Christophe Bertault — Mathématiques en MPSI

DÉNOMBREMENT
Notre objectif est ici purement pratique — APPRENDRE À COMPTER. Nous omettrons pour cette raison la plupart des
démonstrations de ce chapitre, souvent difficiles, conformément au programme de MPSI.

1 CARDINAL D’UN ENSEMBLE FINI

Définition-théorème (Ensemble fini/infini, cardinal d’un ensemble fini) Soit E un ensemble.

• Ensemble fini/infini : On dit que E est fini s’il est vide ou si, pour un certain n ∈ N∗ , il existe une bijection de
¹1, nº sur E. On dit dans le cas contraire que E est infini.
• Cardinal : Si E est fini non vide, l’entier n de la définition précédente est unique, appelé le cardinal de E ou
nombre d’éléments de E et noté |E| (ou Card(E) ou #E). Par convention : |∅| = 0.

Exemple Pour tous m, n ∈ Z poru lesquels m ¶ n, l’ensemble ¹m, nº est fini de cardinal n − m + 1.
Démonstration La fonction k 7−→ k+m−1 est bijective de ¹1, n−m+1º sur ¹m, nº de réciproque k 7−→ k−m+1.

Théorème (Équipotence et cardinal) Soient E et F deux ensembles. Si E est fini et s’il existe une bijection de E sur
F , alors F est fini et |E| = |F |.

ƒ 
Démonstration Dans le cas où E est non vide, nous pouvons nous donner une bijection f de 1, |E| sur E et
ƒ 
une bijection g de E sur F . L’application g ◦ f est alors bijective de 1, |E| sur F , donc d’une part F est fini, et
d’autre part |F | = |E| par unicité du cardinal.

Théorème (Parties d’un ensemble fini) Soient E un ensemble fini et A une partie de E.
Alors A est finie et |A| ¶ |E|, avec égalité si et seulement si A = E.

Pour montrer que deux ensembles FINIS A et B sont égaux, on peut se contenter de montrer que A ⊂ B et |A| = |B| au lieu
de montrer que A ⊂ B et B ⊂ A.

Théorème (Effet d’une application sur le cardinal) Soient E et F deux ensembles et f : E −→ F une application.
(i) Si f est injective et si F est fini, alors E aussi est fini et |E| ¶ |F |, avec égalité si et seulement si f est bijective.
(ii) Si f est surjective et si E est fini, alors F aussi est fini et |F | ¶ |E|, avec égalité si et seulement si f est bijective.
(iii) Si E et F sont FINIS DE MÊME CARDINAL : f est bijective ⇐⇒ f est injective ⇐⇒ f est surjective.

Dire que f est injective, c’est dire que deux points distincts de E sont envoyés par f sur deux points distincts de F , i.e.
que f (E) est comme une copie de E dans F . Une telle copie n’est possible que si F est « plus gros » que E, i.e. si |E| ¶ |F | —
assertion (i).
Dire que f est surjective, c’est dire qu’à travers f , E couvre F en totalité. Une telle couverture n’est possible que si E est
« plus gros » que F , i.e. si |F | ¶ |E| — assertion (ii).

Théorème (Principe des tiroirs) Quand on range n + 1 chaussettes dans n tiroirs, deux chaussettes au moins se
retrouvent dans le même tiroir.

Ranger n + 1 chaussettes dans n tiroirs, c’est choisir une application d’un ensemble de cardinal n + 1 dans un ensemble
de cardinal n, mais comme n + 1 > n, une telle application n’est jamais injective — d’où le résultat.

1
 Christophe Bertault — Mathématiques en MPSI

p
Exemple Étant donnés 5 points dans un carré d’arête 2, on peut toujours en trouver deux distants d’au plus 2.

b
Démonstration Coupons simplement notre carré en quatre comme indiqué ci-contre et prenons les quatre
b

b
sous-carrés ainsi formés pour « tiroirs ». Sommés de ranger 5 « chaussettes » — les 5 points quelconques — dans
2 p
2 4 tiroirs, nous sommespforcés d’en ranger 2 dans le même tiroir d’après le principe des tiroirs. Au pire, ces points
b

b
sont alors distants de 2 — longueur de la diagonale de chaque sous-carré.

2 DÉNOMBREMENT

2.1 QU’EST-CE QUE COMPTER ?

Nous allons dans cette partie apprendre à répondre à des questions aussi diverses que :
— À partir d’un alphabet de p lettres, combien de mots de n lettres peut-on former qui ne contiennent jamais deux lettres
identiques consécutives ?
— Combien un polygone à n côtés possède-t-il de diagonales ?
— De combien de façons peut-on tirer 5 cartes simultanément dans un jeu de 52 cartes ? et successivement avec remise ?
et sans remise ?
— Combien d’anagrammes le mot « BOROROS » possède-t-il ?
— De combien de façons peut-on asseoir n personnes sur un banc rectiligne ? autour d’une table ronde ?
— Combien existe-t-il d’applications strictement croissantes de ¹1, pº dans ¹1, nº ?
— Combien un ensemble fini de cardinal n possède-t-il de parties ?
Chacune de ces questions requiert un minimum de théorie mathématique, mais surtout beaucoup de bon sens. Soyez
CONCRETS ! Pour savoir de combien de façons on peut asseoir n personnes sur un banc rectiligne, ne planez pas dans les
hautes sphères, imaginez-vous CONCRÈTEMENT en train d’asseoir ces personnes et demandez-vous combien de choix s’offrent
à vous. Notre règle d’or dans ce chapitre est simple :

COMPTER, C ’EST ÉNUMÉRER/CONSTRUIRE.

