Approche logique de l intelligence artificielle
|
|
- Sylvain Bernard
- il y a 8 ans
- Total affichages :
Transcription
1 Approche logique de l intelligence artificielle Où l on voit comment une méthode de démonstration formelle en logique des prédicats a permis la réalisation d un langage de programmation logique Prolog capable de concevoir des «systèmes intelligents». 2010
2
3 Table des matières Introduction.3 I) Logique des prédicats..5 I.1) Syntaxe du calcul des prédicats 7 I.1.1) Langage du calcul des prédicats... 7 I.1.2) Formules bien formées..7 a) Les termes... 7 b) Les atomes..8 c) Formules bien formées 8 I.1.3) Représentation d un FBF sous la forme d un arbre...9 I.1.4) Portée d un quantificateur, variable libre ou liée 10 a) Portée d un quantificateur. 10 b) Variable libre, variable liée...11 I.2) Sémantique du calcul des prédicats 12 I.2.1) Réalisation d un langage.12 I.2.2) Valeur d une formule.. 12 a) Assignation de variables...12 b) Valeur d une formule dans un modèle, pour une assignation c) Valeur d une formule dans un modèle...14 I.2.3) Formules valides, inconsistantes, équivalentes...14 I.2.4) Théorie, conséquence logique.15 I.2.5) Equivalence du calcul des prédicats 17 I.3) Système axiomatique, règles d inférences.19 I.3.1) Définitions...19 I.3.2) Système axiomatique du calcul des prédicats..19 I.3.3) Complétude du calcul des prédicats I.3.4) Indécidabilité du calcul des prédicats..21 II) Procédure de Preuve par réfutation : le principe de résolution II.1) Ecriture sous forme clausale.25 II.1.1) Formes prénexes. 25 II.1.2) Formes normales conjonctives...28 II.1.3) Formes de Skolem..30 II.1.4) Formes clausales 31 II.1.5) En résumé : Algorithme de mise sous forme clausale...33 II.1.6) Exemple complet 34 II.2) Principe de résolution 35 II.2.1) Principe de résolution appliqué à des clauses concrètes 35 II.2.2) Unification de littéraux...36 a) Substitution 36 b) Unification.37 c) Algorithme d unification...38 II.2.3) Principe de résolution appliqué à des clauses quelconques...41 II.2.4) Propriétés du principe de résolution...41 II.3) Preuve par réfutation en utilisant le principe de résolution...43 II.3.1) Réfutation par résolution 43 1
4 II.3.2) Non déterminisme de la réfutation par résolution..46 a) Non déterminisme.46 b) Stratégies de résolution par réfutation, complètes, effectivement complètes...47 c) Graphe de dérivation, graphe de réfutation...47 II.3.3) Quelques exemples de stratégies 49 a) Stratégie de résolution «en largeur» 49 b) Stratégie de résolution «linéaire»...49 c) Stratégie «linéaire par entrée».52 II.3.4) Principe de résolution restreint aux clauses de Horn 53 II.3.5) Principes de programmation logique.54 II.4) Illustrations 57 2
5 Introduction Il faudrait plus que quelques lignes pour définir fidèlement si tant est que cela soit possible ce que l appellation d Intelligence Artificielle recouvre de nos jours. Disons que ce domaine, d orientation plus pragmatique que théorique, a pour objet de faire réaliser à des systèmes informatiques des tâches complexes nécessitant une forme de «raisonnement» dit «intelligent». Des activités mentales comme par exemple celles nécessitées par la conduite d un véhicule, la pratique des mathématiques, la compréhension d une langue, la pratique des échecs ou l étude d un cours de l école de l air ( ) sont habituellement considérées comme faisant appel à un raisonnement «intelligent». Durant ces dernières décennies de nombreux systèmes informatiques pouvant accomplir des tâches de cette nature ont été conçus. Il existe par exemple des systèmes capables de diagnostiquer une maladie, de battre le champion du monde aux échecs, de prévoir la synthèse de produits chimiques complexes, de résoudre des équations différentielles, d écrire de petits programmes répondant à certaines spécifications formelles, de traduire des textes de construction assez simple, ou de retranscrire un discours oral (etc ). Ainsi l intelligence artificielle est déjà présente dans le monde technologique qui nous entoure. Plus que cela, son développement est intimement lié aux développements technologiques à venir. La conception de tels systèmes repose essentiellement sur des techniques générales provenant de la logique, des mathématiques, et de l informatique théorique. Ces techniques sont encore en nombre relativement restreint l IA est une discipline récente. Nous nous focaliserons dans ce cours seulement sur l une d entre-elle, à cause de son importance et de sa généralité (certaines techniques de théorie des graphes, d heuristique, ou d optimisation combinatoire seront abordées par ailleurs, pour elles-mêmes, dans d autres cours de la mineure de Recherche Opérationnelle). La technique que nous étudierons est le fondement théorique du langage de programmation logique PROLOG, langage utilisé pour la conception de nombreux systèmes «intelligents». Il s agit grosso modo d une technique de démonstration automatique de théorèmes même si elle sera rarement utilisée pour résoudre des problèmes mathématiques. Cette technique utilise la logique des prédicats pour représenter les connaissances dont on dispose. Le langage des prédicats est suffisamment riche pour représenter formellement un grand nombre de connaissances ou faits, et leurs relations logiques. A partir d un ensemble de connaissances initiales (c'est-à-dire de formules dans le langage des prédicats), on peut se poser la question de savoir si un fait quelconque (traductible en une formule du même langage) doit nécessairement être vrai (par exemple si : «Tous les hommes sont mortels» et si «Socrate est un homme», alors «Socrate est mortel» est nécessairement vrai). Dans ce cadre logique, la véracité d un tel fait constitue un théorème, et pour l établir il s agit d en effectuer une démonstration. Pour qu un système informatique soit capable à partir de certains faits exprimés dans le langage des prédicats, d en déduire d autres il faut qu il soit capable d effectuer des démonstrations automatiques. C est d une telle technique de démonstration automatique dont ce cours fait l objet. Le cours se compose de deux chapitres. Dans le premier chapitre nous introduisons la logique des prédicats, d une façon assez classique. Dans le deuxième chapitre nous établissons la procédure de preuve automatique dite procédure de preuve par réfutation. Nous terminons ce chapitre par un survol (très rapide) du langage PROLOG, et par quelques illustrations. 3 Novembre 2003
6 4
7 Chapitre I Logique des prédicats 5
