Mathématiques

2022-2023

cbna

Lycée Lesage
Vannes
MP

Maryna Viazovska – Empilements de sphères (conjecture

de Kepler) en dimensions 8 et 24 – Médaille Fields 2022

François S AUVAGEOT
 1
CHAPITRE

Structures mères

Véritable génie des mathématiques, né en 1903 et mort en 1987, Andrei

Kolmogorov a traversé le vingtième siècle en y laissant des contribu-
tions mathématiques considérables. On retrouve son nom aux fondements
de la théorie des probabilités, des systèmes dynamiques, de la théorie de
l’information. En particulier il a montré en 1941 que les propriétés statis-
tiques des mouvements de fluides « turbulents » (ronds de fumée, torrents
de montagne etc.) obéissent à des lois universelles, de type autosimilaire :
le « spectre de Kolmogorov », observé expérimentalement dans beaucoup
d’écoulements turbulents, indique ainsi la loi selon laquelle l’énergie d’un
fluide est transmise vers des échelles de plus en plus petites. Cette loi, dite
du K41 (pour « Kolmogorov 1941 »), est aux fondements de l’étude de
la turbulence hydrodynamique qui est très étudiée aujourd’hui, car encore
largement incomprise.
Andrei Kolmogorov fut un mathématicien exceptionnel, également
passionné d’histoire et de littérature, féru d’exploits sportifs, et engagé jus-
qu’à la fin de sa vie dans la pédagogie des sciences. Il fut également très
proche du pouvoir soviétique, tout comme son ami Pavel Aleksandrov,
dénonçant notamment son patron de thèse Nikolai Luzin dans un procès
Stalinien. Ce dernier ne fut réhabilité qu’en 2012.
2

L’objectif de ce chapitre est de revoir quelques éléments du programme de MPSI et

de préciser le vocabulaire mathématique. Il ne s’agit nullement de refaire le cours de
première année, mais simplement de s’assurer que nous allons parler la même langue !
On introduira au passage quelques éléments nouveaux, utiles notamment en théorie
des probabilités.

— Rudiments de logique : quantificateurs, implication, contraposition, équiva-

lence. Modes de raisonnement : par récurrence (faible et forte), par contra-
position, par l’absurde, par analyse-synthèse.
— Ensembles, appartenance, inclusion. Ensemble P (E) des parties de E. Opé-
rations sur les parties : intersection, réunion, différence, complémentaire.
Produit (cartésien) de deux ensembles.
— Application, graphe d’une application, familles d’éléments.
— Fonction indicatrice. Restriction et prolongement, image directe et réci-
proque. Composition.
— Applications injectives, surjectives, bijectives. Application réciproque d’une
bijection. Composée de deux injections, de deux surjections, de deux bijec-
tions. Réciproque de la composée.
— Loi de composition interne, associativité, commutativité, élément neutre,
inversibilité, distributivité. Partie stable.
— Groupes, anneaux, corps. Calcul dans un anneau.
— Relation binaire, relation d’équivalence, classe d’équivalence, relation
Programme
d’ordre, ordre total, ordre partiel.
— Cardinal d’un ensemble fini, listes et combinaisons.
— Ensemble dénombrable, ensemble fini ou dénombrable, produit cartésien fini
d’ensembles dénombrables, réunion finie ou dénombrable d’ensembles finis
ou dénombrables. Exemples de N2 , Z, Q et R.
— Tribu, événements. Espace probabilisable, probabilité, espace probabilisé.
Continuité croissante, continuité décroissante, sous-additivité. Événements
négligeables, événements presque sûrs. Réunion finie ou dénombrable d’évé-
nements négligeables
— Probabilité conditionnelle, formule des probabilités composées, formule des
probabilités totales, formules de Bayes. Couple d’événements indépen-
dants. Famille quelconque d’événements mutuellement indépendants.
— Variables aléatoires discrètes. Loi PX de la variable aléatoire X. Notations
(X ⩾ x), (X ⩽ x), (X < x), (X > x) pour une variable aléatoire réelle X.
— Loi géométrique G (p). Interprétation comme rang du premier succès. Ca-
ractérisation comme loi sans mémoire : P(X > n + k | X > n) = P(X > k).
— Loi de Poisson P (λ). Approximation de la loi binomiale par la loi de
Poisson. Événements rares.

François Sauvageot - Lycée Lesage - Vannes - c b n a - 2022-2023

 CHAPITRE 1. STRUCTURES MÈRES 3

Introduction

La méthode axiomatique permet, lorsqu’on a affaire à des êtres ma-

thématiques complexes, d’en dissocier les propriétés et de les regrouper
autour d’un petit nombre de notions, c’est-à-dire [...] de les classer suivant
Jean Piaget les structures auxquelles elles appartiennent[...] ; pour définir une struc-
ture, on se donne une ou plusieurs relations, où interviennent ces éléments
[...] ; on postule ensuite que la ou les relations données satisfont à certaines
conditions (qu’on énumère) et qui sont les axiomes de la structure envisa-
gée. Faire la théorie axiomatique d’une structure donnée, c’est déduire les
conséquences logiques des axiomes de la structure, en s’interdisant toute
autre hypothèse sur les éléments considérés (en particulier, toute hypothèse
sur leur « nature » propre).
– N. Bourbaki

C’est le groupe de mathématiciens publiant sous le pseudonyme de N. Bourbaki

qui a développé pour la première fois la théorie des structures de manière explicite et
rigoureuse dans ses Éléments de mathématique à partir des années 1930.
La notion de structure dérive de la méthode axiomatique adoptée par Bourbaki.
Cette axiomatique permet de mettre au jour une unité profonde entre diverses branches
des mathématiques, considérées comme distinctes dans la classification traditionnelle
des disciplines mathématiques (arithmétique, algèbre, analyse, géométrie) :
Nous croyons que l’évolution interne de la science mathématique a, malgré les ap-
parences, resserré plus que jamais l’unité de ses diverses parties, et y a créé une sorte
de noyau central plus cohérent qu’il n’a jamais été. L’essentiel de cette évolution a
consisté en une systématisation des relations existant entre les diverses théories ma-
thématiques, et se résume en une tendance qui est généralement connue sous le nom
de « méthode axiomatique ».
Bourbaki observe : « Dans cette nouvelle conception, les structures mathématiques
deviennent, à proprement parler, les seuls « objets » de la mathématique. » et distingue
principalement trois types de « structures-mères » : la structure algébrique, dont les
relations sont des lois de composition, la structure d’ordre, et la structure topologique.
Ce terme est à l’origine de ce que l’on a appelé le structuralisme mathématique.
Cette façon de penser a intéressé notamment les psychanalystes (Jacques Lacan), les
anthropologues (Claude Levi-Strauss), les psychologues (Jean Piaget). Le structu-
ralisme est né avec le cercle (linguistique) de Prague, en se fondant sur des travaux de
linguistique (notamment de Ferdinand de Saussure).
Attention ! Ce principe d’exposition est en fait artificiel. Bourbaki avoue trois
inconvénients de cette théorie des structures : « elle est à la fois schématique, idéalisée
et figée. » Schématique, car dans le détail il existe « d’inattendus retours en arrière »,
comme l’intervention des nombres réels pour fonder la topologie. Idéalisée, car « dans
certaines théories (par exemple en théorie des nombres), il subsiste de très nombreux
résultats isolés qu’on ne sait jusqu’ici classer ni relier de façon satisfaisante à des
structures connues » et figée, car les structures ne sont pas « immuables », et peuvent
se prêter à des inventions ou reformulations futures.

François Sauvageot - Lycée Lesage - Vannes - c b n a - 2022-2023

4 1.1. LOGIQUE

1 Logique

En sus de la théorie des ensembles, on a besoin de structurer le raisonnement. Ainsi

on a besoin de la notion d’assertion (proposition, prédicat) et de connecteur logique.

On a les connecteurs logiques :

1. ¬A est vrai si (et seulement si) A est faux.
2. A ∧ B est vrai si A et B sont vrais.
Notation
3. A ∨ B est faux si A et B sont faux.
4. A ⇒ B est vrai si A est faux ou si B est vrai.
5. A ⇔ B si A et B sont simultanément vrais ou faux.

Une tautologie est un énoncé qui est vrai quelque soient les valeurs de vérité des
assertions considérées. Autrement dit une tautologie est une simple reformulation.

Les tautologies les plus importantes, pour le raisonnement, sont :

1. A ≡ ¬¬A (principe du tiers exclus ou double négation).
♥
2. ¬(A ⇒ B) ≡ (A ∧ ¬B).
3. (A ⇒ B) ≡ (¬B ⇒ ¬A) (contraposition).

Enfin on a les quantificateurs : ∀ et ∃. Quand un prédicat A dépend d’une variable

x, l’assertion ∀x A(x) signifie que A est vraie pour toutes les valeurs de x. Par contre
l’assertion ∃x A(x) signifie qu’il existe un x pour lequel A(x) est vrai. La difficulté est
parfois de rendre effective cette affirmation d’existence : peut-on réellement trouver le
x dont on parle ? On y reviendra lors de l’axiome du choix. On prendra garde que,
dans une assertion quantifiée, la variable quantifiée est muette. Par exemple, en fait,
dans l’assertion ∀x A(x), la variable x n’existe pas !

Les tautologies mettant en jeu des quantificateurs qui sont les plus utiles
sont :
♥ 1. ¬(∃x A(x)) ≡ ∀x ¬A(x).
2. ¬(∀x A(x)) ≡ ∃x ¬A(x).
3. ¬(∀x (P (x) ⇒ Q(x))) ≡ ∃x (P (x) ∧ ¬Q(x)).

2 Théorie des ensembles

En mathématiques, une structure désigne une théorie « plus forte » que la théo-
rie des ensembles, c’est-à-dire une théorie qui en contient tous les axiomes, signes et
règles. C’est donc une théorie « fondée » sur la théorie des ensembles, mais contenant
également des contraintes supplémentaires, qui lui sont propres, et qui permettent
également de définir de nouvelles structures qu’elle inclut.
La théorie des ensembles utilise notamment les symboles = et ∈. Le premier signifie
que deux objets sont identiques (a = b) et le second qu’un objet appartient à un

François Sauvageot - Lycée Lesage - Vannes - c b n a - 2022-2023

 CHAPITRE 1. STRUCTURES MÈRES 5

ensemble (x ∈ A). On prendra garde que toutes les propriétés ne définissent pas un
ensemble, comme le montre le célèbre paradoxe de Bertrand Russel (1872–1970).

Paradoxe de la théorie des ensembles. – Russel

La notion toute intuitive d’ensemble est en fait une notion particulièrement
difficile à axiomatiser. En effet si l’idée de « collection » d’objets est a priori
satisfaisante, elle conduit à un paradoxe dans la théorie : la collection de tous
les ensembles n’est pas un ensemble. Supposons le contraire, et notons E cet
Pour aller plus loin
ensemble de tous les ensembles. Un tel ensemble a alors une particularité majeure :
ses éléments sont aussi des parties de cet ensemble. On peut alors définir A =
{x ∈ E | x ∈/ x}. Supposons un instant A ∈ A. Alors puisque A ne satisfait pas
à la définition de A, on a A ∈ / A, ce qui est absurde. Mais alors A ∈ / A ce qui
conduit au même type d’absurdité !

Pour autant il existe des objets qui se contiennent eux-mêmes dans un sens
strict. On peut penser aux objets fractals par exemple. Un autre exemple est
Remarque 1 - 1 donné par les entiers naturels. Dans le monde anglo-saxons les entiers se comptent
à partir de 1, dans le monde francophone c’est à partir de 0. Pour autant les deux
ensembles sont en bijection et l’un contient strictement l’autre.

Les tautologies permettant de travailler avec les ensembles, et donc de démontrer

des assertions, sont les suivantes :

1. A ⊂ B ≡ ∀x (x ∈ A ⇒ x ∈ B).
♥
2. A = B ≡ (A ⊂ B ∧ B ⊂ A) ou encore A = B ≡ ∀x (x ∈ A ⇔ x ∈ B).

Quelques ensembles :
1. Une paire est un ensemble E = {a, b}. On a x ∈ A ⇔ (x = a ∨ x = b). On
notera qu’il peut arriver que a soit égal à b et que E n’ait donc qu’un seul
élément.
2. L’écriture {x ∈ E | A(x)} signifie {x | x ∈ E ∧ A(x)} (définition en compré-
Définition 1 - 1
hension).
3. L’ensemble vide peut être défini par ∅ = {x ∈ E | x ̸= x}. Il est en fait
indépendant de E.
4. L’ensemble des parties d’un ensemble est noté P (E). On a donc A ∈
P (E) ≡ A ⊂ E.

Quelques opérations sur les ensembles :

1. La différence de deux ensembles est définie par A \ B = {x ∈ A | x ̸∈ B}.
2. Le complémentaire dans E d’un sous-ensemble A de E est E \ A. On le
Définition 1 - 2
note aussi ∁A
E ou encore A quand E est implicite.
3. La réunion est définie par A ∪ B = {x | x ∈ A ∨ x ∈ B}.
4. L’intersection est définie par A ∩ B = {x | x ∈ A ∧ x ∈ B}.

François Sauvageot - Lycée Lesage - Vannes - c b n a - 2022-2023

6 1.3. FONCTIONS

Plus généralement
1. Une réunion d’une famille d’ensembles X appartenant eux-mêmes à un
ensemble E (qui est donc alors un ensemble d’ensembles) se définit par
[
X = {x | ∃X ∈ E , x ∈ X} .
X∈E
Définition 1 - 3
2. Une intersection d’une famille d’ensembles X appartenant eux-mêmes
à un ensemble E (qui est donc encore un ensemble d’ensembles) se définit
par \
X = {x | ∀X ∈ E , x ∈ X} .
X∈E

On a les propriétés élémentaires :

1. Si A′ ⊂ A et B ′ ⊂ B, alors A′ ∩ B ′ ⊂ A ∩ B et A′ ∪ B ′ ⊂ A ∪ B.
Propriétés 1 - 1 2. Si A ⊂ E et B ⊂ E, alors E \ (A ∪ B) = (E \ A) ∩ (E \ B) et E \ (A ∩ B) =
(E \ A) ∪ (E \ B).

Lois de de Morgan
1. A ∩ (B ∩ C) = (A ∩ B) ∩ (A ∩ C)
2. A ∪ (B ∪ C) = (A ∪ B) ∪ (A ∪ C)
Propriétés 1 - 2
3. A ∩ (B ∪ C) = (A ∩ B) ∪ (A ∩ C)
4. A ∪ (B ∩ C) = (A ∪ B) ∩ (A ∪ C).
Augustus de Morgan 1806-1871.

3 Fonctions

Comme souvent en mathématiques, ce sont plus les transformations qui sont in-
téressantes et pertinentes que les objets eux-mêmes. Au niveau des ensembles, une
transformation est une fonction. Elle ne diffère pas grandement d’un ensemble, mais
c’est surtout la façon d’y penser qui diffère. La plupart des notions de cette section sont
à la limite du programme et seules celles qui sont mises en exergues sont à maîtriser.
Pour commencer, il faut définir le couple. Un couple est une notion compliquée,
même si elle est d’apparence simple. Techniquement l’écriture (a, b) est un raccourci
pour {{a} , {a, b}}. On a donc (a, b) = (a′ , b′ ) ⇔ (a = a′ ∧ b = b′ ). On note également,
si c = (a, b), a = pr1 (c) et b = pr2 (c). Ce sont les première et seconde projections du
couple c.
On définit alors le produit cartésien de deux ensembles :

A × B = {x | ∃a ∈ A , ∃b ∈ B , x = (a, b)} .

On peut ainsi définir A × B × C = (A × B) × C etc. On remarque au passage A′ × B ′ ⊂

A × B ⇔ (A′ ⊂ A ∧ B ′ ⊂ B) et A × B = ∅ ⇔ (A = ∅ ∨ B = ∅).

François Sauvageot - Lycée Lesage - Vannes - c b n a - 2022-2023

 CHAPITRE 1. STRUCTURES MÈRES 7

Un graphe est un ensemble de couples : Γ ⊂ A × B. On définit la première projec-

tion de Γ comme l’ensemble pr1 (Γ) = {x | ∃y (x, y) ∈ Γ}. Et de même pour la seconde
projection. On a donc Γ ⊂ pr1 (Γ) × pr2 (Γ).
Une correspondance est la donnée de deux ensembles et d’un graphe inclus dans
leur produit cartésien : (Γ, E, F ) avec Γ ⊂ E × F . On peut l’interpréter comme une
relation entre des éléments de E et de F n’ayant aucune contrainte ni d’existence ni
d’unicité. Par exemple Γ = (x, y) ∈ R2  x2 + y 2 = 1 est un graphe et (Γ, R, R) est
une correspondance.
Un graphe fonctionnel est un graphe dans lequel tout élément a au plus une
image. Il n’est pas nécessaire néanmoins que tous les éléments aient effectivement une
image. Autrement dit Γ est un graphe vérifiant ∀x ((x, y) ∈ Γ ∧ (x, y ′ ) ∈ Γ) ⇒ y = y ′ .
On peut interpréter cette condition comme l’injectivité de pr1 .
Au sens strict, une fonction est une correspondance associée à un graphe fonction-
nel. C’est donc un triplet (Γ, E, F ) avec Γ ⊂ E ×F et Γ graphe fonctionnel. L’ensemble
E est appelé ensemble source ou ensemble de départ, tandis que l’ensemble F est ap-
pelé ensemble image ou ensemble d’arrivée.

— Une application est une fonction, au sens strict précédent, telle que tous
les éléments de E ont effectivement une image. Autrement dit pr1 (Γ) = E,
i.e. pr1 est surjective et elle est donc bijective.
Définition 1 - 4 — On note f : E → F une application. Pour x dans E, on note alors f (x)
l’unique élément de F tel que (x, f (x)) ∈ Γ.
— On dit que f (x) est l’image de x par l’application f et x est l’antécédent
de f (x) par f .

On peut aussi écrire une application sous la forme x 7→ f (x), et alors la

variable x est muette et les ensembles E et F sont implicites.
Remarques 1 - 2
Dans la suite on confondra les notions d’application et de fonction,
conformément au programme.

L’égalité des applications est l’égalité des triplets. L’ensemble des applications de E
dans F est noté F (E, F ) est peut-être vu comme un sous-ensemble de P (E × F ) ×
P (E) × P (F ). L’ensemble des graphes d’applications de E dans F est noté F E .
Par abus de notation F E et F (E, F ) peuvent être utilisés l’un pour l’autre. Enfin
F (E, E) est noté F (E).
On a les notions habituelles sur les applications :

Application identique (IdE , E, E) est définie par IdE (x) = x pour x ∈ E.

Composition si f : E → F et g : F → G, on définit g ◦ f : E → G par
g ◦ f (x) = g(f (x)). La composition est associative. Mais attention ! dans le
cas des fonctions, elle n’est pas toujours définie.
Injection f est injective si pr2 l’est, i.e. ∀(x, x′ ) ∈ E ×E, f (x) = f (x′ ) ⇒ x = x′ .
Définition 1 - 5 Surjection f est surjective si pr2 l’est, i.e. ∀y ∈ F , ∃x ∈ E, y = f (x).
Bijection f est bijective si elle est injective et surjective, tout comme pr2 .
Coïncidence f : E → F et g : G → H coïncident sur A si A ⊂ E ∩ G et ∀x ∈ A,
f (x) = g(x).
Équipotence Deux ensembles E et F sont équipotents s’il existe une bijection
de l’un dans l’autre.

François Sauvageot - Lycée Lesage - Vannes - c b n a - 2022-2023

8 1.3. FONCTIONS

et les résultats importants :

1. La composée de deux injections (surjections, bijections) en est une.

2. Si g ◦ f est injective, alors f aussi.
3. Si g ◦ f est surjective, alors g aussi.
4. L’application f : E → F est bijective si et seulement s’il existe g : F → E
Propriétés 1 - 3 tel que g ◦ f = IdE et f ◦ g = IdF . L’application g est alors unique et est
notée f −1 .
5. Une involution (f ◦ f = IdE , avec f : E → E) est bijective.
6. La composée de deux bijections en est une et on a (g ◦ f )−1 = f −1 ◦ g −1 .
On dit que le passage à l’inverse est contravariant.

On peut reformuler ces notions en étudiant, pour y ∈ F , l’équation (Ey ) : y = f (x)

en l’inconnue x.

1. f est injective si pour tout y de F , l’équation (Ey ) admet au plus une

solution.
2. f est surjective si pour tout y de F , l’équation (Ey ) admet au moins une
Propriétés 1 - 4
solution.
3. f est bijective si pour tout y de F , l’équation (Ey ) admet une et une seule
solution, ce que l’on écrit parfois

∀y ∈ F ∃!x ∈ E y = f (x) .

Les applications manipulent des éléments d’ensembles, mais on peut aussi les étendre
à des transformations des parties d’un ensemble. On introduit ainsi les applications
« image directe » et « image réciproque ».

Si f : E → F , on définit
1. f∗ : P(E) → P(F ) par

f∗ (A) = {y ∈ F | ∃x ∈ A , y = f (x)} .

Définition 1 - 6 On dit que f∗ (A) est l’image directe de A par f .

2. f ∗ : P(F ) → P(E) par

f ∗ (B) = {x ∈ E | f (x) ∈ B} .

On dit que f ∗ (B) est l’image réciproque de B par f .

Les propriétés immédiates de ces applications sont :

1. f∗ (∅) = ∅ et f ∗ (∅) = ∅.
2. f ∗ (F ) = E.
3. f∗ (E) = F ⇔ f est surjective.
Propriétés 1 - 5
4. Si f est bijective, f ∗ = (f −1 )∗ .
5. Par composition, on a (g ◦ f )∗ = g∗ ◦ f∗ (covariance) et (g ◦ f )∗ = f ∗ ◦ g ∗
(contravariance).

François Sauvageot - Lycée Lesage - Vannes - c b n a - 2022-2023

 CHAPITRE 1. STRUCTURES MÈRES 9

Par abus de notation, on note f∗ et f de la même façon. Pire ! On note f −1

au lieu de f ∗ . Il ne faut pourtant pas en déduire que f∗ prend ses valeurs dans
Danger F , ni que f est toujours bijective ! Ainsi, si A est un singleton, A = {x}, alors
f (A) est l’ensemble {f (x)} et non pas l’élément f (x). Avec ces abus de notations
la propriété f ∗ = (f −1 )∗ s’écrit simplement f −1 = f −1 !

Les résultats importants sur les images directe et réciproque sont :

1. f (A ∪ B) = f (A) ∪ f (B).
2. f −1 (A ∪ B) = f −1 (A) ∪ f −1 (B).
3. f −1 (A ∩ B) = f −1 (A) ∩ f −1 (B).
Propriétés 1 - 6
4. f −1 (F \ B) = E \ f −1 (B).
5. (g ◦ f )(A) = g (f (A)).
6. (g ◦ f )−1 (A′ ) = f −1 g −1 (A′ ) .

mais attention

1. f (A ∩ B) ⊂ f (A) ∩ f (B).
2. f f −1 (A′ ) ⊂ A′ .


Danger
3. f −1 (f (A)) ⊃ A.
4. Il n’y a aucun lien a priori entre F \ f (A) et f (E \ A).

Soit f : E → F une application. Montrer que les assertions suivantes sont

équivalentes :
1. f est surjective ;
Exercice 2. ∀y ∈ F f∗ (f ∗ ({y})) = {y} ;
3. ∀Y ⊂ F f∗ (f ∗ (Y )) = Y ;
4. ∀Y ⊂ F (f ∗ (Y ) = ∅ ⇒ Y = ∅).
Trouver un énoncé analogue pour les applications injectives.

Soit f : E → F une application. Montrer : f est injective ⇔ ∀X × Y ⊂

Exercice
E2 f∗ (X ∩ Y ) = f∗ (X) ∩ f∗ (Y ).

1. Soit f : X → Y une application entre ensembles non vides. Montrer : f

injective ⇔ ∃g : Y → X, g ◦ f = IdX . Autrement dit f est injective si et
seulement si elle est inversible à gauche.
2. Soit f : X → Y une application entre ensembles non vides. Montrer : f
Exercice
surjective ⇔ ∃h : Y → X, f ◦ h = IdY . Autrement dit f est surjective si
et seulement si elle est inversible à droite.
3. Soit f : X → Y une application entre ensembles non vides. Montrer : f
bijective ⇔ ∃g : Y → X, g ◦ f = IdX ∧ f ◦ g = IdY .

François Sauvageot - Lycée Lesage - Vannes - c b n a - 2022-2023

10 1.3. FONCTIONS

1. Soit f : X → Y et g : Y → Z. Montrer : (g ◦ f injective ∧ f surjective) ⇒ g

injective.
Exercice
2. Soit f : X → Y et g : Y → Z. Montrer : (g ◦ f surjective ∧ g injective) ⇒ f
surjective.

On a les notions de restriction pour une fonction (de la source, de l’image ou des
deux ensembles) :

Soit f : E → F , A une partie de E et B une partie de F .

Restriction la restriction de f à A est l’application notée f|A définie de A dans
F et qui coïncide avec f sur A.
Co-restriction si B contient f (E), la (co)restriction de f à B est l’application
Définition 1 - 7 notée f |B définie de E dans B et qui coïncide avec f sur E.
Bi-restriction si B contient f (A), la (bi)restriction de f à A et B est l’applica-
|B
tion notée f|A définie de A dans B et qui coïncide avec f sur A.
Lorsque h est restriction de f , on dit que h est un prolongement de f , ou encore
une extension de f .

Une fonction étant avant tout une transformation, certaines notions liées aux fonc-
tions sont des notions faisant référence aux ensembles, ou parties.

On parle de partie :
Stable si f (A) ⊂ A,
Invariante (globalement) si f (A) = A,
Définition 1 - 8 Fixe (point par point) si ∀x ∈ A, f (x) = x.
Si A est stable, la restriction de f à A est à valeurs dans A. On définit alors
l’application induite par f sur A comme l’application de A dans A coïncidant
avec f sur A.

Une application f de E dans A × B définit deux applications données par

Remarque 1 - 3 f1 = pr1 ◦ f et f2 = pr2 ◦ f . De la sorte on construit une bijection (A × B)E ∼
=
AE × B E , ou encore F (E, A × B) ∼ = F (E, A) × F (E, B).

Soit Γ une partie de E × F , i.e. un graphe quelconque.

Si pour tout x de E on peut trouver au moins un y de F vérifiant (x, y) ∈ Γ,
on admettra que l’on peut définir une application f : E → F telle que ∀x ∈ E,
(x, f (x)) ∈ Γ.
Cela signifie que parmi tous les y possibles de F tels que (x, y) ∈ Γ, et on sait
Pour aller plus loin
qu’il en existe au moins un, on a pu en choisir un arbitrairement.
Cela n’est en rien évident. En fait on a démontré que cette propriété est
indécidable, c’est-à-dire qu’on peut la rajouter ou non à la théorie. Il s’agit donc
d’un « axiome » supplémentaire à la théorie générale, connu sous le nom d’axiome
du choix.