Ok, mais ça veut dire queoi, « énumérer » et « construire » ? Nous le comprendrons mieux sur deux exemples.

Exemple Quand nous avons calculé la dimension de Mn,p (K) au chapitre « Structure d’espace vectoriel », nous avons
commencé par en trouver une base — la base canonique en l’occurrence. Ensuite, compter les vecteurs de cette base revenait
à compter les coefficients qu’une matrice de taille n × p abrite. Et là, nous n’avons pas compté les coefficients un par un, nous
nous sommes représenté notre matrice quelconque comme un tableau, plus précisément comme une collection de lignes, et
nous avons dit : n fois
z }| {
« Ce tableau contient n lignes et chacune contient p cases, donc en tout ce tableau contient p + . . . + p = n × p cases. »

Identification Représentation Dénombrement :

du problème : du problème : par décomposition
compter les vecteurs sous la forme du problème.
de la base canonique. d’un tableau.
b b b b b b b b b b
p
n (ici 3) b b b b b b b b b b
p
b b b b b b b b b b
p

p (ici 5)

Exemple La chenille Becky se promène le long d’un grillage plan de taille 2 × p dont chaque arête p (ici 4)
Départ

est de longueur 1. Combien de chemins de longueur minimale peut-elle emprunter pour gagner le b

point d’arrivée depuis son point de départ ?

Un chemin de longueur minimale est exactement un chemin de longueur p + 2 qui contient p dé-
placements vers la droite et 2 vers le bas. Chacun peut donc être vu comme un mot de p + 2 lettres b

contenant p fois la lettre « D » et 2 fois la lettre « B ». Or combien existe-t-il de tels mots ? Arrivée

2
Christophe Bertault — Mathématiques en MPSI

Pour construire un tel mot, on n’a finalement qu’à choisir la position des 2 lettres « B », car ensuite il n’y a que des « D » à
placer. Or de combien de façons pouvons-nous placer nos 2 « B » sur un mot vierge de p + 2 lettres ? Le deuxième « B » peut
être placé en position k pour tout k ∈ ¹2, p + 2º. Quant au premier, il peut être placé n’importe où en position 1, 2, . . . , k − 1,
soit un total de k − 1 positions possibles.
p+2
X p+1
X
i=k−1 (p + 1)(p + 2)
Au total, la chenille Becky peut donc emprunter (k − 1) = i= chemins.
k=2 i=1
2

Identification Représentation Dénombrement :

du problème : du problème : par décomposition
compter les chemins sous la forme du problème.
de longueur p + 2 de certains mots. k − 1 choix
qui vont p fois à droite
et 2 fois vers le bas. D. . . DBD. . . DBD. . . D D. . . D B D. . . D B D. . . D
| {z }
p+2 lettres
Position k

À présent, pour savoir compter, nous venons de voir qu’il faut savoir énumérer — mais qu’est-ce qu’énumérer ?

Énumérer, c’est ordonner selon un principe de classement RÉFLÉCHI .

Exemple
• Pour énumérer les coefficients d’une matrice A ∈ Mn,p (C), on les lit généralement en colonnes de gauche à droite et
du haut vers le bas — ce choix est bien sûr tout à fait conventionnel !
a11 , a21 , a31 , . . . an1 , a12 , a22 , a32 , . . . an−2 p , an−1 p , anp .

• Pour énumérer les mots de 4 lettres qu’on peut former avec l’alphabet €, ¥, $ , l’ordre lexicographique — i.e. l’ordre
du dictionnaire — est a priori le plus naturel. Cet ordre suppose bien sûr qu’on ait imposé un ordre à l’alphabet
lui-même. Exemple d’énumération lexicographique :
€€€€, €€€¥, €€€$, €€¥€, €€¥¥, €€¥$, €€$€, €€$¥, €€$$, ... $$$¥, $$$$.
• Pour énumérer ci-dessus les chemins de la chenille Becky, on a en fait énuméré les mots de n+2 lettres qui contiennent
n fois la lettre « D » et 2 fois la lettre « B ». Exemple d’énumération lexicographique pour n = 3 :
BBDDD, BDBDD, BDDBD, BDDDB, DBBDD, DBDBD, DBDDB, DDBBD, DDBDB, DDDBB.

Exemple Combien l’ensemble ¹1, 3º a-t-il de parties ?

Démonstration La réponse est 6.
• Énumération lexicographique en fonction du cardinal :
      
∅, 1 , 2 , 3 , 1, 2 , 1, 3 , 2, 3 , 1, 2, 3 .
• Énumération lexicographique après représentation par des mots  : On peut associer bijectivement à
toute partie A de ¹1, 3º un et un seul mot de 3 lettres sur l’alphabet 0, 1 . De quelle manière ? La première
lettre de ce mot est un « 1 » si 1 ∈ A et un « 0 » sinon, la deuxième
 « 1 » si 2 ∈ A et un « 0 »
lettreest un
sinon, etc. Par exemple, ∅ est représenté par le mot 000, 2 par 010 et 2, 3 par 011. Ainsi codées, les
parties de ¹1, 3º sont faciles à énumérer lexicographiquement :
000, 100, 010, 110, 001, 101, 011, 111.

$ Attention ! Dans tout ce qui suit, les lettres E, F, E1 , . . . , E p , A, B, C, A1 , . . . , An désignent des ensembles FINIS.

