PROG S1 Maths Appliquées À L'linformatique

ÉCOLE SUPÉRIEURE DE GESTION ET
D’ADMINISTRATION DES ENTREPRISES

Agrément définitif par Arrêté n°4677/MES/CAB du 05 Juillet 2017
Accréditée par le Conseil Africain et Malgache pour l’Enseignement Supérieur (CAMES)
BP : 2339 – Brazzaville – CONGO
E-mail : esgae@esgae.org Site web : www.esgae.org
Département Licence
Mathématiques appliquées à
l’informatique
Parcours
Licence 1- Programmation
Enseignants
Équipe pédagogique
Année académique 2022-2023

TITRE DE L’UE : TECHNIQUE QUANTITATIVE
UE : UE4 Éléments constitutifs (EC) : Mathématiques appliquées à l’informatique
Volume horaire présentiel : 15 H

Licence 1 : LP1-Programmation TPE estimé : 30 H
Crédits : 1,5
Analyse et Programmation
Semestre : S1 Coefficient : 1
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
Méthode pédagogique : Cours théorique, Rappel de certaines notions mathématiques
Évaluation :
 Sommative (DST et Examens)
 Formative en TP et TPE (Travail personnel de l’étudiant)
Contenu pédagogique
Chapitre1 : Les ensembles

Section 1 : Notions d’ensembles
Section 2 : Diagramme de Venn
Section 3 : Lien entre deux ensembles
Section 4 : Propriétés des opérations sur les ensembles
Section 5 : Simplification à l’aide des propriétés
Chapitre 2 : Logique et Algèbre de Boole

Section 1 : Opérations logiques
Section 2 : Énoncés conditionnels et biconditionnels
Section 3 : Les opérations bit à bits
Section 4 : Circuits et portes logiques
Section 5 : Propriétés des opérations logiques
Section 6 : Simplification Booléenne
Chapitre 3 : Systèmes de numérotation et opérations

Section 1 : Systèmes de numérotation
Section 2 : Conversions
Section 3 : Opérations dans les systèmes
Section 4: Codes binaires
Chapitre 4 : Données en mémoire

Section 1 : Représentation des nombres en mémoire
Section 2 : Mémoire d’un ordinateur
Section 3 : Limites de précisions
Section 4: Choix de la bonne représentation
Chapitre 5 : Mesures des angles

Section 1 : Mesure des angles
Section 2 : Les triangles
Section 3 : Les vecteurs
Chapitre 6 : Applications des vecteurs et des matrices

Section 1 : Définition de vecteurs et de matrices
Section 2 : Image vectorielle et image matricielle
Section 3 : Taille et dimension d’une image numérique
Section 4: Rapport d’affichage d’une image
Section 5: Définition et résolution d’une image numérique
Section 6: Codage des couleurs
Section 7: Poids d’une image numérique
Bibliographie
Titre Cours d’algèbre Maths Sup

Éditeur Flammarion
Longueur 355 pages
Titre Cours de systemes logiques
Rédacteur M Dellea
Éditeur Editions ENI, 2019
ISBN 2409017037, 9782409017032
Longueur 532 pages
SOMMAIRE
Chapitre I : Les ensembles 6
Chapitre II : Logique et Algèbre de Boole 14
Chapitre III- Systèmes de numérotation et opérations 36
Chapitre IV : Représentation des nombres en mémoire 51
Chapitre V : Mesure des angles 69
Chapitre VI : Applications des vecteurs et des matrices 89
Table des matières 101

Chapitre 1 : Les ensembles
6

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,
1.3. Écriture d’un ensemble

1.3.1. Extension
On liste entre accolades {…} tous les éléments de l’ensemble :
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}
Par Gide NKOUKA…


7
1.4. Ensembles particuliers
1.4.1. Ensemble vide
Il ne possède aucun élément : 𝑆 = { } = ∅
1.4.2. Ensemble universel (E)
L’ensemble universel E, tous les éléments associés à un contexte. On l’appelle aussi l’Oméga :
Si on parle des ℝ :
E= ℝ
1.5. Types d’ensembles
1.5.1. Ensemble fini
Contient un nombre fini d’éléments.
A = {a, e, i, o, u, i, y }
B = {1 , 4, 7, 23 }
1.5.2. Ensemble infini

Contient un nombre infini de d’éléments.
= {0, 1, 2, 3,…}
= {…,-3, -2, -1, 0, 1, 2, 3,…}
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}
Par Gide NKOUKA…


8
3. Lien entre deux ensembles
3.1. L’égalité
Soient A et B, deux ensembles. S’ils possèdent exactement les mêmes éléments, ils sont égaux.
On note A=B
B
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".
3.3. Ensembles disjoints

Soient A et B, deux sous-ensembles ; S’ils n’ont rien en commun, ils sont disjoints.
A
B
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
Par Gide NKOUKA…


9
4. Propriétés des opérations sur les ensembles
4.1. Commutativité des opérations
Une opération est commutative si l’ordre n’a pas d’importance.
Exemple : Dans ℝ ;
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
En mathématiques, la différence symétrique entre deux ensembles est l’ensemble

des éléments qui ne sont pas communs dans les deux ensembles.
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}
Par Gide NKOUKA…


10
4.2. Associativité des opérations
Une opération est associative si le résultat reste inchangé, peu importe la façon dont on regroupe les
termes.
Exemple : Dans ℝ
(𝑥 + 𝑦) + 𝑧 = 𝑥 + (𝑦 + 𝑧)
(𝑥. 𝑦). 𝑧 = 𝑥. (𝑦. 𝑧)
L’addition et la multiplication sont associatives dans ℝ

Pour les ensembles, l’intersection, l’union et la différence symétrique sont associatives.
Propriétés:
P1 : A ∩ B = B ∩ A
P2 : (A ∩ B) ∩ C = A ∩ (B ∩ C)
P3 : A∪B = B ∪ A
P4 : (A ∪ B) ∪ C = A ∪ (B∪C)
4.3. Distributivité des opérations

L’opération * est distributive sur l’opération  si elle affecte chaque élément de l’opération 
individuellement.
Exemple : Dans ℝ*+
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)
4.4. Élément neutre

Dans un ensemble, pour une opération précise, il existe un élément neutre. Cet élément à la particularité
de n’avoir aucun effet lorsqu’il est utilisé par l’opération sur cet ensemble.
Exemple : Dans ℝ,
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.
Par Gide NKOUKA….


11
a) Élément neutre de l’intersection
Pour l’intersection, l’élément neutre sera toujours l’ensemble universel E :
Donc, A ∩ E= E ∩ A = A
b) Élément neutre pour l’union

Pour l’union, l’élément neutre sera toujours ∅ (ensemble vide).
Donc, A∪ ∅ = ∅ ∪ A= A
c) Élément neutre pour la différence symétrique

Pour la différence symétrique, l’élément neutre sera toujours ∅.
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
4.5. Élément absorbant

Dans un ensemble, pour une opération précise, il existe un élément absorbant. Cet élément a la
particularité de ramener l’opération à l’élément absorbant.
Exemple : dans l’ensemble ℝ,
x.0 = 0.x = 0
Pour les ensembles, on se réfère toujours à U et les éléments absorbants sont eux aussi des ensembles.
Seules les opérations d’intersection et d’union possèdent des éléments absorbants.
4.5.1. Élément absorbant de l’intersection
Pour l’intersection, l’élément absorbant sera toujours l’ensemble vide ∅
Donc ; A ∩ ∅=∅ ∩ A = ∅
4.5.2. Élément absorbant de l’union

Pour l’union, l’élément absorbant sera toujours l’ensemble universel E.
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.
Par Gide NKOUKA…


12
4.6.1. Idempotence de l’intersection
A ⋂ A= A
4.6.2. Idempotence de l’union
A ∪ A= A
4.7. Propriétés du complément

4.7.1. Complément du complément
𝐴̅ = 𝐴
Et 𝐴̿ = 𝐴
4.7.2. Union avec son complément
̿=U
Donc, A ∪ A
4.7.3. Intersection avec son complément
̅= ∅
⇒A ∩ A
4.7.4. Complément de ∅
Le complément de l’ensemble vide ∅ est égal à l’ensemble universel E.

̅=𝐸
∅
4.7.5. Complément de l’ensemble universel E
Le complément de l’ensemble universel est l’ensemble vide.
𝐸̅ = ∅
4.8. Lois de De Morgan

4.8.1. Complément de l’intersection
̅̅̅̅̅̅̅
𝐴 ∩ 𝐵 = 𝐴̅ ∪ 𝐵̅
4.8.2. Complément de l’union
̅̅̅̅̅̅̅
𝐴 ∪ 𝐵 = 𝐴̅ ∩ 𝐵̅
Par Gide NKOUKA…


13
4.9. Écrire la différence ou la différence symétrique à l’aide de l’intersection ou l’union
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
4.9.2. Différence symétrique avec l’intersection et l’union
(𝐴 ∪ 𝐵)\(𝐴 ∩ 𝐵) = 𝐴 ∆ 𝐵
Par conséquent, A ∆ B = (A ∪ B) \ (A ∩ B)
5. Simplification à l’aide des propriétés
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)
Ce qu’il faut retenir…
- Les différents ensembles

- Les Propriétés et les opérations sur les ensembles
- Lois de De Morgan
- Simplification des propriétés
Par Gide NKOUKA…

Chapitre 2 : Logique et algèbre de Boole
14

Chapitre 2
LOGIQUE ET ALGÈBRE DE BOOLE
1. Opérateurs logiques ET, OU, NON, OU exclusif

a) Notion de variable booléenne
Une variable booléenne est une variable pouvant être soit « VRAIE » ou « FAUSSE ».
Exemples de commutateurs
Ouverts
A = 0 (Faux)
Fermé
A = 1 (Vrai)
Entrée Commutateur Sortie
L’état des commutateurs dicte le signal obtenu à la sortie.
En mathématiques, les commutateurs (variables booléennes) sont appelées « propositions »
b) Notion de proposition
Une proposition est une phrase qui est vraie (1) ou fausse (0)
Exemples: Identifier les propositions dans les phrases suivantes

- L’ESGAE est située à Moukondo. (Vraie)
- Quelle heure est-il ? (Ce n’est pas une proposition)
- Le soleil est une étoile. (Vraie)
- Mange tes légumes. (Ce n’est pas une proposition)
- L’écran d’un ordinateur est la pièce maitresse de celui-ci. (Faux)
- -5 < -7 (Faux)
1.1. Opérateur ET (Conjonction)

Soit le circuit suivant :
Entrée Sortie
A B
A et B sont des variables booléennes associées aux commutateurs.
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.
Par Gide NKOUKA…


15
On note : A ∧ B ou A.B
Table de vérité du ET
A B A∧B
0 0 0
0 1 0
1 0 0
1 1 1
Exemple : Considérons l’énoncé ci-dessous

« Je possède une XBOX ONE et une Playstation 4 »
Posons :
P = Je possède une XBOX ONE

Q = Je possède une Playstation 4
P Q P∧Q
0 0 0
0 1 0
1 0 0
1 1 1
1.2. Opérateur OU (Disjonction)

A
Entrée Sortie
B
A et B sont des variables booléennes associées aux commutateurs.
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
Par Gide NKOUKA…


16
1.3. Opérateur NON (Négation)
L’opération du NON logique a pour effet, d’inverser la valeur d’une variable booléenne
Si A est vraie, alors NON-A est fausse, et vice-versa
On note : A
Table de vérité du NON
A 𝐴̅
0 1
1 0
Exemple : Représenter la table de vérité répondant à l’énoncé suivant :

P = « La Playstation 4 est produite par Sony »
𝑃̅= « La Playstation 4 n’est pas produite par Sony »
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 (!).
Vide laissé volontairement
Par Gide NKOUKA…

17
1.4. Opérateur OU exclusif (Disjonction exclusive)

Le OU exclusif est une forme du OU régulier un peu plus restreint. En effet, on veut ici qu’un seul des
deux commutateurs soit fermé.
On note : A ⊻ B ou A ⊕ B
Soient A et B deux propositions :

Table de vérité du OU exclusif
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.
Considérons la proposition : (𝐴̅ ∧ B) ∨ ( A ∧ 𝐵̅ )
̅ ∧ 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
1.5. Tautologie, contradiction et équivalence
a. Tautologie : Proposition qui est toujours vraie

b. Contradiction : Proposition qui est toujours fausse
c. Équivalence : Deux propositions sont équivalentes si elles ont la même table de vérité
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
La proposition est toujours fausse
Par Gide NKOUKA…


18
(P ∧ q) ∨ ( ̅̅̅̅̅̅̅̅
𝑃 ∨ 𝑞 ) est une tautologie :
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
C’est une tautologie car c’est toujours « vrai »
 Cas de trois (3) variables booléennes
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
Par Gide NKOUKA…


19
2. Énoncés conditionnelles et biconditionnelles

2.1. Hypothèse-Conclusion
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
P est l’hypothèse de l’énoncé

q est la conclusion de l’énoncé
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
2.2. Double implication

Il arrive que 2 événements soient tellement interreliés que l’hypothèse et la conclusion doivent être
satisfaites pour que l’énoncée soit vrai.
En mathématique, on appelle cet énoncé « double implication ».

