Corrigé Banque PT 2026 Informatique et modélisation PT — Partie 2.3 (Q37 à Q44) : Requêtes SQL, profil de Munk et recherche dichotomique du canal SOFAR

Q37. On relie chaque mesure à sa région par une jointure sur la clé étrangère, puis on filtre sur le nom de la région et sur la date. On suppose les dates stockées au format ISO 'AAAA-MM-JJ', format usuel de SQLite.

SELECT m.profondeur, m.temperature, m.salinite
FROM mesures AS m
JOIN regions AS r ON m.id_region = r.id_region
WHERE r.region = 'Region1' AND m.date = '2025-04-17';

Si l'on sait que la région 1 a pour identifiant 1, la jointure peut être évitée avec WHERE id_region = 1 AND date = '2025-04-17' ; la version avec jointure ne fait aucune hypothèse sur la numérotation.

Q38. Deux jointures (région et période), un filtre, puis la fonction d'agrégation COUNT :

SELECT COUNT(*) AS nb_mesures
FROM mesures AS m
JOIN regions  AS r ON m.id_region  = r.id_region
JOIN periodes AS p ON m.id_periode = p.id_periode
WHERE r.region = 'Region2' AND p.periode = 'Été';

Les deux requêtes ont été exécutées sous sqlite3 sur une petite base d'essai (sept mesures, dont deux en région 2 l'été) : elles renvoient les deux lignes attendues pour Q37 et le nombre $2$ pour Q38. Le sujet orthographie la période « Éte » ; la chaîne comparée doit être exactement celle qui est stockée dans la table.

Q39. Traduction directe de la formule (exp vient du module math, comme les fonctions fournies) :

from math import exp

def munk(z):
    zb = 2 * (z - 1300) / 1300          # profondeur réduite
    return 1500 * (1 + 0.00737 * (zb - 1 + exp(-zb)))

Contrôle : $\text{munk(1300)}=1500\mathrm{m}\cdot {\mathrm{s}}^{-1}$, $\text{munk(0)}\approx 1548,5\mathrm{m}\cdot {\mathrm{s}}^{-1}$ et $\text{munk(5000)}\approx 1551,9\mathrm{m}\cdot {\mathrm{s}}^{-1}$, en accord avec la figure 8.