RYN Ree ate ed atco(tereast aera R ia MeCN Eb asta trae) errs acuet it) Didier Marx PT TMT Carer TTeliy PVA ay TXT MRM AM AAU pel a a ehol OS 5 Licence * Prépas * IUT Pentre l-neolt led Pica eer9 d’application MB 500 exercices Cok Thee tiacarciale ree MAC Ca Peet RT)Tout le catalogue sur EDITEUR DE SAVOIRS Illustration de couverture : 3d model cars © 3ddock - Fotolia.com le picogromms qui gure ciconke dencgrene pin, procqun! one iéte ne emleaten. Sen cbje ee! bee bide derecho So Ives o> ole Te lasaur eur lo menace qos raven up gv lapel rma pout reps peur Hoven de et, is avers ce cer cer cares orsuieraent da be donaire owls ee aie ae cor etalon tacoique tuners fedanert of cojaues menake, tare le dltlpperee masa do Now roppelon dane que ite hosel ‘epradison, porile oo td, le Code de propria ine: Ar le presente pobication et tual do Tulle 1992 inert |URAMIORLME | rtrd sons euersaion de nelle emresséneny bo poco Foxtsr, de son eur ov ie 8 uoge cll sors outer Cente Fencis dexotaton Saion des ayn dit Or, cae pique dit de copie (GC, 20, re des ed gintrofae dans ls ebionents Grands Aug, 78006 Pr). © Dunod, Paris, 2013, ISBN 978-2-10-059755-0 le Code de lo propriété inelecuella rvautorzant, ave termes de rice 1122.5, 2° ot 3" o}, dune par, qe let «copies ou reproductions shictomen! réservéos & I usoge privé du cops at non destnges@ une uilstion clloctve» 1, dou por, que les anoles et les courts ction dans on bt exemple o dlilusraion, « ovis tepréseiction ou reproduction inégrle ou partlle foie tons le consentement de Vouteur ov de ses cyans droit ou ayants couse es ice» fan. L122), Cote reprézenttion ou reprodvction, por quelqve procédé que ce sol, constive ‘ait dane une contrefagon sanctonnée par lee arfcles |. 3352 et suivant du Code de la props intellechcle13 Dunod. Copyright © 20 Table des matiéres Avant propos Comment utiliser cet ouvrage ? Fiche 1 Fiche 2 Fiche 3 Fiche 4 Fiche 5 Fiche 6 Fiche 7 Fiche 8 Fiche 9 Fiche 10 Fiche 11 Fiche 12, Fiche 13, Fiche 14 Fiche 15, Fiche 16 Fiche 17 Fiche 18 Fiche 19 Fiche 20 Fiche 21 Fiche 22 Fiche 23 Fiche 24 Fiche 25, Fiche 26 Fiche 27 Fiche 28 Fiche 29 Fiche 30, Focus Logique Quantificateurs et raisonnements mathématiques Ensembles Relations binaires Applications Nombres entiers, nombres rationnels Structures algébriques : groupes Structures algébriques : anneaux et corps Arithmétique dans Z Vecteurs Vecteurs et éléments de géométrie Polynémes Fractions rationnelles Systemes linéaires Pivot de Gauss Nombres complexes Nombres complexes et géometrie plane Espaces vectoriels Bases ~ Dimension finie Applications linéaires Noyau et image d'une application linéaire Calcul matriciel Matrices et applications linéaires Déterminant Applications du calcul de déterminant Diagonalisation Applications de la diagonalisation Espaces préhilbertiens Orthogonalité, groupe orthogonal Coniques Matrices et cryptographie 10 14 18 22 26 30 34 38 BUSS Sas 110 114 118 12213 Dunod. Copyright © 21 Fiche 31 Fiche 32 Fiche 33, Fiche 34 Fiche 35, Fiche 36 Fiche 37 Fiche 38 Fiche 39 Fiche 40, Fiche 41 Fiche 42 Fiche 43 Fiche 44 Fiche 45, Fiche 46 Fiche 47 Fiche 48 Fiche 49 Fiche 50 Fiche 51 Fiche 52 Fiche 53 Fiche 54 Fiche 55 Fiche 56 Fiche 57 Fiche 58 Fiche 59 Fiche 60 Fiche 61 Fiche 62 Fiche 63 Fiche 64 Fiche 65 Fiche 66 Fiche 67 Fiche 68 Fiche 69 vi Nombres réels Suites numériques Convergence et divergence d'une suite numérique Suites arithmétiques et géométriques Suites particulieres Continuité d’une fonction Dérivabilité d'une fonction Etude globale des fonctions dérivables Fonctions circulaires et circulaires réciproques Fonctions hyperboliques et hyperboliques réciproques Formules de Taylor Développements Etude d'une fonction Intégrales définies sur segment Primitives et intégrales d'une fonction continue Series numériques Séries 8 termes positifs Suites de fonctions Séries de fonctions Series entigres Développement d'une fonction en série entidre Séries de Fourier Intégration sur un intervalle quelconque Convergences monotone et dominée - Intégrales dépendant d'un parametre Equations différentielles : premier ordre Equations différentielles : second ordre Fonction d'une variable réelle : Exercices de synthése Fonctions de plusieurs variables Dérivées partielles ~ Gradient — Différentielle Dérivées partielles - Gradient ~ Différentielle (suite) Dérivées partielles d’ordre deux - Opti Courbes et surfaces paramétrées Courbes planes paramétrées Courbe plane définie par son équation polaire Intégrales doubles et multiples Sommabilité et intégrales doubles ou multiples généralisées Intégrales curvilignes Intégrales de surface Transformée de Laplace ités 126 130 134 138 142 146 150 154 158 162 166 170 174 178 182 186 190 194 198 202 206 210 214 218 222 226 230 234 238 242 246 250 254 258 262 266 270 274 278Copyright © 2013 Dunod. Fiche 70 Focus Fiche 71 Fiche 72 Fiche 73, Fiche 74 Fiche 75, Fiche 76 Fiche 77 Fiche 78 Fiche 79 Fiche 80 Fiche 81 Fiche 82 Fiche 83, Fiche 84 Fiche 85, Fiche 86 Fiche 87 Fiche 88 Fiche 89 Fiche 90 Fiche 91 Fiche 92 Fiche 93 Fiche 94 Fiche 95 Focus Fiche 96 Fiche 97 Fiche 98 Fiche 99 Exemples d’équations aux dérivées partielles Le Wi-Fi Dénombrement Evenements et probabil Probabilité sur un univers fini, dénombrable ou continu Evénements indépendants, Probabilité conditionnelle Théoreme de Bayes Variable aléatoire réelle - Loi d'une variable aléatoire réelle Fonction de répartition Esperance Moments, Variance et Ecart-type Paramétres de position - Intervalles de probabilité Fonction d'une variable aléatoire réelle ~ Calcul de Lois discrétes usuelles a valeurs dans un ensemble fini Lois discrétes usuelles a valeurs dans un ensemble dénombrable Loi normale Lois continues usuelles Lois continues usuelles (suite) Couple aléatoire Loi d'un couple discret Loi d’un couple aléatoire continu Fonction de répartition d'un couple aléatoire Moments de plusieurs variables aléatoires réelles Variables aléatoires indépendantes Fonction d'un couple aléatoire - Calcul de loi Loi des grands nombres Théoréme de la limite centrale Approximations dune loi par une autre Formulaire Probabilités et jeux de hasard Concepts fondamentaux de la statistique Statistique descriptive univarié iée Représentations graphiques pour les séries statistiques quantitatives 282 286 290 294 298 302 306 310 314 318 322 326 330 334 338 350 354 358 362 366 370 374 378 382 386 388 392 396 400 Représentations graphiques pour les séries statistiques qualitatives 404 vilCopyright © 2013 Dunod. Fiche 100 Caractéristiques de position Fiche 101. Caractéristiques de dispersion Fiche 102 Bolte a moustaches et caractéristiques de forme Fiche 103 Statistique descriptive bivariée Fiche 104 Représentations graphiques bivariées Fiche 105 Mesures de liaison entre deux caractéres Fiche 106 Echantillonnage - Modéles : vocabulaire Fiche 107 Estimateurs et propriétés Fiche 108 Méthodes de construction d'estimateurs Fiche 109 Exemples d’estimateurs de caractéristiques de position Fiche 110 Exemples d’estimateurs de caractéristiques de dispersion Fiche 111 Estimation par intervalle de confiance et intervalle de confiance pour une proportion Fiche 112 _Intervalles de confiance pour une espérance et une variance Fiche 113 Introduction a la théorie des tests d'hypotheses Fiche 114 Tests de conformité d'une espérance ou d'une variance une norme Fiche 115. Tests de comparaison de deux variances Fiche 116 Tests de comparaison de deux espérances Fiche 117. Tests du Khi-deux : adéquation et indépendance Fiche 118 Test de normalité de Shapiro-Wilk. Diagramme quantile-quantile Fiche 119 Régression linéaire simple Fiche 120 _Intervalles de confiance et tests en régression linéaire simple Annexes Focus —_Les sondages (Les corrigés d'une sélection d’exercices sont disponibles sur dunod.com) Index vill 408 412 416 420 424 428 432 434 438 4a2 450 454 458 462 466 470 474 478 482 486 490 502 505 557Copyright € Avant-propos Cet ouvrage résulte de la collaboration de quatre mathématiciens (Aurélie, Frédéric, Myriam et Sandie) et d’un physicien (Didier). Il est organisé en quatre parties : algebre, analyse, probabilités et statistique. I! s’adresse aux étudiants des deux premigres années post-bac : licences, prépas intégrées ou IUT. Ce livre peut également aider & la prépara- tion au CAPES de mathématiques. Le cours, structuré en fiches, est exposé de maniére claire et synthétique. Chaque fiche présente les points essentiels & retenir, des exercices d’application illustrent les notions utiles et de nombreux exercices corrigés permettent de se préparer aux examens et concours. Certains corrigés sont disponibles sur le site dunod.com sur la page de description de louvrage. Quatre focus apportent enfin des compléments historiques ou techniques en lien avec des sujets de société, Dans la collection « Tout le cours en fiches », vous trouverez donc lessentiel, sauf votre propre travail, bien sir. Alors courage ! Toutes vos remarques, vos commentaires, vos critiques, et méme vos encouragements, seront accueillis avec plaisir aux adresses électroniques suivantes : fbertran @ math.unistra.fr mmaumy@math.unistra.fr Ce livre a bénéficié de la relecture attentive d’un comité de relecteurs, constitué d’en- seignants et d’étudiants, Nous souhaitons qu’ils soient tous grandement remercié: Samuela Aubin, maitre de conférences a INSA de Lyon ; Jean-Romain Heu, professeur agrégé a PINSA de Strasbourg ; Jean Labourdette, docteur en mathématique et directeur de PESIEA Ouest; Vincent Lécuyer, professeur agrégé & I" ENSIC de Nane James Ledoux, professeur a I" INSA de Rennes ; Renaud Marty et Bruno Pingon, tous deux maitres de conférences a l’université de Lorraine ; Constantin Morarescu, maitre de conférences & I'ENSEM de Nanc; Valentin Savidan, étudiant en DUAS 1 a l'université de Strasbourg Raphaéle Supper, maitre de conférences & luniversité de Strasbourg.iser cet ouvrage ? Un découpage en quatre grandes parties : Algabre, Analyse, Probabilités, Statistique a Des compléments sur dunod.com 120 fiches de cours Les notions essentielles avec des renvois pour naviguer d’une fiche a l'autre Un repérage a | facile / / De tras f nombreux exemples Copyright © 2013 Dunod.Copyright © 2013 Dunod. Des exemples d’applications dans tous les domaines des sciences Des conseils méthodologiques Des exercices pour sentrainer Les solutions sont regroupées en fin d’ouvrage ou disponibles sur le site dunod.com Des renvois aux bonus web > Les corrigés détaillés d'une sélection d’exercices signalés par le pictogramme . > Des informations sur le logiciel libre R.