ARBRES. Etiquettes / Arbre ordinaire : A = (N,P) - N ensemble des nœuds - P relation binaire «parent de» - r N la racine
|
|
- Martin Marchand
- il y a 8 ans
- Total affichages :
Transcription
1 ARBRES Arbre ordinire : A = (N,P) - N ensemble des nœuds - P reltion binire «prent de» - r N l rcine x N un seul chemin de r vers x r = y o P y P y... P y n = x 0 r n ps de prent x N - { r } x exctement un prent 5 Étiquette : N E Etiquettes / + + b.. E T Arbre syntxique, rbre d exécution c + b b F F E T F F F E T T T F F F F F F Arbre d nlyse, pour une grmmire ( + b) / ( c ( + b ) + b ) 5
2 Arbre de décision 5? 3? 7?? 4? 6? 8?? =3? =4? =5? =6? =7? =8? =? =? =? 53 Arbre qurtique si imge toute noire si imge toute blnche sinon
3 Arbres lexicogrphiques Arcs (A) = { (x,y) / x prent de y } Étiquette : Arcs (A) E f s l o i r e i n i n o n r s ε, 0,, 00, 0, 0,, o o o o o o o. 55 huteur 3 Terminologie rcine nœud interne niveu brnche 0 nœud externe, 3, 4 enfnts de 3, 4 frères de, 3, 7 ncêtres de 7 7,, 0 descendnts de 7 56
4 Arbre A = Λ rbre vide ou (r, {A,..., A k } ) A = Λ { ou A Définitions récursives r A... r élément, A,..., A k rbres A k Nœuds (A) = {r} ( Nœuds (A i ) ) unions disjointes { Arbre plnire A = Λ rbre vide ou (r, A,..., A k ) 3 3 Condition nlogue 57 Niveux A rbre x nœud de A niveu A (x) = distnce de x à l rcine { niveu A (x) = 0 si x = rcine(a) + niveu (prent (x) ) sinon
5 Huteurs A rbre x nœud de A h A (x) = distnce de x à son plus lointin descendnt qui est un nœud externe { h A (x) = 0 si x nœud externe h(a) = h A (rcine(a)) + mx { h A (e) e enfnt de x } sinon h A (8) = 0 h A (7) = h A (3) = h(a) = h A () = Sous-rbres A rbre x nœud de A Arbre A (x) = sous-rbre de A qui rcine x h A (x) = h( Arbre A (x) ) A = Arbre A ( rcine(a) ) Arbre A () Arbre A (7) Arbre A (8) 0 60
6 Prcours Fonction : rbre liste de ses nœuds rbre vide liste vide Utile pour l explortion des rbres Deux types : prcours en profondeur préfixe, suffixe, symétrique prcours brnche près brnche prcours en lrgeur ou hiérrchique prcours niveu près niveu 6 Prcours en en profondeur Arbre non vide A = (r, A, A,, A k ) Prcours préfixe P(A) = (r).p(a ).....P(A k ) (,, 5, 6, 3, 7,, 0, 4, 8) Prcours suffixe S(A) = S(A ).....S(A k ).(r) (5, 6,,, 0, 7, 3, 8, 4, ) Prcours symétrique (ou interne) I(A) = I(A ).(r).i(a ).....I(A k ) (5,, 6,,, 7, 0, 3, 8, 4) 0 6
7 Expressions rithmétiques Arbre syntxique de! + b c d! + / - d b c Prcours préfixe Prcours suffixe +! / - b c d! b c - d / + Prcours symétrique (priorités et prenthèses) (!) + ((b - c) / d) 63 Rencontres 0 Prcours préfixe = première rencontre (,, 5, 6, 3, 7,, 0, 4, 8) Prcours Suffixe = dernière rencontre (5, 6,,, 0, 7, 3, 8, 4, ) Prcours Symétrique = deuxième rencontre (5,, 6,,, 7, 0, 3, 8, 4) 64
8 Prcours en en lrgeur Arbre non vide A = (r, A, A,, A k ) Prcours hiérrchique H(A) = (r, x,, x i, x i+,... x j, x j+,..., x n ) nœuds de niveu 0,,,... 0 (,, 3, 4, 5, 6, 7, 8,, 0) 65 Type rbre Ensemble Arbres plnires de nœuds étiquetés Opértions Arbre-vide : fi rbre Rcine : rbre fi nœud Enfnts : rbre fi liste d rbres Cons : nœud x liste d rbres fi rbre Vide : rbre fi booléen Elt : nœud fi élément Axiomes principux Rcine(A) et Enfnts(A) définis ssi A non vide Rcine (Cons(r, L)) = r Enfnts(Cons(r, L)) = L 66
9 Représenttion de l reltion P tble des prents Implémenttion Avntges représenttion simple prcours fciles vers l rcine économique en mémoire Inconvénients ccès difficiles ux nœuds depuis l rcine tble des prents P 67 Implémenttion (suite) Représenttion des listes de sous-rbres pr chînge Avntges ccès fciles depuis l rcine correspond à l définition récursive Inconvénients prcours difficiles vers l rcine 0 reltivement gourmnd en mémoire Deux types de pointeurs Arbre souvent identifié à l dresse de s rcine (comme pour un tbleu en C)... 68
