Analyse des algorithmes
|
|
- Julien Labrie
- il y a 7 ans
- Total affichages :
Transcription
1 Chapitre 2 Analyse des algorithmes Analyser un algorithme consiste à calculer les ressources qui seront nécessaires à son exécution. Mais avant cela, il faut d abord s assurer que l algorithme est correct, c est-à-dire qu il calcule bien ce pourquoi il a été écrit. 2.1 Preuves de la correction d un algorithme Comment s assurer qu un algorithme calcule bien ce qu il est censé calculer? Comment s assurer qu un algorithme termine quelle que soit les données qui lui seront fournies en entrée? Les algorithmes sont su samment formalisés pour qu on puisse prouver qu ils possèdent les propriétés attendues de correction ou de terminaison. Les preuves sont facilitées lorsque les algorithmes sont bien écrits, et en particulier s ils sont décomposés en de nombreux sous algorithmes courts et bien spécifiés. Ce sont bien évidemment les structures itératives et les appels récursifs qui nécessitent le plus de travail Preuve de la correction d une structure itérative Considérons le schéma d algorithme suivant : 7
2 8 CHAPITRE 2. ANALYSE DES ALGORITHMES Algorithme 4: Structure itérative générique résultat : R début Initialisation # Point A tant que Condition faire # Point B1 Instructions # Point B2 fintq # Point C fin Un invariant de boucle est une propriété ou une formule logique, qui est vérifiée après la phase d initialisation, qui reste vraie après l exécution d une itération, et qui, conjointement à la condition d arrêt, permet de montrer que le résultat attendu est bien celui qui est calculé. Exemple 1 Pour l algorithme 2 du chapitre précédent, qui insère un élément x dans un tableau trié T [1,n], considérons la propriété I suivante : la juxtaposition des tableaux T [1,i] et T [i +2,n+ 1] 1 est égale au tableau initial et x est plus petit que tous les éléments du deuxième tableau La propriété est vérifiée après l initialisation (point A) puisque T [1,i] est égal au tableau initial (i = n), et que le second tableau T [i+2,n+ 1] est vide. 2. Si la propriété I est vraie au début d une itération (point B1), elle est vraie à la fin de cette itération (point B2) puisque le dernier élément T [i] du premier tableau passe en tête du second (l ordre n est pas modifié), et puisque l on a x<t[i] etquel indiceestmodifiéen conséquence. Si la condition reste vraie, alors la propriété est donc vérifiée au début de l itération suivante. 3. Si la condition est fausse (point C), on peut montrer que x est En e et, à tous les éléments du premier tableau. 1. si m>n, T [m, n] désigneuntableauvide. 2. propriété vraie si le deuxième tableau est vide.
3 2.1. PREUVES DE LA CORRECTION D UN ALGORITHME 9 c est vrai si i = 0, car le premier tableau est vide, c est vrai si i>0 et x T [i], car le tableau T [1,i]esttrié. Comme l invariant est vrai, x est à la fois à tous les éléments de T [1,i]et< à tous les éléments de T [i+2,n+1]. Il su t donc d écrire T [i + 1] = x pour obtenir le résultat attendu. Remarque : Pour prouver la correction d une boucle Pour, on peut remarquer que équivaut à Pour i:=1 à n faire Instructions i:=1 Tant que i<= n faire Instructions i:=i+1 et utiliser la technique précédente. Exemple 2 Pour prouver la correction de l algorithme 1, on considère l invariant de boucle suivant : T [1,j 1] est trié. 1. Après l initialisation, la propriété est vraie puisque j = 2etquele tableau T [1,j 1] ne contient qu un seul élément. 2. Supposons que T [1,j 1] soit trié au début d une itération. Après appel de l algorithme 2, le tableau T [1,j] est trié. Après l incrémentation de j, le tableau T [1,j 1] est trié. 3. Si la condition devient fausse, c est que j = n + 1. Le tableau T [1,n] est donc trié Preuve de correction d un algorithme récursif On prouve la correction d un algorithme récursif au moyen d un raisonnement par récurrence. Exemple 3 Pour prouver la correction de l algorithme 3, on e ectue une récurrence sur le nombre N = n m + 1 d éléments du tableau. si N = 1, alors m = n et on vérifie que l algorithme est correct dans ce cas ;
4 10 CHAPITRE 2. ANALYSE DES ALGORITHMES soit N 1. Supposons que le programme soit correct pour tout tableau de longueur apple N et considérons un tableau T [m, n] den +1 éléments : n m +1=N + 1. En particulier, m 6= n puisque N 1. Soit k = b m+n 2 c. Onam apple k<n.ene et, m<n) m< m + n 2 <n) m appleb m + n c = k<n. 2 Donc, les deux tableaux passés en argument des appels récursifs ont au plus N éléments. En e et, le premier a k m +1 éléments et k m +1 apple n m apple N ; le second a n k éléments et n k apple n m apple N. Par hypothèse de récurrence, quelque soit le résultat du test T [k] < x, l algorithme donnera une réponse correcte Exercices 1. Recherche du plus grand élément d un tableau (version itérative) : Algorithme 5: recherchemaxiter entrée : T [1,n] est un tableau d entiers. sortie : le plus grand élément de T [1,n]. début Max := T [1] pour i := 2à n faire si T [i] >Maxalors Max := T [i] retourner Max (a) Remplacez la structure itérative Pour par un Tant que. (b) Trouvez l invariant de boucle. (c) Prouvez la correction de l algorithme. 2. Recherche du plus grand élément d un tableau (version récursive) : Algorithme 6: recherchemaxrec entrée : T [1,n] est un tableau d entiers. sortie : le plus grand élément de T [1,n]. début si n =1alors retourner T [1] sinon retourner max(t [n],maxrec(t [1,n 1]))
5 2.2. COMPLEXITÉ DES ALGORITHMES 11 (a) Prouvez la correction de l algorithme par récurrence sur le nombre d éléments du tableau. 2.2 Complexité des algorithmes En plus d être correct, c est-à-dire d e ectuer le calcul attendu, on demande à un algorithme d être e cace, l e cacité étant mesurée par le temps que prend l exécution de l algorithme ou plus généralement, par les quantités de ressources nécessaires à son exécution (temps d exécution, espace mémoire, bande passante,... ). Le temps d exécution d un algorithme dépend évidemment de la taille des données fournies en entrée, ne serait-ce que parce qu il faut les lire avant de les traiter. La taille d une donnée est mesurée par le nombre de bits nécessaires à sa représentation en machine. Cette mesure ne dépend pas du matériel sur lequel l algorithme sera programmé. Mais comment mesurer le temps d exécution d un algorithme puisque les temps de calcul de deux implémentations du même algorithme sur deux machines di érentes peuvent être très di érents? En fait, quelle que soit la machine sur laquelle un algorithme est implémenté, le temps de calcul du programme correspondant est égal au nombre d opérations élémentaires effectuées par l