1 Connecteurs logiques et langage ensembliste



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

Probabilités. C. Charignon. I Cours 3

Cours de Probabilités et de Statistique

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

Indépendance Probabilité conditionnelle. Chapitre 3 Événements indépendants et Probabilités conditionnelles

Probabilités sur un univers fini

Probabilité. Table des matières. 1 Loi de probabilité Conditions préalables Définitions Loi équirépartie...

Coefficients binomiaux

Cours de mathématiques

CALCUL DES PROBABILITES

Intégration et probabilités TD1 Espaces mesurés

Continuité en un point

Exercices - Polynômes : corrigé. Opérations sur les polynômes

Probabilités sur un univers fini

Logique : ENSIIE 1A - contrôle final

Structures algébriques

Premiers exercices d Algèbre. Anne-Marie Simon

Intégration et probabilités TD1 Espaces mesurés Corrigé

Groupe symétrique. Chapitre II. 1 Définitions et généralités

EI - EXERCICES DE PROBABILITES CORRIGES

ILT. Interfacultair Instituut voor Levende Talen. Actes de communication. Serge Verlinde Evelyn Goris. Katholieke Universiteit Leuven

Chapitre 2 Le problème de l unicité des solutions

Calculs de probabilités

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

Problèmes de Mathématiques Filtres et ultrafiltres

Théorème du point fixe - Théorème de l inversion locale

GEA II Introduction aux probabilités Poly. de révision. Lionel Darondeau

Bureau N301 (Nautile)

Image d un intervalle par une fonction continue

Chapitre 2. Eléments pour comprendre un énoncé

INF 232: Langages et Automates. Travaux Dirigés. Université Joseph Fourier, Université Grenoble 1 Licence Sciences et Technologies

Pour l épreuve d algèbre, les calculatrices sont interdites.

Théorie de la Mesure et Intégration

Chapitre 11. Séries de Fourier. Nous supposons connues les formules donnant les coefficients de Fourier d une fonction 2 - périodique :

Définitions. Numéro à préciser. (Durée : )

Qu est-ce qu une probabilité?

Résumé du cours d algèbre 1, Sandra Rozensztajn. UMPA, ENS de Lyon, sandra.rozensztajn@ens-lyon.fr

Université Paris-Dauphine DUMI2E 1ère année, Applications

Calcul différentiel sur R n Première partie

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

Probabilités et statistique. Benjamin JOURDAIN

Une forme générale de la conjecture abc

Extrait du poly de Stage de Grésillon 1, août 2010

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

EXERCICE 4 (7 points ) (Commun à tous les candidats)

Chapitre 4: Dérivée d'une fonction et règles de calcul

Bougez, protégez votre liberté!

Loi d une variable discrète

PROBABILITES ET STATISTIQUE I&II

Probabilités conditionnelles

Introduction au Calcul des Probabilités

Suites numériques 4. 1 Autres recettes pour calculer les limites

Les équations différentielles

Intégrale de Lebesgue

= constante et cette constante est a.

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

Programmation linéaire

CHAPITRE IV. L axiome du choix

1 Définition et premières propriétés des congruences

F7n COUP DE BOURSE, NOMBRE DÉRIVÉ

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

Probabilités. I Petits rappels sur le vocabulaire des ensembles 2 I.1 Définitions... 2 I.2 Propriétés... 2

I. Introduction. 1. Objectifs. 2. Les options. a. Présentation du problème.

COMBINATOIRES ET PROBABILITÉS

Polynômes à plusieurs variables. Résultant

Modèles de Calcul. Yassine Lakhnech. 2007/08 Université Joseph Fourier Lab.: VERIMAG. Modèles de Calcul Start p.

Exercices sur le chapitre «Probabilités»

Dérivation : cours. Dérivation dans R

Moments des variables aléatoires réelles

PROBABILITÉS: COURS DE LICENCE DE MATHÉMATIQUES APPLIQUÉES LM 390

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

Objets Combinatoires élementaires

Leçon 01 Exercices d'entraînement

Probabilités et Statistique

Cours d Analyse 3 Fonctions de plusieurs variables

Triangle de Pascal dans Z/pZ avec p premier

Cours d Analyse I et II

Cours arithmétique et groupes. Licence première année, premier semestre

Systèmes d informations nouvelles générations. Répartition, Parallèlisation, hétérogénéité dans les SGBD. Exemple d application d un futur proche

Votre succès notre spécialité!

