Ngatchangue siewe nel

22u2032

### Analyse Mathématique des Complexités des Algorithmes de Tri

#### 1. Tri par Insertion:

**Démonstration Mathématique:**

- Soit \(T_i\) le nombre d'opérations pour insérer le \(i\)-ème élément.

- La complexité totale \(T(n)\) est la somme des \(T_i\) pour \(i\) de 1 à \(n\).

- En utilisant la formule de la somme arithmétique: \(T(n) = \frac{n(n+1)}{2}\).

- Par déduction, la complexité asymptotique est \(T(n) \in O(n^2)\).

**Exemples:**

\[

\begin{align*}

&\text{Pour } n = 10000: \quad T(10000) = \frac{10000 \times 10001}{2} = 50,005,000 \text{

opérations}. \\

&\text{Pour } n = 20000: \quad T(20000) = \frac{20000 \times 20001}{2} = 200,010,000 \text{

opérations}. \\

&\text{Pour } n = 30000: \quad T(30000) = \frac{30000 \times 30001}{2} = 450,015,000 \text{

opérations}. \\

&\text{Pour } n = 40000: \quad T(40000) = \frac{40000 \times 40001}{2} = 800,020,000 \text{

opérations}. \\

&\text{Pour } n = 50000: \quad T(50000) = \frac{50000 \times 50001}{2} = 1,250,025,000 \text{

opérations}.

\end{align*}

\]

**Explications:**

Le tri par insertion construit progressivement une séquence triée en insérant chaque élément à sa
place correcte. Pour un tableau de taille \(n\), on itère sur chaque élément et on le compare avec les
éléments déjà triés jusqu'à ce qu'il trouve sa position appropriée. La déduction mathématique de sa
complexité provient de la nature des opérations effectuées à chaque itération.
#### 2. Tri par Sélection:

**Démonstration Mathématique:**

- Soit \(T_i\) le nombre d'opérations pour sélectionner le \(i\)-ème élément.

- La complexité totale \(T(n)\) est la somme des \(T_i\) pour \(i\) de 1 à \(n\).

- En utilisant la formule de la somme arithmétique: \(T(n) = \frac{n(n+1)}{2}\).

- Par déduction, la complexité asymptotique est \(T(n) \in O(n^2)\).

**Exemples:**

\[

\begin{align*}

&\text{Pour } n = 10000: \quad T(10000) = \frac{10000 \times 10001}{2} = 50,005,000 \text{

opérations}. \\

&\text{Pour } n = 20000: \quad T(20000) = \frac{20000 \times 20001}{2} = 200,010,000 \text{

opérations}. \\

&\text{Pour } n = 30000: \quad T(30000) = \frac{30000 \times 30001}{2} = 450,015,000 \text{

opérations}. \\

&\text{Pour } n = 40000: \quad T(40000) = \frac{40000 \times 40001}{2} = 800,020,000 \text{

opérations}. \\

&\text{Pour } n = 50000: \quad T(50000) = \frac{50000 \times 50001}{2} = 1,250,025,000 \text{

opérations}.

\end{align*}

\]

**Explications:**

Le tri par sélection trouve itérativement le minimum du tableau non trié et le place à la bonne
position. À chaque itération, il parcourt le reste du tableau pour trouver le minimum. La complexité
est déduite de la somme des opérations nécessaires pour chaque itération.

#### 3. Tri à Bulles:

**Démonstration Mathématique:**

- Soit \(T_i\) le nombre d'opérations pour la \(i\)-ème itération.

- La complexité totale \(T(n)\) est la somme des \(T_i\) pour \(i\) de 1 à \(n\).

- En utilisant la formule de la somme arithmétique: \(T(n) = \frac{n(n+1)}{2}\).

- Par déduction, la complexité asymptotique est \(T(n) \in O(n^2)\).

**Exemples:**

\[

\begin{align*}

&\text{Pour } n = 10000: \quad T(10000) = \frac{10000 \times 10001}{2} = 50,005,000 \text{

opérations}. \\

&\text{Pour } n = 20000: \quad T(20000) = \frac{20000 \times 20001}{2} = 200,010,000 \text{

opérations}. \\

&\text{Pour } n = 30000: \quad T(30000) = \frac{30000 \times 30001}{2} = 450,015,000 \text{

opérations}. \\

&\text{Pour } n = 40000: \quad T(40000) = \frac{40000 \times 40001}{2} = 800,020,000 \text{

opérations}. \\

&\text{Pour } n = 50000: \quad T(50000) = \frac{50000 \times 50001}{2} = 1,250,025,000 \text{

opérations}.

\end{align*}

\]

**Explications:**

Le tri à bulles compare et échange les éléments adjacents jusqu'à ce que le tableau soit trié. À
chaque itération, il parcourt le tableau et échange les éléments non triés s'ils ne sont pas dans
l'ordre. La complexité découle du nombre d'itérations nécessaires pour trier le tableau.

#### 4. Tri Bitonique:

**Démonstration Mathématique:**

- La division bitonique a une complexité \(T(n) \in O(\log^2 n)\).

- La fusion a une complexité \(T(n) \in O(n \log^2 n)\) avec des comparaisons bitoniques puis
régulières.

**Exemples (suite):**

\[
\begin{align*}

&\text{Pour } n = 10000: \quad T(10000) = \log^2 10000 + 10000 \log^2 10000. \\

&\text{Pour } n = 20000: \quad T(20000) = \log^2 20000 + 20000 \log^2 20000. \\

&\text{Pour } n = 30000: \quad T(30000) = \log^2 30000 + 30000 \log^2 30000. \\

&\text{Pour } n = 40000: \quad T(40000) = \log^2 40000 + 40000 \log^2 40000. \\

&\text{Pour } n = 50000: \quad T(50000) = \log^2 50000 + 50000 \log^2 50000.

\end{align*}

\]

**Explications:**

Le tri bitonique divise récursivement le tableau en deux parties, triant chaque moitié dans des ordres
différents, puis fusionne les résultats. La division bitonique a une complexité logarithmique, tandis
que la fusion a une complexité \(O(n \log^2 n)\) en raison des comparaisons bitoniques et régulières.
Ces complexités découlent de la nature du tri bitonique.

#### 5. Tri Fusion:

**Démonstration Mathématique:**

- La division récursive a une complexité \(T(n) \in O(\log n)\).

- La fusion a une complexité \(T(n) \in O(n \log n)\).

**Exemples:**

\[

\begin{align*}

&\text{Pour } n = 10000: \quad T(10000) = \log 10000 + 10000 \times \log 10000. \\

&\text{Pour } n = 20000: \quad T(20000) = \log 20000 + 20000 \times \log 20000. \\

&\text{Pour } n = 30000: \quad T(30000) = \log 30000 + 30000 \times \log 30000. \\

&\text{Pour } n = 40000: \quad T(40000) = \log 40000 + 40000 \times \log 40000. \\

&\text{Pour } n = 50000: \quad T(50000) = \log 50000 + 50000 \times \log 50000.

\end{align*}

\]
**Explications:**

Le tri fusion divise récursivement le tableau en deux moitiés, trie chaque moitié, puis fusionne les
résultats. La division récursive a une complexité logarithmique, tandis que la fusion a une complexité
\(O(n \log n)\) en raison du nombre total d'opérations de fusion nécessaires. Ces complexités sont
inhérentes à la nature du tri fusion.