2.2 RÉUNION ET DIFFÉRENCE

On rappelle que les réunions DISJOINTES sont souvent notées avec le symbole « ⊔ » plutôt qu’avec le symbole « ∪ »

Théorème (Cardinal d’une réunion, cardinal d’une différence)

     
• Réunion : A∪ B  = |A|+ |B|−  A∩ B . En particulier, si A et B sont disjoints : A⊔ B  = |A|+ |B|.
 n  X n
G 
Plus généralement, si A1 , . . . , An sont deux à deux disjoints :  Ak  = |Ak |.
k=1 k=1
       
• Différence : A \ B  = |A| − A ∩ B . En particulier, si B ⊂ A : B  = A \ B  = |A| − |B|.

3
Christophe Bertault — Mathématiques en MPSI

 
Pour calculer A ∪ B , on additionne |A| et |B| pour tenir compte des éléments de A et B, mais en faisant cela on compte
deux fois ceux de A ∩ B, donc il faut les retrancher une fois.  n 
G  X n
Lorsque les ensembles A1 , . . . , An sont DISJOINTS DE MÊME CARDINAL, la formule  Ak  = |Ak | porte le joli nom de
principe des bergers : k=1 k=1

Théorème (Principe des bergers) Toute réunion DISJOINTE de n ensembles de même cardinal p est un ensemble de
cardinal np.

Tout ça pour dire qu’un berger qui possède n moutons possède aussi 4n pattes de moutons !
Le principe des bergers est sans doute le principe que nous utiliserons le plus dans ce chapitre. Comment l’utiliserons-
nous ? Quand un problème de dénombrement a été décomposé intellectuellement en deux sous-problèmes « étape 1 » et
« étape 2 » avec n choix possibles pour l’étape 1 et p choix possibles POUR CHACUN DE CES CHOIX dans l’étape 2, le problème
complet offre un total de np choix.

Exemple Nous avons utilisé le principe des bergers sans le dire en calculant dim Mn,p (K). Un tableau de taille n× p contient
n lignes et chaque ligne contient p cases, donc un tel tableau contient np cases.

Exemple Combien y a-t-il de couples (x, y) dans ¹1, nº2 pour lesquels x 6= y ?
Démonstration Construire un tel couple, c’est par exemple d’abord choisir x, puis choisir y. Il y a n valeurs
possibles de x et, pour chacune de ces valeurs, n − 1 valeurs restantes pour y — donc en tout n(n − 1) couples
possibles.

Exemple À partir d’un alphabet de p lettres, combien de mots de n lettres peut-on former qui ne contiennent jamais deux
lettres identiques consécutives ?
Démonstration Pour la première lettre, on peut choisir n’importe quelle lettre de l’alphabet (p possibilités), mais
pour chacune des suivantes, on n’a plus que p − 1 choix possibles si on veut éviter que deux lettres consécutives
soient identiques — d’où un total de p(p − 1)n−1 mots.

« On a SOIT ceci, SOIT cela » −→ ADDITION.

Mais finalement, addition ou multiplication ? En résumé :
« On fait ceci, PUIS cela » −→ MULTIPLICATION.

Exemple Une urne contient 2n boules numérotées de 1 à 2n qu’on tire successivement sans remise. Combien de tirages
peut-on faire pour lesquels un numéro pair est toujours suivi d’un numéro impair et un numéro impair d’un numéro pair ?
Démonstration Les tirages à dénombrer sont de deux types, il y a ceux qui commencent par un numéro pair et
ceux qui commencent par un numéro impair. Nous allons dénombrer séparément ces deux ensembles de tirages
et nous ADDITIONNERONS à la fin les deux cardinaux obtenus.
Combien sont-ils à commencer par un numéro pair ? Faire un tel tirage, c’est tirer une boule paire (n possibilités),
PUIS une boule impaire (n possiblités), PUIS de nouveau une boule paire (n − 1 possibilités), PUIS une boule
impaire (n − 1 possibilités). . . — d’où un total de n2 × (n − 1)2 × . . . × 22 × 12 = n!2 tirages.
Un raisonnement analogue montre que n!2 tirages exactement commencent par un numéro impair — d’où un
total définitif de n!2 + n!2 = 2 × n!2 .

2.3 PRODUIT CARTÉSIEN , LISTES ET ARRANGEMENTS

   
Théorème (Cardinal d’un produit cartésien)  E × . . . × E  = |E |× . . . × |E |. En particulier :  E p  = |E| p .
1 p 1 p

Démonstration Pour construire un élément quelconque de E1 × . . . × E p , on peut choisir d’abord un élément

dans E1 (|E1 | possibilités), puis un élément de E2 (|E2 | possibilités). . . et enfin un élément de E p (|E p | possibilités)
— d’où un total de |E1 | × . . . × |E p | choix possibles.

Définition-théorème (Liste) Soit p ∈ N∗ . On appelle p-liste de E ou p-uplet de E toute famille de p éléments de E,

i.e. tout élément de E p .
Si on pose n = |E|, il existe n p p-listes de E.

4
Christophe Bertault — Mathématiques en MPSI

Dans une liste, l’ordre des éléments compte car une liste n’est jamais qu’une FAMILLE — et non pas un ensemble — et un
même élément peut figurer plusieurs fois dans une liste.
Les listes sont utilisées pour modéliser des tirages SUCCESSIFS AVEC REMISE — les répétitions sont autorisées.

Exemple De combien de façons peut-on tirer 5 cartes successivement avec remise dans un jeu de 52 cartes ?
Réponse : 525 .