10 Fonction Préfixe fonction Préfixe (A rbre) : liste de nœuds ; début si A = rbre vide lors retour (suite vide) sinon { L ( Rcine (A) ) ; pour B premier u dernier élément de Enfnts(A) fire L L. Préfixe(B) ; retour ( L ) ; } fin Temps d exécution : O(n) sur un rbre à n nœuds représenté pr pointeurs 6 Fonction suffixe fonction Suffixe (A rbre) : liste de nœuds ; début si A = rbre vide lors retour (suite vide) sinon { L ( ) ; pour B premier u dernier élément de Enfnts(A) fire L L. Suffixe(B) ; L L. (rcine(a) ) ; retour ( L ) ; } fin Temps d exécution : O(n) sur un rbre à n nœuds représenté pr pointeurs 70
11 Fonction Préfixe itértive fonction Préfixe (A rbre) : liste de nœuds ; début L ( ) ; Pile Empiler( Pile-vide, A ) ; tnt que non Vide( Pile ) fire { A sommet ( Pile ) ; Pile Dépiler ( Pile ) ; si A non vide lors { L L. (rcine(a ) ) ; pour B dernier u premier élément de Enfnts(A ) fire Pile Empiler ( Pile, B ) ; } } retour ( L ) ; fin Temps d exécution O(n) comme version récursive si, en plus, bonne implémenttion de l pile 7 Exemple sommet Pile Liste L = (,, 5, 6,. 7
12 Fonction Niveux fonction Niveux (A rbre) : liste de nœuds ; début L ( ) ; File Enfiler( File-vide, A ) ; tnt que non Vide( File ) fire { A tête ( File ) ; File Enlever ( File ) ; si A non vide lors { L L. (rcine(a ) ) ; pour B premier u dernier élément de Enfnts(A ) fire File Ajouter ( File, B ) ; } } retour ( L ) ; fin Temps d exécution O(n) si bonne implémenttion de l file ps de version récursive 73 Exemple tête File Liste L = (,,. 74
13 Arbres k-ires Arbre k-ire : tout nœud possède k sous-rbres (vides ou non), k fixé A = Λ rbre vide ou { (r, A,..., A k ) r élément, A,..., A k rbres k-ires Nœuds (A) = {r} ( Nœuds (A i ) ) unions disjointes Arbre k-ire complet : tout nœud interne possède k enfnts Arbres binires Arbre binire : tout nœud possède deux sous-rbres (vides ou non) A = Λ rbre vide ou { (r, G, D ) r élément, G, D rbres binires Arbre binire complet : tout nœud interne possède deux enfnts Nœuds (A) = {r} Nœuds (G ) Nœuds (D ) unions disjointes
14 Ensemble Arbres binires étiquetés Opértions Arbre-vide : fi rbre Rcine : rbre fi nœud Guche, Droit : rbre fi rbre Cons : nœud x rbre x rbre fi rbre Elt : nœud fi élément Vide : rbre fi booléen Implémenttions pr pointeurs ou curseurs Elt Type rbre binire Elt g d g Guche d Droit 77 Binristion 0 Implémenttion des rbres plnires 3 0 Lien premier enfnt Lien frère droit Un seul type de pointeur
15 Arbres feuillus Arbre binire feuillus (complets) : deux types de nœuds, internes ou feuilles -- tout nœud interne possède deux enfnts ; -- toute feuille est un nœud externe. A = ( f ) f de type feuille { (r, G, D ) r de type interne, G, D rbre binires feuillus Nœuds (A) = {r} Nœuds (G ) Nœuds (D ) unions disjointes Nœuds internes :,, 3, 4, 5, 6 Feuilles : 7, 8,, 0,,, Tille des rbres feuillus Arbre feuillu : nombre de feuilles = nombre de nœuds internes + Récurrence sur le nombre de nœuds de l rbre A : - si un seul nœud, c est une feuille ; propriété stisfite. - sinon, il existe un nœud interne dont les enfnts sont des feuilles, i.e. un sous-rbre (x, g, d) où g, d sont des feuilles. Soit B obtenu de A en remplçnt (x, g, d) pr une feuille f. B est un rbre feuillu de plus petite tille ; pr récurrence l églité est stisfite sur B ; donc ussi sur A qui possède un nœud interne et une feuille de plus. CQFD. Arbre feuillu :.m + nœuds 80
16 Mesures des rbres binires Arbre binire, huteur h et n nœuds Arbre plein i nœuds u niveu i n = h+ - Arbre filiforme nœud pr niveu n = h + Arbre binire h + n h+ - log (n + ) - h n - 8 Bijection Arbres binires à n nœuds «rbres binires complets à.n+ nœuds
17 Autre bijection Arbres plnires à n+ nœuds «rbres binires à n nœuds binristion redressement C n = nombre d rbres binires complets à n feuilles { C = 0, C = 0 n C = C C n n i n i i = n i feuilles Série génértrice : s( t ) = C n t s( t) = s( t) 4t = 4 + t s( t) = n n n / (/ -)...( / -n+ ) ( ) 4 t! t n n 0 n Énumértion n-i feuilles C n n ( )! = n = n n n!( n )! nombres de ctln 84
18 Compression texte source t Lecture nombres d occurrences des lettres Clcul d'un code texte z code C Décodge texte t texte t code C Codge texte compressé z 85 Codes Préfixes C {0,}* C code préfixe ssi u,v C et u préfixe de v u = v ucun mot de C n est un préfixe d un utre mot de C { 00,0,0, } { 0,0, } b c d b c code ASCII 0* décodge unique et séquentiel de x C* (vec C = 0*)