algorithme, à un facteur multiplicatif constant près,etce, quelle que soit la taille des données d entrée de l algorithme. Par opérations élémentaires on entend les évaluations d expressions, les a ectations, et plus généralement tous les traitements en temps constant ou indépendant de l algorithme (entrées-sorties,... ). Le détail de l exécution de ces opérations au niveau du processeur par l intermédiaire d instructions machine donnerait des résultats identiques à un facteur constant près. Autrement dit, pour toute machine M, il existe des constantes m et M telles que pour tout algorithme A et pour toute donnée d fournie en entrée de l algorithme, si l on note T (d) le nombre d opérations élémentaires e ectuées par l algorithme avec la donnée d en entrée et T M (d) le temps de calcul du programme implémentant A avec la donnée d en entrée, mt (d) apple T M (d) apple MT(d). Soit, en utilisant les notations de Landau (voir section 8.2), T = (T M ). On peut donc définir la complexité en temps d un algorithme comme le nombre d opérations élémentaires T (n) e ectuées lors de son exécution sur des données de taille n. Il s agit donc d une fonction. On distingue
6 12 CHAPITRE 2. ANALYSE DES ALGORITHMES la complexité dans le pire des cas (worst case complexity) :T pire (n) est le nombre d opérations maximal calculé sur toutes les données de taille n ; la complexité dans le meilleur des cas (best case complexity):t min (n) est le nombre d opérations minimal calculé sur toutes les données de taille n ; la complexité en moyenne (average case complexity) :T moy (n) le nombre d opérations moyen calculé sur toutes les données de taille n, en supposant qu elles sont toutes équiprobables. Analyser un algorithme consiste à évaluer la ou les fonctions de complexité qui lui sont associées. En pratique, on cherche à évaluer le comportement asymptotique de ces fonctions relativement à la taille des entrées (voir section 8.2). En considérant le temps d exécution, dans le pire des cas ou en moyenne, on parle ainsi d algorithmes en temps constant : T (n) = (1), logarithmiques : T (n) = (log n), polylogarithmiques : T (n) = ((log n) c ) pour c>1, linéaires : T (n) = (n), quasilinéaires : T (n) = (n log n), quadratiques : T (n) = (n 2 ), polynomiaux : T (n) = (n k ) pour k 2 N, exponentiels : T (n) = (k n ) pour k>1. Si un traitement élémentaire prends un millionième de seconde, le tableau suivant décrit les temps d exécutions approximatifs de quelques classes de problèmes en fonction de leurs tailles. Taille n/ T (n) log 2 n n nlog 2 n n 2 2 n ms 0.01 ms 0.03 ms 0.1 ms 1 ms ms 0.1 ms 0.6 ms 10 ms siecles ms 1 ms 10 ms 1 s ms 10 ms 0.1 s 100 s ms 100 ms 1.6 s 3 heures ms 1 s 20 s 10 jours D un autre point de vue, le tableau ci-dessous donne la taille des problèmes de complexité T que l on peut traiter en une seconde en fonction de la rapidité de la machine utilisée (F est le nombre d opérations élémentaires exécutées par secondes).
7 2.2. COMPLEXITÉ DES ALGORITHMES 13 F /T (n) 2 n n 2 nlog 2 n n log 2 n En pratique, un algorithme est constitué d instructions agencées à l aide de structures de contrôle que sont les séquences, lesembranchements et les boucles (nous verrons plus tard comment traiter le cas particulier des fonctions récursives, mais de toutes façons toute fonction récursive s écrit aussi itérativement). Le coût d une séquence de traitements est la somme des coûts de chaque traitement. Le coût d une structure itérative est la somme des coûts des traitements e ectués lors des passages successifs dans la boucle. Par exemple il arrive fréquemment que l on e ectue n fois une boucle avec des coûts dégressifs (Cn, C(n 1),..., C). Dans ce cas T (n) = C(n+(n 1)+(n 2)+...+1) = C nx i=1 n(n + 1) i = C = (n 2 ). 2 Le coût d un embranchement (si test alors traitement1 sinon traitement2) est le coût du plus coûteux des deux traitements Exemples d analyse d algorithmes Taille d un tableau Un tableau de n constantes de taille k (entiers, réels,...) a une taille de kn. Mais on peut facilement démontrer que f(n) = (g(n)) ssi f(kn) = (g(kn)), lorsque g est constante, linéaire, quasilinéaire ou polynomiale. Par ailleurs, si f(n) est exponentielle, c est a fortiori aussi le cas de f(kn). On pourra donc supposer, dans les calculs de complexité, que la taille d un tableau de n éléments constants est n. L algorithme d insertion d un élément dans un tableau trié Dans le pire des cas, celui où l entier à insérer est plus petit que tous les éléments du tableau, l algorithme 2 requiert 2n +2a ectations,
8 14 CHAPITRE 2. ANALYSE DES ALGORITHMES 2n + 1 comparaisons d entiers, n soustractions et n + 1 addition, n + 1 évaluations d une expression booléenne pour un tableau de n éléments. En supposant de plus que chaque instruction élémentaire s exécute en un temps constant, on en déduit que T pire (n) = (n). L algorithme d insertion ordonnée est linéaire dans le pire des cas : à des constantes additives et multiplicatives près, le temps d exécution est égal au nombre d éléments du tableau. On voit facilement que T min (n) = (1) : en e et, dans le meilleur des cas, l élement à insérer est plus grand que tous les éléments du tableau et la boucle n est pas exécutée. Si l on suppose que l élément à insérer et un élément pris au hasard dans le tableau, son insertion nécessitera en moyenne n/2 comparaisons. On aura donc, T moy (n) = (n), soit une complexité moyenne du même ordre que la complexité du pire des cas. L algorithme de tri par insertion Dans le pire des cas, celui où le tableau en entrée est déjà trié, mais par ordre décroissant, l algorithme nécessite n 1 comparaisons et a ectations pour la condition de la boucle Pour n 1 appels à l algorithme d insertion ordonnée, pour des tailles de tableaux variant de 1 à n 1. À des constantes additives et multiplicatives près, le temps d exécution dans le pire des cas de l algorithme de tri par insertion est donc égal à (n 1) (n 1) = n 1+ n(n 1) 2 = (n 2 ) soit en appliquant la remarque sur l égalité à des constantes additives et multiplicatives près de la taille des données et du nombre d éléments du tableau, T pire (n) = (n 2 ). On voit facilement que T min (n) = (n), cas où le tableau est déjà ordonné par ordre croissant. En e et, chaque appel à l algorithme d insertion ordonnée est exécuté en temps constant. Si tous les éléments du tableau en entrée sont tirés selon la même loi de probabilités, on peut montrer que T moy (n) = (n 2 ). Autrement dit, s il peut arriver que le temps d exécution soit linéaire, il y a beaucoup plus de chance qu il soit quadratique en la taille des données en entrée.
