REPUBLIQUE DEMOCRATIQUE DU CONGO

MINISTERE DES FINANCES

ECOLE INFORMATIQUE DES FINANCES
[Link]

SUPPORT DE COURS

MATHEMATIQUE

Algèbre

L1 Informatique de gestion

ANNEE ACADEMIQUE 2024 – 2025

 1

Chapitre I : Logique mathématiques

I.1. Vocabulaires usuels

1. Proposition (ou assertion ou affirmation) :
𝑈𝑛𝑒 𝑝𝑟𝑜𝑝𝑜𝑠𝑖𝑡𝑖𝑜𝑛 𝑒𝑠𝑡 𝑢𝑛 é𝑛𝑜𝑛𝑐é 𝑚𝑎𝑡ℎé𝑚𝑎𝑡𝑖𝑞𝑢𝑒 𝑝𝑜𝑢𝑣𝑎𝑛𝑡 ê𝑡𝑟𝑒 𝑣𝑟𝑎𝑖 𝑜𝑢 𝑓𝑎𝑢𝑥.

Le mot proposition est clair : on propose quelque chose, mais cela reste à démontrer.

Exemple :
- (1) : Tout nombre premier (nombre ayant 2 diviseurs, 1 et lui-même) est impair, cette proposition est fausse
- (2) : Tout réel élevé à la puissance 2 est un réel positif, cette proposition est vraie
- (3) : 2 est inférieur à 4, cette proposition est vraie
- (4) : √2 est un nombre irrationnel

2. Théorème :
𝑈𝑛 𝑡ℎé𝑜𝑟è𝑚𝑒 𝑒𝑠𝑡 𝑢𝑛𝑒 𝑝𝑟𝑜𝑝𝑜𝑠𝑖𝑡𝑖𝑜𝑛 𝑑é𝑚𝑜𝑛𝑡𝑟é𝑒 𝑣𝑟𝑎𝑖𝑒.
D’une manière générale, on a tendance à appeler proposition la plupart des théorèmes pour réserver le mot
théorème aux plus grands d’entre eux (théorème de Pythagore, Thalès, …).

I.2. Proposition logique

On rappelle qu’une proposition est un énoncé ayant un sens et pouvant être vrai ou faux. On dit alors que les deux
valeurs de vérité d’une proposition sont « vrai » et « faux ».
D’une manière usuelle on désigne les propositions par des lettres majuscules: 𝐴, 𝐵, 𝐶 … , 𝑃, 𝑄; 𝑅, … et on leur
attribue une valeur de vérité : 𝑣𝑟𝑎𝑖 (𝑣 𝑜𝑢 1) ou 𝑓𝑎𝑢𝑥 (𝑓 𝑜𝑢 0).

Exemple :
- “3 𝑒𝑠𝑡 𝑢𝑛 𝑒𝑛𝑡𝑖𝑒𝑟 𝑝𝑎𝑖𝑟”
- “7 𝑒𝑠𝑡 𝑢𝑛 𝑛𝑜𝑚𝑏𝑟𝑒 𝑝𝑟𝑒𝑚𝑖𝑒𝑟”
- “𝑇𝑜𝑢𝑙𝑜𝑢𝑠𝑒 𝑒𝑠𝑡 𝑢𝑛𝑒 𝑣𝑖𝑙𝑙𝑒 𝑑’𝐸𝑠𝑝𝑎𝑔𝑛𝑒”
Mais l’énoncé :
- “𝑛 ∈ ℕ et 𝑛 est pair” n’est pas une proposition, parce qu’elle n’est ni vraie, ni fausse : sa valeur de vérité
dépend donc de 𝑛.

Notons alors par 𝒱𝑎 l’ensemble des valeurs de vérité d’une proposition 𝑃. Donc 𝒱𝑎 = {𝑣, 𝑓} ou 𝒱𝑎 = {0,1}
En désignant par 𝒞 la collection des propositions logique, définissons alors l’application ℎ de la manière suivante :
ℎ: 𝒞 → 𝒱𝑎
1 𝑠𝑖 𝑃 𝑒𝑠𝑡 𝑣𝑟𝑎𝑖𝑒
𝑃 ↦ ℎ(𝑃) = {
0 𝑠𝑖 𝑃 𝑒𝑠𝑡 𝑓𝑎𝑢𝑠𝑠𝑒
Nous dirons alors que ℎ(𝑃) est la valeur de vérité de la proposition 𝑃.
Exemple :
ℎ(3.4 = 12) = 1
ℎ(1 𝑒𝑠𝑡 𝑢𝑛 𝑐ℎ𝑖𝑓𝑓𝑟𝑒 𝑝𝑎𝑖𝑟) = 0

I.3. Table de vérité (des propositions)

Si 𝑃 est une proposition (un énoncé sans ambigüité), 𝑃 peut avoir la valeur "𝑣𝑟𝑎𝑖" ou la valeur "𝑓𝑎𝑢𝑥". Cette
situation est représentée dans une table appelée : "𝑇𝑎𝑏𝑙𝑒 𝑑𝑒 𝑉é𝑟𝑖𝑡é 𝑑𝑒 𝑃 " (table de toutes les éventualités).
Note : les éventualités des valeurs de vérité à représenter dans une table de vérité sont données par la formule 2𝑛 ,
avec 𝑛 le nombre de proposition.

𝑗. 𝑚𝑖𝑠𝑠𝑖 2025
 2

Table de vérité d’une proposition

Soit 𝑃 une proposition, les éventualités de 𝑃 sont : 21 = 2

ℎ(𝑃) ℎ(𝑃)
ou
𝑣 1
𝑓 0

Table de vérité de deux proposition 𝑃, 𝑄

Soient deux proposition 𝑃 𝑒𝑡 𝑄, les éventualités de 𝑃 𝑒𝑡 𝑄 sont : 22 = 4

ℎ(𝑃) ℎ(𝑄)
1 1
1 0
0 1
0 0

Note :

- Une proposition qui est toujours vraie est notée par 𝕍. i.e. ℎ(𝕍) = 1
- Une proposition qui est toujours fausse est notée par 𝔽. i.e. ℎ(𝔽) = 0

I.4. Connecteurs logique

I.4.1. La Bi-Implication (Equivalence Logique)

Soit 𝑃 𝑒𝑡 𝑄 deux propositions, la bi-implication logique est un connecteur qui, au couple des propositions (𝑃, 𝑄)
associe la proposition 𝑃 ⟺ 𝑄 (lire "𝑃 𝑏𝑖 − 𝑖𝑚𝑝𝑙𝑖𝑞𝑢𝑒 𝑄" 𝑜𝑢 "𝑃 𝑠𝑖 𝑒𝑡 𝑠𝑒𝑢𝑙𝑒𝑚𝑒𝑛𝑡 𝑠𝑖 𝑄") qui est 𝑣𝑟𝑎𝑖𝑒 si
𝑃 𝑒𝑡 𝑄 𝑜𝑛𝑡 𝑚ê𝑚𝑒 𝑣𝑎𝑙𝑒𝑢𝑟 𝑑𝑒 𝑣é𝑟𝑖𝑡é 𝑒𝑡 𝑓𝑎𝑢𝑥 𝑑𝑎𝑛𝑠 𝑙𝑒𝑠 𝑎𝑢𝑡𝑟𝑒𝑠 𝑐𝑎𝑠. On a :

⟺: 𝒞 × 𝒞 → 𝒞
1 𝑠𝑖 𝑃 𝑒𝑡 𝑄 𝑠𝑜𝑛𝑡 𝑣𝑟𝑎𝑖𝑒
(𝑃, 𝑄) ↦ 𝑃 ⟺ 𝑄 = {
0 𝑑𝑎𝑛𝑠 𝑙𝑒𝑠 𝑎𝑢𝑡𝑟𝑒𝑠 𝑐𝑎𝑠
On note parfois 𝑃 ≡ 𝑄 au lieu de 𝑃 ⟺ 𝑄

Table de vérité de 𝑃 ⟺ 𝑄

ℎ(𝑃) ℎ(𝑄) ℎ(𝑃 ⟺ 𝑄 )

1 1 1
1 0 0
0 1 0
0 0 1
Exemple :

a) ℎ(3 𝑑𝑖𝑣𝑖𝑠𝑒 9 ⟺ 9 𝑒𝑠𝑡 𝑚𝑢𝑙𝑡𝑖𝑝𝑙𝑒 𝑑𝑒 3) = 1

b) ℎ(5 ∈ ∅ ⟺ 5 𝑒𝑠𝑡 𝑢𝑛 𝑛𝑜𝑚𝑏𝑟𝑒 𝑖𝑚𝑝𝑎𝑖𝑟𝑒) = 0
c) "(6 est multiple de 3) ≡(3 est diviseur de 6)"
On a : 𝑃 ≡ 𝑄 car ℎ(𝑃) = 1 = ℎ(𝑄)
d) "(3x4=10) ≢(10-4=6)"
On a 𝑃 ≢ 𝑄 car 0 = ℎ(𝑃) ≠ ℎ(𝑄) = 1

TP : Montrer que

1) ℎ(𝑝 ⟺ 𝑄) = ℎ(𝑄 ⟺ 𝑃)

𝑗. 𝑚𝑖𝑠𝑠𝑖 2025
 3

2) ℎ[𝑝 ⟺ (𝑄 ⟺ 𝑅)] = ℎ[(𝑃 ⟺ 𝑄) ⟺ 𝑅]

Remarque :

L’équivalence logique joue pour les propositions, le rôle que joue l’égalité pour les nombres. Les expressions 3 +
2 et 5 ne sont pas identiques et pourtant on écrit 3 + 2 = 5. De même, les propositions (𝑥 2 = 1) et (𝑥 = 1 𝑜𝑢 𝑥 =
−1) ne sont pas identiques et pourtant on écrit (𝑥 2 = 1) ⇔ (𝑥 = 1 𝑜𝑢 𝑥 = −1)

I.4.2. La conjonction logique

Soient 𝑃 𝑒𝑡 𝑄 deux propositions logiques. Alors la conjonction logique de 𝑃 𝑒𝑡 𝑄 notée

𝑃 ∧ 𝑄 (𝑙𝑖𝑟𝑒 𝑃 𝑒𝑡 𝑄) est une application :

∧: 𝒞 × 𝒞 → 𝒞
1 𝑠𝑖 𝑃 𝑒𝑡 𝑄 𝑠𝑜𝑛𝑡 𝑣𝑟𝑎𝑖𝑒 𝑠𝑖𝑚𝑢𝑙𝑡𝑎𝑛é𝑚𝑒𝑛𝑡
(𝑃, 𝑄) ↦ 𝑃 ∧ 𝑄 = {
0 𝑑𝑎𝑛𝑠 𝑙𝑒𝑠 𝑎𝑢𝑡𝑟𝑒𝑠 𝑐𝑎𝑠
Table de verite de 𝑷 ∧ 𝑸

ℎ(𝑃) ℎ(𝑄) ℎ(𝑃 ∧ 𝑄)

1 1 1
1 0 0
0 1 0
0 0 0
Evaluation : 1000

Exemple :

a) h(2 est un nombre pair et 3 est un nombre premier)=1

b) ℎ(8 𝑒𝑠𝑡 𝑚𝑢𝑙𝑡𝑖𝑝𝑙𝑒 𝑑𝑒 4 𝑒𝑡 4 𝑒𝑠𝑡 𝑢𝑛 𝑛𝑜𝑚𝑏𝑟𝑒 𝑖𝑚𝑝𝑎𝑖𝑟𝑒)=0
c) ℎ(5 + 2 = 9)𝑒𝑡 (9 − 5 = 2)=0

Propriétés de " ∧ "

Soit P, Q et R, trois proposition, la conjonction logique" ∧ "est :

1) Commutative : ℎ(𝑃 ∧ 𝑄) = ℎ(𝑄 ∧ 𝑃)

2) Associative : ℎ[𝑃 ∧ (𝑄 ∧ 𝑅)] = ℎ[(𝑃 ∧ 𝑄) ∧ 𝑅]
3) Idempotente, : ℎ(𝑃 ∧ 𝑃) = ℎ(𝑃)
4) Admet la proposition 𝕍 pour élément neutre : ℎ(𝑃 ∧ 𝕍) = ℎ(𝑃)
5) Admet la proposition 𝔽 pour élément absorbant ℎ(𝑃 ∧ 𝔽) = 0

Preuve à l’aide de table de vérité (TP)

1) montrons que 𝑃 ∧ 𝑄 ≡ 𝑄 ∧ 𝑃

ℎ(𝑃) ℎ(𝑄) ℎ(𝑃 ∧ 𝑄) ℎ(𝑄 ∧ 𝑃)

1 1 1 1
1 0 0 0
0 1 0 0
0 0 0 0

3), 4) et 5) montrons que 𝑃 ∧ 𝑃 ≡ 𝑃 ; 𝑃 ∧ 𝕍 ≡ 𝑃 et 𝑃 ∧ 𝔽 ≡ 𝔽

ℎ(𝑃) ℎ(𝑃) ℎ(𝑃 ∧ 𝑃) ℎ(𝑃) ℎ(𝕍) ℎ(𝑃 ∧ 𝕍)

1 1 1 1 1 1
0 0 0 0 1 0

𝑗. 𝑚𝑖𝑠𝑠𝑖 2025
 4

ℎ(𝑃) ℎ(𝔽) ℎ( 𝑃 ∧ 𝔽)
1 0 0
0 0 0

2) Montrons que ℎ[𝑃 ∧ (𝑄 ∧ 𝑅)] = ℎ[(𝑃 ∧ 𝑄) ∧ 𝑅]

ℎ(𝑃) ℎ(𝑄) ℎ(𝑅) ℎ(𝑄 ∧ 𝑅) ℎ[𝑃 ∧ (𝑄 ∧ 𝑅)] ℎ(𝑃 ∧ 𝑄) ℎ[(𝑃 ∧ 𝑄) ∧ 𝑅]

1 1 1 1 1 1 1
1 1 0 0 0 1 0
1 0 1 0 0 0 0
1 0 0 0 0 0 0
0 1 1 1 0 0 0
0 1 0 0 0 0 0
0 0 1 0 0 0 0
0 0 0 0 0 0 0

I.4.3. La disjonction logique

Soient 𝑃 𝑒𝑡 𝑄 deux propositions logiques. Alors la disjonction logique de 𝑃 𝑒𝑡 𝑄 notée

𝑃 ∨ 𝑄 (𝑙𝑖𝑟𝑒 𝑃 𝑜𝑢 𝑄), est une application :

∨: 𝒞 × 𝒞 → 𝒞
1 𝑑𝑎𝑛𝑠 𝑙𝑒𝑠 𝑎𝑢𝑡𝑟𝑒𝑠 𝑐𝑎𝑠
(𝑃, 𝑄) ↦ 𝑃 ∨ 𝑄 = {
0 𝑠𝑖 𝑃 𝑒𝑡 𝑄 𝑠𝑜𝑛𝑡 𝑣𝑟𝑎𝑖𝑒 𝑠𝑖𝑚𝑢𝑙𝑡𝑎𝑛é𝑚𝑒𝑛𝑡

Table de vérité de 𝑷 ∨ 𝑸

ℎ(𝑃) ℎ(𝑄) ℎ(𝑃 ∨ 𝑄)

1 1 1
1 0 1
0 1 1
0 0 0
Evaluation : 1110

Exemple :

a) Pour être inscrit en AP1, il faut être diplômé de math physique ou diplômé d’autre section avec au moins
60%
𝑃 : "être diplômé de MP"
𝑄 : "être diplômé d’autre sections avec au moins 60%"

ℎ(𝑃) ℎ(𝑄) ℎ(𝑃 ∨ 𝑄)

1 1 1
1 0 1
0 1 1
0 0 0

b) ℎ(3 𝑒𝑠𝑡 𝑖𝑚𝑝𝑎𝑖𝑟𝑒 𝑜𝑢 3 𝑒𝑠𝑡 𝑝𝑎𝑖𝑟)=1

c) ℎ(3 ∈ ∅ 𝑜𝑢 3 𝑒𝑠𝑡 𝑚𝑖𝑙𝑡𝑖𝑝𝑙𝑒 𝑑𝑒 5 𝑑𝑎𝑛𝑠 ℕ)=0

𝑗. 𝑚𝑖𝑠𝑠𝑖 2025
 5

Propriétés de " ∨ "

Soit P, Q et R, trois propositions, la disjonction logique" ∨ " est :

1) Commutative : ℎ(𝑃 ∨ 𝑄) = ℎ(𝑄 ∨ 𝑃)

2) Associative : ℎ[𝑃 ∨ (𝑄 ∨ 𝑅)] = ℎ[(𝑃 ∨ 𝑄) ∨ 𝑅]
3) Idempotente : ℎ(𝑃 ∨ 𝑃) = ℎ(𝑃)
4) Admet la proposition 𝔽 pour élément neutre : ℎ(𝑃 ∨ 𝔽) = ℎ(𝑃)
5) Admet la proposition 𝕍 pour élément absorbant : ℎ(𝑃 ∨ 𝕍) = 0

Preuve à l’aide de table de vérité (TP)

1) montrons que 𝑃 ∨ 𝑄 ≡ 𝑄 ∨ 𝑃

ℎ(𝑃) ℎ(𝑄) ℎ(𝑃 ∨ 𝑄) ℎ(𝑄 ∨ 𝑃)

1 1 1 1
1 0 1 1
0 1 1 1
0 0 0 0

3) , 4) et 5) montrons que 𝑃 ∨ 𝑃 ≡ 𝑃 ; 𝑃 ∨ 𝔽 ≡ 𝑃 et 𝑃 ∨ 𝕍 ≡ 𝕍

ℎ(𝑃) ℎ(𝑃) ℎ(𝑃 ∨ 𝑃) ℎ(𝑃) ℎ(𝔽) ℎ(𝑃 ∨ 𝔽)

1 1 1 1 0 1
0 0 0 0 0 0

ℎ(𝑃) ℎ(𝕍) ℎ(𝑃 ∨ 𝕍)

1 1 1
0 1 1

2) Montrons que ℎ[𝑃 ∨ (𝑄 ∨ 𝑅)] = ℎ[(𝑃 ∨ 𝑄) ∨ 𝑅]

ℎ(𝑃) ℎ(𝑄) ℎ(𝑅) ℎ(𝑄 ∨ 𝑅) ℎ[𝑃 ∨ (𝑄 ∨ 𝑅)] ℎ(𝑃 ∨ 𝑄) ℎ[(𝑃 ∨ 𝑄) ∨ 𝑅]

1 1 1 1 1 1 1
1 1 0 1 1 1 1
1 0 1 1 1 1 1
1 0 0 0 1 1 1
0 1 1 1 1 1 1
0 1 0 1 1 1 1
0 0 1 1 1 0 1
0 0 0 0 0 0 0

I.4.4. La négation logique

Soit 𝑃 une proposition, la négation de 𝑃 notée "¬" 𝑜𝑢 "𝑃̅" est l’énoncé "𝑛𝑜𝑛 𝑃" qui est 𝑣𝑟𝑎𝑖 si 𝑃 est 𝑓𝑎𝑢𝑠𝑠𝑒 et
𝑓𝑎𝑢𝑥 si 𝑃 est 𝑣𝑟𝑎𝑖

¬: 𝒞 → 𝒞
1 𝑠𝑖 𝑃 𝑒𝑠𝑡𝑓𝑎𝑢𝑥
𝑃 ↦ ¬𝑃 = {
0 𝑠𝑖 𝑃 𝑒𝑠𝑡 𝑣𝑟𝑎𝑖
Table de vérité de ¬𝑷

𝑗. 𝑚𝑖𝑠𝑠𝑖 2025
 6

ℎ(𝑃) ℎ(𝑃̅)
1 0
0 1
Propriétés de la négation

Soit P et Q, deux propositions, on a :

1) ℎ(𝑃̅ ) = ℎ(𝑃)
2) ℎ(𝑃 ∧ 𝑃̅) = 0 (𝑝𝑟𝑖𝑛𝑐𝑖𝑝𝑒 𝑑𝑒 𝑛𝑜𝑛 𝑐𝑜𝑛𝑡𝑟𝑎𝑑𝑖𝑐𝑡𝑖𝑜𝑛)
3) ℎ(𝑃 ∨ 𝑃̅) = 1 (𝑝𝑟𝑖𝑛𝑐𝑖𝑝𝑒 𝑑𝑢 𝑡𝑖𝑒𝑟𝑠 𝑒𝑥𝑐𝑙𝑢)
4) ̅̅̅̅̅̅̅
ℎ(𝑃 ∧ 𝑄) = ℎ(𝑃̅ ∨ 𝑄̅ ) (𝑷𝑹𝑬𝑴𝑰𝑬𝑹 𝑳𝑶𝑰 𝑫𝑬 𝑴𝑶𝑹𝑮𝑨𝑵)
5) ̅̅̅̅̅̅̅
ℎ(𝑃 ∨ 𝑄) = ℎ(𝑃̅ ∧ 𝑄̅ ) (𝑫𝑬𝑼𝑿𝑰𝑬𝑴𝑬 𝑳𝑶𝑰 𝑫𝑬 𝑴𝑶𝑹𝑮𝑨𝑵)

Preuve à l’aide de table de vérité (3 et 5 TP)

1) montrons que 𝑃̅ ≡ 𝑃

ℎ(𝑃) ℎ(𝑃̅ ) ℎ(𝑃̅ )

1 0 1
0 1 0
2) 𝑃 ∧ 𝑃̅ ≡ 𝔽

ℎ(𝑃) ℎ(𝑃̅) ℎ(𝑃 ∧ 𝑃̅ )

1 0 0
0 1 0

4) Montrons que ̅̅̅̅̅̅̅

𝑃 ∧ 𝑄 ≡ 𝑃̅ ∨ 𝑄̅

ℎ(𝑃) ℎ(𝑄) ℎ(𝑃 ∧ 𝑄) ̅̅̅̅̅̅̅

ℎ(𝑃 ∧ 𝑄) ℎ(𝑃̅ ) ℎ(𝑄̅ ) ℎ(𝑃̅ ∨ 𝑄̅ )
1 1 1 0 0 0 0
1 0 0 1 0 1 1
0 1 0 1 1 0 1
0 0 0 1 1 1 1
Exemple :

a) ℎ(𝑎̅̅̅̅̅̅̅
= 𝑏) = ℎ(𝑎 ≠ 𝑏)
b) ℎ(𝑎̅̅̅̅̅̅̅
≤ 𝑏) = ℎ(𝑎 > 𝑏)
̅̅̅̅̅̅̅
𝑎 ≤ 𝑏 ≡ ̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅
𝑎 < 𝑏 𝑜𝑢 𝑎 = 𝑏
≡𝑎 ̅̅̅̅̅̅̅̅ ̅̅̅̅̅̅̅
< 𝑏 𝑒𝑡 𝑎 =𝑏
≡ 𝑎 ≥ 𝑏 𝑒𝑡 𝑎 ≠ 𝑏
≡ (𝑎 > 𝑏 𝑜𝑢 𝑎 = 𝑏) 𝑒𝑡 𝑎 ≠ 𝑏
≡ (𝑎 > 𝑏 𝑒𝑡 𝑎 ≠ 𝑏) 𝑜𝑢 (𝑎 = 𝑏 𝑒𝑡 𝑎 ≠ 𝑏) (∧ est distributive par rapport à ∨)
≡ 𝑎 > 𝑏 𝑜𝑢 𝔽 (𝔽 étant neutre pour ∨)
≡𝑎>𝑏
c) ̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅
ℎ(3 𝑒𝑠𝑡 𝑑𝑖𝑣𝑖𝑠𝑒𝑢𝑟 𝑑𝑒 6) = ℎ(3 𝑛′ 𝑒𝑠𝑡 𝑝𝑎𝑠 𝑑𝑖𝑣𝑖𝑠𝑒𝑢𝑟 𝑑𝑒 6)