“pound €T0z @ 3Y461uAdo>nt € Algébre Partie Introduction Llalgebre est née il y a plus de 4000 ans avec les Babylo: tiens qui résolvaient des problémes concrets du premier et du second degrés. Elle étudie aujourd'hui les opérations et les équations sur les nombres. Dans cette partie, les fiches 1 2 9 permettent d’acqueérir les bases de V'algébre, de la logique mathématique aux structures algébriques. Munis de ces nouveaux outils, nous traitons dans les fiches 10 & 17 la géométrie vectorielle qui va nous permettre d’aborder le calcul al- gébrique. Nous explorons ensuite (fiches 18 2 30) une partie fonda- mentale qui est I'algébre linéaire. S‘ensuivent les transformations avec changements de bases, la diagonalisation des matrices et les méthodes de calcul qui nourrissent depuis le xx° si&cle la programmation des ordinateurs. Pour clore cette partie, un focus présente une application de l’algébre linéaire : la cryptographie. Les bonus web sur Dunod.com www Retrouvez les corrigés détaillés d'une sélection d'exercices sur le site dunod.comLogique La logique mathématique permet I’étude des mathématiques en tant que langage. Définition 1.1 Une assertion est un énoncé mathématique auquel nous pouvons attribuer la valeur de vérité vrai (V) ou faux (F) mais jamais les deux simultanément. Exemples LL sertion « 10 > 100» est fausse (F) 2. Liassertion « 12 est un multiple de 4» est vraie (V), 3. Liénoneé « x vaut approximativement 3, 14 » nest pas une assertion car il n'est pas assez précis pour déterminer s'il est vrai ou faux. En effet, il sera vrai si nous nous contentons une approximation de la valeur de z au centiéme prés et faux sinon, Définition 1.2 Un prédicat P est un énoncé mathématique contenant des lettres appelées variables. tel que, quand nous remplagons chacune de ces variables par un élément donné de cette variable nous obtenons une assertion. Exemple L’énoneé suivant «7 est un multiple de 6 » est un prédicat car il devient une assertion lorsque nous donnons une valeur an. En effet, © «10 est un multiple de 6 » est une assertion fausse (F). # «12 est un multiple de 6 » est une assertion vraie (V). Les connecteurs logiques permettent de eréer de nouveaux prédicats, dits eompos de prédicats de référence. partir Définition 1.3 Soit P un prédicat. La négation de P est le prédicat noté non(P) ou +P, qui est vrai 8 lorsque P est faux et faux lorsque P est vrai. Nous résumons ceci dans la table de vérité suivante : [P| mont) voF FoExemple Soit P le prédicat « x > 5 ». Alors non(P) est le prédlicat « x < 5». Remarque: En effet, le contraire de « supérieur » est «inférieur ou égal », et non simplement ««inférieur a ». De méme, le contraire de « pour tout x, P» n’est pas « quel que soit x, non(P)» ais « il existe x pour lequel non(P) » Définition 1.4 Soient P et Q deux prédicats. Le prédicat « P — Q» appelé implication de P vers Q est un prédicat qui est faux lorsque P est vrai et Q est faux, et vrai dans tous les autres cas. # Le prédicat « P —> Q» appelé équivalence de P et de Q est un prédicat qui est vrai lorsque P et Q sont simultanément vrais ou faux, et faux dans tous les autres cas. @ Le prédicat « PA Q» (P et Q) appelé conjonetion de P et de Q est un prédicat qui est vrai lorsque P et Q sont simultanément vrais, et faux dans tous les autres cas. # Le prédicat « PV Q» (P ou Q) appelé disjonction de P et de Q est un prédicat qui est vrai lorsque au moins un des prédicats P et Q est vrai, et faux dans tous les autres cas. ee Nous résumons ceci dans la table de vérité : ne mem <<< Q)] = [P et non(Q)), © [P = Q] = [non(Q) = non(P)], © [P= QI=[(P = @) t(O= PI, (2, P= Ossignifie que Q est une condition nécessaire pour P. L'implication non(Q) => non(P) | est la contraposée de P => Q. Liimplication @ => P est la réciproque de P => Q. Pour démontrer une équivalence, nous démontrons souvent une implication et sa réciproque. Defi jon 1.5 Une tautologie est une formule propositionnelle qui prend la valeur « vr que soient les valeurs données & ses arguments. » quelles Exemples Les formules s antes sont des tautologies 1. Pou non(P), qui est le Principe du tiers exclu, 2 P=P, 3. (PouQ)—= P 4, P= (PetQ) Définition 1 Une contradiction est une formule qui prend la valeur « faux > quelles que soient les valeurs données a ses arguments. Exemple P et non(P) est une contradiction. Sa négation, qui est done une tautologi non-contradiction. PV ey Tete) Nous suspectons trois éleves, Anita, Bernard et Christophe d’avoir dérobé du matériel dans un laboratoire de Physique. Nous possédons les informations suivantes & leur sujet : -st le principe de ‘+ Si Christophe n'est pas coupable alors Berard est coupable, ‘* Si Anita n’est pas coupable alors Christophe est coupable, ‘Si Christophe est coupable alors Anita est aussi, ‘© Si Anita est coupable alors Bernard ne est pas. Les asset ns suivantes sont-elles vraies ou faus ‘* C: «Christophe est coupable », ‘* B: «Bernard est coupable», © A: «Anita est coupable », ‘* D: «Anita ou Bernard est coupable ».Copyright © 2013 Dunod La premiare information de I'énoncé se traduit par non(C) => B. Done non(6) => C par contraposée. + La deuxiéme information se traduit par non(A) = C. Done non(C) = A par contra posée. + La troisieme information se traduit par € => A. Done non(A) = non\(C) par contra poste. + Enfin, la demiére information se traduit par A = non(6). Done 8 =» non(a) par contraposée. Nous en déduisons que : ¢ Lassertion C : « Christophe est coupable » est vraie. En effet, si nous supposons que non(C) est vrai, non(C) => B, alors B => non(A) et non(A) => C. Nous avons alors non(C) => C ce qui est contradictoire ‘* Lassertion B : « Bernard est coupable > est fausse. En effet, si nous supposons que B est vrai, B =? non(A), alors non(A) => non(B). Nous aurions alors B => non(B) ce qui est contradictoire ‘¢ Lassertion A : « Anita est coupable » est vrai En effet, si nous supposons que non(A) est vrai, non(A) => C, alors C => A et non(4) => A ce qui est impossible. ‘¢ Enfin, comme Berard n’est pas coupable, l'assertion D : « Anita ou Bernard est coupable » ne sera vraie que si Anita est coupable, ce qui est le cas puisque nous avons montré que assertion A est vraie dans Pitem précédent. Done I’assertion D est vraie. Pour s‘entrainer (solutions p. 505) Soit assertion «x = 2», Donner la | © P: «4x6 = 21», Q: « Venise se situe en mn de cette assertion. Iualie », ‘© P : «Deux droites parall@les se coupent en un point», Q : « Paris est une ville de moins de dix mille habitants ». Kcrire les contraposées des implica- tions suivantes : 1. yt 0 x40 et y #0, Nous considérons les assertions P et Q listées ci-dessous. Donner dans chaque cas la valeur de vérité pour P v Q. ‘* P: «Un oiseau sait nager », Q : « Paris est [Nous considérons les assertions P et | la capitale de la Prance », Olistées ci-dessous. Donner dans chaque cas | 4 p : « Un chien a cing pattes », Q : «Un la valeur de vérité pour P A Q. triangle a trois o6tés >», © P:: «Paris est la capitale de Espagne», | @ Pp: «2 <3», Q: «Madrid est la capitale Q:«2+2=4», 2, {n premier] => [n = 2 ou n impair. Montrer que [n pair] > [7? p © P:, eeQuantificateurs et raisonnements mathématiques 1. Quantificateurs A partir d’un prédicat P, défini sur un ensemble E, nous pouvons construire de nou: velles assertions, dites quantifiées, en utilisant les quantificateurs « quel que soit » et «il existe » Définition 2 Le quantificateur universe! « quel que soit » ou « pour tout », noté par ¥, permet de définir l'assertion quantifige « ¥x € E, P(x) > qui est vraie si pour tous les éléments x € E, assertion P(x) est vraie. Exemple Yn € N°, assertion P: O» est vraie Définition 2.2 Le quantificateur existentiel «il existe », noté par 4, permet de définir I'assertion ‘quantifiée « Ax € E, P(x) » qui est vraie si nous pouvons trouver au moins un élément x € E tel que l'assertion P(x) soit vraie. S’il en existe un et un seul nous pourrons écrire « Ux € E, P(x)» et nous dirons qu’il existe un unique élement x de E vérifiant P(x). Exemple L = 4» est vraie, sssertion quantifige P: « Ax € R, Si «Vx € , Pa)» est vraie alors « Ax € E, P(x)» est vraie, Définition 2.3 Soit P(x) un prédicat sur un ensemble E. Alors, [non(¥x € E, P(x))] = [Ax € E,non(P(x))] , [non@x € E, P0o)] = [¥x © E,non(P())] et F deux ensembles. Soit P(x, y) un prédicat & deux variables avec x € E ety € F. Soient E L’assertion quantifiée « Vx € E, Yy € F, P(x,y)» est vraie lorsque tous les éléments x de E et tous les éléments y de F vérifient P(x. 1). assertion quantifige « Ax € Ey € F, Plx.y)» est vraie lorsqu’il existe au moins un lément x appartenant & E et au moins un élément y appartenant 4 F vérifiant P(x, y).3 Dunod. 201: Copyright € (22) Sinous utilisons deux fois le méme quantificateur, 'ordre n°a pas dimportance, nous pouvons alors les permuter. En revanche, si les quantificateurs sont différents, leur ordre est important. 2. Raisonnements mathématiques Nous donnons dans ce paragraphe quelques méthodes de démonstrations basées sur des raisonnements mathématiques que nous serons amenés a utiliser dans les prochaines fiches de cet ouvrage. > Raisonnement par hypothése auxiliaire ou déduction Le but est de démontrer qu'un énoncé Q est vrai. Si I"énoncé P est vrai et P => Qest vraie alors I'énoncé Q est nécessairement vrai. > Raisonnement par l'absurde Le but est de démontrer qu’un énoncé P est vrai. Un raisonnement par l'absurde consiste A montrer que non(P) entraine 2 a fois un énoncé Q et son contraire non(Q). Nous supposons I’énoneé non(P) vrai et nous cherchons alors Q qui, sous cette hypothése, serait 8 la fois vrai et faux. Nous disons que nous avons obtenu une contradiction ou que Vhypothése non(P) est contradictoire. > Raisonnement par contraposée Le but est de démontrer des résultats en faisant apparaftre une implication « P => Q». Le principe est qu’au lieu de montrer « P => Q» nous montrons sa contraposée «non(Q) => non(P) ». Nous faisons I"hypothése que non(Q) est vraie et nous mon- trons que cela entraine que non(P) est vraie. > Raisonnement par contre-exemple Le raisonnement par contre-exemple sert & montrer qu'un énoncé de la forme «Vx € E, P(x) » est un énoncé faux. Nous cherchons alors & trouver un élément x de E qui ne vérifie pas P(x). > Raisonnement par récurrence simple Le raisonnement par récurrence simple sert & montrer qu’un énoneé de la forme « Vn > 1g, P(n) > est vrai. Si la propriété P(r) est vraie et si implication « P(n) => P(n + 1)» est vraie pour tout > ng, alors la propriété P(n) est vraie pour tout 1 > ng. Il s’effectue en trois étapes © Etape d’initialisation. Nous vérifions que P(g) est vraie. © Etape d’hérédité. Fixons un entier naturel n > ng, puis montrons que si P() est vraie alors P(n + 1) est vraie © Etape de conclusion, Nous concluons que I’ assertion P(n) est vraie Yn > ng. existe également le raisonnement par récurrence & deux pas et le raisonnement par réeur- rence forte. Pour le premier, nous sipposons P(n) et P(n + 1) vraies et nous montrons que ~ P(r + 2) est vraie. Pour le second, nous supposons que pour tout k x40 et y#0. 3. Montrer que Ya Ri, Wn EN, (1 tay" > 1 +na. 1. Si_-V2 est rationnel, nous pouvons écrire V2 sous la forme p/q, avec p,q € Zet pet gq premiers entre eux. Nous avons alors p? = 2q?. Done p? est pair ce qui implique que p lest également, Done si p est pair, alors p peut sécrire sous la forme 2n. Done g? = 2n? et par cconséquent g est aussi pair. Mais alors, p et q ne peuvent pas étre premiers entre eux, ce qui contredit I’hypothése. Ainsi, nous ne pouvons pas écrire V2 sous la forme p/q et done v2 cst bien irrationnel. Ph Nous morons ce resutat en utisant un raonnemens par contapoie La contraposée de sy #03 x # Dety # Ost six=0ouy=0, alors xy = 0. Montrons done cette assertion, Si nous choisissons x = 0 ou y = 0, alors le produit xy est nécessaitement nul. Nous en déduisons done le résultat cherché. 