9 2.2. COMPLEXITÉ DES ALGORITHMES 15 L algorithme de recherche dichotomique Si le tableau contient un seul élément, l algorithme exécutera 2 comparaisons (coût total : c 1 ) Si le tableau contient n>1 éléments, l algorithme exécutera 3 opérations arithmétiques, une a ectation et une comparaison entre 2 entiers (coût total : c 2 ), et un appel récursif sur un tableau possédant dn/2e ou bn/2c éléments, soit dn/2e dans le pire des cas. On en déduit que si n>1, T pire (n) =T pire (dn/2e)+c 2. Cette équation est simple à résoudre lorsque n est égal à une puissance de 2 : T pire (2 h )=T pire (2 h 1 )+c 2 = T pire (2 h 2 )+2c 2 =...= c 1 + hc 2. Dans le cas général, soit n = a h 2 h a a 0 l écriture de n en base 2 : a h =1et0apple a i apple 1 pour 0 apple i<h.ona On en déduit que 2 h apple n<2 h+1 et donc 2 h 1 appledn/2e apple2 h. c 1 + hc 2 apple T pire (n) apple c 1 +(h + 1)c 2. En remarquant que h = (log 2 n), on en déduit que T pire (n) = (log 2 n). La recherche dichotomique d un élément dans un tableau trié se fait donc en temps logarithmique. L analyse d algorithmes conduit souvent à des équations récursives de la forme T (n) = at (dn/be) + f(n) ou at (bn/bc) + f(n) (2.1) où b>1, a>0 et f est une fonction. Le théorème 2 de la section 8.4 donne la solution de ces équations dans le cas général. Dans l exemple précédent, on se trouve dans le cas (2) du théorème, avec a =1etb = 2 : on retrouve que T pire (n) = (log 2 n). Il est essentiel de savoir utiliser ce théorème mais il est aussi utile de pouvoir retrouver rapidement le résultat cherché. Nous décrivons ci-dessous quelques calculs approximatifs, à partir de l équation simplifiée qui recouvrent un grand nombre de cas courants. T (n) =at (n/b)+f(n), (2.2)
10 16 CHAPITRE 2. ANALYSE DES ALGORITHMES Calculs à la main de la complexité d une fonction définie par une relation de récurrence Nombre d itérations : si l on itère k fois l équation 2.2, l argument de T devient n/b k.onan/b k =1ssik = log b n. Il faut donc environ log b n itérations pour trouver la constante de référence T (1). On en déduit le développement suivant : T (n) =f(n)+af(n/b)+ + a k 1 f(n/b k 1 )+ (a log b n ). Si a = 1, on a T (n) =f(n)+f(n/b)+ + f(n/b k 1 ). Si f(n) =c, Si f(n) =n, T (n) =kc = (log b n). Si a = b, on a T (n) =n(1 + 1 b b k 1 )=nb b k b 1 = (n). T (n) =f(n)+bf(n/b)+ + b k 1 f(n/b k 1 )+ (n). Si f(n) =c, T (n) =c(1 + b + + b k 1 )+ (n) = n 1 + (n) = (n). b 1 Si f(n) =n, T (n) =n( ) + (n) =nk + (n) = (n log b n). Si a>b, on peut écrire a = b h avec h>1. On a T (n) =f(n)+af(n/b)+ + a k 1 f(n/b k 1 )+ (n h ). Si f(n) =c, T (n) =1+a + + a k 1 + (n h )= nh 1 a 1 + (nh )= (n h ).
11 2.2. COMPLEXITÉ DES ALGORITHMES 17 Si f(n) =n, T (n) =n(1+a/b+ +(a/b) k 1 )+ (n h )=n (a/b)k 1 a/b 1 + (nh )= (n h ). Ce que l on peut résumer dans le tableau suivant, T (n) a =1 a = b a = b h f(n) =c log b n n n h f(n) =n n nlog b n n h Pour les autres cas, utilisez le théorème. Le tri par fusion Le tri par fusion est un algorithme qui applique la stratégie diviser pour régner. Le tableau à trier est divisé en deux sous-tableau de même taille (à un élément près), l algorithme est appelé récursivement sur chacun de ces sous-tableaux, et les tableaux résultants sont alors fusionnés. Algorithme 7: TriFusion entrée : T [1,n] est un tableau d entiers, n 1. résultat : les éléments de T sont ordonnés par ordre croissant. début si n>1 alors T 1 := trif usion(t [1, bn/2c]) T 2 := trif usion(t [bn/2c +1,n]) T := Fusion(T 1,T 2 ) On peut montrer que l algorithme de fusion est linéaire en fonction du nombre n d éléments. Soit T (n) la complexité de l algorithme en fonction de n. L équation de récurrence correspondante est T (n) =T (dn/2e)+t (bn/2c)+n + c. Méthode générale (voir le théorème 2 de la section 8.4). On est dans le cas 2 puisque : f(n) =n + c, a = b = 2, log b a =1etf(n) =O(n). Donc T (n) = (n log 2 n). Solution en développant directement la récurrence.
