L induction mathématique

Dimension: px
Commencer à balayer dès la page:

Download "L induction mathématique"

Transcription

1 L induction mathématique François Lemieux L induction mathématique est une technique de preuve essentielle pour vérifier non seulement certaines équations mathématiques mais aussi pour démontrer l exactitude de programmes informatiques ainsi que certaines propriétés des structures de données. Dans ces notes nous allons définir ce qu est l induction mathématique et donner plusieurs applications en mathématique discrète et en informatique. 1 Quelques rappels en logique Nous appellerons assertion, un énoncé dont on peut dire sans ambiguïté s il est vrai ou faux. Il existe des énoncés qui ne sont pas des assertions. Par exemple l énoncé: Cet énoncé est faux est un paradoxe qui ne peut être ni vrai ni faux. Nous ne considérerons pas d avantage ce type d énoncé. Exemple 1 L assertion: est vraie. Exemple 2 L assertion: = , 331, 3331, 33331, , et sont des nombres premiers est vraie. Exemple 3 L assertion: est fausse. Exemple 4 L assertion: est vraie est un nombre premier La profondeur minimale d un arbre binaire de 4 noeuds est 2 1

2 Afin de rendre la notation plus concise et plus générale, chaque assertion peut être représentée par un symbole. Par exemple, les assertions des quatre exemples précédents pourraient être représentées par les symboles A, B, C et D, respectivement. On dirait alors que A, B et D sont vrais mais que C est faux. Si A et B sont deux assertions alors on peut utiliser les connecteurs logiques ET, OU, NON, et afin de créer de nouvelles assertions: A B (ET logique): cette assertion est vraie si et seulement si A et B sont tous les deux vrais. A B (OU logique): cette assertion est fausse si et seulement si A et B sont tous les deux faux. A (négation): cette assertion est vraie si et seulement si A est faux. A B (implication): Si A est vrai alors cette assertion est vrai si et seulement si B est vrai; si A est faux alors cette assertion est toujours vraie. En d autres mots, A B est équivalent à A B. Remarque. Il peut sembler étrange que A B soit toujours vrai lorsque A est faux. Cela est cependant justifié par l usage que nous allons en faire. Par exemple, considérez un ensemble U et deux sous-ensembles S U et T U. Par définition, S est un sous-ensemble de T si pour tout élément x U on a: x S x T Remarquez que l implication doit être vrai quelque soit x U et en particulier lorsque x S. Exemple 5 Soit G un graphe non dirigé. Consédérons les assertions A, B, C et D suivantes: A: G est un graphe sans cycle. B: G est un graphe connexe. C: G possède 5 noeuds. D: G possède 4 arêtes. Alors, on peut définir les assertions suivantes: A B C: cette assertion est vraie si et seulement si G est un graphe connexe et sans cycle qui possède 5 noeuds. (A B C) D: Cette assertion est vraie puisqu il est connu que tout graphe connexe et sans cycle qui possède n noeuds possède exactement n 1 arêtes. (A C) D: Cette assertion est fausse puisqu il existe des graphes de 5 noeuds sans cycle qui ont moins de 4 arêtes. 2

3 Exemple 6 Soit S N un ensemble de nombres entiers. Considérons les deux assertions suivantes: A: Tous les sous-ensembles de 2 éléments de S ne contiennent que des nombres pairs. B: Tous les sous-ensembles de 3 éléments de S ne contiennent que des nombres pairs. On veut démontrer que A B est vrai quel que soit l ensemble S. Bien sur, il y a deux possibilités: A est vrai ou A est faux. Si A est faux alors A B est nécessairement vrai par définition de l opérateur d implication. Il reste donc à montrer que si A est vrai alors B est aussi vrai. Supposons donc que A est vrai et soit T = {x, y, z}, un sous-ensemble de S. On peut exprimer T sous la forme: T = {x, y} {y, z}. Si A est vrai alors {x, y} ne contient que des nombres pairs et il en est de même pour {y, z}. Donc tous les entiers dans T sont pairs. On conclu que si A est vrai alors B est vrai. L exemple précédent indique que le fait qu une assertion A B soit vraie ne donne aucune information sur la véracité ou la fausseté de A et de B. Par exemple, la démonstration demeure valable si S = {1, 3, 5, 7,...} ou si S = {2, 4, 6, 8,...}. Par contre si A B est vrai et que A est vrai alors nous sommes certain que B est vrai. Cet argument a pour nom Modus Ponens. Il est si fréquent et si important pour notre propos que nous l écrivons sous forme de règle formelle: Règle du Modus Ponens: Soit A et B deux assertions. Si on sait que: 1. A est vrai et 2. (A B) est vrai alors on peut conclure que B est vrai. 2 Les prédicats Dans l exemple précédent, les assertions A et B sont presque identiques. Elles ne diffèrent que par le nombre d éléments dans l ensemble. Nous pourrions aussi vouloir définir des assertions similaires pour les ensembles de 4 éléments et plus. Dans une telle situation, il est utile d associer un paramètre n 0 à une assertion comme dans la définition suivante: P(n): Tous les sous-ensembles de n éléments de S ne contiennent que des nombres pairs. On a alors: A = P (2) et B = P (3). 3