I.4.5. L’implication logique

Soit 𝑃 𝑒𝑡 𝑄 deux propositions, l’implication logique est un connecteur qui, au couple des propositions (𝑃, 𝑄),
associe la proposition 𝑷 ⇒ 𝑸 (lire "𝑃 𝑖𝑚𝑝𝑙𝑖𝑞𝑢𝑒 𝑄" 𝑜𝑢 "𝑆𝑖 𝑃 𝑎𝑙𝑜𝑟𝑠 𝑄") qui est 𝑓𝑎𝑢𝑠𝑠𝑒 si
𝑃 𝑒𝑠𝑡 𝑣𝑟𝑎𝑖 𝑒𝑡 𝑄 𝑒𝑠𝑡 𝑓𝑎𝑢𝑠𝑠𝑒 𝑒𝑡 𝑣𝑟𝑎𝑖𝑒 𝑑𝑎𝑛𝑠 𝑙𝑒𝑠 𝑎𝑢𝑡𝑟𝑒𝑠 𝑐𝑎𝑠. On a :

𝑗. 𝑚𝑖𝑠𝑠𝑖 2025
 7

⇒: 𝒞 × 𝒞 → 𝒞
1 𝑑𝑎𝑛𝑠 𝑙𝑒𝑠 𝑎𝑢𝑡𝑟𝑒𝑠 𝑐𝑎𝑠
(𝑃, 𝑄) ↦ 𝑃 ⇒ 𝑄 = {
0 𝑠𝑖 𝑃 𝑒𝑠𝑡 𝑣𝑟𝑎𝑖 𝑒𝑡 𝑄 𝑒𝑠𝑡 𝑓𝑎𝑢𝑥
Table de vérité de 𝑷 ⇒ 𝑸

ℎ(𝑃) ℎ(𝑄) ℎ(𝑃 ⇒ 𝑄)

1 1 1
1 0 0
0 1 1
0 0 1
I.4.5.1. Théorème d’équivalence entre ⇒ et ∨

Si 𝑃 𝑒𝑡 𝑄 sont deux propositions, alors 𝑃 ⇒ 𝑄 ≡ 𝑃̅ ∨ 𝑄

Preuve à l’aide de la table de vérité

ℎ(𝑃) ℎ(𝑄) ℎ(𝑃 ⇒ 𝑄) ℎ(𝑃̅) ℎ(𝑃̅ ∨ 𝑄)

1 1 1 0 1
1 0 0 0 0
0 1 1 1 1
0 0 1 1 1
Propriétés de " ⇒ "

Pour toutes propositions 𝑃, 𝑄 𝑒𝑡 𝑅, on a :

1) [𝑃 ⇒ (𝑄 ∧ 𝑅)] ≡ [(𝑃 ⇒ 𝑄) ∧ (𝑃 ⇒ 𝑅)]

2) [(𝑃 ∧ 𝑄) ⇒ 𝑅] ≡ [(𝑃 ⇒ 𝑅) ∨ (𝑄 ⇒ 𝑅)]
3) [𝑃 ⇒ (𝑄 ∨ 𝑅)] ≡ [(𝑃 ⇒ 𝑄) ∨ (𝑃 ⇒ 𝑅)]
4) [(𝑃 ∨ 𝑄) ⇒ 𝑅] ≡ [(𝑃 ⇒ 𝑅) ∧ (𝑄 ⇒ 𝑅)]

Preuve de 1 et 2 (3 et 4 au TP)

1) [𝑃 ⇒ (𝑄 ∧ 𝑅)] ≡ [(𝑃 ⇒ 𝑄) ∧ (𝑃 ⇒ 𝑅)]

En effet,
[𝑃 ⇒ (𝑄 ∧ 𝑅)] ≡ [𝑃̅ ∨ (𝑄 ∧ 𝑅)] (𝑐𝑓𝑟 𝑇ℎé𝑜𝑟è𝑚𝑒 𝐼. 4.5.1)
≡ [(𝑃̅ ∨ 𝑄) ∧ (𝑃̅ ∨ 𝑅)] (𝐷𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑡𝑖𝑣𝑖𝑡é)
≡ [(𝑃 ⇒ 𝑄) ∧ (𝑃 ⇒ 𝑅)] (𝑐𝑓𝑟 𝑇ℎé𝑜𝑟è𝑚𝑒 𝐼. 4.5.1)

2) [(𝑃 ∧ 𝑄) ⇒ 𝑅] ≡ [(𝑃 ⇒ 𝑅) ∨ (𝑄 ⇒ 𝑅)]

En effet,
̅̅̅̅̅̅̅
[(𝑃 ∧ 𝑄) ⇒ 𝑅] ≡ [(𝑃 ∧ 𝑄 ∨ 𝑅] (𝑐𝑓𝑟 𝑇ℎé𝑜𝑟è𝑚𝑒 𝐼. 4.5.1)
≡ [(𝑃̅ ∨ 𝑄̅ ) ∨ 𝑅] (𝑐𝑓𝑟 𝑷𝒓𝒆𝒎𝒊𝒆𝒓 𝑳𝒐𝒊 𝒅𝒆 𝑴𝒐𝒓𝒈𝒂𝒏)
≡ [(𝑃̅ ∨ 𝑅) ∨ (𝑄̅ ∨ 𝑅)] (𝐷𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑡𝑖𝑣𝑖𝑡é)
≡ [𝑃 ⇒ 𝑅 ∨ 𝑄 ⇒ 𝑅] (𝑐𝑓𝑟 𝑇ℎé𝑜𝑟è𝑚𝑒 𝐼. 4.5.1)

TP : L’implication logique est-elle associative ?

Exemple :

a) ℎ(𝐾𝑖𝑛𝑠ℎ𝑎𝑠𝑎 𝑐𝑎𝑝𝑖𝑡𝑎𝑙𝑒 𝑑𝑒 𝑙𝑎 𝑅𝐷𝐶 ⇒ 𝐵𝑜𝑛𝑔𝑜 𝑝𝑟é𝑠𝑖𝑑𝑒𝑛𝑡 𝑑𝑒 𝑙 ′ 𝐴𝑛𝑔𝑜𝑙𝑎) = 0

b) ℎ(𝐵𝑜𝑛𝑔𝑜 𝑝𝑟é𝑠𝑖𝑑𝑒𝑛𝑡 𝑑𝑒 𝑙 ′ 𝐴𝑛𝑔𝑜𝑙𝑎 ⇒ 𝐾𝑖𝑛𝑠ℎ𝑎𝑠𝑎 𝑐𝑎𝑝𝑖𝑡𝑎𝑙𝑒 𝑑𝑒 𝑙𝑎 𝑅𝐷𝐶) = 1
c) h(Il pleut, alors je prends mon parapluie)=1. C’est une conséquence
d) h(Omar a gagné au loto ⇒ Omar a joué au loto)=1. C’est une conséquence.
e) ℎ(4 ∉ ∅ ⇒ 4 𝑒𝑠𝑡 𝑢𝑛 𝑛𝑎𝑡𝑢𝑟𝑒𝑙 𝑖𝑚𝑝𝑎𝑖𝑟𝑒) = 1
f) ℎ(3.6 = 12 ⇒ 18 𝑑𝑖𝑣𝑖𝑠𝑒 7 𝑑𝑎𝑛𝑠 ℝ) = 1

𝑗. 𝑚𝑖𝑠𝑠𝑖 2025
 8

I.4.5.2. Propriétés

Pour toute proposition 𝑃, on a :

1) ℎ(𝑃 ⇒ 𝑃) = 1
2) ℎ(𝑃 ⇒ 𝕍) = 1
3) ℎ(𝑃 ⇒ 𝔽) = ℎ(𝑃̅ )
4) ℎ(𝕍 ⇒ 𝑃) = ℎ(𝑃)
5) ℎ(𝔽 ⇒ 𝑃) = 1

Preuve

1) ℎ(𝑃 ⇒ 𝑃) = ℎ(𝑃̅ ∨ 𝑃) (𝑐𝑓𝑟 𝑇ℎé𝑜𝑟è𝑚𝑒 𝐼. 4.5.1)

= 1 (𝑐𝑓𝑟 𝑃𝑟𝑜𝑝𝑟𝑖é𝑡é 𝐼. 4.4.3 𝑃𝑟𝑖𝑛𝑐𝑖𝑝𝑒 𝑑𝑢 𝑡𝑖𝑒𝑟𝑠 𝑒𝑥𝑐𝑙𝑢)
2) ℎ(𝑃 ⇒ 𝕍) = ℎ(𝑃̅ ∨ 𝕍) (𝑐𝑓𝑟 𝑇ℎé𝑜𝑟è𝑚𝑒 𝐼. 4.5.1)
= 1 (𝕍 é𝑙é𝑚𝑒𝑛𝑡 𝑎𝑏𝑠𝑜𝑟𝑏𝑎𝑛𝑡 𝑝𝑜𝑢𝑟 ∨)
3) ℎ(𝑃 ⇒ 𝔽) = ℎ(𝑃̅ ∨ 𝔽) (𝑐𝑓𝑟 𝑇ℎé𝑜𝑟è𝑚𝑒 𝐼. 4.5.1)
= ℎ(𝑃̅ ) (𝔽 é𝑙é𝑚𝑒𝑛𝑡 𝑛𝑒𝑢𝑡𝑟𝑒 𝑝𝑜𝑢𝑟 ∨)
4) ℎ(𝕍 ⇒ 𝑃) = ℎ(𝕍̅ ∨ 𝑃) (𝑐𝑓𝑟 𝑇ℎé𝑜𝑟è𝑚𝑒 𝐼. 4.5.1)
= ℎ(𝔽 ∨ 𝑃)
= ℎ(𝑃)
5) au TP

I.4.5.3. La réciproque de l’implication

Soient 𝑃 𝑒𝑡 𝑄 deux propositions, la réciproque de l’implication 𝑃 ⇒ 𝑄 est l’implication 𝑄 ⇒ 𝑃. On a :

ℎ(𝑃 ⇒ 𝑄) ≠ ℎ(𝑄 ⇒ 𝑃)

Preuve

En effet, supposons que ℎ(𝑃 ⇒ 𝑄) = 0 et montrons que ℎ(𝑄 ⇒ 𝑃) = 1

ℎ(𝑃 ⇒ 𝑄) = 0 ⇒ ℎ(𝑃) = 1 𝑒𝑡 ℎ(𝑄) = 0 ⇒ ℎ(𝑄 ⇒ 𝑃) = 1

Exemples

(1) La réciproque de : 0 ≤ 𝑥 ≤ 9 ⇒ √𝑥 ≤ 3 est √𝑥 ≤ 3 ⇒ 0 ≤ 𝑥 ≤ 9

(2) La réciproque de : (Il pleut, alors je prends mon parapluie), est : (Je prends mon parapluie, alors il pleut)
(3) La réciproque de : ( Omar a gagné au loto ⇒ Omar a joué au loto), est :(Omar a joué au loto ⇒ Omar
a gagné au loto)

I.4.5.4. La contraposée de l’implication

Soient 𝑃 𝑒𝑡 𝑄 deux propositions, la contraposée de 𝑃 ⇒ 𝑄 est 𝑄̅ ⇒ 𝑃̅

Exemples

(1) La contraposée de : (s’Il pleut alors je prends mon para pluie), est : (si je ne prends pas mon parapluie
alors il ne pleut pas)
(2) La contraposée de : (Omar a gagné au loto ⇒ Omar a joué au loto), est : (Omar n’a pas joué au loto ⇒
Omar n’a pas gagné au loto)

I.4.5.5. Théorème (principe de la contraposition)

Pour toutes propositions 𝑃 𝑒𝑡 𝑄, on a : 𝑃 ⇒ 𝑄 ≡ 𝑄̅ ⇒ 𝑃̅, i.e ℎ(𝑃 ⇒ 𝑄) = ℎ(𝑄̅ ⇒ 𝑃̅ )

Preuve

ℎ(𝑄̅ ⇒ 𝑃̅ ) = ℎ(𝑄̅ ∨ 𝑃̅ ) (𝑐𝑓𝑟 𝑇ℎé𝑜𝑟è𝑚𝑒 𝐼. 4.5.1)

𝑗. 𝑚𝑖𝑠𝑠𝑖 2025
 9

= ℎ(𝑄 ∨ 𝑃̅) (𝑐𝑓𝑟 𝑃𝑟𝑜𝑝𝑟𝑖é𝑡é 𝐼. 4.4. (1))

= ℎ(𝑃̅ ∨ 𝑄) (𝑐𝑓𝑟 𝑃𝑟𝑜𝑝𝑟𝑖é𝑡é 𝐼. 4.3. (1))

= ℎ(𝑃 ⇒ 𝑄) (𝑐𝑓𝑟 𝑃𝑟𝑜𝑝𝑟𝑖é𝑡é 𝐼. 4.5.1)

I.4.6. La disjonction exclusive

La disjonction exclusive est un connecteur logique qui au couple des propositions 𝑃, 𝑄) associe la proposition
𝑃 ∨ 𝑄(lire "𝑆𝑜𝑖𝑡 𝑃, 𝑠𝑜𝑖𝑡 𝑄"), 𝑉𝑟𝑎𝑖𝑒 si 𝑃 𝑒𝑡 𝑄 ont des valeurs de véritiés différentes et 𝐹𝑎𝑢𝑥 dans les autres cas. i.e

∨: 𝒞 × 𝒞 → 𝒞
1 𝑠𝑖 ℎ(𝑃) ≠ ℎ(𝑄)
(𝑃, 𝑄) ↦ 𝑃 ∨ 𝑄 = {
0 𝑑𝑎𝑛𝑠 𝑙𝑒𝑠 𝑎𝑢𝑡𝑟𝑒𝑠 𝑐𝑎𝑠
Table de vérité de 𝑷 ∨ 𝑸

ℎ(𝑃) ℎ(𝑄) ℎ(𝑃 ∨ 𝑄)

1 1 0
1 0 1
0 1 1
0 0 0

I.4.6.1. Théorème (équivalence entre ⇔ et ∨ )

𝑃𝑜𝑢𝑟 𝑡𝑜𝑢𝑡𝑒𝑠 𝑝𝑟𝑜𝑝𝑜𝑠𝑖𝑡𝑖𝑜𝑛 𝑃 𝑒𝑡 𝑄 𝑜𝑛 𝑎 ∶ ℎ(𝑃 ⇔ 𝑄) = ℎ(𝑃 ∨ 𝑄)

Exemple : Je regarde la télé ou je vais dormir

ℎ(𝑃) ℎ(𝑄) ℎ(𝑃 ∨ 𝑄) ℎ(𝑃 ⟺ 𝑄) ̅̅̅̅̅̅̅

ℎ(𝑃 ∨ 𝑄)
1 1 0 1 1
1 0 1 0 0
0 1 1 0 0
0 0 0 1 1

I.4.6.2. Autres Propriétés

Soit P, Q et R trois propositions, on a :

1) 𝑃 ∧ (𝑃 ∨ 𝑄) ⟺ 𝑃
2) 𝑃 ∨ (𝑃 ∧ 𝑄) ⟺ 𝑃
3) (𝑃 ⇒ 𝑄) ⟺ (𝑃̅ ∨ 𝑄) ⟺ (𝑄̅ ⇒ 𝑃̅ )
4) (𝑃 ⟺ 𝑄) ⟺ (𝑃 ⇒ 𝑄) ∧ (𝑄 ⇒ 𝑃)

Preuve à l’aide de T.V

I.4.7. La tautologie

Une proposition composée est dite une tautologie si elle est vraie quelles que soient la valeur de vérité de ses
composantes.

Exemple : 𝑃 ∨ 𝑃 est une tautologie car ℎ(𝑃 ∨ 𝑃) = 1

I.4.8. L’antilogie

Une proposition composée est une antilogie si elle est fausse quelle que soit la valeur de vérité de ses composantes

Exemple : 𝑃 ∧ 𝑃 est une contradiction car ℎ(𝑃 ∧ 𝑃) = 0

𝑗. 𝑚𝑖𝑠𝑠𝑖 2025
 10

I.5. Prédicat ou forme propositionnelle

I.5.1. Définition

Tout énoncé contenant une ou plusieurs variables et qui dévient une proposition selon les valeurs attribuées à
cette(s) variable(s) s’appelle « Prédicat » ou « Forme propositionnelle » ou « Formule »

I.5.2. Définition (Univers ou Domaine d’existence)

Un univers d’une variable d’un prédicat est un ensemble des valeurs que l’on peut donner à cette variable pour
obtenir une proposition.

Soit 𝐸, un domaine d’existence ou univers, alors le prédicat d’une variable 𝑥 ∈ 𝐸 est noté par 𝑃(𝑥); 𝑄(𝑥); 𝑅(𝑥); …,
le prédicat de deux variables 𝑥 ∈ 𝐸, 𝑦 ∈ 𝐸 est noté par 𝑃(𝑥, 𝑦); 𝑄(𝑥, 𝑦); 𝑅(𝑥, 𝑦); …

Soit 𝑃(𝑥) un prédicat défini sur 𝐸 et 𝑎 ∈ 𝐸, alors 𝑃(𝑎) est une proposition.

Si ℎ[𝑃(𝑎)] = 1, on dit que la condition [𝑃(𝑥)] est réalisée pour 𝑥 = 𝑎

Si ℎ[𝑃(𝑎)] = 0, on dit que la condition [𝑃(𝑥)] n’est pas réalisée pour 𝑥 = 𝑎

Exemples :

a) 𝑃(𝑥): "𝑥 𝑑𝑖𝑣𝑖𝑠𝑒 24" " dans ℕ

7 ∈ ℕ; 𝑃(7): "7 divise 24" ⇒ ℎ[𝑃(7)] = 0

3 ∈ ℕ; 𝑃(3): "3 divise 24" ⇒ ℎ[𝑃(3)] = 1

b) 𝑄(𝑥): "√x-3<2" 𝑑𝑎𝑛𝑠 𝐴 = [3; +∞[

𝑄(−2): √-2-3=√−5<2 𝑛𝑒 𝑣é𝑟𝑖𝑓𝑖𝑒 𝑝𝑎𝑠 𝑙′𝑖𝑛é𝑔𝑎𝑙𝑖𝑡é

3 ∈ 𝐴: 𝑄(3): 0<2 ⇒ ℎ[𝑄(3)] = 1

4 ∈ 𝐴: 𝑄(4): 1<2 ⇒ ℎ[𝑄(4)] = 1

8 ∈ 𝐴: 𝑄(8): √5<2 ⇒ ℎ[𝑄(8)] = 0

I.5.3. Classe ou Ensemble vérité d’un prédicat

Soit 𝑃(𝑥) un prédicat défini sur 𝐸 ≠ ∅, la classe ou ensemble vérité de 𝑃(𝑥) est un sous-ensemble 𝐸𝑃 de 𝐸 formé
des éléments 𝑎 tels que 𝑃(𝑎) est une proposition vraie.

𝐸𝑃 = {𝑎 ∈ 𝐸; ℎ[𝑃(𝑎)] = 1} ⊂ 𝐸

Si ℎ[𝑃(𝑎)] = 1 alors 𝑎 ∈ 𝐸𝑃

Si ℎ[𝑃(𝑎)] = 0 alors 𝑎 ∉ 𝐸𝑃

Exemples

a) 𝑃(𝑥) : "𝑥 𝑒𝑠𝑡 𝑢𝑛 𝑑𝑖𝑣𝑖𝑠𝑒𝑢𝑟 𝑑𝑒 18 𝑑𝑎𝑛𝑠 ℕ". Chercher ℕ𝑃 ?

ℕ𝑃 = {𝑎 ∈ ℕ; ℎ[𝑃(𝑎)] = 1}
= {𝑎 ∈ ℕ; 𝑎 𝑒𝑠𝑡 𝑢𝑛 𝑑𝑖𝑣𝑖𝑠𝑒𝑢𝑟 𝑑𝑒 18}
= {1,2,3,6,9,18}
1 ∈ ℕ𝑃 car 1 est diviseur de 18

5 ∉ ℕ𝑃 car 5 n’est pas diviseur de 18

b) 𝑄(𝑥) : "√5-x>2 𝑑é𝑓𝑖𝑛𝑖 𝑑𝑎𝑛𝑠 𝐴 ⊂ ℝ". Chercher 𝐴 (l’univers) ?

Rappel : √𝑎 n’a de sens dans ℝ que si 𝑎 ≥ 0

𝑗. 𝑚𝑖𝑠𝑠𝑖 2025
 11

𝐴 = {𝑥 ∈ ℝ ; 5 − 𝑥 ≥ 0}
= {𝑥 ∈ ℝ ; 𝑥 ≤ 5}
= ] − ∞ ; 5] 𝑈𝑛𝑖𝑣𝑒𝑟𝑠
Déterminons la classe de 𝑄(𝑥)
𝐴𝑄 = {𝑎 ∈ 𝐴 ; ℎ[𝑄(𝑎)] = 1}
= {𝑎 ∈ 𝐴 ; √5 − 𝑎>2 }
= {𝑎 ∈ 𝐴 ; 5 − 𝑎 > 4 }
= {𝑎 ∈ 𝐴 ; −𝑎 > −1 }
= {𝑎 ∈ 𝐴 ; 𝑎 < 1}
= ]−∞ ; 1[

𝑥 2 +1
c) 𝑅(𝑥) ∶ ≤ 2 𝑑é𝑓𝑖𝑛𝑖𝑒 𝑑𝑎𝑛𝑠 𝐵 = ℝ − {−2}
𝑥+2
𝐵𝑅 = ]−∞ ; −2[ ∪ [−1 ; 3]

d) Déterminer 𝑚 ∈ ℝ pour que la classe du prédicat

𝑃(𝑥) ∶ 𝑥 2 + 𝑚𝑥 + 4 ≥ 0 𝑠𝑜𝑖𝑡 ℝ
ℝ𝑃 = {𝑎 ∈ ℝ ; 𝑎2 + 𝑚𝑎 + 4 ≥ 0 }
∆ = 𝑚2 − 4.1.4 = 𝑚2 − 16 et le coefficient de 𝑎2 étant 1, il faut que ℝ𝑃 = ℝ
𝑜𝑟 𝑚 = ±4
𝑚 −∞ −4 4 +∞
∆ +++ 0 --- 0 +++

𝑚 ∈ ]−4 ; 4[

I.5.4. Operations logiques sur les prédicats

I.5.4.1. Conjonction des prédicats

Soient (𝑃(𝑥))𝑒𝑡 (𝑄(𝑥)) deux prédicats définis sur 𝐸 ≠ ∅, la conjonction de 𝑃(𝑥) 𝑒𝑡 𝑄(𝑥) est noté 𝑃(𝑥) ∧ 𝑄(𝑥) ≡
(𝑃 ∧ 𝑄)(𝑥) et sa classe est 𝐸𝑃∧𝑄 .
Si 𝐸𝑃∧𝑄 est la classe du prédicat (𝑃 ∧ 𝑄)(𝑥), alors
𝐸𝑃∧𝑄 = {𝑎 ∈ 𝐸 ; ℎ[(𝑃 ∧ 𝑄)(𝑎)] = 1} = {𝑎 ∈ 𝐸 ; ℎ[𝑃(𝑎) ∧ 𝑄(𝑎)] = 1}
= {𝑎 ∈ 𝐸 ; ℎ[𝑃(𝑎)] = 1 𝑒𝑡 ℎ[𝑄(𝑎)] = 1} = {𝑎 ∈ 𝐸 ; 𝑎 ∈ 𝐸𝑃 𝑒𝑡 𝑎 ∈ 𝐸𝑄 } = 𝐸𝑃 ∩ 𝐸𝑄
D’où 𝐸𝑃∧𝑄 = 𝐸𝑃 ∩ 𝐸𝑄
Exemple : On donne deux prédicats
𝑃(𝑥) ∶ 𝑥 ≥ 4 𝑑é𝑓𝑖𝑛𝑖 𝑑𝑎𝑛𝑠 ℝ 𝑒𝑡 𝑄(𝑥) ∶ 𝑥 < 8 𝑑é𝑓𝑖𝑛𝑖 𝑑𝑎𝑛𝑠 ℝ, chercher ℝ𝑃∧𝑄 ?
ℝ𝑃 = {𝑎 ∈ ℝ ; 𝑎 ≥ 4} = [4; +∞[
ℝ𝑄 = {𝑎 ∈ ℝ ; 𝑎 < 8} = ]−∞, 8[
ℝ𝑃∧𝑄 = ℝ𝑃 ∩ ℝ𝑄
= [4; +∞[ ∩ ]−∞, 8[
= [4; 8[
−∞ 4 8 +∞
ℝ𝑃 ∩ ℝ𝑄