8 Introduction La logique, initiée par Aristote au IV e av. J.C. dans l Organon, a pour vocation d étudier le raisonnement déductif en lui-même, abstraction faite de la matière à laquelle il s applique ou de tout processus psychologique. Par exemple tandis que «le frère de ma mère est mon oncle» est une vérité de langage, et que «le feu ça brûle» est une vérité de fait, les trois phrases suivantes sont des vérités logiques : «si lorsqu il pleut la route est mouillée, alors si la route n est pas mouillée c est qu il ne pleut pas», «si soit il fait beau, soit il pleut, alors s il ne pleut pas, c est qu il fait beau», «si tous les chats sont verts, et si Félix est un chat, alors Félix est vert». Après Aristote, la logique sous un aspect plus formel a été développée au XIX e siècle, essentiellement dans le but d établir un fondement solide des Mathématiques. C est à cette époque qu apparaît la logique des prédicats (Frege, 1879). Plutôt que de la logique il faudrait parler des logiques. Il existe de nombreux types de logiques, chacune d entre-elles étant plus adéquates que les autres pour exprimer certains types de raisonnement. La plus simple d entre-elles est certainement la logique des propositions. Elle traite de propositions qui prennent les valeurs vraie ou fausse, et des connecteurs logiques, le non :, le ou :, le et :, et le implique : (et éventuellement le est équivalent à : ). La logique des propositions est cependant trop pauvre pour exprimer beaucoup de vérités. La première vérité logique citée plus haut peut se formaliser par ( Pluie mouillée) ( mouillée Pluie), et la deuxième vérité logique par la formule ( Soleil Pluie) ( Pluie Soleil), et ces formules sont dites valides ou des tautologies (elles sont vraies indépendamment des valeurs prises par les propositions Pluie, mouillée, etc ). Cependant la troisième vérité logique ci-dessus ne peut pas s exprimer comme une tautologie du langage des propositions ; la raison en est la présence du quantificateur «tous les». Pour exprimer cette dernière vérité logique il est nécessaire de faire appel à la logique des prédicats. En logique des prédicats on dispose de variables, de constantes, et de fonctions, et les propositions sont remplacées par des prédicats dépendant de variables ; ils prennent la valeur vrai ou faux en fonction des valeurs prises par leur variable. On utilise toujours les connecteurs logiques ; bref le langage des prédicats doit être compris comme une version améliorée du langage des propositions, intégrant des variables, des constantes et des fonctions. Une particularité supplémentaire est l emploi des quantificateurs (dit universel) et (dit existentiel). La dernière vérité logique peut s exprimer dans ce langage comme la tautologie (( x, Chat( x) Vert( x)) Chat( Félix)) Vert( Félix). La logique des prédicats est assez riche pour exprimer un grand nombre de vérités logiques. Elle permet d ailleurs de formaliser la plupart des mathématiques. Même si elle est inadéquate pour exprimer certaines situations (comme des concepts temporels «demain») elle constitue un bon compromis entre simplicité et puissance d expression, et joue un rôle d importance en I.A.. 6
9 I.1) Syntaxe du calcul des prédicats I.1.1) Langage du calcul des prédicats On se donne un alphabet constitué des symboles suivants : Un ensemble de symboles appelés les constantes. Sauf contre-indication on aura coutume de les désigner par les premières lettres minuscules de l alphabet, éventuellement munies d indices : a, b, c, d,, a1, a2,..., etc.... Un ensemble de symboles appelés les variables. On les désignera usuellement par les dernières lettres de l alphabet minuscule : x, y, z, x1, x2,..., z1, z2,... etc.. Un ensemble de symboles appelés les prédicats, que l on désignera usuellement par les lettres majuscules : PQR,,,..., P1, P2,..., etc... Tout prédicat est muni d une arité, i.e. d un nombre entier : 0, 1,2,,etc., (qui informellement représente le nombre d arguments qu accepte le prédicat). Des prédicats munis d arité 1, 2, 3, n, sont appelés respectivement des prédicats unaires, binaires, ternaires, n-aires. Un prédicat d arité 0 est aussi appelé une proposition. Un ensemble de symboles appelés les fonctions, désignés par : f, gh,,..., f1, f2, etc,... Eux aussi sont munis d une arité, à ceci près qu il s agit d un entier non nul : 1, 2,3,, n (et on parlera de fonction unaire, binaire, ternaire, ou n-aire. Les séparateurs : ce sont les parenthèses : ( et ) ; ainsi que la virgule :,. Les connecteurs logiques :,,,,, (respectivement désignés, «non», «et», «ou», «implique», et «équivaut à»). Les quantificateurs (respectivement existentiel et universel) : et. Ces symboles sont dénués de toute signification intrinsèque. Il ne servent qu à constituer un langage formel : à partir de cet alphabet on peut concevoir des formules (des suites finies de symboles, comme : a P( x, y, ou x, Px ( ), ) ; parmi toutes les formules on ne considérera que certaines d entre elles appelées des formules bien formées. Ces FBFs en abrégé, sont définies par certaines règles grammaticales, exposées dans le prochain paragraphe. I.1.2) Formules bien formés (ou FBFs) a) Les termes : Ils sont définis par induction de la façon suivante : Les variables et les constantes sont des termes. Si f est une fonction d arité n, et si t 1, t 2,..., t n sont n termes, alors la formule f ( t1, t2,..., t n ) un terme. Tous les termes s obtiennent de cette façon (propriété de clôture). Remarques : - Attention il s agit là d un abus de notation!! Les t 1, t 2,..., t n ne sont pas nécessairement des symboles de notre alphabet, mais représentent des termes!! La notation f ( t1, t2,..., t n) représente la formule obtenue en remplaçant chaque t i par le terme qu il représente. Nous pourrons commettre souvent cet abus de notation. 7
10 Exemples : Si f, g sont des fonctions respectivement unaire et binaire, a, b des constantes, et x une variable, alors les formules : a ; x ; f(x) ; f ( f( b )) ; f ( gb (, f( x ))) sont des termes. Si l on considère les fonctions unaires père etmère, et les constantes Nathalie eteric, on peut former (entre autres) les termes suivants : père( Nathalie ), mère( père( Eric )), Eric. Informellement les termes sont les éléments. Ils vivent dans un monde appelé espace des termes ou domaine. Cela sera précisé rigoureusement dans la section I.2 qui traite de sémantique. b) Les atomes : Ils sont définis par les lois : Toute proposition (ou prédicat d arité 0) est un atome. Si P est un prédicat n-aire, et si t 1, t 2,..., t n sont n termes, alors Pt ( 1, t2,..., t n ) est un atome. Tout atome s obtient ainsi (propriété de clôture) Exemple : Si P est un prédicat binaire, Pax (, ) et Pgab ( (, ), f( x )) sont des atomes (dits aussi formules atomiques car nous allons voir que ce sont en particulier des FBFs). Informellement les atomes sont des propositions qui prennent des valeurs V (vrai) ou F (faux), lorsque les variables qu ils invoquent prennent des valeurs. La véracité de ces propositions dépend en général des valeurs prises par les variables invoquées. c) Formules bien formées : Elles sont définies par le procédé d induction : Les atomes sont des FBFs. Si F 1 et F 2 sont des FBFs, alors les formules ( F1 F2) ; ( F1 F2) ; ( F1 F2) ; ( F1 F2) ; et F1 sont des FBFs. Si F est une FBF, et x une variable, x, F et x, F sont des FBFs. (F est alors appelé la portée du quantificateur.) Propriété de clôture. Exemples : Les formules y,( x, P( a, b)) ( P( f( y), b)) ; x, y, P( x, y) sont des FBFs. Les termes ne sont jamais des FBFs!! Les formules x ; f ( a ) ; f ( a) g( x, b) ne sont pas des FBFs!! Si l on rajoute au dernier exemple du paragraphe précédent le prédicat unaire CONNAITRE, alors on peut construire (entre autres) les FBFs suivantes : CONNAITRE( père( Nathalie )) ; CONNAITRE( Nathalie) CONNAITRE( mère( Eric)). Remarques et notations : Les parenthèses n ayant d autre utilité que d encadrer le champ des paramètres d un prédicat, d une fonction, ou d un connecteur et d imposer les priorités dans leur évaluation, on pourra dans certains cas où ils ne présentent aucune utilité ou ambiguïté sémantique commettre des abus de notation les concernant : Ainsi les formules suivantes sont des FBFs : ( Pax (, )) ; ( Pab (, )) ; Pax (, ) Pbb (, ) ; Paa (, ) xpxx, (, ). 8