4 Exemple 7 Soit n 0 un entier. Consédérons les assertions A(n), B(n) et C(n) suivantes: A(n): n = 2 B(n): n est pair C(n): n est premier Alors, on peut définir les assertions suivantes: B(n) C(n): cette assertion est vraie si et seulement si n est un nombre premier et pair. (B(n) C(n)) A(n): Cette assertion est toujours vraie car si n est à la fois premier et pair alors n doit valoir 2. Exemple 8 Considérons la fonction C suivante: int max(int Tab[], int n){ int a,b; if (n==1) return T[0]; a=t[n-1]; b=max(t, n-1); if (a>b) return a; else return b; } Pour tout n 1 on défini l assertion P (n) suivante: P(n): max(t,n) retourne le maximum des n premiers éléments de T. On montre que P (n 1) P (n) est vrai de la façon suivante. Si P (n 1) est vrai alors l appel recursif max(t, n-1) retourne le maximum des n 1 premiers éléments de T. La fonction retourne le maximum entre cette valeur et T [n 1]. La valeur retournée est donc le maximum des n premiers éléments du tableau. Ce qui montre que P (n) est vrai. Si une assertion P (n) est définie pour tout n 0 alors P peut être vu comme une fonction associant à chaque nombre naturel la valeur vrai ou faux. Une telle fonction est appelée prédicat. Définition 1 Un prédicat est une fonction dont la valeur est vrai (V) ou faux (F). Nous nous intéressons principalement aux prédicats sur les entiers, c està-dire aux fonctions de la forme: P : N {V, F } 4

5 Exemple 9 Soit P 1 : N {V, F } le prédicat défini par: { V si n est un nombre premier P 1 (n) = F sinon Ce prédicat est parfois vrai, parfois faux selon la valeur de n. Exemple 10 Soit P 2 : N {V, F } le prédicat défini par: { n V si P 2 (n) = 2i = 2 n+1 1 F sinon On peut démontrer que ce P 2 (n) est vrai pour tout n 0. Exemple 11 Pour tout n 1 définissons G(n) comme l ensemble de tous les graphes de n noeuds qui sont à la fois connexes et acycliques. Soit P 3 : N {V, F } le prédicat défini par: { V si tous les graphes dans G(n) possèdent n 1 arêtes P 3 (n) = F sinon On peut démontrer que P 3 (n) est vrai pour tout n 1. Exemple 12 Considérons la fonction C suivante: int fib3(int n){ int i = 1, j = 0, k = 0, h = 1, t; while (n>0){ if (n%2){ t = j*h; j = i*h + j*k + t; i = i*k + t; } t = h*h; h = 2*k*h + t; k = k*k + t; n = n/2; } return j; } 5

6 Soit P 4 : N {V, F } le prédicat défini par: { V si fib3(n) retourne le n-ième nombre de Fibonacci P 4 (n) = F sinon On peut démontrer que P 4 (n) est vrai pour tout n 0. Exemple 13 Considérons la fonction C suivante: int troisn (int n){ if (n==1) return 1; if (n%2) return troisn(n/2); return troisn(3*n+1); } Soit P 5 : N {V, F } le prédicat défini par: { V si troisn(n) s arrête éventuellement P 5 (n) = F si troisn(n) boucle à l infini Dans l état actuel de nos connaissances, on ne connait aucune valeur n 0 pour laquelle P 5 (n 0 ) est faux. Par ailleurs, on ne connait aucune preuve démontrant qu un tel n 0 existe. Exemple 14 Considérons la fonction C suivante: int fib1 (int n){ if (n<2) return n; return fib1(n-1)+fib1(n-2); } Soit T (n) le temps d exécution de fib1(n). On a: { a si n < 2 T (n) = T (n 1) + T (n 2) + b si n 2 où a et b sont deux constante positives. Soit c = max {a, b} et soit P 6 : N {V, F } le prédicat défini par: { V si T (n) c(φ P 6 (n) = n 1) F sinon où φ = On peut démontrer que P 6 (n) est vrai pour tout n 1. 6

7 3 L induction mathématique L exemple 10 de la section précédente présentait un précicat: P : N {V, F } tels que P (n) est toujours vrai lorsque n est plus grand ou égal à 0. Cela signifie que toutes les assertions: sont vraies. P (0), P (1), P (2), P (3), P (4),... Mais comment peut-on prouver qu une infinité d assertions sont vraies? Nous allons développer une startégie où la règle du Modus Ponens jouera un rôle crucial. Première stratégie: 1. On commence par prouver que P (1) est vrai. 2. On montre ensuite que P (1) P (2) est vrai. 3. Si l on réussi les deux premières étapes, la règle du modus ponens nous dit que P (2) est vrai. 4. On montre ensuite que P (2) P (3) est vrai. 5. Si l on réussi les quatre premières étapes, la règle du modus ponens nous dit que P (3) est vrai. 6. On montre ensuite que P (3) P (4) est vrai. 7. Si l on réussi les six premières étapes, la règle du modus ponens nous dit que P (4) est vrai. 8. On poursuit de cette façon. Exemple 15 Considérons le prédicat P : N {0, 1} défini par: P(n): n 2 i = 2 n+1 1 Utilisons notre stratégie pour montrer que P (2) est vrai. 7

8 1. P (0) est vrai car 0 2i = 1 = Montrons ensuite que P (0) P (1) est vrai. On a: 1 2 i = Si on suppose que P (0) est vrai alors on a: 0 2 i = Substituant la dernière équation dans la précédente on obtient: 2 i 1 2 i = 2 + (2 1 1) = Ce qui montre que P (0) P (1) est vrai. 3. Puisque l on a montré que P (0) est vrai et que P (0) P (1) est vrai alors la règle du modus ponens nous dit que P (1) est vrai. 4. Montrons ensuite que P (1) P (2) est vrai. On a: 2 2 i = Si on suppose que P (1) est vrai alors on a: 1 2 i = Substituant la dernière équation dans la précédente on obtient: 2 i 2 2 i = (2 2 1) = Ce qui montre que P (1) P (2) est vrai. 5. Puisque l on a montré que P (1) est vrai et que P (1) P (2) est vrai alors la règle du modus ponens nous dit que P (2) est vrai. Bien sur, cette façon de procéder est correcte mais elle possède un défaut majeur: Le nombre d étapes nécessaires pour prouver P (n) augmente avec n. Il faut une étape pour montrer P (0), deux de plus pour prouver P (1), deux autres 8

