Le dénombrement consiste à compter des objets. Certains exercices de dénombrement se limitent à cette tâche : compter. Pour réussir efficacement et rapidement, il est essentiel de suivre une méthode rigoureuse plutôt que de compter de façon désordonnée.
L'analyse combinatoire regroupe justement les techniques utilisées pour compter les éléments d'un ensemble de manière structurée.
Définition : Le cardinal d'un ensemble \( A \) est le nombre d'éléments contenus dans \( A \).
On le note : $ \text{card}(A). $
Exemple : Si \( A \) désigne l'ensemble des cartes qui constituent un jeu de 32 cartes, alors \( \text{card}(A) = 32 \).
Définition : On dit qu'un ensemble \( A \) est fini si \( \text{card}(A) \) n'est pas infini.
Proposition : Soient \( A \) et \( B \) deux ensembles finis disjoints, c'est-à-dire n'ayant aucun élément commun, tels que \( \text{card}(A) = n \) et \( \text{card}(B) = m \). Alors, le nombre de façons de prendre un élément dans \( A \) ou un élément dans \( B \) est égal à \( n + m \).
Cela se traduit ainsi : $$ A \cap B = \emptyset \implies \text{card}(A \cup B) = \text{card}(A) + \text{card}(B). $$
Exemple : Dans ma bibliothèque, il y a 20 romans et 10 bandes dessinées. Je peux donc y choisir un livre de \( 20 + 10 = 30 \) façons différentes.
Proposition : Soient \( A \) et \( B \) deux ensembles finis tels que \( \text{card}(A) = n \) et \( \text{card}(B) = m \). Le nombre de façons de prendre un élément dans \( A \) et un élément dans \( B \) est égal à \( n \times m \).
Cela se traduit ainsi : $$ \text{card}(A \cap B) = \text{card}(A) \times \text{card}(B). $$
Exemple : Dans ma bibliothèque, il y a 20 romans et 10 bandes dessinées. Je souhaite prendre un livre de chaque sorte. Il y a donc \( 20 \times 10 = 100 \) possibilités.
Le principe multiplicatif peut se représenter sous la forme d'un arbre des possibilités ou d'un tableau avec \( n \) colonnes et \( m \) lignes, comportant \( n \times m \) cellules.
Définition : La factorielle d'un nombre entier \( n \) est définie par : $$ n! = 1 \times 2 \times 3 \times \cdots \times (n-1) \times n. $$
Exemple : $$ 5! = 1 \times 2 \times 3 \times 4 \times 5 = 120. $$
Par convention, on définit : $$ \bbox[pink,5px] {0! = 1} $$
Cependant, ce résultat peut être démontré en utilisant la relation récurrente de la factorielle : $$ n! = n \times (n-1)! \quad \text{pour } n \geq 1. $$
En appliquant cette relation pour \( n = 1 \) : $$ 1! = 1 \times (1-1)! = 1 \times 0! $$
Cela implique : $$1 = 1 \times 0! \quad \implies \quad 0! = 1. $$
Ainsi, la valeur \( 0! = 1 \) est cohérente avec la définition récurrente de la factorielle.
Remarque : dans une situation où aucun élément n'est choisi (\( p = 0 \)), on a : $$ \binom{n}{0} = \frac{n!}{0! \cdot (n-0)!} = \frac{n!}{1 \cdot n!} = 1, $$ ce qui correspond intuitivement à une seule façon de ne rien choisir.
Définition : Soient \( n \) et \( p \) deux entiers naturels non nuls tels que \( p \leq n \), et soit \( E \) un ensemble à \( n \) éléments. Une p-liste de \( E \) est une liste ordonnée de \( p \) éléments pris parmi les \( n \) éléments de \( E \).
Exemple : Un digicode à 4 chiffres est une 4-liste de l'ensemble \( \{0, 1, 2, 3, 4, 5, 6, 7, 8, 9\} \). La 4-liste \( \{1, 1, 1, 0\} \) est différente de la 4-liste \( \{0, 1, 1, 1\} \).
Proposition : Le nombre de \( p \)-listes prises dans un ensemble à \( n \) éléments est \( n^p \).
Exemple : Il y a \( 10^4 = 10000 \) possibilités pour un digicode composé de 4 chiffres.
Définition : Soit \( E \) un ensemble à \( n \) éléments, avec \( n \in \mathbb{N}_0 \). Une permutation de \( E \) est un ensemble composé des \( n \) éléments de \( E \).
Exemple : Si \( E = \{1, 2, 3\} \), alors \( F = \{2, 3, 1\} \) est une permutation de \( E \).
Remarque : \( E \) est une permutation de \( E \).
Proposition : Il y a \( n! \) permutations d'un ensemble à \( n \) éléments.
Définition : Un arrangement de \( p \) éléments dans un ensemble \( E \) est une \( p \)-liste d'éléments distincts.
Exemple : Le podium d'une course à 20 participants est un arrangement composé du premier, du deuxième et du troisième.
Proposition : Le nombre d'arrangements de \( p \) éléments parmi \( n \) est : $$ A_n^p = \frac{n!}{(n-p)!} = n \times (n-1) \times \cdots \times (n-p+1). $$
Exemple : \( A_{20}^3 = 20 \times 19 \times 18 = 6840 \). Il y a donc 6840 podiums possibles pour une course à 20 participants.
Définition : Une combinaison de \( p \) éléments dans un ensemble \( E \) est un ensemble non ordonné de \( p \) éléments pris parmi \( n \).
Exemple : Sur un jeu de 32 cartes, une main de 5 cartes est une combinaison.
Proposition : Le nombre de combinaisons de \( p \) éléments parmi \( n \) est : $$ \binom{n}{p} = \frac{n!}{p!(n-p)!}. $$
Autre notation : \(C_n^p = \dfrac{n!}{p!(n-p)!}\)
Exemple : \( \binom{32}{5} = \frac{32 \times 31 \times 30 \times 29 \times 28}{5!} = 201376 \). Il y a donc 201376 mains de 5 cartes possibles dans un jeu de 32 cartes.
Proposition : Pour tout \( n \), $$ \sum_{k=0}^n \binom{n}{k} = 2^n. $$
Propriété : Relation de Pascal Pour \( n \) et \( p \) tels que \( p \leq n \), $$ \binom{n}{p} = \binom{n-1}{p-1} + \binom{n-1}{p}. $$
À partir de cette propriété, on déduit le triangle de Pascal, qui regroupe les valeurs de \( \binom{n}{p} \) pour différents \( n \) et \( p \).
Notions de base
Arrangements et permutations
$$ A_n^p = \frac{n!}{(n-p)!} $$
$$ n^p $$
$$ n! $$
$$ \frac{n!}{n_1! n_2! \dots n_k!} $$
Combinaisons
$$ C_n^p = \binom{n}{p} = \frac{n!}{p!(n-p)!} $$
$$ \binom{n+p-1}{p} $$
Propriétés avancées
Exercices typiques
Type | Ordre | Modèle | Exemples |
---|---|---|---|
p-liste | oui | tirage avec remise | digicode |
Permutation | oui | tirage sans remise | anagramme |
Arrangement \( A_n^p \) | oui | tirage sans remise | podium d'une course |
Combinaison \(C_n^p\) ou \( \binom{n}{p}\) | non | tirage sans remise | main dans un jeu de cartes |