MIS 102 Initiation à l Informatique

Dimension: px
Commencer à balayer dès la page:

Download "MIS 102 Initiation à l Informatique"

Transcription

1 MIS 102 Initiation à l Informatique Responsables et cours : Cyril Gavoille Catherine Pannier Matthias Robine Marc Zeitoun Planning : 6 séances de cours 5 séances de TD (2h40) 4 séances de TP (2h40) + environ 3h de travail individuel par semaine Web : Supports de cours Textes des TD, TP Annales d examens. 1/136

2 Support de cours Livre ( 10 euros) : Initiation à l Informatique par Robert Strandh et Irène Durand Non autorisé à l Examen Version html en ligne sur le site du cours Transparents 2/136

3 Modalités de contrôle des connaissances Épreuve Durée Coef. DS 1h20 0,25 TP individuel noté 1h20 0,15 Examen 1h30 0,60 3/136

4 Objectif et contenu Objectif : Thème : Contenu : Donner une idée fidèle du contenu des études supérieures en informatique Étude d un objet appelé graphe Théorie des graphes (cours) Algorithmique des graphes (TD) Programmation des algorithmes de graphes (TP) 4/136

5 Il faut activer les comptes Vous avez reçu un compte sur l ensemble des ordinateurs de l université Il faut suivre les instructions pour activer le compte au moins 24 heures (de préférence plus) avant le premier TP. 5/136

6 C est quoi l informatique? dans la vie quotidienne : ordinateur avec logiciels en entreprise : un outil de communication et de production à l université : une discipline scientifique L informatique est similaire aux mathématiques (étude d objets abstraits). L informatique n est pas une science expérimentale. Les objets en mathématiques : nombres, relations, fonction, transformations, etc. Les objets en informatique : algorithmes, programmes, preuves, systèmes de réécriture, images numériques, graphes, etc. 6/136

7 Domaines en informatique fondamentale Exemples de domaines : Algorithmique. Les méthodes les plus efficaces pour traiter un problème donné. Structures de données. La meilleure façon d organiser un ensemble de données dans le but d y accéder rapidement. Complexité. Une façon d exprimer l efficacité d un algorithme, indépendamment d un ordinateur ou d un langage de programmation particulier. 7/136

8 Domaines en informatique fondamentale Exemples de domaines : Algorithmique. Les méthodes les plus efficaces pour traiter un problème donné. Structures de données. La meilleure façon d organiser un ensemble de données dans le but d y accéder rapidement. Complexité. Une façon d exprimer l efficacité d un algorithme, indépendamment d un ordinateur ou d un langage de programmation particulier. 7/136

9 Domaines en informatique fondamentale Exemples de domaines : Algorithmique. Les méthodes les plus efficaces pour traiter un problème donné. Structures de données. La meilleure façon d organiser un ensemble de données dans le but d y accéder rapidement. Complexité. Une façon d exprimer l efficacité d un algorithme, indépendamment d un ordinateur ou d un langage de programmation particulier. 7/136

10 Structures de données Exemple Construire une ville de 15 maisons en évitant aux facteurs qui suivent les rues un trajet trop long depuis la poste. Organisation 1 : linéaire. Numéros croissants. Poste au numéro /136

11 Structures de données Exemple Construire une ville de 15 maisons en évitant aux facteurs qui suivent les rues un trajet trop long depuis la poste. Organisation 1 : linéaire. Numéros croissants. Poste au numéro Organisation 2 : Embranchements. À l ouest de la maison k, numéros < k, et à l est, numéros > k. Poste au numéro /136

12 Complexité Dans les deux organisations, le facteur a une méthode simple pour trouver une maison en partant de la poste. On suppose qu il faut une unité de temps pour passer d une maison à une autre (par une rue). Quel est, dans le cas le pire, le temps mis par le facteur pour aller jusqu à une maison depuis la poste? Nombre de maisons Temps organisation 1 Temps organisation /136

13 Complexité Dans les deux organisations, le facteur a une méthode simple pour trouver une maison en partant de la poste. On suppose qu il faut une unité de temps pour passer d une maison à une autre (par une rue). Quel est, dans le cas le pire, le temps mis par le facteur pour aller jusqu à une maison depuis la poste? Nombre de maisons Temps organisation 1 Temps organisation /136

14 Complexité Dans les deux organisations, le facteur a une méthode simple pour trouver une maison en partant de la poste. On suppose qu il faut une unité de temps pour passer d une maison à une autre (par une rue). Quel est, dans le cas le pire, le temps mis par le facteur pour aller jusqu à une maison depuis la poste? Nombre de maisons Temps organisation 1 Temps organisation /136

15 Complexité Dans les deux organisations, le facteur a une méthode simple pour trouver une maison en partant de la poste. On suppose qu il faut une unité de temps pour passer d une maison à une autre (par une rue). Quel est, dans le cas le pire, le temps mis par le facteur pour aller jusqu à une maison depuis la poste? Nombre de maisons Temps organisation 1 Temps organisation n n 1 log 2 (n) 9/136

16 Domaines de l informatique fondamentale (suite) Exemples de domaines plus théoriques : Théorie des langages. Différentes façons de produire et reconnaître des suites de symboles. Applications : linguistique, recherche de mots dans un texte, étude du génome... Calculabilité. Déterminer pour quels problèmes il est théoriquement possible/impossible d écrire un programme. Logique. La puissance d expression de différents types de logique. 10/136

17 Domaines de l informatique fondamentale (suite) Exemples de domaines plus théoriques : Théorie des langages. Différentes façons de produire et reconnaître des suites de symboles. Applications : linguistique, recherche de mots dans un texte, étude du génome... Calculabilité. Déterminer pour quels problèmes il est théoriquement possible/impossible d écrire un programme. Logique. La puissance d expression de différents types de logique. 10/136

18 Domaines de l informatique fondamentale (suite) Exemples de domaines plus théoriques : Théorie des langages. Différentes façons de produire et reconnaître des suites de symboles. Applications : linguistique, recherche de mots dans un texte, étude du génome... Calculabilité. Déterminer pour quels problèmes il est théoriquement possible/impossible d écrire un programme. Logique. La puissance d expression de différents types de logique. 10/136

19 Domaines de l informatique pratique Exemples de domaines : Programmation. Techniques pour organiser un programme de façon qu il soit facilement modifiable. Génie Logiciel. Méthodes pour organiser le développement d un logiciel de grande taille. Informatique multimédia. Méthodes d analyse, modification et synthèse d images et de sons. Systèmes d exploitation. Techniques pour réaliser un système qui assure intégrité, sécurité et performance. Compilation. Techniques pour traduire un programme en code machine efficace. 11/136

20 Domaines de l informatique pratique Exemples de domaines : Programmation. Techniques pour organiser un programme de façon qu il soit facilement modifiable. Génie Logiciel. Méthodes pour organiser le développement d un logiciel de grande taille. Informatique multimédia. Méthodes d analyse, modification et synthèse d images et de sons. Systèmes d exploitation. Techniques pour réaliser un système qui assure intégrité, sécurité et performance. Compilation. Techniques pour traduire un programme en code machine efficace. 11/136

21 Domaines de l informatique pratique Exemples de domaines : Programmation. Techniques pour organiser un programme de façon qu il soit facilement modifiable. Génie Logiciel. Méthodes pour organiser le développement d un logiciel de grande taille. Informatique multimédia. Méthodes d analyse, modification et synthèse d images et de sons. Systèmes d exploitation. Techniques pour réaliser un système qui assure intégrité, sécurité et performance. Compilation. Techniques pour traduire un programme en code machine efficace. 11/136

22 Domaines de l informatique pratique Exemples de domaines : Programmation. Techniques pour organiser un programme de façon qu il soit facilement modifiable. Génie Logiciel. Méthodes pour organiser le développement d un logiciel de grande taille. Informatique multimédia. Méthodes d analyse, modification et synthèse d images et de sons. Systèmes d exploitation. Techniques pour réaliser un système qui assure intégrité, sécurité et performance. Compilation. Techniques pour traduire un programme en code machine efficace. 11/136

23 Domaines de l informatique pratique Exemples de domaines : Programmation. Techniques pour organiser un programme de façon qu il soit facilement modifiable. Génie Logiciel. Méthodes pour organiser le développement d un logiciel de grande taille. Informatique multimédia. Méthodes d analyse, modification et synthèse d images et de sons. Systèmes d exploitation. Techniques pour réaliser un système qui assure intégrité, sécurité et performance. Compilation. Techniques pour traduire un programme en code machine efficace. 11/136

24 Pourquoi étudier l informatique Deux sous-questions : pourquoi choisir une carrière en informatique? pourquoi étudier l informatique alors qu on a choisi une carrière différente (physique, chimie, mathématique, etc.)? 12/136

25 Pourquoi une carrière en informatique? Raisons techniques : demandes croissantes d informaticien(ne)s, produits haute technologie contenant de plus en plus de logiciels, la complexité des logiciels augmente, Raisons non techniques : contacts (souvent internationaux), voyages, mobilité (même internationale). 13/136

26 Pourquoi l informatique pour les non informaticiens Le travail d un scientifique ou d un ingénieur nécessite de plus en plus la manipulation de logiciels, Ces logiciels sont de plus en plus sophistiqués, Souvent, ces logiciels nécessitent de la programmation, Pour programmer efficacement, il faut des connaissances en informatique (algorithmique, programmation). C est surtout nécessaire pour produire des programmes maintenables. 14/136

27 Un mot sur l importance de l algorithmique Il est facile de se tromper d algorithme. Une telle erreur peut faire la différence entre plusieurs années et quelques minutes de calculs sur une même machine. C est souvent une question d utilisation de structures de données ou d algorithmes connus dans la littérature. 15/136

28 Un mot sur la programmation Il ne suffit pas de construire un programme qui marche. L essence de la programmation est l organisation pour faciliter la maintenance (représentant environ 80% du coût d un logiciel). Cela nécessite la construction d abstractions (sous-programmes, modules, classes, extensions syntaxiques, fonctions de première classes, etc.). Plusieurs styles de programmation adaptés aux types différents de problèmes : programmation impérative, fonctionnelle, orientée-objets, logique. Chaque type a ses idiomes de programmation qu il faut apprendre. 16/136

29 Prérequis pour études supérieures en informatique Prérequis : Il faut être bien organisé (ça s apprend), Il faut avoir une curiosité intellectuelle, car l informatique nécessite un apprentissage permanent, Non prérequis : Connaissance préalable d un langage ou d un système d exploitation, Connaissance de la programmation (c est souvent un handicap), Connaissance de logiciels destinés au grand public. 17/136

