MATHÉMATIQUES DISCRÈTES Chapitre 1 (Section 5)

Slides:



Advertisements
Présentations similaires
Quelques repères autour des nombres… au cycle III et… après
Advertisements

COURS DE MATHEMATIQUES DISCRETES SM
Calculs de complexité d'algorithmes
I. Bases de logique , théorie des ensembles
CHAPITRE 2 Nombres entiers, initiation à l’arithmétique- Nombres rationnels.
Nombres réels et propriétés de R CHAPITRE 3. Fractions : développements décimaux le point de vue « concret » (hérité de lenseignement primaire)
Algèbre de Boole.
Calcul propositionnel
Système formel Nous avons introduit : signes de variables (x, y, z, …), de constantes (0, 1), d’opérations (+, ), de relations (=, ) Axiomes : ce sont.
Chap 1 Grammaires et dérivations.
Nicolas Bourbaki.
Expressions rationnelles
Architecture de machines Eléments de logique
Programmes de calculs en 3ème
ALGEBRE DE BOOLE Mohamed Yassine Haouam
3.1 Portes logiques et algèbre de Boole
Eléments d ’algèbre relationnelle
Expressions et assignations
Algorithmes Branch & Bound
Graphes Conceptuels J.F. Baget Inria.
Programmation logique Logique des prédicats du premier ordre
Chapitre 2: Les régularités et les relations
Jeux combinatoires et théorie des groupes. Jeux: Activités intellectuelles ou gestuelles qui nont dautre fin que lamusement de la personne qui sy livre.
Révisions Logique combinatoire
ENSIIE-Master MPRO Alain Faye
Densité des N-uplets pythagoriciens
Rappel... Solution itérative de systèmes linéaires (suite et fin).
Etude dune bibliothèque: Permutations sur les listes.
Espaces vectoriels Montage préparé par : S André Ross
Ensembles Définition d’un ensemble. Opérations sur les ensembles. Accès, suppression et ajout d’éléments d’un ensemble. Fonctions permettant de manipuler.
Expressions régulières et hash tables
IFT Complexité et NP-complétude
Chapitre 1 Le Sens des nombres
Chapitre 3 Syntaxe et sémantique.
Programmation linéaire en nombres entiers : les méthodes de troncature
Calcul de probabilités
Expressions régulières et hash tables
Paradigmes des Langages de Programmation
MATHÉMATIQUES DISCRÈTES Chapitre 1 (Section 4)
Chapitre 3 :Algèbre de Boole
Logique combinatoire M. Delebecque. Logique combinatoire M. Delebecque.
MATHÉMATIQUES DISCRÈTES Chapitre 9
LOGIQUE MATHEMATIQUE et ENSEMBLES
Algorithmes Branch & Bound
Rappel - analyse et synthèse de fonctions combinatoires
D.E ZEGOUR Ecole Supérieure d’Informatique. Problèmes de décision Concepts de base Expressions régulières Notation particulière pour exprimer certaines.
Programmation fonctionnelle Preuve
MATHÉMATIQUES DISCRÈTES Chapitre 1 (Sections 6, 7, 8)
Mathématiques Discrètes Chapitre 2 (section 3)
MATHÉMATIQUES DISCRÈTES Chapitre 6 (relations)
MATHÉMATIQUES DISCRÈTES Chapitre 2 (section 2) François Meunier DMI.
Pour Chapitre 1 – Sens de Nombres
Algèbre de Boole Définition des variables et fonctions logiques
MATHÉMATIQUES DISCRÈTES Chapitre 4 (Sec 1-4)
UE MAREP Cours 1 : Algèbre de Boole et entiers naturels
Patricia Renault UPMC 2004/2005
8PRO107 Éléments de programmation Les adresses et les pointeurs.
Systèmes formels 1. Définition d'un SF Morphologie Théorie propre
Limites des fonctions de référence
Note pour le quiz de 5% le 6 septembre..
LOGIQUE ET PROGRAMMATION LOGIQUE
Chapitre 4b La représentation des nombres.
Files de priorité (Priority Queue)
INTRODUCTION AUX BASES DE DONNEES Algèbre relationnelle
Chap. 3 Récursion et induction. Les définitions par récurrence consistent à construire des objets finis, à partir d'autres, selon certaines règles. Les.
LES POSTULATS DE LA MÉCANIQUE QUANTIQUE
Relation de conséquence logique Nous avons vu une relation entre formules: l’équivalence tautologique (  ) Nous allons définir une nouvelle relation,
Les diagrammes de quartiles (8.4). Comment ferais-tu pour couper cette pizza en 4 pointes de même grosseur?
La factorisation.
Transcription de la présentation:

MATHÉMATIQUES DISCRÈTES Chapitre 1 (Section 5) François Meunier DMI

Opérateur d’Union Pour les ensembles A, B, leur nion AB est l’ensemble de tous les éléments qui sont soient dans A, ou (“”) dans B (ou dans les deux ensembles). Formellement , A,B: AB = {x | xA  xB}. AB est un sur-ensemble de A et B (en fait, le plus petit sur-ensemble): A, B: (AB  A)  (AB  B)

Exemples d’Union Forme Requise 2 5 3 7 {a,b,c}{2,3} = {a,b,c,2,3} {2,3,5}{3,5,7} = {2,3,5,3,5,7} ={2,3,5,7} Forme Requise Exemple d’Union: “Les United States of America sont habités par des personnes travaillant dans un ou plusieurs états.” 2 3 5 7

L’Opérateur d’intersection Pour A, B, leur intersection AB est l’ensemble contenant les éléments étant simultanément dans A et (“”) B. Formellement, A,B: AB={x | xA  xB}. Notez que AB est un sur-ensemble de A et B (le plus large): A, B: (AB  A)  (AB  B)

Exemples d’Intersection  {a,b,c}{2,3} = ___ {2,4,6}{3,4,5} = ______ {4} 2 3 5 6 4 “L’intersection des boulevards Des Forges et Des Récolets est juste la surface appartenant aux deux boulevards.”

Ensembles disjoints Deux ensembles A, B sont dits disjoints SSI si leur intersection est vide. (AB=) Exemple: l’ensemble des nombres entiers pairs est disjoint avec l’ensemble des nombres entiers impairs.

Principe d’Inclusion-Exclusion Combien d’éléments sont dans AB? |AB| = |A|  |B|  |AB| Exemple: Combien d’étudiants ont des cours le jour ou le soir? C  J  S, J = {e | e prend des cours le jour} S = {e | e prend des cours le soir} Quelques étudiants font les deux ! |C| = |JS| = |J|  |S|  |JS| We will see this basic counting principle again when we talk about combinatorics.

Différence d’ensembles Pour les ensembles A, B, la différence de A et B, AB, est l’ensemble des éléments qui sont dans A mais pas dans B. Formellement: A  B : x  xA  xB  x  xA  xB  Autre forme: Le complément de B par rapport à A. NOT (x in A -> x in B) = NOT (x not in A or x in B) (defn. of implies) = x in A AND x not in B (DeMorgan’s law).

Exemples de différence (ensemble) {1,2,3,4,5,6}  {2,3,5,7,9,11} = ___________ Z  N  {… , −1, 0, 1, 2, … }  {0, 1, … } = {x | x est un entier mais pas un nombre naturel} = {x | x est un entier négatif} Résultat = {… , −3, −2, −1} {1,4,6}

Différence – Diagramme de Venn A−B ce qui reste après que B soit enlevé. AB Ensemble A Ensemble B

Compléments d’un ensemble Le ud (univers du discours) peut être lui-même considéré comme un ensemble, disons U. Quand le contexte definis clairement U, pour tout ensemble AU, le complément de A, , est donné par UA. Ex:, Si U=N,

Compléments des ensembles Définition équivalente, quand U est défini: A Note that set difference and complement do not relate to each other like arithmetic difference and negative. In arithmetic, we know that a-b = -(b-a). But in sets, A-B is not generally the same as the complement of B-A. U

Identités des ensembles Identité: A = A = AU Domination: AU = U, A =  Idempotence: AA = A = AA Double complément: Commutativité: AB = BA, AB = BA Associativité: A(BC)=(AB)C , A(BC)=(AB)C Distributivité: A (BC)=(A  B) (A  C), A(BC)=(A  B) (A  C)

Règles de De Morgan (ensembles) Analogues aux lois de De Morgan pour les propositions.

Preuves des Identités (ensembles) La preuve des énoncés sur les ensembles de la forme E1 = E2 (où Es des expressions sur les ensembles), peut être faite de 3 façons: 1. Prouver E1  E2 et E2  E1 séparément. 2. Utiliser la notation de construction des ensembles & les équivalences logiques. 3. Utiliser les tables d’appartenance. A membership table is like a truth table.

Méthode 1: Sous-ensembles mutuels Exemple: Prouver A(BC)=(AB)(AC). Partie 1: A(BC)(AB)(AC). Supposons xA(BC), & Prouver x(AB)(AC). Sachant que xA, et soit xB ou xC. Cas 1: xB. Alors xAB, donc x(AB)(AC). Cas 2: xC. Alors xAC , donc x(AB)(AC). Par conséquent, x(AB)(AC). Par conséquent, A(BC)(AB)(AC). Partie 2: (AB)(AC)  A(BC). …

Méthode 2: Construction des ensembles et équivalences logiques Exemple: Prouver (AB)’= A’B’. (AB)’={x | x  AB}. (AB)’={x |  (x  AB)}. (AB)’={x |  (x  A  x  B)}. (AB)’={x | (x  A  x  B)}. (AB)’={x | (x  A’  x  B’)}. (AB)’={x | (x  A’  B’)}.