On dira dans ce cas :
« 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
Par Gide NKOUKA…


20
2.3. L’implication en informatique
En informatique, les énoncés conditionnels sont utilisés dans deux types de structures :
Si conditionnel : SI [énoncé vrai] ALORS

(IF/THEN) [ opération à effectuer]
FINSI
SI/SINON Conditionnel : SI [énoncé vrai] ALORS

(IF/THEN/ELSE) [Opération à effectuer]
SINON
[Opération alternative]
FINSI
Exemple
Vous voulez coder un programme qui lit un nombre et le multiplie par 2 s’il est positif et impair.
Étapes nécessaires pour effectuer le travail

- Lire le nombre (fichier, entrée clavier)
- Vérifier si le nombre est positif (x > 0) et impair
- Multiplier x par 2
Code
LIRE x
SI [x > 0] ET [x impair] ALORS,
y=2*x
FINSI
2.4. Réciproque et contraposée
Réciproque : q → P est la réciproque de p → q
Contraposée : 𝑞̅ → 𝑃̅ est la contraposée de p → q
Exemple : Considérons l’énoncé suivant :

« Si la figure est un carré, alors la figure a quatre côtés. »
q → P : « Si la figure a quatre côtés, alors la figure est un carré. »

𝑞̅ → 𝑃̅ : « Si la figure n’a pas quatre côtés, alors la figure n’est pas un carré. »
3. Les opérations bit à bit
Il est possible d’effectuer des opérations directement sur des chaînes de 0 et de 1.

3.1. Symboles utilisés en C
Opération Symbole
ET &
OU |
OU EXCLUSIF ⌃
NON ~
Par Gide NKOUKA…


21
Exemples
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
3.2. Application en cryptographie
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
Par Gide NKOUKA…


22
Or, observons ce qui se passe si on applique le OU exclusif une nouvelle fois :
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
On obtient donc, C= 0001 1010 1011 1111
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
4. Circuits et portes logiques
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.
4.1. Portes logiques de base
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
Par Gide NKOUKA…


23
A B C ̅
𝑨 BC ̅ + BC
𝑨
Exemple :
0 0 0 1 0 1
𝐴̅ + BC 0 0 1 1 0 1
0 1 0 1 0 1
0 1 1 1 1 1
1 0 0 0 0 0
1 0 1 0 0 0
1 1 0 1 0 0
1 1 1 1 1 1
4.1. Porte OU exclusif X- OR
Exemple :
(𝐴̅ ⊕ 𝐵) + (𝐴 ⊕ 𝐶̅ )
4.2. Portes NON ET (NAND), NON OU (NOR), NON OU exclusif (X-NOR)
Par Gide NKOUKA…


24
5. Propriétés des opérations sur les ensembles
5.1. Commutativité
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
5.1.1. Commutativité pour l’opération ET

L’opération ET logique est commutative puisque faire A.B équivaut à B.A. On peut s’en convaincre à
l’aide des commutateurs et des tables de vérité.
1er cas : A.B

A B A.B B.A
0 0 0 0
0 1 0 0
2e cas : B.A
1 0 0 0
1 1 1 1
5.1.2. Commutativité pour l’opération OU

L’opération OU logique est commutative puisque faire A + B équivaut à B + A. On peut s’en convaincre
à l’aide des commutateurs et des tables de vérité.
1er cas : A+ B
A B A +B B+A
0 0 0 0
0 1 1 1
2e cas : B + A 1 0 1 1
1 1 1 1
5.1.3. Commutativité pour l’opération OU exclusif

L’opération OU exclusif est commutative, puisque faire A ⊕ B équivaut à B ⊕ A. On peut s’en
convaincre à l’aide des tables de vérité :
A B A⊕B B⊕A
0 0 0 0
0 1 1 1
1 0 1 1
1 1 0 0
Par Gide NKOUKA…


25
5.2. Associativité
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
5.2.1. Associativité pour l’opération ET

L’opération ET logique est associative puisque faire (A.B).C équivaut à A.(B.C). On peut s’en
1er cas : (A.B).C
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
Par Gide NKOUKA…


26
5.2.2. Associativité pour l’opération OU

L’opération OU logique est associative puisque faire (A + B) + C équivaut à A + (B + C). On peut s’en
1er cas : (A + B) + C 2e cas : A + (B + C)
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
5.2.3. Associativité pour l’opération OU exclusif

L’opération OU exclusif est associative puisque faire (A ⊕ B) ⊕ C équivaut à A ⊕ (B ⊕ C). On peut
s’en convaincre à l’aide des tables de vérité :
1er cas : (A ⊕ B) ⊕ C
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
Par Gide NKOUKA…


27
5.3. Distributivité
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.
5.3.1. Distributivité du ET sur OU
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 :
5.3.2. Distributivité du OU sur le ET

L’opération logique OU est distributive sur le ET logique puisque
L’opération du OU logique est distributive sur le ET logique puisque le système A+ (B.C) équivaut à
(A+B).(A+C). On peut s’en convaincre à l’aide de commutateurs et des tables de vérité :
Par Gide NKOUKA…


28
5.4. Élément neutre
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.
5.4.1. Élément neutre pour l’opération ET
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 :
Si A est fermé, le courant passe dans les

commutateurs fermés
5.4.2. Élément neutre pour l’opération OU
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 :
Si A est fermé, comme 0 est ouvert, le

courant passe dans la branche de A
5.4.3. Élément neutre pour l’opération OU exclusif
Pour les mêmes raisons que pour le OU logique, le commutateur ouvert est un élément neutre pour le
OU exclusif.
Par Gide NKOUKA…


29
5.5. Élément absorbant
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 :
Si A est fermé, le courant ne passe pas dans

le commutateur ouvert. Donc, dans le circuit
non plus.
5.5.2. Élément neutre pour l’opération OU
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 :
Si A est fermé, le courant passe dans une

branche comme dans l’autre.
5.6. Idempotence
Rappel : On dit qu’il y a idempotence lorsqu’une opération effectuée sur elle-même n’a aucun effet.
5.6.1. Idempotence de l’opération ET logique et de l’opération OU logique
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
Si A est fermé, le courant passe dans le circuit.
Par Gide NKOUKA…


30
5.7. Propriétés du complément
En effectuant les opérations logiques ET et OU sur un élément et son complément, on constate deux
propriétés évidentes.
5.7.1. Propriétés du complément

Le ET logique entre un élément et son complément est toujours faux. Le OU logique entre un élément et
son complément est toujours vrai.
En effet, 𝐴. 𝐴̅ = 0 et 𝐴 + 𝐴̅ = 1.
Si A est fermé, le courant passe dans le circuit.
5.8. Complément du ET LOGIQUE et du OU LOGIQUE

Lorsque nous effectuons le complément d’un ET logique ou d’un OU logique, il est possible de
simplifier les opérations à l’aide des propriétés qui sont analogues aux lois de de Morgan sur les
ensembles mathématiques
5.8.1. Complément de la somme booléenne (OU logique)
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
5.8.2. Complément de la somme booléenne (OU logique)
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.
Par Gide NKOUKA…


31
6. Simplification booléenne
6.1. Simplification avec propriétés
a) ̅ 𝑪 + 𝑨𝑩𝑪 + 𝑨
𝑨𝑩 ̅ 𝑩𝑪 + 𝑨
̅𝑪 + 𝑩
= 𝐴𝐶(𝐵̅ + 𝐵) + 𝐴̅𝐶 (𝐵 + 1) + 𝐵 Distributivité
= 𝐴𝐶(1) + 𝐴̅𝐶 (1) + 𝐵 Propriété du complément et élément absorbant
= 𝐴𝐶 + 𝐴̅𝐶 + 𝐵 Élément neutre
= 𝐶(𝐴 + 𝐴̅) + 𝐵 Distributivité

= 𝐶(1) + 𝐵 Propriété du complément
= B+𝐶
A B+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
= (𝐴̅𝐵̅)(𝐴 + 𝐵̅ + 𝐶̅ )(𝐶𝐷) Complément du complément
= (𝐴̅𝐵̅𝐶𝐷)(𝐴 + 𝐵̅ + 𝐶̅ ) Commutativité du ET
= 𝐴̅𝐵̅𝐶𝐷𝐴 + 𝐴̅𝐵̅𝐶𝐷𝐵̅ + 𝐴̅𝐵̅𝐶𝐷𝐶̅ Distributivité du ET sur le OU
= 𝐴𝐴̅𝐵̅𝐶𝐷 + 𝐴̅𝐵̅𝐵̅𝐶𝐷 + 𝐴̅𝐵̅𝐶𝐶̅ 𝐷 Commutativité du ET

= 0. 𝐵̅𝐶𝐷 + 𝐴̅𝐵̅𝐵̅𝐶𝐷 + 𝐴𝐵. 0. 𝐷 Propriété du complément
= 0. 𝐵𝐶𝐷 + 𝐴̅𝐵̅𝐵̅𝐶𝐷 + 𝐴𝐵. 0. 𝐷 Idempotence
= 0 + 𝐴̅𝐵̅𝐶𝐷 + 0 Élément absorbant du ET
= 𝐴̅𝐵̅𝐶𝐷 Élément neutre du OU
Par Gide NKOUKA…


32
6.2. Simplification à l’aide des tableaux de Karnaugh
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 :
À deux variables À trois variables À quatre variables
a) Remplir une table de Karnaugh

Maintenant que nous connaissons les tables de Karnaugh, comment pouvons-nous les remplir ?
- Il suffit d’indiquer « 1 » dans chaque case qui correspond à un terme de l’expression booléenne ;
- Vous pouvez indiquer « 0 » dans les autres cases, mais ça alourdit la table et c’est inutile.
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 :
𝑌 = 𝐴𝐵̅𝐶 + 𝐴̅𝐵𝐶̅ + 𝐵𝐶 + 𝐴𝐵̅

Simplifier Y en utilisant la table de Karnaugh
Simplification de BC
𝐵𝐶 = (1)𝐵𝐶
= (𝐴 + 𝐴̅)𝐵𝐶
= 𝐴𝐵𝐶 + 𝐴̅𝐵𝐶
Exemple 2 :
𝑌 = 𝐴𝐵̅𝐶𝐷 + 𝐴̅𝐵𝐶̅ + 𝐵𝐶 + 𝐴𝐵̅

Simplification de BC Simplification de ABC
𝐵𝐶 = (1)𝐵𝐶 𝐴𝐵𝐶 = 𝐴𝐵𝐶(1)
= (𝐴 + 𝐴̅)𝐵𝐶 ̅)
= 𝐴𝐵𝐶(𝐷 + 𝐷
𝐶 + 𝐴̅𝐵𝐶
= 𝐴𝐵𝐶 + 𝐴=̅𝐵𝐴𝐵𝐶
̅
= 𝐴𝐵𝐶𝐷 + 𝐴𝐵𝐶𝐷
Par Gide NKOUKA…


33
b) Faire des regroupements dans une table de Karnaugh

- Regroupement en ligne ou en colonne
Si le regroupement effectué correspond à une ligne ou une colonne complète de la table, l’expression
résultante sera celle de cette ligne ou cette colonne :
̅ + 𝐴𝐵̅𝐶̅ 𝐷
Exemple : Simplifier 𝑌 = 𝐴𝐵̅𝐶𝐷 + 𝐴𝐵̅𝐶𝐷 ̅ + 𝐴𝐵̅𝐶̅ 𝐷
Simplification avec la table de Karnaugh
Avec les propriétés

̅ + 𝐴𝐵̅ 𝐶̅ 𝐷
𝑌 = 𝐴𝐵̅𝐶𝐷 + 𝐴𝐵̅𝐶𝐷 ̅ + 𝐴𝐵̅𝐶̅ 𝐷
̅ + 𝐶̅ 𝐷
= 𝐴𝐵̅(𝐶𝐷 + 𝐶𝐷 ̅ + 𝐶̅ 𝐷 )
= 𝐴𝐵(𝐶(𝐷 + 𝐷 ) + 𝐶̅ (𝐷
̅ ̅ ̅ + 𝐷))
= 𝐴𝐵̅(𝐶 + 𝐶̅ )
𝑌 = 𝐴𝐵̅
- Regroupement correspondant à toute la table

Si les regroupements donnent la table au complet, l’expression booléenne est une tautologie, donc elle
vaut 1.
Exemple : Simplifier 𝑌 = 𝐴𝐵 + 𝐴𝐵̅ + 𝐴̅𝐵̅ + 𝐴̅𝐵

Simplification avec la table de Karnaugh
𝑌=1
Simplification avec les propriétés
𝑌 = 𝐴𝐵 + 𝐴𝐵̅ + 𝐴̅𝐵̅ + 𝐴̅𝐵
= 𝐴(𝐵 + 𝐴𝐵̅) + 𝐴̅(𝐵̅ + 𝐵)
= 𝐴(1) + 𝐴̅(1)
𝑌=1
Par Gide NKOUKA…


34
- Autres Regroupement
Si un regroupement se fait ou un carré de 1x2, 2x2 ou encore 2x4 dans notre table de Karnaugh,
l’expression résultante dépendra des filtres des colonnes et des lignes associées au regroupement. En effet,
les termes en commun dans les différentes lignes et colonnes seront les termes résultants
Exemple : Simplifier 𝑌 = 𝐴𝐵𝐶 + 𝐴𝐵̅𝐶

Avec la table de Karnaugh
𝑌 = 𝐴𝐶
𝑌 = 𝐴𝐵𝐶 + 𝐴𝐵̅𝐶
= 𝐴𝐶(𝐵 + 𝐵̅)
𝑌 = 𝐴𝐶
̅ + 𝐴𝐵̅𝐶𝐷 + 𝐴𝐵̅𝐶𝐷
Simplifier 𝑌 = 𝐴𝐵𝐶𝐷 + 𝐴𝐵𝐶𝐷 ̅
𝑌 = 𝐴𝐶
̅ + 𝐴𝐵̅ 𝐶𝐷 + 𝐴𝐵̅𝐶𝐷
𝑌 = 𝐴𝐵𝐶𝐷 + 𝐴𝐵𝐶𝐷 ̅
̅ ) + 𝐴𝐵̅𝐶(𝐷 + 𝐷
= 𝐴𝐵𝐶(𝐷 + 𝐷 ̅)
= 𝐴𝐵𝐶 + 𝐴𝐵̅𝐶
= 𝐴𝐶(𝐵 + 𝐵̅)
𝑌 = 𝐴𝐶
Par Gide NKOUKA…


35
Simplifier, 𝑦 = 𝐴̅𝐵̅𝐶𝐷 + 𝐴̅𝐵̅𝐶𝐷

̅ + 𝐴̅𝐵̅𝐶̅ 𝐷 + 𝐴̅𝐵̅𝐶̅ 𝐷
̅ + 𝐴̅𝐵𝐶𝐷 + 𝐴̅𝐵𝐶𝐷
̅ + 𝐴̅𝐵𝐶̅ 𝐷 + 𝐴̅𝐵𝐶̅ 𝐷
𝑦 = 𝐴̅
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 )
= 𝐴̅𝐵̅ + 𝐴̅𝐵 = 𝐴̅(𝐵 + 𝐵̅ )
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
Par Gide NKOUKA…

36

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
a) Qu’est-ce qu’un système positionnel ?