30 Choix d un langage de programmation Paramètres (langage ou implémentation du langage) : facilité d apprentissage, facilité d utilisation, rapidité d exécution, rapidité de compilation, absence de défauts dans le compilateur, pérennité (fabricant, langage, implémentation), disponibilité de programmeurs, expressivité du langage (structuration, styles), normalisation, conformité des implémentations. 18/136

31 Choix d un langage pour l enseignement facilité d apprentissage (moins important dans l industrie), utilité plus tard, facilité de programmer de façon propre et modulaire. Nous avons choisi le langage Python. 19/136

32 Caractéristiques de Python implémentation libre et gratuite existe, orienté-objets, facilité de manipulation de listes, grand nombre de bibliothèques, efficacité moyenne du code, structure de bloc indiquée par l indentation (unique pour Python). 20/136

33 Qu est-ce qu un algorithme? C est une méthode systématique (recette) pour résoudre un problème donné. Cette méthode peut donc être appliquée par un ordinateur. Par exemple : la division /136

34 Qu est qu un programme? C est une suite d instructions écrites dans un langage (langage de programmation) compréhensible par l ordinateur. Cela permet à l ordinateur d appliquer un algorithme. Par exemple en Python : i = 0 if f(i) > 0 : i = i + 1 else: i = 2 * i 23/136

35 Quelques instructions Python 1. Affectation : ranger une valeur dans une variable i = 1 x = 2 * i + 1 i = i + 1 x = x + i L ordinateur effectue les instructions dans l ordre. L ordre des instructions est donc très important. Une variable désigne un emplacement dans lequel on peut mémoriser une valeur. Une variable a un nom. En python, le symbole = n a pas la même signification qu en mathématique. Il signifie calculer la valeur à droite du symbole = et la ranger dans la variable dont le nom se trouve à gauche. 25/136

36 Quelques instructions Python (suite) 2. Conditionnelle : if i > x : print "test VRAI" else : print "test FAUX" 27/136

37 Quelques instructions Python (suite) 3. Répétition : while i > 0 : print i i = i - 1 Mais aussi, for i in range(10) : print i 29/136

38 Quelques instructions Python (fin) 4. Définition de fonction : En math : Soit la fonction f : x 2x En Python : def f(x) : return 2 * x * x + 1 y = 2 * f(2) Une fonction Python peut être très compliquée. Elle peut remplacer un long programme. Il y a d autres instructions... 31/136

39 Le Graphe Un graphe est un ensemble d objets muni d une relation binaire entre ces objets. Une relation binaire est un ensemble de couples d objets. En mathématiques, l ensemble est souvent infini et non dénombrable (les réels par exemple), alors qu en informatique, elle est souvent dénombrable et parfois finie. En informatique, les objets représentés sont souvent des objets plus concrets (molécules, composants électroniques, villes, réseaux de téléphones mobiles, personnes). 32/136

40 Exemple de graphe : parents Ensemble : toutes les personnes assistant à un repas de Noël. Relation : l ensemble des couples de personnes (p 1, p 2 ) tels que p 1 a pour parent p 2 (relation non symétrique). 33/136

41 Représentation graphique d un graphe x y = «x a pour parent y» (relation non symétrique, graphe orienté) : Isabelle Jean Jacques Luc Anne Olivier Marie Pierre 34/136

42 Exemple de graphe : cousins Ensemble : toutes les personnes assistant à un repas de Noël. Relation : l ensemble des couples de personnes (p 1, p 2 ) tels que p 1 est un cousin de p 2 (relation symétrique). 35/136

43 Représentation graphique : cousins Les cousins (relation symétrique, graphe non orienté) : Isabelle Jean Jacques Luc Anne Olivier Marie Pierre 36/136

44 Exemple de graphe : molécules Ensemble : les atomes d une molécule. Relation : l ensemble des couples d atomes (a 1, a 2 ) tels que a 1 et a 2 partagent au moins un électron (liaison covalente, relation symétrique) 37/136

45 Représentation graphique : molécules Une molécule de caféine (relation symétrique, graphe non orienté) : 38/136

46 Exemple de graphe : internet Ensemble : les pages web. Relation : l ensemble des couples (w 1, w 2 ) tels qu il existe un lien direct sur la page web w 1 qui amène sur la page web w 2. Relation non symétrique, graphe orienté. 39/136

47 Représentation graphique : internet 40/136

48 Représentation graphique : internet 41/136

49 Représentation graphique : connaissance entre personnes saines/grippées/porteuses 42/136

50 Concepts et notation Il s agit de donner un nom et un façon d écrire certaines notions fréquemment utilisées. Raison pour introduire des concepts et des notations : évite la répétition de phrases compliquées, précision ; on évite l ambiguïté, Exemples connus : racine carrée. 43/136

51 Concepts et notations ensemblistes Nous supposons que la notion d ensemble est connue. En informatique, il faut souvent préciser la fonction de comparaison utilisée entre deux éléments de l ensemble. Exemple : L objet a est une Renault Clio immatriculée 1234AB33, l objet b est une Renault Mégane immatriculée 1234AB24, l objet c une Renault Clio immatriculée 5678XY40. Est-ce que c est élément de l ensemble {a, b}? 44/136

52 Élément d un ensemble La notation x E signifie que x est élément de l ensemble E. Cette notation ne précise pas le test d égalité qu il faut donc préciser séparément. On notera E le nombre d éléments de l ensemble E. 45/136

53 Sous-ensembles On utilise la notation E F pour dire que E est un sous-ensemble de F, à savoir que tout élément de E est aussi élément de F. Attention, il est possible que E = F. Sinon, on écrit E F Pour l ensemble des sous-ensembles d un ensemble E (appelé les parties de E), nous utilisons la notation P(E). Exemple : Si E = {a, b}, alors P(E) = {, {a},{b},{a, b}} Questions : 1. Est-ce que E P(E)? 2. Que vaut P(E) si E est fini? 46/136

54 Fonctions Une fonction est un objet mathématique qui, à un objet d un ensemble fait correspondre un objet d un autre ensemble. Exemple : f(x) = sin(x) g(x, y) = x 2 + y 2 En informatique les ensembles sont souvent composés d objets concrets (personnes, voitures), de graphes, de sommets, d arêtes... On dit qu une fonction est appliquée à un ou plusieurs arguments et qu elle renvoie (ou retourne) une valeur. Ceci reflète l aspect exécutable d une fonction. 47/136

55 Domaine et image d une fonction L ensemble de tous les arguments possibles d une fonction φ est le domaine de la fonction : dom(φ). L ensemble de toutes les valeurs possibles d une fonction est l image de la fonction : img(φ). Notation : φ : dom(φ) img(φ). Exemples : sin : R [ 1, 1]. g : R R R +, où g(x, y) = x 2 + y 2. 48/136

56 Conditions nécessaires et suffisantes Condition nécessaire : A est une condition nécessaire pour B est la même chose que B implique A ou B A. Ici B est l objectif. Une autre façon de le dire : B seulement si A Condition suffisante : A est une condition suffisante pour B est la même chose que A implique B ou A B. B est encore l objectif. Une autre façon de le dire : B si A Condition nécessaire et suffisante : B si et seulement si A. B est l objectif et souvent un concept à définir. 49/136

57 Raisonnement par l absurde Nous avons besoin de calculer la négation d une phrase. La négation de A se lit non A et s écrit A. Si A est vrai, alors A est faux. Si A est faux, alors A est vrai. La négation de B seulement si A est non A mais B. (le mais est le et logique) La négation de B si A est A mais non B. La négation de a A est a A. La négation de b B est b B. 50/136

58 Complexité Comment savoir si une méthode est efficace? C est le problème du domaine de la complexité asymptotique, ou simplement la complexité. 51/136

59 Complexité (suite) On suppose l existence d un ensemble d opérations simples et rapides (ou opérations élémentaires). Une opération est simple et rapide si un ordinateur peut l exécuter avec un nombre faible d instructions. Exemples d opérations élémentaires : additionner, soustraire, multiplier ou diviser deux nombres, tester si une valeur est égale à une autre valeur, affecter une valeur à une variable. 52/136

60 Complexité (suite) Pour déterminer si une méthode est efficace, on compte d abord le nombre d opérations nécessaire à effectuer dans le pire des cas et en fonction de la taille du problème. Par exemple, pendant un pot, on souhaite que chaque participant serre la main à chaque autre participant. L opération élémentaire est serrer la main. La taille du problème est le nombre de participants. En général, pour n personnes, il faut n(n 1)/2 opérations élémentaires, soit 1 2 n2 1 2 n. 53/136

61 Complexité (suite) Pour obtenir la complexité asymptotique, on remplace d abord toute constante (de type 1 2 ou 55) par 1. Cela nous donne n2 n. Puis, on garde uniquement le terme le plus grand pour n grand. Cela donne n 2. Finalement, on indique que ces approximations ont été effectuées en rajoutant O() comme ceci : O(n 2 ). En réalité, on effectue les approximations avant de compter exactement. 54/136

62 Complexité : exemple Problème : déterminer si 2 ensembles E 1, E 2 de n entiers ont une valeur commune. Algorithme 1 : comparer successivement chaque élément de E 1 avec chaque élément de E 2 n 2 comparaisons /136

63 Complexité : exemple Problème : déterminer si 2 ensembles E 1, E 2 de n entiers ont une valeur commune. Algorithme 1 : comparer successivement chaque élément de E 1 avec chaque élément de E 2 n 2 comparaisons =? /136

64 Complexité : exemple Problème : déterminer si 2 ensembles E 1, E 2 de n entiers ont une valeur commune. Algorithme 1 : comparer successivement chaque élément de E 1 avec chaque élément de E 2 n 2 comparaisons =? /136

65 Complexité : exemple Problème : déterminer si 2 ensembles E 1, E 2 de n entiers ont une valeur commune. Algorithme 1 : comparer successivement chaque élément de E 1 avec chaque élément de E 2 n 2 comparaisons =? /136

66 Complexité : exemple Problème : déterminer si 2 ensembles E 1, E 2 de n entiers ont une valeur commune. Algorithme 1 : comparer successivement chaque élément de E 1 avec chaque élément de E 2 n 2 comparaisons =? /136

67 Complexité : exemple Problème : déterminer si 2 ensembles E 1, E 2 de n entiers ont une valeur commune. Algorithme 1 : comparer successivement chaque élément de E 1 avec chaque élément de E 2 n 2 comparaisons =? /136

68 Complexité : exemple Problème : déterminer si 2 ensembles E 1, E 2 de n entiers ont une valeur commune. Algorithme 1 : comparer successivement chaque élément de E 1 avec chaque élément de E 2 n 2 comparaisons /136

69 Complexité : exemple Problème : déterminer si 2 ensembles E 1, E 2 de n entiers ont une valeur commune. Algorithme 1 : comparer successivement chaque élément de E 1 avec chaque élément de E 2 n 2 comparaisons /136

