Académique Documents
Professionnel Documents
Culture Documents
Département Licence
Mathématiques appliquées à
l’informatique
Parcours
Licence 1- Programmation
Enseignants
Équipe pédagogique
Cours : 10 TD : TP : 5
Objectif général : Cet enseignement vise à apprendre aux étudiants des méthodes mathématiques utilisées en
Informatique.
Objectifs spécifiques : À l’issue de cet enseignement, l’étudiant doit être capable de:
- Expliquer les différentes approches relatives à la logique mathématique ;
- Appliquer les notions d’algèbre de Boole
- Aborder des aspects plus pratiques qui apportent plus de précision sur l’apport des mathématiques en
informatique
Maitriser les vecteurs, et les matrices
Pré requis : Avoir un niveau terminal scientifique en mathématique, connaissances base en informatique
générale
Évaluation :
Sommative (DST et Examens)
Formative en TP et TPE (Travail personnel de l’étudiant)
Contenu pédagogique
Rédacteur M Dellea
Éditeur Editions ENI, 2019
ISBN 2409017037, 9782409017032
Longueur 532 pages
SOMMAIRE
Mathématiques appliquées à l’informatique
Chapitre 1
LES ENSEMBLES
1.Définitions et notation
1.1. Notions d’ensemble
Un ensemble est un regroupement ou une collection d’objets. Ces objets sont ; des êtres humains, des
nombres, des choses ou encore des concepts.
1.2. Éléments
Un élément d’un ensemble est un des objets appartenant à un ensemble.
On utilise une lettre majuscule comme notation pour l’ensemble et une lettre minuscule pour
l’élément.
Exemple :
𝐴 = {0, 2, 4, 6, 8, … , 16, 18} ; 𝑎 = 0 / 𝐵 = {"𝑎", 𝑒, 𝑖, 𝑜, 𝑢, 𝑦} ;
𝑖 ∈ 𝐵 ;𝑛 ∉ 𝐵
Rappels : Ensemble des nombres
Naturels : = {nombres entiers naturels} = {0,1,2,3,4,5,…}
Relatifs: = {nombres entiers relatifs} = {…,-5,-4,-3,-2,-1, 0, 1, 2, 3, 4,5,…}
𝑛
Décimaux : = {ensemble des nombres décimaux}. Ce sont des nombres sous la forme 10𝑝 où n ∈ et
p∈
𝑎
Rationnels : . Ce sont des nombres de la forme où (a,b) ∈ x *
𝑏
'
Irrationnels : Ce sont les nombres qui ne peuvent pas s’écrire sous la forme d’une fraction
Réels : ℝ : Tous les nombres de et de '
En conclusion,
𝐴 = {0, 2, 4, 6, 8, 𝑖, 𝑜 , 𝑢 , 𝑦} ; ℕ= {0, 1, 2, 3, …}
1.3.2. Compréhension
On décrit les éléments à l’aide d’une courte phrase :
ℝ− = {𝑥 ∈ ℝ | x > 0}
𝐵 = {𝑠𝑎𝑖𝑠𝑜𝑛 𝑑𝑒 𝑙′𝑎𝑛𝑛é𝑒}
2. Diagramme de Venn
On utilise le diagramme de Venn pour représenter les ensembles.
Pour représenter un ensemble on dessine une ligne fermée appelée diagramme de Venn et
on met les éléments de l’ensemble à l’intérieur de cette ligne, les autres à l’extérieur.
Exemple : E= {c ; t ; r ; p}
Pour représenter deux ensembles sur un même diagramme de Venn, il faut prévoir un endroit
pour les éléments qui appartiennent aux deux ensembles à la fois, pour les éléments qui
n’appartiennent qu’à un seul des deux ensembles et pour ceux qui n’appartiennent à aucun
des deux ensembles. Chaque élément ne doit en effet figurer qu’une seule fois sur un
diagramme!
Exemple : A= {1 ; 4 ; 6} et B= {2;3; 4; 5}
3.2. Sous-ensemble
Soient A et B, deux sous-ensembles. Si tous les éléments de B se trouvent également dans A, B est
sous-ensemble de A.
On note B⊂ A ; On dit "B est inclus ou égal à A".
3.4. Applications
Donner le lien entre A et B dans chacun des cas ci-dessous :
1) A = {-3, -1, 1,3} , B = {-3,-1, 1, 3}
2) A = {-3, -1, 1,3}, B = { x ∈ ℝ | x est une solution de l’équation 𝑥 2 + 2𝑥 − 3 = 0
3) A = {-3, -1, 1,3}, B = {1, 3, 5}
4) A = {-3, -1, 1,3}, B = {0, 2, 4}
Corrigés
1) A=B
2) B = {-3, 1} ; B ⊂ A
3) B⊄A
4) A et B sont disjoints
𝑥+𝑦 =𝑦+𝑥|1+3=3+1
𝑥. 𝑦 = 𝑦. 𝑥 | 1 × 3 = 3 × 1
L’addition et la multiplication sont commutatives.
Pour les ensembles, l’intersection, l’union et la différence symétrique sont des opérations commutatives.
Preuves
B
A
B
A
A∩B=B∩A
A∪B=B∪A
A B B A
A∆B=B∆A
Soient deux ensembles E et F, l’ensemble des éléments qui appartiennent à E et qui n’appartiennent pas
à F est appelé différence de E et de F et est noté 𝐸\𝐹 = {𝑥/𝑥 ∈ 𝐸 𝑒𝑡 𝑥 ∉ 𝐹}
De même, 𝐹\𝐸 = {𝑥/𝑥 ∈ 𝐹 𝑒𝑡 𝑥 ∉ 𝐸}
𝑥. (𝑦 + 𝑧) = (𝑥. 𝑦) + (𝑥. 𝑧)
La multiplication est distributive sur l’addition dans les ensembles ℝ.
Pour les ensembles, l’intersection est distributive sur l’union et l’union est distributive sur
l’intersection :
Propriétés:
P1 : 𝐴 ∩ (𝐵 ∪ 𝐶) = (𝐴 ∩ 𝐵) ∪ (𝐴 ∩ 𝐶)
P2 : 𝐴 ∪ (𝐵 ∩ 𝐶) = (𝐴 ∪ 𝐵) ∩ (𝐴 ∪ 𝐶)
𝑥+0=0+𝑥 =𝑥
𝑥. 1 = 1. 𝑥 = 𝑥
Pour les ensembles, on se réfère toujours à ⋃ (ensemble universel) et les éléments neutres des diverses
opérations sont eux aussi des ensembles.
Ces contraintes font en sorte que seules les opérations de l’intersection, l’union et la différence symétrique
possèdent des éléments neutres.
Rappels : A ∆ ∅=∅ ∆ A = {x ∈ A ∪ ∅ | x ∉ A ∪ ∅ }
De la représentation ci-dessus, on a : A ∪ ∅ = A et A ∪ ∅ = ∅
⇒ A ∆ ∅=∅ ∆ A = {x ∈ | x ∉ ∅} = {x ∈ A} = A
Donc ; A∪E=E∪A=E
4.6. Idempotence
Lorsqu’une opération peut être appliquée à l’infini sur un élément sans avoir d’effet sur cet élément, on
obtient l’idempotence.
Seules les opérations d’intersection et d’union sont idempotentes.
A ⋂ A= A
A ∪ A= A
𝐴̅ = 𝐴
Et 𝐴̿ = 𝐴
4.7.2. Union avec son complément
̿=U
Donc, A ∪ A
̅= ∅
⇒A ∩ A
4.7.4. Complément de ∅
𝐸̅ = ∅
̅̅̅̅̅̅̅
𝐴 ∩ 𝐵 = 𝐴̅ ∪ 𝐵̅
̅̅̅̅̅̅̅
𝐴 ∪ 𝐵 = 𝐴̅ ∩ 𝐵̅
Ayant peu de propriétés sur ces opérations, il peut être utile de simplifier l’écriture à l’aide de
l’intersection ou l’union.
4.9.1. Différence avec l’intersection
𝐴\𝐵 = 𝐴 ∩ 𝐵̅
(𝐴 ∪ 𝐵)\(𝐴 ∩ 𝐵) = 𝐴 ∆ 𝐵
Par conséquent, A ∆ B = (A ∪ B) \ (A ∩ B)
𝐴∆𝐵 = (𝐴 ∪ 𝐵) ∩ (𝐴̅̅̅̅̅̅̅
∩ 𝐵 ) ; Écriture de \ avec ∩
𝐴∆𝐵 ̅
= (𝐴 ∪ 𝐵) ∩ (𝐴 ∪ 𝐵̅ ) ; Loi de De Morgan
𝐴∆𝐵 = ((𝐴 ∪ 𝐵) ∩ 𝐴̅) ∪ ((𝐴 ∪ 𝐵) ∩ 𝐵̅) ; Distributivité de ∩
𝐴∆𝐵 = ((𝐴 ∪ 𝐴̅) ∪ (𝐵 ∩ 𝐴̅)) ∪ ((𝐴 ∩ 𝐵̅) ∪ (𝐵 ∩ 𝐵̅)) ; Distributivité de ∩
𝐴∆𝐵 = (∅ ∪ (𝐵 ∩ 𝐴̅)) ∪ ((𝐴 ∩ 𝐵̅) ∪ ∅) ; Propriétés du complément
̅ ∩ 𝑨) ∪ (𝑨
Par conséquent, 𝑨 ∆ 𝑩 = (𝑩 ̅ ∩ 𝑩)
Mathématiques appliquées à l’informatique
Chapitre 2
LOGIQUE ET ALGÈBRE DE BOOLE
A = 1 (Vrai)
b) Notion de proposition
Une proposition est une phrase qui est vraie (1) ou fausse (0)
Ici, pour obtenir un signal à la sortie, les deux commutateurs doivent être fermés. En clair, A et B
doivent être « vraie ». C’est ce qu’on appelle le « ET logique » connu sous le nom de conjonction
également.