𝑗. 𝑚𝑖𝑠𝑠𝑖 2025
 12

I.5.4.2. Disjonction des prédicats

Soient (𝑃(𝑥))𝑒𝑡 (𝑄(𝑥)) deux prédicats définis sur 𝐸 ≠ ∅, la disjonction de 𝑃(𝑥) 𝑒𝑡 𝑄(𝑥) est noté 𝑃(𝑥) ∨ 𝑄(𝑥) ≡
(𝑃 ∨ 𝑄)(𝑥) et sa classe est 𝐸𝑃∨𝑄 .
Si 𝐸𝑃∨𝑄 est la classe du prédicat (𝑃 ∨ 𝑄)(𝑥), alors
𝐸𝑃∨𝑄 = {𝑎 ∈ 𝐸 ; ℎ[(𝑃 ∨ 𝑄)(𝑎)] = 1} = {𝑎 ∈ 𝐸 ; ℎ[𝑃(𝑎) ∨ 𝑄(𝑎)] = 1}
= {𝑎 ∈ 𝐸 ; ℎ[𝑃(𝑎)] = 1 𝑜𝑢 ℎ[𝑄(𝑎)] = 1} = {𝑎 ∈ 𝐸 ; 𝑎 ∈ 𝐸𝑃 𝑜𝑢 𝑎 ∈ 𝐸𝑄 } = 𝐸𝑃 ∪ 𝐸𝑄
D’où 𝐸𝑃∨𝑄 = 𝐸𝑃 ∪ 𝐸𝑄
Exemple :
𝑃(𝑥) ∶ 𝑥 ≥ 4 𝑑é𝑓𝑖𝑛𝑖 𝑑𝑎𝑛𝑠 ℝ
𝑄(𝑥) ∶ 𝑥 2 − 4𝑥 + 4 = 0 𝑑é𝑓𝑖𝑛𝑖 𝑑𝑎𝑛𝑠 ℝ, chercher ℝ𝑃∨𝑄 ?
ℝ𝑃 = {𝑎 ∈ ℝ ; 𝑎 ≥ 4} = [4; +∞[
ℝ𝑄 = {𝑎 ∈ ℝ ; 𝑎2 − 4𝑎 + 4 = 0 }
= {𝑎 ∈ ℝ ; (𝑎 − 2)2 = 0 } = {𝑎 ∈ ℝ ; 𝑎 − 2 = 0 } = {2 }
ℝ𝑃∨𝑄 = ℝ𝑃 ∪ ℝ𝑄
= [4; +∞[ ∪ {2 }
I.5.4.3. Négation d’un prédicat
Soit (𝑃(𝑥)) un prédicat défini sur 𝐸 ≠ ∅, la négation de 𝑃(𝑥) est noté ̅̅̅̅̅̅
𝑃(𝑥) ≡ 𝑃̅ (𝑥) et sa classe est 𝐸𝑃̅ .
Si 𝐸𝑃̅ est la classe du prédicat 𝑃̅ (𝑥), alors
𝐸𝑃̅ = {𝑎 ∈ 𝐸 ; ℎ[𝑃̅ (𝑎)] = 1}
= {𝑎 ∈ 𝐸 ; ℎ[𝑃(𝑎)] = 0}
= {𝑎 ∈ 𝐸 ; 𝑎 ∉ 𝐸𝑃 }
= 𝐸 − 𝐸𝑃
D’où 𝐸𝑃̅ = 𝐸 − 𝐸𝑃
Exemple :
𝑃(𝑥) ∶ 𝑥 ≤ 4 𝑑é𝑓𝑖𝑛𝑖 𝑑𝑎𝑛𝑠 ℝ
𝑄(𝑥) ∶ 𝑥 2 − 4𝑥 + 4 = 0 𝑑é𝑓𝑖𝑛𝑖 𝑑𝑎𝑛𝑠 ℝ, chercher ℝ𝑃̅ 𝑒𝑡 ℝ𝑄̅ ?
ℝ𝑃̅ = ℝ − ℝ𝑃 or ℝ𝑃 = ]−∞; 4]
ℝ𝑃̅ = ℝ − ]−∞; 4]
= ]4; +∞[
ℝ𝑄̅ = ℝ − ℝ𝑄 or ℝ𝑄 = {2}
ℝ𝑄̅ = ℝ − {2}
= ]−∞; 2[ ∪ ]2; +∞[

I.5.4.4. Implication des prédicats

Soient (𝑃(𝑥))𝑒𝑡 (𝑄(𝑥)) deux prédicats définis sur 𝐸 ≠ ∅, l’implication de 𝑃(𝑥) 𝑒𝑡 𝑄(𝑥) est noté 𝑃(𝑥) ⇒ 𝑄(𝑥) ≡
(𝑃 ⇒ 𝑄)(𝑥) et sa classe est 𝐸𝑃⇒𝑄 .
Si 𝐸𝑃⇒𝑄 est la classe du prédicat (𝑃 ⇒ 𝑄)(𝑥), alors
𝐸𝑃⇒𝑄 = 𝐸𝑃̅ ∨𝑄 (𝑐𝑓𝑟 𝑇ℎé𝑜𝑟è𝑚𝑒 𝐼. 4.5.2)
= 𝐸𝑃̅ ∪ 𝐸𝑄

𝑗. 𝑚𝑖𝑠𝑠𝑖 2025
 13

= (𝐸 − 𝐸𝑃 ) ∪ 𝐸𝑄
D’où 𝐸𝑃⇒𝑄 = (𝐸 − 𝐸𝑃 ) ∪ 𝐸𝑄
Exemple : Soient deux prédicats 𝑃(𝑥) 𝑒𝑡 𝑄(𝑥) suivants
𝑃(𝑥) ∶ 𝑥 ≥ 5 𝑑é𝑓𝑖𝑛𝑖 𝑑𝑎𝑛𝑠 ℝ
𝑄(𝑥) ∶ 𝑥 ≥ 1 𝑑é𝑓𝑖𝑛𝑖 𝑑𝑎𝑛𝑠 ℝ, chercher ℝ𝑃⇒𝑄 ?
ℝ𝑃⇒𝑄 = (ℝ − ℝ𝑃 ) ∪ ℝ𝑄
Chercher ℝ𝑃
ℝ𝑃 = [5; +∞[ et ℝ𝑄 = [1; +∞[
ℝ − ℝ𝑃 = ℝ − [5; +∞[ = ]−∞; 5[
D’où
ℝ𝑃⇒𝑄 = (ℝ − ℝ𝑃 ) ∪ ℝ𝑄
= ]−∞; 5[ ∪ [1; +∞[
=ℝ
TP définir la classe de (𝑃 ∨ 𝑄)(𝑥) 𝑒𝑡 (𝑃 ⇔ 𝑄)(𝑥)?
Déterminer la classe de prédicats suivants
𝑎) 𝑃(𝑥) ∶ 𝑥 2 − 3𝑥 + 2 ≤ 0 𝑑é𝑓𝑖𝑛𝑖 𝑑𝑎𝑛𝑠 ℝ
𝑥+2
𝑏) 𝑄(𝑥) ∶ ≥ 3 𝑑é𝑓𝑖𝑛𝑖 𝑑𝑎𝑛𝑠 ℝ
4𝑥 − 5
I.6. Les quantificateurs
Il peut arriver dans l’énoncé d’une proposition que l’on ait besoin d’indiquer les quantités. Par exemple :
- Tous les nombres premiers sont impairs
- Certains étudiants de L1 de comprennent pas la bi-implication
Remarque
Ces propositions portent en elle-même la notion de quantité.
Dans ce paragraphe, nous allons indiquer les symboles représentant les quantités que nous appelons les
« 𝑄𝑢𝑎𝑛𝑡𝑖𝑓𝑖𝑐𝑎𝑡𝑒𝑢𝑟𝑠 » dont voici les 3 principaux

I.6.1. Quantificateur existentiel

Soit 𝑃(𝑥) un prédicat défini sur 𝐸 ≠ ∅.
L’énoncé : " 𝐼𝑙 𝑒𝑥𝑖𝑠𝑡𝑒 𝑎𝑢 𝑚𝑜𝑖𝑛𝑠 𝑢𝑛 é𝑙é𝑚𝑒𝑛𝑡 𝑎 𝑑𝑒 𝐸 𝑣é𝑟𝑖𝑓𝑖𝑎𝑛𝑡 𝑃(𝑥) " est une proposition que l’on note par :
"∃𝒙 ∈ 𝑬: 𝑷(𝒙)"
𝐿𝑖𝑟𝑒 ∶ 𝐼𝑙 𝑒𝑥𝑖𝑠𝑡𝑒 𝑎𝑢 𝑚𝑜𝑖𝑛𝑠 é𝑙é𝑚𝑒𝑛𝑡 𝑥 𝑑𝑒 𝐸 𝑡𝑒𝑙 𝑞𝑢𝑒 𝑃(𝑥)
ℎ(∃𝑥 ∈ 𝐸: 𝑃(𝑥)) = 1 si 𝐸𝑃 ≠ ∅
Le symbole "∃" est le 𝑸𝒖𝒂𝒏𝒕𝒊𝒇𝒊𝒄𝒂𝒕𝒆𝒖𝒓 𝒆𝒙𝒊𝒔𝒕𝒆𝒏𝒕𝒊𝒆𝒍
Exemple :
a) ℎ(∃𝑥 ∈ ℕ ∶ 𝑥 𝑑𝑖𝑣𝑖𝑠𝑒 2) = 1
𝑃(𝑥): 𝑥 𝑑𝑖𝑣𝑖𝑠𝑒 2 𝑑𝑎𝑛𝑠 ℕ
ℕ𝑃 = {𝑎 ∈ ℕ: 𝑎 𝑑𝑖𝑣𝑖𝑠𝑒 2} = {1,2} ≠ ∅

b) ℎ(∃𝑥 ∈ ℝ ∶ 𝑥 2 − 3𝑥 + 2 = 0) = 1
𝑃(𝑥): 𝑥 2 − 3𝑥 + 2 = 0 défini sur ℝ
ℝ𝑃 = {𝑎 ∈ ℝ ∶ 𝑎2 − 3𝑎 + 2 = 0} = {1,2}

𝑗. 𝑚𝑖𝑠𝑠𝑖 2025
 14

c) ℎ(∃𝑥 ∈ ℝ ∶ 𝑥 2 − 6𝑥 + 9 < 0) = 1
𝑃(𝑥) ∶ 𝑥 2 − 6𝑥 + 9 < 0
ℝ𝑃 = {𝑏 ∈ ℝ ∶ 𝑏 2 − 6𝑏 + 9 < 0 }
= {𝑏 ∈ ℝ ∶ (𝑏 − 3)2 < 0 = 0}
=∅
TP :
ℎ(∃𝑥 ∈ ℝ ∶ 𝑥 2 − 4 ≤ 0) =?
ℎ(∃𝑥 ∈ ℕ ∶ 𝑥 < 3) =?
ℎ(∃𝑥 ∈ ℤ ∶ |𝑥| ≤ 7) =?
I.6.2. Quantificateur universel
Soit 𝑃(𝑥) un prédicat défini sur 𝐸 ≠ ∅
L’énoncé : "𝑃𝑜𝑢𝑟 𝑡𝑜𝑢𝑡 é𝑙é𝑚𝑒𝑛𝑡 𝑥 𝑑𝑒 𝐸, 𝑜𝑛 𝑎 𝑃(𝑥)", est une proposition que l’on note par :
"∀𝒙 ∈ 𝑬: 𝑷(𝒙)"
Lire : "𝑄𝑢𝑒𝑙𝑞𝑢𝑒 𝑠𝑜𝑖𝑡 𝑜𝑢 𝑝𝑜𝑢𝑟 𝑡𝑜𝑢𝑡 é𝑙é𝑚𝑒𝑛𝑡 𝑥 𝑑𝑒 𝐸, 𝑜𝑛 𝑎 𝑃(𝑥)"
ℎ(∀𝑥 ∈ 𝐸: 𝑃(𝑥)) = 1 si 𝐸𝑃 = 𝐸
Le symbole "∀" est le 𝑸𝒖𝒂𝒏𝒕𝒊𝒇𝒊𝒄𝒂𝒕𝒆𝒖𝒓 𝒖𝒏𝒊𝒗𝒆𝒓𝒔𝒆𝒍
Exemple :
a) ℎ(∀𝑥 ∈ ℕ ∶ 𝑥 2 + 4 ≥ 0) =?
𝑃(𝑥) ∶ 𝑥 2 + 4 ≥ 0 défini sur ℝ
ℝ𝑃 = {𝑐 ∈ ℝ ∶ 𝑐 2 + 4 ≥ 0}
∆= −16 < 0
𝑐 −∞ +∞
2
𝑐 +4 +++++++
ℝ𝑃 = ℝ
b) ℎ(𝑇𝑜𝑢𝑠 𝑙𝑒𝑠 𝑛𝑜𝑚𝑏𝑟𝑒 𝑝𝑟𝑒𝑚𝑖𝑒𝑟𝑠 𝑠𝑜𝑛𝑡 𝑖𝑚𝑝𝑎𝑖𝑟𝑒) = 0
car ∃2 premier et 2 non impair
c) ℎ(∀𝑥 ∈ ℝ ∶ 𝑥 2 − 4𝑥 + 4 > 0) =?
𝑃(𝑥) ∶ 𝑥 2 − 4𝑥 + 4 > 0
∆= 𝑏 2 − 4. 𝑎. 𝑐 = 16 − 16 = 0
4
𝑥1 = 𝑥1 = = 2
2
𝑐 −∞ 2 +∞
2
𝑥 − 4𝑥 + 4 ++++ 0 ++++

ℝ𝑃 = ℝ − {2} ≠ ℝ
TP :
ℎ(∀𝑥 ∈ ℝ ∶ 𝑥 2 − 6𝑥 + 9 ≥ 0) =?
ℎ(∀𝑥 ∈ ℕ∗ ∶ 𝑥 ≥ 1) =?
I.6.3. Quantificateur d’unicité
Soit 𝑃(𝑥) un prédicat défini sur 𝐸 ≠ ∅
L’énoncé :"𝐼𝑙 𝑒𝑥𝑖𝑠𝑡𝑒 𝑢𝑛 𝑒𝑡 𝑢𝑛 𝑠𝑒𝑢𝑙 é𝑙é𝑚𝑒𝑛𝑡 𝑥 𝑑𝑒 𝐸, 𝑡𝑒𝑙 𝑞𝑢𝑒 𝑃(𝑥)", est une proposition que l’on note par :
"∃! 𝒙 ∈ 𝑬: 𝑷(𝒙)"
Lire : " 𝐼𝑙 𝑒𝑥𝑖𝑠𝑡𝑒 𝑢𝑛 𝑒𝑡 𝑢𝑛 𝑠𝑒𝑢𝑙 é𝑙é𝑚𝑒𝑛𝑡 "

𝑗. 𝑚𝑖𝑠𝑠𝑖 2025
 15

ℎ(∃! 𝑥 ∈ 𝐸: 𝑃(𝑥)) = 1 si 𝐸𝑃 𝑒𝑠𝑡 𝑢𝑛 𝑒𝑛𝑠𝑒𝑚𝑏𝑙𝑒 𝑠𝑖𝑛𝑔𝑙𝑒𝑡𝑜𝑛

Exemple :
ℎ(∃! 𝑥 ∈ ℕ ∶ 2𝑥 = 4) = 1 𝑐𝑎𝑟 ℕ𝑃 = {2}
ℎ(∃! 𝑥 ∈ ℤ ∶ |𝑥| = 1) = 0 𝑐𝑎𝑟 ℤ𝑃 = {−1,1}
I.6.4. Théorème
Soit 𝑃(𝑥) un prédicat défini sur 𝐸 ≠ ∅
ℎ(∀𝑥 ∈ 𝐸 ; 𝑃(𝑥) ⇒ ∃𝑥 ∈ 𝐸 ; 𝑃(𝑥)) = 1
Preuve
Supposons que ℎ(∀𝑥 ∈ 𝐸 ; 𝑃(𝑥)) = 1et montrons que ℎ(∃𝑥 ∈ 𝐸 ; 𝑃(𝑥)) = 1
ℎ(∀𝑥 ∈ 𝐸 ; 𝑃(𝑥)) = 1 ⇒ 𝐸𝑃 = 𝐸
⇒ 𝐸 − 𝐸𝑃 = ∅
⇒ 𝐸𝑃̅ = ∅
⇒ ℎ(∃𝑥 ∈ 𝐸 ; 𝑃̅ (𝑥)) = 0
⇒ ℎ(∃𝑥 ∈ 𝐸 ; 𝑃(𝑥)) = 1
Ou encore
ℎ(∀𝑥 ∈ 𝐸 ; 𝑃(𝑥)) = 1 ⇒ 𝐸𝑃 = 𝐸
or 𝐸 ≠ ∅, donc 𝐸𝑃 ≠ ∅ car 𝐸𝑃 = 𝐸
𝐸𝑃 ≠ ∅ ⇒ ℎ(∃𝑥 ∈ 𝐸 ; 𝑃(𝑥)) = 1

I.6.5. Théorème (Négation des quantificateurs)

Soit 𝑃(𝑥) un prédicat défini sur 𝐸 ≠ ∅
̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅
𝑖) ℎ(∀𝑥 ∈ 𝐸 ; 𝑃(𝑥)) = ℎ(∃𝑥 ∈ 𝐸 ; 𝑃̅(𝑥))
̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅
𝑖𝑖) ℎ(∃𝑥 ∈ 𝐸 ; 𝑃(𝑥)) = ℎ(∀𝑥 ∈ 𝐸 ; 𝑃̅ (𝑥))
Preuve de 𝑖), et de 𝑖𝑖) au TP
̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅
𝑖) ℎ(∀𝑥 ∈ 𝐸 ; 𝑃(𝑥)) = ℎ(∃𝑥 ∈ 𝐸 ; 𝑃̅(𝑥))
̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅
Supposons que ℎ(∀𝑥 ∈ 𝐸 ; 𝑃(𝑥)) = 1 et montrons que ℎ(∃𝑥 ∈ 𝐸 ; 𝑃̅(𝑥)) = 1
En effet :
̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅
ℎ(∀𝑥 ∈ 𝐸 ; 𝑃(𝑥)) = 1 ⇒ ℎ(∀𝑥 ∈ 𝐸 ; 𝑃(𝑥)) = 0
⇒ 𝐸𝑃 ≠ 𝐸
⇒ 𝐸 − 𝐸𝑃 ≠ ∅
C’est-à-dire 𝐸𝑃̅ ≠ ∅ ⇒ ℎ(∃𝑥 ∈ 𝐸 ; 𝑃̅ (𝑥)) =1
Exemple :
a) ̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅
ℎ(∀𝑥 ∈ ℝ ; 𝑥 2 − 5𝑥 + 4 > 0)
̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅
b) ℎ(∃𝑥 ∈ ℝ ; 𝑥 2 ≥ 2 ⇒ 𝑥 < 3)
Solution
a) ̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅
ℎ(∀𝑥 ∈ ℝ ; 𝑥 2 − 5𝑥 + 4 > 0) = ℎ(∃𝑥 ∈ ℝ ; ̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅
𝑥 2 − 5𝑥 + 4 > 0)
= ℎ(∃𝑥 ∈ ℝ ; ̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅
𝑥 2 − 5𝑥 + 4 > 0)
= ℎ(∃𝑥 ∈ ℝ ; 𝑥 2 − 5𝑥 + 4 ≤ 0)

̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅
b) ℎ(∃𝑥 ∈ ℝ ; 𝑥 ≥ 2 ⇒ 𝑥 < 3) = ℎ(∀𝑥 ∈ ℝ ; ̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅
𝑥 ≥ 2 ⇒ 𝑥 < 3)

𝑗. 𝑚𝑖𝑠𝑠𝑖 2025
 16

= ℎ(∃𝑥 ∈ ℝ ; ̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅
̅̅̅̅̅̅̅
𝑥 ≥ 2 ∨ 𝑥 < 3)

= ℎ(∃𝑥 ∈ ℝ ; ̅̅̅̅̅̅̅
𝑥 ≥ 2 ∧ ̅̅̅̅̅̅̅
𝑥 < 3)
= ℎ(∃𝑥 ∈ ℝ ; 𝑥 < 2 ∧ 𝑥 ≥ 3)
TP
̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅
a) ℎ(∀𝑥 ∈ ℝ ; 𝑥 2 − 6𝑥 + 9 ≠ 0)
̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅
b) ℎ(∀𝑥 ∈ ℝ ; 𝑥 = 4 ⇒ 2𝑥 < 7)

𝑗. 𝑚𝑖𝑠𝑠𝑖 2025
 17

Chapitre 2 : Théorie d’ensembles et structures algébriques

II.1. Notion d’ensemble et propriétés

II.1.1 Ensemble

Un ensemble est une collection d’objets mathématiques (éléments) rassemblés d’après une ou plusieurs propriétés
communes. Ces propriétés sont suffisantes pour affirmer qu’un objet appartient ou pas à un ensemble
Exemples
1) E : l’ensemble des étudiants de l’Ecole Inf.
2) On désigne par ℕ l’ensemble des entiers naturels ℕ = {0, 1, 2, 3, ...}.
3) L’ensemble des nombres pairs se note : P = {x ∈ ℕ / 2 divise x}.
4) L’ensemble vide est noté : ∅ qui ne contient aucun élément.
5) L’ensemble des entiers relatifs est ℤ = {… , −3, −2, −1,0, +1, +2, +3, … }
𝑝
6) L’ensemble des nombres rationnels est noté : ℚ = { ; 𝑝, 𝑞 ∈ ℤ 𝑒𝑡 𝑞 ≠ 0}
𝑞
7) L’ensemble des nombres réels ℝ = ]−∞, +∞[

Un ensemble qui contient un nombre infini d’élément est dit alors infini et un ensemble qui contient un nombre
fini d’élément est dit fini.
Lorsque ce nombre fini n’est pas trop grand, on représente parfois un ensemble en écrivant tous ces éléments

Exemple :
Définition en extension
A= {1, 2, 3, 4,5} : Ensemble des entier naturels non nuls inférieurs à 6
ℕ∗ = ℕ0 = {1,2,3, … 𝑛} : Ensemble des entier naturels non nuls
ℤ∗ = ℤ0 = {… , −3, −2, −1, +1, +2, +3, … } ∶ Ensemble des entier relatifs non nuls
ℤ− = {… , −3, −2, −1} : Ensemble des entier relatifs négatifs
ℤ+ = {0, +1, +2, +3, … } = ℕ∗ : Ensemble des entier relatifs positifs

Définition en compréhension
𝐴 = {𝑥 ≤ 5; 𝑥 ∈ ℕ}
𝐵 = {2 < 𝑥 ≤ 10; 𝑥 ∈ ℕ}
𝐶 = {2 < 𝑥 ≤ 10; 𝑥 ∈ ℝ}
II.1.2 Appartenance
Soit 𝐴 un ensemble, si 𝑎 est un élément de 𝐴 on écrit « 𝑎 ∈ 𝐴 » qui se lit « 𝑎 appartient à 𝐴 » ou « 𝑎 est un élément
de 𝐴 ».
Si 𝑎 n’est pas un élément de 𝐴 on écrit « 𝑎 ∉ 𝐴 » qui se lit « 𝑎 n’appartient pas à 𝐴 » ou « 𝑎 n’est pas un élément
de 𝐴 ».
II.1.3 Inclusion ou sous-ensemble
Soit 𝐴 et 𝐵 deux ensembles, On dit que 𝐴 est inclus dans 𝐵 si tout élément de 𝐴 appartient à 𝐵. Dans ce cas on
écrit « 𝐴 ⊂ 𝐵 » qui se lit « 𝐴 𝑒𝑠𝑡 𝑖𝑛𝑐𝑙𝑢𝑠 𝑑𝑎𝑛𝑠 𝐵 » ou « 𝐴 𝑒𝑠𝑡 𝑢𝑛𝑒 𝑝𝑎𝑟𝑡𝑖𝑒 𝑑𝑒 𝐵 » ou encore « 𝐴 𝑒𝑠𝑡 𝑢𝑛 𝑠𝑜𝑢𝑠 −
𝑒𝑛𝑠𝑒𝑚𝑏𝑙𝑒 𝑑𝑒 𝐵 ».
𝐴 ⊂ 𝐵 ⇔ (∀𝑥, (𝑥 ∈ 𝐴 ⇒ 𝑥 ∈ 𝐵)).
TP : Trouver la négation de cette relation
Exemple :
- ℕ⊂ℤ⊂ℚ⊂ℝ⊂ℂ
- ℕ∗ = ℕ0 = {1,2,3, … 𝑛} ⊂ ℕ
- ℤ∗ = ℤ0 = {… , −3, −2, −1, +1, +2, +3, … } ⊂ ℤ
- ℤ− = {𝑑; 𝑑 ∈ ℤ 𝑒𝑡 𝑑 < 0}
= {… , −3, −2, −1} ⊂ ℤ

𝑗. 𝑚𝑖𝑠𝑠𝑖 2025
 18

- ℤ+ = {𝑑; 𝑑 ∈ ℤ 𝑒𝑡 𝑑 ≥ 0}
= {0, +1, +2, +3, … } = ℕ∗ ⊂ ℤ
- Si 𝐴 est un ensemble de nombre pair, c’est-à-dire 𝐴 = {2𝑎; 𝑎 ∈ ℕ} alors 𝐴 ⊂ ℕ
II.1.4. Egalité de deux ensembles
Soit 𝐴 𝑒𝑡 𝐵 deux ensembles, alors 𝐴 = 𝐵 ⇔ ((𝐴 ⊂ 𝐵) 𝑒𝑡 (𝐴 ⊂ 𝐵)).