Méthode 2: Construction des ensembles et équivalences logiques Exemple: LEMME: Associativité de l’Union (AB )C = A(B C ) Preuve : (AB )C = {x | x  A B  x  C } = {x | (x  A  x  B )  x  C } = {x | x  A  ( x  B  x  C ) } = {x | x  A  (x  B  C ) } = A(B C )

Méthode 3: Tables d’appartenance Comme les tables de vérité de la logique propositionnelle. Colonnes: différentes expressions. Rangés pour toutes les combinaisons d’appartenance dans les ensembles. Utilisé “1” pour indiquer l’appartenance dans l’ensemble dérivé, “0” pour la non-appartenance. Équivalence quand des colonnes sont identiques.

Exemple de Table d’Appartenance Prouver (AB)B = AB.

Exemple de Table d’Appartenance Prouver (AB)C = (AC)(BC).

Revue (Section 5) Ensembles S, T, U… Ensembles spéciaux N, Z, R. Notations des ensembles {a,b,...}, {x|P(x)}… Relations xS, ST, ST, S=T, ST, ST. Opérations |S|, P(S), , , , , Techniques de preuve de l’égalité des ensembles: Sous-ensembles mutuels. Tables d’appartenance. Derivation à partir des équivalences logiques.

Généralisation Unions & Intersections Sachant que l’union & l’intersection sont commutatives et associatives, nous pouvons donc généraliser leur application sur des séquences d’ensembles (A1,…,An), ou même sur des ensembles non ordonnés d’ensembles, X={A | P(A)}.

Généralisation: Union Opération d’union binaire: AB Union n-aire: AA2…An : ((…((A1 A2) …) An) (groupement & ordonnancement sont sans importance) Notation “Big U”: Ou pour des ensembles infinis d’ensembles:

Généralisation: Intersection Opération d’intersection binaire : AB Intersection n-aire: A1A2…An((…((A1A2)…)An) (groupement & ordonnancement sont sans importance) Notation “Big Arch”: Ou pour des ensembles infinis d’ensembles: :

Représentations Il est possible d’utiliser diverses méthodes pour représenter chaque structure discrète à partir d’autres structures discrètes. Ex: représentation des N Ensembles: 0:, 1:{0}, 2:{0,1}, 3:{0,1,2}, … Chaînes de bits: 0:0, 1:1, 2:10, 3:11, 4:100, …

Représenter des ensembles avec des chaînes de bits Pour un ud énumérable U ordonné x1, x2, …, représentant un ensemble fini SU comme une chaîne de bits finie B=b1b2…bn où i: xiS  (i<n  bi=1). ex: U=N, S={2,3,5,7,11}, B=001101010001. Avec cette représentation, les opérateurs “”, “”, “ ‾ ” correspondent à OU, ET, NON bit à bit. So, for example, on a 64-bit processor, using just a single machine-language instruction you can calculate the union or intersection of two sets out of a universe of discourse having up to 64 elements. This leads to an extremely fast way of doing complicated calculations on small sets. It is not a good method for large, sparsely populated sets, because searching the bit string to find which bits are “1” can take a long time.

Exemples d’applications des ensembles a = (a1, a2) a  A ensemble de coordonnées 2D b = (b1, b2) b  B ensemble de So, for example, on a 64-bit processor, using just a single machine-language instruction you can calculate the union or intersection of two sets out of a universe of discourse having up to 64 elements. This leads to an extremely fast way of doing complicated calculations on small sets. It is not a good method for large, sparsely populated sets, because searching the bit string to find which bits are “1” can take a long time.

Exemples d’applications des ensembles (complément, union) A  B = {maxz(a,b) | a  A ^ b  B} So, for example, on a 64-bit processor, using just a single machine-language instruction you can calculate the union or intersection of two sets out of a universe of discourse having up to 64 elements. This leads to an extremely fast way of doing complicated calculations on small sets. It is not a good method for large, sparsely populated sets, because searching the bit string to find which bits are “1” can take a long time. Ac = {(x,y, K- z) | (x,y,z)  A } z couleur à la position x,y Z = {z | z  [0..255] }-> K = 255

Exemples d’applications des ensembles (complément, union) Arrière plan: noir (0) Avant plan: blanc (1) So, for example, on a 64-bit processor, using just a single machine-language instruction you can calculate the union or intersection of two sets out of a universe of discourse having up to 64 elements. This leads to an extremely fast way of doing complicated calculations on small sets. It is not a good method for large, sparsely populated sets, because searching the bit string to find which bits are “1” can take a long time.