Cours d’Algorithmique L2

Année Académique 2020 – 2021

Fondements Mathématiques

Professeur Maurice TCHUENTE

3.1 Raisonnement par récurrence
Dans la forme de base, le raisonnement par récurrence est une forme de raisonnement qui
sert à démontrer qu'une proposition est vraie pour tout entier naturel n. Elle comporte deux
étapes :
 Etape 1 : on montre que la proposition est vraie pour n = 0
 Etape 2 : on montre que si cette proposition est vraie pour un entier naturel n, alors
elle est aussi vraie pour n+1.

Exercice 3.1
Montrer que :
 1 + 2 + … + n = n(n+1)/2
 1 + 4 + … . n2 = n(n+1)(2n+1)/6

Exercice 3.2
1) On appelle arbre, un graphe non orienté et sans cycle. Montrer qu’un arbre à n sommets a
exactement n-1 arêtes
On considère un arbre binaire complet dans lequel les nouds sont créés de haut en bas et de
gauche à droite avec les labels 1, 2, … , n. Le label 1 est donc à la racine.
2) Montrer qu’un arbre binaire complet ayant k niveaux, a au plus 2k-1 sommets
3) Montrer que dans un arbre binaire complet dont les nœuds sont numérotés à partir de 1
dans l’ordre de création, le fils gauche de i lorsqu’il existe est 2i, et le fils droit de i lorsqu’il
existe est 2i+1.

3.2 Notations asymptotiques

Dans cette section on considère uniquement des fonctions entières c-à-d dont les
variables et les valeurs sont des entiers naturels.

On note :
 f = O(g) s’il existe une constante c et un entier n0 tels que :
f(n)  cg(n) pour n  n0.
 f = (g) s’il existe des constantes c1, c2 et un entier n0 tels que :
c1g(n)  f(n)  c2g(n) pour n  n0.
 f = o(g) si f(n)/g(n)  0 pour n  

Exercice 3.3
Montrer que
 Si 0 < a < b, alors na = o(nb)
 Si b > 0, alors (n+a)b = (nb)
 Max (f, g) =  (f + g)

3.3 Suites récurrentes linéaires

Définition
Une suite récurrente linéaire est une suite dont le terme u n a la forme
un = a0(n)u0 + a1(n)u1 + … . an-1(n)un-1,
c-à-d est obtenu comme combinaison linéaire des termes précédents, u 0, u1, … , un.
Une telle suite est dite à coefficients constants si les coefficients a i(n) ne dépendent pas
de n. On a alors
un = a0u0 + a1u1 + … . an-1un-1 .

Résolution par combinaison

Cette méthode consiste, à écrire les n équations pour u1, … .un, et en les multipliant par
des termes judicieusement choisis, de sorte qu’en sommant les parties gauche et
droite, on élimine les termes contenant u 1 , … . un-1 . Ceci permet d’obtenir une formule
pour un.

Exemple 3.1:
Soit à calculer les termes de la suite récurrente u(n) = 2u(n/2) + n.
Sans perte de généralité on peut supposer que n = 2m. On a alors :
u(2m) = 2u(2m-1) + 2m
u(2m-1) = 2u(2m-2) + 2m-1 x2
u(2 ) = 2u(2 ) + 2
m-2 m-3 m-2
x 22

…
u(2) = 2u(1) + 2 x 2m-1

En sommant on obtient
u(2m) = 2mu(1) + m2m
Comme m = log2 n on déduit que
u(n) = (n log2 n)

Cas des suites récurrentes linéaires homogènes à coefficients constants

Soit un = an-1un-1 + … an-kun-k
 Etape 1 : Résoudre l’équation caractéristique
rk – an-1rk-1 - … - an-k = 0.
On obtient les racines
r1, r2, … , rh avec les multiplicités respectives 1, … , h, où 1 + … + h = k
La solution est de la forme
P1(n)r1n + … + Ph(n)rhn,
où Pi est un polynôme de degré au plus i.
 Etape 2 : On utilise les k premiers termes de la suite pour déterminer les P i.