C’est un système dans lequel on doit choisir un ensemble de symboles et déterminer la valeur de chaque
symbole selon la position qu’il occupe dans le nombre.
Le système décimal est donc un système un système positionnel avec les symboles suivants :
0,1,2,3,4,5,6,7,8,9.
b) Autopsie d’un nombre décimal
129 = 100 + 20 + 9
129 = 1 × 100 + 2 × 10 + 9 × 1
129 = 1 × 102 + 2 × 101 + 9 × 100

De même,
1293 = 1000 + 200 + 90 + 3

1293 = 1 × 1000 + 2 × 100 + 9 × 10 + 3
1293 = 1 × 103 + 2 × 102 + 9 × 101 + 3 × 100

Par ailleurs,
12,34 = 10 + 2 + 0,3 + 0,04
12,34 = 1 × 101 + 2 × 100 + 3 × 10−1 + 4 × 10−2

1.2. Le système binaire
C’est un système positionnel en base 2 (2 symboles : 0 et 1).
1.2.1. Écriture dans le système binaire
Décimal Binaire
0 0
1 1
2 10
3 11
4 100
5 101
6 110
Par Gide NKOUKA…


37
1.2.2. Autopsie d’un nombre binaire

1)
111 = 100 + 10 + 1
111 = 1 × 22 + 1 × 21 + 1 × 20
111 = 1 × 4 + 1 × 2 + 1 × 1 = 7
2)
1101 = 1000 + 100 + 00 + 1
111 = 1 × 23 + 1 × 22 + 0 × 21 + 1 × 20
111 = 8 + 4 + 0 + 1 = 13
1.3. Le système Octal

C’est un système positionnel en base 8 (8 symboles : 0,1,2,3,4,5,6,7).
1.3.1. Écriture dans le système Octal
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
Par Gide NKOUKA…


38
1.3.2. Autopsie d’un nombre Octal
1)
118 = 108 + 18
118 = 1 × 𝟖𝟏 + 1 × 𝟖𝟎
118 = 1 × 𝟖 + 1 × 𝟏 = 9
2)
7778 = 7008 + 708 + 78
111 = 7 × 82 + 7 × 81 + 7 × 80
111 = 7 × 64 + 7 × 8 + 7 × 1 = 511
111 = 7 × 64 + 56 + 7 = 511
1.4. Le système Hexadécimal

C’est un système positionnel en base 16 (16 symboles).
1.4.1. Écriture dans le système hexadécimal
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
Par Gide NKOUKA…


39
1.4.2. Autopsie d’un nombre hexadécimal
1)
1𝐹16 = 1016 + 𝐹16
1𝐹16 = 1 × 𝟏𝟔𝟏 + 15 × 𝟏𝟔𝟎

1𝐹16 = 1 × 𝟏𝟔 + 15 × 𝟏 = 31
2)
3𝐶16 = 3016 + 𝐶16
3𝐶16 = 3 × 161 + 12 × 160

3𝐶16 = 3 × 16 + 12 × 1 = 60
3)
2𝐴𝐷16 = 20𝐷16 + 𝐴𝐶16 + 𝐷16
2𝐴𝐷16 = 2 × 162 + 10 × 161 + 13 × 160

2𝐴𝐷16 = 2 × 256 + 10 × 16 + 13 × 1
2𝐴𝐷16 = 512 + 160 + 13 = 685
2. Conversion d’un système

2.1. Binaire /Octal/HexadécimalDécimal
Pour convertir un nombre du binaire, octal, ou hexadécimal en décimal, il suffit de faire l’autopsie de
notre nombre et de ramener les symboles à leur puissance dans la base.
Exemples : Convertir en décimal
1)
101,0012 = 100 + 00 + 1 + 0,0 + 0,00 + 0,001
101,0012 = 1 × 22 + 0 × 21 + 1 × 20 + 0 × 2−1 + 0 × 2−2 + 1 × 2−3

101,0012 = 1 × 4 + 0 × 2 + 1 × 1 + 0 × 0,5 + 0 × 0,25 + 1 × 0,125
101,0012 = 1 × 4 + 0 × 2 + 1 × 1 + 0 × 0,5 + 0 × 0,25 + 1 × 0,125
101,0012 = 4 + 1 + 1 + 0,125 = 5,125
2)
−2573 = −(2000 + 500 + 70)

−2573 = −(2 × 83 + 5 × 82 + 7 × 81 + 3 × 80 )
−2573 = −(2 × 512 + 5 × 64 + 7 × 8 + 3 × 1)
−2573 = −(1024 + 320 + 56 + 3) = −1403
3)
17𝐴𝐸16 = 1000 + 700 + 1 + 𝐴0 + 𝐸
17𝐴𝐸16 = 1 × 163 + 7 × 162 + 10 × 161 + 14 × 160

17𝐴𝐸16 = 1 × 4096 + 7 × 256 + 10 × 16 + 14 × 1
17𝐴𝐸16 = 4096 + 1782 + 160 + 14 = 6062
Par Gide NKOUKA…

40
2.2. Décimal Binaire /Octal/Hexadécimal
Faire le travail inverse peut être plus complexe. Nous verrons deux méthodes nous permettons de faire
nos conversions : Par soustraction et par division.
a) Par soustraction
- On commence par identifier plusieurs puissances de notre base (2, 8 ou 16) ;
- Ensuite, on soustrait la plus grande puissance inférieure ou égale à notre nombre à convertir ;
- Le reste de la soustraction est nul, on répète l’opération précédente, sinon, on passe à l’étape
suivante ;
- Le nombre de fois qu’une puissance a été utilisée correspond au symbole de cette position
dans la base concernée.
Exemples :
1) Convertir 4310 en binaire
20 = 1, 21 = 2, 22 = 4, 23 = 8, 24 = 16, 25 = 32, 26 = 64, 27 =128, 28 = 256, 29 = 512, 210 =1024.
43 − 32 = 11 25
11 − 8 = 3 23 Par conséquent ; 4310 = 1010112
3−2=1 21
1−1=1 20
2) Convertir 0,437510 en binaire

2-1 = 0,5 ; 2-2 = 0,25 ; 2-3 = 0,125 ; 2-4 = 0,0625 ; 2-5 = 0,03125, …
0,4375 − 0,25 = 0,1875 2-2
0,1875 − 0,125 = 0,0625 2-3 Par conséquent ; 0,437510 = 0,01112
0,0625 − 0,0625 = 0 2-4
3) Convertir -372,062510 en Octal

83 = 512, 82 = 64, 81 = 8, 80 = 1, 8-1 = 0,125, 8-2 = 0,015625, 8-3 = 0,001953125, …
372,0625 − 5 × 64 = 52,0625 82
52,0625 − 6 × 8 = 4,0625 81 Par conséquent ; -372,062510 = 564,048
4,0625 − 4 × 1 = 0,0625 80
0,0625 − 4 × 8−2 = 0 8-2
4) Convertir -52 234,7510 en Hexadécimal

164 = 65 536, 163 = 4096, 162 =256, 161 = 16, 160 = 1, 16-1 = 0,0625, 16-2 = 0,00390625
52 234,75 − 12 × 163 = 3082,75 163
3082,75 − 12 × 162 = 10,75 162 Par conséquent ; -52 234,7510 = - CC0A,C16
10,75 − 10 × 160 = 0,75 160
0,75 − 12 × 16−1 = 0 8-2
Par Gide NKOUKA…


41
b) Par division
Pour la partie entière (avant la virgule)
- Diviser la partie entière du nombre par la base (2, 8 o 16) ;
- Si la partie entière résultante de la division non-nul, répéter l’étape 1. Sinon, passer à l’étape 3 ;
- Les restes de chaque division correspondent aux symboles chaque puissance dans la base.
Pour la partie fractionnaire (après la virgule)
On utilise la multiplication plutôt que la division et la partie fractionnaire plutôt qu’entière.
Exemples :
1) Convertir 4310 en binaire
43/2 = 21 Reste 1 20
21/2 = 10 Reste 1 21 Par conséquent ; 4310 = 1010112
10/2 = 5 Reste 0 22
5/2 = 2 Reste 1 23
2/2 = 1 Reste 0 24
1/2 = 0 Reste 1
2) Convertir 0,4375 en binaire
0,4375 × 2 = 𝟎, 8750 R = 0 2-1
0,8750 × 2 = 𝟏, 750 R=1 2-2 Par conséquent ; 0,437510 = 0,01112
0,75 × 2 = 𝟏, 50 R=1 2-3
0,5 × 2 = 𝟏 R=1 2-4
3) Convertir -372,062510 en Octal

Partie entière
372/8 = 46 Reste 4 80
46/8 = 5 Reste 6 81 Par conséquent ; 37210 = 5648
5/8 = 0 Reste 5 82
Partie décimale
0,0625 × 8 = 𝟎, 5 R=0 8-1
0,5 × 8 = 𝟒 R=4 8-2 Par conséquent ; 0,062510 = 0,048
Le résultat final est : -372,062510 = - 564,048
Par Gide NKOUKA…


42
4) Convertir -52 234,7510 en Hexadécimal

Partie entière
52 234/16 = 3264 Reste A 160
3264/16 = 204 Reste 0 161 Par conséquent ; 52 23410 = CC0A16
204/16 = 12 Reste C 162
12/16 = 0 Reste C 162
Fractionnaire
0,75 × 16 = 𝟏𝟐 R=C 16-1 Par conséquent ; 0,062510 = 0,048
Le résultat final est : -52 234,7510 = - CC0A,C16

2.3. Conversion Binaire-Octal
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.
Convertir 10101101101(2) en base 8
Regroupant en paquet de trois (3) bits en partant du bit de poids le plus faible ; On obtient :
10101101101(2) = 010 101 101 101(2)

= 2 5 5 5 (8)
10101101101(2) = 2555(8)
2.4. Conversion Octal-Binaire
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.
Convertir 7661(8) en binaire :
7 6 6 1
111 110 110 001
7661(8)= 111110110001(2)
Par Gide NKOUKA…


43
2.5. Conversion Hexadécimal-Binaire
Comme pour le système de numérotation Octal, le système de numérotation hexadécimal se veut une
façon abrégée de représenter les nombres binaires. La conversion d’un nombre hexadécimal en un nombre
binaire ne pose vraiment pas de difficulté, puisque chaque chiffre hexadécimal est remplacé par son
équivalent en binaire.
Conversion de AF24E en binaire
A F 2 4
1010 1111 0010 0100
AF24(8)= 1010111100100100(2
2.6. Conversion Binaire-Hexadécimal

Cette conversion est tout simplement l’inverse de la précédente. Le nombre binaire est divisé en groupe
de quatre bits, puis on substitue à chaque groupe son chiffre hexadécimal équivalent. Au besoin, on ajoute
des zéros à gauche pour obtenir un dernier groupe de 4 bits.
Conversion de 111100001011011(2) en base 16
0111 1000 0101 1011
7 8 5 B
111100001011011(2) = 785B(16)
2.7. Conversion hexadécimal-Octal
Conversion de BB15 en Octal
B B 1 5 Base 16
1011 1011 0001 0101 Base 2
001 011 101 100 010 101 Regroupements en paquets de 3
1 3 5 4 2 5
BB15(16) = 135425(8)
Par Gide NKOUKA…


44
2.8. Conversion Octal-hexadécimal
Conversion de 7356 en hexadécimal
7 3 5 6 Base 8
111 011 101 110 Base 2 en paquets de 3
1110 1110 1110 Regroupements en paquets de 4
E E E
7356(8) = EEE(16)
3. Rappels sur l’arithmétique binaire
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
+ Quelque-soit le rang, il y quatre cas qui peuvent survenir lorsqu’on

0 1 1 (3) additionne deux chiffres deux chiffres binaires :
1 1 0 (6) 0 + 0 = 0
0 + 1 = 1
1 0 0 1 (9) 1 + 1 = 10 = 0 + report de 1 sur le rang de gauche
1+1+1 = 11 = 1 + report de 1 sur le rang de gauche
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
3.1.1. Additions Complément à 2

