes nous disons que le corps est le corps auquel nous avons "adjoint" le
nombre imaginaire i. Ce qui se note formellement :

L'addition et la multiplication de nombres complexes sont des oprations internes l'ensemble


des complexes (nous reviendrons beaucoup plus en dtail sur certaines proprits des nombres
complexes dans le chapitre traitant de la thorie des ensembles) et dfinies par:

(2.64)

La "partie relle" de z est traditionnellement note:

(2.65)

La "partie imaginaire" de z est note:

(2.66)

Le "conjugu" ou "conjugaison" de z est dfini par:

(2.67)

et est aussi parfois not (en particulier en physique quantique!).

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

A
partir d'un complexe et de son conjugu, il est possible de trouver ses parties relles et
imaginaires. Ce sont les relations videntes suivantes :

et (2.68)

Le "module" de z (ou "norme") reprsente la longueur par rapport au centre du plan de Gauss
(voir un peu plus bas ce qu'est le plan de Gauss) et est simplement calcul avec l'aide du
thorme de Pythagore:

(2.69)

Remarque: La notation pour le module n'est pas innocente puisque concide avec la
valeur absolue de z lorsque z est rel.

La division entres deux complexes se calcule comme:

(2.70)

L'inverse d'un complexe se calculant de faon similaire :

(2.71)

Nous pouvons aussi numrer 8 importantes proprits du module et du conjugu complexe:

P1. Nous affirmons que :

(2.72)

Dmonstration:

Par dfinition du module , pour que la somme soit nulle, la condition


ncessaire est que

C.Q.F.D.

P2. Nous affirmons que :

(2.73)

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

Dmonstration:

(2.74)

C.Q.F.D.

P3. Nous affirmons que :

(2.75)

Dmonstration:

Les deux ingalits ci-dessus peuvent s'crire:

(2.76)

donc quivalent respectivement :

(2.77)

qui sont triviales. Bien entendu si et seulement si avec le


mme type de raisonnement pour la partie imaginaire.

C.Q.F.D.

P4. Nous affirmons que :

et si (2.78)

Dmonstrations:

(2.79)

et:

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

(2.80)

C.Q.F.D.

P5. Nous affirmons que :

(2.81)

Dmonstration:

(2.82)

C.Q.F.D.

P6. Nous affirmons que :

(2.83)

Dmonstrations:

(2.84)

et :

(2.85)

et :

(2.86)

C.Q.F.D.

Remarques:

R1. En des termes mathmatiques, la premire dmonstration permet de montrer que la


conjugaison complexe est ce que l'on appelle "involutive" (dans le sens qu'elle ne fait rien
voluer...)

R2. En des termes tout aussi mathmatiques (ce n'est que du vocabulaire!), la deuxime
dmonstration montre que la conjugaison de la somme de deux nombres complexes est ce que

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

nous appelons un "automorphisme du groupe" (cf. chapitre de Thorie Des


Ensembles).

R3. Encore une fois, pour le vocabulaire..., la troisime dmonstration montre que la
conjugaison du produit de deux nombres complexes est ce que nous appelons un
"automorphisme du corps" (cf. chapitre de Thorie Des Ensembles).

P7. Nous affirmons que :

(2.87)

Nous nous restreindrons la dmonstration de la seconde relation qui est un cas gnral de la
premire (pour ).

Dmonstration:

(2.88)

C.Q.F.D.

P8. Nous avons :

(2.89)

pour tous complexes . De plus l'galit a lieu si et seulement si et sont colinaires


(les vecteurs sont "sur la mme droite") et de mme sens, autrement dit .... s'il existe
tel que ou .

Dmonstration:

(2.90)

A priori cette ingalit peut ne pas paratre vident tout le monde alors dveloppons un peu
et supposons-la vraie:

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

(2.91)

Aprs simplification:

(2.92)

et encore aprs simplification:

(2.93)

Cette dernire relation dmontre donc que l'ingalit est vraie.

C.Q.F.D.

Remarque: Il existe une forme plus gnrale de cette ingalit appele "ingalit de
Minkowski" prsente dans le chapitre de calcul vectoriel (les nombres complexes peuvent
effectivement s'crire sous la forme de vecteurs comme nous allons le voir de suite.

INTERPRTATION GOMTRIQUE

Nous pouvons aussi reprsenter un nombre complexe ou dans un plan dlimit


par deux axes (deux dimensions) de longueur infinie et orthogonaux entres eux. L'axe vertical
reprsentant la partie imaginaire d'un nombre complexe et l'axe horizontal la partie relle
(voir figure ci-aprs).

On nomme parfois ce type de reprsentation "plan de Gauss".

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

Nous voyons sur ce diagramme qu'un nombre complexe a donc une interprtation vectorielle
(cf. chapitre de Calcul Vectoriel) donne par :

(2.94)

o est le vecteur de la base unitaire relle port par l'axe et est le vecteur de la

base unitaire relle port par l'axe .

Ceci est compar avec le un vecteur du plan habituel :

(2.95)

Par ailleurs, la dfinition du cosinus et sinus (cf. chapitre de Trigonomtrie) nous donne :

(2.96)

Finalement :

(2.97)

Ainsi :

(2.98)

complexe qui est toujours gal la lui-mme modulo de par les proprits des fonctions

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

trigonomtriques
:

(2.99)

avec et o est appel "l'argument de z" et est not traditionnellement :

Les proprits du cosinus et du sinus (cf. chapitre de Trigonomtrie) nous amnent


directement crire pour l'argument :

et (2.100)

Nous dmontrons entre autres avec les sries de Taylor (cf. chapitre des Suites Et Sries) que :

(2.101)

et:

(2.102)

dont la somme est semblable :

(2.103)

mais par contre parfaitement identique au dveloppement de Taylor de :

(2.104)

Donc finalement, nous pouvons crire :

(2.105)

relation nomme "formule d'Euler".

Grce la forme exponentielle d'un nombre complexe (trs frquemment utilise en physique
et lectrotechnique) nous pouvons trs facilement tirer des relations telles que :

(2.106)

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

et en supposant connues les relations trigonomtriques de bases (cf. chapitre de


Trigonomtrie) nous avons les relations suivantes pour la multiplication de deux nombres
complexes :

(2.107)

ds lors :

(2.108)

et donc :

(2.109)

Pour le module de la multiplication :

(2.110)

d'o :

(2.111)

Pour la division de deux nombres complexes :

(2.112)

Le module de leur division vient alors immdiatement :

(2.113)

ds lors nous avons pour l'argument :

(2.114)

ainsi il vient immdiatement :

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

(2.115)

Pour la mise en puissance d'un nombre complexe (ou la racine):

(2.116)

ce qui nous donne immdiatement :

(2.117)

et pour l'argument :

(2.118)

Dans le cas o nous avons un module unit tel que nous avons alors la
relation :

(2.119)

appele "formule de Moivre".

Pour le logarithme nprien:

(2.120)

Toutes les relations prcdentes pourraient bien sr tre obtenues avec la forme
trigonomtrique des nombres complexes mais ncessiteraient alors quelques lignes
supplmentaires de dveloppements.

Remarque: Une variation sinusodale peut tre reprsente comme la


projection (cf. chapitre de Trigonomtrie) sur l'axe vertical (axe des imaginaires de
l'ensemble ) d'un vecteur tournant vitesse angulaire autour de l'origine dans le plan
:

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

Un
tel vecteur tournant s'appelle "vecteur de Fresnel" et peut trs bien tre interprt comme
la partie imaginaire d'un nombre complexe donn par :

(2.121)

Nous retrouverons les vecteurs tournants de faon explicite lors de notre tude de la
mcanique ondulatoire et optique gomtrique (dans le cadre de la diffraction).

TRANSFORMATIONS DANS LE PLAN

Il est habituel de reprsenter les nombres rels comme points d'une droite gradue. Les
oprations algbriques y ont leur interprtation gomtrique: l'addition est une translation, la
multiplication une homothtie centre l'origine.

En particulier nous pouvons parler de la "racine carre d'une transformation". Une translation
d'amplitude a peut tre obtenue comme l'itration d'une translation d'amplitude a/2. De mme
une homothtie de rapport a peut tre obtenue comme l'itre d'une homothtie de rapport
. En particulier une homothtie de rapport 9 est la compose de deux homothties de
rapport 3 ( ou -3).

La racine carre prend alors un sens gomtrique. Mais qu'en est-il de la racine carre de
nombres ngatifs? En particulier la racine carre de -1?

Une homothtie de rapport -1 peut tre vue comme une symtrie par rapport l'origine;
toutefois si nous voulons voir cette transformation d'une manire continue, force nous est de
placer la droite dans un plan. Ds lors une homothtie de rapport -1 peut tre vue comme une
rotation de radians autour de l'origine.

Du coup, le problme de la racine carre se simplifie. En effet il n'est gure difficile de


dcomposer une rotation de radians en deux transformations: nous pouvons rpter soit une
rotation de soit une rotation de . L'image de 1 sera la racine carre de -1 et i est
situe sur une perpendiculaire l'origine une distance 1 soit vers le haut soit vers le bas.

Ayant russi positionner le nombre i il n'est plus gure difficile de disposer les autres
nombres complexes dans un plan de Gauss. Nous pouvons ainsi associer le produit de
l'homothtie (cf. chapitre de Gomtrie Euclidienne) de rapport 2 par la rotation de centre O
et d'angle , soit une similitude centre l'origine. C'est ce que nous allons nous efforcer
montrer maintenant.

Soient :

(2.122)

et .

Nous avons les proprits de transformations gomtriques suivantes pour les nombres
complexes (voir le chapitre de Trigonomtrie pour les proprits du sinus et cosinus) que nous
pouvons joyeusement combiner selon notre bon vouloir :

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

La multiplication de
P1. par un rel dans le plan de Gauss correspond (trivial) une
homothtie (agrandissement) de centre O (l'intersection des axes imaginaires et rels), de
rapport .

Dmonstration :

(2.123)

C.Q.F.D.

P2. La multiplication de par un nombre complexe de module unitaire :

(2.124)

correspond une rotation de centre O et d'angle du complexe .

Dmonstration:

(2.125)

C.Q.F.D.

Remarque: Nous voyons alors immdiatement, par exemple, que multiplier un nombre
complexe par i (c'est--dire ) correspond une rotation de .

Il est intressant d'observer que sous forme vectorielle la rotation de centre O de par peut
s'crire l'aide de la matrice suivante :

(2.126)

Dmonstration:

Nous savons que est une rotation de centre O et d'angle . Il suffit de l'crire
l'ancienne :

(2.127)

ce qui donne sous forme vectorielle :

(2.128)

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

donc
l'application linaire est :

(2.129)

ou encore (nous retombons sur la matrice de rotation dans le plan que nous avons dans le
chapitre de gomtrie euclidienne ce qui est un rsultat remarquable!) :

(2.130)

Remarquons que la matrice de rotation peut aussi s'crire sous la forme :

(2.131)

de mme :

(2.132)

C.Q.F.D.

Ainsi nous remarquons que ces matrices de rotation ne sont pas que des applications mais sont
des nombres complexes aussi (bon c'tait vident ds le dbut mais fallait le montrer de
manire esthtique et simple).

Ainsi, nous avons pour habitude de poser en analyse complexe que :

(2.133)

Le corps des nombres complexes est donc isomorphe au corps des matrices relles carres de
dimension 2. C'est un rsultat que nous rutiliserons de nombreuses fois dans divers chapitres
de ce site pour des tudes particulires en algbre, gomtrie et en physique quantique
relativiste.

P3. La multiplication de deux complexes correspond une homothtie ajoute d'une rotation.
En d'autres termes, d'une "similitude directe".

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

Dmonstration:

(2.134)

il s'agit donc bien d'une similitude de rapport a et d'angle .

C.Q.F.D.

Au contrait, l'opration suivante :

(2.135)

sera appele une "similitude linaire rtrograde".

Par ailleurs, il en retourne trivialement que :

(2.136)

Remarques:

R1. La somme de deux nombres complexes ne pouvant avoir une criture


mathmatique simplifie sous quelque forme que ce soit, nous disons alors que la somme
quivaut une "translation d'amplitude".

R2. La combinaison d'une similitude linaire (multiplication de deux nombres complexes)


directe et d'une translation d'amplitude (sommation par un troisime nombre complexe)
correspond ce que nous appelons une "similitude linaire directe".

P4. Le conjugu d'un nombre complexe est gomtriquement son symtrique par rapport
l'axe tel que :

(2.137)

sans oublier que . Ce qui nous donne :

(2.138)

D'o nous pouvons tirer la proprit suivante :

(2.139)

P5. La ngation du conjugu d'un nombre complexe est gomtriquement son symtrique par
rapport l'axe des imaginaires tel que :

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

(2.140)

Remarques:

R1. La combinaison de P4, P5 est appele une "similitude rtrograde".

R2. L'opration gomtrique qui consiste prendre l'inverse du conjugu d'un nombre
complexe (soit est appel une "inversion de ple".

P6. La rotation de centre c et d'angle est donne par :

(2.141)

Explication : le complexe c donne un point dans le plan de Gauss. La diffrence ,


choisie pour que la rotation se fasse dans le sens des aiguilles d'une montre lorsque
(sinon on prend ), donne le rayon du cercle. La multiplication par , la rotation du
rayon par rapport l'origine du plan de Gauss. Finalement, l'addition par c la translation
ncessaire pour ramener le rayon r tourn l'origine du centre c.

Sur la mme ide, nous obtenons une homothtie de centre c, de rapport par l'opration :

(2.142)

Explication : La diffrence donne toujours le rayon r et c un point dans le centre de


Gauss. donne l'homothtie du rayon par rapport l'origine du plan de Gauss et
finalement l'addition par c la translation ncessaire pour que l'homothtie soit vue comme
tant faite de centre c.

NOMBRES QUATERNIONS

Appels aussi "hypercomplexes", ces nombres ont t invents en 1843 par William Rowan
Hamilton pour gnraliser les nombres complexes.

Dfinition: Un quaternion est un lment et dont nous notons l'ensemble


qui le contient et que nous appelons "ensemble des quaternions".

Un "quaternion" peut aussi bien tre reprsent en ligne ou en colonne tel que :

(2.143)

Nous dfinissons la somme de deux quaternions (a,b,c,d) et (a',b',c',d') par :

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

(2.144)

Il est vident (du moins nous l'esprons pour le lecteur) que est un groupe commutatif
(cf. chapitre de Thorie Des Ensembles), d'lment neutre (0,0,0,0), l'oppos d'un lment
(a,b,c,d) tant (-a,-b,-c,-d)

Remarque: C'est l'addition naturelle dans vu comme -espace vectoriel (cf. chapitre
de Thorie Des Ensembles).

L'associativit se vrifie en appliquant les proprits correspondantes des oprations sur .

Nous dfinissons galement la multiplication de deux quaternions


(a,b,c,d) et (a',b',c',d') par l'expression :

(2.145)

Nous pouvons remarquer que la loi de multiplication n'est pas commutative. Effectivement :

(2.146)

Mais nous pouvons remarquer que :

(2.147)

Remarque: La loi de multiplication est distributive avec la loi d'addition mais c'est un
excellent exemple o il faut quand mme prendre garde dmontrer la distributivit gauche
et droite, puisque le produit n'est pas commutatif !

La multiplication pour lment neutre (1,0,0,0). Effectivement :

(2.148)

Tout lment est inversible. En effet, si (a,b,c,d) est un


quaternion non nul, nous avons alors ncessairement (sinon les quatre
nombres a,b,c,d sont de carr nul, donc tous nuls). Soit alors le quaternion
dfini par :

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

(2.149)

En appliquant machinalement la dfinition de la multiplication des quaternions, nous vrifions


que :

(2.150)

Montrons (pour la culture gnrale), mme si c'est un travail trs facile faire soi-mme, que
le corps des complexes est un sous-corps de .

Remarque: Nous aurions pu mettre cette dmonstration dans le chapitre de thorie des
ensembles car nous faisons usage de beaucoup de concepts qui y sont vus mais il nous a
sembl un peu plus pertinent de la mettre ici.

Soit l'ensemble des quaternions de la forme (a,b,0,0). est non vide, et si (a,b,0,0),
(a',b',0,0) sont des lments de . Effectivement :

P1. Pour la soustraction :

(2.151)

P2. La multiplication :

(2.152)

P3. L'lment neutre :

(2.153)

P4. Et finalement l'inverse :

(2.154)

de (a,b,0,0) est encore dans

Donc est un sous-corps de . Soit alors l'application :

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

(2.155)

f est bijective, et nous vrifions aisment que pour tous complexes , nous avons :

(2.156)

Donc f est un isomorphisme de sur .

Cet isomorphisme a pour intrt (provoqu) d'identifier et d'crire , les lois


d'addition et de soustraction sur prolongeant les oprations dj connues sur .

Ainsi, par convention, nous crirons tout lment de (a,b,0,0) de sous la forme complexe
a+ib. En particulier 0 est l'lment (0,0,0,0), 1 l'lment (1,0,0,0) et i l'lment (0,1,0,0).

Nous notons par analogie et extension j l'lment (0,0,1,0) et k l'lment (0,0,0,1). La famille
forme une base de l'ensemble des quaternions vu comme un espace vectoriel sur .,
et nous crirons ainsi le quaternion (a,b,c,d).

La notation des quaternions sous forme dfinie avant est parfaitement adapte l'opration de
multiplication. Pour le produit de deux quaternions nous obtenons en dveloppant
l'expression :

(2.157)

16 termes que nous devons identifier la dfinition d'origine de la multiplication des


quaternions pour obtenir les relations suivantes :

(2.158)

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

Ce qui peut se rsumer dans un tableau :

1 i j k
1 1 i j k
-
i i k -j
1
- -
j j i
k 1
-
k k j -i
1
(2.159)

Nous pouvons constater que l'expression de la multiplication de deux quaternions ressemble


en partie beaucoup un produit vectoriel (not sur ce site) et scalaire (not sur ce site) :

(2.160)

Si ce n'est pas vident (ce qui serait tout fait comprhensible), faisons un exemple concret.

Exemple :

Soient deux quaternions sans partie relle :

(2.161)

et les vecteurs de de coordonnes respectives (x,y,z) et (x',y',z'). Alors le produit :

(2.162)

est :

Nous pouvons aussi par curiosit nous intresser au cas gnral. Soient deux quaternions :

(2.163)

Nous avons alors :

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

(2.164)

Dfinition: Le centre du corps non-commutatif est l'ensemble des lments de


commutant pour la loi de multiplication avec tous les lments de .

Nous allons montrer que le centre de est l'ensemble des rels : soit le centre de
, et (x,y,z,t) un quaternion. Nous devons avoir les conditions suivantes qui soient
satisfaites :

Soit alors pour tout nous cherchons :

(2.165)

en dveloppant :

(2.166)

aprs simplification (la premire du systme prcdent est nulle des deux cts de l'galit) :

(2.167)

la rsolution de ce systme, nous donne .

Donc pour que le quaternion (x,y,z,t) soit le centre de il doit tre rel (sans parties
imaginaires). Au mme titre que pour les nombres complexes, nous pouvons dfinir un
conjugu des quaternions :

Dfinition: Le conjugu d'un quaternion est le quaternion

Au mme titre que pour les complexes, nous remarquons que :

1. D'abord de manire vidente que si alors cela signifie que .

2. Que

3. Qu'en dveloppant le produit nous avons :

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

(2.168)

que nous adopterons, par analogie avec les nombres complexes, comme une dfinition de la
norme (ou module) des quaternions tel que :

(2.169)

Remarque: Ds lors

Comme pour les nombres complexes (voir plus loin), il est ais de montrer que la conjugaison
est un automorphisme du groupe . C'est--dire que :

P1. Soient et alors :

(2.170)

Ainsi qu'elle est involutive :

P2. Soient alors :

(2.171)

La conjugaison n'est par contre pas un automorphisme multiplicatif du corps . En


effet, si nous considrons la multiplication de et en prenons le conjugu :

(2.172)

nous voyons immdiatement que cela ne correspond pas :

(2.173)

Revenons maintenant sur notre norme (ou module). Calculons le carr de la norme de :

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

(2.174)

Nous savons (par dfinition) que :

(2.175)

notons ce produit de manire telle que . Nous avons alors :

(2.176)

en substituant il vient :

(2.177)

aprs un dveloppement algbrique lmentaire (honntement ennuyeux), nous trouvons :

(2.178)

Donc :

(2.179)

Remarque: La norme est donc un homomorphisme de dans . Par la suite,


nous noterons G l'ensemble des quaternions de norme 1.

INTERPRETATION MATRICIELLE

Soit q un quaternion donn, soit l'application . La multiplication ( gauche) peut


tre faite avec une application linaire (cf. chapitre d'Algbre Linaire) sur . Si q s'crit
, cette application a pour matrice, dans la base :

(2.180)

Ainsi :

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

(2.181)

En fait, nous pouvons alors dfinir les quaternions comme l'ensemble des matrices de cette
forme si nous le voulions. Cela les rduirait alors un sous espace vectoriel de .

En particulier, la matrice de 1 (la partie relle du quaternion) n'est alors rien d'autre que la
matrice de l'identit :

(2.182)

de mme :

(2.183)

A la matrice dfinie avant, les mathmaticiens lui prfrent cependant la suivante (car
quelques petits changements que nous allons voir de suite permettent d'obtenir un rsultat
remarquable) :

(2.184)

Remarque: Pour cette matrice aussi nous pouvons associer des matrices
propres selon le mme principe que prcdemment.

Ainsi deux quaternions q et q' peuvent tre somms, respectivement multiplis par leur
matrice reprsentative (d'ailleurs cela fonctionne aussi avec celle dfinie prcdemment)!

Avec cette quivalence, la somme et le produit de deux quaternions correspondent


respectivement la somme et au produit des matrices qui leur correspondent.

En nous rappelant lors de notre tude des nombres complexes que :

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

(2.185)

La matrice prcdente peut s'crire :

(2.186)

La matrice complexe prcdente peut alors s'crire sous la forme :

(2.187)

o les 4 matrices :

(2.188)

sont les matrices complexes qui correspondent aux quatre quaternions-units 1, i, j et k


voques dans la premire dfinition des quaternions et nous vrifions avec ces matrices
aisment que le table suivante est toujours vrifie ! :

1 i j k
1 1 i j k
-
i i k -j
1
- -
j j i
k 1
-
k k j -i
1
(2.189)

ROTATIONS

Nous allons maintenant voir que la conjugaison par un lment du groupe G (quaternion de
norme 1) peut s'interprter comme une rotation dans l'espace !

Dfinition: La "conjugaison" par un quaternion q non nul et de norme unit est l'application
dfinie sur par :

(2.190)

et nous affirmons que cette application est une rotation.

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

Remarques:

R1. Comme q est de norme 1, nous avons bien videmment donc . Ce


quaternion peut tre vu comme la valeur propre (unitaire) de l'application (matricielle) p sur le
vecteur (on se retrouve avec un concept en tout point similaire aux matrices orthogonales
de rotation vues en algbre linaire).

R2. est une application linaire (donc si c'est bien une rotation, la rotation peut tre
dcompose en plusieurs rotations). Effectivement, prenons deux quaternions et
des rels, alors nous avons :

(2.191)

Vrifions maintenant que l'application est bien une rotation. Comme nous l'avons vu lors de
notre tude de l'algbre linaires et en particulier les matrices orthogonales (cf. chapitre
d'Algbre Linaire), une condition est que l'application conserve la norme.

Vrifions :

(2.192)

Par ailleurs, nous pouvons vrifier qu'une rotation d'un quaternion purement complexe (tel
qu'alors nous nous restreignons ) et la mme rotation inverse sommes est nul (le vecteur
somm son oppos s'annulent) :

(2.193)

nous vrifions trivialement que si nous avons deux quaternions q,p alors ds
lors :

(2.194)

pour que cette opration soit nulle, nous voyons immdiatement que nous devons restreindre
p aux quaternions purement complexes. Ds lors :

(2.195)

Nous en dduisons alors que p doit tre purement complexe pour que l'application soit une
rotation et que est un quaternion pur. En d'autres termes, cette application est stable
(en d'autres termes : un quaternion pur par cette application reste un quaternion pur).

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

restreint l'ensemble des quaternions est donc une isomtrie vectorielle, c'est--dire une
symtrie ou une rotation.

Nous avons vu galement lors de notre tude des matrices de rotation dans le chapitre
d'algbre linaires que l'application A devait tre de dterminant 1 pour que nous ayons une
rotation. Voyons si c'est le cas de :

Pour cela, nous calculons explicitement en fonction de la matrice (dans la


base canonique ) de et nous en calculons le dterminant. Ainsi, nous obtenons les
coefficients des colonnes de A en se rappelant que :

(2.196)

et ensuite en calculant :

(2.197)

Il faut alors calculer le dterminant de la matrice (pfff) :

(2.198)

en se souvenant que et nous trouvons que le dterminant vaut bien 1.

Montrons maintenant que cette rotation est un demi-tour d'axe (l'exemple qui peut sembler
particulier est gnral!) :

D'abord, si nous avons :

(2.199)

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

qui signifie que l'axe de rotation (x, y, z) est fix par l'application
ce elle-mme !

D'autre part, nous avons vu que si q est un quaternion purement complexe de norme 1 alors
et aussi . Ce qui nous donne la relation . Ce
rsultat nous amne calculer la rotation d'une rotation :

(2.200)

Conclusion : Puisque la rotation d'une rotation est un tour complet, alors est
ncessairement un demi-tour par rapport (!) l'axe (x, y, z).

A ce stade, nous pouvons affirmer que toute rotation de l'espace peut se reprsenter par (la
conjugaison par un quaternion q de norme 1). En effet, les demi-tours engendrent le groupe
des rotations, c'est--dire que toute rotation peut s'exprimer comme le produit d'un nombre
fini de demi-tours, et donc comme la conjugaison par un produit de quaternions de norme 1
(produit qui est lui-mme un quaternion de norme 1, )

Nous allons tout de mme donner une forme explicite reliant une rotation et le quaternion qui
la reprsente, au mme titre que nous l'avons fait pour les nombres complexes.

Soit un vecteur unitaire et un angle. Alors nous affirmons que la


rotation d'axe et d'angle correspondant l'application , o q est le quaternion :

(2.201)

Pour que cette affirmation soit vrifie, nous savons qu'il faut que : la norme de q soit
unitaire, le dterminant de l'application soit gal l'unit, que l'application conserve la
norme, que l'application renvoie tout vecteur colinaire l'axe de rotation sur l'axe de
rotation.

1. La norme du quaternion propos prcdemment vaut effectivement 1 :

(2.202)

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

2.
Le fait que q soit un quaternion de norme 1 amne immdiatement ce que le dterminant
de l'application soit unitaire. Nous l'avons dj montr plus haut dans le cas gnral de
n'importe que quaternion de norme 1 (condition ncessaire et suffisante.

3. Il en est de mme pour la conservation de la norme. Nous avons dj montr plus haut que
c'tait de toute faon le cas ds que le quaternion q tait de norme 1 (condition ncessaire et
suffisante).

4. Voyons maintenant que tout vecteur colinaire l'axe de rotation est projet sur l'axe de
rotation. Notons q' le quaternion purement imaginaire et unitaire . Nous avons
alors :

(2.203)

Alors mais comme q' est la restriction de q ces lments purs qui le
constituent, cela revient crire .

Montrons maintenant le choix de l'criture . Si dsigne un vecteur unitaire


orthogonal (perpendiculaire l'axe de rotation donc), et p le quaternion
alors nous avons :

(2.204)

Nous avons montr lors de la dfinition de la multiplication de deux quaternions que


. Nous obtenons alors :

(2.205)

Nous avons galement montr que (le demi-tour d'axe (x, y, z)). Donc :

(2.206)

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

Remarque: Nous commenons entrevoir ici dj l'utilit d'avoir crit ds le dbut


pour l'angle.

Nous savons que p est le quaternion pur assimil un vecteur unitaire orthogonal l'axe de
rotation , lui-mme assimil la partie purement imaginaire de q'. Nous remarquons alors
de suite que la partie imaginaire du produit (dfini!) des quaternions est alors gal au
produit vectoriel . Ce produit vectoriel engendre donc un vecteur perpendiculaire
et donc .

Le couple forme donc un plan perpendiculaire l'axe de rotation (c'est comme pour
les nombres complexes simples dans lequel nous avons le plan de Gauss et
perpendiculairement celui-ci un axe de rotation!).

Alors finalement :

(2.207)

Nous nous retrouvons avec une rotation dans le plan identique celle prsente plus haut avec
les nombres complexes normaux dans le plan de Gauss.

Nous savons donc maintenant comment faire n'importe quel type de rotation dans l'espace en
une seule opration mathmatique et ce en plus par rapport un libre choix de l'axe !

Nous pouvons aussi maintenant mieux comprendre pourquoi l'algbre des quaternions n'est
pas commutative. Effectivement, les rotations vectorielles du plan sont commutatives mais
celles de l'espace ne le sont pas comme nous le montre l'exemple ci-dessous :

Soit la configuration initiale :

(2.208)

Alors une rotation autour de l'axe X suivie d'une rotation autour de l'axe Y :

(2.209)

n'est pas gale une rotation autour de l'axe Y suivie d'une rotation autour de l'axe X :

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

(2.210)

Les rsultats obtenus seront fondamentaux pour notre comprhension des spineurs (voir
chapitre du mme nom) !

NOMBRES ALGBRIQUES ET TRANSCENDANTS

Dfinition: Nous appelons "nombre algbrique", tout nombre qui est solution d'une quation
algbrique, savoir un polynme (concept que nous aborderons dans la section d'Algbre)
dont les coefficients sont des entiers relatifs et non nuls.

Un rsultat intressant (curiosit de mathmatique) est qu'un nombre rationnel est un nombre
algbrique si et seulement si c'est un entier relatif (lisez plusieurs fois au besoin).

Remarque: En termes savants, nous disons que l'anneau est "intgralement clos".

Dmonstration:

Nous supposons que le nombre p/q, o p et q sont deux entiers premiers entre eux (c'est--dire
dont le rapport ne donne pas un entier), est une racine du polynme (cf. chapitre de Calcul
Algbrique):

(2.211)

o l'galit avec zro du polynme est implicite.

Dans ce cas:

(2.212)

Puisque les coefficients sont tous entiers et leurs multiples aussi dans la paranthse, alors la
paranthse une valeur dans .

Ainsi, q ( droite de la paranthse) divise une puissance de p ( gauche de l'galit), ce qui


n'est possible, dans l'ensemble (car notre paranthse a une valeur dans cet ensemble), que
si q vaut (puisqu'ils taient premiers entre eux).

Rciproquement, tout entier relatif est videmment un entier algbrique.

C.Q.F.D.

Par extension (si nous pouvons parler ainsi...), tout nombre rationnel est algbrique, car le

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

quotient
p/q de 2 entiers est racine de l'quation :

Les nombres qui ne sont pas algbriques sont transcendants. Les transcendants sont donc
beaucoup plus nombreux que les algbriques.

Nous avons aussi nombre rel (et irrationnel) qui est algbrique, car il est racine de:

et le nombre complexe i est algbrique, car il est racine de l'quation:

etc...

Remarque: Les transcendants les plus connus sont et . Les dmonstrations de leur
transcendance est en cours de rdaction. Nous devrions pouvoir vous les fournir fin 2010.

NOMBRES ABSTRAITS

Le nombre peut tre envisag en faisant abstraction de la nature des objets qui constituent le
groupement qu'il caractrise; et ainsi qu' la faon de codifier (chiffre arabe, romain, ou autre
systme universel) on dit alors que le nombre est "abstrait".

Remarque: Arbitrairement, l'tre humain a adopt un systme numrique majoritairement


utilis de par le monde et reprsent par les symboles 1, 2, 3, 4, 5, 7, 8, 9 du systme dcimal
et qui seront supposs connus aussi bien en criture qu'oralement par le lecteur (apprentissage
du langage).

Pour les mathmaticiens, il n'est pas avantageux de travailler avec ces symboles car ils
reprsentent uniquement des cas particuliers. Ce que cherchent les physiciens thoriciens ainsi
que les mathmaticiens, se sont des relations applicables universellement dans un cas gnral
et que les ingnieurs puissent en fonction de leurs besoins changer ces nombres abstraits par
les valeurs numriques qui correspondent au problme qu'ils ont besoin de rsoudre.

Ces nombres abstraits appels aujourd'hui communment "variables" ou "inconnues" sont trs
souvent reprsents par:

1. L'alphabet latin :

a, b, c, d, e...x, y, z ; A, B, C, D, E... (2.213)

Remarque: Les lettres minuscules du dbut l'alphabet latin (a, b, c, d, e...) sont souvent
utilises pour reprsenter de manire abstraite des constantes, alors que les lettres minuscules
de la fin de l'alphabet latin (...x, y, z) sont utilises pour reprsenter des entits (variables ou

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

inconnues)
dont nous recherchons la valeur.

2. L'alphabet grec :
Alpha Lambda
Beta Mu
Gamma Nu
Delta Xi
Epsilon Omicron
Zeta Pi
Eta Rho
Theta Sigma
Iota Tau
Kappa Upsilon
Phi Chi
Psi Omega
(2.214)

Remarque: Cet alphabet est particulirement utilis pour reprsenter soit des oprateurs
mathmatiques plus ou moins complexes (comme la somme indexe , le variationnel ,
l'lment infinitsimal , le diffrentiel partiel , etc.) soit des variables dans le domaine de la
physique (comme pour la pulsation, la frquence v, la densit , etc.).

3. L'alphabet hbraque ( moindre mesure)

Remarque: Comme nous l'avons vu, les nombres transfinis sont par exemples donns par
la lettre "aleph".

Bien que ces symboles puissent reprsenter n'importe quel nombre il en existe quelques uns
qui peuvent reprsenter en physique des valeurs dites "constantes Universelles" comme la
vitesse de la lumire c, la constante gravitationnelle G, la constante de Planck h etc.

Nous utilisons trs souvent encore d'autres symboles que nous introduirons et dfinirons au
fur et mesure.

Remarque: Les lettres pour reprsenter les nombres ont t employes pour la premire
fois par Vite.

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

DOMAINES
DE DFINITION

Une variable est un nombre abstrait susceptible de prendre des valeurs numriques
diffrentes. L'ensemble de ces valeurs peut varier suivant le caractre du problme considr.

Dfinitions:

D1. Nous appelons "domaine de dfinition" d'une variable, l'ensemble des valeurs numriques
qu'elle est susceptible de prendre entre deux valeurs finies ou infinies appeles "bornes".

Soit a et b deux nombres tel que . Alors :

D2. Nous appelons "intervalle ferm d'extrmit a et b", l'ensemble de tous les nombres x
compris entre ces deux valeurs comprises et nous le dsignons de la faon suivante :

(2.215)

D3. Nous appelons "intervalle ouvert d'extrmit a et b", l'ensemble de tous les nombres x
compris entre ces deux valeurs non comprises et nous le dsignons de la faon suivante:

(2.216)

D4. Nous appelons "intervalle ferm gauche, ouvert droite" la relation suivante :

(2.217)

D5. Nous appelons "intervalle ouvert gauche, ferm droite" la relation suivante :

(2.218)

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

Soit
sous forme rsume et image:

[a ; b] Intervalle ferm born


Intervalle born semi-ferm en a
et semi-ouvert en b (ou semi-
[a ; b[
ferm gauche et semi-ouvert
droite)
Intervalle born semi-ouvert en a
et semi-ferm en b (ou semi-
]a ; b]
ouvert gauche et semi-ferm
droite)
]a ; b[ Intervalle ouvert born.

Intervalle non born ferm en b


]- ; b]
(ou ferm droite)
Intervalle non born ouvert en b
]- ; b[
(ou ouvert droite)
Intervalle non born ferm en a
[a ; + [
(ou ferm gauche)
Intervalle non born ouvert en a
]a ; + [
(ou ouvert gauche)

Remarques:

R1. La notation {x tels que } dsigne l'ensemble des rels x tels que
(sous-entendu qui sont strictement plus grand que a et strictement infrieur b).

R2. Le fait de dire qu'un intervalle est par exemple ouvert en b signifie que le rel b ne fait
pas partie de celui-ci. Par contre, s'il y avait t ferm alors il en aurait fait partie.

R3. Si la variable peut prendre toutes les valeurs ngatives et positives possibles nous
crivons ds lors: o le symbole " " signifie une "infinit". Evidemment il peut y
avoir des combinaisons d'intervalles ouverts et infinis droite, ferm et limit gauche et
rciproquement.

R4. Nous rappellerons ces concepts avec une autre approche lorsque nous tudierons l'algbre
(calcul littral).

Nous disons que la variable x est "ordonne" si en reprsentant son domaine de dfinition par
un axe horizontal o chaque point de l'axe reprsente une valeur de x, alors que pour chaque
couple de de valeurs, nous pouvons indiquer celle qui est "antcdente" (qui prcde) et celle
qui est "consquente" (qui suit). Ici la notion d'antcdente ou de consquente n'est pas lie au
temps, elle exprime juste la faon d'ordonner les valeurs de la variable.

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

Dfinitions:

D1. Une variable est dite "croissante" si chaque valeur consquente est plus grande que
chaque valeur antcdente.

D2. Une variable est dite "dcroissante" si chaque valeur consquente est plus petite que
chaque valeur antcdente.

D3. Les variables croissantes et les variables dcroissantes sont appeles "variables
variations monotones" ou simplement "variables monotones".

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

3. OPRATEURS ARITHMTIQUES

P arler des nombres comme nous l'avons fait dans le chapitre prcdent amne
naturellement considrer les oprations de calculs. Il est donc logique que nous fassions une
description non exhaustive des oprations qui peuvent exister entre les nombres. Ce sera
l'objectif de ce chapitre.

Nous considrerons sur ce site qu'il existe deux types d'outils fondamentaux en arithmtique
(nous ne parlons pas de l'algbre mais de l'arithmtique!) :

1. Les oprateurs arithmtiques :

Il existe deux oprateurs de base (addition et soustraction) partir desquels nous pouvons
construire d'autres oprateurs : la "multiplication" et la "division".

Ces quatre oprateurs sont couramment appels "oprateurs rationnels". Nous verrons ces
derniers plus en dtails aprs avoir dfini les relations binaires.

Remarque: Rigoureusement l'addition suffirait si nous considrons l'ensemble commun


des rels car ds lors la soustraction n'est que l'addition d'un nombre ngatif.

2. Les oprateurs (relations) binaires :

Il existe 6 relations binaires fondamentales (gal, diffrent de, plus grand que, plus petit que,
plus grand ou gal, plus petit ou gal) qui permettent de comparer des grandeurs d'lments se
trouvant gauche et droite (donc au nombre de deux, d'o leur nom) afin d'en tirer certaines
conclusions.

Il est bien videmment essentiel de connatre au mieux ses deux outils et leurs proprits
avant de se lancer dans des calculs plus ardus.

RELATIONS BINAIRES

Le concept de "relation" est la base de toute la mathmatique dont le but est d'tudier - par
observation et dduction (raisonnement), calcul et comparaison - des configurations ou
relations abstraites ou concrtes de ses objets (nombres, formes, structures) en cherchant
tablir les liens logiques, numriques ou conceptuels entre ces objets.

Dfinition:

D1. Considrons deux ensembles non vides E et F (cf. chapitre de Thorie Des Ensembles)
non ncessairement identiques. Si certains lments x de E nous pouvons associer par une
rgle mathmatique prcise R (non ambigu) un lment y de F, nous dfinissons ainsi une
"relation fonctionnelle" de E vers F et qui s'crit:

(3.1)

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

Ainsi,
de faon plus gnrale, une relation fonctionnelle R peut tre dfinie comme un rgle
mathmatique qui associe certains lments x de E, certains lments y de F.

Alors, dans ce contexte plus gnral, si xRy, nous disons que y est une "image" de x par R et
que x est un "antcdent" ou "pr-image" de y.

L'ensemble des couples (x, y) tel que xRy soit une assertion vraie forme un "graphe" ou une
"reprsentation" de la relation R. Nous pouvons reprsenter ces couples dans un repre
adquatement choisi pour en faire une reprsentation graphique de la relation R.

Il s'agit d'un type de relations sur lequel nous reviendrons dans le chapitre d'Analyse
Fonctionnelle et qui ne nous intresse pas directement dans ce chapitre

D2. Considrons un ensemble A non vide, si nous associons cet ensemble (et celui-ci
uniquement!) des outils permettant de comparer les lments le composant alors nous parlons
de "relation binaire" ou "relation de comparaison" et qui s'crit pour tout lment x et y
composant A:

xRy (3.2)

Ces relations ne peuvent aussi tre reprsentes sous forme graphique. Dans le cas des
oprateurs binaires de comparaison classiques et o A est l'ensemble des nombres naturels,
relatifs, rationnels ou rels est reprsente par une droite horizontale (le plus souvent...) dans
le cas de la congruence (cf. chapitre de Thorie des Nombres) elle est reprsente par des
droites dans le plan dont les points sont donns par la contrainte de la congruence.

Comme nous l'avons dj dit, il existe 6 relations binaires fondamentales (gal, diffrent de,
plus grand que, plus petit que, plus grand ou gal, plus petit ou gal). Mais nous verrons un
peu plus loin que la dfinition rigoureuse des relations binaires permet donc de construire des
outils plus abstraits (comme par exemple la congruence bien connue par les lves de petites
classes et que nous tudierons dans le chapitre de Thorie des Nombres).

GALITS

Il est fort difficile de dfinir la notion "d'galit" dans un cas gnral applicable toute
situation. Pour notre part, nous nous permettrons pour cette dfinition de nous inspirer du
thorme d'extensionalit de la thorie des ensembles (que nous verrons plus tard):

Dfinitions:

D1. Deux lments sont gaux si, et seulement si, ils ont les mmes lments. L'galit est
dcrite par le symbole = qui signifie "gal ".

Proprit (triviale) : Si nous avons , et c un nombre et une opration quelconque (tel


que l'addition, la soustraction, la multiplication ou la division) alors :

(3.3)

Cette proprit est trs utilise pour rsoudre ou simplifier des quations de type quelconques.

D2. Si deux lments ne sont pas gaux (ingaux), nous les relions par le symbole et nous

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

disons
qu'ils sont "non gaux"

Il existe encore d'autres symboles d'galits, qui sont une extension des deux que nous avons
dfinis prcdemment. Malheureusement, ils sont assez souvent sont mal utiliss (disons
plutt qu'ils sont utiliss aux mauvais endroits) dans la plupart des ouvrages disponibles sur le
march :

(3.4)

qui correspondent dans l'ordre : presque gal (plutt utilis en ingnierie),


asymptotiquement gal (utilis en analyse fonctionnelle), approximativement gal (utilis en
physique lors d'approximation de sries), identique (utilis aussi bien en analyse
fonctionnelle qu'en physique), tend vers la limite (idem) et enfin proportionnel (utilis en
physique ou en mathmatiques financires).

COMPARATEURS

Les comparateurs sont des outils qui nous permettent de comparer et d'ordonner tout couple
de nombres (et in extenso aussi des ensembles!).

La possibilit d'ordonner des nombres est presque fondamentale en mathmatiques dans le cas
contraire (s'il n'tait pas possible ou non impos d'ordonner), il y aurait des tas de choses qui
choqueraient nos habitudes, par exemple (certains des concepts prsents dans la phrase qui
suit n'ont pas encore t vus mais nous souhaitons quand mme y faire rfrence) : plus de
fonctions monotones (en particulier de suites) et li cela la drivation n'indiquerait donc rien
sur un "sens de variation", plus d'approche de zros d'un polynme par dichotomie
(algorithme classique de recherche dans un ensemble ordonn partag en deux chaque
itration), en gomtrie, plus de segments ni de demi-droites, plus de demi-espace, plus de
convexit, nous ne pouvons plus orienter l'espace, etc. C'est donc important de pouvoir
ordonner les choses comme vous l'aurez compris.