Exercice 3.4
Appliquer au cas
un = un-1 + un-2 ,
avec u0 = 1 et u1 = 2

Cas des suites récurrentes linéaires à coefficients constants

Soit la suite récurrente
un = an-1un-1 + … an-kun-k + P(n),
où P est un polynôme de degré k

 Etape 1 : On résout un = an-1un-1 + … + an-kun-k

 Etape 2 : On cherche une solution particulière de
 P(A) + P(A) = P(A ⌦
[ A) = P(⌦) = 1.

A=⌦

⌦= {0,P(⌦
1}) + P(⌦) = 1 0= P(;) + 1. 1
⌦=
B \ A B \A ⌦= R+ B = B \ ⌦= B \ (A[A) = (B \A) [ (B \A)
un = an-1un-1 + …⌦a=n-k{u1,n-k + P(n)
2, 3, 4, 5, 6}
sous la forme d’un polynôme Q(n) de degré k, et on utilise les k+1 premiers
termes de la suite unP(pour
B ) = P((B \ A) [ (Bles
déterminer )) = P(B \ A) + P(B \ A).
\ Ak+1 coefficients de Q.
 Etape 3 : On combine les solutions
A B \ Aobtenues aux étapes 1 et 2.
⌦ σ
Exercice 3.5 P(A [ B ) = P(A [ (B \ A)) = P(A) + P(B \ A).
⌦2
Appliquer au cas P(B \ A) = P(B ) − P(A \SB ) S
(An )n An 2 S
un = un-1 + un-2 , + cn + d, n

avecAu0 = 1 et u1 = 2 S A 2 S P(A [ B ) = P(A) + P(B ) − P(A \ B ).

S ⌦ P (⌦) S ⇤
3.4 Espaces probabilisés
⌦ S
; 2 S
Définition : Espace probabilisé T
(An )n (A ) n n An 2 S ⌦
Un espace probabiliséi 1esti défini par un ensemble
n Ω appelé univers, qui représente
! !
l'ensemble
[ n des résultats
X n possibles
X d’une expérience,X et une fonction P qui associe à\
n
nchaque
P
partie A de Ai Ω,=uneP( Ai ) − ⌦P
probabilité P()Ai \ Aj ) +
P(A)
(⌦ avec les propriétés⌦ P(A i \ Aj \ Ak ) + ···+ (−1) P
suivantes : Ai
i =1 i =1 1 i <j n 1 i <j <k n i =1
 P(Ω) = 1
⌦ R R B(R)
 Si A et B sont disjoints alors P(AB) = P(A) + P(B)

Lorsque l’univers
P Ω est fini et de cardinal N, on⌦dit qu’il y a équiprobabilité si
P() = 1/N pour tout élément ⌦
P (⌦)⌦
de l’univers,
S P S
, P({!}) !2⌦ A⇢⌦
c-à-d toute issue possible  de l'expérience a la même probabilité 1/N..
[0 1]
P(⌦ )=1 X
(An )n P(A) = P(S
! ). Ai \ Aj = ;
Exemples
i 6= j 3.2 ! 2A
P [ X
 Pour le1 jet d'une
= P(⌦ ) = pièce de! )monnaie,
! 2 ⌦P( P( AΩ n )=
={pile, facepile,
P(Aface.
n ).
Si la pièce est équilibrée alors
on a une probabilité uniforme. n n

 Pour
(⌦ , S,leP)
jet d’un dé avec des faces numérotées de 1 à 6, Ω = {pile, face1, 2, 3, 4, 5, 6. Si le dé
⌦
est équilibré1 =alors
{pile,on a une probabilité uniforme.⌦
f ace} 1
P P(pile) = P(face) = 1/2

Exercice 3.6k k ≥2 ⌦k = ⌦
k
1 k
Montrer que(⌦ : k ) =A2k B k A, B 2 S P(! ) = 2−k !2⌦k
P(A) = 1 − P(A)
P(;) = 0
P(B ) = P(A \ B ) + P(A \ ⌦
B)
P(A [ B ) = P(A) + P(B ) − P(A \ B )

P(! ) = p !2⌦ p = 1/ (⌦)

X X 1 (A)
P(A) = P(! ) = = ,
(⌦) (⌦)
! 2A ! 2A

P(A)

Ici cas favorable à A, signifie que l’expérience produit un élément  appartenant à A.