3. Pour montrer ce résultat nous allons utiliser le raisonnement par récurrence. Nous allons procéder en trois étapes. ‘+ Etape d’ initialisation Pour n = 0, nous avons (1 +a)" qui est bien supérieur ou égal a1 +a = 1 +0 xa. + Etape d’hérédité Nous supposons que la propristé est vraie & un ordre n € N, c’est-A-dire que (1 + a)" 2 1+na. Nous voulons montrer que (1 +a)"*! > 1+(n+1)a. Nous avons, grfice & hypothése @hérédi a+ay" 1+ay(l+ay", > (1 +a)(1 tna), = 141+ Da tna’, > 1+n+ Ia, car | +a >Oet na? > 0. Done lassertion est vraie & l'ordre n+ 1. ‘* Etape de conclusion Nous en déduisons que I'assertion est vraie pour tout € N.3 Dunod. Copyright © 20 Pour s‘entrainer (solutions p. 505) Montrer en utilisant un raisonnement Par contraposée que pour n enticr, sin? est impair alors n est impair. ‘Montrer par récurrence que, pour tout n> 1,n(n+ I)(Tn+ 1) est divisible par 6. ‘Montrer par récurrence que, pour tout news, Pégains Yk = SOD ‘Montrer en utilisant un raisonnement ar contraposée que pour x et y réels diffé- 1 Il rents de 1, six y alors est vraie, x y ‘Montrer par récurrence que, pour tout Montrer, en donnant un contre- ‘exemple, que 2 +1 n’est pas un nombre pre- mier pour toute valeur den € N. n> LPéqaité YQ 1) = Pest wae % Soient a,b = 0, Montrer que si 8 Montrer que la somme d’un nombre rationnel et d’un nombre irrationnel est irrationnelle. 0 : 1+b <2 alors a = b. T¥a % Montrer que I'assertion suivante est fausse = «Tout entier positif est somme de trois carrés. » (Les carrés sont les 0°; 17:2, b=P+P +2) ‘Montrer par récurrence que, pour tout EN, M>n+1 ‘Montrer par récurrence que, pour tout 1 > 4, nous avons 2" 1,2"? — 2°"! est divisible par 7. fiche 2 » 8 el 5 a $ 2 5 8Ensembles 1. Définitions Definition 3. Unensemble F est une collection dobjets telle que pour tout élément x, nous pouvons dire si l'assertion x appartient 4 E (x € E) est vraie ou fausse. L’ensemble vide, est-i-dire l'ensemble qui ne contient aucun élément, est noté par 0. L’ensemble ne contenant qu’un seul élément x est un singleton, noté (1). Exemples 1. Rest ensemble des nombres réels 2. Nest l'ensemble des nombres entiers naturels. 3. (1;2:3:4) est ensemble contenant les entiers 1, 2, 3 et 4. se) Test possible de définir un ensemble de deux maniéres # paramétrique, comme par exemple (n°, 1 €N) +1 = 0) ‘+ implicite, comme par exemple (x € R, 3° — Définition 3.2 Soient E et F deux ensembles. Nous disons que E est inclus dans F et nous notons CF, sit seulement si tous les éléments de E appartiennent aussi a F. Nous disons i que E est une partie de F ou que F contient E. L’ensemble des parties de F se aus note PF). Exemples 1, L’ensemble des entiers naturels IN est contenu dans l'ensemble des réels R. 2, {1} est contenu dans (1;2; 3:4). Définition 3.3 Soient £ un ensemble, A et B des parties de E. ‘* Nous définissons le complémentaire de A dans F parA = {x < E:x¢ A} Nous définissons intersection de A et B par AN B= (xe E:xeA et xe Bi. Nous définissons union de A et B par AU B= (xe E;x€A ou xe B). ‘* Deux ensembles A et B sont disjoints s'il n’existe aucun élément commun a A et AB, c'est-a-dire siAN B= 0. 103 Dunod. Copyright © 20 fe) Le «ou» dans la définition de union a un sens inclusif, c’est-a-dire que A UB est l'ensemble a A \ Ans aie des éléments x de E qui appartiennent a l'une au moins des patties A et B. Definiti in 3.4 Soient FE un ensemble, A et B des parties de E. Nous définissons. © ladifférence par A\ B=(x€E;x€A et x¢B)=ANB. © la différence symétrique par A 4 B = (A U B)\ (AN B)=(ANB)U(ANB). € e I — 8 8 a a \B AAB A Ad Best l'ensemble des éléments qui appartiennent & une et une seule des parties A et B. Definition 3.5 ‘* Un recouyrement d'une pattie A de F est une famille (A))jcy de parties telles que Ai CE eta C UjerAi. Une partition P d’un ensemble F est une famille de parties non vides de F (A;)er telles que A; VA; =O sii # jet UjerA; = E. Définition 3.6 Soient A et B deux ensembles. Alors le produit eartésien de ces deux ensembles, noté A x B, est l'ensemble des couples (a; b) tels que a € A et b € B. AX B= ((a;b); x€A et y eB). Exemple RPSRXR= ((my)xeR et ye RI. " . Corriaé« / Statictinue Corrigés ~ (Statistique(=) Plus généralement, le produit cartésien de n ensembles Ej est : 2 By Ke Ey = (tyes and int € Ei SiE\=E n € Enh E,, = E, alors nous notons E", 2. Propriétés Théoréme 3.1 Soient A, B et C des parties d'un ensemble E. Alors, nous avons les propriétés suivantes sur le complémentaire, la réunion et V'intersection : E=-0 et O=5, eAaA si Ac Byalors BCA, «© AN B=AU BetA UB =AN B (lois de Morgan), * AU B= BUA: commutativité de union, © ANB= BOA: commutativité de l'intersection, AU(BUC)=(AUB)UC: associativité de l'union, AN(BNC)=(ANB)NC: associativité de l’intersection, AUA=A; AUO=ACtAUE=E, © ANA=A ; AND=0etANE=A, AN(BUC) = (ANB)U(ANC) : distributivit AU(BNC) = (AUB)N(AUC) : distributivit Vey Tete) Nous allons montrer trois des propriétés précédemment énoncées ci-dessus. Cela va nous permettre d’utiiser le raisonnement par double inclusion, trés utile pour effectuer des dé- monstrations de 'intersection par rapport 4 l'union, de union par rapport & l'intersection. 1. Montrer que A 2, Montrer que ANB 3, Montrer que AU B 3 ris 8 Pour cela, nous devons montrer la double inclusion Ac A et Ac A R Soit x € A, alors x ¢ A et done x € A. Nous avons bien. @ Réciproquement : soit x € A, alors x ¢ A et done x € A. Nous avons bien A CA. S La double inclusion permet done de conclure que A = A. = cy @ Nous devons montrer is double incsion ANB c AUB et AUB AR Right © 2013 Dunod. Soitx € ANB, alors x ¢ AM B. Nous avons donc en particulier x ¢ A ou x ¢ Be'est-d-dire x€Aouxe B. Done x€AUBe&tANBCAvB. Réciproquement : soit x € AUB, alors, x € A ou x € Be'est-ai-dire que x ¢ A ou x ¢ BLEn particulier, x ¢ A 0 B done x © ANB. Nous avons donc AUBCANB. La double inclusion permet de conclure que A.B = AUB. a) {B _ Nous devons pour cela montrer a double ick Soit.x € AUB, alors x ¢ AUB. Nous avons done en particulier x ¢ A et x ¢ B c'est x€Aetx€ B, Done.x€ AN Bet ainsi nous avons montré que AUB C ANB. dire que x ¢ A et x é B. Done Réciproquement : soit x € AN B, alors x € A et x € Be’est x¢ AU Bet x € AUB. Nows avons montréA NBC AUB. Cela nous permet de conclure que AU B = ANB. terete iad nanan pinot reurs et il vaut mieux privilégier le raisonnement par double inclusion. Pour s‘entrainer (solutions p. 506) Soient A = {1;2;3} et B = (2;3:4}. Démontrer que si AUB = AUC et Déterminer A Bet A UB. ANB=ANCalors B=C. Soit A = [xe R:x > 9}. Déterminer Te complémentaire A de A. Simplifier les quatre expressions sui- vantes ‘Trouver un exemple d’ensembles A, BetC tels queAUB=AUCeAB#C. 2408, 3.AU(ANB), 4.AN(AUB). Démontrerque si AUB = AN Balors B. B eein vi Relations binaires Definition 4.1 Soient E et F deux ensembles. ‘© Une relation binaire, ou correspondance, de E vers F est ta donnée du triplet (E,1-, F) 00 Pest une partie de Ex F. Pour x € E ety € F, lorsque (x,y) € P°, nous notons cette relation par x # y. E est ensemble de départ de 2, F est Vensemble d’arrivée de @ et I est le graphe de la relation 2. © Une relation binaire # sur E est définie par le choix d'une partie I de E x E. Exemples 1. La divisibitité sur N*, définie en 9.1, est une relation binaire 2, Liinclusion sur 7(E), les parties de ensemble E, est une relation binaire. 3. Les relations de congruence sur N*, définies en 9.6, sont également des relations binaires. Definition 4.2 est une partie de £, la relation induite par @ sur E est simplement la relation x@y entre éléments de F. Définition 4.3 Une relation binaire # définie sur un ensemble E est : « réflexive si elle vérifie Vx € E,x# x, # symétrique si Vx € E,Vy € Ex By = yB x, « antisymétrique si elle vérifie ¥x € E,Yy € E,(xBy et yR@x) > x= y, « transitive si elle vérifie Vx € E, Wy € E,¥e€ E,(x By et yR2) = xB @ Exemple Dans N, la relation < est réflexive, antisymétrique et transitive. Elle vérifie en effet, # Vx EN,x x= y, donc elle est antisymétrique. # VEN Vy ENVee Nx < yy <2 9 x b, nous disons que b est un minorant de A et que A est une partie minorée de E. ‘© Une partie bornée de £ est une partie qui est & la fois majorée et minorée. 15Definition 4.8 Soit A une partie d'un ensemble E. Un élément a de F est appelé plus grand élément de A sia € A et sia est un majorant de A. Si un tel élément existe il est unique. Un élément b de E est appelé plus petit élément de A si b < A et si b est un minorant de A. Si un tel élément existe il est unique. fem, Test important de bien faire la distinction entre majorant et plus grand élément dune partie A dun ensemble E, Contrairement au majorant de A qui n’appartient pas nécessairement 2 A, le plus grand élément de A est un élément appartenant A. Cette remarque s'applique également pour distinguer minorant et plus petit élément d’une partie A d’un ensemble E. Definition 4.9 Soit A une partie d'un ensemble E. ‘+ Nous appelons borne supérieure d'une partie majorée A, le plus petit des majo- rants de A. Si cette borne existe elle est unique. Elle est notée sup,(A).. ‘+ Nous appelons borne inférieure dune partie minorée A, le plus grand des mino- rants de A. Si cette borne existe elle est unique. Elle est notée infp(A). Application Soit # la relation définie sur R par aby 9 Oy) = Hx-y). Montrer qu’il s’agit d’une relation d’équivalence et déterminer les classes déquivalence de cette relation, Morons dabord qui sagit tunerelation déquvalece ‘© Tout d'abord la relation est réflexive. En effet, Vix € R, 3-3) = 0. Done x#x. + Elle est également symétrique. En effet, ¥x.y € R, Poy 3-9) =~? - 9) = 3x), = y'—x = 3y-2) Done x#y => yr. ‘+ Enfin, elle est transitive. En effet, ¥x,y,2 € R, (Ry et y#Q > O-F=o-P ty - = 30-y) + 3-3) = 30-2). 16Copyright © 2013 Dunod. Nous en déduisons done que la relation # est une relation d’équivalence. Cherchons a présent les classes d’équivalence pour cette relation, c'est-a-dire l'ensemble des couples (x,y) € B? tels que x:2y. Pour cela, résolvons I'équation x° - y? = 3(x ~y). va =3a-y) = vy -3x-y) =0 = We +2y 47) 3Q-y) =0 = (x=? tay ty? = 3) = 0. Les solutions sont telles que — y = 0 ou 22 +.xy + 92-3 = Les class y-3 «équivalence pour la relation @ sont donc les y € R tels que x = y ow x? + xy + Pour s‘entrainer (solutions p. 506) Nous définissons la relation < par x < y si et seulement six < yet x + y. Montrer que ce n'est pas une relation dordre. Déterminer la classe d’équivalence d’un 61é- ment x € R. Combien y-a-t-il d’éléments dans cette classe? Soient a et b deux réels strictement positifs. Les parties suivantes sont-elles ma- jorées, minorées? Si oui, donner les bornes supérieures et/ou inférieures. Nous considérons les relations sui- Ry aBy — costs RE HN x petqentiers, Ces relations sontelles réflexives, symé- triques, transitives? Sont-elles des relations ordre, d'équivalence? 