La notation en complément à 1 et la notation en complément en complément à 2 sont très semblables.
Toutefois, la notation en complément à 2 jouit généralement de certains avantages quand vient le temps
de construire des circuits. Nous allons maintenant étudier comment les machines numériques additionnent
et soustraient quand les nombres sont écrits en complément à 2.
Par Gide NKOUKA…


45
a) 1er cas : Deux (2) nombres positifs
L’addition de deux nombres positifs est immédiate.
Soit l’addition de +9 et +4 :
+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.
b) 2e cas : Nombre positif et nombre négatif plus petit

Soit l’addition de +9 et de -4. Rappelez-vous -4 est exprimé dans la notation en complément à 2. Donc
+4 (00100 doit être converti en -4(11100)
+9 0 1 0 0 1
-4 1 1 1 0 0
+5 1 0 0 1 0 1
Report non considéré
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.
c) 3e cas : Nombre positif et nombre négatif plus grand
-9 1 0 1 1 1
+4 0 0 1 0 0
-5 1 1 0 1 1
d) 4e cas : Cas de deux (2) nombres négatifs
-9 1 0 1 1 1
-4 1 1 1 0 0
-13 1 1 0 0 1 1
Par Gide NKOUKA…


46
e) 5e cas : Cas de deux (2) nombres négatifs
-9 1 0 1 1 1
+9 0 1 0 0 1
-13 1 0 0 0 0 0
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.
b) CARRY FLAG (CF)

C’est l’indicateur de report (retenue), qui intervient dans les opérations d’addition et de soustractions sur
des entiers naturels. Il est positionné en particulier par les instructions ADD, SUB et CMP.
CF = 1 s’il y a une retenue après l’addition ou la soustraction du bit de poids fort des opérandes. Exemples
(sur 4 bits pour simplifier) :
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
c) SIGN FLAG (SF)

SF est positionné à 1 si le bit de poids fort du résultat d’une addition ou soustraction est 1 ; sinon SF=0.
SF est utile lorsque l’on manipule des entiers relatifs, car le bit de poids fort donne alors le signe du
résultat. Exemples (sur 4 bits) :
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
Par Gide NKOUKA…


47
3.2. Multiplication des nombres binaires
On multiplie les nombres binaires de la même manière qu’on multiplie les nombres décimaux. En réalité,
le principe est simple car les chiffres du multiplicateur sont toujours à 0 ou à 1, de sorte qu’on multiplie
toujours par 0 ou 1. Voici un exemple de multiplication de deux nombres binaires.
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
3.2.1. Multiplication en complément à 2
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.
3.3. Division des nombres binaires

La division d’un nombre binaire (dividende) par un autre (diviseur) est identique à la division de deux
nombres décimaux. En réalité, la division binaire est plus simple car, puisque pour déterminer combien
de fois le diviseur entre dans le dividende, il n’y a que deux possibilités : 0 ou 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)
Par Gide NKOUKA…


48
4. Codes binaires
4.1. Code BCD ( Binary Coded Decimal)
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
249,310 = 0010 0100 1001, 0010BCD
4.2. Code Excess-3

Le code Excess-3 consiste à faire le même processus qu’en BCD, mais en ajoutant 3 à chaque chiffre
avant la conversion.
2 4 9 ,3
+3  5 7 12 ,6
0101 0111 1100 0110
249,310 = 0101 0111 1100, 0110XS3
4.3. Code Gray

Jusqu’à maintenant, tous les systèmes de numérotation étaient positionnels. Le code Gray est le premier
non positionnel que l’on rencontre. Dans ce code, augmenté de 1 signifie qu’un seul bit change de signe.
0 1 ou 1  0
En particulier :
Décimal Code Gray
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
Par Gide NKOUKA…


49
4.3.1. Conversion Binaire  Code Gray
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
2) Convertir le nombre binaire 1001 en code Gray
𝐺3 = 𝐵4 ⊕ 𝐵3
𝐺3 = 1 ⊕ 0
𝐺2 = 𝐵3 ⊕ 𝐵2 Par conséquent, 011012 = 0101
𝐺2 = 0 ⊕ 0
𝐺1 = 𝐵2 ⊕ 𝐵1
𝐺1 = 0 ⊕ 1
4.3.2. Conversion Code Gray  Binaire
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
2) Convertir le nombre binaire 0110Gray en binaire
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…

50
4.4. Code ASCII (American Standard Code for Information Interchange)
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
054 066 36 00110110 6

055 067 37 00110111 7
056 070 38 00111000 8
057 071 39 00111001 9
058 072 3A 00111010 : (colon)
059 073 3B 00111011 ; (semi-colon)
060 074 3C 00111100 < (less than sign)
061 075 3D 00111101 = (equal sign)
062 076 3E 00111110 > (greater than sign)
063 077 3F 00111111 ? (question mark)
064 100 40 01000000 @ (AT symbol)
065 101 41 01000001 A
066 102 42 01000010 B
067 103 43 01000011 C
068 104 44 01000100 D
069 105 45 01000101 E
070 106 46 01000110 F
071 107 47 01000111 G
072 110 48 01001000 H
073 111 49 01001001 I
074 112 4A 01001010 J
075 113 4B 01001011 K
076 114 4C 01001100 L
077 115 4D 01001101 M
078 116 4E 01001110 N
Par Gide NKOUKA…

Chapitre 4 : Représentation des nombres en mémoire
51

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
Représentation d’un emplacement mémoire
1. Les entiers
Un ordinateur catégorise les entiers en 4 types :

- Es entiers courts non signés ;
- Les entiers longs non signés ;
- Les entiers courts signés ;
- Les entiers longs signés ;
Les termes « courts » et « longs » indiquent l’espace utilisé en mémoire, et « signés » et « non signés »,
la capacité d’avoir des nombres négatifs.
1.1. Les entiers courts non signés
Ils occupent habituellement 16 bits, donc 2 Octets consécutifs. On condense l’écriture avec le nombre
hexadécimal correspondant.
Exemple : Trouvons la représentation de 185
Conversion en binaire de 185 :

185 = 128 + 32 + 16 + 8 + 1
= 27 + 25 + 24 + 23+ 20
18510 = 101110012
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
016 016 B16 916
Ainsi, 18510 correspond à 00B916 dans a mémoire de l’ordinateur.
1.1.1. Valeur minimale
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
Cette valeur correspond à 010 et est représentée par 000016
Par Gide NKOUKA…


52
1.1.2. Valeur maximale
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.
1.2. Les entiers longs non signés
Ils occupent habituellement 32 bits, donc 4 Octets consécutifs. On condense l’écriture avec le nombre
hexadécimal correspondante.
Exemple : Déterminer la représentation de 6145
6145 = 4096 + 2048 + 1

= 212 + 211 + 20
6145 = 0000180116

Cette valeur est 010 et est représentée par 0000 000016

Cette valeur correspond à 232 – 1 donc 4 294 967 29510 et est représentée par FFFF FFFF16
1.3. Les entiers courts signés

Ils occupent habituellement 16 bits, donc 2 octets consécutifs. Le dernier bit (à l’extrême gauche)
représente le signe 0 si positif et 1 si négatif. Les quinze (15) autres bits représentent la valeur du nombre
si positif et le complément du nombre si négatif.
On condense l’écriture avec le nombre hexadécimal correspondant.
Exemple : Déterminer la représentation de - 1118
111810 = 0000 0100 0101 1110
Complément à 1 de 0000 0100 0101 1110
̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅
0000 0100 0101 1110 = 1111 1011 1010 0001
Complément à 2 de 0000 0100 0101 1110
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
1111 1011 1010 00102 = FBA216
Par Gide NKOUKA…


53
Cette valeur sera négative, donc sa représentation commence par 1.
Soit, 1000 0000 0000 0000

̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅
Complément à 1 : 1000 0000 0000 0000 = 0111 1111 1111 1111
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
Cette valeur correspond donc à : -215 = - 32 768
Ainsi, les entiers courts signés permettent de représenter tous les entiers entre -32 768 et 32 767
1.4. Les entiers longs signés
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.
Exemple : Déterminer la représentation de – 2064
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
Cette valeur correspond donc à : - 2064 = FFFFF7F0
Cette valeur sera négative, donc sa représentation commence par 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
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
Cette valeur correspond à -231 = -2 147 483 648

Cette valeur sera positive, donc sa représentation commence par 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
Par Gide NKOUKA…


54
Ainsi, les entiers longs signés permettent de représenter tous les entiers entre : -2 147 483 648 et
2 147 483 647.
2. Les nombres réels

Lorsque vous travaillez avec des nombres réels, la représentation la plus répandue est celle de la notation
en point flottant (float). Cette représentation est basée sur la notation scientifique.
2.1. Notation scientifique

C’est une méthode de représentation des nombres décimaux à l’aide des puissances de 10.
Soit x ∊ ℝ
𝑥 = ±𝑀 × 10𝑛 , 1 ≤ 𝑀 < 10 , 𝑛 ∈
M est appelé la mantisse

n est appelé l’exposant
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) 450 000 = +4,5 × 105

b) −132,24 = −1,3224 × 102
c) 0, 000 067 = 6,7 × 10−5
d) 6 242 000 000 000 000 000 = 6,242 × 1018
a) Version binaire de la notation

Comme l’ordinateur parle en binaire, il serait préférable d’avoir une notation scientifique en binaire aussi.
Soit x ∊ ℝ exprimé en base 2 :
𝑥 = ±𝑀 × 2𝑛 , 110 ≤ 𝑀 < 210 𝑠𝑜𝑖𝑡 12 ≤ 𝑀 < 102
L’exposant n est exprimé en binaire
L’exposant n est exprimé en binaire
Exemples : Écrire en notation scientifique binaire les nombres suivants :
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…

55
2.2. Structure de rangement de l’IEEE (Institut of Electrical and Electronic Engineering)
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).
Espace Signe Exposant Mantisse

32 bits 1 bit 8 bits 21 bits
64 bits 1 bit 11 bits 52 bits
a) Le signe
Le dernier bit (à l’extrême gauche) représente le signe :

0 si positif ;
1 si négatif ;
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
Ainsi, l’exposant sera 01111101
c) La mantisse
On remarque que lorsqu’on normalise un nombre en binaire sous la forme 𝑥 = ±𝑀 × 2𝑛 , on retrouve

toujours 1 avant la virgule. L’architecture de l’IEEE profite de ce fait.
Ainsi, la mantisse sera constituée des 0 et des 1 après la virgule seulement.
Ainsi, la mantisse sera constituée des 0 et des 1 après la virgule seulement.
Par Gide NKOUKA…


56
Lorsque le signe, l’exposant et la mantisse sont déterminés, on range l’ordre des informations.
S Exposant Mantisse
… …
1 bit 8bits 23 bits

32bits
1 bit 11 bits 52 bits
64 bits
Exercices de l’IEEE :
1) Donner la représentation en mémoire du nombre réel 11,25 en 32 bits.
Étape 1 : Convertir en binaire
11,2510 = 1011,012
Étape 2 : Normaliser
1011,01 = 1,01101 × 23
Étape 3 : Biais de l’exposant
3+ 127 = 130
13010 = 100000102
Étape 4 : Représentation
Signe : +, le nombre commence par 0, Exposant : 1 000 0010 ; Mantisse : 1,01101
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
Ainsi, 11,2510 = 413 4000016
2) Donner la représentation en mémoire du nombre réel -0,0625 en 32 bits.
-0,062510 = - 0,00012
-0,0001 = -1,0 × 2-4
-4 + 127 = 123 ; 12310 = 11110112
Étape 4: Représentation
Signe : -, le nombre commence par 1, Exposant : 11110112; Mantisse : 1,0
Par Gide NKOUKA…


57
S Exposant Mantisse
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
3) Donner la représentation en mémoire du nombre réel -17 en 64 bits
- 1710 = - 100012
- 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
Ainsi, -1710 = CD31 00000000000016
4) Donner le nombre réel correspondant à C389 880016 dans la mémoire de l’ordinateur
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…

58
Étape 4 : Écrire sous la forme binaire
- 1,000100110001×28 = - 1 000 100 11,00012
Étape 5 : Convertir en décimal
- 1 000 100 11,00012 = - 275,062510
Ainsi, C389 88 0016 = - 275, 062510
2.3. Représentations particulières
Certaines représentations sont réservées dans l’IEEE. C’est le cas notamment de 0, l’infini et le résultat
indéterminé.
2.3.1. Représentation de zéro

Étant donné que notre mantisse M est entre 12 et 102, il est impossible d’obtenir 0 de la forme :
0 ≠ 1, …, ×2
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.
2.3.2. Représentation de l’infini
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 =+∞
2.3.3. Représentation d’un résultat indéterminé
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
Par Gide NKOUKA…


59
2.3.4. Domaine des nombres réels
a) Valeur maximale et minimale

La rotation scientifique en binaire étant symétrique, nos valeurs maximales et minimales seront données
par la même quantité à un signe près.
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
Ainsi Max et Min

1, 111 111 111 111 111 111 111 11 × 2127 ≈ 6 ± 3,402823466 × 1018
a) Valeur maximale et minimale
Comme on limite l’espace de l’exposant et de la mantisse il est impossible de d’atteindre certaines

valeurs selon la précision.
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
Ainsi, l’IEEE permet de représenter des nombres réels entre :