Table de vérité du ET
A B A∧B
0 0 0
0 1 0
1 0 0
1 1 1
P Q P∧Q
0 0 0
0 1 0
1 0 0
1 1 1
Entrée Sortie
B
Ici, pour obtenir un signal à la sortie, au moins un des deux commutateurs doit être fermé. En d’autres
mots au moins A OU B doit être « vraie ». C’est ce qu’on appelle le OU logique connu sous le nom
de disjonction également.
On note : A ∨ B
Table de vérité du OU
A B A∨B
0 0 0
0 1 1
1 0 1
1 1 1
L’opération du NON logique a pour effet, d’inverser la valeur d’une variable booléenne
On note : A
A 𝐴̅
0 1
1 0
Corrigé
P 𝑃̅
0 1
1 0
Remarque
L'opération NON, contrairement aux opérations ET et OU, ne concerne qu'une variable d'entrée.
Par exemple, si la variable A est soumise à une opération NON, le résultat X est donné par
l’expression : où le trait de surlignement représente l'opération NON. L'opération NON porte
également le nom d'inversion ou de complémentation. On trouve un autre signe pour indiquer
une inversion : il s'agit de point d’exclamation (!).
On note : A ⊻ B ou A ⊕ B
A B A⊻B
0 0 0
0 1 1
1 0 1
1 1 0
Le défaut du OU exclusif est qu’il est plus difficile de représenter avec un vrai circuit électronique. Une
façon de contourner le problème serait d’utiliser une combinaison d’opérations plus simples.
̅ ∧ B) ∨ ( A ∧ 𝑩
Table de vérité de (𝑨 ̅)
A B 𝐴̅ 𝐵̅ 𝐴̅ ∧ B A ∧ 𝐵̅ A⊻B
0 0 1 1 0 0 0
0 1 1 0 1 0 1
1 0 0 1 0 1 1
1 1 0 0 0 1 0
Exemple : P ∧ ( ̅̅̅̅̅̅̅̅̅
𝑃 ∨ 𝑞) est une contradiction
P q P∨q ̅̅̅̅̅̅̅
𝑃∨𝑞 P∧( ̅̅̅̅̅̅̅̅
𝑝 ∨ 𝑞)
0 0 0 1 0
0 1 1 0 0
1 0 1 0 0
1 1 1 0 0
P q P∨q ̅̅̅̅̅̅̅
𝑃∧𝑞 (P ∧ q) ∨( ̅̅̅̅̅̅̅̅
𝑝 ∧ 𝑞)
0 0 0 1 1
0 1 1 1 1
1 0 1 1 1
1 1 1 0 1
p ∨ ( ̅̅̅̅̅̅̅
𝑞 ∨ 𝑟) ⇔ (P ∨ 𝑞̅ ) ∧ (P ∨ 𝑟̅)
p q r q∨r ̅̅̅̅̅̅̅
𝑞 ∨𝑟 p ∨ ( ̅̅̅̅̅̅̅
𝑞 ∨ 𝑟)
0 0 0 0 1 1
0 0 1 1 0 0
0 1 0 1 0 0
0 1 1 1 0 0
1 0 0 0 1 1
1 0 1 1 0 1
1 1 0 1 0 1
1 1 1 1 0 1
𝑞̅ 𝑟̅ (P ∨ 𝑞̅ ) P ∨ 𝑟̅ (P ∨ 𝑞̅ ) ∧ (P ∨ 𝑟̅)
1 1 1 1 1
1 0 1 0 0
0 1 0 1 0
0 0 0 0 0
1 1 1 1 1
1 0 1 1 1
0 1 0 1 1
0 0 0 1 1
En informatique, il peut être nécessaire de vérifier qu’une condition est satisfaite avant d’effectuer une
action.
En mathématique, c’est ce que l’on appelle un énoncé conditionnel. L’énoncé conditionnel prend la
forme :
« SI p alors q »
(If […] then [… ])
On dit également p implique q
On note : P → q
Exemple
P : « Si mon réveil sonne »
q: « Je me réveille à temps »
Représenter P → q
P q P→q
0 0 1
0 1 1
Si l’hypothèse est vraie et que la
1 0 0 conclusion est fausse, P → q est
fausse
1 1 1
« P si et seulement si q »
On note : P ↔ q
Exemple :
P : « Charles occupe un emploi »
q: « Charles reçoit un salaire »
Donc, P q P↔q
P ↔ q : « Charles occupe un emploi si et seulement si Charles reçoit un salaire » 0 0 1
0 1 0
1 0 0
1 1 1
En informatique, les énoncés conditionnels sont utilisés dans deux types de structures :
Exemple
Vous voulez coder un programme qui lit un nombre et le multiplie par 2 s’il est positif et impair.
Code
LIRE x
SI [x > 0] ET [x impair] ALORS,
y=2*x
FINSI
2.4. Réciproque et contraposée
Opération Symbole
ET &
OU |
OU EXCLUSIF ⌃
NON ~
a)
1 0 0 1 1 1 0 1
&
0 0 0 1 0 1 1 0
0 0 0 1 0 1 0 0
b)
1 1 0 1 0 0 0 1
|
0 0 0 0 1 1 1 1
0 0 0 1 0 1 0 0
c)
0 1 1 0 0 1 1 0
⌃
1 1 1 0 1 0 0 1
1 0 0 0 1 1 1 1
d)
~ 1 1 0 0 1 0 1 0
1 0 0 0 1 1 1 1
L’un des avantages du OU exclusif est le fait cette opération est sa propre réciproque. En d’autres termes,
il est possible d’utiliser la même expression à répétition afin d’annuler les effets du OU exclusif. Cette
propriété est très utile en cryptographie.
En effet, grâce au OU exclusif, il est possible d’encrypter et de décrypter un message avec la même clé
de cryptage.
Si M est un message en binaire, et K est une clé de cryptage de la même longueur que M, on peut obtenir
le message crypter C en appliquant un Ou exclusif :
C=M⊻K
C ⊻ K = (M ⊻ K) ⊻ K
= M ⊻ (K ⊻ K)
=M⊻0
=M
En conclusion, C ⊻ K = M
Exemple :
M=1011 0100 1111 0001 et K= 1010 1110 0100 1110
C=M⊻K
1 0 1 1 0 1 0 0 1 1 1 1 0 0 0 1
⌃
1 0 1 0 1 1 1 0 0 1 0 0 1 1 1 0
0 0 0 1 1 0 1 0 1 0 1 1 1 1 1 1
C⊻K=M
0 0 0 1 1 0 1 0 1 0 1 1 1 1 1 1
⌃
1 0 1 0 1 1 1 0 0 1 0 0 1 1 1 0
1 0 1 1 0 1 0 0 1 1 1 1 0 0 0 1
Dans un circuit logique, on trouve des portes logiques qui permettent de bloquer le courant ou de le
laisser passer selon la même logique relative aux opérations logiques.
Note
Afin d’être conforme, à la notation utilisée, en
électronique digitale, nous utiliserons dorénavant
la notation suivante :
A∨B =A+B
A ∧ B = AB
Exemple :
(𝐴̅ ⊕ 𝐵) + (𝐴 ⊕ 𝐶̅ )
Rappel : On dit qu’une opération est commutative si on peut l’effectuer dans n’importe quel sens.
On dit que la multiplication dans ℝ est commutative puisque 𝑥. 𝑦 = 𝑦. 𝑥
2e cas : B + A 1 0 1 1
1 1 1 1
A B A⊕B B⊕A
0 0 0 0
0 1 1 1
1 0 1 1
1 1 0 0
Rappel : On dit qu’une opération est associative si on peut déplacer nos parenthèses.
La multiplication dans ℝ est associative puisque (𝑥. 𝑦). 𝑧 = 𝑥. (𝑦. 𝑧)
En effet, (2.3).4 = 2.(3.4) = 24
A B C A.B (A.B).C
0 0 0 0 0
0 0 1 0 0
0 1 0 0 0
0 1 1 0 0
1 0 0 0 0
1 0 1 0 0
1 1 0 1 0
1 1 0 1 1
2e cas : A.(B.C)
A B C B.C A.(B.C)
0 0 0 0 0
0 0 1 0 0
0 1 0 0 0
0 1 1 0 0
1 0 0 0 0
1 0 1 0 0
1 1 0 1 0
1 1 0 1 1
A B C A+B (A + B) + C A B C B+C (A + B) + C
0 0 0 0 0 0 0 0 0 0
0 0 1 0 1 0 0 1 1 1
0 1 0 1 1 0 1 0 1 1
0 1 1 1 1 0 1 1 1 1
1 0 0 1 1 1 0 0 0 1
1 0 1 1 1 1 0 1 1 1
1 1 0 1 1 1 1 0 1 1
1 1 1 1 1 1 1 1 1 1
A B C A⊕B (A ⊕ B) ⊕ C
0 0 0 0 0
0 0 1 0 1
0 1 0 1 1
0 1 1 1 0
1 0 0 1 1
1 0 1 1 0
1 1 0 0 0
1 1 1 0 1
Rappel : On dit qu’une opération est distributive sur une autre si on peut l’appliquer à chaque membre
individuellement.
La multiplication dans ℝ est distributive sur l’addition puisque 𝑥. (𝑦 + 𝑧) = 𝑥. 𝑦 + 𝑥. 𝑧 .
En effet, 2.(3+4) = 2.3 + 2.4 = 14.
En logique, nous verrons que l’opération du ET est distributive sur le OU logique et nous verrons que
l’opération du OU logique est distributive sur le ET logique.
L’opération du ET logique est distributive sur le OU logique puisque A.(B + C) équivaut à A.B + A.C.
On peut s’en convaincre à l’aide de commutateurs et des tables de vérité :
Rappel : Un élément est neutre pour une opération si celle-ci n’a aucun effet lorsqu’elle lui est
appliquée et ce, peu importe de quel côté.
L’élément 1 est neutre pour la multiplication dans ℝ puisque 𝑥. 1 = 1. 𝑥 = 𝑥.
En effet, 2.1 = 1.2 = 2.