9 pour prouver P (2), et ainsi de suite. Cela signifie qu il faudrait une infinité d étapes pour montrer que P (n) est vrai pour tout n 0. Dans l exemple précédent, on remarque que les étapes 2 et 4 sont presque identiques: seules les constantes sont différentes. Il en est de même avec les étapes 3 et 5. Cela suggère d utiliser une variable n et de démontrer que P (n 1) P (n) est vrai sans substituer n par une constante. Exemple 16 Montrons que P (n 1) P (n) est vrai. On a: n n 1 2 i = 2 n + Si on suppose que P (n 1) est vrai alors on a: n 1 2 i = 2 n 1 Substituant la dernière équation dans la précédente on obtient: 2 i n 2 i = 2 n + (2 n 1) = 2 n+1 1 Ce qui montre que P (n 1) P (n) est vrai. Une fois que l on a montré que P (n 1) P (n) est vrai alors on peut substituer n par n importe quelle valeur plus grande que 0 et l assertion demeure vrai. On a donc: 1. P (0) P (1) est vrai. 2. P (1) P (2) est vrai. 3. P (2) P (3) est vrai. 4. P (3) P (4) est vrai. 5. etc. Notons que cela ne donne aucune indication sur la véracité ou la fausseté de P (0), P (1), P (2),.... Pour s en convaincre, on observe que si on remplace P par le prédicat P défini de la façon suivante: P (n): n 2i = 2 n alors on prouvera de la même manière que dans l exemple précédent que P (n 1) P (n) est vrai. Par contre, si l on réussi à montrer que P (0) est vrai alors on aura: 9

10 1. Puisque P (0) est vrai et P (0) P (1) est vrai donc P (1) est vrai par la règle du modus ponens. 2. Puisque P (1) est vrai et P (1) P (2) est vrai donc P (2) est vrai par la règle du modus ponens. 3. Puisque P (2) est vrai et P (2) P (3) est vrai donc P (3) est vrai par la règle du modus ponens. 4. etc. La discussion précédente nous conduit à la formulation de notre seconde stratégie qui est l induction mathématique. Principe de l induction mathématique: Soit P : N {V, F } un prédicat et k 0 une constante. Si les deux conditions suivantes sont vérifiées: 1. P (k) est vrai 2. Pour tout n > k, P (n 1) P (n) est vrai alors P (m) est vrai pour tout m k. Exemple 17 Considérons à nouveau l exemple 8. On veut montrer par induction mathématique que P (n) est vrai pour tout n 1. Base: On vérifie facilement que P (1) est vrai puisque si un tableau ne contient qu un seul élément alors celui-ci est nécessairement le maximum et c est cet élément qui est retourné par la fonction. Hypothèse d induction: Soit n > 1. Supposons que P (n 1) est vrai. Pas d induction: Nous devons montrer que si l hypothèse d induction est vrai alors P (n) est aussi vrai. En d autres termes nous devons montrer que P (n 1) P (n) est vrai et cela a été fait dans l exemple 8. Conclusion: Puisque P (1) est vrai et puisque P (n 1) P (n) est vrai pour tout n > 1 alors, par le principe de l induction mathématique, P (n) est vrai pour tout n 1. 10

11 Exemple 18 Soit P : (N) {V, F, } le précicat défini par: P (n) = V si et seulement si tous les arbres binaires de profondeur au plus n ont au plus 2 n feuilles. On veut montrer par induction mathématique que P (n) est vrai pour tout n 0. Base: P (0) est vrai car un arbre binaire de profondeur 0 ne peut posséder qu un seul noeud. Hypothèse d induction: Soit n 0 et supposons que P (n) est vrai. Pas d induction: Nous devons montrer que P(n+1) est vrai. Soit T, un arbre binaire de profondeur n + 1. Par définition, T possède au plus deux sous-arbres et ceux-ci ont une profondeur d au plus n. Par hypothèse d induction chaque sous arbre possède au plus 2 n feuilles. L arbre T possède donc au plus 2 2 n = 2 n+1 feuilles, ce qui montre que P (n + 1) est vrai. Conclusion: Par le principe de l induction généralisée, nous avons que P (n) est vrai pour tout n 1. Dans certain cas l induction mathématique simple que nous venons de voir n est pas suffisante et nous devons utiliser une version plus puissante: Principe de l induction mathématique généralisée: Soit P : N {V, F } un prédicat et k 0 une constante. Si les deux conditions suivantes sont vérifiées: 1. P (k) est vrai 2. Pour tout n > k, P (k) P (k + 1) P (n 1) P (n) est vrai alors P (m) est vrai pour tout m k. 11

12 Exemple 19 Soit P : (N) {V, F, } le précicat défini par: P (n) = V si et seulement si tous les arbres binaires de n noeuds ont une profondeur d au moins log 2 n. On veut montrer par induction mathématique généralisée que P (n) est vrai pour tout n 1. Base: P (1) est vrai car s il n y a qu un seul noeud alors la profondeur est 0. Hypothèse d induction: Soit n > 1. Supposons que P (1),..., P (n 1) soient vrais. Pas d induction: Nous devons montrer que P (n) est vrai. Soit T, un arbre contenant n noeuds. Puisque n > 1 alors T possède un sous-arbre dont la taille est au moins (n 1)/2 noeuds. Par hypothèse d induction, la profondeur de S est au moins: log 2 (n 1)/2. Par le Lemme 1 on a : log 2 (n 1)/2 = log 2 n 1 La profondeur de T est donc au moins log 2 n ce qui montre que P (n) est vrai. Conclusion: Par le principe de l induction généralisée, nous avons que P (n) est vrai pour tout n 1. Lemme 1 log 2 (n 1)/2 = log 2 n 1 Preuve. Nous allons distinguer les cas où n est pair et impair. Si n est pair alors (n 1)/2 = n/2. On a donc log 2 (n 1)/2 = log 2 n/2 = log 2 n 1 = log 2 n 1 Si n est impair alors log 2 (n 1) = log 2 n. On a donc log 2 (n 1)/2 = log 2 (n 1)/2 = log 2 (n 1) 1 = log 2 (n 1) 1 = log 2 n 1 12