Ainsi, pour tout nous crivons lorsque a est plus grand ou gal b :

(3.5)

et lorsque a est plus petit ou gal b :

(3.6)

Remarque: Il est utile de rappeler que l'ensemble des rels est un groupe totalement
ordonn (cf. chapitre de Thorie Des Ensembles), sans quoi nous ne pourrions pas dfinir des
relations d'ordre entre ces lments (ce qui n'est pas le cas des nombres complexes que nous
ne pouvons pas ordonner!).

Dfinition: Le symbole est une "relation d'ordre" (voir la dfinition rigoureuse plus bas!)
qui signifie "plus petit que" et inversement le symbole est aussi une relation d'ordre qui
signifie "plus grand que".

Nous avons galement concernant la relation de comparaison stricte (qui n'appartient pas la

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

famille
des relations d'ordre pour des raisons que nous prciserons plus loin) les proprits
suivantes qui sont relativement intuitives:

et (3.7)

implique (rappel : not " ") que :

(3.8)

Si :

et (3.9)

Soit deux a, b deux nombres rels quelconques, alors si :

et (3.10)

inversement :

et (3.11)

Nous avons aussi:

(3.12)

et inversement :

(3.13)

Nous pouvons bien videmment multiplier, diviser, addition ou soustraire un terme de chaque
ct de la relation telle que celle-ci soit toujours vraie. Petite remarque cependant, si vous
multipliez les deux membres par un nombre ngatif il faudra bien videmment changer le
comparateur tel que si :

(3.14)

et inversement:

(3.15)

Nous avons aussi:

(3.16)

Soit :

(3.17)

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

p est un nombre entier pair alors


Si sinon si p est impair . Ce rsultat
provient simplement de la multiplication des signes puisque la puissance lorsqu'elle est non
fractionnaire n'est qu'une multiplication.

Finalement :

(3.18)

Les relations d'ordre :

(3.19)

Qui correspondent respectivement : (strictement) plus grand que, (strictement) plus petit
que, plus petit ou gal , plus grand ou gal , beaucoup plus grand que et enfin beaucoup plus
petit que.

Les relations de d'ordre peuvent tre dfinies de faon un peu plus subtile et rigoureuse et
abstraite et ne s'appliquent pas seulement aux comparateurs (voir par exemple la relation de
congruence dans le chapitre de Thorie Des Nombres)!

Voyons cela de suite (le vocabulaire qui va suivre est aussi dfini dans le chapitre de Thorie
Des Ensembles et nous trouvons des ex) :

Dfinition: Soit une relation binaire R d'un ensemble A vers lui-mme, une relation R dans A
est un sous-ensemble du produit cartsien (c'est--dire que la relation binaire
engendre un sous-ensemble de par les contraintes qu'elle impose aux lments de A qui
satisfont la relation) avec la proprit d'tre:

P1. Une "relation rflexive" si :

(3.20)

P2. Une "relation symtrique" si :

(3.21)

P3. Une "relation antisymtrique" si :

(3.22)

P4. Une "relation transitive" si :

(3.23)

P5. Une "relation connexe" si :

(3.24)

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

Les
mathmaticiens ont donn des noms particuliers aux familles de relations satisfaisant
certaines de ces proprits.

Dfinitions:

D1. Une relation est appele "relation d'ordre stricte" si et seulement si elle est transitive.

D2. Une relation est appele un "pr-ordre" si et seulement si elle y est rflexive et transitive

D3. Une relation est appele une "relation ordre partiel" si et seulement si elle y est rflexive,
antisymtrique et transitive

D4. Une relation est appele "une relation d'quivalence" si et seulement si elle y est
rflexive, symtrique, transitive

D5. Une relation est appele "relation d'ordre" si et seulement si elle y est rflexive, transitive
et antisymtrique

D6. Une relation est appele "relation d'ordre total" si et seulement si elle y est rflexive,
transitive, connexe et antisymtrique

Pour les autres combinaisons il semblerait qu'il n'y ait pas de dsignation particulire chez les
mathmaticiens...?

Remarque: Les relations d'ordre binaire ont toutes des proprits similaires dans les
ensembles naturels, rationnels, relatifs et rels (il n'y a pas de relation d'ordre naturelle sur
l'ensemble des nombres complexes).

Si nous rsumons :

Relation
binaire
rflexive oui non non non oui oui
symtrique oui oui non non non non
transitive oui non oui oui oui oui
connexe non non non non oui oui
antisymtrique oui non non non oui oui
(3.25)

Ainsi, nous voyons que les relations binaires forment avec les ensembles prcits, des
relations d'ordre total et qu'il est trs facile de voir quelles relations binaires sont des relations
d'ordre partiel, total ou d'quivalence.

Dfinition: Si R est une relation d'quivalence sur A. Pour , la "classe d'quivalence"


de x est par dfinition l'ensemble:

(3.26)

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

est donc un sous-ensemble de A (


[x] ) que nous aussi... par la suite R (attention donc
ne pas confondre dans ce qui suit la relation d'quivalence et le sous-ensemble...).

Nous disposons ainsi d'un nouvel ensemble qui est "l'ensemble des classes d'quivalences" ou
"ensemble quotient" not A/R. Ainsi :

(3.27)

Il faut savoir que dans A/R nous ne regardons plus [x] comme un sous-ensemble de A mais
comme un lment!

Une relation dquivalence, de manire vulgarise sert donc coller une seule tiquette des
lments qui vrifient une mme proprit, et les confondre avec ladite tiquette (en sachant
ce que nous faisons avec cette tiquette).

Exemple:

Dans l'ensemble des entiers relatifs , si nous tudions les restes de la division par 2, nous
avons que ceux-ci valent toujours soit 0 soit 1.

La classe d'quivalence de zro est alors appele l'ensemble des nombres entiers pairs, la
classe d'quivalence de 1 est appele l'ensemble des entiers impairs.

Si nous nommons la premire 0 et la deuxime 1, nous retrouvons les rgles d'oprations entre
nombres pairs et impairs :

(3.28)

ce qui signifie respectivement que la somme de deux entiers pair est pair, que la somme d'un
pair et d'un impair est impair et que la somme de deux impairs est pair.

Et pour la multiplication :

(3.29)

ce qui signifie respectivement que le produit de deux pairs est pair, le produit d'un pair et d'un
impair est pair et que le produit de deux impairs est impair.

Et hop, nous avons dplac les oprations de sur cet ensemble quotient not .

Maintenant, pour vrifier que nous avons bien affaire une relation d'quivalence, il faudrait
encore vrifier quelle est rflexive (xRx), symtrique (si xRy alors yRx) et transitive (si xRy et
yRz alors xRz). Nous verrons comment vrifier cela quelques paragraphes plus loin car cet
exemple un cas trs particulier de relation de congruence.

Dfinition: L'application dfinie par est appele "projection


canonique". Tout lment est alors appel "reprsentant de la classe" [x].

Considrons maintenant un ensemble E . Alors nous proposons de dmontrer qu'il y a

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

bijection
entre l'ensemble des relations d'quivalences sur E et l'ensemble des partitions de E.
En d'autres termes cette proposition dit qu'une relation d'quivalence sur E n'est rien d'autre
qu'une partition de E.

Dmonstration:

Soit R une relation d'quivalence sur E. Nous choisissons comme ensemble


d'indexation des partitions et nous posons pour tout , . Il suffit de vrifier
les deux proprits suivantes de la dfinition des partitions pour montrer que la famille
est une partition de E :

P1. Soit tels que alors (trivial) .

P2. est vident car si alors .

C.Q.F.D.

Nous avons donc associ la relation R une partition de E. Rciproquement si est une
partition de E alors nous vrifions facilement que la relation R dfinie par: xRy si et seulement
s'il existe tel que , est une relation d'quivalence. Les deux applications ainsi
dfinies sont bijectives et rciproques l'une de l'autre.

Exemple:

Nous allons prsent appliquer sur un exemple un peu moins trivial que le prcdent ce que
nous venons de voir la construction des anneaux aprs quelques rappels (pour le
concept d'anneau voir le chapitre de thorie des ensembles).

Rappels :

R1. Soit deux nombres . Nous disons que "n divise m" et nous crivons si et
seulement si il existe un entier tel que (cf. chapitre de Thorie Des Nombres).

R2. Soit un entier. Nous dfinissons la relation R par nRm si et seulement si


ou dit autrement nRm si et seulement si il existe tel que . Gnralement
nous crivons ceci aussi (modulo d) au lieu de et nous disons que "n est congru
m modulo d". Rappelons aussi que (modulo d) si et seulement si d divise n (cf. chapitre
de Thorie Des Nombres).

Nous allons maintenant introduire une relation d'quivalence sur . Dmontrons que pour
tout entier , la congruence modulo d est une relation d'quivalence sur (nous avons
dj dmontr cela dans le chapitre de thorie des nombres lors de notre tude de la
congruence mais refaisons le travail pour le plaisir).

Dmonstration (contrle des trois proprits de l'quivalence):

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

P1.
Rflexivit : car .

P2. Symtrie : Si alors et donc c'est--dire .

P3. Transitivit : Si et alors et donc


c'est--dire .

C.Q.F.D.

Dans la situation ci-dessus, nous notons l'ensemble des classes d'quivalences et


noterons la classe d'quivalence de la congruence d'un entier n donne par :

(3.30)

(chaque diffrence de deux valeurs se trouvant dans les accolades est divisible par d et c'est
ainsi bien un classe d'quivalence) et ainsi :

(3.31)

En particulier (trivial car nous obtenons ainsi tout ): .

Ainsi, nous voyons que le premier exemple que nous avions donn avec les nombres pairs et
impairs est un cas particulirement simple des classes d'quivalence de congruence.

Remarque: Les oprations d'addition et de multiplication dfinies sur dfinissent des


oprations d'addition et de multiplication sur . Nous disons alors que ces oprations
sont compatibles avec la relation d'quivalence et forment alors un anneau (cf. chapitre de
Thorie Ensembles).

LOIS FONDAMENTALES DE L'ARITHMTIQUE

Comme nous l'avons dj dit prcdemment, il existe un oprateur de base (addition) partir
duquel il possible de dfinir la multiplication, la soustraction ( condition que l'ensemble de
nombres soit ad hoc) et la division (mme remarque que pour la soustraction) et autour
desquels nous pouvons construire toute la mathmatique analytique.

ADDITION

Dfinition: L'addition des nombres entiers est une opration note "+" qui a pour seul but de
runir en un seul nombre toutes les units contenues dans plusieurs autres. Le rsultat de
l'opration se nomme "somme" ou "total". Les nombres additionner sont appels "termes de
l'addition". Les signes d'addition "+" et de soustraction "-" sont dus Widmann (1489).

Ainsi, A+B+C... sont les termes de l'addition et le rsultat est la somme des termes de
l'addition.

Proprits intuitives que nous admettrons sans dmonstrations de l'opration de l'addition :

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

P1.
La somme de plusieurs nombres ne dpend pas de l'ordre des termes. Nous disons alors
que l'addition est une "opration commutative".

P2. La somme de plusieurs nombres ne change pas si nous remplaons deux ou plusieurs
d'entre eux par leur rsultat intermdiaire. Nous disons alors que l'addition est "opration
associative".

P3. Le zro est l'lment neutre de l'addition car tout nombre additionn zro donne ce
mme nombre.

P4. Suivant l'ensemble dans lequel nous travaillons, l'addition peut comporter un terme de
telle faon ce que le total soit nul. Nous disons alors qu'il existe un "oppos" pour l'addition.

Nous plus rigoureusement dfinir l'addition en utilisant l'axiomatique de Peano comme nous
en avons dj fait mention dans le chapitre traitant des nombres. Ainsi, avec ces axiomes il est
possible de dmontrer qu'il existe (existence) une et une seule application (unicit), note "+",
de dans vrifiant :

Remarque: Ce site n'ayant pas pour vocation de s'adresser des mathmaticiens, nous
nous passerons de la dmonstration (relativement longue) et admettrons intuitivement que
l'application "+" existe et est uniqueet qu'il en dcoule les proprits susmentionnes.

Soit des nombres quelconques alors nous pouvons noter galement la somme
ainsi:

(3.32)

en dfinissant des bornes suprieurs et infrieures la somme (au-dessus et en-dessous de la


lettre grecque majuscule "sigma").

Rappel des proprits relatives cette notation :

(3.33)

o k est une constante et :

(3.34)

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

(3.35)

Exemples:

L'addition de deux nombres relativement petits est assez facile ds que nous avons appris par
cur compter jusqu'au nombre rsultant de cette opration. Ainsi (nous basons nos
exemples sur la base dcimale) :

, , (3.36)

Pour les beaucoup plus grands nombres il faut adopter une autre mthode qu'il s'agit
d'apprendre par cur. Ainsi par exemple:

(3.37)

Dmarche : nous additionnons les colonnes (4 colonnes dans cet exemple) de droite gauche.
Pour la premire colonne nous avons donc 4+5=9 ce qui nous donne :

(3.38)

et nous continuons ainsi pour la deuxime 4+7=11 mais la diffrence que comme nous
avons un nombre suprieur la dizaine, nous reportons le premier chiffre (de gauche) sur la
colonne suivante de l'addition. Ainsi:

(3.39)

La troisime colonne se calcule ds lors comme 4+2+1=7 ce qui nous donne:

(3.40)

Pour la dernire colonne nous avons 9+5=14 et nouveau nous reportons le premier chiffre
(de gauche) sur la colonne suivante de l'addition. Ainsi:

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

(3.41)

et la dernire colonne donne :

(3.42)

Voil comment nous procdons donc pour l'addition de nombres quelconques : nous faisons
une addition par colonne de droite gauche et si le rsultat d'une addition est suprieure la
dizaine, nous reportons une unit sur la colonne suivante.

Cette mthodologie d'addition est simple comprendre et effectuer. Nous ne l'expliciterons


pas plus.

SOUSTRACTION

Dfinition: La soustraction du nombre entier B par le nombre entier A note par le symbole "-
", c'est trouver le nombre C qui, ajout B, redonne A.

Remarque: L'opration n'est rigoureusement parlant pas possible dans les entiers naturels
que si .

Nous crivons la soustraction sous la forme :

(3.43)

qui doit videmment vrifier :

(3.44)

Proprits intuitives que nous admettrons sans dmonstrations de l'opration de soustraction


(bon cela dcoule de l'addition...) :

P1. La soustraction de plusieurs nombres dpend de l'ordre des termes. Nous disons alors que
la soustraction est une "opration non-commutative".

P2. La soustraction de plusieurs nombres ne change pas si l'on remplace deux ou plusieurs
d'entre eux par leur rsultat intermdiaire. Nous disons alors que la soustraction est une
"opration non-associative".

P3. Le zro n'est l'lment neutre de la soustraction car tout nombre qui on soustrait zro
donne ce mme nombre, donc le zro est neutre droite mais pas gauche!

P4. Suivant l'ensemble dans lequel nous travaillons, la soustraction peut comporter un terme

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

de
telle faon ce que le total soit nul. Nous disons alors qu'il existe un "oppos" pour la
soustraction.

Exemples:

La soustraction de deux nombres relativement petits est assez facile ds que nous avons appris
par cur compter jusqu' au moins le nombre rsultant de cette opration. Ainsi:

, , (3.45)

Pour les beaucoup plus grands nombres il faut adopter un autre mthode qu'il s'agit
d'apprendre par cur (au mme titre que l'addition). Ainsi par exemple:

(3.46)

nous soustrayons les colonnes (4 colonnes dans cet exemple) de droite gauche. Pour la
premire colonne nous avons ce qui fait que nous reportons 1 sur la colonne
suivante et crivons en bas de la barre d'galit :

(3.47)

et nous continuons ainsi pour la deuxime ce qui fait que nous reportons 1 sur
la colonne suivante et comme nous reportons en bas de la barre
d'galit:

(3.48)

La troisime colonne se calcule ds lors comme et nous reportons 1 sur la


colonne suivante et comme nous reportons en bas de la barre
d'galit :

(3.49)

Pour la dernire colonne nous avons nous reportons donc rien sur la colonne
suivante et comme nous reportons 0 en bas de la barre d'galit:

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

(3.50)

Voil comment nous procdons donc pour la soustraction de nombres quelconques. Nous
faisons une soustraction par colonne de droite gauche et si le rsultat d'une soustraction est
infrieure zro nous faisons reporter 1 sur la colonne suivante et l'addition du dernier
report sur la soustraction obtenue en bas de la barre d'galit.

La mthodologie utilise pour la soustraction se basant sur exactement le mme principe que
l'addition nous ne l'expliciterons pas plus. Cette mthode est trs simple et ncessite bien sr
une certaine habitude de travailler avec les chiffres pour tre totalement apprhende.

MULTIPLICATION

Dfinition: La multiplication des nombres est une opration qui a pour but, tant donn deux
nombres, l'un appel "multiplicateur", et l'autre "multiplicande", d'en trouver un troisime
appel "produit" qui soit la somme (donc la multiplication d'coule de la somme !) d'autant de
nombres gaux au multiplicande qu'il y a d'units au multiplicateur. Le multiplicande et le
multiplicateur sont appels les "facteurs du produit".

La multiplication s'indique l'aide du signe " " (anciennement) ou du point de ponctuation


surlev (notation moderne) ou sans aucun symbole tel que :

(3.51)

Remarque: Le signe de croix " " pour la multiplication se trouve pour la premire fois
dans l'ouvrage d'Ougtred (1631) quant au point mi-hauteur (notation moderne pour la
multiplication), nous le devons Leibniz. Ds 1544, Stiefel, dans un de ses ouvrages
n'employait aucun signe et dsignait le produit de deux nombres en les plaant l'un aprs
l'autre.

Nous pouvons dfinir la multiplication en utilisant l'axiomatique de Peano comme nous en


avons dj fait mention dans le chapitre traitant des nombres. Ainsi, avec ces axiomes il est
possible de dmontrer qu'il existe (existence) une et une seule application (unicit), note " "
ou plus souvent ".", de dans vrifiant :

(3.52)

Remarque: Ce site n'ayant pas pour vocation de s'adresser des mathmaticiens, nous
nous passerons de la dmonstration (relativement longue) et admettrons intuitivement que
l'application " " existe et est unique

La puissance est une notation particulire d'un cas prcis de multiplications. Lorsque le(s)
multiplicateur(s) et multiplicande(s) sont identique(s) en valeur numrique, on note la

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

multiplication
(par exemple):

(3.53)

c'est ce que nous nommons la "notation en puissance" ou "l'exponentiation". Le nombre en


exposant est ce que nous nommons la "puissance" ou "l'exposant" du nombre (n en
l'occurrence). La notation en exposants se trouve pour la premire fois dans l'ouvrage de
Chuquet intitul "Triparty en la science des nombres" (1484).

Vous pouvez vrifier par vous-mme que ses proprits sont les suivantes (par exemple):

(3.54)

Proprits intuitives que nous admettrons sans dmonstrations de l'opration de


multiplication :

P1. La multiplication de plusieurs nombres ne dpend pas de l'ordre des termes. Nous disons
alors que la multiplication est une "opration commutative".

P2. La multiplication de plusieurs nombres ne change pas si l'on remplace deux ou plusieurs
d'entre eux par leur rsultat intermdiaire. Nous disons alors que la multiplication est
"opration associative".

P3. L'unit est l'lment neutre de la multiplication car tout multiplicande multipli par le
multiplicateur 1 est gal au multiplicande.

P4. La multiplication peut comporter un terme de telle faon ce que le produit soit gal
l'unit (l'lment neutre). Nous disons alors qu'il existe un "inverse pour la multiplication".

P5. La multiplication est "distributive", c'est--dire que :

(3.55)

l'opration inverse s'appelant la "factorisation".

Introduisons encore quelques notations particulires relatives la multiplication :

1. Soit des nombres quelconques (non ncessairement gaux) alors nous pouvons
noter le produit ainsi:

(3.56)

en dfinissant des bornes suprieurs et infrieures au produit (au-dessus et en-dessous de la


lettre grecque majuscule "Pi").

Rappel des proprits relatives cette notation:

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

(3.57)

pour tout nombre k tel que:

(3.58)

Nous avons aussi par exemple:

(3.59)

2. Nous dfinissons galement la "factorielle" simplement (car il existe aussi un manire


complexe de la dfinir en passant par la fonction Gamma d'Euler comme cela est fait dans le
chapitre de Calcul Diffrentiel Et Intgral) par :

(3.60)

Exemples:

Voyons quelques exemples simples de multiplication lmentaires. La multiplication de deux


nombres relativement petits est assez facile ds que nous avons appris par cur compter
jusqu' au moins le nombre rsultant de cette opration. Ainsi:

, , (3.61)

Pour les beaucoup plus grands nombres il faut adopter une autre mthode qu'il s'agit
d'apprendre par cur. Ainsi par exemple:

(3.62)

nous multiplions colonne par colonne et nous additionnons l'ensemble des rsultats dcals
d'un chiffre comme ci-dessous (8x4=32, 8x7=56, 8x5=40, 8x4=32) ainsi nous obtenons :

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

(3.63)

Cette mthodologie est trs logique si vous avez bien compris comment nous construisons un
chiffre en base dix. Ainsi, nous avons (nous supposerons pour l'instant la distributivit comme
connue):

(3.64)

Pour ne pas surcharger l'criture dans la multiplication par la mthode "verticale", nous ne
reprsentons pas les zros qui surchargeraient inutilement les calculs (et ce d'autant plus si le
multiplicateur le multiplicande sont de trs grands nombres)

DIVISION

Dfinition: La division des nombres entiers est une opration, qui a pour but, tant donn
deux nombres, l'un appel "dividende", l'autre appel "diviseur", d'en trouver un troisime
appel "quotient" qui soit le plus grand nombre dont le produit par le diviseur puisse se
retrancher (donc la division dcoule de la soustraction !) du dividende (la diffrence tant
nomm le "reste" ou la "congruence").

Remarque: Dans les cas des nombre rels il n'y a jamais de reste la fin de l'opration de
division (car le quotient multipli par le diviseur donne exactement le dividende)!

D'une faon gnrale dans le cadre des nombres entiers, si nous notons D le dividende, d le
diviseur, Q le quotient et R le reste nous avons la relation:

(3.65)

en sachant que la division tait :

(3.66)

Nous dsignons galement souvent par "fraction" (au lieu de "quotient"), le rapport de deux
nombres ou autrement dit, la division du premier par le deuxime.

Remarque: Le signe de la division ":" est d Leibniz; la barre de fraction se trouve elle
pour la premire fois dans les ouvrages de Fibonacci (1202); elle est probablement due aux

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

Hindous.

Si nous divisons deux entiers et que nous souhaite un entier comme quotient et reste (s'il y en
a un) uniquement, alors nous parlons de "division euclidienne".

Nous indiquons l'opration en plaant entre les deux nombres, le dividende et le diviseur un
" : " ou une barre de division " / " :

Si nous avons :

(3.67)

on appelle l'inverse du dividende. A tout nombre est associ un inverse qui satisfait cette
condition.

De cette dfinition il vient la notation (avec x tant un nombre quelconque diffrent de zro) :

(3.68)

Dans le cas de deux nombres fractionnaires, nous disons qu'ils sont "inverses" ou
"rciproques", lorsque leur produit est gal l'unit (comme la relation prcdente) pour toute
valeur de x, positive ou ngative.

Remarques:

R1. Une division par zro est ce que l'on nomme une "singularit". C'est--dire que le rsultat
de la division est indtermin.

R2. Lorsque nous multiplions le dividende et le diviseur d'une division par un mme nombre,
le quotient ne change pas, mais le reste est multipli par ce nombre.

R3. Diviser un nombre par un produit effectu de plusieurs facteurs revient diviser ce
nombre successivement par chacun des facteurs du produit et rciproquement.

Les proprits des divisions avec les puissances sont les suivantes (nous laisserons le soin au
lecteur de le vrifier avec des valeurs numriques):

(3.69)

ou :

(3.70)

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

Rappelons
qu'un nombre premier (entier relatif) est un nombre qui n'a d'autres diviseurs que
lui-mme et l'unit. Donc tout nombre qui n'est pas premier a un nombre premier comme
diviseur (except 1 par dfinition!). Le plus petit des diviseurs d'un nombre entier est donc un
nombre premier.

Quelques proprits de la division (certaines nous sont dj connues car elles dcoulent d'un
raisonnement logique des proprits de la multiplication) :

(3.71)

Proprits intuitives que nous admettrons sans dmonstrations de l'opration de division (bon
cela dcoule de la multiplication...) :

P1. La division de plusieurs nombres dpend de l'ordre des termes. Nous disons alors que la
division est une "opration non-commutative".

P2. La division de plusieurs nombres change si l'on remplace deux ou plusieurs d'entre eux
par leur rsultat intermdiaire. Nous disons alors que la division est "opration non-
associative".

P3. L'unit est l'lment neutre droite de la division car tout dividende divis par le diviseur
1 est gal au dividende mais l'unit par pas neutre gauche.

P4. La division peut comporter un terme de telle faon ce que la division soit gale l'unit
(l'lment neutre). Nous disons alors qu'il existe un "symtrique pour la division".

Si a et b sont deux nombres rels positifs et non nuls nous avons :

, (3.72)

(3.73)

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

Nous
pouvons maintenant dfinir la racine q-ime principale d'un nombre quelconque a :

(3.74)

la dernire relation n'tant dfinie que pour . Au niveau de la terminologie, nous


avons :

(3.75)

qui est une racine, le nombre a est le "radicante" et q est l'indice de la racine. Le symbol
est appel le "radical".

De ce qui a dj t dit pour les puissances, nous pouvons conclure aisment que:

(3.76)

et :

(3.77)

il en ressort que :

et (3.78)

Nous avons galement si :

(3.79)

si est impair et :

(3.80)

si est pair.

Si le dnominateur d'un quotient contient un facteur de la forme avec , en


multipliant la numrateur et le dnominateur par , nous supprimerons la racine au
dnominateur, puisque :

(3.81)

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

Nous
appelons communment ce procd "rendre un dnominateur rationnel". Nous pouvons
bien sr faire de mme avec le numrateur.

Remarques:

R1. "Simplifier" une expression contenant des puissances de nombres rels signifie qu'il faut
regrouper les termes ayant des exposants identiques.

R2. Si et est impair, alors est le nombre rel ngatif b tel que .
Si est pair alors bien sr, comme nous l'avons dj vu, la racine est complexe (cf.
chapitre sur les Nombres).

POLYNMES ARITHMTIQUESS

Dfinition: Un "polynme arithmtique" ( ne pas confondre avec les polynmes algbriques


qui seront tudis dans la section d'Algbre) est un ensemble de nombres spars les uns des
autres par les oprations d'addition ou de soustraction (+ ou -).

Les composants enferms dans le polynme sont appels "termes" du polynme. Lorsque le
polynme contient un unique terme, nous parlons alors de "monme", s'il y a deux termes
nous parlons de "binme", et ainsi de suite....

Dmontrons que la valeur d'un polynme arithmtique est gale l'excs de la somme des
termes prcds du signe + sur la somme des termes prcds du signe -.

Dmonstration:

(3.82)

quelque soit les valeurs des termes.

C.Q.F.D.

Mettre en vidence l'unit ngative 1 est ce que nous appelons une "factorisation" ou "mise
en facteurs". L'opration inverse, s'appelant une "distribution".

Le produit de plusieurs polynmes peut toujours tre remplac par un polynme unique que
nous appelons le "produit effectu". Nous oprons habituellement comme suit: nous
multiplions successivement tous les termes du premier polynme, en commenant par la
gauche, par le premier, le second, , le dernier terme du second polynme. Nous obtenons
ainsi un premier produit partiel; nous faisons, s'il y a lieu, la rduction des termes semblables.
Nous multiplions ensuite chacun des termes du produit partiel successivement par le premier,
le second, , le dernier terme du troisime polynme en commenant par la gauche et ainsi
de suite.

Le produit des polynmes A,B,C,...L,... est la somme de tous les produites de n facteurs

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

forms
avec un terme de A, un terme de B, , et un terme de L. S'il n'y a aucune rduction, le
nombre des termes du produit est gal au produit des nombres des termes des facteurs.

VALEUR ABSOLUE

Un nombre rel est constitu de deux parties: un signe + ou et une valeur absolue.

Exemples:

E1. +7 est constitu du signe + et de la valeur absolue 7

E2. -5 est constitu du signe et de la valeur absolue 5

La valeur absolue de +7 est donc 7, la valeur absolue de -5 est donc 5.

Dfinition: Pour tout nombre rel x, la "valeur absolue" de x, note est donne par:

(3.83)

Nous remarquons que:

(3.84)

Ainsi que les expressions quivalentes:

(3.85)

et :

(3.86)

et encore:

(3.87)

ces dernires tant souvent utilises dans le cadre de la rsolution des inquations.

Remarquons, qu'il est aussi utile d'interprter l'expression comme la distance entre les
deux nombres x et y sur la droite relle.

En munissant l'ensemble des nombres rels de la distance valeur absolue, il devient un espace
mtrique.

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

rsolution d'une inquation telle que


La se rsout alors simplement l'aide de la
notion de distance. La solution est l'ensemble des rels dont la distance au rel 3 est infrieure
ou gale 9. C'est l'intervalle de centre 3 et de rayons 9 ou autrement crit
.

La valeur absolue a quelques proprits triviales que nous noncerons sans dmonstrations:

P1. La valeur absolue de la somme algbrique de plusieurs nombres rels est infrieure ou
gale la somme des valeurs absolues des composantes de la somme:

(3.88)

ce que les mathmaticiens appellent parfois la "premire ingalit triangulaire".

P2. La valeur absolue de la diffrence est suprieure ou gale la valeur absolue de la


diffrence des valeurs absolues des composantes de la diffrence:

(3.89)

ce que les mathmaticiens appellent parfois la "deuxime ingalit triangulaire".

P3. La valeur absolue du produit (multiplication) est gale au produit des valeurs absolues:

(3.90)

P4. La valeur absolue du rapport est gale au rapport des valeurs absolues:

(3.91)

RGLES DE CALCUL

Frquemment en informatique (dans le dveloppement en particulier), nous parlons de


"priorit des oprateurs". En mathmatiques nous parlons de "priorit des ensembles
d'oprations et des rgles des signes". De quoi s'agit-il exactement?

Nous avons dj vu qu'elles taient les proprits des oprations d'addition, soustraction,
multiplication, mise en puissance et division. Nous tenons donc ce que le lecteur diffrencie
la notion de "proprit" de celle ce de "priorit" (que nous allons tout de suite voir) qui sont
des choses compltement diffrentes.

En mathmatiques, en particulier, nous dfinissons les priorits des symboles: {[0]}

Autrement dit:

1. Les oprations qui sont entre parenthses ( ) doivent tres effectues en premier dans le
polynme.

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

2.
Les oprations qui sont entre crochets [ ] doivent tres effectues en second partir des
rsultats obtenus des oprations qui se trouvaient entre les parenthses ( ).

3. Finalement, partir des rsultats intermdiaires des oprations qui se trouvaient entre
parenthses ( ) et crochets [ ], nous calculons les oprations qui se situent entre les accolades
{ }.

Faisons un exemple, ceci sera plus parlant.

Exemple:

Soit calculer le polynme:

(3.92)

Selon les rgles que nous avons dfinies tout l'heure, nous calculons d'abord tous les
lments qui sont entre parenthses ( ), c'est--dire:

, , (3.93)

ce qui nous donne:

(3.94)

Toujours selon le rgles que nous avons dfinies tout l'heure, nous calculons maintenant
tous les lments entre crochets en commenant toujours calculer les termes qui sont dans
les crochets [ ] au plus bas niveau des autres crochets [ ]. Ainsi, nous commence par calculer
l'expression qui se trouve dans le crochet de niveau suprieur: .

Cela nous donne et donc:

(3.95)

Il nous reste calculer maintenant et donc:

(3.96)

Nous calculons maintenant l'unique terme entre accolade, ce qui nous donne :

(3.97)

Finalement il nous reste:

(3.98)

Evidemment il s'agit d'un cas particulier... Mais le principe est toujours le mme.

La priorit des oprateurs arithmtiques est une notion spcifique aux langages informatiques
(comme nous en avons dj fait mention) du fait qu'on ne peut dans ces derniers crire des

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

relations
mathmatiques que sur une ligne unique.

Ainsi, en informatique l'expression:

(3.99)

s'crit ( peu de choses prs) :

(3.100)

Un non-initi pourrait y lire:

ou ou (3.101)

ou :

(3.102)

et encore quelques autres... ce qui vous en conviendrez, est fort dangereux car nous arriverons
des rsultats diffrents chaque fois (cas particuliers mis part) !

Ainsi, il a logiquement t dfini un ordre de priorit des oprandes tel que les oprations
soient effectues dans l'ordre suivant:

1. Ngation

2. ^ Puissance

3. * / Multiplication et division

4. \ division entire (spcifique l'informatique)

5. Mod Modulo (voir thorie des nombres)

6. + - Addition et soustraction

Evidemment les rgles des parenthses ( ), crochets [ ], et accolades { } qui ont t dfinies en
mathmatiques s'appliquent l'informatique.

Ainsi, nous obtenons dans l'ordre (nous remplaons chaque opration effectue par un
symbole):

D'abord les termes entre parenthses:

(3.103)

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

Ensuite
les rgles de priorit des oprateurs s'appliquent dans l'ordre dfini prcdemment:

D'abord (1):

(3.104)

ensuite (2) :

(3.105)

nous appliquons la multiplication (3):

(3.106)

et finalement la division (3):

(3.107)

Les rgles (4) et (5) ne s'appliquent pas cet exemple particulier.

Finalement (6) :

(3.108)

Ainsi, en suivant ces rgles, ni l'ordinateur, ni l'tre humain ne peuvent (ne devraient) se
tromper lors de l'interprtation d'une quationcrite sur une ligne unique.

En informatique, il existe cependant plusieurs oprateurs que nous ne retrouvons pas en


mathmatiques et qui changent souvent de proprits d'un langage informatique un autre.
Nous ne nous attarderons pas trop l-dessus cependant, nous avons mis ci-dessous un petit
descriptif:

L'oprateur de concatnation " & " est valu avant les oprateurs de comparaisons.

Les oprateurs de comparaison (=, <, >, ) possdent tous une priorit identique.

Cependant, les oprateurs les plus gauche dans une expression, dtiennent une priorit plus
leve.

Les oprateurs logiques sont valus dans l'ordre de priorit suivant:

1. Not - 2. And - 3. Or - 4. Xor - 5. Eqv - 6. Imp

Maintenant que nous avons vu les priorits des oprateurs, quelles sont les rgles des signes
en vigueur en mathmatiques?

D'abord, il faut savoir que ces dernires ne s'appliquent que dans le cas de la multiplication et
la division. Soit deux nombres positifs . Nous avons:

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

(3.109)

Autrement dit, la multiplication de deux nombres positifs est un nombre positifs et ce pour
gnralisable la multiplication de n nombres positifs.

(3.110)

Autrement dit, la multiplication d'un nombre positif par un nombre ngatif est ngatif. Ce qui
est gnralisable un rsultat positif de la multiplication s'il y a un nombre pair de nombres
ngatifs et un rsultat ngatif pour un nombre impair de nombres ngatifs sur la totalit n
des nombres de la multiplication.

(3.111)

Autrement dit, la multiplication de deux nombres ngatifs est positif. Ce qui est gnralisable
un rsultat positif de la multiplication s'il y a un nombre pair de nombre ngatifs et un
rsultat ngatif pour un nombre impair de nombres ngatifs.

Pour ce qui est des divisions, le raisonnement est identique:

et (3.112)

Autrement dit, si le numrateur et le dnominateur sont positifs, alors le rsultat de la division


sera positif.

et (3.113)

Autrement dit, si soit le numrateur ou le dnominateur est ngatif, alors le rsultat de la


division sera forcment ngatif.

et (3.114)

Autrement dit, si le numrateur et le dnominateur sont positifs, alors le rsultat de la


division, sera forcment positif.

Evidemment, si nous avons une soustraction de termes, il est possible de la rcrire sous la
forme :

(3.115)

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

4. THORIE DES ENSEMBLES

L ors de notre tudes des nombres, des oprateurs, et de thorie des nombres (dans les
chapitres du mme nom), nous avons assez souvent utilis les termes de "groupes,
"d'anneaux", de "corps", "d'homomorphisme", etc. et continuerons par la suite le faire
encore de nombreuses fois. Outre le fait que ces concepts soient d'une extrme importance,
permettant de faire des dmonstrations ou de construire des tres mathmatiques
indispensables l'tude de la physique thorique contemporaine (physique quantique des
champs, thories de cordes, modles standard,...), ils permettent de comprendre les
composants et les proprits de base de la mathmatique et de ses oprateurs en rangeant
ceux-ci par catgories distinctes. Ainsi, choisir de mettre la thorie des ensembles en tant que
cinquime chapitre de ce site est un choix tout fait discutable puisque rigoureusement c'est
par l que tout commence... Cependant, nous avions besoin d'exposer quand mme la thorie
de la dmonstration ne serait-ce que pour les notations et les mthodes dont il sera fait usage
ici.

Par ailleurs, lors de l'enseignement des mathmatiques modernes dans le secondaire, voire
primaire (annes 70), on introduisit le langage des ensembles et l'tude pralable des relations
binaires pour une approche plus rigoureuse de la notion de fonctions et d'applications (voir la
dfinition plus loin) et de la mathmatique en gnrale.

Dfinition: Nous parlons de "diagramme sagittal" (ou de "schma sagittal" du latin sagitta =
flche) pour tout schma reprsentant une correspondance entre les composantes de deux
ensembles relis totalement ou partiellement par un ensemble de flches.

Exemple:

La reprsentation graphique d'une fonction dfinie de l'ensemble E={-3,-2,-1,0,1,2,3} vers


l'ensemble F={0,1,2,3,...9} conduirait au diagramme sagittal ci-dessous :

(4.1)

Une relation de E dans E fournirait un diagramme sagittal du type :

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

(4.2)

Le bouclage de chaque lment montrant une "relation rflexive"; la prsence systmatique


d'une flche retour indiquant une "relation symtrique".

Cependant le choix d'introduire la thorie des ensembles dans les classes d'cole a une raison
aussi un peu autre. Au fait, dans un souci de rigueur interne (in extenso : non lies la
ralit), une trs grande partie des mathmatiques a t reconstruite l'intrieur d'un seul
cadre axiomatique, dnomm donc "thorie des ensembles", dans le sens o chaque concept
mathmatique (autrefois indpendant des autres) est ramen une dfinition dont tous les
constituants logiques proviennent de ce mme cadre : elle est considre comme
fondamentale. Ainsi, la rigueur d'un raisonnement effectu au sein de la thorie des ensembles
est garantie par le fait que le cadre est "non-contradictoire" ou "consistant". Voyons les
dfinitions qui construisent ce cadre.

Dfinitions:

D1. Nous appelons "ensemble" toute liste, collection ou rassemblement d'objets bien dfinis,
explicitement ou implicitement.

D2. Un "univers" U est un objet dont les constituants sont des ensembles.

Il faut noter que ce que les mathmaticiens appellent "univers" n'est pas un ensemble! En fait
il s'agit d'un modle qui satisfait aux axiomes des ensembles.

Effectivement, nous verrons que nous ne pouvons pas parler de l'ensemble de tous les
ensembles (ce n'est pas un ensemble), pour dsigner l'objet qui est constitu de tous les
ensembles ainsi, nous parlons d'univers.

D2. Nous appelons "lments" ou "membres de l'ensemble" les objets appartenant


l'ensemble et nous notons :

(4.3)

si p est un lment de l'ensemble A et dans le cas contraire :

(4.4)

Si B est une "partie" de A, ou sous-ensemble de A, nous notons cela :

ou (4.5)

ds lors, si pour tout :

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

(4.6)

Nous identifiions galement un ensemble soit en listant ses lments, soit en donnant la
dfinition de ses lments.

Exemples:

E1.

E2.

D3. Nous pouvons munir les ensembles d'un certain nombre de relations qui permettent de
comparer ses lments (c'est utile parfois...) ou de comparer certaines de leurs proprits. Ces
relations sont appeles "relations de comparaisons" ou "relations d'ordre" (cf. chapitre sur les
Oprateurs).

Remarques:

R1. La structure d'ensemble ordonne a t mise en place la base dans le cadre de la thorie
des Nombres par Cantor et Dedekind.

R2. Comme nous l'avons dmontr dans le chapitre sur les Oprateurs, sont
totalement ordonnes par les relations usuelles . La relation , souvent dite "d'ordre
strict", n'est pas une relation d'ordre car non rflexive et non antisymtrique (cf. chapitre sur
les Oprateurs). Par exemple, dans , la relation "a divise b", souvent note par le symbole "
| ", est un ordre partiel.

R3. Si R est un ordre sur E et F est une partie de E, la restriction F de la relation R est un
ordre sur F, dit "ordre induit par R dans F".

R4. Si R est un ordre sur E, la relation R' dfinie par :

(4.7)

est un ordre sur E, dit "ordre rciproque" de R. L'ordre rciproque de l'ordre usuel est
l'ordre not ainsi que l'ordre rciproque de l'ordre "a divise b" dans est l'ordre "b est
multiple de a".

L'ensemble est l'tre mathmatique de base, dont l'existence est pose : il n'est pas dfini en
tant que tel, mais par ses proprits, donnes par les axiomes. Il fait appel une procdure
humaine : une sorte de fonction de catgorisation, qui permet la pense de distinguer
plusieurs lments qualifis d'indpendants.

Nous pouvons dmontrer partir des ces concepts, que le nombre de sous-ensembles d'un
ensemble de cardinal n (nombre d'lments) est :

Il y a d'abord l'ensemble vide , soit 0 lments choisi par n, in extenso et ainsi de


suite

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

Le
nombre de sous-ensembles de E correspond donc la sommation de tous les coefficients
binomiaux:

(4.8)

Or, nous avons (cf. chapitre de Calcul Algbrique):

(4.9)

Donc:

(4.10)

Exemple:

Considrons l'ensemble , nous avons l'ensemble des parties P(S) constitu par :

- "L'ensemble vide" :

- Les "singletons" :

- Les "duets" :

- Lui-mme :

Remarque: L'ordre dans lequel sont diffrencis les lments ne rentre pas en compte lors
du comptage des parties de l'ensemble de dpart.

En physique-mathmatique, nous travaillerons presque exclusivement avec des ensembles de


nombres. Nous nous se restreindrons donc l'tude des dfinitions et proprits de ces
derniers.

AXIOMATIQUE DE ZERMELO-FREANKEL

L'axiomatique de Zermelo-Fraenkel, abrge "axiomatique ZF", prsente ci-dessous a t


formule par Ernst Zermela (1908) puis prcise par Adolf Abraham (1922). Elle est
considre comme la plus naturelle et intuitive dans le cadre de la thorie des ensembles.

Remarque: Il existe bien d'autres axiomatiques, bases sur le concept plus gnral de
"classe", comme celle dveloppe par von Neumann, Bernays et Gdel (pour les notations,
voir le chapitre traitant de la Thorie De La Dmonstration).

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

Strictement
parlant, les axiomes de ZFC sont simplement des noncs du calcul des prdicats
du premier ordre (cf. chapitre de Thorie De La Dmonstration) galitaire dans un langage
ayant un seul symbole primitif pour l'appartenance (relation binaire). Ce qui suit doit donc
seulement tre peru comme une tentative d'exprimer en franais la signification attendue de
ces axiomes.

A1. Axiome d'extensionalit:

Deux ensembles sont gaux si, et seulement si ils ont les mmes lments. C'est ce que nous
notons :

(4.11)

ou:

(4.12)

Cette dfinition exprime seulement le fait qu'un ensemble ne contient rien d'autre que ce qui
est spcifi par la donne ses lments.

L'unicit de certains ensembles est dmontre en utilisant conjointement l'axiome de slection


(voir plus loin) et l'axiome d'extensionalit.

A2. Axiome de l'ensemble vide:

L'ensemble vide existe, il n'a aucun lment, son cardinal est not 0. Si X est un objet {X} est
un ensemble appel singleton (single = seul), son cardinal est 1.