Définition : Evénements indépendants

Deux événements A et B de probabilités non nulles sont dits indépendants si P(AB) =
P(A)P(B)

Définition : Probabilité conditionnelle

 A P(B/A \A
P(kA)P( Bk))=
P(Ak /B ) = . 1/6
= 5/6 P(B )

B P(B )

P(Ak )P(B/Ak )
P(A \ BP(
)/P( ) )= P
AkB/B .
P(Ai )P(B/Ai )
Soit B un événement de probabilité non nulle. iOn
2I
appelle probabilité conditionnelle de A
A B sachant B la quantité
P(B ) 6= 0 A ⇤
B P(A/B )

P(A \ B )
P(A/B ) = .
P(B )
1 N A
B P(B )B Q(A) = P(A/B )
A
Exercice 3.7 B
A B
1) Montrer que si P est une loi de probabilité, et P(B) > 0, alors Q(A) = P(A/B) est aussi une
loi de probabilité
2) Montrer que si AA et BB sont des événements de probabilités non nulles alors les trois
propriétés suivantes sont équivalentes :
P(A/B ) = P(A)
P(B/A) = P(B )
P(A \ B ) = P(A)P(B ).

3.5 Variables aléatoires discrètes P(A \ B )

P(A/B
Dans la pratique on s’intéresse = P(A) d’une
à)l’issue () expérience,= P(
non
A) pas à l’élément  obtenu,
P(B )
mais à une caractéristique X() de cet élément P(A \ B ) = P(A)P(B )
() .
P(B \ A)
() = P(B )
Exemples 3.3 P(A)
() P(B/A) = P(B )
 Pour le lancer d’une pièce on peut avoir X() = 1 si X() = pile, et X()= 0 sinon
 Pour une personne tirée au hasard dans une population on peut s’intéresser à son âge⇤
 Pour le lancer de dé on peut avoir X() = 0 si le numéro`est pair et X() = 1 sinon
A B A B
X est alors appelé une variable aléatoire.
P(A \Si
B )ses valeurs
= P(A)P(B )possibles
. sont x1, x2, … , xn et si
P( = X() = xi) = pi, alors on présente X sous la forme du tableau ci-dessous.
A B
`
A A () P(xA
Valeur … P(A
x2 0 ou
1 ) = x ) =…
1 xn
` ` ` `
possible
A B () A B () A i B () A B
Probabilité p1 p2 … p … pn
i
`
A A () P(A \ A) = P2(A) () P(A)(1 − P(A)) = 0 () P(A) = 0 P(A) = 1
On définit alors les caractéristiques suivantes :
Moyenne ou espérance mathématique :
E(X) = x1p1 + x2p2 + .. + xipi + … + xnpn

Variance de X :
Var (X) = E((X-E(X) 2) = (x1- E(X)) 2p1 + (x2- E(X))2p2 + .. + (xn- E(X))2pn

Exercice 3.8
Montrer que Var(X) = E(X2) – (E(X)) 2

Lois discrètes usuelles

On considère un événement A de probabilité p.

Loi de Bernoulli :
On fait une expérience et X est le nombre de réalisations de A

Valeur possible 0 1
Probabilité 1-p p
 E(X) = p, Var(X) = p(1-p)

Loi Binomiale :
On fait n expériences indépendantes et X est le nombre de réalisations de A

Valeurs 0 1 … k … n
possibles
Probabilité (1-p)n np(1-p)n-1 … Cnkpk (1-p)n-k … pn

E(X) = np, Var(X) = np(1-p)

Loi de Poisson :
On fait n expériences indépendantes et X est le nombre de réalisations de A de probabilité p,
avec n grand, p petit et np = . La loi de Poisson est donnée par le tableau ci-dessous :

Valeurs 0 1 … k …
possibles
Probabilité … e- k/k ! …

E(X) = , Var(X) = 

Contexte d’application
On s'intéresse à un événement A qui peut se produire un grand nombre de fois de manière
indépendante. On observe qu'il se produit  fois en moyenne durant un intervalle de temps
donné. La loi de Poisson indique la probabilité que l'événement se produise seulement k fois
exactement durant cette période.

Exemple 3.4 :
Un standard téléphonique reçoit en moyenne 20 appels uniformément répartis dans la
journée. Le nombre aléatoire d’appels reçus peut être modélisé par une loi de poisson P(20).