François Sauvageot - Lycée Lesage - Vannes - c b n a - 2022-2023

 CHAPITRE 1. STRUCTURES MÈRES 11

4 Familles

Une famille n’est rien d’autre qu’un graphe d’application. On appelle l’ensemble de
départ ensemble des indices et on écrit (Ai )i∈I plutôt que i 7→ A(i).
On définit ainsi la réunion et l’intersection de familles et on étend les lois de de
Morgan aux familles d’ensemble. On montre également l’associativité de l’intersection
et de la réunion, ainsi que la possibilité de réindexation :

!
[ [ [ [
1. Si I = Ik , alors Ai = Ai .
k∈K i∈I k∈K i∈Ik
!
[ \ \ \
Propriétés 1 - 7 2. Si I = Ik , alors Ai = Ai .
k∈K i∈I k∈K i∈Ik
[ [ \ \
3. Si φ : J → I est une bijection, alors Ai = Aφ(j) et Ai = Aφ(j) .
i∈I j∈J i∈I j∈J

Un recouvrement de E est une famille (Ai )i∈I dont la réunion contient E

[
Ai ⊃ E .
i∈I

Définition 1 - 9 Une partition de E est un recouvrement ayant les propriétés suivantes :

1. ∀i ∈ I, Ai ̸= ∅.
2. ∀(i, j) ∈ I × I, (i ̸= j ⇒ Ai ∩ Aj = ∅).
3. i∈I Ai = E.
S

Soit f une application de E dans F . À quelles conditions nécessaires et suffi-

santes
Exercice
a. l’image réciproque de toute partition de F est-elle une partition de E ?
b. l’image directe de toute partition de E est-elle une partition de F ?

On étend également aux familles les résultats sur l’inclusion, les complémen-
taires, le passage à l’image directe et à l’image réciproque. On étend enfin la notion
♠ de produitQ cartésien et les résultats sur les applications de E àQvaleurs dans un
produit i∈I Ai . Si, pour tout i dans I, on a Ai = B, on note i∈I Ai = B I , ce
qui est consistent avec les notations précédentes.

Notation Si I = J1; nK, on note B I = B n .

François Sauvageot - Lycée Lesage - Vannes - c b n a - 2022-2023

12 1.5. RELATION BINAIRE

5 Relation binaire

Une relation binaire est une autre façon d’interpréter un graphe inclus dans E × E.
Au lieu de dire qu’un couple (x, y) d’éléments de E appartient au graphe, on dit que
x et y sont reliés, et on note xRy. Tout comme le couple est une paire ordonnée, i.e.
(x, y) et (y, x) désignent a priori des choses distinctes, les relations xRy et yRx sont
a priori des expressions distinctes.

Attention ! le graphe d’une relation binaire n’a aucune raison d’être un graphe
Danger
fonctionnel. C’est même plutôt l’exception !

On distingue les propriétés suivantes pour une relation R sur l’ensemble E :

Réflexivité : R est réflexive si ∀x ∈ E, xRx.

Symétrie : R est symétrique si ∀(x, y) ∈ E 2 , xRy ⇔ yRx.
Définition 1 - 10
Antisymétrie : R est antisymétrique si ∀(x, y) ∈ E 2 , (xRy ∧ yRx) ⇒ x = y.
Transitivité : R est transitive si ∀(x, y, z) ∈ E 3 , (xRy ∧ yRz) ⇒ xRz.

On a deux types principaux de relations binaires :

Relation d’équivalence c’est une relation réflexive, symétrique et transitive.

Définition 1 - 11
Relation d’ordre c’est une relation réflexive, antisymétrique et transitive.

Relation d’équivalence

Soit R une relation d’équivalence définie sur E. Pour x élément de E, on

appelle classe d’équivalence de x modulo R et on note clR (x) (ou x en l’absence
Définition 1 - 12 d’ambiguïté) l’ensemble défini par

clR (x) = {y ∈ E | xRy} .

Bien qu’il soit parfois commode de ne retenir dans une classe d’équivalence
♥ que l’un de ses éléments, il est en fait plus profond de penser que les classes
d’équivalence sont des ensembles.

Les classes d’équivalence de E modulo R forment une partition de E.

Réciproquement, pour toute partition (Ai )i∈I de E, la relation binaire R
Théorème 1 - 1 définie par
xRy ≡ ∃i ∈ I (x, y) ∈ A2i
est une relation d’équivalence dont les classes d’équivalence sont les Ai .

Soit f : E → F une application de E sur F . Alors la famille f −1 (y) y∈f (E)

est une partition de E. La relation d’équivalence qui lui est associée est définie
Exemple 1 - 1
par
x1 Rx2 ⇔ f (x1 ) = f (x2 ) .

François Sauvageot - Lycée Lesage - Vannes - c b n a - 2022-2023

 CHAPITRE 1. STRUCTURES MÈRES 13

Bien que signalé hors programme, il est bon de savoir que l’ensemble des
♠ classes d’équivalence de E modulo R est appelé ensemble quotient et est noté
E/R.

Si G est un groupe additif et H un sous-groupe de G, la relation xRy ≡

x − y ∈ H est une relation d’équivalence sur G et, par commodité, on note
G/H l’ensemble quotient. Il peut être muni d’une structure de groupe comme en
attestent les deux principaux exemples :
— Un exemple important pour l’arithmétique est Z/nZ. Un représentant de
chaque classe d’équivalence est donné par le reste dans la division eucli-
Exemples 1 - 2 dienne par n et est donc formé par les nombres de 0 à n−1. La classe d’un en-
tier k se note k et on a k = k+nZ avec la notation k+nZ = {k + np | p ∈ Z}.
— Un exemple important en trigonométrie est R/Z ou encore R/2πZ. Un
élément de R/Z est formé de l’ensemble des réels qui ont la même par-
tie fractionnaire, i.e. qui ne diffèrent que d’un nombre entier relatif. De
même, pour x réel, sa classe x dans R/2πZ est donnée par x = x + 2πZ =
{x + 2kπ | k ∈ Z}.

Un exemple de groupe abélien muni d’une structure supplémentaire est celui

d’espace vectoriel. Lorsque G est un espace vectoriel E et H est un sous-espace
vectoriel F de E, l’ensemble quotient E/F peut être muni d’une structure d’espace
vectoriel et c’est en fait la bonne notion pour interpréter celle de supplémentaire
de F . Par exemple le théorème du rang s’écrit simplement E/ Ker(u) ∼ = Im(u).
♠
Voir exercice 1 - 77.
Quand le groupe n’est plus abélien, la relation d’équivalence associée à un
sous-groupe H ne permet pas en général de définir une structure de groupe sur
G/H. On a alors besoin de la notion de sous-groupe distingué (ou normal). Voir
exercice 15 - 39.

Relation d’ordre

Pour une relation d’ordre deux éléments ne sont pas nécessairement en relation.

On dit que x et y sont comparables si xRy ∨ yRx. Quand tous les éléments
sont comparables deux à deux, on dit que l’ordre est total. Sinon on dit qu’il
Définition 1 - 13
est partiel. Une relation d’ordre (total ou partiel) est souvent notée ≤. On note
alors x < y pour (x ≤ y ∧ x ̸= y) et on dit que < est un ordre strict.

Exemple 1 - 3 La divisibilité dans N∗ est une relation d’ordre partiel.

On a les notions importantes suivantes pour une relation d’ordre :

François Sauvageot - Lycée Lesage - Vannes - c b n a - 2022-2023

14 1.5. RELATION BINAIRE

1. Un majorant d’une partie A est un élément x de E tel que ∀a ∈ A, a ≤ x.

2. Un plus grand élément de A est un majorant de A qui appartient à A.
3. Une borne supérieure de A est le plus petit des majorants de A, i.e.

∀a ∈ A a ≤ α
α = sup A ≡
∀M ∈ E (∀a ∈ A a ≤ M ) ⇒ α ≤ M

Définition 1 - 14

4. On a de même les notions de minorant, de plus petit élément, d’élément

minimal et de borne inférieure.
5. Si f : E → F est une application entre ensembles ordonnés, on dit qu’elle
est (strictement) (dé)croissante si elle préserve (renverse) l’ordre (strict).
On parle de fonction (strictement) monotone pour une fonction qui est
(strictement) croissante ou décroissante.

Une partie A de E peut ne pas admettre de majorant bien sûr ! Si elle en

admet on dit qu’elle est majorée.
Remarques 1 - 4 La deuxième propriété satisfaite par la borne supérieure (quand elle existe) est
très importante dans la pratique, car pour établir une inégalité du type sup A ≤ M
il suffit de vérifier a ≤ M pour tout a de A.

S’il existe, le plus grand (resp. petit) élément est unique. On le note max A
Proposition 1 - 1
(resp. min A).

On prendra garde qu’une fonction qui n’est pas croissante n’a aucune raison
d’être décroissante, même un tout petit peu. Par exemple la fonction caractéris-
Danger
tique des rationnels prend les valeurs 0 ou 1 et n’est monotone sur aucun intervalle
de R.

Proposition 1 - 2 Une fonction qui est monotone et injective est strictement monotone.

La réciproque n’est pas vraie en général. Elle l’est si l’ordre sur l’ensemble
Danger de départ est total. Un contre-exemple est donné par la fonction cardinal sur
l’ensemble des parties d’un ensemble fini.

Un élément maximal de A est un élément a de A tel que ∀b ∈ A, a ≤ b ⇒

♠
a = b. On définit de même un élément minimal.

La notion d’élément maximal ne présente d’intérêt que dans un ensemble muni

d’une relation d’ordre partiel. En effet si l’ordre est total a est un élément maximal de
A si et seulement si a = max A. L’exemple qui suit montre l’intérêt de cette notion.

Dans N∗ ordonné par la divisibilité, l’ensemble A = N \ {0, 1} ne possède

Exemple 1 - 4 pas de plus petit élément mais une infinité d’éléments minimaux : les nombres
premiers.

François Sauvageot - Lycée Lesage - Vannes - c b n a - 2022-2023

 CHAPITRE 1. STRUCTURES MÈRES 15

On peut construire des relations d’ordre à partir d’autres relations d’ordre :

Ordre opposé : c’est l’ordre défini par xRy ≡ y ≤ x. On le note x ≥ y.

Ordre induit : l’ordre induit sur une partie A est l’ordre sur A obtenu par
intersection du graphe R avec A × A.
Ordre fonctionnel si X est un ensemble quelconque et si E est un ensemble
ordonné, E X l’est aussi. On ordonne les fonctions par leurs valeurs, i.e.
f ≤ g ≡ ∀x ∈ X, f (x) ≤ g(x). On prendra garde à ne pas utiliser l’ordre
strict dans ce cas, de peur de confondre f < g avec ∀x ∈ X, f (x) < g(x),
Pour aller plus loin
ces deux notions étant différentes.
Ordre produit Q : si pour tout i dans I, Ei est un ensemble ordonné, l’ordre
produit sur i∈I Ei est donné par (xi )i∈I ≤ (yi )i∈I ≡ ∀i ∈ I, xi ≤ yi . C’est
en fait un ordre fonctionnel.
Ordre lexicographique : si I est un ensemble totalement ordonné, on peut
ordonner i∈I Ei différemment en posant : (xi )i∈I ≤ (yi )i∈I ≡ (∀i ∈ I,
Q
xi = yi ) ∨ (∃i0 ∈ I, ∀i ∈ I, (i < i0 ⇒ xi = yi ) ∧ xi0 < yi0 ).

N, Z, Q, R avec l’ordre habituel ; C avec l’ordre lexicographique ; N avec

Exemple 1 - 5 l’ordre (partiel) donné par la relation de divisibilité ; P (E) avec l’inclusion ;
F (R) avec l’ordre fonctionnel habituel.

Dans K[X] la divisibilité n’est pas une relation d’ordre. On peut toutefois lui
associer la relation d’équivalence ∼ définie par

P ∼ Q ≡ (P | Q ∧ Q | P ) .

Les classes d’équivalence sont les classes de polynômes associés : ils ne diffèrent
Exemple 1 - 6 qu’à un multiple scalaire non nul près. On peut par exemple choisir dans chaque
classe de polynômes associés l’unique polynôme normalisé.
Cet ensemble quotient, ou cet ensemble de représentants des classes d’équiva-
lence, est alors ordonné par la divisibilité et si on lui retire la classe de 1 (i.e. des
polynômes constants non nuls) il possède une infinité d’éléments minimaux : les
polynômes irréductibles (unitaires).

Plus généralement on peut construire une relation d’ordre par passage au quotient.

Soit ≺ une relation de préordre définie sur E, c’est-à-dire une relation binaire
réflexive et transitive. La relation binaire définie sur E par

x ≍ y ⇔ (x ≺ y ∧ y ≺ x)

Pour aller plus loin est une relation d’équivalence. Pour x ∈ E, on note x sa classe d’équivalence. On
note Eb l’ensemble des classes d’équivalence. La relation définie sur E
b par

x≤y⇔x≺y

est une relation d’ordre.

François Sauvageot - Lycée Lesage - Vannes - c b n a - 2022-2023

16 1.6. LOIS

6 Lois

Une loi est une autre façon de penser aux graphes ou aux applications. C’est une
application d’un produit d’ensembles (éventuellement différents) dans un ensemble.
Les notions de magma et d’opération sur un ensemble ne sont pas au programme,
mais interviennent naturellement dans les définitions des objets du programme.
Une loi de composition interne définie sur un ensemble E est une application de
E × E vers E. Si ⊺ (lire truc) est une telle loi de composition interne, pour (x, y) ∈ E 2 ,
on note x ⊺ y au lieu de ⊺ (x, y). On dit alors que E est un magma. Si E est muni de
plusieurs lois internes, on parle de multi-magma.
Une loi de composition externe définie sur un ensemble E et à opérateurs dans un
ensemble X est une application de X × E vers E. Si ⋆ (lire étoile) est une telle loi de
composition externe, pour (λ, x) ∈ X × E, on note λ ⋆ x au lieu de ⋆ (λ, x).
Dans la suite, on note ⊺ et ⊥ (lire anti-truc) des lois internes sur un ensemble E et
⋆ une loi externe de l’ensemble X sur l’ensemble E.

Par exemple P (E) est muni de deux lois internes : ∩ et ∪ ; F (E) est muni
Exemples 1 - 7 de la loi interne ◦ ; un espace vectoriel est muni de deux lois, une interne et une
externe : + et ·.

Les notions importantes pour les lois internes sont :

Commutativité : la loi ⊺ est commutative si ∀(x, y) ∈ E 2 , x ⊺ y = y ⊺ x. Un

magma commutatif est aussi appelé abélien en hommage à Niels Henrik
Abel (1802–1829).
Associativité : la loi ⊺ est associative si ∀(x, y, z) ∈ E 3 , (x ⊺ y) ⊺ z = x ⊺ (y ⊺ z).
Il en résulte, mais ce n’est pas évident, que l’ordre des calculs pour ⊺ est
indifférent, voir exercice 1 - 8
Élément neutre : c’est un élément e⊺ de E tel que ∀x ∈ E, x ⊺ e⊺ = e⊺ ⊺ x = x.
L’élément neutre, s’il existe, est unique.
♥
Distributivité : on dit que ⊥ est distributive par rapport à ⊺ si ∀(x, y, z) ∈ E 3 ,
(x ⊺ y) ⊥ z = (x ⊥ z) ⊺ (y ⊥ z) et z ⊥ (x ⊺ y) = (z ⊥ x) ⊺ (z ⊥ y).
Symétrique : un élément x de E est dit symétrisable ou inversible par rapport
à ⊺ s’il existe y dans E tel que x ⊺ y = y ⊺ x = e⊺ . L’inverse, s’il existe, est
−1
unique et on le note ⊺ x.
Régularité : un élément x de E est dit régulier ou simplifiable si ∀(y, z) ∈ E×E,
x ⊺ y = x ⊺ z ⇒ y = z et ∀(y, z) ∈ E × E, y ⊺ x = z ⊺ x ⇒ y = z. Un élément
inversible est simplifiable.

Une loi externe peut être distributive par rapport à une loi interne : dans ce
Remarque 1 - 5
cas on a ∀x ∈ X, ∀(a, b) ∈ E × E, x ⋆ (a ⊺ b) = (x ⋆ a) ⊺ (x ⋆ b).

On appelle monoïde tout couple (E, ⊺) constitué d’un ensemble et d’une loi de
composition interne définie sur cet ensemble qui est associative et est pourvue d’un
élément neutre.

François Sauvageot - Lycée Lesage - Vannes - c b n a - 2022-2023

 CHAPITRE 1. STRUCTURES MÈRES 17

Quand, dans un monoïde, la loi de composition interne est notée + (loi ad-
ditive) elle est nécessairement commutative et son élément neutre est noté 0.
L’inverse de a (quand il existe) est appelé opposé et noté −a.
Notation Quand, dans un monoïde, la loi de composition interne est notée × ou · (loi
multiplicative), son élément neutre est noté 1. On écrit alors ab au lieu de a × b.
L’inverse de a (quand il existe) est noté a−1 . Si, de plus, la loi est commutative,
l’inverse de a peut se noter a1 .

Exemple 1 - 8 (N, +) est un monoïde d’élément neutre 0.

La notion de groupe s’est dégagée progressivement des travaux d’Évariste Galois

(1811–1832) sur le groupe symétrique. Son but était de résoudre les équations poly-
nomiales par des formules explicites ne mettant en jeu que des radicaux (extractions
de racines ne). C’est Arthur Cayley (1821–1895) qui a donné la bonne définition de
groupe fini.
Les groupes apparaissent également en géométrie, notamment dans le programme
d’Erlangen de Felix Klein (1849–1925) et les travaux de Sophus Lie (1842–1899), et
en théorie des nombres, dans les travaux de Leopold Kronecker (1823–1891). La
synthèse a été opérée par Camille Jordan (1838–1922) et la définition définitive de
groupe abstrait a probablement été donnée par Walther von Dyck (1856–1934).

Groupe – Galois, Cayley, C. Jordan, von Dyck

Définition 1 - 15 Un groupe est un monoïde (i.e. un ensemble muni d’une loi interne associative
et admettant un élément neutre) dans lequel tout élément est inversible.

— les ensembles classiques Z, Q, R, C ou tout espace vectoriel muni de l’ad-

dition.
— Les bijections d’un ensemble E (noté SE ) muni de la composition.
— Les matrices à coefficients dans K pour l’addition.
Exemple 1 - 9 — Le groupe des rotations (vectorielles) ou des similitudes (directes vecto-
rielles).
— Le groupe des translations affines.
— Le groupe des isométries qui préservent un polygone, un polyèdre ou un
polytope.

Les anneaux ont été formalisés par Richard Dedekind (1831–1916), bien que le
terme ait été introduit par David Hilbert (1862–1943), et étudiés systématiquement
par Emmy Noether (1882–1935, mathématicienne allemande chassée par le régime
nazi en 1933 et morte peu après aux États-unis).

Anneau – Dedekind, Noether

Soit A un ensemble muni de deux lois internes, notées ⊺ et ⊥, ayant au moins
deux éléments. Alors A est un anneau si (A, ⊺) est un groupe abélien et si la loi ⊥
Définition 1 - 16
vérifie les propriétés d’associativité, de distributivité (par rapport à ⊺) et admet
un élément neutre. On note 0 l’élément neutre de (A, ⊺) et 1 celui de (A, ⊥). On
a alors 1 ̸= 0. Si ⊥ est commutative, on dit que A est commutatif.

François Sauvageot - Lycée Lesage - Vannes - c b n a - 2022-2023

18 1.6. LOIS

Un anneau est un ensemble dans lequel on peut effectuer des opérations sem-
blables à l’addition, la soustraction et la multiplication. En dehors des corps
habituel (le corps Q des nombres rationnels, le corps R des nombres réels et le
corps C des nombres complexes), en voici quelques autres :
— les entiers relatifs Z et les nombres décimaux (parfois noté D),
Exemple 1 - 10 — les matrices carrées d’ordre n à coefficients dans un corps Mn (K),
— les endomorphismes d’un espace vectoriel End(E),
— les (homo)morphismes d’un groupe G abélien (commutatif) Hom(G).
— les entiers de Gauss Z[i], i.e. les nombres complexes de parties réelle et
imaginaire entières.
— l’algèbre associative K[X] des polynômes à coefficients dans le corps K.

Les corps ont également été formalisés par Dedekind et c’est Ernst Steinitz
(1871–1928) qui en donne la définition actuelle.

Corps – Dedekind, Steinitz

Définition 1 - 17 Un corps est un anneau commutatif K dont les éléments non nuls sont inver-
sibles. Tout comme un anneau, il a au moins deux éléments et on a 1 ̸= 0.

On désigne par F2 l’ensemble à deux éléments 0 et 1 muni des deux lois de

composition + et × définies par leurs tables :

+ 0 1 × 0 1
0 0 1 0 0 0
1 1 0 1 0 1

Muni de ces deux lois, F2 possède une structure de corps. On le note aussi Z/2Z.
Exemple 1 - 11 Plus généralement, lorsque p est un nombre premier, Z/pZ admet une struc-
ture de corps. Comme on le fait du plan R2 , on peut munir (Z/pZ)2 d’une
structure de corps et, même (Z/pZ)r pour tout entier naturel non nul r. Il y a
unicité, à isomorphisme près, d’un corps fini à cardinal fixé. Si q = pr , on note
Fq le corps fini à q éléments.
La structure des corps infinis est plus complexe. En dehors des classiques Q,
R et C, on peut citer le corps des fractions d’un anneau intègre, obtenu comme
Q à partir de Z. Par exemple K(X) ou Q[i], obtenus à partir de K[X] et Z[i]
respectivement.

La notion d’espace vectoriel a germé dans les travaux de Hermann Günther Grass-
mann (1809–1877) et a été formalisée par Giuseppe Peano (1858–1932).

Espace vectoriel – Grassmann, Peano

Un espace vectoriel E sur un corps K est un groupe abélien pour une loi
notée +, muni d’une loi externe de K sur E, notée ⋆, qui est distributive par
rapport à +, associative au sens suivant :
Définition 1 - 18
∀(λ, µ) ∈ K2 ∀x ∈ E λ ⋆ (µ ⋆ x) = (λ · µ)x

et compatible avec l’élément neutre de K (noté 1) : ∀x ∈ K, 1 ⋆ x = x.

François Sauvageot - Lycée Lesage - Vannes - c b n a - 2022-2023

 CHAPITRE 1. STRUCTURES MÈRES 19

Si K est un corps et n un entier naturel, Kn et Mn (K) admettent une struc-

ture canonique de K-espace vectoriel. Il en va de même de K[X].
Exemple 1 - 12
L’ensemble des solutions d’un problème linéaire (équation différentielle li-
néaire, suite récurrente linéaire etc.) forme un espace vectoriel.

La notion d’algèbre a une histoire très complexe. Elle puise ses sources à la fois
dans la logique, notamment avec les travaux de George Boole (1815–1864) complétés
par ceux de Benjamin Peirce (1809–1880) et Charles Sanders Peirce (1839–1914), et
l’algèbre linéaire, avec la recherche de multiplication sur des n-uplets. C’est notamment
William Rowan Hamilton (1805–1865) et Grassmann qui explorent les algèbres ex-
térieures et amènent aux quaternions, bientôt suivis des octaves, découverts par John
Thomas Graves (1806–1870) puis par Arthur Cayley (1821–1895). Leurs générali-
sations sont étudiées par William Kingdon Clifford (1845-1879). L’ensemble de ces
structures porte initialement le nom de systèmes hypercomplexes, puisqu’ils généra-
lisent en quelque sorte la notion de nombre complexe. Le terme d’algèbre est donné
par Bartel Leendert van der Waerden (1903—1996) dans son ouvrage fondateur
Moderne Algebra en 1930.

Algèbre – G. Boole, Grassmann, . . . , van der Waerden

Une algèbre sur un corps K, ou K-algèbre, est un K-espace vectoriel (A, +, ⋆)
muni d’une multiplication interne qui est bilinéaire. Dans le cadre du programme,
Définition 1 - 19
on demande en sus que (A, ×) soit unifère. Autrement dit (A, +, ×) est un anneau
où l’axiome d’associativité de la multiplication est remplacé par
∀λ ∈ K, ∀(x, y) ∈ A2 λ ⋆ (x × y) = (λ ⋆ x) × y = x × (λ ⋆ y).

Très souvent les algèbres sont aussi associatives, donc (A, +, ×) est vraiment
un anneau, et contiennent K, ce qui fait que l’associativité externe résulte de
l’associativité. C’est le cas pour les K-algèbres K[X], Mn (K) ou F (X, K) pour
un ensemble X quelconque.
Le corps non commutatif des quaternions ou l’agèbre non associative des oc-
tonions forment les seules R-algèbres de dimension finie dites à division, i.e. sans
Exemple 1 - 13 diviseurs de 0. Elles ne sont que le début d’une suite infinie d’algèbres obtenue
par la construction de Cayley-Dickson (Leonard Eugene Dickson, 1874-1954),
avec par exemple les sedenions qui forment une algèbre de dimension 16 sur R.
Il existe bien d’autres types d’algèbres : algèbre extérieure (avec comme
exemple celle fournie par le produit vectoriel de vecteurs en dimension 3), algèbre
de Lie, algèbre de Jordan, algèbre de Banach. Les plus importantes dans ce
cours seront toutefois K[X] et Mn (K).

Soit A ∈ P (E), on définit 1A : E → {0, 1} la fonction indicatrice de A par

Définition 1 - 20
1A (x) = 1 si x ∈ A et 1A (x) = 0 sinon. On la note aussi parfois χA .

C’est pour cette raison que George Boole et, à sa suite, Alfréd Rényi (1921-1970),
notent xy l’intersection de deux ensembles x et y, 1 l’ensemble total, 0 l’ensemble vide,
1 − x le complémentaire de l’ensemble x etc. Le plus subtil est x + y pour la réunion
disjointe, puisque la réunion est plutôt x + y − xy ou encore 1 − (1 − x)(1 − y). Avec
ces notations booléennes, il existe des diviseurs de 0 : xy = 0 signifie que x et y sont
disjoints et ainsi x(1 − x) = 0 ou encore x = x2 .

François Sauvageot - Lycée Lesage - Vannes - c b n a - 2022-2023

20 1.7. L’ENSEMBLE N ET LES THÉORÈMES DE RÉCURRENCE

7 L’ensemble N et les théorèmes de récurrence

L’existence de l’ensemble N des entiers naturels est supposée acquise. Il est muni
des lois + et ·, ainsi que d’une relation d’ordre ≤, dont les propriétés essentielles sont
supposées connues. En particulier on retiendra :

1. Tout entier naturel n admet un « successeur » : n + 1. Tout entier naturel

non nul n admet un « prédécesseur » : n − 1.
Propriétés 1 - 8 2. N est un ensemble ordonné dont toute partie non vide admet un plus petit
élément. On dit aussi que N est bien ordonné.
3. Toute partie non vide majorée de N admet un plus grand élément.

Les traces sur N des intervalles de R seront notés avec une double barre. Par
exemple Jp; qK = [ p; q ] ∩ N et Jp; +∞K = [ p; +∞ [ ∩ N.

Récurrence – Grassmann 1861

Soit n0 un entier naturel et A une partie de N qui satisfait aux axiomes de
récurrence suivants
Théorème 1 - 2 Initialisation : n0 ∈ A
Hérédité : n ∈ A ⇒ n + 1 ∈ A.
Alors A contient la section finissante Jn0 ; +∞K. En particulier si a0 = 0, alors
A = N.