1. (a+ bain EN), 'y => Ap.g > ly = px avec 2 fat hneN), 3. a+ (-I)"bin EN} Soient A et B deux parties non vides de R avec Ya € A\Yb € Ba < b. Mon- ter que A est majorée, B est minorée et que sup(A) < inf(B). Nous considérons la relation st vante : xy si et seulement six? —y? = x—y. Montrer que c’est une relation d’équivalence. ” atistique 5 9 r5 Applications Definition 5.1 Une fonetion f de l'ensemble de départ E dans l’ensemble d’arrivée F est définie par tune correspondance qui permet d’associer & tout x € F au plus un élément y € F. Nous appelons ensemble de définition de / I"ensemble des éléments x de E tels que By € F tel que y = f(x). Pour tout x € E, I'élément y € F tel que y = f(x), s'il existe, est appelé l'image de x par f. Pour tout élément y € F, tout élément x € E tel que y = f(x) est un antécédent de y par f. Les fonctions de E dans F forment un ensemble noté F(E, F). Un élément x a au plus une image, En revanche, un élément y peut avoir un nombre quel- conque d’antécédents. Par exemple, soit la fonction x +> cos x; 1 a une infinité d’ant6cédents et 2 n’en a aucun, Definition 5.2 Une application f de l'ensemble de départ E dans l'ensemble d’arrivée F est définie par une correspondance qui permet d'associer & tout x ¢ E un unique élément y ¢ F {que nous notons f(x). Pour tout x € E, ’élément y ¢ F tel que y = f(x) est appelé Vimage de x par f. Pour tout élément y € F, tout élément x € E tel que y = f(x) est un antécédent de y par /. Les applic: FEF). ns de £ dans F forment un ensemble noté Ainsi, une application fournit une image a tout élément de E, quand une fonction ne le fait qu’ au sein de son domaine de définition. Exemples 1. L’application de E dans £ qui & x associe x est I"application identité. Nous la notons Id 2. Lapplication de R dans R quia xassocie yest une fonction dont le domaine de définition est Ry. Définition 5.3 Soient E, F et G des ensembles. Soit f une application de E dans G et g une applica- 5 tion de F dans G. Si E C F et si, pour tout x € E, nous avons f(x) = g(x), nous disons que f est une restriction de g ou que g est un prolongement de f. o Definition 5.4 Soient E, F et G trois ensembles, f une application de E dans F et g une application de F dans G. La composée de f par g est l'application de E dans G notée par g © f et définie par : Xe (G0 CX) = GF). 18Copyright © 2013 Dunod ot) Théoréme 5.1 La loi de composition des applications est associative. En effet, si nous considérons E,F,G et H des ensembles et f : E — F,g: F — Geth: G — H des applications, (hogyof=ho(gof=hoges. Ainsi lorsque nous composons des applications, il n'est pas nécessaire de préciser Vordre dans lequel il faut tes appliquer et nous pouvons donc supprimer les parentheses. Définition 5.5 Une application f de E dans F est dite injective (ou est une injection) si elle vérifie Pune des deux propriétés équivalentes suivantes : Vx € B.Wx € Ext x! => f(x) # f(x), Vx € E,Wx € E, f(x) =f’) = x= Definition 5.6 Une application f de E dans F est dite surjective (ou est une surjection) si tout élément y de F est image d’au moins un élément x de E soit : Wy € Rave Ey = f(x). Définition 5.7 Une application f de E dans F est dite bijective (ou est une bijection) si elle est & la fois injective et surjective. Dans ce cas, tout élément y de F est image d’un unique élément x de E, noté f-'(y). L’application (~! est la bijection réciproque def. Nous avons done : x= fly) y= foo. La définition précédente entraine que f 0 f-! = Idp et f-' 0 f = Ide, Théoréme 5.2 Soient E,F et G des ensembles, f une application de E dans F et g une application de F dans G. Alors, # Sif et g sont injectives, gf est injective, © Sigo fest injective, f est injective, © Sif et g sont surjectives, g © f est surjective, * Sige f est surjective, g est surjective, © Si f et.g sont bijectives, go f est bijective et(go fy! = flog". 19 eeDunod. yyright © 2013 D Cop’ Definition 5.8 Soit f une application de E dans F. Si A c E, nous appelons image de A par f la partie de F constituée par les images des éléments de A : SA {ye Fave A, f(x) Definition 5.9 Soit f une application de E dans F, Si Bc F, nous appelons image réciproque de B la partie de E constituée par les éléments dont 'image est dans B : SMB) = (x € E; f(x) € B}. Théoréme 5.3 Soient Ay, Az, B), Bz des ensembles. Alors nous avons = At C An => fA) f(a), By By => (Bi) c f(a), FAL UA2) = fA) U fA2), AL Ar) © fA) 9 f(A2), f-"\(B, U Bg) = f (Bi) U f-'(Ba), "(By 9 Ba) = f (Bi) 9 f (Ba). PY) ol eT) 1. Montrer que application f(x) = 2° ext bijective de R dans R. 2, Montrer que application /(x) = x? n'est pas bijective de R dans R. fh 8 Tout d'abord, f est injective. En effet, soient x et y (x- yo? +3y +P) = 0. Comme 27 +xy +? n’admet pas de racines réelles, la seule solution est que x~y = 0 ow encore x= y ‘ce qui prouve bien linjectivité de I’ application. G rautre part fest surjective. En effet, nous avons /(R) = R. Cela permet de dire que Vy € R, Ax € R tel que y = fa). Lapplication f est donc surjective. Le fait que f soit a la fois injective et surjective nous permet de conclure que f est bijective. 20yyright © 2013 Dunod. Coy a Tout d’abord, f n'est pas injective. En effet, soient x et y € R tels que f(x) = fly). Nous allons montrer que nous navons pas uniquement x = y comme solution. Nous avons f(x) = FY) 3 P =P — Py = 0 — (x Wat y) = 0. Les solutions sont x—y = 0.ou x+y = 0 soit x = y ou x = ~y. Nous en déduisons done la non-injectivité de la relation, ce ‘qui suffit montrer que 'application n’est pas bijective. surjective. En effet, nous avons ité dans R. Lapplication n’est pas que f(®) = R,, ce qui suffit montrer la non surje bijective. En revanche, si nous étudions la méme application f(x) = x2 mais cette fois de R, dans Rj, Nous pouvons montrer que dans ce cas application est bijective. Elle est déja sur- jective puisque f(®.) = ®,. En reprenant le raisonnement précédent concernant |'éven- tuelle injectivité de l'epplication, a I'étape x —y = 0 ou x+y = 0 nous ne conservons que x-y = 0oux+y = 0 x= y = 0 puisque nous avons supposé que x et y sont Positifs. Dans les deux cas, nous déduisons x = y. Nous en déduisons que I'application est injective et donc bijective. § Nous aurions pu également montrer que f n'est p: Pour s‘entrainer (solutions p. 507) Nous considérons les trois applica- tions suivantes fi 2x x7, fox VE et fy: xt x—4, Calculer, lorsque cela est possible, frofi, fiefs. fie fis 9 faet fio fi- Nous considérons application défi- nic de B? dans R? par f : (x;y) > (ty.— y). Lapplication f estelle injective, surjec~ tive, bijective? Nous considérons les deux applica- tions suivantes définies de R dans R par f xi 3x+letgixt—»22—1, Calculer fog et go f. Avons-nous I’égalité entre ces deux quantités ? Soient A, Bet C des ensembles et f : ‘A— Betg: B— C des applications. 1. Montrer que g° f injective => f injective, 2. Montrer que g © f surjective => g surjee- tive. Nous considérons I'application défi- nie de [1;-+e0[ dans [0:00 par fs x Nous considérons Vapplication tan- 2? 1. Lapplication f est-elle bijective? a | Monterq'ste gente définie sur 22 admet une bijection réciproque tan“! et don- Nous considérons application dét e ner ses caractéristiques. nie de N dans N par fi: m9 n+ 1. Lap- plication f est-lle injective, surjective, bijec~ tive? a eeNombres entiers, nombres rationnels 1. Entiers naturels L’ensemble des entiers naturels est l'ensemble des nombres le plus simple & savoir (0; 1;2;...} Test d’usage de le noter N et sa construction ne sera pas donnée avec plus de détails dans ce livre. Théoréme 6.1 Lrensemble N des entiers naturels est totalement ordonné et vérifie les trois propriétés suivantes : © toute partie non vide de N a un plus petit élément, * toute partie non vide et majorée de W a un plus grand élément, © Niwa pas de plus grand élément. (em D’autres ensembles faisant intervenir des nombres entiers peuvent étre définis. Z=(...3-25—150;1;2:...] est Pensemble des entiers relatifs. ~ Soi 4 T’ensemble des classes d’équivalence de N XN par la relation d’équivalence & définie par (ny) R(nz5 ns) €9 (m+ 14, = nf, +n2). Nous remarquons que laddition usuelle sur Nx, ainsi que le produit défini par (15) (23) = (nyna-+n +n; mn, +172), sont compatibles avec la relation # et peuvent donc étre définies sur l'ensemble A. Puis, chaque couple (7). se trouve dans Pune des classes (d:0) sim > 1’. (Osd) sin < nf ou (0:0) sin =n’, ce qui permet de retrouver la forme classique de Z. Enfin, les opérations usuelles d’addition et de multiplication définies sur A coincident avec celles sur Z. Qest 'ensemble des nombres rationnels c’est-a-dire des fractions de nombres entiers I peut également étre défini a I'aide de la relation @ définie sur Z x 2" par (a; b)#(a';b’) € ab! = ba’. @ est une relation d’ équivalence et un nombre rationnel est la classe d” équivalence aun élément (a; b) € Z x Z°. Test noté ¢. L’ensemble des classes d”équivalences Z x Z par R correspond 3 Q. L'addition et le produit coordonnée par coordonnée sont des opérs compatibles avec # et coincident avec les opérations usuelles sur Q. Le raisonnement par récurrence s'appuie directement sur les propriétés de Pen- semble N des nombres entiers naturels, c’est pourquoi nous le mentionnons & nouveau. Définition 6.1 Raisonnement par récurrence Soit ig € N. Soit E(n) un énoneé qui porte sur un entier naturel n > ny. Pour que E(n) soit vrai Yn € N tel que n > np, il faut que E(7to) soit vrai et que Wn € N,n > no, Vimplication E() = E(n + 1) soit vraie. 22Copyright © 2013 Dunod Définition 6.2 Soit (a; b) € N°. a divise b dans N, noté al, si et seulement si Je € N.b = ac, Definition 6.3 Un nombre p € N est premier si et seulement si p > 2 et Ya € Nvalp => a = 1 ou a= p. Autrement dit, p est premier si et seulement s'il est supérieur ou égal 2 et ses seuls diviseurs sont | et lui-méme. Théoréme 6.2 © Ily aune infinité de nombres premiers, © Sin n'est divisible par aucun nombre premier inférieur ou égal & Yn, alors il est premier. © Tout entier n, avec n > 2, s’écrit de facon unique comme produit, 4 Uordre des facteurs pres, de nombres premiers > n=[ |r iv les nombres entiers p; sont distincts et premiers deux d deux et les a; appartiennent an’. 2. Ensembles finis, infinis Définition 6.4 Un ensemble £ est équipotent a un ensemble F si et seulement sil existe une bijec~ tion de E sur F. Exemple Wet Q sont équipotents Definition 6.5 ‘* Un ensemble E non vide est fini s’il existe n € N tel que E soit équipotent a Fy = {ls...3n). Le nombre n est le cardinal (ou nombre d’éléments) de E. Nous le notons n = Card(E). Nous convenons que l'ensemble vide est fini et que Card() = 0. Proposition 6.1 Soit E un ensemble fini. Toute partie A de E est finie et nous avons Card(A) < Card(E). L’égalité des cardinaux a lieu si et seulement si A = E, Théoréme 6.3, Soient E et F deux ensembles finis de méme cardinal et f une application de E dans F. Nous avons l’équivalence des trois propriétés : f bijective => f injective => f surjective. IeDans ce cas, pour démontrer que f est bijective, il suffit de démontrer que f est injective ou f surjective Théoréme 6.4 Soient E et F deux ensembles finis. Alors EU F est fini et Card(E U F) + Card(E 9 F) = Card(E) + Card(F), Corollaire 6.1 © Soient E un ensemble fini et F une partie de E. Si Card(F) = Card(E) alors F = E. © Soient n € N* et Ej,...,Ey des ensembles finis. Si E},...,E, sont deux a deux dis- Joints, alors Card (Ej) = D"_, Card(E}). Définition 6.6 Un ensemble est infini s'il n’est pas fini. Exemple Nest infini. Théoréme 6.5 Tout ensemble admestant au moins une partie infinie est lui-méme infin. rey Neeley) 1, Montrer que ¥n € N°, 4" + 5 est un multiple de 3. 2, Montrer que ¥n € N° ‘Nous allons utiliser pour cela le raisonnement par récurrence qui est, comme nous $F avons deja indiqué dans une précédente Fiche, tés utilise dans de nombreuses dé- monstrations mathématiques. © Sin=1,4" +5 =4 +5 =9 qui cst bien un multiple de 3. ‘+ Supposons que cette propriété soit vraie & ordre n fixé, Montrons qu’elle reste vraie & Vordren +1 HS aA KAT SHAS HOKE, De plus, par hypothése de récurrence, 4" +5 est un multiple de 3 etil est évident que 3 x4" est également un multiple de 3. Nous en déduisons que 4"*! + 5 est un multiple de 3 et done la propriété est vraie & l'ordre n +1 Nous pouvons done conclure que la propriété est vraie pour tout m € N*. es 3 La encore, nous allons utiliser le raisonnement par récurrence pour démontrer cette égalite. 