Simple (32 bits) :1,175 494 351 × 10 -38 et 3,402 823 466 × 10 38 autant positifs
que négatifs.
Double (64 bits) : 2,2251×10 -308 et 1,7977308 autant positifs que négatifs
3. Mémoire d’un ordinateur
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.
Mémoire Octet Octet Octet Octet Octet …
Adresses 0 1 2 2 4 …
Chaque Octet est associé à une adresse permettant au processeur d’y accéder rapidement.
L’ordre d’apparition dépend de l’architecture du processeur.
Par Gide NKOUKA…


60
3.1. Architecture gros-boutiste
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 :
Mémoire Octet Octet
Adresses a a +1
Exemple :
92BE16 dans un système ayant une unité atomique de 1.
Mémoire 92 BE
Adresses 0 1
3.2. Architecture petit-boutiste
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 :
Mémoire Octet Octet
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 :
Valeur exacte Valeur arrondie Valeur tronquée

0,624 371 0,624 4 0,624 3
17, 348 237 17,548 2 17,348 2
-5,677 586 … -5,677 6 -5,677 5
Ainsi, à chaque troncature, on introduit une erreur.
Par Gide NKOUKA…


61
4.1. Erreurs et incertitudes
Intuitivement, l’erreur absolue commise lors d’une approximation, c’est la différence entre la vraie
réponse et approximation
a) Définition d’une erreur absolue
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 $.
! Il sera donc important de relativiser les erreurs en %
b) Définition d’une erreur relative
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
Où représente la valeur absolue (ou positive) d’un nombre.
Exemple : 𝑥 = 17, 148 237
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%
Par Gide NKOUKA…


62
2) a = 17,348
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.
c) Incertitude absolue et relative
L’incertitude absolue ∆a est l’écart maximal possible entre a et x
a - ∆a a a + ∆a
Intervalle de valeurs possibles
L’incertitude relative ∆a% est l’écart en pourcentage :
∆𝑎
∆𝑎 % = | | × 100%
𝑎
Par Gide NKOUKA…


63
Exemple : a = 12, 34 56
On sait que 12,3456 ≤ x ≤ 12, 14 57
Calcul de ∆a
12,34 57 – 12,34 56 = 0,000 1

x = 12,3456± 0,000 1
a ± ∆a
∆ 0,0001
∆a% : | 𝑎| × 100% = | | × 100%
𝑎 12,34 56
∆𝑎 % ≈ 0,000 81%
4.2. Limites de précision de la représentation des données
En pratique, la majorité des nombres réels seront tronqués. Cette troncature engendre nécessairement une
erreur dont nous devront tenir compte.
Exemple : Soit la représentation suivante
S Exposant Mantisse
0 0 1 1 1 0 0 0
M=1,10002 => 1,10002 ≤ M < 1,10012
∆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
! La précision machine réfère à la mantisse, pas au nombre lui-même.
Par Gide NKOUKA…

Exemples : Mathématiques appliquées à l’informatique

64
a) En 32 bits pour la mantisse
ε = 2-23≈ 1,9 × 10−7

b) En 64 bits 52 bits pour la mantisse
ε = 2-52≈ 2,22 × 10−16
4.3. Propagation des erreurs
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.
On a vu que si x est la valeur exacte d’un nombre, et a la valeur tronquée de ce nombre, on a :
𝑎 ≤ 𝑥 < 𝑎 + ∆𝑎 𝑠𝑖 𝑥 > 0 1 Exemples
𝑎 − ∆𝑎 < 𝑥 ≤ 𝑎 𝑠𝑖 𝑥 < 0 a = 4,32 a = - 4,32

2
4,32 ≤ 𝑥 < 4,53 −4,33 < 𝑥 ≤ 𝑥 < −4,32
On simplifie les calculs avec l’écriture suivante :

𝒙 = 𝒂 ± ∆𝒂
a) Incertitude sur une somme
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 :
𝑆 = (𝑥 + 𝑦) ± (∆𝑎 + ∆𝑏 ) 𝑎𝑣𝑒𝑐 (∆𝑎 + ∆𝑏 ) = ∆𝑠
∆S est l’incertitude de la somme : 𝑥 + 𝑦 = 𝑆 ± ∆𝑠
Il est aussi possible d’obtenir l’incertitude relative de la somme :

∆𝑠
∆𝑠 % = | | × 100%
𝑆
Par Gide NKOUKA…


65
Exemples :
𝑥 = 15,758 ± 0,001
𝑦 = 23,104 ± 0,001
Déterminer ∆S et ∆S%
∆𝑎 = ∆𝑏 = 0,001
∆𝑠 = ∆𝑎 + ∆𝑏 = 0,001 + 0,001 = 0,002 ; Soit ∆𝑠 = 0,002
𝑆 = 15,758 + 23,104 = 38,282
∆𝑠 0,002
∆𝑠 % = | | × 100% = | | × 100% ≈ 0,00522%
𝑆 38,282
Soit, ∆𝑠 % = 0,00522%
b) Incertitude sur une différence
Soient x et y, deux nombres réels, a et b, les valeurs tronquées de x et de y et ∆a et ∆b les incertitudes ;

Ainsi :
𝒙 = 𝒂 ± ∆𝒅 𝒆𝒕 𝒚 = 𝒃 ± ∆𝒃
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 )
Posons , 𝑑 = (𝑎 − 𝑏) 𝑒𝑡 ∆𝑑 = (∆𝑎 + ∆𝑏 ). Par conséquent, 𝑥 − 𝑦 = 𝑑 ± ∆𝑑
On note ∆d l’incertitude de la défense.
Il est aussi possible d’obtenir l’incertitude relative de la différence.
∆𝑑
∆𝑑 % = | | × 100%
𝑑
Exemples :
𝑥 = 31,518 ± 0,001 𝑎𝑣𝑒𝑐 (∆𝑎 = ±0,001)

𝑦 = 23,104 ± 0,001 𝑎𝑣𝑒𝑐 (∆𝑏 = ±0,001)
Déterminer ∆𝑑 et ∆d%
∆𝑑 = ∆𝑎 + ∆𝑏 = 0,001 + 0,001 = 0,002
∆𝑑 0,002
∆𝑑 % = | | × 100% = | | × 100% ≈ 0,0238%
𝑑 31,518 − 23,104
Soit, ∆𝑑 % ≈ 0,0238%
Par Gide NKOUKA…


66
c) Incertitude sur un produit
Soient x et y deux nombres réels, a et b, les valeurs tronquées de x et de y et ∆a et ∆b les incertitudes.
Ainsi ;
𝒙 = 𝒂 ± ∆𝒂 𝒆𝒕 𝒚 = 𝒃 ± ∆𝒃
Supposons que x et y sont positifs :
+∆b
-∆b
y b
a -∆a +∆a
Ainsi, à l’aide du schéma, on peut trouver les valeurs maximales et minimales :

Valeur maximale : 𝑥 × 𝑦 = (𝑎 + ∆𝑎 ) × (𝑏 + ∆𝑏 ) = 𝑎𝑏 + (𝑎∆𝑏 + 𝑏∆𝑎 )
Valeur minimale : 𝑥 × 𝑦 = (𝑎 − ∆𝑎 ) × (𝑏 − ∆𝑏 ) = 𝑎𝑏 − (𝑎∆𝑏 + 𝑏∆𝑎 )
Ainsi,
𝑎𝑏
𝑥 × 𝑦 = (𝑎 + ∆𝑎 ) × (𝑏 + ∆𝑏 ) = 𝑎𝑏 ± (𝑎∆𝑏 + 𝑏∆𝑎 ).
𝑎𝑏
𝑎∆𝑏 + 𝑏∆𝑎
𝑥 × 𝑦 = 𝑎𝑏 ± 𝑎𝑏 ( )
𝑎𝑏
𝑎∆𝑏 𝑏∆𝑎
𝑥 × 𝑦 = 𝑎𝑏 ± 𝑎𝑏 ( + )
𝑎𝑏 𝑎𝑏
∆𝑎 ∆ 𝑏
𝑥 × 𝑦 = 𝑎𝑏 ± 𝑎𝑏 ( + )
𝑎 𝑏
∆𝑎 ∆𝑏
𝑃𝑜𝑠𝑜𝑛𝑠 𝑎𝑏 = 𝑃 𝑒𝑡 𝑎𝑏 ( + ) = ∆𝑝 ; 𝑃𝑎𝑟 𝑐𝑜𝑛𝑠é𝑞𝑢𝑒𝑛𝑡 𝒙 × 𝒚 = 𝑷 + ∆𝒑
𝑎 𝑏
Il est aussi possible d’obtenir l’incertitude relative du produit :
∆ ∆
∆𝑝 𝑎𝑏( 𝑎𝑎 + 𝑏 )
∆𝑝 % = | | × 100% = | 𝑏 | × 100%
𝑃 𝑎𝑏
∆𝑎 ∆𝑏
∆𝑝 % = | + | × 100%
𝑎 𝑏
Par Gide NKOUKA…


67
Exemples
𝑥 = 2,4635 ± 0,0001 𝑒𝑡 𝑦 = 1,4627 ± 0,0001
On cherche x.y
Calcul de P
𝑃 = 𝑎. 𝑏 = 2,4635 × 1,4627 => 𝑃 = 3,6033

Calcul de ∆P
∆𝑎 ∆𝑏 0,0001 0,0001
∆𝑝 = 𝑎𝑏 ( + ) = 3,6033 ( + ) => ∆𝑝 = 0,00039362
𝑎 𝑏 2,4635 1,4627
Calcul de ∆P%
∆𝑎 ∆𝑏 0,0001 0,0001
∆𝑝 % = | + | × 100% = | + | × 100% => ∆𝑝 % ≈ 0,0109%
𝑎 𝑏 2,4635 1,4627
d) Incertitude sur un quotient

Soient x et y, deux nombres réels, a et b les valeurs tronquées de x et de y et ∆a et ∆b, les incertitudes.
Ainsi, 𝑥 = 𝑎 ± ∆𝑎 𝑒𝑡 𝑦 = 𝑏 ± ∆𝑏 , Supposons que x et y sont positifs.
𝑥
Pour déterminer l’incertitude de l’opération , nous devons trouver les valeurs maximale et minimale.
𝑦
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
Par Gide NKOUKA…


68
Ainsi,
𝑥 𝑎 (𝑎∆𝑏 + 𝑏∆𝑎 ) 𝑎 𝑎 𝑎∆𝑎 + 𝑏∆𝑎 𝑎
= ± 2
×( )=( )±( )( )
𝑦 𝑏 𝑏 𝑎 𝑏 𝑎𝑏 𝑏
𝑥 𝑎 𝑎 ∆𝑎 ∆𝑏
= ( ) ± ( )( + )
𝑦 𝑏 𝑏 𝑎 𝑏
Posons :
𝑥 𝑎 𝑎 ∆𝑎 ∆𝑏 𝒙
= ( ) = 𝑞 𝑒𝑡 ( ) ( + ) = ∆𝑞 . 𝑃𝑎𝑟 𝑐𝑜𝑛𝑠é𝑞𝑢𝑒𝑛𝑡: = 𝒒 ± ∆𝒒
𝑦 𝑏 𝑏 𝑎 𝑏 𝒚
On note ∆q l’incertitude du quotient.
Il est aussi possible d’obtenir l’incertitude relative du quotient :
∆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 :
1) Quelle représentation serait la plus appropriée pour la variable i ?

Réponse : (Entier court non signé)
POUR i = 1 a 100 FAIRE
factoriel = factoriel × i
FINPOUR
2) Soit t une variable présentant le nombre de secondes écoulés depuis minuit.