Probabilités sur un univers fini

Probabilités 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 détail

Les arbres binaires de recherche

Les arbres binaires de recherche Institut Galilée Année 2010-2011 Algorithmique et arbres L2 TD 6 Les arbres binaires de recherche Type en C des arbres binaires (également utilisé pour les ABR) : typedef struct noeud_s { struct noeud_s

Plus en détail

IN 102 - Cours 1. 1 Informatique, calculateurs. 2 Un premier programme en C

IN 102 - Cours 1. 1 Informatique, calculateurs. 2 Un premier programme en C IN 102 - Cours 1 Qu on le veuille ou non, les systèmes informatisés sont désormais omniprésents. Même si ne vous destinez pas à l informatique, vous avez de très grandes chances d y être confrontés en

Plus en détail

6. Les différents types de démonstrations

6. Les différents types de démonstrations LES DIFFÉRENTS TYPES DE DÉMONSTRATIONS 33 6. Les différents types de démonstrations 6.1. Un peu de logique En mathématiques, une démonstration est un raisonnement qui permet, à partir de certains axiomes,

Plus en détail

Resolution limit in community detection

Resolution limit in community detection Introduction Plan 2006 Introduction Plan Introduction Introduction Plan Introduction Point de départ : un graphe et des sous-graphes. But : quantifier le fait que les sous-graphes choisis sont des modules.

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

Chapitre 2. Eléments pour comprendre un énoncé

Chapitre 2. Eléments pour comprendre un énoncé Chapitre 2 Eléments pour comprendre un énoncé Ce chapitre est consacré à la compréhension d un énoncé. Pour démontrer un énoncé donné, il faut se reporter au chapitre suivant. Les tables de vérité données

Plus en détail

INF 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 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 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

Algorithmique et Programmation, IMA

Algorithmique et Programmation, IMA Algorithmique et Programmation, IMA Cours 2 : C Premier Niveau / Algorithmique Université Lille 1 - Polytech Lille Notations, identificateurs Variables et Types de base Expressions Constantes Instructions

Plus en détail

Suites numériques 3. 1 Convergence et limite d une suite

Suites numériques 3. 1 Convergence et limite d une suite Suites numériques 3 1 Convergence et limite d une suite Nous savons que les termes de certaines suites s approchent de plus en plus d une certaine valeur quand n augmente : par exemple, les nombres u n

Plus en détail

Logique. Plan du chapitre

Logique. 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 détail

Calcul matriciel. Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes.

Calcul 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 détail

Exo7. Limites de fonctions. 1 Théorie. 2 Calculs

Exo7. Limites de fonctions. 1 Théorie. 2 Calculs Eo7 Limites de fonctions Théorie Eercice Montrer que toute fonction périodique et non constante n admet pas de ite en + Montrer que toute fonction croissante et majorée admet une ite finie en + Indication

Plus en détail

Exo7. Calculs de déterminants. Fiche corrigée par Arnaud Bodin. Exercice 1 Calculer les déterminants des matrices suivantes : Exercice 2.

Exo7. Calculs de déterminants. Fiche corrigée par Arnaud Bodin. Exercice 1 Calculer les déterminants des matrices suivantes : Exercice 2. Eo7 Calculs de déterminants Fiche corrigée par Arnaud Bodin Eercice Calculer les déterminants des matrices suivantes : Correction Vidéo ( ) 0 6 7 3 4 5 8 4 5 6 0 3 4 5 5 6 7 0 3 5 4 3 0 3 0 0 3 0 0 0 3

Plus en détail

Initiation à la programmation en Python

Initiation 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 détail

MIS 102 Initiation à l Informatique

MIS 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 détail

1. Structure d'un programme FORTRAN 95

1. Structure d'un programme FORTRAN 95 FORTRAN se caractérise par la nécessité de compiler les scripts, c'est à dire transformer du texte en binaire.(transforme un fichier de texte en.f95 en un executable (non lisible par un éditeur) en.exe.)

Plus en détail

Image d un intervalle par une fonction continue

Image 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 détail

Recherche dans un tableau

Recherche dans un tableau Chapitre 3 Recherche dans un tableau 3.1 Introduction 3.1.1 Tranche On appelle tranche de tableau, la donnée d'un tableau t et de deux indices a et b. On note cette tranche t.(a..b). Exemple 3.1 : 3 6

Plus en détail

Chapitre 7. Récurrences

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 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

Probabilités sur un univers fini

Probabilités 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 détail

Eteindre. les. lumières MATH EN JEAN 2013-2014. Mme BACHOC. Elèves de seconde, première et terminale scientifiques :

Eteindre. les. lumières MATH EN JEAN 2013-2014. Mme BACHOC. Elèves de seconde, première et terminale scientifiques : MTH EN JEN 2013-2014 Elèves de seconde, première et terminale scientifiques : Lycée Michel Montaigne : HERITEL ôme T S POLLOZE Hélène 1 S SOK Sophie 1 S Eteindre Lycée Sud Médoc : ROSIO Gauthier 2 nd PELGE

