Ensembles finis et dénombrement

Dimension: px
Commencer à balayer dès la page:

Download "Ensembles finis et dénombrement"

Transcription

1 Ensembles finis et dénombrement Définition (Ensemble fini/infini) Soit E un ensemble. On dit que E est fini s il est vide ou si, pour un certain n N, il existe une bijection de l ensemble 1, n sur E ; on dit sinon que E est infini. Explication Ce chapitre est intégralement dirigé par une idée : l idée selon laquelle une bijection de E sur F établit une correspondance parfaite entre les éléments de E et les éléments de F ; c est la manière qu ont trouvé les mathématiciens pour décrire la taille, le nombre d éléments des ensembles appelé cardinal. Cette théorie nous permettrait de parler aussi des ensembles infinis si nous le voulions, mais cela n est pas au programme et c est plus compliqué. 1 Cardinal d un ensemble fini Définition (Cardinal d un ensemble fini) Soit E un ensemble fini non vide. On appelle cardinal de E ou nombre d éléments de E tout entier n N pour lequel il existe une bijection de 1, n sur E. On convient que le vide est de cardinal 0, ce qu on note : card( ) 0. Théorème (Unicité du cardinal) (i) Soient m, n N. Il existe une bijection de 1, m sur 1, n si et seulement si m n. (ii) Soit E un ensemble fini. Il existe un et un seul cardinal de E, noté card E (ou #E ou E ). (i) Résultat admis. (ii) Soient m et n deux cardinaux de E, i.e. deux entiers naturels non nuls pour lesquels existent une bijection f : 1, m E et une bijection g : 1, n E. Alors g 1 f est une bijection de 1, m sur 1, n, et aussitôt m n via l assertion (i). Exemple Soient m,n Z tels que m n. Alors m,n est fini et card m,n n m , n m + 1 m, n En effet Soit f l application. Cette application est bijective car l application en est la réciproque. Cela montre bien le résultat voulu. k k + m 1 m, n 1, n m + 1 k k m + 1 Théorème Soient E et F deux ensembles. On suppose que E est fini et qu il existe une bijection de E sur F. Alors F est fini et card E card F. Si E est vide, le résultat est immédiat car F est alors vide lui aussi. Supposons donc que E n est pas vide, et puisque E est fini, donnons-nous une bijection g de 1, card E sur E. Soit alors f une bijection de E sur F, conformément à l hypothèse du théorème. Alors f g est une bijection de 1,card E sur F, donc en effet F est fini, et card F card E par unicité du cardinal. Théorème (Parties d un ensemble fini) Soient E un ensemble fini et A une partie de E. Alors A est finie et card A card E. De plus A E si et seulement si card A card E. En pratique Pour montrer que deux parties finies A et B d un ensemble E sont égales, au lieu de montrer que A B et que B A, on peut se contenter de montrer, grâce au théorème précédent, que A B et que card A card B. Cette remarque est très utile dans certains contextes. 1

2 Récurrence sur n card E. Initialisation : Pour n 0, E est vide, et donc A aussi. Ainsi A E et il n y a rien à montrer. Hérédité : Soit n N. On suppose que pour tout ensemble fini E de cardinal n et toute partie A de E, A est finie telle que card A card E, et que de plus A E si et seulement si card A card E. Donnons-nous alors E un ensemble fini de cardinal (n + 1) et A une partie de E. Si A E, tout va bien. Supposons donc A E. Cette preuve étant abstraite, donnons-en rapidement l idée. Partant d une bijection f de 1, n + 1 sur E, nous allons restreindre celle-ci à l ensemble 1, n. Nous récupérerons ainsi une bijection de 1, n sur E E f(n+1), ce qui montrera en particulier que card E n. Nous espérons ainsi pouvoir appliquer l hypothèse de récurrence à l ensemble E, mais pour que cela nous parle de A, il faut être sûr d avoir A E. Or cela n est vrai que si f(n + 1) / A. La question pertinente est donc la suivante : peut-on toujours choisir f de façon à avoir f(n + 1) / A? 1) Montrons qu il existe une bijection f de 1, n + 1 sur E telle que f(n + 1) / A. Ce qui est vrai en tout cas, c est qu il existe une bijection f de 1, n + 1 sur E, puisque card(e) n + 1. Si f(n+1) / A, nous sommes heureux. Supposons au contraire que f(n+1) A. Comme A E, il existe un élément ω E extérieur à A. Définissons alors l application f : 1, n + 1 E en posant : k 1, n + 1, f(k) f(k) si f(k) ω et k n + 1 ; ω si k n + 1 ; f(n + 1) si f(k) ω. En somme, f et f sont identiques à ceci près qu on a échangé leurs valeurs ω / A et f(n + 1) A. Vous montrerez seuls, proprement, que f est bijective de 1, n + 1 sur E. Comme f(n + 1) ω / A, on a montré ce qu on voulait montrer. 2) Conformément au point précédent, nous pouvons nous donner f une bijection de 1, n + 1 sur E telle que f(n + 1) / A. Posons alors E E f(n + 1). Comme voulu, A est une partie de E car f(n + 1) / A. Nous allons montrer que E est de cardinal n pour pouvoir lui appliquer notre hypothèse de récurrence. Or la restriction de f à 1, n induit une bijection de 1, n sur E, par construction. Cela montre que E est fini de cardinal n. Par hypothèse de récurrence, A est donc un ensemble fini et de plus on a les inégalités card A card E n < n + 1 card E. Au passage, nous venons de montrer par contraposition l implication «card A card E A E» grâce à l inégalité stricte précédente. Théorème (Injectivité, surjectivité et ensembles finis) Soient E et F deux ensembles et f : E F une application. (i) Si f est injective et si F est fini, alors E aussi est fini et card E card F. Si de plus card E card F, f est en fait bijective de E sur F. (ii) Si f est surjective et si E est fini, alors F aussi est fini et card F card E. Si de plus card E card F, f est en fait bijective de E sur F. (iii) Si E et F sont finis de même cardinal, on a l équivalence suivante : f est bijective f est injective f est surjective. Explication Tâchons de comprendre intuitivement l assertion (i). Dire que f est injective, c est dire que pour tous x, x E, si x x alors f(x) f(x ). En français, ceci signifie que deux points distincts dans E sont envoyés par f sur deux points distincts de F. Ainsi f transporte les points de E dans F sans en faire disparaître aucun, sans qu aucun se retrouve au même endroit qu aucun autre. Dit autrement, ceci veut dire que f crée une copie de E dans F. Or une telle copie n est possible que si F est «plus gros» que E, que s il y a dans F assez de place pour accueillir une copie de E. Voilà pourquoi card E card F. E f injective F f(e) Faites l effort de comprendre intuitivement l assertion (ii) tout comme nous venons de comprendre l assertion (i). L assertion (iii) vous rappelle certainement un théorème du chapitre «Espaces vectoriels de dimension finie» que nous avons beaucoup aimé car il était très utile et facile à manipuler. De même qu on avait alors impérativement besoin de la condition «dim E dim F», on a dans le cas présent besoin de la condition «card E card F». 2