19 { 00,0,0, } b c d { 0,0, } b c 0* Bijection 0 0 b c b c d 0 0 Code préfixe mot du code Arbre binire nœud externe 87 Compression sttistique Codge des crctères en fonction de leur fréquence t = b r c d b r 5 fois 0 b fois 0 0 c fois 0 d fois r fois b 0 r 0 c d Texte codé z = bits (si on ne compte ps le code) contre x 8 en ASCII Décodge b r c d b r 88
20 Arbres pondérés t texte initil, z texte compressé p() = nombre d occurrences de dns t h() = mot du code ssocié à z = A p ( ). h ( ) Problème : connissnt p : A N - {0} clculer h : A { 0, }* tel que Problème équivlent : - h(a) est un code préfixe et - Σ p(). h() miniml déterminer un A rbre binire feuillu (complet) dont les feuilles sont les lettres de A, vec p : Feuilles(A) N - {0}, tel que Poids(A) = Σ p(f).niveu(f) est miniml f feuille de A 8 Arbres de de Huffmn Arbre pondéré : A rbre binire feuillu (complet) dont les feuilles sont les lettres de A p : Feuilles(A) N - {0} Poids(A) = Σ p(f).niveu(f) f feuille de A A rbre de Huffmn (pour p) si Poids(A) miniml b r c d Poids(A) = longueur du texte compressé = 5 x + x 3 + x 3 + x 3 + x 3 = 3 0
21 Exemple (suite) Trois rbres de Huffmn (Poids = 3) b r c d b d c r b r c d Poids = 8 Poids = 5 b r c d b d c r Propriétés A rbre pondéré pour p : A N - {0} ; A = Feuilles(A) - A rbre de Huffmn A rbre binire complet - A rbre de Huffmn et crd A > Alors, à une permuttion des feuilles près, A possède un sous-rbre (x, f, g) où f, g sont des feuilles telles que p(f), p(g) minimux f x g 3 - Soit B obtenu de A en y remplçnt (x, f, g) pr l feuille y ; soit q : Feuilles(B) N - {0} définie pr q(y) = p(f) + p(g) { q(u) = p(u) pour u y y Alors, A rbre de Huffmn pour p ssi B rbre de Huffmn pour q Preuve : cr Poids(A) = Poids(B) + p(f) + p(g)
22 Algorithme de de Huffmn p : A N - {0} rbre élémentire X = (x ), pour chque lettre A fonction Huffmn (lphbet A, fonction p) début L (X A ) ; tnt que L > fire { B, C rbres de L vec p(b), p(c) minimux ; Y (nouveu-nœud, B, C) ; p(y) p(b) + p(c) ; remplcer B et C dns L pr Y ; } retour l unique rbre de L ; fin 3 Exemple 5 b r c d b 0 0 r 0 c 0 d Arbre de Huffmn Code de Huffmn 4
23 Implémenttion 3 4 b r c p g d 5 Tble de tille.crd A - Clcul : tri en temps O(crd A x log crd A) construction de l rbre en O(crd A) d b r c d 4 6 5
Chapitre 11 : L inductance
Chpitre : inductnce Exercices E. On donne A πr 4π 4 metn N 8 spires/m. () Selon l exemple., µ n A 4π 7 (8) 4π 4 (,5) 5 µh (b) À prtir de l éqution.4, on trouve ξ ξ 4 3 5 6 6,3 A/s E. On donne A πr,5π 4
Plus en détailAlgorithmes sur les mots (séquences)
Introduction Algorithmes sur les mots (séquences) Algorithmes sur les mots (textes, séquences, chines de crctères) Nomreuses pplictions : ses de données iliogrphiques ioinformtique (séquences de iomolécules)
Plus en détailTout ce qu il faut savoir en math
Tout ce qu il fut svoir en mth 1 Pourcentge Prendre un pourcentge t % d un quntité : t Clculer le pourcentge d une quntité pr rpport à une quntité b : Le coefficient multiplicteur CM pour une ugmenttion
Plus en détailLANGAGES - GRAMMAIRES - AUTOMATES
LANGAGES - GRAMMAIRES - AUTOMATES Mrie-Pule Muller Version du 14 juillet 2005 Ce cours présente et met en oeuvre quelques méthodes mthémtiques pour l informtique théorique. Ces notions de bse pourront
Plus en détailChapitre 2 Le problème de l unicité des solutions
Université Joseph Fourier UE MAT 127 Mthémtiques nnée 2009-2010 Chpitre 2 Le prolème de l unicité des solutions 1 Le prolème et quelques réponses : 1.1 Un exemple Montrer que l éqution différentielle :
Plus en détailToyota Assurances Toujours la meilleure solution
Toyot Assurnces Toujours l meilleure solution De quelle ssurnce vez-vous besoin? Vous roulez déjà en Toyot ou vous ttendez s livrison. Votre voiture est neuve ou d occsion. Vous vlez les kilomètres ou
Plus en détailSTI2D Logique binaire SIN. L' Algèbre de BOOLE
L' Algère de BOOLE L'lgère de Boole est l prtie des mthémtiques, de l logique et de l'électronique qui s'intéresse ux opértions et ux fonctions sur les vriles logiques. Le nom provient de George Boole.