Quelle est la représentation la plus appropriée pour la variable t ?
Réponse : (Entier long non signé)
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.
Quelques erreurs dramatiques…
 Bourse de Vancouver
 Missile Scud Irakien
 Explosion de la fusée Ariane 5
Par Gide NKOUKA…

Chapitre 5: Mesure des angles

69
Chapitre
 5
MESURE DES ANGLES
1. Unités de mesure des angles

En imagerie, les triangles et les vecteurs sont des notions primordiales. Avec ces notions, vient le concept
de l’angle et de la mesure de celui-ci. Nous verrons deux (2) mesures : le degré et le radian.
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.
Ainsi, 2π rad = 360°

On trouve donc :
360 ° 180 °
1𝑟𝑎𝑑 = ( ) =( )
2𝜋 𝜋
2𝜋 𝜋
1° = ( ) 𝑟𝑎𝑑 = ( ) 𝑟𝑎𝑑
360 180
Par Gide NKOUKA…


70
Exercices : Conversions Radian Degré et inversement
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.
Par Gide NKOUKA…


71
a) Notion de base sur les triangles
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
 On note : triangle ABC et triangle ABE

 Les côtés sont notés :
̅̅̅̅: 𝑐ô𝑡é 𝑒𝑛𝑡𝑟𝑒 𝐴 𝑒𝑡 𝐵
𝐴𝐵
̅̅̅̅
𝐵𝐶 : 𝑐ô𝑡é 𝑒𝑛𝑡𝑟𝑒 𝐵 𝑒𝑡 𝐶
̅̅̅̅
𝐴𝐶 : 𝑐ô𝑡é 𝑒𝑛𝑡𝑟𝑒 𝐴 𝑒𝑡 𝐶
On note les angles selon le sommet : < A ; < B, < C
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°
Vu l’importance du triangle, il existe plusieurs termes permettant de distinguer certains types de

triangle.
2.1. Triangle équilatéral

C’est un triangle dont les trois côtés ont la même longueur.
<A = <B = < C = 60 °
2.2. Triangle isocèle

C’est un triangle dont 2 côtés ont la même longueur.
<A=<C
Par Gide NKOUKA…


72
2.3. Scalène
C’est un triangle dont les trois côtés sont de longueurs différentes.
2.4. Triangle rectangle
C’est un triangle qui possède un angle droit (90°).
Le côté opposé à l’angle droit est

appelé hypoténuse, alors que les
côtés adjacents sont des cathètes.
Ce triangle a une belle propriété,
gracieuseté du mathématicien et
philosophe Pythagore :
C2 = a2 + b2
2.4.1. Mesure dans un triangle rectangle

- Théorème de Pythagore
Dans un triangle rectangle, la somme des carrés des cathètes est égale à la valeur du carré de
l’hypoténuse
Exemples :
a)
𝑐 2 = 𝑎2 + 𝑏 2
𝑐 2 = (1,5)2 + (1)2 = 3,25
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
Par Gide NKOUKA…


73
3. Trigonométrie (Rappels)
Sinus
𝑂𝑝𝑝 𝑎
sin 𝜃 = =
𝐻𝑦𝑝 𝑐
Cosinus
𝐴𝑑𝑗 𝑏
cos 𝜃 = =
𝐻𝑦𝑝 𝑐
Tangente
𝑂𝑝𝑝 𝑎
tan 𝜃 = =
𝐴𝑑𝑗 𝑏
Lorsque l’on cherche un angle, ce sont les fonctions trigonométriques inverses qui nous intéressent :
sin 𝜃 = 𝑥 => 𝜃 = 𝐴𝑟𝑐 sin 𝑥 = 𝑠𝑖𝑛−1 (𝑥)
cos 𝜃 = 𝑥 => 𝜃 = 𝐴𝑟𝑐 cos 𝑥 = 𝑐𝑜𝑠 −1 (𝑥)
𝑡𝑎𝑛 = 𝑥 => 𝜃 = 𝐴𝑟𝑐 tan 𝑥 = 𝑡𝑎𝑛−1 (𝑥)
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°
Par Gide NKOUKA…


74
3.1. Mesure dans un triangle quelconque

Pythagore et les rapports trigonométriques sont essentiels lorsque l’on travaille avec les triangles
rectangles, mais ils ne s’appliquent pas dans les triangles qui ne le sont pas.
3.1.1. Définition de la loi de sinus

Dans un triangle, les différents rapports entre la mesure d’un côté et celle du sinus de l’angle opposé est :
𝑎 𝑏 𝑐
= =
𝑠𝑖𝑛𝛼 𝑠𝑖𝑛𝛽 𝑠𝑖𝑛𝛾
Exemples :
a)
𝜃 = 180° − 70° − 45°

𝜃 = 60°
𝑥 7
=
sin(70°) sin(65°)
7sin(70°)
=> 𝑥 = ≈ 7,26
sin(65°)
=> 𝑥 ≈ 7,26
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 °
Par Gide NKOUKA…


75
3.1.2. Définition de la loi de cosinus
Soit le triangle ABC suivant :
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
𝑥 2 = 62 + (2,7)2 − 2(6)(27). 𝑐𝑜𝑠60°
𝑥 2 = 27,9 => 𝑥 = √27,9 ≈ 5,20
b)
𝑎2 = 𝑏 2 + 𝑐 2 − 2𝑏𝑐. 𝑐𝑜𝑠𝛼
(11,2)2 = (11,2)2 + (18)2 − 2(11,2)(18). 𝑐𝑜𝑠𝜃
(11,2)2 + (18)2 − (11,2) 324

cos 𝜃 = =
2(11,2)(18) 403,2
324
cos 𝜃 = 𝐴𝑟𝑐𝑐𝑜𝑠 ( ) ≈ 36,53°
403,2
cos 𝜃 ≈ 36,53°
Par Gide NKOUKA…


76
3.2. Aire d’un triangle
L’aire d’un triangle ABC est donnée par la formule
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.
3.2.1. Rappel : (Hauteur d’un triangle)

Soit le triangle ABC suivant :
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
Par Gide NKOUKA…


77
a)
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
82 + (11,6)2 − (5,6)2 167,2

cos 𝜃 = =
2(8)(11,6) 185,6
167,2
𝜃 = 𝐴𝑟𝑐𝑐𝑜𝑠 ( ) ≈ 25,7284°
185,6
ℎ
sin 𝜃 = => ℎ = 8 sin 𝜃
8
Soit, ℎ = 3,4728 𝑐𝑚
𝑏 × ℎ 11,6 × 3,4728
𝐴= = ≈ 20,14 𝑐𝑚2
2 2
𝐴 = 20,14 𝑐𝑚2
Par Gide NKOUKA…


78
4. Formule de Héron
L’aire d’un triangle dont les mesures des côtés sont a, b et c est donnée par :
𝑨 = √𝒑(𝒑 − 𝒂)(𝒑 − 𝒃)(𝒑 − 𝒄)
Où P représente la moitié du périmètre du triangle :

𝑎+𝑏+𝑐
𝑃=
2
Exemple
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 ?
5.2. Définition d’un vecteur

Un vecteur est une quantité comportant une grandeur est une direction. Géométriquement, le vecteur est
représenté par une flèche dont la longueur correspond à la grandeur du vecteur et le sens correspond à la
direction.
Par Gide NKOUKA…


79
5.2.1. Définition d’un vecteur géométrique
Un vecteur géométrique est un segment de droite orienté.
Les vecteurs géométriques sont caractérisés par :
 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.
5.2.2. Définition d’un vecteur algébrique

Un vecteur algébrique est un vecteur exprimé à l’aide de ses composantes (déplacements).
Exemple :
Les composantes a et b du vecteur sont les déplacements horizontal et vertical entre A et B.
𝑎 = 𝑥1 − 𝑥2 ; 𝑏 = 𝑦1 − 𝑦2
Par Gide NKOUKA…


80
5.3. Caractéristiques d’un vecteur
5.3.1. Norme d’un vecteur
⃗⃗⃗⃗⃗ , notée ‖𝐴𝐵
La norme d’un vecteur 𝐴𝐵 ⃗⃗⃗⃗⃗ ‖, correspond à la longueur du vecteur.
Synonymes : Module, Intensité, grandeur

a) Définition d’un vecteur nul
C’est un vecteur dont la norme vaut 0. Il est noté ⃗0
b) Définition d’un vecteur unitaire

Un vecteur unitaire est un vecteur dont la norme vaut 1.
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
⃗⃗⃗⃗⃗⃗⃗ = √9 + 1 = √10 ≈ 3,162𝑢

‖𝑣‖
5.3.2. Direction d’un vecteur
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°
Par Gide NKOUKA…


81
5.4. Positions relative d’un vecteur
5.4.1. Angles entre deux (2) vecteurs
Soient 𝑢
⃗ et 𝑣 , deux vecteurs non nuls. Le plus petit angle déterminé par ces vecteurs lorsque leurs
origines coïncident est appelé : l’angle entre deux vecteurs.
Ainsi ; 0° ≤ 𝜃 ≤ 180°
a) Vecteurs égaux (équipollents)
Deux vecteurs sont égaux si et seulement s’ils ont la même longueur et la même direction. Ainsi, 𝑢
⃗ = 𝑣.
Dans le même plan, si deux vecteurs ont la même longueur, qu’ils sont parallèles et que l’angle entre
ceux-ci vaut 0°, ils sont égaux.
b) Vecteurs colinéaires
Deux vecteurs sont colinéaires si les droites qui les supportent sont parallèles.
Dans le plan, l’angle entre tous les vecteurs sera de 0° et 180°

c) Vecteurs orthogonaux
Deux vecteurs sont orthogonaux si les droites qui les supportent sont perpendiculaires.
Dans le plan, l’angle entre les vecteurs sera 90°
Par Gide NKOUKA…


82
0
5.5. Opérations sur les vecteurs
5.5.1. Addition\Soustraction de deux vecteurs
Soient 𝑢
⃗ et 𝑣 deux (2) vecteurs ; l’addition de 𝑢
⃗ et 𝑣 représente l’effet total des deux vecteurs.
5.5.1.1. Vecteur résultant

C’est le vecteur qui représente la somme de 𝑢
⃗ + 𝑣.
On note : 𝒖
⃗ + 𝒗
⃗
5.5.1.2. Méthode du parallélogramme

- Mettre en commun les origines du vecteur ;
- Compléter le parallélogramme ayant les deux (2) vecteurs comme côtés ;
- Les diagonales partant des deux origines représentent 𝑢
⃗ +𝑣
5.5.1.3. Méthode du triangle

- Placer les vecteurs de bout en bout ;
- Le vecteur partant de l’origine du premier jusqu’à l’extrémité du deuxième représente 𝑢
⃗ +𝑣
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.
Par Gide NKOUKA…


83
5.5.1.4. Vecteurs opposés
Le vecteur opposé de 𝑢⃗ est le vecteur avec la même norme mais la direction contraire.
On note : −𝑢
⃗
Ainsi la soustraction devient :
𝑢
⃗ −𝑣 = 𝑢
⃗ + (−𝑣 ).
Il suffit d’additionner le vecteur opposé pour effectuer la soustraction.
Exemples :
a)
𝑣+𝑤
⃗⃗
c)
𝑢
⃗ +𝑣+𝑤
⃗⃗
b) 𝑢
⃗ −𝑤
⃗⃗ = 𝑢
⃗ + (−𝑤
⃗⃗ )
Par Gide NKOUKA…


84
⃗ = [2 −3]; 𝑣 = [−3 1]; 𝑤
𝑢 ⃗⃗ = [−1 −4]
d)
𝑢 ⃗⃗ = [−3 + (−2) 1 + (−4)]

⃗ +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
5.5.1.5. Propriétés de l’addition de vecteurs

a) Commutativité
Comme pour les autres opérations vues dans le cours, l’addition de vecteurs est commutative :
𝑢
⃗ +𝑣 =𝑣+𝑢
⃗
Par Gide NKOUKA…


85
b) Associativité
L’addition de vecteur est associative.
(𝑢
⃗ + 𝑣) + 𝑤
⃗⃗ = 𝑢
⃗ + (𝑢
⃗ + 𝑣)
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
⃗⃗⃗⃗⃗
Exemple : Simplifier 𝜑 ⃗⃗⃗⃗⃗ – 𝐹𝐷

⃗ = 𝐴𝐷 ⃗⃗⃗⃗⃗ + 𝐷𝐴
⃗⃗⃗⃗⃗ + 𝐹𝐶 ⃗⃗⃗⃗⃗
𝜑 ⃗⃗⃗⃗⃗ + 𝐷𝐹
⃗ = 𝐴𝐷 ⃗⃗⃗⃗⃗ + 𝐷𝐴
⃗⃗⃗⃗⃗ + 𝐹𝐶 ⃗⃗⃗⃗⃗ / 𝑉𝑒𝑐𝑡𝑒𝑢𝑟 𝑜𝑝𝑝𝑜𝑠é
𝜑 ⃗⃗⃗⃗⃗ + 𝐷𝐴
⃗ = 𝐴𝐷 ⃗⃗⃗⃗⃗ + 𝐷𝐹 ⃗⃗⃗⃗⃗ / 𝐶𝑜𝑚𝑚𝑢𝑡𝑎𝑡𝑖𝑣𝑖𝑡é
⃗⃗⃗⃗⃗ + 𝐹𝐶
𝜑 ⃗⃗⃗⃗⃗ + 𝐷𝐶
⃗ = 𝐴𝐴 ⃗⃗⃗⃗⃗⃗⃗ / 𝑅𝑒𝑙𝑎𝑡𝑖𝑜𝑛 𝑑𝑒 𝐶ℎ𝑎𝑠𝑙𝑒𝑠
𝜑 ⃗⃗⃗⃗⃗ / É𝑙é𝑚𝑒𝑛𝑡 𝑛𝑒𝑢𝑡𝑟𝑒

⃗ = 𝑜 + 𝐷𝐶
𝜑 ⃗⃗⃗⃗⃗
⃗ = 𝐷𝐶
5.5.2. Multiplication d’un vecteur algébrique par un scalaire
Lorsqu’on additionne plusieurs fois le même vecteur (𝑢

⃗ +𝑢 ⃗ ), on peut simplifier en regroupant nos
⃗ +𝑢
additions (3𝑢
⃗ ).
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.
Par Gide NKOUKA…


86
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]
Par Gide NKOUKA…


87
5.5.3. Produit scalaire de deux (2) vecteurs algébriques
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
Il est évident que le produit est commutatif

- Géométrique
⃗ . 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
On peut vérifier algébriquement que 𝑢

⃗ . (𝑣 + 𝑤
⃗⃗ ) = 𝑢
⃗ .𝑣 + 𝑢
⃗ .𝑤
⃗⃗
⃗⃗ ) = 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
⃗⃗
Par Gide NKOUKA…


88
5.5.4. Produit scalaire et angle de deux vecteurs
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
𝑣 = √(𝑣1 )2 + (𝑣2 )2 = √62 + (1)2 = √37

1 37
𝑢
⃗ . 𝑣 = 𝑢1 𝑣1 + 𝑢2 𝑣2 = 2 × 6 + ( ) × 1 =
3 3
37
𝑢1 𝑣1 + 𝑢2 𝑣2 3
𝜃 = 𝐴𝑟𝑐𝑐𝑜𝑠 ( ) = 𝐴𝑟𝑐𝑐𝑜𝑠 ( )
‖𝑢⃗ ‖. ‖𝑣 ‖ √37
√37 × 3
37
𝜃 = 𝐴𝑟𝑐𝑐𝑜𝑠 ( ) = 𝐴𝑟𝑐𝑜𝑠(1) => 𝜃 = 0°
37
5.5.5. Vecteurs orthogonaux
Que se passe-t-il lorsque l’angle entre les vecteurs est de 90° ?