De par sa définition, un ensemble est égal à lui-même, c’est-à-dire si 𝐴 est un ensemble, alors 𝐴 = 𝐴 (donc on peut
écrire 𝐴 ⊂ 𝐴 , l’inverse est trivial)
II.1.5 Ensemble vide
On appel ensemble vide, l’ensemble ne contenant aucun élément. On le note « ∅ »
De par sa définition, l’ensemble vide est un sous-ensemble de n’importe quel ensemble, c’est-à-dire si 𝐴 est un
ensemble alors ∅ ⊂ 𝐴
II.1.6 Différence de deux ensembles
La différence de deux ensembles A, B est un ensemble des éléments de A qui ne sont pas dans B, noté 𝐴 − 𝐵.
𝐴 − 𝐵 = {𝑥/𝑥 ∈ 𝐴 ∧ 𝑥 ∉ 𝐵}.
𝐴
Si 𝐴 ⊂ 𝐵 alors 𝐵 − 𝐴 est aussi appelé le complémentaire de A dans B, il est noté C𝐵 .

C𝐵𝐴 = {𝑥/𝑥 ∈ 𝐵 ∧ 𝑥 ∉ 𝐴}
Remarque :
𝑠𝑖 𝐴 𝑒𝑡 𝐵 𝑠𝑜𝑛𝑡 𝑑𝑒𝑢𝑥 𝑒𝑛𝑠𝑒𝑚𝑏𝑙𝑒𝑠 𝑎𝑙𝑜𝑟𝑠 𝐴\𝐵 ⊂ 𝐴

Preuve
Soit 𝑥 ∈ 𝐴\𝐵 𝑎𝑙𝑜𝑟𝑠 𝑥 ∈ 𝐴 𝑒𝑡 𝑥 ∉ 𝐵 (𝑝𝑎𝑟 𝑑é𝑓𝑖𝑛𝑖𝑡𝑖𝑜𝑛 𝑑 ′ 𝑢𝑛 𝑒𝑛𝑠𝑒𝑚𝑏𝑙𝑒 𝑐𝑜𝑚𝑝𝑙é𝑚𝑒𝑛𝑡𝑎𝑖𝑟𝑒)
𝑥 ∈ 𝐴\𝐵 𝑎𝑙𝑜𝑟𝑠 𝑥 ∈ 𝐴, 𝑐 ′ 𝑒𝑠𝑡 − à − 𝑑𝑖𝑟𝑒 𝐴\𝐵 ⊂ 𝐴 (𝑝𝑎𝑟 𝑑é𝑓𝑖𝑛𝑖𝑡𝑖𝑜𝑛 𝑑𝑒 𝑙 ′ 𝑖𝑛𝑐𝑙𝑢𝑠𝑖𝑜𝑛)

II.1.7 Operations sur les ensembles

1. L’intersection

Soit 𝐴𝑒𝑡 𝐵 deux ensembles, on note « 𝐴 ∩ 𝐵 » l’ensemble des éléments appartenant à la fois à 𝐴 𝑒𝑡 𝐵
𝐴 ∩ 𝐵 se lit « 𝐴 𝑖𝑛𝑡𝑒𝑟 𝐵 » ou « 𝑙 ′ 𝑖𝑛𝑡𝑒𝑟𝑠𝑒𝑐𝑡𝑖𝑜𝑛 𝑑𝑒 𝐴 𝑒𝑡 𝐵 »
𝑥 ∈ 𝐴 ∩ 𝐵 ⇔ (𝑥 ∈ 𝐴 ∧ 𝑥 ∈ 𝐵)
Remarque
𝐴 ∩ 𝐵 ⊂ 𝐴 𝑒𝑡 𝐴 ∩ 𝐵 ⊂ 𝐵
Preuve
Soit 𝑥 ∈ 𝐴 ∩ 𝐵 𝑎𝑙𝑜𝑟𝑠 𝑥 ∈ 𝐴 𝑒𝑡 𝑥 ∈ 𝐵 (𝑝𝑎𝑟 𝑑é𝑓𝑖𝑛𝑖𝑡𝑖𝑜𝑛 𝑑𝑒 𝑙′𝑖𝑛𝑡𝑒𝑟𝑠𝑒𝑐𝑡𝑖𝑜𝑛)
𝑥 ∈ 𝐴 ∩ 𝐵 𝑎𝑙𝑜𝑟𝑠 𝑥 ∈ 𝐴 𝑒𝑡 𝑥 ∈ 𝐴 ∩ 𝐵 𝑎𝑙𝑜𝑟𝑠 𝑥 ∈ 𝐵
𝐴 ∩ 𝐵 ⊂ 𝐴 𝑒𝑡 𝐴 ∩ 𝐵 ⊂ 𝐵 (𝑝𝑎𝑟 𝑑é𝑓𝑖𝑛𝑖𝑡𝑖𝑜𝑛 𝑑𝑒 𝑙 ′ 𝑖𝑛𝑙𝑐𝑢𝑠𝑖𝑜𝑛)
Exemple :
𝐴 = {0,2,4,6,8} et 𝐵 = {2,5,8,10}
𝐴 ∩ 𝐵 = {2,8} qui est clairement inclus dans 𝐴 𝑒𝑡 𝑑𝑎𝑛𝑠 𝐵

2. La réunion

Soit 𝐴 𝑒𝑡 𝐵 deux ensembles, on note « 𝐴 ∪ 𝐵 » l’ensemble des éléments appartenant à 𝐴 𝑜𝑢 à 𝐵

𝐴 ∪ 𝐵 se lit « 𝐴 𝑢𝑛𝑖𝑜𝑛 𝐵 » ou « 𝑙𝑎 𝑟é𝑢𝑛𝑖𝑜𝑛 𝑑𝑒 𝐴 𝑒𝑡 𝐵 »
𝑥 ∈ 𝐴 ∪ 𝐵 ⇔ (𝑥 ∈ 𝐴 ∨ 𝑥 ∈ 𝐵).
Remarque 1

𝑗. 𝑚𝑖𝑠𝑠𝑖 2025
 19

𝐴 ⊂ 𝐴 ∪ 𝐵 𝑒𝑡 𝐵 ⊂ 𝐴 ∪ 𝐵
Remarque 2
1) Si 𝐴, 𝐵 n’ont pas d’éléments en commun, on dit qu’ils sont disjoints, alors 𝐴 ∩ 𝐵 = ∅.
𝐴
2) 𝐵 = C𝐸 ⇔ 𝐴 ∪ 𝐵 = 𝐸 𝑒𝑡 𝐴 ∩ 𝐵 = ∅. .
3) 𝐴 − 𝐵 = 𝐴 ∩ 𝐵𝐶
3. La différence symétrique.
Soient 𝐸 un ensemble non vide et 𝐴, 𝐵 ⊂ 𝐸, la différence symétrique entre deux ensembles 𝐴, 𝐵 est l’ensemble
des éléments qui appartiennent à 𝐴 − 𝐵 𝑜𝑢 𝐵 − 𝐴 noté 𝐴∆𝐵, 𝑙𝑖𝑟𝑒 « 𝐴 𝑑𝑒𝑙𝑡𝑎 𝐵 ».
𝐵 𝐴
𝐴∆𝐵 = (𝐴 − 𝐵) ∪ (𝐵 − 𝐴) = (𝐴 ∩ C𝐸 ) ∪ (𝐵 ∩ C𝐸 ) = (𝐴 ∪ 𝐵) − (𝐴 ∩ 𝐵).
𝑥 ∈ 𝐴∆𝐵 ⇔ {𝑥/𝑥 ∈ (𝐴 − 𝐵) ∨ 𝑥 ∈ (𝐵 − 𝐴)}.
4. Produit Cartésien (Produit d’ensemble)

Soient 𝐴 𝑒𝑡 𝐵 deux ensembles, on note 𝐴 × 𝐵 = {(𝑎, 𝑏), 𝑎 ∈ 𝐴, 𝑏 ∈ 𝐵} l’ensemble dont les éléments sont les
couples (𝑎, 𝑏), 𝑜ù 𝑎 ∈ 𝐴 𝑒𝑡 𝑏 ∈ 𝐵.
𝐴 × 𝐵 se lit « 𝐴 𝑐𝑟𝑜𝑖𝑥 𝐵 »

Remarque
Si 𝐴 𝑒𝑡 𝐵 sont des ensembles finis et si on désigne par
𝐶𝑎𝑟𝑑(𝐴) : Le nombre d’éléments de 𝐴.
𝐶𝑎𝑟𝑑(𝐵) : Le nombre d’éléments de 𝐵. On a :
𝐶𝑎𝑟𝑑(𝐴 × 𝐵) = 𝐶𝑎𝑟𝑑(𝐴) ∗ 𝐶𝑎𝑟𝑑(𝐵)
Exemple :
1. Soit 𝐴 = {1,2,3} 𝑒𝑡 𝐵 = {2,4} déterminons 𝐴 × 𝐵
En effet
𝐶𝑎𝑟𝑑(𝐴) = 3 𝑒𝑡 𝐶𝑎𝑟𝑑(𝐵) = 2
alors 𝐶𝑎𝑟𝑑(𝐴 × 𝐵) = 3.2 = 6 (le nombre d’éléments de 𝐴 × 𝐵
D’où 𝐴 × 𝐵 = {(1,2), (1,4), (2,2), (2,4), (3,2), (3,4)}
2. Soit E = {1, 2, 3, 4, 5, 6, 7, 8}, A = {1, 2, 3, 4, 5, 6}, B = {2, 4, 6, 8}
a) 𝐴 ⊂ 𝐸, 𝐵 ⊂ 𝐸
𝐴 n’est pas inclus dans 𝐵 car 1 ∈ 𝐴 ∧ 1 ∉ 𝐵. 𝐵 n’est pas inclus dans A car 8 ∈ B ∧ 8 ∉ A
b) A ∩ B = {2, 4, 6}, A ∪ B = {1, 2, 3, 4, 5, 6, 8}.
c) A − B = {1, 3, 5}, B − A = {8}
d) A∆B = {1, 3, 5, 8}.
II.1.8. Propriétés des opérations sur les ensembles
1. La commutativité. Quels que soient 𝐴, 𝐵 deux ensembles :
𝐴 ∩ 𝐵 = 𝐵 ∩ 𝐴,
𝐴 ∪ 𝐵 = 𝐵 ∪ 𝐴.
2. L’associativité. Quels que soient 𝐴, 𝐵, 𝐶 deux ensembles :
𝐴 ∩ (𝐵 ∩ 𝐶) = (𝐴 ∩ 𝐵) ∩ 𝐶,
𝐴 ∪ (𝐵 ∪ 𝐶) = (𝐴 ∪ 𝐵) ∪ 𝐶.
3. La distributivité. Quels que soient 𝐴, 𝐵, 𝐶 deux ensembles :
𝐴 ∪ (𝐵 ∩ 𝐶) = (𝐴 ∪ 𝐵) ∩ (𝐴 ∪ 𝐶),
𝐴 ∩ (𝐵 ∪ 𝐶) = (𝐴 ∩ 𝐵) ∪ (𝐴 ∩ 𝐶).
4. L’idempotence.
𝐴 ∪ 𝐴 = 𝐴,
𝐴 ∩ 𝐴 = 𝐴.

5. Lois de Morgan.

𝑗. 𝑚𝑖𝑠𝑠𝑖 2025
 20

a) (𝐴 ∪ 𝐵)𝐶 = 𝐴𝐶 ∩ 𝐵𝐶 .
b) (𝐴 ∩ 𝐵)𝐶 = 𝐴𝐶 ∪ 𝐵𝐶 .

Preuve. Montrons que (𝐴 ∪ 𝐵)𝐶 ⊂ 𝐴𝐶 ∩ 𝐵𝐶 𝑒𝑡 𝐴𝐶 ∩ 𝐵𝐶 ⊂ (𝐴 ∪ 𝐵)𝐶 ,

(𝐴 ∪ 𝐵)𝐶 ⊂ 𝐴𝐶 ∩ 𝐵𝐶 :
Soit 𝑥 ∈ (𝐴 ∪ 𝐵)𝐶 ⇒ 𝑥 ∉ (𝐴 ∪ 𝐵) ⇒ 𝑥 ∉ 𝐴 ∧ 𝑥 ∉ 𝐵 ⇒ 𝑥 ∈ 𝐴𝐶 ∧ 𝑥 ∈ 𝐵𝐶 ainsi
𝑥 ∈ (𝐴 ∪ 𝐵)𝐶 ⇒ 𝑥 ∈ (𝐴𝐶 ∩ 𝐵𝐶 ), d’où (𝐴 ∪ 𝐵)𝐶 ⊂ 𝐴𝐶 ∩ 𝐵𝐶 .

𝐴𝐶 ∩ 𝐵𝐶 ⊂ (𝐴 ∪ 𝐵)𝐶 :
Soit 𝑥 ∈ (𝐴𝐶 ∩ 𝐵𝐶 ) ⇒ 𝑥 ∈ 𝐴𝐶 ∧ 𝑥 ∈ 𝐵𝐶 ⇒ 𝑥 ∉ 𝐴 ∧ 𝑥 ∉ 𝐵 ⇒ 𝑥 ∉ (𝐴 ∪ 𝐵), d’où 𝐴𝐶 ∩ 𝐵𝐶 ⊂ (𝐴 ∪ 𝐵)𝐶 , ainsi
(𝐴 ∪ 𝐵)𝐶 = 𝐴𝐶 ∩ 𝐵𝐶 . On suit le même raisonnement pour la seconde relation.

Preuve de b) au TP

II.2. Application et relations d’équivalence

II.2.1 Application
Soit 𝐴 𝑒𝑡 𝐵 deux ensembles, soit 𝑥 𝑒𝑡 𝑦 deux éléments tel que 𝑥 ∈ 𝐴 𝑒𝑡 𝑦 ∈ 𝐵.
Une application est une relation de correspondance d’un ensemble 𝐴 vers un ensemble 𝐵 qui, à tout élément de 𝐴
associe un unique élément de 𝐵.
On note
𝑓: 𝐴 → 𝐵
𝑥 ↦ 𝑓(𝑥) = 𝑦
On dit que 𝑦 𝑒𝑠𝑡 𝑙 ′ 𝑖𝑚𝑎𝑔𝑒 𝑑𝑒 𝑥 𝑝𝑎𝑟 𝑓, 𝑒𝑡 𝑥 𝑒𝑠𝑡 𝑙 ′ 𝑎𝑛𝑡é𝑐é𝑑𝑒𝑛𝑡 𝑑𝑒 𝑦

Exemple : Déterminez si 𝑓 est une application

𝑓: 𝐴 → 𝐵
𝑥 ↦ 𝑓(𝑥) = 𝑥 2
1. 𝐴 = {0,1,2,3} 𝑒𝑡 𝐵 = {0,1,2,3,4,5}
2. 𝐴 = {0,1,2,3} 𝑒𝑡 𝐵 = ℕ
II.2.2 Image direct et image réciproque
a) L’image directe. Soit 𝑓: 𝐸 → 𝐹 et 𝐴 ⊂ 𝐸, on appelle image de 𝐴 par 𝑓 un sous ensemble de 𝐹, noté 𝑓(𝐴)
tel que 𝑓(𝐴) = {𝑓(𝑥) ∈ 𝐹/𝑥 ∈ 𝐴},
sachant que 𝑓(𝐴) ⊂ 𝐹, et que 𝐴, 𝑓(𝐴) sont des ensembles

b) L’image réciproque. Soit 𝑓: 𝐸 → 𝐹 et 𝐵 ⊂ 𝐹, on appelle l’image réciproque de 𝐵 par 𝑓, la partie de 𝐸 notée

𝑓 −1 (𝐵) telle que
𝑓 −1 (𝐵) = {𝑥 ∈ 𝐸/𝑓(𝑥) ∈ 𝐵}, sachant que 𝑓 −1 (𝐵) ⊂ 𝐸, et que 𝐵, 𝑓 −1 (𝐵) sont des ensembles

Exemple
1) Soit 𝑓 l’application définie par : 𝑓: [0, 3] → [0, 4], 𝑥 ↦ 𝑓(𝑥) = 2𝑥 + 1.
Trouver 𝑓([0, 1]) ?
𝑓([0, 1]) = {𝑓(𝑥) = 𝑦/𝑥 ∈ [0, 1]} = {2𝑥 + 1/0 ≤ 𝑥 ≤ 1},
𝑜𝑛 𝑎 ∶ 0 ≤ 𝑥 ≤ 1 ⇒ 0 ≤ 2𝑥 ≤ 2 ⇒ 1 ≤ 2𝑥 + 1 ≤ 3,
𝑎𝑙𝑜𝑟𝑠 𝑓([0, 1]) = [1, 3] ⊂ [0, 4]

2) Soit f l’application définie par : : 𝑓: [0, 2] → [0, 4], 𝑥 ↦ 𝑓(𝑥) = (2𝑥 − 1)2 .
Calculer 𝑓 −1 ({0}) et 𝑓 −1 (]0,1[).

𝑗. 𝑚𝑖𝑠𝑠𝑖 2025
 21

𝑓 −1 ({0}) = {𝑥 ∈ [0, 2]/𝑓(𝑥) ∈ {0}} = {𝑥 ∈ [0, 2]/𝑓(𝑥) = 0} = {𝑥 ∈ [0, 2]/(2𝑥 − 1)2 = 0}

1
={ }
2
Preuve de 𝑓 −1 (]0,1[) au T.P

II.2.3. La Surjection, L’Injection et La Bijection

1. La surjection
L’image 𝑓(𝐸) de 𝐸 𝑝𝑎𝑟 𝑓 est une partie de 𝐹. Si tout élément de 𝐹 est l’image par 𝑓 d’au moins un élément de E,
on dit que 𝑓 est une application surjective de 𝐸 𝑑𝑎𝑛𝑠 𝐹 on a : 𝑓(𝐸) = 𝐹.
𝑓est surjective ⇔ (∀𝑦 ∈ 𝐹), (∃𝑥 ∈ 𝐸)/𝑓(𝑥) = 𝑦.

Exemples
Les applications suivantes sont-elles surjectives ?

a) 𝑓1 : ℕ → ℕ, 𝑥 ↦ 4𝑥 + 2,
𝑓1 n’est pas surjective, en effet si on suppose qu’elle est surjective c’est à dire
𝑦−1 𝑦−1
∀𝑦 ∈ ℕ, ∃𝑥 ∈ ℕ/4𝑥 + 1 = 𝑦 ⇒ 𝑥 = , or 𝑥 = ∉ ℕ, donc 𝑓1 n’est pas surjective
4 4
b) 𝑓2 : ℝ → ℝ, 𝑥 ↦ 𝑥 = 5𝑥 + 3,
𝑦−3
𝑓2 est surjective car ∀𝑦 ∈ ℝ, ∃𝑥 ∈ ℝ/5𝑥 + 3 = 𝑦 ⇒ 𝑥 = ∈ℝ
5
2. L’injection

Quand on a deux éléments distincts de 𝐸 correspondant par 𝑓 à deux images différentes de 𝐹, 𝑓 est dite application
injective, on a alors :
(𝑓𝑒𝑠𝑡 𝑖𝑛𝑗𝑒𝑐𝑡𝑖𝑣𝑒) ⇔ (∀𝑥1 , 𝑥2 ∈ 𝐸, 𝑥1 ≠ 𝑥2 ⇒ 𝑓(𝑥1 ) ≠ 𝑓(𝑥2 )), ou
(𝑓𝑒𝑠𝑡 𝑖𝑛𝑗𝑒𝑐𝑡𝑖𝑣𝑒) ⇔ (∀𝑥1 , 𝑥2 ∈ 𝐸, 𝑓(𝑥1 ) = 𝑓(𝑥2 ) ⇒ 𝑥1 = 𝑥2 )

Exemples
Les applications suivantes sont-elles injectives ?

a) 𝑓1 : ℕ → ℕ, 𝑥 ↦ 𝑛 = 4𝑛 + 2,
𝑓1 est injective car ∀𝑛1 , 𝑛2 ∈ ℕ, 𝑓(𝑛1 ) = 𝑓(𝑛2 ) ⇒ 4𝑛1 + 2 = 4𝑛2 + 2 ⇒ 4𝑛1 = 4𝑛2 ⇒ 𝑛1 = 𝑛2

b) 𝑓2 : ℝ → ℝ, 𝑥 ↦ 𝑥 = 5𝑥 + 3,
𝑓2 est injective car ∀𝑥1 , 𝑥2 ∈ ℝ, 𝑓(𝑥1 ) = 𝑓(𝑥2 ) ⇒ 5𝑥1 + 3 = 5𝑥2 + 3 ⇒ 5𝑥1 = 5𝑥2 ⇒ 𝑥1 = 𝑥2

3. La bijection

𝑓 est une application bijective si elle est injective et surjective, c’est à dire tout élément de 𝐹 est l’image d’un
unique élément de 𝐸. 𝑓 est bijective si et seulement si :
(∀𝑦 ∈ 𝐹), (∃! 𝑥 ∈ 𝐸), (𝑓(𝑥) = 𝑦).
Exemple

a) 𝑓1 : ℕ → ℕ, 𝑥 ↦ 𝑛 = 4𝑛 + 2,
𝑓1 n’est pas bijective car elle n’est pas surjective

b) 𝑓2 : ℝ → ℝ, 𝑥 ↦ 𝑥 = 5𝑥 + 3,
𝑓2 est bijective
Remarque : Lorsque une application 𝑓 est bijective cela veut dire que l’application inverse 𝑓 −1 existe. 𝑓 −1 est
aussi bijective de 𝐹 sur 𝐸 et (𝑓 −1 )−1 = 𝑓.

