Entiers premiers et Python
Quelques exercices de programmation Python sur le thème Arithmétique et nombres premiers.
Python
Arithmétique avec Python
Quelques exercices d’arithmétique (pgcd, ppcm, algorithme d’Euclide, coefficients de Bezout) avec Python.
Une récurrence très sensible
(Oral Centrale) On étudie (avec Python, puis théoriquement) le comportement d’une suite récurrente, en fonction de la valeur de son terme initial.
Mme Michu cherche son parapluie
Mme Michu cherche son parapluie qui se trouve (peut être!) dans l’un des 7 étages de son immeuble…
Limite de fonctions inverses
(Oral Centrale 2018)
On pose : {\forall\,n\in\mathbb{N}^{*},\;A_{n}:x\mapsto\displaystyle\sum\limits_{k=1}^{n}\dfrac{x^{k}}{k}}.
Montrer que : {\forall\,y\in\mathbb{R}^{+},\;\exists\,!\,x\in\mathbb{R}^{+},\;A_{n}(x)=y}.
On note {x=f_{n}(y)}. Tracer des fonctions {f_n}.
Montrer que la suite {(f_n)_{n\ge1}} converge simplement sur {\mathbb{R}^+} vers {f\colon x\mapsto1-\text{e}^{-x}}.
On pose : {\forall\,n\in\mathbb{N}^{*},\;A_{n}:x\mapsto\displaystyle\sum\limits_{k=1}^{n}\dfrac{x^{k}}{k}}.
Montrer que : {\forall\,y\in\mathbb{R}^{+},\;\exists\,!\,x\in\mathbb{R}^{+},\;A_{n}(x)=y}.
On note {x=f_{n}(y)}. Tracer des fonctions {f_n}.
Montrer que la suite {(f_n)_{n\ge1}} converge simplement sur {\mathbb{R}^+} vers {f\colon x\mapsto1-\text{e}^{-x}}.
Nombres de Bell
(Oral Centrale 2018)
On pose {u_{0}=1} et : {\forall\,n\in\mathbb{N},\;u_{n+1}=\displaystyle\sum\limits_{k=0}^{n}\dbinom{n}{k}u_{k}}.
Écrire une fonction Python calculant {u_n}.
Conjecturer la valeur de {\dfrac{1}{\text{e}}\displaystyle\sum\limits_{k\ge 0}\dfrac{k^{n}}{k!}}.
Prouver cette conjecture. Calculer {f(x)=\displaystyle\sum\dfrac{u_{n}}{n!}x^n}.
On pose {u_{0}=1} et : {\forall\,n\in\mathbb{N},\;u_{n+1}=\displaystyle\sum\limits_{k=0}^{n}\dbinom{n}{k}u_{k}}.
Écrire une fonction Python calculant {u_n}.
Conjecturer la valeur de {\dfrac{1}{\text{e}}\displaystyle\sum\limits_{k\ge 0}\dfrac{k^{n}}{k!}}.
Prouver cette conjecture. Calculer {f(x)=\displaystyle\sum\dfrac{u_{n}}{n!}x^n}.
Un jeton et quatre cases
(Oral Centrale 2018)
Un jeton se déplace aléatoirement sur quatre cases, selon un protocole particulier.
On demande une simulation de l’expérience avec Python.
On diagonalise la matrice de transition, pour étudier la probabilité que le jeton se trouve sur telle ou telle case à la date {n} quand {n\to+\infty}
Un jeton se déplace aléatoirement sur quatre cases, selon un protocole particulier.
On demande une simulation de l’expérience avec Python.