12 18 CHAPITRE 2. ANALYSE DES ALGORITHMES On peut considérer l équation plus simple suivante : T (n) =2T (n/2)+n. On a : T (n) =2T (n/2) + n =4T (n/4) + 2n = =2 k T (n/2 k )+kn. Les appels récursifs se terminent lorsque n ' 2 k, soit k ' log 2 (n) :ilya au plus log 2 (n) appels récursifs imbriqués. On en déduit que T (n) ' nc + n log 2 (n). Le terme dominant étant n log 2 (n), on en déduit que T (n) = (n log 2 (n)). n 2x n n/2 n/2 2x n hauteur : dlog 2 ne log n n/4 n/4 n/4 n/4 2x n n/8 n/8 n/8 n/8 n/8 n/8 n/8 n/ Figure 2.1 Arbre des appels récursifs pour l algorithme de tri par fusion. Solution intuitive. Si l on pressent que la complexité de la fonction T vérifiant T (n) = 2T (n/2) + n est (n log 2 n), on peut essayer de vérifier que cette intuition est juste, c est-à-dire, s il existe une fonction T vérifiant à la fois l équation de récurrence et T (n) = (n log 2 n). Posons T (n) =a n log 2 n + bn + c et essayons ensuite de fixer les constantes au moyen de l équation de récurrence. On a : T (n) =a n log 2 n + bn + c =2T (n/2) + n = 2[a n/2 log 2 n/2+bn/2+c]+n = a n log 2 n an + bn +2c + n. On en déduit que a =1etc = 0, b n étant pas contraint. La fonction T (n) =n log 2 n vérifie donc l équation T (n) =2T (n/2) + n.
13 2.2. COMPLEXITÉ DES ALGORITHMES Exercices Exercice 1 Montrez que 1. n log n = O(n 2 ), 2. n log n = (n), 3. n + sin(n) n. 4. A t-on 2 n = (e n )? 5. A t-on e log 2 (n+1) =!(n)? Exercice 2 Quelles sont les classes de complexité des fonctions suivantes : 1. f(n) =2n 3 +4n , 2. f(n) = log (n 2 +3n 1), 3. f(n) =2 log 2 (n2 +1) 2. Exercice 3 Quelle est la complexité de l algorithme suivant : Algorithme 8: début pour i := 1à n n faire u := i tant que u>1 faire u := u/2 Exercice 4 Calculez la complexité de la fonction qui calcule le produit de deux matrices carrées A et B de n lignes et n colonnes. Exercice 5 Prouvez la correction de l algorithme récursif suivant : Algorithme 9: expo entrée : x est un réel et n est un entier sortie : x n. début si x =0alors retourner 0 si n =0alors retourner 1 si n est pair alors retourner expo(x x, n/2) sinon retourner x expo(x x, (n 1)/2)
14 20 CHAPITRE 2. ANALYSE DES ALGORITHMES Combien de multiplications faut-il e ectuer pour calculer x 20? pour calculer x 2p? pour calculer x 2p 1? Quelle est la complexité de l algorithme - en terme de nombre de multiplications? Exercice 6 Écrivez un algorithme qui prend en entrée une matrice carrée n n et retourne la liste des coordonnées des cases dont la valeur est à la fois maximale sur leur ligne et minimale sur leur colonne. Quelle est la complexité de cet algorithme? Exercice 7 : Calcul de l élément majoritaire d un tableau. Etant donné un ensemble E de n éléments, on dit qu un élément e est majoritaire dans E si le nombre d occurrences de e est strictement supérieur à n/2. 1. Quel est la complexité d un algorithme qui teste si un élément e est majoritaire ou non dans E? On cherche maintenant à savoir s il existe un élément majoritaire, et si oui, à le déterminer. 2. Proposez un algorithme de complexité quadratique. 3. On considère maintenant l approche suivante, basée sur le principe diviser pour régner : pour rechercher l élément majoritaire éventuel dans l ensemble E, on répartit les n éléments de E dans deux ensembles (approximativement) de même taille E 1 et E 2. Montrez que si un élément est majoritaire dans E, alors il est majoritaire dans E 1 ou dans E 2. Ecrivez une procédure de calcul correspondant à cette idée. Quelle est sa complexité? Une troisième méthode sera proposée au prochain TD.
Chapitre 7. Récurrences
Chapitre 7 Récurrences 333 Plan 1. Introduction 2. Applications 3. Classification des récurrences 4. Résolution de récurrences 5. Résumé et comparaisons Lectures conseillées : I MCS, chapitre 20. I Rosen,
Plus en détailALGORITHMIQUE II NOTION DE COMPLEXITE. SMI AlgoII
ALGORITHMIQUE II NOTION DE COMPLEXITE 1 2 Comment choisir entre différents algorithmes pour résoudre un même problème? Plusieurs critères de choix : Exactitude Simplicité Efficacité (but de ce chapitre)
Plus en détailComplexité. Licence Informatique - Semestre 2 - Algorithmique et Programmation
Complexité Objectifs des calculs de complexité : - pouvoir prévoir le temps d'exécution d'un algorithme - pouvoir comparer deux algorithmes réalisant le même traitement Exemples : - si on lance le calcul
Plus en détailRappels 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 détailSouad EL Bernoussi. Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/
Recherche opérationnelle Les démonstrations et les exemples seront traités en cours Souad EL Bernoussi Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/ Table des matières 1 Programmation
Plus en détail1 Recherche en table par balayage
1 Recherche en table par balayage 1.1 Problème de la recherche en table Une table désigne une liste ou un tableau d éléments. Le problème de la recherche en table est celui de la recherche d un élément
Plus en détailRésolution de systèmes linéaires par des méthodes directes
Résolution de systèmes linéaires par des méthodes directes J. Erhel Janvier 2014 1 Inverse d une matrice carrée et systèmes linéaires Ce paragraphe a pour objet les matrices carrées et les systèmes linéaires.
Plus en détail1/24. 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 détail4. Les structures de données statiques
4. Les structures de données statiques 4.1 Tableaux à une dimension 4.1.1 Introduction Imaginons que dans un programme, nous ayons besoin simultanément de 25 valeurs (par exemple, des notes pour calculer
Plus en détailAlgorithmes récursifs
Licence 1 MASS - Algorithmique et Calcul Formel S. Verel, M.-E. Voge www.i3s.unice.fr/ verel 23 mars 2007 Objectifs de la séance 3 écrire des algorithmes récursifs avec un seul test rechercher un élément
Plus en détailCalcul matriciel. Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes.