𝑗. 𝑚𝑖𝑠𝑠𝑖 2025
 22

Exemple
𝑓2 : ℝ → ℝ, 𝑥 ↦ 𝑥 = 5𝑥 + 3 est bijective et 𝑓 −1 est définie par :
𝑦−3
𝑓2−1 : ℝ → ℝ, 𝑥 ↦ 𝑥 =
5
II.3. Relations Binaires dans un ensemble
II.3.1 Définition :
Soit 𝑥 ∈ 𝐸, 𝑦 ∈ 𝐹, une relation ℛ entre 𝑥 𝑒𝑡 𝑦 est une correspondance entre 𝑥 𝑒𝑡 𝑦. On note 𝑥ℛ𝑦, et si E = F la
relation est dite binaire.
Exemple
1) ∀𝑥, 𝑦 ∈ ℝ, 𝑥ℛ𝑦 ⟺ 𝑥 𝑑𝑖𝑣𝑖𝑠𝑒 𝑦, ℛ est une relation binaire
2) ∀𝑥, 𝑦 ∈ ℝ, 𝑥ℛ𝑦 ⟺ 𝑥 ≥ 𝑦
3) 𝐴 ⊂ 𝐸, 𝐵 ⊂ 𝐹, 𝐴ℛ𝐵 ⟺ 𝐴 ⊂ 𝐵
II.3.2 Propriétés des relations binaires
Soit ℛ une realtion binaire dans l’ensemble 𝐸 et 𝑥, 𝑦, 𝑧 ∈ 𝐸, on dit que ℛ est une relation
(1) Réflexive : ∀𝑥 ∈ 𝐸, 𝑥ℛ𝑥
(2) Symétrique : ∀𝑥 ∈ 𝐸, ∀𝑦 ∈ 𝐸, 𝑥ℛ𝑦 ⟹ 𝑦ℛ𝑥
(3) Antisymétrique : ∀𝑥 ∈ 𝐸, ∀𝑦 ∈ 𝐸, 𝑥ℛ𝑦 ∧ 𝑦ℛ𝑥 ⟹ 𝑦 = 𝑥
(4) Transitive : ∀𝑥, 𝑦, 𝑧 ∈ 𝐸, 𝑥ℛ𝑦 ∧ 𝑦ℛ𝑧 ⟹ 𝑥ℛ𝑧

II.3.3 Définition : Relation d’équivalence

Une relation est dite relation d’équivalence si elle est réflexive, symétrique et transitive.
II.3.4 Définition : Relation d’ordre
Une relation est dite relation d’ordre si elle est réflexive, antisymétrique et transitive.
Exemple
1) ∀𝑥, 𝑦 ∈ ℕ, 𝑥ℛ𝑦 ⟺ 𝑥 = 𝑦 est une relation d’équivalence
2) 𝐴 ⊂ 𝐸, 𝐵 ⊂ 𝐸, 𝐴ℛ𝐵 ⟺ 𝐴 ⊂ 𝐵 est une relation d’ordre
- ∀𝐴 ⊂ 𝐸, ℛ est réflexive : 𝐴ℛ𝐴 ⟺ 𝐴 ⊂ 𝐴
- ∀𝐴, 𝐵 ⊂ 𝐸, ℛ 𝑒𝑠𝑡 𝑎𝑛𝑡𝑖𝑠𝑦𝑚é𝑡𝑟𝑖𝑞𝑢𝑒 ∶ 𝐴ℛ𝐵 𝑒𝑡 𝐵ℛ𝐴 ⟺ 𝐴 ⊂ 𝐵 ∧ 𝐵 ⊂ 𝐴 ⟹ 𝐴 = 𝐵
- ∀𝐴, 𝐵, 𝐶 ⊂ 𝐸, ℛ est transitive : 𝐴ℛ𝐵 𝑒𝑡 𝐵ℛ𝐶 ⟺ 𝐴 ⊂ 𝐵 ∧ 𝐵 ⊂ 𝐶 ⟹ 𝐴 ⊂ 𝐶
3) ∀𝑥, 𝑦 ∈ ℝ, 𝑥ℛ𝑦 ⟺ 𝑥 ≤ 𝑦 est une relation d’ordre

II.3.5 Définition : Relation d’ordre total

Une relation d’ordre dans un ensemble 𝐸 est dite d’ordre total si deux éléments quelconques de 𝐸 sont
comparables, i.e. ∀𝑥, 𝑦 ∈ 𝐸, on a 𝑥ℛ𝑦 ou 𝑦ℛ𝑥.
Une relation d’ordre est dite d’ordre partiel si elle n’est pas d’ordre total.
Exemples : ∀𝑥, 𝑦 ∈ ℝ, 𝑥ℛ𝑦 ⟺ 𝑥 ≤ 𝑦
- ℛ est réflexive : ∀𝑥 ∈ ℝ, 𝑥ℛ𝑥 ⟺ 𝑥 ≤ 𝑥
- ℛ est antisymétrique : ∀𝑥, 𝑦 ∈ ℝ, 𝑥ℛ𝑦 ∧ 𝑦ℛ𝑥 ⟺ 𝑥 ≤ 𝑦 ∧ 𝑦 ≤ 𝑥 ⟹ 𝑥 = 𝑦
- ℛ est transitive : ∀𝑥, 𝑦, 𝑧 ∈ ℝ, 𝑥ℛ𝑦 ∧ 𝑦ℛ𝑧 ⟺ 𝑥 ≤ 𝑦 ∧ 𝑦 ≤ 𝑧 ⟹ 𝑥 ≤ 𝑧
- ℛ est une relation d’ordre total car ∀𝑥, 𝑦 ∈ ℝ, 𝑥 ≤ 𝑦 𝑜𝑢 𝑦 ≤ 𝑥
II.3.6 Classe d’équivalence
Soit ℛ une relation d’équivalence, on appelle classe d’équivalence d’un élément 𝑥 ∈ 𝐸 l’ensemble des éléments
𝑦 ∈ 𝐸 qui sont en relation ℛ avec 𝑥, on note 𝐶𝑥
𝐶𝑥 = {𝑦 ∈ 𝐸/𝑥ℛ𝑦}
Exemple :
∀𝑥 ∈ ℝ, 𝑥ℛ𝑦 ⟺ 𝑥 2 − 𝑥 = 𝑦 2 − 𝑦 est une relation d’équivalence :

𝑗. 𝑚𝑖𝑠𝑠𝑖 2025
 23

- ∀𝑥 ∈ ℝ, 𝑥ℛ𝑥 ⟺ 𝑥 2 − 𝑥 = 𝑥 2 − 𝑥, ℛ est réflexive

- ∀𝑥, 𝑦 ∈ ℝ, 𝑥ℛ𝑦 ⟺ 𝑥 2 − 𝑥 = 𝑦 2 − 𝑦 ⟺ 𝑦 2 − 𝑦 = 𝑥 2 − 𝑥 ⟺ 𝑦ℛ𝑥, ℛ est symétrique
- ∀𝑥, 𝑦, 𝑧 ∈ ℝ, 𝑥ℛ𝑦 ∧ 𝑦ℛ𝑧 ⟺ 𝑥 2 − 𝑥 = 𝑦 2 − 𝑦 ∧ 𝑦 2 − 𝑦 = 𝑧 2 − 𝑧 ⟺ 𝑥 2 − 𝑥 = 𝑧 2 − 𝑧 ⟺ 𝑥ℛ𝑧, ℛ est
transitive
Cherchons les classes d’équivalence suivantes : 𝐶0 , 𝐶1 ,𝐶2 , 𝐶1
2

- 𝐶0 = {𝑦 ∈ 𝐸/0ℛ𝑦}, 0ℛ𝑦 ⟺ 𝑦 2 − 𝑦 = 0, ainsi 𝐶0 = {0,1}

- 𝐶1 = {𝑦 ∈ 𝐸/1ℛ𝑦}, 1ℛ𝑦 ⟺ 𝑦 2 − 𝑦 = 1 − 1 = 0, ainsi𝐶1 = {0,1}
- 𝐶2 = {𝑦 ∈ 𝐸/2ℛ𝑦}, 2ℛ𝑦 ⟺ 𝑦 2 − 𝑦 = 22 − 2 = 4 − 2 = 2, ainsi 𝐶2 = {−1,2}
1 1 1 2 1 1 1 1 1
- 𝐶1 = {𝑦 ∈ 𝐸/ ℛ𝑦}, ℛ𝑦 ⟺ 𝑦 2 − 𝑦 = ( ) − = − = − , ainsi 𝐶1 = { }
2 2 2 2 2 4 2 4 2 2

II.4. Structures Algébriques

II.4.1 Lois de composition interne

Définition :
Soit 𝐺 un ensemble, on appelle loi interne sur 𝐺 toute application de 𝐺 × 𝐺 dans 𝐺, on note souvent une loi interne
par ⋆ ou δ.
Exemple
L’addition est une loi interne sur IR
+: ℝ × ℝ → ℝ
(𝑎, 𝑏) ↦ 𝑎 + 𝑏
Définition :
Soit 𝐺 un ensemble et ∗ une loi interne.
(1) ⋆ est dite commutative si et seulement si : ∀𝑥, 𝑦 ∈ 𝐺, 𝑥 ⋆ 𝑦 = 𝑦 ⋆ 𝑥.
(2) ⋆ est dite associative si et seulement si : ∀𝑥, 𝑦, 𝑧 ∈ 𝐺, 𝑥 ⋆ (𝑦 ⋆ 𝑧) = (𝑥 ⋆ 𝑦) ⋆ 𝑧.
(3) ⋆ admet un élément neutre si et seulement si :∃ 𝑒 ∈ 𝐺, 𝑥 ⋆ 𝑒 = 𝑒 ⋆ 𝑥 = 𝑥.
(4) Soit 𝑥 ∈ 𝐺 on dit qu’un élément 𝑥 ′ ∈ G est l’élément symétrique ou inverse de 𝑥 si et seulement si 𝑥 ⋆
𝑥 ′ = 𝑥 ′ ⋆ 𝑥 = 𝑒, où 𝑒 ∈ 𝐺 est l’élément neutre.

II.4.2. Notion de Groupes

Définition
On appelle groupe un ensemble 𝐺 muni d’une loi ou opération interne ⋆ telle que :
(1) ⋆ admet un élément neutre.
(2) Tout élément de 𝐺 admet un élément symétrique dans 𝐺.
(3) ⋆ est associative.
Si de plus ⋆ est commutatif, alors (𝐺,⋆) est un groupe commutatif ou abélien.
Exemple
(1) (ℤ, +) est un groupe commutatif.
(2) (ℝ,×) n’est pas un groupe car 0 n’admet pas d’élément symétrique.
(3) (ℝ∗+ ,×) est un groupe commutatif.

II.4.3. Notion d’Anneaux

Définition
Soit 𝐴 un ensemble muni de deux lois de composition internes ⋆, 𝛿, on dit que (𝐴, ⋆, 𝛿) est un anneau si :
(1) (𝐴,⋆) est un groupe commutatif.
(2) : ∀𝑥, 𝑦 ∈ 𝐴, 𝑥𝛿(𝑦 ⋆ 𝑧) = (𝑥𝛿𝑦) ⋆ (𝑥𝛿𝑧) 𝑒𝑡(𝑥 ⋆ 𝑦)𝛿𝑧 = (𝑥𝛿𝑧) ⋆ (𝑦𝛿𝑧), distributivité à gauche et à
droite.

𝑗. 𝑚𝑖𝑠𝑠𝑖 2025
 24

(3) 𝛿 est associative.

Si de plus 𝛿 est commutative, on dit que (𝐴, ⋆, 𝛿) est un anneau commutatif.
Si 𝛿 admet un élément neutre, on dit que (𝐴, ⋆, 𝛿) est un anneau unitaire.
Exemple
(ℤ, +, ·) est un anneau commutatif et unitaire.
II.4.4. Notion de Corps
Définition
Soit 𝐾 un ensemble munie de deux lois de composition internes ⋆, 𝛿, on dit que (𝐾,⋆, 𝛿) est un corps si :
(1) (𝐾,⋆, 𝛿) est un anneau unitaire.
(2) (𝐾 − {𝑒}, 𝛿) est un groupe , où 𝑒 est l’élément neutre de ⋆.
Si de plus 𝛿 est commutative, On dit que (𝐾,⋆, 𝛿) est un corps commutatif.
Exemple
(ℝ, +, ·) est un corps commutatif.

𝑗. 𝑚𝑖𝑠𝑠𝑖 2025
 25

Chapitre III : Calcul vectoriel (dans un K-espace vectoriel )

III.1. DEFINITIONS
Définition 1 : VECTEUR
On attend par vecteur, un segment de droite orienté " ̅̅̅̅
𝑨𝑩 " du point 𝑨, appelé " 𝒍’𝒐𝒓𝒊𝒈𝒊𝒏𝒆 𝒅𝒖 𝒗𝒆𝒄𝒕𝒆𝒖𝒓 ", au point
𝑩, appelé "𝑙′𝒆𝒙𝒕𝒓é𝒎𝒊𝒕é 𝒅𝒖 𝒗𝒆𝒄𝒕𝒆𝒖𝒓".
Représentation d’un vecteur :
Un vecteur est représenté graphiquement par une flèche x'
Le support d’un vecteur : c’est la droite (𝑥𝑥′), souvent non représentée, qui porte le vecteur
Caractéristique d’un vecteur :
x
Un vecteur est caractérisé par :
1. 𝐿’𝑜𝑟𝑖𝑔𝑖𝑛𝑒 (𝑝𝑡 𝐴)
2. 𝐿’𝑒𝑥𝑡𝑟é𝑚𝑖𝑡é (𝑝𝑡 𝐵)
3. 𝐿𝑒 𝑠𝑢𝑝𝑝𝑜𝑟𝑡 (𝑎𝑥𝑒 ∆)
4. 𝐿𝑎 𝑑𝑖𝑟𝑒𝑐𝑡𝑖𝑜𝑛 (𝑐𝑒𝑙𝑙𝑒 𝑑𝑢 𝑠𝑢𝑝𝑝𝑜𝑟𝑡)
𝐶’𝑒𝑠𝑡 𝑙’𝑒𝑛𝑠𝑒𝑚𝑏𝑙𝑒 𝑑𝑒𝑠 𝑣𝑒𝑐𝑡𝑒𝑢𝑟𝑠 𝑝𝑎𝑟𝑎𝑙𝑙è𝑙𝑒𝑠 à ⃗⃗⃗⃗⃗
𝐴𝐵 , 𝑛𝑜𝑡é 𝐷𝑖𝑟𝐴𝐵⃗⃗⃗⃗⃗
5. 𝐿𝑒 𝑚𝑜𝑑𝑢𝑙𝑒 (𝑛𝑜𝑟𝑚𝑒)
𝐶’𝑒𝑠𝑡 𝑙𝑎 𝑙𝑜𝑛𝑔𝑢𝑒𝑢𝑟 𝑑𝑢 𝑠𝑒𝑔𝑚𝑒𝑛𝑡 ̅̅̅̅ ̅̅̅̅ | 𝑜𝑢 ‖𝐴𝐵
𝑨𝑩 ; 𝑛𝑜𝑡é |𝐴𝐵 ̅̅̅̅‖𝑜𝑢 𝐴𝐵
6. 𝐿𝑒 𝑠𝑒𝑛𝑠 (Indiqué par la flèche)
- 𝑆𝑒𝑛𝑠 𝑝𝑜𝑠𝑖𝑡𝑖𝑓 𝑜𝑢 𝑑𝑖𝑟𝑒𝑐𝑡 (+) : 𝑚ê𝑚𝑒 𝑜𝑟𝑖𝑒𝑛𝑡𝑎𝑡𝑖𝑜𝑛 𝑞𝑢𝑒 𝑙𝑒 𝑠𝑢𝑝𝑝𝑜𝑟𝑡 ;
- 𝑆𝑒𝑛𝑠 𝑛é𝑔𝑎𝑡𝑖𝑓 𝑜𝑢 𝑖𝑛𝑑𝑖𝑟𝑒𝑐𝑡 (−) : 𝑜𝑟𝑖𝑒𝑛𝑡𝑎𝑡𝑖𝑜𝑛 𝑐𝑜𝑛𝑡𝑟𝑎𝑖𝑟𝑒 𝑞𝑢𝑒 𝑙𝑒 𝑠𝑢𝑝𝑝𝑜𝑟𝑡.
Vecteur nul :
Un vecteur ⃗⃗⃗⃗⃗
𝐴𝐵 𝑒𝑠𝑡 𝑛𝑢𝑙 𝑠𝑖 𝑒𝑡 𝑠𝑒𝑢𝑙𝑒𝑚𝑒𝑛𝑡 𝑠𝑖 𝐴 = 𝐵
Toute grandeur vectorielle est représentée par un segment orienté ⃗⃗⃗⃗⃗
𝐴𝐵 comportant le module et la direction
Définition 2 : VECTEURS COLINEAIRES
⃗ , 𝑣 sont colinéaires lorsqu’ils sont non nuls et de même direction.
On dit que deux vecteurs 𝑢
Les composantes d’un vecteur colinéaires

Deux vecteurs non colinéaires sont dits libres.

𝑻𝒉é𝒐𝒓è𝒎𝒆 (colinéarité)
𝐸𝑡𝑎𝑛𝑡 𝑑𝑜𝑛𝑛é 𝑢
⃗ 𝑢𝑛 𝑣𝑒𝑐𝑡𝑒𝑢𝑟 𝑛𝑜𝑛 𝑛𝑢𝑙 𝑒𝑡 𝑣 𝑢𝑛 𝑣𝑒𝑐𝑡𝑒𝑢𝑟 𝑞𝑢𝑒𝑙𝑐𝑜𝑛𝑞𝑢𝑒 :
𝑆’𝑖𝑙 𝑒𝑥𝑖𝑠𝑡𝑒 𝑢𝑛 𝑟é𝑒𝑙 𝒌, 𝑡𝑒𝑙 𝑞𝑢𝑒 𝑢
⃗ = 𝑘𝑣 , 𝑎𝑙𝑜𝑟 𝑢
⃗ 𝑒𝑡 𝑣 𝑠𝑜𝑛𝑡 𝑐𝑜𝑙𝑖𝑛é𝑎𝑖𝑟𝑒𝑠.

Définition 3 : VECTEUR UNITAIRE

𝑎⃗
Un vecteur unitaire est un vecteur ayant un module égal à 1. Si le vecteur quelconque de module |𝑎| > 0, alors |𝑎⃗|
est un vecteur unitaire, ayant la même direction que 𝑎 .
Définition 4 : EGALITE DES VECTEURS
Deux vecteurs 𝑎 𝑒𝑡 𝑏 sont égaux s’ils ont :
- 𝐿𝑒 𝑚ê𝑚𝑒 𝑚𝑜𝑑𝑢𝑙𝑒
- 𝐿𝑒 𝑚ê𝑚𝑒 𝑠𝑒𝑛𝑠
- 𝐿𝑎 𝑚ê𝑚𝑒 𝑑𝑖𝑟𝑒𝑐𝑡𝑖𝑜𝑛.

𝑗. 𝑚𝑖𝑠𝑠𝑖 2025
 26

III.2. OPERATIONS SUR LES VECTEURS

1. SOMME DE VECTEURS
On appelle addition vectoriel, une application définie par :
+: 𝑉 × 𝑉 → 𝑉
(𝑎 , 𝑏⃗) ↦ +(𝑎, 𝑏⃗) = 𝑎 + 𝑏⃗
qui à deux vecteurs quelconques 𝑎, 𝑏 associe leur somme 𝑎 + 𝑏.
𝑷𝒓𝒐𝒑𝒓𝒊é𝒕é𝒔 𝒅𝒆 𝒍’𝒂𝒅𝒅𝒊𝒕𝒊𝒐𝒏 𝒗𝒆𝒄𝒕𝒐𝒓𝒊𝒆𝒍𝒍𝒆
(1) 𝐿𝑎 𝒄𝒐𝒎𝒎𝒖𝒕𝒂𝒕𝒊𝒗𝒊𝒕é :∀𝑎 , 𝑏⃗ ∈ 𝑉: 𝑎 + 𝑏⃗ = 𝑏⃗ + 𝑎
(2) 𝐿’𝒂𝒔𝒔𝒐𝒄𝒊𝒂𝒕𝒊𝒗𝒊𝒕é : ∀𝑎, 𝑏, 𝑐 ∈ 𝑉: (𝑎 + 𝑏⃗) + 𝑐 = 𝑎 + (𝑏⃗ + 𝑐 )
⃗ =0
(3) 𝐸𝑙𝑙𝑒 𝑝𝑜𝑠𝑠è𝑑𝑒 𝑢𝑛 é𝒍é𝒎𝒆𝒏𝒕 𝒏𝒆𝒖𝒕𝒓𝒆, 𝑙𝑒 𝑣𝑒𝑐𝑡𝑒𝑢𝑟 𝑛𝑢𝑙 : ∀𝑎 ∈ 𝑉: 𝑎 + 0 ⃗ +𝑎 =𝑎
(4) 𝐸𝑙𝑙𝑒 𝑝𝑜𝑠𝑠è𝑑𝑒 𝑢𝑛 é𝒍é𝒎𝒆𝒏𝒕 𝒔𝒚𝒎é𝒕𝒓𝒊𝒒𝒖𝒆 ∶
⃗ . Le vecteur 𝑎 ’ est appelé l’opposé du vecteur 𝑎, et on le note – 𝑎
∀𝑎 ∈ 𝐸; 𝑎 + 𝑎 ′ = 𝑎′ + 𝑎 = 0
On dit que l’ensemble E muni de l’addition + est un groupe commutatif (ou abélien).
Graphiquement, on peut réaliser cette opération par la règle du parallélogramme.

a) Considérons les vecteurs 𝑎 𝑒𝑡 𝑏⃗ et trouvons 𝑎 + 𝑏⃗

𝑏⃗ 𝑎 + 𝑏⃗ 𝑏⃗
𝑎
b) Cas d’un contour polygonal (Théorème de Chasles) 𝑎
Soit les vecteurs consécutifs ⃗⃗⃗⃗⃗
AB, ⃗⃗⃗⃗⃗
BC, ⃗⃗⃗⃗⃗
CD
𝐵 𝑎2
𝑎1 𝐶
𝑎3
𝐴 𝑎4
⃗⃗⃗⃗⃗ = AB
AD ⃗⃗⃗⃗⃗ + BC
⃗⃗⃗⃗⃗ + CD
⃗⃗⃗⃗⃗ 𝐷
𝑎4 = ⃗⃗⃗⃗
⃗⃗⃗⃗ 𝑎1 + ⃗⃗⃗⃗
𝑎2 + ⃗⃗⃗⃗
𝑎3
2. PRODUIT D’UN VECTEUR PAR UN SCALAIRE
Le produit d’un vecteur 𝑎 par un scalaire λ est une application, qui à un scalaire λ et à un vecteur 𝑎 associe le
vecteur λ𝑎 . On a :
∙∶ℝ×𝑉 →𝑉
(λ, 𝑎 ) ⟼ ∙ (λ, 𝑎 ) = λ𝑎
Propriétés
Pour tous réels λ, 𝜇, et pour tous vecteurs 𝑎 , 𝑏⃗ :
1) 𝜆(𝜇𝑎) = (𝜆𝜇)𝑎
2) (𝜆 + 𝜇)𝑎 = 𝜆𝑎 + 𝜇𝑎
3) 𝜆(𝑎 + 𝑏⃗) = 𝜆𝑎 + 𝜆𝑏⃗
On déduit que
1. 𝜆𝑎 = ⃗0 ⇔ 𝑎 = ⃗0 ou 𝜆 = ⃗0

𝑗. 𝑚𝑖𝑠𝑠𝑖 2025
 27

2. 1. 𝑎 = 𝑎
3. Si 𝜆 ≠ 0 alors le vecteur 𝜆𝑣 a même direction que le vecteur 𝑣 .
De plus, si 𝜆 est positif, il est de même sens que le vecteur 𝑣 et si 𝜆 est négatif, il est de sens contraire.
Théorème
La norme du vecteur 𝜆𝑎 est définie par : ‖λ𝑎‖ = |λ|‖𝑎 ‖
Remarque
- Un vecteur qui est multiplié par un scalaire change d'amplitude, mais pas de direction.
- L’ensemble des vecteurs libres muni des opérations addition vectorielle et produit par un scalaire
est un espace vectoriel.
III.3. BASE ET REPERE (DE ℝ3 )
⃗ tel que tout vecteur 𝑣 de E
On appelle base de l’espace vectoriel E de dimension 3, tout triplet de vecteurs 𝑖, 𝑗 𝑒𝑡 𝑘
puisse s’écrire de façon unique : 𝑣 = 𝑥𝑖 + 𝑦𝑗 + 𝑧𝑘 ⃗ , où 𝑥, 𝑦 𝑒𝑡 𝑧 sont les composants de 𝑣 dans la base
⃗ }, on note : 𝑣 (𝑥, 𝑦, 𝑧).
{𝑖, 𝑗, 𝑘
⃗ ). O est l’origine
Un repère peut être défini comme un duo formé d’un point et d’une base. Par exemple : (𝑜, 𝑖, 𝑗, 𝑘
⃗ } est la base associée à ce repère.
du repère, et {𝑖, 𝑗, 𝑘
Remarque
Si les vecteur 𝑖, 𝑗, 𝑘 ⃗ sont unitaire et mutuellement orthogonaux alors la base {𝑖, 𝑗, 𝑘
⃗ } (respectivement le repère
⃗ ) ) est dit Base orthonormée (respectivement Repère orthonormé)
(𝑜, 𝑖, 𝑗, 𝑘
1. SOMME DE VECTEURS DANS UNE BASE
⃗ et 𝑎 ′ = 𝑥′𝑖 + 𝑦′𝑗 + 𝑧′𝑘
Considérons les vecteurs 𝑎 = 𝑥𝑖 + 𝑦𝑗 + 𝑧𝑘 ⃗ dans la base {𝑖, 𝑗, 𝑘
⃗ } de ℝ3 . On a:

⃗
𝑎 + 𝑎 ′ = (𝑥 + 𝑥’)𝑖 + (𝑦 + 𝑦’)𝑗 + (𝑧 + 𝑧’)𝑘
Exemple : Dans la base {𝑖, 𝑗, 𝑘} de ℝ3 , on donne les vecteurs : 𝑎 (−3,4,8) 𝑒𝑡𝑏⃗(5, −7,0).
Calculer 𝑎 + 𝑏⃗ et 𝑎 − 𝑏⃗, on a :
𝑎 + 𝑏⃗ = 2𝑖 − 3𝑗 + 8𝑘
⃗ et 𝑎 − 𝑏⃗ = 𝑎 + (−𝑏⃗) = −8𝑖 + 13𝑗 + 8𝑘
⃗
2. PRODUIT D’UN VECTEUR PAR UN SCALAIRE DANS UNE BASE
⃗ et un scalaire 𝜆 ∈ ℝ. On a :
Soient le vecteur 𝑎 = 𝑥𝑖 + 𝑦𝑗 + 𝑧𝑘
⃗.
𝜆𝑎 = (𝜆𝑥)𝑖 + (𝜆𝑦)𝑗 + (𝜆𝑧)𝑘
⃗ dans la base {𝑖, 𝑗, 𝑘
Exemple : Soit un vecteur 𝑎 = 2𝑖 + 3𝑗 + 7𝑘 ⃗ } de ℝ3 , trouvez le vecteur 3𝑎 .