11 Nous pourrons employer les crochets «[,]» en lieu et place de parenthèses pour accroître la lisibilité des formules. De la même façon, lorsque nous aurons parlé de l équivalence des FBFs, et des règles d associativité de ainsi que de, nous aurons coutume de noter F1 F2 F3 (forme conjonctive) au lieu de ( F1 ( F2 F3)) ou de (( F1 F2) F3) ; de même nous noterons F1 F2 F3 (forme disjonctive). Mais attention, F1 F2 F3 n est pas une FBF!! Toute FBF de la forme F ou F, où F est un atome est appelé un littéral. Dans le premier cas on parlera de littéral positif et dans le second cas de littéral négatif. I.1.3 Représentation d une FBF sous la forme d un arbre Il peut-être plus pratique (ou du moins plus visuel) de représenter un FBF sous la forme d un arbre. Cela a l avantage d éviter l utilisation de parenthèses -souvent peu lisibles. Les sommets de cet arbre sont labellés : ils sont représentés par des cercles (ou nœuds, ou sommets) contenant le symbole de notre alphabet d une constante, variable, prédicat, fonction, connecteur ou bien d un quantificateur suivi d une variable ( x ou y ) (seuls les séparateurs sont omis). L arbre se lit de haut en bas. Si un sommet a pour label un symbole de fonction, prédicat (d arité >0), connecteur ou quantificateur, d arité n, il part de la base de ce sommet n arêtes qui le relient à ses arguments. Si un sommet a pour label une variable ou une constante, il ne part de sa base aucune arête ; de même si il s agit d une proposition : on dit que c est une feuille. Le nœud situé le plus en haut est appelé la racine de l arbre. Le mieux est d illustrer sa construction sur des exemples : Exemples : Dans le dernier paragraphe nous avons considéré les FBFs suivantes : x, y, P( x, y) y,( x, P( a, b)) ( P( f( y), b)) La FBF x, y, P( x, y) donne le graphe suivant : x y P x y La FBF y,( x, P( a, b)) ( P( f( y), b)) donne le graphe qui suit. Cet exemple est bien plus instructif : 9
12 y x P P a b f b y On voit sur cet exemple que la construction de l arbre suit la construction inductive de la formule : dans l exemple qui précède la formule y,( x, P( a, b)) ( P( f( y), b)) est construite à partir des termes a, b, f(y), en formant d abord les atomes P (a, b), et P( f( y), b ), puis en considérant les FBFs x, Pab (, ) et P( f( y), b), dont on prend la conjonction, puis finalement, en quantifiant existentiellement la variable y. I.1.4) Portée d un quantificateur, variable libre ou liée a) Portée d un quantificateur Considérons une FBF notée φ et supposons qu elle invoque un quantificateur quelconque ; on suppose sans perte de généralité que φ invoque le quantificateur (i.e. une occurrence de apparaît dansφ ). Considérons l arbre construit à partir deφ. Il a un sommet de label x (par exemple) correspondant à l occurrence considérée de dansφ. De la base de ce noeud se prolonge une seule arête qui vient finir sur un autre sommet. Ce dernier sommet est la racine d un sous arbre maximal ; et ce sous arbre (ou rameau) correspond à une sous-formule G deφ. Cette sous-formule G est la portée du quantificateur (ou x ) considéré. 10
13 Exemple : Dans la FBF : x,( xpx, ( ) y,( Py ( ) Px ( ))) x x y P x P P y x La portée du premier quantificateur x est : ( x, Px ( ) ( y,( Py ( ) Px ( ))) La portée du deuxième quantificateur x est : P(x) La portée du dernier quantificateur y est : ( Py ( ) Px ( )) x,( x, P( x) y,( P( y) P( x))) x, x, y, Portée de x Portée de x Portée de y b) Variable libre, variable liée Considérons maintenant une FBF φ et une variable y ayant une occurrence dansφ. L occurrence de y dansφ est dite libre si elle n est pas située dans la portée d un quantificateur gouvernant y (i.e. y ou y ), sinon elle dite liée. Une variable est dite libre si une de ses occurrences est libre, sinon elle est dite liée. Exemple : Dans la précédente FBF : x,( xpx, ( ) y,( Py ( ) Px ( ))) toutes les variables sont liées. Alors que dans ( x, Px ( ) ( y,( Py ( ) Px ( ))) la première occurrence de x est liée, tandis que sa deuxième occurrence est libre : x est une variable libre. Quant à la variable y, elle est bien sûr liée. 11
14 I.2) Sémantique du calcul des prédicats I.2.1) Réalisation d un langage Donné un langage L du calcul des prédicats, une réalisation (ou modèle, ou interprétation) M de L est la donnée de : Un ensemble E, appelé le domaine. Pour chaque constante c du langage L un élément c de E. Pour chaque fonction f d arité n, une application f de Pour chaque prédicat P d arité n>0, une application P de Pour chaque proposition P une valeur prise dans{ V, F }. n E dans E. n E dans{, } V F. Remarque : En particulier si M est un modèle de L et si l on ajoute des symboles de constante au langage L, M reste un modèle de L. Ce fait sera utilisé dans les procédures de transformation de formules (cf. II.1). Exemples : Soit le langage L constitué d une variable z, d une constante c, d une fonction f d arité 1, et d un prédicat binaire P. On considère les réalisations suivantes de L : * 2 a) E = + ; c = 1 ; f ( x) = x ; Pxy (, ) : x< y. b) E est une population ; c est Paul, f ( x) est le père de x, et Pxy (, ) : x est plus jeune que y. c) E est l ensemble des jours de l année ; c est le 21 juin, f ( x) est le jour qui succède à x, et Pxy (, ) : le jour x est plus court que le jour y (du levée au coucher du soleil). d) E est la réunion de l ensemble des points du plan privés de l origine, et des droites passant par l origine. c est l axe des abscisses, f associe à tout point la droite passant par ce point et par l origine, et à toute droite elle-même. Pxy (, ) : x et y sont des droites, et y est strictement plus pentue que x. I.2.2) Valeur d une formule a) Assignation de variables Soit M une réalisation du langage L. On appelle assignation de variables, toute application d une partie finie de l ensemble des variables de L dans le domaine E. Exemple : Si L a pour variables x1, x2, x 3,..., et si le champ est, alors x : = 1, x : = est une assignation des variables x 1 et x 3 aux valeurs -1 et 2. Cela signifie qu on leur attribue ces valeurs. C est l analogue de ce que l on noterait en algorithmique : x1 1 etx 3 2. Considérons un terme t du langage. Ce terme invoque certaines variables. Considérons une assignation α des variables invoquées dans t, ou tout du moins qui s applique à toutes les variables de t. Alors donnée une telle assignation de variables on peut 12