1 Définitions, notations Calcul matriciel Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes. On utilise aussi la notation m n pour le
Plus en détailRésolution d équations non linéaires
Analyse Numérique Résolution d équations non linéaires Said EL HAJJI et Touria GHEMIRES Université Mohammed V - Agdal. Faculté des Sciences Département de Mathématiques. Laboratoire de Mathématiques, Informatique
Plus en détailProgrammation linéaire
1 Programmation linéaire 1. Le problème, un exemple. 2. Le cas b = 0 3. Théorème de dualité 4. L algorithme du simplexe 5. Problèmes équivalents 6. Complexité de l Algorithme 2 Position du problème Soit
Plus en détailExercices - Polynômes : corrigé. Opérations sur les polynômes
Opérations sur les polynômes Exercice 1 - Carré - L1/Math Sup - Si P = Q est le carré d un polynôme, alors Q est nécessairement de degré, et son coefficient dominant est égal à 1. On peut donc écrire Q(X)
Plus en détailQuelques algorithmes simples dont l analyse n est pas si simple
Quelques algorithmes simples dont l analyse n est pas si simple Michel Habib habib@liafa.jussieu.fr http://www.liafa.jussieu.fr/~habib Algorithmique Avancée M1 Bioinformatique, Octobre 2008 Plan Histoire
Plus en détailCorrigé des TD 1 à 5
Corrigé des TD 1 à 5 1 Premier Contact 1.1 Somme des n premiers entiers 1 (* Somme des n premiers entiers *) 2 program somme_entiers; n, i, somme: integer; 8 (* saisie du nombre n *) write( Saisissez un
Plus en détailCapacité d un canal Second Théorème de Shannon. Théorie de l information 1/34
Capacité d un canal Second Théorème de Shannon Théorie de l information 1/34 Plan du cours 1. Canaux discrets sans mémoire, exemples ; 2. Capacité ; 3. Canaux symétriques ; 4. Codage de canal ; 5. Second
Plus en détailInitiation 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 détailUEO11 COURS/TD 1. nombres entiers et réels codés en mémoire centrale. Caractères alphabétiques et caractères spéciaux.
UEO11 COURS/TD 1 Contenu du semestre Cours et TDs sont intégrés L objectif de ce cours équivalent a 6h de cours, 10h de TD et 8h de TP est le suivant : - initiation à l algorithmique - notions de bases
Plus en détailCoefficients binomiaux
Probabilités L2 Exercices Chapitre 2 Coefficients binomiaux 1 ( ) On appelle chemin une suite de segments de longueur 1, dirigés soit vers le haut, soit vers la droite 1 Dénombrer tous les chemins allant
Plus en détailObjectifs du cours d aujourd hui. Informatique II : Cours d introduction à l informatique et à la programmation objet. Complexité d un problème (2)
Objectifs du cours d aujourd hui Informatique II : Cours d introduction à l informatique et à la programmation objet Complexité des problèmes Introduire la notion de complexité d un problème Présenter
Plus en détailChapitre 3. Quelques fonctions usuelles. 1 Fonctions logarithme et exponentielle. 1.1 La fonction logarithme
Chapitre 3 Quelques fonctions usuelles 1 Fonctions logarithme et eponentielle 1.1 La fonction logarithme Définition 1.1 La fonction 7! 1/ est continue sur ]0, +1[. Elle admet donc des primitives sur cet
Plus en détail3 Approximation de solutions d équations
3 Approximation de solutions d équations Une équation scalaire a la forme générale f(x) =0où f est une fonction de IR dans IR. Un système de n équations à n inconnues peut aussi se mettre sous une telle
Plus en détailLa fonction exponentielle
DERNIÈRE IMPRESSION LE 2 novembre 204 à :07 La fonction exponentielle Table des matières La fonction exponentielle 2. Définition et théorèmes.......................... 2.2 Approche graphique de la fonction
Plus en détail1 de 46. Algorithmique. Trouver et Trier. Florent Hivert. Mél : Florent.Hivert@lri.fr Page personnelle : http://www.lri.fr/ hivert
1 de 46 Algorithmique Trouver et Trier Florent Hivert Mél : Florent.Hivert@lri.fr Page personnelle : http://www.lri.fr/ hivert 2 de 46 Algorithmes et structures de données La plupart des bons algorithmes
Plus en détailQuelques tests de primalité
Quelques tests de primalité J.-M. Couveignes (merci à T. Ezome et R. Lercier) Institut de Mathématiques de Bordeaux & INRIA Bordeaux Sud-Ouest Jean-Marc.Couveignes@u-bordeaux.fr École de printemps C2 Mars
Plus en détailReprésentation 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 détailProbabilités sur un univers fini
[http://mp.cpgedupuydelome.fr] édité le 7 août 204 Enoncés Probabilités sur un univers fini Evènements et langage ensembliste A quelle condition sur (a, b, c, d) ]0, [ 4 existe-t-il une probabilité P sur
Plus en détailChapitre 5. Équilibre concurrentiel et bien-être
Chapitre 5 Équilibre concurrentiel et bien-être Microéconomie III 5 1 5.1 Qu est-ce qu un équilibre souhaitable socialement? E cacité versus équité Que nous permet de dire la science économique sur l e
Plus en détailChapitre 5 : Flot maximal dans un graphe
Graphes et RO TELECOM Nancy A Chapitre 5 : Flot maximal dans un graphe J.-F. Scheid 1 Plan du chapitre I. Définitions 1 Graphe Graphe valué 3 Représentation d un graphe (matrice d incidence, matrice d
Plus en détailBaccalauréat S Antilles-Guyane 11 septembre 2014 Corrigé
Baccalauréat S ntilles-guyane 11 septembre 14 Corrigé EXERCICE 1 6 points Commun à tous les candidats Une entreprise de jouets en peluche souhaite commercialiser un nouveau produit et à cette fin, effectue
Plus en détailPRECISION - REJET DE PERTURBATIONS T.D. G.E.I.I.