On diagonalise la matrice de transition, pour étudier la probabilité que le jeton se trouve sur telle ou telle case à la date {n} quand {n\to+\infty}
Étude d’une hélice
(Oral Centrale)
Étudier l’arc paramétré défini par :
x(t)=(1\!+\!\cos t)\cos(t), \;y(t)=(1\!+\!\cos t)\sin (t), \;z(t)=4\sin(t/2)
Étudier l’arc paramétré défini par :
x(t)=(1\!+\!\cos t)\cos(t), \;y(t)=(1\!+\!\cos t)\sin (t), \;z(t)=4\sin(t/2)
Intégrales de Wallis hyperboliques
(Oral Centrale)
On étudie {I_{n}=\displaystyle\int_{0}^{\alpha}\,\text{sh}^n(t)\,\text{d}t} où \text{sh}(\alpha)=1
(calcul approché avec Python, relation de récurrence, limite, équivalent, séries…)
On étudie {I_{n}=\displaystyle\int_{0}^{\alpha}\,\text{sh}^n(t)\,\text{d}t} où \text{sh}(\alpha)=1
(calcul approché avec Python, relation de récurrence, limite, équivalent, séries…)
Zéros terminaux de n!
(oral Ccp 2013)
Déterminer le nombre de zéros terminant l’écriture décimale de 2013!
Déterminer le nombre de zéros terminant l’écriture décimale de 2013!
Vidages d’urnes bicolores
(Oral Centrale)
Une urne contient {b} boules blanches et {n-b} rouges.
On les tire successivement et sans remise.
On note {C} le nombre de changements de couleur. Calculer {E(C)} et {V(C)}.
Une urne contient {b} boules blanches et {n-b} rouges.
On les tire successivement et sans remise.
On note {C} le nombre de changements de couleur. Calculer {E(C)} et {V(C)}.
Diagonalisation d’une matrice en zig-zag
(Oral Ccp)
Diagonaliser la matrice (d’ordre 2n) : {A_n=}{\begin{pmatrix}1 & 2n & 1 & \cdots & 2n \\ 2 & 2n-1 & 2 & \cdots & 2n-1 \\ 3 & 2n-2 & 3 & \cdots & 2n-2 \\ \vdots & \vdots & \vdots & & \vdots \\ 2n & 1 & 2n & \cdots & 1\end{pmatrix}}.
Diagonaliser la matrice (d’ordre 2n) : {A_n=}{\begin{pmatrix}1 & 2n & 1 & \cdots & 2n \\ 2 & 2n-1 & 2 & \cdots & 2n-1 \\ 3 & 2n-2 & 3 & \cdots & 2n-2 \\ \vdots & \vdots & \vdots & & \vdots \\ 2n & 1 & 2n & \cdots & 1\end{pmatrix}}.
Étude d’un temps d’attente
(Oral Centrale)
Soit {(X_{i})_{i\in \mathbb{N}^{\ast}}} des v.a.r. indépendantes de même loi : {\mathbb{P}(X_{i}=1)=p} ; {\mathbb{P}(X_{i}=2)=1\!-\!p}.
Soit Y_k le temps d’attente de X_1+\cdots+X_n\ge k.
On étudie la loi de Y_k et son espérance.
Soit {(X_{i})_{i\in \mathbb{N}^{\ast}}} des v.a.r. indépendantes de même loi : {\mathbb{P}(X_{i}=1)=p} ; {\mathbb{P}(X_{i}=2)=1\!-\!p}.
Soit Y_k le temps d’attente de X_1+\cdots+X_n\ge k.
On étudie la loi de Y_k et son espérance.
Diagonalisation et puissances
(Oral Ccp)
Soit {M=(m_{i,j})\in{\mathcal M}_{n}(\mathbb{R})} où {\begin{cases}m_{i,j}=1\text{\ si\ }j\in\{1,i,n\}\\m_{i,j}=0\text{\ sinon}\end{cases}}
Diagonaliser {M}. Calculer {M^{p+1}} pour tout {p\ge0}.
Soit {M=(m_{i,j})\in{\mathcal M}_{n}(\mathbb{R})} où {\begin{cases}m_{i,j}=1\text{\ si\ }j\in\{1,i,n\}\\m_{i,j}=0\text{\ sinon}\end{cases}}
Diagonaliser {M}. Calculer {M^{p+1}} pour tout {p\ge0}.