70 Complexité : exemple Problème : déterminer si 2 ensembles E 1, E 2 de n entiers ont une valeur commune. Algorithme 1 : comparer successivement chaque élément de E 1 avec chaque élément de E 2 n 2 comparaisons On peut résoudre le problème avec environ n log(n) comparaisons! E 1 = E 2 Algorithme 1 Algorithme 2 n n 2 n log(n) /136

71 Définition d un graphe (1) Une première tentative : Un graphe est un couple (V, E), où V est un ensemble d objets appelés les sommets du graphe (V pour l anglais vertex ), E V V est une relation binaire sur V V. Les éléments de E sont appelés les arêtes du graphe (E pour l anglais edge ). 56/136

72 Problème de la définition Problème : Comment représenter le graphe suivant? e 1 s 2 s 3 s e e 4 4 s 3 1 e 5 e 2 La définition a plusieurs problèmes : On ne peut pas avoir deux arêtes différentes entre deux sommets (les arêtes n ont pas d identité propre), Un couple (s1, s 2 ) n est pas le même que (s 2, s 1 ). En fait, la définition donne ce que l on appelle un graphe orienté simple. Ici simple signifie qu il y a au plus une arête entre deux sommets. 57/136

73 Définition d un graphe (2) (orientée arêtes) Deuxième tentative : un graphe est un triplet (V, E,φ), où V est un ensemble d objets appelés les sommets du graphe, E est un ensemble d objets appelés les arêtes du graphe, φ est une fonction φ : E P(V) telle que e E, φ(e) {1, 2} 58/136

74 Définition d un graphe (2) (orientée arêtes) Deuxième tentative : un graphe est un triplet (V, E,φ), où V est un ensemble d objets appelés les sommets du graphe, E est un ensemble d objets appelés les arêtes du graphe, φ est une fonction φ : E P(V) telle que e E, φ(e) {1, 2} e 1 s 2 s 3 s e e 4 4 φ(e s 3 1 ) = {s 1 } 1 φ(e e 2 ) = {s 1 } 5 φ(e 3 ) = {s 1, s 2 } e 2 φ(e 4 ) = {s 2, s 3 } φ(e 5 ) = {s 2, s 3 } 58/136

75 Interprétation de la définition Ici, les arêtes sont des objets à part. La fonction φ prend comme argument une arête et renvoie un ensemble de sommets (les points extrêmes de l arête). Pour forcer une arête à avoir un ou deux points extrêmes, il faut une restriction sur la taille de l ensemble renvoyé. La façon d exprimer cela est : φ : E P(V) telle que e E, φ(e) {1, 2} 59/136

76 Définition d un graphe (3) (orientée sommets) Une autre définition : un graphe est un triplet (V, E,ψ), où V est un ensemble d objets appelés les sommets du graphe, E est un ensemble d objets appelés les arêtes du graphe, ψ est une fonction ψ : V P(E) telle que e E, {s V, e ψ(s)} {1, 2} 60/136

77 Définition d un graphe (3) (orientée sommets) Une autre définition : un graphe est un triplet (V, E,ψ), où V est un ensemble d objets appelés les sommets du graphe, E est un ensemble d objets appelés les arêtes du graphe, ψ est une fonction ψ : V P(E) telle que e E, {s V, e ψ(s)} {1, 2} e 1 s 2 s 3 s e e 4 4 ψ(s s 3 1 ) = {e 1, e 2, e 3 } 1 ψ(s e 2 ) = {e 3, e 4, e 5 } 5 ψ(s 3 ) = {e 4, e 5 } ψ(s 4 ) = e 2 60/136

78 Interprétation de la définition Elle génère les mêmes objets que la précédente. Le rôle de la fonction est totalement différent. Ici, ψ est appliquée à un sommet et renvoie un ensemble d arêtes. 61/136

79 Le graphe en tant que type abstrait Chaque définition a des conséquences sur la programmation. On peut : à partir d un objet de type graphe, récupérer l ensemble des sommets du graphe, à partir d un objet de type graphe, récupérer l ensemble des arêtes du graphe, avec la définition orientée arêtes : à partir d une arête du graphe, récupérer le(s) sommet(s) extrémités de l arête. avec la définition orientée sommets : à partir d un sommet du graphe, récupérer le(s) arêtes(s) dont le sommet est extrémité. 62/136

80 La notion de type abstrait On appelle une telle collection d opérations un type abstrait. C est une notion centrale en programmation. Cela permet de créer des programmes modulaires (i.e., contenant des parties relativement indépendantes) et donc maintenables. Pour programmer une application, on se pose la question : Quels sont les objets manipulés par le programme, et quelles sont les opérations sur ces objets? La notion de type abstrait sera traitée en TD. 63/136

81 Quel type abstrait est le bon? Ça dépend de ce que vous voulez en faire (de l application). Certaines opérations sont plus rapides et/ou plus simples à programmer selon le type choisi. Souvent, il n est pas possible de n avoir que des opérations simples et rapides. Il faut donc choisir. Exemple : Déterminer si 2 sommets s, t sont reliés par une arête. Définition orientée arêtes : on regarde pour chaque arête s il y en a une qui a comme extrémités s et t. Définition orientée sommets : on calcule ψ(s) ψ(t) et on regarde s il est non vide. Exercice : Quelle définition donne un algorithme plus rapide sur un graphe en forme de cercle? Sur le graphe suivant? s x 1 x 2 x 3 x n t 64/136

82 Degré d un sommet Le degré d un sommet s, noté d(s), est le nombre de brins d arêtes ayant s comme extrémité. Une boucle compte deux fois. Exemple : A B C D E F Ici d(a) = 1, d(b) = 3, d(c) = 4, d(d) = 2, d(e) = 0, d(f) = 2. 65/136

83 Un premier théorème Pour un graphe G ayant au moins un sommet, d(s) = 2 E(G) s V(G) 66/136

84 Technique de preuve par induction 1. Vérifier que s V d(s) = 2 E pour un graphe sans arête, 2. Supposer que s V d(s) = 2 E pour n importe quel graphe avec au plus k arêtes, 3. Prouver que si s V d(s) = 2 E est vrai pour n importe quel graphe avec au plus k arêtes, c est aussi vrai pour n importe quel graphe avec k + 1 arêtes. 67/136

85 La preuve du théorème (1/2) Par induction sur le nombre d arêtes dans le graphe. 1. Cas de base La propriété est trivialement vraie pour un graphe avec E = 0, car le degré de chaque sommet du graphe est Hypothèse d induction On suppose que pour un graphe G avec au moins un sommet et au plus k arêtes, s V(G) d(s) = 2 E(G). 68/136

86 La preuve du théorème (2/2) 3. Induction Soit H un graphe à k + 1 arêtes. En supprimant l une des arêtes, disons e entre s 1 et s 2, on obtient un graphe G ayant au plus k arêtes. D après l hypothèse d induction, on a d(s) = 2 E(G). s V(G) Le degré des sommets s 1 et s 2 dans H est 1 de plus que leur degré dans G, donc d(s) = d(s) + 2 = 2( E(G) + 1) s V(H) s V(G) Comme G est obtenu de H en supprimant une arête, on a E(G) + 1 = E(H), et donc finalement d(s) = 2 E(H) s V(H) Nous avons donc prouvé la propriété par induction. 69/136

87 La notion de chaîne Il est souvent nécessaire de savoir si l on peut aller d un sommet à un autre en suivant des arêtes. Exemple d utilité : Est-ce possible de prendre le train pour aller de Bordeaux à Rome? De Bordeaux à Oslo? De Bordeaux à Reykjavik? La notion de chaîne exprime cette idée. 70/136

88 Définition de chaîne (1) Première tentative : (attention : cette définition n est pas bonne). Une chaîne dans un graphe est une suite C = s1, s 2,...,s k de sommets du graphe, telle que i, 1 i < k, il y a une arête entre s i et s i+1. 71/136

89 Problème de la définition S il y a plusieurs arêtes entre deux sommets, on ne sait pas par laquelle il faut passer. Exemple : A a b B 72/136

90 Définition de chaîne (2) Deuxième tentative : (attention : cette définition n est pas bonne). Une chaîne dans un graphe est une suite C = e1, e 2,...,e k d arêtes du graphe, telle que i, 1 i < n, e i et e i+1 partagent un sommet. 73/136

91 Problème de la définition La suite a, b, c dans le graphe suivant sera considérée comme une chaîne : A a B C b c D De plus, on ne sait pas par quel sommet la chaîne commence. 74/136

92 Définition de chaîne (3, la bonne) Une chaîne dans un graphe est une suite C = s 1, e 1, s 2, e 2,...,s k, e k, s k+1 de k + 1 sommets et k arêtes en alternance, telle que i, 1 i k, les extrémités de e i sont s i et s i+1. On dit alors que C est une chaîne entre s 1 et s k+1. Remarque : si k = 0, on obtient une chaîne sans arête C = s 1. 75/136

93 Existence d une chaîne Vérifier s il existe une chaîne entre un sommet s et un sommet t n est pas forcément simple. Pour y arriver, nous allons utiliser une technique pour marquer et démarquer les sommets. Mais il nous faut d abord un peu de théorie. 76/136

94 Chaîne simple Une chaîne C = s1, e 1, s 2, e 2,...,s k, e k, s k+1 est simple si et seulement si i, j [1, k + 1], (i < j et s i = s j ) = (i = 1 et j = k + 1) Autrement dit un sommet figure au plus une fois dans la chaîne. [sauf pour le sommet de début et de fin. S ils sont les mêmes, il s agit d un cycle]. 77/136

95 Théorème Dans un graphe G, s il existe une chaîne entre s V(G) et t V(G), alors il existe une chaîne simple entre s et t. La preuve est constructive. On prend une chaîne non simple et on supprime les cycles. 78/136

96 Preuve Soit C = s1, e 1, s 2, e 2,..., s k, e k, s k+1 la chaîne. Si C est simple, le travail est terminé. Sinon, il y a deux sommets si et s j tels que i, j [1, k + 1], pour lesquels i < j, {i, j} {1, k + 1}, et s i = s j. On écrit donc : C = s 1, e 1,...,s i, e i,..., s j, e j,..., s k, e k, s k+1. On construit C plus courte en supprimant de C la partie e i,..., s j. On obtient alors : C = s 1, e 1,... s i, e j,...,s k, e k, s k+1. 79/136

97 Preuve Soit C = s1, e 1, s 2, e 2,..., s k, e k, s k+1 la chaîne. Si C est simple, le travail est terminé. Sinon, il y a deux sommets si et s j tels que i, j [1, k + 1], pour lesquels i < j, {i, j} {1, k + 1}, et s i = s j. On écrit donc : C = s 1, e 1,...,s i, e i,..., s j, e j,..., s k, e k, s k+1. On construit C plus courte en supprimant de C la partie e i,..., s j. On obtient alors : C = s 1, e 1,... s i, e j,...,s k, e k, s k+1. 79/136