Plus en détailThéorème de Poincaré - Formule de Green-Riemann
Chpitre 11 Théorème de Poincré - Formule de Green-Riemnn Ce chpitre s inscrit dns l continuité du précédent. On vu à l proposition 1.16 que les formes différentielles sont bien plus grébles à mnipuler
Plus en détailCalculs de probabilités
Calculs de probabilités Mathématiques Générales B Université de Genève Sylvain Sardy 13 mars 2008 1. Définitions et notations 1 L origine des probabilités est l analyse de jeux de hasard, tels que pile
Plus en détailANALYSE NUMERIQUE NON-LINEAIRE
Université de Metz Licence de Mthémtiques - 3ème nnée 1er semestre ANALYSE NUMERIQUE NON-LINEAIRE pr Rlph Chill Lbortoire de Mthémtiques et Applictions de Metz Année 010/11 1 Tble des mtières Chpitre
Plus en détailPour développer votre entreprise LES LOGICIELS EN LIGNE, VOUS ALLEZ DIRE OUI!
Pour développer votre entreprise Gestion Commercile Gérez le cycle complet des chts (demnde de prix, fcture fournisseur), des stocks (entrée, sortie mouvement, suivi) et des ventes (devis, fcture, règlement,
Plus en détailChapitre VI Contraintes holonomiques
55 Chpitre VI Contrintes holonomiques Les contrintes isopérimétriques vues u chpitre précéent ne sont qu un eemple prticulier e contrintes sur les fonctions y e notre espce e fonctions missibles. Dns ce
Plus en détailGuide d'utilisation Easy Interactive Tools Ver. 2
Guide d'utilistion Esy Interctive Tools Ver. 2 Guide d'utilistion Esy Interctive Tools Ver.2 Présenttion de Esy Interctive Tools 3 Crctéristiques Fonction de dessin Vous pouvez utiliser Esy Interctive
Plus en détailProjet d informatique M1BI : Compression et décompression de texte. 1 Généralités sur la compression/décompression de texte
Projet d informatique M1BI : Compression et décompression de texte Le but de ce projet est de coder un programme réalisant de la compression et décompression de texte. On se proposera de coder deux algorithmes
Plus en détailINTENTION LES PROCESSUS MATHÉMATIQUES
INTENTION Adpttios u Cdre commu des progrmmes d études de mthémtiques M-9 telles que reflétées ds le documet Mthémtiques M-9 : Progrmme d études de l Albert (2007) Le coteu du documet Mthémtiques M-9 :
Plus en détailCorrection de l épreuve CCP 2001 PSI Maths 2 PREMIÈRE PARTIE ) (
Correction de l épreuve CCP PSI Mths PREMIÈRE PARTIE I- Soit t u voisinge de, t Alors ϕt t s = ϕt ρt s ρs Pr hypothèse, l fonction ϕt ϕt est lorsque t, il en est donc de même de ρt s ρt s ρs cr ρ s est
Plus en détailTurbine hydraulique Girard simplifiée pour faibles et très faibles puissances
Turbine hydrulique Girrd simplifiée pour fibles et très fibles puissnces Prof. Ing. Zoltàn Hosszuréty, DrSc. Professeur à l'université technique de Kosice Les sites hydruliques disposnt de fibles débits
Plus en détail/HVV\VWqPHVFRPELQDWRLUHV
/HVV\VWqPHVFRPELQDWRLUHV I. Définition On ppelle système combintoire tout système numérique dont les sorties sont exclusivement définies à prtir des vribles d entrée (Figure ). = f(x, x 2,,, x n ) x x
Plus en détailConseils et astuces pour les structures de base de la Ligne D30
Conseils et stuces pour les structures de bse de l Ligne D30 Conseils et stuces pour l Ligne D30 Ligne D30 - l solution élégnte pour votre production. Rentbilité optimle et méliortion continue des séquences
Plus en détailSynthèse de cours (Terminale S) Calcul intégral
Synthèse de cours (Terminle S) Clcul intégrl Intégrle d une onction continue positive sur un intervlle [;] Dns cette première prtie, on considère une onction continue positive sur un intervlle [ ; ] (
Plus en détailGénie Logiciel avec Ada. 4 février 2013
Génie Logiciel 4 février 2013 Plan I. Généralités II. Structures linéaires III. Exceptions IV. Structures arborescentes V. Dictionnaires I. Principes II. Notions propres à la POO I. Principes Chapitre
Plus en détailCOURS D ANALYSE. Licence d Informatique, première. Laurent Michel
COURS D ANALYSE Licence d Informtique, première nnée Lurent Michel Printemps 2010 2 Tble des mtières 1 Éléments de logique 5 1.1 Fbriquer des énoncés........................ 5 1.1.1 Enoncés élémentires.....................
