1. Diversité combinatoire
La véritable puissance des récurrences réside dans la diversité des suites qu'elles gouvernent. Par exemple, les nombres de Stirling de seconde espèce sont définis par :
$$S_{n+1,k} = S_{n,k-1} + nS_{n,k}$$
Ces nombres comptent le nombre de façons de partitionner un ensemble de $n+1$ éléments en $k$ sous-ensembles non vides. De même, nombres de Catalan ($C_n$) décrivent la triangulation des polygones convexes — diviser un pentagone convexe en triangles à l’aide de diagonales non intersectantes.
2. Modélisation structurelle et dérangements
Les récurrences offrent un cadre rigoureux pour des problèmes de dénombrement peu évidents, tels que les dérangements. Le nom technique d'une permutation où aucun élément n'est à sa position initiale est un dérangement ($D_n$).
La relation pour les dérangements est donnée par :
$$D_n - nD_{n-1} = (-1)^n$$
Ou de manière alternative : $D_n = (n-1)(D_{n-1} + D_{n-2})$. Cela compte le nombre de façons dont $n$ personnes peuvent recevoir un chapeau erroné à une borne de vestiaire.
3. Les limites de croissance et de complexité
Les récurrences définissent à la fois les algorithmes ultra-efficients et ceux « explosifs » du point de vue computationnel :
- Approche « diviser pour régner » : La recherche binaire est modélisée par $a_n = c a_{n/m} + d$, ce qui donne un temps d'exécution logarithmique.
- La fonction d'Ackermann : Définit une profondeur récursive qui croît plus vite que toute fonction polynomiale ou exponentielle : $$AO(x + 3, y, z + 1) = AO(x + 2, y, AO(x + 3, y, z))$$