Réduction d’une matrice en L
(Oral Mines-Ponts)
Soit {(a_{1},\ldots,a_{n})\in\mathbb{R}^{n}} et {M\in{\mathcal M}_{n}(\mathbb{R})} avec {m_{i,n} = m_{n,i} = a_{i}} pour tout {i}, et {m_{i,j}=0} sinon.
Montrer que {M} est diagonalisable puis diagonaliser {M}.
Soit {(a_{1},\ldots,a_{n})\in\mathbb{R}^{n}} et {M\in{\mathcal M}_{n}(\mathbb{R})} avec {m_{i,n} = m_{n,i} = a_{i}} pour tout {i}, et {m_{i,j}=0} sinon.
Montrer que {M} est diagonalisable puis diagonaliser {M}.
Inversibilité et déterminant
(Oral Tpe)
Soit {A\in{\mathcal M}_{n}(\mathbb{C})} avec a_{i,j}=1 si j\equiv i\!+\!1\ [n]\!, et a_{i,j}=0 sinon.
Inversibilité de {B_p=\displaystyle\sum_{m=0}^{p-1}A^{m}}, et calcul de {\det(B_p)}.
Soit {A\in{\mathcal M}_{n}(\mathbb{C})} avec a_{i,j}=1 si j\equiv i\!+\!1\ [n]\!, et a_{i,j}=0 sinon.
Inversibilité de {B_p=\displaystyle\sum_{m=0}^{p-1}A^{m}}, et calcul de {\det(B_p)}.
Le paradoxe du duc de Toscane
Nombre de façons d’écrire {9} et {10} comme somme de trois entiers de {[[ 1,6]]}.
On lance trois dés. Soit {S} la somme. Comparer {\mathbb{P}(S=9)} et {\mathbb{P}(S=10)}.
On lance trois dés. Soit {S} la somme. Comparer {\mathbb{P}(S=9)} et {\mathbb{P}(S=10)}.
Le paradoxe des anniversaires
Quelle est la probabilité {p_n} pour que dans une classe de {n} élèves, les anniversaires d’au moins deux élèves tombent le même jour? À partir de quelle valeur de {n} a-t-on {p_n\ge0.5}?
Mme Michu et les probabilités
Quatre exercices sur le thème « Mme Michu et les probabilités »
Un dé, un python, un trinôme
On jette un dé trois fois (résultats {a,b,c}). Donner la probabilité pour que {aX^2+bC+c} ait deux racines réelles distinctes / une racine réelle double / pas de racine réelle.
Anagrammes d’abracadabra
Combien « abracadabra » a-t-il d’anagrammes? Quel est le moins probable?
Calcul de déterminant en Python
(Oral Centrale)
Soit {A_n=(a_{i,j})_{1\leq i,j\leq n}} avec {a_{i,j}=(-1)^{\max(i,j)}}. Calculer {\det(A_n)}.
Soit {A_n=(a_{i,j})_{1\leq i,j\leq n}} avec {a_{i,j}=(-1)^{\max(i,j)}}. Calculer {\det(A_n)}.
Nombres de Bell, formule de Dobinksi
(Oral Mines-Ponts)
Soit {B_n} le nombre de partitions de {[[1,n]]}.
Montrer {B_{n+1}=\displaystyle\sum_{k=0}^n\dbinom{n}{k}B_k} et {\displaystyle\sum_{n=0}^{+\infty}\dfrac{B_n}{n!}x^n=e^{e^x-1}}
Montrer : {T_n=\dfrac1{\text{e}}\displaystyle\sum_{k=0}^{+\infty}\dfrac{k^n}{k!}} (formule de Dobinski).
Soit {B_n} le nombre de partitions de {[[1,n]]}.
