Sauter au contenu
Logo image

Section 2.1 Le raisonnement par récurrence

Supposons que nous voulions montrer que
\begin{equation*} 1 + 2 + \cdots + n = \frac{n(n + 1)}{2} \end{equation*}
pour tout entier naturel \(n\text{.}\) Cette formule est facile à vérifier pour de petites valeurs telles que \(n = 1\text{,}\) \(2\text{,}\) \(3\text{,}\) ou \(4\text{,}\) mais il est impossible de la vérifier pour tous les entiers naturels cas par cas. Pour prouver la formule en général, une méthode plus générique est nécessaire.
Supposons que nous ayons vérifié l’égalité pour les \(n\) premiers cas. Nous allons tenter de montrer que nous pouvons déduire la formule pour le cas \((n + 1)\) à partir de cette connaissance. La formule est vraie pour \(n = 1\) puisque
\begin{equation*} 1 = \frac{1(1 + 1)}{2}\text{.} \end{equation*}
Si nous avons vérifié les \(n\) premiers cas, alors
\begin{align*} 1 + 2 + \cdots + n + (n + 1) & = \frac{n(n + 1)}{2} + n + 1\\ & = \frac{n^2 + 3n + 2}{2}\\ & = \frac{(n + 1)[(n + 1) + 1]}{2}\text{.} \end{align*}
C’est exactement la formule pour le cas \((n + 1)\text{.}\)
Cette méthode de démonstration est connue sous le nom de raisonnement par récurrence. Au lieu de tenter de vérifier une affirmation concernant un sous-ensemble \(S\) des entiers positifs \({\mathbb N}\) cas par cas, ce qui est une tâche impossible si \(S\) est un ensemble infini, on donne une démonstration spécifique pour le plus petit entier considéré, suivie d’un argument général montrant que si l’affirmation est vraie pour un cas donné, elle l’est aussi pour le cas suivant dans la suite. Nous résumons le raisonnement par récurrence dans l’axiome suivant.

Exemple 2.1.2.

Pour tout entier \(n \geq 3\text{,}\) \(2^n \gt n + 4\text{.}\) Puisque
\begin{equation*} 8 = 2^3 \gt 3 + 4 = 7\text{,} \end{equation*}
l’affirmation est vraie pour \(n_0 = 3\text{.}\) Supposons que \(2^k \gt k + 4\) pour \(k \geq 3\text{.}\) Alors \(2^{k + 1} = 2 \cdot 2^{k} \gt 2(k + 4)\text{.}\) Or
\begin{equation*} 2(k + 4) = 2k + 8 \gt k + 5 = (k + 1) + 4 \end{equation*}
puisque \(k\) est positif. Par conséquent, par récurrence, l’affirmation est vraie pour tout entier \(n \geq 3\text{.}\)

Exemple 2.1.3.

Tout entier \(10^{n + 1} + 3 \cdot 10^n + 5\) est divisible par \(9\) pour \(n \in {\mathbb N}\text{.}\) Pour \(n = 1\text{,}\)
\begin{equation*} 10^{1 + 1} + 3 \cdot 10 + 5 = 135 = 9 \cdot 15 \end{equation*}
est divisible par \(9\text{.}\) Supposons que \(10^{k + 1} + 3 \cdot 10^k + 5\) est divisible par \(9\) pour \(k \geq 1\text{.}\) Alors
\begin{align*} 10^{(k + 1) + 1} + 3 \cdot 10^{k + 1} + 5& = 10^{k + 2} + 3 \cdot 10^{k + 1} + 50 - 45\\ & = 10 (10^{k + 1} + 3 \cdot 10^{k} + 5) - 45 \end{align*}
est divisible par \(9\text{.}\)

Exemple 2.1.4.