3 (i) Supposons f injective de E sur F. Comme f(e) est une partie de F, nous savons que f(e) est fini et que card f(e) card F. Or f est bijective de E sur son image f(e). Via un théorème précédent, la finitude de f(e) implique donc la finitude de E et de plus card f(e) card E. Finalement, nous avons montré que card E card F comme voulu. (ii) Supposons f surjective de E sur F et donnons-nous ϕ une bijection de 1,card E sur E. Alors f ϕ est surjective de 1,card E sur F par composition. 1 Posons, pour tout y F, A y f ϕ 1,card E k 1,card E/ f ϕ(k) y. Cet A y est une partie de N, il possède donc un plus petit élément µ(y). Nous disposons ainsi d une application µ : F 1,card E. Par ailleurs, pour tout y F, µ(y) A y, donc f ϕ µ(y) y ; on a donc f ϕ µ Id F. Montrons que µ est injective. Soient y,y F tels que µ(y) µ(y ). Alors y f ϕ µ(y) f ϕ µ(y ) y, et voilà le travail. Finalement, µ est injective de F dans 1,card E. Le premier point montre aussitôt que F est fini et que card F card E, comme voulu. (iii) Supposons E et F finis de même cardinal. Alors bien sûr, si f est bijective, f est injective et surjective. Supposons f injective. Alors nous avons vu dans la preuve de (i) que card f(e) card E. Du coup, card f(e) card E card F. Or f(e) est une partie de F, donc f(e) F, et enfin f est surjective, donc également bijective. Supposons f surjective et reprenons l application µ utilisée en (ii). Cette application µ est injective de F dans 1, card E. Puisque E et F sont supposés finis de même cardinal, le point précédent dans (iii) montre que µ est mieux qu injective, elle est en fait bijective. L égalité f ϕ µ Id F peut donc s écrire f µ 1 ϕ 1 et ainsi f est bijective. Théorème (Parties finies de N) Soit A une partie de N. A est finie si et seulement si A est majorée. Dans ce cas, si de plus A, il existe une et une seule bijection (strictement) croissante de 1,card A sur A. Explication Mais à quoi ce théorème peut-il bien servir? Quand on travaille avec une partie finie A de N, on a naturellement envie d écrire A sous la forme A a 1, a 2,..., a n où n card A et où a 1 < a 2 <... < a n. Bref, on a bien envie de ranger les éléments de A dans l ordre croissant. Mais est-ce au moins possible? Eh bien oui, c est ce que nous dit le 1, n A présent théorème. La bijection qu il décrit est ici l application, qui permet en effet un classement croissant i a i des éléments de A. Si A est finie, de deux choses l une : ou bien A est vide, donc évidemment majorée par tout entier ; ou bien A est non vide, et possède donc un plus grand élément, donc est majorée. Dans les deux cas, A est majorée. Réciproquement, si A est majorée, disons par M N, alors A 0, M. Or 0, M est fini, donc A également. Supposons à présent A finie non vide et notons n card A. Nous voulons montrer qu il existe une et une seule bijection strictement croissante ϕ de 1,card A 1, n sur A. 1) Analyse : Supposons l existence de ϕ. Soit k 1, n. Comme ϕ est strictement croissante, nous disposons de la chaîne d inégalités suivante : ϕ(1) < ϕ(2) <... < ϕ(k 1) < ϕ(k) < ϕ(k + 1) <... < ϕ(n). Comme ϕ est bijective d image A, il faut bien remarquer que tous les éléments de A figurent dans cette chaîne d inégalités. Il apparaît alors que ϕ(k) est le plus petit élément de A privé des valeurs ϕ(1), ϕ(2),..., ϕ(k 1). Bref : ϕ(k) min A ϕ(1), ϕ(2),..., ϕ(k 1) ßÞ Ð par convention si k1. Fin de l analyse. 2) Synthèse : Définissons ϕ de façon récursive en posant, pour tout k 1, n : ϕ(k) mina ϕ(1), ϕ(2),..., ϕ(k 1) ßÞ Ð par convention si k1 (initialisation). 3

4 Montrons que ϕ est strictement croissante. Soit k 1, n 1. Partons de l inclusion : A ϕ(1), ϕ(2),..., ϕ(k) A ϕ(1), ϕ(2),..., ϕ(k 1), et passons-la aux «min» : on obtient ϕ(k) ϕ(k + 1). Et comme ϕ(k) / A ϕ(1), ϕ(2),..., ϕ(k) est impossible d avoir ϕ(k) ϕ(k + 1). On a donc l inégalité stricte désirée : ϕ(k) < ϕ(k + 1). Pour conclure, remarquons que ϕ est une application strictement croissante, donc injective de 1, n dans A, et que card 1, n card A. Un théorème vu précédemment affirme enfin que ϕ est bijective comme nous l attendions., il 2 Dénombrement 2.1 Réunion, intersection et différence d ensembles finis Théorème (Cardinal de la réunion/intersection/différence de deux ensembles finis) Soient A et B deux ensembles finis. (i) Alors A B est fini et card A B card A + card B card A B. En particulier, si A et B sont disjoints, card A B card A + card B. (ii) card A B card A card A B. En particulier, si B est une partie de A, card B c card A B card A card B. Explication On peut dessiner quelques patates pour bien visualiser ce théorème. Dans le cas de la réunion, pour trouver le nombre d éléments dans A B, il faut compter les éléments de A et ceux de B en les additionnant, mais en faisant cela, on compte deux fois les éléments qui sont à la fois dans A et B, i.e. les éléments de A B ; c est pourquoi il convient de les retrancher. A A B B Posons m card A et n card B. Commençons par démontrer l assertion (i) dans le cas où A et B sont disjoints. Le résultat étant évident si A ou B est vide, nous nous donc plaçons dans le cas contraire. Soient α (resp. β) une bijection de 1, m sur A (resp. de 1, n sur B). Nous définissons l application γ de A B dans 1, m + n en posant : x A B, γ(x) α 1 (x) si x A m + β 1 (x) si x B. Bien sûr, une application est ainsi proprement définie car A et B sont supposés disjoints x appartient à A ou à B, pas aux deux. Il se trouve alors que γ est une bijection de A B sur 1, m + n comme nous allons le prouver à présent. Injectivité de γ : Soient x,y A B tels que γ(x) γ(y). Plusieurs possibilités s offrent à nous. 1) Si x et y sont dans A, alors α 1 (x) γ(x) γ(y) α 1 (y), et comme α 1 est injective, x y. 2) Si x et y sont dans B, alors β 1 (x) γ(x) γ(y) β 1 (y), et comme β 1 est injective, x y. 3) Enfin, si x est dans A et y dans B idem si c est l inverse alors γ(x) α 1 (x) 1, m et γ(y) m + β 1 (y) m + 1, m + n. Nous avons donc : γ(x) γ(y) 1, m m + 1, m + n. Surjectivité de γ : Soit i 1, card A + card B. La situation 3) est donc contradictoire. 1) Si i 1, m, alors il existe a A tel que α 1 (a) i. On a donc γ(a) α 1 (a) i. 2) Sinon i m + 1, m + n, donc i m 1, n. Il existe alors b B tel que β 1 (b) i m. On a donc γ(b) m + β 1 (b) i. Au final, γ est une bijection de A B sur 1, m + n, donc A B est un ensemble fini de cardinal m+n. On a finalement obtenu l égalité : card(a B) card A + card B. Démontrons l assertion (ii). En tant que parties de A, A B et A B sont des ensembles finis. Mais par ailleurs A A B A B, où A B et A B sont disjoints. Le premier point affirme donc que card A card A B A B card A B + card A B. C est justement ce que nous voulions. 4