Exemple 3.5 :
Sur un trajet ferroviaire, on a constaté trois incidents en moyenne par an. Quelle est la
probabilité qu'il y en ait exactement dix incidents en cinq ans ? En moyenne on aura 15
incidents en 5 ans ? Le nombre d’incidents en 5 ans suit une loi de Poisson P(15)

Problème 3.1
On désire trier par ordre croissant les éléments p(1)p(2) … p(n) d’une permutation p de 1, 2,
… , n.
1) Expliquer l’algorithme du tri par bulles (bubble sort en anglais).
2) Montrer que le nombre d’échanges est au plus égal au nombre de comparaisons
3) Montrer que le nombre de comparaisons est au plus égal à n(n-1)/2
On appelle inversion de p, un couple (p(i), p(j)) tel que i < j et p(i) > p(j). Par exemple dans
la permutation (4, 1, 3, 2), les inversions sont les couples (4, 1), (4, 3), (4, 2) et (3, 2). Les
inversions sont donc les couples initialement non ordonnés dans p.
4) Montrer que dans le tri par bulles, le nombre d’échanges est égal au nombre d’inversions.
Pour analyser la performance en moyenne du tri par bulles, on s’intéresse maintenant au
nombre moyen d’inversions Inv(p), d’une permutation p d’ordre n tirée au hasard. On note
Inv(i,p) le nombre d’inversions de p de la forme (i,r) c-à-d dont la partie gauche est i.
Par exemple pour p = (4, 1, 3, 2), Inv(1,p) = 0, Inv(2,p) = 0, Inv(3,p) = 1 et Inv(4,p) = 3.
On a alors Inv(p) = Inv(1,p) + Inv(2,p) + … + Inv(n,p).
5) Montrer que Inv(i,p)  0, i-1
6) Montrer que le nombre de permutations p de 1, 2, … , n telles que Inv(i,p) = k, k  0, i-
1, est (i-1)!(i+1)(i+2) … (n-1)n = n !/i.
Indications : Construire ces permutations en trois étapes :
 Placer au hasard 1, 2, … , i-1
 Placer i en position Inv(i,p) à partir de la droite
 Placer les éléments i+1, … , n au hasard l’un après l’autre
7) Déduire que la probabilité que pour une permutation p tirée au hasard, on ait Inv(i,p) = k,
k  0, i-1, est 1/i.
8) Quelle est la loi de Inv(i,.) pour i fixé ? Quelle est la moyenne de Inv(i,.) pour i fixé ?
9) Déduire le nombre moyen d’inversions d’une permutation de 1, … , n, tirée au hasard
10) Déduire que la performance en moyenne d’un algorithme de tri qui effectue
essentiellement des comparaisons-échanges entre éléments consécutifs est n2 + O(n).

3.6. Éléments de la Combinatoire

Définition : Combinatoire (Wikipedia)

En mathématiques, la combinatoire, appelée aussi analyse combinatoire, étudie les
configurations de collections finies d'objets ou les combinaisons d'ensembles finis, et les
dénombrements.

Quelques domaines de la combinatoire (Wikipedia) : Combinatoire énumérative, Théorie

combinatoire des nombres, Combinatoire des mots, Combinatoire algébrique, Combinatoire
analytique, Combinatoire probabiliste, Combinatoire topologique, Combinatoire
géométrique, Combinatoire extrémale et Théorie de Ramsey.

Remarque
Une manière très pratique de compter le nombre d’objets ayant une propriété, est de passer
par une procédure de génération de ces objets. Une telle procédure est souvent basée sur un
arbre. Il suffit ensuite de compter les feuilles de cet arbre, et c’est généralement facile si les
deux conditions suivantes sont vérifiées :
• à chaque niveau de l’arbre, tous les nœuds ont le même nombre de fils
• les feuilles de l’arbre sont en bijection avec les objets à compter
En effet, le nombre d’objets est alors f1 f2 ...fp , où p est la profondeur de l’arbre, et fi est le
nombre de fils de chaque sommet aux différents niveaux 1, 2, ... , p de l’arbre.

Notations
E un ensemble à n éléments, par exemple {pile, face1, 2, ... , n}.