Plus en détail

Exclusion Mutuelle. Arnaud Labourel Courriel : arnaud.labourel@lif.univ-mrs.fr. Université de Provence. 9 février 2011

Exclusion Mutuelle. Arnaud Labourel Courriel : arnaud.labourel@lif.univ-mrs.fr. Université de Provence. 9 février 2011 Arnaud Labourel Courriel : arnaud.labourel@lif.univ-mrs.fr Université de Provence 9 février 2011 Arnaud Labourel (Université de Provence) Exclusion Mutuelle 9 février 2011 1 / 53 Contexte Epistémologique

Plus en détail

Chapitre 2 Le problème de l unicité des solutions

Chapitre 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 détail

Travaux pratiques. Compression en codage de Huffman. 1.3. Organisation d un projet de programmation

Travaux pratiques. Compression en codage de Huffman. 1.3. Organisation d un projet de programmation Université de Savoie Module ETRS711 Travaux pratiques Compression en codage de Huffman 1. Organisation du projet 1.1. Objectifs Le but de ce projet est d'écrire un programme permettant de compresser des

Plus en détail

Calcul Formel et Numérique, Partie I

Calcul Formel et Numérique, Partie I Calcul Formel et Numérique N.Vandenberghe nvdb@irphe.univ-mrs.fr Table des matières 1 Introduction à Matlab 2 1.1 Quelques généralités.......................... 2 2 Où trouver des informations 2 3 Opérations

Plus en détail

Programme Compte bancaire (code)

Programme Compte bancaire (code) using System; using System.Collections.Generic; using System.Linq; using System.Text; using System.Threading.Tasks; Programme Compte bancaire (code) namespace compte_bancaire /// Classe Program public

Plus en détail

Grandes lignes ASTRÉE. Logiciels critiques. Outils de certification classiques. Inspection manuelle. Definition. Test

Grandes 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 détail

TD3: tableaux avancées, première classe et chaînes

TD3: tableaux avancées, première classe et chaînes TD3: tableaux avancées, première classe et chaînes de caractères 1 Lestableaux 1.1 Élémentsthéoriques Déclaration des tableaux Pour la déclaration des tableaux, deux notations sont possibles. La première

Plus en détail

Chapitre 3. Quelques fonctions usuelles. 1 Fonctions logarithme et exponentielle. 1.1 La fonction logarithme

Chapitre 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 détail

LES GENERATEURS DE NOMBRES ALEATOIRES

LES GENERATEURS DE NOMBRES ALEATOIRES LES GENERATEURS DE NOMBRES ALEATOIRES 1 Ce travail a deux objectifs : ====================================================================== 1. Comprendre ce que font les générateurs de nombres aléatoires

Plus en détail

Cours de Systèmes d Exploitation

Cours de Systèmes d Exploitation Licence d informatique Synchronisation et Communication inter-processus Hafid Bourzoufi Université de Valenciennes - ISTV Introduction Les processus concurrents s exécutant dans le système d exploitation

Plus en détail

Définition 0,752 = 0,7 + 0,05 + 0,002 SYSTÈMES DE NUMÉRATION POSITIONNELS = 7 10 1 + 5 10 2 + 2 10 3

Définition 0,752 = 0,7 + 0,05 + 0,002 SYSTÈMES DE NUMÉRATION POSITIONNELS = 7 10 1 + 5 10 2 + 2 10 3 8 Systèmes de numération INTRODUCTION SYSTÈMES DE NUMÉRATION POSITIONNELS Dans un système positionnel, le nombre de symboles est fixe On représente par un symbole chaque chiffre inférieur à la base, incluant

Plus en détail

Cours d initiation à la programmation en C++ Johann Cuenin

Cours d initiation à la programmation en C++ Johann Cuenin Cours d initiation à la programmation en C++ Johann Cuenin 11 octobre 2014 2 Table des matières 1 Introduction 5 2 Bases de la programmation en C++ 7 3 Les types composés 9 3.1 Les tableaux.............................

Plus en détail

MISE A NIVEAU INFORMATIQUE LANGAGE C - EXEMPLES DE PROGRAMMES. Université Paris Dauphine IUP Génie Mathématique et Informatique 2 ème année

MISE A NIVEAU INFORMATIQUE LANGAGE C - EXEMPLES DE PROGRAMMES. Université Paris Dauphine IUP Génie Mathématique et Informatique 2 ème année 2003-2004 Université Paris Dauphine IUP Génie Mathématique et Informatique 2 ème année MISE A NIVEAU INFORMATIQUE LANGAGE C - EXEMPLES DE PROGRAMMES Maude Manouvrier La reproduction de ce document par

Plus en détail

Probabilités. 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. 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

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

Quatrième partie IV. Test. Test 15 février 2008 1 / 71

Quatrième partie IV. Test. Test 15 février 2008 1 / 71 Quatrième partie IV Test Test 15 février 2008 1 / 71 Outline Introduction 1 Introduction 2 Analyse statique 3 Test dynamique Test fonctionnel et structurel Test structurel Test fonctionnel 4 Conclusion

Plus en détail

LES TYPES DE DONNÉES DU LANGAGE PASCAL

LES TYPES DE DONNÉES DU LANGAGE PASCAL LES TYPES DE DONNÉES DU LANGAGE PASCAL 75 LES TYPES DE DONNÉES DU LANGAGE PASCAL CHAPITRE 4 OBJECTIFS PRÉSENTER LES NOTIONS D ÉTIQUETTE, DE CONS- TANTE ET DE IABLE DANS LE CONTEXTE DU LAN- GAGE PASCAL.