5 Remarque Finissons-en avec le cas général de l assertion (i). En tant que partie de A, A B est un ensemble fini. Mais par ailleurs A B A B B, où A B et B sont disjoints. Le premier point affirme donc que A B est fini et que card A B card A B + card B. Mais nous pouvons aussi utiliser l assertion (ii), et finalement card A B card A + card B card A B comme voulu. Si A 1, A 2,..., A n sont des ensembles finis deux à deux disjoints (n N ), on peut généraliser la formule du théorème précédent de la façon suivante : card 1in A i n i1 card A i. 2.2 Produit cartésien d ensembles finis Théorème (Cardinal du produit cartésien de deux ensembles finis) Soient E et F deux ensembles finis. Alors E F est fini et : card E F card E card F. Se donner deux bijections conformes à la définition de la finitude de E et F, ce n est rien de plus que numéroter les éléments de E et F pour les distinguer. Nous pouvons ainsi énumérer les éléments de E et F en posant : E e 1, e 2,..., e m et F f 1, f 2,..., f n, si m card E et n card F. Alors par définition : E F (e i, f j). 1im, 1jn Pour tout i 1, m, posons à présent A i e F Ai i F (e i, f j) ; l application étant 1jn f (e i, f) clairement bijective, nous pouvons affirmer que A i est un ensemble fini de même cardinal que F. Il se trouve par ailleurs que la réunion des A i (1 i m) est E F tout entier, et que les A i sont deux à deux disjoints. En vertu de la remarque du paragraphe précédent, l ensemble E F est donc fini et on a : card E F card m i1 A i m i1 card A i m i1 card F m card F card E card F. Remarque Si E 1, E 2,..., E n sont des ensembles finis (n N ), on peut généraliser la formule du théorème précédent de la façon suivante : card E 1 E 2... E n card E1 card E 2... card E n. En particulier, si E est un ensemble fini et si k N : card E k card E k. Explication Ce résultat est souvent utilisé en théorie des probabilités ou lorsqu on fait du dénombrement. On introduit alors souvent le vocabulaire suivant : si E est un ensemble fini et si p N, on appelle p-liste de E (p-uplet de E) toute famille de p éléments de E, c est-à-dire tout élément de E p. On rappelle ci-après deux propriétés fondamentales des listes. Dans une liste, l ordre des éléments compte. Une liste n est jamais qu une famille ; or l ordre compte quand on travaille avec les familles. Ainsi, (1,2, 3) et (2, 1,3) sont deux 3-listes distinctes de l ensemble 1, 2,3, 4,5. Dans une liste, un même élément peut apparaître plusieurs fois. Ainsi (1, 1,2, 3) est une 4-liste de l ensemble Les listes servent souvent à modéliser des tirages successifs avec remise dans une urne, un jeu de cartes... 1, 2,3. Le théorème précédent montre en particulier que tout ensemble fini de cardinal n possède n p p-listes distinctes. Ainsi le nombre de façons de tirer 5 cartes successivement avec remise dans un jeu de 52 cartes est Applications entre ensembles finis Théorème (Nombre d applications entre deux ensembles finis) Soient E et F deux ensembles finis. Alors l ensemble F E des applications de E dans F est fini et : card F E card F card E. Soient n card E et ϕ une bijection de 1, n sur E. L idée de la preuve est la suivante : nous savons que F n est l ensemble des applications de 1, n dans F et que F E est l ensemble des applications de E dans F ; or il y a, via ϕ, le même nombre d éléments dans E et dans 1, n ; par conséquent, F n et F E ont le même nombre d éléments, i.e. card F E card F n card F n card F card E. 5

6 Pour être précis, considérons les deux applications suivantes : F E F n S : et T : f f ϕ(i) 1in Alors S T Id F n et T S Id F E. En effet : (f i) 1in F n, S T (f i) 1in et : f F E, T S(f) T f ϕ(i) F n F E. (f i) 1in x f ϕ 1 (x) S x f ϕ 1 (x) f ϕ 1 (ϕ(i)) (f i) 1in 1in x f ϕ ϕ 1 (x) 1in x f(x) f. Nous pouvons donc affirmer que S et T sont bijectives, réciproques l une de l autre. En particulier, comme voulu, F E est fini et card F E card F n card F n card card F E. La définition suivante est un rappel. Nous avons notamment évoqué ces notions dans les chapitres «Groupes, anneaux, corps» et «Déterminant». Définition (Permutation, groupe des permutations) Soit E un ensemble fini non vide. Une bijection de E sur E est souvent appelé une permutation de E. L ensemble des permutations de E est appelé le groupe symétrique de E et noté S E (ou parfois S E). Dans le cas où E 1, n pour un certain n N, le groupe symétrique de E est généralement noté S n (ou parfois S n). Théorème (Nombre de permutations d un ensemble fini) Soient E un ensemble fini non vide. Alors S E est fini et : card S E card E! Explication On peut expliquer ce résultat simplement en agitant les mains. La preuve rigoureuse est cependant plus compliquée. Ce qu il faut commencer par comprendre, c est qu une permutation de E qui est fini n est en réalité jamais qu une injection de E dans E. En effet, injectivité et bijectivité coïncident quand les ensembles de départ et d arrivée sont de même cardinal (fini). Du coup, construire une permutation de E revient à construire une injection de E dans E. Or comment construit-on une injection de E dans E? Notons x 1, x 2,..., x n les éléments distincts de E, avec n card E. Pour construire une injection f de E dans E, on commence par associer à x 1 un élément f(x 1) de E ; le choix de f(x 1) est indifférent n possibilités. Ensuite on associe à x 2 un certain f(x 2) qu il faut choisir différent de f(x 1) si on veut l injectivité de f (n 1) possibilités. Vient ensuite un f(x 3) différent de f(x 1) et f(x 2), etc. A la fin, on n a plus qu un seul choix pour f(x n) car tous les éléments de E ont été appelés une fois, sauf un. Combien avons-nous eu de possibilités de construction de f? Facile : n (n 1) (n 2) n! Par récurrence sur card E. Soyez prévenus : cette preuve est propre mais peu digeste. Initialisation : Si card E 1, alors il existe une et une seule bijection de E sur E : elle envoie l unique élément de E sur lui-même. Ainsi S E est fini et comme voulu : card S E 1 1! card E! Hérédité : Soit n N. Supposons que pour tout ensemble A de cardinal n, S A est fini de cardinal n! Soit alors E un ensemble fini de cardinal (n + 1). Fixons une fois pour toutes un élément e E. Pour tout x E, nous noterons F x l ensemble f S E/ f(e) x. Il est assez clair que S E est la réunion disjointe des F x, x parcourant E. Nous allons montrer que F x est fini pour tout x E et calculer son cardinal. Nous pourrons alors conclure grâce à la formule suivante : card S E card F x. x E Fixons donc x E ainsi que f x F x. Alors pour tout f F x, on a : fx 1 f(e) fx 1 (x) e. En d autres termes, fx 1 f fixe e. Comme par ailleurs fx 1 f est une permutation de E, sa restriction f 1 x T x : f E{e} est une permutation de E e. Nous pouvons donc nous pencher un peu sur l application Fx S E{e} f fx 1 f. E{e} 1) T x est injective. En effet, soient f, f F x telles que T x(f) T x( f). Pour montrer que f f, nous devons montrer que f(t) f(t) pour tout t E. Ce qui est clair, c est que f(e) f(e) x puisque f, f F x. Soit alors t E e. Nous savons que T x(f)(t) T x f (t), i.e. que f 1 x une permutation de E, donc est injective, et donc f(t) f(t) comme voulu. f(t) f 1 x f(t). Or f x est 6