A3. Axiome de la paire:

Si A et B sont deux ensembles, alors, il existe un ensemble C contenant A et B et eux seuls


comme lments. Cet ensemble se note {A, B}:

(4.13)

A4. Axiome de l'union (dit aussi Axiome de la runion ou encore de la somme):

Soient A et B deux ensembles. Il existe un ensemble C dont les lments sont exactement ceux
qui appartiennent A et B. Nous notons cela :

A5. Axiome de la somme: A tout ensemble A, nous pouvons associer un ensemble de


l'univers B qui est la runion des lments x du premier, in extenso dont les lments sont
exactement les lments des lments du premier.

L'ensemble B est not ou bien .

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

A6.
Axiome de parties (ou Axiome de l'ensemble des parties) :

A tout ensemble A, nous pouvons associer un ensemble de l'univers B qui contient exactement
les parties (in extenso les sous-ensembles) C du premier:

A7. Axiome de l'infini:

Il existe un ensemble, dit "ensemble autosuccesseur" K contenant (l'ensemble vide) tel que
si x appartient K, alors appartient galement K :

K est autosuccesseur : (4.14)

Cet ensemble permet d'utiliser des ensembles infinis.

est ainsi le plus petit ensemble autosuccesseur, au sens de l'inclusion


et par convention nous notons (ou nous construisons l'ensemble des
naturels) :

(4.15)

A8. Axiome de rgularit (ou Axiome de fondation):

Pour tout ensemble non vide A, il existe un ensemble B, lment de A tel qu'aucun lment de
A ne soit lment de B (il faut bien diffrencier le niveau du langage utilis, un ensemble et
ses lments n'ont pas le mme statut) ce que nous notons :

(4.16)

Le but principal de cet axiome est d'liminer la possibilit d'avoir A comme lment de lui-
mme.

En consquence :

A9. Axiome de l'ensemble des parties:

Dmonstration:

En effet, soit A un ensemble tel que . Considrons le singleton{A}, ensemble dont le


seul lment est A. D'aprs l'axiome de fondation, nous devons avoir un lment de ce
singleton qui n'a aucun lment en commun avec lui. Mais le seul lment possible est A lui-
mme, c'est--dire que nous devons avoir:

(4.17)

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

par hypothse,
Or et par construction . Donc , ce qui contredit
l'assertion prcdente. Donc .

C.Q.F.D.

A10. Axiome de remplacement :

Quel que soit l'ensemble A d'lments a et la relation binaire f, il existe un ensemble B


constitu des lments b tel que f(a,b) soit vraie. Si f est une fonction, alors et
.

A11. Axiome de slection (ou de comprhension) :

A tout ensemble A et toute condition ou proposition S(x), il correspond un ensemble B dont


les lments sont exactement les lments x de A pour lesquels S(x) est vraie. C'est ce que
nous notons :

(4.18)

Cet axiome est primordial : le respect de ses conditions trs strictes d'application permet
d'liminer les paradoxes de la "thorie nave des ensembles", comme le paradoxe de Russel ou
le paradoxe de Cantor qui ont invalid la thorie nave des ensembles.

Considrons par exemple l'ensemble R de Russell de tous les ensembles qui ne s'auto-
contiennent pas (notez bien que nous donnons une proprit de R sans expliciter quel est cet
ensemble) : . Le problme est de savoir si R se contient ou non. Si ,
alors, R s'auto-contient, et, par dfinition et inversement. Chaque possibilit est donc
contradictoire.

Si maintenant nous dsignons par C l'ensemble de tous les ensembles (l'Universel de Cantor),
nous avons en particulier : , ce qui est impossible (i.e. par exemple avec la
puissance du continu de l'ensemble de rels), d'aprs le thorme de Cantor.

Ces "paradoxes" (ou antinomies syntaxiques) proviennent d'un non respect des conditions
d'application de l'axiome de slection : pour dfinir E (dans l'exemple de Russel), il doit
exister une proposition S(x) qui porte sur l'ensemble R, qui doit tre explicit. La proposition
dfinissant l'ensemble de Russell ou celui de Cantor n'indique pas quel est l'ensemble E; elle
est donc invalide.

Un exemple fort sympathique et fort connu (c'est la raison pour laquelle nous le prsentons)
permet de mieux comprendre (il s'agit du paradoxe de Russel) :

Un jeune tudiant se rendit un jour chez son barbier. Il engagea la conversation et lui demanda
s'il avait de nombreux concurrents dans sa jolie cit. De manire apparemment innocente, le
barbier lui rpondit :"Je n'ai aucune concurrence. En effet, de tous les hommes de la cit, je ne
rase videmment pas ceux qui se rasent eux-mmes, mais j'ai le bonheur de raser tous ceux
qui ne se rasent pas eux-mmes."

En quoi donc, une telle affirmation si simple put-elle mettre en dfaut la logique de notre

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

jeune
tudiant si malin ?

La rponse est en effet innocente, jusqu'au moment ou nous dcidons de l'appliquer au cas du
barbier :

Se rase-t-il lui-mme, oui ou non ?

Supposons qu'il se rase lui-mme : il entre dans la catgorie de ceux qui se rasent eux-mmes,
dont le barbier a prcis qu'il ne les rasait videmment pas. Donc il ne rase pas lui-mme.

Trs bien ! Supposons alors qu'il ne se rase pas lui-mme : il entre alors dans la catgorie de
ceux qui ne se rasent pas eux-mmes, dont le barbier a prcis qu'il les rasait tous. Donc il se
rase lui-mme.

Finalement, ce malheureux barbier est dans une position trange : s'il se rase lui-mme, il ne
se rase pas, et s'il ne se rase pas lui-mme, il se rase. Cette logique est autodestructrice,
stupidement contradictoire, rationnellement irrationnelle.

Vient alors l'axiome de slection :

Nous excluons le barbier de l'ensemble des personnes auxquelles s'applique la dclaration.


Car en ralit, le problme vient du fait que le barbier est un lment de l'ensemble de tous les
hommes de la cit. Ainsi, ce qui s'applique tous les hommes ne s'applique pas au cas
individuel du barbier.

A12. Axiome du choix :

tant donn un ensemble A d'ensembles non vides mutuellement disjoints, il existe un


ensemble B (l'ensemble de choix pour A) contenant exactement un lment pour chaque
membre de A.

Compltons le tout par une note de culture gnrale : la thorie des ensembles base sur les
axiomes 1 7 est dite de Zermelo (Z). Complte par l'axiome 8, nous parlons de la thorie
Zermelo-Fraenkel ou, plus simplement, la thorie ZF. Si nous lui ajoutons l'axiome du choix,
elle est dite "axiomatique ZFC" ("C" comme choix - pour l'axiome du mme nom).

Indiquons cependant que la question de l'axiomatisation et donc des fondements se trouva


quand mme branle de deux questions l'poque de leur construction: quels axiomes
valides doivent tre choisis et dans un systme d'axiomes les mathmatiques sont-elles
cohrentes (ne risque-t-on pas de voir apparatre une contradiction)?

La premire question fut souleve d'abord par l'hypothse du continu: si nous pouvons mettre
deux ensembles de nombres en correspondance terme terme, ils ont le mme nombre
d'lments (cardinal). Nous pouvons mettre en correspondance les entiers avec les rationnels
comme nous l'avons dmontr dans le chapitre sur les Nombres, ils ont donc mme cardinal,
nous ne pouvons par contre mettre en correspondance les entiers avec les rels. La question
est alors de savoir s'il y a un ensemble dont le nombre d'lments serait situ entre les deux ou
pas? Cette question est importante pour construire la thorie classique de l'analyse et les
mathmaticiens choisissent en gnral de dire qu'il n'y en a pas, mais nous pouvons aussi dire
le contraire.

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

En
fait l'hypothse du continu est lie de manire plus profonde l'axiome du choix qui peut
aussi tre formul de la manire suivante: si C est une collection d'ensembles non vides alors
nous pouvons choisir un lment de chaque ensemble de la collection. Si C a un nombre fini
d'lments ou un nombre dnombrable d'lments, l'axiome semble assez vident: nous
pouvons ranger les ensembles de C en les numrotant, et le choix d'un lment dans chaque
ensemble est simple. L o a se complique c'est lorsque l'ensemble C a la puissance du
continu: comment choisir des lments s'il n'y pas la possibilit es les numroter?

Finalement en 1938 Kurt Gdel montre que la thorie des ensembles est cohrente sans
l'axiome du choix et sans l'hypothse du continu aussi bien qu'avec! Et pour clore tout a Paul
Cohen montre en 1963 que l'axiome du choix et l'hypothse du continu ne sont pas lis.

CARDINAUX

Dfinition: Des ensembles sont dits "quipotents" s'il existe une bijection (correspondance
biunivoque) entre ces ensembles. Nous disons qu'ils ont alors mme "cardinal".

Ainsi, plus rigoureusement, un cardinal (qui quantifie le nombre d'lments contenus dans
l'ensemble) est une classe d'quivalence (cf. chapitre sur les Oprateurs) pour la relation
d'quipotence.

Remarque: Cantor est le principal crateur de la thorie des ensembles, sous une forme
que nous qualifions aujourd'hui de "thorie nave des ensembles". Mais, ct de
considrations lmentaires, sa thorie comportait des niveaux d'abstraction levs. La vraie
nouveaut de la thorie de Cantor, c'est qu'elle permet de parler de l'infini. Par exemple, une
ide importante de Cantor a justement t de dfinir l'quipotence.

Si nous crivons en tant qu'galit de cardinaux, nous entendons alors par l qu'il
existe deux ensembles quipotents A et B tels que :

et (4.19)

Les cardinaux peuvent tres compars. L'ordre ainsi dfini est une relation d'ordre total (cf.
chapitre sur les Oprateurs) entre les cardinaux (la preuve que la relation d'ordre est totale
utilise l'axiome du Choix et la preuve qu'elle soit antisymtrique est connue sous le nom de
thorme de Cantor-Bernstein que nous dmontrons d'ailleurs plus bas).

Dire que signifie dans un vocabulaire simple que A est quipotent une partie propre
de B, mais B n'est quipotent aucune partie propre de A. Si Les mathmaticiens diraient que
le Card(A) est plus petit ou gal au Card(B) si il existe une injection de A dans B.

Nous avons vu lors de notre tude des nombres, en particulier des nombres transfinis, qu'un
ensemble quipotent (ou en bijection) tait dit "ensemble dnombrable".

Voyons cette notion un petit peu plus dans les dtails:

Soit A un ensemble, s'il existe un entier n tel qu'il y ait au moins chaque lment de A un
correspondant dans l'ensemble {1,2,...n}(au fait rigoureusement il s'agit d'une bijection...

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

concept
que nous dfinirons plus tard) nous disons alors que le cardinal de A, not Card(A),
est de "cardinal fini" et vaut n.

Dans le cas contraire, nous disons que l'ensemble A est de "cardinal infini" et nous posons :

(4.20)

Un ensemble A est donc "dnombrable" s'il existe une bijection entre A et . Un ensemble de
nombre A est "au plus dnombrable" s'il existe une bijection entre A et une partie . Un
ensemble au plus dnombrable est donc soit de cardinal fini, soit dnombrable.

Nous vrifions ds lors les propositions suivantes:

P1. Une partie d'un ensemble dnombrable est au plus dnombrable.

P2. Un ensemble contenant un ensemble non-dnombrable n'est lui aussi pas dnombrable

P3. Le produit de deux ensembles dnombrables est dnombrable

Remarque: Nous pouvons restreindre un ensemble de nombres par rapport l'lment nul
et aux lments ngatifs ou positifs qu'il contient et ds lors nous notons (exemple pour
l'ensemble des rels):

(4.21)

Ces notions tant analogues pour .

Donc tout sous-ensemble infini de est quipotent lui-mme. En particulier, il y a


autant d'entier naturels pairs que d'entiers naturels quelconques (utiliser la bijection
) de vers P, o P dsigne l'ensemble des entiers naturels pairs), autant d'entiers
relatifs que d'entiers naturels, autant d'entiers relatifs que de nombres rationnels (voir le
chapitre traitant des nombres pour les dmonstrations).

Nous pouvons donc crire:

(4.22)

et plus gnralement, toute partie infinie de est dnombrable.

Un rsultat important: tout ensemble infini possde donc une partie infinie dnombrable.

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

Puisque
nous avons dmontr dans le chapitre traitant des nombres que l'ensemble des rels
avait la "puissance du continu" et que l'ensemble des nombres naturels tait de cardinal
transfini , Cantor souleva la question s'il existait un cardinal transfini entre et le
cardinal de ? Autrement dit, existe-il un ensemble infiniment grand qui serait intermdiaire
entre l'ensemble des nombres entiers et l'ensemble des rels?

Le problme se posa en notant bien videmment le cardinal de et (nouveaut) le


cardinal de et en proposant de dmontrer ou de contredire que:

(4.23)

selon la loi combinatoire qui donne le nombre d'lments de l'ensemble que l'on peut obtenir
partir de tous les sous-ensembles d'un ensemble (tel que nous l'avons dmontr
prcdemment).

Le reste de sa vie, Cantor essaya, en vain, de dmontrer ce rsultat que l'on nomma
"l'hypothse du continu". Il n'y russit pas et sombra dans la folie. En 1900, au congrs
international des mathmaticiens, Hilbert estima qu'il s'agissait l d'un des 23 problmes
majeurs qui devraient tres rsolus au 20me sicle.

Ce problme se rsout d'une faon assez tonnante. D'abord, en 1938, un des plus grands
logiciens du 20me sicle, Kurt Gdel, dmontra que l'hypothse de Cantor n'tait pas
rfutable, c'est--dire qu'on ne pourrait jamais dmontrer qu'elle tait fausse. Puis en 1963, le
mathmaticien Paul Cohen boucla la boucle. Il dmontra qu'on ne pourrait jamais non plus
dmontrer qu'elle tait vraie !!! Nous ne pouvons conclure juste raison que Cantor avait
perdu la raison chercher dmontrer un problme qui ne pouvait pas l'tre.

PRODUIT CARTSIEN

Si E et F sont deux ensembles, nous appelons "produit cartsien de E par F" l'ensemble not
( ne pas confondre avec le produit vectoriel) form de tous les couples possibles
o e est un lment de E et f un lment de F.

Autrement crit:

(4.24)

Nous remarquons facilement que et ne sont pas les mmes ensembles (sauf bien
sur si ).

Nous notons le produit cartsien de E par lui mme :

(4.25)

et nous disons alors est "l'ensemble des couples d'lments de E".

Nous pouvons effectuer le produit cartsien d'une suite d'ensemble et ainsi


obtenir l'ensemble des n-uplets o .

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

Dans le cas o tous les ensembles sont identiques E, le produit cartsien


se note bien videmment . Nous disons alors que est "l'ensemble des
n-uplets d'lments de E".

Si E et F sont finis alors le produit cartsien est fini. De plus:

(4.26)

De l, nous voyons que si les ensembles sont finis alors le produit cartsien
est aussi fini et nous avons :

(4.27)

En particulier, si E est un ensemble fini.

Exemples:

E1. Si est l'ensemble des nombres rels, est alors l'ensemble des couples de rels. Dans
le plan rapport un repre, tout point M admet des coordonnes qui sont un lment de .

E2. Lorsque nous lanons deux ds dont les faces sont numrotes de 1 6, chaque d peut
tre symbolis par l'ensemble . Le rsultat d'un lancer est alors un lment
de . Le cardinal de est alors 36. Il y a donc 36 rsultats possibles quand nous
lanons 2 ds dont les faces sont numrotes de 1 6.

Remarque: La thorie de base des ensembles ainsi que le concept de cardinal sont la
base thorique des logiciels de bases de donnes relationnelles.

BORNES

Soit M un ensemble de nombres quelconques de faon ce que (exemple particulier


mais frquent) nous avons comme dfinitions:

D1. est appel "borne suprieure" ou "majorant" de l'ensemble M, si pour


. Inversemement, nous parlons de "borne infrieure" ou de "minorant" (il ne faut
donc pas confondre le concept de borne avec le concept d'intervalle!).

D2. Soit . est appel "plus petite borne suprieure" not :

(4.28)

de M si x est une borne suprieure de M et si pour toute borne suprieure nous avons
Inversement, nous parlons de "plus petite borne infrieure" que nous notons:

(4.29)

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

Les
dfinitions sont quivalentes dans le cadre de l'analyse fonctionnelle (voir chapitre du
mme nom) puisque les fonctions sont dfinies sur des ensembles.

Effectivement, Soit f une fonction dont le domaine de dfinition I balaie tout . Ce que nous
notons et soit .

D1. Nous disons que f prsente un "maximum global" en si:

(4.30)

D2. Nous disons que f prsente un "minimum global" en si:

(4.31)

Dans l'un de ces deux cas, nous disons que f prsente un "extremum global" en (c'est un
concept que nous retrouverons souvent en mcanique analytique!).

D3. f est "majore" s'il existe un rel M tel que . Dans ce cas, la fonction
possde une borne suprieure de f sur son domaine de dfinition I note traditionnellement:

(4.32)

et elle reprsente donc la plus petite borne suprieure (le plut petit majorant).

D4. f est "minore" s'il existe un rel M tel que . Dans ce cas, la fonction
possde une borne suprieure de f sur son domaine de dfinition I note traditionnellement:

(4.33)

et elle reprsente la plus grande borne infrieure (le plus grand minorant).

D5. Nous disons que f est "borne" si elle est la fois majore et minore (c'est le cas des
fonctions trigonomtriques).

OPRATIONS ENSEMBLISTES

Nous pouvons construire partir d'au moins trois ensembles A,B,C, l'ensemble des oprations
(dont nous devons les notations Dedekind) existant dans la thorie des ensembles (trs utiles
dans l'tude des probabilits et statistiques).

Remarque: Certaines des notations prsentes ci-dessous se retrouveront frquemment dans


des thormes complexes, il est donc ncessaire de bien comprendre de quoi il en retourne.

Ainsi, nous pouvons construire les oprations ensemblistes suivantes :

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

INCLUSIONS

Dans le cas le plus simple, nous dfinissons "l'inclusion" par :

(4.34)

En langage non spcialis voici que qu'il faut lire : A est "inclus" (ou "fait partie", ou encore
est un "sous-ensemble") dans B alors pour tout x appartenant A chacun des ces x appartient
aussi B.

(4.35)

De ceci il en dcoule les proprits suivantes:

P1. Si et alors cela implique = et rciproquement

P2. Si et alors cela implique

INTERSECTION

Dans le cas le plus simple, nous avons :

(4.36)

En langage non spcialis voici que qu'il faut lire : "L'intersection" des ensembles A et B
consiste en l'ensemble des lments qui se trouvent la fois dans A et dans B.

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

(4.37)

Plus gnralement, si est une famille d'ensembles indexs par , l'intersection des
est note :

(4.38)

Cette intersection est donc dfinie explicitement par :

(4.39)

C'est--dire que l'intersection de la famille d'ensembles indexs comprend tous les x qui se
trouvent dans chaque ensemble de tous les ensembles de la famille.

Soit deux ensembles A et B, nous disons qu'ils sont "disjoints" si et seulement si:

(4.40)

Par ailleurs, si :

(4.41)

Les mathmaticiens notent cela :

(4.42)

et l'appellent "union disjointe"

Dfinition: Une collection d'ensembles non vides forment une "partition" d'un
ensemble A si les proprits suivantes sont vrifies :

P1. et

P2.

Exemples:

E1. L'ensemble des nombres pairs et l'ensemble des nombres impairs forment une partition de
.

E2. La loi d'intersection est une loi commutative (voir plus loin la dfinition du concept de
"loi") telle que:

(4.43)

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

RUNION/UNION

Dans le cas le plus simple, nous avons :

(4.44)

En langage non spcialis voici ce que qu'il faut lire: La "runion" ou "union" des ensembles
A et B consiste en l'ensemble des lments qui se trouvent dans A et en plus dans B.

(4.45)

Plus gnralement, si est une famille d'ensembles indexs par , l'union des

est note . Cette runion est dfinie par:

(4.46)

C'est--dire que la runion de la famille d'ensembles indexs comprend tous les x pour
lesquels il existe un ensemble index par i tel que x soit inclus dans cet ensemble .

Nous avons les proprits de distributivit suivantes:

(4.47)

(4.48)

La loi de runion est une loi commutative (voir plus loin la dfinition du concept de "loi")
telle que:

(4.49)

Nous appelons par ailleurs "lois d'idempotences" les relations (prcisons cela pour la culture
gnrale):

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

(4.50)

et "lois d'absorptions" les lois:

(4.51)

Les lois de runion et d'intersection sont associatives telles que:

(4.52)

et distributives telles que:

(4.53)

DIFFRENCE

Dans le cas le plus simple, nous avons :

(4.54)

En langage non spcialis voici que qu'il faut lire : La "diffrence" des ensembles A et B
consiste en l'ensemble des lments qui se trouvent uniquement dans A (et qui excluent donc
les lments de B).

(4.55)

Si nous nous rappelons du concept de "cardinal" (voir plus haut), nous avons avec les
oprations prcdemment dfinies, la relation suivante:

(4.56)

d'o si :

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

(4.57)

DIFFRENCE SYMTRIQUE

Soit E un ensemble. Pour tout nous dfinissons la diffrence symtrique entre


A et B par :

(4.58)

En langage non spcialis voici que qu'il faut lire: La "diffrence symtrique" des ensembles
A et B consiste en l'ensemble des lments qui se trouvent uniquement dans A et de ceux se
trouvant uniquement dans B (nous laissons donc de ct les lments qui sont communs).

(4.59)

Les proprits triviales sont les suivantes :

P1.

P2.

P3.

PRODUIT

Dans le cas le plus simple, nous avons :

(4.60)

En langage non spcialis voici que qu'il faut lire: "l'ensemble produit" ( ne pas confondre
avec la multiplication ou le produit vectoriel) de deux ensembles A et B est l'ensemble des
couples tels que:

(4.61)

L'ensemble produit des rels par exemple forme le plan o chaque lment est dfini
par une abscisse et son ordonne.

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

COMPLMENTARIT

Dans le cas le plus simple, nous avons :

(4.62)

En langage non spcialis voici que qu'il faut lire : Le "complmentaire" est dfinit comme en
prenant B un ensemble et A un sous-ensemble de B alors le complmentaire de A dans B est
l'ensemble des lments qui sont dans B mais pas dans A.

(4.63)

Une autre notation trs importante de la complmentarit est la suivante:

ou (4.64)

Nous avons comme proprits pour tout inclus dans B :

(4.65)

(4.66)

Voici quelques lois triviales relatives aux complments:

(4.67)

Il existe d'autres lois trs importantes en logique boolenne. Si nous considrons trois
ensembles A, B, C comme reprsents ci-dessous:

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

(4.68)

nous avons donc:

(4.69)

et les fameuses "lois de De Morgan" sous forme ensembliste (cf. chapitre de Systmes
Logiques Formels) et qui sont donnes par les relations :

(4.70)

FONCTIONS ET APPLICATIONS

Dfinition: En mathmatiques, une "application" (ou "fonction") note f ou A est la donne de


deux ensembles, l'ensemble de dpart E et l'ensemble d'arrive F (ou d'image de E), et d'une
relation associant chaque lment x de l'ensemble de dpart un et un seul lment de
l'ensemble d'arrive, que nous appelons "image de x par f " et que nous notons f(x).

Nous appelons "images" les lments de f(E) et les lments de E sont appels les
antcdents.

Nous disons alors que f est une application de E dans F note:

(4.71)

(se rappeler du premier diagramme sagittal prsent au dbut de ce chapitre), ou encore une
application arguments dans E et valeurs dans F.

Remarque: Le terme "fonction" est souvent utilis pour les applications valeurs
numriques, relles ou complexes, c'est--dire lorsque l'ensemble d'arrive est ou . Nous
parlons alors de "fonction relle", ou de "fonction complexe".

Dfinitions:

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

D1. Le "graphe" (ou encre "graphique" ou "reprsentative") d'une application est


le sous-ensemble du produit cartsien constitu des couples (x,f(x)) pour x variant dans
E. La donne du graphe de f dtermine son ensemble de dpart (par projection sur la premire
composante souvent note x) et son image (par projection sur la seconde composante souvent
note y).

D2. Si le triplet est une fonction o E et F sont deux ensembles et


est un graphe et donc E et F sont respectivement la source et le but de f. Le
"domaine de dfinition" ou "ensemble de dpart" de f est :

= (4.72)

D3. Etant donns trois ensembles E, F et G (non vides), toute fonction de vers G est
appele "loi de composition" de valeurs dans G.

D4. Une "loi de composition interne" (ou simplement "loi interne") dans E est une loi de
composition de valeurs dans E (cas E=F=G).

Remarque: La soustraction dans n'est pas une loi de composition interne bien qu'elle
fasse partie des quatre oprations lmentaires apprises l'cole. Par contre l'addition sur
en est biens une.

D5. Une "loi composition externe" (ou simplement "loi externe") dans E est une loi de
composition de valeurs dans E, o F est un ensemble distinct de E. En gnral, F est
un corps, dit "corps de scalaires"

Exemple:

Dans le cas d'un espace vectoriel (voir dfinition beaucoup plus bas) la multiplication d'un
vecteur (dont les composantes se basent sur un ensemble donn) par un rel est une loi de
composition externe.

Remarque: Une loi de composition externe valeurs dans E est aussi appele "action de F
sur E". L'ensemble F est alors le domaine d'oprateurs. On dit aussi que F opre sur E (ayez
en tte l'exemple des vecteurs prcdemment cit)

D6. Nous appelons "image de f", et nous notons Im(f), le sous-ensemble dfini par :

(4.73)

Ainsi, "L'image" d'une application est la collection des f(x) pour x parcourant E ,
c'est un sous-ensemble de F.

Et nous appelons "noyau de f", et nous notons Ker(f), le sous-ensemble trs important en
mathmatiques dfini par :

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

(4.74)

Selon la figure (il faut bien comprendre ce concept de noyau car nous le rutiliserons de
nombreuses fois pour dmontrer des thormes ayant des applications pratiques importantes) :

(4.75)

Remarques:

R1. Ker(f) provient de lallemand "Kern", signifiant tout simplement "noyau". En anglais, le
noyau se dit aussi "kernel", signifiant "amande" dans le civil.

R2. Normalement les notations Im et Ker sont rserves aux homomorphismes de groupes,
d'anneaux, de corps et aux applications linaires entre espaces vectoriels ou modules etc....
(voir plus loin). Nous n'avons normalement pas l'habitude de les utiliser pour des applications
quelconques entre ensembles quelconques. Mais bon...a fait rien.

Les applications peuvent avoir une quantit phnomnale de proprits dont voici celles qui
font partie des connaissances gnrales du physicien (pour plus de renseignements sur ce
qu'est une fonction, voir le chapitre traitant de l'Analyse Fonctionnelle).

Soit f une application d'un ensemble E un ensemble F alors nous avons les proprits
suivantes :

P1. Une application est dite "surjective" si :

Tout lment y de F est l'image par f d'au moins (nous insistons sur le "au moins") un lment
de E. Nous disons encore que c'est une "surjection" de E dans F. Il dcoule de cette dfinition,
qu'une application est surjective si et seulement si . En d'autres termes,
nous crivons aussi cette dfinition ainsi :

(4.76)

ce qui s'illustre par:

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

(4.77)

P2. Une application est dite "injective" si :

Tout lment y de F est l'image par f d'au plus (nous insistons sur le "au plus") d'un seul
lment de E, l'application f . Nous disons encore que f est une injection de E dans F. Il rsulte
de cette dfinition, qu'une application est injective si et seulement si les relations
et impliquent autrement dit : une application pour laquelle
deux lments distincts ont des images distinctes est dite injective. Ou encore, une application
est injective si l'une aux moins des proprits quivalents suivantes est vrifie :

P2.1

P2.2

P2.3 l'quation en x, a au plus une solution dans E

Tout cela s'illustrant par:

(4.78)

P3. Une application est dite "bijective" si :

Une application f de E dans F est la fois surjective et injective. Dans ce cas, nous avons que
pour tout lment y de F de l'quation admet dans E une unique (ni "au plus", ni "au
moins") pr-image x. Ce que nous crivons aussi :

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

(4.79)

ce qui s'illustre par:

(4.80)

Nous sommes ainsi tout naturellement amen dfinir une nouvelle application de F dans E,
appele "fonction rciproque" de f et note , qui a tout lment y de F, fait correspondre
l'lment x de E pr-image (ou solution) unique de l'quation . Autrement dit:

(4.81)

L'existence d'une application rciproque implique que le graphique d'une application bijective
(dans l'ensemble des rels...) et celui de son application rciproque sont symtriques par
rapport la droite d'quation .

Effectivement, nous remarquons que si est quivalent . Ces quations


impliquent que le point (x, y) est sur le graphique de f si et seulement si le point (y, x) est sur
le graphique de .

Exemple:

Prenons le cas d'une station de vacances o un groupe de touristes doit tre log dans un htel.
Chaque faon de rpartir ces touristes dans les chambres de l'htel peut tre reprsente par
une application de l'ensemble des touristes vers l'ensemble des chambres ( chaque touriste
est associe une chambre).

- Les touristes souhaitent que l'application soit injective, c'est--dire que chacun d'entre eux
ait une chambre individuelle. Cela n'est possible que si le nombre de touristes ne dpasse pas
le nombre de chambres.

- L'htelier souhaite que l'application soit surjective, c'est--dire que chaque chambre soit
occupe. Cela n'est possible que s'il y a au moins autant de touristes que de chambres.

- S'il est possible de rpartir les touristes de telle sorte qu'il y en ait un seul par chambre, et
que toutes les chambres soient occupes : l'application sera alors la fois injective et
surjective nous dirons qu'elle est bijective.

Remarques:

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

R1.
Il vient des dfinitions ci-dessus qu'une application f est bijective (ou "biunivoque") dans
l'ensemble des rels si et seulement si toute droite horizontale coupe la reprsentation
graphique de la fonction en un seul point. Nous pouvons donc amener faire la seconde
remarque suivante :

R2. Une application qui vrifie le test de la droite horizontale est continument croissante ou
dcroissante en tout point de son domaine de dfinition.

P4. Une application est dite "fonction compose" si :

Soit une application de E dans F et une fonction de F dans G. L'application qui associe
chaque lment x de l'lment de E, de G s'appelle "application compose" de et
de et se note .

Le symbole " " est appel "rond". Ainsi, la relation prcdente ce lit "psi rond phy". Ainsi:

(4.82)

Soit, de plus, une application de G dans H. Nous vrifions aussitt que l'opration de
composition est associative:

(4.83)

Cela nous permet d'omettre les parenthses et d'crire plus simplement:

Dans le cas particulier o serait une application de E dans E, nous notons l'application
compose (k fois).

Ce qui est important dans ce que nous venons de voir dans ce chapitre, c'est que toutes les
proprits dfinies et nonces ci-dessus sont applicables aux ensembles de nombres.

Voyons en un exemple trs concret et trs puissant:

THORME DE CANTOR-BERNSTEIN

Attention. Ce thorme, dont le rsultat est vident dans un premier abord, n'est pas simple
aborder. Nous vous conseillons de lire trs lentement et de vous imaginer les diagrammes
sagittaux dans la tte.

Voici l'hypothse dmontrer: Soit X et Y deux ensembles. S'il existe une injection (voir la
dfinition d'une fonction injective ci-dessus) de X vers Y et une autre de Y vers X, alors les
deux ensembles sont en bijection (voir la dfinition d'une fonction bijective ci-dessus). Il
s'agit donc aussi d'une relation antisymtrique.

Pour la dmonstration, nous avons besoin de dmontrer au pralable un lemme dont l'nonce
est le suivant : Soit X, Y, Z trois ensembles tels que . Si X et Y sont en bijection,
alors X et Z sont en bijection.

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

Dmonstration:

D'abord, au niveau formel, crons une fonction f que nous crons telle quelle soit bijective:

(4.84)

Nous avons besoin maintenant de dfinir l'ensemble A par les images de l'union des fonctions
des fonctions f (du genre f(f(f...))) ) des pr-images de l'ensemble Z dont nous excluons les
lments de X (ce que nous notons Z-X ).

En d'autres termes (si la premire forme n'est pas claire) nous dfinissons l'ensemble A
comme tant l'union des images de (Z-X) par les applications Ce que nous
noterons donc:

(4.85)

Nous avons alors bien videmment (faire un schma de tte des diagrammes sagittaux peut
aider ce niveau l):

(4.86)

Nous pouvons dmontrer lgamment cette dernire relation:

(4.87)

(sympathique n'est-ce pas).

Comme Z peut tre partitionn en et , nous posons comme une


dfinition l'application g telle que:

(4.88)

tel que pour toute pr-image a nous ayons:

(4.89)

(rappelez-vous de la dfinition des applications notes "f") et:

(4.90)

L'application g est alors bijective car ses restrictions et , (qui forment


une partition) sont f et l'identit qui sont par dfinition bijectives.

Finalement il existe bien, par construction, une bijection entre X et Z.

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

Reprenons
les hypothses du thorme :

Soit une injection de X vers Y et une injection de Y vers X

Nous avons alors:

et (4.91)

donc:

(4.92)

Comme est injective, X et sont par dfinition en bijection et de mme, comme est
injective, et sont en bijection (l il est bon de relire).

Donc: X et sont eux aussi en bijection

En utilisant le lemme sur et X (donc en analogie avec ), il vient


donc que est en bijection ce qui nous donne avec ceux que nous avons vu juste
prcdemment, que puisque aussi et sont en bijection, alors que est en
bijection avec , alors X et Y sont en injection (ouf! c'est beau mais c'est aussi vicieux
que simple).

C.Q.F.D.

Ce thorme s'interprte alors comme disant : Si je peux compter une partie d'un ensemble
avec la totalit des lments d'un autre ensemble, et rciproquement, alors ils ont le mme
nombre d'lments. Ce qui est vident pour des ensembles finis. Ce thorme gnralise alors
cette notion pour des ensembles infinis.

partir de l, ce thorme reprsente l'une des briques de base pour gnraliser la notion de
tailles d'ensembles des ensembles infinis.

STRUCTURES ALGBRIQUES

L'algbre dite "algbre moderne" commence avec la thorie des structures algbriques due en
partie Carl F. Gauss et surtout variste Galois. Ces structures existent en un trs grand
nombre mais seulement les fondamentales nous intresseront ici. Avant des les dtailler, voici
un diagramme synoptique des ces principales grandeurs et de leur hirarchie :

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

(4.93)

Remarques: Tout en haut du diagramme, la structure au nombre minimal de contraintes,


en bas, un maximum. Soit, plus nous descendons, plus la structure est en quelque sorte
spcialise.

Soit pour simplifier les critures, une loi de composition (comme l'addition, la soustraction,
la multiplication ou encore la division,...)...

Remarque: Cette notation gnralise est parfois appele "notation stellaire".

Dfinitions: Soit et des symboles de lois (cela pourrait tre l'addition et la multiplication
pour prendre le cas le plus connu) alors :

D1. est une "loi commutative" si :

D2. est une "loi associative" si :

D3. n est "lment neutre" pour si :

D4. a' est "l'lment symtrique" (dans le sens gnral de l'oppos par exemple pour l'addition
et l'inverse pour la multiplication) de a pour si :

D5. est une "loi distributive" par rapport si :

Remarques:

R1. Si a est son propre symtrique par rapport la loi , les mathmaticiens disent que a est
"involutif"

R2. Si un lment b de E vrifie , alors b est dit "lment absorbant" pour la

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

loi
.

R3. Il faut toujours vrifier que les neutres et les symtriques le soient " gauche" et "
droite". Ainsi, par exemple, dans , l'lment 0 n'est un neutre qu' droite car
mais .

MAGMA

Dfinition: Nous dsignons un ensemble par le terme "magma" M , si les composants le


constituant sont oprables par rapport une loi interne . :

est un magma si

Remarques:

R1. Si de plus la loi interne est commutative, nous parlons de "magma commutatif"

R2. Si de plus la loi interne est associative, nous parlons de "magma associatif"

R3. Si de plus la loi interne possde un lment neutre, nous parlons de "magma unitaire"

Il est donc important de se rappeler que si nous dsignons une structure algbrique par le
terme "magma" tout court cela signifie en aucun cas que le loi interne est commutative,
associative ou mme qu'elle possde un lment neutre !

Dfinition: Dans un magma , un lment x est dit "lment rgulier" (ou "lment
simplifiable") gauche si pour tout couple nous avons :

(4.94)

Remarque: Nous dfinissons de mme un lment rgulier droite.

Ainsi, un lment est dit "rgulier" s'il est rgulier droite et gauche. Si * est commutative
(ce qui est le cas pour un magma commutatif), les notions d'lment rgulier gauche ou
droite concident.

Exemple:

Dans tout lment est rgulier et dans tout lment non nul est rgulier.

Un magma est donc une structure algbrique lmentaire. Il existe des structures plus
subtiles (monodes, groupes, anneaux, corps, espace vectoriels, etc.) dans lesquelles un
ensemble est muni de plusieurs lois et de diffrentes proprits. Nous allons les voir de suite

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

et
les utiliser tout au long de ce site.

MONODE

Dfinition: Si la loi est associative et possde un lment neutre nous disons alors que le
"magma associatif unitaire" est un "monode" :

est un monode si

Remarques:

R1. Si de plus la loi interne est en plus commutative alors nous disons alors que la structure
forme un "monode ablien" (ou simplement "monode commutatif").

R2. Dans certains ouvrages nous trouvons aussi comme dfinition que le monode est un
"demi-groupe" (avec une loi associative) muni d'un lment neutre.

Montrons tout de suite que l'ensemble des entiers naturels est un monode ablien
totalement ordonn (comme nous l'avons partiellement vu dans le chapitre des oprateurs) par
rapport aux lois d'addition et de multiplication :

La loi d'addition ( + ) est-elle une opration interne telle que nous ayons :

(4.95)

Nous pouvons dmontrer que c'est bien le cas en sachant que 1 appartient tel que :

(4.96)

Donc et l'addition est bien une loi interne (nous disons galement que l'ensemble est
"stable" par rapport l'addition) et en mme temps associative puisque 1 peut tre additionn
lui-mme par dfinition dans n'importe quel ordre sans que le rsultat en soit altr. Si vous
vous rappelez que la multiplication est une loi qui se construit sur l'addition, alors la loi de
multiplication ( x ) est aussi une loi interne et associative !

Nous admettrons partir d'ici qu'il est trivial que la loi d'addition est galement commutative
et que le zro "0" en est l'lment neutre (n). Ainsi, la loi de multiplication est elle aussi
commutative et il est trivial que "1" en est l'lment neutre (n).

- Existe t'il, en restant dans la ligne de l'exemple prcdant..., pour la loi d'addition ( + ) un
symtrique tel que nous ayons:

(4.97)

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

avec ?

Il est assez trivial que pour que cette galit soit satisfaite nous ayons:

(4.98)

soit:

a + b = -c (4.99)

or les nombres ngatifs n'existent pas dans . Ce qui nous amne aussi la conclusion que la
loi d'addition ( + ) n'a pas de symtrique et que la loi de soustraction ( - ) n'existe pas dans
(la soustraction tant rigoureusement l'addition d'un nombre ngatif).

- Existe t'il pour la loi de multiplication ( x ) un symtrique a' tel que nous ayons :

(4.100)

avec ?

D'abord il est vident que:

(4.101)

Mais except pour , le quotient 1/a n'existe pas dans . Donc nous devons conclure
qu'il n'existe pas pour tout lment de de symtriques pour la loi de multiplication et ainsi
que la loi de division n'existe pas dans .

Synthse:

(lois) (+) (-) (x) (/)


Opration
oui oui
interne
Commutative oui oui
oui - oui -
Elment
(zro (un
neutre
"0") "1")
Symtrique - -
(4.102)

Remarque: Le "-" signifie que cette proprit n'existe pas dans l'ensemble considr

Nous avons par exemple les proprits suivantes relativement l'ensemble des entiers naturels
et au concept de monode:

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

P1. est totalement ordonn (attention cette notation est un peu abusive! il suffit qu'il
y ait juste une des deux relations d'ordre R pour que l'ensemble soit totalement ordonn).

P2. et sont des monodes abliens.

P3. L'lment zro "0" est l'lment absorbant pour le monode

P4. Les lois de soustraction et division n'existent pas dans l'ensemble

P5. est un monode ablien totalement ordonn par rapport aux lois d'addition et de
multiplication (attention la notation suivante est abusive car le monode est compos que
d'une seule loi interne et d'une relation d'ordre R ce qui donnerait au total 4 monodes):

(4.103)

Remarques:

R1. Il est rare d'utiliser les monodes; car souvent, lorsque nous nous trouvons face une
structure trop pauvre pour pouvoir vraiment discuter, nous la prolongeons vers quelque chose
de plus riche, comme un groupe, ou un anneau (voir plus loin) tel que l'ensemble des entiers
relatifs.

R2. Dire qu'une structure algbrique est totalement ordonne par rapport certaines lois
signifie que soit une loi, et R une relation d'ordre et a,b,c,d quatre lments de la structure
intresse, alors si aRb et cRd implique . Nous notons alors cette structure
ou simplement (S,R) et en indiquant la (ou les) loi concerne.

GROUPES

Dfinition: Nous dsignons un ensemble par le terme "groupe", si les composants le


constituant satisfont aux trois conditions de ce que nous nommons la "loi interne de groupe",
dfinie ci-dessous:

est un groupe si

Dans ce cas, la loi de compositions interne sera souvent (mais pas exclusivement!) note
"+" et appele "l'addition", le neutre e not "0" et le symtrique de x not "-x".

Insistons sur le fait que la structure de groupe est probablement une des plus importantes dans
la pratique de l'ingnieur et de la physique moderne en gnral. Raison pour laquelle il
convient d'y porter une attention toute particulire (cf. chapitre d'Algbre Ensembliste)!

Si de plus, la loi interne est galement commutative, nous disons alors que le groupe est un
"groupe ablien" ou simplement "groupe commutatif".

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

S'il
existe dans G au moins un lment a tel que tout lment de G est une puissance de a ou
du symtrique a' de a, nous disons que est un "groupe cyclique de gnrateur a" s'il est
fini, sinon nous disons qu'il est "monogne" (nous reviendrons sur les groupes cycliques dans
le chapitre d'Algbre Ensembliste).

Plus gnralement un groupe d'lment neutre e, non rduit uniquement {e} sera
monogne, s'il existe un lment a de G distinct de e tel que . Un
tel groupe sera cyclique, s'il existe un entier n non nul pour lequel . Le plus petit entier
non nul vrifiant cette galit est alors "l'ordre du groupe".

Exemple:

Montrons tout de suite que l'ensemble des entiers relatifs est un groupe ablien totalement
ordonn (comme nous l'avons vu dans le chapitre des oprateurs) par rapport aux lois
d'addition et de multiplication.

D'abord pour raccourcir les dveloppements, il est utile de rappeler que l'ensemble est un
"prolongement" de par le fait que nous y avons ajout tous les nombres symtrique de
signe ngatif ( ).

Ainsi, en abusant toujours des notations (car normalement un groupe n'a qu'une seule loi et
une seule relation d'ordre R suffit l'ordonner), forme un groupe ablien
totalement ordonn (4 groupes au fait!) et un monode ablien (deux monodes au
fait!) totalement ordonn.

Remarquons aussi que la loi de division n'existe pas pour tout lment de l'ensemble !

Synthse :

(lois) (+) (-) (x) (/)


Opration
oui oui oui
interne
Associative oui non oui
Commutative oui non oui
non oui -
Elment oui
(0 pas neutre (un
neutre (zro "0")
gauche) "1")
oui
Symtrique (signe non inverse
oppos)
(4.104)

Nous avons donc les proprits suivantes :

P1. est totalement ordonn (attention nouveau cette notation est un peu abusive! il
suffit qu'il y ait juste une des deux relations d'ordre R pour que l'ensemble soit totalement
ordonn).