Exemple Combien y a-t-il de mots de 7 lettres contenant le mot « OUPS » tels que « BOUPSAR » et « QIOUPSI » ?
Démonstration Quand le mot « OUPS » apparaît dans un mot de 7 lettres, il n’y apparaît qu’une fois. Pour
construire un mot quelonque de 7 lettres contenant le sous-mot « OUPS », on peut donc :
— d’abord choisir la position du mot « OUPS » (4 possibilités car le « O » initial ne peut occuper que les
positions 1, 2, 3 et 4),
— puis choisir arbitrairement les autres lettres, i.e. choisir une 3-liste de l’alphabet (263 possibilités),
d’où un total de 4 × 263 = 70 304 mots.

Définition-théorème (Arrangement) Soit p ∈ N∗ . On appelle p-arrangement de E toute p-liste de E d’éléments

distincts.
n!
Si on pose n = |E|, il existe p-arrangements de E si p ¶ n, et il n’en existe pas si p > n.
(n − p)!
En particulier, pour p = n, il existe n! façons exactement d’ordonner les n éléments de E.

Démonstration Pour construire un p-arrangement dans le cas où p ¶ n, on peut choisir un premier élément
dans E (n possibilités), puis un deuxième distinct du premier (n − 1 possibilités). . . et enfin un pème distinct des
n!
précédents (n − p + 1 possibilités) — d’où un total de n × . . . × (n − p + 1) = p-arrangements de E.
(n − p)!

Les arrangements sont utilisés pour modéliser des tirages SUCCESSIFS SANS REMISE — les répétitions sont interdites.

Exemple De combien de façons peut-on tirer 5 cartes successivement sans remise dans un jeu de 52 cartes ?
52!
Réponse : = 52 × 51 × 50 × 49 × 48.
(52 − 5)!

Exemple De combien de façons peut-on asseoir n personnes sur un banc rectiligne ? autour d’une table ronde ?
Démonstration
• Banc rectiligne : On peut considérer que les personnes à asseoir sont numérotées de 1 à n. Les asseoir
sur un banc rectiligne revient à les énumérer toutes dans un ordre quelconque, i.e. à se donner un n-
arrangement quelconque de ¹1, nº — d’où un total de n! configurations possibles.
• Table ronde : La différence entre un banc rectiligne et une table ronde, c’est qu’il n’y a pas de première
place autour d’une table ronde — par exemple, on ne change pas la configuration des places assises quand
on demande à chaque convive de se déplacer d’une place sur sa droite. Pour asseoir n personnes autour
d’une table ronde :
— on peut ainsi commencer par asseoir arbitrairement la personne numérotée n,
— puis lui donner des voisins de proche en proche par la droite en se donnant un (n − 1)-arrangement
quelconque de ¹1, n − 1º ((n − 1)! possibilités),
d’où un total de (n − 1)! configurations possibles.

2.4 APPLICATIONS ENTRE DEUX ENSEMBLES

On rappelle à toutes fins utilesqu’une p-liste

de E n’est jamais qu’une application de ¹1, pº dans E et que réciproquement,


la donnée d’une application f de e1 , . . . , e p dans F est équivalente à la donnée de la p-liste f (e1 ), . . . , f (e p ) de F . Il paraît
ainsi naturel que les résultats du paragraphe précédent s’étendent aux applications. En particulier, les arrangements sont aux
listes ce que les injections sont aux applications.

5
Christophe Bertault — Mathématiques en MPSI

Théorème (Nombre d’applications entre deux ensembles)

 
(i) Applications quelconques :  F E  = |F ||E| , où F E désigne l’ensemble des applications de E dans F , aussi
noté F (E, F ).
(ii) Applications injectives : On pose p = |E| et n = |F |. L’ensemble des applications injectives de E dans F est de
n!
cardinal si p ¶ n, et vide si p > n.
(n − p)!
(iii) Permutations : On appelle permutation de E toute bijection de E sur E et groupe symétrique de E l’ensemble
des permutations de E, noté S E — ou plutôt Sn dans le cas où E = ¹1, nº. Alors |S E | = |E| !.

Démonstration

(i) Pour construire une application quelconque f de E = e1 , . . . , e p dans F , on peut choisir une valeur pour
f (e1 ) (|F | possibilités), puis une pour f (e2 ) (|F | possibilités). . . et enfin une valeur pour f (e p ) (|F | possibi-
lités) — d’où un total de |F ||E| applications de E dans F .
(ii) Pour construire une application INJECTIVE, on peut suivre la construction (i) mais en s’interdisant de
n!
reprendre les valeurs déjà sélectionnées — d’où un total de n × (n − 1) × . . . × (n − p + 1) =
(n − p)!
applications injectives lorsque p ¶ n.
(iii) Une application injective d’un ensemble fini dans un autre ensemble fini DE MÊME CARDINAL est déjà
bijective. Le calcul de |S E | est dès lors une conséquence de (ii), obtenue pour p = n = |E|.

Exemple Soit n ¾ 3. Combien y a-t-il de permutations de ¹1, nº qui envoient 1 sur 2 et 2 sur 3 ?
Démonstration Pour en construire une, on peut choisir l’image de 3 (n − 2 possibilités), puis celle de 4 (n − 3
possibilités). . . et enfin celle de n (1 possibilité) — d’où un total de (n−2)×(n−3)×. . .×1 = (n−2)! permutations.

2.5 COMBINAISONS

Ce paragraphe est essentiellement constitué de rappels du chapitre « Sommes, produits, coefficients binomiaux ».