L’axiomatisation (hors-programme) de N par Richard Dedekind (1888) et

Giuseppe Peano (1889) est fondée sur l’existence d’une application successeur,
injective et n’ayant pas 0 dans son image, et sur l’axiome de récurrence. John
♠
von Neumann (1923) quant à lui définit l’entier 0 comme l’ensemble vide et le
successeur d’un entier a comme a∪{a}. Ainsi on a 2 = {∅, {∅}} = {0, 1}, ensemble
qui a manifestement deux éléments ! Plus généralement n = {x ∈ N | x < n}.

L’emploi le plus fréquent du théorème de récurrence est dans la démonstration

d’une propriété P dont l’énoncé dépend d’un entier n (on parle de prédicat sur les
entiers). On peut énoncer les trois corollaires usuels suivants :

Récurrence simple
Soit P un prédicat sur N. Si, pour un certain entier naturel n0 , P(n0 ) est vrai
Corollaire 1 - 1 et que, de plus,
∀n ≥ n0 , P(n) ⇒ P(n + 1)
alors P(n) est vrai pour tout entier n supérieur (ou égal) à n0 .

Récurrence double
Soit P un prédicat sur N. Si, pour un certain entier naturel n0 , P(n0 ) et
P(n0 + 1) sont vrais et que, de plus,
Corollaire 1 - 2
∀n ≥ n0 + 1 , (P(n − 1) ∧ P(n)) ⇒ P(n + 1)

alors P(n) est vrai pour tout entier n supérieur (ou égal) à n0 .

François Sauvageot - Lycée Lesage - Vannes - c b n a - 2022-2023

 CHAPITRE 1. STRUCTURES MÈRES 21

Récurrence forte
Soit P un prédicat sur N. Si, pour un certain entier naturel n0 , P(n0 ) est vrai
et que, de plus,
Corollaire 1 - 3
∀n ≥ n0 , (∀k ∈ Jn0 ; nK , P(k)) ⇒ P(n + 1)

alors P(n) est vrai pour tout entier n supérieur (ou égal) à n0 .

Rédaction des récurrences

On commence par définir un prédicat P en précisant son ensemble de défini-
tion, que l’on munit d’un (bon) ordre, i.e. de sorte qu’il y ait un élément minimal
♥
(disons n0 ) et une application successeur (en général notée n 7→ n + 1). L’initia-
lisation consiste à démontrer P(n0 ) et l’hérédité consiste à déduire P(n + 1) à
partir de P(n).

On peut également raisonner par récurrence noethérienne (ou bien fondée) en

♠
montrant ∀n ∈ N (∀k ∈ N (k < n =⇒ P(k))) =⇒ P(n).

Blaise Pascal (1664–1662)

Soit (Hn ) 
le prédicat sur N∗ définipar (Hn ) : « Pour tout entier naturel p
n−p+1

Exemple 1 - 14 n n
inférieur à n, = » où, comme il est d’usage en français,
p p p−1
« inférieur » signifie « inférieur ou égal ».

À noter également la récurrence finie et la récurrence descendante. On s’in-

téresse alors à des parties finies de N, i.e. de la forme Jp; qK et l’hérédité peut
Remarque 1 - 6 prendre la forme usuelle (Hn ) ⇒ (Hn+1 ) ou au contraire la forme descendante
(Hn+1 ) ⇒ (Hn ). Dans le premier cas on démontre (Hp ), dans le second (Hq ) et
dans tous les cas on en déduit que (Hn ) est vraie pour tout entier n dans Jp; qK.

Soit E un ensemble, on appelle suite d’éléments de E toute famille de E

Définition 1 - 21
indexée par N, i.e. une application de N dans E. On note une telle suite (un )n∈N .

On admet les théorèmes suivants beaucoup moins banals qu’il n’y paraît :

Soit f : E → E une application d’un ensemble dans lui-même, et a un élément

de E. Alors il existe une unique suite (un )n∈N dans E N vérifiant
Théorème 1 - 3
1. u0 = a
2. ∀n ∈ N, un+1 = f (un ).

Soit f : E × E → E et a et b deux éléments de E. Alors il existe une unique

suite (un )n∈N dans E N vérifiant
Théorème 1 - 4
1. u0 = a et u1 = b
2. ∀n ∈ N, un+2 = f (un+1 , un ).

François Sauvageot - Lycée Lesage - Vannes - c b n a - 2022-2023

22 1.8. ENSEMBLES FINIS

8 Ensembles finis

On dit que deux ensembles E et F sont équipotents s’il existe une bijection
Rappel
de E sur F .

Soit p et n des entiers naturels.

1. S’il existe une injection de J1; pK dans J1; nK alors p ≤ n.
Théorème 1 - 5
2. S’il existe une surjection de J1; pK dans J1; nK alors p ≥ n.
3. S’il existe une bijection de J1; pK dans J1; nK alors p = n.

On dit qu’un ensemble E est fini non vide si il existe un entier p strictement
Définition 1 - 22 positif tel que E soit équipotent à J1; pK. L’entier p est alors unique et est appelé
cardinal de E et noté Card(E), |E| ou ♯E.

Convention On convient de dire que l’ensemble vide est fini de cardinal 0.

Définition 1 - 23 Tout ensemble non fini est dit infini.

Théorème 1 - 6 Les parties finies non vides de N sont les parties non vides majorées.

Démonstration.
a. Condition nécessaire. On travaille par récurrence sur le cardinal p d’une partie
non vide finie. Soit P le prédicat sur N∗ donné par P(n) : toute partie de N de
cardinal n est majorée.
a. Initialisation : P(1) est immédiat puisque qu’une partie de cardinal 1 est
majorée par son unique élément.
b. Hérédité. Soit p dans N∗ tel que P(p) soit vrai et P une partie finie de N
de cardinal p + 1 éléments. Soit enfin f une bijection de J1; p + 1K sur P .
|P
On note P1 = P \ {f (p + 1)}. La birestriction g = f|J1;pK
1
de f est alors une
bijection de J1; pK sur P1 . Ceci fait de P1 un ensemble fini de cardinal p et
donc majoré. Soit M1 un de ses majorants. Alors M = max (M1 , f (p + 1))
est un majorant de P qui est donc bien majoré.
b. Condition suffisante. On travaille par récurrence forte sur le plus grand élé-
ment M d’une partie non vide majorée de N. Soit P le prédicat sur N donné
par P(n) : toute partie de N de plus grand élément n est finie.
Soit P une partie non vide et majorée de N et soit M son plus grand élément.
On montre par récurrence forte sur M que P est fini.
a. Initialisation : P(0) est immédiat puisque qu’une partie de plus grand élé-
ment nul est égale à {0} et est donc de cardinal fini égal à 1.
b. Hérédité. Soit M dans N tel que P(n) soit vrai pour n ≤ M et P une partie
non vide majorée de plus grand élément M +1. Soit alors P1 = P \{M + 1}.

François Sauvageot - Lycée Lesage - Vannes - c b n a - 2022-2023

 CHAPITRE 1. STRUCTURES MÈRES 23

Si P1 est vide, alors P est de cardinal 1. Sinon P1 est non vide et majoré
par M . Son plus grand élément est donc inférieur à M . Par hypothèse de
récurrence, P1 est donc fini. Soit alors p son cardinal ; il existe une bijection f
de J1; pK sur P1 que l’on peut étendre à J1; p + 1K en posant f (p+1) = M +1.
L’extension f de f ainsi construite est alors une bijection de J1; p + 1K sur
P qui est bien fini.

Soit P une partie finie non vide de N de cardinal p. Alors il existe une unique
Théorème 1 - 7
bijection (strictement) croissante de J1; pK sur P .

Démonstration. Par récurrence sur p dans N∗ .

a. Initialisation : pour p = 1, toute bijection est croissante.

b. Hérédité. On suppose la propriété satisfaite au rang p − 1, avec p ≥ 2. Soit alors
une partie P finie non vide de cardinal p. Elle est majorée et admet donc un plus
grand élément α. Soit P1 = P \ {α}. Alors P1 est une partie finie de cardinal
p − 1 et, par hypothèse de récurrence, il existe une unique bijection croissante f
de J1; p − 1K sur P1 . Le prolongement f de f obtenu en posant f (p) = α réalise
une bijection strictement croissante de J1; pK sur P . Si g est une autre bijection
croissante de J1; pK sur P , alors g(p) ≥ g(k) pour tout k ≤ p. Donc g(p) est le
plus grand élément de P : g(p) = α. La birestriction de g à J1; p − 1K au départ
et à P1 à l’arrivée est une bijection strictement croissante de J1; p − 1K sur P1 et
donc coïncide avec f par hypothèse de récurrence, si bien que g = f .

Les propriétés suivantes résultent directement des théorèmes précédents 1 - 5, 1 -

6 et 1 - 7. C’est un bon exercice de les démontrer !

— Soit E et F deux ensembles équipotents. Si l’un est fini, l’autre l’est aussi
et ils ont même cardinal.
— Toute partie E ′ d’un ensemble fini E est elle-même finie et Card(E ′ ) ≤
Card(E) avec égalité si et seulement si E ′ = E.
— Soit E et F deux ensembles finis de même cardinal et f : E → F . Alors
l’injectivité, la surjectivité et la bijectivité de f sont équivalentes.
Propriétés 1 - 9
— Soit f : E → F où E est un ensemble fini. Alors f (E) est une partie finie
de F et on a Card(f (E)) ≤ Card (E) avec égalité si et seulement si f est
injective.
— Toute intersection d’ensembles finis est finie.
— Toute réunion finie d’ensembles finis est finie de cardinal inférieur ou égal
à la somme des cardinaux.

François Sauvageot - Lycée Lesage - Vannes - c b n a - 2022-2023

24 1.9. SOMMES FINIES ET PRODUITS FINIS

9 Sommes finies et produits finis

Xn X0
Dans un monoïde additif a , on définit par récurrence la notation ak par ak =
! k=1 k=1
n+1
X Xn
0 et ak = ak + an+1 .
k=1 k=1
X
On peut alors définir, pour tout ensemble fini d’indices I, la notation ai à l’aide
i∈I
d’une bijection f de J1; nK sur I par

X n
X
ai = af (k) .
i∈I k=1

Cette formule, de par la commutativité de l’addition, ne dépend pas de la bijection f

choisie.
En particulier, pour n entier et a dans le monoïde, les notations na et n corres-
pondent respectivement à ak = a ou ak = 1 pour tout k dans J1; nK. De plus

X
Convention ai = 0
i∈∅

n
Y
Dans un monoïde multiplicatif b , on définit par récurrence la notation ak par
! k=1
0
Y n+1
Y n
Y
ak = 1 et ak = ak × an+1 .
k=1 k=1 k=1
Dans un monoïde multiplicatifY commutatif on peut alors définir pour tout en-
semble fini d’indices I la notation ai à l’aide d’une bijection f de J1; nK sur I par
i∈I

Y n
Y
ai = af (k) .
i∈I k=1

Cette formule, de par la commutativité de la multiplication, ne dépend pas de la

bijection f choisie.
En particulier, pour n entier et a dans le monoïde, les notations an et n! (lire
« factorielle n » – la notation de factorielle vient des travaux de Christian Kramp,
1760–1826) correspondent respectivement à ak = a ou ak = k pour tout k dans J1; nK.
Par convention 0! = 1 et plus généralement

Y
Convention ai = 1
i∈∅

a. un tel monoïde est commutatif

b. un tel monoïde n’est pas nécessairement commutatif

François Sauvageot - Lycée Lesage - Vannes - c b n a - 2022-2023

 CHAPITRE 1. STRUCTURES MÈRES 25

10 Dénombrements, analyse combinatoire

Principe des bergers

Soit f : E → F une surjection de E sur un ensemble fini F . On suppose qu’il
existe un entier naturel non nul p vérifiant

Théorème 1 - 8 ∀y ∈ F Card(f −1 (y)) = p .

Alors E est fini et on a

Card(E) = p × Card(F ) .

Ce théorème résulte de l’exemple 1 - 1 et de l’énoncé plus général suivant

Pour toute partition (Ai )i∈I d’un ensemble fini E, l’ensemble I est lui-même
fini et, de plus,
Théorème 1 - 9 X
Card(E) = Card(Ai ) .
i∈I

Un problème de dénombrement consiste à démontrer qu’un ensemble est fini et à en

déterminer le cardinal. Les théorèmes essentiels auxquels on se réfère sont le théorème
d’équipotence et le principe des bergers, avec pour but de se ramener à des ensembles
finis de cardinal connu. Cependant le plus souvent, les démonstrations seront rédigées
de façon plus « littéraire », ces théorèmes apparaissant alors en filigrane. Voici quelques
illustrations ces méthodes.

Si E et F sont des ensembles finis alors E × F est fini et

Théorème 1 - 10
Card(E × F ) = Card(E) × Card(F ) .

Démonstration. Il suffit d’appliquer le principe des bergers à l’application f : E ×

F → F qui à (x, y) associe y (i.e. f = pr2 ). Les images réciproques f −1 (y) sont toutes
équipotentes à E ce qui permet de conclure. □

Si E et F sont des ensembles finis alors F (E, F ) est fini et

Théorème 1 - 11
|E|
|F (E, F )| = F E = |F | .

Le principe est le suivant : pour construire une application de E dans F il

suffit de savoir construire une application de E1 = E \ {a} dans F et de définir
f (a). Ainsi la démonstration sera faite par récurrence sur p = Card(E). Pour f|E1
Idée
on a np−1 choix (avec n = Card(F )) et pour chacun d’eux on a n choix possibles
pour f (a). La mise en forme d’une telle démonstration relève donc du principe
des bergers.

Démonstration.
a. L’initialisation à p = 1 est claire puisqu’alors F E ≃ F .

François Sauvageot - Lycée Lesage - Vannes - c b n a - 2022-2023

26 1.10. DÉNOMBREMENTS, ANALYSE COMBINATOIRE

b. Hérédité. On suppose la propriété établie pour p − 1, avec p ∈ N∗ . Soit alors E

fini de cardinal p, a dans E fixé quelconque et E1 = E \ {a}.
On applique le principe des bergers à l’application

φa : F (E, F ) → F (E1 , F )

qui à f associe f|E1 . En effet :

a. le principe de prolongement assure le caractère surjectif de φa ;
b. l’hypothèse de récurrence assure l’équipotence des images réciproques des
éléments de F avec pour cardinal commun Card(F ).
Et donc le principe des bergers assure bien l’hérédité.
□

Soit E un ensemble fini de cardinal p, alors P (E) est fini et

Théorème 1 - 12
Card (P (E)) = 2p .

Démonstration. Il suffit de constater que P (E) et F (E, {0, 1}) sont équipotents
via la bijection qui à une partie A de E associe sa fonction caractéristique 1A . □

La fonction indicatrice intervient souvent en dénombrement, notamment pour

la raison suivante : si E est un ensemble fini et A ⊂ E, alors
X
1A (x) = Card(A) .
Remarque 1 - 7
x∈E

comme on le voit en prenant une bijection de J1; Card(A)K sur A que l’on prolonge
en une bijection de J1; Card(E)K sur E.

Formule de Poincaré, dite du crible ou Principe d’inclusion-exclusion

Soit A et B deux parties finies d’un même ensemble E. On a
Théorème 1 - 13
Card(A ∪ B) = Card(A) + Card(B) − Card(A ∩ B) .

Henri Poincaré (1854–1912).

Démonstration. Cela résulte de l’identité entre fonctions indicatrices

1A∪B + 1A∩B = 1A + 1B ,

que l’on peut vérifier pour tout x dans E dans les quatre cas exclusifs x ∈ A ∩ B,
x ∈ A \ A ∩ B, x ∈ B \ A ∩ B et x ∈/ A ∪ B, et de la remarque précédente appliquée à
E = A ∪ B et à ses parties A, B, A ∩ B et A ∪ B. □

François Sauvageot - Lycée Lesage - Vannes - c b n a - 2022-2023

 CHAPITRE 1. STRUCTURES MÈRES 27

Formule de Poincaré
Si A, B et C sont des parties finies d’un même ensemble, alors on a

Card(A ∪ B ∪ C) = Card(A) + Card(B) + Card(C)

− [Card(A ∩ B) + Card(B ∩ C) + Card(C ∩ A)]
+ Card(A ∩ B ∩ C) .
♠
Plus généralement si (Ai )1≤i≤n est une famille de parties finies d’un même en-
semble, on a la formule
!  
n
[ Xn X \k
Card Ai = (−1)k+1 Card  Aij 
i=1 k=1 1≤i1 <···<ik ≤n j=1

Soit E et F deux ensembles finis de cardinaux respectifs p et n. Alors

l’ensemble I(E, F ) des injections de E dans F est fini de cardinal Apn , avec
p−1
Y
An =
p
(n − k), i.e.
Théorème 1 - 14 k=0 
0

si n < p
Apn = n!
 sinon.
(n − p)!


Pour construire une injection de E dans F il suffit de savoir construire une

injection de E \{a} (que l’on notera E1 ) dans F et de choisir f (a) parmi les images
possibles restantes. La démonstration s’obtient par récurrence sur Card(E) (que
l’on notera p).
Idée En notant n = Card(F ), on a Ap−1 n choix pour f|E1 et, pour chacun d’eux,
on a n − p + 1 choix possibles si n ≥ p et aucun sinon. D’où, pour n ≥ p,
Apn = (n − p + 1)Ap−1n et donc, compte tenu de l’initialisation A1n = n, il vient
n!
Apn = .
(n − p)!

Soit E un ensemble fini de cardinal n, SE l’ensemble des permutations de E

Corollaire 1 - 4
(i.e. les bijections de E dans E) est fini de cardinal n! .

On appelle p-liste d’un ensemble E tout p-uplet (a1 , a2 , . . . , ap ) constitué d’élé-

Définition 1 - 24
ments de E. En particulier l’unique 0-liste est la liste vide.

Théorème 1 - 15 Le nombre de p-listes d’éléments d’un ensemble fini E de cardinal n est np .

Démonstration. Pour p ≥ 1, se donner une p-liste revient à se donner une application

de J1; pK dans E. Pour p = 0, l’unique 0-liste est la liste vide. □

On appelle arrangement de p éléments de E toute p-liste de E constituée

Définition 1 - 25
d’éléments deux à deux distincts.

François Sauvageot - Lycée Lesage - Vannes - c b n a - 2022-2023

28 1.10. DÉNOMBREMENTS, ANALYSE COMBINATOIRE

Théorème 1 - 16 Le nombre d’arrangements de p éléments parmi n est Apn .

Démonstration. Pour p ≥ 1, se donner un arrangement de p éléments de E ensemble

à n éléments, revient à se donner une injection de J1; pK dans E. Pour p = 0, l’unique
0-liste est la liste vide. □

On appelle combinaison de p éléments d’un ensemble E toute partie finie de

Définition 1 - 26 E de cardinal p. En particulier l’unique combinaison à 0 élément de E est la
combinaison vide.

Si E est un ensemble fini de cardinal   n, l’ensemble des combinaisons de p

n
éléments de E est fini, de cardinal noté (ou parfois Cnp ) et on a
p
 
Théorème 1 - 17 n n!
=
p p! (n − p)!
   
n n
pour 0 ≤ p ≤ n et = 0 si n < p. En particulier = 1.
p 0

À tout arrangement à p éléments, qui est une p-liste, on associe son support,
i.e. l’ensemble des éléments constituant la p-liste. Comme c’est un arrangement,
cet ensemble a p éléments, i.e. est une combinaison à p éléments. Réciproquement
Idée
à toute combinaison à p éléments de E, on peut associer autant d’arrangements à p
éléments qu’on a de possibilités de ranger p éléments, à savoir p! . Par conséquent
Apn = p! np , d’où la propriété.

Cas particulier de la formule du binôme de Newton

Pour tout entier naturel n, on a
n  
Théorème 1 - 18
X n
2 =
n
.
p=0
p

Isaac Newton (1642–1727).

Démonstration. Pour p entier vérifiant 0 ≤ p ≤ n, on note Pp (E) l’ensemble des

p-combinaisons d’éléments de E. Alors la famille (Pp (E))0≤p≤n réalise une partition
de P (E). En prenant les cardinaux on trouve l’égalité recherchée. □

 
n
Définition 1 - 27 Les nombres s’appellent coefficients binomiaux.
p

On peut les représenter sur un triangle, dit triangle de Pascal (Blaise Pascal,
1623-1662).

François Sauvageot - Lycée Lesage - Vannes - c b n a - 2022-2023

 CHAPITRE 1. STRUCTURES MÈRES 29

Ce triangle était connu du mathématicien perse Abu Bekr ibn Muhammad ibn
al-Husayn Al-Karaji (953–1029) et est connu en Chine sous le nom de triangle
de Yang Hui (1238-1298). Dans ses écrits, il l’attribue à un autre mathématicien
chinois, de deux siècles son prédecesseur : Jia Xian (ca. 1010-1070), dont les tra-
Aparté vaux ont été perdus. Il était utilisé pour extraire des racines carrées ou cubiques.
Le triangle apparaît également sous le nom meruprastāra dans un commentaire
du Xe siècle des travaux du mathématicien indien Acharya Pingala (ca. -300/-
200) sur la prosodie. Dans ces travaux on trouve le 0, la notation binaire et la
suite de Fibonacci !
 
n
Le terme est donc défini comme le nombre de façons de choisir k éléments
k
dans un ensemble de n éléments, notamment k termes dans un produit de n termes.
On en déduit directement la formule du binôme

Formule du binôme de Newton

n  
X n k n−k
(a + b)n = a b ,
k
♥ k=0

formule valide pour a et b dans un anneau général, avec [a, b] = 0, i.e. a et b

commutant entre eux (où [a, b] désigne, comme souvent, le commutateur de a et
b, i.e. [a, b] = ab − ba).

Une propriété élémentaire est la 

formule,
  quipermet
 de calculer les coefficents
n+1 n n
binomiaux de façon récursive, = + . Elle s’interprète combina-
k k k−1
toirement en comptant de façon séparée les choix pour lesquels le n + 1e terme choisi
est a ou b.

François Sauvageot - Lycée Lesage - Vannes - c b n a - 2022-2023

30 1.10. DÉNOMBREMENTS, ANALYSE COMBINATOIRE

On peut également construire directement la ne ligne du triangle de Pascal en par-

tant de 1 et en multipliant successivement par des fractions de numérateur décroissant
n n−1
et dont le numérateur et le dénominateur ont pour somme n + 1 : 1, 1 × , n × ,
1 2
n(n − 1) n − 2
× etc. En particulier, on retrouve la formule
2 3
n(n − 1) · · · (n − k + 1)
 
n n!
= = .
k 1.2. · · · .k k! n − k!

Les coefficients binomiaux satisfont aux formules suivantes valables pour des
entiers vérifiant n ≥ p ≥ 0 :
   
n n
Symétrie =
p n−p
   
n n−p n
Théorème 1 - 19 ne ligne = ×
p+1 p+1 p
n+1 n+1
   
n
Diagonales = ×
p+1 p+1 p
n+1
     
n n
Relation de Pascal = + .
p+1 p+1 p

 
n
Démonstration. Les vérifications sont triviales à partir de la formule =
p
n!
, mais on peut également les interpréter de façon ensembliste.
p! (n − p)!
La première formule correspond à l’échange entre a et b dans la formule du binôme,
c’est-à-dire à l’application bijective qui à une partie A associe son complémentaire,
échangeant ainsi les parties de cardinal p avec celles de cardinal n − p.
La seconde provient de la remarque sur le calcul direct sur la ne ligne. Elle exprime
que pour construire une partie à p+1 éléments à partir d’une partie à p éléments, il faut
lui adjoindre un élément parmi les n − p de son complémentaire, et réciproquement il
faut supprimer un des p + 1 éléments d’une partie à p + 1 éléments pour en obtenir une
à p éléments. On peut l’écrire directement sous forme d’égalité d’une somme double en
utilisant une bijection entre les couples (A, x), formés d’une partie A à p+1 éléments et
d’un élément x de A, et les couples (B, y), formés d’une partie B à p éléments et d’un
élément y de B. La bijection envoie (A, x) sur (A \ {x} , x) dont la bijection réciproque
envoie (B, y) sur (B ∪ {y} , y). Il vient
   
n X X X X n
(p + 1) = 1= 1 = (n − p) .
p+1 p
|A|=p+1 x∈A |B|=p y ∈B
/

La troisième provient d’une interversion de deux signes somme ou encore de la

bijection associant à (A, x), avec A une partie à p + 1 éléments de J1; n + 1K et x dans
A, le couple (x, A \ {x}), formé d’un élément de J1; n + 1K et d’une partie à p éléments
ne le contenant pas. De façon plus parlante, on peut l’écrire
n+1
   
X X X X X X n
(p + 1) = 1= 1= 1 = (n + 1) .
p+1 p
|A|=p+1 x∈A 1≤x≤n+1 A∋x 1≤x≤n+1 |B|=p,x∈B
/

On a déjà expliqué la dernière : une partie A à p + 1 éléments de J1; n + 1K contient

ou non n + 1 et on peut lui associer une partie de J1; nK soit à p éléments, soit à p + 1

François Sauvageot - Lycée Lesage - Vannes - c b n a - 2022-2023

 CHAPITRE 1. STRUCTURES MÈRES 31

éléments. De façon légèrement abusive cela peut se sythétiser ainsi :

X X X
1= 1+ 1.
|A|=p+1 n+1∈A n+1∈A
/

□
n(n − 1) · · · (n − k + 1)
 
n
L’égalité = est définie a priori pour n et k entiers
k 1.2. · · · .k
naturels. On l’étend directement au cas où n est dans un anneau contenant Z et où
tous les entiers non nuls sont inversibles, comme R, C, R[X] ou Mn (R) par exemple.
On note Un les polynômes de Newton définis par Un = X(X − 1) · · · (X − n + 1) et
Tn les polynômes
  de Hilbert (aussi appelés polynômes factoriels) définis par Tn =
Un X
= . Ils jouent un rôle important dans les questions d’interpolation, avec
n! n
l’interpolation de Newton.
Elle consiste à approcher une fonction définie sur J0; nK par un polynôme Pn de
degré au plus n prenant les mêmes valeurs que la fonction, de façon incrémentale : plus
le nombre de points d’approximation augmente, plus on élève le degré. Par opposition
à l’interpolation de Lagrange (Joseph-Louis Lagrange, 1736–1813), à chaque étape
on ne rajoute qu’un seul terme. On étudie l’application linéaire P 7→ (P (0), . . . , P (n)),
dont le noyau est formé des multiples de Un+1 . On remarque, en notant τ et ex les
applications linéaires P 7→ P (X + 1) et P 7→ P (x), qu’on a ek (P ) = e0 (τ k (P )). La
matrice de τ dans la base canonique étant triangulaire supérieure à diagonale formée
de 1, on étudie τ −Id, noté ∆ et on remarque ∆(Tk ) = Tk−1 (pour k ≥ 1) et ∆(T0 ) = 0.
Xn
Comme deg(Tk ) = k, on peut écrire P = ak Tk et alors e0 (∆k (P )) = ak puisque
k=0
e0 (Tk ) = δk,0 .
On peut le dire en termes de suites. Si (uk )k∈N est une suite à valeurs réelles
ou complexes, on lui associe (et ceci donne naissance à un opérateur linéaire sur
l’espace vectoriel des suites) (∆uk )k∈N définie par ∆uk = uk+1 − uk . Le polynôme
d’approximation de Newton d’ordre n, Pn , coïncidant avec (uk )k∈N sur ses n pre-
miers termes s’obtient en calculant successivement P0 = u0 , P1 = P0 + ∆u0 X, · · · ,
X(X − 1) · · · (X − n + 1)
Pn = Pn−1 + (∆n u)0 , avec ∆n = ∆ ◦ · · · ◦ ∆, i.e.
n!
n n n
(∆k u)0
 
X X X X
Pn = Uk = (∆k u)0 Tk = (∆k u)0 .
k! k
k=0 k=0 k=0

La méthode se généralise avec des pas constants (i.e. en remplaçant 0, 1, · · · , n

Aparté
par x0 , x0 + h, · · · , x0 + nh) ou non. On parle de méthode des différences divisées.