98 Preuve (suite) Il reste à vérifier que C est une chaîne. Chaque arête de la chaîne doit être entourée de ses deux extrémités. C est le cas dans C. On répète le procédé tant que C n est pas simple. [Ou : on fait une preuve par induction sur la longueur de la chaîne.] 80/136

99 Existence d une chaîne entre s et t Voici un algorithme 1. démarquer tous les sommets 2. marquer s 3. tant que t n est pas marqué, 3.1 chercher une arête dont un sommet extrémité est marqué et l autre ne l est pas 3.2 si une telle arête n existe pas, renvoyer la valeur faux 3.3 sinon marquer l extrémité non encore marquée 4. renvoyer la valeur vrai s t 81/136

100 Existence d une chaîne entre s et t Voici un algorithme 1. démarquer tous les sommets 2. marquer s 3. tant que t n est pas marqué, 3.1 chercher une arête dont un sommet extrémité est marqué et l autre ne l est pas 3.2 si une telle arête n existe pas, renvoyer la valeur faux 3.3 sinon marquer l extrémité non encore marquée 4. renvoyer la valeur vrai s t 81/136

101 Existence d une chaîne entre s et t Voici un algorithme 1. démarquer tous les sommets 2. marquer s 3. tant que t n est pas marqué, 3.1 chercher une arête dont un sommet extrémité est marqué et l autre ne l est pas 3.2 si une telle arête n existe pas, renvoyer la valeur faux 3.3 sinon marquer l extrémité non encore marquée 4. renvoyer la valeur vrai s t 81/136

102 Existence d une chaîne entre s et t Voici un algorithme 1. démarquer tous les sommets 2. marquer s 3. tant que t n est pas marqué, 3.1 chercher une arête dont un sommet extrémité est marqué et l autre ne l est pas 3.2 si une telle arête n existe pas, renvoyer la valeur faux 3.3 sinon marquer l extrémité non encore marquée 4. renvoyer la valeur vrai s t 81/136

103 Existence d une chaîne entre s et t Voici un algorithme 1. démarquer tous les sommets 2. marquer s 3. tant que t n est pas marqué, 3.1 chercher une arête dont un sommet extrémité est marqué et l autre ne l est pas 3.2 si une telle arête n existe pas, renvoyer la valeur faux 3.3 sinon marquer l extrémité non encore marquée 4. renvoyer la valeur vrai s t 81/136

104 Existence d une chaîne entre s et t Voici un algorithme 1. démarquer tous les sommets 2. marquer s 3. tant que t n est pas marqué, 3.1 chercher une arête dont un sommet extrémité est marqué et l autre ne l est pas 3.2 si une telle arête n existe pas, renvoyer la valeur faux 3.3 sinon marquer l extrémité non encore marquée 4. renvoyer la valeur vrai s t 81/136

105 Existence d une chaîne entre s et t Voici un algorithme 1. démarquer tous les sommets 2. marquer s 3. tant que t n est pas marqué, 3.1 chercher une arête dont un sommet extrémité est marqué et l autre ne l est pas 3.2 si une telle arête n existe pas, renvoyer la valeur faux 3.3 sinon marquer l extrémité non encore marquée 4. renvoyer la valeur vrai s t 81/136

106 Existence d une chaîne, complexité (définition orientée arêtes) Au pire, cet algorithme passe par chaque arête du graphe pour trouver la première arête dont un sommet extrémité est marqué et l autre ne l est pas, ce qui coûte E. 82/136

107 Existence d une chaîne, complexité (définition orientée arêtes) Au pire, cet algorithme passe par chaque arête du graphe pour trouver la première arête dont un sommet extrémité est marqué et l autre ne l est pas, ce qui coûte E. Ensuite, la 2 ème arête est trouvée au pire en E 1 étapes. Et ainsi de suite. 82/136

108 Existence d une chaîne, complexité (définition orientée arêtes) Au pire, cet algorithme passe par chaque arête du graphe pour trouver la première arête dont un sommet extrémité est marqué et l autre ne l est pas, ce qui coûte E. Ensuite, la 2 ème arête est trouvée au pire en E 1 étapes. Et ainsi de suite. L algorithme s arrête quand tous les sommets ont été marqués (il n y a plus rien à faire!). Donc au pire, à l étape V, tous les sommets ont été marqués. 82/136

109 Existence d une chaîne, complexité (définition orientée arêtes) Au pire, cet algorithme passe par chaque arête du graphe pour trouver la première arête dont un sommet extrémité est marqué et l autre ne l est pas, ce qui coûte E. Ensuite, la 2 ème arête est trouvée au pire en E 1 étapes. Et ainsi de suite. L algorithme s arrête quand tous les sommets ont été marqués (il n y a plus rien à faire!). Donc au pire, à l étape V, tous les sommets ont été marqués. La complexité de cet algorithme est donc au plus : V ( E i) = O( V E ). i=0 82/136

110 Existence d une chaîne, complexité (définition orientée arêtes) Au pire, cet algorithme passe par chaque arête du graphe pour trouver la première arête dont un sommet extrémité est marqué et l autre ne l est pas, ce qui coûte E. Ensuite, la 2 ème arête est trouvée au pire en E 1 étapes. Et ainsi de suite. L algorithme s arrête quand tous les sommets ont été marqués (il n y a plus rien à faire!). Donc au pire, à l étape V, tous les sommets ont été marqués. La complexité de cet algorithme est donc au plus : V ( E i) = O( V E ). i=0 82/136

111 Existence d une chaîne, complexité (définition orientée arêtes) Au pire, cet algorithme passe par chaque arête du graphe pour trouver la première arête dont un sommet extrémité est marqué et l autre ne l est pas, ce qui coûte E. Ensuite, la 2 ème arête est trouvée au pire en E 1 étapes. Et ainsi de suite. L algorithme s arrête quand tous les sommets ont été marqués (il n y a plus rien à faire!). Donc au pire, à l étape V, tous les sommets ont été marqués. La complexité de cet algorithme est donc au plus : V ( E i) = O( V E ). i=0 Remarque Il existe un algorithme de complexité O( V + E ). 82/136

112 Connexité La notion de connexité exprime la possibilité d aller de n importe quel sommet du graphe à n importe quel autre sommet du graphe. Informellement, un graphe est connexe s il est en un seul morceau. Connexe Non connexe Formellement, un graphe G est connexe si et seulement si s, t V(G), il existe une chaîne entre s et t. Nous allons étudier des méthodes efficaces pour déterminer si un graphe est connexe. 83/136

113 Déterminer si un graphe est connexe : approche simple La première idée est toujours d appliquer la définition. 84/136

114 Déterminer si un graphe est connexe : approche simple La première idée est toujours d appliquer la définition. Donc, pour déterminer si un graphe est connexe, vérifier si pour chaque couple (s, t) de sommets, il existe une chaîne entre s et t. 84/136

115 Déterminer si un graphe est connexe : approche simple La première idée est toujours d appliquer la définition. Donc, pour déterminer si un graphe est connexe, vérifier si pour chaque couple (s, t) de sommets, il existe une chaîne entre s et t. Il y a n 2 tels couples, si n = V. 84/136

116 Déterminer si un graphe est connexe : approche simple La première idée est toujours d appliquer la définition. Donc, pour déterminer si un graphe est connexe, vérifier si pour chaque couple (s, t) de sommets, il existe une chaîne entre s et t. Il y a n 2 tels couples, si n = V. Au total, la méthode simple a une complexité O(n3 E ) 84/136

117 Déterminer si un graphe est connexe : approche simple La première idée est toujours d appliquer la définition. Donc, pour déterminer si un graphe est connexe, vérifier si pour chaque couple (s, t) de sommets, il existe une chaîne entre s et t. Il y a n 2 tels couples, si n = V. Au total, la méthode simple a une complexité O(n3 E ) Nous allons montrer qu on peut résoudre le problème en O(n 2 ). 84/136

118 Différence entre O(n 3 ), O(n 2 ) et O(n) Imaginons encore un ordinateur capable d exécuter une instruction élémentaire en 10ns et un graphe de sommets. Exécuter n instructions élémentaires nécessite 1ms, soit 0, 01s. Exécuter n 2 instructions élémentaires nécessite 10 4 s soit 2h45. Exécuter n 3 instructions élémentaires nécessite 321 ans. 85/136

119 Approche plus efficace Theorème Soit G un graphe. On considère les propriétés suivantes : A. G est connexe. B. Pour tout sommet s de G, il existe une chaîne entre s et chacun des sommets de G. C. Il existe un sommet s de G tel qu il existe une chaîne entre s et chacun des sommets de G. Les propriétés A, B et C sont équivalentes, c est-à-dire : A B C. 86/136

120 Preuve (parties A = B et B = C) On suppose que A est vraie, c est-à-dire que G est connexe. On choisit un sommet s de G. Comme G est connexe, pour tout sommet t de G, il existe une chaîne entre s et t. Donc B est vraie. On a donc montré que A = B. Si B est vraie, alors C est aussi vraie (évident) donc B = C. Il reste à montrer que C = A. 87/136

121 Preuve (partie C = A) On suppose que C est vraie : il existe donc un sommet s de G tel qu il existe une chaîne entre s et chacun des sommets de G. Il faut prouver que A est vraie, c est-à-dire que G est connexe. Soient donc x et y deux sommets de G. On veut montrer qu il existe une chaîne entre x et y. 88/136

122 Preuve (partie C = A) On suppose que C est vraie : il existe donc un sommet s de G tel qu il existe une chaîne entre s et chacun des sommets de G. Il faut prouver que A est vraie, c est-à-dire que G est connexe. Soient donc x et y deux sommets de G. On veut montrer qu il existe une chaîne entre x et y. 88/136

123 Preuve (partie C = A) On suppose que C est vraie : il existe donc un sommet s de G tel qu il existe une chaîne entre s et chacun des sommets de G. Il faut prouver que A est vraie, c est-à-dire que G est connexe. Soient donc x et y deux sommets de G. On veut montrer qu il existe une chaîne entre x et y. 88/136

124 Preuve (partie C = A) On suppose que C est vraie : il existe donc un sommet s de G tel qu il existe une chaîne entre s et chacun des sommets de G. Il faut prouver que A est vraie, c est-à-dire que G est connexe. Soient donc x et y deux sommets de G. On veut montrer qu il existe une chaîne entre x et y. x s y 88/136

125 Preuve (partie C = A) On suppose que C est vraie : il existe donc un sommet s de G tel qu il existe une chaîne entre s et chacun des sommets de G. Il faut prouver que A est vraie, c est-à-dire que G est connexe. Soient donc x et y deux sommets de G. On veut montrer qu il existe une chaîne entre x et y. C x 1 C s 2 y On sait qu il existe des chaînes C1 entre s et x, et C 2 entre s et y. 88/136