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

P2. est un groupe commutatif dont zro "0" est l'lment absorbant

P3. La loi de division n'existe pas dans l'ensemble

P4. L'ensemble est un groupe ablien totalement ordonn par rapport aux lois d'addition et
de soustraction et de multiplication (attention la notation suivante est encore une fois abusive
car le groupe est compos que d'une seule loi interne et d'une relation d'ordre R ce qui
donnerait au total 4 groupes):

(4.105)

P5. L'ensemble est un groupe commutatif totalement ordonn par rapport la loi de
multiplication :

(4.106)

Nous voyons de suite que a des proprits trop restreintes, c'est la raison pour laquelle il
est intressant de le prolonger par l'ensemble des rationnels dfini de manire trs
simpliste... par (cf. chapitre sur les Nombres):

(4.107)

Ce qui se lit: L'ensemble des rationnels et dfini par l'ensemble des quotients p et q
appartenant chacun dont nous excluons q de prendre la valeur nulle.

Et nous avons videmment:

(4.108)

Il est ds lors vident (sans dmonstration et toujours en utilisant la notation abusive dj


commente mainte fois plus haut...) que est aussi totalement ordonn et aussi que
est un groupe ablien totalement ordonn par rapport la loi d'addition seulement
.

Ce qui devient intressant avec , c'est que la de multiplication devient une loi interne et
forme un groupe ablien commutatif dit "groupe multiplicatif" par rapport .

Dmonstration:

Dmontrons donc que le symtrique existe pour la loi de multiplication (.) tel que:

(4.109)

Puisque dans tout nombre peut se mettre sous la forme:

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

(4.110)

avec .

Alors puisque:

(4.111)

Il existe donc un symtrique tout rationnel dans pour la loi de multiplication.

C.Q.F.D.

Par dfinition, ou par construction, la division existe dans et est une opration interne.
Mais est-elle associative telle que pour nous ayons:

(4.112)

Dmonstration:

Au fait, la dmonstration est assez triviale si nous nous rappelons que la division se dfinit
partir de la loi de multiplication par l'inverse et que cette dernire loi est commutative. Ainsi,
il vient :

(4.113)

Donc la loi de division n'est pas associative dans .

C.Q.F.D.

Nous pouvons aussi nous demander si la loi de division ( / ) est cependant commutative tel
que la relation:

(4.114)

pour ?

Nous voyons trs bien que cela n'est pas le cas puisque nous pouvons crire cette dernire
relation sous la forme:

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

(4.115)

Synthse:

(lois) (+) (-) (x) (/)


Opration
oui oui oui oui
interne
Associative oui non oui non
Commutative oui non oui non
non
Elment oui oui (un
(0 pas neutre non
neutre (zro "0") "1")
gauche)
oui non
oui (signe (except
Symtrique (signe non
oppos)
oppos) dans )
(4.116)

Nous avons donc les proprits suivantes :

P1. est totalement ordonn

P2. sont indpendamment des groupes abliens totalement ordonns

P3. Zro "0" est l'lment absorbant par rapport groupe

P4. L'ensemble est un groupe ablien totalement ordonn par rapport aux lois d'addition et
de multiplication que nous notons :

et (4.117)

Les mmes proprits sont applicables et mais la diffrence que ce dernier n'est
pas ordonnable.

Cependant, il peut tre comprhensible que pour vous soyez sceptiques. Dveloppons donc
tout cela:

Nous devons nous assurer que la somme, la diffrence, le produit et le quotient de deux
nombres de la forme donne quelque chose d'encore de cette forme.

Additionnons les nombres et o a, b, c et d sont des rels :

(4.118)

Donc l'addition est bien une loi interne commutative et associative pour laquelle il existe un

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

lment
neutre et symtrique dans l'ensemble des complexes.

Soustrayons les nombres et o a, b, c et d sont ici encore, des rels :

(4.119)

Donc la soustraction est une opration interne elle n'est ni commutative, ni associative elle n'a
pas d'lment neutre gauche et pas de symtrique.

Multiplions maintenant les nombres et o a, b, c et d l toujours, des rels.


Pour parvenir nos fins, nous emploierons la distributivit de la multiplication par rapport
l'addition.

(4.120)

Donc la loi de multiplication est bien une opration interne commutative, associative et
distributive (!) pour laquelle il existe un lment neutre et symtrique dans (voir ci-aprs)
dans l'ensemble des complexes.

Une division est avant tout une multiplication par l'inverse. Prouver qu'il existe un inverse
c'est prouver qu'il existe un symtrique pour la multiplication. Inversons donc le nombre
o x et y sont des rels (diffrents de zro):

(4.121)

Donc l'inverse la division d'un nombre complexe est bien une opration interne non
associative et non commutative pour laquelle il existe un lment neutre et symtrique.

Voyons un exemple de groupe cyclique : Dans , considrons G={1,i,-1,-i} muni de la


multiplication usuelle des nombres complexes. Alors est videmment un groupe
ablien. Un tel groupe est aussi monogne car engendr par les puissances d'un de ses
lments : i (ou bien -i). Ce groupe monogne tant fini, il s'agit alors d'un groupe cyclique.

ANNEAUX

L'anneau est le coeur de l'algbre commutative qui est la structure algbrique correspondant
aux concepts collgiens d'addition, de soustraction, et de multiplication.

Dfinition: Un groupe commutatif (ou "groupe ablien") A est un "anneau" s'il est muni d'une
seconde loi de composition interne vrifiant les proprits suivante :

est un Anneau

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

Comme
nous le savons dj, l'lment neutre de la premire loi de composition interne + est
not "0" et appel "zro" de l'anneau. La deuxime loi interne est souvent note par un point
demi-hauteur et appele la "multiplication".

Remarques:

R1. Si de plus, la deuxime loi interne de composition est galement commutative, l'anneau
est dit "anneau commutatif". Nous rencontrons aussi des anneaux non-commutatifs dans
lequel la relation de commutativit n'est pas impose, il faut alors renforcer la proprit de
l'lment neutre de cette deuxime loi en imposant "1" d'tre un lment neutre la fois
droite et gauche tel que : (un exemple d'anneau non-commutatif est fourni par
l'ensemble des matrices coefficients dans un anneau A, par exemple - voir
chapitre d'Algbre Linaire).

R2. Si de plus, il existe dans A un lment neutre pour la loi deuxime loi de composition
interne , et que cet lment neutre est l'unit "1" nous disons alors que l'anneau est un
"anneau unitaire" et 1 est appel "unit" de l'anneau. Si l'anneau est commutatif et possde un
lment neutre pour la deuxime loi de composition interne alors nous parlons "d'anneau
commutatif unitaire"

R3. Si , quels que soient les lments a,b de A, l'anneau est dit
"anneau intgre" ou "anneau sans diviseurs de zro" (dans le cas contraire il est bien
videmment "non intgre").

R4. Un "anneau factoriel" est un anneau commutatif unitaire et intgre dans lequel le
thorme fondamental de l'arithmtique (cf. chapitre de Thorie des Nombres) est vrifi.

Dfinitions:

D1. Un lment a d'un anneau A est un "lment unit" s'il existe tel que .
Si un tel b existe il est unique (nous en avons vu un exemple lors de notre tude des classes de
congruence en thorie des nombres).

D2. Soit A un anneau. Nous disons que A possde des diviseurs de zro s'il existe
avec et . Les lments a et b sont appels des "diviseurs de zro".

Remarques:

R1. Il est clair qu'un anneau est intgre si et seulement si il ne possde aucun diviseur de zro.

R2. Les notions d'unit et de diviseurs de zro sont incompatibles mais un lment d'un
anneau peut tre ni l'un ni l'autre. Ces le cas, par exemple, de tous les entiers dans
. Ce ne sont ni des units, ni des diviseurs de zro.

Nous verrons un exemple important d'anneau lors du cadre de notre tude des polynmes (cf.
chapitre de Calcul Algbrique) mais nous en avons dj vu de trs importants lors de notre
tude des classes de congruences dans le chapitre de thorie des nombres.

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

Voyons
quelques exemples d'anneaux : Lors de notre tude des groupes nous avons trouv
que les structures :

(4.122)

sont tous les quatre des groupes abliens et les trois premiers sont en plus totalement
ordonns.

La loi de division n'tat en aucun cas associative, nous pouvons nous restreindre tudier
pour chacun des groupes prcits, le couple de lois: (+) et ( x ).

Ainsi, il vient trs vite que:

(4.123)

constituent des anneaux commutatifs unitaires et intgres.

Remarque: Nous considrerons comme vident qu' ce niveau du discours que le lecteur
aura remarqu que est un "sous-anneau" de dans le sens o les oprations dfinies sont
internes chacun des ensembles et que les lments neutres et identit sont identiques et qu'il
existe pour chaque lment de ces ensembles un oppos qui est dans le mme ensemble. Nous
allons approfondir le concept de sous-anneau un peu plus loin.

Soit A un anneau, nous avons les proprits suivant :

P1.

P2.

P3.

Dmonstrations:

DM1. La proprit P1 dcoule de la dfinition D4 des structures algbriques (tout lment


possde un oppos/symtrique). En effet, nous pouvons additionner l'galit
l'lment a. Nous obtenons alors par l'existence de l'oppos cela
donne d'o

DM2. La proprit P2 dcoule des dfinitions D3 (existence de l'lment neutre), D4


(existence de l'oppos/symtrique), D5 (distributivit par rapport l'autre loi) ainsi que de la
proprit P1 ci-dessus. En effet, nous avons :

(4.124)

Nous avons donc . La proprit P1 ci-dessus permet de conclure que


(nous pourrions discuter de la pertinence de ce genre de dmonstration)

DM3. La proprit P3. se montre l'aide de P2. Nous avons :

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

(4.125)

en ajoutant a cette dernire galit, nous avons

C.Q.F.D.

SOUS-ANNEAU

Dfinition: Soit A un anneau et un sous-ensemble de A. Nous disons que S est un


"sous-anneau" de A si :

P1. (lment neutre de A est aussi dans S)

P2.

P3.

P4.

Exemple:

L'anneau est un sous-anneau de

CORPS

Dfinition: Nous dsignons un ensemble de nombres par le terme "corps" si :

est un corps si

Donc un corps est un anneau non nul dans lequel tout lment non nul est inversible ou en
d'autres termes : un anneau dont tous les lments non nuls sont des units est un corps.

Remarque:

R1. Si la loi interne est galement commutative, le corps est dit "corps commutatif".

R2. Les quaternions (cf. chapitre sur les Nombres) forment par exemple un corps non
commutatif pour l'addition et la multiplication.

Voyons des exemples de corps parmi les anneaux unitaires suivant :

(4.126)

Il nous faut d'abord dterminer lesquels ne constituent pas des groupes par rapport la loi
interne de multiplication ( x ).

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

Comme
nous l'avons dj vu dans notre tude des groupes prcdemment, il est vident qu'il
nous faut liminer .

Ainsi, les corps fondamentaux de l'arithmtique sont:

(4.127)

et puisque la loi de multiplication ( x ) est commutative dans ces ensembles, nous pouvons
affirmer que ces corps sont galement des corps commutatifs.

Ainsi, nous appellerons "corps" un systme C de nombres rels ou complexes a tels que la
somme, la diffrence, le produit et le quotient de deux quelconques de ces nombres a
appartiennent au mme systme A.

Nous nonons galement cette proprit de la manire suivante : les nombres d'un corps se
reproduisent par les oprations rationnelles (addition, soustraction, multiplication, division).
Ainsi, il est vident que le nombre zro ne pourra jamais former le dnominateur d'un quotient
et l'ensemble des entiers ne peut former un corps car la division de l'ensemble des nombres
entiers ne donne pas ncessairement un rsultat dans ce mme ensemble.

ESPACES VECTORIELS

Lorsque nous dfinissons un "vecteur" (cf. chapitre de Calcul Vectoriel), nous faisons
habituellement rfrence un "espace euclidien" (cf. aussi chapitre de Calcul Vectoriel) de n
dimensions de . Cependant, la notion d'espace vectoriel est beaucoup beaucoup plus vaste
que ce dernier qui ne reprsente qu'un cas particulier.

Dfinition: Un "espace vectoriel (EV)" ou "K-espace vectoriel" (abrg : K-ev) sur le corps K
(nous prendrons frquemment pour ce corps ou ) est un ensemble possdant les
proprits :

Nous avons donc deux lois de composition (en prenant les notations traditionnelle des
vecteurs qui sera peut-tre plus parlante et utile pour la suite...):

1. Une loi de composition interne: l'addition note + qui vrifie:

1.1. Associativit:

1.2. Commutativit:

1.3. lment neutre:

1.4. lment oppos:

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

2.
Une loi de composition externe: la multiplication par un scalaire, note , qui vrifie:

2.1. Associativit:

2.2. Distributivit:

2.3. Distributivit:

2.4. lment neutre:

Remarques:

R1. Nous disons alors que l'espace vectoriel une "structure algbrique vectorielle" et que ces
lments sont des "vecteurs", les lments de K des "scalaires".

R2. Les oprations respectives sont frquemment l'addition et la multiplication traditionnelles.

R3. Dornavant, pour distinguer les lments du corps Ket de l'ensemble E, nous noterons
ceux de K par des lettres grecques et ceux de E par des lettres latines majuscules.

R4. Outre les cinq proprits numres ci-dessus, il ne faut pas oublier d'ajouter les cinq
autres proprits du groupe ablien (opration interne, commutativit, associativit, lment
neutre, lment inverse). Ce qui nous fait donc au total dix proprits respecter.

Il est inutile de dmontrer que ces proprits sont respectes pour et, par consquent pour
. Nous pouvons cependant nous poser la question propos de certains sous-ensembles de
.

Exemples:

E1. Considrons la rgion rectangulaire illustre dans la figure (a) (et en perspective dans la
figure (c)) ci-dessous :

(4.128)

Ce sous-ensemble de n'est pas un espace vectoriel car, entre autres, la proprit


d'opration interne du groupe ablien n'est pas satisfaite. En effet, si nous prenons deux

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

vecteurs
l'intrieur du rectangle et que nous les additionnons, il se peut que le rsultat sorte
du rectangle. Par contre, il est facile de voir que la droite (infinie) illustre dans la figure (b)
respecte toutes les proprits numres prcdemment et, par consquent, dfini un espace
vectoriel. Notons bien, cependant, que cette droite se doit de passer par l'origine, sinon la
proprit d'lment neutre du groupe ablien ne serait pas respecte (l'lment neutre
n'existant plus).

E2. Un autre exemple d'un espace vectoriel est l'ensemble des polynmes de degr deux
ou moins (cf. chapitre de Calcul Algbrique). Par exemple, deux lments de cet espace sont :

(4.129)

Cet ensemble respecte les 10 proprits d'un espace vectoriel. En effet, si nous additionnons
deux polynmes de degr deux ou moins, nous obtenons un autre polynme de degr deux ou
moins. Nous pouvons aussi multiplier un polynme par un scalaire sans changer l'ordre (ou
degr) de celui-ci, etc. Nous pouvons donc reprsenter un polynme par des vecteurs dont les
termes sont les coefficients du polynme.

Mentionnons que nous pouvons aussi former des espaces vectoriels avec des ensembles de
fonctions plus gnrales que des polynmes. Il importe seulement de respecter les dix
proprits fondamentales d'un espace vectoriel !

Ainsi dfini, un espace vectoriel E sur K est une action de sur qui est compatible
avec la loi de groupe (par extension un "automorphisme" - voir la dfinition plus loin - sur
).

Dfinition: Soit E un espace vectoriel, nous appelons "sous-espace vectoriel" (SEV) de E


un sous-ensemble de E si et seulement si :

(4.130)

ALGBRES

Une "C-algbre A" o C est un corps commutatif, est un ensemble A muni de deux lois de
composition internes + (addition) et (produit) et d'une loi externe (multiplication)
domaine d'oprateurs C (produit par un scalaire) si et seulement si :

Exemples:

E1. Pour reprendre un exemple dans la ligne de celui sur les exemples vectoriels, l'espace

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

euclidien muni de l'addition (+), de la multiplication et du produit vectoriel est


une -algbre non associative et non commutative note .

E2. est un -algbre (un nombre complexe pouvant tre vu comme un vecteur deux
composantes selon ce que nous avons dans le chapitre des Nombres).

HOMOMORPHISMES

Le concept d'homomorphismes (du grec homoios = semblable et morph = forme) a t dfini


par les mathmaticiens car permettant de mettre en vidence des proprits remarquables des
fonctions en particulier avec leurs structures, leur noyau, et de ce que nous appelons les
"idaux" (voir plus loin). Ils nous permettront ainsi d'identifier une structure algbrique une
autre tout en respectant leur structure une autre.

Dfinitions:

D1. Si et sont deux magmas (peu importe la notation utilis pour les lois
internes), une application f de A dans B est un "homomorphisme de magma" ou "morphisme
de magma" (par abus de langage nous crivons parfois aussi "homorphisme" par flegme) si :

(4.131)

en d'autres termes, si l'image d'un compos dans A est le compos des images dans B.

D2. Si et sont deux monodes, une application f de A dans B est un


"homomorphisme de monode" si :

(4.132)

o sont les lments neutres respectifs des monodes A,B.

D3. Si sont deux anneaux, un "homomorphisme d'anneaux" de dans est une


application telle que nous ayons pour tout :

(4.133)

o sont les lments neutres des anneaux par rapport la multiplication.

Soit un homomorphisme d'anneaux. Alors :

P1.

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

P2.

P3. Si a est une unit de A, alors est une unit de B et

Dmonstrations:

DM1. Par , nous avons . Ajoutant des


deux cts de l'galit, nous obtenons

DM2. La proprit P2 dcoule aussi de et la proprit P1. En effet,


nous avons . En additionnant aux deux cts
de la dernire galit, nous obtenons .

DM3. Soient tel que . Alors par et , nous


avons et de mme ce qui montre que est
l'inverse de si b est l'inverse de a.

C.Q.F.D.

Montrons maintenant qu'un homomorphisme d'anneaux est injectif si et seulement


si l'lment 0 est la seul pr-image de 0, autrement dit si :

(4.134)

Dmonstration:

La condition est clairement ncessaire. Montrons qu'elle est suffisante :

Nous supposons donc que . Soit tel que . Alors


ceci implique que donc que ce qui montre que
f est injectif.

C.Q.F.D.

D4. Soient et , deux groupes et f une application . Nous disons que f


est un "homomorphisme de groupe" si :

(4.135)

o sont les lments neutres respectifs des groupes A,B .

D5. Soient f une application d'un corps vers un autre. Nous disons que f est un

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

"homomorphisme
de corps" si f est un homomorphisme d'anneaux...

Remarque: Le fait que l'homomorphisme de corps soit le mme que celui d'un anneau tient
juste au fait que la diffrence entre les deux est que les lments du corps sont inversibles
(aucune loi ou proprit de loi ne diffre entre les deux selon leur dfinition).

Montrons maintenant que tout homomorphisme de corps est injectif ("homomorphisme


injectif")

Dmonstration:

Soit un homomorphisme de corps et Ker(f) un idal (voir plus bas pour la


dfinition d'un idal). Nous avons forcment car (de par la dfinition de
l'homorphisme d'anneau!). Il en rsulte donc que et par suite f est injectif (si
jamais relire les conditions quivalentes qui font qu'une fonction est injective et ensuite relire
la dfinition d'homorphisme d'anneaux!).

Ainsi, un homomorphisme de corps est donc simplement homomorphisme d'anneaux.

Autre manire plus simple de faire la dmonstration:

Si a est diffrent de 0 alors:

(4.136)

o . Donc f(a) est diffrent de 0 ce qui prouve que et donc que f est
injective.

C.Q.F.D.

D6. Soient A et B deux K-ev et une application de A dans B. Nous disons que f est
une "application linaire" ou "homomorphisme d'espaces vectoriels" si :

(4.137)

et nous notons L(A,B) l'ensemble des applications linaires.

Remarques:

R1. Nous avions dj dfini plus haut le concept d'application linaire mais n'avions pas
prcis que les deux ensembles A et B taient des K-ev.

R2. L'application linaire est appele "forme linaire" si et seulement si

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

D7.
Si l'homomorphisme est bijectif nous dirons alors que f est un "isomorphisme". S'il existe
un isomorphisme entre A et B, nous disons que A et B sont "isomorphes" et nous noterons cela
.

Remarque: L'isomorphisme permet au fait d'identifier deux ensembles munis d'une


structure algbrique identique (que ce soit groupe, anneau, etc.) mais dont les lments sont
nomms d'une faon diffrente.

D8. Si l'homomorphisme f est une application uniquement interne, nous dirons alors que f est
un "endomorphisme" (en d'autres termes, nous avons un endomorphisme si dans la dfinition
de l'homorphisme nous avons A=B)

Remarque: Si nous avons un endomorphisme f de E, f est donc restreint Im(f). Donc le


terme "endomorphisme" veut juste dire que l'application f arrive dans E et pas qu'elle touche
tous les lments de E. Nous avons et pas forcment car dans ce dernier
cas nous disons que f est surjective comme nous l'avons dj vu.

D9. Si l'endomorphisme f est en plus bijectif (donc en d'autres termes si homomorphisme est
un endomorphisme et un isomorphisme), nous dirons alors que f est un "automorphisme"

IDAL

Dfinition: Soit A un anneau commutatif. Un sous-ensemble est un "idal" si :

P1. pour tout

P2. pour tout et tout

En d'autres termes, un idal est un sous-ensemble ferm pour l'addition et stable par
multiplication par un lment quelconque de A.

Exemple:

L'ensemble des nombres pairs est par un exemple d'idal de l'ensemble des nombres naturels.

Remarque: Les idaux et sont appel les "idaux triviaux".

Pour savoir si un idal est gal tout l'anneau, il est utile d'utiliser la proprit suivante qui
spcifie que si A est un anneau et I un idal de A, alors si nous avons .

Dmonstration:

Ceci rsulte de la proprit P2 de la dfinition d'un idal :

Pour tout , nous avons car .

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

C.Q.F.D.

Un premier exemple d'idal est donn par le noyau d'un homomorphisme d'anneaux.
Effectivement, dmontrons que le noyau d'un homomorphisme est un idal de R.

Dmonstration:

Soient . Alors :

(4.138)

ce qui montre que . Soit , alors :

(4.139)

ce qui montre que .

C.Q.F.D.

Proposition : Soit A un anneau et soit . Le sous-ensemble :

(4.140)

not ou aA, est un idal (nous allons voir un exemple concret aprs la prochaine
dfinition).

Dfinitions:

D1. Un idal d'un anneau A est dit "idal principal" s'il existe tel que .

D2. Un anneau dont tous les idaux sont principaux est dit "anneau principal".

Montrons maintenant que l'anneau est principal (car tous ses idaux sont principaux).

Dmonstration:

Soit I un idal de (il est facile d'en choisir un : par exemples tous les multiples de 2 ou de
3, etc.). Soit le plus petit entier positif non nul de I. Nous allons montrer que :

Soit a un lment quelconque de I. La division euclidienne nous permet d'crire :

(4.141)

avec (nous l'avons dj dmontr).

Mais comme et que , par la dfinition d'un idal, nous avons (la
somme ou diffrences des lments d'un idal appartenant l'idal). Par choix de r (tant

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

infrieur
r) ceci implique que et donc que .

Ainsi tout lment de I est un multiple de r et donc :

(4.142)

C.Q.F.D.

La dmonstration ci-dessus n'utilise que la division euclidienne sur . Nous pouvons alors
gnraliser ce rsultat aux anneaux qui possdent une division euclidienne. Ainsi, par
exemple, l'anneau k[X] des polynmes (cf. chapitre de Calcul Algbrique) coefficients dans
un corps k est un anneau principal car il possde une division euclidienne.

Dmonstration:

Soit I un idal de k[X]. Notons d le plus petit degr que puisse avoir un polynme non nul de
I. Si alors et donc . Autrement, soit a(X) un polynme de
degr d. Si alors on peut diviser u(X) par a(X). Il existe tels que
et . Donc ce qui entrane
(autrement contradiction avec la minimalit de d). Par suite, . Nous
venons de montrer que

C.Q.F.D.

Ainsi, les seuls idaux de sont ceux de la forme . De plus si nous avons d et m qui sont
des entiers > 1. Alors si et seulement si d | m.

Dmonstration:

Si d | m alors il existe n avec . Soit un lment de . Alors :

(4.143)

ce qui montre que .

Rciproquement, si ceci implique que m est de la forme et ceci prouve que d


divise m.

C.Q.F.D.

Dmontrons aussi qu'un anneau R est un corps si et seulement s'il ne possde que les idaux
triviaux {0},R.

Dmonstration:

Montrons que la condition est ncessaire : Soit I un idal non nul de R et un lment
non nul. Par hypothse (qu'il s'agit d'un corps), il est inversible, c'est--dire qu'il existe
tel que . Ceci implique que et donc, par un rsultat obtenu plus haut .

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

Rciproquement,
supposons que tout idal soit l'idal nul. Alors si est un
lment non nul de R, l'idal principal (r) doit tre gal R. Mais ceci implique que et
dont qu'il existe avec ce qui montre que r est inversible. L'anneau R est donc
un corps.

C.Q.F.D.

Cette caractrisation va nous permettre de dmontrer facilement que tout homomorphisme


partant d'un corps est injectif. Soit que si un homomorphisme o R est un corps.
Alors f est injectif.

Dmonstration:

Nous mettons ensemble ce qui a t vu jusque-l. Nous avons dmontr plus haut que le
noyau Ker(f) d'un homomorphisme est un idal. Mais nous avons galement dmontr plus
haut que nous avons soit soit (car l'anneau R est un corps si et
seulement s'il ne possde que les idaux triviaux).

Mais vu que (de par la dfinition d'un homomorphisme) il s'ensuit qu'il reste
(puisque nous avons dmontr que si A est un anneau et I un idal de A alors si
alors ). Ceci implique par un thorme prcdent (o nous avons dmontr que si
l'homomorphisme est injectif) que f est injective.

C.Q.F.D.

Etudions maintenant les homomorphismes dont l'anneau de dpart est . Soit A un anneau et
un homomorphisme. Par dfinition d'un homomorphisme et par ses proprits, il
faut que et . Mail il faut encore que :

(4.144)

pour tout . Ainsi f est compltement dtermin par la donne de f(1) et est donc unique.
Rciproquement, nous montrons que l'application dfinie par :

(4.145)

est un homomorphisme d'anneaux. En rsum. il existe un et un seul homomorphisme de


dans un anneau quelconque A.

Dfinition: Soit A un anneau et l'unique homomorphisme dfini prcdemment.


Si f est injectif, nous dirons que A est de "caractristique nulle". Sinon, Ker(f)est un idal non
trivial de et comme est ds lors principal (comme nous l'avons dmontr plus haut) il
est de la forme avec . L'entier m est appel la "caractristique de A".

Remarque: Moins formellement, la caractristique d'un anneau est le plus petit entier

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

positif m tel que . S'il n'y en a pas, alors la caractristique est nulle.

Exemple:

L'anneau est de caractristique nulle car l'unique homomorphisme est l'identit.


Il est donc injectif. Les injections montrent que (et galement) sont
des corps de caractristique nulle)

Nous nous proposons maintenant de dmontrer que la caractristique d'un anneau intgre (et
en particulier d'un corps) est gale 0 ou un premier p.

Dmonstration:

Nous montrons la contrapose. Soit A un anneau de caractristique avec m non


premier. Il existe alors des entiers naturels tels que . Soit
l'unique homomorphisme (dfinir prcdemment). Par dfinition (de l'idal) de m, nous avons
mais . Mais alors ce qui montre
que A n'est pas intgre.

C.Q.F.D.

Remarque: La rciproque du thorme n'est pas vraie comme le montre l'exemple de


l'anneau o l'addition et la multiplication se font composante par composante. C'est un
anneau de caractristique nulle mais avec des diviseurs de zro :

(4.146)

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

5. THORIE DES NOMBRES

T raditionnellement, la thorie des nombres est une branche des mathmatiques qui s'occupe
des proprits des nombres entiers, qu'ils soient entiers naturels ou entiers relatifs, et contient
beaucoup de problmes ouverts qu'il est facile relativement de comprendre, mme par les non-
mathmaticiens.

Plus gnralement, le champ d'tude de cette thorie concerne une large classe de problmes
qui proviennent naturellement de l'tude des entiers. La thorie des nombres peut tre divise
en plusieurs champs d'tude (thorie algbrique des nombres, thorie calculatoire des nombres,
etc.) en fonction des mthodes utilises et des questions traites.

Remarque: Le terme "arithmtique" est aussi utilis pour faire rfrence la thorie des
nombres. C'est un terme assez ancien, qui n'est plus aussi populaire que par le pass.

Nous avons choisi de ne prsenter dans cet expos, que les sujets qui sont indispensables
l'tude de la mathmatique et de la physique thorique ainsi que ceux devant faire absolument
partie de la culture gnrale de l'ingnieur.

PRINCIPE DU BON ORDRE

Nous tiendrons acquis ce principe qui s'nonce ainsi :

Tout ensemble non vide contient un plus petit lment.

Nous pouvons utiliser ce thorme pour dmontrer une proprit importante des nombres
appele "proprit archimdienne" ou "axiome d'Archimde" qui s'nonce ainsi :

Pour o a est non nul, il existe au moins un entier positif n tel que:

(5.1)

En d'autres termes, pour deux grandeurs ingales, il existe toujours un multiple entier de la
plus petite, suprieur la plus grande. Nous appelons "archimdien" des structures dont les
lments vrifient une proprit comparable (cf. chapitre de Thorie Des Ensembles).

Mme si cela est trivial comprendre faisons la dmonstration car elle permet de voir le type
de dmarches utiliss par les mathmaticiens quand ils doivent dmontrer des lments
triviaux de ce type...

Dmonstration:

Supposons le contraire. Il se formule en disant que pour nous avons :

(5.2)

Si nous dmontrons que cela est absurde pour tout n alors nous aurons dmontr la proprit

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

archimdienne.

Considrons alors l'ensemble:

(5.3)

En utilisant le principe du bon ordre, nous dduisons qu'il existe tel que pour
tout . Posons donc :

(5.4)

Comme impose galement , nous devons avoir :

(5.5)

ce qui voudrait dire que , d'o une contradiction vidente. Cette contradiction amne
que l'hypothse initiale comme quoi pour tout n alors est fausse et donc que la
proprit archimdienne est dmontre par l'absurde.

C.Q.F.D.

PRINCIPE D'INDUCTION

Soit S un ensemble de nombres naturels qui possde les deux proprits suivantes :

P1.

P2. Si , alors

Alors :

(5.6)

Nous construisons ainsi l'ensemble des nombres naturels. Soit , le symbole " \ "
signifiant "excluant". Nous voulons donc dmontrer que .

A nouveau, mme si cela est trivial comprendre faisons la dmonstration car elle permet de
voir le type de dmarches utiliss par les mathmaticiens quand ils doivent dmontrer des
lments triviaux de ce type...

Dmonstration:

Supposons le contraire :

Par le principe du bon ordre, puisque alors , B doit possder un plus petit lment .
Mais puisque , nous avons que , c'est--dire aussi . En faisant appel

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

(P2), nous avons finalement que , c'est--dire que , donc une contradiction.

C.Q.F.D.

Exemples :

E1. Nous souhaitons montrer l'aide du principe d'induction, que la somme des n premiers
carrs est gale , c'est--dire que pour nous aurions (cf. chapitre de
Suites Et Sries):

(5.7)

D'abord la relation ci-dessus est facilement vrifie pour nous allons montrer que
vrifie aussi cette relation. En vertu de l'hypothse d'induction:

(5.8)

nous retrouvons bien l'hypothse de la validit de la premire relation mais avec , d'o
le rsultat.

C.Q.F.D.

E2. La suite de Fibonacci (cf. chapitre sur les Suites Et Sries) possde la proprit suivante :
la somme des premiers termes conscutifs de la suite, augmente de 1, est gale au terme qui
suit de deux rangs le terme auquel nous nous sommes arrts.

Ainsi, nous avons:

(5.9)

Pour dmontrer cette proprit, nous constatons que cette dernire est aisment vrifie pour
les premires valeurs , de n. Supposons que la proprit ait t dmontre pour n et
pour . Nous avons :

(5.10)

(5.11)

par consquent, en ajoutant ces deux galits et tenant compte de la loi de formation nous
obtenons :

(5.12)

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

par
consquent la deuxime relation ne diffre que de la premire par le changement de n en
puisque est nul. Donc le thorme est dmontr.

Ce procd de dmonstration est d'une trs grande importance dans l'tude de l'arithmtique;
souvent l'observation et l'induction ont permis de souponner des lois qu'il et t plus difficile
de trouver par a priori. Nous nous rendons compte de l'exactitude des formules par la mthode
prcdente qui a donn naissance l'algbre moderne par les tudes de Fermat et de Pascal sur
le triangle de Pascal (voir la section d'algbre)

DIVISIBILIT

Dfinition: Soit avec . Nous disons que "A divise B (sans restes)" s'il existe un
entier q (le quotient) tel que :

(5.13)

auquel cas nous crivons :

A|B (5.14)

Dans le cas contraire, nous crivons et nous lisons "A ne divise pas B".

Remarque: Se rappeler que le symbole | est une relation alors que le symbole / est une
opration!

Par ailleurs, Si A|B, nous dirons aussi que "B est divisible par A" ou que "B est un multiple de
A". Dans le cas o A|B et que , nous dirons que A est un "diviseur propre" de B. De
plus, il est clair que A|0 quel que soit sinon quoi nous avons une singularit.

Voici maintenant quelques thormes lmentaires se rattachant la divisibilit:

T1. Si A|B, alors A|BC quel que soit

Dmonstration:

Si A|B, alors il existe un entier q tel que . Alors, et ainsi A|BC.

C.Q.F.D.

T2. Si A|B et B|C, alors A|C.

Dmonstration:

Si A|B et B|C, alors il existe des entiers q et r tels que et . Donc, et


ainsi A|C.

C.Q.F.D.

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

T3.
Si A|B et A|C, alors :

, (5.15)

Dmonstration:

Si A|B et A|C, alors il existe des entiers q et r tels que et . Il s'ensuit que:

(5.16)

et ainsi que .

C.Q.F.D.

T4. Si A|B et B|A, alors

Dmonstration:

Si A|B et B|A, alors il existe des entiers q et r tels que et . Nous avons donc
et ainsi ; c'est pourquoi nous pouvons avoir si et qu'ainsi

C.Q.F.D.

T5. Si A|B et alors

Dmonstration:

Si A|B et , alors il existe un entier tel que . Mais alors, ,


puisque .

C.Q.F.D.

DIVISION EUCLIDIENNE

La division euclidienne est une opration qui, deux entiers naturels appels dividende et
diviseur, associe deux entiers appels quotient et reste. Initialement dfinie aux entiers naturels
non nuls, elle se gnralise aux entiers relatifs et aux polynmes, par exemple.

Dfinition: Nous appelons "division euclidienne" ou "division entire" de deux nombres A et


B l'opration consistant diviser B par A en s'arrtant quand le reste devient strictement
infrieur A.

Rappelons que tout nombre qui n'a pas de diviseur euclidien est dit "nombre premier" et que
tout couple de nombres qui n'ont que 1 comme diviseur euclidien commun sont dits "premiers
entre eux".

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

Soit avec ; alors, il existe des entiers uniques q et r tels que


, o . De plus, si , alors .

Dmonstration:

Considrons l'ensemble:

(5.17)

Il est facile de voir que et que , d'o, d'aprs le principe du bon ordre, nous
concluons que S contient un plus petit lment . Soit q l'entier satisfaisant .
Il reste montrer que r < A. Supposons le contraire nouveau (dmonstration par l'absurde),
c'est--dire que . Alors, dans ce cas, nous avons , ce qui est quivalent
; mais et , ce qui contredit le
fait que est le plus petit lment de S. Donc, . Enfin, il est clair que si ,
nous avons A|B, d'o la seconde affirmation du thorme.

C.Q.F.D.

Remarque: Dans l'nonc de la division euclidienne, nous avons suppos que .


Qu'obtenons-nous lorsque ? Dans cette situation, -A est positif, et alors nous pouvons
appliquer la division euclidienne B et -A. Par consquent, il existe des entiers q et r tels que:

o (5.18)

Or, cette relation peut s'crire , o bien sr, -q est un entier. La conclusion est
que la division euclidienne peut s'noncer sous la forme plus gnrale :

Soit , alors il existe des entiers q et r tels que , o . De plus, si


, alors .

Les entiers q et r sont dans la division euclidienne uniques. En effet, s'il existe deux autres
entiers et tels que avec toujours , alors et ainsi
. En vertu de (T5) nous avons, si , . Or, cette dernire ingalit
est impossible puisque . Donc, et, puisque , alors ; d'o
l'unicit.

PLUS GRAND COMMUN DIVISEUR

Soit tels que . Le "plus grand commun diviseur" (not "p.g.c.d." par la suite)
de a et b, not :

(5.19)

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

est
l'entier positif d qui satisfait aux deux proprits suivantes :

P1. d|a et d|b

P2. si c|a et c|b et alors c|d (par dfinition)

Notons que 1 est un diviseur commun de deux entiers arbitraires.

Cependant, il n'est pas vident que le p.g.c.d. autre qu'unitaire de deux entiers a et b existe
toujours. Ce fait est dmontr dans le thorme suivant (cependant, si le p.g.c.d. existe, il est
de par sa dfinition unique!) dit "thorme de Bzout".

Dmonstration:

Soit tels que . Alors, il existe des entiers x et y tels que:

(5.20)

Cette relation est appele "identit de Bzout" et il s'agit aussi d'une quation diophantienne
linaire (cf. chapitre de Calcul Algbrique).

Considrons l'ensemble . Comme et , nous


pouvons utiliser le principe du bon ordre et conclure que S possde un plus petit lment d.
Nous pouvons alors crire pour un certain choix .

Il suffit donc de montrer que :

Supposons que . Alors, d'aprs la division euclidienne, il existe tels que


, o . Mais alors:

(5.21)

et donc et , ce qui contredit le fait que d est le plus petit lment possible de S.
Donc, d|a et, de la mme faon, nous dmontrons que d|b.

Comme corollaire important montrons maintenant que si tels que , alors :

(5.22)

constitue l'ensemble de tous les multiples de :

Comme d|a et d|b, alors pour tout . Soit . Nous voulons


montrer que .

Soit d'abord ce qui signifie que d|s et qui implique . Soit un , cela voudrait
donc dire que pour un certain .

Comme pour un choix d'entiers quelconques , alors:

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

(5.23)

C.Q.F.D.

Les hypothses peuvent sembler compliques mais portez plutt votre attention un certain
temps sur la dernire relation. Vous allez tout de suite comprendre!

Remarque: Si au lieu de dfinir le p.g.c.d de deux entiers non nuls, nous permettons l'un
d'entre eux d'tre gal 0, disons , ? Dans ce cas, nous avons a|b et , selon notre
dfinition du p.g.c.d., il est clair que .

Soit et soit , alors nous avons les proprits suivantes du p.g.c.d. :

P1.

P2. o

P3.

P4. Si tel que g|a et g|b alors

Dans certains ouvrages, ces quatre proprits sont dmontres en utilisant intrinsquement la
proprit elle-mme. Personnellement nous nous en abstiendrons car faire cela est plus ridicule
qu'autre chose notre got car la proprit est une dmonstration en elle-mme.

Elaborons maintenant une mthode qui s'avrera trs importante pour calculer le plus grand
commun diviseur de deux entiers (utile en informatique parfois).

ALGORITHME D'EUCLIDE

L'algorithme d'Euclide est un algorithme permettant de dterminer le plus grand commun


diviseur de deux entiers.

Pour aborder cette mthode de manire intuitive, il faut savoir que vous devez comprendre un
nombre entier comme une longueur, un couple d'entiers comme un rectangle (cts) et leur
PGCD est la taille du plus grand carr permettant de carreler (paver) ce rectangle par dfinition
(oui si vous rflchissez un petit moment c'est assez logique!).

L'algorithme dcompose le rectangle initial en carrs, de plus en plus petits, par divisions
euclidiennes successives, de la longueur par la largeur, puis de la largeur par le reste, jusqu'
un reste nul. Il faut bien comprendre cette dmarche gomtrique pour comprendre ensuite
l'algorithme.

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

Exemple:

Considrons que nous cherchons le PGCD (a,b) o b vaut 21 et a vaut15 et gardons l'esprit
que le PGCD, outre le fait qu'il divise a et b, doit laisser un reste nul! En d'autres termes il doit
pouvoir diviser le reste de la division de b par a aussi!

Nous avons donc le rectangle de 21 par 15 suivant:

(5.24)

D'abord nous regardons si 15 est le PGCD (on commence toujours par le plus petit). Nous
divisons alors 21 par 15 ce qui quivaut gomtriquement :

(5.25)

15 n'est donc pas le PGCD (on s'en doutait). Nous voyons immdiatement que nous
n'arrivons pas paver le rectangle avec un carr de 15 par 15.

Nous avons donc un reste de 6 (rectange de gauche). Le PGCD comme nous le savons doit, s'il
existe, par dfinition pouvoir diviser ce reste et laisser un reste nul.

Il nous reste donc un rectangle de 15 par 6. Nous cherchons donc maintenant paver ce
nouveau rectangle car nous savons que le PGCD est par construction infrieur ou gal 6.

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

Nous
avons alors:

(5.26)

Et nous divisons donc 15 par le reste 6 (ce rsultat sera infrieur 6 et permet immdiatement
de tester si le reste sera le PGCD). Nous obtenons:

(5.27)

A nouveau, nous n'arrivons pas paver ce rectangle rien qu'avec des carrs. En d'autres termes,
nous avons un reste non nul qui vaut 3. Soit un rectangle de 6 par 3. Nous cherchons donc
maintenant paver ce nouveau rectangle car nous savons que le PGCD est par construction
infrieur ou gal 3 et qu'il laissera un reste nul si il existe. Nous avons alors
gomtriquement:

(5.28)

Nous divisons 6 par 3 (ce qui sera infrieur 3 et permet immdiatement de tester si le reste
sera le PGCD):

(5.29)

et c'est tout bon! Nous avons 3 qui laisse donc un reste nul et divise le reste 6 il s'agit donc du
PGCD. Nous avons donc au final:

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

Maintenant, voyons l'approche formelle quivalente:

Soit , o . En appliquant successivement la division euclidienne (avec b>a),


nous obtenons la suite d'quations:

(5.30)

Si , alors .

Sinon de manire plus formelle:

Dmonstration:

Nous voulons d'abord montrer que . Or, d'aprs la proprit :

(5.31)

nous avons :

(5.32)

Pour dmontrer la deuxime proprit de l'algorithme d'Euclide, nous crivons l'avant dernire
quation du systme sous la forme:

(5.33)

Or, en utilisant l'quation qui prcde cette avant dernire quation du systme, nous avons :

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

(5.34)

En continuant ce processus, nous arrivons exprimer comme une combinaison linaire de a


et b.

C.Q.F.D.

Exemple:

Calculons le plus grand commun diviseur de (966,429) et exprimons ce nombre comme une
combinaison linaire de 966 et de 429.

Nous appliquons bien videmment l'algorithme d'Euclide:

(5.35)

Nous en dduisons donc que :

(5.36)

et, de plus, que:

(5.37)

Donc le PGCD est bien exprim comme une combinaison linaire de a et b et constitue ce
titre le PGCD.

Dfinition: Nous disons que les entiers sont "relativement premiers" si :

(5.38)

PLUS PETIT COMMUN MULTIPLE

Dfinitions:

D1. Soit , nous disons que m est un "commun multiple" de si


pour .

D2. Soit , nous appelons "plus petit commun multiple" (p.p.c.m) de


, not :

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

(5.39)

le plus petit entier positif par tous les communs multiples de .

Remarque: Soit ; alors, le plus petit commun multiple existe. En effet,


considrons l'ensemble:

(5.40)

Puisque , alors l'ensemble est non vide et, d'aprs l'axiome du bon ordre,
l'ensemble E contient un plus petit lment positif.

Voyons maintenant quelques thormes relatifs au p.p.c.m. :

T1. Si m est un commun multiple de alors

Dmonstration:

Soit . Alors, d'aprs la division euclidienne, il existe des entiers q et r tels


que:

(5.41)

Il suffit de montrer que . Supposons (dmonstration par l'absurde). Puisque


et , alors on a et cela pour . Donc, r est un commun multiple de
plus petit que le p.p.c.m. On vient d'obtenir une contradiction, ce qui prouve le
thorme.

C.Q.F.D.