Le commutateur fermé est un élément neutre pour le ET logique car il agit comme un fil dans le circuit
logique. Le ET logique n’a donc aucun impact sur celui-ci :
Le commutateur ouvert est un élément neutre pour le OU logique car il agit comme un trou dans le
circuit logique. Le OU logique n’a donc aucun impact sur celui-ci :
Pour les mêmes raisons que pour le OU logique, le commutateur ouvert est un élément neutre pour le
OU exclusif.
Rappel : Un élément est absorbant lorsque pour une opération si celui-ci a pour effet de s’approprier le
résultat de l’opération et ce, peu importe de quel côté.
L’élément 0 est absorbant pour la multiplication dans ℝ puisque 𝑥. 0 = 0. 𝑥 .
En effet, 2.0 = 0.2 = 0.
5.5.1. Élément neutre pour l’opération ET
Le commutateur ouvert est un élément absorbant pour le ET logique car il agit comme un trou dans le
circuit logique. Le ET logique ne peut donc jamais être vrai :
Le commutateur fermé est un élément absorbant pour le OU logique car il agit comme un dans le circuit
logique. Le OU logique est donc toujours vrai :
5.6. Idempotence
Rappel : On dit qu’il y a idempotence lorsqu’une opération effectuée sur elle-même n’a aucun effet.
Les opérations logiques ET et OU sont idempotentes étant donné que lorsqu’elles sont appliquées sur
un même élément, celui-ci reste inchangé.
En effet, 𝐴. 𝐴 = 𝐴 et 𝐴 + 𝐴 = 𝐴
En effectuant les opérations logiques ET et OU sur un élément et son complément, on constate deux
propriétés évidentes.
En effet, 𝐴. 𝐴̅ = 0 et 𝐴 + 𝐴̅ = 1.
Si A et B sont deux variables booléennes ou que p et q sont deux propositions mathématiques, alors :
̅̅̅̅̅
𝐴. 𝐵 = 𝐴̅ + 𝐵̅ et ¬(𝑃⋀𝑞) = ¬𝑝⋁¬𝑞.
a) ̅ 𝑪 + 𝑨𝑩𝑪 + 𝑨
𝑨𝑩 ̅ 𝑩𝑪 + 𝑨
̅𝑪 + 𝑩
b) ̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅
(𝑨 + 𝑩) + 𝑨 ̅ 𝑩𝑪 + (𝑪𝑫 ̅̅̅̅)
̅̅̅̅̅̅̅̅
= (𝐴 + 𝐵)(𝐴̅̅̅̅̅̅
̅𝐵𝐶 )(𝐶𝐷
̿̿̿̿ ) Loi de De Morgan
= (𝐴̅𝐵̅)(𝐴̅̿ + 𝐵̅ + 𝐶̅ )(𝐶𝐷
̿̿̿̿) Lois de De Morgan
= (𝐴̅𝐵̅𝐶𝐷)(𝐴 + 𝐵̅ + 𝐶̅ ) Commutativité du ET
= 𝐴̅𝐵̅𝐶𝐷𝐴 + 𝐴̅𝐵̅𝐶𝐷𝐵̅ + 𝐴̅𝐵̅𝐶𝐷𝐶̅ Distributivité du ET sur le OU
La simplification à l’aide des propriétés, quoi que bien efficace, reste un procédé relativement long et
contraignant. Nous verrons donc qu’il est possible d’utiliser des tables spéciales permettant de simplifier
rapidement nos expressions booléennes.
Nous verrons trois tables différentes :
Les tables de Karnaugh ont toutefois des limites. En effet, seules les expressions ayant une
forme appropriée pourront être utilisées dans nos tables. Il est possible de devoir utiliser des
simplifications avec les propriétés avant de pouvoir utiliser la table de Karnaugh.
Exemple 1 :
= (𝐴 + 𝐴̅)𝐵𝐶
= 𝐴𝐵𝐶 + 𝐴̅𝐵𝐶
Exemple 2 :
𝐶 + 𝐴̅𝐵𝐶
= 𝐴𝐵𝐶 + 𝐴=̅𝐵𝐴𝐵𝐶
̅
= 𝐴𝐵𝐶𝐷 + 𝐴𝐵𝐶𝐷
̅ + 𝐶̅ 𝐷
= 𝐴𝐵̅(𝐶𝐷 + 𝐶𝐷 ̅ + 𝐶̅ 𝐷 )
= 𝐴𝐵(𝐶(𝐷 + 𝐷 ) + 𝐶̅ (𝐷
̅ ̅ ̅ + 𝐷))
= 𝐴𝐵̅(𝐶 + 𝐶̅ )
𝑌 = 𝐴𝐵̅
𝑌=1
Simplification avec les propriétés
= 𝐴(1) + 𝐴̅(1)
𝑌=1
𝑌 = 𝐴𝐶
Avec les propriétés
𝑌 = 𝐴𝐵𝐶 + 𝐴𝐵̅𝐶
= 𝐴𝐶(𝐵 + 𝐵̅)
𝑌 = 𝐴𝐶
̅ + 𝐴𝐵̅𝐶𝐷 + 𝐴𝐵̅𝐶𝐷
Simplifier 𝑌 = 𝐴𝐵𝐶𝐷 + 𝐴𝐵𝐶𝐷 ̅
𝑌 = 𝐴𝐶
Avec les propriétés
̅ + 𝐴𝐵̅ 𝐶𝐷 + 𝐴𝐵̅𝐶𝐷
𝑌 = 𝐴𝐵𝐶𝐷 + 𝐴𝐵𝐶𝐷 ̅
̅ ) + 𝐴𝐵̅𝐶(𝐷 + 𝐷
= 𝐴𝐵𝐶(𝐷 + 𝐷 ̅)
= 𝐴𝐵𝐶 + 𝐴𝐵̅𝐶
= 𝐴𝐶(𝐵 + 𝐵̅)
𝑌 = 𝐴𝐶
𝑦 = 𝐴̅
Avec les propriétés
𝑦 = 𝐴̅𝐵̅𝐶𝐷 + 𝐴̅𝐵̅𝐶𝐷 ̅ + 𝐴̅𝐵̅𝐶̅ 𝐷 + 𝐴̅𝐵̅𝐶̅ 𝐷
̅ + 𝐴̅𝐵𝐶𝐷 + 𝐴̅𝐵𝐶𝐷
̅ + 𝐴̅𝐵𝐶̅ 𝐷 + 𝐴̅𝐵𝐶̅ 𝐷
= 𝐴̅𝐵̅(𝐶𝐷 + 𝐶𝐷
̅ + 𝐶̅ 𝐷 + 𝐶̅ 𝐷
̅ ) + 𝐴̅𝐵(𝐶𝐷 + 𝐶𝐷
̅ + 𝐶̅ 𝐷 + 𝐶̅ 𝐷 )
= 𝐴̅𝐵̅(𝐶(𝐷 + 𝐷
̅ ) + 𝐶̅ (𝐷 + 𝐷
̅ )) + 𝐴̅𝐵(𝐶(𝐷 + 𝐷
̅ ) + 𝐶̅ (𝐷 + 𝐷))
= 𝐴̅𝐵̅(𝐶 + 𝐶̅ ) + 𝐴̅𝐵(𝐶 + 𝐶̅ )
𝑦 = 𝐴̅
Autres exemples
1) Simplifier l’expression
𝑦 = 𝐴𝐵𝐶̅ 𝐷 + 𝐴𝐵𝐶𝐷
̅ + 𝐴𝐵𝐶𝐷 + 𝐴𝐵𝐶̅ 𝐷
̅ + 𝐴̅𝐵𝐶̅ 𝐷 + 𝐴𝐵̅ 𝐶𝐷
̅𝑫
𝑦 = 𝐴𝐵 + 𝐴𝐶𝐷 + 𝑩𝑪
Simplifier l’expression
𝑦 = (𝐴𝐵 + 𝐶)(𝐵 + 𝐶̅ )
Cette expression est trop complexe pour la table de Karnaugh, il faudra donc la simplifier un peu avant
d’utiliser celle-ci.
𝑦 = (𝐴𝐵 + 𝐶)(𝐵 + 𝐶̅ )
= 𝐴𝐵𝐵̅ + 𝐴𝐵𝐶̅ + 𝐵̅𝐶 + 𝐶𝐶̅
= 0 + 𝐴𝐵𝐶̅ + 𝐵̅𝐶 + 0
𝑦 = 𝐴𝐵𝐶̅ + 𝐵̅𝐶
Mathématiques appliquées à l’informatique
Chapitre 3
SYSTÈMES DE NUMÉROTATIONS ET OPÉRATIONS
1. Le système de numérotation
1.1. Le système décimal
Le système décimal est le système le plus utilisé dans la vie de tous les jours. C’est grâce à ce système
que l’on peut aire des opérations telles que :
6 + 4 = 10
129 = 100 + 20 + 9
129 = 1 × 100 + 2 × 10 + 9 × 1
Décimal Binaire
0 0
1 1
2 10
3 11
4 100
5 101
6 110
111 = 100 + 10 + 1
111 = 1 × 22 + 1 × 21 + 1 × 20
111 = 1 × 4 + 1 × 2 + 1 × 1 = 7
2)
111 = 1 × 23 + 1 × 22 + 0 × 21 + 1 × 20
111 = 8 + 4 + 0 + 1 = 13
Décimal Binaire
0 0
1 1
2 2
3 3
4 4
5 5
6 6
7 7
8 10
9 11
10 12
11 13
12 14
13 15
14 16
15 17
118 = 108 + 18
118 = 1 × 𝟖𝟏 + 1 × 𝟖𝟎
118 = 1 × 𝟖 + 1 × 𝟏 = 9
2)
111 = 7 × 82 + 7 × 81 + 7 × 80
111 = 7 × 64 + 7 × 8 + 7 × 1 = 511
111 = 7 × 64 + 56 + 7 = 511
Décimal Binaire
0 0
1 1
2 2
3 3
4 4
5 5
6 6
7 7
8 8
9 9
10 A
11 B
12 C
13 D
14 E
15 F
43 − 32 = 11 25
3−2=1 21
1−1=1 20
372,0625 − 5 × 64 = 52,0625 82
4,0625 − 4 × 1 = 0,0625 80
43/2 = 21 Reste 1 20
10/2 = 5 Reste 0 22
5/2 = 2 Reste 1 23
2/2 = 1 Reste 0 24
1/2 = 0 Reste 1
372/8 = 46 Reste 4 80
5/8 = 0 Reste 5 82
Partie décimale
Fractionnaire
Cette conversion se fait en regroupant les bits du nombre en paquet de trois bits en partant du bit
de poids le plus faible puis de convertir ces triplets en leur équivalent en octal.