24Copyright © 2013 Dunod. 1 - nT © Pourn=1, 4 } = 4}, done la propriété est vraie & ordre 1 ‘* Supposons la propriété vraie A l’ordre n fixé et montrons alors qu’elle reste vraie A ordre n+ 1, En utilisant Phypothese de récurrence, nous obtenons : 1 1 Hee) * Ge Der> poe LEE peeere LEE nel” Gr iynrd (me) (n+ In + 2) 1 +d) La propriété est done vraie 2 ordre n+ 1. ‘Nous pouvons done conclure que la propriété est vraie pour tout m € N’. Pour s‘entrainer (solutions p. 507) Montrer que ¥n 2 4 entier, 2" < nt Décomposer 46848 en facteurs pre~ ‘miers. Montrer que vn € N*, 3x5?%-1425-2 est divisible par 17, Quel est le cardinal de ensemble Montrer par récurrence que Yin =, RAY, OCT (n+ 2 [42+ 405 ‘Montrer par récurrence que Yn € NN", (n+ 1)Qn+ 1) 6 Soient A et B deux parties des en- sembles E et F respectivement et f une ap- plication de E dans F. Montrer que si f(A) est une partie finie de F, alors A n'est pas né- cessairement une partie finie de E. PePe.en = Montrer qu’aucun des entiers a! + 2,...5nl + n'est premier, 25 Algébre Analyse (‘Statistique (Prob ( CorrigésStructures algébriques : groupes 1. Loi de composition interne Definition 7.1 Une loi de composition interne, notée «, sur un ensemble F est une application de EXE dans E. A un couple (x;y) de EX E, nous associons un élément de E, noté 1° y. Lélément x y s’appelle composé de x et de y. Exemple Dans R, nous pouvons citer la loi de composition interne “+ Définition 7.2 Une loi de composition inteme * sur E : # est associative si Vx, y,2€ E,(xey)*z= rely ea), * est commutative si Vay € Ex ey =y%x, admet un élément neutre sie € F tel que Vx € E,x*e =e#x= x: Exemples 1. Les lois de composition interne “+” et “x” sur C sont associatives et commutatives et ad- ‘mettent pour éléments neutres respectifs 0 et 1 2. La loi de composition interne ‘—" sur ® n'est ni associative, ni commutative sur B. De plus, elle ne possede pas d’élément neutre, Si I'élément neutre existe alors il est unique. Definition 7.3 Un élément x € E est inversible (ou symétrisable) dans E s°il existe au moins un élément x € F (dit inverse ou symétrique de x) tel que x + x/ = x + x = e, Nous : notons x7! cet inverse. a Exemples 1. Dans R muni de la loi de composition interne ‘+’, Vinverse de tout élément x € Rest noté x. 2. Dans R’ muni de la loi de composition interne *x’, linverse de tout élément x € Ré est ol 0 noté — a 26Dunod. Copyright © 201: Definition 7.4 Si + et T sont deux lois de composition interne de £, + est distributive par rapport & T si pour tout (x;y; 2) € Ex Ex E, n 5 x (yz) = (x* y)T(x# 2) et (yTz) * x = (y * XT (z * x). EI 2. Groupes Définition 7.5 Un ensemble non vide G muni d’une loi de composition interne + est un groupe si : @ la loi * est associative, @ il existe un élément neutre e pour la loi +, ‘© tout élément de G posstde un symétrique dans G. Nous notons (G, *) un tel ensemble. Si de plus la loi est commutative, le groupe est dit commutatif ou abélien. g S Exemples. ei a < 1. (Z,4),(G, +), (B49, (C, 4) et (R, #) sont des groupes abéliens. 2. (N,-+) n'est pas un groupe. 3. Lensemble des homothéties et des translations du plan, muni de la loi de composition interme o est un groupe. Dans un groupe (G, «), tout élément est régulier (ou simplifiable) c’est-a-dire que nous avons, toujours: Vay eGxey axe aay acelysrecex—oyec Definition 7.6 Soient (G,*) un groupe et H un sous-ensemble de G. H est un sous-groupe de (G, *) si © Voy) € Hx xy © H, eecH, oWre Hr leH, avec ¢ I’élément neutre de G et x"! le symétrique de x dans G. Théoréme 7.1 Soient (G,*) un groupe et ((Gi,*))er une famille de sous-groupes de (G,+). Alors (Mier Gis) est un sous-groupe de (G., 3. Morphismes de groupes Définition 7.7 Soient (G, «) et (G’, T) deux groupes. Une application f de G dans G’ est un mor- phisme de groupes si et seulement si ¥x, yeG, flay) = faYT fly). Side plus f est bi- jective, f est un isomorphisme de groupes. Les deux groupes sont alors isomorphes. 27yyright © 201. Cop’ Exemples 1. In: (10; 4091, x) > (R, +) est un morphisme de groupes, ¢*est méme un isomorphisme de groupes. Son application inverse est exp. 2, L’application x + 3 In x réalise un isomorphisme de (R2, x) sur (R, +). Théoréme 7.2 Soient (Gy,T\),(G2,T2) et (G3,T3) trois groupes et f : Gy —+ Gp et g : Gy — G3 deux morphismes de groupes. Alors g © f est un morphisme de groupes. Si f et g sont des isomorphismes de groupes, alors f 0g Vest aussi. Théoréme 7.3 Soient (G,*) et (G',T) deux groupes d’éléments neutres respectifs e et e', et f un mor- phisme de G dans G’. Nous avons : ef = fle) et Yx eG, fr!) = (Fy. © f(G) est un sous-groupe de G’ appelé image de f et noté mf. # L’ensemble N = f-"((e'}) = (x € G; f(x) = e’} est un sous-groupe de G que nous appelons le noyau du morphisme f. Nous le notons Kerf. Lapplication f est injective si et seulement si Kerf = (el. TNT OES Te) D'aprés le concours d’inspecteur des impéts, 2009 Soit (G,-) un groupe d’élément neutre e, Nous disons que NV est un sous-groupe distingué de Gsiet seulement si (sg) WW) EN? hel EN (sg2) WheN Wen (sa) Wigi)EGXN ghg" eN 1. Montrer que G et {e} sont des sous-groupes distingués de G. 2. Démontrer que si G est un groupe commu distingué. if alors tout sous-groupe est un sous-groupe 3. Soient H un sous-groupe de G et Nun sous-groupe distingué de G. a, Démontrer que N'0 H est un sous-groupe distingué de H. b, En déduire que si NC H alors N est un sous-groupe distingué de H. 4, Démontrer que I'intersection de sous-groupes distingués de G est un sous-groupe distingué deG. 1, Soit (hI) € G?, hh’ € G, (sg1). Soit h € G, h”' € G, (sg2). Soit (gh) € GXG, gg”! €G, (sg3).€-€ =e € (e}, (591). €-€ € (e}, (592). Vg € G, geg! =e € {e}, (593). 2. Soit N un sous-groupe de G. (hh) © N?, hh’ EN, (sgi). Wh € N, N sous-groupe de G WIEN (592). Vg € Gh N, ghg”! = gg"'h = he N, (595). N sous-groupe de G Gest commutatif 28yyright © 2013 Dunod. Coy 3. Soient H un sous-groupe de G et Nun sous-groupe distingué de G. a, En premier lieu, (V9 H) cH. © (a,b) € (NOH). abe Nearae NetbeN: (a;b)e (NOH), abe Hcarae Het beH; doncahe NAH, (sg). *VaeNAH,a! eNcaraeN; YaeNOH,a'eHearaeH; donca'eNAH, (so). © Vg EH. Vhe NOH, gh"! €HeargeHetheH; heNetgeGdoncghg €N; done gig"! € NH, (593). b.SiN cH, alors NH = N. La question 3.a. permet daffirmer que N 7H est un sous- groupe distingué de H done N est un sous-groupe distingué de H. 4, Soit (M))icr une famille de sous-groupes distingués de G. # Soit isi!) € (Mier Gi)? Vi€ Th) EG? donc hh! © Gi ainsi hl! € Aer Gi. (sg) pour G; © SoithE Nias Gi Vie ThE G done hE G; ainsi hl © Aer G (95) pou Gi © Soit (Gh) EEX (Nir Gi), VIEL, ghg"! € Gi ainsi ghg! € Myer Gi (sg3) pour G; Mics Gi vérifie (591), (sg3) et (993) : Dies Gi est un Sous-groupe distingué de G. Pour s‘entrainer (solutions p. 508) Sur R, nous définissons la loi » par : % Va,b€Rasb=a+b+ab. 1, Soit n € 1, Résoudre dans C T’équation suivante : 1 +242 +---+2" = 0. Notons G ensemble des solutions de cette équation, 1, Montrer que « est associative. 2, Montrer que + est commutative. 2. Rappeler la définition d'un groupe. 3, Montrer que « posséde un élément neutre Monier dae. en sdjélgnant&.G'ua sombce complexe bien choisi u, GU {u} est un sous groupe fini du groupe multiplicatif C. Nous considérons G = p,)s EL muni Gestil de la loi définie par x y 7 2 Soit (F,») un groupe, Nous appelons centre de F et nous notons Z(F) l'ensemble (we F; Yye Rxwy =y ent, un groupe? Z muni de la multiplication usuelle estilun groupe? 1. Montrer que 2(F?) eat un sous-groupe de F. Montrer que N muni de ta loi “4° est pas un groupe. 2. Montrer que F est commutatif si et seule ment si Z(F) = F. 29 Sitti wea eeStructures algébriques : anneaux et corps En algebre, une structure algébrique est une structure formée d'un ensemble associé 2 une ou plusicurs lois de composition. 1. Anneaux Définition 8.1 Un ensemble A, muni d’une loi notée + (dite addition) et d’une loi notée x (dite multiplication) posséde une structure d’anneau * (A, +)est un groupe abélien. L’élément neutre de (A, +) est noté 04. la multiplication est associative et posséde un élément neutre, noté 14. ¢ la multiplication est distributive par rapport & l'addition. ‘Nous notons (A, +, x) cet anneau. Si la multiplication est commutative, l’anneau est dit commutatif. Exemples LG 2. (Q, +,X) est un anneau pour les lois usuelles + et x. . Jest un anneau pour les lois usuelles + et x. 3. (B+, x) est un anneau pour les lois usuelles + et x, 40. x) est un anneau pour les lois usuelles + et x. Théoréme 8.1 Soient (A, +,X) un anneau et deux éléments x et y qui commutent : xy = yx. Pour tout ke Net x€ A, nous notons x = xx... x x, avec la convention x” fois Pour n € N et x,y € A, nous avons la formule du Bindme de Newton : oo (1 nt (+y)" > (i) 0 (t= aa rar Définition 8.2 Soient (A, +, x) un anneau et B un sous-ensemble de A. B est un sous-anneau de A si # (B, +) est un sous-groupe abélien de (A, +). Owen © Vx,y €Byxxy€ B. 30Dunod. yyright © 201. Coy Exemple Zest un sous-anneau de Q. Point méthode Pour montrer qu'une partie non vide 8 d'un anneau A est un sous-anneau de A, suffit que 1, © B et que Web WeR, x-yeo et xxyeB Définition 8.3 Soient A et B étant deux anneaux. Une application f de A dans B, est un morphisme ’anneaux si et seulement si : Wx,y € A, fle + y) = FO) + fy) s flex y) = FO) x FY) s fla) = 1a Définition 8.4 Lorsqu’il existe dans un anneau A des éléments a et b tels que a # O4,b # 04 et 4X b = 04, nous disons que a et b sont des diviseurs de zéro, Un anneau intégre est un anneau commutatif, non réduit & {04} et sans diviseur de 2610. Exemple (Z, +.) est intégre et ses éléments inversibles sont 1 et = Pour qu'un anneau (A, +.) commutatif, non réduit & (04), soit integre, il faut et il suffit {que tout élément non nul soit simplifiable pour la multiplication, c’est-A-dire que si a est un élément non nul de A, sib et ¢ sont deux éléments de A tels que ab = ac (resp. ba = ca), alors best égal de. 2. Corps Définition 8.5, L’ensemble K, muni de deux lois de composition interne + et x est un corps si # (&,+,x)estum anneau, # (&,) est un groupe o@ K° = K - (Ox. Exemples 1. (G,+,%), (R, +, x) et (C, +, x) sont des comps pour les lois + et x usuelles. 2. (Z, +.) n'est pas un corps pour les lois + et x usuelles. 3. Leensemble des fractions rationnelles constitue un corps, Dans cet ouvrage, tous les corps seront supposés commutatifs sans avoir besoin de le préciser chaque foi 31 2 Fiche 13, eeyyright © 201. Cop’ Definition 8.6 Soient (K, +.) un corps et Lune partie de K. (L, +, x) est un sous-corps de X si © (L,+,x) est un sous-anneau de KK, non réduit & (Ox). 