Nous allons démontrer le théorème binomial par récurrence ; c’est-à-dire,
\begin{equation*} (a + b)^n = \sum_{k = 0}^{n} \binom{n}{k} a^k b^{n - k}\text{,} \end{equation*}
\(a\) et \(b\) sont des nombres réels, \(n \in \mathbb{N}\text{,}\) et
\begin{equation*} \binom{n}{k} = \frac{n!}{k! (n - k)!} \end{equation*}
est le coefficient binomial. Montrons d’abord que
\begin{equation*} \binom{n + 1}{k} = \binom{n}{k} + \binom{n}{k - 1}\text{.} \end{equation*}
Ce résultat découle de
\begin{align*} \binom{n}{k} + \binom{n}{k - 1} & = \frac{n!}{k!(n - k)!} +\frac{n!}{(k-1)!(n - k + 1)!}\\ & = \frac{(n + 1)!}{k!(n + 1 - k)!}\\ & =\binom{n + 1}{k}\text{.} \end{align*}
Si \(n = 1\text{,}\) le théorème binomial est facile à vérifier. Supposons maintenant que le résultat est vrai pour \(n\) supérieur ou égal à \(1\text{.}\) Alors
\begin{align*} (a + b)^{n + 1} & = (a + b)(a + b)^n\\ & = (a + b) \left( \sum_{k = 0}^{n} \binom{n}{k} a^k b^{n - k}\right)\\ & = \sum_{k = 0}^{n} \binom{n}{k} a^{k + 1} b^{n - k} + \sum_{k = 0}^{n} \binom{n}{k} a^k b^{n + 1 - k}\\ & = a^{n + 1} + \sum_{k = 1}^{n} \binom{n}{k - 1} a^{k} b^{n + 1 - k} + \sum_{k = 1}^{n} \binom{n}{k} a^k b^{n + 1 - k} + b^{n + 1}\\ & = a^{n + 1} + \sum_{k = 1}^{n} \left[ \binom{n}{k - 1} + \binom{n}{k} \right]a^k b^{n + 1 - k} + b^{n + 1}\\ & = \sum_{k = 0}^{n + 1} \binom{n + 1}{k} a^k b^{n + 1- k}\text{.} \end{align*}
Nous disposons d’un énoncé équivalent du principe de récurrence qui est souvent très utile.
Un sous-ensemble non vide \(S\) de \({\mathbb Z}\) est bien ordonné si \(S\) contient un plus petit élément. Remarquons que l’ensemble \({\mathbb Z}\) n’est pas bien ordonné car il ne contient pas de plus petit élément. En revanche, les entiers naturels sont bien ordonnés.
Le principe du bon ordre est équivalent au principe de récurrence.

Démonstration.

Soit \(S = \{ n \in {\mathbb N} : n \geq 1 \}\text{.}\) Alors \(1 \in S\text{.}\) Supposons que \(n \in S\text{.}\) Puisque \(0 \lt 1\text{,}\) on a nécessairement \(n = n + 0 \lt n + 1\text{.}\) Donc \(1 \leq n \lt n + 1\text{.}\) Par conséquent, si \(n \in S\text{,}\) alors \(n + 1\) appartient aussi à \(S\text{,}\) et par le principe de récurrence, on a \(S = \mathbb N\text{.}\)

Démonstration.

Nous devons montrer que si \(S\) est un sous-ensemble non vide des entiers naturels, alors \(S\) contient un plus petit élément. Si \(S\) contient 1, alors le théorème est vrai d’après le Lemme 2.1.7. Supposons que si \(S\) contient un entier \(k\) tel que \(1 \leq k \leq n\text{,}\) alors \(S\) contient un plus petit élément. Nous allons montrer que si un ensemble \(S\) contient un entier inférieur ou égal à \(n + 1\text{,}\) alors \(S\) possède un plus petit élément. Si \(S\) ne contient pas d’entier strictement inférieur à \(n+1\text{,}\) alors \(n+1\) est le plus petit entier de \(S\text{.}\) Sinon, puisque \(S\) est non vide, \(S\) doit contenir un entier inférieur ou égal à \(n\text{.}\) Dans ce cas, par récurrence, \(S\) contient un plus petit élément.
La récurrence peut aussi être très utile pour formuler des définitions. Par exemple, il y a deux façons de définir \(n!\text{,}\) la factorielle d’un entier positif \(n\text{.}\)
  • La définition explicite : \(n! = 1 \cdot 2 \cdot 3 \cdots (n - 1) \cdot n\text{.}\)
  • La définition inductive ou récursive : \(1! = 1\) et \(n! = n(n - 1)!\) pour \(n \gt 1\text{.}\)
Tout bon mathématicien ou informaticien sait qu’aborder les problèmes de façon récursive, plutôt qu’explicite, conduit souvent à une meilleure compréhension des questions complexes.