7 2) T x est surjective. En effet, soit ϕ S E{e}. Nous devons construire f F x telle que T x(f) ϕ. x Posons : t E, f(t) si t e f x ϕ(t) si t E e. Ainsi définie, f est une application de E dans E. Vous montrerez seuls que f est bijective : pour cela, il vous suffira de montrer que f est injective, puisque E est fini. Finalement, f F x. Enfin il est clair que T x(f) ϕ car : t E e, T x(f)(t) fx 1 f(t) fx 1 f x ϕ(t) ϕ(t). Finalement, nous avons prouvé que T x est une bijection de F x sur S E{e}. Or E e est un ensemble de cardinal n, donc via notre hypothèse de récurrence, nous pouvons affirmer que F x est fini de cardinal n! Enfin (!) : card S E card F x n! card E n! (n + 1) n! (n + 1)! x E x E 2.4 Parties d un ensemble fini Définition (Combinaison d un ensemble fini) Soient E un ensemble fini et p N. On appelle p-combinaison de E (ou combinaison de p éléments de E) toute partie de E de cardinal p. Explication De toute évidence, il n existe de p-combinaison d un ensemble à n éléments que si p n. Dans une combinaison, qui est un ensemble et non une famille, les éléments sont donnés sans ordre aucun. Quand on décide de numéroter les éléments d une combinaison, le choix de la numérotation est totalement arbitraire, la combinaison en tant que telle n a pas un premier élément, un deuxième élément, etc. Théorème (Nombre de combinaison d un ensemble fini) Soient E un ensemble fini de cardinal n N et p N, p n. Il existe n p n! p!(n p)! p-combinaisons distinctes de E. Pour la clarté de l exposition, nous ferons ici une preuve «avec les mains». On appelle p-arrangement de E toute p-liste de E dont les éléments sont distincts. Une p-liste n étant au fond qu une famille de p éléments de E, c est-à-dire qu une application de 1, p dans E, un p-arrangement de E n est donc jamais qu une application injective de 1, p dans E. Comptons le nombre des p-arrangements de E. Construire un p-arrangement de E, c est tout d abord remplir la première position du p-arrangement en y mettant un élément quelconque x 1 de E ; ceci peut se faire de n façons. C est ensuite placer un monsieur x 2 en deuxième position, lequel ne peut être égal à x 1 par définition d un p-arrangement (n 1) possibilités. On continue ainsi jusqu à n avoir plus qu au p ème élément, à choisir parmi les n (p 1) éléments de E non encore sélectionnés. Au final, nous avons pu construire n! n (n 1)... (n p + 1) p-arrangements distincts. Ce nombre est généralement noté A p n. (n p)! Notons alors K p n le nombre des p-combinaisons distinctes de E. Nous voulons montrer que K p n Ap n p!. Or nous remarquons qu un p-arrangement de E n est rien d autre qu une permutation d une p-combinaison de E. Ainsi, se donner un p-arrangement de E, c est : 1) choisir une p-combinaison C quelconque de E K p n choix possibles puis 2) ayant fixé une telle p-combinaison C, qui n est rien de plus qu une partie de E à p éléments, choisir une façon d ordonner les éléments de C, i.e. choisir une permutation quelconque de C p! choix possibles. Tout ceci montre que le nombre A p n des p-arrangements distincts de E satisfait la formule A p n K p n p! C est bien ce que nous voulions. Explication Les combinaisons servent souvent, en théorie des probabilités par exemple, à modéliser des tirages simultanés dans une 52 urne, un jeu de cartes... Ainsi, le nombre de façons de tirer 5 cartes simultanément dans un jeu de 52 cartes est. 5 En dénombrant les p-arrangements d un ensemble à n éléments, notez bien que nous avons dénombré les applications injectives d un ensemble d un ensemble fini de cardinal p dans un ensemble fini de cardinal n. La démonstration de ce résultat constitue un exercice classique. 7

8 Théorème (Nombre de parties d un ensemble fini) Soit E est un ensemble fini. L ensemble P(E) des parties de E est fini et : card P(E) 2 card E. Posons n card E et notons P k (E) l ensemble des parties de E de cardinal k pour k 0, n n nous venons de voir que P k (E) est fini de cardinal. Evidemment, d autre part, P(E) est la réunion k disjointe des ensembles P k (E). Nous en déduisons aussitôt que P(E) est fini et que : card P(E) n k0 card P k (E) n k0 n k k0 n n k 1 k 1 n k (1 + 1) n 2 n 2 card E. 8

Le produit semi-direct

Le produit semi-direct Le produit semi-direct Préparation à l agrégation de mathématiques Université de Nice - Sophia Antipolis Antoine Ducros Octobre 2007 Ce texte est consacré, comme son titre l indique, au produit semi-direct.

Plus en détail

Université Paris-Dauphine DUMI2E 1ère année, 2009-2010. Applications

Université Paris-Dauphine DUMI2E 1ère année, 2009-2010. Applications Université Paris-Dauphine DUMI2E 1ère année, 2009-2010 Applications 1 Introduction Une fonction f (plus précisément, une fonction réelle d une variable réelle) est une règle qui associe à tout réel x au

Plus en détail

Image d un intervalle par une fonction continue

Image d un intervalle par une fonction continue DOCUMENT 27 Image d un intervalle par une fonction continue La continuité d une fonction en un point est une propriété locale : une fonction est continue en un point x 0 si et seulement si sa restriction

Plus en détail

Probabilités sur un univers fini

Probabilités sur un univers fini [http://mp.cpgedupuydelome.fr] édité le 7 août 204 Enoncés Probabilités sur un univers fini Evènements et langage ensembliste A quelle condition sur (a, b, c, d) ]0, [ 4 existe-t-il une probabilité P sur

Plus en détail

Probabilités. C. Charignon. I Cours 3

Probabilités. C. Charignon. I Cours 3 Probabilités C. Charignon Table des matières I Cours 3 1 Dénombrements 3 1.1 Cardinal.................................................. 3 1.1.1 Définition............................................. 3

Plus en détail

Suites numériques 3. 1 Convergence et limite d une suite

Suites numériques 3. 1 Convergence et limite d une suite Suites numériques 3 1 Convergence et limite d une suite Nous savons que les termes de certaines suites s approchent de plus en plus d une certaine valeur quand n augmente : par exemple, les nombres u n

Plus en détail

Chapitre 2 Le problème de l unicité des solutions

Chapitre 2 Le problème de l unicité des solutions Université Joseph Fourier UE MAT 127 Mathématiques année 2011-2012 Chapitre 2 Le problème de l unicité des solutions Ce que nous verrons dans ce chapitre : un exemple d équation différentielle y = f(y)

Plus en détail

Fonctions de plusieurs variables

Fonctions de plusieurs variables Module : Analyse 03 Chapitre 00 : Fonctions de plusieurs variables Généralités et Rappels des notions topologiques dans : Qu est- ce que?: Mathématiquement, n étant un entier non nul, on définit comme

Plus en détail

Probabilités sur un univers fini

Probabilités sur un univers fini [http://mp.cpgedupuydelome.fr] édité le 10 août 2015 Enoncés 1 Proailités sur un univers fini Evènements et langage ensemliste A quelle condition sur (a,, c, d) ]0, 1[ 4 existe-t-il une proailité P sur

Plus en détail

Exercices - Fonctions de plusieurs variables : corrigé. Pour commencer

Exercices - Fonctions de plusieurs variables : corrigé. Pour commencer Pour commencer Exercice 1 - Ensembles de définition - Première année - 1. Le logarithme est défini si x + y > 0. On trouve donc le demi-plan supérieur délimité par la droite d équation x + y = 0.. 1 xy

Plus en détail

Intégration et probabilités TD1 Espaces mesurés Corrigé

Intégration et probabilités TD1 Espaces mesurés Corrigé Intégration et probabilités TD1 Espaces mesurés Corrigé 2012-2013 1 Petites questions 1 Est-ce que l ensemble des ouverts de R est une tribu? Réponse : Non, car le complémentaire de ], 0[ n est pas ouvert.

Plus en détail

Chapitre 2. Eléments pour comprendre un énoncé

Chapitre 2. Eléments pour comprendre un énoncé Chapitre 2 Eléments pour comprendre un énoncé Ce chapitre est consacré à la compréhension d un énoncé. Pour démontrer un énoncé donné, il faut se reporter au chapitre suivant. Les tables de vérité données

Plus en détail

Cours de Probabilités et de Statistique

Cours de Probabilités et de Statistique Cours de Probabilités et de Statistique Licence 1ère année 2007/2008 Nicolas Prioux Université Paris-Est Cours de Proba-Stat 2 L1.2 Science-Éco Chapitre Notions de théorie des ensembles 1 1.1 Ensembles

Plus en détail

Exo7. Matrice d une application linéaire. Corrections d Arnaud Bodin.