T2. Si , alors

La dmonstration sera suppose vidente (dans le cas contraire contactez-nous et cela sera
dtaill!)

T3.

Dmonstration:

Pour la dmonstration, nous allons utiliser le "lemme d'Euclide" qui dit que si a|bc et
alors a|c.

Effectivement cela se vrifie aisment car nous avons vu qu'il existe tels que
et alors . Mais a|ac et a|bc impliquent que , c'est--dire

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

galement que .

Revenons notre thorme:

Puisque et , il suffit de prouver le rsultat pour des entiers


positifs a et b. En tout premier lieu, considrons le cas o . L'entier [a,b] tant un
multiple de a, nous pouvons crire . Ainsi, nous avons et, puisque ,
il s'ensuit, d'aprs le lemme d'Euclide, que b | m. Donc, et alors . Mais ab est un
commun multiple de a et b qui ne peut tre plus petit que le p.p.c.m; c'est pourquoi
.

Pour le cas gnral, c'est--dire , nous avons, d'aprs la proprit :

(5.42)

et avec le rsultat obtenu prcdemment que:

(5.43)

Lorsque nous multiplions des deux cts de l'quation par , le rsultat suit et la
dmonstration est effectue.

C.Q.F.D.

THORME FONDAMENTAL DE L'ARITHMTIQUE

Le thorme fondamental de l'arithmtique dit que tout nombre naturel peut s'crire
comme un produit de nombres premiers, et cette reprsentation est unique, part l'ordre dans
lequel les facteurs premiers sont disposs.

Le thorme tablit l'importance des nombres premiers. Essentiellement, ils sont les briques
lmentaires de construction des entiers positifs, chaque entier positif contenant des nombres
premiers d'une manire unique.

Remarque: Ce thorme est parfois appel "thorme de factorisation" (un peu tort... car
d'autres thormes portent le mme nom...).

Dmonstration:

Si n est premier, alors la preuve est termine. Supposons que n n'est pas premier et considrons
l'ensemble:

(5.44)

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

Alors, et , puisque n est compos, nous avons que . D'aprs le principe du bon
ordre, D possde un plus petit lment qui est premier, sans quoi le choix minimal de
serait contredit. Nous pouvons donc crire . Si est premier, alors la preuve est
termine. Si est compos, alors nous rptons le mme argument que prcdemment et nous
en dduisons l'existence d'un nombre premier et d'un entier tels que . En
poursuivant ainsi nous arrivons forcment la conclusion que sera premier.

Donc finalement nous avons bien dmontr qu'un nombre quelconque est dcomposable en
facteurs de nombres premiers l'aide du principe du bon ordre.

C.Q.F.D.

Nous ne connaissons pas ce jour de loi simple qui permette de calculer le n-ime facteur
premier . Ainsi, pour savoir si un entier m est premier, il est pratiquement plus facile ce
jour de vrifier sa prsence dans une table de nombres premiers.

En fait, nous utilisons aujourd'hui la mthode suivante :

Soit un nombre m, si nous voulons dterminer s'il est premier ou non, nous calculons s'il est
divisible par les nombres premiers qui appartiennent l'ensemble :

(5.45)

Exemple:

L'entier 223 n'est divisible par 2, ni par 3, ni par 5, ni par 7, ni par 11, ni par 13. Il est inutile de
continuer avec le prochain nombre premier, car . Nous en dduisons ds lors
que le nombre 223 est premier.

CONRUENCES

Dfinition: Soit . Si a et b ont mme reste dans la division euclidienne par m nous
disons que "a est congru b modulo m", et nous crivons :

(5.46)

ou de manire quivalente il existe un nombre entier relatif k tel que :

(5.47)

Le lecteur pourra vrifier que cela impose que

(5.48)

soit en franais.... que m divise la diffrence entre a et b. Dans le cas contraire, nous disons que
"a est non congru b modulo m".

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

Une
autre manire de dire tout cela si ce n'est pas clair... :

L'tude de ces proprits qui relient trois nombres entre eux est appele communment
"l'arithmtique modulaire".

Remarques:

R1. Que nous soyons bien d'accord, la congruence implique un reste nul pour la division !

R2. Nous excluons en plus de 0 aussi 1 et -1 pour les valeurs que peut prendre m dans la
dfinition de la congruence dans certains ouvrages.

R3. Derrire le terme de congruence se cachent des notions semblables mais de niveaux
d'abstraction diffrents :

- En arithmtique modulaire, nous disons donc que "deux entiers relatifs a et b sont congrus
modulo m s'ils ont mme reste dans la division euclidienne par m". Nous pouvons aussi dire
qu'ils sont congrus modulo m si leur diffrence est un multiple de m.

- Dans la mesure des angles orients, nous disons que "deux mesures sont congrues modulo
si et seulement si leur diffrence est un multiple de ". Cela caractrise
deux mesures d'un mme angle (cf. chapitre de Trigonomtrie).

- En algbre, nous parlons de congruence modulo I dans un anneau commutatif (cf. chapitre de
Thorie Des Ensembles) dont I est un idal : "x est congru y modulo I si et seulement si leur
diffrence appartient I". Cette congruence est une relation d'quivalence, compatible avec les
oprations d'addition et multiplication et permet de dfinir un anneau quotient de l'ensemble
parent avec son idal I.

- Nous trouvons parfois, dans l'tude de la gomtrie (cf. chapitre de Gomtrie Euclidienne) le
terme de congru mis la place de semblable. Il s'agit alors d'une simple relation d'quivalence
sur l'ensemble des figures planes.

La relation de congruence est une relation d'quivalence (cf. chapitre sur les Oprateurs), en
d'autres termes , soient alors la relation de congruence est :

P1. Rflexive :

(5.49)

P2. Symtrique :

(5.50)

P3. Transitive :

(5.51)

Dmonstration:

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

Les
proprits P1 et P2 sont videntes (si ce n'est pas le cas faites le nous savoir nous
dvelopperons!). Nous dmontrerons P3. Les hypothses impliquent que
. Mais alors :

(5.52)

ce qui montre que a et c sont congrus modulo m.

C.Q.F.D.

La relation de congruence est compatible avec la somme et le produit (se rappeler que la
puissance n'est finalement qu'une extension du produit!).

Effectivement, soient tel que et alors :

P1.

P2.

Dmonstrations:

Nous avons par hypothse. Mais alors :

(5.53)

ce qui dmontre P1. Nous avons galement :

(5.54)

ce qui dmontre P2.

C.Q.F.D.

Remarque: La relation de congruence se comporte sur de nombreux points comme la


relation d'galit. Nanmoins une proprit de la relation d'galit n'est plus vraie pour celle de
congruence, savoir la simplification : si , nous n'avons pas ncessairement
.

Exemple :

mais

Jusqu'ici, nous avons vu des proprits des congruences faisant intervenir un seul modulus.
Nous allons maintenant tudier le comportement de la relation de congruence lors d'un
changement de modulus.

P1. Si et d|m, alors

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

Si
P2. et alors a et b sont congrus modulo [r,s]

Ces deux proprits sont videntes. Inutile d'aller dans les dtails pour P1. Pour P2, puisque b-
a est un multiple de r et de s puisque par hypothse :

(5.55)

b-a est donc un multiple du p.p.c.m de r et s, ce qui dmontre P2.

De ces proprits il vient que si nous dsignons par f(x) un polynme coefficient entiers
(positifs ou ngatifs):

(5.56)

La congruence donnera aussi .

Si nous remplaons x successivement par tous les nombres entiers dans un polynme f(x)
coefficients entiers, et si nous prenons les rsidus pour le module m, ces rsidus se
reproduisent de m en m (dans le sens o la congruence se vrifie), puisque nous avons, quel
que soit l'entier m et x:

(5.57)

Nous en dduisons alors l'impossibilit de rsoudre la congruence suivante :

(5.58)

en nombres entiers, si r dsigne l'un quelconque des non-rsidus (un rsidu qui ne satisfait pas
la congruence).

CLASSES DE CONGRUENCE

Dfinition: Nous appelons "classe de congruence modulo m", le sous-ensemble de l'ensemble


dfini par la proprit que deux lments a et b de sont dans la mme classe si et
seulement si ou qu'un ensemble d'lments entre eux sont congrus par ce mme
modulo.

Remarque: Nous avons vu dans le chapitre traitant des oprateurs qu'il s'agit en fait d'une
classe d'quivalence car la congruence modulo m est, comme nous l'avons dmontr plus haut,
une relation d'quivalence.

Exemple:

Soit . Nous divisons l'ensemble des entiers en classes de congruence modulo 3. Exemple
de trois ensembles dont tous les lments sont congrus entre eux sans reste (observez bien ce
que donne l'ensemble des classes!) :

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

(5.59)

Ainsi, nous voyons que pour chaque couple d'lment d'une classe de congruence, la
congruence modulo 3 existe. Cependant, nous voyons que nous ne pouvons pas prendre
o -9 se trouve dans le premire classe et -8 dans le seconde.

Le plus petit nombre non ngatif de la premire classe est 0, celui de la deuxime est 1 et celui
de la dernire est 2. Ainsi, nous noterons ces trois classes respectivement , le
chiffre 3 en indice indiquant le modulus.

Il est intressant de noter que si nous prenons un nombre quelconque de la premire classe et
un nombre quelconque de la deuxime, alors leur somme est toujours dans la deuxime classe.
Ceci se gnralise et permet de dfinir une somme sur les classes modulo 3 en posant :

(5.60)

Ainsi que :

(5.61)

Ainsi, pour tout , la classe de congruence de :

(5.62)

est l'ensemble des entiers congrus a modulo m (et congrus entre eux modulo m). Cette classe
est note :

(5.63)

Remarque: Le fait d'avoir mis entre parenthse l'expression "et congrus entre eux modulo
m" est du au fait que la congruence, tant une relation d'quivalence nous avons comme nous
l'avons dmontr plus haut que si , alors .

Dfinition: L'ensemble des classes de congruences (qui forment par le fait que la
congruence est une relation d'quivalence des : "classes d'quivalences"), pour un m fixe donne
ce que nous appelons un "ensemble quotient" (cf. chapitre Oprateurs). Plus rigoureusement,
nous parlons de "l'ensemble quotient de par la relation de congruence" dont les lments
sont les classes de congruences (ou : classes d'quivalences) et qui forment alors l'anneau
.

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

Nous
dduisons de la dfinition les deux proprits triviales suivantes :

P1. Le nombre b est dans la classe si et seulement si

P2. Les classes et sont gales si et seulement si

Montrons maintenant qu'il y a exactement m diffrentes classes de congruence modulo m,


savoir .

Dmonstration:

Soit , alors tout nombre entier a est congru modulo m un et un seul entier r de
l'ensemble (remarquez bien, c'est important, que nous nous restreignons aux
entiers positifs ou nuls sans prendre en compte les ngatifs!). De plus, cet entier r est
exactement le reste de la division de a par m. En d'autres termes, si , alors :

(5.64)

si et seulement si o q est le quotient de a par m et r le reste. La dmonstration est


donc une consquence immdiate de la dfinition de la congruence et de la division
euclidienne.

C.Q.F.D.

Dfinition: Un entier b est dans une classe de congruence modulo m est appel "reprsentant
de cette classe" (il est claire que par la relation d'quivalence que deux reprsentants d'une
mme classe sont donc congrus entre eux modulo m).

Nous allons pouvoir maintenant dfinir une addition et une multiplication sur les classes de
congruences. Pour dfinir la somme de deux classes , il suffit de prendre un
reprsentant de chaque classe, de faire leur somme et de prendre la classe de congruence du
rsultat. Ainsi (voir les exemples plus haut) :

(5.65)

et de mme pour la multiplication :

(5.66)

Par dfinition de la somme et du produit, nous constatons que la classe de 0 est l'lment
neutre pour l'addition :

(5.67)

et la classe de l'entier 1 est l'lment neutre pour la multiplication :

(5.68)

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

Dfinition: Un lment de est "une unit" s'il existe un lment tel


que

Le thorme suivant permet de caractriser les classes modulo m qui sont des units dans
:

Thorme : Soit [a] un lment . Alors [a] est une unit si et seulement si .

Dmonstration:

Supposons d'abord que . Alors par Bzout, nous avons son identit :

(5.69)

Autrement dit, as est congru 1 modulo m. Mais ceci est quivalent crire par dfinition que
ce qui montre que [a] est une unit. Rciproquement, si [a] est une unit, ceci
implique qu'il existe une classe telle que telle que .

Ainsi, nous venons de dmontrer que constitue bien un anneau puisqu'il possde une
addition, une multiplication, un lment neutre et un inverse.

C.Q.F.D.

FRACTIONS CONTINUES

La notion de fraction continue remonte l'poque de Fermat et atteint son apoge avec les
travaux de Lagrange et Legendre vers la fin du 18me sicle. Ces fractions sont importantes en
physique car nous les retrouvons en acoustique ainsi que dans la dmarche intellectuelle qui a
amen Galois crer sa thorie des groupes.

Considrons dans un premier temps le nombre rationnel a/b avec avec et


. Nous savons que tous les quotients et les restes sont dans le cadre de la division
euclidienne des entiers positifs.

Rappelons l'algorithme d'Euclide vu plus haut (mais not de manire un peu diffrente):

(5.70)

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

Par
substitutions successives, nous obtenons:

(5.71)

Ce qui est aussi parfois not:

(5.72)

Ainsi, tout nombre rationnel positif peut s'exprimer comme une fraction continue finie o
.

Exemples:

E1. Cherchons l'expression de 17/49. Nous savons dj que donc que .


Nous avons alors:

(5.73)

Nous voyons bien dans cet exemple que nous avons effectivement . Nous pouvons
galement remarquer que par construction:

(5.74)

o les crochets reprsentent la partie entire et nous avons aussi:

(5.75)

E2. Voyons comment extraire la racine carre d'un nombre A par la mthode des fractions

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

continues.

Soit a le plus grand nombre entier dont le carr est plus petit que A. On le soustrait de A. Il
y a donc un reste de:

(5.76)

o nous avons utilis une des identits remarquables vues dans le chapitre d'Algbre. D'o en
divisant les deux membres par la deuxime parenthse, nous avons:

(5.77)

Soit:

(5.78)

Dans le dnominateur, nous remplaons par:

(5.79)

Cela donne:

(5.80)

etc. on voit ainsi que le systme est simple pour dterminer l'expression d'une racine en
termes de fraction continue.

Le dveloppement du nombre a/b s'appelle le "dveloppement du nombre a/b en fraction


continue finie" et est condens sous la notation suivante:

(5.81)

Nous considrerons comme intuitif que tout nombre rationnel peut s'exprimer comme fraction
continue finie et inversement que toute fraction continue finie reprsente un nombre rationnel.
Par extension, un nombre irrationnel est reprsent par une fraction continue infinie!

Considrons maintenant une fraction continue finie. La fraction continue:

(5.82)

o est appele la "k-me rduite" ou la "k-me convergente" ou encore le "k-me

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

quotient
partiel".

Avec cette notation, nous avons:

(5.83)

Pour simplifier les expressions ci-dessus, nous introduisons les suites (n pour
numrateur et d pour dnominateur) dfinies par:

(5.84)

l'aide de cette construction, nous avons une petite ingalit intressante immdiate pour un
peu plus loin:

(5.85)

Avec la dfinition ci-dessus, nous constatons que:

(5.86)

Soit en gnralisant:

(5.87)

Maintenant, montrons pour un usage ultrieur que pour , nous avons:

(5.88)

Le rsultat est immdiat pour . En supposant que le rsultat est vrai pour i montrons qu'il
est aussi vrai pour . Puisque:

(5.89)

alors en utilisant l'hypothse d'induction, nous obtenons le rsultat!

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

Nous pouvons maintenant tablir une relation indispensable pour la suite. Montre que si est
la k-me rduite de la fraction continue simple finie alors:

(5.90)

Dmonstration:

(5.91)

puisque:

(5.92)

donc:

(5.93)

ce qui nous indique que le signe est le mme que celui de .

Il en rsulte que pour k impair, et que pour k pair. Il s'ensuit que:

et (5.94)

Ensuite, puisque:

(5.95)

Donc pour k pair, nous avons , nous en dduisons donc:

(5.96)

C.Q.F.D.

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

Montrons
maintenant que toute fraction continue infinie peut reprsenter un nombre irrationnel
quelconque.

En des termes formels, si est une suite d'entiers tous positifs et que nous considrons
alors celui-ci converge ncessairement vers un nombre rel si .

Effectivement il n'est pas difficile d'observer (c'est assez intuitif) avec un exemple pratique que
nous avons:

(5.97)

lorsque .

Maintenant, notons x un nombre rel quelconque et la partie entire de ce nombre


rel. Alors nous avons vu tout au dbut de notre tude des fractions continues que:

(5.98)

Il vient donc que:

(5.99)

Attardons nous pour les ncessits du chapitre d'Acoustique sur le calcul d'une fraction
continue d'un logarithme en utilisant la relation prcdente!

D'abord rappelons que:

(5.100)

Soit (relation dmontre dans le chapitre d'Analyse fonctionnelle):

(5.101)

avec et .

Soit dfini par:

(5.102)

Alors montrons que:

(5.103)

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

effet, pour
En nous avons:

(5.104)

pour nous avons:

(5.105)

donc:

(5.106)

et puisque nous avions montr que:

(5.107)

etc par rcurrence ce qui dmontre notre droit d'utiliser ce changement d'criture.

Exemple:

Cherchons l'expression de la fraction continue de:

(5.108)

Nous savons en jouant avec la dfinition du logarithme que:

(5.109)

donc:

(5.110)

donc . Nous avons alors:

(5.111)

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

et
puisque:

(5.112)

il vient:

(5.113)

Donc nous avons le premier quotient partiel:

(5.114)

Et in extenso nous avons dj:

(5.115)

Simplifions:

(5.116)

Donc le premier quotient partiel peut s'crire:

(5.117)

et passons au deuxime quotient partiel. Nous savons dj pour cela que:

(5.118)

donc il est immdiat que et alors:

(5.119)

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

Il
vient alors:

(5.120)

etc etc.

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

6. PROBABILITS

L e calcul des probabilits s'occupe des phnomnes alatoires (dits plus esthtiquement:
"processus stochastiques" lorsqu'ils sont dpendants du temps), c'est--dire de phnomnes
qui ne mnent pas toujours la mme issue et qui peuvent tres tudis grce aux nombres et
leurs consquences et apparitions. Nanmoins, mme si ces phnomnes ont des issues
varies, dpendant du hasard, nous observons cependant une certaine rgularit statistique.

Dfinitions: Il existe plusieurs manires de dfinir une probabilit. Principalement, nous


parlons de:

D1. "Probabilit exprimentale ou inductive" qui est la probabilit dduite de toute la


population concerne.

D2. "Probabilit thorique ou dductive" qui est la probabilit connue grce l'tude du
phnomne sous-jacent sans exprimentation. Il s'agit donc d'une connaissance " priori" par
opposition la dfinition prcdente qui faisait plutt rfrence une notion de probabilit "
posteriori".

Comme il n'est pas toujours possible de dterminer des probabilits a priori, nous sommes
souvent amens raliser des expriences. Il faut donc pouvoir passer de la premire la
deuxime solution. Ce passage est suppos possible en termes de limite (avec une population
dont la taille tend vers la taille de la population relle).

La modlisation formelle par le calcul des probabilits a t invente par A.N. Kolmogorov
dans un livre paru en 1933. Cette modlisation est faite partir de l'espace de probabilits (U,
A, P) que nous dfinirons de manire un peu complte plus loin et que nous pouvons relier
la thorie de la mesure (voir chapitre du mme nom).

UNIVERS DES VNEMENTS

Dfinitions :

D1. L'univers des vnements, ou des "observables", U est l'ensemble de toutes les issues
(rsultats) possibles, appeles "vnements lmentaires", qui se prsentent au cours d'une
preuve alatoire dtermine.

L'univers peut tre fini (dnombrable) si les vnements lmentaires sont en nombre fini ou
continu (non dnombrable) s'ils sont infinis.

D2. Un "vnement" quelconque A est un ensemble d'vnements lmentaires et constitue


une partie de l'univers des possible U. Il est possible qu'un vnement ne soit constitu que
d'un seul vnement lmentaire.

Exemple:

Considrons l'univers de tous les groupes sanguins possible, alors l'vnement A "l'individu
est de rhsus positif" est reprsent par:

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

(6.1)

alors que l'vnement B "l'individu est donneur universel" est reprsent par:

(6.2)

qui constitue donc un vnement lmentaire.

D3. Soit U un univers et A un vnement, nous disons que l'vnement A " lieu" (ou "se
ralise") si lors du droulement de l'preuve se prsente l'issue i et que .
Dans le cas contraire, nous disons que A "n'a pas lieu".

D4. Le sous-ensemble vide de U s'appelle "vnement impossible". En effet, si lors de


l'preuve l'issue i se prsente, nous avons toujours et donc l'vnement n'a donc
jamais lieu.

Si U est fini, ou infini dnombrable, tout sous-ensemble de U est un vnement, ce n'est plus
vrai si U est non dnombrable (nous verrons dans le chapitre de Statistique pourquoi).

D5. L'ensemble U s'appelle aussi "vnement certain". En effet, si lors de l'preuve l'issue i se
prsente, nous avons toujours (car U est l'univers des vnements). L'vnement U a
donc toujours lieu.

D6. Soit A et B deux sous-ensembles de U. Nous savons que les vnements et


sont tous deux des sous-ensembles de U donc des vnements aussi respectivement
conjoints et disjoints.

Si deux vnements A et B sont tels que :

(6.3)

les deux vnements ne peuvent pas tres ralisables pendant la mme preuve, nous disons
alors qu'ils sont des "vnements incompatibles".

Sinon, si :

(6.4)

les deux vnements peuvent tres ralisables dans la mme preuve (possibilit de voir un
chat noir au moment o on passe sous une chelle par exemple), nous disons inversement
qu'ils sont des "vnements indpendants".

Pour rsumer:

- Incompatibles : Ils ne peuvent se produire ensemble.

- Indpendants : la ralisation de l'un ne modifie pas la probabilit de ralisation de l'autre.

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

AXIOMATIQUE
DE KOLMOGOROV

La probabilit d'un vnement sera en quelque sorte le rpondant de la notion de frquence


d'un phnomne alatoire, en d'autres termes, chaque vnement nous allons attacher un
nombre rel, appartenant l'intervalle [0,1], qui mesurera sa probabilit (chance) de
ralisation. Les proprits des frquences que nous pouvons mettre en vidence lors
d'preuves diverses nous permettent de fixer les proprits des probabilits.

Soit U un univers. Nous disons que nous dfinissons une probabilit sur les vnements de U
si tout vnement A de U nous associons un nombre ou une mesure P(A), appel
"probabilit priori de l'vnement A" ou "probabilit marginale de A".

A1. Pour tout vnement A:

(6.5)

Ainsi, la probabilit de tout vnement est un nombre rel compris entre 0 et 1 inclus (c'est du
bon sens humain...).

A2. La probabilit de l'vnement certain ou de l'ensemble (somme) des vnements possibles


est gale 1:

(6.6)

A3. Si sont deux vnements incompatibles (disjoints), alors:

(6.7)

la probabilit de la runion ("ou") de deux vnements incompatibles est donc gale la


somme de leurs probabilits (loi d'addition). Nous parlons alors de "probabilit disjointe".

Par exemple, si nous considrons qu'il est impossible d'avoir les cheveux totalement blonds et
bruns en mme temps et que chaque tat une probabilit de 50%, alors la probabilit d'tre
l'un ou l'autre des couleurs est la somme des probabilits... Nous retrouverons ce genre de
probabilit dans le chapitre de Gnie Industriel dans la mthode AMDEC des systmes
structure complexe pour un exemple pratique.

Autrement dit sous forme plus gnrale si est une suite d'vnements disjoints deux
deux ( et ne peuvent pas se produire en mme temps si ) alors :

(6.8)

Nous parlons alors de "-additivit" car si nous regardons de plus prs, les trois axiomes ci-
dessus la mesure P forme une -algbre (cf. chapitre de Thorie de la Mesure).

Une consquence immdiate des axiomes (A2) et (A3) est la relation entre les probabilits
d'un vnement A et son complmentaire, not :

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

(6.9)

Dfinition: Si A et B sont indpendants (ou mutuellement exclusifs), nous savons que


, alors (trs important en statistiques!) :

(6.10)

la probabilit de l'intersection ("et") de deux vnements indpendants est gale au produit de


leurs probabilits (loi de multiplication). Nous parlons alors de "probabilit conjointe" (c'est le
cas le plus frquent).

Autrement dit sous forme plus gnrale, les vnements sont indpendants si la
probabilit de l'intersection est le produit des probabilits :

(6.11)

Remarque: Attention ne pas confondre "indpendants" et "incompatibles"!

Soit U un univers comportant un nombre fini n d'issues possibles:

(6.12)

Les vnements:

(6.13)

sont donc appels "vnements lmentaires". Lorsque ces vnements ont mme probabilit,
nous disons qu'ils sont "quiprobables". Dans ce cas, il est trs facile de calculer leur
probabilit. En effet, ces vnements tant par dfinition incompatibles entre eux ce niveau
de notre discours, nous avons en vertu de l'axiome 3 des probabilits :

(6.14)

mais puisque :

(6.15)

et que les probabilits du membre de droite sont par hypothse quiprobables, nous avons :

(6.16)

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

PROBABILITS
CONDITIONNELLES

Que pouvons-nous dduire sur la probabilit d'un vnement B sachant qu'un vnement A est
ralis? En d'autres termes, nous voulons savoir s'il est possible de dfinir la probabilit d'un
vnement conditionnellement (relativement) un autre vnement.

Ce type de probabilit est appele "probabilit conditionnelle" ou "probabilit priori" de B


sachant A, et se note dans le cadre de l'tude des probabilits conditionnelles:

P(B / A) (6.17)

et souvent dans la pratique pour viter la confusion avec une possible division:

P(B | A) (6.18)

Nous avons aussi le cas P(A | B) qui est appel "fonction de vraisemblance de A" ou encore
"probabilit posteriori" de A sachant B (cas beaucoup moins intressant....).

Historiquement, le premier mathmaticien avoir utilis correctement la notion de probabilit


conditionnelle fut Thomas Bayes (1702-1761). Aussi parlons-nous souvent de Bayes ou de
baysien ds que des probabilits conditionnelles sont en jeu: formule de Bayes, statistique
baysienne

La notion de probabilit conditionnelle que nous allons introduire est beaucoup moins simple
qu'elle ne parat a priori et les problmes de conditionnement sont une source inpuisable
d'erreurs en tout genre (il existe de fameux paradoxes sur le sujet).

Commenons d'abord par un exemple simpliste: Supposons que nous ayons deux ds.
Imaginons maintenant que nous ayons lanc seulement le premier d. Nous voulons savoir
quelle est la probabilit qu'en lanant le second d, la somme des deux chiffres vaille une
certaine valeur minimale. Ainsi, la probabilit d'obtenir cette valeur minimale fixe sachant la
valeur du premier d est totalement diffrente de la probabilit d'obtenir cette mme valeur
minimale en lanant les deux ds en mme temps. Comment calculer cette nouvelle
probabilit?

Formalisons la dmarche:

Aprs le lancer du premier d, nous avons:

(6.19)

Soit l'hypothse que , nous pressentons que P(B / A) doit tre proportionnel P(B), la
constante de proportionnalit tant dtermine par la normalisation:

(6.20)

Soit maintenant (B est inclus dans le complmentaire de donc les vnements sont
incompatibles). Il est assez intuitif que sous l'hypothse prcdente nous ayons:

(6.21)

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

Ceci
nous mne aux dfinitions suivantes :

et (6.22)

Ainsi, le fait de savoir que B est ralis rduit l'ensemble des rsultats possibles de U B. A
partir de l, seules les ventualits de ont une importance. La probabilit de A sachant
B et inversement (par symtrie) doit donc tre proportionnelle !

Le coefficient de proportionnalit qui est le dnominateur permet d'assurer l'vnement


certain. Effectivement, si les deux vnements A et B sont incompatibles (pensez l'histoire
du chat noir et de l'chelle par exemple), nous avons donc:

(6.23)

et nous voyons alors P(B / A) qui vaut P(B) et donc A n'apporte rien sur B et rciproquement!!

Une autre faon assez intuitive pour voir les choses est de se reprsenter la mesure de
probabilit P comme une mesure d'aires de sous-ensembles de .

En effet, si A et B sont deux sous-ensembles de d'aires respectives P(A) et P(B) alors la


question de savoir qu'elle est la probabilit qu'un point du plan appartienne B sachant qu'il
appartient A il est assez vident de rpondre que cette probabilit est donne par:

(6.24)

Indiquons aussi que la dfinition des probabilits conditionnelles s'utilise souvent sous la
forme suivante :

(6.25)

appele "formule des probabilits composes". Ainsi, la probabilit de B sachant A peut donc
aussi s'crire sous la forme:

(6.26)

Exemples:

Supposons une maladie comme la mningite. La probabilit de l'avoir sera not


(chiffre arbitraire pour l'exemple) et un signe de cette maladie comme le mal
de tte sera not . Supposons connu la probabilit posteriori d'avoir mal la tte
si nous avons une mningite:

(6.27)

Le thorme de Bayes donne alors la probabilit priori d'avoir une mningite si nous avons

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

mal
la tte! :

(6.28)

Pour en revenir la thorie, notons que nous avons aussi:

(6.29)

qui est appele la "formule des probabilits totales" ou "thorme des probabilits totales".
Mais aussi, pour tout j, nous avons le corollaire suivant en utilisant les rsultats prcdents:

(6.30)

qui est la forme gnrale de la "formule de Bayes" ou "thorme de Bayes" que nous
utiliserons un tout petit peu en Mcanique Statistique et dans le cadre de l'tude de la thorie
des files d'attentes (cf. chapitre de Techniques De Gestion). Il faut savoir que les implications
de ce thorme sont cependant considrables dans le quotidien, dans la mdecine, dans
l'industrie et dans le domaine du Data Mining informatique.

Exemple:

Deux machines et produisent respectivement 100 et 200 pices. produit 5% de


pices dfectueuses et en produit 6% (ces valeurs proviennent d'une loi exponentielle!).
Quelle est la probabilit pour qu'un objet dfectueux ait t fabrique par la machine ?

L'vnement constat A est donc la prsence d'une pice dfectueuse et la probabilit


recherche est la probabilit priori que celle-ci provienne de la machine .

Nous avons alors:

(6.31)

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

L'analyse
baysienne fournit donc un outil puissant de formalisation du raisonnement dans
l'incertain et les exemples que nous avons montrs illustrent surtout quel point cet outil est
dlicat employer..

MARTINGALES

Une martingale en probabilits (il en existe une autre dans les processus stochastiques) est une
technique permettant d'augmenter les chances de gain aux jeux de hasard tout en respectant
les rgles de jeu. Le principe dpend compltement du type de jeu qui en est la cible, mais le
terme est accompagn d'une aura de mystre qui voudrait que certains joueurs connaissent des
techniques secrtes mais efficaces pour tricher avec le hasard. Par exemple, de nombreux
joueurs (ou candidats au jeu) cherchent LA martingale qui permettra de battre la banque dans
les jeux les plus courants dans les casinos (des institutions dont la rentabilit repose presque
entirement sur la diffrence - mme faible - qui existe entre les chances de gagner et celles
de perdre).

De nombreuses martingales ne sont que le rve de leur auteur, certaines sont en fait
inapplicables, quelques-unes permettent effectivement de tricher un peu. Les jeux d'argent
sont en gnral inquitables : quel que soit le coup jou, la probabilit de gain du casino (ou
de l'tat dans le cas d'une loterie) est plus importante que celle du joueur. Dans ce type de jeu,
il n'est pas possible d'inverser les chances, seulement de minimiser la probabilit de ruine du
joueur.

L'exemple le plus courant est la martingale de la roulette, elle consiste jouer une chance
simple la roulette (noir ou rouge, paire ou impaire) de faon gagner, par exemple, une
unit dans une srie de coups en doublant sa mise si l'on perd, et cela jusqu' ce que l'on
gagne. Exemple : le joueur mise 1 unit sur le rouge, si le rouge sort, il arrte de jouer et il a
gagn 1 unit (2 units de gain moins l'unit de mise), si le noir sort, il double sa mise en
pariant 2 units sur le rouge et ainsi de suite jusqu' ce qu'il gagne.

Ayant une chance sur deux de gagner, il peut penser qu'il va finir par gagner ; quand il gagne,
il est forcment rembours de tout ce qu'il a jou, plus une fois sa mise de dpart.

Cette martingale semble tre sre en pratique. noter que sur le plan thorique, pour tre sr
de gagner, il faudrait avoir la possibilit de jouer au cas o un nombre de fois illimit. Ce qui
prsente des inconvnients majeurs :

Cette martingale est en fait limite par les mises que le joueur peut faire car il faut doubler la
mise chaque coup tant que l'on perd : 2 fois la mise de dpart, puis 4, 8, 16.... s'il perd 10
fois de suite, il doit pouvoir avancer 1024 fois sa mise initiale pour la 11e partie ! Il faut donc
beaucoup d'argent pour gagner peu.

Les roulettes comportent un "0" qui n'est ni rouge ni noir. Le risque de perdre lors de chaque
coup est ainsi plus grand que 1/2...

De plus, pour paralyser cette stratgie, les casinos proposent des tables de jeu par tranche de
mise : de 1 100.-, de 2 200.-, de 5 500.-, ... (bon ensuite voir s'il est possible de changer
de table). Impossible donc d'utiliser cette mthode sur un grand nombre de coups, ce qui
augmente le risque de tout perdre.

Le black jack est un jeu qui possde des stratgies gagnantes : plusieurs techniques de jeu, qui

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

ncessitent
gnralement de mmoriser les cartes, permettent de renverser les chances en
faveur du joueur. Le mathmaticien Edward Thorp a ainsi publi en 1962 un livre qui fut
l'poque un vritable best-seller. Mais toutes ces mthodes demandent de longues semaines
d'entranement et sont facilement dcelables par le croupier (les brusques changements de
montant des mises sont caractristiques). Le casino a alors tout loisir d'carter de son
tablissement les joueurs en question.

Il faut noter qu'il existe des mthodes assez volues. L'une d'elles repose sur les
combinaisons les moins joues. Dans les jeux o le gain dpend du nombre de joueurs
gagnants (Loto...), jouer les combinaisons les moins joues optimisera les gains. C'est ainsi
que certaines personnes vendent des combinaisons qui seraient statistiquement trs rarement
utilises par les autres joueurs.

Partant de ce raisonnement, on peut encore conclure qu'un joueur qui aurait russi
dterminer ainsi les combinaisons statistiquement les moins joues, afin d'optimiser son
esprance de gain ne sera en fait certainement pas le seul joueur avoir obtenu par l'analyse
ces fameuses combinaisons, et tous ces joueurs risquent donc finalement d'tre trs dus par
leurs gains s'il s'avrait que cette combinaison quiprobable sorte au tirage! Cela revient dire
que les numros en thorie les moins jous sont en fait surjous par combinaisons, le mieux
serait peut-tre de raliser un savant mlange de numros sous-jous et de numros surjous
pour obtenir les combinaisons idales, qui peuvent par ailleurs tre observes dans les tirages
passs lorsqu'il n'y a pas eu de gagnant. Une autre conclusion tout cela est peut-tre que le
mieux est encore de jouer des combinaisons alatoires qui ont finalement moins de chance
d'tre galement choisies par les joueurs qui incorporent un facteur humain et harmonieux
dans le choix de leurs nombres.

ANALYSE COMBINATOIRE

"L'analyse combinatoire" est le domaine de la mathmatique qui s'occupe de l'tude de


l'ensemble des issues, vnements ou faits (distinguables ou non tous distinguables) avec
leurs arrangements (combinaisons) ordonns ou non selon certaines contraintes donnes.

Dfinitions:

D1. Une suite d'objets (vnements, issues, objets,...) est dite "ordonne" si chaque suite
compose d'un ordre particulier des objets est comptabilise comme une configuration
particulire.

D2. Une suite est donc "non ordonne" si et seulement si nous intresse la frquence
d'apparition des objets indpendamment de leur ordre.

D3. Des objets (d'une suite) sont dits "distincts" si leurs caractristiques ne permettent pas de
les confondre avec des autres objets.

Remarque: Nous avons choisi de mettre l'analyse combinatoire dans ce chapitre car
lorsque nous calculons des probabilits, nous avons galement assez souvent besoin de savoir
quelle est la probabilit de tomber sur une combinaison ou un arrangement d'vnements
donns sous certaines contraintes.

Il existe plusieurs types d'arrangements selon les contraintes et les proprits des lments

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

arrangs.
Nous allons prsenter et dmontrer ci-dessous les 5 cas les plus rpandus partir
desquels nous pouvons trouver (habituellement) tous les autres :

ARRANGEMENTS AVEC RPTITION

Dfinition: Un "arrangement avec rptition" est une suite ordonne de longueur m de n


objets distincts non ncessairement tous diffrents dans la suite (soit avec rptition
possible!).

Soient A et B deux ensembles finis de cardinaux respectifs m, n tels que trivialement il y ait
m faons de choisir un objet dans A (de type a) et n faons de choisir un objet dans B (de type
b).

Nous avons vu en thorie des ensemble que si A et B sont disjoints, que:

(6.32)

Nous en dduisons donc les proprite suivantes:

P1. Si un objet ne peut tre la fois de type a et de type b et s'il y a m faons de choisir un
objet de type a et n faons de choisir un objet de type b, alors il y a faons de choisir
un objet de type a ou de type b.

P2. Si nous pouvons choisir un objet de type a de m faons puis un objet de type b de
n faons, alors il y a selon le produit cartsien de deux ensembles (cf. chapitre de Thorie Des
Ensembles) :

(6.33)

de manire choisir un seul et unique objet de type a puis un objet de type b.

Avec les mmes notations, choisir une fonction de A dans B, c'est choisir (dans le cas gnral)
pour chaque lment de A, son unique image parmi les n lments de B. Il y a donc n faons
de choisir l'image du premier lment de A, puis aussi n faons de choisir l'image du
deuxime, , puis n faons de choisir l'image du m-me. Le nombre d'applications totales
possibles de A dans B est donc gal au produit de m gaux n. Ainsi, nous avons :

(6.34)

o est l'ensemble des applications de A dans B.

Ce rsultat mathmatique est assimilable au rsultat non-ordonn (un arrangement dont


l'ordre des lments de la suite n'est pas est pris en compte) de m tirages dans un sac contenant
n boules diffrentes avec remise aprs chaque tirage.

Exemple:

Combien de "mots" (ordonns) de 7 lettres pouvons-nous former partir d'un alphabet de 24

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

lettres
distinctes ?

(6.35)

Une gnralisation simple de ce dernier rsultat peut consister dans l'nonc du problme
suivant :

Si nous disposons de m objets tels que peut prendre tats diffrents alors le
nombre de combinaisons possibles est:

(6.36)

Et si nous avons alors nous retombons sur :

(6.37)

PERMUTATIONS SIMPLES (SANS RPTITION)

Dfinition: Une "permutation simple" (appele anciennement "substitution") de n objets


distincts est une suite ordonne (diffrente) de ces n objets par dfinition tous diffrents dans
la suite (sans rptition).

Attention ne pas confondre le concept de permutation et d'arrangement!

Le nombre d'arrangements de n lments peut tre calcul par rcurrence : il y a n places pour
un premier lment, n-1 pour un deuxime lment,, et il ne restera qu'une place pour le
dernier lment restant.

Il est ds lors trivial que nous aurons un nombre d'arrangements donn par :

(6.38)

Rappelons que le produit:

(6.39)

est appel "factorielle de n" et nous la notons n! pour .

Il y a donc pour n lments distinguables :

(6.40)

arrangements possibles.

Exemple:

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

Combien
de "mots" (ordonns) de 7 lettres distinctes sans rptition pouvons-nous former ?

(6.41)

Ce rsultat nous amne l'assimiler au rsultat ordonn (un arrangement dont l'ordre des
lments de la suite est pris en compte) du tirage de toutes les boules diffrentes d'un sac
contenant n boules distinguables sans remise.

PERMUTATIONS AVEC RPTITION

Dfinition : Lorsque nous considrons le nombre de permutations ordonnes (diffrentes)


d'une suite de n objets distincts tous ncessairement non diffrents dans une quantit donne
dans la suite nous parlons de "permutation avec rptition".

Remarque: Il ne faut pas confondre cette dernire dfinition avec "l'arrangement avec
rptition"!

Lorsque certains lments lments ne sont pas distinguables dans une suite d'objets (ils sont
rptitifs dans la suite), alors le nombre d'arrangements (permutations) que nous pouvons
constituer se rduit alors assez trivialement un nombre plus petit que si tous les lments
taient distinguables.

Soit le nombre d'objets du type i, avec:

(6.42)

alors, nous notons :

(6.43)

avec le nombre d'arrangements possibles (pour l'instant inconnu) avec rptition


(un ou plusieurs lments rptitifs dans une suite d'lments sont non distinguables par
permutation).

Si chacune des places occupes par des lments identiques tait occupe par des lments
diffrents, le nombre de permutations serait alors multiplier par chacun des (cas
prcdent).

Il vient alors que nous retombons sur la factorielle telle que :

(6.44)

alors:

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

(6.45)

Si les n objets sont tous diffrentes dans la suite, nous avons alors :

(6.46)

et nous nous retrouvons bien avec une permutation simple (sans rptition) telle que :

(6.47)

Il convient de remarquer que les permutations avec rptition sont en plus petit nombre que
celles sans rptition (vident puisque nous ne prenons pas en compte les permutations des
lments identiques entre eux!).

Exemple:

Combien de "mots" (ordonns) pouvons-nous former avec les lettres du mot "mississippi" :

(6.48)

Ce rsultat nous amne l'assimiler au rsultat ordonn (un arrangement dont l'ordre des
lments de la suite est pris en compte) du tirage de n boules non toutes distinguables d'un sac
contenant boules avec remise limite pour chaque boule.

ARRANGEMENTS SIMPLES SANS RPTITION

Dfinition: Un "arrangement simple sans rptition" est une suite ordonne de p objets tous
distincts pris parmi n objets distincts avec .

Nous nous proposons donc maintenant de dnombrer les arrangements possibles de p objets
parmi n. Nous noterons le nombre des ces arrangements.

Il est ais de calculer et de vrifier que . Effectivement, il existe n


faons de choisir le premier objet et (n-1) faons de choisir le deuxime lorsque nous avons
dj le premier.

Pour dterminer , nous raisonnons alors par rcurrence. Nous supposons connu et
nous en dduisons :

(6.49)

Ds lors:

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

(6.50)

alors:

(6.51)

d'o :

(6.52)

Ce rsultat nous amne l'assimiler au rsultat ordonn (un arrangement dont l'ordre des
lments de la suite est pris en compte) du tirage de p boules d'un sac contenant n boules
diffrentes sans remise.

Exemple:

Soit les 24 lettres de l'alphabet, combien de "mots" (ordonns) de 7 lettres distinctes pouvons-
nous former ?

(6.53)

Le lecteur aura peut-tre remarqu que si nous prenons nous nous retrouvons avec :

(6.54)

Donc une permutation simple est donc un arrangement simple sans rptition avec !

COMBINAISONS SIMPLES

Dfinition: Une "combinaison simple" ou "choix" est une suite non-ordonne (dont l'ordre ne
nous intresse pas!) de p lments tous diffrents (pas ncessairement dans le sens visuel du
terme!) choisis parmi n objets distincts et est par dfinition note et appele la
"binomiale".

Si nous permutons les lments de chaque arrangement simple de p lments parmi n, nous
obtenons toutes les permutations simples et nous savons qu'il y en a p! d'o en utilisant la
convention d'criture du site :

(6.55)

C'est une relation trs souvent utilise dans les jeux de hasard mais galement dans l'industrie
via la loi hypergomtrique (cf. chapitre de Techniques De Gestion).

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

Remarques:

R1. Nous avons ncessairement par dfinition

R2. Selon les auteurs nous inversons l'indice ou le suffixe de C il faut donc tre prudent!