L’opérateur ∆ est appelé opérateur de dérivation discrète et est lié au triangle de

Pascal :
n   n  
n−k n n
X X
(∆ u)0 =
n
(−1) uk et donc aussi un = (∆k u)0
k k
k=0 k=0

et on peut le définir également comme application linéaire sur l’espace des polynômes c
par ∆(P ) = P (X + 1) − P . Dans ce cadre les polynômes de Newton et Hilbert
constituent une base de triangulation de l’opérateur ∆ : ∆(Tn+1 ) = Tn ou encore
∆(Un+1 ) = (n + 1)Un .
c. On rappelle que les polyômes sont, techniquement, des suites, mais attention les deux définitions de ∆ qui en résultent
ne coïncident pas.

François Sauvageot - Lycée Lesage - Vannes - c b n a - 2022-2023

32 1.10. DÉNOMBREMENTS, ANALYSE COMBINATOIRE

Opérateur ∆ – dérivation discrète

N
X
L’opérateur ∆ permet de calculer les sommes du type nk pour k entier
n=1
naturel. En effet, si P est un polynôme tel que ∆(P ) = X k , alors la somme
précédente est une somme télescopique et donc, en supposant P (0) = 0, ce qui
est toujours possible, elle est égale à P (N + 1).
N
X N (N + 1)
Par exemple, on a ∆(T2 ) = T1 = X et donc n = T2 (N + 1) = .
n=1
2
Pour la somme des cubes, on écrit d’abord X 3 dans la base des polynômes
de Hilbert. Puisqu’un polynôme de degré 3 est approché de façon exacte par
l’approximation de degré 3, on a
3
X
Remarque 1 - 8 X 3 = P3 = (∆k u)0 Tk avec (uk ) = (k 3 ) .
k=0

On calcule aisément l’effet successif de ∆ en retranchant le terme courant du

suivant :
k uk ∆uk ∆2 uk ∆3 uk
0 0 1 6 6
1 1 7 12
2 8 19
3 27
et donc X 3 = 6T3 + 6T2 + T1 . Un antécédent de X 3 par ∆ est donc 6T4 + 6T3 + T2 ,
N
1 2 N 2 (N + 1)2
  X
i.e. ∆ X (X − 1) = X 3 , et donc
2
n3 = .
4 n=1
4

On a donc ∆(T2 ) = T1 et ∆(T22 ) = T13 . C’est remarquable, mais exceptionnel.

En fait ∆ n’est pas tout à fait une dérivation. On a, pour P et Q deux polynômes,

P (X + 1) P ∆(P ) P ∆(P ) P
∆(P Q) = = =
Q Q(X + 1) −∆(Q) Q(X + 1) −∆(Q) Q + ∆(Q)
Aparté
et donc ∆(P Q) est la somme du terme attendu ∆(P )Q + P ∆(Q), correspondant
à une dérivation, et du terme du second ordre ∆(P )∆(Q). Il vient ∆(T22 ) =
2T1 T2 + T12 = T1 (T1 + 2T2 ).
L’égalité fondamentale utilisé pour X 3 , donne avec X 2 : T1 + 2T2 = X 2 = T12
et on retrouve ∆(T22 ) = T13 = ∆(T2 )3 .

François Sauvageot - Lycée Lesage - Vannes - c b n a - 2022-2023

 CHAPITRE 1. STRUCTURES MÈRES 33

N
N +1
X 
Le dessin précédent offre une démonstration sans mots de l’égalité n= =
n=1
2
T2 (N + 1). En le joignant à la classique méthode de Gauss de sommation par com-
plément,

N
X N (N + 1)
on en déduit T2 (N + 1) = n= . S’il était besoin on pourrait aussi en
n=1
2
1
déduire T2 = X(X − 1). On termine ce paragraphe avec une identité remarquable,
2
souvent associée à la formule du binôme du moins lorsque n = 2 :

Formule de (Jakob) Bernoulli

Pour n entier strictement positif, la formule
n−1
X
♥ a − b = (a − b)
n n
ak bn−1−k
k=0

est valide dans un anneau général à condition qu’on ait [a, b] = 0.

Jakob Bernoulli, 1654–1705.

11 Ensembles dénombrables.

Les ensembles infinis sont les ensembles non finis, mais y-a-t-il plusieurs infi-
nis ? En d’autres termes deux ensembles infinis sont-ils toujours équipotents ? La
Idée
réponse est non, comme le prouvent les recherches de Georg Cantor (1845–1918)
et notamment le théorème hors-programme suivant.

Théorème de Cantor ♠
Théorème 1 - 20 Soit E un ensemble quelconque, il n’existe pas de surjection (et donc a fortiori
de bijection) de E sur P (E).

Démonstration. On effectue une démonstration par l’absurde.

Soit φ une telle surjection, A l’ensemble {x ∈ E | x ∈
/ φ(x)} et a un antécédent de
A.

François Sauvageot - Lycée Lesage - Vannes - c b n a - 2022-2023

34 1.11. ENSEMBLES DÉNOMBRABLES.

a. Si on suppose a ∈ A, alors a ∈ / φ(a) = A, ce qui est contradictoire.

b. Si on suppose a ∈ / A, alors a ∈ φ(a) = A, ce qui est aussi contradictoire.
Ainsi une telle application φ ne saurait exister. □

En particulier il y a « plusieurs infinis » ! Tout comme on a classé les ensembles

finis par taille, on peut « classer » les ensembles infinis. Ainsi les ensembles équipotents
à N sont dits de cardinal ℵ0 (lire aleph zéro, comme la lettre de l’alphabet hébreu).
Ceux, comme R, qui sont équipotents à P (N) sont dits de cardinal 2ℵ0 .

L’hypothèse du continu affirme 2ℵ0 = ℵ1 , autrement dit qu’il n’existe pas

Pour aller plus loin
d’ensemble « compris entre N et R ».

Ces questions sont au cœur des travaux de Georg Cantor, 1845–1918.

Un ensemble E est dit

Définition 1 - 28 — dénombrable s’il est équipotent à N.
— au plus dénombrable s’il est fini ou dénombrable.

Toute partie de N est au plus dénombrable. Autrement dit, toute partie infinie
de N est dénombrable.
Théorème 1 - 21
Plus précisément, pour toute partie infinie P de N, il existe une bijection
strictement croissante et une seule de N sur P .

Démonstration. Soit P une partie de N.

Si P est fini, il est au plus dénombrable. Si P est infini, il est non vide. Soit alors
a0 son plus petit élément et P1 = P \ {a0 }. L’ensemble P1 est alors non vide car P est
infini, et on peut poser a1 = min P1 .
Supposons avoir construit les p premiers éléments (a0 , a1 , . . . , ap−1 ) d’une suite
vérifiant
— a0 < a1 < · · · < ap−1 ;
— ∀a ∈ P \ {a0 , a1 , . . . , ap−1 }, a > ap−1 .
On pose alors Pp = P \ {a0 , a1 , . . . , ap−1 }, de sorte que Pp est également une partie
de N non vide. On peut poser ap = min Pp et la suite (an )n∈N ainsi construite définit
une injection strictement croissante de N dans P .
Il reste à vérifier qu’elle est surjective. Par une récurrence immédiate, pour tout
entier n on a an ≥ n. Soit donc q ∈ P . On a aq ≥ q et, par construction de la suite, on
aq∈ / Pq . Par conséquent q est l’un des éléments a0 , a1 , . . ., aq−1 et l’application φ :
n 7→ an est bien surjective. Ainsi c’est une bijection croissante de N sur P , et P est
dénombrable.
Soit ψ est une bijection croissante de N sur P . Elle vérifie par monotonie ψ(0) ≤
ψ(n) pour tout entier naturel n et donc ψ(0) = min ψ(N) = min P = φ(0).
Soit n ∈ N∗ tel que, pour tout k inférieur à n−1, on ait ψ(k) = φ(k). Par monotonie
on a

ψ(n) = min ψ(N \ J0; n − 1K) = min (P \ {ψ(0), . . . , ψ(n − 1)})

= min (P \ {φ(0), . . . , φ(n − 1)}) = φ(n).

et donc ψ = φ. □

François Sauvageot - Lycée Lesage - Vannes - c b n a - 2022-2023

 CHAPITRE 1. STRUCTURES MÈRES 35

Exemple 1 - 15 Pour tout p ≥ 2 l’ensemble pN est dénombrable (bijection n 7→ pn).

Un ensemble est fini ou dénombrable si et seulement s’il est en bijection avec

une partie de N. Autrement dit un ensemble E est fini ou dénombrable si et
Corollaire 1 - 5
seulement s’il existe une injection de E dans N, ou encore si et seulement s’il
existe une surjection de N dans E.

Démonstration. Le sens direct résulte de la définition d’ensemble fini ou d’ensemble

dénombrable. Le sens réciproque est une conséquence du théorème précédent et du fait
que l’équipotence est une relation d’équivalence.
Pour la réinterprétation on suppose E non vide, sinon c’est immédiat.
Soit f une bijection de E sur une partie de N, notée F . L’injection canonique ι
de F dans N permet de construire une injection ι ◦ f de E dans N. Un prolongement
à N quelconque (par exemple en envoyant F sur min(F )) de l’identité de F , noté pF
permet de construire une surjection f −1 ◦ pF de N sur E.
S’il existe une injection de E dans N, alors E est en bijection avec son image, qui
est une partie de N. S’il existe une surjection f de N dans E, alors l’application g :
x 7→ min(f −1 (x)) est bien définie et est une injection de E dans N, puisque f ◦g = IdE .
□

Théorème 1 - 22 L’ensemble N × N est dénombrable.

Démonstration. Tout entier naturel non nul n admet une unique écriture du type
n = 2p (2q + 1) avec p et q entiers naturels. L’application (p, q) 7→ 2p (2q + 1) − 1 est
donc une bijection de N × N sur N. □

Si k est un entier naturel non nul, Nk est dénombrable.

Théorème 1 - 23 Plus généralement un produit cartésien (fini) d’ensembles dénombrables est
dénombrable.

Démonstration (non exigible). L’ensemble des nombres premiers étant infini, on

note (pi )i∈N∗ la suite strictement croissante des nombres premiers. L’application de
Yk
Nk dans N donnée par (ni )1≤i≤k 7→ pni i est alors injective, d’après le théorème
i=1
de factorisation des entiers, et donc Nk est au plus dénombrable. Comme il n’est pas
fini puisqu’il contient une partie équipotente à N (par exemple celle dont toutes les
coordonnées sont nulles sauf peut-être la première), il est donc dénombrable. On note
φ une bijection de Nk sur N.
Soit maintenant (Ei )1≤i≤k des ensembles dénombrables et (fi )1≤i≤k des bijections
fi : Ei ≃ N. Alors (xi )1≤i≤k 7→ φ(f1 (x1 ), . . . , fk (xk )) est une bijection de E1 × · · · × Ek
sur N, d’où le résultat annoncé. □

Corollaire 1 - 6 Les ensembles Z et Q sont dénombrables.

Démonstration. L’application (a, b) 7→ a − b fournit une surjection de N2 dans Z et

donc, par composition avec une bijection de N sur N2 , une surjection de N dans Z.
a−b
L’application (a, b, c) 7→ fournit une surjection de N3 dans Q et, comme
c+1
précédemment, une surjection de N dans Q. □

François Sauvageot - Lycée Lesage - Vannes - c b n a - 2022-2023

36 1.11. ENSEMBLES DÉNOMBRABLES.

Limite monotone d’ensemble ♠

Soit (En )n∈N une suite croissante d’ensembles. On appelle limite de cette
suite, et on la note lim ↑ En , l’ensemble défini par
[
lim ↑ En = En .
n∈N
Définition 1 - 29
On l’appelle aussi borne supérieure de la suite (En )n∈N .
De même pour une suite (En )n∈N décroissante d’ensemble, on appelle limite
ou borne inférieure de cette suite, et on la note lim ↓ En , l’ensemble défini par
\
lim ↓ En = En .
n∈N

Caractérisation des ensembles dénombrables par limite croissante ♠

Un ensemble I est au plus dénombrable si et seulement s’il existe une suite
Théorème 1 - 24
croissante (In )n∈N de parties finies de I dont la réunion est égale à I, i.e. telles
que I = lim ↑ In .

Démonstration.
a. Condition nécessaire. Si I est fini la propriété est claire en prenant une suite
constante égale[à I. S’il est dénombrable, il existe une bijection φ de N sur I.
Comme N = J0; nK, il vient
n∈N
[ [
I= φ(J0; nK) = In
n∈N n∈N

en posant In = φ(J0; nK), et (In ) est bien une suite croissante de parties finies de
I dont la limite est I.
b. Condition suffisante. Soit n dans N. Comme In est fini on dispose d’une
injection jn de In dans N. Soit maintenant j : I → N × N l’application qui
à x dans I associe (n, jn (x)) avec n = min {k ∈ N | x ∈ Ik }. Cette application
est injective et fournit, par composition d’une bijection de N × N sur N, une
injection de I dans N. On en déduit que I un ensemble au plus dénombrable.
□

Toute réunion au plus dénombrable d’ensembles eux-mêmes au plus dénom-

Théorème 1 - 25
brables est au plus dénombrable.

Démonstration (non exigible). C’est une conséquence du théorème précédent.

Soit I un ensemble au plus dénombrable et (Ei )i∈I une famille d’ensembles au plus
dénombrables. On dispose de (In ) et (Ei,n ) des parties finies telles que I = lim ↑ In
et, pour i dans I, Ei = lim ↑ Ei,n . [
On pose alors, pour n dans N, Jn = Ei,n . C’est une suite croissante de parties
i∈In
[
finies incluses dans Ei par construction. Réciproquement pour x dans cette réunion,
i∈I
on dispose de i dans I tel que x ∈ Ei et donc de j dans N tel que i ∈ Ij et de k dans
N tel que x ∈ Ei,k . Par
[croissance, en posant n = max(j, k), il vient x ∈ Ei,n et i ∈ In ,
donc x ∈ Jn . Il vient Ei = lim ↑ Jn et le résultat s’ensuit. □
i∈I

François Sauvageot - Lycée Lesage - Vannes - c b n a - 2022-2023

 CHAPITRE 1. STRUCTURES MÈRES 37

Théorème 1 - 26 Les ensembles R, ] 0; 1 [ , [ 0; 1 [ , ] 0; 1 ] et [ 0; 1 ] ne sont pas dénombrables.

Démonstration (non exigible). On commence par démontrer la non dénombrabi-

lité de [ 0; 1 [ .
N
a. Soit φ : [ 0; 1 [ → {0, 1} l’application qui à un élément associe la suite des termes
de son développement dyadique propre.
On a en particulier, en prenant x dans [ 0; 1 ] et en posant φ(x) = (an )n∈N ,

∞
X an
x= .
n=0
2 n+1

Il en résulte que φ est injective.

N
b. Si (an )n∈N est dans {0, 1} et n’est pas stationnaire égale à 1, alors en posant
∞
X an
x= , on a φ(x) = (an )n∈N . Il en résulte que l’image de φ est constituée
n=0
2 n+1

des suites qui ne sont pas stationnaires égales à 1.

c. Soit In l’ensemble des suites stationnaires égales à 1 à partir du rang n. On a
affaire à une suite croissante d’ensembles de cardinaux donnés par Card(In ) = 2n
et donc I donné par I = lim ↑ In est (au plus) dénombrable.
d. Si [ 0; 1 [ était au plus dénombrable, alors son image par φ le serait aussi (puis-
N
qu’elle lui est équipotente) et donc {0, 1} serait réunion de deux ensembles au
N
plus dénombrables. Comme {0, 1} est équipotent à P (N), par la bijection qui
à une partie associe sa fonction caractéristique, d’après le théorème de Cantor
N
(théorème 1 - 20), {0, 1} n’est pas dénombrable et cette contradiction montre
que [ 0; 1 [ n’est pas dénombrable.
Comme une partie d’un ensemble dénombrable est au plus dénombrable, il en ré-
sulte par contraposée que R et [ 0; 1 ] ne sont pas dénombrables.
Comme th est une bijection de R sur ] 0; 1 [ , ce dernier intervalle n’est pas dénom-
brable et l’argument précédent permet de conclure que ] 0; 1 ] ne l’est pas non plus.
□

Exercice Expliciter des bijections entre les cinq ensembles précédents.

L’ensemble des nombres algébriques, i.e. des racines d’une équation polyno-
miale à coefficients entiers, est dénombrable. Par contre R n’est pas dénombrable.
Ainsi les nombres transcendants (i.e. non algébriques) sont beaucoup plus nom-
breux que les nombres algébriques.
Et pourtant les nombres transcendants sont difficiles à exhiber ! On sait grâce
à Charles Hermite (1822–1901) et Ferdinand von Lindemann (1852–1939) que
Pour aller plus loin
e et π sont transcendants, grâce à des théorèmes démontrés en 1873 et 1882
respectivement. Celle de la constante de Gelfond, eπ , a fallu attendre 1934 et les
travaux d’Alexandre Ossipovitch Gelfond (1906–1968) : elle résulte de la formule
d’Euler et du théorème de Gelfond-Schneider en écrivant √
eπ = (−1)i . Un
autre exemple, constante de Gelfond-Schneider, est 2 2 . Par contre, on ne sait
pas à l’heure actuelle si π e ou e + π sont rationnels, algébriques ou transcendants.

François Sauvageot - Lycée Lesage - Vannes - c b n a - 2022-2023

38 1.12. ESPACES PROBABILISÉS

12 Espaces probabilisés

La notion de hasard ne s’intègre pas totalement dans le formalisme des structures

mères, d’ailleurs N. Bourbaki n’a essentiellement jamais traité des probabilités dans
ses ouvrages. Elle est étroitement liée aux jeux de dés : az-zahr signifie dé en arabe,
tout comme aléa en latin.
Un phénomène aléatoire est une expérience que l’on peut renouveler et dont le
résultat échappe à toute prédiction absolue, comme un lancer de dé. Il est nécessaire de
pouvoir renouveler l’expérience un grand nombre de fois (dans des conditions réputées
identiques), fut-ce par la pensée, pour pouvoir parler d’aléa. L’aléatoire ne s’oppose
pas nécessairement au déterminisme physique : le dé obéit aux lois de la physique
qui sont, au moins à son échelle, déterministes, mais la complexité du phénomène fait
que le résultat auquel on s’intéresse n’est pas prédictible. On peut prédire de façon
raisonnable la vitesse, la durée du mouvement, la hauteur du rebond etc. mais pas
l’équilibre stable sur lequel le dé finit sa trajectoire, i.e. la face sur laquelle il repose in
fine.
Pour modéliser un phénomène aléatoire, on se donne un univers qui est simple-
ment l’ensemble de tous les résultats possibles. Il peut-être plus ou moins détaillé :
l’ensemble J1; 6K, le produit cartésien J1; 6K × R+ donnant la face d’arrêt et la durée du
mouvement (ou la hauteur du rebond) ou encore l’ensemble des couples formés de la
face d’arrêt et de la position de la Lune à ce moment-là, voire la position de toutes les
particules de l’univers pendant le trajet ! Qu’importe ce choix, qui appartient à la per-
sonne qui modélise, au final l’univers est un ensemble. Pour faire des mathématiques,
il est néanmoins nécessaire que cet ensemble en soit un au sens des mathématiques !

Un univers, le plus souvent noté Ω, est un ensemble. Ses éléments sont le plus
Définition 1 - 30 souvent notés ω et sont appelés indifféremment épreuve, aléa, résultat de l’ex-
périence, événément élémentaire, événément atomique, réalisation du hasard . . .

En fait un événement au sens probabiliste ne se réduit pas à un seul résultat pos-

sible, c’est une partie de Ω, autrement dit un ensemble de résultats possibles.

Un événement est une partie A de l’univers Ω. Si une épreuve ω appartient

à A, on dit que A se réalise dans l’épreuve ω.
On identifie souvent ω au singleton {ω}, mais un événement élémentaire est
Définition 1 - 31
stricto sensu le singleton {ω}.
Deux événements A et B sont dits incompatibles lorsqu’ils sont disjoints,
i.e. A ∩ B = ∅.

Le point de départ de la théorie des probabilités se confond donc avec la

Alfréd Rényi théorie des ensembles. Il existe des approches différentes, plus générales, de celle
que l’on va maintenant développer et qui résulte des travaux d’Andreï Nikolaïe-
Pour aller plus loin
vitch Kolmogorov (1903–1987), notamment la notion de probabilité subjective
ou encore d’espace de probabilités conditionnelles introduite par Alfréd Rényi
(1921–1970).

Comme par exemple la notation de limite pour une suite monotone d’ensembles,
les probabilités utilisent de nombreuses conventions de notations bien utiles, mais qui
ne sont pas au programme.

François Sauvageot - Lycée Lesage - Vannes - c b n a - 2022-2023

 CHAPITRE 1. STRUCTURES MÈRES 39

Somme (disjointe) ♠
Soit A et B deux parties disjointes d’un ensemble. On note A B ou encore
`
A + B leur réunion.
Notation
Plus généralement si (Ai )i∈Iaest une famille X
de parties deux à deux dis-
jointes d’un ensemble, on note Ai ou encore Ai leur réunion.
i∈I i∈I

La notation est un produit renversé, ou coproduit. Cette notion a un sens

`
en elle-même, largement en dehors du cadre du programme.
Ce coproduit ressemble parfois à une somme, comme dans le cas de l’algèbre
P (Ω), en ce sens que le produit est distributif par rapport à la somme. C’est
évident ici puisque la réunion est la première loi de l’algèbre P (Ω) et que la se-
conde est l’intersection. C’est d’ailleurs pourquoi certains, comme Rényi, écrivent
AB au lieu de A ∩ B. Avec ces notations les lois de de Morgan prennent une
forme très simple, comme A(B + C) = AB + AC, ce qui fait partie de la définition
Pour aller plus loin d’algèbre. On dit que la catégorie des ensembles est distributive.
Mais le coproduit ressemble parfois à un produit, jusqu’à lui être isomorphe.
C’est le cas pour les espaces vectoriels : on a un isomorphisme canonique entre
E ⊕ F et E × F . En fait, pour être plus précis, l’application somme de E × F
dans E + F est toujours surjective par définition, et n’est injective que lorsque
la somme est directe. L’utilisation de cette application est d’ailleurs à la source
d’une démonstration de la formule de Grassmann, qui n’est autre que la formule
de Poincaré mais vue pour les espaces vectoriels ! On dit que la catégorie des
espaces vectoriels est linéaire.

Qu’est-ce qu’un produit du point de vue des applications ? Si on se donne

une famille (Xi )i∈I d’ensembles et (fi )i∈I une famille d’applications ayant même
espace de départ Y et telles que l’ensemble d’arrivée de fi est Xi , pour i dans
I, alors on peut fabriquer un couple (X, f ) formé d’un ensemble X et d’une
Remarque 1 - 9 application f , tous deux construits à partir des donnéesY précédentes de façon
« universelle ». On prend pour X le produit cartésien Xi , f l’application
i∈I
définie par y 7→ (fi (y))i∈I et on a la propriété fondamentale : ∀i ∈ I fi = πi ◦ f
où πi désigne la projection de X sur sa coordonnée i.

Cette construction a un sens même si I est quelconque. On parle de solution

au problème universel représenté par le dessin suivant

X
f
πi
Pour aller plus loin
Y Xi
fi
Y
En d’autres termes on a obtenu un objet X tel que XiY = X Y pour tout
i∈I
ensemble Y .

François Sauvageot - Lycée Lesage - Vannes - c b n a - 2022-2023

40 1.12. ESPACES PROBABILISÉS

Y
On veut maintenant répondre à la question d’écrire Y Xi = Y X pour un
i∈I
certain objet X, appelé coproduit. Autrement dit on veut résoudre le problème
universel représenté par le dessin

X
f
φi
Recherche
Xi Y
fi

où φi désigne une injection de Xi dans X.

Quand on dispose d’un objet plus grand (un ensemble contenant tous les Xi , ou
un espace vectoriel etc.), la réponse est donnée par l’union disjointe ou la somme
directe. Quand les unions ne sont pas disjointes ou les sommes non directes, on
peut effectuer une construction visant à oublier qu’elles ne le sont pas.

Tout comme la notation E ⊕ F , la notation A + B est porteuse d’un double

Danger sens : elle commence par réquérir (ou affirmer) que A et B sont disjoints, puis
elle désigne leur réunion.

Pour calculer des probabilités, on a besoin de savoir ce qu’on peut calculer et ce

qu’on ne peut pas calculer. Ce qui est calculable peut varier en fonction des besoins
mais se doit de ressembler à une algèbre. Comme P (Ω) est une algèbre, on peut
commencer caractériser les sous-algèbres. Il suffit de trois propriétés :
— La première propriété est le fait que l’élément neutre pour la multiplication (in-
tersection), i.e. Ω, appartient à la sous-algèbre.
— La seconde est que l’opposé pour l’addition (union), i.e. le complémentaire, aussi.
— La dernière est la stabilité par l’addition (union).
En effet, grâce aux lois de de Morgan la stabilité pour la réunion et par passage au
complémentaire entraîne celle par intersection. Le passage au complémentaire assure
que l’élément neutre pour l’addition appartient aussi à la sous-algèbre.
Si Ω est fini, cela suffit, mais dès qu’il faudra calculer la probabilité d’un événément
infini à partir des probabilités élémentaires, associées aux événements élémentaires, on
ne pourra se contenter de manipuler des réunions et des intersections finies. Une tribu
est définie comme une sous-algèbre avec une propriété en plus : la stabilité par réunion
(ou intersection) dénombrable.

On appelle tribu sur Ω une partie A de P (Ω) qui possède les propriétés
suivantes :
Élément neutre : Ω ∈ A ;
Stabilité par passage au complémentaire : ∀A ∈ A A ∈ A ;
σ-additivité[ : si (Ai )i∈I est une famille au plus dénombrable d’éléments de A,
Définition 1 - 32
alors Ai ∈ A.
i∈I
Un couple (Ω, A) formé d’un univers et d’une tribu sur cet univers est appelé
espace probabilisable. Les éléments de A sont appelés événements observables.

François Sauvageot - Lycée Lesage - Vannes - c b n a - 2022-2023

 CHAPITRE 1. STRUCTURES MÈRES 41

Danger On prendra garde au fait que A ne contient pas nécessairement les singletons !