Exo7. Matrice d une application linéaire. Corrections d Arnaud Bodin. Exo7 Matrice d une application linéaire Corrections d Arnaud odin. Exercice Soit R muni de la base canonique = ( i, j). Soit f : R R la projection sur l axe des abscisses R i parallèlement à R( i + j).

Plus en détail

Cours de mathématiques

Cours de mathématiques DEUG MIAS premier niveau Cours de mathématiques année 2003/2004 Guillaume Legendre (version révisée du 3 avril 2015) Table des matières 1 Éléments de logique 1 1.1 Assertions...............................................

Plus en détail

Première partie. Préliminaires : noyaux itérés. MPSI B 6 juin 2015

Première partie. Préliminaires : noyaux itérés. MPSI B 6 juin 2015 Énoncé Soit V un espace vectoriel réel. L espace vectoriel des endomorphismes de V est désigné par L(V ). Lorsque f L(V ) et k N, on désigne par f 0 = Id V, f k = f k f la composée de f avec lui même k

Plus en détail

Distribution Uniforme Probabilité de Laplace Dénombrements Les Paris. Chapitre 2 Le calcul des probabilités

Distribution Uniforme Probabilité de Laplace Dénombrements Les Paris. Chapitre 2 Le calcul des probabilités Chapitre 2 Le calcul des probabilités Equiprobabilité et Distribution Uniforme Deux événements A et B sont dits équiprobables si P(A) = P(B) Si il y a équiprobabilité sur Ω, cad si tous les événements

Plus en détail

Groupe symétrique. Chapitre II. 1 Définitions et généralités

Groupe symétrique. Chapitre II. 1 Définitions et généralités Chapitre II Groupe symétrique 1 Définitions et généralités Définition. Soient n et X l ensemble 1,..., n. On appelle permutation de X toute application bijective f : X X. On note S n l ensemble des permutations

Plus en détail

Probabilité. Table des matières. 1 Loi de probabilité 2 1.1 Conditions préalables... 2 1.2 Définitions... 2 1.3 Loi équirépartie...

Probabilité. Table des matières. 1 Loi de probabilité 2 1.1 Conditions préalables... 2 1.2 Définitions... 2 1.3 Loi équirépartie... 1 Probabilité Table des matières 1 Loi de probabilité 2 1.1 Conditions préalables........................... 2 1.2 Définitions................................. 2 1.3 Loi équirépartie..............................

Plus en détail

1 Définition et premières propriétés des congruences

1 Définition et premières propriétés des congruences Université Paris 13, Institut Galilée Département de Mathématiques Licence 2ème année Informatique 2013-2014 Cours de Mathématiques pour l Informatique Des nombres aux structures Sylviane R. Schwer Leçon

Plus en détail

Continuité en un point

Continuité en un point DOCUMENT 4 Continuité en un point En général, D f désigne l ensemble de définition de la fonction f et on supposera toujours que cet ensemble est inclus dans R. Toutes les fonctions considérées sont à

Plus en détail

Problème 1 : applications du plan affine

Problème 1 : applications du plan affine Problème 1 : applications du plan affine Notations On désigne par GL 2 (R) l ensemble des matrices 2 2 inversibles à coefficients réels. Soit un plan affine P muni d un repère (O, I, J). Les coordonnées

Plus en détail

Premiers exercices d Algèbre. Anne-Marie Simon

Premiers exercices d Algèbre. Anne-Marie Simon Premiers exercices d Algèbre Anne-Marie Simon première version: 17 août 2005 version corrigée et complétée le 12 octobre 2010 ii Table des matières 1 Quelques structures ensemblistes 1 1.0 Ensembles, relations,

Plus en détail

Calcul fonctionnel holomorphe dans les algèbres de Banach

Calcul fonctionnel holomorphe dans les algèbres de Banach Chapitre 7 Calcul fonctionnel holomorphe dans les algèbres de Banach L objet de ce chapitre est de définir un calcul fonctionnel holomorphe qui prolonge le calcul fonctionnel polynômial et qui respecte

Plus en détail

Introduction à l étude des Corps Finis

Introduction à l étude des Corps Finis Introduction à l étude des Corps Finis Robert Rolland (Résumé) 1 Introduction La structure de corps fini intervient dans divers domaines des mathématiques, en particulier dans la théorie de Galois sur

Plus en détail

Structures algébriques

Structures algébriques Structures algébriques 1. Lois de composition s Soit E un ensemble. Une loi de composition interne sur E est une application de E E dans E. Soient E et F deux ensembles. Une loi de composition externe

Plus en détail

De même, le périmètre P d un cercle de rayon 1 vaut P = 2π (par définition de π). Mais, on peut démontrer (difficilement!) que

De même, le périmètre P d un cercle de rayon 1 vaut P = 2π (par définition de π). Mais, on peut démontrer (difficilement!) que Introduction. On suppose connus les ensembles N (des entiers naturels), Z des entiers relatifs et Q (des nombres rationnels). On s est rendu compte, depuis l antiquité, que l on ne peut pas tout mesurer

Plus en détail

Carl-Louis-Ferdinand von Lindemann (1852-1939)

Carl-Louis-Ferdinand von Lindemann (1852-1939) Par Boris Gourévitch "L'univers de Pi" http://go.to/pi314 sai1042@ensai.fr Alors ça, c'est fort... Tranches de vie Autour de Carl-Louis-Ferdinand von Lindemann (1852-1939) est transcendant!!! Carl Louis

Plus en détail

Arithmétique binaire. Chapitre. 5.1 Notions. 5.1.1 Bit. 5.1.2 Mot

Arithmétique binaire. Chapitre. 5.1 Notions. 5.1.1 Bit. 5.1.2 Mot Chapitre 5 Arithmétique binaire L es codes sont manipulés au quotidien sans qu on s en rende compte, et leur compréhension est quasi instinctive. Le seul fait de lire fait appel au codage alphabétique,

Plus en détail

I. Cas de l équiprobabilité

I. Cas de l équiprobabilité I. Cas de l équiprobabilité Enoncé : On lance deux dés. L un est noir et l autre est blanc. Calculer les probabilités suivantes : A «Obtenir exactement un as» «Obtenir au moins un as» C «Obtenir au plus

Plus en détail

Intégration sur des espaces produits

Intégration sur des espaces produits Chapitre 5 Intégration sur des espaces produits 5.1 Produit de deux mesures Étant donnés deux espaces mesurés (Ω 1, F 1, µ 1 ) et (Ω 2, F 1, µ 2 ), le but de cette section est de construire une mesure

Plus en détail

Programmation linéaire et Optimisation. Didier Smets

Programmation linéaire et Optimisation. Didier Smets Programmation linéaire et Optimisation Didier Smets Chapitre 1 Un problème d optimisation linéaire en dimension 2 On considère le cas d un fabricant d automobiles qui propose deux modèles à la vente, des

Plus en détail

3. Conditionnement P (B)

3. Conditionnement P (B) Conditionnement 16 3. Conditionnement Dans cette section, nous allons rappeler un certain nombre de définitions et de propriétés liées au problème du conditionnement, c est à dire à la prise en compte

Plus en détail

Un K-espace vectoriel est un ensemble non vide E muni : d une loi de composition interne, c est-à-dire d une application de E E dans E : E E E

Un K-espace vectoriel est un ensemble non vide E muni : d une loi de composition interne, c est-à-dire d une application de E E dans E : E E E Exo7 Espaces vectoriels Vidéo partie 1. Espace vectoriel (début Vidéo partie 2. Espace vectoriel (fin Vidéo partie 3. Sous-espace vectoriel (début Vidéo partie 4. Sous-espace vectoriel (milieu Vidéo partie

Plus en détail

Objets Combinatoires élementaires

Objets Combinatoires élementaires Objets Combinatoires élementaires 0-0 Permutations Arrangements Permutations pour un multi-ensemble mots sous-ensemble à k éléments (Problème du choix) Compositions LE2I 04 1 Permutations Supposons que