Regroupant en paquet de trois (3) bits en partant du bit de poids le plus faible ; On obtient :
10101101101(2) = 2555(8)
Cette conversion n’est autre que l’opération inverse de la précédente. On convertit séparément chaque
chiffre en groupe de trois bits et tous les bits obtenus constituent le nombre binaire.
7 6 6 1
7661(8)= 111110110001(2)
A F 2 4
AF24(8)= 1010111100100100(2
7 8 5 B
111100001011011(2) = 785B(16)
B B 1 5 Base 16
1 3 5 4 2 5
BB15(16) = 135425(8)
7 3 5 6 Base 8
E E E
7356(8) = EEE(16)
Les diverses opérations arithmétiques qui interviennent dans les ordinateurs (et les systèmes numériques)
portent sur des nombres exprimés en notation binaire. En tant que telle, l’arithmétique peut être un sujet
très complexe, particulièrement si on veut comprendre toutes les méthodes de calcul et la théorie sur
laquelle elle s’appuie.
Dans cette partie, nous allons comprendre comment les ordinateurs réalisent des opérations arithmétiques
de base. Nous traiterons uniquement les opérations des nombres entiers et fractionnaires.
3.1. Addition binaire
Autres exemples
1 1 ,0 1 1 1 0 0 1
+ +
1 0 ,1 1 0 1 1 1 1
1 1 0 ,0 0 1 1 1 0 0 0
+9 1 1 0 0 1 Cummulande
+4 0 0 1 0 0 Cumulateur
+13 0 1 1 0 1 Somme
Bit de signe
On remarque que les bits de signes du cummulande et du cumulateur sont 0 et que celui de la somme
est aussi à 0, ce qui indique un nombre positif. On fait en sorte que le cummulande et le cumulateur
aient le même nombre de bits. Il faut toujours s’assurer de cela dans la notation en complément à 2.
+9 0 1 0 0 1
-4 1 1 1 0 0
+5 1 0 0 1 0 1
Dans ce cas-ci, le bit du signe du cumulateur est 1. Un report est produit au moment de l’addition du
dernier rang. Ce report est rejeté ; D’où la somme finale est 00101, soit le nombre +5.
-9 1 0 1 1 1
+4 0 0 1 0 0
-5 1 1 0 1 1
-9 1 0 1 1 1
-4 1 1 1 0 0
-13 1 1 0 0 1 1
Report non considéré
-9 1 0 1 1 1
+9 0 1 0 0 1
-13 1 0 0 0 0 0
Report non considéré
3.1.2. Indicateurs de résultat (Zéro flag ZF, Cary flag CF, Sign flag SF, Overfolw OF)
a) ZERO FLAG (ZF)
Cet indicateur est mis à 1 lorsque le résultat de la dernière opération est zéro. Lorsque l’on vient
d’effectuer une soustraction (ou une comparaison), ZF=1 indique que les deux opérandes étaient égaux.
Sinon, ZF est positionné à 0.
0 0 1 0 0 0 1 1 0 0
0 0 1 1 0 0 0 1 1 0
0 1 0 1 0 CF=0 0 1 0 0 1 0 CF=1
0 0 1 0 0 0 1 1 0 0
0 0 1 1 0 0 0 1 1 0
0 1 0 1 0 SF=1 0 1 0 0 1 0 SF=0
d) OVERFOW FLAG(OF)
Indicateur de débordement OF=1 si le résultat d’une addition ou soustraction donne un nombre qui n’est
pas codable en relatif dans l’accumulateur (par exemple si l’addition de 2 nombres positifs donne un
codage négatif).
0 1 0 0 1 1 0 0
0 1 1 0 0 1 1 0
1 0 1 0 OF=1 0 0 1 0 OF=0
Exemples :
1 0 0 0 Multiplicande (9)
x
Multiplicateur (11)
1 0 0 1
1 0 0 0
Produits partiels
1 0 0 1
0 0 0 0
1 0 0 1
Produit final
1 1 0 0 0 1 1
Lorsque l’un des nombres est positif et l’autre négatif, le nombre négatif est d’abord complémenté a
deux pour obtenir une grandeur positive. Le produit est exprimé selon la notation de grandeur exacte.
Cependant, le produit doit être négatif car les nombres multipliés sont de signes opposés. Par
conséquent, on complémente à deux le produit et on ajoute le bit 1.
Exemples :
1 0 0 1 11
0 1 1 011
. . .
(9/3=3)
1 0 1, 0 100
1 0 0 10,1
0 0 1 0 0
1 0 0
(10/4=2,5)
Le code BCD consiste à écrire chaque chiffre d’un nombre décimal en un paquet de quatre (4) bits
2 4 9 ,3
0010 0100 1001 ,0010
2 4 9 ,3
+3 5 7 12 ,6
0101 0111 1100 0110
0 1 ou 1 0
En particulier :
0 0000
1 0001
2 0011
3 0010
4 0110
5 0111
6 0101
7 0100
8 1100
9 1101
10 1111
11 1110
12 1010
Pour passer du binaire a code Gray, il suffit de faire des OU exclusifs sur les bits successifs en considérant
que le premier bit (à l’extrême gauche) reste le même.
Ainsi, pour obtenir le bit à la position n du code gray, on applique le OU exclusif entre les bits des positions
n et nul en binaire.
𝐺𝑛 = 𝐵𝑛+1 ⊕ 𝐵𝑛 (1)
Exemples :
1) Convertir le nombre binaire 0110 en code Gray
𝐺3 = 𝐵4 ⊕ 𝐵3
𝐺3 = 0 ⊕ 1
𝐺2 = 𝐵3 ⊕ 𝐵2 Par conséquent, 01102 = 0101
𝐺2 = 1 ⊕ 1
𝐺1 = 𝐵2 ⊕ 𝐵1
𝐺1 = 1 ⊕ 0
𝐺3 = 𝐵4 ⊕ 𝐵3
𝐺3 = 1 ⊕ 0
𝐺2 = 𝐵3 ⊕ 𝐵2 Par conséquent, 011012 = 0101
𝐺2 = 0 ⊕ 0
𝐺1 = 𝐵2 ⊕ 𝐵1
𝐺1 = 0 ⊕ 1
Considérant que le premier bit (à l’extrême gauche) reste le même, on peut effectuer l’opération
« inversion » ici :
𝐵𝑛 = 𝐵𝑛+1 ⊕ 𝐺𝑛 (2)
Exemples :
1) Convertir le nombre binaire 1010Gray en binaire
𝐵3 = 𝐵4 ⊕ 𝐺3
𝐺3 = 1 ⊕ 0
𝐵2 = 𝐵3 ⊕ 𝐺2 Par conséquent, 1010Gray = 1100
𝐵2 = 1 ⊕ 1
𝐵1 = 𝐵2 ⊕ 𝐺1
𝐵1 = 0 ⊕ 0
𝐵3 = 𝐵4 ⊕ 𝐺3
𝐵3 = 0 ⊕ 1
𝐵2 = 𝐵3 ⊕ 𝐺2 Par conséquent, 011012 = 0100
𝐵2 = 1 ⊕ 1
𝐵1 = 𝐵2 ⊕ 𝐺1
𝐺3 = 0 ⊕ 0
Par Gide NKOUKA…
Chapitre 3 : Systèmes de numérotation et opérations
Le code ASCII permet de représenter plus que seulement les nombres. On y représente les lettres
(majuscules te minuscules), les symboles opérationnels (+, -, …), les symboles relationnels (<, >,=,…),
etc.
Aperçu code ASCII
Mathématiques appliquées à l’informatique
Chapitre 4
REPRESENTATION DES NOMBRES EN MEMOIRE
Comme l’ordinateur utilise le langage binaire, sa mémoire aussi. Elle est divisée en espaces de rangement
de tailles identiques (habituellement, 8 bits de données) appelés octets.
7 6 5 4 3 2 1 0
1. Les entiers
Les termes « courts » et « longs » indiquent l’espace utilisé en mémoire, et « signés » et « non signés »,
la capacité d’avoir des nombres négatifs.
Ils occupent habituellement 16 bits, donc 2 Octets consécutifs. On condense l’écriture avec le nombre
hexadécimal correspondant.
15 14 13 12 11 10 9 8 7 6 5 4 3 2 1 0
0 0 0 0 0 0 0 0 1 0 1 1 1 0 0 1
15 14 13 12 11 10 9 8 7 6 5 4 3 2 1 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
15 14 13 12 11 10 9 8 7 6 5 4 3 2 1 0
1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
Cette valeur correspond à 216 – 1 donc 65 53510 et est représentée par FFFF16
Ainsi, les entiers courts non signés permettent de représenter tous les entiers positifs entre 0 et 65 535.
Ils occupent habituellement 32 bits, donc 4 Octets consécutifs. On condense l’écriture avec le nombre
hexadécimal correspondante.
6145 = 0000180116
̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅
0000 0100 0101 1110 = 1111 1011 1010 0001
1 1 1 1 1 0 1 1 1 0 1 0 0 0 0 1
+1
1 1 1 1 1 0 1 1 1 0 1 0 0 0 0 1
Complément à 2 ;
0 1 1 1 1 1 1 1 1 1 1 1 1 1 1
+1
1 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Ainsi, les entiers courts signés permettent de représenter tous les entiers entre -32 768 et 32 767
Ils occupent habituellement 32 bits, donc 4 octets consécutifs. Le dernier bit (à l’extrême gauche)
représente encore le signe. On condense l’écriture avec le nombre hexadécimal correspondant.