Exercice
1. Donner en les construisant, les formules pour les familles d’objets suivantes :
2. Parties de E
3. Permutations de E
4. Arrangements de p éléments de E : A(n,p)
5. Parties à p éléments de E : C(n,p)
6. Arrangements avec répétition, de p éléments de E, avec n1 , n2 , ... , np répétitions
(réponse : n)
7. Parties avec répétition, de p éléments de E (réponse : C(n+p-1,p))
8. Retrouver dans les questions ci-dessous, les dénombrements correspondant aux cas
ci-dessous, où E et F sont des ensembles de tailles n et p :
a. Ensemble des applications de E dans F
b. Ensemble des applications injectives de E dans F
c. Ensemble des applications bijectives de E dans F
d. Ensemble des fonctions de E dans F
e. Déduire une belle formule à partir des questions (a) et (d) ci-dessus
f. Ensemble de surjections de E dans F, où chaque élément fi de F possède ni
antécédents.

Exercice
1 - Déduire de l’exercice précédent, les formules suivantes :
• C(n,0) + C(n,1) + ... + C(n,n) = 2n .
• C(n,p) = C(n-1,p-1) + C(n-1, p)
2 - Montrer que C(n+1, p+1) = C(p,p) + C(p+1,p) + ... + C(n,p)

Exercice (Wikipedia)
Montrer que (théorème de Franck P. Ramsey), si à une soirée il y a au moins six personnes,
alors il y en a au moins trois qui se connaissent mutuellement ou au moins trois qui sont
étrangères les unes aux autres.

Principes fondamentaux de dénombrement (Xuong 1992)*

Soit deux ensembles finis E et F. Il y a trois principes très simples qui facilitent les
dénombrements.
• Principe d’égalité : S’il existe une bijection de X dans Y, alors |X| = |Y|.
• Principe d’addition : Si X et Y sont disjoints alors |X∪Y| = |X| + |Y|Y| = |X| + |Y|
• Principe de multiplication : |XxY| = |X|.|Y|

Exercice (Xuong 1992)*

En utilisant les principes de dénombrement, donner le nombre d’éléments des ensembles
suivants :
1. Mots de longueur n sur un alphabet de taille p
2. Mots de taille n, sur un alphabet de taille m et comportant n i occurrences du symbole
numéro i, pour i = 1, ... , p.
3. Borne supérieure du nombre de pesées différentes qu’on peut déterminer, avec une
balance et un système de n poids.
4. Nombre de chemins (de gauche à droite et de bas en haut) et allant de (0,0) à (n,p)
dans un quadrillage
5. Nombre de solutions entières de l’équation x1 + ... + xm = n.
6. Nombre de solutions entières et propres (tous les x i non nuls) de l’équation x1 + ... +
xm = n.
7. Nombre de monômes de degré n à m variables commutatives
8. Nombre de fonctions croissantes de E = [1, n] dans [1, m]
9. Nombre de mots binaires sans ‘0’ consécutifs avec p occurrences de ’0’ et q
occurrences de ‘1’

Exercice (Xuong 1992)*

Soit une assemblée de 2n+1 sièges, avec des membres appartenant à 3 partis politiques.
Nombre de façons de répartir les sièges pour qu’une coalition de deux partis quelconques
aient toujours la majorité absolue.
Problèmes d’existence.
Ce type de problème consiste à démontrer qu’une famille d’objets contient au moins un
certain nombre d’objets ayant une certaine propriété. On peut alors utiliser le principe
suivant, appelé principe d’inégalité.

Principe d’inégalité
S’il existe une application injective de E vers F alors |E| ≤ |F|.

Exercice (Xuong 1992)*

1. Soit à ranger m objets dans n tiroirs. Montrer que si mp+1 ≤ n, alors il existe au
moins un tiroir contenant p+1 objets.
2. Montrer que dans [1, 2n], toute partie de taille supérieure ou égale à n+1. contient
deux entiers p, q tels que p =2r q, avec r > 0.
3. Soit une suite de n entiers, n ≥ pq+1. Montrer qu’on peut en extraire une sous-suite
strictement croissante de taille p+1 ou une sous-suite décroissante au sens large de taille
q+1.
4. Secret. Neuf ingénieurs travaillent sur un projet secret. Les documents sont
enfermés dans un coffre fort dont on souhaite que l’ouverture nécessite la présence
d’au moins 6 ingénieurs.
a. Quel est le nombre minimum de serrures qu’on doit installer ?
b. Quel est le nombre minimum de clés que doit alors posséder chaque
ingénieur ?