⃗ ‖. ‖𝑣 ‖ cos(90°) ; 𝑐𝑜𝑠(90°) = 0
⃗ . 𝑣 = ‖𝑢
𝑢
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 :
⃗ = [−2 3] 𝑣 = [6 4] 𝑤 = [−3 −2]

𝑢
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
Par Gide NKOUKA…

Chapitre 6: Application des vecteurs et des matrices

89
Chapitre
 6
APPLICATIONS DES VECTEURS ET DES MATRICES
1. Définition de vecteurs et des matrices

Dans le chapitre 5, on a défini les vecteurs dans le plan cartésien :
1.1. Vecteur algébrique
C’est un vecteur défini par ses composantes horizontales et verticales.
⃗ = [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 façon générale, pour la matrice A possédant m lignes et n colonnes, on a :

𝑎11 𝑎12 𝑎13 ⋯ 𝑎1𝑛
𝑎21 𝑎22 𝑎23 ⋯ 𝑎2𝑛
𝐴𝑚×𝑛 = 𝑎31 𝑎32 𝑎33 ⋯ 𝑎3𝑛
⋮ ⋮ ⋮ ⋯ ⋮
[𝑎𝑚1 𝑎𝑚2 𝑎𝑚2 ⋯ 𝑎𝑚𝑛 ]
De plus, chaque données dans la matrice porte le nom d’éléments. La position de l’élément détermine
ses indices.
Par Gide NKOUKA…


90
Exemple : L’élément en position ligne 2, colonne 3 de la matrice A est : 𝑎23

En général :
Ligne i, colonne j : 𝑎𝑖𝑗
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
2. Image vectorielle et matricielle

En informatique, il existe deux grandes familles d’images : L’image vectorielle et l’image matricielle.
2.1. Image vectorielle
C’est une image numérique codée à l’aide de la liste des éléments géométriques (segment de droite,
polygones, arcs de cercles, courbes de Béziers, etc.) qui la compose et de leurs caractéristiques (forme,
position, couleur, etc.)
Exemples : Post script, PDF, Illustrator, CGM, SVG, DXF, …
2.2. Image matricielle (bitmap)
C’est une image numérique codée sous la forme d’une matrice de points colorés appelés pixels. Le fichier
d’une image matricielle contient donc une matrice de données où chaque case d’information correspond
à un nombre associé à la couleur du pixel.
Exemples : bmp, gif, tiff, png, jpeg
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.
Par Gide NKOUKA…


91
3. Taille et dimension d’une image numérique
Quand on parle de la grandeur d’une image matrice, il faut faire une distinction entre la taille de cette
image (sur papier, sur un projecteur, etc.) et la dimension de celle-ci (nombre de lignes et de colonnes
de pixels).
3.1. Dimension d’une image

C’est la dimension de la matrice de l’image, du nombre de lignes et de colonnes de pixels.
3.2. Taille d’une image
C’est l’espace qu’occupe le rendu de l’image (Sur papier, projecteur, etc.) On la calcule en hauteur et en
largeur. Les unités sont généralement en pouces ou en centimètres.
Exemples
Un écran en full HD (1080p)
1080 pixels
1920 pixels
Un écran de télévision de 55 po
55 po
Taille de 55 Pouces en diagonale
Par Gide NKOUKA…


92
4. Rapport d’affichage d’une image numérique
Les images sont typiquement représentées sous forme rectangulaire permettant ainsi un vaste étendu de
dimensions ou taille.
Pour avoir une meilleure idée des proportions de l’image, on utilise le rapport d’affichage.
5. Définition d’un rapport d’affichage
C’est le rapport calculé à partir de la taille d’une d’image. Il met en relation les mesures de côtés de
l’image (longueur et hauteur). On note a:b ou a/b signifiant que pour a unités de longueur on a b unités
de hauteur.
Dans certain cas, lorsque les pixels du support d’affichage sont parfaitement carrés, le rapport
d’affichage peut se calculer avec les dimensions de l’image plutôt que la taille.
Exemples : LCD, TFT, LED ou Plasma
On remarque que certains rapports sont plus fréquents que d’autres.
6. Les télévisions standards ont un rapport d’affichage de 3:2 ;
7. Les télévisions HD ont un rapport d’affichage de 16:9 ou 16 :10 ;
8. Les moniteurs classiques ont un rapport de 4:3
9. Les téléphones intelligents ont un rapport de 21:10 ou 19:9.
Exemple : Soit un écran 55po. De rapport 16:9.
Quelle est la taille (longueur et hauteur) de l’écran ?
55 po 9x ≈ 55 po
16x ≈ 47,9 po
Corrigé
√(9𝑥)2 + (16𝑥)2 = 55𝑝𝑜
√337𝑥 2 = 55𝑝𝑜
55𝑝𝑜
𝑥= ≈ 2,996 𝑃𝑜 => 𝑥 ≈ 3 𝑃𝑜
√337
Par Gide NKOUKA…


93
6. Définition et résolution d’une image numérique
Lorsqu’on décrit une image, on parle aussi de la définition et de la résolution de l’image.
7. Définition d’une image numérique
C’est le nombre total de pixels contenus dans une image. Soit φ la définition d’une image numérique.
𝜑 = (𝑁𝑏𝑟𝑒 𝑝𝑖𝑥𝑒𝑙𝑠 𝑙𝑜𝑛𝑔𝑢𝑒𝑢𝑟 × 𝑁𝑏𝑟𝑒 𝑝𝑖𝑥𝑒𝑙𝑠 𝐻𝑎𝑢𝑡𝑒𝑢𝑟)
Par exemple, la définition offerte par un appareil photo est habituellement utilisée pour donner la
précision de l’image.
Donc, un appareil 15 Mégapixels (15 Mpx) donne des images contenant 15 millions de pixels.
Exemple :
1) 5000 px de long, 3000 px de haut
5000 × 3000 = 15 000 000 𝑝𝑥

2) Quelles sont les dimensions d’une photographie avec une définition de 15Mpx et un rapport de
3:2 ?
15Mpx 2x
3x
2𝑥. 3𝑥 = 15𝑀𝑝𝑥
6𝑥 2 = 15 000 000 𝑝𝑥
𝑥 ≈ 1581 𝑝𝑥
=> 3𝑥 = 3. 1581 = 4782 𝑝𝑥
=> 2𝑥 = 2. 1581 = 3162 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.
Par Gide NKOUKA…


94
8. Résolution d’une image
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).
On calcule les résolutions horizontales (Rx) et verticales (Ry) indépendamment :
𝑥
𝑅𝑥 = ; 𝑥 𝑒𝑠𝑡 𝑙𝑒 𝑛𝑜𝑚𝑏𝑟𝑒 𝑑𝑒 𝑝𝑖𝑥𝑒𝑙𝑠 à 𝑙 ′ ℎ𝑜𝑟𝑖𝑧𝑜𝑛𝑡𝑎𝑙𝑒
𝑙𝑜𝑛𝑔𝑢𝑒𝑢𝑟
𝑦
𝑅𝑦 = ; 𝑦 𝑒𝑠𝑡 𝑙𝑒 𝑛𝑜𝑚𝑏𝑟𝑒 𝑑𝑒 𝑝𝑖𝑥𝑒𝑙𝑠 à 𝑙𝑎 𝑣𝑒𝑟𝑡𝑖𝑐𝑎𝑙𝑒
ℎ𝑎𝑢𝑡𝑒𝑢𝑟
On peut ainsi calculer une seule valeur de résolution globale :
(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.
(4𝑥)2 + (3𝑥)2 = 152
25𝑥 2 = 225 => 𝑥 = 3 15 po

3x
Évaluons maintenant la résolution
𝑥 320𝑝𝑥
𝑅𝑥 = = ≈ 26,67𝑝𝑝𝑝
𝑙𝑜𝑛𝑔𝑢𝑒𝑢𝑟 12𝑃𝑜
𝑦 200𝑝𝑥 4x
𝑅𝑦 = = ≈ 22,22𝑝𝑝𝑝
ℎ𝑎𝑢𝑡𝑒𝑢𝑟 9𝑃𝑜
(𝑅𝑥 )2 + (𝑅𝑦 )2 (26,67)2 + (22,22)2

𝑅=√ =√ => 𝑅 = 24,55𝑝𝑝𝑝
2 2
Par Gide NKOUKA…


95
9. Codage des couleurs
9.1. Profondeur des couleurs
Lorsque l’on code une image numérique, chaque couleur et ton sont associés à un nombre entier
différent prédéterminé.
Exemple :
0 : Noir
1 : Blanc
De cette manière, un seul bit permet de coder la couleur d’un pixel. Plus on ajoute des bits, plus on
augmente les couleurs et les teintes possibles pour l’image.
Exemple : en 2bits
00 : Noir
01 : Gris foncé
10 : Gris pâle
11 : Blanc
On comprend donc que pour avoir une image avec plusieurs couleurs et teintes, il faut coder celle-ci à
l’aide d’un plus grand nombre de bits.
Mémoire Nombre de tons
1px = 1bit 21 = 2 tons
1px = 2 bits 22 = 4 tons
1px = 8 bits 28 = 256 tons
1px = 16 bits 216 = 65 536 tons
1px = 24 bits 224 = 16 777 216 tons
1px = 30 bits 230 = 1 093 741 824 tons
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.
Par Gide NKOUKA…

96
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.
9.2. Codage RVB

En réalité, les images numériques couleurs sont composées de trois images (canaux) superposées l’une
sur l’autre : une rouge, une verte et une bleue. Cette méthode se base sur le fonctionnement de l’œil
humain et des cônes qui permettent de distinguer les couleurs.
On utilise la synthèse additive des couleurs pour reconstruire la couleur d’un pixel. Les écrans sont
d’ailleurs construits selon ce principe.
Ainsi, la matrice de l’image matricielle sera constituée de cases contenant trois (3) valeurs.
Exemple : une image à 24 bpp

24 bpp
8 bits de rouge
8 bits de vert
8 bits de bleu
Par Gide NKOUKA…


97
De cette façon, chaque couleur sera associée à un nombre entre 0 et 255 donc 256 tous différents.
La plupart des logiciels d’imagerie permettent d’utiliser le système RGB.
Finalement, on représente la couleur en hexadécimal : # 00 00 00
Exemple : R V B
Voici quelques exemples de codes de couleurs RVB :

10. Les couleurs de base (rouge, vert, bleu) sont obtenues en donnant une valeur uniquement à la
composante qui leur correspond.
Couleur (r,v,b) Notation Hexadécimale
Rouge (255,0,0) #FF0000
Vert (0,255,0) #00FF00
Bleu (0,0,255) #0000FF
Blanc (255,255,255) #FFFFFF
Noir (0,0,0) #000000
Jaune (255,255,0) #FFFF00
Cyan (0,255,255) #00FFFF
Magenta (255,0,255) #FF00FF
Et pourquoi pas 10 bits de couleurs ?
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.
9.3. Codage CMJ

Tout comme le RGB, le CMJ est une technique de codage de la couleur. Cette technique utilise le principe
de synthèse soustractive des couleurs.
En d’autres termes, le CMJ bloque certaines couleurs et forme ainsi une image "négative" (comme en
photographie). Cette technique permet notamment d’imprimer des images sur un fond blanc.
Par Gide NKOUKA…


98
Exemples :
1) Rouge : (255 ,0,0) en RGB

En CMJ (0,255,255)
2) Vert : (0 ,255,0) en RGB

En CMJ : (255,0,255)
3) Bleu: (0,0,255) en RGB

En CMJ : (255,255,0)
4) Blanc: (255,255,255) en RGB

En CMJ : (0,0,0)
5) Blanc: (0,0,0) en RGB

En CMJ : (255,255,255)
Ainsi, on remarque que passer du RGB au CMJ revient à soustraire la valeur de notre couleur à la valeur
255 :
Cyan = 255 – rouge
Magenta = 255 – vert
Jaune = 255 – Bleu
Exemple :
1) Soit (R,V,B) = (10, 100, 200)
C = 255 – 10 = 245
M = 255 – 100 = 155
J = 255 – 200 = 55
D’où : pour (RVB) = (10, 100, 200) on a (CMJ) = (245, 155, 55)
2) Soit (C,M,J) = (255, 30, 100)
R = 255 – 255 = 0
V = 255 – 30 = 225
B = 255 – 100 = 155
D’où : pour (CMJ) = (255, 30, 100) on a (RVB) = (0, 225, 155)
Puisque ce type de codage permet de reproduire l’effet de l’encre sur du papier blanc, on comprend qu’il
soit le codage privilégié pour les images destinées à l’impression sur du papier. C’est pourquoi les
cartouches d’encre dans les imprimantes correspondent aux couleurs de bases du code CMJ, soit le cyan,
le magenta et le jaune (voir l’image ci-dessous).
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.
Par Gide NKOUKA…