Plus en détail

La NP-complétude. Johanne Cohen. PRISM/CNRS, Versailles, France.

La 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 détail

Algorithmes récursifs

Algorithmes 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 détail

Université Paris-Dauphine DUMI2E 1ère année, 2009-2010. Applications

Université 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

La persistance des nombres

La 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 détail

Projet L1, S2, 2015: Simulation de fourmis, Soutenance la semaine du 4 mai.

Projet L1, S2, 2015: Simulation de fourmis, Soutenance la semaine du 4 mai. Projet L1, S2, 2015: Simulation de fourmis, Soutenance la semaine du 4 mai. 1 Introduction On considère une grille de 20 lignes 20 colonnes. Une case de la grille peut être vide, ou contenir une et une

Plus en détail

Comparaison de fonctions Développements limités. Chapitre 10

Comparaison 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 détail

Chapitre 11. Séries de Fourier. Nous supposons connues les formules donnant les coefficients de Fourier d une fonction 2 - périodique :

Chapitre 11. Séries de Fourier. Nous supposons connues les formules donnant les coefficients de Fourier d une fonction 2 - périodique : Chapitre Chapitre. Séries de Fourier Nous supposons connues les formules donnant les coefficients de Fourier d une fonction - périodique : c c a0 f x dx c an f xcosnxdx c c bn f xsinn x dx c L objet de

Plus en détail

MATLAB : COMMANDES DE BASE. Note : lorsqu applicable, l équivalent en langage C est indiqué entre les délimiteurs /* */.

MATLAB : COMMANDES DE BASE. Note : lorsqu applicable, l équivalent en langage C est indiqué entre les délimiteurs /* */. Page 1 de 9 MATLAB : COMMANDES DE BASE Note : lorsqu applicable, l équivalent en langage C est indiqué entre les délimiteurs /* */. Aide help, help nom_de_commande Fenêtre de travail (Command Window) Ligne

Plus en détail

3. SPÉCIFICATIONS DU LOGICIEL. de l'expression des besoins à la conception. Spécifications fonctionnelles Analyse fonctionnelle et méthodes

3. SPÉCIFICATIONS DU LOGICIEL. de l'expression des besoins à la conception. Spécifications fonctionnelles Analyse fonctionnelle et méthodes PLAN CYCLE DE VIE D'UN LOGICIEL EXPRESSION DES BESOINS SPÉCIFICATIONS DU LOGICIEL CONCEPTION DU LOGICIEL LA PROGRAMMATION TESTS ET MISE AU POINT DOCUMENTATION CONCLUSION C.Crochepeyre Génie Logiciel Diapason

Plus en détail

V- Manipulations de nombres en binaire

V- Manipulations de nombres en binaire 1 V- Manipulations de nombres en binaire L ordinateur est constitué de milliards de transistors qui travaillent comme des interrupteurs électriques, soit ouverts soit fermés. Soit la ligne est activée,

Plus en détail

Logique : ENSIIE 1A - contrôle final

Logique : ENSIIE 1A - contrôle final 1 Logique : ENSIIE 1A - contrôle final - CORRIGÉ Mardi 11 mai 2010 - Sans documents - Sans calculatrice ni ordinateur Durée : 1h30 Les exercices sont indépendants. Exercice 1 (Logique du premier ordre

Plus en détail

ÉPREUVE COMMUNE DE TIPE 2008 - Partie D

ÉPREUVE COMMUNE DE TIPE 2008 - Partie D ÉPREUVE COMMUNE DE TIPE 2008 - Partie D TITRE : Les Fonctions de Hachage Temps de préparation :.. 2 h 15 minutes Temps de présentation devant le jury :.10 minutes Entretien avec le jury :..10 minutes GUIDE

Plus en détail

Introduction à la théorie des graphes. Solutions des exercices

Introduction à la théorie des graphes. Solutions des exercices CAHIERS DE LA CRM Introduction à la théorie des graphes Solutions des exercices Didier Müller CAHIER N O 6 COMMISSION ROMANDE DE MATHÉMATIQUE 1 Graphes non orientés Exercice 1 On obtient le graphe biparti

Plus en détail

Propagation sur réseau statique et dynamique

Propagation sur réseau statique et dynamique Université de la Méditerranée UFR Sciences de Luminy Rapport de stage informatique pour le Master 2 de Physique, Parcours Physique Théorique et Mathématique, Physique des Particules et Astroparticules.

Plus en détail

chapitre 4 Nombres de Catalan

chapitre 4 Nombres de Catalan chapitre 4 Nombres de Catalan I Dénitions Dénition 1 La suite de Catalan (C n ) n est la suite dénie par C 0 = 1 et, pour tout n N, C n+1 = C k C n k. Exemple 2 On trouve rapidement C 0 = 1, C 1 = 1, C

Plus en détail

Exercices Alternatifs. Une fonction continue mais dérivable nulle part

Exercices Alternatifs. Une fonction continue mais dérivable nulle part Eercices Alternatifs Une fonction continue mais dérivable nulle part c 22 Frédéric Le Rou (copyleft LDL : Licence pour Documents Libres). Sources et figures: applications-continues-non-derivables/. Version

Plus en détail

SNT4U16 - Initiation à la programmation 2014-2015. TD - Dynamique de POP III - Fichiers sources

SNT4U16 - Initiation à la programmation 2014-2015. TD - Dynamique de POP III - Fichiers sources SNT4U16 - Initiation à la programmation Licence SVT 2 ème année 2014-2015 TD - Dynamique de POP III - Fichiers sources contacts : mathias.gauduchon@univ-amu.fr, melika.baklouti@univ-amu.fr, xavier.giraud@univ-amu.fr,

Plus en détail

Pourquoi l apprentissage?