Une tribu est stable \

par intersection dénombrable, i.e. si (Ai )i∈I est une famille
Proposition 1 - 3 d’éléments de A, alors Ai ∈ A.
i∈I

Démonstration. Il suffit d’appliquer la σ-additivité à la famille (Ai )i∈I , ce qui est

licite par stabilité par passage au complémentaire, et passer au complémentaire. On
obtient [
Ai ∈ A ,
i∈I

ce qui est exactement l’assertion recherchée en vertu des lois de de Morgan. □

Si A est une tribu sur Ω, une probabilité sur (Ω, A) est une application
P définie sur A, à valeurs dans [ 0; 1 ] , telle que P (Ω) = 1 et, pour toute suite
(An )n≥0 d’événements deux à deux disjoints dans A, on ait :
+∞
! +∞
[ X
P An = P (An ) .
Définition 1 - 33 n=0 n=0

Autrement dit !
+∞
X +∞
X
P An = P (An ) .
n=0 n=0

On dit que P est σ-additive et que (Ω, A, P) est un espace probabilisé.

▶
Si Ω est fini ou dénombrable et si A = P (Ω), une probabilité P sur (Ω, A)
s’identifie, via la formule
Remarque 1 - 10 P ({ω}) = pω ,
à une famille (pω )ω∈Ω de réels positifs, sommable de somme 1. En particulier si
Ω = N alors lim pn = 0.

L’ensemble P (Ω) est bien entendu une tribu sur Ω. Cette tribu est amplement
suffisante pour faire des probabilités lorsque Ω est fini ou dénombrable. Mais même
dans ce cas on a parfois besoin de restreindre ce qui est mesurable dès qu’on considère
des modélisations un tant soit peu évoluées : avec deux ou plus phénomènes modélisés
en même temps, on a besoin de choisir un univers qui contient toutes les informations
et résultats des phénomènes, et plusieurs tribus permettent de rendre compte du fait
que l’on sait des choses sur l’un ou l’autre des phénomènes mais pas sur les autres.

Lorsque l’univers n’est pas fini ni dénombrable, se posent de nombreuses ques-

tions. Il résulte en particulier des travaux de Stanislaw Ulam que si Ω peut s’en-
voyer surjectivement sur R (on dit qu’il a la puissance du continu), alors les seules
Aparté
probabilités que l’on peut définir sur P (Ω) sont celles qui sont à support sur une
partie dénombrable D de Ω. Autant dire que cela revient à travailler sur D, et
donc sur P (D), avec D dénombrable.

François Sauvageot - Lycée Lesage - Vannes - c b n a - 2022-2023

42 1.12. ESPACES PROBABILISÉS

— Soit Ω un ensemble fini, A = P (Ω). La probabilité uniforme sur Ω est

1
la fonction caractérisée sur les événements élémentaires par P ({ω}) =
|Ω|
|A|
pour tout ω dans Ω. Autrement dit P (A) = pour toute partie A de Ω.
|Ω|
— Soit Ω un univers quelconque et a un élément de Ω. La masse de Di-
Exemples 1 - 16 rac (Paul Adrien Maurice Dirac, 1902–1984) centrée en a est définie par
δa (A) = 1A (a), i.e. cette probabilité vaut 1 sur les ensembles contenant a
et 0 ailleurs.
— On appelle probabilité finie (ou, plus exactement, à support fini) une
combinaison convexe de masses de Dirac, i.e. la donnée d’épreuves (ai )1≤i≤n
n
X
et de réels positifs (pi )1≤i≤n de somme 1 vérifiant P = pi δai .
i=1

Soit (Ω, A, P) un espace probabilisé et A et B dans A. On a

1. P (∅) = 0 ;
2. P est additive, i.e. P (A + B) = P (A) + P (B) – on prendra garde que cela
requiert que A et B soient incompatibles ;
3. P (A \ B) = P (A) − P (A ∩ B) et, en particulier, si B ⊂ A, alors
P (A \ B) = P (A) − P (B).
4. P est croissante, i.e. si A ⊂ B, alors P (A) ≤ P (B) ;
5. P (A ∪ B) = P (A) + P (B) − P (A ∩ B) ;
Propriétés 1 - 10
6. P A = 1 − P (A).

Plus généralement si (Ai )1≤i≤n est une famille finie d’événements obser-
vables, alors
7. P est additive, i.e. P (A1 + · · · + An ) = P (A1 ) + · · · + P (An ) – on prendra
garde que cela requiert que les événements (Ai )1≤i≤n soient deux à deux
incompatibles ;
8. P est sous-additive, i.e.

P (A1 ∪ A2 ∪ · · · ∪ An ) ≤ P (A1 ) + P (A2 ) + · · · + P (An ) .

Démonstration.
1. On applique la σ-additivité à la suite dont le premier élément est Ω et les autres
sont tous égaux à ∅. Ce sont bien des éléments de A incompatibles deux à deux.
On en déduit que la série de terme constant égal à P (∅) est convergente, i.e. que
ce terme est nul.
2. On applique la σ-additivité à la suite dont les deux premiers termes sont A et B
et dont les autres sont tous égaux à ∅. Le résultat précédent entraîne le résultat
recherché.
3. Puisque A \ B = A ∩ B, on a bien affaire à des éléments de A. De plus l’additivité
appliquée aux événements disjoints A ∩ B et A \ B permet d’obtenir P (A \ B) +
P (A ∩ B) = P (A), ce qui est essentiellement l’assertion voulue. Le cas particulier
résulte du fait qu’alors A ∩ B = B.
4. Le résultat précédent, couplé au fait que P (A \ B) est positif puisque P est à
valeurs positives, donne P (A) − P (B) ≥ 0 si A ⊃ B, d’où le résultat.

François Sauvageot - Lycée Lesage - Vannes - c b n a - 2022-2023

 CHAPITRE 1. STRUCTURES MÈRES 43

5. On applique l’additivité aux événements incompatibles B et A \ B. Le point 3

permet alors de conclure.
6. On applique le point 3 à A = Ω et B = A.
7. On applique la σ-additivité à la suite dont les n premiers termes sont A1 , . . .,
An et dont les autres sont tous égaux à ∅.
8. D’après le point 5, on a P (A ∪ B) ≤ P (A) + P (B), par positivité de P, et
l’assertion en résulte par récurrence immédiate.
□

En vertu de la propriété 3, on peut avoir envie de noter A − B l’ensemble

Remarque 1 - 11
A \ B lorsque B ⊂ A.

Continuité monotone
Soit (An )n∈N une suite d’événements observables, monotone pour l’inclusion.
Alors la suite (P (An ))n∈N est monotone de même sens et, de plus, on a :
— si la suite est croissante, alors
Théorème 1 - 27
lim P (An ) = P (lim ↑ An ) ;

— si elle est décroissante, alors

lim P (An ) = P (lim ↓ An ) .

Démonstration. L’assertion sur la monotonie de (P (An ))n∈N résulte directement

de la croissance de P.
Dans le cas croissant, on pose B0 = A0 et, pour n ≥ 1, Bn = An \ An−1 . Alors la
suite (Bn )n∈N est à valeurs dans A et est formée d’événements incompatibles car, si
m < n, Bm ⊂ Am ⊂ An−1 et Bn ∩ An−1 = ∅. De plus, par construction, on a pour
tout entier naturel n
an
An = Bm .
m=0

Il vient alors, par σ-additivité,

+∞
! +∞
a X
P (lim ↑ An ) = P Bn = P (Bn ) .
n=0 n=0

Or, pour tout entier naturel N , on a

N N
!
X a
P (Bn ) = P Bn = P (AN ) .
n=0 n=0

Il en résulte que ces quantités ont une limite puis, par passage à la limite, on en déduit
la propriété recherchée.
Dans le cas décroissant, on applique le résultat précédent à la suite (An )n∈N qui
est bien à valeurs dans A et croissante. Or
+∞
[ +∞
\
lim ↑ An = An = An = lim ↓ An
n=0 n=0

François Sauvageot - Lycée Lesage - Vannes - c b n a - 2022-2023

44 1.12. ESPACES PROBABILISÉS

et le résultat en découle par linéarité de la limite, puisqu’il vient

1 − P (lim ↓ An ) = lim (1 − P (An )) .

Inégalité de Boole – σ-sous-additivité

Si (An )n∈N est une suite d’événements observables, alors :
+∞
! +∞
[ X
Théorème 1 - 28 P An ≤ P (An ) ,
n=0 n=0

où la somme de la série s’entend comme la limite dans R+ ∪ {+∞} de la suite,

croissante, des sommes partielles.

n
[
Démonstration. Pour n dans N, on pose Bn = Am , de sorte que (Bn ) est une
m=0
suite croissante d’événements de A. De plus, par construction, pour tout entier naturel
[n n
[
n, on a Am = Bm et donc aussi
m=0 m=0

+∞
[ +∞
[
Am = Bm .
m=0 m=0

+∞
!
[
Par continuité croissante, on a donc P An = lim P (Bn ).
n=0
Or la suite (P (Bn )) est majorée par la suite (P (A1 ) + · · · + P (An )), par sous-
additivité et donc, par croissance de la limite, il en est de même des limites de ces
deux suites (éventuellement infinie pour la seconde). L’inégalité de Boole en résulte.
□

On appelle événement négligeable tout élément A de A de probabilité nulle,

i.e. vérifiant P (A) = 0.
Définition 1 - 34 A contrario, on appelle événement presque sûr tout élément A de A de
probabilité 1, i.e. vérifiant P (A) = 1.
Une propriété est dite presque sûre quand l’événement qui lui correspond l’est.

La notion de propriété presque sûre n’a réellement d’intérêt que lorsqu’on

Remarque 1 - 12
travaille avec des univers non-dénombrables.

On choisit Ω = R, muni d’une tribu adéquate,Z dite tribu des boréliens, et de la

1
probabilité donnée par la formule suivante P (A) = 1A (t) dt. L’objectif ici n’est pas
0
d’expliciter la tribu, ni de donner un sens à l’intégrale quand 1A n’est pas continue
par morceaux. Le support de la probabilité est manifestement [ 0; 1 ] , c’est-à-dire qu’en
fait les résultats de l’expérience sont des réels de cet intervalle, et ils apparaissent avec
ce qu’on peut appeler une probabilité uniforme.
Néanmoins, individuellement, aucun n’a réellement de probabilité de se réaliser car
P ({ω}) = 0 pour tout ω dans R ! On sent pourtant qu’il y a une différence entre les

François Sauvageot - Lycée Lesage - Vannes - c b n a - 2022-2023

 CHAPITRE 1. STRUCTURES MÈRES 45

événements [ − 2; −1 ] et R− . Les deux sont négligeables et le premier semble bien

impossible : on aurait pu (dû ?) prendre Ω = [ 0; 1 ] et alors on aurait bien au affaire
à ∅ puisque [ − 2; −1 ] ∩ [ 0; 1 ] = ∅. Mais le second se serait alors restreint à {0}, qui
n’est pas vide.
A contrario il y a également une différence entre R et R+ ∗
. Le premier est presque
sûr et on peut même dire qu’il est certain, par définition, puisqu’aucune épreuve ne
peut exister en dehors de l’univers de modélisation ! Le second est aussi presque sûr,
mais on peut garder un petit pincement au cœur en se demandant si, vraiment, 0 ne
sortira jamais . . .

Un événement observable qui est inclus dans un événement négligeable l’est

Théorème 1 - 29 également.
Une réunion finie ou dénombrable d’événements négligeables est négligeable.

Démonstration. Le premier point résulte directement de la croissance de P.

Soit (An )n∈N est une suite d’événements négligeables. Par croissance et σ-sous-
additivité, il vient pour tout entier naturel N
N
! +∞
! +∞
[ [ X
P An ≤ P An ≤ P (An ) = 0 .
n=0 n=0 n=0

Le théorème en résulte par positivité de P. □

Soit A un événement observable non négligeable. Pour tout événement ob-

servable B, on définit la probabilité conditionnelle de B sachant A, notée
P (B | A) ou parfois PA (B), par la formule
Définition 1 - 35
P (A ∩ B)
P (B | A) = .
P (A)

La notation PA se lit probabilité issue de A.

Soit A un événement observable non négligeable. La fonction B 7→ PA (B) est

Proposition 1 - 4
une probabilité sur la tribu A.

Démonstration. Puisque A est stable par intersection, PA est défini sur A et, par
croissance et positivité de P, PA est à valeurs dans [ 0; 1 ] .
P (A)
On a PA (Ω) = = 1 et, d’après les lois de de Morgan, pour toute famille
P (A)
dénombrable d’événements observables (Bi )i∈N incompatibles deux à deux,
!
a a
Bi ∩ A = Bi ∩ A
i∈N i∈N

et donc, par σ-additivité de P,

 ! +∞
a  X
P Bi  A = P (Bi | A) .


i∈N i=0

Par conséquent PA est bien une probabilité sur A. □

François Sauvageot - Lycée Lesage - Vannes - c b n a - 2022-2023

46 1.12. ESPACES PROBABILISÉS

On déduit de la définition la

Formule des probabilités composées

Si A est un événement observable non négligeable, alors pour tout événement
observable B, on a
P (A ∩ B) = P (A) P (B | A) .
Théorème 1 - 30
Plus généralement, si (Ai )1≤i≤n est une famille d’événements observables et
que l’intersection des n − 1 premiers n’est pas négligeable, alors

P (A1 ∩ · · · ∩ An ) = P (A1 ) · P (A2 | A1 ) · · · P (An | A1 ∩ · · · ∩ An−1 ) .

Démonstration. Puisque A1 ∩ · · · ∩ An−1 n’est pas négligeable, aucun événement

observable qui le contient ne l’est et donc toutes les probabilités conditionnelles appa-
raissant dans la formule recherchée sont bien définie. Cette dernière résulte alors d’une
récurrence immédiate. □

Formule des probabilités totales

Soit (Ai )i∈I une famille finie ou dénombrable d’événements observables non
négligeables et qui est également une partition de Ω (on dit que c’est un système
Théorème 1 - 31 complet d’événements), et B un événement observable. On a
X
P (B) = P (Ai ) P (B | Ai ) .
i∈I

Démonstration. Puisqu’on a affaire à une partition, les lois de de Morgan en-

traînent a
B= B ∩ Ai
i∈I

et le résultat en découle par σ-additivité et la formule des probabilités composées. □

Formules de Bayes
Soit A, B et (Ai )i∈I des événements observables non négligeables, avec I fini
ou dénombrable, et tels que (Ai )i∈I soit une partition de Ω.
On a
P (A) P (B | A)
P (A | B) =
P (B)
Théorème 1 - 32 et, pour tout i dans I,

P (Ai ) P (B | Ai )
P (Ai | B) = X .
P (Aj ) P (B | Aj )
j∈I

Thomas Bayes, 1702 – 1761.

Démonstration. La première formule résulte de la symétrisation de la formule des

probabilités composées :

P (A) P (B | A) = P (A ∩ B) = P (B) P (A | B)

et la seconde s’obtient à partir de la première en transformant le dénominateur grâce

à la formule des probabilités totales. □

François Sauvageot - Lycée Lesage - Vannes - c b n a - 2022-2023

 CHAPITRE 1. STRUCTURES MÈRES 47

Deux événements observables A et B sont dits indépendants si P (A ∩ B) =

Définition 1 - 36
P (A) P (B) .

Autrement dit, à condition d’avoir affaire à des événements non négligeables,

l’indépendance se traduit par le fait que la probabilité conditionnelle et la pro-
babilité usuelle se confondent : P = PB , ou encore, pour tout événement A,
Remarque 1 - 13
P (A) = P (A | B).
En d’autres termes le fait que B soit réalisé n’apporte rien quant à la réalisa-
tion ou non de A.

Soit (Ai )i∈I une famille quelconque d’événements observables. On dit qu’ils
sont mutuellement indépendants si, pour toute partie finie J de I, on a
Définition 1 - 37 !
\ Y
P Ai = P (Ai ) .
i∈J i∈J

Cette propriété est plus forte que de simplement demander que les événements
Remarque 1 - 14
soit deux à deux indépendants.

Un test sanguin est positif avec probabilité 0, 95 lorsque la personne est ma-
Exercice lade, négatif avec probabilité 0, 9 lorsqu’elle ne l’est pas. La maladie a une préva-
lence de 20%. Quelle est la probabilité que le test se trompe ?

Un(e) interne arrive souvent en retard au self le matin. Son retard est estimé
avec probabilité 0, 4, sauf en cas de retard la veille auquel cas la probabilité n’est
Exercice
que de 0, 1. On note pn la probabilité de son retard lors du ne jour. Calculer
lim pn .

On choisit au hasard un entier X dans J1; 2nK, puis un autre, Y , dans J1; XK.
On pose pn = P (Y ≤ n ≤ X & X − Y ≤ n).
Exercice
a. Calculer pn .
b. Étudier lim pn .

Trois étudiant(e)s jouent à shifumi en s’affrontant deux par deux. La personne

qui vient de gagner affronte toujours celle qui n’a pas joué, le but étant de gagner
deux parties de suites. Il n’y a pas d’ex-aequo et la probabilité de gain est réputée
identique pour chacun(e).
Exercice
a. Montrer que le jeu s’arrête presque sûrement. Plus précisément donner la
probabilité qu’il dure plus longtemps qu’un cours de maths.
b. A-t-on intérêt à commencer à jouer ou à laisser les deux autres commencer ?
Quantifier.

François Sauvageot - Lycée Lesage - Vannes - c b n a - 2022-2023

48 1.13. VARIABLE ALÉATOIRE DISCRÈTE

13 Variable aléatoire discrète

Dans tout ce chapitre (Ω, A, P) désigne un espace probabilisé.

En général, pour décrire des phénomènes aléatoires de masse, on ne se contente
pas de savoir si un événement a lieu ou pas : on mesure le phénomène grâce à une ou
plusieurs grandeurs. C’est ce qui donne naissance à la notion de variable aléatoire.

Soit E un ensemble. Une variable aléatoire discrète définie sur Ω et à valeurs

dans E est une application X de Ω dans E telle que X(Ω) soit au plus dénombrable
et, pour tout x dans E, X −1 (x) ∈ A.
Définition 1 - 38
Lorsque E = R, la variable aléatoire est dite réelle.
L’ensemble E, ou X(Ω), est appelé univers-image, ensemble des valeurs prises
par X ou encore ensemble des réalisations de X.

La condition X −1 (x) ∈ A assure que les événements associés aux réalisations

de X sont observables. Néanmoins on peut toujours remplacer l’espace probabilisé
par un ensemble fini ou dénombrable et donc prendre A = P (Ω), du moins
Remarque 1 - 15 lorsqu’on n’étudie qu’une seule variable aléatoire.
L’ensemble X(Ω) est muni de la topologie discrète, d’où le nom. Attention !
une variable à valeurs dans Q est discrète. La topologie sur X(Ω) n’est pas celle
héritée de R.

Dans la suite X désigne une variable aléatoire discrète à valeurs dans E.

Pour x dans E, on note (X = x) l’ensemble X −1 (x).

L’ensemble {(X = x) | x ∈ X(Ω)} est appelé système complet d’événements
induit par X. Plus généralement si A est une partie de E, on note (X ∈ A)
l’ensemble X −1 (A).
Notations Lorsque X est réelle, on note (X ≤ x), (X < x), (X > x) et (X ≥ x) les
ensembles donnés par

(X ≤ x) = X −1 (]] − ∞; x ] ) , (X < x) = X −1 (]] − ∞; x [ )

(X ≥ x) = X −1 ([[ x; +∞ [ ) , (X > x) = X −1 (]]x; +∞ [ ) .

On note X(Ω) = {xi | i ∈ I}, avec I ⊂ N. La loi de la variable aléatoire X est

l’application de P (E) dans R+ donnée par
Définition 1 - 39 X
PX (A) = P(X ∈ A) = P (X ∈ {xi | i ∈ I et xi ∈ A}) = P(X = xi ) .
i | xi ∈A

La loi de X est entièrement caractérisée par les probabilités atomiques

Remarque 1 - 16 (PX (xi ))i∈I puisque, pour toute partie A de E, X −1 (A) est réunion disjointe
d’événements appartenant au système complet d’événements induit par X.

Dans la suite on notera pi = PX (xi ). On a donc

X X
PX (A) = pi et en particulier PX (E) = pi = 1 .
i | xi ∈A i∈I

François Sauvageot - Lycée Lesage - Vannes - c b n a - 2022-2023

 CHAPITRE 1. STRUCTURES MÈRES 49

Si L est une application de P (E) dans R+ , on dit que X suit la loi L, et on

note X ∼ L, si PX = L.
Notation Si Y est une seconde variable aléatoire définie sur un espace probabilisé éven-
tuellement différent et à valeurs dans E, on dit que X et Y ont même loi, et on
note X ∼ Y , si PX = P′Y .

Fonction de répartition
Lorsque X est réelle, on appelle fonction de répartition de X la fonction donnée
par F (x) = P(X ≤ x).
Pour aller plus loin
C’est une fonction en escalier croissante, de limite nulle en −∞ et 1 en +∞.
Ses points de discontinuité sont les éléments de X(Ω) et si x est un tel point, on
a
F (x) − F (x− ) = F (x) − lim− F (y) = PX (x) .
y→x

14 Lois usuelles

Loi uniforme
Soit Ja; bK un intervalle entier, avec a et b dans Z vérifiant a ≤ b. On dit que
X suit une loi uniforme sur Ja; bK, et on note X ∼ U (Ja; bK), si X(Ω) = Ja; bK et
Définition 1 - 40 si, pour a ≤ k ≤ b, on a
1
PX (k) = .
b−a+1
Autrement dit tous les entiers entre a et b ont même probabilité.

Loi de Bernoulli
Soit p dans ] 0; 1 [ . On dit que X suit une loi de Bernoulli de paramètre p,
et on note X ∼ B (p), si X(Ω) = {0, 1} et PX (1) = p. On a alors PX (0) = 1 − p.
Définition 1 - 41
On modélise ainsi une expérience n’ayant que deux issues possibles, appe-
lées succès et échec. Le succès est l’événement (X = 1) tandis que l’échec est
l’événement (X = 0).

Loi binomiale
Soit n dans N∗ et p dans ]0; 1 [ . On dit que X suit une loi binomiale de
paramètres n et p, et on note X ∼ B (n, p), si X(Ω) = J0; nK et, pour 0 ≤ k ≤ n,
 
Définition 1 - 42 n k
PX (k) = p (1 − p)n−k .
k

Autrement dit X modélise le nombre de succès lors de la réalisation de n épreuves

de Bernoulli de paramètre p, indépendantes les unes des autres.

On considère maintenant un événement très rare, i.e. p proche de 0, mais que l’on
observe durant une grande période de temps, i.e. n très grand. On peut supposer par
exemple que la probabilité que l’événement se produise est constante, ce qui est le cas si

François Sauvageot - Lycée Lesage - Vannes - c b n a - 2022-2023

50 1.14. LOIS USUELLES

on s’intéresse à un événement comme la désintégration d’atomes au sein d’un gramme

d’atomes instables. Le nombre d’atomes est tellement grand que la désintégration de
l’un d’entre eux n’affecte pas vraiment la probabilité d’oberver une désintégration. De
même la probabilité de désintégration est tellement petite que la probabilité d’obser-
ver deux désintégrations simultanément est négligeable. On modélise le phénomène en
posant que la probabilité d’observer une désintégration durant un petit intervalle de
temps ∆t est proportionnelle à la longueur cet intervalle, par un facteur α. On découpe
alors un intervalle de temps en n petits intervalles de taille ∆t, de sorte que le nombre
total de désintégrations observées durant ce laps de temps suit une loi binomiale de pa-
ramètres n et α∆t. On remarque de plus que, dans cette modélisation, n∆t représente
le laps de temps d’observation et est donc une constante. Pour étudier ce phénomène,
on doit donc s’intéresser aux lois binomiales de paramètres n et pn avec npn constant
et n tendant vers l’infini.

Approximation d’une loi binomiale par une loi de Poisson

Soit (Xn ) des variables aléatoires réelles suivant des lois binomiales. On sup-
pose Xn ∼ B (n, pn ) et lim npn = λ. Alors, pour tout entier k dans N, on a
Théorème 1 - 33
λk
lim P(Xn = k) = e−λ .
n→+∞ k!

Démonstration. Pour k et n entiers, on a

 
n k
P(Xn = k) = p (1 − pn )n−k
k n
k−1
Y
(n − j)
j=0
= pkn exp ((n − k) ln(1 − pn ))
k!
k−1
Y
[(n − j)pn ]
j=0
= exp(−npn + o(npn ))
k!
k−1
Y
(npn + o(1))
j=0
= exp(−npn + o(1))
k!
λk
= e−λ + o(1)
k!
et l’assertion en découle. □

On dit que la suite de variables aléatoires (Xn ) converge en loi vers une loi de
Pour aller plus loin
Poisson, du nom de Siméon Denis Poisson, 1781–1840.

Loi de Poisson
Soit λ un réel strictement positif. On dit que X suit une loi de Poisson de
paramètre λ, et on note X ∼ P (λ), si X(Ω) = N et, pour k dans N, PX (k) =
Définition 1 - 43 λk
e−λ .
k!
Une loi de Poisson modélise les événements rares, c’est une loi des petits
nombres.

François Sauvageot - Lycée Lesage - Vannes - c b n a - 2022-2023

 CHAPITRE 1. STRUCTURES MÈRES 51

Une somme d’un grand nombre n de variables de Bernoulli indépendantes

et de petit paramètre p suit approximativement une loi de Poisson de paramètre
Remarque 1 - 17
np. On verra que np représente l’espérance mathématique de cette somme de
variables aléatoires. Dans la pratique on préconise n ≥ 30, p ≤ 0, 1 et np ≤ 15.

La loi de Poisson est utilisée dans de nombreux modèles comme

— nombre d’accidents dus par ruade de cheval dans la cavalerie prussienne,
— nombre de suicides d’enfants,
— nombre d’arrivées de bâteaux au port,
— nombre de clients se présentant à une caisse ou un guichet,
Exemples 1 - 17 — nombre de passagers à un arrêt de bus,
— nombre de connexions à un serveur web,
— nombre de communications,
— nombre de mutations en biologie,
— nombre de désintégrations,
etc. durant une période de temps fixée.

Une loi de Poisson fournit une approximation d’une loi binomiale, plutôt que
Remarque 1 - 18
le contraire.

Loi géométrique
Soit p dans ] 0; 1 [ . On dit que X suit une loi géométrique de paramètre p, et
Définition 1 - 44 on note X ∼ G (p), si X(Ω) = N∗ et, pour k dans N∗ , PX (k) = p(1 − p)k−1 .
Une loi géométrique modélise l’instant de premier succès lors de la réalisation
d’une infinité dénombrable d’épreuves de Bernoulli.

La loi géométrique est, par convention, la loi du premier succès. On pourrait

néanmoins s’intéresser à la loi du nombre d’échecs avant le premier succès. C’est
Remarque 1 - 19 également une loi géométrique, mais elle est définie sur N. On a donc PX (n) =
p(1 − p)n et on note X ∼ GN (p). En cas de besoin la loi géométrique du premier
succès se note GN∗ (p) pour la distinguer de la précédente.

L’instant de premier succès n’est pas vraiment une variable aléatoire au sens
Danger
strict.