126 Preuve (partie C = A) On suppose que C est vraie : il existe donc un sommet s de G tel qu il existe une chaîne entre s et chacun des sommets de G. Il faut prouver que A est vraie, c est-à-dire que G est connexe. Soient donc x et y deux sommets de G. On veut montrer qu il existe une chaîne entre x et y. C x s 2 y C 1 On sait qu il existe des chaînes C1 entre s et x, et C 2 entre s et y. En lisant C1 à l envers, on obtient une chaîne C 1 entre x et s. 88/136

127 Preuve (partie C = A) On suppose que C est vraie : il existe donc un sommet s de G tel qu il existe une chaîne entre s et chacun des sommets de G. Il faut prouver que A est vraie, c est-à-dire que G est connexe. Soient donc x et y deux sommets de G. On veut montrer qu il existe une chaîne entre x et y. C x s 2 y C 1 On sait qu il existe des chaînes C1 entre s et x, et C 2 entre s et y. En lisant C1 à l envers, on obtient une chaîne C 1 entre x et s. En recollant la chaîne C1 à C 2, on obtient une chaîne x et y. 88/136

128 Preuve (partie C = A) On suppose que C est vraie : il existe donc un sommet s de G tel qu il existe une chaîne entre s et chacun des sommets de G. Il faut prouver que A est vraie, c est-à-dire que G est connexe. Soient donc x et y deux sommets de G. On veut montrer qu il existe une chaîne entre x et y. C x s 2 y C 1 On sait qu il existe des chaînes C1 entre s et x, et C 2 entre s et y. En lisant C1 à l envers, on obtient une chaîne C 1 entre x et s. En recollant la chaîne C1 à C 2, on obtient une chaîne x et y. Donc A est vraie et A = C. 88/136

129 Un algorithme plus efficace Pour déterminer si un graphe est connexe, on peut donc : Choisir un sommet s arbitraire dans le graphe. Vérifier si pour chaque sommet t du graphe, il existe une chaîne entre s et t. Complexité 1. Il faut donc faire V vérifications. 2. Le coût de chaque vérification est O( V. E ). 3. Au total, la complexité est donc O( V 2. E ). 89/136

130 Un algorithme plus efficace Pour déterminer si un graphe est connexe, on peut donc : Choisir un sommet s arbitraire dans le graphe. Vérifier si pour chaque sommet t du graphe, il existe une chaîne entre s et t. Complexité 1. Il faut donc faire V vérifications. 2. Le coût de chaque vérification est O( V. E ). 3. Au total, la complexité est donc O( V 2. E ). Remarque Si on utilise l algorithme qui teste l existence d une chaîne en O( V ), on obtient un algorithme en O( V 2 ). 89/136

131 Encore une amélioration On observe que l algorithme parcourt la même chaîne plusieurs fois. Dans le graphe suivant : s s s s s il va parcourir entre s 0 et s 1, puis entre s 0 et s 2, refaisant alors le parcours entre s 0 et s 1, puis entre s 0 et s 3, refaisant alors le parcours entre s 0 et s 2, refaisant alors le parcours entre s 0 et s 1, etc. 90/136

132 Méthode finale pour la connexité Voici l algorithme plus efficace. 1. démarquer tous les sommets 2. marquer un sommet arbitraire s 3. chercher une arête dont un sommet extrémité est marqué et l autre ne l est pas 4. tant qu une telle arête existe : marquer l extrémité non encore marquée 5. si tout les sommets sont marqués, renvoyer vrai 6. sinon renvoyer faux Remarque On peut trouver rapidement l arête du point 3, pour que l algorithme prenne un temps O( V + E ) dans le cas le pire. 91/136

133 Méthode finale pour la connexité Exemple L algorithme ressemble à celui de recherche d une chaîne. Déroulement possible de l algorithme sur le graphe suivant : s 92/136

134 Méthode finale pour la connexité Exemple L algorithme ressemble à celui de recherche d une chaîne. Déroulement possible de l algorithme sur le graphe suivant : s 92/136

135 Méthode finale pour la connexité Exemple L algorithme ressemble à celui de recherche d une chaîne. Déroulement possible de l algorithme sur le graphe suivant : s 92/136

136 Méthode finale pour la connexité Exemple L algorithme ressemble à celui de recherche d une chaîne. Déroulement possible de l algorithme sur le graphe suivant : s 92/136

137 Méthode finale pour la connexité Exemple L algorithme ressemble à celui de recherche d une chaîne. Déroulement possible de l algorithme sur le graphe suivant : s 92/136

138 Méthode finale pour la connexité Exemple L algorithme ressemble à celui de recherche d une chaîne. Déroulement possible de l algorithme sur le graphe suivant : s 92/136

139 Méthode finale pour la connexité Exemple L algorithme ressemble à celui de recherche d une chaîne. Déroulement possible de l algorithme sur le graphe suivant : s 92/136

140 Méthode finale pour la connexité Exemple L algorithme ressemble à celui de recherche d une chaîne. Déroulement possible de l algorithme sur le graphe suivant : s 92/136

141 Méthode finale pour la connexité Exemple L algorithme ressemble à celui de recherche d une chaîne. Déroulement possible de l algorithme sur le graphe suivant : s 92/136

142 Méthode finale pour la connexité Exemple L algorithme ressemble à celui de recherche d une chaîne. Déroulement possible de l algorithme sur le graphe suivant : s 92/136

143 Méthode finale pour la connexité Exemple L algorithme ressemble à celui de recherche d une chaîne. Déroulement possible de l algorithme sur le graphe suivant : s 92/136

144 Méthode finale pour la connexité Exemple L algorithme ressemble à celui de recherche d une chaîne. Déroulement possible de l algorithme sur le graphe suivant : s Connexe! 92/136

145 Graphes eulériens Les ponts de la ville de Königsberg au 18 e siècle (maintenant Kaliningrad en Russie) : 93/136

Cours de spécialité mathématiques en Terminale ES

Cours de spécialité mathématiques en Terminale ES Cours de spécialité mathématiques en Terminale ES O. Lader 2014/2015 Lycée Jean Vilar Spé math terminale ES 2014/2015 1 / 51 Systèmes linéaires Deux exemples de systèmes linéaires à deux équations et deux

Plus en détail

Fondements de l informatique: Examen Durée: 3h

Fondements de l informatique: Examen Durée: 3h École polytechnique X2013 INF412 Fondements de l informatique Fondements de l informatique: Examen Durée: 3h Sujet proposé par Olivier Bournez Version 3 (corrigé) L énoncé comporte 4 parties (sections),

Plus en détail

Structures de données et algorithmes fondamentaux

Structures de données et algorithmes fondamentaux Structures de données et algorithmes fondamentaux 01 Complexité algorithmique Anthony Labarre 20 octobre 2015 Informations pratiques Mes coordonnées : Anthony Labarre E-mail : Anthony.Labarre@univ-mlv.fr

Plus en détail

Structures de données non linéaires

Structures de données non linéaires Structures de données non linéaires I. Graphes Définition Un graphe (simple) orienté G est un couple (S, A), où : S est un ensemble dont les éléments sont appelés les sommets. A est un ensemble de couples

Plus en détail

Cours 1: Introduction à l algorithmique

Cours 1: Introduction à l algorithmique 1 Cours 1: Introduction à l algorithmique Olivier Bournez bournez@lix.polytechnique.fr LIX, Ecole Polytechnique 2011-12 Algorithmique 2 Aujourd hui Calcul de x n Maximum Complexité d un problème Problème

Plus en détail

Objectif et contenu Faut-il des connaissances préalables? Organisation et site web Support de cours Modalités de contrôle Comptes et tutorat

Objectif et contenu Faut-il des connaissances préalables? Organisation et site web Support de cours Modalités de contrôle Comptes et tutorat 2014-15 1. Présentation et organisation 2. Algorithme 3. Programmes 4. Manipulation d images 5. Introduction aux graphes 6. Graphes : définition 7. Degré 8. Chaînes 9. Connexité 10. Graphes Eulériens 11.

Plus en détail

TP 1 - Utilisation de Python

TP 1 - Utilisation de Python TP 1 - Utilisation de Python L objectif de ce TP est d apprendre à faire réaliser des calculs et des tâches répétitives à un ordinateur. Pour faire cela, il est nécessaire de communiquer avec l ordinateur

Plus en détail

Théorie des Graphes Cours 3: Forêts et Arbres II / Modélisation

Théorie des Graphes Cours 3: Forêts et Arbres II / Modélisation IFIPS S7 - informatique Université Paris-Sud 11 1er semestre 2009/2010 Théorie des Graphes Cours 3: Forêts et Arbres II / 1 Forêts et arbres II Théorème 1.1. Les assertions suivantes sont équivalentes

Plus en détail

STAGE IREM 0- Premiers pas en Python

STAGE IREM 0- Premiers pas en Python Université de Bordeaux 16-18 Février 2014/2015 STAGE IREM 0- Premiers pas en Python IREM de Bordeaux Affectation et expressions Le langage python permet tout d abord de faire des calculs. On peut évaluer

Plus en détail

Introduction à l algorithmique et à la programmation 2013-2014. Cyril Nicaud Cyril.Nicaud@univ-mlv.fr. Cours 1 / 5

Introduction à l algorithmique et à la programmation 2013-2014. Cyril Nicaud Cyril.Nicaud@univ-mlv.fr. Cours 1 / 5 Introduction à l algorithmique et à la programmation IUT 1ère année 2013-2014 Cyril Nicaud Cyril.Nicaud@univ-mlv.fr Cours 1 / 5 Déroulement du cours Organisation : 5 séances de 2h de cours 10 séances de

Plus en détail

Cours d Analyse, Algorithmique Elements de programmation

Cours d Analyse, Algorithmique Elements de programmation 1 de 33 Cours d Analyse, Algorithmique Elements de programmation Florent Hivert Mél : Florent.Hivert@lri.fr Adresse universelle : http://www.lri.fr/ hivert 2 de 33 Données et instructions Un programme

Plus en détail

Partie I : Automates et langages

Partie I : Automates et langages 2 Les calculatrices sont interdites. N.B. : Le candidat attachera la plus grande importance à la clarté, à la précision et à la concision de la rédaction. Si un candidat est amené à repérer ce qui peut

Plus en détail

Machine de Turing. Informatique II Algorithmique 1

Machine de Turing. Informatique II Algorithmique 1 Machine de Turing Nous avons vu qu un programme peut être considéré comme la décomposition de la tâche à réaliser en une séquence d instructions élémentaires (manipulant des données élémentaires) compréhensibles

Plus en détail

Baccalauréat ES Polynésie (spécialité) 10 septembre 2014 Corrigé

Baccalauréat ES Polynésie (spécialité) 10 septembre 2014 Corrigé Baccalauréat ES Polynésie (spécialité) 10 septembre 2014 Corrigé A. P. M. E. P. Exercice 1 5 points 1. Réponse d. : 1 e Le coefficient directeur de la tangente est négatif et n est manifestement pas 2e

Plus en détail

- Mobiliser les résultats sur le second degré dans le cadre de la résolution d un problème.