Pourquoi l apprentissage? Pourquoi l apprentissage? Les SE sont basés sur la possibilité d extraire la connaissance d un expert sous forme de règles. Dépend fortement de la capacité à extraire et formaliser ces connaissances. Apprentissage

Plus en détail

Probabilités et Statistiques. Feuille 2 : variables aléatoires discrètes

Probabilités et Statistiques. Feuille 2 : variables aléatoires discrètes IUT HSE Probabilités et Statistiques Feuille : variables aléatoires discrètes 1 Exercices Dénombrements Exercice 1. On souhaite ranger sur une étagère 4 livres de mathématiques (distincts), 6 livres de

Plus en détail

Fonctions de plusieurs variables

Fonctions 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 détail

Utilisation des tableaux sémantiques dans les logiques de description

Utilisation des tableaux sémantiques dans les logiques de description Utilisation des tableaux sémantiques dans les logiques de description IFT6281 Web Sémantique Jacques Bergeron Département d informatique et de recherche opérationnelle Université de Montréal bergerja@iro.umontreal.ca

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

1 Recherche en table par balayage

1 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 détail

La boucle for La boucle while L utilisation du if else. while (condition) { instruction(s) }

La boucle for La boucle while L utilisation du if else. while (condition) { instruction(s) } VI Initiation à la programmation sous Comme nous l avons constaté tout au long du document, offre de nombreuses fonctionnalités En tant que nouvelles utilisateurs de il vous est désormais PRESQUE possible

Plus en détail

1. Structure d un programme C. 2. Commentaire: /*..texte */ On utilise aussi le commentaire du C++ qui est valable pour C: 3.

1. Structure d un programme C. 2. Commentaire: /*..texte */ On utilise aussi le commentaire du C++ qui est valable pour C: 3. 1. Structure d un programme C Un programme est un ensemble de fonctions. La fonction "main" constitue le point d entrée pour l exécution. Un exemple simple : #include int main() { printf ( this

Plus en détail

Assurance Qualité. Cours de génie logiciel. Renaud Marlet. LaBRI / INRIA http://www.labri.fr/~marlet. (d'après A.-M. Hugues) màj 23/04/2007

Assurance Qualité. Cours de génie logiciel. Renaud Marlet. LaBRI / INRIA http://www.labri.fr/~marlet. (d'après A.-M. Hugues) màj 23/04/2007 1 Cours de génie logiciel (d'après A.-M. Hugues) Assurance Qualité Renaud Marlet LaBRI / INRIA http://www.labri.fr/~marlet màj 23/04/2007 2 Les deux facettes de la qualité Conformité avec la définition

Plus en détail

Java Licence Professionnelle CISII, 2009-10

Java Licence Professionnelle CISII, 2009-10 Java Licence Professionnelle CISII, 2009-10 Cours 4 : Programmation structurée (c) http://www.loria.fr/~tabbone/cours.html 1 Principe - Les méthodes sont structurées en blocs par les structures de la programmation

Plus en détail

Objectifs 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 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 détail

Cours 02 : Problème général de la programmation linéaire

Cours 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 détail

Introduction à l étude des Corps Finis

Introduction 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 détail

NOTE SUR LA MODELISATION DU RISQUE D INFLATION

NOTE SUR LA MODELISATION DU RISQUE D INFLATION NOTE SUR LA MODELISATION DU RISQUE D INFLATION 1/ RESUME DE L ANALYSE Cette étude a pour objectif de modéliser l écart entre deux indices d inflation afin d appréhender le risque à très long terme qui

Plus en détail

Correction Code nécessaire à la compilation : let bs ="\\" let nl = "\n" ;; let appliquer = List.map ;; (* affichage d'un noeud *)

Correction Code nécessaire à la compilation : let bs =\\ let nl = \n ;; let appliquer = List.map ;; (* affichage d'un noeud *) Correction Code nécessaire à la compilation : let bs ="\\" let nl = "\n" let appliquer = List.map (* affichage d'un noeud *) let (noeud_vers_ch : int -> string) = function n -> "fib(" ^ (string_of_int

Plus en détail

INF 321 : mémento de la syntaxe de Java

INF 321 : mémento de la syntaxe de Java INF 321 : mémento de la syntaxe de Java Table des matières 1 La structure générale d un programme 3 2 Les composants élémentaires de Java 3 2.1 Les identificateurs.................................. 3 2.2

Plus en détail

Initiation à LabView : Les exemples d applications :

Initiation à LabView : Les exemples d applications : Initiation à LabView : Les exemples d applications : c) Type de variables : Créer un programme : Exemple 1 : Calcul de c= 2(a+b)(a-3b) ou a, b et c seront des réels. «Exemple1» nom du programme : «Exemple

Plus en détail

Licence Bio Informatique Année 2004-2005. Premiers pas. Exercice 1 Hello World parce qu il faut bien commencer par quelque chose...