1 @ ¥x €L avec x # Ox, inverse xe L Pour montrer qu'une partie non vide = d'un corps K est un sous-corps de X, il faut et il suffit, que tr eLet que 5 Point méthode Weel, Wel, x4yeL et xxyeL (0) oo Démontrer la formule du bindme de Newton énoneée dans la partie cours coor =D (t}ev a(t) ia = § cote cemonsvation se fet par réarence et en ilar tangle de Psa fiche 71 «oars 0¢c49P 1 «(2) 44D fore vale Torte Sy eee teen (ey tey Dli}ee*=(a)s+(i)eet=y Tioreih vir chest rac carol ROS © Pourn = ‘© Supposons maintenant qu'elle soit vraie 2 ordre n > 1 fixé, Montrons qu'elle reste vraie aTordre n+ 1 Cet yl = (x+y) x (ety) = weomxd (ter Sir) Hear Stor = (abe S((a2s) (i) ()e" afer eSer yore) a “S(Cz ee 32Copyright © 2013 Dunod. net Oa azaee (22 }*(2}=("e" tte tae aue(?) = (a}e(o}-("s"} Done la formule du bindme est également vraie & Vordre n + 1 Le raisonnement par récurrence permet done de conclure que la formule est vraie pour tout nen. Pour s‘entrainer (solutions p. 508) Soit (A, +.) un anneau commutatif. T:élément x € A est nilpotent si et seulement sil existe m € Nel que x" = 0. 1, Montrer que, si x est nilpotent, alors 1 — x est inversible pour la loi x, 2, Montrer que, six et y sont nilpotents alors, xy est nilpotent etx-+ y aussi Soient (A, +,%) un anneau intégre et Xe A, Montrer que si x est inversible a droite alors x est inversible & gauche pour la Soit (A,+,x) un anneau, Nous ap- pelons centre de A Vensemble H = (x € As Wy €A,xy = yx} Montrer que H est un sous-anneau de A. Soient (A. t4.Xa), (Be+8 Xx) et (Cte. Xc) des anneaux et f: A —> Bet g : B —+ C deux morphismes d’anneaux. Montrer que la composée g 0 f est un mor phisme d’anneaux. Montrer que Z nest pas un corps ‘pour les lois usuelles. Ls ‘Montrer que le corps des rationnels Q n’ad- met pas d’autre sous-corps que lui-méme. Soit A ensemble des réels suivant : im-+ n VEim.n € 2} 1, Montrer que (A, +.) est un sous-anneau de (R+,*). 2. Nous considérons l’application g : A + A, quiamsn Ve associe gim+n V6) = m-n V6 Montrer que g est un automorphisme de I'an- neau (A, +, x). 33 Algébre Analyse (‘Statistique (Prob ( Corrigés9 Arithmétique dans Z 1, Généralités 53;-2;-150; 1; 2;35...} définit l'ensemble des entiers relatifs, muni des lois de composition interne addition + et multiplication x. N Définition 9. Si (a; b) € 2x2, b divise a si et seulement s'il existe q € Ztel que a = bg. Nous disons que a est un multiple de b ou que b est un diviseur de a. La relation de divisibilité est une relation d’ordre partiel dans N. La relation de divisibilité n’est pas une relation d’ordre partiel dans Z car elle n'est pas anti- symétrique puisque I~ I ct =I|I alors que 1 # Définition 9.2 Division euclidienne. Pour tout (a;b) € Z x N*, il existe un couple unique (gr) € ZxN tel que bg +ravec 0 2, Vensemble Z/nZ muni des deux lois : G+b=atb; axb=axh, est un anneau conmutaaif. © Un élément de Z{nZ. est inversible si et seulement sia et n sont premiers entre euxLa vérification du fait que les lois + et x sont bien définies sur Z/nZ n'est pas évidente, Propo: ‘ZinZ. est un corps si et seulement sin est premier. Vey relied) 1, Déterminer, de deux manitres possibles, le PCD de 15 et 12. 2. Soitn € N*. Montrer que la relation définie sur Z par a = bln] => b-a © nZest une relation d’équivalence, fsde 15 sont: 1,3, Set 15, de I2 sont: 1, 2, 3,4, 6et 12. Les diviseurs positifs communs & 15 et 12 sont : 1 et 3, Nous en déduisons : PGCD(IS; 12) = 3. 8 Cette méthode n’est cependant pas envisageable lorsque nous cherchons le PGCD de ‘grands nombres. * Méthode 2 En utilisant lalgorithme d’Euclide. Nous avons, en effectuant la division euclidienne de 15 par 12, puis de 12 par 3 15 = 12143, 12=3x440, avec | et 3 respectivement le quotient et Ie reste de la premiére division, 4 et 0 le quotient et le reste de la deuxitme division @ _Lsloortme précie ave nous devon choi le deer rene avant ‘Nous en déduisons que PGCD(IS; 12) = 3. 2, Tout d’abord, par définition, nous avons a = b[n] si et seulement si a—best di Ensuite, nous montrons facilement que la relation est « réflexive : pour tout.a € Z, n divise a - a = 0, done a = bfn ‘© symétrique : pour tout a,b € Z tels que a = bln), m divise a ~ b done n divise b ~ a et b=aln}. + transitive : pour tout a,b,c € Z tels que a = bln] et b = clnl, alors n divise a — bet b—c done n divise a —¢ = (ab) + (bc), et finalement a = e{n}. Le relation étant bien réflexive, symétrique et transitive, nous en déduisons que c'est une relation d’équivalence. 363 Dunod. Copyright © 20 Pour s‘entrainer int Palgorithme d’Buclide, déterminer les PGCD de 1, 853 et 212, 2. 385 et 330, 3. 1395 et 1054. Déterminer les triplets (asb;e) € ON") qui vérifient simultanément 1. PPCM(a:b) = 42 2. PGCD(a;c) = 3 Batb+o= 2, Déterminer le PGCD de 12n*-+ 16n-+ Set On +5. Montrer que tout nombre pair vérifie x = 0[8] ou x? = 4[8]. Résoudre dans Z ’équation : 1665x-+ 1035y = 45. (solutions p. 509) a s 2 Déterminer tous les couples (u;) d'entiers rf relatifs tels que : oo 1431+ 1000 % Dans Z/60Z, montrer que TT et 7 sont inver- sibles et déterminer leurs inverses. % Soient « et b deux entiers naturels non nuls. Notons d leur PGCD et m leur PPCM. Déterminer tous les couples (a; b) vérifiant le systéme : m8 m+d=156 a>b. s a ( Corrigés 37Vecteurs Tous les vecteurs considérés dans cette fiche sont des éléments de 1, Généralités Définition 10.1 D’un point de vue formel, un vecteur est une classe d’équivalence de bipoints pour la relation d’équipolence, c’est-i-dire de segments orientés sur lesquels s’ajoute Pinfor- mation sur le sens. D’un point de vue cartésien, c’est un objet défini par ses coordonnées dans un repere. En physique, c’est un objet géométrique fixe défini par sa direction, son sens et sa Tongueur. Definition 10.2 Base et coordonnées Considérons n vecteurs de directions différentes, i7],...,im%, tels qu'un vecteur 7 quelconque de R" puisse s’exprimer de manigre unique comme une combinaison li- néaire des vecteurs if,.... if, C’est--dire qu’il existe une unique suite de scalaires Ajs...4Ay tels que T= Ayigy +... + Ayith Nous disons que (0; i;...;i%) est un repre de R”, {i7;...;im) représente la base de ce repére et 21, ..,2y sont les coordonnées ou composantes du vecteur 7 dans cette base. Exemple Dans le repére (0; 7; 7) du plan, 7 = x7 +y j,apour coordonnées ou composantes x et y. or 2. Produit scalaire, produit vectoriel et produit mixte Définition 10.3, : uy cn 8 Le produit scalaire de deux vecteurs 17] ; et Tl : | de R", noté par 7-7, ou 8 Uy O encore (7/7) est le réel TT = uyo) +++ + tte = Y ui0i, 1 ot les 1; (resp. les v,) pour i € (1, ....72) sont les compos: ites de 7 (resp. 7) dans R”". 38 e Fiche 28Copyright © 2013 Dunod Théoréme 10.1 Soient W et F deux vecteurs de R". BL SL SL =Shye>o © Le produit scalaire permet de calculer la longueur ou norme d’un vecteur. En effet, a longueur d'un vecteur Tt de R” est égale & Wa) = Vit-@. Inégalité de Cauchy-Schwarz. Pour tous vecteurs i et @ de®", nous avons : Ie -F] < Matll xNe Définition 10.4 ee ‘ Deux vecteurs 7 et 7 de R" sont colinéaires s'il existe 2 € R tel que 7 = AT ou Uaau. ¢ Deux vecteurs non colingaires 7 et 7 de R" engendrent un plan. Leur produit scalaire peut étre donné en fonction de angle orienté (7, #7) et de 1a longueur de chaque vecteur. Si @ est une mesure en radians de l’angle orienté (77, 7), alors WT = |Iill] x [[llcos 6. # Deux vecteurs i et de R" sont dit orthogonaux si 7-7 ‘© Unvecteur unitaire de R" est un vecteur dont la norme vaut 1. \ ‘© Dans 8", la base {it;...;i%4) est dite orthonormée si Vi € {1,...,7),llujll = 1 et Vie (I...) f= 1i...3m, ti = OVE Fj. Exemple : Travail d’une force Soit F’, une force uniforme (c'est-i-dire ayant la méme valeur en tous leg points de l’espace). @intensité F et dont le point application se déplace suivant le vecteur Z de longueur Z, dans tune direction faisant un angle ¢ avec la direction de la force. Alors la force effectue un travail defini par F «= FLcos¢. Pour définir le produit vectoriel et le produit mixte, nous nous plagons dans IR? muni d'une base orthonormée directe. Définition 10.5 Soient 7 et TF deux vecteurs de R* non colinéaires. Le produit veetoriel 7 par 7 est unique vecteur 7 de R, noté ZA 7, orthogonal A 7 et AF tel que Ia base Gi; 0; TAB) soit directe (c'est-a-dire vérifiant la régle du bonhomme d’ Ampére) et de norme [|Z A I] = ||l] x || Fl] x | sin 4 avec @ l’angle entre T et V7. 39pyright Co} Exemple : Force de Laplace La force de Laplace est une force électromagnétique qui s'exerce sur l'ensemble des charges un matériau conducteur. Elle résulte de action de la force de Lorentz. sur toutes les par- ticules chargées. Les matériaux conducteurs étant neutres électriquement, son expression ne dépend que du vecteur dans towel passe le courant électrique J et du champ magnétique B. Son expression est dF =I xd? A (| « Le produit vectoriel est antisymétrique. Pour tous vecteurs 7 et T de R?, TAT =—TAT. + « Si i et F sont colinéaires, alors le produit vectoriel de i par Test Ie vecteur nul de B3, TAT=0 ‘© Pour déterminer le sens du produit vectoriel 7 A 7, nous pouvons utiliser la regle de la main droite. Le pouce indiquant le sens de W et index indiquant le sens de 7, le majeur indique alors le sens de if A 7. Définition 10.6 Le produit mixte de i, 7 et i, trois vecteurs de R3, noté par (2, 7, i) est le produit scalaire de i par le produit vectoriel (1 AT) : (8,0, B) = Gi nT). em, Soient 7, F et if trois vecteurs de R', alors 1, échanger deux vectcurs change le signe du produit mixte B,D) = -@, TB) = GB, 8, =~, B, 7), 2. une permutation circulaire des trois vecteurs laisse inchang€ le produit mixte Exemple : Force de Lorentz La relation de Lorentz exprime la force magnétique F exercée sur une particule de charge Alectrique q,animée d'une vitesse 7 dans un champ magnétique Bs F = git 4 B. La pase sance P de la force de Lorentz, définie par F - 7 est nulle car la force F est constamment perpendiculaire au vecteur vitesse T de la particule. qi a B): F = q(t, B, #) =0.yyright © 2013 Dunod. Coy Application Soient (0, 7, 7. R) le repére orthonormé de et 7 +47 -2etct=-7-37 +k deux vecteurs. Le couple (i, 7) définit un plan car if et 7 ne sont pas colinéaires. ‘Trouver un vecteur a orthogonal au plan défini par (if, 7). Par definition, le produit vectoriel AV est orthogonal a U eta V et donc au plan qu'ls deéfinissent. Nous choisissons i comme tout vecteur colinéaire a i AT. woe MLC Nous prenons done @ = Ax (-27 + 7 + K)avecdeR. Le plan (if, @) est défini comme tous les vecteurs normaux a i A. Si nous posons d = ai +b] +ck alors GAD) T=0—> -2a4d+e De plus, d est orthogonal a 7 donc al 0. + =0> a4t4b-2c=0. 5 Nous avons donc un systéme de deux équations et trois inconnues a résoudre. Une solution est donnée par a= 2, etc=3donc d = 747 +3K ou tout autre vecteur proportionnel a celui-ci permet de répondre a la question. Pour s‘entrainer (solutions p. 509) Soient A, B et C trois points distinct du plan. Répondre par vrai ou faux aux asser- tions suivantes. 1, Les points A, Bet C sont alignés si et seule~ ment si: AB-AC = AB AC. 2. Les droites (AB) et (AG) sont orthogonales siet seulement si AB- AC = 0. 3. A est le milieu du segment [BC] siet seule- ment si: AB» AC = ~AB?. Soient 7 et T deux vecteurs de meme norme. Démontrer que les vecteurs i + @ et @— F sont deux vecteurs ortho- gonaux. Soit (0; 7 7; 8) un repare, otho- normé de B', Nous posons @ = 7,7 = i+jaw= 7, Calculer (A 7) A puis i ACE A i) et conclure Soient 7, 7 et i trois vecteurs de R. Montrer Pidentité de Jacobi : TATA ATTA +TATAT) = 0. oe trois vecteurs de R°. Calculer les produits mixtes suivants : L@, 3.0) 2. (iti, B) svn {2 3.8.) 