N∗
En effet il se peut qu’il n’y ait jamais de succès. On choisit Ω = {0, 1} et, pour
ω dans Ω avec ω = (ωi )i∈N∗ , on définit X(ω) par X(ω) = min {i ∈ N∗ | ωi = 1}, ce
qui a un sens sauf si l’ensemble sur lequel on prend le minimum est vide, i.e. ω est la
suite nulle. Par conséquent X est défini sur Ω′ avec Ω′ = Ω \ {(0)}. Il faudrait encore
définir A et P, mais quoiqu’il en soit, si ces objets existent, puisque
+∞
X p
P(Ω′ ) = PX (N∗ ) = p(1 − p)k−1 = = 1,
1 − (1 − p)
k=1

François Sauvageot - Lycée Lesage - Vannes - c b n a - 2022-2023

52 1.14. LOIS USUELLES

on aura P(Ω′ ) = 1, ce qui revient à dire d’une part que {(0)} est négligeable et d’autre
part que X est défini presque partout.

On appelle cylindre élémentaire une partie de Ω déterminée par un nombre

fini de coordonnées, i.e. l’intersection d’un nombre fini d’images réciproques par
les projections canoniques de Ω sur {0, 1}. Plus généralement on appelle cylindre
une partie C de la forme

C = {ω ∈ Ω | (ω1 , . . . , ωr ) ∈ K}
r
avec r ∈ N∗ et K ⊂ {0, 1} . La tribu A est alors la tribu engendrée par les
Pour aller plus loin cylindres, i.e. la plus petite tribu les contenant, et on définit P sur les cylindres
par
1 X P P
P(C) = r p ωi (1 − p) (1−ωi ) ,
2
(ω1 ,...,ωr )∈K

autrement dit en considérant les éléments de K comme des réalisations d’une suc-
cession de variables de Bernoulli de paramètre p. C’est un théorème important
et difficile de Constantin Carathéodory qui permet d’affirmer que la probabilité
P existe, et est entièrement déterminée par ses valeurs sur les cylindres.

Une variable aléatoire géométrique est sans mémoire, c’est-à-dire que pour k
et ℓ entiers, on a
Proposition 1 - 5 P (X > k + ℓ | X > ℓ) = P(X > k) .
De plus P(X > k) = (1 − p)k .

Démonstration. Soit k et ℓ des entiers, il vient

+∞
X p(1 − p)k
P(X > k) = p(1 − p)n−1 = = (1 − p)k
1 − (1 − p)
n=k+1

et
P(X > k + ℓ, X > ℓ)
P (X > k + ℓ | X > ℓ) =
P(X > ℓ)
P(X > k + ℓ)
=
P(X > ℓ)
(1 − p)k+ℓ
=
(1 − p)ℓ
= (1 − p)k
= P(X > k) .

□
Autrement dit la probabilité d’attendre au moins dix lancers avant d’obtenir un
pile est la même que celle d’attendre vingt-cinq lancers sachant que les quinze premiers
étaient des face.

On parle de loi sans mémoire ou sans vieillissement. Ces lois permettent de

Aparté
modéliser des phénomènes où le vieillissement n’intervient pas.

François Sauvageot - Lycée Lesage - Vannes - c b n a - 2022-2023

 CHAPITRE 1. STRUCTURES MÈRES 53

Lois sans mémoire

Soit X une variable aléatoire à valeurs dans N∗ telle que, pour tous entiers
Théorème 1 - 34
k et ℓ, on ait P(X = k + 1) > 0 et P (X > k + ℓ | X > ℓ) = P(X > k). Alors X
suit une loi géométrique de paramètre PX (1).

Démonstration. On pose p = P(X = 1) et q = 1−p, de sorte qu’on a q = P(X > 1).

Pour ℓ dans N∗ , on a

P(X > ℓ + 1)
= P (X > ℓ + 1 | X > ℓ) = P(X > 1) = q
P(X > ℓ)

et donc P(X > ℓ) = q ℓ . Il en résulte

P(X = ℓ) = P(X > ℓ − 1) − P(X > ℓ) = q ℓ−1 (1 − q) = p(1 − p)ℓ−1 ,

i.e. X ∼ G (p). □

15 Algèbre linéaire

Cette section reprend le cours de MPSI et en étend brièvement le formalisme, dans

l’esprit des travaux fondateurs de Grassmann et Peano.

Sous-espace vectoriel
Définition 1 - 45 Un sous-espace vectoriel de E est une partie F de E qui, munie des bi-
resctrictions des lois de (E, +, ⋆), est un K-espace vectoriel.

Application linéaire
Définition 1 - 46 Une application linéaire est un morphisme d’espaces vectoriels, i.e. une
application respectant la structure de K-espace vectoriel.

Espaces vectoriels de référence

La notion de corps inclut celle d’espace vectoriel et ainsi K est un K-espace
vectoriel. Plus généralement un produit cartésien est muni d’une structure vecto-
rielle par multiplication coordonnée par coordonnée. Ainsi Kn , Mn,p (K), K[X],
Exemples 1 - 18 KN sont des K-espaces vectoriels. Il en va de même pour KI si I est un ensemble
quelconque.
Le sous-espace {0} est un sous-espace vectoriel minimal de E : il est inclus
dans tout sous-espace vectoriel de E. De même E est un sous-espace vectoriel
maximal de E. Tout sous-espace vectoriel distinct de {0} et E est dit non-trivial.

Sous-espaces vectoriels
Les sous-espaces vectoriels non-triviaux du plan K2 sont des droites vecto-
Exemples 1 - 19 rielles. Ceux de l’espace K3 sont des droites et des plans vectoriels. Les parties
Kn [X] et K(N) sont des sous-espaces vectoriels respectivement de K[X] et KN .
Si I est un intervalle de R, C 0 (I, K) est un sous-espace vectoriel de KI .

François Sauvageot - Lycée Lesage - Vannes - c b n a - 2022-2023

54 1.15. ALGÈBRE LINÉAIRE

Sous-espaces vectoriels et applications linéaires

Si E et F sont deux K-espaces vectoriels, l’ensemble L (E, F ) des applications
linéaires de E dans F est également un K-espace vectoriel. Si u appartient à
Exemples 1 - 20 L (E, F ) on note Ker(u) le noyau de u, i.e. u−1 (0), et Im(u) son image, i.e.
u(E). Si E ′ et F ′ sont des sous-espaces vectoriels respectivement de E et F ,
u(E ′ ) et u−1 (F ′ ) sont des espaces vectoriels. Si F = K, u est appelée forme
linéaire et si elle est non nulle son noyau est appelé hyperplan de E.

Composition des applications linéaires

La composée de deux applications linéaires en est une, de même que la réci-
Remarque 1 - 20
proque d’un isomorphisme (i.e. une application linéaire bijective). Une application
linéaire u est injective si et seulement si son noyau Ker(u) est réduit à {0}.

Produit de composition et produit matriciel

L’application (u, v) 7→ u◦v est bilinéaire. La linéarité à gauche est tautologique
tandis que la linéarité à droite résulte de la définition d’application linéaire.
Remarque 1 - 21
Pour A dans Mn,p (K) l’application X 7→ AX de Mp,1 (K) dans Mn,1 (K) est
linéaire. La composée de deux telles applications associées respectivement à A et
B est donnée par le produit matriciel, qui est donc bilinéaire et associatif.

On étend aux familles les objets introduits pour les ensembles finies : intersection
quelconque, combinaison linéaire.

Intersection
Remarque 1 - 22
Une intersection quelconque de sous-espaces vectoriels de E en est un.

Soit I un ensemble quelconque d’indices, on appelle famille à support

fini de scalaires indexée par I toute famille presque nulle (λi )i∈I , i.e. telle que
Définition 1 - 47
{i ∈ I | λi ̸= 0} est fini. Cet ensemble est le support de la famille (λi )i∈I . On note
K(I) leur ensemble.

Combinaison linéaire
Soit (λi )i∈I ∈ K(I) une famille de scalaires de support fini S et (xi )i∈I ∈ E I
une famille
X de vecteurs
X de E. Alors pourX toute partie finie J de I contenant S,
on a λ i xi = λi xi , i.e. la quantité λi xi ne dépend pas de J. On la note
i∈J i∈S i∈J
Propriété 1 - 11 X
λi xi et on dit que c’est une combinaison linéaire de la famille (xi )i∈I .
i∈I
Pour toute famille (xi )i∈I de E IX
, on a une application linéaire canonique de
K dans E donnée par (λi )i∈I 7→
(I)
λ i xi .
i∈I

Caractérisation des applications linéaires

Une application entre K-espaces vectoriels est linéaire si et seulement si elle
Propriété 1 - 12 préserve les combinaisons linéaires, ce qui peut se réduire à l’une des deux asser-
tions suivantes : ∀λ ∈ K, ∀(x, y) ∈ E 2 , (u(λx) = λu(x))∧(u(x+y) = u(x) +u(y))
ou encore ∀(λ, µ) ∈ K2 , ∀(x, y) ∈ E 2 , u(λx + µy) = λu(x) + µu(y).

François Sauvageot - Lycée Lesage - Vannes - c b n a - 2022-2023

 CHAPITRE 1. STRUCTURES MÈRES 55

La notion de combinaison linéaire est la notion clef en algèbre linéaire. Elle permet
notamment de décrirer les sous-espaces vectoriels.

Espace engendré
Soit A ∈ P (E) où E est un K-espace vectoriel. L’intersection de tous les sous-
espaces vectoriels de E contenant A est un sous-espace vectoriel de E contenant A
et c’est le plus petit (au sens de l’inclusion) sous-espace vectoriel de E contenant
Propriété 1 - 13 A. On le note indifféremment Vect (A), ⟨A⟩ ou Vect (a)a∈A et, si A = {xi | i ∈ I},
on le note également Vect (xi )i∈I . On a
X
x ∈ Vect (A) ⇔ ∃(λa )a∈A ∈ K(A) , x= λa a .
a∈A

On en déduit quatre caractérisations (au moins) des sous-espaces vectoriels.

Une partie F de E en est un sous-espace vectoriel si et seulement si F =

Vect (F ). On en déduit les caractérisations suivantes :
— ∀(λx )x∈F ∈ K(F ) , x∈F λx x ∈ F (avec la convention qu’une somme vide
P

Propriété 1 - 14 est égale à 0) ;

— 0 ∈ F et ∀λ ∈ K, ∀(x, y) ∈ F 2 , λx ∈ F ∧ x + y ∈ F ;
— 0 ∈ F et ∀λ ∈ K, ∀(x, y) ∈ F 2 , λx + y ∈ F ;
— 0 ∈ F et ∀(λ, µ) ∈ K2 , ∀(x, y) ∈ F 2 , λx + µy ∈ F .

La notion de combinaison linéaire, une famille étant fixée, permet de décrire des
vecteurs de E à partir de familles de scalaires. La nature de cette description, selon
qu’elle permet de décrire tous les vecteurs, de façon unique ou non, est une notion
cruciale et amène à la définition des propriétés les plus importantes des familles de
vecteurs.

Soit (xi )i∈I une famille de vecteurs

X de E. Si l’application canonique de K(I)
dans E donnée par (λi )i∈I → 7 λi xi est injective, surjective, bijective, on dit
Définition 1 - 48 i∈I
qu’on a affaire à une famille libre, une famille génératrice ou une base res-
pectivement.

Image d’une famille

L’image d’une base de E, ou plus généralement d’une famille génératrice,
par une application linéaire u dans L (E, F ) engendre Im(u). De plus u est un
Propriété 1 - 15
isomorphisme si et seulement si l’image d’une base de E est une base de F .
Réciproquement une application d’une base de E dans F étant donnée, il
existe une et une seule application linéaire dans L (E, F ) la prolongeant.

Base canonique
L’espace nul admet ∅ comme base et K admet {1} comme base en tant que
K-espace vectoriel. Elle est appelée base canonique. Plus généralement la base ca-
Exemples 1 - 21 nonique d’un espace produit est obtenu par produit cartésien. Ainsi les bases cano-
niques de Kn , Mn,p (K), Kn [X] et K[X] sont respectivement ((δij )1≤j≤n )1≤i≤n ,
(Ei,j )(i,j)∈J1;nK×J1;pK , (X k )0≤k≤n et (X k )k∈N .

François Sauvageot - Lycée Lesage - Vannes - c b n a - 2022-2023

56 1.15. ALGÈBRE LINÉAIRE

Formes coordonnées
Si E est un K-espace vectoriel et (ei )i∈I en est une base. Les formes coordon-
Définition 1 - 49 nées associées à cette base sont les formes linéaires (e∗i )i∈I uniquement détermi-
nées par les conditions e∗i (ej ) = δij . Les formes linéaires (e∗i )i∈I constituent une
base de L (E, K).

♠ L’espace vectoriel L (E, K), appelé dual de E, est aussi noté E ∗ .

Hyperplans et codimension
Si E est un espace de dimension finie n et H un hyperplan obtenu comme
n
X
Ker(u), où u est une forme linéaire, une décomposition ai e∗i de u correspond
i=1
n
X
à une équation ai xi = 0 de H, relativement à la base (ei )1≤i≤n . Pour H
i=1
Définition 1 - 50 donné, il n’y a pas unicité de u et donc pas non plus de l’équation, mais il y a
unicité à multiplication par un scalaire non nul près.
Un hyperplan H de E est un sous-espace vectoriel de codimension 1, i.e.
dim(E) − dim(H) = 1. Plus généralement si dim(E) − dim(F ) = m, on dit que
F est de codimension m.
L’intersection de m hyperplans est un espace de codimension au plus m et,
réciproquement, tout espace de codimension m est intersection de m hyperplans.
Un tel espace est donc défini par un système de m équations (non unique).

La codimension de F peut se définir même si E est de dimension infinie, c’est

♠ alors la dimension de l’espace vectoriel quotient E/F . Elle correspond au nombre
d’équations nécessaires pour définir F .

Applications linéaires, bases et matrices

Étant donné deux K-espaces vectoriels de dimensions finies E et F et deux
bases (e) et (f ) de E et F respectivement, avec (e) = (ej )1≤j≤q et (f ) = (fi )1≤i≤p
une application linéaire entre E et F correspond de façon unique à une matrice
(aij )(i,j)∈J1;pK×J1;qK dans Mp,q (K) telle que, pour tout x dans E on ait u(x) =
Xp X q
aij e∗j (x)fi .
Définition 1 - 51
i=1 j=1
La matrice précédente est appelée matrice de u relativement aux bases (e) et
(f ) et notée Mat(e),(f ) (u). Ainsi le vecteur de coordonnées (xi )1≤i≤q dans (e) a
X q
pour image le vecteur de coordonnées ( aij xj )1≤i≤p dans (f ).
j=1
L’application u 7→ Mat(e),(f ) (u) est un isomorphisme de K-espaces vectoriels.

La composition entre applications linéaires correspond à la multiplication ma-

Remarque 1 - 23 tricielle. Si E = F et (e) = (f ), on écrit Mat(e) (u) et l’application u 7→ Mat(e) (u)
est un isomorphisme de K-algèbres entre End(E) et Mn (K).

François Sauvageot - Lycée Lesage - Vannes - c b n a - 2022-2023

 CHAPITRE 1. STRUCTURES MÈRES 57

p X
q
(e)
X
On écrit aussi Mat(u; (e), (f )) ou Mat(f ) (u), ainsi que u = aij e∗j ⊗ fi et
i=1 j=1
Aparté on a L (E, F ) ≃ E ∗ ⊗F . Les trois dernières écritures rappellent que la dépendance
en E est contravariante alors que celle en F est covariante. La matrice de e∗j ⊗fi
est la matrice Eij de la base canonique, i.e. aij = Eij ∗
(Mat(e),(f ) (u)).

Application linéaire canoniquement associée à une matrice

À M dans Mp,q (K) on associe canoniquement l’application linéaire de
Mq,1 (K) dans Mp,1 donnée par X 7→ M X. Sa matrice relativement aux bases
canoniques est alors M . Le noyau et l’image de M sont ceux de l’application
Définition 1 - 52 linéaire associée.
On peut également identifier canoniquement Mq,1 (K) à Kq et Mp,1 à Kp ,
puisque ce sont des espaces de mêmes dimensions et admettant chacun une base
canonique. Ainsi M est également canoniquement associée à une application li-
néaire de Kq dans Kp .

La notion de base est fondamentale en algèbre linéaire. Le travail de Grassmann a

justement été de permettre de ne pas travailler avec une seule base, i.e. de se détacher
du modèle de Kn , pour pouvoir choisir des bases adaptées à chaque problème.

Lemme fondamental de la théorie de la dimension

Soit (xi )i∈I une famille finie de vecteurs de E et (yj )j∈J une famille finie de
Théorème 1 - 35
vecteurs, tous combinaisons linéaires des (xi ) avec Card J > Card(I). Alors la
famille (yj ) est liée.

Dimension
Un espace vectoriel est dit de dimension finie s’il admet une famille géné-
Théorème 1 - 36
ratrice finie. Tout tel espace admet une base et toutes ses bases ont un même
cardinal fini.

Plus précisément on a le résultat suivant, valide en toute dimension, et conséquence

des mêmes arguments.

Base incomplète et base extraite

Soit E un espace vectoriel de dimension finie, L une famille libre dans E et
G une famille génératrice de E, vérifiant L ⊂ G. Alors il existe une base B de E
Théorème 1 - 37
vérifiant L ⊂ B ⊂ G. En particulier pour G = E, cela permet de compléter toute
famille libre en une base et, pour L = ∅, cela permet d’extraire une base de toute
famille génératrice.

Stricto sensu le théorème de la base incomplète est le cas G = E, celui de la base

extraite est le cas L = ∅ et celui de l’existence de base le cas L = ∅ et G = E.

Un espace vectoriel qui n’est pas de dimension finie est dit de dimension infinie.
♠ Un tel espace admet également une base et toutes ses bases sont de cardinal infini.
Le théorème précédent est encore vrai en dimension infinie.

François Sauvageot - Lycée Lesage - Vannes - c b n a - 2022-2023

58 1.15. ALGÈBRE LINÉAIRE

Le résultat en dimension infinie résulte, comme en dimension finie, de l’existence

d’élément maximal parmi les familles libres ou, comme on voudra, de l’existence d’élé-
ment minimal parmi les familles génératrices. En dimension finie la maximalité ou la
minimalité s’expriment en termes de cardinaux (finis) et l’existence de base résulte du
lemme fondamental de la théorie de la dimension.

Dimensions de référence
La dimension d’un produit d’espaces vectoriels (de dimensions finies) est la
somme de leurs dimensions. Ainsi les espaces Kn , Mn (K), Mn,p (K) et Kn [X]
sont de dimensions respectives n, n2 , np et n + 1.
Exemples 1 - 22
L’ensemble des solutions d’une équation différentielle linéaire homogène
d’ordre n (sous forme résolue) est un espace vectoriel de dimension n. Il en va de
même pour l’ensemble des suites satisfaisant une relation de récurrence linéaire
homogène (à coefficients constants) d’ordre n.

Rang d’une famille de vecteurs

La dimension de l’espace engendré par une famille de vecteurs est appelé rang
Définition 1 - 53
de la famille. Le rang est inférieur à la fois au cardinal de la famille et à la
dimension de l’espace ambiant.

Rang d’une application linéaire ou d’une matrice

Le rang d’une application linéaire u, noté rg(u) est la dimension de Im(u),
i.e. le rang de l’image d’une base par u. Le rang est invariant par composition (à
gauche comme à droite) par un isomorphisme.
Définition 1 - 54 Le rang d’une matrice est le rang de l’application linéaire canoniquement
associée ou, ce qui revient au même, au rang de la famille de ses vecteurs colonnes.
Le rang est en particulier invariant par pré-composition ou post-composition
par une application linéaire bijective. Matriciellement il est donc invariant par
multiplication par une matrice inversible.

Rang de la transposée
C’est un fait non totalement évident que le rang d’une matrice est aussi celui
Remarque 1 - 24
de ses vecteurs lignes. Autrement dit le rang d’une matrice est invariant par
transposition.

Caractérisation par la dimension

Dans un espace vectoriel E de dimension finie n, une famille de cardinal n est
une base si et seulement si elle est libre ou génératrice. De plus tout sous-espace
vectoriel de E est de dimension inférieure à n et E est le seul sous-espace de
dimension exactement n.
Soit u une application linéaire entre deux espaces vectoriels de même di-
Propriété 1 - 16
mension finie. Alors u est bijective si et seulement si elle est injective (i.e.
Ker(u) = {0}) et si et seulement si elle est surjective. En particulier un endo-
morphisme d’un espace vectoriel de dimension finie est inversible à droite si et
seulement s’il l’est à gauche ou encore est inversible.
Il existe un unique K-espace vectoriel de dimension finie n donnée, à isomor-
phisme près.

François Sauvageot - Lycée Lesage - Vannes - c b n a - 2022-2023

 CHAPITRE 1. STRUCTURES MÈRES 59

L’intersection est, on l’a vu, compatible à la notion de sous-espace vectoriel : une

intersection quelconque en est un. Il n’en va pas de même pour la réunion et ni non
plus pour le complémentaire. On y supplée en considérant le sous-espace engendré par
la réunion. En termes de familles génératrices il s’agit donc bien d’une réunion : si (f )
et (g) engendrent respectivement les sous-espaces vectoriels F et G, alors F + G est
l’espace engendré par (f ) ∪ (g).
Le travail avec des bases n’étant pas intrinsèque, la définition de la somme peut se
faire en considérant les sommes de vecteurs. Il est alors bien plus commode de raisonner
avec les applications linéaires naturelles associées.

Somme de sous-espaces vectoriels

Soit (Ei )i∈I une famille de sous-espaces vectoriels d’un même espace vectoriel
E. On a une application linéaire canonique
Y
σ: Ei → E
i∈I
X .
Remarque 1 - 25 (xi )i∈I 7→ xi
i∈I
X
Elle est surjective de sorte qu’on peut définir la somme Ei comme l’image de
i∈I
X
cette application linéaire : Ei = Im(σ).
i∈I

Somme directe
Soit I un ensembleX
fini et (Ei )i∈I une famille de sous-espaces vectoriels de E.
On dit que la somme Ei est directe si l’application
i∈I

Y X
σ: Ei → Ei
i∈I i∈I
X
(xi )i∈I 7→ xi
Définition 1 - 55 i∈I

est bijective.
Par construction σ est surjective. Elle est donc bijective si et seulement si elle
est injective, ou encore si et seulement si son noyau est réduit à (0)i∈I .
XAutrement dit, la somme est directe si et seulement si l’écriture de tout élément
de Ei comme somme d’éléments des (Ei )i∈I est unique. Quand la somme est
i∈I
X
directe, on écrit ⊕i∈I Ei au lieu de Ei .
i∈I

Tout comme la notation ∃!, la notation ⊕ est dangereuse. En effet c’est à la

fois une notation et une assertion mathématique. On ne peut en particulier par
Danger l’utiliser pour définir un nouvel objet, i.e. on ne peut pas écrire Soit E l’espace
vectoriel défini par E = F ⊕ G sans avoir démontré avant que F et G sont en
somme directe.

François Sauvageot - Lycée Lesage - Vannes - c b n a - 2022-2023

60 1.15. ALGÈBRE LINÉAIRE

Caractérisation de la somme directe

Soit E1 et E2 deux sous-espaces vectoriels de E. On a
Remarque 1 - 26
E1 + E2 = E1 ⊕ E2 ⇐⇒ E1 ∩ E2 = {0}
⇐⇒ (∀(x, y) ∈ E1 × E2 x + y = 0 =⇒ x = y = 0) .

La caractérisation précédente est un faux ami. En effet, plus généralement,

si (Ei )i∈I est une famille de sous-espaces vectoriels de E, on a
X X
Ei = ⊕i∈I Ei ⇐⇒ ∀i ∈ I Ei ∩ Ej = {0}
♥
i∈I j∈I\{i}
!!
Y X
⇐⇒ ∀(xi )i∈I ∈ Ei xi = 0 =⇒ (∀i ∈ I , xi = 0) .
i∈I i∈I

Caractérisation de la somme directe par

Xla dimension
X
Remarque 1 - 27 Si E est de dimension finie on a dim( Ei ) ≤ dim(Ei ) avec égalité si et
i∈I i∈I
seulement si la somme est directe.

Détermination d’une application linéaire

Par propriété universelle de la somme directe,Y si E et F sont des K-espaces
vectoriels et si E = ⊕i∈I Ei , alors L (E, F ) = L (Ei , F ) et plus précisément
Propriété 1 - 17
i∈I
étant donné des applications linéaires ui dans L (Ei , F ), il existe une unique
application linéaire les prolongeant simultanément à E.

Existence de supplémentaire
Soit E un espace vectoriel de dimension finie et F un sous-espace de E. Alors
il existe au moins un sous-espace G de E tel que E = F ⊕ G. On dit alors que G
Théorème 1 - 38
est un supplémentaire de F dans E.
Deux sous-espaces vectoriels F et G de E sont supplémentaires si et seulement
si dim(F ) + dim(G) = dim(E) et F ∩ G = {0}.

C’est une conséquence directe du théorème de la base incomplète. En particulier

♠ Ce résultat est encore valide en dimension infinie.

Théorème du rang
Soit u dans L (E, F ), avec E et F deux K-espaces vectoriels, et E ′ un sup-
plémentaire de Ker(u) dans E. Alors
Théorème 1 - 39
u|E ′ : E ′ ≃ Im(u) .

En particulier, en dimension finie, on a rg(u) = dim(E) − dim(Ker(u)).

François Sauvageot - Lycée Lesage - Vannes - c b n a - 2022-2023

 CHAPITRE 1. STRUCTURES MÈRES 61

Isomorphisme entre supplémentaires

Soit F un sous-espace vectoriel de E et G1 et G2 deux supplémentaires de F ,
de sorte qu’on a E = F ⊕ G1 et E = F ⊕ G2 . Soit p le projecteur canonique sur
Exemple 1 - 23
G1 associé à la décomposition E = F ⊕ G1 , i.e. le projecteur sur G1 parallèlement
à F . Alors p induit, par restriction à G2 un isomorphisme de G2 sur G1 .
En effet Ker(p) = F et G2 en est un supplémentaire, tandis que Im(u) = G1 .

Ne pas confondre les mots supplémentaire et complémentaire : un supplémen-

taire est un espace vectoriel tandis que le complémentaire est un ensemble.
Danger
Il n’y a pas unicité d’un supplémentaire de F , par exemple parce qu’il n’y a
pas unicité de la façon de compléter une base de F en une base de E.

Formule de Grassmann
Soit E et F deux sous-espaces vectoriels d’un même espace vectoriel. On a
Exemple 1 - 24 dim(E × F ) = dim(E ∩ F ) + dim(E + F ) ou encore

dim(E + F ) + dim(E ∩ F ) = dim(E) + dim(F ) .

Endomorphismes remarquables
Si E est un K-espace vectoriel End(E), i.e. L (E, E), est une K-algèbre. Ses
éléments sont appelés endomorphismes de E. Les endomorphismes scalaires sont
les multiples de l’identité, elle-même notée IdE . L’application λIdE est appe-
lée homothétie de rapport λ. L’algèbre End(E) n’est pas commutative, sauf
en dimension inférieure à 1, et son centre (i.e. l’ensemble des endomorphismes
commutant à tous les autres) est formé des homothéties.
Si E = F ⊕ G, le projecteur sur F parallèlement à G est l’unique endomor-
phisme dont la bi-restriction à F est l’identité et celle à G est l’endomorphisme
nul. On le note pG F et on parle aussi de projection sur F parallèlement à G. Géo-
Exemple 1 - 25
métriquement, pour x dans E, le projeté pG F (x) est l’unique point d’intersection
de F avec l’espace affine passant par x de direction G, i.e. (x + G) ∩ F = pG F (x) .