Montrer {B_{n+1}=\displaystyle\sum_{k=0}^n\dbinom{n}{k}B_k} et {\displaystyle\sum_{n=0}^{+\infty}\dfrac{B_n}{n!}x^n=e^{e^x-1}}
Montrer : {T_n=\dfrac1{\text{e}}\displaystyle\sum_{k=0}^{+\infty}\dfrac{k^n}{k!}} (formule de Dobinski).
Recherche de rep-units
On admet que tout {n\in\mathbb{N}} impair non multiple de {5} a un multiple {N} ne s’écrivant (en base {10}) qu’avec des {1}. L’objet de cet exercice est de programmer la recherche de N, et d’étudier pour quelles valeurs de n l’entier N a une longueur record
Élimination de jetons sur un cercle
(Oral Ensam)
On dispose en cercle {n} jetons numérotés de {0} à {n- 1} (comme sur le cadran d’une horloge). On retire le jeton numéro {0}, puis un sur deux en parcourant le cercle jusqu’à ce qu’il ne reste plus qu’un seul jeton. On étudie ici le numéro du dernier jeton restant.
On dispose en cercle {n} jetons numérotés de {0} à {n- 1} (comme sur le cadran d’une horloge). On retire le jeton numéro {0}, puis un sur deux en parcourant le cercle jusqu’à ce qu’il ne reste plus qu’un seul jeton. On étudie ici le numéro du dernier jeton restant.
Jetons bicolores
(Oral Ensam)
Soit n jetons bleus/blancs sur une table (b faces bleues visibles). On en prend deux jetons au hasard. Si le 2nd est d’une couleur différente du 1er, on le retourne. On étudie le nombre {X_{k}} de faces bleues après {k} étapes, et la loi-limite de X_k quand k\to+\infty
Soit n jetons bleus/blancs sur une table (b faces bleues visibles). On en prend deux jetons au hasard. Si le 2nd est d’une couleur différente du 1er, on le retourne. On étudie le nombre {X_{k}} de faces bleues après {k} étapes, et la loi-limite de X_k quand k\to+\infty
Une forme linéaire sur IR[X]
(Oral Centrale)
Étude de la forme linéaire S définie sur {\mathbb{R}[X]} par {S(P) =\displaystyle\sum_{k=0}^{+\infty}\dfrac{P(k)}{k!}}
Étude de la forme linéaire S définie sur {\mathbb{R}[X]} par {S(P) =\displaystyle\sum_{k=0}^{+\infty}\dfrac{P(k)}{k!}}
Le dernier chiffre non nul de n!
On écrit une fonction Python renvoyant le dernier chiffre non nul de « factorielle n » (sans calculer n!, bien sûr). Bel exercice d’arithmétique finalement!
Des milliers de décimales de π
Soit x=\displaystyle\sum_{k=0}^{+\infty}p_k\,u_k, où {u_k=\dfrac{(k!)^2\,2^{k}}{(2k+1)!}}.
Ce développement est dit régulier si {\begin{cases}\forall k\ge1,\; 0\le p_k\le 2k\\\forall n\ge1,\;\exists m\ge n, p_m\lt 2k\end{cases}}On étudie la convergence de ces développements, et un algorithme réduisant (par reports de retenues) à sa forme régulière le développement de 10^nx, avec n\in\mathbb{N}. On en déduit une fonction Python donnant des milliers de décimales de \pi.
Ce développement est dit régulier si {\begin{cases}\forall k\ge1,\; 0\le p_k\le 2k\\\forall n\ge1,\;\exists m\ge n, p_m\lt 2k\end{cases}}On étudie la convergence de ces développements, et un algorithme réduisant (par reports de retenues) à sa forme régulière le développement de 10^nx, avec n\in\mathbb{N}. On en déduit une fonction Python donnant des milliers de décimales de \pi.
Des milliers de décimales de e
On utilise les notations de l’article précédent (« Base de numération factorielle »).