47,8, 7) a eeVecteurs et éléments de géométrie 1. Applications du produit scalaire Définition 11.1 En géoméirie analytique, un repére vectoriel orthonormé du plan R? ou de espace R? est constitué d'un point origine O et d’une base composée de deux vecteurs or- thogonaux et unitaires 7, 7 dans Je plan ou de trois vecteurs orthogonaux deux & deux et unitaires 7, 7, K dans espace. Les coordonnées d’un point A du plan ou de espace dans ce repére sont alors données respectivement dans le plan et espace par les réels x4, ya.za tels que : OA = xi +y4j ou OA = xi + ya] tak. xa Nous notons généralement A et ses coordonnées naca(f ") (dans le plan) ou A Ya za (Gans l’espace). Définition 11.2 xa xp Deux points du plan A (es ) eB (a3 ) ou de l’espace A [ Js B [m définissent un A ZA ze ‘ta — 4 Xp - Xa vecteur aa % cal dans le plan et AB] yis ~ ya | dans espace. La distance entre ya B-A At Best donnée par AB = JAB. Définition 11.3 Equation d’une droite dans le plan 2? Soient m(°) un point de R? et (5) tun vecteur non nul du plan, La droite (D) fo du plan R? passant par My et normale a 7 est l'ensemble des points n{} ) tels que ‘MoM et i soient orthogonaux, c’est-a-dire : MoM - i = 0 = a(x - x0) + Dy - yo) Cette demitre équation est appelée équation cartésienne de la droite (D). 42Définition 11.4 Distance d d'un point a une droite dans le plan Soient a, b deux réels non simultanément nuls. La distance d d’un point A (3) du Is laxa + bys + cl plan a la droite d’équation cartésienne ax + by + ¢ = Oest: d= laxa + bya tel) Definition 11.5 Equation d'un plan dans lespace It* x0 a Soit Mo] yo | un point de R et 77] b | un vecteur % E non nul de l’espace. Le plan (P) passant par Mo et. ° de vecteur normal 7 est l'ensemble des points thogonaux, c’est-d-dire : x of 4 de l’espace tels que MyM et 7 soient or- Algébre AM - it = alx — x0) + bly — yo) + ez - zp) = 0. Cette dernigre équation est appelée équation cartésienne du plan (P). Définition 11.6 Distance d d'un point A un plan dans l’espace XA Soient a,b, ¢ trois réels non simultanément nuls. La distance d d'un point A n| de za Vespace au plan d’équation cartésienne ax + by + cz +d = O est donnée par : laxa + bya + cca +l fr + P+ d Définition 11.7 Equations d’une droite dans l’espace ° 20 a Soient mn] un point de R? et [>] un vecteur non nul de l'espace. Chacun 20 e des points M appartenant A la droite passant par My et de direction i est tel que les vecteurs MM et i soient colinéaires : MM = iv. Ainsi, x0 a) (x+aa M= [=] (>) -[n c) larde Cette demigre équation est appelée équation paramétrique de la droite (D). Dans lespace, une droite peut aussi se définir comme l'intersection de deux plans non ene ax+ by+ c+ d=0 a'x+by+cz+d' =0 20 Ce demier systéme d’équations est appelé équation cartésienne de la droite (D). 432. Applications du produit vectoriel et du produit mixte Définition 11.8 Distance d d’un point M a une droite (D) dans l'espace La distance d’un point M & une droite (D) passant par les points distincts A et B est donnée par : HEE E HEE EEP SEE PHY IMA» ABI _ MA» MBI, = - ABI) AB, Théoréme 11.1 © L’aire d’un parallélogramme ABCD est \|AB A ADI eee © Laire d'un triangle ABC est gIABa AC\ Théoréme 11.2 # Le volume d'un paraltélépipede construit sur les 7 vecteurs AB, AD et AE est (AB.AD, AB). she volume d'un étraédre ABCD est glAB.AC. AD). A 8 Tetraedre ABCD Nous travaillons dans le repére (0, 7. 7. ®) ortho- normé direct, Nous considérons les trois points A, B et ‘ Ctels que OA = 7,0B=27 et OC =3k. 1. Donner I"équation du plan passant par les points A, B rg atc. oLA 2. Calculer la distance de l’origine & ce plan. Bad 3. Donner I’aire du triangle ABC. 1, Nous avons tout d’abord AB| -1 - | et | “} Le vecteur # = ABA AC est orthogonal & ce plan. Calculons ses ere 6 a = ABAAC =| 3). 2 Soit maintenant M(x; y; 2) qui appartient au plan. Alors, nous avons AM: 7 = 0, ce qui revient A6(x- 1) + 3y +22 = 0. Nous en déduisons que le plan (P) a pour équation : 6x + 3y + 22-6 = 0.Copyright © 2013 Dunod. 2. Donnons maintenant la distance de l’origine & ce plan. Elle est donnée par: Jaxy + byy + exo + dl 6 3. Nous cherehons pour terminer 'sire du tangle ABC. Elle est donnée par : a of = IAB ARE = 3 x NIOFIFA Pour s‘entrainer (solutions p. 509) Dans tous les exercices, nous considérons le reptre orthonormé direct (0, 7, 7, k)deR'. Nous considérons dans R¥ tes deux plans P: x-4y+7 = Oet Q: x+2y-ctl = 0. Les deux plans sont-ils sécants ? Déterminer Vangle aigu entre les plans (P) 2x-y+z=3et(P’) xty+22=7 Nous considérons la sphere $ de R° dans B 0 1 de diamtre [AB] avec ‘{ 0 et Af :} Donner I’équation du plan de R? pas- -l 3 1) (2 1 sant par les points A] 2}, B] 3 2). 4 -1) to Donner l’équation du plan passant 2 3 1 est #] 1 2 Ee 1. Déterminer I'équation de la sphere (S). 2. Donner Je centre et Je rayon de cette sphere. dans B 4s . Corriaé« / Statictinue Corrigés ~ (StatistiquePolynémes Dans toute cette Fiche, X désigne un corps commutatif, 1. Définitions Définition 12.1 Un polynéme a une indéterminée, a coefficients dans K, est une suite notée (a))ien de scalaires de K tous nuls a partir d’un certain rang p. Un tel polynéme se note généralement par P ou P(X) et s’écrit: P(X) = ay + aX + anX? +... +apX?. Les (ai) sont les coefficients du polynéme. Deux polyndmes seront égaux si et seulement si leurs coefficients sont égaux. Le degré du polynéme, noté par d°(P), est la plus grande valeur de p telle que a, soit non nul. ap est alors appelé le coefficient. dominant de P. Nous convenons également que le polyndme nul a pour degré -o0 Nous notons par K[X] l'ensemble des polynémes a une indéterminée & coefficients dans K. Nous notons également par K,y[X] l'ensemble des polyndmes de degré inférieur ou égal an. Définition 12.2 Soient P et Q deux polynimes de K[X] avec POX) = Dy aiX! et OX) = Dlg byX!. ‘« Le polynéme somme s’écrit P+Q avec (P+ Q(X) = Dig cxX" avec r = max(p, q) et cy = ay + Dy. ‘© Soit A € K. Le polynéme produit par un scalaire s’écrit AP avec (AP)(X) Dh gdanx!. * Le polynéme produit s’écrit PQ € K[X] avec (POX) = LLG deX" avec dk Di jau iby © d°(P + Q) < max(d(P),d°(Q)). Si le K est différent de 0, alors d°(AP) = d°%P), sinon d°(AP) = d%(0) = ~00. © d°(PQ) = dP) + a°(O). 46Dunod. Copyright © 201: Définition 12.3 Soient A et B deux polynémes de K[X]. A divise B dans K[X] s'il existe un polynéme Q dans K[X] tel que B = AQ. Théoréme 12.1 Soient A et B deux polynémes KIX] tels que B + 0. Il existe alors un unique couple (Q,R) de polyndmes de KIX] tel que : A=BQ+R, avec d°(R) < d°(B). Les polyndmes Q et R s'appellent respectivement le quotient et le reste de la division euclidienne de A par B. Deux exemples de calcul de division euclidienne sont détaillés dans ' application, ee Définition 12.4 Un polynéme P € K[X] est dit irréduetible dans K[X] si P n'est pas constant (c’est- a-dire d°(P) > 1) et si les seuls polynémes divisant P sont les constantes non nulles et les polynémes AP, avec 1 € R. Théoréme 12.2 Soit P< K{X] un polynéme non nul. Alors P se décompose de maniére unique a Vordre pres sous la forme P = AP"... P* oli A € Ka; € N° et les P; sont des polyndmes distinets, de coefficients dominants égaux & 1 et irréductibles dans %{X\, Definition 12.5, Deux polynémes P et Q de K[X] sont premiers entre eux s'ils n'ont aucun poly- nome commun dans leurs décompositions respectives sous la forme donnée dans le théoréme précédent, jem2, La division euclidienne dans R[X] est I’analogue de la division dans Z. Il y a ainsi des res- semblances fortes entre les notions de nombres premiers, d’irréductibles, de décompositionen {0 produit de nombres premiers ou d'irréductibles en arithmétique et celles introduites ci-dessus. Fiche 9 3, Racines d’un polynéme Définition 12.6 Un scalaire a de K est dit racine de P si l’évaluation du polynéme en a est nulle, soit P(a) = 0. aest racine de P si et seulement si le polynéme (X—a) divise P. Soitk € N°. est racine d’ordre k (ou de multiplicité k) de P si le polynéme (X ~ a) divise P et si le polynéme (X — a)'*! ne divise pas P. a7Dunod. yyright © 2013 D Cop’ Théoréme 12.3 Si ay,a3,... ay sont des racines distinctes du polyndme P de K(X] de multiplicités res- pectives ki,ky,...,k;, alors P peut s’écrire sous la forme P(X) = (X - ay)" ...(X = 4) Q(X), ot Q est un polyndme de K[X] tel que Q(ay) # 0,...,Q(a,) #0. Corollaire 12.1 Un polyndme de degré n a au plus n racines, Théoréme 12.4 Soient P un polyndme de K[X] et a un élément de K. Alors, les propriétés suivantes sont équivalentes : © (X~ al divise P. © P(a) = P'(a) =... = Pa) = 0. En conséquence, a est une racine d’ordre k de P si et seulement si : Pla) = Pia) =... = P® (a) = 0, Pa) #0. 4. Cas de C[X] et RIX] Théoréme 12.5 Théoréme d’Alembert Tout polyndme non constant de C[X] admet au moins une racine dans C. Tout polyndme de C[X] de degré n admet exactementn racines (comptées avec leurs multipli- ités). Tout polynéme non constant de C[X] est Seindé, c’est-A-dire factorisable en un produit de facteurs du premier degré, Nous disons que C est algébriquement clos. Théoréme 12.6 * Décomposition d’un polynéme. Soit P un polyndme de R{X|. Nous pouvons consi- dérer P comme un polynéme de C[X] et a ce titre le décomposer en un produit de facteurs du premier degré de la forme (X — aj) oi les «x; sont les racines complexes de P, compiées avec leur multiplicité. © Les polynomes irréduetibles de [X] sont soit de la forme A(X — a) ot A,a € BR, soit de la forme A(X? — sX + p) avec $* ~ 4p <0 ott, p € B. Tout polyndme de R{X] peut se décomposer en un produit de tels facteurs irréductibles. 1. Nous considérons les deux polyndmes de R[X], A(X) = 2X3 — 1X? + 7X +20 et BO) = 2X ~5. Chercher les polyndmes Q(X) et R(X) de R[X] tels que A(X) = BOON) + RO. 2, Soient & présent les deux polynémes de R[X] A(X) = X° + 2X? +3 et B(X) = X*—X—1. Chercher les polyndmes O(X) et R(X) de R[X] tels que : A(X) = BX)QUX) + ROD.Copyright © 2013 Dunod ih 8 Pour cela, nous posons la division de A(X) par B(X) selon les puissances décroissantes dex: 2X3 -11X? +7X +20 2X -5 2X3 45x? Xt 3X =4 6x2 46X? -15X 8X +8X -20 0 Nous en déduisons que Q(X) = X? ~ 3X ~4et R(X) = 0. 2, En posant & nouveau la division de A par B nous obtenons : XO 42K? 43 XP AK -1 “XS 4x2 4X X43 3X? 4X 3X? 43K +3 4X 46 Nous en déduisons que Q(X) = X +3 et R(X) = 4X + 6. Pour s‘entrainer (solutions p. 509) Soit le polyndme POX) = X* + X¥ = TX? = 13X - 6 dans RIX]. mn euclidienne du po- Iyndme A(X) par Ie polynéme B(X) dans RX] dans chacun des cas suivants : 1 A(X) = X34 X24 X4+ Let BOX) =X? +1. 2, A(X) = X3 42X24 3et B(X) = X?-X— 1. 3. A(X) = X* +2 et B(X) = X4 +4X -2. 1. Quel est le degré du polyndme P(X)? 2, Montrer que X = -1 est racine de P(X) dans B[X]. 3, Trouver le polyndme Q(X) du troisiéme degré tel que P(X) = (X + OX). Soit le polyndme P(X) = (X? +1)? — (4X + 2)° dans R[X], 4. Quelles sont les racines réelles de Q(X)? 1. Quel est le degré du polynéme P(X)? En oedlre celles de.P00) 2. Déterminer les racines réelles de P. Soit le polyndme P(X) = 2X°-7X+2 dans R[X]. Soit le polynéme P(X) = —X*+6X?— 9X + k dans R[X] avec k réel. Pour quelle valeur de & le nombre 4 est-il ra- cine de P? 1, Montrer que ~2 est racine de P(X). 