Plus en détailModule 2 : Déterminant d une matrice
L Mth Stt Module les déterminnts M Module : Déterminnt d une mtrice Unité : Déterminnt d une mtrice x Soit une mtrice lignes et colonnes (,) c b d Pr définition, son déterminnt est le nombre réel noté
Plus en détailL'algèbre de BOOLE ou algèbre logique est l'algèbre définie pour des variables ne pouvant prendre que deux états.
ciences Industrielles ystèmes comintoires Ppnicol Roert Lycée Jcques Amyot I - YTEME COMBINATOIRE A. Algère de Boole. Vriles logiques: Un signl réel est une grndeur physique en générl continue, on ssocie
Plus en détailTravaux 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 détailINF601 : Algorithme et Structure de données
Cours 2 : TDA Arbre Binaire B. Jacob IC2/LIUM 27 février 2010 Plan 1 Introuction 2 Primitives u TDA Arbin 3 Réalisations u TDA Arbin par cellules chaînées par cellules contiguës par curseurs (faux pointeurs)
Plus en détailSéquence 8. Probabilité : lois à densité. Sommaire
Séquence 8 Proilité : lois à densité Sommire. Prérequis 2. Lois de proilité à densité sur un intervlle 3. Lois uniformes 4. Lois exponentielles 5. Synthèse de l séquence Dns cette séquence, on introduit
Plus en détailUniversité Paris-Dauphine DUMI2E. UFR Mathématiques de la décision. Notes de cours. Analyse 2. Filippo SANTAMBROGIO
Université Pris-Duphine DUMI2E UFR Mthémtiques de l décision Notes de cours Anlyse 2 Filippo SANTAMBROGIO Année 2008 2 Tble des mtières 1 Optimistion de fonctions continues et dérivbles 5 1.1 Continuité........................................
Plus en détailRéalisation de sites Internet PME & Grandes entreprises Offre Premium. Etude du projet. Webdesign. Intégration HTML. Développement.
Rélistion de sites Internet PME & Grndes entreprises Offre Premium Etude du projet Réunions de trvil et étude personnlisée de votre projet Définition d une strtégie de pré-référencement Webdesign Définition
Plus en détailStatuts ASF Association Suisse Feldenkrais
Sttuts ASF Assocition Suisse Feldenkris Contenu Pge I. Nom, siège, ojectif et missions 1 Nom et siège 2 2 Ojectif 2 3 Missions 2 II. Memres 4 Modes d ffilition 3 5 Droits et oligtions des memres 3 6 Adhésion
Plus en détailPartie 4 : La monnaie et l'inflation
Prtie 4 : L monnie et l'infltion Enseignnt A. Direr Licence 2, 1er semestre 2008-9 Université Pierre Mendès Frnce Cours de mcroéconomie suite 4.1 Introduction Nous vons vu dns l prtie introductive que
Plus en détailRégression multiple : principes et exemples d application. Dominique Laffly UMR 5 603 CNRS Université de Pau et des Pays de l Adour Octobre 2006
Régression multiple : principes et eemples d ppliction Dominique Lffly UMR 5 603 CNRS Université de Pu et des Pys de l Adour Octobre 006 Destiné à de futurs thémticiens, notmment géogrphes, le présent
Plus en détailLicence M.A.S.S. Cours d Analyse S4
Université Pris I, Pnthéon - Sorbonne Licence MASS Cours d Anlyse S4 Jen-Mrc Brdet (Université Pris 1, SAMM) UFR 27 et Equipe SAMM (Sttistique, Anlyse et Modélistion Multidisiplinire) Université Pnthéon-Sorbonne,
Plus en détailSciences Industrielles Précision des systèmes asservis Papanicola Robert Lycée Jacques Amyot
Scence Indutrelle Précon de ytème erv Pncol Robert Lycée Jcque Amyot I - PRECISION DES SYSTEMES ASSERVIS A. Poton du roblème 1. Préentton On vu que le rôle d un ytème erv et de fre uvre à l orte (t) une
Plus en détailsemestre 3 des Licences MISM annnée universitaire 2004-2005
MATHÉMATIQUES 3 semestre 3 des Licences MISM nnnée universitire 24-25 Driss BOULARAS 2 Tble des mtières Rppels 5. Ensembles et opértions sur les ensembles.................. 5.. Prties d un ensemble.........................
