Anagrammes d’abracadabra
Combien « abracadabra » a-t-il d’anagrammes? Quel est le moins probable?
Python
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 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.