Plus en détail

Indépendance Probabilité conditionnelle. Chapitre 3 Événements indépendants et Probabilités conditionnelles

Indépendance Probabilité conditionnelle. Chapitre 3 Événements indépendants et Probabilités conditionnelles Chapitre 3 Événements indépendants et Probabilités conditionnelles Indépendance Indépendance Probabilité conditionnelle Definition Deux événements A et B sont dits indépendants si P(A B) = P(A).P(B) Attention

Plus en détail

Chapitre 1 : Évolution COURS

Chapitre 1 : Évolution COURS Chapitre 1 : Évolution COURS OBJECTIFS DU CHAPITRE Savoir déterminer le taux d évolution, le coefficient multiplicateur et l indice en base d une évolution. Connaître les liens entre ces notions et savoir

Plus en détail

Date : 18.11.2013 Tangram en carré page

Date : 18.11.2013 Tangram en carré page Date : 18.11.2013 Tangram en carré page Titre : Tangram en carré Numéro de la dernière page : 14 Degrés : 1 e 4 e du Collège Durée : 90 minutes Résumé : Le jeu de Tangram (appelé en chinois les sept planches

Plus en détail

Exercices sur le chapitre «Probabilités»

Exercices sur le chapitre «Probabilités» Arnaud de Saint Julien - MPSI Lycée La Merci 2014-2015 1 Pour démarrer Exercices sur le chapitre «Probabilités» Exercice 1 (Modélisation d un dé non cubique) On considère un parallélépipède rectangle de

Plus en détail

Coefficients binomiaux

Coefficients binomiaux Probabilités L2 Exercices Chapitre 2 Coefficients binomiaux 1 ( ) On appelle chemin une suite de segments de longueur 1, dirigés soit vers le haut, soit vers la droite 1 Dénombrer tous les chemins allant

Plus en détail

Qu est-ce qu une probabilité?

Qu est-ce qu une probabilité? Chapitre 1 Qu est-ce qu une probabilité? 1 Modéliser une expérience dont on ne peut prédire le résultat 1.1 Ensemble fondamental d une expérience aléatoire Une expérience aléatoire est une expérience dont

Plus en détail

Souad EL Bernoussi. Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/

Souad EL Bernoussi. Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/ Recherche opérationnelle Les démonstrations et les exemples seront traités en cours Souad EL Bernoussi Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/ Table des matières 1 Programmation

Plus en détail

Moments des variables aléatoires réelles

Moments des variables aléatoires réelles Chapter 6 Moments des variables aléatoires réelles Sommaire 6.1 Espérance des variables aléatoires réelles................................ 46 6.1.1 Définition et calcul........................................

Plus en détail

Optimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications

Optimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications Optimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications A. Optimisation sans contrainte.... Généralités.... Condition nécessaire et condition suffisante

Plus en détail

Comparaison de fonctions Développements limités. Chapitre 10

Comparaison de fonctions Développements limités. Chapitre 10 PCSI - 4/5 www.ericreynaud.fr Chapitre Points importants 3 Questions de cours 6 Eercices corrigés Plan du cours 4 Eercices types 7 Devoir maison 5 Eercices Chap Et s il ne fallait retenir que si points?

Plus en détail

Chapitre 7 : Intégration sur un intervalle quelconque

Chapitre 7 : Intégration sur un intervalle quelconque Universités Paris 6 et Paris 7 M1 MEEF Analyse (UE 3) 2013-2014 Chapitre 7 : Intégration sur un intervalle quelconque 1 Fonctions intégrables Définition 1 Soit I R un intervalle et soit f : I R + une fonction

Plus en détail

Exercices - Polynômes : corrigé. Opérations sur les polynômes

Exercices - Polynômes : corrigé. Opérations sur les polynômes Opérations sur les polynômes Exercice 1 - Carré - L1/Math Sup - Si P = Q est le carré d un polynôme, alors Q est nécessairement de degré, et son coefficient dominant est égal à 1. On peut donc écrire Q(X)

Plus en détail

6. Les différents types de démonstrations

6. Les différents types de démonstrations LES DIFFÉRENTS TYPES DE DÉMONSTRATIONS 33 6. Les différents types de démonstrations 6.1. Un peu de logique En mathématiques, une démonstration est un raisonnement qui permet, à partir de certains axiomes,

Plus en détail

Calcul différentiel sur R n Première partie

Calcul différentiel sur R n Première partie Calcul différentiel sur R n Première partie Université De Metz 2006-2007 1 Définitions générales On note L(R n, R m ) l espace vectoriel des applications linéaires de R n dans R m. Définition 1.1 (différentiabilité

Plus en détail

Théorie de la Mesure et Intégration

Théorie de la Mesure et Intégration Université Pierre & Marie Curie (Paris 6) Licence de Mathématiques L3 UE LM364 Intégration 1 & UE LM365 Intégration 2 Année 2010 11 Théorie de la Mesure et Intégration Responsable des cours : Amaury LAMBERT

Plus en détail

Chapitre 7. Statistique des échantillons gaussiens. 7.1 Projection de vecteurs gaussiens

Chapitre 7. Statistique des échantillons gaussiens. 7.1 Projection de vecteurs gaussiens Chapitre 7 Statistique des échantillons gaussiens Le théorème central limite met en évidence le rôle majeur tenu par la loi gaussienne en modélisation stochastique. De ce fait, les modèles statistiques

Plus en détail

3 Approximation de solutions d équations

3 Approximation de solutions d équations 3 Approximation de solutions d équations Une équation scalaire a la forme générale f(x) =0où f est une fonction de IR dans IR. Un système de n équations à n inconnues peut aussi se mettre sous une telle

Plus en détail

Marc HINDRY. Introduction et présentation. page 2. 1 Le langage mathématique page 4. 2 Ensembles et applications page 8

Marc HINDRY. Introduction et présentation. page 2. 1 Le langage mathématique page 4. 2 Ensembles et applications page 8 COURS DE MATHÉMATIQUES PREMIÈRE ANNÉE (L1) UNIVERSITÉ DENIS DIDEROT PARIS 7 Marc HINDRY Introduction et présentation. page 2 1 Le langage mathématique page 4 2 Ensembles et applications page 8 3 Groupes,

Plus en détail

Continuité d une fonction de plusieurs variables

Continuité d une fonction de plusieurs variables Chapitre 2 Continuité d une fonction de plusieurs variables Maintenant qu on a défini la notion de limite pour des suites dans R n, la notion de continuité s étend sans problème à des fonctions de plusieurs

Plus en détail

Cours 02 : Problème général de la programmation linéaire

Cours 02 : Problème général de la programmation linéaire Cours 02 : Problème général de la programmation linéaire Cours 02 : Problème général de la Programmation Linéaire. 5 . Introduction Un programme linéaire s'écrit sous la forme suivante. MinZ(ou maxw) =

Plus en détail

ÉPREUVE COMMUNE DE TIPE 2008 - Partie D

ÉPREUVE COMMUNE DE TIPE 2008 - Partie D ÉPREUVE COMMUNE DE TIPE 2008 - Partie D TITRE : Les Fonctions de Hachage Temps de préparation :.. 2 h 15 minutes Temps de présentation devant le jury :.10 minutes Entretien avec le jury :..10 minutes GUIDE

Plus en détail

1 Première section: La construction générale

1 Première section: La construction générale AMALGAMATIONS DE CLASSES DE SOUS-GROUPES D UN GROUPE ABÉLIEN. SOUS-GROUPES ESSENTIEL-PURS. Călugăreanu Grigore comunicare prezentată la Conferinţa de grupuri abeliene şi module de la Padova, iunie 1994

Plus en détail

Fibonacci et les paquerettes

Fibonacci et les paquerettes Fibonacci et les paquerettes JOLY Romain & RIVOAL Tanguy Introduction Quand on entend dire que l on peut trouver le nombre d or et la suite de Fibonacci dans les fleurs et les pommes de pin, on est au

Plus en détail

Eteindre. les. lumières MATH EN JEAN 2013-2014. Mme BACHOC. Elèves de seconde, première et terminale scientifiques :

Eteindre. les. lumières MATH EN JEAN 2013-2014. Mme BACHOC. Elèves de seconde, première et terminale scientifiques : MTH EN JEN 2013-2014 Elèves de seconde, première et terminale scientifiques : Lycée Michel Montaigne : HERITEL ôme T S POLLOZE Hélène 1 S SOK Sophie 1 S Eteindre Lycée Sud Médoc : ROSIO Gauthier 2 nd PELGE

Plus en détail

Exercice autour de densité, fonction de répatition, espérance et variance de variables quelconques.