Plus en détailT. A. D. pile. Chapitre 7 (suite) Listes particulières. T. A. D. file. représentation chaînée de la file algorithmique. Files
Chapitre 7 (suite) Listes particulières Pile : liste particulière T. A. D. pile insertion et suppression au sommet de la pile extraction Files queue Listes doublement chaînées insertion file : liste particulière
Plus en détailLITE-FLOOR. Dalles de sol et marches d escalier. Information technique
LITE-FLOOR Dlles de sol et mrches d esclier Informtion technique Recommndtions pour le clcul et l pose de LITE-FLOOR Générlités Cette rochure reprend les règles de se à respecter pour grntir l rélistion
Plus en détailNotes de révision : Automates et langages
Préprtion à l grégtion de mthémtiques 2011 2012 Notes de révision : Automtes et lngges Benjmin MONMEGE et Sylvin SCHMITZ LSV, ENS Cchn & CNRS Version du 24 octore 2011 (r66m) CC Cretive Commons y-nc-s
Plus en détailLa mesure de Lebesgue sur la droite réelle
Chapitre 1 La mesure de Lebesgue sur la droite réelle 1.1 Ensemble mesurable au sens de Lebesgue 1.1.1 Mesure extérieure Définition 1.1.1. Un intervalle est une partie convexe de R. L ensemble vide et
Plus en détailLICENCE DE MATHÉMATIQUES DEUXIÈME ANNÉE. Unité d enseignement LCMA 4U11 ANALYSE 3. Françoise GEANDIER
LICENCE DE MATHÉMATIQUES DEUXIÈME ANNÉE Unité d enseignement LCMA 4U ANALYSE 3 Frnçoise GEANDIER Université Henri Poincré Nncy I Déprtement de Mthémtiques . Tble des mtières I Séries numériques. Séries
Plus en détailLes structures de données. Rajae El Ouazzani
Les structures de données Rajae El Ouazzani Les arbres 2 1- Définition de l arborescence Une arborescence est une collection de nœuds reliés entre eux par des arcs. La collection peut être vide, cad l
Plus en détailProbabilités. C. Charignon. I Cours 3
Probabilités C. Charignon Table des matières I Cours 3 1 Dénombrements 3 1.1 Cardinal.................................................. 3 1.1.1 Définition............................................. 3
Plus en détailLOGICIEL FONCTIONNEL EMC VNX
LOGICIEL FONCTIONNEL EMC VNX Améliortion des performnces des pplictions, protection des données critiques et réduction des coûts de stockge vec les logiciels complets d EMC POINTS FORTS VNX Softwre Essentils
Plus en détailIntroduction 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 détailInfluence du milieu d étude sur l activité (suite) Inhibition et activation
Influence du milieu d étude sur l ctivité (suite) Inhibition et ctivtion Influence de l tempérture Influence du ph 1 Influence de l tempérture Si on chuffe une préprtion enzymtique, l ctivité ugmente jusqu
Plus en détailProbabilités (méthodes et objectifs)
Probabilités (méthodes et objectifs) G. Petitjean Lycée de Toucy 10 juin 2007 G. Petitjean (Lycée de Toucy) Probabilités (méthodes et objectifs) 10 juin 2007 1 / 19 1 Déterminer la loi de probabilité d
Plus en détailElectrovanne double Dimension nominale Rp 3/8 - Rp 2 DMV-D/11 DMV-DLE/11
Electrovnne double Dimension nominle 3/8 - DMV-D/11 DMV-DLE/11 7.30 M Edition 11.13 Nr. 223 926 1 6 Technique L électrovnne double DUNGS DMV intère deux électrovnnes dns un même bloc compct : - vnnes d
Plus en détailProbabilités conditionnelles Loi binomiale
Exercices 23 juillet 2014 Probabilités conditionnelles Loi binomiale Équiprobabilité et variable aléatoire Exercice 1 Une urne contient 5 boules indiscernables, 3 rouges et 2 vertes. On tire au hasard
Plus en détailCréer et modifier un fichier d'import des coordonnées approximatives avec Excel
Créer et modifier un fichier d'import des coordonnées approximatives avec Excel Manuel d'utilisation Date: 26.03.2015 Version: 1.0 Auteur: Christoph Rüfenacht Statut: En cours Libéré Classification: publique
Plus en détailProbabilités 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 détailAlgorithmique, Structures de données et langage C
UNIVERSITE PAUL SABATIER TOULOUSE III Algorithmique, Structures de données et langage C L3 IUP AISEM/ICM Janvier 2005 J.M. ENJALBERT Chapitre 1 Rappels et compléments de C 1.1 Structures Une structure
Plus en détailProbabilité. Table des matières. 1 Loi de probabilité 2 1.1 Conditions préalables... 2 1.2 Définitions... 2 1.3 Loi équirépartie...
1 Probabilité Table des matières 1 Loi de probabilité 2 1.1 Conditions préalables........................... 2 1.2 Définitions................................. 2 1.3 Loi équirépartie..............................
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 détailChapitre 1 : Fonctions analytiques - introduction
2e semestre 2/ UE 4 U : Abrégé de cours Anlyse 3: fonctions nlytiques Les notes suivntes, disponibles à l dresse http://www.iecn.u-nncy.fr/ bertrm/, contiennent les définitions et les résultts principux
Plus en détailBaccalauréat S Asie 19 juin 2014 Corrigé
Bcclurét S Asie 9 jui 24 Corrigé A. P. M. E. P. Exercice Commu à tous les cdidts 4 poits Questio - c. O peut élimier rpidemet les réposes. et d. cr les vecteurs directeurs des droites proposées e sot ps
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 détailPour développer votre entreprise. Compta LES LOGICIELS EN LIGNE, VOUS ALLEZ DIRE OUI!