Un endomorphisme p est un projecteur si et seulement si p2 = p et alors c’est un

projecteur sur Im(p) parallèlement à Ker(p).
La symétrie par rapport à F et parallèlement à G est l’isomorphisme sG F
donné par sG F = 2pF − IdE , i.e. sa birestriction à F est IdF et celle à G est
G

−IdG . Le symétrique sG F (x) est l’unique point de E tel que le milieu de x et sF (x)
G

soit pF (x). Un endomorphisme s est une symétrie si et seulement si c’est une

G

involution, i.e. s2 = IdE , et alors c’est un symétrie par rapport à Ker(s − IdE ) et
parallèlement à Ker(s + IdE ).

Projecteurs et décomposition de l’unité

Soit (pi )i∈I la famille (finie) de projecteurs associée à une décomposition en
somme directe E = ⊕i∈I Ei . On a les relations suivantes :
Propriété 1 - 18 1. Idempotence - ∀i ∈ I, p2i = pi
2. Orthogonalité - ∀(i, j) ∈ I 2 , i ̸= j ⇒ pi pj = 0
X
3. Décomposition de l’unité - pi = IdE .
i∈I

François Sauvageot - Lycée Lesage - Vannes - c b n a - 2022-2023

62 1.15. ALGÈBRE LINÉAIRE

Bases adaptées et dimensions

Soit F un sous-espace vectoriel de E. Tous les supplémentaires de F ont
même dimension, appelée co-dimension de F et notée codim(F ). (♠) Ce résultat
est encore valide en dimension infinie.
Une base BE de E est dite adaptée à F si on peut en extraire une base BF
de F . Une telle base peut être obtenue en complétant une base de F en une base
Propriété 1 - 19
de E. Le complémentaire relativement à BE de la base BF de F ainsi obtenue est
une base d’un supplémentaire de F .
Une base BE de E est dite adaptée à une somme directe ⊕i∈I Ei si on peut
en extraire une base de chacun des Ei . Si B⟩ est une base de Ei ainsi obtenue, les
(B⟩ )i∈I sont deux à deux disjoints. Si de plus E = ⊕i∈I Ei , les (B⟩ )i∈I forment un
partage de BE .

Équations différentielles linéaires à coefficients constants

L’ensemble des solutions de l’équation y ′ + ay = 0 sur R est une droite vec-
torielle. Toutes ses bases sont donc proportionnelles. Si on rajoute un second
membre, lui-même solution d’une telle équation, e.g. y ′ + ay = ebx , on obtient
une droite affine.
Si a + b ̸= 0, on peut considérer le plan vectoriel engendré par les fonc-
tions données par e−ax et ebx . L’ensemble des solutions est alors une droite affine
contenue dans ce plan et de direction donnée par la première fonction (considérée
Exemple 1 - 26 comme un vecteur de ce plan). Toute droite horizontale coupant l’axe vertical,
on en déduit qu’il existe une solution de cette équation différentielle proportion-
nelle à la seconde fonction. On peut ainsi complètement résoudre cette équation
en appliquant une recette : chercher β tel que βebx soit solution, i.e. tel que
β(b + a)ebx = ebx , puis rajouter un multiple quelconque de e−ax pour obtenir
la solution générale ou un multiple précis si on dispose d’une condition initiale.
bx
−e−ax
Ainsi la formule y(x) = αe−ax + β e a+b définit l’unique solution du problème
de Cauchy : y + ay = e et y(0) = α.
′ bx

On voit ici l’intérêt d’une base. L’espace ambient est un espace de dimension infinie,
celui des fonctions de classe C ∞ de R dans C. On en extrait un sous-espace vectoriel
(de dimension 2), puis on choisit une base de ce sous-espace.

Ordre 2 homogène
Les équations du type y ′′ + ay ′ + b = 0 se résolvent en considérant l’équation
polynomiale associée X 2 +aX+b = 0. Si cette équation a deux solutions distinctes,
i.e. si a2 + 4b ̸= 0, les solutions à valeurs complexes sont de la forme αy1 + βy2
où yk (x) = erk x en notant r1 et r2 sont les deux racines de X 2 + aX + b.
Exemple 1 - 27
La base (y1 , y2 ) n’est toutefois pas la plus adaptée si a et b sont réels alors que
r1 et r2 ne le sont pas. On peut préférer une base prenant des valeurs réelles, e.g.
( 12 (y1 + y2 ), 2i
1
(y1 − y2 )). Si rk = λ ± iφ, il s’agit de eλx cos(φx) et eλx sin(φx).
Si a + 4b = 0 et r est racine double de X 2 + aX + b, une base de l’espace des
2

solutions est donnée par erx et xerx .

En fonction du problème considérée la première base trouvée n’est donc pas toujours
la bonne et tout l’objet de l’algèbre linéaire est de comprendre comment trouver des
bases adaptées et calculer avec.

François Sauvageot - Lycée Lesage - Vannes - c b n a - 2022-2023

 CHAPITRE 1. STRUCTURES MÈRES 63

On verra que d’une façon générale une équation différentielle linéaire à coef-
ficients constants d’ordre n dont le second membre est lui-même solution d’une
Aparté
telle équation d’ordre m, admet un espace de solutions qui est naturellement un
sous-espace affine de dimension n d’un espace vectoriel de dimension n + m.

Suites récurrentes linéaires d’ordre 2

Le même principe prévaut dans l’étude des suites complexes vérifiant ∀n ∈ N
Exemple 1 - 28 un+2 +aun+1 +bun = 0. On résout la même équation polynomiale X 2 +aX +b = 0
et on dispose d’une base de l’espace vectoriel des solutions donnée par les suites
(r1n ) et (r2n ), si a2 + 4b ̸= 0, ou (rn ) et (nrn ) sinon. L’analogie est frappante.

Pour voir que les espaces de solutions, dans le cas homogène, sont des espaces
vectoriels, il suffit d’introduire une application linéaire dont c’est le noyau. Ici il s’agit
de y 7→ y ′′ + ay ′ + by, d’un côté, et de (un )n∈N 7→ (un+2 + aun+1 + bun )n∈N , de l’autre.
Ce sont des endomorphismes l’une de C ∞ (R, C), l’autre de CN .

On verra qu’on les construits de la même façon à partir de la dérivation ou de

l’opération de décalage respectivement, i.e. de y 7→ y ′ et (un )n∈N 7→ (un+1 )n∈N
respectivement. En notant u cette application (linéaire), on étudie le noyau de
Aparté u ◦ u + au + bId, ce que l’on pourrait noter u2 + au1 + bu0 en prenant soin
d’interpréter les exposants relativement au produit de composition. Autrement
dit, en notant P = X 2 + aX + b, le noyau de P (u) s’étudie en trouvant les racines
de P . . . ce qui n’est plus très surprenant.

La bonne analogie entre continu et discret est donnée par l’opérateur de dé-
rivation discrète, i.e. (un )n∈N 7→ (un+1 − un )n∈N . Le noyau de cet opérateur
Pour aller plus loin
est formé des suites constantes, tandis que celui de la dérivation est formé des
fonctions constantes.

Pour clore ces rappels, on donne quelques propriétés du rang.

Composition et rang
Soit u ∈ L (E, F ) et v ∈ L (F, G) des applications linéaires de rangs finis.
On a
— rg(v ◦ u) ≤ min(rg(u), rg(v))
Proposition 1 - 6
— si v est injective, rg(v ◦ u) = rg(u)
— si u est surjective, rg(v ◦ u) = rg(v).
En particulier la composition à gauche ou à droite par une application linéaire
bijective ne modifie pas le rang.

François Sauvageot - Lycée Lesage - Vannes - c b n a - 2022-2023

64 1.16. EXERCICES

Exercices
Ensembles, applications, lois 1 -6 Ⓢ ⋆⋆ Idempotents
Soit E un ensemble fini non vide muni d’une loi de
1 -1 Ⓢ ⋆
composition interne associative notée ⊺.
Soit E un ensemble. On définit une loi interne sur Montrer qu’il existe e dans E tel que e ⊺ e = e.
P (E) par A♯B = E \ (A ∩ B).
Montrer que l’on peut définir les lois ∩, ∪ et ∆ ainsi 1 -7 Ⓢ C ⋆⋆ Anneaux et idempotents
que le passage au complémentaire rien qu’en utilisant la Soit A un anneau tel que x3 = x pour tout x dans
loi ♯. A.
1 -2 Ⓢ ⋆ a. Déterminer les éléments nilpotents de A.
b. Soit e ∈ A tel que e2 = e. On pose b = ea(1 − e)
Soit E un ensemble, A et B des parties de E telles
et c = (1 − e)ae. Calculer b2 et c2 . En déduire que
qu’il existe une partie X de E telle que A ∩ X ⊂ B ∩ X
ae = ea.
et A ∪ X ⊂ B ∪ X.
Montrer A ⊂ B. c. En considérant les carrés de A, montrer que A est
commutatif.
1 -3 Ⓢ ⋆
1 -8 Ⓢ U 2013 ⋆⋆ Associaèdre de Stasheff
Soit E un ensemble et A une partie de E. On appelle
fonction caractéristique de A l’application χA de E dans Soit (A, ×) un magma associatif.
F2 définie par χA (x) = 1 si et seulement si x ∈ A. Démontrer la proposition suivante généralement ad-
mise : pour tout entier n strictement positif, tout n-uplet
a. Pour A et B des parties de E, on note A∆B leur (a1 , . . . , an ) d’éléments de A et tout parenthésage « ad-
différence symétrique, i.e. A∆B = A ∪ B \ A ∩ B. missible » de la multiplication a1 ×· · ·×an (par exemple,
Montrer que χA + χB est la fonction caractéristique pour n = 4, (a1 × a2 ) × (a3 × a4 ), a1 × (a2 × (a3 × a4 )),
de A∆B. (a1 ×(a2 ×a3 ))×a4 sont des parenthésages admissibles),
b. Montrer que χA χB est la fonction caractéristique de le résultat de la multiplication est le même.
A ∩ B.
c. En déduire une structure de F2 -algèbre sur P (E), Relations d’équivalence et relations d’ordre
muni des opérations ∆ et ∩ ;
1 -9 Ⓢ ⋆⋆
d. Montrer que tout élément de P (E) est égal à son
carré. Soit E un ensemble ordonné et f , g : E → E, deux
On dit que P (E) est une algèbre de Boole, du nom de applications croissantes qui vérifient f ◦ f = f , g ◦ g = g
George Boole (1815–1864). Voir exercice 1 - 11 (f et g sont idempotentes) et, ∀x ∈ E, f (x) ≤ x ≤ g(x).
Montrer que f ◦ g et g ◦ f sont idempotentes.
1 -4 Ⓢ ⋆⋆
1 - 10 Ⓢ ⋆⋆⋆ Point fixe
Soit f : X → Y , g : Y → Z et h : Z → X.
Soit E un ensemble non vide ordonné dans lequel
a. On suppose que parmi les trois applications h ◦ g ◦ f , toute partie non vide possède une borne inférieure et
g ◦f ◦h et f ◦h◦g deux sont surjectives et la dernière une borne supérieure, et soit f : E → E croissante.
injective. Montrer que f , g et h sont bijectives. Montrer que f possède un point fixe.
b. Même conclusion en échangeant surjectif et injectif.
1 - 11 Ⓢ ⋆⋆⋆ Anneaux de Boole
1 -5 Ⓢ ⋆⋆ Théorème de factorisation Soit (A, +, ·) un anneau de Boole, i.e. tel que tout
Soit X, Y et Z trois ensembles non vides. élément x de A vérifie x2 = x.
a. Soit f : X → Y et h : X → Z. Montrer : (∃g : a. Montrer ∀x ∈ A, 2x = 0. (On rappelle qu’on a, par
Y → Z, h = g ◦ f ) ⇔ (∀(x, x′ ) ∈ X 2 , f (x) = définition, 2x = x + x.)
f (x′ ) =⇒ h(x) = h(x′ )). Justifier l’appellation du b. Montrer que A est commutatif.
théorème. À quelle condition g est-elle uniquement c. ▶Calculer xy(x + y) pour x et y dans A. En déduire
déterminée ? que si A possède strictement plus de deux éléments,
b. ♠ Soit g : Y → Z et h : X → Z. Montrer : il n’est pas intègre (i.e. on peut trouver deux élé-
(∃f : X → Y , h = g ◦ f ) ⇔ (∀x ∈ X, ∃y ∈ Y , ments non nuls dont le produit est nul).
h(x) = g(y)). d. Montrer par un exemple que A peut être de cardinal
Indication : on utilisera l’axiome du choix. 2. Peut-il être de cardinal 3 ?

François Sauvageot - Lycée Lesage - Vannes - c b n a - 2022-2023

 CHAPITRE 1. STRUCTURES MÈRES 65

e. Soit E un ensemble non vide. Montrer que 1 - 15 Ⓢ ⋆⋆

(P (E) , ∆, ∩) est un anneau de Boole. Soit f une fonction strictement croissante de N dans
f. Soit R la relation dans A définie par xRy ≡ xy = x. lui-même et multiplicative (i.e. ∀(m, n) ∈ N2 , f (mn) =
Montrer que R est une relation d’ordre. On note ≤ f (m)f (n)).
cet ordre. Est-il compatible à l’addition et à la mul- Montrer que si f admet un point fixe supérieur (ou
tiplication, i.e. ∀(x, y, z) ∈ A3 , (x ≤ y =⇒ x + z ≤ égal) à 2, c’est l’identité.
y + z) ∧ ((0 ≤ x ∧ 0 ≤ y) =⇒ 0 ≤ xy) ?
1 - 16 Ⓢ ⋆⋆⋆ Représentation de Zecken-
1 - 12 Ⓢ ⋆⋆⋆ Ordre noethérien dorff
Soit R une relation d’ordre sur un ensemble E. Pour On note (Fn )n∈N la suite de Fibonacci privée de
x et y dans E, on note x < y si xRy et x ̸= y. Autrement ses deux premiers termes ou, ce qui revient au même,
dit < est l’ordre strict associé à R. Montrer que les deux la suite définie par F0 = 1, F1 = 2 et, ∀n ∈ N,
conditions suivantes sont équivalentes : Fn+2 = Fn + Fn+1 . On définit pour n ∈ N, σn et Sn
1. Toute partie non vide X de E admet un élément par
minimal, i.e. ∃x ∈ X ∀y ∈ E y < x =⇒ y ̸∈ X. X n
X
2. il n’existe pas de suite infinie (xn ) d’éléments de σn = Fn−2k et Sn = Fk .
0≤k≤ n
E telle qu’on ait ∀n ∈ N xn+1 < xn . 2
k=0

On dira que R est un ordre noethérien, du nom d’Emmy Si (ak )0≤k≤n est une suite finie de chiffres valant 0 ou
Noether (1882-1935). 1, avec an = 1, on note an an−1 · · · a0 l’entier m défini
n
X
1 - 13 Ⓢ ⋆⋆⋆ Récurrence noethérienne par m = ak Fk . Une telle écriture est appelée repré-
k=0
On utilise la notion d’ordre noethérien définie à sentation de Fibonacci de m. Elle n’est a priori pas
l’exercice 1 - 12. unique. Si, de plus, la suite ne prend pas la valeur 1
a. Vérifier que ≤ est un ordre noethérien sur N. de façon consécutive (i.e. ak = 1 =⇒ ak+1 = 0) on dit
b. Soit E = N \ {0, 1}. Vérifier que la relation a | b qu’on a affaire à une représentation de Zeckendorff.
définit un ordre noethérien sur E. Quels sont les élé- Par exemple 8 = 1100 = 10000, la première représen-
ments minimaux de E ? tation n’étant pas une représentation de Zeckendorff,
c. Vérifier que l’ordre lexicographique est un ordre noe- alors que la seconde l’est.
thérien sur N2 . Quels sont les éléments minimaux de a. Donner une relation entre σn et Fn+1 , ainsi qu’entre
N2 ? Sn et Fn+2 .
d. En déduire un ordre noethérien sur Q+ . b. Déterminer les représentations de Fibonacci de 44
e. Soit R un ordre noethérien sur un ensemble E. On et préciser si ce sont des représentations de Zecken-
notera que R n’est pas nécessairement un ordre to- dorff.
tal. On note < l’ordre strict associé. Montrer le prin- c. On se donne une représentation de Zeckendorff
cipe de récurrence noethérienne : soit X une partie an an−1 · · · a0 d’un entier m.
de E vérifiant i. Montrer m ≤ σn .
∀x ∈ E , (∀y ∈ E y < x =⇒ y ∈ X) =⇒ x ∈ X ii. En déduire que Fn est le plus grand des termes
de (Fk )k∈N majorés par m.
alors X = E.
iii. Démontrer que tout entier admet exactement
Entiers naturels une représentation de Zeckendorff.
iv. Calculer la représentation de Zeckendorff de
1 - 14 Ⓢ ⋆⋆ Suite de Fibonacci 444.
La suite de Fibonacci est donnée par F0 = 0, F1 = 1 d. Déterminer les représentations de Zeckendorff de
et, ∀n ∈ N∗ , Fn+1 = Fn + Fn−1 . σn et Sn .
a. Démontrer que pour tous entiers naturels n et m, on e. On s’intéresse au nombre δ(m) de représentations de
a Fn+m = Fn+1 Fm + Fn Fm−1 . Fibonacci de m.
b. En déduire Fn+m ∧ Fm = Fm ∧ Fn puis Fm ∧ Fn =
i. Montrer qu’on a : δ(m) = 1 si et seulement si
Fm∧n (où a ∧ b désigne le PGCD de a et b).
√ m est l’un des σn .
c. Soit φ = (1 + 5)/2. Démontrer qu’on a Fn =
ii. Établir la relation de récurrence δ(Fn ) = 1 +
φn − (−φ)−n
√ et que Fn est l’entier le plus proche δ(Fn−2 ) et en déduire la valeur de δ(Fn ).
5
φn f. Démontrer que, sur JFn − 1; Fn+1 − 1K, le graphe de
de √ . δ est symétrique.
5

François Sauvageot - Lycée Lesage - Vannes - c b n a - 2022-2023

66 1.16. EXERCICES

1 - 17 Ⓢ ⋆⋆⋆ Algorithme d’Euclide droites qu’ils définissent deux à deux soient deux à deux
Soit (Fn ) la suite de Fibonacci (voir 1 - 14). sécantes en des points distincts.
En combien de points ces droites se coupent-elles ?
a. Soit x et y des entiers tels que 0 < y < x et d = x∧y.
Montrer que si l’algorithme d’Euclide appliqué à x 1 - 24 Ⓢ ⋆⋆
et y admet n étapes, alors x ≥ dFn+2 et y ≥ dFn+1 . Quel est le nombre de diagonales d’un polygone
b. Montrer que le nombre d’étapes dans l’algorithme convexe à n côtés ?
d’Euclide appliqué à x et y avec 0 ≤ y ≤ x est 1 - 25 Ⓢ ⋆⋆
inférieur à 5 fois le nombre de chiffres de y en base
10. Un employé New Yorkais habite au carrefour de 5th
c. Montrer que le nombre d’étapes précédent est au street et 3rd avenue. Il travaille au carrefour de 12th
3 street et 13th avenue et décide de prendre un chemin
plus log2 (y) + 1. différent tous les jours (mais de longueur minimale !) et
2
ce, le plus longtemps possible.
Ensembles dénombrables Combien de jours tiendra-t-il ?

1 - 18 Ⓢ ⋆⋆⋆ 1 - 26 Ⓢ ⋆⋆

On appelle nombre algébrique tout nombre complexe a. A quelle condition nécessaire et suffisante portant
z tel qu’il existe un polynôme P dans Z[X] dont il soit sur (Y, Z) dans P (X)2 l’application φ de P (X)
racine, i.e. tel qu’il existe un entier naturel non nul n dans P (Y ) × P (Z) qui à A associe (A ∩ Y, A ∩ Z)
et des entiers relatifs (a0 , . . . , an ) vérifiant an ̸= 0 et est-elle injective ? surjective ? bijective ?
an z n + · · · + a1 z + a0 = 0. On note Q l’ensemble des b. Établir la relation valable pour tous entiers (p, q, r)
nombres algébriques. vérifiant r ≤ p + q
Montrer que Q est dénombrable.
min(p,r)
p+q
    
X p q
= .
Dénombrements et probabilités élémentaires r i r−i
max(0,r−q)

1 - 19 Ⓢ ⋆
1 - 27 Ⓢ ⋆⋆
Soit E un ensemble fini de cardinal n.
Soit n et p des entiers naturels.
Calculer le nombre de recouvrements de E du type n  
n+1
 
(E1 , E2 ) avec E = E1 ∪ E2 et Card(E1 ∩ E2 ) = 1. X k
a. Démontrer, pour p ≤ n, = et en
p p+1
k=p
1 - 20 ⋆ n
X
On lance une pièce et l’on obtient pile avec une pro- déduire k3 .
babilité p dans ] 0; 1 [ . k=0
Quelle est la probabilité, en effectuant autant de lan- n
X n
cers que nécessaire, d’obtenir deux piles consécutifs sans b. Calculer k .
k
avoir eu auparavant une séquence pile-face ? k=0

1 - 28 Ⓢ X 2002 ⋆⋆
1 - 21 Ⓢ ⋆⋆ Chevalier de Méré
Quel est le plus probable : jouant avec un dé, obte- a. Déterminer le nombre Fn de façons de recouvrir un
nir au moins une fois 6 en quatre coups, ou, jouant avec damier de dimension 2 × n par des dominos blancs
deux dés, obtenir au moins une fois deux 6 en vingt- de dimension 1 × 2.
quatre coups ? b. Montrer que, si n est assez grand, alors Fn est la
√ n+1
On s’interdira un calcul instrumenté et on utilisera 1 1 1+ 5

une inégalité de concavité pour conclure. partie entière de + √ .
2 5 2
1 - 22 Ⓢ ⋆⋆ 1 - 29 Ⓢ ⋆⋆⋆ Inégalité triangulaire
De combien de manières différentes peut-on placer p Pour A et B deux événements observables. On pose
objets sur un damier n × n de sorte qu’il y ait au plus d(A, B) = P (A∆B). Si A ∪ B est négligeable, on pose
un objet par ligne et par colonne ? P (A∆B)
d′ (A, B) = 0 et sinon d′ (A, B) = .
P (A ∪ B)
1 - 23 Ⓢ ⋆⋆ a. Démontrer d(A, C) ≤ d(A, B) + d(B, C), avec A, B,
Étant donné n points du plan affine réel, avec n ≥ 4, C des événements observables.
tels que trois d’entre eux ne soient jamais alignés et les b. Même question pour d′ .

François Sauvageot - Lycée Lesage - Vannes - c b n a - 2022-2023

 CHAPITRE 1. STRUCTURES MÈRES 67

1 - 30 Ⓢ X 2007 ⋆⋆⋆ Dérangements 1 - 36 Ⓢ ⋆

Un dérangement est une permutation sans point fixe. On lance deux dés, un vert et un bleu, et on introduit
p    les événements
X n n−k
a. †Calculer (−1)k pour p ≤ n. — A : le dé vert tombe sur 1,
k p−k
k=0
— B : l’un des deux dés tombe sur 1
b. Soit Dn le nombre de dérangements d’un ensemble
E à n éléments. On pose D0 = 1. Montrer — C : la somme des deux dés est 7.
n  
X n Quels sont les événements indépendants parmi eux ?
Dn−k = n! .
k
k=0 1 - 37 Ⓢ ⋆
n
X (−1)k On note A l’ensemble de tous les intervalles de R
c. Établir la formule Dn = n! .
k! de la forme ] a; b ] avec −∞ ≤ a ≤ b ≤ +∞ et les
k=0
conventions ] a; a ] = ∅ et ] a; +∞ ] = ] a; +∞ [ . Est-ce
d. Quelle est la limite de Dn /n! ? une tribu ?
e. Quel est le nombre moyen de points fixes d’une per-
mutation de Sn ? 1 - 38 Ⓢ ⋆
Soit (Ai )i∈I une partition dénombrable de Ω. Décrire
1 - 31 Ⓢ X 2013 ⋆⋆⋆
la plus petite tribu la contenant.
Soit E un ensemble non vide, A1 , · · · , An des parties
de E et PE (A1 , . . . , An ) l’ensemble de toutes les parties 1 - 39 Ⓢ ⋆ Anagrammes
de E que l’on peut former avec des opérations ensem-
a. Combien y a-t-il d’anagrammes du mot ananas ?
blistes (union, intersection, complémentaire) en utilisant
A1 , . . ., An . b. En permutant au hasard ses lettres, quelle est la pro-
a. Déterminer maxA1 ,...,An |PE (A1 , . . . , An )| en fonc- babilité de retomber sur le mot ananas ?
tion de n. 1 - 40 Ⓢ CCP 18 ⋆ Covariance
b. Déterminer quand ce maximum est atteint. Soit (Ω, A, P) un espace probabilisés et A et B deux
1 - 32 Ⓢ X 2003 ⋆⋆⋆ Formule de Legendre observables.
1
a. Montrer, pour x ∈ [ 0; 1 ] , x(1 − x) ≤ .
a. Soit p un nombre premier et n un entier naturel. 4
Montrer b. Montrer, pour A et B incompatibles,
+∞  
n 1
X
vp (n! ) = P (A) P (B) ≤ .
pk
k=1
4
où vp (x) désigne la valuation p-adique d’un entier c. On pose c = P (A ∩ B) − P (A) P (B).
x. On montrera au préalable que la somme est en i. Montrer
réalité finie.
c = P (A ∩ B) P A − P A ∩ B P (A) .



n+m
 
b. En déduire que, pour m et n dans N, di-
n
1
2n 2m ii. Montrer |P (A ∩ B) − P (A) P (B)| ≤ .
  
vise . 4
n m iii. Déterminer les cas d’égalité.

Espaces probabilisés 1 - 41 Ⓢ ⋆⋆ Dé pipé

On considère un dé vert équilibré et un dé bleu pipé.
1 - 33 ⋆ Indépendance mutuelle Ce dernier a une chance sur 3 de tomber sur un 6 et
Exhiber trois événements deux à deux indépendants ses autres résultats sont équiprobables. Deux personnes
qui ne sont pas mutuellement indépendants. s’affrontent en lançant le dé suivant la règle suivante : le
plus haut score l’emporte, et en cas d’égalité c’est celui
1 - 34 Ⓢ ⋆ qui a lancé le dé vert qui gagne.
Soit (An )n∈N une suite d’événements deux à deux Quel dé vaut-il mieux prendre pour jouer ?
incompatibles. Montrer lim P (An ) = 0.
1 - 42 Ⓢ ⋆⋆ Continuité monotone en ∅
1 - 35 Ⓢ ⋆ Soit P une application additive de A dans [ 0; 1 ] telle
Soit A et B deux événements observables non né- que P(Ω) = 1. On suppose que pour toute suite dé-
gligeables. Montrer P (A | B) ≥ P (A) ⇐⇒ P (B | A) ≥ croissante (An )n∈N d’événements observables vérifiant
P (B). lim ↓ An = ∅, on a lim P (An ) = 0.