15 naturellement donner une valeur t à t, (c'est-à-dire lui associe un élémentt E, on dit évaluer t). Pour cela il suffit de remplacer dans t toute constante c par sa valeur c, toute fonction f par l application f, et toute variable par la valeur qui lui est assignée. b) Valeur d une formule dans un modèle pour une assignation On se propose d évaluer une formule φ dans un modèle donné, pour une assignation donnée de ses variables libres (notons α cette assignation), c'est-à-dire lui attribuer une valeur V (vrai) ou F (faux) dépendant deα. Pour cela on procède par induction : Si φ est un atome, φ = Pt ( 1,..., t n ). L assignation α donne les valeurs t 1,..., t n aux termest 1,..., t n. Alors φ prend la valeur Pt ( 1,..., t n) (qui est V ou F). Les connecteurs logiques sont évalués selon les règles données par les tables de vérité : P P P Q P Q P Q P Q V F V V V V V V F V F V V F V F V F V V F F F F F F F F P Q P Q P Q P Q V V V V V V F V V F V F V F F V F F F F V F F V Si F est de la forme : x, Px ( ) (où P est une FBF ayant (entre autres) x pour variable libre) ; F est vrai si Pxest ( ) vrai quelle que soit l assignation de x. Si F est de la forme : x, Px ( ) ; F est vrai si pour une certaine assignation de x, Pxest ( ) vrai. Exemple : Si l on reprend le langage de l exemple ci-dessus, et la formule Px (, f( x )). Dans le modèle a), c est une formule vraie pour toute assignation qui donne à x une valeur supérieure à 1, et fausse sinon. La formule close x, Px (, f( x)) est vraie et x, Px (, f( x)) est fausse. Dans le modèle b), elle est vraie pour toute assignation de x : un fils est toujours plus jeune que son père. En particulier la formule x, Px (, f( x)) est vraie. Dans le modèle c) la formule est vraie pour une assignation donnant à x une valeur comprise entre le solstice d hiver et le solstice d été. Dans le modèle d) la formule est fausse quelle que soit l assignation considérée. Si x est un point Px (, f( x)) est par définition faux, et si x est une droite f ( x) = xa même pente que x. 13
16 c) Valeur d une formule dans un modèle Une formule φ( x1,..., x n ) invoquant des variables libres x 1,..., xn est vraie dans M si elle est vraie pour toute assignation de x,..., 1 x n ; on note M φ( x1,..., x n ) et l on dit que M est un modèle de φ ( x1,..., x n ). On dit qu elle est fausse dans M lorsque sa négation est vraie dans M (c est alors un contre modèle). En général une formule non close n est ni vraie ni fausse dans M. Puisque la validité d une formule close φ dans un modèle M est indépendante de toute assignation de variable, elle ne peut être que vraie ou fausse. Si φ est vraie on note : M φ et l on dit que M est un modèle deφ. Sinon (elle est fausse) on dit que c est un contre modèle. Tout modèle de φ est un contre modèle de φ et réciproquement. Exemple : Avec le même exemple que précédemment, la formule Px (, f( x)) admet pour modèle b) et pour contre modèle d). Dans les cas a) et c) elle n est ni vraie ni fausse. I.2.3) Formules valides, inconsistantes, équivalentes Si la formule φ est vraie dans tout modèle du langage L, on dit que c est une formule valide ou encore une tautologie (autrement on dit qu elle est invalide). On note : φ Si elle est fausse dans tout modèle on dit que la formule est inconsistante (sinon on dit qu elle est consistante). Dans ce cas sa négation est une formule valide. Exemples : La formule P Pest valide (toujours vraie), la formule P Pest inconsistante (toujours fausse). La formule x, Px ( ) est consistante (prendre pour domaine l ensembles des êtres humains, et pour P : être une femme) et invalide (prendre le même domaine et P : mesure 10 mètres de haut). La formule Px (, f( x)) considérée comme exemple plus haut est aussi consistante et invalide. Si deux formules φ et ϕ sont vraies dans les mêmes modèles, on dit qu elles sont équivalentes. On note φ ϕ. Remarque : On peut facilement montrer (exercice!) que P Q(les formules P et Q sont équivalentes) si et seulement si P Q (la formule P Qest valide). 14
17 I.2.4) Théorie, conséquence logique Dans la suite on fixe un langage L des prédicats du 1 er ordre. Définitions : Une théorie T est la donnée d un ensemble fini de FBFs T = { F1, F2,..., F n }. Un modèle (ou réalisation, ou interprétation) de la théorie T est un modèle du langage L, qui est un modèle pour chaque formule de T. De façon équivalente un modèle de T n est rien d autre qu un modèle de la formule conjonctive F1 F2... Fn. Une théorie est non contradictoire ou consistante si elle admet un modèle. Sinon elle est inconsistante. Une formule φ est une conséquence logique de la théorie T si tout modèle de T est aussi un modèle de F. On note{ F1, F2,..., F n } φ. Exemples : Considérons la théorie T suivante : { Est _ père _ de( michel, anne ) ; Est _ père _ de( paul, michel ) ; x, y, z,( Est _ père _ de( x, y) Est _ père _ de( y, z)) Est _ grand père _ de( x, z) } Elle est non contradictoire (il est facile d en construire un modèle). La formule : Est _ grand père _ de( paul, anne) en est une conséquence logique. La théorie { x, Px ( ); yqy, ( ); x, ( Px ( ) Qx ( ))} est inconsistante. En effet la formule x, (( Px ( ) Qx ( )) est équivalente à x,( Px ( ) Qx ( )) qui a pour conséquence logique x, Qx ( ) elle-même équivalente à la formule ( yqy, ( )) qui fait apparaître une contradiction avec la formule yqy, ( ). Théorème (de la déduction): La FBFφ est conséquence logique de la théorie { F1, F2,..., F n } si et seulement si la formule ( F1 F2... Fn ) φ est valide. En d autres termes, { F1, F2,..., F n } φ si et seulement si ( F1 F2... Fn ) φ. Preuve : Supposons que φ soit une conséquence logique de{ F1, F2,..., F n }, c'est-à-dire que { F1, F2,..., F n } φ. Alors tout modèle qui satisfait { F1, F2,..., F n } satisfait aussiφ, et donc la formule ( F1 F2... Fn ) φ est valide. Réciproquement si ( F1 F2... Fn ) φ, alors dans tout modèle, on ne peut pas avoir à la fois F1, F 2,, et Fn et φ. Ainsi tout modèle { F, F,..., F } est aussi un modèle de φ.cqfd de 1 2 n 15
18 Remarque (importante!) : Voilà trois façons d affirmer que la formuleφ est une conséquence logique de la théorie { F1, F2,..., F n } : La formule ( F1 F2... Fn ) φ est valide. La formule F 1 F 2... Fn φ est inconsistante (c est la négation de la précédente). La théorie { F, F,..., F, φ} 1 2 n est inconsistante. 16