Définition-théorème (Coefficients binomiaux, combinaison)

 ‹
n
• Coefficients binomiaux : Pour tous n ∈ N et k ∈ Z, on appelle (coefficient binomial) k parmi n et on note
k
le nombre de parties de cardinal k de l’ensemble ¹1, nº si n ∈ N∗ , ou de l’ensemble ∅ si n = 0.
• Combinaison : Soit p ∈ Z. On appelle p-combinaison de E toute partie de E de cardinal p. Je noterai P p (E)
l’ensemble des p-combinaisons de E, mais ce n’est pas là du tout une notation standard.
   n‹
Si on pose n = |E|, le nombre de p-combinaisons de E vaut P p (E) = .
p

Dans une combinaison, qui est un ENSEMBLE et non une famille, les éléments sont donnés sans ordre. Quand on décide
de numéroter les éléments d’une combinaison, le choix de la numérotation est totalement arbitraire, la combinaison en tant
que telle n’a pas un premier élément, un deuxième élément, etc.
Les combinaisons sont utilisées pour modéliser des tirages SIMULTANÉS.
 ‹ 

n
Démonstration Soient n ∈ N∗ et p ∈ Z. Par définition : = P p ¹1, nº , mais est-il vrai plus géné-
   ‹ p
n
ralement que P p (E) = si |E| = n ? Par définition du cardinal, nous pouvons nous donner une bijection
p

ϕ de ¹1, nº sur E. L’application X 7−→ ϕ(X ) est alors clairement une bijection de P p ¹1, nº sur P p (E) — de
  
 n‹
réciproque X 7−→ ϕ −1 (X ) — donc en effet : P p (E) = P p ¹1, nº  = .
p

Exemple De combien de façons peut-on tirer 5 cartes simultanément dans un jeu de 52 cartes ?
 ‹
52
Réponse : .
5

6
Christophe Bertault — Mathématiques en MPSI

Théorème (Propriétés des coefficients binomiaux) Soient n ∈ N et k ∈ Z.

 ‹
n
(i) Expression factorielle : = 0 si k < 0 ou si k > n. Si au contraire k ∈ ¹0, nº :
k  ‹
n n! n(n − 1) . . . (n − k + 1)
= = .
k k!(n − k)! k!
 ‹  ‹  ‹  ‹  ‹
n n n n n+1
(ii) Symétrie : = . (iii) Formule de Pascal : + = .
k n−k  ‹  ‹ k k+1 k+1
n n n−1
(iv) Formule du capitaine : Pour n et k non nuls : = .
k k k−1

Pour montrer certaines égalités a = b avec a, b ∈ N, on procède parfois par double comptage en montrant qu’un ensemble
bien choisi est de cardinal a après un premier mode d’énumération et de cardinal b après un second mode d’énumération.
Les quatre preuves qui suivent illustrent cette démarche.

Démonstration Les assertions (i), (ii) et (iii) sont triviales dans les cas suivants : k < 0, k > n, n = 0.
Nous supposerons désormais n ¾ 1 et k compris entre 0 et n.
 ‹
n! n
(i) Montrons que = × k!. À gauche, on reconnaît le nombre de k-arrangements de ¹1, nº. Il
(n − k)! k
nous suffit dès lors de compter d’une autre manière les k-arrangements de ¹1, nº. Or pour construire un
k-arrangement de ¹1, nº, on peut :
 ‹
n
— choisir une k-combinaison X quelconque de ¹1, nº ( possibilités),
k
— puis choisir une façon d’ordonner les k éléments de X (k! posibilités),
 ‹
n
d’où au total × k! k-arrangements de ¹1, nº.
k
(ii) On connaît tout d’une partie de ¹1, nº de cardinal k quand on connaît son complémentaire. Il y a donc
dans ¹1, nº autant de parties de cardinal k que de parties de cardinal n− k. Plus formellement,

nous
venons
simplement d’observer que l’application X 7−→ X est une bijection de Pk ¹1, nº sur Pn−k ¹1, nº — de
réciproque « elle-même » mais avec inversion des ensembles de départ et d’arrivée.
 ‹
n+1
(iii) Intéressons-nous aux (k + 1)-combinaisons de ¹1, n + 1º. Il en existe bien sûr , mais nous pouvons
k+1
les dénombrer
 ‹autrement en distinguant celles qui contiennent n + 1 de celles qui ne le contiennent pas.
n+1
L’entier sera ainsi égal à la somme des deux cardinaux obtenus.
k+1
— Il y a autant dek-combinaisons
‹ de ¹1, n + 1º qui contiennent n + 1 que de (k − 1)-combinaisons de
n
¹1, nº, à savoir . On passe en effet des unes aux autres en ajoutant ou en ôtant l’élément n + 1.
k−1
— Les k-combinaisons de  ¹1,
‹ n + 1º qui ne contiennent pas n + 1 sont exactement les k-combinaisons de
n
¹1, nº et il en existe .
k
(iv) De combien de manières peut-on former une équipe de k entiers de ¹1, nº dont un entier-capitaine ? Nous
allons dénombrer ces équipes de deux manières et le résultat en découlera aussitôt.
 ‹
n
— On peut commencer par choisir les k membres de l’équipe ( possibilités), puis désigner le capitaine
 ‹ k
n
après coup parmi eux (k possibilités). On crée ainsi × k équipes.
k
— On peut procéder autrement et choisird’abord ‹ le capitaine (n possibilités), puis compléter
 ‹ l’équipe en
n−1 n−1
choisissant les k − 1 autres membres ( possibilités). On crée cette fois n × équipes.
k−1 k−1

 ‹
n
Théorème (k-listes strictement croissantes de ¹1, nº) Pour tout k ∈ ¹1, nº, il existe familles d’entiers (i1 , . . . , ik )
k
pour lesquelles 1 ¶ i1 < . . . < ik ¶ n.