PRECISION - REJET DE PERTURBATIONS T.D. G.E.I.I.. Donner les erreurs en position, en vitesse et en accélération d un système de transfert F BO = N(p) D(p) (transfert en boucle ouverte) bouclé par retour
Plus en détailLimites finies en un point
8 Limites finies en un point Pour ce chapitre, sauf précision contraire, I désigne une partie non vide de R et f une fonction définie sur I et à valeurs réelles ou complees. Là encore, les fonctions usuelles,
Plus en détailINITIATION 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 détailThéorie et Codage de l Information (IF01) exercices 2013-2014. Paul Honeine Université de technologie de Troyes France
Théorie et Codage de l Information (IF01) exercices 2013-2014 Paul Honeine Université de technologie de Troyes France TD-1 Rappels de calculs de probabilités Exercice 1. On dispose d un jeu de 52 cartes
Plus en détailCours 02 : Problème général de la programmation linéaire
Cours 02 : Problème général de la programmation linéaire Cours 02 : Problème général de la Programmation Linéaire. 5 . Introduction Un programme linéaire s'écrit sous la forme suivante. MinZ(ou maxw) =
Plus en détailChapitre 2 Le problème de l unicité des solutions
Université Joseph Fourier UE MAT 127 Mathématiques année 2011-2012 Chapitre 2 Le problème de l unicité des solutions Ce que nous verrons dans ce chapitre : un exemple d équation différentielle y = f(y)
Plus en détailMIS 102 Initiation à l Informatique
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
Plus en détailInitiation à la programmation en Python
I-Conventions Initiation à la programmation en Python Nom : Prénom : Une commande Python sera écrite en caractère gras. Exemples : print 'Bonjour' max=input("nombre maximum autorisé :") Le résultat de
Plus en détailASR1 TD7 : Un microprocesseur RISC 16 bits
{Â Ö Ñ º ØÖ Ý,È ØÖ ºÄÓ Ù,Æ ÓÐ ºÎ ÝÖ Ø¹ ÖÚ ÐÐÓÒ} Ò ¹ÐÝÓÒº Ö ØØÔ»»Ô Ö Óº Ò ¹ÐÝÓÒº Ö» Ö Ñ º ØÖ Ý»¼ Ö½» ASR1 TD7 : Un microprocesseur RISC 16 bits 13, 20 et 27 novembre 2006 Présentation générale On choisit
Plus en détailPour l épreuve d algèbre, les calculatrices sont interdites.
Les pages qui suivent comportent, à titre d exemples, les questions d algèbre depuis juillet 003 jusqu à juillet 015, avec leurs solutions. Pour l épreuve d algèbre, les calculatrices sont interdites.
Plus en détailCONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE. Cinquième épreuve d admissibilité STATISTIQUE. (durée : cinq heures)
CONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE Cinquième épreuve d admissibilité STATISTIQUE (durée : cinq heures) Une composition portant sur la statistique. SUJET Cette épreuve est composée d un
Plus en détailOptimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications
Optimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications A. Optimisation sans contrainte.... Généralités.... Condition nécessaire et condition suffisante
Plus en détailLa NP-complétude. Johanne Cohen. PRISM/CNRS, Versailles, France.
La NP-complétude Johanne Cohen PRISM/CNRS, Versailles, France. Références 1. Algorithm Design, Jon Kleinberg, Eva Tardos, Addison-Wesley, 2006. 2. Computers and Intractability : A Guide to the Theory of
Plus en détailAlgorithmique et structures de données I
Algorithmique et structures de données I Riadh Ben Messaoud Université 7 novembre à Carthage Faculté des Sciences Économiques et de Gestion de Nabeul 1ère année Licence Fondamentale IAG 1ère année Licence
Plus en détailFibonacci et les paquerettes
Fibonacci et les paquerettes JOLY Romain & RIVOAL Tanguy Introduction Quand on entend dire que l on peut trouver le nombre d or et la suite de Fibonacci dans les fleurs et les pommes de pin, on est au
Plus en détailImage d un intervalle par une fonction continue
DOCUMENT 27 Image d un intervalle par une fonction continue La continuité d une fonction en un point est une propriété locale : une fonction est continue en un point x 0 si et seulement si sa restriction
Plus en détailManuel d utilisation 26 juin 2011. 1 Tâche à effectuer : écrire un algorithme 2
éducalgo Manuel d utilisation 26 juin 2011 Table des matières 1 Tâche à effectuer : écrire un algorithme 2 2 Comment écrire un algorithme? 3 2.1 Avec quoi écrit-on? Avec les boutons d écriture........
Plus en détailDOCM 2013 http://docm.math.ca/ Solutions officielles. 1 2 10 + 1 2 9 + 1 2 8 = n 2 10.
A1 Trouvez l entier positif n qui satisfait l équation suivante: Solution 1 2 10 + 1 2 9 + 1 2 8 = n 2 10. En additionnant les termes du côté gauche de l équation en les mettant sur le même dénominateur
Plus en détailRaisonnement par récurrence Suites numériques
Chapitre 1 Raisonnement par récurrence Suites numériques Terminale S Ce que dit le programme : CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Raisonnement par récurrence. Limite finie ou infinie d une suite.
Plus en détailAlgorithmique et Programmation
École Supérieure d Ingénieurs de Poitiers Gea Algorithmique et Programmation Laurent Signac ii Algorithmique et programmation Gea Table des matières Avant Propos v Structures de données Notion de pointeur..............................................