Connaissant la représentation factorielle d’un réel x, et pour tout entier n, on étudie un algorithme donnant la décomposition factorielle de 10^n x.
Application: on programme le calcul de milliers de décimales de e.
Connaissant la représentation factorielle d’un réel x, et pour tout entier n, on étudie un algorithme donnant la décomposition factorielle de 10^n x.
Application: on programme le calcul de milliers de décimales de e.
Base de numération factorielle
On montre que tout réel x s’écrit de façon unique x=\displaystyle\sum_{n=1}^{+\infty}\dfrac{b_n}{n!} où {b_1\in\mathbb{Z}}, {b_n\in[\![0,n-1]\!]} pour {n\ge2}, et où pour tout {n\ge1}, il existe {m\ge n} tel que {b_m\lt n-1}.
Avec Python, et des schémas de Horner, on programme les conversions entre cette représentation « factorielle » et la représentation décimale.
Avec Python, et des schémas de Horner, on programme les conversions entre cette représentation « factorielle » et la représentation décimale.
Le théorème chinois
Soit {n_1,n_2,\ldots,n_r} dans {\mathbb{N}^*}, premiers entre eux deux à deux. Soit {N=\displaystyle\prod\limits_{k=1}^{r}n_k}.
Il existe un unique x\in[\![0,N-1]\!] tel que x\equiv n_j\mod n_j pour tout j.
Ce résultat est communément appelé théorème chinois. L’objet de cet article est de programmer le calcul de x en Python (deux méthodes).
Il existe un unique x\in[\![0,N-1]\!] tel que x\equiv n_j\mod n_j pour tout j.
Ce résultat est communément appelé théorème chinois. L’objet de cet article est de programmer le calcul de x en Python (deux méthodes).
Coefficients de Bézout
Soient {m,n} dans {\mathbb{N}^*}, avec {m\wedge n=1}.
Il existe une infinité de {(u,v)\in\mathbb{Z}^2} tel que {um+vn=1}.
Il existe en particulier un couple {(u,v)} unique tel que {\left|u\right|\le n/2} et {\left|v\right|\le m/2}.
L’objet de cet article est de programmer deux méthodes (l’une itérative, l’autre récursive) de calcul des deux entiers u et v.
Il existe une infinité de {(u,v)\in\mathbb{Z}^2} tel que {um+vn=1}.
Il existe en particulier un couple {(u,v)} unique tel que {\left|u\right|\le n/2} et {\left|v\right|\le m/2}.
L’objet de cet article est de programmer deux méthodes (l’une itérative, l’autre récursive) de calcul des deux entiers u et v.
Le problème des n reines
Le problème des huit reines est bien connu.
On se propose ici de programmer avec Python (et de visualiser avec le package turtle) la recherche des solutions au problème plus général des n reines (placées sur un échiquier n×n de telle sorte qu’aucune d’elle ne soit en prise avec une autre).
On se propose ici de programmer avec Python (et de visualiser avec le package turtle) la recherche des solutions au problème plus général des n reines (placées sur un échiquier n×n de telle sorte qu’aucune d’elle ne soit en prise avec une autre).
Le parcours du cavalier
On demande de programmer et visualiser (en Python, avec le package turtle) le parcours d’un cavalier sur un échiquier. À partir d’une position initiale du cavalier, on s’attachera à décrire des trajectoires explorant la totalité de l’échiquier en passant une fois et une seule sur chaque case (voir l’article de Wikipedia). On pourra généraliser à des échiquiers de tailles différentes et/ou modifiés pour rendre certaines de leurs cases inaccessibles.
Le collectionneur, épisode 1
Pour doper ses ventes, une marque de chocolat cache dans chaque tablette (et de façon équiprobable) l’une des N figurines d’une collection. On considère ici l’expérience (aléatoire!) vécue par un client cherchant compulsivement à compléter sa collection.
On note {X} le nombre de tablettes à acheter pour compléter l’album. Dans cet épisode, on calcule la loi de X, son espérance, sa variance.