⃗
Solution : 3𝑎 = 6𝑖 + 9𝑗 + 21𝑘
III.4. NORME D’UN VECTEUR
On appelle norme du vecteur 𝑎 l’application
‖ ‖: ℝ3 → ℝ

𝑎 (𝑥, 𝑦, 𝑧) ⟼ ‖𝑎 ‖ = 〈𝑎 , 𝑎〉 = √𝑎. 𝑎 = √𝑥 2 + 𝑦 2 + 𝑧 2
C’est l’application, qui à un élément 𝑎 (𝑥, 𝑦, 𝑧) de ℝ3 associe le nombre réel noté
‖𝑎 ‖ = √𝑥 2 + 𝑦 2 + 𝑧 2
Propriétés
1) Il en résulte que ‖𝑎‖ est un nombre positif ou nul ( ‖𝑎‖ ≥ 0).
2) Si l’on a ‖𝑎‖ = 1, on dit que 𝑎 est un vecteur unitaire ou vecteur normé
3) ∀𝑎 ∈ 𝐸, ‖𝑎‖ = 0 ⇔ 𝑎 = 0

𝑗. 𝑚𝑖𝑠𝑠𝑖 2025
 28

4) ∀𝑎 ∈ 𝐸, ‖𝑎‖ > 0 ⇔ 𝑎 ≠ 0
5) Le réel ‖𝑎 − 𝑏⃗‖ est appelé distance euclidien de E.

III.5. PRODUIT SCALAIRE

𝑏⃗
III.5.1 Définition
Soit 𝐸 un espace vectoriel. Le produit scalaire est l’application :
θ 𝑎
∙∶𝐸×𝐸 →ℝ
(𝑎, 𝑏⃗) ⟼ ∙ (𝑎 , 𝑏⃗) = 〈𝑎 , 𝑏⃗〉 = ‖𝑎 ‖. ‖𝑎‖𝑐𝑜𝑠𝜃

Avec 𝜃 l’angle formé par 𝑎 et 𝑏⃗.

On note : 〈𝑎 , 𝑏⃗〉 𝑜𝑢 𝑎 ∙ 𝑏⃗
Nous allons donc considérer la notation 𝑎 ∙ 𝑏⃗ = ‖𝑎‖. ‖𝑎 ‖𝑐𝑜𝑠𝜃
III.5.2 Tableau des valeurs particulières de la fonction Cosinus
Premier quadrant Deuxième quadrant
𝜋 𝜋 𝜋 𝜋 2𝜋 3𝜋 5𝜋
0 𝜋
𝜽 6 4 3 2 3 4 6
0o 30o 45o 60o 90o 120o 135o 150o 180o
√3 √2 1 1 √2 √3
𝐜𝐨𝐬 𝜽 1 0 − − − -1
2 2 2 2 2 2
III.5.3 Propriétés
1) 𝑎. 𝑏⃗ = 𝑏⃗. 𝑎 (Commutativité)
2) 𝜆(𝑎. 𝑏⃗) = (𝜆𝑎). 𝑏⃗ = 𝑎 . (𝜆𝑏⃗) = (𝑎. 𝑏⃗)𝜆
𝑎. (𝑏⃗ + 𝑐 ) = 𝑎. 𝑏⃗ + 𝑎 . 𝑐 (Distributivité du produit scalaire par rapport à l’addition vectorielle)
(𝑏⃗ + 𝑐 ). 𝑎 = 𝑏⃗. 𝑎 + 𝑐 . 𝑎 (Distributivité du produit scalaire par rapport à l’addition vectorielle)
3) 𝑎. 𝑏⃗ = 0 entraine 𝑎 ⊥ 𝑏⃗ (𝑎 et 𝑏⃗ sont orthogonaux)
4) 𝑎. 𝑎 = ‖𝑎 ‖2 = 𝑎 2
5) ⃗ =𝑘
𝑖. 𝑗 = 𝑗. 𝑘 ⃗ .𝑖 = 0
⃗ .𝑘
𝑖. 𝑖 = 𝑗. 𝑗 = 𝑘 ⃗ = 1,
Remarque : Lorsque l’espace vectoriel 𝐸 est muni du produit scalaire, on dit que 𝐸 est un espace vectoriel
euclidien.
III.5.4. EXPRESSION ANALYTIQUE DU PRODUIT SCALAIRE
Dans une base orthonormée {𝑖, 𝑗, 𝑘⃗ }, le produit scalaire de deux vecteurs 𝑎 = 𝑥𝑖 + 𝑦𝑗 + 𝑧𝑘
⃗ et 𝑎′ = 𝑥 ′ 𝑖 + 𝑦 ′ 𝑗 +
⃗ est : 𝑎 ∙ 𝑎′ = 𝑥𝑥′ + 𝑦𝑦′ + 𝑧𝑧′
𝑧′𝑘
Remarque : Le produit scalaire est un 𝑟é𝑒𝑙 qui peut être 𝑝𝑜𝑠𝑖𝑡𝑖𝑓, 𝑛é𝑔𝑎𝑡𝑖𝑓 𝑜𝑢 𝑛𝑢𝑙
Exemples :
1. ⃗ et 𝑏⃗ = 5𝑖 + 2𝑗 − 3𝑘
Considérons les vecteurs 𝑎 = 2𝑖 − 𝑗 + 2𝑘 ⃗ dans la base orthonormé {𝑖, 𝑗, 𝑘} de ℝ3 ,
calculer 𝑎 ∙ 𝑏⃗, ‖𝑎‖ et ‖𝑏⃗‖
Solution :
𝑎 ∙ 𝑏⃗ = 2(5) − 1(2) + 2(−3) = 2
‖𝑎 ‖ = √𝑎. 𝑎 = √2.2 + (−1)(−1) + 2.2

= √22 + (−1)2 + (2)2 = √9 = 3

‖𝑏⃗‖ = √𝑏. 𝑏 = √5.5 + 2.2 + (−3)(−3)

𝑗. 𝑚𝑖𝑠𝑠𝑖 2025
 29

= √(5)2 + (2)2 + (−3)2 = √38

2. ⃗ et 𝑟’ = 2𝑖 − 3𝑗 − 𝑘
Trouvez l’angle formé par les vecteurs 𝑟 = 𝑖 + 2𝑗 + 3𝑘 ⃗.
Solution 𝑟 𝑟 ′ = 2 − 6 − 3 = −7

‖𝑟 ‖ = √12 + 22 + 32 = √14
‖𝑟 ′ ‖ = √22 + (−3)2 + (−1)2 = √14
Nous savons que
𝑟. 𝑟 ′
𝑟 . 𝑟 ′ = ‖𝑟 ‖. ‖𝑟 ′ ‖𝑐𝑜𝑠𝜃 ⟹ 𝑐𝑜𝑠𝜃 =
‖𝑟‖. ‖𝑟⃗⃗⃗′ ‖
𝑟. 𝑟 ′
⟹ 𝑐𝑜𝑠𝜃 =
‖𝑟‖. ‖𝑟 ′ ‖
𝑟. 𝑟 ′
⟹ 𝜃 = 𝑎𝑐𝑟𝑐𝑜𝑠 ( )
‖𝑟‖. ‖𝑟 ′ ‖
−7
⟹ 𝜃 = 𝑎𝑐𝑟𝑐𝑜𝑠 ( )
√14√14
−7
⟹ 𝜃 = 𝑎𝑐𝑟𝑐𝑜𝑠 ( )
14
−1
⟹ 𝜃 = 𝑎𝑐𝑟𝑐𝑜𝑠 ( ) = 120o
2
III.6. PRODUIT VECTORIEL
III.6.1. Définition
Soit 𝑎, 𝑏⃗ deux vecteurs libres, on appelle produit vectoriel de 𝑎 et 𝑏⃗, la fonction vectorielle notée et définie par :
∧∶ 𝐸×𝐸 → 𝐸
(𝑎 , 𝑏⃗) ⟼∧ (𝑎, 𝑏⃗) = 𝑎 ∧ 𝑏⃗ = 𝑐

Le produit vectoriel de 𝑎 et 𝑏⃗ est un vecteur 𝑐 , tel que

1) Sa direction est ⊥ (perpendiculaire) au plan défini par les vecteurs 𝑎 et 𝑏⃗. Par conséquent, le vecteur
𝑐 𝑒𝑠𝑡 ⊥ à 𝑎 𝑒𝑡 𝑏⃗
2) Le sens est tel que, la rotation (au sens direct de l’espace) autour de 𝑐 amène 𝑎 𝑠𝑢𝑟 𝑏⃗
̂
3) Le module ‖𝑎 ∧ 𝑏⃗‖ = ‖𝑎 ‖‖𝑏⃗‖𝑠𝑖𝑛 (𝑎, 𝑏⃗) est l’air du parallélogramme construit par 𝑎 et 𝑏⃗

𝑐 𝐵
𝑏⃗

𝜃
𝑂 𝐴
𝑎
III.6.2. Propriétés
1) 𝑎 ∧ 𝑏⃗ = −𝑏⃗ ∧ 𝑎 (Antisymétrique)
2) 𝜆𝑎 ∧ 𝑏⃗ = 𝑎 ∧ 𝜆𝑏⃗ = 𝜆(𝑎 ∧ 𝑏⃗) (Linéarité)
3) 𝑎 ∧ (𝑏⃗ + 𝑐 ) = 𝑎 ∧ 𝑏⃗ + 𝑎 ∧ 𝑐 (Distributivité par rapport à l’addition vectorielle)
4) 𝑎 ∧ 𝑏⃗ = 0 𝑠𝑖 𝑒𝑡 𝑠𝑒𝑢𝑙𝑒𝑚𝑒𝑛𝑡 𝑠𝑖 𝑎 𝑒𝑡 𝑏 𝑠𝑜𝑛𝑡 𝑝𝑎𝑟𝑎𝑙𝑙è𝑙𝑒 ou colinéaire
5) 𝑎∧𝑎 =0
6) 𝑖∧𝑗=𝑘⃗ , ⃗𝑗 ∧ 𝑘
⃗ = 𝑖, 𝑘
⃗ ∧𝑖=𝑗

𝑗. 𝑚𝑖𝑠𝑠𝑖 2025
 30

⃗ ∧𝑘
𝑖∧𝑖=𝑗∧𝑗=𝑘 ⃗ =0
⃗
III.6.3. EXPRESSION ANALYTIQUE DU PRODUIT VECTORIEL
⃗ et 𝑎′ = 𝑥 ′ 𝑖 + 𝑦 ′ 𝑗 + 𝑧′𝑘
Soit 𝑎 = 𝑥𝑖 + 𝑦𝑗 + 𝑧𝑘 ⃗ deux vecteurs. On a :
⃗
𝑎 ∧ 𝑎′ = (𝑦𝑧 ′ − 𝑧𝑦 ′ )𝑖 + (𝑧𝑥 ′ − 𝑥𝑧 ′ )𝑗 + (𝑥𝑦 ′ − 𝑦𝑥 ′ )𝑘
𝑖 𝑗 ⃗
𝑘
D’où 𝑎 ∧ 𝑎′ = | 𝑥 𝑦 ⃗
𝑧 | = (𝑦𝑧 ′ − 𝑧𝑦 ′ )𝑖 + (𝑧𝑥 ′ − 𝑥𝑧 ′ )𝑗 + (𝑥𝑦 ′ − 𝑦𝑥 ′ )𝑘
𝑥′ 𝑦′ 𝑧 ′

Exemple : Soit 𝑎 = (5,2,1) 𝑒𝑡 𝑎′ = (4, 7,3) 𝑑𝑒𝑢𝑥 𝑣𝑒𝑐𝑡𝑒𝑢𝑟𝑠, 𝑡𝑟𝑜𝑢𝑣𝑒𝑧 𝑎 ∧ 𝑎 ′

𝑖 𝑗 ⃗
𝑘
Solution : 𝑎 ∧ 𝑎′ = |5 2 ⃗
1| = (2.3 − 1.7)𝑖 + (1.4 − 5.3)𝑗 + (5.7 − 2.4)𝑘
4 7 3
⃗
= −𝑖 − 11𝑗 + 27𝑘
EXERCICES

1. Soient deux vecteurs 𝑢 ⃗ et 𝑣 = 10𝑖+𝑗+2𝑘

⃗ =2𝑖 + 10𝑗+3𝑘 ⃗ . Calculer

a) 𝑢
⃗ +𝑣
b) 𝑣.𝑢 ⃗
c) 𝑢
⃗ ∧𝑣
d) ‖𝑢⃗ ‖
e) ‖𝑣 ‖
f) ‖𝑢⃗ + 𝑣‖
g) ‖3𝑢 ⃗ − 4𝑣‖
h) ‖𝑢⃗ ∧ 𝑣‖

⃗⃗⃗⃗⃗ − 2𝐶𝐴
2. On donne trois points 𝐴(2, −1,2), 𝐵(1,2, −1) et 𝐶(3,2,1), calculez (𝐵𝐶 ⃗⃗⃗⃗⃗ ) ∧ 𝐶𝐵
⃗⃗⃗⃗⃗

⃗ 𝑒𝑡 𝑟’ = 4𝑖 − 6𝑗 − 2𝑘
3. Trouvez l’angle des vecteurs 𝑟 = 2𝑖 + 4𝑗 + 6𝑘 ⃗.

𝑗. 𝑚𝑖𝑠𝑠𝑖 2025
 31

Chapitre IV : Matrices et déterminants

IV.1. CALCUL MATRICIEL

Soit 𝐾 un ensemble, 𝐾 qui est soit ℝ, soit ℂ. Notons 𝐼 = {1, 2, … , 𝑚} et 𝐽 = {1, 2, … , 𝑛} deux ensembles
d’indices avec 𝑚 et 𝑛 deux entiers naturels.

IV.1.1. DEFINITIONS
Par matrice de type 𝑚 × 𝑛 à éléments dans 𝐾, on entend l’application définie sur 𝐼 × 𝐽 à valeurs dans 𝐾. C’est-à-
dire si 𝐴 est une matrice du type 𝑚 × 𝑛 alors
𝐴∶𝐼×𝐽→𝐾
(𝑖, 𝑗) ↦ 𝐴(𝑖, 𝑗) = 𝑎𝑖𝑗

D’une manière simplifiée, on note :

𝑎11 𝑎12 𝑎1𝑛

𝑎21 𝑎22 ⋯ 𝑎2𝑛
𝐴=( ⋮ ⋱ ⋮ ) 𝑜𝑢 𝐴 = (𝑎𝑖𝑗 )1≤𝑖≤𝑚
1≤𝑗≤𝑛
𝑎𝑚1 𝑎𝑚2 ⋯ 𝑎𝑚𝑛

On dit que la matrice est de taille 𝑚 × 𝑛 (lire "𝑚 𝑐𝑟𝑜𝑖𝑥 𝑛" et respecter l’ordre).

On note par 𝑀𝑚×𝑛 (𝐾), l’ensemble des matrices de type (taille) 𝑚 × 𝑛 à élément (coefficients) dans 𝐾.
On note par 𝑀𝑛 (𝐾), l’ensemble des matrices carrées d’ordre 𝑛 à élément (coefficients) dans 𝐾.

Remarque

Une matrice à coefficients dans 𝐾est la représentation :

- D’un nombre 𝑚 de ligne, d’un nombre 𝑛 de colonne
- D’un ensemble de 𝑚𝑛 coefficients de 𝐾
On numérote les coefficients avec deux indices :
- Le premier indique le numéro de la ligne, numéroté du haut vers le bas
- Le second indique le numéro de la colonne, numéroté de gauche à droite
Ainsi, le coefficient 𝒂𝒊𝒋 est l’intersection de la 𝑖 𝑖è𝑚𝑒 𝑙𝑖𝑔𝑛𝑒 et de la 𝑗 𝑖è𝑚𝑒 𝑐𝑜𝑙𝑜𝑛𝑛𝑒.

IV.1.2. MATRICES PARTICULIERES

Matrice ligne (colonne) :

Si 𝑚 = 1 (𝑟𝑒𝑠𝑝𝑒𝑐𝑡𝑖𝑣𝑒𝑚𝑒𝑛𝑡 𝑛 = 1) on parle d’ne matrice ligne (respectivement colonne)
𝑏1
𝑏2
𝐶 = (𝑐1 𝑐2 … 𝑐𝑛 ) est une matrice ligne et 𝐵 = ( ) est une matrice colonne
⋮
𝑏𝑚
Matrice carrée d’ordre 𝒏
Sont les matrices dont les nombres de lignes et de colonnes sont égaux. Ce nombre de lignes et de colonnes
s’appelle l’𝒐𝒓𝒅𝒓𝒆 de la matrice et les coefficients ayant même indice de ligne et de colonne s’appellent
𝒍𝒆𝒔 𝒄𝒐𝒆𝒇𝒇𝒊𝒄𝒊𝒆𝒏𝒕𝒔 𝒅𝒊𝒂𝒈𝒐𝒏𝒂𝒖𝒙.

𝑑11 𝑑12 𝑑1𝑛

⋯
𝑑21 𝑑22 𝑑2𝑛
𝐷=( ) est une matrice carrée d’ordre 𝒏.
⋮ ⋱ ⋮
𝑑𝑛1 𝑑𝑛2 ⋯ 𝑑𝑛𝑛

𝑗. 𝑚𝑖𝑠𝑠𝑖 2025
 32

𝑑11 , 𝑑22 , … , 𝑑𝑛𝑛 sont 𝒍𝒆𝒔 𝒄𝒐𝒆𝒇𝒇𝒊𝒄𝒊𝒆𝒏𝒕𝒔 𝒅𝒊𝒂𝒈𝒐𝒏𝒂𝒖𝒙

Sous matrice :
La sous-matrice relative à l’élément 𝑎𝑖𝑗 de la matrice carrée d’ordre 𝑛 (𝑛 > 1) est la matrice d’ordre 𝑛 − 1,
obtenue en supprimant dans 𝐴, la ligne et la colonne comprenant 𝑎𝑖𝑗 . On la note 𝐴𝑖𝑗 .

Matrice transposée :
On appelle transposée d’une patrice 𝐴 de type 𝑚 × 𝑛 à élément dans 𝐾 la matrice, notée 𝐴𝑇 , de type 𝑛 × 𝑚 à
élément dans 𝐾 tel que ∀(𝑖, 𝑗) ∈ 𝐼 × 𝐽, 𝑎𝑖𝑗 𝑇 = 𝑎𝑗𝑖 . C’est-à-dire :
𝑎11 𝑎12 𝑎1𝑛 𝑎11 𝑎12 𝑎1𝑚
𝑎21 𝑎22 ⋯ 𝑎2𝑛 𝑇
𝑎21 𝑎22 ⋯ 𝑎2𝑚
𝑠𝑖 𝐴 = ( ⋮ ⋱ ⋮ ) 𝑎𝑙𝑜𝑟𝑠 𝐴 = ( ⋮ ⋱ ⋮ )
𝑎𝑚1 𝑎𝑚2 ⋯ 𝑎𝑚𝑛 𝑎𝑛1 𝑎𝑛2 ⋯ 𝑎𝑛𝑚

Matrice triangulaire inférieure

La matrice triangulaire inférieure est la matrice carrée dont tous les coefficients strictement au dessus de la
diagonale (c’est-`a-dire d’indices 𝑖𝑗 avec > 𝑖 ) sont nuls

Matrice triangulaire supérieure

La matrice triangulaire supérieure est la matrice carrée dont tous les coefficients strictement au dessous de la
diagonale (c’est-`a-dire d’indices 𝑖𝑗 avec < 𝑖 ) sont nuls

La matrice diagonale
La matrice diagonale est la matrice carrée à la fois triangulaire supérieure et triangulaire inférieure. Les seuls
coefficients non nuls sont donc ceux de la diagonale

IV.1.3. OPERATIONS ALGEBRIQUES SUR LES MATRICES

1. Egalité des matrices

Deux matrices 𝐴 𝑒𝑡 𝐵 sont égales, ce qu’on note 𝐴 = 𝐵 si

- Elles ont le même nombre de lignes ;
- Elles ont le même nombre de colonnes ;
- Les coefficients à la même position sont égaux.
Si 𝐴 = (𝑎𝑖𝑗 )1≤𝑖≤𝑚 et 𝐵 = (𝑏𝑖𝑗 )1≤𝑖≤𝑚 , la condition d’égalité des coefficients est :
1≤𝑗≤𝑛 1≤𝑗≤𝑛
∀𝑖 ∈ {1, 2, … , 𝑚}, ∀𝑗 ∈ {1, 2, … , 𝑛}, 𝑎𝑖𝑗 = 𝑏𝑖𝑗

2. Addition des matrices

Soit 𝐴 𝑒𝑡 𝐵 deux matrices de 𝑀𝑚×𝑛 (𝐾), la somme 𝐴 + 𝐵 est la matrice de 𝑀𝑚×𝑛 (𝐾) dont chaque coefficient est
somme des coefficients de même position de 𝐴 et de 𝐵 :
Si 𝐴 = (𝑎𝑖𝑗 )1≤𝑖≤𝑚 et 𝐵 = (𝑏𝑖𝑗 )1≤𝑖≤𝑚 alors 𝐴 + 𝐵 = (𝑎𝑖𝑗 + 𝑏𝑖𝑗 ) 1≤𝑖≤𝑚
1≤𝑗≤𝑛 1≤𝑗≤𝑛 1≤𝑗≤𝑛
Exemple

1 4 1 0 0 3
Si 𝐴 = (2 0 0) 𝑒𝑡 𝐵 = (−1 1 0)
3 6 1 −5 0 3

1+0 4+0 1+3 1 4 4

alors 𝐴 + 𝐵 = (2 − 1 0+1 0 + 0) = ( 1 1 0)
3−5 6+0 1+3 −2 6 4

𝑗. 𝑚𝑖𝑠𝑠𝑖 2025
 33

Proposition
Si 𝐴, 𝐵 𝑒𝑡 𝐶 sont trois matrices de 𝑀𝑚×𝑛 (𝐾)
- L’addition est 𝒂𝒔𝒔𝒐𝒄𝒊𝒂𝒕𝒊𝒗𝒆 : (𝐴 + 𝐵) + 𝐶 = 𝐴 + (𝐵 + 𝐶)
- La matrice nulle à 𝑚 lignes et 𝑛 colonnes est un é𝒍é𝒎𝒆𝒏𝒕 𝒏𝒆𝒖𝒕𝒓𝒆 pour l’addition : 𝐴 + 0𝑚𝑛 = 𝐴
- Toute matrice admet un 𝒔𝒚𝒎é𝒕𝒓𝒊𝒒𝒖𝒆
- L’addition est 𝒄𝒐𝒎𝒎𝒖𝒕𝒂𝒕𝒊𝒗𝒆 :
On note 𝐴 − 𝐵 la somme 𝐴 + (−𝐵).