Licence Bio Informatique Année 2004-2005. Premiers pas. Exercice 1 Hello World parce qu il faut bien commencer par quelque chose... Université Paris 7 Programmation Objet Licence Bio Informatique Année 2004-2005 TD n 1 - Correction Premiers pas Exercice 1 Hello World parce qu il faut bien commencer par quelque chose... 1. Enregistrez

Plus en détail

Problèmes de Mathématiques Filtres et ultrafiltres

Problèmes de Mathématiques Filtres et ultrafiltres Énoncé Soit E un ensemble non vide. On dit qu un sous-ensemble F de P(E) est un filtre sur E si (P 0 ) F. (P 1 ) (X, Y ) F 2, X Y F. (P 2 ) X F, Y P(E) : X Y Y F. (P 3 ) / F. Première Partie 1. Que dire

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

PRIME D UNE OPTION D ACHAT OU DE VENTE

PRIME D UNE OPTION D ACHAT OU DE VENTE Université Paris VII - Agrégation de Mathématiques François Delarue) PRIME D UNE OPTION D ACHAT OU DE VENTE Ce texte vise à modéliser de façon simple l évolution d un actif financier à risque, et à introduire,

Plus en détail

Claude Delannoy. 3 e édition C++

Claude Delannoy. 3 e édition C++ Claude Delannoy 3 e édition Exercices Exercices C++ en en langage langage delc++ titre 4/07/07 15:19 Page 2 Exercices en langage C++ AUX EDITIONS EYROLLES Du même auteur C. Delannoy. Apprendre le C++.

Plus en détail

Raisonnement par récurrence Suites numériques

Raisonnement 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 détail

Corrigé des TD 1 à 5

Corrigé 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 détail

PEUT-ON «VOIR» DANS L ESPACE À N DIMENSIONS?

PEUT-ON «VOIR» DANS L ESPACE À N DIMENSIONS? PEUT-ON «VOIR» DANS L ESPACE À N DIMENSIONS? Pierre Baumann, Michel Émery Résumé : Comment une propriété évidente visuellement en dimensions deux et trois s étend-elle aux autres dimensions? Voici une

Plus en détail

Centre CPGE TSI - Safi 2010/2011. Algorithmique et programmation :

Centre CPGE TSI - Safi 2010/2011. Algorithmique et programmation : Algorithmique et programmation : STRUCTURES DE DONNÉES A. Structure et enregistrement 1) Définition et rôle des structures de données en programmation 1.1) Définition : En informatique, une structure de

Plus en détail

Exo7. Matrice d une application linéaire. Corrections d Arnaud Bodin.

Exo7. Matrice d une application linéaire. Corrections d Arnaud Bodin. Exo7 Matrice d une application linéaire Corrections d Arnaud odin. Exercice Soit R muni de la base canonique = ( i, j). Soit f : R R la projection sur l axe des abscisses R i parallèlement à R( i + j).

Plus en détail

Cours 1 : La compilation

Cours 1 : La compilation /38 Interprétation des programmes Cours 1 : La compilation Yann Régis-Gianas yrg@pps.univ-paris-diderot.fr PPS - Université Denis Diderot Paris 7 2/38 Qu est-ce que la compilation? Vous avez tous déjà

Plus en détail

Utilisation d objets : String et ArrayList

Utilisation d objets : String et ArrayList Chapitre 6 Utilisation d objets : String et ArrayList Dans ce chapitre, nous allons aborder l utilisation d objets de deux classes prédéfinies de Java d usage très courant. La première, nous l utilisons

Plus en détail

Cours d algorithmique pour la classe de 2nde

Cours 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 détail

FctsAffines.nb 1. Mathématiques, 1-ère année Edition 2007-2008. Fonctions affines

FctsAffines.nb 1. Mathématiques, 1-ère année Edition 2007-2008. Fonctions affines FctsAffines.nb 1 Mathématiques, 1-ère année Edition 2007-2008 Fonctions affines Supports de cours de mathématiques de degré secondaire II, lien hpertete vers la page mère http://www.deleze.name/marcel/sec2/inde.html

Plus en détail

Licence 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 détail

Définitions. Numéro à préciser. (Durée : )

Définitions. 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 détail

Arbres binaires de recherche

Arbres binaires de recherche 1 arbre des comparaisons 2 recherche dichotomique l'arbre est recalculé à chaque recherche 2 5 3 4 7 9 1 6 1 2 3 4 5 6 7 9 10 conserver la structure d'arbre au lieu de la reconstruire arbre binaire de

Plus en détail

Reconstruction de bâtiments en 3D à partir de nuages de points LIDAR

Reconstruction de bâtiments en 3D à partir de nuages de points LIDAR Reconstruction de bâtiments en 3D à partir de nuages de points LIDAR Mickaël Bergem 25 juin 2014 Maillages et applications 1 Table des matières Introduction 3 1 La modélisation numérique de milieux urbains

Plus en détail

Théorèmes de Point Fixe et Applications 1

Théorèmes de Point Fixe et Applications 1 Théorèmes de Point Fixe et Applications 1 Victor Ginsburgh Université Libre de Bruxelles et CORE, Louvain-la-Neuve Janvier 1999 Published in C. Jessua, C. Labrousse et D. Vitry, eds., Dictionnaire des

Plus en détail

Qualité du logiciel: Méthodes de test

Qualité du logiciel: Méthodes de test Qualité du logiciel: Méthodes de test Matthieu Amiguet 2004 2005 Analyse statique de code Analyse statique de code Étudier le programme source sans exécution Généralement réalisée avant les tests d exécution

Plus en détail

Soit la fonction affine qui, pour représentant le nombre de mois écoulés, renvoie la somme économisée.

Soit la fonction affine qui, pour représentant le nombre de mois écoulés, renvoie la somme économisée. ANALYSE 5 points Exercice 1 : Léonie souhaite acheter un lecteur MP3. Le prix affiché (49 ) dépasse largement la somme dont elle dispose. Elle décide donc d économiser régulièrement. Elle a relevé qu elle

Plus en détail

1 Définition et premières propriétés des congruences

1 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 détail

Limites finies en un point

Limites 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 détail

Objets Combinatoires élementaires

Objets Combinatoires élementaires Objets Combinatoires élementaires 0-0 Permutations Arrangements Permutations pour un multi-ensemble mots sous-ensemble à k éléments (Problème du choix) Compositions LE2I 04 1 Permutations Supposons que

Plus en détail