Exemple:

Soit un alphabet de 24 lettres, combien avons-nous de choix de prendre 7 lettres parmi les 24
sans prendre en compte l'ordre dans lequel sont tries les lettres :

(6.56)

La mme valeur peut tre obtenue avec la fonction COMBIN( ) de MS Excel.

Ce rsultat nous amne l'assimiler au rsultat non ordonn (un arrangement dont l'ordre
des lments de la suite n'est pas pris en compte) du tirage de p boules d'un sac contenant
n boules diffrentes sans remise.

Il existe, relativement la binomiale, une autre relation trs souvent utilise dans de
nombreux cas d'tudes ou galement de manire plus globale en physique ou analyse
fonctionnelle. Il s'agit de la "formule de Pascal" :

(6.57)

Dmonstration:

(6.58)

Or donc :

(6.59)

et de mme :

(6.60)

Ainsi :

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

(6.61)

C.Q.F.D.

CHANES DE MARKOV

Les chanes de Markov sont des outils statistiques et probabilistes simples mais dont la forme
de prsentation mathmatique prte parfois l'horreur. Nous allons tenter ici de simplifier un
maximum les notations pour introduire cet outil formidable trs utilis au sein des entreprises
pour grer la logistique, les files d'attentes aux centrales d'appel ou aux caisses de magasins
jusqu' la thorie de la dfaillance pour la maintenance prventive, en physique statistique ou
en gnie biologique (et la liste est encore longue et pour plus de dtails le lecteur pourra se
reporter aux chapitres concerns disponibles sur le site).

Dfinition: Nous noterons un processus probabiliste fonction du temps (c'est donc


un processus stochastique) dont la valeur chaque instant dpend de l'issue d'une exprience
alatoire. Ainsi, chaque instant t, X(t) est donc une variable alatoire.

Si nous considrons un temps discret, nous notons alors un processus stochastique


temps discret. Si nous supposons que les variables alatoires ne peuvent prendre qu'un
ensemble discret de valeurs. Nous parlons alors de "processus temps discret et espace
discret".

Remarque: Il est tout fait possible comme dans l'tude du tltrafic d'avoir un processus
temps continu et espace d'tat discret.

Dfinition : est une "chane de Markov" si et seulement si:

(6.62)

en d'autres termes (c'est trs simple!) la probabilit pour que la chane soit dans un certain tat
la n-me tape du processus ne dpend que de l'tat du processus l'tape n 1 et pas des
tapes prcdentes!

Remarque: En probabilit un processus stochastique vrifie la proprit markovienne si et


seulement si la distribution conditionnelle de probabilit des tats futurs, tant donn l'instant
prsent, ne dpend que de ce mme tat prsent et pas des tats passs. Un processus qui
possde cette proprit est donc appel "processus de Markov".

Dfinition: Une "chane de Markov homogne" est une chane telle que la probabilit qu'elle
a pour passer dans un certain tat la n-me soit indpendante du temps. En d'autres termes,

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

la
loi de probabilit caractrisant la prochaine tape ne dpend pas du temps (de l'tape
prcdente), et en tout temps la loi de probabilit tout moment de la chane est toujours la
mme pour caractriser la transition l'tape en cours.

Nous pouvons alors dfinir la (loi) de "probabilit de transition" d'un tat i vers un tat j par :

(6.63)

Il est alors naturel de dfinir la "matrice de transition" :

(6.64)

Les chanes de Markov peuvent tre reprsentes graphiquement sous la forme d'un graphe
orient (cf. chapitre de Thorie Des Graphes). Nous associons alors chaque composante un
arc orient et sa la probabilit de transition.

Exemple:

(6.65)

Ainsi, les seules transitions permises par les 4 tats (matrice 4x4) sont celles indiques par les
flches. Ce qui fait que la matrice de transition s'crit alors :

(6.66)

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

L'analyse
du rgime transitoire d'une chane de Markov consiste dterminer la matrice-
colonne (vecteur) p(n) d'tre dans un tat j l'tape n (ou en la n-me tape autrement dit...) :

(6.67)

Ce vecteur de probabilits dpend (c'est assez intuitif) de la matrice de transition P et du


vecteur de probabilits initiales p(0).

Nous en verrons un exemple trivial dans le chapitre de Thorie des Graphes qui sera
redvelopp sous forme plus dtaille et complte. Mais signalons ors galement que les
chanes de Markov sont galement utilises en mtorologie par exemple:

(6.68)

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

7. STATISTIQUE

L a statistique est une science qui a pour objet le groupement mthodique de faits ou
vnements rptitifs qui se prtent une valuation numrique dans le temps suivant une loi
donne.

Il faut savoir que parmi tous les domaines de la mathmatique, celle qui est utilise la plus
large chelle dans un cadre professionnel dans les entreprises est bien la statistique! Raison
pour laquelle ce chapitre est un des plus gros alors que seuls les concepts lmentaires y sont
prsents!

Il est peut tre inutile de prciser que la statistique est beaucoup utilise en physique
thorique, en conomtrie, en gestion de projets, dans l'industrie des processus, dans les
domaines des assurances vies et non vies, dans l'actuariat ou dans la simple analyse de banque
de donnes (avec MS Excel trs souvent... malheureusement....) et la liste est encore longue.
Par ailleurs, nous rencontrerons les outils prsents ici assez souvent dans les chapitres de
Mcanique des Fluides, de Thermodynamique, des Techniques de Gestion, du Gnie
Industriel et d'conomtrie (en particulier dans ces deux dernires). Le lecteur pourra donc s'y
reporter pour avoir des applications pratiques concrtes des quelques-uns des lments
thoriques les plus importants qui seront vus ici.

Signalons galement que outre les quelques exemples simples donnes sur ces pages, de
nombreux autres exemples applicatifs sont donns sur le serveur d'exercices du site dans les
catgories Probabilits et Statistiques, Gnie Industriel, conomtrie et Techniques de
Gestion.

Dfinition: Le but principal de la statistique est de dterminer les caractristiques d'une


population donne partir de l'tude d'une partie de cette population, appele "chantillon" ou
"chantillon reprsentatif".

Remarque: Le traitement des donnes concerne la "statistique descriptive". L'interprtation


des donnes partir des estimateurs s'appelle "l'infrence statistique" (ou "statistique
infrentielle"), et l'analyse de donnes en masse la "statistique frquentielle" (en opposition
l'infrence bayesienne).

Lorsque nous observons un vnement prenant en compte certains facteurs, il peut arriver
qu'une deuxime observation ait lieu dans des conditions qui semblent identiques. En rptant
ces mesures plusieurs fois sur diffrents objets supposs similaires, nous pouvons constater
que les rsultats observables sont distribus statistiquement autour d'une valeur moyenne qui
est, finalement le rsultat possible le plus probable. Dans la pratique, nous n'effectuons
cependant parfois qu'une seule mesure et il s'agit alors de dterminer la valeur de l'erreur que
nous commettons en adoptant celle-ci comme moyenne mesure. Cette dtermination
ncessite de connatre le type de distribution statistique auquel nous avons faire et c'est que
nous allons nous attarder (entre autres) tudier ici (les bases du moins!). Il existe cependant
plusieurs approches mthodologiques courantes (les moins courantes n'tant pas cites pour
l'instant) face au hasard :

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

1.
Une toute premire consiste ignorer purement et simplement les lments alatoires, pour
la bonne raison que l'on ne sait pas comment les intgrer. Nous utilisons alors la "mthode des
scnarios" appel aussi "simulation dterministe". C'est typiquement un outil utilis par les
financiers ou gestionnaires non diplms travaillant avec des outils comme MS Excel (qui
inclut un outil de gestion de scnarios) ou MS Project (qui inclut un outil de type scnarios
optimiste, pessimiste, attendu).

2. Une seconde approche envisageable, quand nous ne savons pas associer des probabilits
prcises aux futurs vnements alatoires, est la thorie des jeux (cf. chapitre de la Thorie
Des Jeux Et De La Dcision) o l'on utilise des critres de slection semi-empiriques comme
le critre du maximax, du minimax, de Laplace, de Savage, etc.

3. Enfin, quand nous pouvons lier des probabilits aux vnements alatoires, soit que ces
probabilits dcoulent de calculs ou de mesures, soit qu'elles reposent sur une exprience
acquise auprs de situations antrieurs de mme nature que la situation actuelle, nous pouvons
faire appel aux statistiques descriptives et infrentielles (contenu du prsent chapitre) pour
tirer des informations exploitables et pertinentes de cette masse de donnes acquises.

4. Une dernire approche quand nous avons connaissance de probabilits relatives aux issues
intervenantes faisant suite des choix stratgiques est l'utilisation de la thorie de la dcision
(cf. chapitre de la Thorie Des Jeux Et De La Dcision).

Remarque: Sans la statistique mathmatique, un calcul sur des donnes (par exemple une
moyenne), n'est qu'un "indicateur". C'est la statistique mathmatique qui lui donne le statut
d'estimateur dont on matrise le biais, l'incertitude et autres caractristiques statistiques. On
cherche en gnral ce que l'estimateur soit sans biais, convergeant et efficace.

Introduisons avant de continuer quelques dfinitions qui vont nous tre utiles pour la suite sur
le concept d'chantillons et de moyennes :

CHANTILLONS

Lors de l'tude statistique d'ensembles d'informations, la faon de slectionner l'chantillon


est aussi importante que la manire de l'analyser. Il faut que l'chantillon soit reprsentatif de
la population (nous ne faisons pas ncessairement rfrence des populations humaines!).
Pour cela, l'chantillonnage alatoire est le meilleur moyen d'y parvenir.

Le statisticien part toujours de l'observation d'un ensemble fini d'lments, que nous
qualifions de "population". Les lments observs, en nombre n, sont tous de mme nature,
mais cette nature peut tre fort diffrente d'une population l'autre.

Dfinitions:

D1. Nous sommes en prsence d'un "caractre quantitatif" lorsque chaque lment observ
fait explicitement l'objet d'une mme mesure. A un caractre quantitatif donn, nous associons
une "variable quantitative" qui synthtise toutes les valeurs possibles que la mesure
considre est susceptible de prendre (ce type d'information tant reprsent par des courbes
de Gauss, de Bta, de Poisson, etc.)

Remarque: Nous reviendrons sur le concept de "variable" en statistiques plus loin...

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

D2. Nous sommes en prsence d'un"caractre qualitatif" lorsque chaque lment observ fait
explicitement l'objet d'un rattachement unique une "modalit" (nombre d'occurrences dans
l'observation) choisie dans un ensemble de modalits exclusives permettant de classer tous les
lments de l'ensemble tudi selon un certain point de vue (ce type d'information tant
reprsent par des diagrammes barre, fromages, diagrammes bulles, etc.).

D3. Un "chantillon alatoire" est un chantillon tir au hasard dans lequel tous les individus
d'une population ont la mme chance, ou "quiprobabilit" (et nous insistons sur le fait que
cette probabilit doit tre gale), de se retrouver dans l'chantillon.

D4. Dans le cas contraire d'un chantillon dont les lments n'ont pas t pris au hasard, nous
disons alors que l'chantillon est "biais" (dans le cas inverse nous disons qu'il est "non-
biais")

Remarque: Un petit chantillon reprsentatif est, de loin, prfrable un grand chantillon


biais.

En fait, lorsque la taille des chantillons utiliss est petite, le hasard peut donner un rsultat
moins bon que celui qui est biais.

MOYENNES

La notion de "moyenne" ou "tendance centrale" est avec la notion de variable la base des
statistiques.

Cette notion nous semble trs familire et nous en parlons beaucoup sans nous poser trop de
questions. Pourtant il existe divers qualificatifs (nous insistons sur le fait que ce ne sont que
des qualificatifs) pour distinguer la forme de la rsolution d'un problme consistant calculer
la moyenne.

Il faut donc tre trs trs prudent quand aux calculs des moyennes car nous avons une
fcheuse tendance nous prcipiter et utiliser systmatiquement la moyenne arithmtique
sans rflchir, ce qui peut amener de graves erreurs !

Nous verrons ci-dessous diffrentes moyennes avec des exemples relatifs l'arithmtique, au
dnombrement, la physique, l'conomtrie, la gomtrie. Le lecteur trouvera d'autres
exemples en parcourant l'ensemble du site.

Dfinitions: Soit des nombres rels, nous avons alors :

D1. La "moyenne arithmtique" ou "moyenne empirique" dfinie par :

(7.1)

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

trs souvent note


et ou encore .

La moyenne arithmtique est une notion connue de tous comme tant dans les cas simple le
quotient de la somme des n valeurs observes par l'effectif n.

Si plusieurs valeurs occurrent plus d'une fois dans les mesures, la moyenne arithmtique sera
alors bien videmment donne par :

(7.2)

Remarque: Le "mode", not Mod, est par dfinition la valeur qui apparat le plus grand
nombre de fois dans une srie de valeurs. Dans MS Excel, soulignons que la fonction MODE
( ) renvoie la premire valeur dans l'ordre des valeurs ayant le plus grand nombre
d'occurrences en supposant donc une distribution unimodale!

Mais, pour calculer cette moyenne, nous pouvons tout aussi bien utiliser les frquences
d'apparition des valeurs observes (frquence des classes).

Avant de continuer, indiquons que dans la pratique il est difficile de choisir la largeur des
intervalles de classe de l'analyse. Il faut souvent faire plusieurs essais mme s'il existe des
formules semi-empiriques pour choisir le nombre de classes lorsque nous avons n valeurs
disposition.

Une rgle empirique utilise par de nombreux praticiens consiste retenir un nombre de
classes k gal l'entier le plus faible tel que:

(7.3)

Indiquons aussi que par convention, en toute rigueur (donc rarement respect dans les
notations),

un intervalle de classe est ferm gauche et ouvert droite.

Maintenant, puisque par dfinition et que l'une des proprits de l'oprateur est
que, pour une constante k quelconque nous ayons :

(7.4)

nous pouvons alors crire avec :

(7.5)

Cette relation est un cas particulier de la relation ci-dessous :

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

(7.6)

dfinissant la "moyenne pondre" qui pondre les valeurs par un coefficient


tel que la somme des ces coefficients soit gale 1.

Plus loin, nous verrons deux proprits extrmement importantes de la moyenne


arithmtique qu'il vous faudra absolument comprendre (moyenne pondre des carts la
moyenne et la moyenne des carts la moyenne est nulle).

D2. La "mdiane" ou "moyenne milieu" dfinie par la valeur qui coupe une population en
deux parties gales.

Autrement dit, soit une srie de valeurs ordonnes , la mdiane est par
dfinition la valeur de la variable telle que l'on ait autant d'lments qui ont une valeur qui lui
est suprieure ou gale, que d'lments qui ont une valeur qui lui est infrieure ou gale.

Plus rigoureusement:

- Si le nombre de termes est impair, de la forme 2n+1, la mdiane de la srie est le terme de
rang n+1

- Si le nombre de termes est pair, de la forme 2n, la mdiane de la srie est la demi-somme
(moyenne arithmtique) des valeurs des termes de rang n et n + 1.

Dans tous les cas, de par cette dfinition, il dcoule qu'il y a au moins 50 % des termes de la
srie infrieurs ou gaux la mdiane, et au moins 50% des termes de la srie suprieurs ou
gaux la mdiane.

En relation directe avec la mdiane il est important de dfinir le concept suivant:

Dfinition: Soit donn une srie statistique , nous appelons "dispersion des
carts absolus" autour de x le nombre dfini par :

(7.7)

est minimum pour une valeur de x la plus proche d'une valeur donne au sens de
l'cart absolu. La mdiane est la valeur qui ralise ce minimum (extrmum). L'ide va alors
consister tudier les variations de la fonction pour trouver cet extrmum.

En effet, nous pouvons crire :

(7.8)

Donc :

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

(7.9)

Ce qui nous permet de faire sauter les valeurs absolues est simplement le choix de l'indice r
qui est pris de telle manire que la srie de valeurs peut en pratique toujours tre coup en
deux parties: tout ce qui est infrieur un lment de la srie index par r et tout ce qui lui est
suprieur.

est donc une fonction affine (assimilable l'quation d'une droite pour r et n fixs) par
morceaux (discrte) o l'on peut assimiler le facteur (2r-n) la pente et:

(7.10)

l'ordonne l'origine.

La fonction est donc dcroissante (pente ngative) tant que r est infrieur n/2 et croissante
quand r est suprieur n/2. Plus prcisment, nous distinguons deux cas qui nous intressent
particulirement puisque n est un entier :

- Si n est pair, nous pouvons poser , alors la pente peut s'crire et elle est
nulle si et ds lors puisque ce rsultat n'est valable par construction que pour
alors est constante sur et nous avons un extrmum
obligatoirement au milieu de cet intervalle.

- Si n est impair, nous pouvons poser (nous coupons la srie en deux parties
gales), alors le pente peut s'crire et elle est nulle si et ds lors
puisque ce rsultat n'est valable que pour alors est constante sur
donc par construction la valeur du milieu sera la mdiane soit .

Nous retrouvons donc bien la mdiane dans les deux cas. Nous verrons aussi plus loin
comment la mdiane est dfinie pour une variable alatoire continue.

Il existe un autre cas pratique o le statisticien n'a sa disposition que des valeurs regroupes
sous forme d'intervalles de classes statistiques. La procdure pour dterminer la mdiane est
alors diffrente:

Lorsque nous avons notre disposition uniquement une variable classe, l'abscisse du point
de la mdiane se situe en gnral l'intrieur d'une classe. Pour obtenir alors une valeur plus
prcise de la mdiane, nous procdons une interpolation linaire.

La valeur de la mdiane peut tre lue sur le graphique ou calcule analytiquement.


Effectivement, considrons le graphique reprsentant la probabilit cumule F(x) en
intervalles de classe comme ci-dessous o les bornes des intervalles ont t relies par des
droites:

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

(7.11)

La valeur de la mdiane M se trouve au croisement videmment entre la probabilit de 50%


(0.5) et l'abscisse. Si nous prenons dans le cadre particulier de l'exemple ci-dessus la borne
suprieure de l'intervalle de classe prcdant celle contenant la mdiane nous avons 2 et 4
pour la borne infrieure de l'intervalle suivant. Nous avons alors en calculant la pente la
relation suivante:

(7.12)

Ce que nous crivons frquemment:

(7.13)

d'o la valeur de la mdiane:

(7.14)

Prenons le tableau suivant que nous retrouverons bien plus tard dans le prsent chapitre:

Montant des Nombre de tickets Nombre cumuls de Frquences


tickets tickets relatives cumules
[0;50[ 668 668 0.068
[50,100[ 919 1'587 0.1587
[100,150[ 1'498 3'085 0.3085
[150,200[ 1'915 5000 0.5000
[200,250[ 1'915 6'915 0.6915
[250,300[ 1'498 8'413 0.8413
[300,350[ 919 9'332 0.9332
[350,400[ 440 9'772 0.9772
[400 et + 228 10'000 1
(7.15)

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

Nous
voyons que la "classe mdiane" est dans l'intervalle [150,200] mais la mdiane est elle
(faisons le calcul mme si dans cet exemple c'est trivial):

(7.16)

et nous pouvons faire de mme avec n'importe quel autre centile bien videmment!

La question qui se pose ensuite est celle de la pertinence du choix de la moyenne ou de la


mdiane. Un bon exemple reste celui du march du travail o de faon gnrale, le salaire
moyen et le salaire mdian sont relativement diffrents.

Remarque: Pour viter d'obtenir une moyenne arithmtique ayant peu de sens, nous
calculons souvent une "moyenne lague", c'est dire une moyenne arithmtique calcule
aprs avoir enlev des valeurs aberrantes la srie.

Les "quantiles" gnralisent la notion de mdiane en coupant la distribution en des ensembles


donnes de parties gales (de mme cardinal pourrions nous dire...) ou autrement dit en
intervalles rguliers. Nous dfinissons ainsi les "quartiles", les "dciles" et les "centiles" (ou
"percentiles") sur la population, ordonne dans l'ordre croissant, que nous divisons en 4, 10 ou
100 parties de mme effectif.

Nous parlerons ainsi du centile 90 pour indiquer la valeur sparant les premiers 90% de la
population des 10% restant.

Prcisons que dans la version francophone de MS Excel les fonctions QUARTILE( ),


CENTILE( ), MEDIANE( ), RANG.POURCENTAGE ( ) sont disponibles et spcifions qu'il
existe plusieurs variantes de calcul des ces centiles d'o une variation possible entre les
rsultats sur diffrents logiciels.

Ce concept est trs important dans le cadre des intervalles de confiance que nous verrons
beaucoup plus loin dans ce chapitre et trs utile dans le domaine de la qualit avec l'utilisation
des botes moustaches (traduction de Box & Whiskers Plot ou BoxPlot) permettant de
comparer rapidement deux population de donnes et surtout d'liminer les valeurs aberrantes
(prendre comme rfrence la mdiane sera justement plus judicieux!):

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

(7.17)

D3. La "moyenne quadratique" parfois simplement note Q qui est dfinie par :

(7.18)

avec m=2.

Remarque: C'est une des moyennes les plus connues en statistiques car l'cart-type est une
moyenne quadratique (voir plus loin).

Exemple:

Soit un carr de ct a , et un autre carr de ct b. La moyenne des aires des deux carrs est
gale carre de ct:

(7.19)

D4. La "moyenne harmonique" parfois simplement note H est dfinie par :

(7.20)

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

peu
connue mais dcoule souvent de raisonnements simples et pertinents (typiquement la
rsistance quivalente d'un circuit lectrique ayant plusieurs rsistances en parallles). Il
existe une fonction MOYENNEL.HARMONIQUE( ) dans MS Excel pour la calculer.

Exemple:

Soit une distance d parcourue dans un sens la vitesse et dans l'autre (ou pas) la vitesse
. La vitesse moyenne s'obtiendra en divisant la distance totale 2d par le temps mis la
parcourir:

(7.21)

Si nous calculons le temps mis lorsqu'on parcourt d avec une vitesse c'est tout simplement
le quotient:

(7.22)

Le temps total vaut donc:

(7.23)

La vitesse moyenne (son inverse pour tre exacte) sera donc bien du type harmonique :

(7.24)

D5. La "moyenne gomtrique" parfois note simplement G est dfinie par :

(7.25)

Cette moyenne est souvent oublie mais nanmoins trs connue dans le domaine de
l'conomtrie (surtout quand nous tudierons le rendement gomtrique moyen) et de la
finance d'entreprise (cf. chapitre Techniques De Gestion) raison pour laquelle il existe une
fonction MOYENNE.GEOMETRIQUE( ) dans MS Excel pour la calculer.

Exemple:

Supposons qu'une banque offre une possibilit de placement et prvoit pour la premire anne
un intrt (c'est absurde mais c'est un exemple) de , mais pour la deuxime anne
un intrt de Au mme moment une autre banque offre un intrt constant pour
deux ans: X%. C'est pareil, dirons-nous un peu rapidement. En fait les deux placements n'ont
pas la mme rentabilit.

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

Dans la premire banque, un capital deviendra au bout de la premire anne:

(7.26)

et la seconde anne:

(7.27)

Dans l'autre banque nous aurons au bout d'un an:

(7.28)

et aprs la seconde anne:

(7.29)

etc...

Comme vous pouvez le voir le placement ne sera pas identique si ! Donc X% n'est
donc pas la moyenne de et .

Posons maintenant:

et (7.30)

Quelle est en fait la valeur moyenne r ?

Au bout de deux ans le capital est multipli par . Si la moyenne vaut r il sera alors
multipli par . Nous avons donc la relation:

(7.31)

C'est un exemple d'application o nous retrouvons donc la moyenne gomtrique. L'oubli de


la moyenne harmonique une erreur frquente dans les entreprises lorsque certains employs
calculent le taux moyen d'augmentation d'une valeur de rfrence.

D6. La "moyenne mobile", appele aussi "moyenne glissante" est dfinie par:

(7.32)

La moyenne mobile est particulirement utilise en conomie, o elle permet de reprsenter


une courbe de tendance d'une srie de valeurs, dont le nombre de points est gal au nombre
total de points de la srie de valeurs moins le nombre que vous spcifiez pour la priode.

Une Moyenne Mobile (MM) en finance est calcule partir des moyennes des cours d'une
valeur, sur une priode donne: chaque point d'une moyenne mobile sur 100 sances est la

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

moyenne
des 100 derniers cours de la valeur considre. Cette courbe, affiche simultanment
avec la courbe d'volution des cours de la valeur, permet de lisser les variations journalires
de la valeur, et de dgager des tendances.

Les moyennes mobiles peuvent tre calcules sur diffrentes priodes, ce qui permet de
dgager des tendances court terme MMC (20 sances selon les habitudes de la branche),
moyen terme (50-100 sances) ou long terme MML (plus de 100 sances).

(7.33)

Les croisements des moyennes mobiles par la courbe des cours (dcoupe avec une certaine
granularit) de la valeur gnrent des signaux d'achat ou de vente (selon les professionnels)
suivant le cas:

- Signal d'achat: lorsque la courbe des cours franchit la MM.

- Signal de vente: lorsque la courbe des cours franchit la MM vers le bas.

Outre la moyenne mobile, prcisons qu'il existe une quantit d'autres indicateurs artificiels
souvent utiliss en finance comme par exemple le "upside/downside ratio".

L'ide est la suivante: Si vous avec un produit financier (cf. chapitre d'conomtrie)
actuellement de prix (prix courant) pour lequel vous avez un objectif de gain haut un prix
haut correspondant que noterons (high price) et inversement le potentiel de perte que vous
estimez un prix (low price).

Alors, le rapport:

(7.34)

donne le Upside/Downside Ratio.

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

Par
exemple, un produit financier de 10.- avec un prix bas de 5.- et un prix haut de 5.- a donc
un ratio et donc un facteur spculatif identique pour permette le grain ou une perte
de 5.-.

Un produit financier de 10.- avec un prix bas de 5.- et un prix haut de 20.- a donc un
donc deux fois le potentiel spculatif de gain par rapport celui de perte.

Certaines associations boursires recommandent de refuser les infrieurs 3. Les


investisseurs ont tendance rejeter les trop levs pouvant tre un signe de gonflage
artificiel.

D7. La "moyenne pondre" est dfinie par:

(7.35)

La moyenne pondre (dont nous avons dj fait mention plus haut) est utilise par exemple
en gomtrie pour localiser le barycentre d'un polygone, en physique pour dterminer le
centre de gravit ou en statistiques pour calculer une esprance (le dnominateur tant
toujours gal l'unit en probabilits) et en gestion de projets pour estimer les dures des
tches.

Dans le cas gnral le poids reprsente l'influence de l'lment par rapport aux autres.

D8. La "moyenne fonctionnelle" ou "moyenne intgrale" est dfinie par :

(7.36)

o dpend d'une fonction f d'une variable relle intgrable (cf. chapitre de Calcul
Diffrentiel Et Intgral) sur un intervalle [a,b].

PROPRITS DES MOYENNES

Voyons maintenant quelques proprits pertinentes qui relient quelques-unes de ces


moyennes ou qui sont propres une moyenne donne.

Les premires proprits sont importantes donc prenez garde bien les comprendre :

P1. Le calcul des moyennes arithmtique, quadratique et harmonique peut tre gnralis
l'aide de la relation suivante :

(7.37)

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

o
nous retrouvons :

1. Pour , la moyenne arithmtique

2. Pour , la moyenne quadratique

3. Pour , la moyenne harmonique

P2. La moyenne arithmtique a une proprit de linarit, c'est--dire que (sans dmonstration
car quand mme simple vrifier) :

(7.38)

C'est la version statistique de la proprit de l'esprance en probabilit que nous verrons plus
loin.

P3. La somme pondre des carts la moyenne arithmtique est nulle.

Dmonstration:

D'abord, par dfinition, nous savons que :

et (7.39)

il s'ensuit que :

(7.40)

Ainsi, cet outil ne peut tre utilis comme mesure de dispersion!

Par extension la moyenne des carts la moyenne pondre par les effectifs est nulle aussi :

(7.41)

C.Q.F.D.

Ce rsultat est relativement important car il permettra plus loin de mieux saisir le concept
d'cart-type et de variance.

P4. Soit dmontrer :

(7.42)

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

Dmonstration:

Tout dabord, nous prenons 2 nombres rels non nuls et tels que et nous
crivons :

1. La moyenne arithmtique :

(7.43)

2. La moyenne gomtrique :

(7.44)

3. La moyenne harmonique :

(7.45)

4. La moyenne quadratique :

(7.46)

Remarque: Les comparaisons entre les moyennes prcites et la mdiane ou encore les
moyennes glissantes et pondres n'ont pas de sens c'est pour cela que nous nous abstenons
les faire.

Prouvons dj que par l'absurde en posant :

(7.47)

Par commodit posons nous savons que . Or :

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

(7.48)

et nous cherchons montrer que n'est pas possible. Mais ceci dcoule des

quivalences suivantes :

(7.49)

Il y donc contradiction et ce qui vrifie notre hypothse initiale :

(7.50)

Regardons maintenant si :

Sous l'hypothse . Nous cherchons donc maintenant montrer que :

(7.51)

Or nous avons les quivalences suivantes :

(7.52)

et la dernire expression est videment correcte.

Or le carr d'un nombre est toujours positif ce qui vrifie notre hypothse initiale :

(7.53)

Nous prouvons maintenant et dmontrons-le par l'absurde en posant :

(7.54)

Or le carr d'un nombre est toujours positif ce qui vrifie notre hypothse initiale :

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

(7.55)

Nous avons donc bien :

(7.56)

Dmontrons par l'absurde que en posant et que .

Dmonstration:

Nous avons alors :

(7.57)

Il y a donc contradiction avec l'hypothse initiale et nous avons donc bien :

(7.58)

C.Q.F.D.

Ces ingalits dmontres, nous pouvons alors passer une figure que nous attribuons
Archimde pour placer trois de ces moyennes. L'intrt de cet exemple est de montrer qu'il
existe des relations remarquables parfois entre la statistique et la gomtrie (fruit du
hasard ???).

(7.59)

Nous allons d'abord poser et O est le milieu de . Ainsi, le cercle dessin


est de centre O et de rayon . D est lintersection de la perpendiculaire passant
par B et du cercle (nous choisissons lintersection que nous voulons). H est quant lui le
projet orthogonal de B sur .

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

Archimde affirme que est la moyenne arithmtique de a et b et que est la moyenne


gomtrique de a et b, et la moyenne harmonique de a et b.

Nous dmontrons donc que (trivial) :

(7.60)

Donc est bien la moyenne arithmtique de a et b.

Ensuite nous avons dans le triangle rectangle ADB:

(7.61)

Puis dans le triangle rectangle nous avons :

(7.62)

Nous additionnons alors ces deux galits, et nous trouvons :

(7.63)

Nous savons que D est sur un cercle de diamtre , donc ADC est rectangle en D, donc :

(7.64)

Puis nous remplaons et par a et b:

(7.65)

Et donc, est bien la moyenne gomtrique de a et b.

Nous reste prouver alors que est la moyenne harmonique de a et b :

Nous avons dans un premier temps (projection orthogonale) :

(7.66)

Puis nous avons aussi (projection orthogonale aussi):

(7.67)

Nous avons donc :

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

(7.68)

et comme , nous avons donc :

(7.69)

est donc bien la moyenne harmonique de a et b, Archimde ne stait pas tromp.

TYPES DE VARIABLES

Lorsque nous avons parl des chantillons au dbut de ce chapitre, nous avons fait mention de
deux types d'informations : les variables quantitatives et qualitatives. Nous n'avons cependant
pas prcis qu'il existait deux types de variables quantitatives trs importantes qu'il convient
absolument de diffrencier :

1. Les variables discrtes

2. Les variables continues

Voyons de prs de quoi il s'agit car maintenant que le concept de moyenne nous est
relativement bien connu, nous allons pouvoir aborder des calculs plus formels et qui
prendront tout leur sens.

VARIABLES DISCRTES

Soit X un variable indpendante (un lment d'un chantillon dont la proprit est
indpendante des autres lments) qui peut prendre les valeurs alatoires discrtes
dans avec les probabilits respectives o, de par l'axiomatique des
probabilits:

(7.70)

Alors nous dfinissons "l'esprance mathmatique" de la variable X par:

(7.71)

En d'autres termes, nous savons qu' chaque vnement de l'espace des chantillons est
associ une probabilit laquelle nous associons galement une valeur (donne par la variable
alatoire). La question tant alors de savoir quelle valeur, long terme, nous pouvons obtenir.
La valeur espre, (l'esprance mathmatique donc...) est alors la moyenne pondre, par la
probabilit, de toutes les valeurs des vnements de l'espace des chantillons.

Si la probabilit est donne par une fonction de distribution (voir les dfinitions des fonctions
de distribution plus bas) de la variable alatoire, nous avons:

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

(7.72)

Remarque: peut tre note s'il n'y pas de confusion possible.

Voici les proprits mathmatiques de linarit importantes de l'esprance (linarit) que nous
utiliserons souvent tout au long de ce chapitre:

P1. Multiplication par une constante:

(7.73)

P2. Somme de deux variables alatoires:

(7.74)

Nous en dduisons que pour n variables alatoires , dfinies sur une mme loi de
distribution:

(7.75)

P3. Esprance d'une constante:

(7.76)

Aprs avoir traduit la tendance par l'esprance, il est intressant de traduire la dispersion ou
"dviation standard" autour de l'esprance par une valeur appele "variance de X", note V
(X) ou (lire "sigma-deux") et donne sous sa forme discrte par:

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

(7.77)

La variance n'est cependant pas comparable directement la moyenne, car l'unit de la


variance est le carr de l'unit de la variable, ce qui dcoule directement de sa dfinition. Pour
que l'indicateur de dispersion puisse tre compar aux paramtres de tendance centrale
(moyenne, mdiane et... mode), il suffit d'en prendre la racine carre.

Par commodit, nous dfinissons ainsi "l'cart-type" de X, not , par:

(7.78)

L'cart-type est donc la moyenne quadratique des carts entre les observations et leur
moyenne.

Remarques:

R1. L'cart-type de la variable alatoire X peut tre not s'il n'y pas de confusion
possible.

R2. L'cart-type et la variance sont, dans la littrature, souvent appels "paramtres de


dispersion".

Dfinition: Le rapport (exprim en %) parfois utilis dans les entreprises comme


comparaison de la moyenne et de l'cart-type est appele le "coefficient de variation" (C.V.).

Pourquoi trouvons-nous un carr (rciproquement une racine) dans cette dfinition de la


variance? La raison intuitive est simple (la rigoureuse l'est nettement moins). Nous avons
dmontr plus haut que la somme des carts la moyenne pondr par les effectifs, est
toujours nulle :

(7.79)

Or, si nous assimilons les effectifs par la probabilit en normalisant ceux-ci par rapport n,
nous tombons sur une relation qui est la mme que la variance la diffrence que le terme
entre parenthse n'est pas au carr. Et nous voyons alors immdiatement le problme... la
mesure de dispersion serait toujours nulle d'o la ncessit de porter cela au carr.

Nous pourrions imaginer cependant d'utiliser la valeur absolue des carts la moyenne, mais
pour un certain nombre de raisons que nous verrons plus loin lors de notre tude des
estimateurs le choix de porter au carr intervient s'impose assez naturellement.

Signalons cependant quand mme l'utilisation courante dans l'industrie de l'cart-moyen:

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

(7.80)

qui est un indicateur lmentaire trs utilis lorsque nous ne souhaitons pas faire de l'infrence
statistique sur une srie de mesures. Cet cart peut tre facilement calcul dans MS Excel
l'aide de la fonction ECART.MOYEN( ).

Dans le cas o nous avons disposition une srie de mesures, nous pouvons estimer la valeur
moyenne (l'esprance) et la variance des mesures par les estimateurs suivants (il s'agit
simplement au fait de l'esprance et l'cart-type d'un chantillon dont les vnements sont tous
quiprobables) dont la notation est particulire :

et (7.81)

Dmonstration:

(7.82)

C.Q.F.D.

Le terme de la somme se trouvant dans l'expression de la variance (cart-type) est appele


"somme des carrs des carts la moyenne". Nous l'appelons aussi la "somme des carrs
totale", ou encore la "variation totale" dans le cadre de l'tude de l'ANOVA (voir la fin de ce
chapitre).

Remarque: Il est important que le lecteur comprenne que dans ce cas l'esprance se calcule
simplement en utilisant la moyenne arithmtique!

La variance peut galement s'crire sous la forme de la "formule de Huyghens" que nous
rutiliserons plusieurs fois par la suite. Voyons de quoi il s'agit:

(7.83)

Soit X une variable alatoire d'esprance (valeur constante et dtermine) et de variance

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

(valeur constante et dtermine), nous dfinissons la "variable centre rduite" par la


relation:

(7.84)

et l'on dmontre de faon trs simple (contactez-nous si vous souhaitez que nous ajoutions la
dmonstration) en utilisant la proprit de linarit de l'esprance et la proprit de
multiplication par un scalaire de la variance (voir de suite aprs) que:

(7.85)

Dmonstration:

(7.86)

et en utilisant la formule de Huyghens:

(7.87)

C.Q.F.D.

Ainsi, toute rpartition statistique dfinie par une moyenne et un cart-type peut tre
transforme en une autre distribution statistique souvent plus simple analyser.

Voici quelques proprits mathmatiques importantes de la variance :

P1. Multiplication par une constante :

(7.88)

P2. Somme de deux variables alatoires:

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

(7.89)

o nous introduisons le concept de "covariance".

Introduisons une forme plus gnrale et extrmement importante dans de nombreux


domaines:

(7.90)

Donc dans le cas gnral:

(7.91)

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

En
utilisant la linarit de l'esprance et le fait que:

(7.92)

nous avons pour la covariance :

(7.93)

et donc nous obtenons la relation trs utilise en statistiques et finance:

(7.94)

Indiquons galement que si , nous retrouvons la formule de Huyghens:

(7.95)

Ainsi, le terme de covariance est dfini par l'expression:

(7.96)

appele "forme bilinaire de la variance" ou "forme multivarie".

Remarque: Les statistiques peuvent tre dcoupes selon le nombre de variables alatoires
que nous tudions. Ainsi, lorsqu'une seule variable alatoire est tudie, nous parlons de
"statistique univarie", pour deux variables alatoires de "statistique bivarie" et en gnral,
de "statistique multivarie".

Si la covariance est univarie, nous avons ds lors:

(7.97)

Si les variables sont quiprobables, nous la retrouvons dans la littrature sous la forme
suivante qui dcoule de calculs que nous avons dj fait ultrieurement avec l'esprance :

(7.98)

La covariance est un indicateur de la variation simultane de X et Y. En effet si, en gnral X


et Y croissent simultanment, les produits seront positifs (corrls

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

positivement),
tandis que si Y dcrot lorsque X crot, ces mme produits seront ngatifs
(corrls ngativement).

Soit un vecteur de composantes et un autre vecteur de composantes


, tous deux tant des variables alatoires, le calcul de la covariance des
composantes deux deux donnent ce que l'on appelle la "matrice des covariances" (outil trs
utilis en finance!).

Effectivement, si nous notons:

(7.99)

Nous pouvons ds lors crire une matrice symtrique carre sous la forme:

(7.100)

Cette matrice a comme proprit remarquable que si nous prenons deux vecteurs identiques
(dont les composantes sont les mmes variables alatoires) et que nous calculons la matrice,
alors la diagonale de cette dernire donnera les variances des composantes de vecteurs (voir
les exemples dans le chapitre d'conomtrie)! Raisons pour laquelle cette matrice est souvent
appele "matrices des variances-covariances".

Remarque: Cette matrice est trs importante et nous la retrouverons frquemment dans le
chapitre d'conomtrie lors de notre tude da la thorie du portefeuille et dans les techniques
de fouille de donnes (data mining, clustering) dans le chapitre de Mthodes numriques
(l'analyse par composantes principales).

Rappelons maintenant que nous avions un axiome en probabilits (cf. chapitre de


Probabilits) qui nonait que deux vnements A,B sont indpendants si :

(7.101)

De la mme faon, par extension, nous dfinissons l'indpendance des variables


alatoires discrtes.

Dfinition: Soit X,Y deux variables alatoires discrtes. Nous disons que X, Y sont
indpendantes si :

(7.102)

Plus gnralement, les variables discrtes sont indpendantes (en bloc) si :

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

. (7.103)

L'indpendance de deux variables alatoires implique que leur covariance est nulle (la
rciproque est fausse). Prouvons ceci dans le cas o les variables alatoires ne prennent qu'un
nombre fini de valeurs et respectivement, avec I, J des ensembles finis :

(7.104)

et donc :

(7.105)

Remarque: Donc plus la covariance est faible, plus les sries sont indpendantes. A
l'inverse, plus la covariance est leve, plus les sries sont lies.

Etant donn que :

(7.106)

si X, Y sont indpendantes alors :

(7.107)

De manire plus gnrale si sont indpendantes (en bloc) alors pour toute loi
statistique (!) nous avons:

(7.108)

Souvent en statistique, il est utile de dterminer l'cart-type de la moyenne empirique (ou en


d'autres termes... : l'erreur quadratique moyenne). Voyons de quoi il s'agit :

Soit la moyenne d'une srie de termes dtermins chacun par la mesure de plusieurs valeurs
(il s'agit au fait de son estimateur dans un cas particulier comme nous le verrons beaucoup
plus loin):

(7.109)

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

alors
en utilisant les proprits de l'esprance:

(7.110)

et si toutes les variables alatoires sont identiquement distribues et indpendantes nous avons
alors:

(7.111)

Pour la variance, le mme raisonnement s'applique:

(7.112)

et si les variables alatoires sont toutes identiquement distribues:

(7.113)

d'o l'cart-type de la moyenne appel aussi "erreur type", "erreur standard" ou encore
"variation non systmatique":

(7.114)

et il s'agit rigoureusement de l'cart-type de l'estimateur de la moyenne (c'est beaucoup plus


clair ainsi)!

Cette relation se trouve dans de nombreux logiciels dont dans les graphiques MS Excel (mais
il n'y a pas de fonction intgre), crite avec l'cart-type (comme ci-dessus), soit avec la
notation de la variance (suffit de mettre au carr...).

Signalons que la dernire relation peut-tre utilise mme si la moyenne des n variables
alatoires n'est pas identique! La condition suffisante tant juste que les carts-types soient
tous gaux et c'est le cas de l'industrie (production).

Nous avons donc:

(7.115)

o dsigne la somme des n variables alatoires et leur moyenne.

La variable centre rduite que nous avions introduite plus haut:

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

(7.116)

peut alors s'crire de plusieurs manires:

(7.117)

Par ailleurs, en supposant que le lecteur sait dj ce qu'est une loi normale , nous
dmontrerons plus loin en dtails car c'est extrmement important (!) que la loi de probabilit
de la variable alatoire , moyenne de n variables alatoires identiquement distribues et
linairement indpendantes, est alors la loi:

(7.118)

Maintenant, considrons X et Y deux variables alatoires ayant pour covariance:

(7.119)

Nous avons:

(7.120)

nous allons dmontrer cette relation immdiatement car l'utilisation de la covariance seule
pour l'analyse des donnes n'est pas gniale car elle n'est pas proprement parler borne et
simple d'usage (au niveau de l'interprtation). Nous allons donc construire un indicateur plus
facile d'usage en entreprise.

Dmonstration:

Choisissons une constante a quelconque et calculons la variance de . Nous pouvons


alors immdiatement crire l'aide des proprits de la variance et de l'esprance:

(7.121)

La quantit de droite est positive et nulle en tout a par construction de la variance (de gauche).
Donc le discriminant de l'expression, vue comme un trinme en a du type:

(7.122)

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

Donc
pour que P(a) soit positif pour tout a nous avons comme seule possibilit que:

(7.123)

Soit aprs simplification:

(7.124)

C.Q.F.D.