19 I.2.5) Quelques formules équivalentes On rappelle que deux formules φ et ϕ sont dites équivalentes lorsque elles admettent les mêmes modèles. Voici quelques exemples de formules équivalentes : Formule P Formule équivalente P Appellation (éventuelle) P P P P Q P Q Q Q P Commutativité de Q Q P Commutativité de Q Q P Commutativité de ( P Q) P Q ( P Q) P Q Lois de De Morgan P ( Q R) ( P Q) R Associativité de P ( Q R) ( P Q) R Associativité de P ( Q R) ( P Q) ( P R) ( P Q) R ( P R) ( Q R) P ( Q R) ( P Q) ( P R) ( P Q) R ( P R) ( Q R) P P Q ( P Q) ( Q P) Distributivité à gauche de sur Distributivité à droite de sur Distributivité à gauche de sur Distributivité à droite de sur Q Q P Loi de contraposition 17
20 Formule Formule équivalente xpx, ( ) ypy, ( ) xpx, ( ) ypy, ( ) xpx, ( ) x, P( x) xpx, ( ) x, P( x) x,( P() x Q()) x xpx, ( ) xqx, ( ) x,( P( x) Q( x)) xpx, ( ) xqx, ( ) xpx, ( ) Q x,( P( x) Q) Q x, P( x) x,( Q P( x)) xpx, ( ) Q x,( P( x) Q) Q x, P( x) x,( Q P( x)) xpx, ( ) Q x,( P( x) Q) Q x, P( x) x,( Q P( x)) x, Px ( ) Q x,( P( x) Q) Q x, P( x) x,( Q P( x)) 18
21 I.3) Système axiomatique, règles d inférence I.3.1) Définition Une règle d inférence est une règle permettant à partir d une ou plusieurs FBFs de produire (on dit «déduire») une autre FBF. Une règle d inférence est dite saine si la formule déduite est toujours une conséquence logique des formules dont on l a déduit. Dans la pratique, toutes les règles d inférence que nous considérerons seront saines. Exemples : Le Modus Ponens est une règle saine qui à partir des formules P et P Q déduit la formule Q. Le Modus Tollens est une règle saine qui à partir des formules Q etp Q déduit la formule P. Nous verrons dans le chapitre 2 une règle d inférence saine appelée Principe de Résolution, qui sera fondamentale dans notre étude. C est une généralisation de la règle d inférence qui déduit A B à partir de X Aet de X B. Un système axiomatique est la donnée d une théorie c'est-à-dire d un ensemble de FBFs du langage L (appelées les axiomes, ou les hypothèses), et de règles d inférences. Une preuve est une suite finie de formules telle que chaque formule est soit un axiome, soit déduit de formules qui le précèdent par les règles d inférence. La dernière formule de la preuve est le théorème que l on vient de prouver. On demande à un système axiomatique d être non contradictoire, c'est-à-dire que l ensemble de ses axiomes soit non contradictoire. On ne considérera dans la suite que des systèmes axiomatiques non contradictoires. Exemple : Considérons la théorie constituée des axiomes : { PP ; QQ ; R} et d une règle d inférence qui est le modus ponens : la formule R en est un théorème : une preuve est donnée par : 1 P 2 P Q 3 Q (déduit de 1 et 2 par modus ponens) 4 Q R 5 R (déduit de 3 et 4 par modus ponens). I.3.2) Système axiomatique pour le calcul des prédicats Considérons le système axiomatique suivant. Nous le noterons dans la suite S. Règles d inférence : Le Modus Ponens : Déduit la formule G des formules F etf G. La généralisation : Déduit xpx, ( ), de la formule Px (). La substitution de formules : Si φ est une formule invoquant un prédicat P d arité n, et ϕ est une formule ayant n variables libres (ou plus) telle que ses variables libres (resp. liées) sont désignés par d autres lettres que les variables liées (resp. libres) de φ, et telle que si dans φ, 19
22 P est dans la portée d un quantificateur quantifiant une variable, cette variable n est pas invoquée dans ϕ ; alors on peut dans φ changer chaque occurrence de P par ϕ. La substitution de termes : Si t est un terme quelconque, on peut déduire φ( t) de x, φ( x) Axiomes du calcul des prédicats : P ( Q P) ( P ( Q R)) (( P Q) ( P R)) ( P Q) P ( P Q) Q ( P Q) (( P R) ( P ( Q R))) P ( P Q) Q ( P Q) ( P R) (( Q R) (( P Q) R)) ( P Q) ( Q P) P P ( P Q) (( P Q) ( Q P)) (( P Q) ( Q P)) ( P Q) x, Px ( ) x, Px ( ) x,( P Q( x)) ( P x, P( x)) I.3.3) Complétude du calcul des prédicats Clairement, avec cette définition, tout théorème de S est une conséquence logique des axiomes. Puisque ces derniers sont des formules valides, il s ensuit que tout théorème est une formule valide. Il est naturel de se poser la question de la réciproque : toute formule valide est elle un théorème de S? Cela présenterait un avantage certain : il semble plus évident pour montrer qu une formule est valide de chercher à établir une preuve que de tenter de montrer qu elle est vraie dans tout modèle (qui sont bien sur en nombre infini). Cela présenterait en outre un résultat remarquable par sa portée : une totale adéquation entre le concept syntaxique de preuve, et le concept sémantique de validité (ou vérité). Un tel résultat est vrai ; le théorème suivant l établit. C est un résultat de complétude (au sens de la déduction) : Pour montrer qu une formule est valide il suffit d en exhiber une preuve (ce qui est cependant en général hautement non trivial). Théorème de complétude [Gödel, 1930]: Considérons ce système axiomatique S du calcul des prédicats. Alors, Une FBF est valide si et seulement si c est un théorème de S. Donnée une théorie T, une formule est une conséquence logique de T si et seulement si c est un théorème dans le système axiomatique obtenu à partir de S en rajoutant aux axiomes les formules de T. Nous admettrons la preuve. Elle est délicate. 20
23 I.3.3) Indécidabilité du calcul des prédicats Peut-on établir un algorithme qui puisse décider pour toute FBF, si c est une formule valide (décidabilité du calcul des prédicats)? Le théorème de complétude du paragraphe précédent semble apporter quelque espoir dans cette direction : pour montrer qu une formule est valide, il suffit d en exhiber une preuve, ce qui semblerait plus facilement implémentable que de tester si elle est vraie dans tout modèle. Ce résultat est cependant faux comme l établit le résultat suivant. Théorème d indécidabilité [Church, 1931] Le calcul des prédicats est indécidable. Il n existe pas d algorithme permettant de décider pour n importe quelle formule si elle est ou non valide. Remarques : La démonstration nécessite de définir mathématiquement la notion d algorithme. Cela a été fait dans les années 30, à travers les notions de fonctions récursives et de machine de Turing (Church, Turing, Godel). Informellement il faut comprendre par algorithme une procédure qui prend en entrée certaines valeurs (dites initiales) et produit (toujours) une réponse constituée de certaines valeurs, et cela de façon déterministe (la réponse ne dépend que des valeurs initiales). La non existence d un tel algorithme est dans un sens très fort : il ne s agit pas seulement d affirmer que l on ne peut pas trouver un tel algorithme mais qu il n existe pas : on pourrait imaginer qu il existe un algorithme qui nécessite pour être écrit l utilisation de plus de symboles qu il n y a d atomes dans l univers. Ce n est pas le cas : Il n existe pas!!! 21
24 22
25 Chapitre II Procédure de preuve par réfutation : Le principe de résolution 23
