From acf04e135473e54a15fc1e7e89da8447d45dc8e9 Mon Sep 17 00:00:00 2001 From: Hugo DIMITRIJEVIC Date: Tue, 26 Nov 2024 10:33:48 +0100 Subject: [PATCH] Actualiser Readme.md --- Readme.md | 13 ++++++------- 1 file changed, 6 insertions(+), 7 deletions(-) diff --git a/Readme.md b/Readme.md index 45cb9f5..f266780 100644 --- a/Readme.md +++ b/Readme.md @@ -1,4 +1,4 @@ -**Exercice 1** +#### **Exercice 1** 1. **`function_1(tableau1, tableau2)`** : Dans cette fonction, il y a deux boucles imbriquées : la première parcourt tous les éléments de `tableau1` (de taille \(n\)), et pour chaque élément, la deuxième boucle parcourt `tableau2` (de taille \(m\)). @@ -13,8 +13,9 @@ Cette fonction contient uniquement des blocs `if` indépendants, qui s’exécutent chacun au maximum une seule fois. Il n’y a pas de boucle, donc chaque opération est constante. La complexité est donc \( O(1) \), car c’est constant peu importe la valeur de \(x\). +--- -**Exercice 2** +#### **Exercice 2** Pour analyser la complexité de la fonction **`sort_students`**, on décompose chaque étape : @@ -61,8 +62,10 @@ O(\text{grades\_number} \cdot \text{students\_number}^3) ### Conclusion : La fonction **`sort_students`** a une complexité algorithmique de **\( O(\text{grades\_number} \cdot \text{students\_number}^3) \)**. +--- -**Exercice 3** + +#### **Exercice 3** ### **Algorithme proposé** @@ -76,7 +79,6 @@ Pour trier un tableau à \( N \)-dimensions avec \( M \) valeurs par dimension, - Calculer la somme des valeurs de chaque sous-dimension. - Trier les sous-dimensions en fonction de leurs sommes. ---- ### **Implémentation en Python** @@ -102,7 +104,6 @@ resultat = recursive_sort(tableau) print(resultat) # Résultat attendu : [[0, 2, 3], [1, 3, 4], [4, 5, 9]] ``` ---- ### **Exemple d’exécution** @@ -124,7 +125,6 @@ Pour le tableau donné : [ [0, 2, 3], [1, 3, 4], [4, 5, 9] ] \] ---- ### **Complexité de l’algorithme** @@ -148,7 +148,6 @@ Pour le tableau donné : T(N, M) = O(M^N \log M) \] ---- ### **Conclusion**