On note {X} le nombre de tablettes à acheter pour compléter l’album. Dans cet épisode, on calcule la loi de X, son espérance, sa variance.
L’urne d’Ehrenfest, épisode 5
Pour les notations, revoir l’épisode 1, l’épisode 2, l’épisode 3, et l’épisode 4.
On s’intéresse ici à l’espérance du temps de retour de l’urne dans sa composition initiale. On illustre ensuite les résultats avec Python.
On s’intéresse ici à l’espérance du temps de retour de l’urne dans sa composition initiale. On illustre ensuite les résultats avec Python.
L’urne d’Ehrenfest, épisode 4
Pour les notations, revoir l’épisode 1, l’épisode 2, et l’épisode 3. Dans cet épisode, on étudie les puissances successives de la matrice de transition, et on illustre les résultats avec Python.
L’urne d’Ehrenfest, épisode 3
Pour les notations, revoir l’épisode 1 et l’épisode 2.
Dans cet épisode, on diagonalise la matrice de transition de la chaîne de Markov. On en déduit que la seule distribution invariante est binomiale. On illustre avec Python les variations éventuelles des lois X_n, quand on part de la loi initiale de X_0 (qui pourra être constante, uniforme, binomiale, etc.)
Dans cet épisode, on diagonalise la matrice de transition de la chaîne de Markov. On en déduit que la seule distribution invariante est binomiale. On illustre avec Python les variations éventuelles des lois X_n, quand on part de la loi initiale de X_0 (qui pourra être constante, uniforme, binomiale, etc.)
L’urne d’Ehrenfest, épisode 2
On reprend les notations et résultats de l’épisode 1.
On forme ici la matrice de transition associée à ce processus de Markov, et on l’interprète comme celle d’un endomorphisme \varphi de {\mathbb{R}_{N}[X]} dans la base canonique.
Si {t\mapsto G_{n}(t)} est la fonction génératrice de {X_{n}}, on voit que {G_{n+1}=\varphi(G_{n})}.
On retrouve alors la relation {\text{E}(X_{n+1})=1+\Bigl(1-\dfrac{2}{N}\Bigr)\text{E}(X_{n})}.
On forme ici la matrice de transition associée à ce processus de Markov, et on l’interprète comme celle d’un endomorphisme \varphi de {\mathbb{R}_{N}[X]} dans la base canonique.
Si {t\mapsto G_{n}(t)} est la fonction génératrice de {X_{n}}, on voit que {G_{n+1}=\varphi(G_{n})}.
On retrouve alors la relation {\text{E}(X_{n+1})=1+\Bigl(1-\dfrac{2}{N}\Bigr)\text{E}(X_{n})}.
Le dernier non effacé
On écrit à la suite tous les entiers de {1} jusqu’à {2017}. On les efface de {3} en {3} : d’abord {1}, puis {4}, puis {7}, etc. On recommence sur la liste restante 2,3,5,6,8,9,11,\ldots et ainsi de suite. Quel est le dernier nombre affiché, et au bout de combien d’itérations? Illustrer tout cela avec Python.
La dernière moyenne
On écrit une liste de n nombres réels. On en efface deux, pris au hasard, pour les remplacer par leur demi-somme. On répète cette opération jusqu’à ce qu’il reste un seul réel X. Quelle est la valeur minimum possible pour X? Illustrer avec Python.
Pavage par des dominos
On s’intéresse au nombre u_n de façons de remplir un rectangle 4\times n par des dominos (horizontaux ou verticaux). On trouve une relation de récurrence vérifiée par les {u_{n}}. On écrit une fonction Python calculant {u_n}. On donne une expression des u_n et on étudie leur série génératrice.
Répétitions de 0
Soit A une matrice à coefficients égaux à 0 ou 1.
On demande d’écrire une fonction Python (utilisant Numpy), prenant en argument une telle matrice, et renvoyant le plus grand nombre de zéros consécutifs dans A (horizontalement, verticalement, ou en diagonale montante ou descendante).