François Sauvageot - Lycée Lesage - Vannes - c b n a - 2022-2023

68 1.16. EXERCICES

Montrer que P est une probabilité. Quelle est la probabilité d’en observer deux en un
quart d’heure ?
1 - 43 Ⓢ ⋆⋆⋆
1 - 49 Ⓢ ⋆
Une limace se déplace sur les arêtes d’un cube posé
au sol. Au moment où elle démarre son périple, elle est Comparer P(X ∈ 2N) et P(X ∈ 1 + 2N) quand X
sur un des sommets, au sol. On place deux feuilles de lai- suit une loi G (p), GN (p) ou P (λ).
tues, l’une au sommet opposé à son sommet de départ 1 - 50 Ⓢ ⋆⋆ Loi hypergéométrique
et l’autre à la verticale de ce dernier (donc au sol). La
limace commence alors à se déplacer et, à chaque som- a. Déterminer la loi que suit un tirage aléatoire de n
met, elle emprunte au hasard une des arêtes de façon boules parmi N , sachant que la répartition initiale
uniforme. Autrement dit elle peut revenir en arrière et est telle qu’il y a une proportion p de boules vertes et
chaque arête a une probabilité 1/3 d’être choisie. Son pé- 1 − p de boules rouges, et que l’on compte le nombre
riple se termine quand elle trouve une feuille de laitue : de boules vertes. On parle de la loi hypergéométrique
elle peut alors la manger ! de paramètres N , n et p, notée H(N, n, p).
a. On cherche la probabilité p que la limace mange la b. En déduire la
 formule  de Vandermonde
n
a+b
 
feuille au sol. En introduisant les probabilités que la X a b
= .
limace mange cette même feuille mais en partant k n−k n
k=0
d’un autre sommet, établir un système de quatre
c. On fixe n dans N et k dans J0; nK. Soit, pour N
équations à quatre inconnues, dont p.
supérieur à n, XN tel que XN ∼ H(N, n, pN ) avec
b. Déterminer p. lim
pN = p ∈ ] 0; 1 [ . Montrer lim P(XN = k) =
c. Quelle est la probabilité que la limace mange la
n
k
pk (1 − p)n−k . Interpréter. On rappelle la for-
feuille en l’air ? mule de√Stirling, pour n tendant vers l’infini on
2πnn+1/2
d. Quelle est la probabilité que la limace erre indéfini- a n! ∼ .
ment sans trouver de pitance ? en
1 - 51 Ⓢ ⋆⋆ Loi binomiale négative
Variables aléatoires discrètes On se donne une suite (Xk )k∈N∗ de variables aléa-
toires indépendantes et identiquement distribuées sui-
1 - 44 Ⓢ ⋆
vant une loi B (p). On note, pour r dans N∗ ,
Donner la loi de X 2 si X ∼ B (p) ou X ∼ U (J−2; 3K).
X = min {n ∈ N∗ | X1 + · · · + Xn = r} .
1 - 45 Ⓢ ⋆ a. Montrer P(X = n) = −r pr (p − 1)k où k = n − r.


k
Un produit est vendu par lots de 10 et la société qui b. Montrer que X est une variable aléatoire presque
les vend s’engage à les rembourser s’ils contiennent au sûrement finie.
moins deux produits défectueux. c. En déduire une expression de la probabilité pour que
Chacun des produits a une probabilité 1% d’être dé- le re succès intervienne avant le se échec dans la suite
fectueux. (Xk )k∈N∗ .
Quelle est la proportion moyenne de lots que la so-
d. Stefan Banach était un fumeur invétéré. Il avait
ciété devra rembourser ?
une boîte d’allumettes dans chaque poche et pre-
1 - 46 Ⓢ ⋆ nait au hasard une boîte dans une de ses poches
pour prendre une allumette. Au moment où il veut
Sachant qu’il y a en moyenne une faute toutes les prendre une allumette dans une boîte et qu’il la dé-
deux pages dans un cours de six cents pages, quelle est couvre vide, quelle est la probabilité pour que l’autre
la probabilité qu’il y ait effectivement une erreur dans boîte soit également vide ?
une page donnée ?
1 - 52 ⋆⋆ Modes
1 - 47 Ⓢ ⋆
Soit X suivant une loi P (λ). Déterminer son ou ses
Sachant qu’il y a en moyenne cinq défauts sur cent modes, i.e. les entiers de probabilité maximale selon X.
mètres de tissus et que le tissu est débité en coupons
de trois mètres, quelle est la proportion de coupons sans 1 - 53 Ⓢ ⋆⋆ Maximum d’une loi uniforme
défaut que l’on peut espérer ? On tire au hasard des notes entre 0 et 20, i.e. on se
donne (Xk )1≤k≤n des variables aléatoires indépendantes
1 - 48 Ⓢ ⋆ et identiquement distribuées de loi U (J0; 20K). On s’in-
Par un soir d’été on observe en moyenne une étoile téresse à la note maximum, i.e. Yn = max1≤k≤n Xk .
filante toutes les dix minutes. a. Montrer que Yn est une variable aléatoire.

François Sauvageot - Lycée Lesage - Vannes - c b n a - 2022-2023

 CHAPITRE 1. STRUCTURES MÈRES 69

b. Pour n = 4, calculer P(Y4 ≤ 10). Comparer avec le a. En utilisant la formule de Stirling

 rappelée en 1
résultat obtenu si on tirait au hasard les notes avec 1 (kn − np)2
- 54, montrer pn ∼ √ exp − .
des jetons numérotés, sans remise. 2πnpq 2npq
c. Calculer P (Y4 < 10 | Y4 ≤ 10) et en déduire Interpréter.
P (Y4 = 10 | Y4 ≤ 10). b. Soit ε > 0 et F la fonction de répartition de la loi
d. En déduire P(Y4 = 10). Comparer avec le tirage sans gaussienne centrée réduite (que l’on trouve dans des
remise dans le cas n = 4. tables), i.e. pour x et y réels,

e. Montrer lim P(Yn < 20) = 0. y

dt
Z
2
F (y) − F (x) = e−t /2
√ ,
x 2π
1 - 54 Ⓢ ⋆⋆ Élections américaines
On définit la puissance électorale lors d’une élection lim−∞ F = 0 et lim+∞ F = 1. Montrer
√ √
par l’espérance du nombre de sièges que peut rapporter P (|Xn − np| ≤ nε) ≃ 2F (ε n/ pq) − 1.
un vote individuel, autrement dit comme le produit de la c. Reprendre l’exercice 1 - 55 et comparer les approxi-
probabilité pour que le vote fasse basculer l’élection par mations.
le nombre de sièges à pourvoir. Dans un État des USA, d. Soit p = 0, 4 et n = 1500. Quelle est la probabilité
le nombre de sièges accordé après une élection est de la que f soit compris entre 0,40 et 0,44 ?
forme pn + 2 où n est la taille de la population de l’État
et p une constante de proportionnalité (le 2 correspond 1 - 57 ⋆⋆⋆ Paradoxe des anniversaires
au Sénat).
On se donne (Xk )1≤k≤n des variables aléa-
a. On suppose que la taille de la population est im- toires indépendantes et identiquement distribuées se-
paire et on pose n = 2k + 1. Montrer que la proba- lon U (J1; 365K). On note Tn la variable égale à 0 si
bilité qu’un vote donné fasse basculer l’élection est Card {Xk | 1 ≤ k ≤ n} = n et à 1 sinon.
approximativement égale à (kπ)−1/2 . On pourra uti- a. Montrer que Tn est une variable aléatoire.
liser la formule de√Stirling : pour n tendant vers
2πnn+1/2 b. Montrer que Tn suit une loi de Bernoulli de para-
l’infini on a n! ∼ . mètre pn que l’on déterminera. Montrer en particu-
en 1
b. Qui a la plus grande puissance électorale entre les ha- lier p23 > et p50 ∼ 97%.
2
bitant(e)s d’un État fortement peuplé et ceux d’un c. Pour 1 ≤ k < ℓ ≤ n, on note Yk,ℓ la variable donnée
État moins peuplé ? par 1Xk =Xℓ .
1 - 55 Ⓢ ⋆⋆ Estimation binomiale i. Quelle est la loi des variables Yk,ℓ ?
Soit p la probabilité d’un événement A. On effec- ii. Les variables Yk,ℓ sont-elles deux à deux indé-
tue n épreuves indépendantes et on désigne par f la pendantes ? mutuellement indépendantes ?
fréquence relative de A dans cette série d’épreuves. On
X
iii. On note Yn = Yk,ℓ . Peut-on justifier
rappelle que si X suit une loi binomiale B (n, p) et a est 1≤k<ℓ≤n
dans R+ ∗
, l’inégalité de Bienaymé-Tchebychev fournit n(n − 1)
 
P (|X − np| > a) ≤ np(1 − p)a−2 . qu’on a P(Yn = 0) ≈ exp − ?
730
a. Soit p = 0, 375. Combien d’épreuves suffit-il pour iv. En utilisant l’approximation précédente, trou-
que la probabilité d’avoir |f − p| ≤ 0, 01 soit supé- 1
ver n tel que P(Yn = 0) ≤ .
rieure à 0,995 ? 2
2 d. Utiliser les approximations faites dans la question
b. Soit p = et n = 1200. Comment choisir ε pour
3 précédente pour montrer que, pour n ≥ 84, la pro-
que la probabilité d’avoir |f − p| ≤ ε soit supérieure babilité pour que la suite (Xk )1≤k≤n prenne trois
à 0,985 ? 1
fois la même valeur est supérieure à .
c. Soit n = 14400. Pour quelles valeurs de p la pro- 2
babilité d’avoir |f − p| ≤ 0, 01 est-elle supérieure à
1 - 58 ⋆⋆⋆ Théorème de Simmons
0,99 ?
1
Soit X ∼ B (n, p) avec p < et tel que np soit en-
1 - 56 Ⓢ ⋆⋆⋆ Approximation Gaussienne 2
tier. On pose m = np et on veut démontrer P(X ≤ m) >
Soit Xn ∼ B (n, p). On suppose p constant et on fait P(X > m).
tendre n vers l’infini. Soit (kn ) une suite d’entiers, avec
a. On pose Br = pm−r q n−m+r et Cr =
n


(kn − np)3
m+r n−m−r m−r
kn dans J0; nK, telle qu’on ait lim = 0. On n
p q . Montrer qu’il existe k dans
n2 m+r
pose q = 1 − p et pn = P (Xn = kn ). J1; mK tel que : (Br < Cr ) ⇐⇒ (k ≤ r).

François Sauvageot - Lycée Lesage - Vannes - c b n a - 2022-2023

70 1.16. EXERCICES

b. En déduire qu’on a toujours (k − r − 1)Br ≥ (k − a. Montrer que les applications d et u définies par
r − 1)Cr et donner les cas d’égalité. d(P ) = P ′ et u(P ) = P − P ′ sont des endomor-
m
X n−m
X phismes de E.
c. Montrer rBr = rCr . b. Montrer que u est inversible et exprimer u−1 au
r=0 r=0 moyen de d.
d. Conclure.
1 - 64 ⋆ Composition et noyau
Algèbre linéaire Pour u ∈ L (E, F ) et v ∈ L (F, G), montrer
dim(Ker(v ◦ u)) ≤ dim(Ker(u)) + dim(Ker(v)).
1 - 59 ⋆ Espaces vectoriels
1 - 65 ⋆ Composition et rang
Déterminer si les équations suivantes définissent des
R-espaces vectoriels. Si oui, en donner dimension et Pour u et v dans End(E), montrer dim(E) + rg(v ◦
base. u) ≥ rg(v) + rg(u).

1. (x + y)2 + (x − y)2 = 0 1 - 66 Ⓢ ⋆ Image réciproque

2. (x + y) − (x − y) = 0
2 2
Soit u ∈ L (E, F ) avec E de dimension finie. Soit
H
3. ex ey = 0 un sous-espace vectoriel de F . Établir dim u−1 (H) =
dim E − rg(u) + dim (H ∩ Im(u)).
4. sin2 (x) + sin2 (y) = 0
5. (x − y)2 − (y − z)2 − (z − x)2 = 2(x − z)(z − y) 1 - 67 Ⓢ ⋆ Valeurs absolues
6. xz + y 2 = x + 2y − z = 0 Soit (ai )i∈I une famille de réels deux à deux distincts
et (fi )i∈I la famille de fonctions de C(R, R) définie par
7. x + y + z + t = x − y − z − t = 0
fi : x → |x − ai |. Cette famille est-elle libre ?
1 - 60 ⋆ Calcul de coordonnées 1 - 68 ⋆⋆ Endomorphismes de carré nul
Dans l’espace R , on donne les vecteurs x1 =
4
Pour E de dimension inférieure à 3, donner tous les
(1, 1, 2, 1), x2 = (1, −1, 0, 1), x3 = (0, 0, −1, 1), x4 = u dans End(E) tels que u ◦ u = 0.
(1, 2, 2, 0) et x = (1, 1, 1, 1).
1 - 69 ⋆⋆ Supplémentarité de l’iamge et du
a. Montrer que les quatre vecteurs (xi )1≤i≤4 forment noyau
une base de R4 .
Soit u dans End(E). Montrer que les quatre proprié-
b. Déterminer les coordonnées de x dans la base
tés suivantes sont équivalentes :
(xi )1≤i≤4 .
1. E = Im(u) + Ker(u) (c) Im(u ◦ u) = Im(u)
1 - 61 ⋆ Espace engendré 2. E = Im(u) ⊕ Ker(u) (d) Ker(u ◦ u) = Ker(u).
Dans un espace vectoriel E sur le corps des com- 1 - 70 ⋆⋆ Corps des complexes
plexes, on donne trois éléments a, b et c et on pose
On se place dans l’espace vectoriel E des matrices
u = b + c, v = c + a et w = a + b.
2 × 2 à coefficients réels, i.e. E = M2 (R).
a. Montrer que les sous-espaces vectoriels engendrés a. Soit A = ( ac db ) dans E, calculer A2 et montrer qu’il
par a, b et c d’une part et u, v et w de l’autre sont existe des réels α et β tels que A2 = αA + βI2 .
identiques.
b. Dans quel cas ces coefficients α et β ne sont pas
b. Montrer que les vecteurs u, v et w sont indépendants uniques ?
(i.e forment une famille libre) si et seulement si a, b
c. On note F le sous-espace vectoriel engendré par A
et c le sont.
et I2 . Quelle est sa dimension ?
1 - 62 ⋆ cos et sin d. Montrer que si B appartient à F et est inversible,
son inverse appartient à F .
Soit E le R-espace vectoriel des fonctions de la
forme x 7→ f (x) = a cos(x) + b sin(x) + c pour a, b et e. Déterminer quand F admet une structure de corps.
c réels. Soit φ et ψ
de E dans lui-même définies par f. Lorsque a = d = 0 et b = −c = 1, montrer que ce
φ(f )(x) = f π2 − x et ψ(f )(x) = f ′ (x). corps est isomorphe au corps des complexes.
a. Montrer que φ et ψ sont des endomorphismes de E. 1 - 71 Ⓢ ⋆⋆ Centre ♥
b. Comparer φ ◦ ψ et ψ ◦ φ. Soit E un K-espace vectoriel de dimension su-
périeure à 2 et A partie de L (E). On appelle
1 - 63 ⋆ Dérivation commutant de A l’ensemble donné par c(A) =
Soit E l’espace vectoriel des polynômes à coefficients {u ∈ L (E) | ∀a ∈ A , [a, u] = 0} et centre de L (E) le
complexes de degré inférieur (ou égal) à n. commutant de L (E).

François Sauvageot - Lycée Lesage - Vannes - c b n a - 2022-2023

 CHAPITRE 1. STRUCTURES MÈRES 71

a. Montrer que le centre de L (E) est constitué des ho- b. A quelle condition N et N ′ , nilpotentes de la forme
mothéties de E. précédente, commutent-elles (i.e. N N ′ = N ′ N ) ? Vé-
b. On suppose E euclidien. Déterminer le commutant rifier qu’alors log(N N ′ ) = log(N ) + log(N ′ ).
de O(E). c. Lorsque U est unipotente, on pose log(U ) =
c. On suppose de plus E orienté. Déterminer le com- In − U (In − U )2 (In − U )r
− − −···− + · · · . Véri-
mutant de SO(E). 1   2 r
1 x z
fier que 0 1 y est unipotente (ici x, y et z sont des
1 - 72 Ⓢ X 2003 ⋆⋆ Endomorphisme nilpotent 0 0 1
scalaires quelconques) et calculer son logarithme.
Soit f ∈ L (E). Montrer qu’on a f 2 = 0 si et seule- d. A quelle condition U et U ′ , unipotentes de
ment si ∃(g, h) ∈ L (E)2 , f = g ◦ h et h ◦ g = 0. la forme précédente, commutent-elles ? Vérifier
1 - 73 Ⓢ ⋆⋆ Formule de Grassmann qu’alors exp(U + U ′ ) = exp(U ) exp(U ′ ).
e. Montrer qu’on a exp(log(U )) = U et log(exp(N )) =
Soit E et F deux sous-espaces vectoriels d’un même
N.
espace vectoriel de dimension finie. On écrit la suite
d’applications linéaires 1 - 77 Ⓢ ⋆⋆⋆ Espace quotient ♠
{0} −→ E ∩ F −→ E × F −→ E + F −→ {0} Soit F un sous-espace vectoriel de E espace vecto-
riel de dimension quelconque. On munit E de la relation
donnée respectivement par l’application nulle, x 7→ d’équivalence R définie par xRy ⇔ x − y ∈ F .
(x, −x), (x, y) 7→ x + y et l’application nulle. On note a. On munit l’ensemble quotient, noté E/F , des « lois
(uk )0≤k≤3 ces applications et (Ek )0≤k≤4 les espaces vec- quotients » définies par
toriels considérés.
En utilisant le théorème du rang, montrer x+y =x+y et λ.x = λ.x .
3
X
(−1) k+1
dim(Ek ) = 0 et en déduire la formule de Montrer que E/F admet alors une structure d’es-
k=1 pace vectoriel et que la projection canonique π de E
Grassmann. dans E/F est une application linéaire surjective.
1 - 74 Ⓢ ⋆⋆ Images et noyaux itérés ♥♥ b. Montrer que, si F est de codimension finie, alors
Soit E un K-espace vectoriel de dimension finie d, codim(F ) = dim(E/F ).
avec d > 0 et u dans L (E).
Géométrie euclidienne
a. Montrer que la suite (Im(un ))n∈N est décroissante
stationnaire. On définit alors 1 - 78 Ⓢ ⋆ Projection sur un plan

p = min k ∈ N  Im(uk+1 ) = Im(uk ) .

Soit E = R3 et φ l’application de E 2 dans R donnée
par
b. Que dire de la suite (Ker(un ))n∈N ?
φ(u, u′ ) = xx′ + xy ′ + x′ y + 2yy ′ + 2yz ′ + 2y ′ z + 5zz ′

c. Montrer p = min k ∈ N  Ker(uk+1 ) = Ker(uk ) .


d. Montrer que, pour n ≥ p, on a E = Im(un ) ⊕ où u = (x, y, z) et u′ = (x′ , y ′ , z ′ ).

Ker(un ).
a. Montrer qu’on a φ(u, u) = (x + y)2 + (y + 2z)2 + z 2 .
1 - 75 Ⓢ ⋆⋆ Supplémentaire commun b. Montrer que φ est un produit scalaire.
Soit E un espace vectoriel de dimension finie. Mon- On munit dorénavant E de ce produit scalaire.
trer que deux sous-espaces vectoriels de E de même di- c. Soit P le plan d’équation z = 0. Trouver une base
mension admettent un supplémentaire commun. orthonormée de P dont les deux premiers vecteurs
Indication : On pourra procéder par récurrence. de base sont dans P .
1 - 76 ⋆⋆⋆ Exponentielle et logarithme d. Quelle est la matrice dans la base canonique de la
projection orthogonale sur P ?
Toutes les matrices considérées sont carrées d’ordre
n et à coefficients complexes. On dit qu’une matrice A 1 - 79 Ⓢ ⋆ Projection sur un hyperplan
est nilpotente s’il existe un entier r ≥ 1 tel que Ar = 0,
On munit R4 de sa structure euclidienne canonique.
et unipotente si la matrice In − A est nilpotente.
Soit H l’hyperplan d’équation x + y + z + t = 0 et p la
a. Lorsque N est nilpotente, on pose exp(N ) = In + projection orthogonale sur H.
N N2 Nr
0 a c
+ +· · ·+ +· · · . Vérifier que 0 0 b est nil- a. Pour u dans R4 , calculer ∥u − p(u)∥.
1! 2! r! 0 0 0
potente (ici a, b et c sont des scalaires quelconques) b. Quelle est la matrice de p dans la base canonique de
et calculer son exponentielle. R4 ?

François Sauvageot - Lycée Lesage - Vannes - c b n a - 2022-2023

72 1.16. EXERCICES

1 - 80 Ⓢ ⋆ Symétrie hyperplane a. On se donne u et v deux entiers naturels et on initia-

lise un couple à (u, v). On se donne ensuite les règles
On munit R de sa structure euclidienne canonique.
4
suivantes, avec q = [ v/u ] :
Soit H le sous-espace de R4 engendré par les trois vec-
teurs donnés par u1 = (1, 1, 0, 1), u2 = (−2, 0, 1, 1) et
u3 = (0, 1, 0, 1). [0 < u ≤ v] : (u, v)7→(u, v − u)
a. Montrer que H est un hyperplan et en donner un [0 < v ≤ u] : (u, v)7→(u − v, v)
équation. [ u=0 ] : (u, v)7→v
b. Trouver un vecteur unitaire dans H ⊥ . [ v=0 ] : (u, v)7→u
c. Quelle est la matrice de la symétrie orthogonale par
rapport à H dans la base canonique de R4 ? b. On se donne x et y deux entiers naturels et on ini-
tialise un sextuplet à (x, 1, 0, y, 0, 1). On se donne
1 - 81 Ⓢ ⋆ Projection sur un plan
ensuite les règles suivantes :
On munit R4 de sa structure euclidienne cano-
nique et on se donne les vecteurs (ui )1≤i≤4 donnés par [u ̸= 0] : (u, c, d, v, a, b)7→(v − qu, a − qc, b − qd, u, c, d)
u1 = (1, −3, 0, 2), u2 = (3, −3, −2, 1), u3 = (1, 0, 1, 0) et
[u = 0] : (u, c, d, v, a, b)7→(v, a, b)
u4 = (0, 0, 0, 1).
a. Montrer que (u1 , u2 , u3 , u4 ) est une base de R . 4
c. On se donne un élément a dans un anneau et m un
b. Orthonormaliser cette base selon le procédé de entier strictement positif. On initialise un triplet à
Gram-Schmidt. (e, a, m) avec e l’élément neutre pour la multiplica-
c. Quelle est la matrice dans la base canonique de la tion de l’anneau. On applique ensuite les règles :
projection orthogonale sur le plan de R4 d’équations
x − 3y + 2t = 3x − 3y − 2z + t = 0 ? [ n pair ] : (y, x, n)7→(y, x2 , n/2)
[n impair ̸= 1] : (y, x, n)7→(yx, x2 , (n − 1)/2)
Compléments
[ n=1 ] : (y, x, n)7→yx
1 - 82 Ⓢ ⋆⋆ Formule du multinôme
Estimer le nombre de multiplications nécessitées par
Soit p ≥ 2 et (ai )1≤i≤p ∈ Ap une famille d’éléments
cet algorithme.
commutants deux à deux. !n
Montrer que, pour tout entier naturel non nul n, on 1 1
a d. Montrer que les coefficients de la matrice
1 0
n! sont des termes de la suite de Fibonacci et les pré-
X α
(a1 + a2 + · · · + ap ) =
n
aα1 · · · ap p
α1 ! . . . αp ! 1 ciser. En déduire un algorithme rapide pour calculer
|α|=n
cette suite et préciser la rapidité en la comparant à
où la somme est étendue sur les p-uplets α dans Np , un algorithme naïf.
α = (α1 , . . . , αp ) avec |α| = α1 + · · · + αp = n.
1 - 85 Ⓢ ⋆⋆⋆ Tribus
1 - 83 Ⓢ ⋆⋆ Formule d’Euler
Soit Ω un univers et T l’ensemble des tribus sur Ω.
Soit Ω = J1; nK et, pour p premier, Ap l’événement p On munit cet ensemble de l’ordre donné par l’inclusion.
divise ω.
Montrer que les événements (Ap )p|n sont mutuelle- a. L’ensemble T admet-il un plus petit élément ? un
ment indépendants et en déduire une formule pour le plus grand ?
nombre d’entiers premiers à n dans Ω. b. Montrer que T est stable par intersection quel-
conque.
1 - 84 ⋆⋆⋆ Exponentiation rapide
c. Soit F dans P (P (Ω)), i.e. un ensemble de parties
Dans cet exercice on donne des règles de récriture : de Ω. Montrer qu’il existe une plus petite tribu dans
chaque ligne est une règle qui décrit une application. T contenant F . On l’appelle la tribu engendrée
Lorsque l’application n’est pas partout définie, son en- par F et on la note σ(F ).
semble de définition est décrit par une condition entre
crochets. Appliquer ces règles à un élément a signifie d. Montrer que si une tribu contient une partie
choisir, s’il en existe, une règle applicable à a, rempla- (Ai )1≤i≤n d’éléments non vides et disjoints deux à
cer a par le résultat de la règle, disons b, et recommen- deux, alors cette tribu contient au moins 2n élé-
cer avec b, et ainsi de suite tant qu’on peut continuer. ments.
La procédure s’arrête quand on ne peut plus continuer. e. En déduire qu’une tribu est soit finie, soit non dé-
Commenter les algorithmes suivants. nombrable (et même admet la puissance du continu).

François Sauvageot - Lycée Lesage - Vannes - c b n a - 2022-2023

 CHAPITRE 1. STRUCTURES MÈRES 73

1 - 86 Ⓢ ⋆⋆⋆ Théorème de Cantor-

Bernstein
Pour classer les infinis, l’idée est que s’il existe une
injection de E dans F , alors F est plus gros que E. Pour
que ce soit effectivement une bonne notion de grandeur
(on parle en fait de puissance d’un ensemble), il convient
de vérifier que si E est plus gros que F et F est plus
gros que E alors E et F ont même taille : i.e. E et F
sont équipotents. C’est l’objet du théorème de Cantor-
Bernstein (Georg Cantor, 1845–1918, et Félix Bern-
stein, 1878–1956).
a. Soit f : P (E) → P (E), croissante au sens de l’in-
clusion. Montrer qu’elle admet un point fixe.
b. Soit E un ensemble non vide, h : E → E, et D dans
P (E). Montrer qu’il existe A dans P (E) tel que
A = h(A) ∪ D.
c. Soit E et F deux ensembles tels qu’il existe deux
applications injectives f : E → F et g : F → E. On
pose D = E \ g(F ) et h = g ◦ f . D’après b., il existe
alors A tel que A = h(A) ∪ D. On pose B = E \ A.
i. Montrer qu’il existe une unique application j :
E → F telle que
— ∀x ∈ A, j(x) = f (x) ;
— ∀x ∈ B, g(j(x)) = x.
ii. Montrer que E et F sont équipotents.

François Sauvageot - Lycée Lesage - Vannes - c b n a - 2022-2023