Pour développer votre entreprise Compt Avec EBP Compt, vous ssurez le suivi de l ensemble de vos opértions et exploitez les données les plus complexes en toute sécurité. Toutes les fonctionnlités essentielles
Plus en détailTP n 2 Concepts de la programmation Objets Master 1 mention IL, semestre 2 Le type Abstrait Pile
TP n 2 Concepts de la programmation Objets Master 1 mention IL, semestre 2 Le type Abstrait Pile Dans ce TP, vous apprendrez à définir le type abstrait Pile, à le programmer en Java à l aide d une interface
Plus en détailArbres 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 détailBaccalauréat ES Polynésie (spécialité) 10 septembre 2014 Corrigé
Baccalauréat ES Polynésie (spécialité) 10 septembre 2014 Corrigé A. P. M. E. P. Exercice 1 5 points 1. Réponse d. : 1 e Le coefficient directeur de la tangente est négatif et n est manifestement pas 2e
Plus en détailExercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Banque PT
Exercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Banque PT Ces exercices portent sur les items 2, 3 et 5 du programme d informatique des classes préparatoires,
Plus en détailCH.6 Propriétés des langages non contextuels
CH.6 Propriétés des langages non contetuels 6.1 Le lemme de pompage 6.2 Les propriétés de fermeture 6.3 Les problèmes de décidabilité 6.4 Les langages non contetuels déterministes utomates ch6 1 6.1 Le
Plus en détailIntroduction à la modélisation et à la vérication p. 1/8
Introduction à l modélistion et à l vériction Appliction ux systèmes temporisés Ptrici Bouyer LSV CNRS & ENS de Cchn Introduction à l modélistion et à l vériction p. 1/8 Modélistion & Vériction Introduction
Plus en détailProbabilités. I Petits rappels sur le vocabulaire des ensembles 2 I.1 Définitions... 2 I.2 Propriétés... 2
Probabilités Table des matières I Petits rappels sur le vocabulaire des ensembles 2 I.1 s................................................... 2 I.2 Propriétés...................................................
Plus en détailINSTALLATION DE DETECTION INCENDIE
reglement > > instlltion E ETECTON NCENE NSTALLATON E ETECTON NCENE Une instlltion de détection incendie pour objectif de déceler et signler, le plus tôt possible, d une mnière fible, l nissnce d un incendie,
Plus en détailINFORMATIONS TECHNIQUES
0 INFORMATIONS TECHNIQUES tle des mtieres 06 Alimenttions et ccessoires 08 Postes extérieurs Sfer Postes extérieurs minisfer 9 Postes internes Accessoires d instlltion Centrux téléphoniques PABX Cmérs
Plus en détailFONDATION CLEMENTINE ET MAURICE ANTILLE
FONDATION CLEMENTINE ET MAURICE ANTILLE Règlement d ttriution de ourses et de prêts d études et de formtion du déemre 006 Artile premier Ojet et hmp d pplition Le présent règlement est étli en pplition
Plus en détailAvant d utiliser l appareil, lisez ce Guide de référence rapide pour connaître la procédure de configuration et d installation.
Guide de référence rpide Commencer Avnt d utiliser l ppreil, lisez ce Guide de référence rpide pour connître l procédure de configurtion et d instlltion. NE rccordez PAS le câle d interfce mintennt. 1
Plus en détailChap 4: Analyse syntaxique. Prof. M.D. RAHMANI Compilation SMI- S5 2013/14 1
Chap 4: Analyse syntaxique 1 III- L'analyse syntaxique: 1- Le rôle d'un analyseur syntaxique 2- Grammaires non contextuelles 3- Ecriture d'une grammaire 4- Les méthodes d'analyse 5- L'analyse LL(1) 6-
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 détailGuide de l'utilisateur
Guide de l'utilisteur Symboles Utilisés Dns ce Guide Indictions de sécurité L documenttion et le projecteur utilisent des symboles grphiques qui indiquent comment utiliser l ppreil en toute sécurité. Veillez
Plus en détailGPA770 Microélectronique appliquée Exercices série A
GPA770 Microélectronique appliquée Exercices série A 1. Effectuez les calculs suivants sur des nombres binaires en complément à avec une représentation de 8 bits. Est-ce qu il y a débordement en complément
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 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 détailARBRES BINAIRES DE RECHERCHE
ARBRES BINAIRES DE RECHERCHE Table de symboles Recherche : opération fondamentale données : éléments avec clés Type abstrait d une table de symboles (symbol table) ou dictionnaire Objets : ensembles d
Plus en détailP1 : Corrigés des exercices
P1 : Corrigés des exercices I Exercices du I I.2.a. Poker : Ω est ( l ensemble ) des parties à 5 éléments de l ensemble E des 52 cartes. Cardinal : 5 I.2.b. Bridge : Ω est ( l ensemble ) des parties à
Plus en détailCentre 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 détailCompression de Données - Algorithme de Huffman Document de Conception
ROLLET Samuel SALLE Jennifer Compression de Données - Algorithme de Huffman Document de Conception Projet d'algorithmique et Structure des Données 1 SOMMAIRE 1. Domaine d application....4 1.1 Objectifs
Plus en détailProgrammation Par Contraintes
Programmation Par Contraintes Cours 2 - Arc-Consistance et autres amusettes David Savourey CNRS, École Polytechnique Séance 2 inspiré des cours de Philippe Baptiste, Ruslan Sadykov et de la thèse d Hadrien
Plus en détailA11 : La représentation chaînée (1ère partie)
A11 : L représettio chîée (1ère prtie) - Défiitio et schéms de cosulttio - Schéms de mise à jour (isertio, suppressio) - Exemples J-P. Peyri - L représettio chîée (première prtie) 0 Pricipe de l représettio
Plus en détailCours d Analyse IV Suites et Séries de fonctions
Université Clude Bernrd, Lyon I Licence Sciences, Technologies & Snté 43, boulevrd 11 novembre 1918 Spécilité Mthémtiques 69622 Villeurbnne cedex, Frnce L. Pujo-Menjouet pujo@mth.univ-lyon1.fr Cours d
Plus en détailBases de données Cours 5 : Base de données déductives
Cours 5 : ESIL Université de la méditerranée Odile.Papini@esil.univmed.fr http://odile.papini.perso.esil.univmed.fr/sources/bd.html Plan du cours 1 Introduction 2 approche sémantique approche axiomatique
Plus en détailCalculs de probabilités conditionelles
Calculs de probabilités conditionelles Mathématiques Générales B Université de Genève Sylvain Sardy 20 mars 2008 1. Indépendance 1 Exemple : On lance deux pièces. Soit A l évènement la première est Pile
Plus en détailIntégration et probabilités TD1 Espaces mesurés Corrigé
Intégration et probabilités TD1 Espaces mesurés Corrigé 2012-2013 1 Petites questions 1 Est-ce que l ensemble des ouverts de R est une tribu? Réponse : Non, car le complémentaire de ], 0[ n est pas ouvert.