Ce qui nous donne:

(7.125)

Finalement nous obtenons une forme de l'ingalit statistique dite "ingalit de Cauchy-
Schwarz" :

(7.126)

Si les variances de X et Y sont non nulles, la corrlation entre X et Y est dfinie par le
"coefficient de corrlation linaire" :

(7.127)

ce qui peut aussi s'crire sous forme dveloppe (en utilisant la formule de Huyghens) :

(7.128)

ou encore plus condense :

(7.129)

Quels que soient l'unit et les ordres de grandeur, le coefficient de corrlation est un nombre
sans unit, compris entre -1 et 1. Il traduit la plus ou moins grande dpendance linaire de X et
Y et ou, gomtriquement, le plus ou moins grand aplatissement. Un coefficient de corrlation
nul ou proche de 0 signifie qu'il n'y a pas de relation linaire entre les caractres. Mais il
n'entrane aucune notion d'indpendance plus gnrale.

Quand le coefficient de corrlation est proche de 1 ou -1, les caractres sont dits fortement

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

corrls.
Il faut prendre garde la confusion frquente entre corrlation et causalit.
Cependant, que deux phnomnes soient corrls n'implique en aucune faon que l'un soit
cause de l'autre.

Ainsi:

- Si nous avons affaire une corrlation ngative dite "corrlation ngative


parfaite" (tous les points de mesures sont situs sur une droite de rgression de pente
ngative).

- Si nous avons affaire une corrlation ngative ou positive dite "corrlation


imparfaite" ou la relation linaire sera respectivement dcroissante ou croissante.

- Si la corrlation est nulle... (pas de relation linaire).

- Si nous avons affaire une corrlation positive dite "corrlation positive


parfaite" (tous les points de mesures sont situs sur une droite de rgression de pente
positive).

L'analyse de rgression et de corrlation poursuit donc deux objectifs:

1. Dterminer le degr d'association entre les diffrentes variables: celui-ci est exprim par le
coefficient de dtermination, qui est le carr du coefficient de corrlation. Le coefficient de
dtermination mesure la contribution d'une des variables l'explication de la seconde.

2. Dterminer les caractristiques de cette association, c'est--dire des paramtres et de


la droite de rgression (voir la section d'analyse numrique du site au chapitre des algorithmes
traitant de la rgression linaire). Si l'on peut faire valablement l'hypothse de la stabilit du
processus gnrateur des couples de valeurs des deux variables, la connaissance de ces
paramtres permettrait de prdire le comportement du phnomne tudi

En utilisant les expressions de la moyenne et de l'cart-type de variables quiprobables tel que


dmontr plus haut, nous passons de :

(7.130)

(7.131)

o nous voyons que la covariance devient alors la moyenne des produits moins le produit des
moyennes.

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

Soit
aprs simplification :

(7.132)

et peut tre calcul dans MS Excel avec entre autres la fonction


COEFFICIENT.CORRELATION( ).

Remarques:

R1. Dans la littrature le coefficient de corrlation est souvent appele "coefficient


d'chantillonnage de Pearson" (dans le cas quiprobable) ou "test de Bravais-Pearson" (dans
le cas non quiprobable) et lorsque nous le portons au carr, nous parlons alors de "coefficient
de dtermination".

R2. Souvent le carr de ce coefficient est un peu abusivement interprt comme le % de


variation expliqu de la variable tudie Y par la variable explicative X.

VARIABLES CONTINUES

Dfinitions:

D1. Nous disons que X est une variable continue si sa "fonction de rpartition" est continue.
La fonction de rpartition de X tant dfinie par:

(7.133)

soit la probabilit cumule que la variable alatoire X soit plus petite ou gale la valeur x
fixe. Nous avons aussi bien videmment .

D2. Si de plus la fonction de rpartition F de X est continment drivable de drive


appele "fonction de densit" ou "fonction de masse" ou encore "fonction de distribution"
alors nous disons que X est absolument continue et dans ce cas nous avons:

(7.134)

avec la condition de normalisation:

(7.135)

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

Toute
fonction de distribution de probabilit doit satisfaire l'intgrale de normalisation dans
son domaine de dfinition!

Remarque: Il est intressant de remarquer que la dfinition amne ce que la probabilit


qu'une variable alatoire totalement continue prenne une valeur donne est nulle! Donc ce
n'est pas parce qu'un vnement une probabilit nulle qu'il ne peut arriver!!!

La moyenne ayant t dfinie par la somme pour une variable discrte, elle devient une
intgrale pour une variable continue:

(7.136)

et la variance s'crit donc :

(7.137)

Nous avons alors aussi la mdiane qui est logiquement redfinie dans le cas d'une variable
alatoire continue par:

(7.138)

et elle concide rarement avec la moyenne!

Souvent les statisticiens utilisent les mmes notations pour l'esprance mathmatique d'une
variable continue:

(7.139)

et pour la variance:

(7.140)

que pour une variable discrte.

Par la suite, nous calculerons ces diffrents termes avec dveloppements uniquement dans les
cas les plus usits.

FONCTIONS DE DISTRIBUTIONS

Lorsque nous observons des phnomnes probabilistes, et que nous prenons note des valeurs
prises par ces derniers et que nous les reportons graphiquement, nous observons toujours que
les diffrentes mesures obtenues suivent une caractristique courbe ou droite typique

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

frquemment
reproductible.

Dans le domaine des probabilits et statistiques, nous appelons ces caractristiques des
"fonctions de distribution" car elles indiquent la frquence avec laquelle la variable alatoire
apparat avec certaines valeurs.

Remarque: Nous utilisons aussi simplement le terme "fonction" ou encore "loi" pour
dsigner ces caractristiques.

Ces fonctions sont en pratique bornes par ce que nous appelons "l'tendue de la distribution"
qui correspond la diffrence entre la donne maximale ( droite) et la donne minimale (
gauche) des valeurs des donnes observes :

(7.141)

Si les valeurs observes se distribuent d'une certaine manire c'est qu'elles ont alors une
probabilit d'avoir une certaine valeur de la fonction de distribution.

Dfinitions:

D1. La relation mathmatique qui donne la probabilit qu'a une variable alatoire d'avoir une
valeur donne de la fonction de distribution est appele "fonction de densit", "fonction de
masse" ou encore "fonction marginale".

D2. La relation mathmatique qui donne la probabilit cumule qu'a une variable alatoire
d'tre infrieure ou gale une certaine valeur est nomme la "fonction de rpartition" ou
"fonction cumule".

D3. Des variables alatoires sont dites "indpendantes et identiquement distribues" (i.i.d.) si
elles suivent toutes la mme fonction de distribution et qu'elles sont indpendantes...

Remarque: Le lecteur pourra trouver la fonction de distribution de Weibull (ou "loi de


Weibull") dans le chapitre traitant du Gnie Industriel (section sur l'Ingnierie).

De telles fonctions tant trs nombreuses dans la nature, nous proposons au lecteur une tude
dtaille des plus connues seulement.

FONCTION DISCRTE UNIFORME

Si nous admettons qu'il est possible d'associer une probabilit un vnement, nous pouvons
concevoir des situations o nous pouvons supposer a priori que tous les vnements
lmentaires sont quiprobables (c'est--dire qu'ils ont mme probabilit). Nous utilisons alors
le rapport entre le nombre de cas favorables et le nombre de cas possibles pour calculer la
probabilit de tous les vnements de l'Univers des vnements U. Plus gnralement si U est
un ensemble fini d'vnements quiprobables et A une partie de U nous avons sous forme
ensembliste :

(7.142)

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

Plus
communment, soit e un vnement pouvant avoir N issues quiprobables possibles.
Alors la probabilit d'observer l'issue donne de l'vnement suit une "fonction discrte
uniforme" (ou "loi discrte uniforme") donne par la relation :

(7.143)

Ayant pour esprance (ou moyenne) :

(7.144)

Si nous nous mettons dans le cas particulier o avec . Nous avons alors (cf.
chapitre de Suites et Sries):

(7.145)

Et pour variance:

(7.146)

Exemple:

Trac de la fonction de distribution et respectivement de rpartition pour la loi discrte

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

uniforme
de paramtres {1,5,8,11,12} (nous voyons que chaque valeur a bien une probabilit
quiprobable) :

(7.147)

FONCTION DE BERNOULLI

Si nous avons affaire une observation binaire alors la probabilit d'un vnement reste
constant d'une observation l'autre s'il n'y a pas d'effet mmoire (autrement dit: une somme
de variables de Bernoulli, deux deux indpendantes).

Nous appelons ce genre d'observations o la variable alatoire valeurs 0 ou 1, avec


probabilit (1-p), p respectivement, des "essais de Bernoulli".

Ainsi, une variable alatoire X suit une "fonction de Bernoulli" (ou "loi de Bernoulli") si elle
ne peut prendre que les valeurs 0 ou 1, associes aux probabilits q et p de sorte que
et:

(7.148)

L'exemple classique d'un tel processus est le jeu de pile de face ou de tirage avec remise. Il est
inutile de vrifier formellement que la probabilit cumule est unitaire...

Remarquons que par extension, si nous considrons N vnements o nous obtenons dans un
ordre particulier k fois une des issues possible (russite) et N-k l'autre (chec), alors la
probabilit d'obtenir une telle srie (de k russites et N-k checs ordonnes dans un ordre
particulier) sera donne par:

(7.149)

conformment ce que nous avions vu obtenu en combinatoire dans le chapitre de


Probabilits!

Exemple:

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

Trac de la fonction pour :

(7.150)

La fonction de Bernoulli a donc pour esprance (moyenne):

(7.151)

et pour variance (nous utilisons la formule de Huyghens dmontre plus haut):

(7.152)

Remarque: L'exemple ci-dessus n'est certes par pertinent mais nous verrons dans le
chapitre de Techniques De Gestion que la fonction de Bernoulli apparat naturellement au
dbut de notre tude des files d'attentes.

FONCTION GOMTRIQUE

La loi gomtrique ou "loi de Pascal" consiste dans une preuve de type Bernoulli (dont la
probabilit de succs est p et celle d'chec sont constantes) que nous renouvelons de
manire indpendante jusqu'au premier succs.

Si nous appelons X la variable alatoire donnant le rang du premier succs la probabilit que
est alors (cas particulier de la fonction de Bernoulli):

(7.153)

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

avec .

Cette loi a pour esprance:

(7.154)

Or, cette dernire relation s'crit aussi (car c'est une simple srie gomtrique):

(7.155)

Effectivement, nous avons dmontr dans le chapitre sur les Suites et Sries que :

(7.156)

En prenant la limite lorsque nous obtenons :

(7.157)

car .

Ensuite, il suffit de driver les deux membres de l'galit par rapport q et nous obtenons :

(7.158)

Nous avons donc le nombre moyen d'essais X qu'il faut faire pour arriver au premier succs:

(7.159)

Calculons maintenant la variance en rappelant comme chaque fois que (formule de


Huyghens):

(7.160)

Commenons donc par calculer :

(7.161)

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

Le
dernier terme de cette expression est l'quivalent de l'esprance calcule prcdemment.
Soit :

(7.162)

Il reste calculer :

(7.163)

Nous avons :

(7.164)

Or en drivant l'galit :

(7.165)

Nous obtenons :

(7.166)

Par consquent :

(7.167)

Donc :

(7.168)

Pour finir :

(7.169)

Exemple:

E1. Vous essayez, tard dans la nuit et dans l'obscurit, d'ouvrir une serrure au moyen d'un
trousseau de 5 cls, sans porter attention, car vous tes un peu fatigu (ou un peu mch...)
vous essayez chaque cl. Sachant qu'une seule convient, quelle est la probabilit d'utiliser la

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

bonne
cl au k-me essai?

(7.170)

E2. Trac de la fonction de distribution et rpartition pour la fonction Gomtrique de


paramtre :

(7.171)

Dterminons maintenant la fonction de rpartition de la loi gomtrique. Nous partons donc


de:

(7.172)

et par dfinition la fonction de rpartition sera alors donne par:

(7.173)

Posons . Nous avons alors:

(7.174)

FONCTION BINOMIALE

Si nous revenons maintenant notre preuve de Bernoulli. Plus gnralement, tout N-uplet
particulier form de k succs et de N-k checs aura pour probabilit (dans le cadre d'un tirage
avec remise ou sans remise si la population est grande en premire approximation...):

(7.175)

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

d'tre
tir (ou d'apparatre) quel que soit l'ordre d'apparition des checs et russites.

Mais, nous savons que la combinatoire permet de dterminer le nombre de N-uplets de ce type
(le nombre de manires d'ordonner les apparitions d'checs et de russites). Le nombre
d'arrangements possibles tant, nous l'avons dmontr (cf. chapitre Probabilits), donn par la
binomiale :

(7.176)

Donc comme la probabilit d'obtenir une srie de k succs et N-k checs particuliers est
toujours identique (quelque soit l'ordre) alors il suffit de multiplier la probabilit d'une srie
particulire par la combinatoire (cela tant quivalent faire une somme):

(7.177)

pour avoir la probabilit totale d'obtenir une quelconque de ces sries possibles (puisque
chacune est possible).

Remarque: Cela quivaut l'tude d'un tirage avec remise (cf. chapitre de Probabilits)
simple avec contrainte sur l'ordre ou l'tude d'une srie de succs ou d'checs. Nous
utiliserons cette relation dans le cadre de la thorie des files d'attentes ou en fiabilit. Il faut
noter que dans le cas de grandes populations, mme si le tirage n'est pas avec remise il est
considr comme tel...

Ecrite autrement ceci donne la "fonction Binomiale" (ou "loi Binomiale") connue aussi sous
la forme de la fonction de distribution suivante:

(7.178)

et parfois note:

(7.179)

et peut tre calcule dans MS Excel l'aide de la fonction LOI.BINOMIALE( ).

Nous disons parfois que la loi Binomiale est non exhaustive car la taille de la population
initiale n'est pas apparente dans l'expression de la loi.

Nous avons bien videmment pour la fonction de rpartition (trs utile dans la pratique
comme le contrle de lots de fournisseurs ou la fiabilit!):

(7.180)

Effectivement, nous avons dmontr dans le chapitre de Calcul Algbrique que:

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

(7.181)

Donc:

(7.182)

Il vaut mieux utiliser MS Excel pour ne pas s'embter calculer ce genre de relations (ou tout
autre logiciel largement rpandu) en utilisant la fonction CRITERE.LOI.BINOMIALE( ).

L'esprance mathmatique (moyenne) de P(N,k) est:

(7.183)

Or:

(7.184)

d'o:

(7.185)

donne le nombre moyen de fois que l'on obtiendra l'issue souhaite de probabilit p aprs N
essais.

La variance de la distribution binomiale tant:

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

(7.186)

L'cart-type tant , nous avons :

(7.187)

Exemple:

Trac de la fonction de distribution et respectivement de rpartition de la loi binomiale


:

(7.188)

FONCTION HYPERGOMTRIQUE

Nous considrons pour approche cette fonction un exemple simple concernant une urne
contenant n boules dont m sont noires et les autres m' blanches (pour un exemple concret
utilis dans l'industrie se reporter au chapitre de Gnie Industriel). Nous tirons
successivement, et sans les remettre dans l'urne, p boules. Quelle est la probabilit que parmi
ces p boules, il y en ait k qui soient noires (dans cet nonc l'ordre du tirage ne nous intresse

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

donc
pas!).

Nous parlons souvent de "tirage exhaustif" avec la loi hypergomtrique car contrairement
la loi binomiale, la taille du lot qui sert de base au tirage va apparatre dans la loi.

Remarque: Cela quivaut l'tude non ordonne d'un tirage sans remise (cf. chapitre de
Probabilits) avec contrainte sur les occurrences appel parfois "tirage simultan". Nous
utiliserons cette relation souvent dans le domaine de la qualit ou de la fiabilit ou les boules
noires sont associes des lments avec dfauts et les blanches des lments sans dfauts.

Les p boules peuvent tre choisies parmi les n boules de faons (reprsentant donc le
nombre de tirages diffrents possibles) avec pour rappel (cf. chapitre de Probabilits) :

(7.189)

Les k boules noires peuvent tre choisies parmi les m noires de faons. Les p-k boules
blanches peuvent tre elles choisies de faons. Il y a donc tirages qui donnent
k boules noires et p-k boules blanches.

La probabilit recherche vaut donc:

(7.190)

et est dite suivre une "fonction Hypergomtrique" (ou "loi Hypergomtrique") et peut tre
obtenue dans MS Excel avec la fonction LOI.HYPERGEOMETRIQUE( ).

Il n'est pas interdit de faire le calcul direct de l'esprance et de la variance la fonction


hypergomtrique mais le lecteur pourra sans trop de peine imaginer que ce calcul va tre
relativement indigeste. Alors nous pouvons utiliser une mthode indirecte qui de plus est
intressante.

D'abord le lecteur aura peut-tre, mme certainement, remarqu qu'au fait l'exprience de la
loi hypergomtrique est une srie d'essais de Bernoulli (sans remise bien entendu!).

Alors, nous allons tricher en utilisant dans un premier temps la proprit de linarit de
l'esprance. Dfinissons pour cela une nouvelle variable correspondant implicitement au fait
l'exprience da la fonction hypergomtrique (k essais de Bernoulli de suite!) :

(7.191)

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

o reprsente la russite d'obtenir au i-me tirage une boule noire (soit 0 ou 1). Or, nous
savons que pour tout i la variable alatoire suit une fonction de Bernoulli pour laquelle
nous avons dmontr lors de notre tude de la loi de Bernoulli que . Ds lors, de
par la proprit de linarit de l'esprance nous avons :

(7.192)

Or, dans l'essai de Bernoulli, p est la probabilit d'obtenir l'lment recherch (pour rappel).
Dans la loi hypergomtrique ce qui nous intresse est la probabilit d'avoir une boule noire
(qui sont en quantit m, avec donc m' boules blanches) par rapport la quantit totale de
boules n. Et le rapport nous donne videmment cette probabilit. Ainsi, nous avons :

(7.193)

o k est le nombre de tirages (attention ne pas confondre avec l'nonc initial!). Cette
moyenne donne donc le nombre moyen de boules noires lors d'un tirage de k boules.

Pour dterminer la variance, nous allons utiliser la variance de la fonction de Bernoulli et la


relation suivante dmontre lors de l'introduction de l'esprance et de la covariance au dbut
de ce chapitre :

(7.194)

Dons en rappelant que nous avons il vient:

(7.195)

Or, pour la loi de Bernoulli, nous avons:

(7.196)

Alors nous avons dj:

(7.197)

Ensuite, nous avons facilement:

(7.198)

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

calcul de
Le ncessite une bonne comprhension des probabilits (c'est un bon
rappel!).

L'esprance est donne (implicitement) par la somme pondre des probabilits


que deux vnements aient lieu en mme temps comme nous le savons. Or, nos vnements
sont binaires: soit c'est une boule noire (1) soit c'est une boule blanche (0). Donc tous les
termes de la somme n'ayant pas deux boules noirs conscutivement seront nuls!

Le problme est alors de calculer la probabilit d'avoir deux boules noires conscutives et
celle-ci s'crit donc:

(7.199)

Donc nous avons finalement:

(7.200)

Soit:

(7.201)

Finalement:

(7.202)

o nous avons utilis le fait que:

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

(7.203)

est compos de:

(7.204)

terme puisqu'il correspond au nombre de faons qu'il y a de choisir le couple (i, j) avec .

Donc finalement:

(7.205)

Exemple:

Trac de la fonction de distribution et rpartition pour la fonction Hypergomtrique de


paramtre :

(7.206)

FONCTION MULTINOMIALE

La loi binomiale concerne le nombre de succs dans N preuves de Bernoulli indpendantes


donnant chacune un rsultat binaire, comme dans le jeu de pile ou face. La loi multinomiale
est une gnralisation de celle-ci, applicable par exemple N jets d'un d six faces.
Contrairement ces exemples simples, les diffrentes possibilits ne sont gnralement pas
quiprobables.

Considrons une approche nouveau par l'exemple :

Soit muni d'une probabilit quivalente . Nous tirons

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

n fois de suite un lment de avec la probabilit . Quelle est la probabilit


d'obtenir le nombre 1, fois le nombre 2, fois, sur une suite d'un tirage de n lments.

Remarque: Cela quivaut l'tude d'un tirage avec remise (cf. chapitre de Probabilits)
avec contraintes sur les occurrences. Donc sans contraintes nous verrons par l'exemple que
nous retombons sur un tirage avec remise simple.

Nous avons vu dans le chapitre de Probabilits, que si nous prenons un ensemble


d'vnements ayant plusieurs issues, alors les diffrentes combinaisons de suites que nous
pouvons obtenir en prenant p lments choisis parmi n est:

(7.207)

Il y a donc :

(7.208)

faons diffrentes d'obtenir fois un certain vnement.

Il y a ensuite :

(7.209)

faons diffrentes d'obtenir un second vnement puisque dans l'ensemble de la suite, de n


lments dj on t tirs ce qui fait qu'il n'en reste plus sur lesquels nous
pouvons obtenir les voulus.

Par rcurrence immdiate nous avons alors:

(7.210)

combinaisons de sortir fois certains vnements dans l'ordre donn!

La probabilit P recherche suite donc une "fonction Multinomiale" (ou "loi Multinomiale")
donne par :

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

(7.211)

Plus exactement il faudrait crire :

(7.212)

Exemples:

E1. Nous lanons un d non-pip 12 fois. Quelle est la probabilit que les six faces
apparaissent le mme nombre de fois (mais pas ncessairement conscutivement!).

(7.213)

E2. Nous lanons un d non-pip 12 fois. Quelle est la probabilit qu'une face apparaisse 12
fois (mais pas ncessairement conscutivement!).

(7.214)

FONCTION DE POISSON

Pour certains vnements forts rares, la probabilit p est trs faible et tend vers zro. Toutefois
la valeur moyenne tend vers une valeur fixe lorsque n tend vers l'infini.

Nous partirons donc d'une distribution binomiale de moyenne que nous supposerons
finie lorsque n tend vers l'infini.

La probabilit de k russites lors de n preuves vaut (loi Binomiale) :

(7.215)

En posant (o m est temporairement la nouvelle notation pour la moyenne selon


), cette expression peut s'crire:

(7.216)

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

regroupant les termes, nous pouvons mettre la valeur de


En sous la forme:

(7.217)

Nous reconnaissons que, lorsque n tend vers l'infini, le deuxime facteur du produit a pour
limite .

Quant au troisime facteur, puisque nous nous intressons aux petites valeurs de k (la
probabilit de russite est trs faible), sa limite pour n tendant vers l'infini vaut 1.

Ces techniques de passage la limite sont parfois appeles "thorme limite de Poisson".

Nous obtenons ainsi la "fonction de Poisson" (ou "loi de Poisson") :

(7.218)

qui peut tre obtenu dans MS Excel avec la fonction LOI.POISSON( ).

Il s'agit bien d'une loi de probabilit puisque en utilisant les sries de Taylor, nous montrons
que:

(7.219)

Remarque: Nous retrouverons frquemment cette loi dans diffrents chapitres du site
comme par exemple lors de l'tude du Gnie Industriel en maintenance prventive ou encore
dans le mme chapitre lors de l'tude des thories des files d'attentes (le lecteur peut s'y
reporter pour un exemple intressant et pragmatique).

Exemple:

Trac de la fonction de distribution et rpartition pour la fonction de Poisson de paramtre


:

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

(7.220)

Cette distribution est importante car elle dcrit beaucoup de processus dont la probabilit est
petite et constante. Elle est souvent utilise dans la "queing theory" (temps d'attente), test
d'acceptabilit et fiabilit, et contrles statistiques de qualit. Entre autres, elle s'applique aux
processus tels que l'mission des quanta de lumire par des atomes excits, le nombre de
globules rouges observs au microscope, le nombre d'appels arrivant une centrale
tlphonique. La distribution de Poisson est valable pour de nombreuses observations faites
en physique nuclaire ou corpusculaire.

L'esprance (moyenne) de la fonction de Poisson est (nous utilisons la srie de Taylor de


l'exponentielle):

(7.221)

et donne le nombre moyen de fois que l'on obtiendra l'issue souhaite.

Ce rsultat peut paratre droutant.... la moyenne s'exprime par la moyenne??? Oui il ne faut
simplement pas oublier que celle-ci est donne au dbut par:

(7.222)

Remarque: Pour plus de dtails le lecteur peut aussi se reporter la partie concernant les
"estimateurs" dans le prsent chapitre.

La variance de la fonction de distribution de Poisson est elle donne par (en utilisant
nouveau les sries de Taylor):

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

(7.223)

toujours avec:

(7.224)

Les lois thoriques de distribution statistiques sont tablies en supposant la ralisation d'un
nombre infini de mesures. Il est vident que nous ne pouvons en effectuer qu'un nombre fini
N. D'o la ncessit d'tablir des correspondances entre les valeurs utiles thoriques et
exprimentales. Pour ces dernires nous n'obtenons videmment qu'une approximation dont
la validit est toutefois souvent admise comme suffisante.

FONCTION DE GAUSS-LAPLACE/LOI NORMALE

Cette caractristique est la plus importante fonction de distribution en statistiques suite au


rsultat d'un thorme connu appel "thorme central limite" qui comme nous le verrons,
permet de dmontrer (entre autres) que toute suite de variables alatoires indpendantes de
mme loi ayant une esprance et un cart-type fini et non ncessairement gaux converge vers
une fonction de Gauss-Laplace (loi Normale).

Il est donc trs important de focaliser particulirement sont attention sur les dveloppements
qui vont tre faits ici!

Partons d'une fonction Binomiale et faisons tendre le nombre n d'preuves vers l'infini. Si p
est fix au dpart, la moyenne tend galement vers l'infini, de plus l'cart-type
tend galement vers l'infini.

Remarque: Le cas o p varie et tend vers 0 tout en laissant fixe la moyenne


ayant t tudi lors de la prsentation de la fonction de Poisson.

Si nous voulons calculer la limite de la fonction Binomiale, il s'agira donc de faire un

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

changement
d'origine qui stabilise la moyenne, en 0 par exemple, et un changement d'unit
qui stabilise l'cart-type, 1 par exemple.

Voyons tout d'abord comment varie en fonction de k (nombre de russites) et calculons


la diffrence:

(7.225)

Nous en concluons que est une fonction croissante de k, tant que est
positif (pour n, p et q fixs). Pour le voir il suffit de prendre quelques valeurs (du membre de
droite de l'galit).

Comme il est par consquent vident que la valeur de k voisine de la moyenne


constitue le maxima de .

D'autre part la diffrence est le taux d'accroissement de la fonction .


Nous pouvons alors crire :

(7.226)

comme tant la pente de la fonction.

Si n devient grand il est clair que k l'est galement! Ds lors, pour autant que p soit fix et que
nous nous intressions aux valeurs de la fonction k proches de la moyenne alors les
variations de k peuvent s'crire :

(7.227)

Nous dfinissons maintenant une nouvelle variable relle qui tend vers zro lorsque nous
effectuons un passage la limite pour k et telle que la moyenne soit nulle (variations
ngligeables) et son cart-type soit unitaire. Nous avons alors :

(7.228)

Appelons F(x) l'expression de calcule en fonction de la nouvelle variable de moyenne


nulle et d'cart-type unitaire dont nous recherches l'expression.

Avec cette nouvelle variable nous devons avoir:

(7.229)

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

le
o au dnominateur de n'est videmment pas le mme que celui qui est au
dnominateur de . Ds lors:

(7.230)

et, en appliquant le rsultat trouv prcdemment, nous obtenons:

(7.231)

Nous avons donc:

(7.232)

Aprs un passage la limite pour n tendant vers l'infini nous avons dans un premier temps:

(7.233)

Donc:

(7.234)

et dans un second temps, tenant compte du fait que les valeurs de k considres se trouvent
alors au voisinage de la moyenne np, nous obtenons:

(7.235)

et:

(7.236)

Donc:

(7.237)

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

et
comme:

(7.238)

Nous avons finalement:

(7.239)

Cette relation peut encore s'crire:

(7.240)

et en intgrant les deux membres de cette galit nous obtenons (cf. chapitre de Calcul
Diffrentiel Et Intgral) :

(7.241)

La fonction suivante est une des solutions de la relation prcdente:

(7.242)

La constante est dtermine par la condition que , qui reprsente la somme de

toutes les probabilits, vaille 1. Nous pouvons montrer pour cela que :

(7.243)

Dmonstration:

Nous avons:

(7.244)

Donc concentrons-nous sur le dernier terme de l'galit. Ainsi:

(7.245)

puisque est une fonction paire (cf. chapitre d'Analyse Fonctionnelle). Ecrivons

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

maintenant
le carr de l'intgrale de la manire suivante:

(7.246)

et faisons un changement de variable en passant en coordonnes polaires, ds lors nous


faisons aussi usage du Jacobien dans ses mmes coordonnes (cf. chapitre de Calcul
Diffrentiel Et Intgral) :

(7.247)

Par extension pour nous avons:

(7.248)

C.Q.F.D.

Nous obtenons donc :

(7.249)

qui peut tre calcule dans MS Excel avec la fonction LOI.NORMALE.STANDARD( ) ou


pour la rciproque par LOI.NORMALE.STANDARD.INVERSE( ).

Pour information, une variable suivant une loi Normale centre rduite est par tradition note
Z.

En revenant aux variables non normes:

(7.250)

nous obtenons donc la "fonction Gauss-Laplace" (ou "loi de Gauss-Laplace") ou galement


appele "loi Normale" :

(7.251)

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

souvent
note N( , ) qui peut tre calcule dans MS Excel avec la fonction
LOI.NORMALE( ) ou pour la rciproque par LOI.NORMALE.INVERSE( ).

La probabilit cumule tant bien videmment donne par :

(7.252)

Exemple:

Trac de la fonction de distribution et rpartition pour la fonction Normale de paramtres


:

(7.253)

Cette loi rgit sous des conditions trs gnrales, et souvent rencontres, beaucoup de
phnomnes alatoires. Elle est par ailleurs symtrique par rapport la moyenne (c'est
important de s'en souvenir).

Montrons maintenant que reprsente bien l'esprance mathmatique (ou la moyenne) de x


(c'est un peu bte mais on peut quand mme vrifier...):

(7.254)

Posons . Nous avons ds lors :

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

(7.255)

Calculons :

(7.256)

Donc :

(7.257)

Remarque: Le lecteur peut trouver cela droutant dans un premier temps que le paramtre
d'une fonction soit un des rsultats que nous cherchons de la fonction. Ce qui drange est la
mise en pratique d'une telle chose. Au fait, tout s'clairera lorsque nous tudierons plus dans
ce chapitre les concepts "d'estimateurs de vraisemblance".

Montrons aussi (...) que reprsente bien l'cart type de X (il convient, en dautres termes de
montrer que ) et pour cela rappelons que nous avions dmontr que (formule de
Huyghens):

(7.258)

Nous avons dj calcul tout l'heure commenons alors par


calculer :

(7.259)

Posons qui conduit ds lors :

(7.260)

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

Or,
nous savons :

(7.261)

Il reste donc calculer la premire intgrale. Pour cela, procdons par une intgration par
parties (cf. chapitre de Calcul Diffrentiel et Intgral) :

(7.262)

D'o :

(7.263)

Il vient finalement :

(7.264)

Une signification supplmentaire de l'cart-type dans la loi de Gauss-Laplace est une mesure
de la largeur de la distribution telle que (cela ne peut se vrifier qu' l'aide d'intgration
l'aide de mthodes numriques) :

(7.265)

La largeur de l'intervalle a une trs grande importance dans l'interprtation des incertitudes

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

d'une mesure. La prsentation d'un rsultat comme signifie que la valeur moyenne a
environ 68.3% de chance (probabilit) de se trouver entre les limites de et , ou
qu'elle a 95.5% de se trouver entre et etc.

Remarque: Ce concept est beaucoup utilis en gestion de la qualit en entreprise


particulirement avec le concept industriel anglo-saxon Six Sigma (cf. chapitre de Gnie
Industriel) qui impose une matrise de 6 autour de chaque ct (!) de la moyenne des cts
des pices fabriques (ou tout autre sujet dont on mesure la dviation).

Taux de non-
Niveau de Taux de dfection en
dfection assur en
qualit Sigma parties par million
%
1 68.26894 317'311
2 95.4499 45'500
3 99.73002 2'700
4 99.99366 63.4
5 99.999943 0.57
6 99.9999998 0.002
(7.266)

La deuxime colonne du tableau peut facilement tre obtenue avec Maple. Par exemple pour
la premire ligne:

>S:=evalf(int(1/sqrt(2*Pi)*exp(-x^2/2),x=-1..1));

et la premire ligne de la troisime colonne par:

>(1-S)*1E6;

Si la loi normale est dcentre de , il suffirait d'crire pour la deuxime colonne:

>S:=evalf(int(1/sqrt(2*Pi)*exp(-(x-mu)^2/2),x=-1..1));

La loi de Gauss-Laplace n'est par ailleurs pas qu'un outil d'analyse de donnes mais galement
de gnration de donnes. Effectivement, cette loi est une des plus importantes dans le monde
des multinationales qui recourent aux outils statistiques pour la gestion du risque, la gestion
de projets et la simulation lorsqu'un grand nombre de variables alatoires sont en jeu. Le
meilleur exemple d'application en tant le logiciel CrystalBall ou @Risk de Palisade (mon
prfr...).

Dans ce cadre d'application (gestion de projets), il est par ailleurs trs souvent fait usage de la
somme (dure des tches) ou le produit de variables alatoires (facteur d'incertitude du client)
suivant des lois de Gauss-Laplace. Voyons comment cela se calcule :

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

SOMME
DE DEUX VARIABLES ALATOIRES

Soit X, Y deux variables alatoires indpendantes. Supposons que X suit la loi et


que Y suit la loi . Alors, la variable alatoire aura une densit gale au
produit de convolution de . C'est--dire,

(7.267)

ce qui quivaut faire le produit conjoint des probabilits d'apparition des deux variables
continues (se rappeler le mme genre de calcul sous forme discrte!)

Pour simplifier l'expression, faisons le changement de variable et posons


, .

Comme:

(7.268)

Nous obtenons:

(7.269)

Nous posons :

(7.270)

Alors :

(7.271)

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

Sachant
que :

(7.272)

et:

(7.273)

notre expression devient :

(7.274)

Nous reconnaissons l'expression de la loi de Gauss-Laplace de moyenne et d'cart


type .

Par consquent, suit la loi :

(7.275)

Ce rsultat est ce que nous nommons en statistiques la "stabilit" de la loi de Gauss-Laplace.


Nous retrouverons ce type de proprits pour d'autres lois que nous tudierons plus loin.

PRODUIT DE DEUX VARIABLES ALATOIRES

Soit X, Y deux variables alatoires indpendantes relles. Nous dsignerons par et les
densits correspondantes et nous cherchons dterminer la densit de la variable .

Notons f la fonction de densit du couple (X,Y). Vu que X, Y sont indpendantes (cf. chapitre
de Probabilits) :

(7.276)

La fonction de rpartition de Z est:

(7.277)

o .

D peut se rcrire comme union disjointe (nous faisons cette opration pour anticiper lors du
futur changement de variables une division par zro) :

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

(7.278)

avec :

(7.279)

Nous avons :

(7.280)

La dernire intgrale vaut zro car est de mesure (paisseur) nulle pour l'intgrale selon x.

Nous effectuons ensuite le changement de variable suivant :

(7.281)

Le jacobien de la transformation est:

(7.282)

Donc:

(7.283)

Notons la densit de la variable Z. Par dfinition :

(7.284)

D'un autre ct :

(7.285)

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

comme
nous venons de le voir. Par consquent :

(7.286)

Ce qui est un peu triste c'est que dans le cas d'une loi de Gauss-Laplace (loi Normale), cette
intgrale ne peut tre calcule simplement que numriquement... il faut alors faire appel des
mthodes d'intgration du type Monte-Carlo (cf. chapitre de Mthodes Numriques).

D'aprs quelques recherche faites sur Internet cependant, mais sans certitude, cette intgrale
pourrait tre calcule et donnerait une nouvelle loi appele "loi de Bessel".

LOI NORMALE CENTRE RDUITE

La fonction de Gauss-Laplace n'est pas tabule puisqu'il faudrait autant de tables numriques
que de valeurs possibles pour la moyenne et l'cart-type (qui sont donc des paramtres
de la fonction comme nous l'avons vu).

C'est pourquoi, en oprant un changement de variable, la loi Normale devient la "loi Normale
centre rduite" o :

1. "Centre" signifie soustraire la moyenne (la fonction alors pour axe de symtrie l'axe
des ordonnes)

2. "Rduite" signifie, diviser par l'cart-type

Par ce changement de variable, la variable k est remplace par la variable alatoire centre
rduite :

(7.287)

Si la variable k a pour moyenne et pour cart- type alors la variable a pour


moyenne 0 et pour cart-type 1.

Donc la relation :

(7.288)

s'crit alors (trivialement) plus simplement :

(7.289)

qui n'est d'autre que l'expression de la loi Normale centre rduite souvent note N(0,1)!

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

Attention!!!
Nous retrouverons trs frquemment cette distribution en physique et en gestion
de la qualit!

DROITE DE HENRY

Souvent, dans les entreprises c'est la loi de Gauss-Laplace (Normale) qui est analyse mais
des logiciels courants et facilement accessibles comme MS Excel sont incapables de vrifier
que les donnes mesures suivent une loi Normale lorsque nous faisons de l'analyse
frquentielle (aucun outil intgr par dfaut ne permet de le faire) et que nous n'avons pas les
donnes d'origines non groupes.

L'astuce consiste alors utiliser la variable centr rduite qui se construit comme nous l'avons
dmontr plus haut avec la relation suivante:

(7.290)

L'ide de la droite d'Henry est alors d'utiliser la relation linaire entre k et k* donne par
l'quation de la droite:

(7.291)

et qui peut tre trace pour dterminer la moyenne et l'cart-type de la loi Normale.

Exemple:

Supposons que nous ayons l'analyse frquentielle suivante de 10'000 tickets de caisse dans un
supermarch :

Montant des Nombre de tickets Nombre cumuls de Frquences


tickets tickets relatives cumules
[0;50[ 668 668 0.068
[50,100[ 919 1'587 0.1587
[100,150[ 1'498 3'085 0.3085
[150,200[ 1'915 5000 0.5000
[200,250[ 1'915 6'915 0.6915
[250,300[ 1'498 8'413 0.8413
[300,350[ 919 9'332 0.9332
[350,400[ 440 9'772 0.9772
[400 et + 228 10'000 1
(7.292)

Si nous traons maintenant cela sous MS Excel nous obtenons:

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

(7.293)

Ce qui ressemble terriblement une loi Normale d'o l'autorisation, sans trop de risques,
d'utiliser dans cet exemple la technique de la droite d'Henry.

Mais que faire maintenant? Eh bien connaissant les frquences cumules, il ne nous reste plus
qu' calculer pour chacune d'entre elles k* l'aide de tables numriques ou avec la fonction
NORMSINV( ) de MS Excel (car rappelons que l'intgration formelle de la fonction
gaussienne n'est pas des plus faciles.).

Ceci nous donnera les valeurs de la loi Normale centre rduite N(0,1) de ces mmes
frquences respectives cumules (fonction de rpartition). Ainsi nous obtenons (nous laissons
le soin au lecteur de chercher sa table numrique ou d'ouvrir son logiciel prfr):

Borne de l'intervalle Frquences relatives Correspondance pour


cumules k* de N(0,1)
50 0.068 -1.5
100 0.1587 -1
150 0.3085 -0.5
200 0.5000 0
250 0.6915 0.5
300 0.8413 1
350 0.9332 1.5
400 0.9772 2
- 1 -
(7.294)

Signalons que dans le tableau ci-dessus, dans MS Excel, les valeurs de frquences cumules
nulles et unitaires (extrmes) posent problmes. Il faut alors jouer un petit peu...

Comme nous l'avons spcifi plus haut, nous avons sous forme discrte:

(7.295)

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

Donc
graphiquement sous MS Excel nous obtenons grce notre tableau le graphique
suivant:

(7.296)

Donc l'aide de la rgression donne par MS Excel (ou calcule par vos soins selon les
techniques de rgressions linaires vues dans le chapitre de Mthodes Numriques). Il vient :

(7.297)

Donc nous avons immdiatement :

(7.298)

Il s'agit donc d'une technique particulire pour une distribution particulire! Des techniques
similaires plus ou moins simples (ou compliques suivant les cas) existent pour nombre de
distributions.

FONCTION LOG-NORMALE

Nous disons qu'une variable alatoire positive X suit une "fonction log-normale" (ou "loi log-
normale") de paramtres , si ln(X) suit une loi Normale de moyenne et de variance
.

Ce type de scnario se retrouve frquemment en physique, dans les techniques de


maintenance ou encore en finance des marchs dans le modle de pricing des options (voir ces
chapitres respectifs du site pour des exemples concrets). Il y a par ailleurs une remarque
importante relativement la loi log-normale dans le traitement plus loin du thorme central
limite!

Nous avons donc (selon notre tude de la loi Normale) pour la probabilit cumule :

(7.299)

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

La
fonction de densit de X pour est donc (cf. chapitre de Calcul Intgral) :

(7.300)

qui peut tre calcule dans MS Excel avec la fonction LOI.LOGNORMALE( ) ou pour la
rciproque par LOI.LOGNORNALE.INVERSE( ).

Effectivement:

(7.301)

en posant:

(7.302)

et nous avons bien:

(7.303)

L'esprance (moyenne) de X est donne alors par (le logarithme nprien n'tant pas dfini
pour nous bornons l'intgrale partir de zro) :

(7.304)

avec le changement de variable :

(7.305)

L'expression est par ailleurs gale :

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

(7.306)

La dernire intgrale devient donc :

(7.307)

Rappelons que la variance de X est dfinie par :

(7.308)

Calculons en procdant de manire similaire aux dveloppements prcdents:

(7.309)

o nous avons encore une fois le changement de variable:

(7.310)

L'expression est gale :

(7.311)

La dernire intgrale devient donc :

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

(7.312)

Donc :

(7.313)

Pour et le graphe de f est le suivant :

Exemple:

Trac de la fonction de distribution et rpartition pour la fonction Log-Normale de paramtres


:

(7.314)

FONCTION UNIFORME CONTINUE

Soient . Nous dfinissons la fonction de distribution de la "fonction uniforme" (ou "loi


uniforme") par la relation :

(7.315)

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

Nous
avons donc pour fonction de rpartition:

Il s'agit bien d'une fonction de distribution car elle vrifie (intgrale simple) :

(7.316)

La fonction uniforme a par ailleurs pour esprance (moyenne) :

(7.317)

et pour variance en utilisant la formule de Huyghens :

(7.318)

signifie qu'en dehors du domaine de dfinition [a,b] la fonction de distribution est nulle.
Nous retrouverons ce type de notation dans certaines autres fonctions de distribution.

Exemple:

Trac de la fonction de distribution et respectivement de rpartition pour la loi Uniforme de


paramtres :

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

(7.319)

Remarque: Cette fonction est souvent utilise en simulation dans les entreprises pour
signaler que la variable alatoire a des probabilits gales d'avoir une valeur comprise dans un
certain intervalle (typiquement dans les rendements de portefeuilles ou encore dans
l'estimation des dures des projets). Le meilleur exemple d'application tant nouveau le
logiciel CrystalBall ou @Risk qui s'intgre dans MS Project.

FONCTION TRIANGULAIRE

Soit . Nous dfinissons la "fonction triangulaire" (ou "loi triangulaire") par


construction selon les deux fonctions de distribution suivantes:

(7.320)

o a est souvent assimil la valeur optimiste, c la valeur attendue (le mode) et b la valeur
pessimiste.

C'est effectivement la seule manire de l'crire si le lecteur garde l'esprit que le triangle de
base c-a doit avoir une hauteur h valant 2/(c-a) telle que sa surface totale soit gale l'unit
(nous allons de suite le montrer).

Exemple:

Trac de la fonction de distribution et rpartition pour la fonction triangulaire de paramtres


(a,c,b)=(0,3,5):

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

(7.321)

La pente de la premire droite (croissante de gauche) est donc bien videmment


et la pente de la deuxime droite (dcroissante droite) .