Exercice autour de densité, fonction de répatition, espérance et variance de variables quelconques. 14-3- 214 J.F.C. p. 1 I Exercice autour de densité, fonction de répatition, espérance et variance de variables quelconques. Exercice 1 Densité de probabilité. F { ln x si x ], 1] UN OVNI... On pose x R,

Plus en détail

Limites finies en un point

Limites finies en un point 8 Limites finies en un point Pour ce chapitre, sauf précision contraire, I désigne une partie non vide de R et f une fonction définie sur I et à valeurs réelles ou complees. Là encore, les fonctions usuelles,

Plus en détail

Théorèmes de Point Fixe et Applications 1

Théorèmes de Point Fixe et Applications 1 Théorèmes de Point Fixe et Applications 1 Victor Ginsburgh Université Libre de Bruxelles et CORE, Louvain-la-Neuve Janvier 1999 Published in C. Jessua, C. Labrousse et D. Vitry, eds., Dictionnaire des

Plus en détail

Construction d un cercle tangent à deux cercles donnés.

Construction d un cercle tangent à deux cercles donnés. Préparation au CAPES Strasbourg, octobre 2008 Construction d un cercle tangent à deux cercles donnés. Le problème posé : On se donne deux cercles C et C de centres O et O distincts et de rayons R et R

Plus en détail

Relation d ordre. Manipulation des relations d ordre. Lycée Pierre de Fermat 2012/2013 Feuille d exercices

Relation d ordre. Manipulation des relations d ordre. Lycée Pierre de Fermat 2012/2013 Feuille d exercices Lycée Pierre de Fermat 2012/2013 MPSI 1 Feuille d exercices Manipulation des relations d ordre. Relation d ordre Exercice 1. Soit E un ensemble fixé contenant au moins deux éléments. On considère la relation

Plus en détail

Calcul matriciel. Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes.

Calcul matriciel. Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes. 1 Définitions, notations Calcul matriciel Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes. On utilise aussi la notation m n pour le

Plus en détail

Capes 2002 - Première épreuve

Capes 2002 - Première épreuve Cette correction a été rédigée par Frédéric Bayart. Si vous avez des remarques à faire, ou pour signaler des erreurs, n hésitez pas à écrire à : mathweb@free.fr Mots-clés : équation fonctionnelle, série

Plus en détail

Définitions. Numéro à préciser. (Durée : )

Définitions. Numéro à préciser. (Durée : ) Numéro à préciser (Durée : ) On étudie dans ce problème l ordre lexicographique pour les mots sur un alphabet fini et plusieurs constructions des cycles de De Bruijn. Les trois parties sont largement indépendantes.

Plus en détail

Exemple 4.4. Continuons l exemple précédent. Maintenant on travaille sur les quaternions et on a alors les décompositions

Exemple 4.4. Continuons l exemple précédent. Maintenant on travaille sur les quaternions et on a alors les décompositions Exemple 4.4. Continuons l exemple précédent. Maintenant on travaille sur les quaternions et on a alors les décompositions HQ = He 1 He 2 He 3 He 4 HQ e 5 comme anneaux (avec centre Re 1 Re 2 Re 3 Re 4

Plus en détail

CCP PSI - 2010 Mathématiques 1 : un corrigé

CCP PSI - 2010 Mathématiques 1 : un corrigé CCP PSI - 00 Mathématiques : un corrigé Première partie. Définition d une structure euclidienne sur R n [X]... B est clairement symétrique et linéaire par rapport à sa seconde variable. De plus B(P, P

Plus en détail

Théorème du point fixe - Théorème de l inversion locale

Théorème du point fixe - Théorème de l inversion locale Chapitre 7 Théorème du point fixe - Théorème de l inversion locale Dans ce chapitre et le suivant, on montre deux applications importantes de la notion de différentiabilité : le théorème de l inversion

Plus en détail

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable T : pour travailler et mémoriser le cours

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable T : pour travailler et mémoriser le cours Exo7 Continuité (étude globale). Diverses fonctions Exercices de Jean-Louis Rouget. Retrouver aussi cette fiche sur www.maths-france.fr * très facile ** facile *** difficulté moyenne **** difficile *****

Plus en détail

par Denis-Charles Cisinski & Georges Maltsiniotis

par Denis-Charles Cisinski & Georges Maltsiniotis LA CATÉGORIE Θ DE JOYAL EST UNE CATÉGORIE TEST par Denis-Charles Cisinski & Georges Maltsiniotis Résumé. Le but principal de cet article est de prouver que la catégorie cellulaire Θ de Joyal est une catégorie

Plus en détail

Chp. 4. Minimisation d une fonction d une variable

Chp. 4. Minimisation d une fonction d une variable Chp. 4. Minimisation d une fonction d une variable Avertissement! Dans tout ce chapître, I désigne un intervalle de IR. 4.1 Fonctions convexes d une variable Définition 9 Une fonction ϕ, partout définie

Plus en détail

Problèmes de Mathématiques Filtres et ultrafiltres

Problèmes de Mathématiques Filtres et ultrafiltres Énoncé Soit E un ensemble non vide. On dit qu un sous-ensemble F de P(E) est un filtre sur E si (P 0 ) F. (P 1 ) (X, Y ) F 2, X Y F. (P 2 ) X F, Y P(E) : X Y Y F. (P 3 ) / F. Première Partie 1. Que dire

Plus en détail

La mesure de Lebesgue sur la droite réelle

La mesure de Lebesgue sur la droite réelle Chapitre 1 La mesure de Lebesgue sur la droite réelle 1.1 Ensemble mesurable au sens de Lebesgue 1.1.1 Mesure extérieure Définition 1.1.1. Un intervalle est une partie convexe de R. L ensemble vide et

Plus en détail

Logique. Plan du chapitre

Logique. Plan du chapitre Logique Ce chapitre est assez abstrait en première lecture, mais est (avec le chapitre suivant «Ensembles») probablement le plus important de l année car il est à la base de tous les raisonnements usuels

Plus en détail

Résolution d équations non linéaires

Résolution d équations non linéaires Analyse Numérique Résolution d équations non linéaires Said EL HAJJI et Touria GHEMIRES Université Mohammed V - Agdal. Faculté des Sciences Département de Mathématiques. Laboratoire de Mathématiques, Informatique

Plus en détail

Analyse stochastique de la CRM à ordre partiel dans le cadre des essais cliniques de phase I

Analyse stochastique de la CRM à ordre partiel dans le cadre des essais cliniques de phase I Analyse stochastique de la CRM à ordre partiel dans le cadre des essais cliniques de phase I Roxane Duroux 1 Cadre de l étude Cette étude s inscrit dans le cadre de recherche de doses pour des essais cliniques

Plus en détail

Fonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre

Fonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre IUFM du Limousin 2009-10 PLC1 Mathématiques S. Vinatier Rappels de cours Fonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre 1 Fonctions de plusieurs variables

Plus en détail

Optimisation des fonctions de plusieurs variables

Optimisation des fonctions de plusieurs variables Optimisation des fonctions de plusieurs variables Hervé Hocquard Université de Bordeaux, France 8 avril 2013 Extrema locaux et globaux Définition On étudie le comportement d une fonction de plusieurs variables

Plus en détail

Théorie de la mesure. S. Nicolay

Théorie de la mesure. S. Nicolay Théorie de la mesure S. Nicolay Année académique 2011 2012 ii Table des matières Introduction v 1 Mesures 1 1.1 Sigma-algèbres................................. 1 1.2 Mesures.....................................