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 1 0 0 0 0
1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 1 1 1 1 1 1 0 1 1 1 1
+ 1
1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 1 1 1 1 1 1 1 0 0 0 0
1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
+ 1
1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
Cette valeur correspond à 231 - 1= 2 147 483 647
Soit x ∊ ℝ
𝑥 = ±𝑀 × 10𝑛 , 1 ≤ 𝑀 < 10 , 𝑛 ∈
Exemples :
Écrire la notation scientifique de chacun des nombres suivants :
a) 450 000
b) -132,24
c) 0,000 067
d) 6 242 000 000 000 000 000
Solution
a) 101 011
1,01011 × 25 = 1,01011 × 2101
b) – 0,0111
−1,11 × 2−2 = −1,11 × 2−10
c) 11100111011
1,11 00111011 × 210 = 1,11 00111011 × 21010
d) -1011 0011,01
−1,011 0011 01 × 27 = −1,011 001101 × 2111
Par Gide NKOUKA…
Chapitre 4 : Représentation des nombres en mémoire
Cette norme de rangement est basée sur la notation scientifique en binaire. C’est-à-dire que nous
représentons les nombres réels avec un Signe, en Exposant et une Mantisse en version simple (32 bits) ou
double (64bits).
a) Le signe
b) L’exposant
Il représente la puissance de 2 associée à notre nombre réel. Cette puissance pourrait être négative mais
plutôt que de réserver un bit pour son signe, nous ajouterons un biais fixe à tous les exposants.
Ainsi, l’exposant sera augmenté de 127 en simple (32 bits) et de 1023 en double (64 bits).
Exemple :
Déterminer la valeur de l’exposant de l’expression : − 0,0111 = −1,11 × 2−2 en 32 bits
Solution
−2 + 127 = 125
1252 = 011111012
c) La mantisse
S Exposant Mantisse
… …
11,2510 = 1011,012
Étape 2 : Normaliser
1011,01 = 1,01101 × 23
3+ 127 = 130
13010 = 100000102
Étape 4 : Représentation
S Exposant Mantisse
0 1 0 0 0 0 0 1 0 0 1 1 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
4 1 3 4 0 0 0 0
-0,062510 = - 0,00012
Étape 2 : Normaliser
Étape 4: Représentation
Signe : -, le nombre commence par 1, Exposant : 11110112; Mantisse : 1,0
1 0 1 1 1 1 0 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
B D 8 0 0 0 0 0
- 1710 = - 100012
Étape 2 : Normaliser
- 10001 = - 1,0001× 24
4 + 1023 = 1027
102710 = 1000 00000112
Étape 4 : Représentation
Signe : -, le nombre commence par 1, Exposant : 1 000 000 00112; Mantisse : 1,0001
S Exposant Mantisse
1 1 0 0 0 0 0 0 0 0 1 1 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
C D 3 1 0 0 0 0
Mantisse
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0
Étape 1 :
S Exposant Mantisse
1 1 0 0 0 0 1 1 1 0 0 0 1 0 0 1 1 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0
C 3 8 9 8 8 0 0
Étape 2 : Le signe
S= 1, le signe est 1
Étape 3 : Exposant
100001112 = 13910
135 – 127 = 8
Par Gide NKOUKA…
Chapitre 4 : Représentation des nombres en mémoire
Certaines représentations sont réservées dans l’IEEE. C’est le cas notamment de 0, l’infini et le résultat
indéterminé.
La solution que présente l’IEEE est l’exposant minimal avec la mantisse minimale :
S Exposant Mantisse
0 0 0 … 0 0 0 0 0 … 0 0 0
1 0 0 … 0 0 0 0 0 … 0 0 0
Cette solution implique toutefois que -0 et +0 sont deux valeurs distinctes, mais votre ordinateur les
considère comme étant égale : -0 = +0.
Comme l’infini n’est pas un chiffre mais un concept, on ne peut pas le représenter sous la forme ;
𝑥 = 𝑀 × 2𝑛
La solution que présente l’IEEE est l’exposant maximal avec la mantisse minimale.
S Exposant Mantisse
1 1 1 … 1 1 0 0 0 … 0 0 0 =-∞
0 1 1 … 1 1 0 0 0 … 0 0 0 =+∞
En science, il est possible de devoir manipuler l’infini dans nos calculs et d’obtenir des résultats qui n’ont
∞
pas de réponses tel que ∞ - ∞, ∞ ou 0 × ∞ .
La solution que présente l’IEEE est le signe négatif, l’exposant maximal et la mantisse à 1.
S Exposant Mantisse
1 1 1 … 1 1 1 0 0 … 0 0 0 = ind
S Exposant Mantisse
1 1 … 1 0 1 1 1 … 1 1 1 = max et min
- En 32 bits
L’exposant = 111 111 102 = 25410 127 sans le biais
S Exposant Mantisse
0 0 … 0 1 0 0 0 … 0 0 0
- En 32 bits
L’exposant : 000 00000 12 = 110 -126 sans le biais.
Ainsi, la plus petite précision :
1, 0 × 2−126 ≈ 6 ± 1,175494351 × 10−38
Nous avons déjà vu comment les nombres sont représentés dans la mémoire : On range l’information dans
des Octets. Un octet représente la plus petite taille de mémoire de l’ordinateur. On l’associe donc à l’unité
atomique.
Nous verrons maintenant comment les unités atomiques (Octets) sont disposés dans la mémoire.
Adresses 0 1 2 2 4 …
Chaque Octet est associé à une adresse permettant au processeur d’y accéder rapidement.
L’architecture gros-boutiste place en mémoire les octets en « ordre décroissant ». Ainsi, le processeur
accède à l’information de la plus grosse partie à la plus petite :
Adresses a a +1
Exemple :
92BE16 dans un système ayant une unité atomique de 1.
Mémoire 92 BE
Adresses 0 1
L’architecture petit-boutiste place en mémoire les octets en « ordre croissant ». Ainsi, le processeur
accède à l’information de la plus petite partie à la plus grosse :
Adresses a a+1
4. Limites de précision
Comme l’espace alloué à un nombre de mémoire est limité, il est impossible d’avoir une précision infinie.
En effet, si la représentation binaire d’un nombre présente un développement infini, la partie de ce
développement qui dépasse l’espace en mémoire sera tronqué.
Exemple :
Intuitivement, l’erreur absolue commise lors d’une approximation, c’est la différence entre la vraie
réponse et approximation
Si a est l’approximation de la valeur réelle, alors son erreur absolue ea est calculée de la manière
suivante :
𝒆𝒂 = 𝒙 − 𝒂
Le problème avec l’erreur absolue, c’est qu’elle n’indique pas l’importance relative de l’erreur.
En effet, une erreur de 0,25 $ sur un montant de 5 $ est plus importante que 0,25 $ sur un montant de
1000 $.
Si a est l’approximation d’une valeur réelle x, alors son erreur relative er est calculée de la manière
suivante :
𝑥−𝑎
𝑒𝑟 = | | × 100%
𝑥
1) a = 17,34
𝑒𝑎 = 𝑥 − 𝑎 = 0,008237
𝑒𝑎 = 0,008237
0,008 237
𝑒𝑟 = | | × 100% ≈ 0,047%
17,348 237
𝑒𝑟 ≈ 0,047%
𝑒𝑎 = 𝑥 − 𝑎 = 0,000237
𝑒𝑎 = 0,000237
0,000 237
𝑒𝑟 = | | × 100% ≈ 0,047%
17,348 237
𝑒𝑟 ≈ 0,00157%
3) a = 17,3482
𝑒𝑎 = 𝑥 − 𝑎 = 0,000037
𝑒𝑎 = 0,000037
0,000 037
𝑒𝑟 = | | × 100% ≈ 0,047%
17,348 237
𝑒𝑟 ≈ 0,000 213%
Jusqu’à maintenant, nous avions la vraie valeur x avec notre approximation. Ainsi, l’erreur est très facile
à obtenir. Par contre, ce n’est toujours le cas. Il se peut que nous ayons la valeur estimée et ce qu’on
appelle son incertitude.
a - ∆a a a + ∆a
∆𝑎
∆𝑎 % = | | × 100%
𝑎
Calcul de ∆a
∆ 0,0001
∆a% : | 𝑎| × 100% = | | × 100%
𝑎 12,34 56
∆𝑎 % ≈ 0,000 81%
En pratique, la majorité des nombres réels seront tronqués. Cette troncature engendre nécessairement une
erreur dont nous devront tenir compte.
S Exposant Mantisse
0 0 1 1 1 0 0 0
∆𝑎 = 0,00012 = 2−4
2−4 2−4
∆𝑎% = | | × 100% = | | × 100%
1, 12 1,5
∆𝑎% ≈ 4,17%
a) Précision machine
L’incertitude absolue (en décimal) sur la mantisse d’un nombre est appelée « précision machine".
On note 𝜀.
ε = 2-n
n = nombre de bits de la mantisse
On sait que les nombres en mémoire présentent des erreurs et incertitudes lorsqu’ils sont tronqués.
On s’intéresse maintenant à l’impact de ses erreurs lorsque ces nombres sont utilisés dans des opérations.
Soient x et y deux nombres réels et a et b les valeurs tronquées de x et y, et ∆a et ∆b, les incertitudes.
Ainsi :
𝒙 = 𝒂 ± ∆𝒂 et 𝒚 = 𝒃 ± ∆𝒃
Pour déterminer l’incertitude de l’opération x + y, nous devons trouver les valeurs maximales et
minimales possibles.