- Mobiliser les résultats sur le second degré dans le cadre de la résolution d un problème. Mathématiques - classe de 1ère des séries STI2D et STL. 1. Analyse On dote les élèves d outils mathématiques permettant de traiter des problèmes relevant de la modélisation de phénomènes continus ou discrets.

Plus en détail

Algorithmique. Mode d application

Algorithmique. Mode d application I - Généralités Algorithmique T ale S Définition: Un algorithme est une suite finie d instructions permettant la résolution systématique d un problème donné. Un algorithme peut-être utilisé pour décrire

Plus en détail

Un corrigé de l épreuve de mathématiques du baccalauréat blanc

Un corrigé de l épreuve de mathématiques du baccalauréat blanc Terminale ES Un corrigé de l épreuve de mathématiques du baccalauréat blanc EXERCICE ( points). Commun à tous les candidats On considère une fonction f : définie, continue et doublement dérivable sur l

Plus en détail

L enseignement de l algorithmique au Lycée

L enseignement de l algorithmique au Lycée L enseignement de l algorithmique au Lycée Sisteron 12 novembre 2009 Fernand Didier didier@irem.univ-mrs.fr Approche naïve C est une méthode, une façon systématique de procéder, pour faire quelque chose

Plus en détail

Représentation d un entier en base b

Représentation d un entier en base b Représentation d un entier en base b 13 octobre 2012 1 Prérequis Les bases de la programmation en langage sont supposées avoir été travaillées L écriture en base b d un entier est ainsi défini à partir

Plus en détail

Algorithmique et Analyse d Algorithmes

Algorithmique et Analyse d Algorithmes Algorithmique et Analyse d Algorithmes L3 Info Cours 11 : Arbre couvrant Prétraitement Benjamin Wack 2015-2016 1 / 32 La dernière fois Rappels sur les graphes Problèmes classiques Algorithmes d optimisation

Plus en détail

Parcours d un arbre Arbres de recherche CHAPITRE 6. Arbres binaires. Karelle JULLIAN. MPSI, Option Info 2014/2015. Karelle JULLIAN

Parcours d un arbre Arbres de recherche CHAPITRE 6. Arbres binaires. Karelle JULLIAN. MPSI, Option Info 2014/2015. Karelle JULLIAN CHAPITRE 6 Arbres binaires Lycée Kléber MPSI, Option Info 2014/2015 1 Définitions 2 Parcours en largeur Parcours en profondeur Parcours préfixe, infixe, postfixe Reconstitution 3 Recherche Complexité Insertion

Plus en détail

Mathématiques pour l informatique 1 notes de cours sur la seconde partie

Mathématiques pour l informatique 1 notes de cours sur la seconde partie Mathématiques pour l informatique notes de cours sur la seconde partie L Université Paris-Est, Marne-la-Vallée Cyril Nicaud Organisation Ce demi-cours est composé de 6 séances de cours et 6 séances de

Plus en détail

Théorie des graphes. Introduction. Programme de Terminale ES Spécialité. Résolution de problèmes à l aide de graphes. Préparation CAPES UCBL

Théorie des graphes. Introduction. Programme de Terminale ES Spécialité. Résolution de problèmes à l aide de graphes. Préparation CAPES UCBL Introduction Ces quelques pages ont pour objectif de vous initier aux notions de théorie des graphes enseignées en Terminale ES. Le programme de Terminale (voir ci-après) est construit sur la résolution

Plus en détail

Notion de complexité

Notion de complexité 1 de 27 Algorithmique Notion de complexité Florent Hivert Mél : Florent.Hivert@lri.fr Adresse universelle : http://www-igm.univ-mlv.fr/ hivert Outils mathématiques 2 de 27 Outils mathématiques : analyse

Plus en détail

Informatique en Degead 1. Présentation, modalités, objectifs (1/3)

Informatique en Degead 1. Présentation, modalités, objectifs (1/3) Informatique en Degead 1 Présentation, modalités, objectifs (1/3) Responsable : Denis Cornaz denis.cornaz@dauphine.fr 01 44 05 41 83 P 409 bis http://www.lamsade.dauphine.fr/ cornaz/enseignement/uv21-degead1/

Plus en détail

Vidéo partie 1. Logique Vidéo partie 2. Raisonnements Exercices Logique, ensembles, raisonnements

Vidéo partie 1. Logique Vidéo partie 2. Raisonnements Exercices Logique, ensembles, raisonnements Exo7 Logique et raisonnements Vidéo partie 1. Logique Vidéo partie 2. Raisonnements Exercices Logique, ensembles, raisonnements Quelques motivations Il est important d avoir un langage rigoureux. La langue

Plus en détail

I.2: Le test fonctionnel I.2.2 : Le test fonctionnel de logiciel

I.2: Le test fonctionnel I.2.2 : Le test fonctionnel de logiciel I.2: Le test fonctionnel I.2.2 : Le test fonctionnel de logiciel Introduction Notre contexte : pas possible d exprimer toutes les combinaisons de DT. Le test fonctionnel est basé sur la spécification/interface

Plus en détail

Licence Sciences et Technologies Examen janvier 2010

Licence Sciences et Technologies Examen janvier 2010 Université de Provence Introduction à l Informatique Licence Sciences et Technologies Examen janvier 2010 Année 2009-10 Aucun document n est autorisé Les exercices peuvent être traités dans le désordre.

Plus en détail

Exercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Banque PT

Exercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Banque PT Exercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Banque PT Ces exercices portent sur les items 2, 3 et 5 du programme d informatique des classes préparatoires,

Plus en détail

Arbres binaires de recherche

Arbres binaires de recherche Chapitre 1 Arbres binaires de recherche 1 Les arbre sont très utilisés en informatique, d une part parce que les informations sont souvent hiérarchisées, et peuvent être représentées naturellement sous

Plus en détail

Cours d introduction à l informatique. Partie 2 : Comment écrire un algorithme? Qu est-ce qu une variable? Expressions et instructions

Cours d introduction à l informatique. Partie 2 : Comment écrire un algorithme? Qu est-ce qu une variable? Expressions et instructions Cours d introduction à l informatique Partie 2 : Comment écrire un algorithme? Qu est-ce qu une variable? Expressions et instructions Qu est-ce qu un Une recette de cuisine algorithme? Protocole expérimental

Plus en détail

Généralités sur les graphes

Généralités sur les graphes Généralités sur les graphes Christophe ROSSIGNOL Année scolaire 2008/2009 Table des matières 1 Notion de graphe 3 1.1 Un peu de vocabulaire.......................................... 3 1.2 Ordre d un graphe,

Plus en détail

ALGORITHMIQUE II. Récurrence et Récursivité. SMI AlgoII

ALGORITHMIQUE II. Récurrence et Récursivité. SMI AlgoII ALGORITHMIQUE II Récurrence et Récursivité Récurrence Suite récurrente: la déition d une suite est la donnée d un terme général déi en fonction du (ou des) terme(s) précédant(s) D un terme initial qui

Plus en détail

Initiation à l algorithmique

Initiation à l algorithmique Informatique S1 Initiation à l algorithmique procédures et fonctions 2. Appel d une fonction Jacques TISSEAU Ecole Nationale d Ingénieurs de Brest Technopôle Brest-Iroise CS 73862-29238 Brest cedex 3 -

Plus en détail

Cours 1 : Introduction Ordinateurs - Langages de haut niveau - Application

Cours 1 : Introduction Ordinateurs - Langages de haut niveau - Application Université de Provence Licence Math-Info Première Année V. Phan Luong Algorithmique et Programmation en Python Cours 1 : Introduction Ordinateurs - Langages de haut niveau - Application 1 Ordinateur Un

Plus en détail

Master Informatique Fondamentale - M1 Compilation

Master Informatique Fondamentale - M1 Compilation Master Informatique Fondamentale - M1 Compilation Analyse Statique Paul Feautrier ENS de Lyon Paul.Feautrier@ens-lyon.fr perso.ens-lyon.fr/paul.feautrier 12 mai 2007 1 / 38 Indécidabilité de la Terminaison

Plus en détail

Fondamentaux pour les Mathématiques et l Informatique :

Fondamentaux pour les Mathématiques et l Informatique : Université Bordeaux 1 Licence de Sciences, Technologies, Santé Mathématiques, Informatique, Sciences de la Matière et Ingénierie M1MI1002 Fondamentaux pour les Mathématiques et l Informatique Fondamentaux

Plus en détail

Rappels sur les suites - Algorithme

Rappels sur les suites - Algorithme DERNIÈRE IMPRESSION LE 14 septembre 2015 à 12:36 Rappels sur les suites - Algorithme Table des matières 1 Suite : généralités 2 1.1 Déition................................. 2 1.2 Exemples de suites............................

Plus en détail

Programmer avec Xcas : version 0.8.6 et 0.9

Programmer avec Xcas : version 0.8.6 et 0.9 Programmer avec Xcas : version 0.8.6 et 0.9 I. L environnement de travail de Xcas Xcas permet d écrire des programmes, comme n importe quel langage de programmation. C est un langage fonctionnel. L argument

Plus en détail

I Arbres binaires. Lycée Faidherbe 2014-2015. 1 Rappels 2 1.1 Définition... 2 1.2 Dénombrements... 2 1.3 Parcours... 3

I Arbres binaires. Lycée Faidherbe 2014-2015. 1 Rappels 2 1.1 Définition... 2 1.2 Dénombrements... 2 1.3 Parcours... 3 I Arbres binaires 2014-2015 Table des matières 1 Rappels 2 1.1 Définition................................................ 2 1.2 Dénombrements............................................ 2 1.3 Parcours.................................................

Plus en détail

Programme de Première

Programme de Première BAC TECHNO STAV 66 I. Algèbre Programme de Première Objectif 1 - Effectuer de manière autonome des calculs numériques ou algébriques, résoudre des équations ou inéquations en vue de résoudre des problèmes

Plus en détail

Enveloppes convexes dans le plan

Enveloppes convexes dans le plan ÉCOLE POLYTECHNIQUE ÉCOLES NORMALES SUPÉRIEURES ÉCOLE SUPÉRIEURE DE PHYSIQUE ET DE CHIMIE INDUSTRIELLES CONCOURS D ADMISSION FILIÈRE MP HORS SPÉCIALITÉ INFO FILIÈRE PC COMPOSITION D INFORMATIQUE B (XECLR)

Plus en détail

Concours 2015 Épreuve d Informatique Filière : MP Durée de l épreuve : 3 heures. L utilisation d une calculatrice est autorisée.