Plus en détailAlgorithme. 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 détailProbabilités. Rappel : trois exemples. Exemple 2 : On dispose d un dé truqué. On sait que : p(1) = p(2) =1/6 ; p(3) = 1/3 p(4) = p(5) =1/12
Probabilités. I - Rappel : trois exemples. Exemple 1 : Dans une classe de 25 élèves, il y a 16 filles. Tous les élèves sont blonds ou bruns. Parmi les filles, 6 sont blondes. Parmi les garçons, 3 sont
Plus en détail# let rec concat l1 l2 = match l1 with [] -> l2 x::l 1 -> x::(concat l 1 l2);; val concat : a list -> a list -> a list = <fun>
94 Programmation en OCaml 5.4.8. Concaténation de deux listes Définissons maintenant la fonction concat qui met bout à bout deux listes. Ainsi, si l1 et l2 sont deux listes quelconques, concat l1 l2 constitue
Plus en détailINF 232: Langages et Automates. Travaux Dirigés. Université Joseph Fourier, Université Grenoble 1 Licence Sciences et Technologies
INF 232: Langages et Automates Travaux Dirigés Université Joseph Fourier, Université Grenoble 1 Licence Sciences et Technologies Année Académique 2013-2014 Année Académique 2013-2014 UNIVERSITÉ JOSEPH
Plus en détailArchitecture des Systèmes d Information Architecture des Systèmes d Information
Plan... Tableaux et tris I3 - Algorithmique et programmation 1 Rappels Nicol Delestre 2 Tableaux à n dimensions 3 Initiation aux tris Tableaux - v2.0.1 1 / 27 Tableaux - v2.0.1 2 / 27 Rappels : tableau
Plus en détailSuites numériques 4. 1 Autres recettes pour calculer les limites
Suites numériques 4 1 Autres recettes pour calculer les limites La propriété suivante permet de calculer certaines limites comme on verra dans les exemples qui suivent. Propriété 1. Si u n l et fx) est
Plus en détailOptimisation Discrète
Prof F Eisenbrand EPFL - DISOPT Optimisation Discrète Adrian Bock Semestre de printemps 2011 Série 7 7 avril 2011 Exercice 1 i Considérer le programme linéaire max{c T x : Ax b} avec c R n, A R m n et
Plus en détailProbabilités sur un univers fini
[http://mp.cpgedupuydelome.fr] édité le 10 août 2015 Enoncés 1 Proailités sur un univers fini Evènements et langage ensemliste A quelle condition sur (a,, c, d) ]0, 1[ 4 existe-t-il une proailité P sur
Plus en détailChaînes de Markov au lycée
Journées APMEP Metz Atelier P1-32 du dimanche 28 octobre 2012 Louis-Marie BONNEVAL Chaînes de Markov au lycée Andreï Markov (1856-1922) , série S Problème 1 Bonus et malus en assurance automobile Un contrat
Plus en détail* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable T : pour travailler et mémoriser le cours
Exo7 Continuité (étude globale). Diverses fonctions Exercices de Jean-Louis Rouget. Retrouver aussi cette fiche sur www.maths-france.fr * très facile ** facile *** difficulté moyenne **** difficile *****
Plus en détailContexte. Pour cela, elles doivent être très compliquées, c est-à-dire elles doivent être très différentes des fonctions simples,
Non-linéarité Contexte Pour permettre aux algorithmes de cryptographie d être sûrs, les fonctions booléennes qu ils utilisent ne doivent pas être inversées facilement. Pour cela, elles doivent être très
Plus en détailCours d analyse numérique SMI-S4
ours d analyse numérique SMI-S4 Introduction L objet de l analyse numérique est de concevoir et d étudier des méthodes de résolution de certains problèmes mathématiques, en général issus de problèmes réels,
Plus en détailÉquations non linéaires
Équations non linéaires Objectif : trouver les zéros de fonctions (ou systèmes) non linéaires, c-à-d les valeurs α R telles que f(α) = 0. y f(x) α 1 α 2 α 3 x Equations non lineaires p. 1/49 Exemples et
Plus en détailQuelques Algorithmes simples
Quelques Algorithmes simples Irène Guessarian ig@liafa.jussieu.fr 10 janvier 2012 Je remercie Patrick Cegielski de son aide efficace pour la programmation Java ; la section sur le codage de Huffman a été
Plus en détailLa persistance des nombres
regards logique & calcul La persistance des nombres Quand on multiplie les chiffres d un nombre entier, on trouve un autre nombre entier, et l on peut recommencer. Combien de fois? Onze fois au plus...
Plus en détail1 Définition et premières propriétés des congruences
Université Paris 13, Institut Galilée Département de Mathématiques Licence 2ème année Informatique 2013-2014 Cours de Mathématiques pour l Informatique Des nombres aux structures Sylviane R. Schwer Leçon
Plus en détailAlgorithmique I. Augustin.Lux@imag.fr Roger.Mohr@imag.fr Maud.Marchal@imag.fr. Algorithmique I 20-09-06 p.1/??
Algorithmique I Augustin.Lux@imag.fr Roger.Mohr@imag.fr Maud.Marchal@imag.fr Télécom 2006/07 Algorithmique I 20-09-06 p.1/?? Organisation en Algorithmique 2 séances par semaine pendant 8 semaines. Enseignement
Plus en détailCompter à Babylone. L écriture des nombres
Compter à Babylone d après l article de Christine Proust «Le calcul sexagésimal en Mésopotamie : enseignement dans les écoles de scribes» disponible sur http://www.dma.ens.fr/culturemath/ Les mathématiciens
Plus en détailAlgorithmes de recherche
Algorithmes de recherche 1 Résolution de problèmes par recherche On représente un problème par un espace d'états (arbre/graphe). Chaque état est une conguration possible du problème. Résoudre le problème
Plus en détailSur certaines séries entières particulières
ACTA ARITHMETICA XCII. 2) Sur certaines séries entières particulières par Hubert Delange Orsay). Introduction. Dans un exposé à la Conférence Internationale de Théorie des Nombres organisée à Zakopane
Plus en détailComparaison de fonctions Développements limités. Chapitre 10
PCSI - 4/5 www.ericreynaud.fr Chapitre Points importants 3 Questions de cours 6 Eercices corrigés Plan du cours 4 Eercices types 7 Devoir maison 5 Eercices Chap Et s il ne fallait retenir que si points?
Plus en détailExercices - Fonctions de plusieurs variables : corrigé. Pour commencer
Pour commencer Exercice 1 - Ensembles de définition - Première année - 1. Le logarithme est défini si x + y > 0. On trouve donc le demi-plan supérieur délimité par la droite d équation x + y = 0.. 1 xy
Plus en détailDéfinitions. Numéro à préciser. (Durée : )
Numéro à préciser (Durée : ) On étudie dans ce problème l ordre lexicographique pour les mots sur un alphabet fini et plusieurs constructions des cycles de De Bruijn. Les trois parties sont largement indépendantes.
Plus en détailPROBLEMES D'ORDONNANCEMENT AVEC RESSOURCES
Leçon 11 PROBLEMES D'ORDONNANCEMENT AVEC RESSOURCES Dans cette leçon, nous retrouvons le problème d ordonnancement déjà vu mais en ajoutant la prise en compte de contraintes portant sur les ressources.
Plus en détailArithmétique binaire. Chapitre. 5.1 Notions. 5.1.1 Bit. 5.1.2 Mot
Chapitre 5 Arithmétique binaire L es codes sont manipulés au quotidien sans qu on s en rende compte, et leur compréhension est quasi instinctive. Le seul fait de lire fait appel au codage alphabétique,
Plus en détailThéorie 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 détailLogique. Plan du chapitre
Logique Ce chapitre est assez abstrait en première lecture, mais est (avec le chapitre suivant «Ensembles») probablement le plus important de l année car il est à la base de tous les raisonnements usuels
Plus en détailCryptographie et fonctions à sens unique
Cryptographie et fonctions à sens unique Pierre Rouchon Centre Automatique et Systèmes Mines ParisTech pierre.rouchon@mines-paristech.fr Octobre 2012 P.Rouchon (Mines ParisTech) Cryptographie et fonctions
Plus en détailChapitre VI - Méthodes de factorisation
Université Pierre et Marie Curie Cours de cryptographie MM067-2012/13 Alain Kraus Chapitre VI - Méthodes de factorisation Le problème de la factorisation des grands entiers est a priori très difficile.