Max : 𝑥 + 𝑦 = (𝑎 + ∆𝑎 ) + (𝑏 + ∆𝑏 )
𝑥 + 𝑦 = (𝑎 + 𝑏) + (∆𝑎 + ∆𝑏 )
Min : 𝑥 + 𝑦 = (𝑎 − ∆𝑎 ) + (𝑏 − ∆𝑏 )
𝑥 + 𝑦 = (𝑎 + 𝑏) − (∆𝑎 + ∆𝑏 )
𝒙 + 𝒚 = (𝒂 + 𝒃) ± (∆𝒂 + ∆𝒃 )
Ainsi ; 𝑥 = 𝑎 ± ∆𝑎 et 𝑦 = 𝑏 ± ∆𝑏
La somme S = x + y s’écrit :
𝑦 = 23,104 ± 0,001
Déterminer ∆S et ∆S%
∆𝑎 = ∆𝑏 = 0,001
∆𝑠 0,002
∆𝑠 % = | | × 100% = | | × 100% ≈ 0,00522%
𝑆 38,282
Soit, ∆𝑠 % = 0,00522%
Pour déterminer l’incertitude de l’opération, x – y, nous devons trouver les valeurs maximales et
minimales.
Max.
𝑥 − 𝑦 = (𝑎 + ∆𝑎 ) − (𝑏 − ∆𝑏 )
𝑥 − 𝑦 = (𝑎 − 𝑏) + (∆𝑎 + ∆𝑏 )
Min.
𝑥 − 𝑦 = (𝑎 − ∆𝑎 ) − (𝑏 + ∆𝑏 )
𝑥 − 𝑦 = (𝑎 − 𝑏) − (∆𝑎 + ∆𝑏 )
Ainsi, 𝑥 − 𝑦 = (𝑎 − 𝑏) ± (∆𝑎 + ∆𝑏 )
∆𝑑
∆𝑑 % = | | × 100%
𝑑
Exemples :
Déterminer ∆𝑑 et ∆d%
∆𝑑 0,002
∆𝑑 % = | | × 100% = | | × 100% ≈ 0,0238%
𝑑 31,518 − 23,104
Soit, ∆𝑑 % ≈ 0,0238%
-∆b
y b
a -∆a +∆a
∆𝑎 ∆𝑏
∆𝑝 % = | + | × 100%
𝑎 𝑏
On cherche x.y
Calcul de P
Valeur maximale :
𝑥 𝑎 + ∆𝑎 𝑏 + ∆𝑏 (𝑎 + ∆𝑎 )(𝑏 + ∆𝑏 )
= × =
𝑦 𝑏 − ∆𝑏 𝑏 + ∆𝑏 (𝑏 − ∆𝑏 )(𝑏 + ∆𝑏 )
𝑥 𝑎𝑏 + 𝑎∆𝑏 + 𝑏∆𝑎 𝑎 𝑎∆𝑏 + 𝑏∆𝑎
= = +
𝑦 𝑏2 𝑏 𝑏2
Par conséquent,
𝒙 𝒂 𝒂∆𝒃 + 𝒃∆𝒂
= +
𝒚 𝒃 𝒃𝟐
Valeur minimale :
𝑥 𝑎 − ∆𝑎 𝑏 − ∆𝑏 (𝑎 − ∆𝑎 )(𝑏 − ∆𝑏 )
= × =
𝑦 𝑏 + ∆𝑏 𝑏 + ∆𝑏 (𝑏 + ∆𝑏 )(𝑏 − ∆𝑏 )
𝑥 𝑎𝑏 − (𝑎∆𝑏 + 𝑏∆𝑎 ) 𝑎 𝑎∆𝑏 + 𝑏∆𝑎
= = +
𝑦 𝑏2 𝑏 𝑏2
𝑥 𝑎 (𝑎∆𝑏 + 𝑏∆𝑎 )
= −
𝑦 𝑏 𝑏2
Par conséquent,
𝒙 𝒂 (𝒂∆𝒃 + 𝒃∆𝒂 )
= −
𝒚 𝒃 𝒃𝟐
∆𝒒 ∆𝒂 ∆𝒃
∆𝒒 % = | | × 𝟏𝟎𝟎% = | + | × 𝟏𝟎𝟎%
𝒒 𝒂 𝒃
5. Choix de la représentation
En informatique, il est important de bien choisir la représentation d’une variable en mémoire afin
d’éviter des erreurs lors de la compilation.
Exemples :
factoriel = factoriel × i
FINPOUR
3) Soit la variable S représentant le salaire hebdomadaire (en dollars) d’un employé ayant un taux
horaire de 15,25 $.
Quelle est la représentation la plus appropriée pour la variable S ?
Réponse : Réel Simple (32 bits)
La compagnie Sony a choisi, pour la PS4, d’utiliser les instructions RPM (Rapid Packed Machine) afin
d’effectuer certains calculs en 16 bits plutôt qu’en 32 bits pour augmenter les performances du jeu.
Bourse de Vancouver
Missile Scud Irakien
Explosion de la fusée Ariane 5
a) Définition du degré
Lorsqu’un cercle est divisé en 360 parties, égales par des rayons, l’angle entre deux (2) rayons consécutifs
mesure un (1) degré. Il y a donc 360 degrés dans le cercle.
b) Définition du radian
Dans un cercle de rayon r, l’angle entre deux (2) rayons formant une pointe de tarte dont l’arc mesure r
représente un (1) radian (1 rad). Comme le circonférence d’un cercle est donnée par 2πr, il y a 2π radians
dans un cercle.
360 ° 180 °
1𝑟𝑎𝑑 = ( ) =( )
2𝜋 𝜋
2𝜋 𝜋
1° = ( ) 𝑟𝑎𝑑 = ( ) 𝑟𝑎𝑑
360 180
1) Convertir en degré ;
3𝜋
𝜃=− 𝑟𝑎𝑑
4
Corrigé
−3𝜋 °
𝜃 4 => 𝜃 = 360 × −3𝜋 ; 𝑆𝑜𝑖𝑡
= 𝜃 = −135°
360° 2𝜋 4 × 2𝜋
2) Convertir en degré ;
𝜃 = 7 𝑟𝑎𝑑
Corrigé
𝜃 7 360° × 7
= => 𝜃 = ; 𝑆𝑜𝑖𝑡 𝜃 ≈ 401,07°
360° 2𝜋 2𝜋
3) Convertir en radian ;
𝛼 = 480°
Corrigé
480° 𝛼 480° × 2𝜋
°
= => 𝛼 = ; 𝑆𝑜𝑖𝑡 𝛼 ≈ 8,378 𝑟𝑎𝑑
360 2𝜋 360°
4) Convertir en radian ;
𝛼 = −140°
Corrigé
−140° 𝛼 −140° × 2𝜋
°
= => 𝛼 = ; 𝑆𝑜𝑖𝑡 𝛼 ≈ −2,443 𝑟𝑎𝑑
360 2𝜋 360°
2. Les triangles
Comme le triangle est le polygone de base (tout polygone se divise en un ensemble de triangles), il sera
très utilisé en imagerie.
En réalité, une image 3D est constituée de plusieurs triangles formant les objets ou personnages de
celle-ci.
Rappel :
Un triangle est une figure fermée composée de trois (3) segments de droite qui forment les côtés du
triangle et qui se rencontrent pour former les sommets du triangle.
Notations
S’il y a risque de confusion, on note l’angle avec les sommets adjacents : <𝐴 = <B𝐴C
Théorème
La somme des angles intérieurs d’un triangle est 180°
<A=<C
Exemples :
a)
𝑐 2 = 𝑎2 + 𝑏 2
𝑐 = √3,25 = 1,80
b)
𝑐 2 = 𝑎2 + 𝑏 2
222 = (20)2 + 𝑏 2
222 = (20)2 + 𝑏 2
𝑏 2 = (22)2 − (20)2 = 84
𝑏 = √84 = 9,17
Exemples
a)
𝑂𝑝𝑝 6
sin 𝜃 = =
𝐻𝑦𝑝 15
2 2
sin 𝜃 = => 𝐴𝑟𝑐𝑠𝑖𝑛 ( ) = 𝜃
5 5
𝜃 ≈ 23,58°
b)
𝑂𝑝𝑝 2
tan 𝜃 = =
𝑎𝑑𝑗 8
1 1
tan 𝜃 = => 𝐴𝑟𝑐𝑡𝑎𝑛 ( ) = 𝜃
4 4
𝜃 ≈ 14,04°
Exemples :
a)
b)
10 4,1
=
sin(𝛼) sin(20°)
10 × sin(20°)
=> 𝑠𝑖𝑛𝛼 =
4,1
10 × sin(20°)
=> 𝛼 = 𝐴𝑟𝑐𝑠𝑖𝑛 ( )
4,1
𝛼 = 56,53°
Ainsi, 𝜃 = 180 − 56,53° => 𝜃 = 180 − 56,53
𝜃 = 123,47 °
𝑎2 = 𝑏 2 + 𝑐 2 − 2𝑏𝑐. 𝑐𝑜𝑠𝛼
𝑏 2 = 𝑎2 + 𝑐 2 − 2𝑎𝑐. 𝑐𝑜𝑠𝛽
𝑐 2 = 𝑎2 + 𝑏 2 − 2𝑎𝑏. 𝑐𝑜𝑠𝛾
Exemples
a)
𝑎2 = 𝑏 2 + 𝑐 2 − 2𝑏𝑐. 𝑐𝑜𝑠𝛼
b)
𝑎2 = 𝑏 2 + 𝑐 2 − 2𝑏𝑐. 𝑐𝑜𝑠𝛼
(11,2)2 = (11,2)2 + (18)2 − 2(11,2)(18). 𝑐𝑜𝑠𝜃
𝐵×ℎ
𝐴=
2
Ainsi, l’aire d’un triangle correspond à la moitié de l’aire d’un rectangle de même base et de même
hauteur.
Supposant que l’on cherche la hauteur de ce triangle à partir du sommet A. La hauteur h correspond à la
longueur du segment de droite (le trait) qui part du sommet A jusqu’au côté opposé (a) ou jusqu’au
prolongement de celui-ci en formant un angle droit.
