> Après avoir vu le parcours séquentiel d'un tableau dans le but de trouver un élèment, on va pouvoir voir une méthode bien plus efficace dans le cas d'une liste triée, **la recherche dichotomique.**
### Le programme
-----------
### Etymologie
Le mot dichotomie vient du grec ancien
$$
dikhotomia
$$
qui signifie ***couper en deux***
-------------
### Problème de base
Supposons un tableau tab :
```python
tab = [1,2,6,9,12,14,18,21,42]
```
Si on souhaite chercher un élèment, par exemple 7, en utilisant le [parcours séquentiel](PARCOURS.md) on fonctionne par balayage (avec une boucle for...) et donc parcourir la liste du début à la fin en colparant chaque valeur à l'élèment recherché.
Ici par exemple, on effectuerait 9 comparaison pour finir par dire que non, 7 n'est pas présent.
Dans le cas d'une liste **déjà triée**, la recherche dichotomique permet d'améliorer les performances.
-----------
### Principe
- Si le tableau est vide, on renvoie False, la recherche est terminée.
- Sinon, on trouve la valeur la plus *centrale* du tableau et on la compare avec l'élément recherché :
- si la valeur est celle qu'on recherche, on renvoie True, la recherche est terminée.
- si la valeur est plus petite que l'élèment recherché, on recommence la procédure avec la seconde moitié du tableau.
- si la valeur est plus grande que l'élément recherché, on recommence avec la première moitié du tableau.
- Quel est le pire des cas ici ? Que l'élèment recherché ne soit pas dans le tableau.
- Le nombre de tours de boucle de la recherche dichotomique est de l'ordrede log<sub>2</sub>(n) où *n* est la taille de la liste.
*Explications*
Qu'est ce que le ***Logarithme***:
pour faire simple, le logarithme en base n - écrit log<sub>n</sub> correspond au nombre de division par n successive pour arriver au nombre 0.
***Exemple :***
Soit un tableau de taille 𝑛.
Si on « coupe » ce tableau en deux parts égales, cela revient à diviser 𝑛 par deux à chaque itération :
$$
n_1 = \frac{n}{2}
$$
$$
n_2 = \frac {n_1}{2}
$$
$$
n_3 = \frac {n_2}{2}
$$
***Important*** : la taille d’un tableau étant forcément un *nombre entier*, 𝑛𝑖 va devenir à un moment ou un autre égal à 1.
Cela signifiera qu’après avoir divisé 𝑛 par 2 un nombre de fois égal à un certain nombre 𝑎, le tableau ne comportera plus qu’une seule valeur (et par conséquent l’algorithme s’arrête).
$$
n_i=1=\frac {n}{2×2×2…×2}=\frac {𝑛}{2𝑎}
$$
Soit : 𝑎 =log<sub>2</sub>(𝑛)
La recherche dichotomique est donc de complexité ***logarithmique***.
--------
### Terminaison
Pour vérifier que la recherche dichotomique se termine bien, regardons ensemble son code python :
````python
def dichotomique (tab, x)
```
:param res: booléen qui indique si un élèment x se trouve ou non dans le tableau tab
:param tab: tableau contenant différents élèments déjà triés
:param x: élèment recherché
```
pass
````
-----------
Exercices :
- Écrire une fonction *tableau_random*(x, i, j) qui crée un tableau de x nombres aléatoires compris entre i et j
- Écrire une fonction trier_tableau (tab) qui va trier un tableau par ordre croissant.
- Écrire la fonction dichotomique (tab, x) qui renvoie True si l'élément x se trouve dans tab, False sinon.