Cette fonction est une fonction de distribution si elle vrifie:

(7.322)

Il s'agit dans ce cas de l'aire du triangle qui rappelons-le est simplement la base multiplie par
la hauteur le tout divis par 2 (cf. chapitre sur les Formes Gomtriques):

= 1 (7.323)

Remarque: Cette fonction est beaucoup utilise en gestion de projet dans le cadre de
l'estimation des dures des tches ou encore en simulations industrielles. La valeur a
correspondant la valeur optimiste, la valeur c la valeur attendue (mode) et la valeur b la
valeur pessimiste. Le meilleur exemple d'application tant nouveau le logiciel CrystalBall
ou @Risk qui s'intgre dans MS Project.

La fonction triangulaire a par ailleurs une esprance (moyenne) :

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

(7.324)

et pour variance :

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

(7.325)

on remplace par l'expression obtenue prcdemment et on simplifie (c'est de l'algbre


lmentaire pnible) :

(7.326)

Nous pouvons montrer que la somme de deux variables alatoires indpendantes chacune de
loi uniforme sur [a,b] suit une loi uniforme sur [2a,2b] mais si elles n'ont pas les mmes
bornes, alors leur somme donne une loi triangulaire.

FONCTION DE PARETO

La "fonction de Pareto" (ou "loi de Pareto") est la formalisation du principe des 80-20. Cet
outil d'aide la dcision dtermine les facteurs (environ 20%) cruciaux qui influencent la plus
grande partie (80%) de l'objectif.

Remarque: Cette loi est un outil fondamental et basique en gestion de la qualit (cf.
chapitre de Gnie Industriel et Techniques de Gestion). Elle est aussi utilise en rassurance.
La thorie des files d'attente s'est intresse cette distribution, lorsque des recherches des
annes 90 ont montr que cette loi rgissait aussi au nombre de grandeurs observes dans le
trafic internet (et plus gnralement sur tous les rseaux de donnes grande vitesse).

Une variable alatoire est dite par dfinition suivre une loi de Pareto si sa fonction de
rpartition est donne par :

(7.327)

avec x qui doit tre suprieur ou gal xm.

La fonction de densit (fonction de distribution) de Pareto est alors :

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

(7.328)

avec et (donc ).

La distribution de Pareto est donc dfinie par deux paramtres, xm et k (nomm "index de
Pareto").

C'est par ailleurs bien une fonction de distribution puisque tant connue sa fonction de
rpartition:

(7.329)

L'esprance (moyenne) est donne par:

(7.330)

si . Si , l'esprance n'existe pas.

Pour calculer la variance, en utilisant la relation :

(7.331)

Nous avons :

(7.332)

si . Si , n'existe pas.

Donc si :

(7.333)

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

Si , la variance n'existe pas.

Exemple:

Trac de la fonction de distribution et rpartition pour la fonction de Pareto de paramtre


:

(7.334)

Remarque: Il faut noter que lorsque la distribution s'approche de o


est la fonction Delta de Dirac.

FONCTION EXPONENTIELLE

Nous dfinissons la "fonction exponentielle" (ou "loi exponentielle") par la relation de


fonction de distribution suivante :

(7.335)

avec qui comme nous allons de suite le montrer n'est au fait que l'inverse de la
moyenne.

Nous pouvons obtenir cette loi dans MS Excel avec la fonction LOI.EXPONENTIELLE( ).

Remarques Cette fonction se retrouve frquemment en physique nuclaire


(dsintgrations) ou encre en physique quantique ainsi qu'en fiabilit (maintenance
prventive).

Il s'agit par ailleurs bien d'une fonction de distribution car elle vrifie :

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

(7.336)

La fonction exponentielle a pour esprance (moyenne) en utilisant l'intgration par parties:

(7.337)

et pour variance nous utilisons nouveau et il ne nous reste plus


qu' calculer :

(7.338)

Un changement de variable conduit :

(7.339)

Une double intgration par parties donne :

(7.340)

D'o il vient ds lors :

(7.341)

Donc l'cart-type (racine carre de la variance pour rappel) et la moyenne ont exactement la
mme expression!

Exemple:

Trac de la fonction de distribution et rpartition pour la fonction exponentielle de paramtre


:

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

(7.342)

Dterminons maintenant la fonction de rpartition de la loi exponentielle:

(7.343)

Remarque: Nous verrons plus loin que la fonction de distribution exponentielle n'est qu'un
cas particulier d'une fonction plus gnrale qui est la fonction du Khi-Deux, cette dernire
aussi n'tant qu'un cas particulier d'une fonction encore plus gnrale qui est la fonction
Gamma.

FONCTION DE CAUCHY

Soient X,Y deux variables alatoires indpendantes suivant des lois Normales centres
rduites (variance unit et esprance nulle). La fonction de densit est donc donne par :

(7.344)

La variable alatoire :

(7.345)

(la valeur absolue intervient dans l'intgrale lors du changement variable) suit une
caractristique appele "fonction de Cauchy" (ou "loi de Cauchy") ou encore "loi de Lorentz".

Dterminons sa fonction de densit f. Pour cela, rappelons que f est dtermine par la relation
(gnrale):

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

(7.346)

Donc (application du calcul intgral lmentaire) :

(7.347)

dans le cas o f est continue.

Etant donn que X et Y sont indpendantes, la fonction de densit du vecteur alatoire est
donne par un des axiomes des probabilits (cf. chapitre de Probabilits) :

(7.348)

Donc :

(7.349)

o donc .

Cette dernire intgrale devient :

(7.350)

Faisons le changement de variable dans l'intgrale intrieure. Nous obtenons :

(7.351)

Donc :

(7.352)

C'est maintenant que la valeur absolue va nous tre utile pour crire :

(7.353)

Pour la premire intgrale nous avons :

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

(7.354)

Il ne reste donc plus que la seconde intgrale et en faisant le changement de variable ,


nous obtenons :

(7.355)

Ce que nous noterons par la suite (afin de respecter les notations optes jusqu' prsent) :

(7.356)

et qui n'est d'autre que la fonction de Cauchy.

Il s'agit par ailleurs bien d'une fonction de distribution car elle vrifie (cf. chapitre de Calcul
Diffrentiel et Intgral):

(7.357)

Exemple:

Trac de la fonction de distribution:

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

(7.358)

La fonction de Cauchy a pour esprance (moyenne) :

(7.359)

Attention !!! Les calculs prcdents ne donnent pas zro au fait car la soustraction d'infinis est
non pas nul mais indtermin ! La loi de Cauchy n'admet pas donc pas d'esprance
rigoureusement parlant!

Ainsi, mme si nous pouvons bricoler une variance :

(7.360)

celle-ci est absurde et n'existe rigoureusement parlant pas puisque la l'esprance n'existe
pas...!

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

LOI BTA

Rappelons d'abord que la fonction Gamma d'Euler est dfinie par la relation (cf. chapitre de
Calcul Diffrentiel Et Intgral):

(7.361)

Nous avons dmontr (cf. chapitre de Calcul Diffrentiel Et Intgral) qu'une proprit non
triviale de cette fonction est que:

(7.362)

Posons maintenant:

(7.363)

o :

(7.364)

En faisant le changement de variables :

(7.365)

(7.366)

et nous trouvons alors:

(7.367)

La fonction B qui apparat dans l'expression ci-dessus est appele "fonction bta" et nous
avons donc :

(7.368)

Maintenant que nous avons dfini ce qu'tait la fonction bta, considrons deux paramtres

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

et considrons la relation particulire ci-dessous comme tant la "fonction de


distribution Bta" ou "loi bta" (il existe plusieurs formulations de la loi bta donc une trs
importante qui est tudie en dtails dans le chapitre de Techniques de Gestion):

(7.369)

o:

(7.370)

est bien une fonction de distribution (sans trop aller dans les dtails...):

(7.371)

Maintenant, nous calculons qu'elle est son esprance (moyenne) :

(7.372)

en utilisant la relation:

(7.373)

et sa variance :

(7.374)

En sachant que et que nous trouvons :

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

(7.375)

et donc :

(7.376)

Exemple:

Trac de la fonction pour en rouge, en vert,


en noir, en bleu, en magenta,
en cyan, en gris, en turquoise, en jaune,
en couleur or :

(7.377)

et trac de la fonction de distribution et rpartition de la loi bta de paramtres :

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

(7.378)

FONCTION GAMMA

La fonction Gamma d'Euler tant connue, considrons deux paramtres et


dfinissons la "fonction Gamma" (ou "loi Gamma") comme tant donne par la relation :

(7.379)

En faisant le changement de variables nous obtenons :

(7.380)

et pouvons alors crire la relation sous une forme plus classique que nous trouvons
frquemment dans les ouvrages :

(7.381)

et c'est sous cette forme que nous retrouvons cette fonction dans MS Excel sous le nom
LOI.GAMMA( ) et pour sa rciproque par LOI.GAMMA.INVERSE( ).

Remarques:

R1. Si alors et nous retombons sur la loi exponentielle.

R2. Si la distribution s'appelle alors la "fonction d'Erlang".

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

Ensuite,
nous vrifions avec un raisonnement similaire en tout point celui de fonction bta que
est une fonction de distribution :

(7.382)

Exemple:

Trac de la fonction pour en rouge, en vert, en


noir, en bleu, en magenta :

(7.383)

et trac de la fonction de distribution et rpartition pour la fonction Gamma de paramtre


:

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

(7.384)

La fonction Gamma a par ailleurs pour esprance (moyenne):

(7.385)

et pour variance :

(7.386)

Dmontrons une proprit de la fonction Gamma qui nous servira dmontrer plus tard dans
ce chapitre lors de notre tude de l'analyse de la variance et des intervalles de confiance sur
des petits chantillons une autre proprit extrmement importante de la loi du khi-deux.

Comme nous le savons, la fonction de densit d'une variable alatoire suivant une fonction
Gamma de paramtres est :

(7.387)

avec (cf. chapitre de Calcul Diffrentiel Et Intgral) la fonction Gamma d'Euler :

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

(7.388)

Par ailleurs, quand une variable alatoire suite une fonction Gamma nous la notons:

(7.389)

Soit X, Y deux variables indpendantes. Montrons que si et alors :

(7.390)

Notons f la fonction de densit du couple (X,Y), la fonction de densit de X et la


fonction de densit de Y. Vu que X, Y sont indpendantes, nous avons :

(7.391)

pour tout .

Soit . La fonction de rpartition de Z est alors :

(7.392)

o .

Remarque: Nous appelons un tel calcul une "convolution" et les statisticiens ont souvent
manipuler de telles entits ayant travailler sur des nombreuses variables alatoires qu'il faut
sommer ou mme multiplier.

En simplifiant :

(7.393)

Nous effectuons le changement de variable suivant :

(7.394)

Le jacobien est alors (cf. chapitre de Calcul Diffrentiel Et Intgral) :

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

(7.395)

Donc avec la nouvelle borne d'intgration nous avons:

(7.396)

Si nous notons g la fonction de densit de Z nous avons :

(7.397)

Par suite :

(7.398)

et tant nulles lorsque leur argument est ngatif, nous pouvons changer les bornes
d'intgration :

pour (7.399)

Calculons g :

(7.400)

Aprs le changement de variable nous obtenons :

(7.401)

o B est la fonction bta que nous avons plus haut notre tude la fonction de distribution bta.
Or nous avons aussi dmontr la relation :

(7.402)

Donc :

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

(7.403)

Ce qui finalement nous donne :

(7.404)

Ce qui montre que bien que si deux variables alatoires suivent une fonction Gamma alors
leur somme aussi tel que :

(7.405)

donc la fonction Gamma est stable par addition de mme que le sont toutes les lois qui
dcoulent de la loi gamma et que nous allons aborder ci-aprs.

FONCTION DE KHI-DEUX (OU DE PEARSON)

La "fonction de Khi-Deux" (appele aussi "loi du Khi-Deux" ou encore "loi de Pearson") n'est
qu'un cas particulier de la fonction de distribution Gamma dans le cas o et ,
avec k entier positif :

(7.406)

Cette relation qui relie la loi du khi-deux la loi Gamma est important dans MS Excel car la
fonction LOI.KHIDEUX( ) donne le seuil de confiance et non la loi de distribution. Il faut
alors utiliser la fonction LOI.GAMMA( ) avec les paramtres donns ci-dessus ( part qu'il
faut prendre l'inverse de 1/2, soit 2 comme paramtre) pour avoir la fonction de distribution et
de rpartition.

Tous les calculs faits auparavant s'appliquent et nous avons alors immdiatement:

(7.407)

Exemple:

Trac de la fonction pour en rouge, en vert, en noir, en bleu :

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

(7.408)

et trac de la fonction de distribution et respectivement de rpartition pour la loi du khi-deux


pour :

(7.409)

Dans la littrature, il est de tradition de noter :

ou (7.410)

pour indiquer que la distribution de la variable alatoire X est la loi du khi-deux. Par ailleurs il
est courant de nommer le paramtre k "degr de libert" et de l'abrger "ddl".

La fonction khi-deux dcoule donc de la loi gamma et par ailleurs en prenant nous

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

retrouvons aussi la loi exponentielle (voir plus haut) pour :

(7.411)

Par ailleurs, puisque (cf. chapitre de Calcul Diffrentiel Et Intgral):

(7.412)

la loi du khi-deux avec k gal l'unit peut s'crire sous la forme :

(7.413)

FONCTION DE STUDENT

La "fonction de Student" (ou "loi de Student") de paramtre k est dfinie par la relation :

(7.414)

avec k tant le degr de libert de la loi du khi-deux sous jacente la construction de la


fonction de Student comme nous allons le voir.

Indiquons qu'elle peut aussi tre obtenue dans MS Excel l'aide des fonctions
LOI.STUDENT( ) et sa rciproque par LOI.STUDENT.INVERSE( ).

Il s'agit bien d'une fonction de distribution car elle vrifie galement (reste dmontrer
directement mais bon comme nous allons le voir elle est le produit de deux fonctions de
distribution donc indirectement...) :

(7.415)

Voyons la dmonstration la plus simple pour justifier la provenance de la loi de Student et qui
nous sera en mme temps trs utile dans l'infrence statistique et l'analyse de la variance plus
loin.

Pour cette dmonstration, rappelons que:

R1. Si X, Y sont deux variables alatoires indpendantes de densits respectives , la loi


du couple (X,Y) possde une densit f vrifiant (axiome des probabilits!):

(7.416)

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

R2.
La loi N(0,1) est donne par (voir plus haut):

(7.417)

R3. La loi est donne par (voir prcdemment):

(7.418)

pour et .

R4. La fonction est dfinie pour tout par (cf. chapitre de Calcul Diffrentiel et
Intgral):

(7.419)

et vrifie (cf. chapitre de Calcul Diffrentiel et Intgral):

(7.420)

pour .

Ces rappels tant faits, considrons maintenant X une variable alatoire suivant la loi N(0,1) et
Y une variable alatoire suivant la loi .

Nous supposons X et Y indpendantes et nous considrons la variable alatoire (c'est


l'origine l'tude historique de la loi de Student dans le cadre de l'infrence statistique qui a
amen poser cette variable dont nous justifierons l'origine plus loin):

(7.421)

Nous allons montrer T suit une loi de Student de paramtre n.

Dmonstration:

Notons F et f les fonctions de rpartition et de densit de T et ,f les fonctions de


densit de X, Y et (X,Y) respectivement. Nous avons alors pour tout :

(7.422)

o:

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

(7.423)

la valeur impose positive et non nulle de y tant due au fait qu'elle est sous une racine et en
plus au dnominateur.

Ainsi:

(7.424)

o comme X suit une loi N(0,1):

(7.425)

est la fonction de rpartition de la loi Normale centre rduite.

Nous obtenons alors la fonction de densit de T en drivant F:

(7.426)

car (la drive d'une fonction est gale sa drive multiplie par sa drive intrieure):

(7.427)

Donc:

(7.428)

En faisant le changement de variable:

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

(7.429)

nous obtenons:

(7.430)

ce qui est bien la loi de Student de paramtre n.

C.Q.F.D.

Voyons maintenant quelle est l'esprance de la loi de Student:

(7.431)

Nous avons:

(7.432)

Mais existe si et seulement si . En effet pour :

(7.433)

et:

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

(7.434)

Tandis que pour nous avons:

(7.435)

Ainsi pour , l'esprance n'existe pas.

Donc pour :

(7.436)

Voyons maintenant la valeur de la variance. Nous avons donc:

(7.437)

Discutons de l'existence de . Nous avons trivialement:

(7.438)

X suit une loi normale centre rduite donc:

(7.439)

Pour ce qui est de nous avons:

(7.440)

o nous avons fait le changement de variable .

Mais l'intgrale dfinissant converge seulement si .

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

Donc existe si et seulement si et vaut alors selon les proprits de la loi Gamma
d'Euler dmontres dans le chapitre de Calcul Diffrentiel et Intgral:

(7.441)

Ainsi pour :

(7.442)

Il est par ailleurs important de remarque que cette loi est symtrique par rapport 0!

Exemple:

Trac de la fonction de distribution et rpartition pour la fonction de Student de paramtre


:

(7.443)

FONCTION DE FISHER

La "fonction de Fisher" (ou "loi de Fisher-Snedecor") de paramtres k et l est dfinie par la


relation:

(7.444)

si . Les paramtres k et l sont des entiers positifs et correspondent aux degrs de libert

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

des
deux lois du khi-deux sous-jacentes. Cette distribution est souvent note ou F(k,l) et
peut tre obtenue dans MS Excel par la fonction LOI.F( ).

Il s'agit bien d'une fonction de distribution car elle vrifie galement (reste dmontrer
directement mais bon comme nous allons le voir elle est le produit de deux fonctions de
distribution donc indirectement) :

(7.445)

Voyons la dmonstration la plus simple pour justifier la provenance de la loi de Fisher et qui
nous sera en mme temps trs utile dans l'infrence statistique et l'analyse de la variance plus
loin.

Pour cette dmonstration, rappelons que:

R1. La loi est donne par (voir plus haut):

(7.446)

pour et .

R2. La fonction est dfinie pour tout par (cf. chapitre de Calcul Diffrentiel et
Intgral):

(7.447)

Soit X, Y deux variables alatoires indpendantes suivant respectivement les lois et .

Nous considrons la variable alatoire:

(7.448)

Nous allons donc montrer que la loi de T est la loi de Fisher-Snedecor de paramtres n, m.

Notons pour cela F et f les fonctions de rpartition et de densit de T et , f les


fonctions de densit de X, Y et (X,Y) respectivement. Nous avons pour tout :

(7.449)

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

o:

(7.450)

o les valeurs positives imposes proviennent de l'origine d'une loi du khi-deux pour x et y.

Ainsi :

(7.451)

Nous obtenons la fonction de densit de T en drivant F. D'abord la drive intrieure:

(7.452)

Ensuite en explicitant puisque:

et (7.453)

nous avons alors:

(7.454)

En faisant le changement de variable:

(7.455)

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

nous
obtenons :

(7.456)

C.Q.F.D.

FONCTION DE BENFORD

Cette distribution aurait t dcouverte une premire fois en 1881 par Simon Newcomb, un
astronome amricain, aprs qu'il se fut aperu de l'usure (et donc de l'utilisation) prfrentielle
des premires pages des tables de logarithmes (alors compiles dans des ouvrages). Frank
Benford, aux alentours de 1938, remarqua son tour cette usure ingale, crut tre le premier
formuler cette loi qui porte indment son nom aujourd'hui et arriva aux mme rsultats aprs
avoir rpertori des dizaines de milliers de donnes (longueurs de fleuves, cours de la bourse,
etc).

Seule explication possible : nous avons plus souvent besoin d'extraire le logarithme de
chiffres commenant par 1 que de chiffres commenant par 9, ce qui implique que les
premiers sont "plus nombreux" que les seconds.

Bien que cette ide lui paraisse tout fait invraisemblable, Benford entreprend de vrifier son
hypothse. Rien de plus simple : il se procure des tables de valeurs numriques, et calcule le
pourcentage d'apparition du chiffre le plus gauche (premire dcimale). Les rsultats qu'il
obtient confirment son intuition:

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

Chiffre initial Probabilit d'apparition


1 30,1 %
2 17,6 %
3 12,5 %
4 9,7 %
5 7,9 %
6 6,7 %
7 5,8 %
8 5,1 %
9 4,6 %
(7.457)

A partir de ces donnes, Benford trouve exprimentalement que la probabilit qu'un nombre
commence par le chiffre n (except 0) est (nous allons le dmontrer plus loin) donne par la
relation :

(7.458)

appele "fonction de Benford" (ou "loi de Benford").

Exemple:

Voici un trac de la fonction prcdente :

(7.459)

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

Il
convient de prciser que cette loi ne s'applique qu' des listes de valeurs "naturelles", c'est-
-dire des chiffres ayant une signification physique. Elle ne fonctionne videmment pas sur
une liste de chiffres tirs au hasard.

La loi de Benford a t teste sur toutes sortes de tables : longueur des fleuves du globe,
superficie des pays, rsultat des lections, liste des prix de l'picerie du coin... Elle se vrifie
presque tous les coups.

Elle est videmment indpendante de l'unit choisie. Si l'on prend par exemple la liste des prix
d'un supermarch, elle fonctionne aussi bien avec les valeurs exprimes en Francs qu'avec les
mmes prix convertis en Euros.

Cet trange phnomne est rest peu tudi et inexpliqu jusqu' une poque assez rcente.
Puis une dmonstration gnrale en a t donne en 1996, qui fait appel au thorme de la
limite centrale.

Aussi surprenant que cela puisse paratre, cette loi a trouv une application : le fisc l'utilise
aux Etats-Unis pour dtecter les fausses dclarations. Le principe est bas sur la restriction
vue plus haut : la loi de Benford ne s'applique que sur des valeurs ayant une signification
physique.

S'il existe une distribution de probabilit universelle P(n) sur de tels nombres, ils doivent tres
invariants sous un changement d'chelle tel que:

(7.460)

Si :

(7.461)

alors:

(7.462)

et la normalisation de la distribution donne:

(7.463)

si nous drivons par rapport nous obtenons :

(7.464)

en posant nous avons :

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

(7.465)

Cette quation diffrentielle a pour solution:

(7.466)

Cette fonction, n'est pas en premier lieu proprement parler une fonction de distribution de
probabilit (elle diverge) et deuximement, les lois de la physique et humaines imposent des
limites.

Nous devons donc comparer cette distribution par rapport une rfrence arbitraire. Ainsi, si
le nombre dcimal tudi contient plusieurs puissance de 10 (10 au total: 0,1,2,3,4,5,6,7,9) la
probabilit que le premier chiffre non nul (dcimal) soit est donn par la distribution
logarithmique:

(7.467)

Les bornes de l'intgrale sont de 1 10 puisque la valeur nulle est interdite.

L'intgrale du dnominateur donne:

(7.468)

L'intgrale du numrateur donne:

(7.469)

Ce qui nous donne finalement:

(7.470)

De par les proprits des logarithmes (voir le chapitre d'Analyse fonctionnelle) nous avons :

(7.471)

Cependant, la loi de Benford ne s'applique pas uniquement aux donnes invariantes par
changement d'chelle mais galement des nombres de provenant de sources quelconques.
Expliquer ce cas implique une investigation plus rigoureuse en utilisant le thorme de la

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

limite
centrale. Cette dmonstration a t effectue seulement en 1996 par T. Hill par une
approche utilisant la distribution des distributions.

ESTIMATEURS DE VRAISEMBLANCE

Ce qui va suivre est d'une extrme importance en statistiques et est utilis normment en
pratique. Il convient donc d'y accorder une attention toute particulire!

Nous supposons que nous disposons d'observations qui sont des ralisations de
variables alatoires non biaises (dans le sens qu'elles sont choisies alatoirement parmi un
lot) indpendantes de loi de probabilit inconnue mais identique.

Nous allons chercher estimer cette loi de probabilit P inconnue partir des observations
.

Supposons que nous procdons par ttonnement pour estimer la loi de probabilit P inconnue.
Une manire de procder est de se demander si les observations avaient une
probabilit leve ou non de sortir avec cette loi de probabilit arbitraire P.

Nous devons pour cela calculer la probabilit conjointe qu'avaient les observations
de sortir avec . Cette probabilit vaut (cf. chapitre de
Probabilits):

(7.472)

en notant P la loi de probabilit suppose associe . Il faut avouer qu'il serait


alors particulirement maladroit de choisir une loi de probabilit (avec ses paramtres!) qui
minimise cette quantit...

Au contraire, nous allons chercher la probabilit qui maximise

, c'est--dire qui rende les observations le plus vraisemblable


possible.

Nous sommes donc amen chercher le (ou les) paramtre(s) qui maximise(nt) la quantit :

(7.473)

Cette quantit L porte le nom de "vraisemblance". C'est une fonction du ou des paramtres
et des observations .

La ou les valeurs du paramtre qui maximisent la vraisemblance sont appeles


"estimateurs du maximum de vraisemblance" (estimateur MV).

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

Faisons
quand mme trois petits exemples (trs classiques, utiles et importants dans
l'industrie) avec dans l'ordre d'importance (donc pas forcment dans l'ordre de facilit...) la
fonction de distribution de Gauss-Laplace (Normale), la fonction de distribution de Poisson et
finalement Binomiale.

Remarque: Ces trois exemples sont importants car utiliss dans les SPC (matrise
statistiques de processus) dans diffrentes multinationales travers le monde (cf. chapitre de
Gnie Industriel).

ESTIMATEURS DE LA LOI NORMALE

Soit un n-chantillon de variables alatoires identiquement distribues


supposes suivre une loi de Gauss-Laplace (loi Normale) de paramtres et .

Nous recherchons quelles sont les valeurs des estimateurs de maximum de vraisemblance
qui maximisent la vraisemblance de la loi Normale ?

Remarque: Il va de soit que les estimateurs de maximum de vraisemblance sont ici :

(7.474)

Nous avons dmontr plus haut que la densit d'une variable alatoire gaussienne tait donne
par :

(7.475)

La vraisemblance est alors donne par:

(7.476)

Maximiser une fonction ou maximiser son logarithme est quivalent donc la "log-
vraisemblance" sera:

(7.477)

Pour dterminer les deux estimateurs de la loi Normale, fixons d'abord l'cart-type. Pour cela,
drivons par rapport et regardons pour quelle valeur de la moyenne la
fonction s'annule.

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

Il
nous reste aprs simplification le terme suivant qui est gal zro:

(7.478)

Ainsi, l'estimateur de maximum de vraisemblance de la moyenne (esprance) de la loi


Normale est donc aprs rarrangement:

(7.479)

et nous voyons qu'il s'agit simplement de la moyenne arithmtique (ou appele aussi
"moyenne empirique").

Fixons maintenant la moyenne. L'annulation de la drive de en conduit :

(7.480)

Ce qui nous permet d'crire l'estimateur de maximum de vraisemblance pour l'cart-type (la
variance lorsque la moyenne est connue selon la loi de distribution suppose elle aussi
connue!):

(7.481)

Cependant, nous n'avons pas encore dfini ce qu'tait un bon estimateur ! Ce que nous
entendons par l:

- Si l'esprance d'un estimateur est gale elle-mme, nous disons que cet estimateur est "sans
biais" et c'est bien videmment ce que nous cherchons!

- Si l'esprance d'un estimateur n'est pas gale elle-mme, nous disons alors que cet
estimateur est "biais" et c'est forcment moins bien...

Dans l'exemple prcdent, la moyenne est donc non biaise (trivial car la moyenne de la
moyenne arithmtique est gale elle mme). Mais qu'en est-il de la variance (in extenso de
l'cart-type) ?

Un petit calcul simple par linarit de l'esprance (puisque les variables alatoires sont
identiquement distribues) va nous donner la rponse dans le cas o la moyenne thorique est
approche comme dans la pratique (industrie) par l'estimateur de la moyenne (cas le plus
frquent).

Nous avons donc le calcul de l'esprance de la "variance empirique":

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

(7.482)

Or, comme les variables sont quidistribues:

(7.483)

Et nous avons (formule de Huyghens):

(7.484)

ainsi que :

(7.485)

o la deuxime relation ne peut s'crire que parce que nous utilisons l'estimateur de maximum
de vraisemblance de la moyenne (moyenne empirique). D'o:

(7.486)

et comme:

et (7.487)

Nous avons finalement:

(7.488)

nous avons donc un biais de -1 fois l'erreur-standard:

(7.489)

Nous noterons galement que l'estimateur tend vers un estimateur sans biais (E.S.B.) lorsque
le nombre d'chantillons tend vers l'infini . Nous disons alors que nous avons un
"estimateur asymptotiquement non biais".

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

Remarque: Un estimateur est aussi dit "estimateur consistant" s'il converge en probabilit,
lorsque , vers la vraie valeur du paramtre.

De par les proprits de l'esprance, nous avons alors:

(7.490)

il vient alors:

(7.491)

Nous avons donc finalement deux rsultats importants:

1. L'estimateur de maximum de vraisemblance biais ou appel galement "variance


empirique" ou encore "variance chantillonnale" et donc donn par:

(7.492)

lorsque .

2. Et donc "l'estimateur de maximum vraisemblance non biais":

(7.493)

deux relations que nous retrouvons souvent dans les tables et dans de nombreux logiciels et
que nous utiliserons plus bas dans les dveloppements des intervalles de confiance et des tests
d'hypothses!

Par exemple, dans MS Excel l'estimateur biais est donn par la fonction ECARTYPEP( ) et
le non biais par ECARTTYPE( ).

Au total, cela nous fait donc trois estimateurs pour la mme quantit!! Comme dans
l'crasante majorit des cas de l'industrie la moyenne thorique n'est pas connue, nous
utilisons le plus souvent les deux dernires relations encadres ci-dessus. Maintenant, c'est la
que c'est le plus vicieux : lorsque nous calculons le biais des deux estimateurs, le premier est
biais, le second ne l'est pas. Donc nous aurions tendance utiliser que le second. Que nenni!
Car nous pourrions aussi parler de la variance et de la prcision d'un estimateur, qui sont aussi
des critres importants pour juger de la qualit d'un estimateur par rapport un autre. Si nous
faisions le calcul de la variance des deux estimateurs, alors le premier, qui est biais, a une
variance plus petite que le second qui est sans biais! Tout a pour dire que le critre du biais
n'est pas (et de loin) le seul tudier pour juger de la qualit d'un estimateur.

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

Enfin,
il est important de se rappeler que le facteur -1 du dnominateur de l'estimateur de
maximum de vraisemblance non biais provient du fait qu'il fallait corriger l'esprance de
l'estimateur biais la base minor de une fois l'erreur-standard!

In extenso, ils est possible de dmontrer (mais c'est long) que si la variable alatoire suivant
une loi normale dont nous cherchons l'expression de l'estimateur non biais est la somme de k
variables alatoires linairement indpendantes alors nous avons:

(7.494)

ESTIMATEUR DE LA LOI DE POISSON

En utilisant la mme mthode que pour la loi Normale (Gauss-Laplace), nous allons donc
rechercher l'estimateur de maximum de vraisemblance la loi exponentielle qui rappelons-le,
est dfinie par :

(7.495)

Ds lors, la vraisemblance est donne par :

(7.496)

Maximiser une fonction ou maximiser son logarithme est quivalent donc:

(7.497)

Nous cherchons maintenant la maximiser :

(7.498)

et obtenons donc son unique estimateur de maximum de vraisemblance qui sera :

(7.499)

Il est tout fait normal de retrouver dans cet exemple didactique la moyenne empirique, car
c'est le meilleur estimateur possible pour le paramtre de la loi de Poisson (qui reprsente
aussi l'esprance d'une loi de Poisson).

Sachant que l'cart type de cette distribution (voir plus haut) n'est que la racine carre de la

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

moyenne,
nous avons alors pour l'cart-type de maximum de vraisemblance biais:

(7.500)

Remarque: Nous montrons de la mme manire que les rsultats identiques pour la loi
exponentielle trs utilise en maintenance prventive et fiabilit!

ESTIMATEUR DE LA LOI BINOMIALE

En utilisant la mme mthode que pour la loi Normale (Gauss-Laplace) et la loi de Poisson,
nous allons donc rechercher l'estimateur de maximum de vraisemblance la loi Binomiale qui
rappelons-le, est dfinie par :

(7.501)

Ds lors, la vraisemblance est donne par :

(7.502)

Il convient de se rappeler que le facteur qui suit le terme combinatoire exprime dj les
variables successives selon ce que nous avons vu lors de notre tude de la fonction de
distribution de Bernoulli et de la fonction bin0miale.

Maximiser une fonction ou maximiser son logarithme est quivalent donc:

(7.503)

Nous cherchons maintenant la maximiser :

(7.504)

Ce qui donne :

(7.505)

d'o nous tirons l'estimateur de maximum de vraisemblance biais qui sera :

(7.506)

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

Ce
rsultat est assez intuitif si l'on considre l'exemple classique d'une pice de monnaie qui
une chance sur deux de tomber sur une des ces faces. La probabilit p tant le nombre de fois
k o une face donne a t observe sur le nombre d'essais total (toutes faces confondues).

Remarque: Dans la pratique, il n'est pas aussi simple d'appliquer ces estimateurs. Il faut
bien rflchir auxquels sont les plus adapts une exprience donne et idalement calculer
galement l'erreur quadratique moyenne (erreur standard) de chacun des estimateurs de la
moyenne (comme nous l'avons dj fait pour la moyenne empirique plus tt).

INTERVALLES DE CONFIANCE

Jusqu' maintenant nous avons toujours dtermin les diffrents estimateurs de vraisemblance
ou estimateurs simples (variance, cart-type) partir de lois (fonctions) statistiques thoriques
ou mesures sur toute une population de donnes.

Nous allons maintenant aborder une approche un peu diffrente et importante dans l'industrie
en se demandant maintenant quelles doivent tre les tailles d'chantillons pour avoir une
certaine validit (intervalle de confiance I.C.) pour les donnes mesures ou encore quel cart-
type ou fractile dans une loi Normale centre rduite (grand nombre d'chantillons), du Khi-
deux, de Student ou de Fisher correspond un certain intervalle de confiance (nous verrons
ces deux derniers cas de faibles chantillons dans la partie traitant de l'analyse de la variance
ou ANOVA) lorsque la variance ou la moyenne est connue ou respectivement inconnue sur
l'ensemble ou une partie de la population de donne.

Indiquons que ces intervalles de confiance utilisent le thorme central limite dmontr plus
loin (afin d'viter toute frustration) et que les dveloppements que nous allons faire
maintenant nous seront galement utiles dans le domaine des Tests d'Hypothse qui ont une
place majeure en statistique!

I.C. SUR LA MOYENNE AVEC VARIANCE THORIQUE CONNUE

Commenons par le cas le plus simple et le plus courant qui est la dtermination du nombre
d'chantillons pour avoir une certaine confiance dans la moyenne des mesures effectues
d'une variable alatoire suppose suivre une loi Normale.

D'abord rappelons que nous avons dmontr au dbut de ce chapitre que l'erreur-type (cart-
type la moyenne) tait :

(7.507)

Maintenant, avant d'aller plus loin, considrons X comme une variable alatoire suivant une
loi Normale de moyenne et d'cart-type . Nous souhaiterions dterminer combien de
sigma correspond un intervalle de confiance de 95%. Pour dterminer cela, nous crivons
d'abord:

(7.508)

Remarque: Donc avec un intervalle de confiance de 95% vous aurez raison 19 fois sur 20,

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

ou
n'importe quel autre niveau de confiance ou niveau de risque (1-niveau de confiance) que
vous vous serez fix l'avance. En moyenne, vos conclusions seront donc bonnes, mais nous
ne pourrons jamais savoir si une dcision particulire est bonne!

En centrant et rduisant la variable alatoire :

(7.509)

Notons maintenant Y la variable centre rduite :

(7.510)

Puisque la loi Normale centre rduite est symtrique :

(7.511)

D'o :

(7.512)

A partir de l en lisant dans les tables numriques de la loi Normale centre rduite, nous
avons pour satisfaire cette galit que :

(7.513)

Ce qui s'obtient facilement avec MS Excel en utilisant la fonction: NORMALSINV((1-


0.95)/2).

Donc :

(7.514)

Ce qui est not de faon traditionnelle dans le cas gnral autre que 95% par (Z n'est pas une
variable alatoire c'est juste le facteur qui est la variable suivante) :

(7.515)

Or, considrons que la variable X sur la quelle nous souhaitons faire de l'infrence statistique
est justement la moyenne (et nous dmontrerons plus loin que celle-ci suit une loi Normale
centre rduite). Ds lors :

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

(7.516)

Ds lors nous en tirons :

(7.517)

Ainsi, nous pouvons maintenant savoir le nombre d'chantillons avoir pour s'assurer un
intervalle de prcision autour de la moyenne et pour qu'un pourcentage donn des mesures
se trouvent dans cet intervalle et en supposant l'cart-type exprimental connu d'avance.

Cependant... en ralit, la variable Z provient du thorme central limite (voir plus bas) qui
donne pour un chantillon de grande taille (approximativement):

(7.518)

En rarrangeant nous obtenons:

(7.519)

et comme Z peut tre ngatif ou positif alors il est plus cens d'crire cela sous la forme:

(7.520)

Soit:

(7.521)

que les ingnieurs notent:

(7.522)

avec LCL tant la lower confidence limit et UCL la upper confidence limit. C'est de la
terminologie Six Sigma (cf. chapitre de Gnie Industriel).

Et nous venons de voir plus avant que pour avoir un intervalle de confiance 95% nous
devions avoir Z=1.96. Et puisque la loi Normale est symtrique:

(7.523)

Cela se note finalement:

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

(7.524)

soit dans le cas d'un IC (intervalle de confiance) 95%:

(7.525)

Nous sommes ainsi capables maintenant d'estimer des tailles de population ncessaires
obtenir un certain niveau de confiance dans un rsultat, soit d'estimer dans quel intervalle de
confiance se trouve la moyenne thorique par rapport la moyenne exprimentale
(empirique).

I.C. SUR LA VARIANCE AVEC MOYENNE THORIQUE CONNUE

Commenons dmontrer une proprit fondamentale de la loi du khi-deux :

Si la variable alatoire X suit une loi Normale centre rduite alors son carr suit
une loi du khi-deux de degr de libert 1 :

(7.526)

Dmonstration:

Pour dmontrer cette proprit, il suffit de calculer la densit de la variable alatoire avec
. Or, si et si nous posons , alors pour tout nous
obtenons :

(7.527)

Puisque la loi Normale est symtrique par rapport 0 pour la variable alatoire X, nous
pouvons crire :

(7.528)

En notant la fonction de rpartition de la loi Normale centre rduite (sa probabilit


cumule en d'autres termes pour rappel), nous avons :

(7.529)

et comme :

(7.530)

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

alors
:

(7.531)

La fonction de rpartition de la variable alatoire (probabilit cumule) est donne


donne par :

(7.532)

si y est suprieur ou gal zro, nulle si y infrieur zro. Nous noterons cette rparation
pour la suite des calculs.

Puisque la fonction de distribution est la drive de la fonction de rpartition et que X suit une
loi Normale centre rduite alors nous avons pour la variable alatoire X :

(7.533)

alors nous avons pour la loi de distribution de Y :

(7.534)

Le thorme est donc bien dmontr tel que si X suit une loi Normale centre rduite alors son
carr suit une loi du khi-deux 1 degr de libert tel que :

(7.535)

C.Q.F.D.

Ce type de relation est utilis dans les processus industriels et leur contrle (cf. chapitre de
Gnie Industriel).

Nous allons maintenant utiliser un rsultat dmontr lors de notre tude de la loi Gamma.
Nous avons effectivement vu plus haut que la somme de deux variables alatoires suit aussi
une loi Gamma dont les paramtres s'additionnent :

(7.536)

Comme la loi du khi-deux n'est qu'un cas particulier de la loi Gamma, le mme rsultat
s'applique.

Pour tre plus prcis, cela revient crire :

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

Si sont des variables alatoires indpendantes et identiquement distribues N


(0,1) alors par extension de la dmonstration prcdente o nous avons montr que:

(7.537)

et de la proprit d'addition de la loi Gamma, la somme de leurs carrs suit alors une loi du
khi-deux de degr k tel que:

(7.538)

Ainsi, la loi du k degrs de libert est la loi de probabilit de la somme des carrs de k
variables normales centres rduites linairement indpendantes entre elles. Il s'agit de la
proprit de linarit de la loi du Khi-deux.

Maintenant voyons une autre proprit importante de la loi du khi-deux : Si sont


des variables alatoires indpendantes et identiquement distribues (donc de mme
moyenne et mme cart-type et suivant une loi Normale) et si nous notons l'estimateur de
maximum de vraisemblance de la variance:

(7.539)

alors, le rapport de la variable alatoire sur l'cart-type suppos connu de l'ensemble de la


population (dit "cart-type vrai" ou "cart-type thorique" pour bien diffrencier!) multipli
par le nombre d'chantillons n de la population suit une loi du khi-deux de degr n telle que :

(7.540)

Remarques:

R1. En laboratoire, les peuvent tre vues comme une classe d'chantillons d'un
mme produit tudi identiquement par diffrentes quipes de recherche avec des instruments
de mme prcision (cart-type de mesure nul).

R2. est la "variance interclasse" galement appele "variance explique". Donc elle donne
la variance d'une mesure ayant eu lieu dans les diffrents laboratoires.

Ce qui est intressant c'est qu' partir du calcul de la loi du khi-deux en connaissant n et
l'cart-type il est possible d'estimer cette variance (cart-type) interclasse.

Pour voir que cette dernire proprit est une gnralisation lmentaire de la relation :

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

(7.541)

il suffit de constater que la variable alatoire est une somme de n carrs de N(0,1)
indpendants les uns des autres. Effectivement, rappelons qu'une variable alatoire centre
rduite (voir notre tude de la loi Normale) est donne par :

(7.542)

Ds lors :

(7.543)

Or, puisque les variables alatoires sont indpendantes et identiquement distribues


selon une loi Normale, alors les variables alatoires :

(7.544)

sont aussi indpendantes et identiquement distribues mais selon une loi Normale centre
rduite.

Puisque:

(7.545)

en rarrangeant nous obtenons:

(7.546)

Donc sur la population de mesures, l'cart-type vrai suit la relation donne ci-dessus. Il est
donc possible de faire de l'infrence statistique sur l'cart-type lorsque la moyenne thorique
est connue ().

Puisque la fonction du khi-deux n'est pas symtrique, la seule possibilit pour faire l'infrence
c'est de faire appel au calcul numrique et nous noterons alors l'intervalle de confiance 95%
(par exemple) de la manire suivante:

(7.547)

Soit en notant :

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

(7.548)

le dnominateur tant alors bien videmment la probabilit cumule. Cette relation est
rarement utilise dans la pratique car la moyenne thorique n'est pas connue. Voyons donc le
cas le plus courant:

I.C. SUR LA VARIANCE AVEC MOYENNE EMPIRIQUE CONNUE

Cherchons maintenant faire de l'infrence statistique lorsque la moyenne thorique de la


population n'est pas connue. Pour cela, considrons maintenant la somme:

(7.549)

o pour rappel est la moyenne empirique (arithmtique) de l'chantillon:

(7.550)

En continuant le dveloppement nous avons:

(7.551)

Or, nous avons dmontr au dbut de ce chapitre que la somme des carts la moyenne tait
nulle. Donc:

(7.552)

et reprenons l'estimateur sans biais de la loi Normale (nous changeons de notation pour
respecter les traditions et bien diffrencier la moyenne empirique de la moyenne thorique):

[VincentIsoz]|Page:

[v3.02010] [SCIENCES.CH]

(7.553)

Ds lors:

(7.554)

ou autrement crit:

(7.555)

Puisque le deuxime terme (au carr) suit une loi Normale centre rduite aussi, alors si nous
le supprimons nous obtenons de par la proprit dmontre plus haut de la loi du Khi-deux:

(7.556)

Ces dveloppements nous permettent cette fois-ci de faire aussi de l'infrence sur la variance
d'une loi lorsque les paramtres et sont tous les deux inconnus pour
l'ensemble de la population. C'est ce rsultat qui nous donne, par exemple, l'intervalle de
confiance:

(7.557)

lorsque la moyenne thorique est donc inconnue.

I.C. SUR LA MOYENNE AVEC MOYENNE EMPIRIQUE CONNUE

Nous avons dmontr beaucoup plus haut que la loi de Student provenait de la r