3. Multiplication d’une matrice par un scalaire

Soit 𝐴 une matrice de 𝑀𝑚×𝑛 (𝐾) et 𝜆 ∈ 𝐾. On appelle 𝒑𝒓𝒐𝒅𝒖𝒊𝒕(𝒆𝒙𝒕𝒆𝒓𝒏𝒆) de 𝜆 par 𝐴, et on note 𝜆𝐴 la matrice
dont chaque coefficient est obtenu en multipliant le coefficient de même position de 𝐴 par 𝜆 :
Si 𝐴 = (𝑎𝑖𝑗 )1≤𝑖≤𝑚 alors 𝜆𝐴 = (𝜆𝑎𝑖𝑗 )1≤𝑖≤𝑚
1≤𝑗≤𝑛 1≤𝑗≤𝑛

Exemple

1 4 1 5 20 5
Si 𝐴 = (2 0 0) et 𝜆 = 5 alors 𝜆𝐴 = (10 0 0)
3 6 1 15 30 5

Proposition
Soit 𝜆, 𝜇 des éléments de 𝐾, 𝐴 𝑒𝑡 𝐵 des matrices de 𝑀𝑚×𝑛 (𝐾). Alors,
- 𝜆(𝐴 + 𝐵) = 𝜆𝐴 + 𝜆𝐵
- (𝜆 + 𝜇)𝐴 = 𝜆𝐴 + 𝜇𝐴
- (𝜆𝜇)𝐴 = 𝜆(𝜇𝐴)
- 1𝐴=𝐴.

4. Multiplication des matrices

- Produit d’une matrice ligne par une matrice colonne
𝑏1
𝑏
Soit 𝐴 = (𝑎1 𝑎2 … 𝑎𝑛 ) une matrice de 𝑀1×𝑛 (𝐾) et 𝐵 = ( 2 ) une matrice de 𝑀𝑛×1 (𝐾). Le produit de 𝐴 par 𝐵
⋮
𝑏𝑛
noté 𝐴𝐵 est la matrice 1 × 1 dont le coefficient est 𝑎1 𝑏1 + 𝑎2 𝑏2 + ⋯ + 𝑎𝑛 𝑏𝑛 .
On note que la matrice ligne et la matrice colonne ont même nombre d’éléments.

Exemple
2
𝐴 = (1 3 −2 − 1) 𝑒𝑡 𝐵 = (3) alors 𝐴𝐵 = 1 ⋅ 2 + 3 ⋅ 3 + (−2) ⋅ 1 + (−1) ⋅ 4 = 5
1
4

- Produit d’une matrice par une matrice colonne

Soit 𝑚, 𝑝 ∈ ℕ, soit 𝐴 ∈ 𝑀𝑚×𝑝 (𝐾) et 𝐵 ∈ 𝑀𝑝×1 (𝐾)

𝑎11 𝑎12 𝑎1𝑝 𝑏1 𝑎11 𝑏1 + 𝑎12 𝑏2 + ⋯ + 𝑎1𝑝 𝑏𝑝

𝑎21 𝑎22 ⋯ 𝑎2𝑝 𝑏2 𝑎21 𝑏1 + 𝑎22 𝑏2 + ⋯ + 𝑎2𝑝 𝑏𝑝
𝐴=( ⋮ ⋱ ⋮ )( ⋮ ) = ( )
⋮
𝑎𝑚1 𝑎𝑚2 ⋯ 𝑎𝑚𝑝 𝑏𝑝 𝑎𝑚1 𝑏1 + 𝑎𝑚2 𝑏2 + ⋯ + 𝑎𝑚𝑝 𝑏𝑝

On note que 𝐴 a autant de colonnes que 𝐵 a des lignes.

𝑗. 𝑚𝑖𝑠𝑠𝑖 2025
 34

Exemple :

1 4 1 2
Si 𝐴 = (2 0 0) et 𝐵 = (−1)
3 6 1 1
1 4 1 2 1 ⋅ 2 + 4 ⋅ (−1) + 1 ⋅ 1 −1
alors 𝐴𝐵 = (2 0 0) (−1) = (2 ⋅ 2 + 0 ⋅ (−1) + 0 ⋅ 1) = ( 4 )
3 6 1 1 3 ⋅ 2 + 6 ⋅ (−1) + 1 ⋅ 1 1

- Produit d’une matrice par une matrice

Soit 𝑚, 𝑛, 𝑝 ∈ ℕ, soit 𝐴 ∈ 𝑀𝑚×𝑝 (𝐾) et 𝐵 ∈ 𝑀𝑝×𝑛 (𝐾) alors le produit de la matrice 𝐴 par la matrice 𝐵 est la matrice
𝐶 ∈ 𝑀𝑚×𝑛 (𝐾) tel que
𝑝

∀1 ≤ 𝑖 ≤ 𝑚, ∀1 ≤ 𝑗 ≤ 𝑛, 𝑐𝑖𝑗 = ∑ 𝑎𝑖𝑘 𝑏𝑘𝑗

𝑘=1
On note que 𝐴 a autant de colonnes que 𝐵 a de lignes

Exemple :

0 2
1 2
𝐴 = (4 0) et 𝐵 = ( )
4 5
1 3
0 2 0⋅1+2⋅4 0⋅2+2⋅5 8 10
1 2
alors 𝐶 = 𝐴𝐵 = (4 0) ( ) = (4 ⋅ 1 + 0 ⋅ 4 4 ⋅ 2 + 0 ⋅ 5) = ( 4 8)
4 5
1 3 1⋅1+3⋅4 1⋅2+3⋅5 13 17

En effet,
𝑐11 = 0 ⋅ 1 + 2 ⋅ 4 = 8 ; 𝑐12 = 0 ⋅ 2 + 2 ⋅ 5 = 10
𝑐21 = 4 ⋅ 1 + 0 ⋅ 4 = 4 ; 𝑐22 = 4 ⋅ 2 + 0 ⋅ 5 = 8
𝑐31 = 1 ⋅ 1 + 3 ⋅ 4 = 13 ; 𝑐32 = 1 ⋅ 2 + 3 ⋅ 5 = 17

Remarque :

- Le produit des matrices A et B n’est défini que si le nombre de colonnes de 𝐴 est égal au nombre de lignes
de 𝐵.
- Le produit matriciel n’est pas commutatif. i.e 𝐴𝐵 ≠ 𝐵𝐴
- Le produit de deux matrices peut être nul alors qu’aucune des matrices n’est nulle.

Propriétés de la multiplication matricielle

Soient 𝑚, 𝑛, 𝑝, 𝑞 ∈ ℕ∗ , la multiplication matricielle est :

- Associative
Soit 𝐴 ∈ 𝑀𝑚×𝑛 (𝐾), 𝐵 ∈ 𝑀𝑛×𝑝 (𝐾) 𝑒𝑡 𝐶 ∈ 𝑀𝑝×𝑞 (𝐾). Alors
(𝐴𝐵)𝐶 = 𝐴(𝐵𝐶)

- Admet la matrice identité pour élément neutre

Si 𝐴 ∈ 𝑀𝑚×𝑛 (𝐾), 𝐴𝐼𝑛 = 𝐴 𝑒𝑡 𝐼𝑚 𝐴 = 𝐴

- Distributive par rapport à l’addition

Si 𝐴 𝑒𝑡 𝐵 sont deux matrices de 𝑀𝑚×𝑛 (𝐾) et 𝐶 ∈ 𝑀𝑛×𝑝 (𝐾) Alors
(𝐴 + 𝐵)𝐶 = 𝐴𝐶 + 𝐵𝐶

𝑗. 𝑚𝑖𝑠𝑠𝑖 2025
 35

Si 𝐴 ∈ 𝑀𝑚×𝑛 (𝐾) et si 𝐵 𝑒𝑡 𝐶 sont deux matrices de 𝑀𝑛×𝑝 (𝐾) Alors

𝐴(𝐵 + 𝐶) = 𝐴𝐵 + 𝐴𝐶

- Compatible avec le produit externe

Si 𝐴 ∈ 𝑀𝑚×𝑛 (𝐾), 𝐵 ∈ 𝑀𝑛×𝑝 (𝐾) 𝑒𝑡 𝜆 ∈ 𝐾, alors
𝜆(𝐴𝐵) = (𝜆𝐴)𝐵 = 𝐴(𝜆𝐵)

IV.1.4. MATRICE UNITE ou MATRICE IDENTITE

Une matrice carrée 𝑰𝒏 d’ordre 𝑛 est dite matrice unité si et seulement si

1 𝑠𝑖 𝑖 = 𝑗
𝑰𝒏 = { ∀1 ≤ 𝑖, 𝑗 ≤ 𝑛
0 𝑠𝑖 𝑛𝑜𝑛

IV.1.5 MATRICE REGULIERE ET MATRICE SINGULIERE

Une matrice carrée 𝐴 d’ordre 𝑛 est régulière ou inversible s’il existe une matrice carrée d’ordre 𝑛 notée 𝐴−1 tel
que 𝐴𝐴−1 = 𝑰𝒏 = 𝐴−1 𝐴
Une matrice carrée est dite singulière si elle n’est pas régulière.

IV.1.6 RANG D’UNE MATRICE

Le rang d’une matrice 𝐴 ∈ 𝑀𝑚×𝑛 (𝐾) est le plus grand entier non nul 𝑟 tel qu’il existe une sous-matrice carrée
d’ordre 𝑟 de 𝐴 qui soit régulière.
NB : Il découle de cette dernière définition que 0 < 𝑟 ≤ 𝑚𝑖𝑛 {𝑚, 𝑛}.

IV.2. CALCUL DU DETERMINANT

IV.2.1. DEFINITION
Soit 𝐴 = (𝑎𝑖𝑗 )1≤𝑖,𝑗≤𝑛 ∈ 𝑀𝑛 (𝐾) une matrice carrée d’ordre 𝑛. Le 𝐷é𝑡𝑒𝑟𝑚𝑖𝑛𝑎𝑛𝑡 𝑑𝑒 𝐴, noté
𝐷𝑒𝑡(𝐴), est l’élément de 𝐾 défini par récurrence de la manière suivante :
- Si 𝑛 = 1 alors 𝐴 = (𝑎11 ) et det(𝐴) = 𝑎11 ;
- Si 𝑛 ≥ 2 alors 𝐴 = (𝑎𝑖𝑗 ) 1≤𝑖≤𝑛 et
1≤𝑗≤𝑛
det(𝐴) = 𝑎11 ∆11 − 𝑎12 ∆21 + 𝑎31 ∆31 − ⋯ + (−1)𝑛−1 𝑎𝑛1 ∆𝑛1
où ∆𝑖1 est le déterminant de la matrice de 𝑀𝑛−1 (𝐾) obtenue en enlevant à 𝐴 la ligne n°𝑖 et la première colonne.

Autrement dit, 𝐷é𝑡(𝐴) est l’élément de 𝐾 défini par :

𝑎11 𝑎12 𝑎1𝑛 𝑛 𝑛

𝑎21 𝑎22 ⋯ 𝑎2𝑛
| ⋮ ⋱ ⋮ | = ∑ 𝑎𝑖𝑗 𝜑𝑖𝑗 = ∑ 𝑎𝑖𝑗 𝜑𝑖𝑗
𝑎𝑛1 𝑎𝑛2 ⋯ 𝑎𝑛𝑛 𝑗=1 𝑖=1

où 𝜑𝑖𝑗 𝑒𝑠𝑡 𝑙𝑒 𝑐𝑜𝑓𝑎𝑐𝑡𝑒𝑢𝑟 𝑑𝑒 𝑙 ′ é𝑙é𝑚𝑒𝑛𝑡 𝑎𝑖𝑗 , donc 𝜑𝑖𝑗 = (−1)𝑖+𝑗 ∆𝑖𝑗

et ∆𝑖𝑗 𝑒𝑠𝑡 𝑙𝑒 𝑚𝑖𝑛𝑒𝑢𝑟 𝑑𝑒 𝑙 ′ é𝑙é𝑚𝑒𝑛𝑡 𝑎𝑖𝑗 , donc ∆𝑖𝑗 = 𝑀𝑗𝑖 le déterminant d’ordre 𝑛 − 1 obtenu en supprimant la 𝑖 è𝑚𝑒
ligne et la 𝑗 è𝑚𝑒 colonne.

- Si 𝐴 ∈ 𝑀2 (ℝ) alors
𝑎11 𝑎12
𝐷é𝑡𝐴 = |𝑎 𝑎22 | = 𝑎11 𝑎22 − 𝑎21 𝑎12
21
- Si 𝐴 ∈ 𝑀3 (ℝ) alors

𝑗. 𝑚𝑖𝑠𝑠𝑖 2025
 36
𝑎11 𝑎12 𝑎13
𝐷é𝑡𝐴 = |𝑎21 𝑎22 𝑎23 |
𝑎31 𝑎32 𝑎33
= 𝑎11 (𝑎22 𝑎33 − 𝑎32 𝑎23 ) − 𝑎21 (𝑎12 𝑎33 − 𝑎32 𝑎13 ) + 𝑎31 (𝑎12 𝑎23 − 𝑎22 𝑎13 )

IV.2.2. AUTRES DEFINITIONS

Soit 𝐴 = (𝑎𝑖𝑗 )1≤𝑖,𝑗≤𝑛 une matrice carrée d’ordre 𝑛, on appel :

Mineur 𝑴𝒊𝒋 de l’élément 𝒂𝒊𝒋

Le mineur 𝑀𝑖𝑗 de l’élément 𝑎𝑖𝑗 est le déterminant de la sous-matrice de 𝐴 obtenue en supprimant la 𝑖 𝑖è𝑚𝑒 ligne et
la 𝑗 𝑖è𝑚𝑒 colonne.

Signature de l’élément 𝒂𝒊𝒋

La signature de l’élément 𝑎𝑖𝑗 est le réel (−1)𝑖+𝑗 .

Le cofacteur de l’élément 𝒂𝒊𝒋

Le cofacteur de l’élément 𝑎𝑖𝑗 est le produit de son mineur et de sa signature : (−1)𝑖+𝑗 . 𝑀𝑗𝑖

Matrice des cofacteurs

La matrice des cofacteurs de 𝐴 est la matrice obtenue de 𝐴 en y remplaçant chaque élément par son cofacteur.

Matrice adjointe
La matrice adjointe de 𝐴, notée 𝒂𝒅𝒋(𝑨), est la matrice transposée de la matrice des cofacteurs de 𝐴.

IV.2.3. LES PROPRIETES DES MATRICES ET DES DETERMINANTS

Soit 𝐴 une matrice carrée d’ordre 𝑛 alors :

1- 𝐷é𝑡𝐴 = 𝐷é𝑡𝐴𝑇 i.e une matrice carrée et sa transpose ont même déterminant
2- Si on multiplie tous les éléments d’une même rangée du déterminant 𝐴 par un nombre réel 𝜆, alors le
déterminant obtenu vaut 𝜆𝐷é𝑡 𝐴.
3- Si on permute deux rangées parallèles d’un déterminant, sa valeur change seulement de signe. Mais un
déterminant ayant deux rangées parallèles identiques est nul.
4- Si 𝑥𝑗 = 𝜆𝑥𝑖 alors 𝐷é𝑡𝐴 = 0. Le déterminant est nul si deux lignes ou colonnes sont proportionnels.
5- Lorsqu’on ajoute aux éléments d’une rangée d’une matrice carrée une même combinaison linéaire des
éléments correspondants d’autres rangées parallèles qui, elles, restent inchangées, on obtient une matrice qui
a le même déterminant que la première.
6- Si dans 𝐷é𝑡𝐴 une rangée (ligne ou colonne) est nulle alors 𝐷é𝑡 𝐴 = 0.

En résumé :

N° Opérations élémentaires Déterminant

1 𝐿𝑖 𝑑𝑒𝑣𝑖𝑒𝑛𝑡 𝐶𝑖 ou 𝐿𝑗 𝑑𝑒𝑣𝑖𝑒𝑛𝑡 𝐶𝑗 de 𝐴 (∀𝑖, 𝑗) DétA = DétAT

2 𝐿𝑖 ← 𝜆𝐿𝑖 (𝜆 ≠ 0) Multiplié par λ

3 𝐿𝑖 ⟷ 𝐿𝑗 (𝑖 ≠ 𝑗) Multiplié par −1

4 𝐿𝑖 = 𝜆𝐿𝑗 (𝑖 ≠ 𝑗) Dét A = 0

5 𝐿𝑖 ← 𝐿𝑖 + 𝜆𝐿𝑗 Inchangé

𝑗. 𝑚𝑖𝑠𝑠𝑖 2025
 37

6 𝐿𝑖 = 0(𝐶𝑖 = 0) Dét A = 0

IV.2.4. DEVELOPPEMENT DU DETERMINANT D’UNE MATRICE

Considérons la matrice 𝐴 ci-dessus et son déterminant 𝐷é𝑡 𝐴

𝑛 𝑛
𝑖+𝑗
1) 𝐷é𝑡𝐴 = ∑ 𝑎𝑖𝑗 (−1) 𝑀𝑖𝑗 = ∑ 𝑎𝑖𝑗 (−1)𝑖+𝑗 𝑀𝑖𝑗
𝑗=1 𝑖=1

𝑎𝑑𝑗(𝐴) [𝐶𝑜𝑚(𝐴)]𝑇
2) Si 𝐷é𝑡(𝐴) ≠ 0 𝑎𝑙𝑜𝑟𝑠 𝐴−1 = =
𝐷é𝑡(𝐴) 𝐷é𝑡(𝐴)

3) 𝐴 𝑒𝑠𝑡 𝑟é𝑔𝑢𝑙𝑖è𝑟𝑒 𝑠𝑖 𝑒𝑡 𝑠𝑒𝑢𝑙𝑒𝑚𝑒𝑛𝑡 𝑠𝑖 𝐷é𝑡(𝐴) ≠ 0

4) Si 𝐴 et 𝐵 sont deux matrices carrées de même taille, alors

𝐷é𝑡(𝐴𝐵) = 𝐷é𝑡(𝐴). 𝐷é𝑡(𝐵)

5) 𝐷é𝑡(𝐼𝑛 ) = 1

IV.2.5. RESOLUTION DES SYSTEME D’EQUATIONS

Considérons le système (S) de 𝑛 équations à 𝑛 inconnues 𝑥1 , 𝑥2 , … , 𝑥𝑛

𝑎11 𝑥1 + 𝑎12 𝑥2 + ⋯ + 𝑎1𝑛 𝑥𝑛 = 𝑏1

𝑎21 𝑥1 + 𝑎22 𝑥2 + ⋯ + 𝑎2𝑛 𝑥𝑛 = 𝑏2
(𝑆) {
⋮
𝑎𝑛1 𝑥1 + 𝑎𝑛2 𝑥2 + ⋯ + 𝑎𝑛𝑛 𝑥𝑛 = 𝑏𝑛

Si on désigne par :
- 𝑋, la matrice colonne 𝑋 = (𝑥1 𝑥2 … 𝑥𝑛 )𝑇 ;
- 𝐵, la matrice colonne 𝐵 = (𝑏1 𝑏2 … 𝑏𝑛 )𝑇 ;
- 𝐴 = (𝑎𝑖𝑗 )1≤𝑖,𝑗≤𝑛 la matrice formée par les coefficients du système

Alors le système (S) est équivalent à l’équation

𝐴𝑋 = 𝐵 (1)
Si 𝐴 est régulière alors le système (S) est dit de 𝑪𝒓𝒂𝒎𝒆𝒓. Par conséquent l’équation (1) admet une solution unique.
Pour déterminer cette solution, remarquons que :

𝐴𝑑𝑗 𝐴𝑖
𝑋 = 𝐴−1 𝐵 ⟺ 𝑥1 = , 𝑖 = 1,2, … , 𝑛
𝐷𝑒𝑡 𝐴

où 𝐴𝑖 est la matrice obtenue en remplaçant dans 𝐴 la 𝑖 è𝑚𝑒 colonne par celle des termes indépendants. Ainsi

𝑎11 𝑎12 … 𝑏1 … 𝑎1𝑛

𝑎21 𝑎22 … 𝑏2 … 𝑎2𝑛
| |
⋮
𝑎𝑛1 𝑎𝑛2 … 𝑏𝑛 … 𝑎𝑛𝑛
𝑥1 = 𝑎 𝑎12 𝑎1𝑛 𝑝𝑜𝑢𝑟 𝑖 = 1,2, … , 𝑛
11
𝑎21 𝑎22 ⋯ 𝑎2𝑛
| ⋮ ⋱ ⋮ |
𝑎𝑛1 𝑎𝑛2 ⋯ 𝑎𝑛𝑛

𝑗. 𝑚𝑖𝑠𝑠𝑖 2025
 38

Exemple :

Soit à résoudre le système

2𝑥1 − 𝑥2 − 𝑥3 = −2
(𝑆) {𝑥1 − 𝑥2 + 2𝑥3 = −2
𝑥1 − 5𝑥3 =3

2 −1 −1 𝑥1 1
𝐴 (1 −1 2 ) ; 𝑋 = (𝑥2 ) 𝑒𝑡 𝐵 = (−2)
1 0 −5 𝑥3 3

2 −1 −1 2 −1 −1
−1 3
𝐷𝑒𝑡 𝐴 = |1 −1 2 | = |−1 0 3 | = −1(−1)1+2 | |+0+0 =2
1 −5
1 0 −5 1 0 −5

1 −1 −1 1 −1 −1
|−2 −1 2 | |−3 0 −3| −3 3
| |
𝑥1 = 3 0 −5 = 3 0 −5 = 3 −5 = 15 − 9 = 3
2 2 2 2

2 1 −1 0 −5 9
|1 −2 2 | |0 5 7| −5 9
| |
𝑥2 = 1 3 −5 = 1 3 −5 = −5 7 = −35 + 45 = 5
2 2 2 2

2 1 1 2 −1 −5
|1 −2 −2| |1 −1 −5| −1 −5
| |
𝑥3 = 1 3 3 = 1 0 0 = −1 −5 = 5 − 5 = 0
2 2 2 2

𝑗. 𝑚𝑖𝑠𝑠𝑖 2025
 39

Chapitre v : L’Algèbre de Boole et les Fonctions Logiques (Logique combinatoire)

L’objectif poursuivi dans cette partie est d’étudier les règles et les propriétés de l’algèbre de Boole et
comprendre le fonctionnement des portes logiques.

V.1. LES VARIABLES ET LES FONCTIONS LOGIQUES

V.1.1. VARIABLE LOGIQUE

Une variable logique est une grandeur qui ne peut prendre que deux états logiques. Nous les symbolisons par 0 ou 1.

Exemples :

- Un interrupteur peut être soit fermée (1 logique), soit ouvert (0 logique). Il possède donc 2 états possibles
de fonctionnement.
- Une lampe possède également 2 états possibles de fonctionnement qui sont éteinte (0 logique) ou allumée
(1 logique).

V.1.2. FONCTION LOGIQUE

Une fonction logique est une variable logique dont la valeur dépend d’autres variables,

- Le fonctionnement d’un système logique est décrit par une ou plusieurs propositions logiques simples qui
présentent le caractère binaire "VRAI" ou "FAUX".
- Une fonction logique qui prend les valeurs 0 ou 1 peut être considérée comme une variable binaire pour
une autre fonction logique.
- Pour décrire le fonctionnement d’un système en cherchant l’état de la sortie pour toutes les combinaisons
possibles des entrées, on utilisera « La table de vérité »

V.2. LES OPERATIONS DE BASE DE L’ALGEBRE DE BOOLE

L’algèbre de Boole est un ensemble de variables à deux états {0 et 1} dites aussi booléennes muni de 3 operateurs
élémentaires : ADDITION, MULTIPLICATION et INVERSION

V.2.1. Opérateur logique “ADDITION”

Notation algébrique : A OU B = A+B

Table de vérité

A B A+B
0 0 0
0 1 1
1 0 1
1 1 1

V.2.2. Opérateur logique “MULTIPLICATION”

Notation algébrique : A ET B = A.B

Table de vérité

A B A.B
0 0 0
0 1 0

𝑗. 𝑚𝑖𝑠𝑠𝑖 2025
 40

1 0 0
1 1 1

V.2.3. Opérateur logique “INVERSION”

̅
Notation algébrique : NON A = A

Table de vérité

A ̅
A
0 1
1 0

V.3. LES PROPRIETES DES OPERATEURS DE BASE

Soient A, B et C trois variables

V.3.1. Propriétés de l’ADDITION

1. A+A = A Idempotence
2. A+1 = 1 1 est l’élément absorbant
3. A+0 = A 0 est l’élément neutre
4. ̅
A+A = 1 ̅ est le complement
A
5. A+B = B+A Commutativité
6. A+(B+C)
= (A+B) +C Associativité
= A+B+C
7. A+(B.C) = (A+B).(A+C) Distributivité de + par rapport à .