Démonstration Il y a autant de familles du type étudié que de k-combinaisons de ¹1, nº, car il n’y a qu’une
seule manière de ranger les éléments d’une k-combinaison de ¹1, nº dans l’ordre croissant.

Exemple On appelle anagramme d’un mot tout autre mot composé des mêmes lettres avec multiplicité, mais dans un ordre
quelconque. Les mots « NOSSMOI » et « SIONSOM » sont par exemple deux anagrammes du mot « MOISSON ». Combien
d’anagrammes le mot « BOROROS » possède-t-il ? — Pour information, les Bororos sont un peuple amérindien du Brésil.

7
Christophe Bertault — Mathématiques en MPSI

Démonstration
 ‹
7
• Pour construire une anagramme de « BOROROS », on peut choisir d’abord la position des « O » ( = 35
 ‹  ‹ 3
7−3 2
possibilités), puis celle des « R » ( = 6 possibilités), puis celle du « B » ( = 2 possibilités), et
 ‹ 2 1
1
enfin celle du « S » ( = 1 possibilité) — d’où un total de 35 × 6 × 2 = 420 anagrammes possibles.
1
• On aurait bien sûr pu choisir la position des lettres dans un ordre différent — par exemple d’abord le « S »,
puis les « R », puis le « B », puis les « O ». On obtient le même résultat, mais présenté différemment :
 ‹  ‹  ‹  ‹
7 6 4 3
× × × = 7 × 15 × 4 = 420 anagrammes possibles.
1 2 1 3
Mais à vrai dire, on peut faire mieux, i.e. obtenir un résultat plus lisible. Remarquons d’abord que :
 ‹  ‹  ‹  ‹
7 6 4 3 7! 6! 4! 3! 7!
× × × = × × × = . Jolie simplification !
1 2 1 3 1!6! 2!4! 1!3! 3!0! 3! × 2! × 1! × 1!
Ce résultat simplifié a-t-il un sens combinatoire ? Eh bien oui. Pour le comprendre, numérotons fictivement
nos 7 lettres de 1 à 7, ce qui veut dire que, pour le moment, nous les distinguons. On peut former 7! mots
à partir de ces lettres numérotées, associés chacun à une manière d’ordonner les entiers de 1 à 7, mais
chaque anagramme est bien sûr comptée plusieurs fois par ce procédé. Combien de fois au juste ? Chaque
anagramme a été comptée autant de fois qu’il y a de façons d’y permuter les 3 « O », les 2 « R », le « B » et le
7!
« S » — soit 3! × 2! × 1! × 1! fois. Le mot « BOROROS » possède ainsi = 420 anagrammes.
3! × 2! × 1! × 1!
Exemple Un jeu de tarot contient 78 cartes — 21 atouts, la carte qu’on appelle l’« excuse », et 14 cartes de chacune des 4
couleurs cœur, pique, trèfle et carreau. Combien de tirages simultanés de 6 cartes d’un tel jeu peut-on obtenir contenant 2
atouts et 4 trèfles ? et ensuite : exactement un atout et au moins 3 as ?
Démonstration  ‹  ‹
21 14
• 2 atouts et 4 trèfles : Il s’agit de choisir 2 atouts ( possibilités), puis 4 trèfles ( possibilités) —
 ‹  ‹ 2 4
21 14
d’où un total de × = 210 210 tirages possibles.
2 4  ‹  ‹  ‹
21 4 78 − 21 − 4
• Exactement un atout et au moins 3 as : On peut construire × × = 115 752
 ‹ 1  ‹ 3 2 ‹
21 4 78 − 21 − 4
tirages contenant exactement un atout et exactement 3 as et × × = 1 113 tirages
1 4 1
contenant exactement un atout et les 4 as — d’où un total de 115 752 + 1 113 = 116 865 tirages possibles,
les deux alternatives étant disjointes. p (ici 4)
Départ

Exemple De plus en plus aventureuse, la chenille Becky se promène cette fois le long d’un

n (ici 3)
grillage plan de taille n×p dont chaque arête est de longueur 1. Combien de chemins de longueur
minimale peut-elle emprunter pour gagner le point d’arrivée depuis son point de départ ?
Vous remarquerez bien que cette deuxième aventure de la chenille Becky englobe la première, b

mais Becky n’avait pas de combinaisons à sa disposition au début du chapitre. Arrivée

Démonstration Un chemin de longueur minimale est ici entièrement déterminé par la donnée de n déplace-
ments élémentaires vers le bas et p vers la droite. Tout chemin peut donc être identifié à un mot quelconque de
n + p lettres dont n « B » (bas) et p « D » (droite).
 Or‹combien existe-t-il de tels mots ? Réponse : autant qu’il
n+p
existe de façons d’y placer les « B », c’est-à-dire .
p

 
Théorème (Nombre de parties d’un ensemble fini) P (E) = 2|E| .

   n‹
Démonstration Posons n = |E|. Pour tout p ∈ ¹0, nº : P p (E) = , donc :
 n  p n  ‹
  G  Xn
 X n
P (E) =  P (E)= P (E) = = (1 + 1)n = 2|E| .
 p  p
p
p=0 p=0 p=0

Notre dernier dénombrement à base de coefficients binomiaux est particulièrement malin et pas forcément facile à in-
venter seul si on ne l’a pas déjà rencontré une fois !