Exemples
𝑏 × ℎ 12 × 5
𝐴= = = 30𝑐𝑚2
2 2
𝐴 = 30𝑐𝑚2
b)
𝑎2 = 𝑏 2 + 𝑐 2 − 2𝑏𝑐 cos 𝜃
(5,6)2 = 82 + (11,6)2 − 2(8)(11,6) cos 𝜃
11,6 + 5,6 + 8
𝑃= = 12,6 => 𝐴 = √12,6(12,6 − 11,6)(12,6 − 5,6)(12,6 − 8)
2
𝐴 = 20,14 𝑐𝑚2
5. Les vecteurs
Maintenant que nous avons vu la forme géométrique de base, nous sommes en mesure de construire à
peu près n’importe quel objet. Par contre, il nous est toujours impossible de transformer ou de bouger
ces formes. Ce sont les vecteurs qui nous le permettront.
5.1. Notions de base sur les vecteurs
Jusqu’à maintenant, les valeurs avec lesquelles on travaille sont représentées par une seule valeur.
Exemple : Un côté qui mesure 3 cm
C’est ce qu’on appelle une valeur scalaire. Que se passe-t-il si la valeur a aussi une direction ?
Une origine
Une extrémité
Une longueur
Une direction
Exemple :
Il est parfois utile de décrire un vecteur par ses déplacements à l’horizontal et à la verticale.
𝑎 = 𝑥1 − 𝑥2 ; 𝑏 = 𝑦1 − 𝑦2
Applications
a) 𝑣 = [−1 2]
⃗⃗⃗⃗⃗⃗⃗
‖𝑣‖ = √(−1)2 + (2)2
⃗⃗⃗⃗⃗⃗⃗
‖𝑣‖ = √5 𝑢 ≈ 2,236 𝑢
b) 𝑣 = [−3 −1]
⃗⃗⃗⃗⃗⃗⃗
‖𝑣‖ = √(−3)2 + (−1)2
Exemple 1
a) 𝑣 = [−1 2]
𝜃 = 180° − 𝛼
2
tan 𝛼 = = 2 => 𝛼 = 𝐴𝑟𝑐𝑡𝑎𝑛(2) = 63,43°
1
𝜃 = 180° − 63,43° ≈ 116,57°
Exemple 2
𝑣 = [−3 −1]
𝜃 = 180° + 𝛼
1 1
tan 𝛼 = => 𝛼 = 𝐴𝑟𝑐𝑡𝑎𝑛 ( ) ≈ 18,43°
3 3
𝜃 = 180° + 18,43° ≈ 198,43°
b) Vecteurs colinéaires
Deux vecteurs sont colinéaires si les droites qui les supportent sont parallèles.
Ces deux méthodes sont équivalentes, mais la méthode du triangle est la plus efficace lorsqu’on
additionne plus de deux vecteurs ou des vecteurs parallèles.
Exemples :
a)
𝑣+𝑤
⃗⃗
c)
𝑢
⃗ +𝑣+𝑤
⃗⃗
b) 𝑢
⃗ −𝑤
⃗⃗ = 𝑢
⃗ + (−𝑤
⃗⃗ )
𝑢 ⃗⃗ = [−4 −3]
⃗ +𝑤
e)
𝑢 ⃗⃗ = [2 − (−1) −3 − (−4)]
⃗ −𝑤
𝑢 ⃗⃗ = [2 − (−1) −3 − (−4)]
⃗ −𝑤
𝑢 ⃗⃗ = [3 1]
⃗ −𝑤
f)
𝑢
⃗ +𝑣+𝑤 ⃗ + (𝑣 + 𝑤
⃗⃗ = 𝑢 ⃗⃗ )
𝑢 ⃗⃗ = [2
⃗ +𝑣+𝑤 − 3 ] + [−4 −3]
𝑢 ⃗⃗ = [−2 −6]
⃗ +𝑣+𝑤
𝑢
⃗ +𝑣 =𝑣+𝑢
⃗
c) Éléments neutres
C’est un vecteur qui, une fois additionner à un autre vecteur, n’a aucun effet.
𝑢
⃗ +𝑜 = 𝑜+𝑢
⃗
[𝑢1 𝑢2 ] + [𝑜 𝑜] = [𝑢1 𝑢2 ]
d) Relation de Chasles
Soit les vecteurs ⃗⃗⃗⃗⃗
𝐴𝐵 et ⃗⃗⃗⃗⃗
𝐵𝐶 formés par les points A, B et C, alors : ⃗⃗⃗⃗⃗
𝐴𝐵 + ⃗⃗⃗⃗⃗
𝐵𝐶 = ⃗⃗⃗⃗⃗
𝐴𝐶
De façon générale, on a les points A, B, C, …, P, Q et R alors :
⃗⃗⃗⃗⃗ + 𝐵𝐶
𝐴𝐵 ⃗⃗⃗⃗⃗ + ⋯ + 𝑃𝑄
⃗⃗⃗⃗⃗ + 𝑄𝑅
⃗⃗⃗⃗⃗ = 𝐴𝑅
⃗⃗⃗⃗⃗
𝜑 ⃗⃗⃗⃗⃗ + 𝐷𝐹
⃗ = 𝐴𝐷 ⃗⃗⃗⃗⃗ + 𝐷𝐴
⃗⃗⃗⃗⃗ + 𝐹𝐶 ⃗⃗⃗⃗⃗ / 𝑉𝑒𝑐𝑡𝑒𝑢𝑟 𝑜𝑝𝑝𝑜𝑠é
𝜑 ⃗⃗⃗⃗⃗ + 𝐷𝐴
⃗ = 𝐴𝐷 ⃗⃗⃗⃗⃗ + 𝐷𝐹 ⃗⃗⃗⃗⃗ / 𝐶𝑜𝑚𝑚𝑢𝑡𝑎𝑡𝑖𝑣𝑖𝑡é
⃗⃗⃗⃗⃗ + 𝐹𝐶
𝜑 ⃗⃗⃗⃗⃗ + 𝐷𝐶
⃗ = 𝐴𝐴 ⃗⃗⃗⃗⃗⃗⃗ / 𝑅𝑒𝑙𝑎𝑡𝑖𝑜𝑛 𝑑𝑒 𝐶ℎ𝑎𝑠𝑙𝑒𝑠
𝜑 ⃗⃗⃗⃗⃗
⃗ = 𝐷𝐶
C’est ce qu’on appelle la multiplication d’un vecteur par un scalaire K. Cette multiplication est notée :
⃗
𝑲𝒖
Elle possède les propriétés suivantes :
c) 𝐾𝑢⃗ et 𝑢
⃗ sont colinéaires ;
d) ‖𝐾𝑢⃗ ‖ = |𝐾|. ‖𝑢⃗ ‖ (𝐾𝑢
⃗ est |𝐾| fois plus long que u)
e) Si 𝐾 >0, 𝐾𝑢 ⃗ a la même direction que 𝑢 ⃗ , sinon, la direction est contraire.
Exemples
Graphiquement, on voit très facilement que cette multiplication se résume à multiplier les composantes
par les scalaires.
Ku=
Exemples
⃗ = [4 2] ; 𝑣 = [−3 1]; 𝑤
𝑢 ⃗⃗ = [−1 −4]; 𝑡 = [4 2]
a) 3𝑢 = 3[4 2] = [3 × 4 3 × 2] = [12 6]
b)
3 3 3 3
− 𝑢⃗ = − [4 2] = [− × 4 − × 2] = [−6 −3]
2 2 2 2
c)
1
𝑤 ⃗⃗ + (−2𝑣 ) + 𝑡
⃗⃗ − 2𝑣 + 2𝑡 = 𝑤
1
1
= [−1 −4] + −2[−3 1] + [4 2]
2
= [−1 −4] + [6 −2] + [2 1]
⃗⃗ − 2𝑣 + 2𝑡 = [7
𝑤 −5]
Comme l’angle θ entre vecteurs est parfois plus difficile à obtenir, on utilise plutôt les composantes
algébriques pour le calcul.
⃗ = [𝑢1
𝑢 𝑢2 ] ; 𝑣 = [𝑣1 𝑣2 ]
𝑢
⃗ . 𝑣 = 𝑢1 𝑣1 + 𝑢2 𝑣2
Exemple
⃗ = [−2 3] ; 𝑣 = [5 −1]
𝑢
𝑢
⃗ . 𝑣 = 𝑢1 𝑣1 + 𝑢2 𝑣2
𝑢
⃗ . 𝑣 = (−2) × 5 + 3 × (−1)
𝑢
⃗ . 𝑣 = 13
5.5.3.1. Commutativité du produit scalaire
⃗ . 𝑣 = ‖𝑢
𝑢 ⃗ ‖. ‖𝑣 ‖ cos 𝜃
⃗ . 𝑣 = ⃗⃗⃗⃗⃗⃗⃗
𝑢 ‖𝑣‖. ⃗⃗⃗⃗⃗⃗⃗
‖𝑢‖ cos 𝜃
𝑢
⃗ . 𝑣 = 𝑣. 𝑢
⃗
- Algébrique
𝑢
⃗ . 𝑣 = 𝑢. 𝑣 + +𝑢. 𝑣
𝑢
⃗ . 𝑣 = 𝑣. 𝑢 + 𝑣. 𝑢
𝑢
⃗ . 𝑣 = 𝑣. 𝑢
⃗
5.5.3.2. Distributivité du produit scalaire sur l’addition
⃗⃗ ) = 𝑢[𝑣1 + 𝑤1
⃗ . (𝑣 + 𝑤
𝑢 𝑣2 + 𝑤2 ]
⃗ . (𝑣 + 𝑤
𝑢 ⃗⃗ ) = 𝑢1 (𝑣1 + 𝑤1 ) + 𝑢2 (𝑣2 + 𝑤2 )
⃗ . (𝑣 + 𝑤
𝑢 ⃗⃗ ) = 𝑢1 𝑣1 + 𝑢1 𝑤1 + 𝑢2 𝑣2 + 𝑢2 𝑤2
⃗ . (𝑣 + 𝑤
𝑢 ⃗⃗ ) = (𝑢1 𝑣1 + 𝑢2 𝑣2 ) + (𝑢1 𝑤1 + 𝑢2 𝑤2 )
⃗ . (𝑣 + 𝑤
𝑢 ⃗⃗ ) = 𝑢
⃗ ⃗⃗⃗
.𝑣 + 𝑢
⃗ .𝑤
⃗⃗
On a maintenant deux formules pour le produit scalaire dont une qui utilise l’angle entre deux vecteurs.