Plus en détail

AOT 13. et Application au Contrôle Géométrique

AOT 13. et Application au Contrôle Géométrique AOT 13 Géométrie Différentielle et Application au Contrôle Géométrique Frédéric Jean Notes de cours Édition 2011/2012 ii Table des matières 1 Variétés différentiables 1 1.1 Variétés différentiables............................

Plus en détail

Cours d Analyse. Fonctions de plusieurs variables

Cours d Analyse. Fonctions de plusieurs variables Cours d Analyse Fonctions de plusieurs variables Licence 1ère année 2007/2008 Nicolas Prioux Université de Marne-la-Vallée Table des matières 1 Notions de géométrie dans l espace et fonctions à deux variables........

Plus en détail

PRIME D UNE OPTION D ACHAT OU DE VENTE

PRIME D UNE OPTION D ACHAT OU DE VENTE Université Paris VII - Agrégation de Mathématiques François Delarue) PRIME D UNE OPTION D ACHAT OU DE VENTE Ce texte vise à modéliser de façon simple l évolution d un actif financier à risque, et à introduire,

Plus en détail

ENS de Lyon TD 1 17-18 septembre 2012 Introduction aux probabilités. A partie finie de N

ENS de Lyon TD 1 17-18 septembre 2012 Introduction aux probabilités. A partie finie de N ENS de Lyon TD 7-8 septembre 0 Introduction aux probabilités Exercice Soit (u n ) n N une suite de nombres réels. On considère σ une bijection de N dans N, de sorte que (u σ(n) ) n N est un réordonnement

Plus en détail

NOTIONS DE PROBABILITÉS

NOTIONS DE PROBABILITÉS NOTIONS DE PROBABILITÉS Sommaire 1. Expérience aléatoire... 1 2. Espace échantillonnal... 2 3. Événement... 2 4. Calcul des probabilités... 3 4.1. Ensemble fondamental... 3 4.2. Calcul de la probabilité...

Plus en détail

Manipulateurs Pleinement Parallèles

Manipulateurs Pleinement Parallèles Séparation des Solutions aux Modèles Géométriques Direct et Inverse pour les Manipulateurs Pleinement Parallèles Chablat Damien, Wenger Philippe Institut de Recherche en Communications et Cybernétique

Plus en détail

Suites numériques 4. 1 Autres recettes pour calculer les limites

Suites numériques 4. 1 Autres recettes pour calculer les limites Suites numériques 4 1 Autres recettes pour calculer les limites La propriété suivante permet de calculer certaines limites comme on verra dans les exemples qui suivent. Propriété 1. Si u n l et fx) est

Plus en détail

DOCM 2013 http://docm.math.ca/ Solutions officielles. 1 2 10 + 1 2 9 + 1 2 8 = n 2 10.

DOCM 2013 http://docm.math.ca/ Solutions officielles. 1 2 10 + 1 2 9 + 1 2 8 = n 2 10. A1 Trouvez l entier positif n qui satisfait l équation suivante: Solution 1 2 10 + 1 2 9 + 1 2 8 = n 2 10. En additionnant les termes du côté gauche de l équation en les mettant sur le même dénominateur

Plus en détail

4. Martingales à temps discret

4. Martingales à temps discret Martingales à temps discret 25 4. Martingales à temps discret 4.1. Généralités. On fixe un espace de probabilités filtré (Ω, (F n ) n, F, IP ). On pose que F contient ses ensembles négligeables mais les

Plus en détail

Formes quadratiques. 1 Formes quadratiques et formes polaires associées. Imen BHOURI. 1.1 Définitions

Formes quadratiques. 1 Formes quadratiques et formes polaires associées. Imen BHOURI. 1.1 Définitions Formes quadratiques Imen BHOURI 1 Ce cours s adresse aux étudiants de niveau deuxième année de Licence et à ceux qui préparent le capes. Il combine d une façon indissociable l étude des concepts bilinéaires

Plus en détail

= 1 si n = m& où n et m sont souvent des indices entiers, par exemple, n, m = 0, 1, 2, 3, 4... En fait,! n m

= 1 si n = m& où n et m sont souvent des indices entiers, par exemple, n, m = 0, 1, 2, 3, 4... En fait,! n m 1 épartement de Physique, Université Laval, Québec Pierre Amiot, 1. La fonction delta et certaines de ses utilisations. Clientèle Ce texte est destiné aux physiciens, ingénieurs et autres scientifiques.

Plus en détail

PROBLEMES D'ORDONNANCEMENT AVEC RESSOURCES

PROBLEMES D'ORDONNANCEMENT AVEC RESSOURCES Leçon 11 PROBLEMES D'ORDONNANCEMENT AVEC RESSOURCES Dans cette leçon, nous retrouvons le problème d ordonnancement déjà vu mais en ajoutant la prise en compte de contraintes portant sur les ressources.

Plus en détail

Capacité d un canal Second Théorème de Shannon. Théorie de l information 1/34

Capacité d un canal Second Théorème de Shannon. Théorie de l information 1/34 Capacité d un canal Second Théorème de Shannon Théorie de l information 1/34 Plan du cours 1. Canaux discrets sans mémoire, exemples ; 2. Capacité ; 3. Canaux symétriques ; 4. Codage de canal ; 5. Second

Plus en détail

Travaux dirigés d introduction aux Probabilités

Travaux dirigés d introduction aux Probabilités Travaux dirigés d introduction aux Probabilités - Dénombrement - - Probabilités Élémentaires - - Variables Aléatoires Discrètes - - Variables Aléatoires Continues - 1 - Dénombrement - Exercice 1 Combien

Plus en détail

Texte Agrégation limitée par diffusion interne

Texte Agrégation limitée par diffusion interne Page n 1. Texte Agrégation limitée par diffusion interne 1 Le phénomène observé Un fût de déchets radioactifs est enterré secrètement dans le Cantal. Au bout de quelques années, il devient poreux et laisse

Plus en détail

FONDEMENTS MATHÉMATIQUES 12 E ANNÉE. Mathématiques financières

FONDEMENTS MATHÉMATIQUES 12 E ANNÉE. Mathématiques financières FONDEMENTS MATHÉMATIQUES 12 E ANNÉE Mathématiques financières A1. Résoudre des problèmes comportant des intérêts composés dans la prise de décisions financières. [C, L, RP, T, V] Résultat d apprentissage

Plus en détail

Exercices de dénombrement

Exercices de dénombrement Exercices de dénombrement Exercice En turbo Pascal, un entier relatif (type integer) est codé sur 6 bits. Cela signifie que l'on réserve 6 cases mémoires contenant des "0" ou des "" pour écrire un entier.

Plus en détail

MIS 102 Initiation à l Informatique

MIS 102 Initiation à l Informatique MIS 102 Initiation à l Informatique Responsables et cours : Cyril Gavoille Catherine Pannier Matthias Robine Marc Zeitoun Planning : 6 séances de cours 5 séances de TD (2h40) 4 séances de TP (2h40) + environ

Plus en détail

Probabilités et Statistiques. Feuille 2 : variables aléatoires discrètes

Probabilités et Statistiques. Feuille 2 : variables aléatoires discrètes IUT HSE Probabilités et Statistiques Feuille : variables aléatoires discrètes 1 Exercices Dénombrements Exercice 1. On souhaite ranger sur une étagère 4 livres de mathématiques (distincts), 6 livres de

Plus en détail