99
10. Poids d’une image numérique
Une image numérique est l’espace mémoire (en octet) utilisé pour stocker l’information contenu dans
l’image.
𝑵𝒐𝒎𝒃𝒓𝒆 𝒕𝒐𝒕𝒂𝒍 𝒅𝒆 𝒃𝒊𝒕𝒔 𝑷𝒓𝒐𝒇𝒐𝒏𝒅𝒆𝒖𝒓 × 𝒅é𝒇𝒊𝒏𝒊𝒕𝒊𝒐𝒏

𝑷𝒐𝒊𝒅𝒔 (𝑶𝒄𝒕𝒆𝒕) = =
𝟖 𝒃𝒊𝒕𝒔 𝟖𝒃𝒊𝒕𝒔
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
𝑑é𝑓𝑖𝑛𝑖𝑡𝑖𝑜𝑛 × 𝑃𝑟𝑜𝑓𝑜𝑛𝑑𝑒𝑢𝑟 5 000 000 × 8

𝑃𝑜𝑖𝑑𝑠 = => 𝑑é𝑓𝑖𝑛𝑖𝑡𝑖𝑜𝑛 =
8 𝑏𝑖𝑡𝑠 24
𝑑é𝑓𝑖𝑛𝑖𝑡𝑖𝑜𝑛 ≈ 1 666 667 𝑝𝑖𝑥𝑒𝑙𝑠
b) Trouver les dimensions
3x
4x
2
3𝑥 × 4𝑥 = 1 666 667 𝑝𝑥 => 12𝑥 = 1 666 667
1 666 667
𝑥=√ => 𝑥 ≈ 373, 68
12
3𝑥 = 3 × 373,68 => 3𝑥 ≈ 1118𝑝𝑥
4𝑥 = 4 × 373,68 => 4𝑥 ≈ 1491𝑝𝑥
Donc, les dimensions de l’image sont : 1491 px de large et 1118px de hauteur
Par Gide NKOUKA…

Table des matières

101
TABLE DES MATIÈRES
LES ENSEMBLES ................................................................................................................................... 6

1.Définitions et notation ....................................................................................................................... 6
1.1. Notions d’ensemble.................................................................................................................... 6
1.2. Éléments ..................................................................................................................................... 6
1.3. Écriture d’un ensemble ............................................................................................................. 6
1.4. Ensembles particuliers .............................................................................................................. 7
1.5. Types d’ensembles ..................................................................................................................... 7
2. Diagramme de Venn......................................................................................................................... 7
3. Lien entre deux ensembles ............................................................................................................... 8
3.1. L’égalité ...................................................................................................................................... 8
3.2. Sous-ensemble ............................................................................................................................ 8
3.3. Ensembles disjoints ................................................................................................................... 8
3.4. Applications ............................................................................................................................... 8
4. Propriétés des opérations sur les ensembles .................................................................................. 9
4.1. Commutativité des opérations .................................................................................................. 9
4.2. Associativité des opérations .................................................................................................... 10
4.3. Distributivité des opérations................................................................................................... 10
4.4. Élément neutre......................................................................................................................... 10
4.5. Élément absorbant .................................................................................................................. 11
4.6. Idempotence ............................................................................................................................. 11
4.7. Propriétés du complément ...................................................................................................... 12
4.8. Lois de De Morgan .................................................................................................................. 12
4.9. Écrire la différence ou la différence symétrique à l’aide de l’intersection ou l’union ...... 13
5. Simplification à l’aide des propriétés ........................................................................................... 13
LOGIQUE ET ALGÈBRE DE BOOLE ............................................................................................. 14
1. Opérateurs logiques ET, OU, NON, OU exclusif ........................................................................ 14
1.1. Opérateur ET (Conjonction) .................................................................................................. 14
1.2. Opérateur OU (Disjonction) ................................................................................................... 15
1.3. Opérateur NON (Négation) .................................................................................................... 16
1.4. Opérateur OU exclusif (Disjonction exclusive) ..................................................................... 17
1.5. Tautologie, contradiction et équivalence ............................................................................... 17
2. Énoncés conditionnelles et biconditionnelles ............................................................................... 19
2.1. Hypothèse-Conclusion............................................................................................................. 19
2.2. Double implication .................................................................................................................. 19
2.3. L’implication en informatique ............................................................................................... 20
2.4. Réciproque et contraposée ...................................................................................................... 20
3. Les opérations bit à bit ................................................................................................................... 20
3.1. Symboles utilisés en C ............................................................................................................. 20
3.2. Application en cryptographie ................................................................................................. 21
4. Circuits et portes logiques ............................................................................................................. 22
4.1. Porte OU exclusif X- OR......................................................................................................... 23
4.2. Portes NON ET (NAND), NON OU (NOR), NON OU exclusif (X-NOR) .......................... 23
5. Propriétés des opérations sur les ensembles ................................................................................ 24
5.1. Commutativité ......................................................................................................................... 24
5.2. Associativité ............................................................................................................................. 25
5.3. Distributivité ............................................................................................................................ 27
5.4. Élément neutre......................................................................................................................... 28
5.5. Élément absorbant .................................................................................................................. 29
5.6. Idempotence ............................................................................................................................. 29
5.7. Propriétés du complément ...................................................................................................... 30
5.8. Complément du ET LOGIQUE et du OU LOGIQUE ......................................................... 30
6. Simplification booléenne ................................................................................................................ 31
6.1. Simplification avec propriétés ................................................................................................ 31
6.2. Simplification à l’aide des tableaux de Karnaugh ................................................................ 32
SYSTÈMES DE NUMÉROTATIONS ET OPÉRATIONS ............................................................. 36
1. Le système de numérotation .......................................................................................................... 36
1.1. Le système décimal .................................................................................................................. 36
1.2. Le système binaire ................................................................................................................... 36
1.3. Le système Octal ...................................................................................................................... 37
1.4. Le système Hexadécimal ......................................................................................................... 38
2. Conversion d’un système ............................................................................................................... 39
2.1. Binaire /Octal/HexadécimalDécimal .................................................................................. 39
2.2. Décimal Binaire /Octal/Hexadécimal ................................................................................. 40
2.3. Conversion Binaire-Octal ....................................................................................................... 42
2.4. Conversion Octal-Binaire ....................................................................................................... 42
2.5. Conversion Hexadécimal-Binaire .......................................................................................... 43
2.6. Conversion Binaire-Hexadécimal .......................................................................................... 43
2.7. Conversion hexadécimal-Octal............................................................................................... 43
2.8. Conversion Octal-hexadécimal............................................................................................... 44
3. Rappels sur l’arithmétique binaire ............................................................................................... 44
3.1. Addition binaire....................................................................................................................... 44
3.2. Multiplication des nombres binaires .................................................................................... 47
3.3. Division des nombres binaires ............................................................................................... 47
4. Codes binaires ................................................................................................................................. 48
4.1. Code BCD ( Binary Coded Decimal) ..................................................................................... 48
4.2. Code Excess-3 .......................................................................................................................... 48
4.3. Code Gray ................................................................................................................................ 48
4.4. Code ASCII (American Standard Code for Information Interchange) ............................. 50
REPRESENTATION DES NOMBRES EN MEMOIRE ................................................................. 51
1. Les entiers ................................................................................................................................... 51
1.1. Les entiers courts non signés ............................................................................................. 51
1.2. Les entiers longs non signés ............................................................................................... 52
1.3. Les entiers courts signés..................................................................................................... 52
1.4. Les entiers longs signés ...................................................................................................... 53
2. Les nombres réels ....................................................................................................................... 54
2.1. Notation scientifique........................................................................................................... 54
2.2. Structure de rangement de l’IEEE (Institut of Electrical and Electronic Engineering)
55
2.3. Représentations particulières ............................................................................................ 58
3. Mémoire d’un ordinateur .......................................................................................................... 59
3.1. Architecture gros-boutiste ................................................................................................. 60
3.2. Architecture petit-boutiste ................................................................................................. 60
4. Limites de précision.................................................................................................................... 60
4.1. Erreurs et incertitudes ....................................................................................................... 61
4.2. Limites de précision de la représentation des données ................................................... 63
4.3. Propagation des erreurs ..................................................................................................... 64
5. Choix de la représentation ......................................................................................................... 68
MESURE DES ANGLES ...................................................................................................................... 69
1. Unités de mesure des angles....................................................................................................... 69
a) Définition du degré ................................................................................................................. 69
b) Définition du radian ............................................................................................................... 69
2. Les triangles ................................................................................................................................ 70
a) Notion de base sur les triangles ............................................................................................. 71
2.1. Triangle équilatéral ............................................................................................................ 71
2.2. Triangle isocèle ................................................................................................................... 71
2.3. Scalène ................................................................................................................................. 72
2.4. Triangle rectangle............................................................................................................... 72
3. Trigonométrie (Rappels) ............................................................................................................ 73
3.1. Mesure dans un triangle quelconque ................................................................................ 74
3.2. Aire d’un triangle ............................................................................................................... 76
4. Formule de Héron ...................................................................................................................... 78
5. Les vecteurs ................................................................................................................................. 78
5.1. Notions de base sur les vecteurs ............................................................................................. 78
5.2. Définition d’un vecteur ........................................................................................................... 78
5.3. Caractéristiques d’un vecteur ................................................................................................ 80
5.4. Positions relative d’un vecteur ............................................................................................... 81
5.5. Opérations sur les vecteurs ..................................................................................................... 82
APPLICATIONS DES VECTEURS ET DES MATRICES .............................................................. 89
1. Définition de vecteurs et des matrices ...................................................................................... 89
1.1. Vecteur algébrique ............................................................................................................. 89
2. Image vectorielle et matricielle.................................................................................................. 90
2.1. Image vectorielle ................................................................................................................. 90
2.2. Image matricielle (bitmap) ................................................................................................ 90
3. Taille et dimension d’une image numérique ............................................................................ 91
3.1. Dimension d’une image ...................................................................................................... 91
3.2. Taille d’une image .............................................................................................................. 91
4. Rapport d’affichage d’une image numérique .......................................................................... 92
5. Définition d’un rapport d’affichage.......................................................................................... 92
6. Définition et résolution d’une image numérique ..................................................................... 93
7. Définition d’une image numérique ........................................................................................... 93
8. Résolution d’une image .............................................................................................................. 94
9. Codage des couleurs ................................................................................................................... 95
9.1. Profondeur des couleurs .................................................................................................... 95
9.2. Codage RVB ........................................................................................................................ 96
9.3. Codage CMJ ....................................................................................................................... 97
10. Poids d’une image numérique ............................................................................................... 99
TABLE DES MATIÈRES ................................................................................................................... 101

PROG S1 Maths Appliquées À L'linformatique

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

PROG S1 Maths Appliquées À L'linformatique

Transféré par

Droits d'auteur :

Formats disponibles

ÉCOLE SUPÉRIEURE DE GESTION ET

D’ADMINISTRATION DES ENTREPRISES

Année académique 2022-2023

UE : UE4 Éléments constitutifs (EC) : Mathématiques appliquées à l’informatique

Volume horaire présentiel : 15 H

Méthode pédagogique : Cours théorique, Rappel de certaines notions mathématiques

Chapitre1 : Les ensembles

Chapitre 2 : Logique et Algèbre de Boole

Chapitre 3 : Systèmes de numérotation et opérations

Chapitre 4 : Données en mémoire

Chapitre 5 : Mesures des angles

Chapitre 6 : Applications des vecteurs et des matrices

Titre Cours d’algèbre Maths Sup

Titre Cours de systemes logiques

Chapitre I : Les ensembles 6

Chapitre II : Logique et Algèbre de Boole 14

Chapitre III- Systèmes de numérotation et opérations 36

Chapitre IV : Représentation des nombres en mémoire 51

Chapitre V : Mesure des angles 69

Chapitre VI : Applications des vecteurs et des matrices 89

Table des matières 101

1.3. Écriture d’un ensemble

Par Gide NKOUKA…

Mathématiques appliquées à l’informatique

1.5.2. Ensemble infini

Par Gide NKOUKA…

Mathématiques appliquées à l’informatique

3.3. Ensembles disjoints

Par Gide NKOUKA…

Mathématiques appliquées à l’informatique

En mathématiques, la différence symétrique entre deux ensembles est l’ensemble

Par Gide NKOUKA…

Mathématiques appliquées à l’informatique

L’addition et la multiplication sont associatives dans ℝ

4.3. Distributivité des opérations

4.4. Élément neutre

Par Gide NKOUKA….

Mathématiques appliquées à l’informatique

b) Élément neutre pour l’union

c) Élément neutre pour la différence symétrique

4.5. Élément absorbant

4.5.2. Élément absorbant de l’union

Par Gide NKOUKA…

Mathématiques appliquées à l’informatique

4.6.1. Idempotence de l’intersection

4.6.2. Idempotence de l’union

4.7. Propriétés du complément

4.7.3. Intersection avec son complément

Le complément de l’ensemble vide ∅ est égal à l’ensemble universel E.

Le complément de l’ensemble universel est l’ensemble vide.

4.8. Lois de De Morgan

4.8.2. Complément de l’union

Par Gide NKOUKA…

Mathématiques appliquées à l’informatique

4.9. Écrire la différence ou la différence symétrique à l’aide de l’intersection ou l’union

4.9.2. Différence symétrique avec l’intersection et l’union

5. Simplification à l’aide des propriétés

Ce qu’il faut retenir…

- Les différents ensembles

Par Gide NKOUKA…

1. Opérateurs logiques ET, OU, NON, OU exclusif

Entrée Commutateur Sortie

L’état des commutateurs dicte le signal obtenu à la sortie.