26 Introduction Nous établissons dans cette partie une procédure de démonstration automatique célèbre initiée par Robinson (1965), basée sur le principe de résolution. Elle constitue les fondements théoriques du langage de programmation logique PROLOG développé au début des années 70 par A.Colmerauer, P.Roussel et le groupe d intelligence artificielle de Marseille (U2, Luminy). Qu entendons nous par «procédure de démonstration automatique»? Le souhait serait de construire un algorithme qui puisse décider si une formule quelconque donnée est une conséquence logique d hypothèses (données), ou de façon équivalente (avec le théorème de la déduction I.2.4) de décider si une formule donnée est valide. Seulement nous avons vu dans la partie précédente (théorème d indécidabilité, I.3.3) qu un tel algorithme n existe pas!! Ce que nous allons faire, c est construire une procédure qui va tester si une formule donnée φ est valide, en ce sens : Si φ est valide (ou de façon équivalente si φ est conséquence logique de certaines hypothèses préalablement posées) alors la procédure finit par s arrêter en donnant une réponse positive. Sinon, la procédure risque de tourner indéfiniment sans jamais apporter de réponse à l utilisateur. Cette procédure ne constitue pas un algorithme! Si la formule entrée est invalide la procédure risque de tourner indéfiniment, et l utilisateur restera indécis quant à la validité de la formule, ne pouvant savoir à un instant donné si la formule est invalide ou si le programme n a tout simplement pas encore achevé son implémentation. La seule utilité de cette procédure réside dans le fait que lorsque la formule est valide elle finit par l établir ; bref elle démontre les théorèmes vrais, mais ne sait pas répondre à la question «ce théorème est-il vrai?». Avec le théorème d indécidabilité c est définitivement le meilleur résultat que nous pouvons établir dans cette direction : il constitue un résultat de «semi-décidabilité». Dans la pratique la procédure que nous allons établir ne recherche pas si une formule est valide mais si elle est inconsistante. Mais puisque φ est valide seulement lorsque φ est inconsistante cette approche est équivalente. La démarche procède en plusieurs étapes. Tout d abord nous transformons une formule en une formule d écriture plus simple qui à défaut d être équivalente a même consistance (i.e. est inconsistante si et seulement si la formule initiale est aussi inconsistante). C est l objet de la section 1. La formule obtenue est sous forme prénexe universelle (les quantificateurs sont tous universels et placés devant ) et la matrice (sous-formule obtenue en supprimant les quantificateurs) est une conjonction de clauses (on appelle clause une disjonction de littéraux). L inconsistance de la formule initiale se ramène à l inconsistance de l ensemble constitué des clauses de la formule obtenue. On introduit alors une règle d inférence (saine) appelée le principe de résolution qui ne s applique qu à des clauses, modelé sur la règle : «X A et X B implique A B». Pour l appliquer à des clauses quelconques il est nécessaire d unifier les littéraux ( II.2.2), c'est-à-dire de faire apparaître par substitution de termes aux variables invoquées d éventuels littéraux X et X (où X est un atome quelconque), dits complémentaires. Le résultat fondamental de cette section, est que lorsque un ensemble de clauses est inconsistant, on doit aboutir par applications successives du principe de résolution à la clause vide ( II.2.4). C est un résultat de complétude pour la réfutation. Il ouvre la voie à une procédure de preuve par réfutation, qui lorsqu un ensemble de clauses est inconsistant parvient à le déterminer. C est l objet de toute la section 2. 24
27 A ce stade la procédure de preuve par réfutation est non implémentable car non déterministe : elle nécessite parfois un choix de l utilisateur qui est déterminant quant à l issue de la procédure. L objet de la section 3 est d affiner cette méthode en considérant des stratégies permettant de lever ce non-déterminisme : on ne nécessitera plus l intervention d un utilisateur. En particulier nous étudierons la stratégie utilisée par PROLOG, qui ne s applique qu à une classe plus restreinte de clauses dites clauses de Horn (ce sont les clauses invoquant au plus un littéral positif). Enfin dans la dernière section nous illustrerons ces méthodes par quelques exemples. II.1) Ecriture sous forme clausale Dans cette section nous établissons un algorithme permettant de transformer une FBF quelconque en une autre FBF plus simple (dite sous forme clausale) qui ait même consistance. Il procède en 3 étapes. Tout d abord on transforme une FBF en un FBF sous forme prénexe (tous les quantificateurs devant!) qui lui soit équivalente ( II.1.1). Ensuite on éliminera les quantificateurs existentiels en introduisant de nouveaux symboles de constantes et de fonctions : c est le procédé de Skolémisation ( II.1.2). Le théorème de Skolem (théorème II.1.3) établit que la formule obtenue a même consistance que la formule initiale. C est ici que l on perd l équivalence! Finalement ( II.1.3), on transforme la matrice (sous-formule obtenue en supprimant tous les quantificateurs) en une conjonction de clauses : on obtient la forme clausale souhaitée. Elle a même consistance que la FBF initiale. L algorithme établi sera amplement utilisé dans la suite de ce cours. II.1.1) Formes prénexes Une FBF et sous forme prénexe si elle s écrit : Qx, Qx,..., Qx, P où les symboles Q i représentent n importe quel quantificateur, et P est une formule n invoquant aucun quantificateur (bref tous les quantificateurs sont devant). La sous-formule (non bien formée) Qx 1 1, Qx 2 2,..., Qx n n, est appelée le préfixe, tandis que la formule (bien formée) P est appelée la matrice. Exemple : La formule x, y, z,(( P( x) Q( y)) R( z)) où P,Q,R, sont des prédicats unaires est sous forme prénexe, tandis que x, y,(( P( x) Q( y)) z, R( z)) n est pas sous forme prénexe. Théorème : Pour toute FBF il existe une FBF équivalente sous forme prénexe. De plus cette formule peut-être déterminée grâce à un algorithme. Démonstration : Appliquer la méthode exposée ci-dessous. Elle peut toujours s appliquer, et à partir d une formule quelconque aboutit à une formule sous forme prénexe qui lui est équivalente. CQFD. n n 25
28 Algorithme d écriture d une formule sous forme prénexe : On suppose donnée une formule. On va construire une formule sous forme prénexe qui lui est équivalente. a) Elimination des connecteurs et. On élimine d abord tous les connecteurs en utilisant l équivalence : P Q ( P Q) ( Q P) Puis on élimine tous les connecteurs en utilisant la formule : P Q P Q b) Accoler tous les connecteurs aux atomes. Pour ce faire utiliser les formules suivantes : P P Lois de De Morgan : ( G H) G H ( G H) G H xpx, ( ) x, Px ( ) xpx, ( ) x, Px ( ) c) Distinguer les variables. On fait en sorte que chaque quantificateur gouverne une variable de nom original. Pour cela on utilise les équivalences : xpx, ( ) ypy, ( ) xpx, ( ) ypy, ( ) Renommer aussi les variables de façon à ce qu aucune variable libre ne porte le même nom qu une variable liée. Remarque : On peut pour cela ajouter au langage de nouvelles variables. Si M était un modèle pour notre langage, il le demeure après le rajout de ces variables. d) Eliminer les quantificateurs inutiles On élimine les quantificateurs ne servant à rien (c'est-à-dire quantifiant des variables qui n apparaissent pas) : Si Q n invoque pas la variable libre x xq, Q xq, Q 26