Concours 2015 Épreuve d Informatique Filière : MP Durée de l épreuve : 3 heures. L utilisation d une calculatrice est autorisée. A 2015 INFO. MP École des Ponts ParisTech, SUPAERO (ISAE), ENSTA ParisTech, Télécom ParisTech, Mines ParisTech, Mines de Saint-étienne, Mines Nancy, Télécom Bretagne, ENSAE ParisTech (filière MP), École

Plus en détail

Analyse de programme

Analyse de programme Analyse de programme À quoi ça sert? Comment ça marche? Bertrand Jeannet et Alain Girault INRIA Rhône-Alpes 25 janvier 2012 A. Girault et B. Jeannet (INRIA) Analyse de programme 25 janvier 2012 1 / 41

Plus en détail

Plus courts et plus longs chemins

Plus courts et plus longs chemins Plus courts et plus longs chemins Complément au chapitre 8 «Une voiture nous attend» Soit I={1,2,,n} un ensemble de tâches à ordonnancer. La durée d exécution de chaque tâche i est connue et égale à p

Plus en détail

1/24. I passer d un problème exprimé en français à la réalisation d un. I expressions arithmétiques. I structures de contrôle (tests, boucles)

1/24. I passer d un problème exprimé en français à la réalisation d un. I expressions arithmétiques. I structures de contrôle (tests, boucles) 1/4 Objectif de ce cours /4 Objectifs de ce cours Introduction au langage C - Cours Girardot/Roelens Septembre 013 Du problème au programme I passer d un problème exprimé en français à la réalisation d

Plus en détail

Machines composées de (depuis 1940 env.) : http://cui.unige.ch/isi/cours/std/

Machines composées de (depuis 1940 env.) : http://cui.unige.ch/isi/cours/std/ données pr ogramme 11111101 11001101 01000101 b us disque ma gnétique processeur écran Structures de données et algorithmes Ordinateurs Gilles Falquet, printemps-été 2002 Machines composées de (depuis

Plus en détail

L2 - Algorithmique et structures de données (Année 2010/2011) Examen (2 heures)

L2 - Algorithmique et structures de données (Année 2010/2011) Examen (2 heures) L2 - lgorithmique et structures de données (nnée 2010/2011) Delacourt, Phan Luong, Poupet xamen (2 heures) Les documents (cours, TD, TP) sont autorisés. Les quatre exercices sont indépendants. À la fin

Plus en détail

Introduction à Sage-Python

Introduction à Sage-Python Introduction à Sage-Python Aurélien Greuet Université de Versailles http://lmv.math.cnrs.fr/annuaire/aurelien-greuet/ 1 Python? Sage?! Calcul formel?!? 1.1 Python Python est un langage de programmation

Plus en détail

Algorithmie ISI301 TP 1 : Python et premiers algorithmes

Algorithmie ISI301 TP 1 : Python et premiers algorithmes Algorithmie ISI301 TP 1 : Python et premiers algorithmes 1 Python : apprentissage Pour avoir une vision plus large des différentes possibilités du langage Python, nous ne pouvons que vous conseiller d

Plus en détail

Algorithme. Table des matières

Algorithme. Table des matières 1 Algorithme Table des matières 1 Codage 2 1.1 Système binaire.............................. 2 1.2 La numérotation de position en base décimale............ 2 1.3 La numérotation de position en base binaire..............

Plus en détail

Exercices théoriques

Exercices théoriques École normale supérieure 2008-2009 Département d informatique Algorithmique et Programmation TD n 9 : Programmation Linéaire Avec Solutions Exercices théoriques Rappel : Dual d un programme linéaire cf.

Plus en détail

Correction TD de cryptographie n o 1

Correction TD de cryptographie n o 1 Sécurité / Cryptologie Correction TD de cryptographie n o 1 Ce TD survole les différents concepts vus en cours 1 Se familiariser avec les ordres de grandeur Exercice 1. La force brute Le facteur de travail

Plus en détail

NOTES DE COURS (SUPPLÉMENTAIRES) POUR LE COURS MATHÉMATIQUES DISCRÈTES MAT1500. References

NOTES DE COURS (SUPPLÉMENTAIRES) POUR LE COURS MATHÉMATIQUES DISCRÈTES MAT1500. References NOTES DE COURS (SUPPLÉMENTAIRES) POUR LE COURS MATHÉMATIQUES DISCRÈTES MAT1500 ABRAHAM BROER References [R] Kenneth H. Rosen, Mathématiques discrètes, Édition révisée Chenelière McGraw-Hill, 2002. 1. But

Plus en détail

Tableaux et pointeurs (corrigé)

Tableaux et pointeurs (corrigé) Tableaux et pointeurs (corrigé) Tous les exercices sont à faire. 1 Tableaux Exercice 1. Moyenne (*) Écrivez une fonction qui calcule la moyenne de n nombres stockés dans un tableau de double. Prototype

Plus en détail

Notes de cours de spé maths en Terminale ES

Notes de cours de spé maths en Terminale ES Spé maths Terminale ES Lycée Georges Imbert 05/06 Notes de cours de spé maths en Terminale ES O. Lader Table des matières Recherche de courbes sous contraintes, matrices. Systèmes linéaires.......................................

Plus en détail

MATHÉMATIQUES CYCLE TERMINAL DE LA SÉRIE ÉCONOMIQUE ET SOCIALE ET DE LA SÉRIE LITTERAIRE CLASSE DE PREMIÈRE

MATHÉMATIQUES CYCLE TERMINAL DE LA SÉRIE ÉCONOMIQUE ET SOCIALE ET DE LA SÉRIE LITTERAIRE CLASSE DE PREMIÈRE Annexe MATHÉMATIQUES CYCLE TERMINAL DE LA SÉRIE ÉCONOMIQUE ET SOCIALE ET DE LA SÉRIE LITTERAIRE CLASSE DE PREMIÈRE L enseignement des mathématiques au collège et au lycée a pour but de donner à chaque

Plus en détail

Mathématiques assistées par ordinateur

Mathématiques assistées par ordinateur Mathématiques assistées par ordinateur Chapitre 4 : Racines des polynômes réels et complexes Michael Eisermann Mat249, DLST L2S4, Année 2008-2009 www-fourier.ujf-grenoble.fr/ eiserm/cours # mao Document

Plus en détail

Module 351 - Informatique - 1er semestre 2009-2010

Module 351 - Informatique - 1er semestre 2009-2010 Module 351 - Informatique - 1er semestre 2009-2010 1 Généralités 1.1 Utilisation de l informatique dans un contexte scientifique. Deux alternatives: 1. Utiliser des logiciels existants. Exemple: traitement

Plus en détail

Corrigé de l examen partiel du 19 novembre 2011

Corrigé de l examen partiel du 19 novembre 2011 Université Paris Diderot Langage Mathématique (LM1) Département Sciences Exactes 2011-2012 Corrigé de l examen partiel du 19 novembre 2011 Durée : 3 heures Exercice 1 Dans les expressions suivantes, les

Plus en détail

Informatique TP4 : Manipulations de fichiers Manipulations de chaînes et de tableaux CPP 1A

Informatique TP4 : Manipulations de fichiers Manipulations de chaînes et de tableaux CPP 1A Informatique TP4 : Manipulations de fichiers Manipulations de chaînes et de tableaux CPP 1A Djamel Aouane, Frederic Devernay, Matthieu Moy Mars - avril 2015 1 Manipulations de fichiers Pour organiser des

Plus en détail

Programmation, partiel: sémantique d un tableur

Programmation, partiel: sémantique d un tableur Programmation, partiel: sémantique d un tableur Recommandations. Votre copie (papier ou électronique) devra être lisible et bien structurée. La note tiendra compte autant du fond que de la présentation.

Plus en détail

Correction de programmes : Logique de Hoare

Correction de programmes : Logique de Hoare 16 juillet 2009 Logique et informatique Vis-à-vis de l informatique la logique a au moins 2 rôles : 1 Externe et théorique (fondements de l informatique - Électif en S4) : Logique comme méta-informatique

Plus en détail

Les principes de l Algorithmique et Programmation

Les principes de l Algorithmique et Programmation Les principes de l Algorithmique et Programmation 1 Introduction Informatique : traitement automatisé de l information. Algorithme : ensemble de règles opératoires dont l application permet de résoudre

Plus en détail

INITIATION AU LANGAGE C SUR PIC DE MICROSHIP

INITIATION AU LANGAGE C SUR PIC DE MICROSHIP COURS PROGRAMMATION INITIATION AU LANGAGE C SUR MICROCONTROLEUR PIC page 1 / 7 INITIATION AU LANGAGE C SUR PIC DE MICROSHIP I. Historique du langage C 1972 : naissance du C dans les laboratoires BELL par

Plus en détail

VI- Des transistors aux portes logiques. Conception de circuits

VI- Des transistors aux portes logiques. Conception de circuits 1 VI- Des transistors aux portes logiques. Conception de circuits Nous savons que l ordinateur traite uniquement des instructions écrites en binaire avec des 0 et des 1. Nous savons aussi qu il est formé

Plus en détail

Fonction polynôme du second degré : Forme canonique

Fonction polynôme du second degré : Forme canonique Fonction polynôme du second degré : Forme canonique I) Introduction. Soit g(x) = a(x - s)²+h. Toute fonction polynôme du second degré peut s écrire sous cette forme. Le passage de la forme développée à

Plus en détail

Présentation du langage et premières fonctions

Présentation du langage et premières fonctions 1 Présentation de l interface logicielle Si les langages de haut niveau sont nombreux, nous allons travaillé cette année avec le langage Python, un langage de programmation très en vue sur internet en

Plus en détail

L1: Fondamentaux d algorithmique (En C++)

L1: Fondamentaux d algorithmique (En C++) L1: Fondamentaux d algorithmique (En C++) Par l Université de Haute Alsace Version 6 octobre 2015 Table des matières 1 Algorithmes et Programmes (3h) 3 2 Structures de Base (3h) 4 3 TP Structures de base

Plus en détail

Algorithmique - Techniques fondamentales de programmation Exemples en Python (nombreux exercices corrigés) - BTS, DUT informatique

Algorithmique - Techniques fondamentales de programmation Exemples en Python (nombreux exercices corrigés) - BTS, DUT informatique Introduction à l'algorithmique 1. Les fondements de l informatique 13 1.1 Architecture de Von Neumann 13 1.2 La machine de Turing 17 1.3 Représentation interne des instructions et des données 19 1.3.1

Plus en détail

Série 2 Premiers programmes

Série 2 Premiers programmes Licence pro. GTSBD 2013-2014 Structures de données, langage Python Série 2 Premiers programmes Programmes avec des affectations, des lectures et des écritures Exo 2.1 Le problème de la machine qui rend