Exemple On dispose de n urnes numérotées de 1 à n dont chacune peut accueillir autant de boules qu’on le souhaite. De
combien de manières peut-on y ranger p boules indiscernables ?

8
Christophe Bertault — Mathématiques en MPSI

···

Démonstration Les rangements étudiés peuvent être vus sans ambiguïté comme des mots. Avec 4 urnes nu-
mérotées de 1 à 4, on traduira le rangement de 2, 3, 0 et 1 boules par le mot : ◦ ◦ | ◦ ◦ ◦ ||◦ dans lequel
le symbole « ◦ » désigne une boule et le symbole « | » la séparation de deux urnes successives. Les mots ainsi
formés contiennent tous exactement p symboles « ◦ » et n − 1 symboles « | », ce qui nous ramène à un simple
problème de dénombrement d’anagrammes — attention, il y a n urnes, mais seulement n − 1 séparations entre
elles. Inversement, il est possible d’associer à toute anagramme
 ‹ de cette forme un unique rangement de boules.
n+p−1
Conclusion : le problème posé autorise exactement rangements ou anagrammes.
p

2.6 BILAN PRATIQUE

Un problème de dénombrement, ça peut vraiment être compliqué, mais il y a tout de même une trinité merveilleuse de
modèles de base auxquels on peut presque toujours se ramener.

Tirages successifs AVEC REMISE Tirages successifs SANS REMISE Tirages SIMULTANÉS
= = =
LISTES ARRANGEMENTS COMBINAISONS

3 INDICATRICES ET FORMULE DU CRIBLE

3.1 INDICATRICE D’UNE PARTIE

Définition-théorème (Indicatrice d’une partie) Soient E un ensemble quelconque et A et B deux parties de E.

(i) Définition : On appelle indicatrice de A (sur E) l’application définie pour tout x ∈ E par :

1 si x ∈ A
1A(x) = En passant : 12A = 1A.
0 si x ∈ E \ A.
(ii) Inclusion : A⊂ B ⇐⇒ 1A ¶ 1B . Égalité : A= B ⇐⇒ 1A = 1B .
Opérations ensemblistes : 1A = 1 − 1A, 1A∩B = 1A1B et 1A∪B = 1A + 1B − 1A1B .
X
(iii) Lien avec le cardinal : Si E est fini : |A| = 1A(x).
x∈E

Démonstration
(ii) Inclusion : Si A ⊂ B, alors pour tout x ∈ A : x ∈ B, donc 1A(x) = 1 ¶ 1 = 1B (x), et pour tout
x ∈ E \ A : 1A(x) = 0 ¶ 1B (x), donc en effet 1A ¶ 1B . Réciproquement, si 1A ¶ 1B : A ⊂ B car pour
tout x ∈ A : 1 = 1A(x) ¶ 1B (x), donc 1B (x) = 1, i.e. x ∈ B.
€ Š € Š
Égalité : A = B ⇐⇒ A ⊂ B et B ⊂ A ⇐⇒ 1A ¶ 1B et 1B ¶ 1A ⇐⇒ 1A = 1B .
Complémentaire : Pour tout x ∈ A : 1A(x) = 0 = 1 − 1 = 1 − 1A(x), et pour tout x ∈ E \ A :
1A(x) = 1 = 1 − 0 = 1 − 1A(x),
donc 1A = 1 − 1A.
Intersection : Pour tout x ∈ A ∩ B : 1A∩B (x) = 1 = 1 × 1 = 1A(x)1B (x), et pour tout x ∈ E \ (A ∩ B) :
x∈/ A ou x ∈ / B, donc 1A(x) = 0 ou 1B (x) = 0, donc 1A∩B (x) = 0 = 1A(x)1B (x). Bref : 1A∩B = 1A1B .
Réunion : 1A∪B = 1 − 1A∪B = 1 − 1A∩B = 1 − 1A1B = 1 − (1 − 1A)(1 − 1B ) = 1A + 1B − 1A1B .
X X X X X
(iii) Lien avec le cardinal : 1A(x) = 1A(x) + 1A(x) = 1+ 0 = |A|.
x∈E x∈A x∈E\A x∈A x∈E\A

9
Christophe Bertault — Mathématiques en MPSI

Exemple Pour compter les parties de ¹1, 4º, nous avons procédé à deux énumérations
  différentes en début de chapitre.
Nous avons généralisé la première un peu plus haut en démontrant la formule P (E) = 2|E| via la formule du binôme. Nous
pouvons maintenant généraliser la deuxième à coups d’indicatrices.
Démonstration En début de chapitre, nous avons associé bijectivement à toute partie de ¹1, 4º un unique
mot de 4 lettres sur l’alphabet 0, 1 . Si l’on réfléchit bien, c’est exactement ce qu’on fait plus généralement en
associant à toute partie A d’un ensemble fini E son indicatrice 1A.
 E
Formellement, remarquons « simplement » que l’application A 7−→ 1A est bijective de  P (E) sur 0, 1 de réci-
€ Š ¦ ©    E 
proque ϕ 7−→ ϕ −1 1 = x ∈ E | ϕ(x) = 1 . Ainsi, comme voulu : P (E) =  0, 1  = 2|E| .
X  
Exemple Soit E un ensemble fini. Que vaut la somme A ∩ B  ?
A,B∈P (E)
Démonstration En posant n = |E| :
X   X X X X X X  X 
A ∩ B  = 1A∩B (x) = 1A(x) 1B (x) = 1A(x) 1B (x)
A,B∈P (E) A,B∈P (E) x∈E A,B∈P (E) x∈E x∈E A∈P (E) B∈P (E)
X ¦ ©2 X  
 X
2
=  A ∈ P (E) | x ∈A  = P E \ x 2 = 2n−1 = 4n−1 n.
x∈E x∈E x∈E