29 e) Faire passer les quantificateurs devant. Pour cela utiliser les équivalences qui suivent, où Q représente une formule qui n invoque pas d occurrences libres de la variable x: xpx, ( ) Q x,( Px ( ) Q) xpx, ( ) Q x,( Px ( ) Q) x, P( x) Q x,( P( x) Q) x, P( x) Q x,( P( x) Q) Q x, P( x) x,( Q P( x)) Q x, P( x) x,( Q P( x)) Q x, P( x) x,( Q P( x)) Q x, P( x) x,( Q P( x)) Il s agit de la dernière étape! La FBF obtenue vérifie les propriétés suivantes : Elle est sous forme prénexe. Chaque quantificateur quantifie une variable de nom original, et chaque variable libre à un nom différent des variables liées. La matrice se construit à partir de littéraux, de conjonctions, et de disjonctions (avec emploi de parenthèses). Exemple : on considère la formule suivante : x,[ P( x) y, x, ( Q( x, y) z, R( a, x, y))] On applique tout d abord l étape a) qui permet de supprimer tous les connecteurs : x,[ P( x) y, x, ( Q( x, y) z, R( a, x, y))] Après avoir appliqué l étape b) (accoler les aux atomes), on obtient : x,[ P( x) y, x,( Q( x, y) z, R( a, x, y))] On applique ensuite l étape c) (renommer les variables) : x,[ P( x) y, u,( Q( u, y) z, R( a, u, y))] Puis l étape d) (éliminer les quantificateurs inutiles) : x,[ Px ( ) y, u,( Quy (, ) Rauy (,, ))] On applique finalement l étape e) pour faire passer les quantificateurs devant. On obtient la forme prénexe : x, y, u,[ Px ( ) ( Quy (, ) Rauy (,, ))] Remarques : On peut aussi considérer une dernière étape facultative, permettant de réordonner l agencement des quantificateurs, à l aide des formules : x, y, A y, x, A x, y, A y, x, A 27
30 Attention, les formules x, y, Aet y, x, A ne sont pas équivalentes. Par exemple si on prend pour domaine l ensemble des entiers relatifs, la formule : x, y,( x + y = 0) est vraie (tout nombre a un opposé), tandis que : y, x,( x + y = 0) est une assertion fausse, puisque que l on ne peut pas trouver d entier y, tel que pour tout x, x + y = 0. Dans l exemple considéré ci-dessus, la formule est équivalente à l autre forme prénexe : y, x, u,[ Px ( ) ( Quy (, ) Rauy (,, ))], (on intervertit x et y ) mais n est pas équivalente à : x, u, y,[ Px ( ) ( Quy (, ) Rauy (,, ))] (on a interverti y et u ). Parfois on peut intervertir les quantificateurs et. Par exemple : x, y,( P( x) Q( y)) x,( P( x) y, Q( y)) ( x, Px ( ) yqy, ( )) y,( x, P( x) Q( y)) y, x,( P( x) Q( y)) En fait si on y regarde de plus près on peut s apercevoir que la permutation entre x et y est possible chaque fois qu il n y a pas de littéral dans leur portée invoquant à la fois les variables x et y. Comme nous venons de le vérifier sur cet exemple, il existe en général plusieurs formes prénexes équivalentes. II.1.2) Formes normales conjonctives Définitions : Une clause est une formule qui est soit un littéral, soit une disjonctions de littéraux. L1 L2 L3 Considérons la forme prénexe : Qx 1 1, Qx 2 2,..., Qx n n, P Si la matrice P est une conjonction de clauses alors on dit que la formule est sous forme normale conjonctive. Conjonction de clauses clauses L 1 L 2 L L 3 L 4 L 5 L 6 7 L 8 L9 littéraux 28
31 Théorème : Pour toute formule il existe une formule équivalente qui s écrit sous forme normale conjonctive. De plus il existe un algorithme permettant de déterminer cette formule. Preuve : Transformer d abord la formule en une forme prénexe équivalente (en utilisant l algorithme du paragraphe précédent). Puis appliquer l algorithme décrit ci-dessous à la matrice obtenue. CQFD. Algorithme d écriture sous forme normale conjonctive Après avoir appliqué l algorithme précédent, notre formule est sous forme prénexe, et la matrice ne comporte que des connecteurs logiques et appliqués à des littéraux. Pour parvenir à une forme normale conjonctive on applique autant de fois que possible les équivalences suivantes (distributivité à gauche et à droite de sur ) : P ( Q R) ( P Q) ( P R) ( P Q) R ( P R) ( Q R) Exemple : Si l on reprend l exemple qui précède, la forme prénexe : devient : y, x, u,[ Px ( ) ( Quy (, ) Rauy (,, ))] y, x, u,[( Px ( ) Quy (, )) ( Px ( ) Rauy (,, ))] y x u P Q x u y R a u y 29
32 II.1.3) Formes de Skolem C est l utilisation de quantificateurs qui est à l origine de la puissance, mais aussi de la complexité du calcul des prédicats. C est pour cette raison qu il est judicieux d écrire une formule sous une forme normale qui lui soit équivalente : écrite sous une forme plus simple son inconsistance (ou sa validité) pourrait peut-être être plus simple à déterminer. Cependant même si les formes obtenues sont relativement simples, la coexistence de quantificateurs universels et existentiels amène une difficulté. Il serait plus intéressant de n avoir que des quantificateurs universels. Une formule sous forme normale conjonctive est dite universelle si son préfixe ne comporte que des quantificateurs universels. Mais attention une formule n admet pas en général de forme normale conjonctive universelle qui lui soit équivalente. Nous allons cependant voir comment écrire une forme normale conjonctive universelle, qui ait même consistance que la formule initiale. C est un résultat bien plus faible que l équivalence, mais qui sera suffisant pour le propos qui est le nôtre. Ce procédé s appelle le procédé de Skolémisation. Algorithme de Skolémisation On travaille sur une FBF donnée sous forme prénexe (ou encore sous forme normale conjonctive). Comme nous l avons vu dans les paragraphes précédents toute formule admet une formule équivalente écrite sous cette forme. A chaque occurrence de quantificateur existentiel apparaissant dans la formule on lui associe les variables quantifiées universellement qui le précèdent (par exemple x 1, x 2,..., x n si les quantificateurs x1, x2,, et xn précèdent le y considéré dans le préfixe), ainsi qu un nouveau symbole fonctionnel (par exemple f) ayant pour arité le nombre n de ces variables. On remplace dans la matrice chaque occurrence de la variable (disons y) que gouverne le quantificateur existentiel (ici y ) considéré, par le terme fx ( 1, x2,..., x n), et l on supprime dans le préfixe le quantificateur existentiel ( y ) considéré. Dans le cas où aucun quantificateur universel ne précède le quantificateur existentiel considéré, on introduit un nouveau symbole de constante c, on remplace les occurrences de y par c, et comme précédemment- on supprime le quantificateur existentiel y considéré. Exemple : Considérons la formule sous forme prénexe : x, y, z, w,( P( x) ( Q( x, y, z) R( w))) Le premier quantificateur existentiel n est précédé par aucun quantificateur existentiel : on remplace la variable x par une nouvelle constante c : y, z, w,( P( c) ( Q( c, y, z) R( w))) pour le quantificateur existentiel w, on considère un nouveau symbole fonctionnel binaire f et on lui associe les variables y et z. On obtient : y, z,( P( c) ( Q( c, y, z) R( f( y, z)))) Cette nouvelle formule est appelé la transformée de Skolem ou la forme de Skolem de la formule initial. Si une formule prénexe a un suffixe ne comportant aucun quantificateur universel, elle est sa propre transformée de skolem. Remarque : Une formule et sa transformée de Skolem ne sont en général pas équivalentes. Par exemple, la transformée de Skolem, de xpx, ( ) est Pc (). Si on prend comme domaine 30