Plus en détailBaccalauréat ES Antilles Guyane 12 septembre 2014 Corrigé
Baccalauréat ES Antilles Guyane 12 septembre 2014 Corrigé EXERCICE 1 5 points Commun à tous les candidats 1. Réponse c : ln(10)+2 ln ( 10e 2) = ln(10)+ln ( e 2) = ln(10)+2 2. Réponse b : n 13 0,7 n 0,01
Plus en détailSimulation de variables aléatoires
Chapter 1 Simulation de variables aléatoires Références: [F] Fishman, A first course in Monte Carlo, chap 3. [B] Bouleau, Probabilités de l ingénieur, chap 4. [R] Rubinstein, Simulation and Monte Carlo
Plus en détailSommaire. 6. Tableau récapitulatif... 10. Sophos NAC intégré Vs. NAC Advanced - 17 Février 2009 2
Sommire 1. A propos de Sophos... 3 2. Comprtif des solutions Sophos NAC... 4 3. Sophos NAC pour Endpoint Security nd Control 8.0... 4 3.1. Administrtion et déploiement... 4 3.2. Gestion des politiques
Plus en détailLicence 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 détailFondements de l informatique Logique, modèles, et calculs
Fondements de l informatique Logique, modèles, et calculs Cours INF423 de l Ecole Polytechnique Olivier Bournez Version du 20 septembre 2013 2 Table des matières 1 Introduction 9 1.1 Concepts mathématiques........................
Plus en détailUE C avancé cours 1: introduction et révisions
Introduction Types Structures de contrôle Exemple UE C avancé cours 1: introduction et révisions Jean-Lou Desbarbieux et Stéphane Doncieux UMPC 2004/2005 Introduction Types Structures de contrôle Exemple
Plus en détail3- Les taux d'intérêt
3- Les tux d'intérêt Mishkin (2007), Monnie, Bnque et mrchés finnciers, Person Eduction, ch. 4 et 6 Vernimmen (2005), Finnce d'entreprise, Dlloz, ch. 20 à 22 1- Mesurer les tux d'intérêt comprer les différents
Plus en détailPlus courts chemins, programmation dynamique
1 Plus courts chemins, programmation dynamique 1. Plus courts chemins à partir d un sommet 2. Plus courts chemins entre tous les sommets 3. Semi-anneau 4. Programmation dynamique 5. Applications à la bio-informatique
Plus en détailEX-word TextLoader Fonction Bibliothèque
Dictionnaire électronique EX-word (Série C/Série E/Série V) EX-word TextLoader Fonction Bibliothèque Mode d emploi Important! Ce manuel décrit le fonctionnement de divers modèles de dictionnaire électronique
Plus en détailPlan de formation Employée/Employé de commerce CFC du 26 septembre 2011 pour la formation initiale en entreprise. Tables des matières
Plan de formation Employée/ du 26 septembre 2011 pour la formation Tables des matières LISTE DES BRÉVITIONS... 3 INTRODUCTION... 4 1. IMPORTNCE DE L FORMTION COMMERCILE POUR L ÉCONOMIE ET L SOCIÉTÉ...
Plus en détailThéorie des Langages
Théorie des Langages Analyse syntaxique descendante Claude Moulin Université de Technologie de Compiègne Printemps 2010 Sommaire 1 Principe 2 Premiers 3 Suivants 4 Analyse 5 Grammaire LL(1) Exemple : Grammaire
Plus en détailchapitre 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 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 détailIntégration et probabilités TD1 Espaces mesurés
Intégration et probabilités TD1 Espaces mesurés 2012-2013 1 Petites questions 1) Est-ce que l ensemble des ouverts de R est une tribu? 2) Si F et G sont deux tribus, est-ce que F G est toujours une tribu?
Plus en détailLASTO Appuis élastomère
LASTO Appuis élsomère LASTO BLOCK F Appuis de déformion non-rmés Swizerlnd www.mgeb.ch Chmps d pplicion e specs imporns Chmps d pplicion LASTO BLOCK F es un ppui de déformion non-rmé en élsomère qui es
Plus en détailGuide des bonnes pratiques
Livret 3 MINISTÈRE DE LA RÉFORME DE L'ÉTAT, DE LA DÉCENTRALISATION ET DE LA FONCTION PUBLIQUE 3 Guide des bonnes prtiques OUTILS DE LA GRH Guide des bonnes prtiques Tble des mtières 1. Introduction p.
Plus en détail