3.2 LA FORMULE DU CRIBLE

La formule du crible présentée ci-dessous est explicitement hors programme, mais bien connue pour n = 2 et très naturelle
pour n = 3. Nous nous l’autoriserons régulièrement pour de petites valeurs de n.

 n 
[  X n X  
Théorème (Formule du crible)  A = (−1) k+1  A ∩ . . . ∩ A .
 i  i1 ik
i=1 k=1 1¶i1 <...<ik ¶n
             
Pour n = 2 : A∪B  = |A|+|B|− A∩B  et pour n = 3 : A∪B∪C  = |A|+|B|+|C|−  A∩B  − B∩C  − C ∩A + A∩B∩C .

 ‹
n
On rappelle que pour tout k ∈ ¹1, nº, il existe familles (i1 , . . . , ik ) d’entiers pour lesquelles : 1 ¶ i1 < . . . < ik ¶ n.
k
[n
Démonstration On pose E = Ai . On commence par un calcul sur des indicatrices définies sur E :
i=1 Yn Yn

X n X
1A1 ∪...∪An = 1 − 1A1 ∪...∪An = 1 − 1A1 ∩...∩An = 1 − 1Ai = 1 − 1 − 1Ai = (−1)k+1 1Ai ∩...∩Ai , 1 k
i=1 i=1 k=1 1¶i1 <...<ik ¶n
puis on somme sur E tout entier : !
 n  X X X n X
[ 
 A=
 i 1A1 ∪...∪An (x) = (−1)k+1 1Ai1 ∩...∩Aik (x)
i=1 x∈E x∈E k=1 1¶i1 <...<ik ¶n
‚ Œ
Xn X X X n X  
= (−1) k+1
1Ai ∩...∩Ai (x) = (−1)k+1
1 k
 A ∩ . . . ∩ A .
i1 ik
k=1 1¶i1 <...<ik ¶n x∈E k=1 1¶i1 <...<ik ¶n

4 DES POLYNÔMES ET DES FRACTIONS POUR CALCULER DES SOMMES

X
n n  ‹
X n  ‹2
X
n n
On rappelle dans ce dernier paragraphe comment des sommes telles que 2k k,
peuvent être k2 et
k k=0
k=0
k k=0
calculées facilement par de simples manipulations polynomiales et rationnelles. Ces techniques sont sans rapport immédiat
avec nos précédents principes de dénombrement, mais elles nous seront précieuses dans les prochains chapitres de proba-
bilités. Des exemples valent ici mieux qu’un long discours, les maîtres-mots du paragraphe sont « dériver », « évaluer » et
« identifier » et les techniques de calcul qui suivent ont toutes déjà été travaillées.
n  ‹
X n
Exemple 3k k = 3n × 4n−1 .
k
k=0
Xn  ‹
n
Démonstration Dérivons la formule du binôme : kX k−1 = n(X + 1)n−1 , multiplions par X :
n  ‹
k n  ‹
X n
k=0 X n k
kX k = nX (X + 1)n−1 , puis évaluons en 3 : 3 k = 3n × 4n−1 .
k=0
k k=0
k

10
Christophe Bertault — Mathématiques en MPSI

X
n X
+∞
k 10
Exemple 2k k = 2n+1 (n − 1) + 2 et = .
k=0 k=0
10k 81

Démonstration Nous travaillerons dans cette preuve avec des fractions rationnelles formelles en X , que nous
n’avons certes pas encore définies mais que je préfère vous voir utiliser ici plutôt que des fonctions rationnelles.
Xn
X n+1 − 1
Dérivons la relation : Xk = . Cela donne :
X −1
k=0

Xn
(n + 1) X n (X − 1) − X n+1 − 1 nX n+1 − (n + 1) X n + 1
k−1
kX = = ,
k=0
(X − 1)2 (X − 1)2
Xn
nX n+1 − (n + 1) X n + 1
donc après multiplication par X : kX k = X × . Évaluons enfin en 2 :
k=0
(X − 1)2
Xn Xn  ‹
1 k 10 n n+1 10
2k k = 2n+1 (n − 1) + 2, puis en : k
= n+1
− n
+ 1 −→ .
k=0
10 k=0
10 81 10 10 n→+∞ 81

Nous finissons par un rappel.

n  ‹2
X  ‹
n 2n
Théorème (Formule de Vandermonde) Pour tout n ∈ N : = .
k=0
k n

2n 
X ‹ n  ‹
X n  ‹
X
2n n n
Démonstration X k = (X + 1)2n = (X + 1)n × (X + 1)n = X j. Xi ×
k=0
k i=0 j=0
j i
 ‹ Xn  ‹ ‹ X n  ‹2
2n n n n
À gauche, le coefficient de degré n vaut , et à droite il vaut = par définition du
n i n−i i
produit polynomial. i=0 i=0

n  ‹
X ‹  ‹
n 2n 3n
Exemple = .
k=0
k k n
3n 
X ‹ Xn  ‹
2n 
X ‹
3n n2n
Démonstration X k = (X + 1)3n = (X + 1)2n × (X + 1)n = X j. Xi ×
k=0
k i=0
i j=0
j
 ‹ Xn  ‹ ‹ X n  ‹ ‹
3n 2n n n 2n
À gauche, le coefficient de degré n vaut , et à droite il vaut = par définition
n i n−i i i
du produit polynomial. i=0 i=0

11