𝑢. 𝑣 = 𝑢. 𝑣 cos 𝜃 = 𝑢1 𝑣1 + 𝑢2 𝑣2
Ainsi, on peut prouver que :
𝑢1 𝑣1 + 𝑢2 𝑣2
𝜃 = 𝐴𝑟𝑐𝑐𝑜𝑠 ( )
‖𝑢⃗ ‖. ‖𝑣 ‖
Exemple :
1
𝑢
⃗ = [2 ] ; 𝑣 = [6 1]
3
On remarque que 𝑣 = 3𝑢
⃗
1 2 √37
⃗ = √(𝑢1 )2 + (𝑢2 )2 = √22 + ( ) =
𝑢
3 3
37
𝜃 = 𝐴𝑟𝑐𝑐𝑜𝑠 ( ) = 𝐴𝑟𝑐𝑜𝑠(1) => 𝜃 = 0°
37
𝑢
⃗ .𝑣 = 0
Comme 𝑢 ⃗ ≠0 ⃗ 𝑒𝑡 𝑣 ≠ 0
⃗ , on sait que ‖𝑢
⃗ ‖ ≠ 0 et ‖𝑣 ‖ ≠ 0. C’est donc la seule façon d’obtenir un produit
scalaire nul.
a) Définition de vecteurs orthogonaux
Deux vecteurs sont orthogonaux si et seulement si leur produit scalaire donne 0.
Exemples :
a) 𝑢
⃗ . 𝑣 = [−2 3] × [6 4] = (−2)(6) + (3)(4) = 0
b) 𝑢 ⃗⃗ = [−2 3] × [−3 −2] = (−2)(−3) + (3)(−2) = 0
⃗ .𝑤
c) 𝑣 . 𝑤
⃗⃗ = [6 4] × [−3 −2] = (−3)(6) + (4)(−2) = −18 + 8 = −26
⃗ = [𝑎
𝑢 𝑏]
Le problème de cette définition c’est qu’elle se restreint en 2D. Heureusement, pour transférer en 3D, il
suffit d’ajouter une troisième composante de déplacement.
De façon générale, la définition du vecteur peut s’étendre à n’importe quelle grandeur positive.
⃗ = [𝑢1
𝑢 𝑢2 … … 𝑢𝑛 ] ; 𝑢
⃗ 𝑒𝑠𝑡 𝑢𝑛 𝑣𝑒𝑐𝑡𝑒𝑢𝑟 à 𝑛 𝑐𝑜𝑚𝑝𝑜𝑠𝑎𝑛𝑡𝑠
Chaque composante représente ainsi, une information sur l’objet étudié (le vecteur)
Exemple
1) 𝑢
⃗ = [−2 3] représente un déplacement de deux unités vers la gauche puis trois unités vers le
haut.
2) 𝑣 = [1 −5 4] , un déplacement sur les x positifs, cinq (5) sur les y négatifs et quatre sur les
z positifs.
3) 𝑤
⃗⃗ = [1 0 1 1 0 0 0 1] , représente la valeur de chaque bit dans un octet.
De plus, chaque données dans la matrice porte le nom d’éléments. La position de l’élément détermine
ses indices.
Exemple
4 2 8
𝐴=[ ]
−2 8 4
1- Dimension
2 lignes, 3 colonnes => 𝐴2×3
2- Élément a21 : 𝑎21 = −2
3- Élément a23 : 𝑎23 = −4
4- Élément a23 : 𝑎12 = 0
La principale différence entre une image vectorielle et une image matricielle est la clarté de celle-ci une
fois agrandie. En effet, une image vectorielle garde sa clarté quel que soit le zoom appliqué tandis qu’une
image matricielle augmente la taille des pixels et devient donc "pixellisée" zoomant.
Toutefois, il est difficile d’obtenir une image réaliste avec l’image vectorielle.
En zoomant suffisamment une image dans un logiciel de dessin, nous pouvons voir les pixels.
1080 pixels
1920 pixels
Un écran de télévision de 55 po
55 po
55 po 9x ≈ 55 po
16x ≈ 47,9 po
Corrigé
√337𝑥 2 = 55𝑝𝑜
55𝑝𝑜
𝑥= ≈ 2,996 𝑃𝑜 => 𝑥 ≈ 3 𝑃𝑜
√337
15Mpx 2x
3x
2𝑥. 3𝑥 = 15𝑀𝑝𝑥
6𝑥 2 = 15 000 000 𝑝𝑥
𝑥 ≈ 1581 𝑝𝑥
La définition d’une image informe donc sur la précision d’une image en spécifiant la quantité de
pixels qu’elle contient. À l’écran, puisque la grosseur des pixels ne varie pas, la définition
influence directement la taille de l’image sur l’écran. Voici l’exemple de deux images ayant deux
définitions différentes.
C’est la quantité de pixels par unité de longueur d’une image. On note PPP (pixels par pouce) à
l’écran (PPI) et PPP (Points par pouce) lors d’une impression (DPI en anglais).
𝑥
𝑅𝑥 = ; 𝑥 𝑒𝑠𝑡 𝑙𝑒 𝑛𝑜𝑚𝑏𝑟𝑒 𝑑𝑒 𝑝𝑖𝑥𝑒𝑙𝑠 à 𝑙 ′ ℎ𝑜𝑟𝑖𝑧𝑜𝑛𝑡𝑎𝑙𝑒
𝑙𝑜𝑛𝑔𝑢𝑒𝑢𝑟
𝑦
𝑅𝑦 = ; 𝑦 𝑒𝑠𝑡 𝑙𝑒 𝑛𝑜𝑚𝑏𝑟𝑒 𝑑𝑒 𝑝𝑖𝑥𝑒𝑙𝑠 à 𝑙𝑎 𝑣𝑒𝑟𝑡𝑖𝑐𝑎𝑙𝑒
ℎ𝑎𝑢𝑡𝑒𝑢𝑟
(𝑹𝒙 )𝟐 − (𝑹𝒚 )𝟐
𝑹=√
𝟐
La résolution d’une image représente donc mieux sa finesse. Par exemple, les quatre images
suivantes ont toutes la même taille, soit 1po×po, mais n’ont pas la même résolution.
Exercice
Déterminer la résolution d’un moniteur CGA ( 320 pr × 200 pr) de 15 Po de diagonale au
rapport 4:3.
Ainsi, l’espace en mémoire qu’occupe une image varie selon le nombre de bits associés à un pixel.
Profondeur de couleur
C’est le nombre de bits par pixel (bpp) utilisés pour représenter la couleur du pixel.
Exemples :
Une image bitonale a une profondeur de couleur de 1bpp, c’est-à-dire qu’elle utilise 1 bit pour distinguer
les différentes couleurs d’un pixel.
Une image en niveau de gris a généralement une profondeur de couleur qui se situe entre 2 et 8 bpp,
c’est-à-dire qu’elle utilise entre 2 et 8 bits pour distinguer les différentes couleurs d’un pixel et peut donc
représenter entre 22 = 4 et 28 = 256 teintes différentes.
Une image de couleur a généralement une profondeur de couleur entre 8 et 24 bpp, c’est-à-dire qu’elle
utilise entre 8 et 24 bits pour distinguer les différentes couleurs d’un pixel et peut donc représenter entre
28 = 256 et 224 = 16 777 216 teintes de couleurs différentes.
Ainsi, la matrice de l’image matricielle sera constituée de cases contenant trois (3) valeurs.
8 bits de rouge
8 bits de vert
8 bits de bleu
Exemple : R V B
Il est estimé que l’œil humain ne peut différencier plus de 10 millions de couleurs. C’est
pourquoi on dépasse rarement les 24 bits de profondeur offrant déjà 16 millions de tons.
Pourtant, le HDR (High Dynamic Range Video) s’est tout de même trouver une place avec
ses 10 bits de profondeur et donc 230 = 1 037 741 824 tons. Si la différence offerte par ce
type d’encodage est perceptible par l’œil humain, c’est parce qu’il n’offre pas simplement
plus de tons, mais aussi un plus large éventail de couleurs offrant un vert maximal plus
vert, rouge maximal plus rouge et bleu maximal plus bleu.
Dans les imprimantes, on ajoute une cartouche d’encre noir à celle des trois (3) couleurs de base
simplement parce que de devoir reconstruire le noir à partir des trois autres couleurs, demanderait une
quantité d’encre beaucoup plus importante, surtout que le noir est très fréquent lors de l’impression des
documents.
Exemple :
1) Soit une image de 1817 pixels × 1820 pixels avec une profondeur de 24 bpp.
1817 × 1820 × 24
𝑃𝑜𝑖𝑑𝑠 = = 9 920 820 𝑂𝑐𝑡𝑒𝑡𝑠
8𝑏𝑖𝑡𝑠
Poids = 9, 921 Mo
2) Une image de 5 Mo à 24bpp. Quelles sont les dimensions de l’image si elle s’affiche en 9:3 ?
a) Trouver la définition
𝑑é𝑓𝑖𝑛𝑖𝑡𝑖𝑜𝑛 × 𝑃𝑟𝑜𝑓𝑜𝑛𝑑𝑒𝑢𝑟 𝑃𝑜𝑖𝑑𝑠 × 8𝑏𝑖𝑡𝑠
𝑃𝑜𝑖𝑑𝑠 = => 𝑑é𝑓𝑖𝑛𝑖𝑡𝑖𝑜𝑛 =
8 𝑏𝑖𝑡𝑠 𝑃𝑟𝑜𝑓𝑜𝑛𝑑𝑒𝑢𝑟
3x
4x
2
3𝑥 × 4𝑥 = 1 666 667 𝑝𝑥 => 12𝑥 = 1 666 667
1 666 667
𝑥=√ => 𝑥 ≈ 373, 68
12