Plus en détailPolynômes à plusieurs variables. Résultant
Polynômes à plusieurs variables. Résultant Christophe Ritzenthaler 1 Relations coefficients-racines. Polynômes symétriques Issu de [MS] et de [Goz]. Soit A un anneau intègre. Définition 1.1. Soit a A \
Plus en détailCours d algorithmique pour la classe de 2nde
Cours d algorithmique pour la classe de 2nde F.Gaudon 10 août 2009 Table des matières 1 Avant la programmation 2 1.1 Qu est ce qu un algorithme?................................. 2 1.2 Qu est ce qu un langage
Plus en détailChapitre 6. Fonction réelle d une variable réelle
Chapitre 6 Fonction réelle d une variable réelle 6. Généralités et plan d étude Une application de I dans R est une correspondance entre les éléments de I et ceu de R telle que tout élément de I admette
Plus en détailLe théorème de Perron-Frobenius, les chaines de Markov et un célèbre moteur de recherche
Le théorème de Perron-Frobenius, les chaines de Markov et un célèbre moteur de recherche Bachir Bekka Février 2007 Le théorème de Perron-Frobenius a d importantes applications en probabilités (chaines
Plus en détailLicence ST Université Claude Bernard Lyon I LIF1 : Algorithmique et Programmation C Bases du langage C 1 Conclusion de la dernière fois Introduction de l algorithmique générale pour permettre de traiter
Plus en détailDate : 18.11.2013 Tangram en carré page
Date : 18.11.2013 Tangram en carré page Titre : Tangram en carré Numéro de la dernière page : 14 Degrés : 1 e 4 e du Collège Durée : 90 minutes Résumé : Le jeu de Tangram (appelé en chinois les sept planches
Plus en détailIntroduction à l étude des Corps Finis
Introduction à l étude des Corps Finis Robert Rolland (Résumé) 1 Introduction La structure de corps fini intervient dans divers domaines des mathématiques, en particulier dans la théorie de Galois sur
Plus en détailQu est-ce qu une probabilité?
Chapitre 1 Qu est-ce qu une probabilité? 1 Modéliser une expérience dont on ne peut prédire le résultat 1.1 Ensemble fondamental d une expérience aléatoire Une expérience aléatoire est une expérience dont
Plus en détailGrandes lignes ASTRÉE. Logiciels critiques. Outils de certification classiques. Inspection manuelle. Definition. Test
Grandes lignes Analyseur Statique de logiciels Temps RÉel Embarqués École Polytechnique École Normale Supérieure Mercredi 18 juillet 2005 1 Présentation d 2 Cadre théorique de l interprétation abstraite
Plus en détailOrganigramme / Algorigramme Dossier élève 1 SI
Organigramme / Algorigramme Dossier élève 1 SI CI 10, I11 ; CI 11, I10 C24 Algorithmique 8 février 2009 (13:47) 1. Introduction Un organigramme (ou algorigramme, lorsqu il est plus particulièrement appliqué
Plus en détailintroduction Chapitre 5 Récursivité Exemples mathématiques Fonction factorielle ø est un arbre (vide) Images récursives
introduction Chapitre 5 Images récursives http ://univ-tln.fr/~papini/sources/flocon.htm Récursivité http://www.poulain.org/fractales/index.html Image qui se contient elle-même 1 Exemples mathématiques
Plus en détailAnne Tasso. Java. Le livre de. premier langage. 10 e édition. Avec 109 exercices corrigés. Groupe Eyrolles, 2000-2015, ISBN : 978-2-212-14154-2
Anne Tasso Java Le livre de premier langage 10 e édition Avec 109 exercices corrigés Groupe Eyrolles, 2000-2015, ISBN : 978-2-212-14154-2 Table des matières Avant-propos Organisation de l ouvrage..............................
Plus en détailCalculateur quantique: factorisation des entiers
Calculateur quantique: factorisation des entiers Plan Introduction Difficulté de la factorisation des entiers Cryptographie et la factorisation Exemple RSA L'informatique quantique L'algorithme quantique
Plus en détailCours 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 détailFonctions de plusieurs variables
Module : Analyse 03 Chapitre 00 : Fonctions de plusieurs variables Généralités et Rappels des notions topologiques dans : Qu est- ce que?: Mathématiquement, n étant un entier non nul, on définit comme
Plus en détailGroupe symétrique. Chapitre II. 1 Définitions et généralités
Chapitre II Groupe symétrique 1 Définitions et généralités Définition. Soient n et X l ensemble 1,..., n. On appelle permutation de X toute application bijective f : X X. On note S n l ensemble des permutations
Plus en détailTexte Agrégation limitée par diffusion interne
Page n 1. Texte Agrégation limitée par diffusion interne 1 Le phénomène observé Un fût de déchets radioactifs est enterré secrètement dans le Cantal. Au bout de quelques années, il devient poreux et laisse
Plus en détailCarl-Louis-Ferdinand von Lindemann (1852-1939)
Par Boris Gourévitch "L'univers de Pi" http://go.to/pi314 sai1042@ensai.fr Alors ça, c'est fort... Tranches de vie Autour de Carl-Louis-Ferdinand von Lindemann (1852-1939) est transcendant!!! Carl Louis
Plus en détailNouvelles propositions pour la résolution exacte du sac à dos multi-objectif unidimensionnel en variables binaires
Nouvelles propositions pour la résolution exacte du sac à dos multi-objectif unidimensionnel en variables binaires Julien Jorge julien.jorge@univ-nantes.fr Laboratoire d Informatique de Nantes Atlantique,
Plus en détailUniversité Paris-Dauphine DUMI2E 1ère année, 2009-2010. Applications
Université Paris-Dauphine DUMI2E 1ère année, 2009-2010 Applications 1 Introduction Une fonction f (plus précisément, une fonction réelle d une variable réelle) est une règle qui associe à tout réel x au
Plus en détail