Méthodes de quadrature. Polytech Paris-UPMC. - p. 1/48

Exercices Alternatifs. Une fonction continue mais dérivable nulle part

I. Cas de l équiprobabilité

t 100. = 8 ; le pourcentage de réduction est : 8 % 1 t Le pourcentage d'évolution (appelé aussi taux d'évolution) est le nombre :

Différentiabilité ; Fonctions de plusieurs variables réelles

Exercices - Fonctions de plusieurs variables : corrigé. Pour commencer

Résolution d équations non linéaires

Cours de mathématiques Première année. Exo7

FONDEMENTS MATHÉMATIQUES 12 E ANNÉE. Mathématiques financières

Rappels sur les suites - Algorithme

Université Paris 8 Introduction aux probabilités Licence Informatique Exercices Ph. Guillot. 1 Ensemble fondamental loi de probabilité

Calculs de probabilités conditionelles

Baccalauréat ES Pondichéry 7 avril 2014 Corrigé

Continuité d une fonction de plusieurs variables

Cours3. Applications continues et homéomorphismes. 1 Rappel sur les images réciproques

Réalisabilité et extraction de programmes

Développements limités, équivalents et calculs de limites

Analyse Combinatoire

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

Transcription:

Ecole Polytechnique, 2010-2011 EV2- Mathématiques Appliquées Fiche de cours 1 : Quelques rappels sur le langage ensembliste 1 Connecteurs logiques et langage ensembliste Etant donnée une proposition A dépendant d une variable x appartenant un ensemble X, on note {x X, A(x)} l ensemble des x pour lesquels l assertion A(x) est vérifiée. Par exemple, considérons A(n) : n est premier. Alors {n N, A(n)} est l ensemble des nombres premiers. Dans la suite on omettra d écrire X pour alléger les notations. La négation A (non A) de la proposition A correspond au complémentaire : {x, A(x)} = {x, A(x)} c. La conjonction A B (A et B) correspond à l intersection : {x, A(x) B(x)} = {x, A(x)} {x, B(x)}. La disjonction A B (A ou B, le ou étant non exclusif) correspond à la réunion : {x, A(x) B(x)} = {x, A(x)} {x, B(x)}. Le quantificateur universel (quel que soit, pour tout) correspond à une intersection : {x, i I, A i (x)} = i I {x, A i (x)}. Le quantificateur universel (il existe) correspond à une réunion : {x, i I, A i (x)} = i I {x, A i (x)}. L implication A B (A implique B) correspond à une inclusion : Quelques règles sur les connecteurs logiques : A B si et seulement si {x, A(x)} {x, B(x)}. (A B) (A B), A A, A B A B, A B A B, A (B C) (A B) (A C), A (B C) (A B) (A C), ( ) ( ) ( x, A(x)) x, A(x), ( x, A(x)) x, A(x). Ces formules ont leur équivalent ensembliste. Par exemple, A B A B se retrouve facilement si l on se souvient que (A B) c = A c B c (le complémentaire de la réunion est l intersection des complémentaires). Attention aux quantificateurs universels : la négation de il existe un entier naturel n, tel que 2 n + 3 n soit premier est pour tout entier naturel n, 2 n + 3 n n est pas premier et vice versa. 1

2 Applications 2.1 Injection, surjection, bijection Définition. Soient E et F deux ensembles et f : E F une application. 1. f est injective si la relation suivante est vérifiée : x E, y E, x y f(x) f(y). (1) 2. f est surjective si, pour tout y F, il existe x E tel que f(x) = y. 3. f est bijective si elle est la fois injective et surjective. Remarque. 1. Pour vérifier qu une application f : E F est injective, on utilise souvent la contraposée de (1) en prouvant que deux éléments x et y de E ayant mme image sont nécessairement égaux. 2. Une bijection d un ensemble E sur lui-mme est parfois appelée permutation de E. Proposition. La composée de deux applications injectives (resp. surjectives, bijectives) est injective (resp. surjective, bijective). Théorème. Soient f : E F et g : F G des applications. Si g f est injective, f est injective. Si g f est surjective, g est surjective. 2.2 Application réciproque Considérons une application f : E F bijective. Pour tout y F il existe un unique élément x E tel que f(x) = y. Posons x = f 1 (y). Définition. L application f 1 : F E ainsi définie est appelée application réciproque de l application f. Proposition. L application f 1 est aussi bijective, et vérifie : 1. f 1 f(x) = x pour tout x E, 2. f f 1 (y) = y pour tout y F, 3. (f 1 ) 1 = f. Les applications f et f 1 sont dites réciproques l une de l autre. Théorème. Soit f : E F une application. S il existe g : F E telle que g f = Id E et f g = Id F, alors f est bijective et g = f 1. Remarque. Le résultat ci-dessus est très utile dans la pratique. Proposition. Soient f : E F et g : F G deux applications bijectives. Alors g f : E G est bijective et : (g f) 1 = f 1 g 1. 2.3 Ensembles et applications On considère deux ensembles E et F et f : E F une application. Définition. Pout toute partie A de E, l ensemble f(a) = {y F x A, f(x) = y} s appelle image directe de A par f. Pour toute partie B de F, l ensemble f 1 (B) = {x E f(x) B} s appelle image réciproque de B par f. Remarque. On peut aussi écrire f(a) = {f(x), x A}. 2