Plus en détail

Série d exercices N 9 Arbres

Série d exercices N 9 Arbres Série d exercices N 9 Arbres Exercice 1 a) Ecrire une fonction ARBIN creerarbreentiers() qui permet de créer et de renvoyer l arbre d entiers suivant : b) Ecrire une fonction int feuilles(arbin a) qui

Plus en détail

INF-130 Travail Pratique #2

INF-130 Travail Pratique #2 École de technologie supérieure INF-30 Travail Pratique #2 Travail individuel Tracé d un métro Francis Bourdeau, Frédérick Henri et Patrick Salois Remise à la 0 e semaine. Objectifs - Amener l étudiant

Plus en détail

Langage C. Chapitre 2. 2.1 Le langage C, un langage non interprété. 2.1.1 L écriture du programme. 2.1.2 La compilation

Langage C. Chapitre 2. 2.1 Le langage C, un langage non interprété. 2.1.1 L écriture du programme. 2.1.2 La compilation Chapitre 2 Langage C 2.1 Le langage C, un langage non interprété Le C est un langage de programmation comme il en existe beaucoup d autres (C++, Fortran, Python, Matlab, IDL, ADA...). Il existe deux grandes

Plus en détail

Baccalauréat ES Centres étrangers 12 juin 2014 - Corrigé

Baccalauréat ES Centres étrangers 12 juin 2014 - Corrigé Baccalauréat ES Centres étrangers 1 juin 14 - Corrigé A. P. M. E. P. Exercice 1 5 points Commun à tous les candidats 1. On prend un candidat au hasard et on note : l évènement «le candidat a un dossier

Plus en détail

Complexité des algorithmes

Complexité des algorithmes Complexité des algorithmes par Robert Rolland R. Rolland, Aix Marseille Université, Institut de Mathématiques de Marseille I2M Luminy Case 930, F13288 Marseille CEDEX 9 e-mail : robert.rolland@acrypta.fr

Plus en détail

Licence STIC, Semestre 1 Algorithmique & Programmation 1

Licence STIC, Semestre 1 Algorithmique & Programmation 1 Licence STIC, Semestre 1 Algorithmique & Programmation 1 Exercices Alexandre Tessier 1 Introduction 2 instruction de sortie 3 expressions 4 variable informatique 5 séquence d instructions, trace Exercice

Plus en détail

ÉPREUVE FACULTATIVE D INFORMATIQUE. Codage cyclique

ÉPREUVE FACULTATIVE D INFORMATIQUE. Codage cyclique ÉCOLE POLYTECHNIQUE CONCOURS D ADMISSION 2003 FILIÈRES PSI ET PT ÉPREUVE FACULTATIVE D INFORMATIQUE (Durée : 2 heures) L utilisation des calculatrices n est pas autorisée pour cette épreuve. Avertissements

Plus en détail

TP 1. Prise en main du langage Python

TP 1. Prise en main du langage Python TP. Prise en main du langage Python Cette année nous travaillerons avec le langage Python version 3. ; nous utiliserons l environnement de développement IDLE. Étape 0. Dans votre espace personnel, créer

Plus en détail

Arbres binaires de recherche (ABR) Binary Search Trees (BST)

Arbres binaires de recherche (ABR) Binary Search Trees (BST) LSVIII-BIM Algorithmie, 2015 Arbres binaires de recherche (ABR) Binary Search Trees (BST) I. Arbres binaires 1. Structure 2. Parcours II. Arbres binaires de recherche 1. Définition 2. Opérations sur les

Plus en détail

Points fixes de fonctions à domaine fini

Points fixes de fonctions à domaine fini ÉCOLE POLYTECHNIQUE ÉCOLE NORMALE SUPÉRIEURE DE CACHAN ÉCOLE SUPÉRIEURE DE PHYSIQUE ET DE CHIMIE INDUSTRIELLES CONCOURS D ADMISSION 2013 FILIÈRE MP HORS SPÉCIALITÉ INFO FILIÈRE PC COMPOSITION D INFORMATIQUE

Plus en détail

(3.22) Interchangeabilité mutuelle : p q r p q r

(3.22) Interchangeabilité mutuelle : p q r p q r Préséance (priorité) des opérateurs (1) [x := e] (substitution textuelle) (prioritéélevée) (2). (application de fonction) (3) + P (opérateurs unaires préfixes) (4) / mod pgcd (5) + (opérateurs binaires)

Plus en détail

Langage fonctionnel et Récursivité

Langage fonctionnel et Récursivité Langage fonctionnel et Récursivité Programmation Fonctionnelle Master 2 I2L apprentissage Sébastien Verel verel@lisic.univ-littoral.fr http://www-lisic.univ-littoral.fr/~verel Université du Littoral Côte

Plus en détail

Licence de Sciences et Technologies. Fiche de cours 1 - Nombres réels.

Licence de Sciences et Technologies. Fiche de cours 1 - Nombres réels. Licence de Sciences et Technologies EM21 - Analyse Fiche de cours 1 - Nombres réels. On connaît les ensembles suivants, tous munis d une addition, d une multiplication, et d une relation d ordre compatibles

Plus en détail

Cours 3. La conditionnelle: instructions si et selon Les boucles Comment raisonner sur les boucles: les invariants de boucle

Cours 3. La conditionnelle: instructions si et selon Les boucles Comment raisonner sur les boucles: les invariants de boucle Cours 3 : Instructions qui changent l ordre d exécution séquentiel 1 Cours 3 Instructions qui changent l ordre d exécution séquentiel La conditionnelle: instructions si et selon Les boucles Comment raisonner

Plus en détail

Déroulement de l épreuve

Déroulement de l épreuve Déroulement de l épreuve Le sujet, volontairement très long, se compose de deux problèmes indépendants. Le candidat pourra au choix se concentrer sur l un des deux problèmes ou les aborder tous les deux.

Plus en détail

Algorithmique au lycée

Algorithmique au lycée Stage PAF christian.brucker@ac-strasbourg.fr jean-paul.quelen@ac-strasbourg.fr 13 mars 2015 Lycée Jean Monnet STRASBOURG Sommaire du stage Les programmes Sommaire du stage Les programmes Sommaire du stage

Plus en détail

ALGORITHMIQUE. Notes du cours FS/1/6584 Année préparatoire au master 60 en informatique ULB UMH Gilles GEERAERTS (Université Libre de Bruxelles)

ALGORITHMIQUE. Notes du cours FS/1/6584 Année préparatoire au master 60 en informatique ULB UMH Gilles GEERAERTS (Université Libre de Bruxelles) ALGORITHMIQUE A L G O R I T H M I Q U E Notes du cours FS/1/6584 Année préparatoire au master 60 en informatique ULB UMH Gilles GEERAERTS (Université Libre de Bruxelles) ANNÉE ACADÉMIQUE 2008 2009 (2 E

Plus en détail

Annexe 4 Programmes des classes préparatoires aux Grandes Ecoles

Annexe 4 Programmes des classes préparatoires aux Grandes Ecoles Annexe 4 Programmes des classes préparatoires aux Grandes Ecoles Filière : scientifique Voie : Technologie et biologie (TB) Discipline : Informatique Première et seconde années Programme d informatique

Plus en détail

Cours 1 : Qu est-ce que la programmation?

Cours 1 : Qu est-ce que la programmation? 1/65 Introduction à la programmation Cours 1 : Qu est-ce que la programmation? Yann Régis-Gianas yrg@pps.univ-paris-diderot.fr Université Paris Diderot Paris 7 2/65 1. Sortez un appareil qui peut se rendre

Plus en détail

Année Universitaire 2013/2014 DST de Printemps

Année Universitaire 2013/2014 DST de Printemps Année Universitaire 2013/2014 DST de Printemps Parcours : Licence LIMI201 & LIMI211 Code UE : J1MI2013 Épreuve : Algorithmes et Programmes Date : Lundi 16 juin 2014 Heure : 16 heures 30 Durée : 2 heures

Plus en détail

L informatique en BCPST

L informatique en BCPST L informatique en BCPST Présentation générale Sylvain Pelletier Septembre 2014 Sylvain Pelletier L informatique en BCPST Septembre 2014 1 / 20 Informatique, algorithmique, programmation Utiliser la rapidité

Plus en détail

Chapitre 3. Définitions récursives et induction structurelle

Chapitre 3. Définitions récursives et induction structurelle Chapitre 3 Définitions récursives et induction structurelle 114 Plan 1. Définitions récursives 2. Induction structurelle 3. Exemples Arbres Naturels Expressions arithmétiques Lectures conseillées : I MCS

Plus en détail

Algorithmique et Programmation 2 LMI 1 Semestre 2 Cours 2 La séquence et l alternative

Algorithmique et Programmation 2 LMI 1 Semestre 2 Cours 2 La séquence et l alternative Algorithmique et Programmation 2 LMI 1 Semestre 2 Cours 2 La séquence et l alternative 2 janvier 2009 1 Les structures de contrôle En Scheme, le programmation se fait par composition de fonctions, et même

Plus en détail

À propos des matrices échelonnées

À propos des matrices échelonnées À propos des matrices échelonnées Antoine Ducros appendice au cours de Géométrie affine et euclidienne dispensé à l Université Paris 6 Année universitaire 2011-2012 Introduction Soit k un corps, soit E

Plus en détail

Leçon 1: les entiers

Leçon 1: les entiers Leçon 1: les entiers L ensemble N des entiers naturels Compter, dresser des listes, classer et comparer des objets interviennent dans de multiples activités humaines. Les nombres entiers naturels sont

Plus en détail

Informatique Chapitre 4: Types et typages

Informatique Chapitre 4: Types et typages Informatique Chapitre 4: Types et typages Booléens et listes Jérôme DIDIER 8/10/2014 Objectifs du cours Compétences visées Savoir que les variables peuvent avoir plusieurs types et les connaitre ; Type

Plus en détail

LIF1 : ALGORITHMIQUE ET PROGRAMMATION IMPÉRATIVE, INITIATION

LIF1 : ALGORITHMIQUE ET PROGRAMMATION IMPÉRATIVE, INITIATION Licence STS Université Claude Bernard Lyon I LIF1 : ALGORITHMIQUE ET PROGRAMMATION IMPÉRATIVE, INITIATION 1 COURS 5 : Les Tableaux PLAN DE LA SÉANCE Comprendre l utilité des tableaux Apprendre à manipuler

Plus en détail

Informatique. Programmation en Python.

Informatique. Programmation en Python. BCPST 1 B 13 septembre 2015 Informatique. Programmation en Python. Ce document est un support de cours, il vous permet d avoir sa structure et ses éléments les plus importants. Au cours des séances en

Plus en détail