2, Factoriser P(X) et donner les racines réelles de P. 49 eeFractions rationnelles Dans toute cette fiche, IK désigne un corps commutatif. Definition 13.1 Nous appelons fraction rationnelle toute fraction de deux polyndmes P et Q appar- Pe tenant respectivement & KIX] et K*IX], FOX) = a eux, I’écriture F = £ sappelle la forme irréductible de F. L’ensemble des fractions rationnelles est noté K(X). et Q sont premiers entre Exemple 2X41 La fraction FOO = 5 est une fraction rationnelle avee P(X) = 2X +1 et Q(X) = X38 +1 Définition 13.2 B eee pan , Soit F = — une fraction rationnelle écrite sous forme irréductible. Nous appelons pale de F toute racine de @. a est un pale d’ordre n de F si a est une racine de multiplicité n de Q. Si n = 1, nous disons que a est un pale simple de F. Théoréme 13.1 Soient F © K(X),F # 0 et F = £ sa forme irréductible, Soit Q = AQT"... Q%' la décomposition de Q en polyndmes irréductibles de &[X]. La décomposition en éléments simples de F est l'unique écriture de F sous la forme : i Ay = QO} avec E € KIX], Ai € KIX] et d°(A,;) < d°(Q)). Le polynéme E s‘appelle la partie entire de F, il est le quotient de la division euclidienne de P par Q. Les termes a sappellent les éléments simples de F. Les termes", ¥ s'appellent partie principale de F, engendrée par Q". 7 1. Décomposition en éléments simples dans C(X) Nous allons commencer par expliquer comment donner la décomposition d’une fraction rationnelle 2 coefficients réels en éléments simples sur C. 50yyright © 2013 Dunod. Coy Théoréme 13.2 Soient F € C(X),F # O-et F = & sa forme irréductible. Toutes les parties principales de F sont de premiere espece et F s’écrit de maniére unique : artes F(X) = E(X) = ees 3 (Sa%s| avec E € CIX), aij € Cet y,...,mx désignent les poles de F, d’ordre respectif yy 2. Décomposition en éléments simples dans R(X) Nous allons maintenant nous intéresser coefficients réels sur R. la décomposition d'une fraction rationnelle & Théoréme 13.3 Soit F € R(X). Les poles de F sont réely etfou des couples de complexes conjugués © Chaque pole réel pt, d'ordre n, engendre une partie principale de la forme eel X=" (X=! (=P a, X=" avec dj, dr, .... dy des coefficients réels. Ces derniers sont déterminés soit par iden- tification soit en remplacant X par des valeurs particulidres. Ces éléments de décom- position s‘appellent les éléments simples de premire espece. * Chaque couple de poles complexes conjugués + iy et p.—iy, d’ordre n, engendre une partie principale qui s’écrit sous la forme suivante aX bby di X + Dp Xt 4 IX + by [X-P+e)" x? + rT" [x-aP +P [X-ae+ yr avec aj, a2, Duy, bi, +4 bn des coefficients réels a déterminer. Ces éléments de décomposition s’appellent les éléments simples de deuxiéme espéce. Dans le cas oi le pole a est un pote simple, sa partie principale ne comprend que le terme a (X=a) - Le coefficient a; est alors déterminé en calculant (X ~ a)F(a) au point X = a. Point méthode les étapes suivantes = + recherche de la partie entire (si d'(F) > 0); + recherche des péles de F et factorisation de Q; + écriture de la forme générale de la décomposition en respectant la nature et l'ordre de multiplicité des péles; + évaluation des divers coefficients (par identification ou toute autre méthode), 51 eeExemples ‘Voici deux exemples, non évidents, de décompositions en éléments simples dans R(X) 1 Vax+2 y2X+2 PeXt 4x24 V2X41 4x2- VIK+1 X41 2 8 u cf D Vey Tectia) 2 La transformée de Laplace intervient dans la résolution d’ équations et de systtmes différen- Fiche 69 tiels notammenten électricité, électronique et théorie du signal. Nous rappelons que si_f est une fonetion nulle en dehors de R*, sa transformée de Laplace est Ja fonction qui & tout réel ou complexe p associe, sous condition d’existence de lintégrale ZAni= [fora Nous proposons de montrer ici comment la décomposition en éléments simples peut interve- nir dans la résolution d’une équation différentielle. Posons I’équation suivante : 9") = 3y' ~ yl) +e avec pour conditions initiales y(0) = I et y’(0) = 0. Cherchons la solution de cette équation différentielle. Nous proposons tout dabord, afin de résoudre cette equation différentielle, d'utiliser la transformée de Laplace en I'appliquant a notre équation ci-dessus pour obtenir, via les propriétes bien connues de la transformée de Laplace 1 (p? - 3p + 2)Zy\lp) -p +3 Nous en déduisons la décomposition en éléments simples suivante pap +4 Lu) = KP) = G-3p+ Dp- = 222 oP eons ee p-1 @-P Ilne reste plus qu’a déterminer les coefficients A et B de la décomposition en éléments § simples precedente, Nous multiptions l'expression préeédente par (p ~ 1)? et posons p = 1 ce qui nous améne a B = ~1. Pour trouver A, il suffit de multiplier I’expression par p ~ 1 et de prendre la limite orsque p tend vers +09, Nous trouvons ainsi A = 523 Dunod. Copyright © 20 Enfin, nous terminons la résolution & partir de expression Zyl) par passage & inverse de la transformée de Laplace pour obtenir : We) =e -1 =(1-0e. Pour s‘entrainer (solutions p. 510) ‘Donner la décomposition en éléments Nous considérons 'équation diffé- simples des fractions suivantes : rentielle 1 y= yO = sin) avec (0) = (0) = 1 L F(X) = 1, Si nous posons ¥ = [y] la transformée a x de Laplace de y, montrer que nous avons : 2. F(X) = pel ?¥ - pY-p= 7 pY-pY-p Pra Fx) = ——*—__. 3.909 = Ge HOra es) 2, Montrer que dans ce cas, ¥ = : + 4 = s’écrit sous la forme : Ly bb aux tan ++ ay X1 + 2.49 ++ yy X + yy XQ + 0 + Aap Xp = by Ly Les (aij)i jou si aij = 0 pour tout (i; j) tel que i < j. Exemple Qn tn ty Le systeme (S) 2 — 43 = 2 est um systéme linéaire de type triangulaire. mel Pour obtenir un systéme triangulaire, la procédure systématique de résolution de sys- téme linéaire ou algorithme de résolution consiste a se servir du terme en x) dans la premiére équation pour éliminer les termes en x, des autres équations. Puis a se servir du terme en x2 dans la deuxiéme équation pour éliminer les termes en x2 des autres Equations. Nous réitérons la méme opération avec les autres inconnues jusqu’a obtenir un systéme équivalent qui sera trés simple a résoudre Théoréme 14.1 Les opérations élémentaires ci-dessous transforment un systéme linéaire en un systeme linéaire équivalent. © Permuter deux équations (i.e. deux lignes) L; et Lj, ce que nous codons par L; —> Lj. © Multiplier une Equation L; par un nombre a réel ou complexe non nul, ce que nous codons par L; — AL; avec A #0. © Ajouter a la ligne L; un multiple de la ligne L; avee j # i, ce que nous codons par LL + Aly, avec AE Rou. Les trois types d’ensembles de solutions possibles sont l'ensemble vide, un singleton, associé une solution unique, ou un ensemble contenant un nombre infini de solutions. Dans les Fiches 15 et 25, nous présenterons d'autres méthodes de résolution des sys- temes linéaires telles que la méthode du pivot de Gauss ou encore celle qui fait appel au calcul de déterminants. 55 eeCopyright © 2013 Dunod Application Nous considérons le circuit électrique suivant. Calculer les intensités des trois courants fi, [2 et Fs q circuit ci-dessus sachant qu’ils sont définis par les équations : hehth, 2h = 22-10h, 10h = 3/5 +10 sme est un systéme linéaire non homogéne de troi h-h-bh=04 (S)} 2h + 10h, 2h 10h = 3h = 10 Ls Nous utilisons les opérations successves Ly — Ly ~2Ly puis Ly — ly et ly — ly ~ $l pour le transformer en un systéme triangulaire équivalent. équations & wois inconnues de la h-h-~h=0 L ws) 12fp + 2s = 22 La — La 2k 10h, ~ 31s Ly puis N-h-h=0 Lb wo”) 6h +h = 1 by — bh 10; -3h=10 Ly etenfin A-h- & = 0 Ly is") 6h+ h = IL h - Fh=-% ly —ly-3hr Nous obtenons ainsi un systéme ($”) triangulaire et équivalent au syt@me (5) de départ. Nous commengons par résoudre la derniére équation pour trouver Js. Nous obtenons fs = 2. Pais nous injectons le résultat obtenu pour Js dans la deuxiéme équation pour obtenir fp = 4 os 1, 5A, Enfin, en fnjectantles résultats de 7a et Ty dans la premiére équation nous trouvons fy = hh + Is = 3,34 La solution du systéme (S)) est donc le triplet ((3, 3; 1, 5;1,8)}. 5613 Dunod. Copyright © 21 Pour s‘entrainer (solutions p. 510) Résoudre le systeme homogene sui- vant (S) Sx-2y +32=0. Résoudre le systéme homogene sui- vant : Bx + Sy — 4 (S)4 3x = 2y + 4 6x + y —8=0 Pondérer Méquation chimique sui- vante : M1 C3Hy + 2202 > x3CO2 + 440. Pondérer équation chimique sui- vante : x1 B2S3 + %9HiO — xsHsBO3 + xaHS. ‘mogenes suivants, 1 (8) 2. (Sa) 3.(83) axty-2 -x-y-z= axty-z= 8 Qe+ y zal xr ytza2 4x tdytr=3 a+ rte atyccmt wey tote -xtyte-U=-2 57 s a ( CorrigésPivot de Gauss La méthode du pivot de Gauss permet de transformer facilement un systme linéaire en un autre syst#me équivalent mais plus simple a résoudre. Elle est de ce fait trés utilisée en alg2bre linéaire et dans les applications. 1. Matrice échelonnée, augmentée Définition 15.1 Un tableau rectangulaire, appelé matrice, suffit & résumer ’essentiel de l'information présente dans un syst#me linéaire. Etant donné le systéme linéaire (S. ay) x1 + 1242 +++ + dip Xp 24 X1 + A22.X2 +--+ + 2p Xp (Ss) Gig) X1 + yn 82 +++ + Any Xp la matrice des coefficients de (5) est définie de telle fagon que les coefficients de chaque inconnue soient disposés en colonnes : fai a2 +++ ap (dat Gnd *** np Nous appelons matrice augmentée, la matrice des coefficients de (S) a laquelle nous ajoutons la colonne des termes des membres de droite de (S) : an an ap by a Définition 15.2 Une matrice rectangulaire est dite sous forme échelonnée si elle remplit les trois, Z conditions suivantes : 2 « toutes ses lignes non nulles sont situées au-dessus de ses lignes nulles, 5 chaque élément de téte de ligne se trouve dans une colonne & droite de I’élément de tte de ligne précédente, 58Copyright © 2013 Dunod ‘© tous les éléments de la colonne sous un élément de téte sont nuls. Elle est dite sous forme échelonnée réduite sien plus d’étre échelonnée elle satisfait aux conditions supplémentaires suivantes : ‘* L’lément de téte de chaque ligne non nulle vaut 1, ‘© Chaque | de téte dune ligne est le seul élément non nul de sa colonne. Exemple 2133) (1003) Les matrices] 3.0 6] ct]0 1 0 6| sont respectivement sous forme échelonnée et échelonnée 0053) loo13, réduite. 2. Pivot de Gauss Definition 15.3 Une position pivot dans une matrice est celle qu’occupe un 1 de téte dans la forme échelonnée réduite de cette matrice. Une colonne qui contient une position pivot est appelée colonne pivot. ee Théoréme 15.1 Les opérations qu'il est possible deffectuer sur les lignes dans le cadre d’une résolution d'un systéme par la méthode du pivot sont les suivantes : ‘© remplacer une ligne par la somme de cette ligne avec un multiple d'une autre ligne, * échanger deux lignes, ‘© multiplier tous les éléments d'une ligne par une constante non nulle. > Algorithme du Pivot de Gauss Nous travaillons sur la matrice augmentée obtenue a partir du syst#me d’équations li- néaires de départ. ‘* Nous commengons par la colonne non nulle la plus & gauche, C’est une colonne pivot. La position pivot est en haut de la colonne. # Nous choisissons comme pivot un élément non nul de la colonne pivot. Il est parfois, nécessaire (intervertr les lignes pour que cet élément occupe la position pivot. ‘© Nous appliquons les opérations élémentaires sur les lignes pour que tous les éléments sous le pivot deviennent des 0. ‘* Nous abandonnons la ligne qui contient le pivot ainsi que toutes les lignes au dessus de celle-ci s'il y en a, Nous appliquons nouveau les étapes précédentes & la sous matrice qu’il reste. Nous répétons ceci jusqu’a ce qu’il n’y ait plus de ligne non nulle ‘Achanger. © Finalement, nous réécrivons sous forme d’équations le systme correspondant & la matrice de I'étape précédente. Ce systéme est équivalent au systtme de départ.