Proposition. Soient quatre parties A 1, A 2 E et B 1, B 2 F. (1) f 1 (B 1 B 2 ) = f 1 (B 1 ) f 1 (B 2 ), (5) f(f 1 )(B 1 ) B 1, (2) f 1 (B 1 B 2 ) = f 1 (B 1 ) f 1 (B 2 ), (6) f 1 (f(a 1 )) A 1, (3) f(a 1 A 2 ) = f(a 1 ) f(a 2 ), (7) f 1 (F \B 1 ) = E\f 1 (B 1 ), (4) f(a 1 A 2 ) f(a 1 ) f(a 2 ). Proposition. Si l application f est injective, alors les inclusions (4) et (6) ci-dessus deviennent des égalités. Si l application f est surjective, alors l inclusion (5) ci-dessus devient une égalité. 3 Notions de dénombrement 3.1 Ensembles finis et exemples Définition. Le cardinal d un ensemble fini Ω, noté card(ω), représente son nombre d éléments. Exemples et définitions. 1. Soient E 1, E 2,..., E p des ensembles (pas forcément finis). Le produit cartésien de ces ensembles est noté E 1 E 2... E p et représente l ensemble des p-uplets (e 1,..., e p ) o e i E i, pour i {1,..., p}. Si E 1, E 2,..., E p sont finis alors card(e 1 E 2... E p ) = p card(e i ). 2. Soient X et Y deux ensembles (pas forcément finis). On note X Y l ensemble des applications de Y dans X. i=1 Si X et Y sont finis alors card(x Y ) = card(x) card(y ). 3. Une partition d un ensemble Ω est une famille d ensembles non vides {A i } i I telle que A i = Ω et A i A j =, pour i j. i I Une telle partition est aussi notée i I A i. Si Ω et I sont finis, on a card(ω) = i I card(a i ). Conséquences : Soient A et B deux parties d un ensemble fini Ω. Alors : (a) card(a c ) = card(ω) card(a), (A c = Ω \ A). (b) card(a B) = card(a) + card(b) card(a B). Proposition. Soient E et F deux ensembles finis. Alors : 1. S il existe une injection de E dans F alors card(e) card(f ). 2. S il existe une surjection de E dans F alors card(e) card(f ). 3

Proposition. Soit E un ensemble fini. Soit f : E E une application. Alors les trois conditions suivantes sont équivalentes : 1. f est injective 2. f est bijective 3. f est surjective 3.2 Ensembles dénombrables Définition. Un ensemble est dénombrable s il est fini ou s il est en bijection avec N. Proposition. 1. Un sous-ensemble d un ensemble dénombrable est dénombrable. 2. Si φ : X Y est injective et si Y est dénombrable, alors X est dénombrable. 3. Si φ : X Y est surjective et si X est dénombrable, alors Y est dénombrable. 4. Un produit cartésien fini d ensembles dénombrables est dénombrable. 5. Une réunion dénombrable d ensembles dénombrables est dénombrable. Exemple. Z, Q et Q[X] sont dénombrables. Théorème. R et l ensemble {0, 1} N des suites valeurs dans {0, 1} ne sont pas dénombrables. Définition. Soit E un ensemble. On note P(E) l ensemble des parties de E. Corollaire. P(N) n est pas dénombrable. 3.3 Analyse combinatoire Dans cette sous-section, Ω désignera un ensemble non vide de cardinal fini égal n qui est dans N. n! désignera 1 2 3... n. On convient que 0! = 1. Définition. Soit p N. Une p-liste de Ω est un élément de Ω p Proposition. L ensemble des p-listes de Ω est de cardinal n p. Définition. Soit p {0,..., n}. Un p-arrangement de Ω (ou un arrangement p éléments) est une p-liste ou p-uplet (x 1,..., x p ) Ω p tel que x 1,..., x p soient deux deux distincts. Une permutation de Ω est un arrangement n élements. On note S n l ensemble des permutations. Proposition. Le nombre de p-arrangements de Ω, noté A p n est A p n = n(n 1)...(n p + 1) = Le nombre de permutation de Ω est card(s n ) = A n n = n!. Remarque. Si p > n alors A p n = 0. n! (n p)! Définition. Soit p {0,..., n}. On appelle combinaison de p élements de Ω toute partie de Ω de cardinal p. Proposition. Le nombre de combinaisons de p élements de Ω noté C p n ou ( n p) est Remarque. 1. Si p > n alors C p n = 0. 2. A p n = p!c p n. C p n = n! (n p)!p!. 4

Proposition. Pour 0 p n et 1 n, on a : 1. C p n = C n p n. 2. C 0 n = C n n = 1. 3. Cn 1 = Cn n 1 = n. 4. Cn p = C p 1 n 1 + Cp n 1, n 2, p {1,..., n 1}. 5. (a + b) n = n k=0 Ck na k b n k, a, b C. Remarque. card (P(Ω)) = n k=0 Ck n = 2 n. 3.4 Application aux probabilités Dans cette sous-section, Ω désignera un ensemble non vide de cardinal fini égal n qui est dans N. Définition. Une probabilité est une fonction P de P(Ω) dans [0; 1] telle que 1. P(Ω) = 1. 2. P(A B) = P(A) + P(B), si A et B sont deux parties disjointes de Ω. Proposition. 2. P( ) = 0. 1. P(A c ) = 1 P(A). 3. P(A) = P(A B) + P(A B c ). 4. P(A B) = P(A) + P(B) P(A B). Remarque. Supposons que (ω, ω ) Ω 2, P({ω}) = P({ω }). On est dans le cas d équiprobabilité et pour tout A P(Ω), on a P(A) = card(a) card(ω). 5