V.3.2. Propriétés de la MULTIPLICATION

1. A.A = A Idempotence
2. A.0 = 0 0 est l’élément absorbant
3. A.1 = A 1 est l’élément neutre
4. ̅
A.A = 0 ̅ est le complement
A
5. A.B = B.A Commutativité
6. A.(B.C)
= (A.B).C Associativité
= A.B.C
7. A.(B+C) = A.B+A.C Distributivité de . par rapport à +

V.3.3. Propriétés de l’INVERSION

̿ = A involution
A

V.4. LES THEOREMES DE L’AGEBRE DE BOOLE

Pour effectuer tout calcul Booléen, on utilise, en plus des propriétés des opérateurs de base, un ensemble de
théorèmes :

Soit A, B et C trois variables booléennes

V.4.1. THEOREME DE MORGAN

1. ̅̅̅̅̅̅̅
A+B= A ̅ .B
̅
2. ̅̅̅̅̅̅ ̅
A .B = A + B ̅

Ce théorème peut être généralisé à plusieurs variables

𝑗. 𝑚𝑖𝑠𝑠𝑖 2025
 41

1. ̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅
A + B +C + ⋯+ Z = A ̅ .B ̅ . . . Z̅
̅ .C
2. ̅̅̅̅̅̅̅̅̅̅̅̅̅̅ ̅ ̅
A . B . C … Z = A + B + C + ⋯ + +Z̅
̅

V.4.2. THEOREME D’ABSORPTION

1. A+AB = A
2. A.(A+B) = A

V.4.3. THEOREME D’ALLEGEMENT ou D’OPTIMISATION

1. A+A̅B = A+B
2. ̅+B) = A.B
A.( A

V.4.4. THEOREME DU CONSESUS

1. ̅C + BC = AB + A
A.B + A ̅C
2. (A+B)(A̅ +C)(B+C)=(A+B) )(A
̅ +C)

V.5. MATERIALISATION DES OPERATEURS LOGIQUES

V.5.1. LES FONCTIONS (PORTES) LOGIQUES DE BASE

Les fonctions logiques sont des circuits de transfert (relations entre les entrées et les sorties) matérialisant les
opérations de base appliquées à des variables

V.5.1.1. LA FONCTION ET (AND).

C’est la fonction intersection ou multiplication logique.

Pour réaliser la fonction ET, on a besoin de deux variables binaires A et B, le produit de ces deux variables donne
la fonction ET ou fonction AND. L’opérateur qui réalise cette fonction est défini comme suit :

Symbole logique Equation

A
S S = A.B
B

L’entrée de la porte est constituée par les deux variables binaires A et B, et sa sortie est le produit logique des deux
variables binaires A et B

Exemple :

Considérons le circuit électrique ci-dessous ou A et B représentent deux interrupteurs et L est une lampe
A B L

L est allumée si A et B sont fermées simultanément, L est éteinte pour tous les autres cas. L = 1 si A=1 ET B = 1
on écrit alors L = A.B

Table de vérité de la fonction AND

A B S = A.B
0 0 0
0 1 0
1 0 0
1 1 1

𝑗. 𝑚𝑖𝑠𝑠𝑖 2025
 42

V.5.1.2. LA FONCTION OU (OR).

C’est la fonction réunion ou l’addition logique

Pour réaliser la fonction OU, on a besoin de deux variables binaires A et B, l’addition de ces deux variables donne
la fonction OU ou fonction OR à la sortie de la porte logique. L’opérateur qui réalise cette fonction est défini
comme suit :

Symbole logique Equation

A
B S S = A+B

Exemple :

Considérons le circuit électrique ci-dessous ou A et B représentent deux interrupteurs et L est une lampe

A
L

La lampe L est allumée si on ferme A ou siBon ferme B, soit : L = 1 si A = 1 OU B = 1 (ou les deux) On écrit alors
L=A+B

Table de vérité de la fonction OR

A B S = A+B
0 0 0
0 1 1
1 0 1
1 1 1
V.5.1.3. LA FONCTION NON (NOT)

C’est la fonction négation ou complémentation.

̅, réalise le NON de cette variable ou NO en anglais
Le complément ou l’inverse d’une variable binaire A, notée A
̅ se lit A barré ou encore non A).
(A
̅= 1 si et seulement si A = 0
A

L’opérateur qui réalise cette fonction d’inversion logique s’appelle un inverseur dont le symbole est le suivant :

Symbole logique Equation

A S ̅
S=A

V.5.1.4. LA FONCTION NON-ET (NAND)

La fonction NAND ou NON ET est la fonction ET inversée, sa sortie égale 0 si A =1 et B=1, donc ̅̅̅̅̅̅
A . B = 0.
Le symbole qui réalise cette fonction est le suivant :

Symbole logique Equation

S = A|B
A S
B S = ̅̅̅̅̅̅
A .B

̅+B
S=A ̅
A
S
B

𝑗. 𝑚𝑖𝑠𝑠𝑖 2025
 43

Table de vérité de la fonction NAND

A B S = ̅̅̅̅̅̅
A .B
0 0 0
0 1 1
1 0 1
1 1 1

Exemple d’une fonction NAND à trois entrées :

Symbole logique Equation

S = A|B|C
A
B S S = ̅̅̅̅̅̅̅̅̅
A .B .C
C ̅+B
S=A ̅
̅+C

A
B S
C

Table de vérité de la fonction NAND à trois entrées

A B C S = ̅̅̅̅̅̅̅̅̅
A .B .C
0 0 0 1
0 0 1 1
0 1 0 1
0 1 1 1
1 0 0 1
1 0 1 1
1 1 0 1
1 1 1 0

V.5.1.4. LA FONCTION NON-OU (NOR)

La fonction NOR ou NON OU est la fonction OU inversée, sa sortie égale 1 si a =0 et b=0, donc S = ̅̅̅̅̅̅̅
A+B= 1.
Le symbole qui réalise cette fonction est le suivant :

Symbole logique Equation

S=A↓B
A
S S = ̅̅̅̅̅̅̅
A+B
B
̅ .B
S=A ̅
A S
B
Table de vérité de la fonction NOR

A B S=A ̅̅̅̅̅̅̅
+B
0 0 1
0 1 0
1 0 0
1 1 0
Note : les fonctions NAND et NOR sont également appelées les fonctions universelles

𝑗. 𝑚𝑖𝑠𝑠𝑖 2025
 44

Exercices :

1) Déterminer la fonction NOR à trois entrées et sa table de vérité

2) Démontrer si les fonctions universelles sont associatives
? ?
(A|B)|C = A|(B|C) = A|B|C
? ?
((A ↓ B) ↓ C = A ↓ (B ↓ C) = A ↓ B ↓ C

3) Réaliser la fonction NAND à trois entrées à l’aide des opérateurs NAND à deux entrées

V.5.1.5. LA FONCTION OU-EXCLUSIF (XOR)

La fonction OU Exclusif ou XOR prend la valeur 1 si l’un des deux variables binaires prend la valeur 1 et l’autre
prend la valeur 0.

Symbole logique Equation

A S = A⊕B
S
B =A̅B + AB
̅

Table de vérité de la fonction XOR

A B S=A⊕B
0 0 0
0 1 1
1 0 1
1 1 0

Exemple : Déterminer la fonction OU-EXCLUSIF à trois entrées et dresser la table de vérité

PROPRIETES DE XOR
̅B + AB
S =A⊕B= A ̅

1. A⊕0= A
2. ̅
A⊕1= A
3. A⊕A=0
4. ̅=1
A⊕A

V.6. REPRESENTATION DES FONCTIONS LOGIQUES

Une fonction logique est une combinaison de variables binaires reliées par les opérateurs ET, OU et NON. Elle
peut être représentée par :

- Une écriture algébrique

- Une table de vérité
- Un logigramme
- Un tableau de KARNAUGH

V.6.1. REPRESENTATION ALGEBRIQUE

Une fonction logique peut être représentée sous deux formes :

1. Somme des produits : S.D.P : ∑(∏ ),

2. Produit des sommes : P.D.S : ∏(∑ )

V.6.1.1. FORME SOMME DES PRODUITS (Forme disjonctive)

Elle correspond à une somme de produits logiques :

𝑗. 𝑚𝑖𝑠𝑠𝑖 2025
 45

𝑛 𝑚

𝐹 = ∑ (∏ A𝑗 )
𝑖=1 𝑗=1

ou A𝑗 représente une variable logique ou son complément.

̅C
Exemple : F1 (A, B, C) = AB + B

Si chacun des produits contient toutes les variables d’entrée sous une forme directe ou complémentée, alors la
forme est appelée : « Première Forme Canonique » ou « Forme Canonique Disjonctive ». Chacun des produits
est appelé Minterme.
̅ + ABC + A
Exemple : F1 (A, B, C) = ABC ̅B̅C + AB
̅C

V.6.1.2. FORME PRODUIT DES SOMMES (Forme conjonctive)

Elle correspond à un produit de sommes logiques :

𝑛 𝑚

𝐹 = ∏ (∑(A𝑗 ))
𝑖=1 𝑗=1

ou A𝑗 représente une variable logique ou son complément.

̅ + C)
Exemple : F2 (A, B, C) = (A + B)(A + B

Si chacune des sommes contient toutes les variables d’entrée sous une forme directe ou complémentée, alors la
forme est appelée : « Deuxième Forme Canonique » ou « Forme Canonique Conjonctive ». Chacun des produits
est appelé Maxterme.
̅ ). (A + B
Exemple : F1 (A, B, C) = (A + B + C). (A + B + C ̅ + C)

V.6.2. REPRESENTATION PAR UNE TABLE DE VERITE

Une fonction logique peut être représentée par une table de vérité qui donne les valeurs que peut prendre la fonction
pour chaque combinaison de variables d’entrées

Remarque : Equivalence entre la table de vérité et les formes canonique

- Pour établir l’expression canonique disjonctive (la somme canonique) de la fonction : il suffit d’effectuer
la somme logique (ou réunion) des mintermes associées aux états pour lesquels la fonction vaut « 1 ».
- Pour établir l’expression canonique conjonctive (le produit canonique) de la fonction : il suffit d’effectuer
le produit logique (ou intersection) des maxtermes associées aux états pour lesquels la fonction vaut « 0
».

Exemple :

Exemple : La fonction « Majorité de 3 variables » : 𝑀𝐴𝐽(𝐴, 𝐵, 𝐶) La fonction MAJ vaut 1 si la majorité (2 ou 3)

des variables sont à l’état 1.

Table de vérité da la fonction MAJ

Combinaison A B C 𝑺 = 𝑴𝑨𝑱(𝑨, 𝑩, 𝑪) Minterme Maxterme

0 0 0 0 0 ̅B
A ̅C̅ A+B+C
1 0 0 1 0 ̅ ̅
ABC A+ B+C ̅
2 0 1 0 0 ̅BC
A ̅ A+ B̅+C
3 0 1 1 1 ̅BC
A A+ B̅+C ̅
4 1 0 0 0 AB̅C̅ ̅+B+𝐶
A
5 1 0 1 1 AB̅C ̅+B+C
A ̅
6 1 1 0 1 ABC ̅ ̅ ̅
A+B+C
7 1 1 1 1 ABC ̅+B
A ̅+C̅

𝑗. 𝑚𝑖𝑠𝑠𝑖 2025
 46

- On remarque que 𝑀𝐴𝐽(𝐴, 𝐵, 𝐶) = 1 pour les combinaisons 3, 5, 6, 7. On écrit la fonction ainsi spécifiée
sous une forme dite numérique : 𝑀𝐴𝐽 = 𝑅(3,5,6,7), Réunion des états 3, 5, 6, 7. La première forme
canonique de la fonction MAJ s’en déduit directement :
𝑀𝐴𝐽(𝐴, 𝐵, 𝐶) = A ̅BC+AB ̅C+ABC ̅ +ABC

- On remarque que MAJ(A,B,C)=0 pour les combinaisons 0, 1, 2, 4. On écrit la fonction ainsi spécifiée
sous une forme dite numérique : MAJ= I(0,1,2,4), Intersection des états 0, 1, 2, 4. La deuxième forme
canonique de la fonction NAJ s’en déduit directement :
𝑀𝐴𝐽(𝐴, 𝐵, 𝐶) = (A + B + C). (A + B + C ̅ ). (A + B ̅ + B + 𝐶)
̅ + C). (A

NB : On s’intéresse généralement à la représentation d’une fonction sous la forme d’une somme ou somme
canonique (forme disjonctive).

V.6.3. REPRESENTATION PAR UN LOGIGRAMME

C’est une méthode graphique basée sur les symboles ou les portes.

Exemple : La fonction « Majorité de 3 variables » : 𝑀𝐴𝐽(𝐴, 𝐵, 𝐶)

𝑀𝐴𝐽(𝐴, 𝐵, 𝐶) = 𝐴𝐵 + 𝐵𝐶 + 𝐴𝐶
A
B

S=MAJ(A,B,C)
C

V.6.4. REPRESENTATION PAR UN TABLEAU DE KARNAUGH (TK)

La méthode du tableau de KARNAUGH permet de visualiser une fonction et d’en tirer intuitivement une fonction
simplifiée. L’élément de base de cette méthode est la table de KARNAUGH qui est représenté sous forme d’un
tableau formé par des lignes et des colonnes.

V.6.4.1. NOTION DES CASES ADJANTS

Deux mots binaires sont dits adjacents s’ils ne diffèrent que par la complémentaire d’une et d’une seule variable.
Si deux mots adjacents sont sommés, ils peuvent être fusionnés et la variable qui en diffère sera éliminée. Les mots
ABC et ABC sont adjacents puisqu’ils ne diffèrent que par la complémentarité de la variable C. Ainsi, nous
pouvons écrire :
̅ = AB(C + C
ABC + ABC ̅)

= AB

V.6.4.2. CONSTRUCTION DU TEBLEAU

Le tableau de KARNAUGH a été construit de façon à faire ressortir l’adjacence logique visuelle.

- Chaque case représente une combinaison des variables (minterme),

- La table de vérité est transportée dans le tableau en mettant dans chaque case la valeur de la fonction
correspondante.

NB : La fonction représentée par un tableau de KARNAUGH s’écrit comme la somme des produits associés aux
différentes cases contenant la valeur 1.

Règle à suivre pour un problème à 𝒏 variables (𝒏 > 𝟐)

𝑗. 𝑚𝑖𝑠𝑠𝑖 2025
 47

Le tableau de KARNAUGH comporte 2𝑛 cases ou combinaisons, L’ordre des variables n’est pas important mais
il faut respecter la règle suivante :

- Les monômes repérant les lignes et les colonnes sont attribués de telle manière que 2 monômes
consécutifs ne diffèrent que de l’état d’une variable, il en résulte que 2 cases consécutives en ligne ou en
colonne repèrent des combinaisons adjacentes, on utilise donc le code GRAY.

Exemple de représentation d’une table de vérité par un tableau de KARNAUGH

𝑛=2

B ̅(0)
B B(1)
A
̅(0)
A 00 01
A(1) 10 11

𝑛=3

BC ̅C̅ (00) ̅C(01) ̅ (10)

B B BC(11) BC
A
̅(0)
A 000 001 011 010
A(1) 100 101 111 110

𝑛=4

CD ̅D̅ (00) ̅ D(01) ̅ (10)

C C CD(11) CD
AB
̅B
A ̅(00) 0000 0001 0011 0010
̅
AB (01) 0100 0101 0111 0110
AB(11) 1100 1101 1111 1110
̅B(10)
A 1000 1001 1011 1010

Exemple de remplissage du tableau de KARNAUGH à partir de la table de vérité :

Table de vérité

Combinaison A B C D 𝑭(𝑨, 𝑩, 𝑪, 𝑫)
0 0 0 0 0 0
1 0 0 0 1 1
2 0 0 1 0 0
3 0 0 1 1 0
4 0 1 0 0 1
5 0 1 0 1 1
6 0 1 1 0 0
7 0 1 1 1 1
8 1 0 0 0 0
9 1 0 0 1 0
10 1 0 1 0 0
11 1 0 1 1 1
12 1 1 0 0 0
13 1 1 0 1 1
14 1 1 1 0 0
15 1 1 1 1 0

𝑗. 𝑚𝑖𝑠𝑠𝑖 2025
 48

Tableau de KARNAUGH

CD ̅D̅ (00) ̅ D(01) ̅ (10)

C C CD(11) CD
AB
̅B
A ̅(00) 0 1 0 0
̅B (01)
A 1 1 1 0
AB(11) 0 1 0 0
̅B(10)
A 0 0 1 0

V.7. SIMPLIFICATION DES FONCTIONS LOGIQUES

L’objectif de la simplification des fonctions logiques est des minimiser le nombre de termes afin d’obtenir une
réalisation matérielle plus simple donc plus facile à construire et à dépanner et moins couteuse.

Deux méthodes de simplification sont utilisées :

- La simplification algébrique
- La simplification graphique par le tableau de KARNAUGH

V.7.1. SIMPLIFICATION ALGEBRIQUE DES EXPRESSIONS LOGIQUES

Pour obtenir une expression plus simple de la fonction par cette méthode, il faut utiliser :

- Les théorèmes et les propriétés de l’algèbre de Boole (V.3 et V.4)

- La multiplication par 1 (𝑋 + 𝑋̅)
- L’addition d’un terme nul (𝑋𝑋̅)

Exemple : : Simplification de La fonction « Majorité» : 𝑀𝐴𝐽(𝐴, 𝐵, 𝐶)

𝑀𝐴𝐽(𝐴, 𝐵, 𝐶) = 𝐴̅ 𝐵𝐶 + 𝐴𝐵̅ 𝐶 + 𝐴𝐵𝐶̅ + 𝐴𝐵𝐶

= 𝐴̅ 𝐵𝐶 + 𝐴𝐵̅ 𝐶 + 𝐴𝐵𝐶̅ + 𝐴𝐵𝐶 + 𝐴𝐵𝐶 + 𝐴𝐵

= 𝐴̅ 𝐵𝐶 + 𝐴𝐵𝐶 + 𝐴𝐵̅ 𝐶 + 𝐴𝐵𝐶 + 𝐴𝐵𝐶̅ + 𝐴𝐵𝐶

= 𝐵𝐶(𝐴̅ + 𝐴) + 𝐴𝐶(𝐵̅ + 𝐵) + 𝐴𝐵(𝐶̅ + 𝐶)

= 𝐵𝐶 + 𝐴𝐶 + 𝐴𝐵

NB : Les règles et propriétés de l’algèbre de Boole permettent de simplifier les fonctions mais reste une méthode
relativement lourde. Elle ne permet jamais de savoir si l’on aboutit ou pas à une expression minimale de la
fonction. Nous pourrons alors utiliser la méthode du tableau de KARNAUGH

V.7.2. SIMPLIFICATION GRAPHIQUE DES EXPRESSIONS LOGIQUES (par tableau de

KARNAUGH)

Le tableau de KARNAUGH permet de visualiser une fonction et d’en tirer intuitivement une fonction simplifiée

V.7.2.1. REGROUPEMENT DES CASES ADJACENTES

La méthode consiste à réaliser des groupements des cases adjacentes. Ces groupements des cases doivent être de
taille maximale (nombre max de casse) et égale à 2𝑘 (𝑐’𝑒𝑠𝑡 − à − 𝑑𝑖𝑟𝑒 2, 4, 8, 16, … ). On cesse d’effectuer les
groupements lorsque tous les uns appartiennent au moins à l’un d’eux.

NB : Avant de tirer les équations du tableau de KARNAUGH il faut respecter les règles suivantes :

- Grouper tous les uns

- Grouper le maximum des uns dans un seul groupement
- Un groupement a une forme un rectangulaire
- Le nombre des uns dans un groupement est une puissance de 2 est égal à 2𝑘
- Un 1 peut figurer dans plus qu’un groupement

𝑗. 𝑚𝑖𝑠𝑠𝑖 2025
 49

- Un groupement doit respecter les axes de symétries du T. K.

V.7.2.2. AUTRES REGLES DE SIMPLIFICATION PAR TABLEAEU DE KARNAUGH

Regroupement de 2 cases adjacentes

Règle 1 : La réunion de deux cases adjacentes contenant 1 chacune élimine une seule variable celle qui change
d’état en passant d’une case à l’autre.

Exemple :

On considère la fonction majorité 𝑀𝐴𝐽(𝐴, 𝐵, 𝐶) = 𝐴̅ 𝐵𝐶 + 𝐴𝐵̅ 𝐶 + 𝐴𝐵𝐶̅ + 𝐴𝐵𝐶, ona :

BC ̅ C̅(00) ̅C(01)
B B BC(11) BC̅(10)
A
̅ (0)
A 0 0 1 0
A(1) 0 1 1 1

𝐺3 = 𝐴𝐵𝐶 + 𝐴𝐵𝐶̅ = 𝐴𝐵
𝐺1 = 𝐴𝐵𝐶 + 𝐴𝐵̅𝐶 = 𝐴𝐶
2 𝐺 = 𝐴̅ 𝐵𝐶 + 𝐴𝐵𝐶 = 𝐵𝐶
𝑀𝐴𝐽(𝐴, 𝐵, 𝐶) = 𝐺1 + 𝐺2 + 𝐺3 = 𝐴𝐵 + 𝐵𝐶 + 𝐴𝐶

Regroupement de 4 cases adjacentes

Règle 2 : 2 variables disparaissent quand on regroupe 4 cases adjacentes, on peut alors remplacer la somme des
4 cases (4 mintermes à 4 variables chacun) par un seul terme qui comporte que 2 variables uniquement.

Exemple :
Fonction 𝐹1

CD
C̅ D
̅ (00) C̅D(01) CD(11) ̅ (10)
CD
AB
̅B
A ̅(00) 0 0 0 1
̅
AB (01) 1 1 0 1
AB(11) 1 1 0 1
̅ B(10)
A 0 0 0 1

𝐹1 (𝐴, 𝐵, 𝐶, 𝐷) = 𝐵𝐶̅ + 𝐶𝐷
̅

Fonction 𝐹2
CD
C̅ D
̅ (00) C̅D(01) CD(11) ̅ (10)
CD
AB
̅B
A ̅(00) 1 0 0 1
̅ B (01)
A 0 0 0 0

AB(11) 1 0 0 1
̅ B(10)
A 1 0 0 1

̅ + 𝐵̅𝐷
𝐹2 (𝐴, 𝐵, 𝐶, 𝐷) = 𝐴𝐷 ̅

𝑗. 𝑚𝑖𝑠𝑠𝑖 2025
 50

Fonction 𝐹3
CD
C̅ D
̅ (00) C̅D(01) CD(11) ̅ (10)
CD
AB
̅B
A ̅(00) 1 0 1 1
̅ B (01)
A 1 0 0 0

AB(11) 1 1 1 1
̅ B(10)
A 1 0 1 1

𝐹3 (𝐴, 𝐵, 𝐶, 𝐷) = 𝐴𝐵 + 𝐶̅ 𝐷
̅ + 𝐵̅𝐶

Regroupement de 8 cases adjacentes

Règle 2 : 2 variables disparaissent quand on regroupe 8 cases adjacentes, on peut alors remplacer la somme des
8 cases (8 mintermes à 4 variables chacun) par un seul terme qui comporte que 1 variable uniquement.

Exemple :

Fonction 𝐹4
CD
C̅ D
̅ (00) C̅D(01) CD(11) ̅ (10)
CD
AB
̅B
A ̅(00) 1 0 0 1
̅ B (01)
A 1 0 0 1

AB(11) 1 0 0 1
̅ B(10)
A 1 0 0 1

̅
𝐹4 (𝐴, 𝐵, 𝐶, 𝐷) = 𝐷

𝑗. 𝑚𝑖𝑠𝑠𝑖 2025