On demande d’écrire une fonction Python (utilisant Numpy), prenant en argument une telle matrice, et renvoyant le plus grand nombre de zéros consécutifs dans A (horizontalement, verticalement, ou en diagonale montante ou descendante).
Matrices bistochastiques, épisode 9
Soit {B_{n}\in\mathcal{M}_n(\mathbb{R})} la matrice de terme général {(b_{i,j})_{1\le i,j\le n}} définie par:
{\begin{cases}b_{i,i+1}=b_{i+1,i}=\dfrac{1}{2}\text{\ si }1\le i\lt n\\b_{1,1}=b_{n,n}=\dfrac{1}{2},\text{\ et\ }b_{i,j}=0\text{\ dans les autres cas}\end{cases}}On diagonalise B_n, on étudie la limite de ses puissances, et on illustre les résultats avec l’aide du langage Python.
{\begin{cases}b_{i,i+1}=b_{i+1,i}=\dfrac{1}{2}\text{\ si }1\le i\lt n\\b_{1,1}=b_{n,n}=\dfrac{1}{2},\text{\ et\ }b_{i,j}=0\text{\ dans les autres cas}\end{cases}}On diagonalise B_n, on étudie la limite de ses puissances, et on illustre les résultats avec l’aide du langage Python.
Matrices bistochastiques, épisode 8
Matrices bistochastiques, épisode 7
Matrices bistochastiques, épisode 1
Soit {A=(a_{i,j})_{0\le i,j\le n-1}} dans {\mathcal{M}_{n}(\mathbb{R})}.
On dit que A est {\mu}–magique si la somme de chaque ligne et de chaque colonne vaut {\mu}.
On dit que {A} est bistochastique si A est {1}-magique et si les {a_{i,j}} sont positifs ou nuls.
On note {\mathcal{B}_n(\mathbb{R})} l’ensemble des matrices bistochastiques d’ordre n.
On note {\mathcal{P}_n(\mathbb{R})\subset\,\mathcal{B}_n(\mathbb{R})} l’ensemble des matrices de permutations {P_{\sigma}} d’ordre n.
On illustre ici ces notions avec Python.
On dit que A est {\mu}–magique si la somme de chaque ligne et de chaque colonne vaut {\mu}.
On dit que {A} est bistochastique si A est {1}-magique et si les {a_{i,j}} sont positifs ou nuls.
On note {\mathcal{B}_n(\mathbb{R})} l’ensemble des matrices bistochastiques d’ordre n.
On note {\mathcal{P}_n(\mathbb{R})\subset\,\mathcal{B}_n(\mathbb{R})} l’ensemble des matrices de permutations {P_{\sigma}} d’ordre n.
On illustre ici ces notions avec Python.
Inversion d’une matrice
(Oral Mines-Ponts)
Soit {M=(m_{i,j})_{1\leq i,j\leq n+1}} où {m_{i,j}=0} si {j>i} et {m_{i,j}=\dbinom{i-1}{j-1}} si {j\leq i}.
Calculer l’inverse {M^{-1}} de la matrice M.
Soit {M=(m_{i,j})_{1\leq i,j\leq n+1}} où {m_{i,j}=0} si {j>i} et {m_{i,j}=\dbinom{i-1}{j-1}} si {j\leq i}.
Calculer l’inverse {M^{-1}} de la matrice M.
La comète de Goldbach
La conjecture de Goldbach affirme que tout entier pair {n\ge4} peut s’écrire comme la somme de deux entiers premiers. On appelle comète de Goldbach le nuage des points {(k,g(k))}, où {k} décrit les entiers pairs dans un certain intervalle {[4,n]} et où {g(k)} désigne le nombre de façons d’écrire {k} comme la somme de deux nombres premiers. Dans cet article, on écrit les fonctions Python utiles pour produire le tracé de cette comète.