33 d interprétation, et si Px ( ) est interprété parx > 0, la valeur de Pc () dépend évidemment de l interprétation de la constante c, tandis que la formule initiale est évidemment vraie. Cependant, ce qui justifie de son utilisation c est le fait qu une formule et sa transformée de Skolem ont toutes deux même consistance comme l établit le résultat suivant : Théorème : [Skolem] Une formule et sa transformée de Skolem sont simultanément toutes deux inconsistantes ou toutes deux consistantes. Preuve : Notons φ une formule est S( φ ) sa transformée de Skolem. Pour établir la proposition il est suffisant d établir que φ est inconsistante si et seulement si S( φ) est inconsistante. Par construction des valeurs de vérité, il est clair que si S( φ) est vraie pour un modèle, il en est de même deφ. Ainsi l inconsistance de φ entraîne l inconsistance de S( φ ). Prouvons maintenant la réciproque. Supposons que φ soit vraie dans un certain modèle de notre langage L, de domaine D. Pour construire la formule S( φ) on a du enrichir notre langage de nouveaux symboles fonctionnels ou de constantes, pour aboutir à un langage L '. Interprétons dans ce modèle notre langage L '. Tous les symboles de L L' sont interprétés comme précédemment. Considérons un symbole de constante de L' L. Il est nécessairement associé à une variable quantifiée existentiellement deφ, qui n est précédée par aucun quantificateur universel. Puisque la formule φ est vraie, on peut supprimer ce quantificateur existentiel, et assigner à cette variable une valeur constante de D qui garde la formule vraie. On interprétera ce symbole de constante par cet élément de D. Considérons maintenant un symbole fonctionnel f de L' L ; il est associé à une quantification existentielle (disons y, ) de la formuleφ. Supposons que cette quantification soit précédée par des quantificateurs existentiel portant sur les variables (disons) x 1, x 2,..., x n. Alors par définition, pour toute assignation dex 1, x 2,..., x n, on peut trouver une assignation de y qui rende la formule φ vraie. La fonction f sera ainsi interprétée par une fonction de choix qui à une assignation de x 1, x 2,..., xn associe une valeur assignée à y qui garde la formule n vraie ; c est une application de D dans D. En procédant ainsi, donnée une interprétation de L qui rende φ vraie, on a interprété notre langage L ' pour ce modèle de façon à ce que la formule S( φ) soit vraie. Ainsi si S( φ) est inconsistante, il en est de même deφ. CQFD. II.1.4) Formes clausales On dispose désormais d une formule sous forme normale conjonctive universelle : x1, x2,..., xn, φ1 φ2... φp (où les φi sont des clauses). Elle est équivalente à la conjonction des formules : x1, x2,..., xn, φ1 x1, x2,..., xn, φ2 x1, x2,..., xn, φp La dernière étape pour l écrire sous forme clausale est de distinguer les variables invoquées dans chaque clause. Pour cela on utilise les règles : x,( Px ( ) Qx ( )) xpx, ( ) xqx, ( ) xpx, ( ) yqy, ( ) x, y,( Px ( ) Qy ( )) 31
Chapitre 2. Eléments pour comprendre un énoncé
Chapitre 2 Eléments pour comprendre un énoncé Ce chapitre est consacré à la compréhension d un énoncé. Pour démontrer un énoncé donné, il faut se reporter au chapitre suivant. Les tables de vérité données
Plus en détailLogique : ENSIIE 1A - contrôle final
1 Logique : ENSIIE 1A - contrôle final - CORRIGÉ Mardi 11 mai 2010 - Sans documents - Sans calculatrice ni ordinateur Durée : 1h30 Les exercices sont indépendants. Exercice 1 (Logique du premier ordre
Plus en détailLogique. Plan du chapitre
Logique Ce chapitre est assez abstrait en première lecture, mais est (avec le chapitre suivant «Ensembles») probablement le plus important de l année car il est à la base de tous les raisonnements usuels
Plus en détailImage d un intervalle par une fonction continue
DOCUMENT 27 Image d un intervalle par une fonction continue La continuité d une fonction en un point est une propriété locale : une fonction est continue en un point x 0 si et seulement si sa restriction
Plus en détailInitiation à la Programmation en Logique avec SISCtus Prolog
Initiation à la Programmation en Logique avec SISCtus Prolog Identificateurs Ils sont représentés par une suite de caractères alphanumériques commençant par une lettre minuscule (les lettres accentuées
Plus en détailManuel d utilisation 26 juin 2011. 1 Tâche à effectuer : écrire un algorithme 2
éducalgo Manuel d utilisation 26 juin 2011 Table des matières 1 Tâche à effectuer : écrire un algorithme 2 2 Comment écrire un algorithme? 3 2.1 Avec quoi écrit-on? Avec les boutons d écriture........
Plus en détailExercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Banque PT
Exercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Banque PT Ces exercices portent sur les items 2, 3 et 5 du programme d informatique des classes préparatoires,
Plus en détailUniversité Paris-Dauphine DUMI2E 1ère année, 2009-2010. Applications
Université Paris-Dauphine DUMI2E 1ère année, 2009-2010 Applications 1 Introduction Une fonction f (plus précisément, une fonction réelle d une variable réelle) est une règle qui associe à tout réel x au
Plus en détailBases de données Cours 5 : Base de données déductives
Cours 5 : ESIL Université de la méditerranée Odile.Papini@esil.univmed.fr http://odile.papini.perso.esil.univmed.fr/sources/bd.html Plan du cours 1 Introduction 2 approche sémantique approche axiomatique
Plus en détailUEO11 COURS/TD 1. nombres entiers et réels codés en mémoire centrale. Caractères alphabétiques et caractères spéciaux.
UEO11 COURS/TD 1 Contenu du semestre Cours et TDs sont intégrés L objectif de ce cours équivalent a 6h de cours, 10h de TD et 8h de TP est le suivant : - initiation à l algorithmique - notions de bases
Plus en détailIntelligence artificielle appliquée à l automatique
Intelligence artificielle appliquée à l automatique par Sylviane GENTIL Professeur à l École nationale supérieure d ingénieurs électriciens Institut national polytechnique de Grenoble 1. Définitions et
Plus en détailAlgorithme. Table des matières
1 Algorithme Table des matières 1 Codage 2 1.1 Système binaire.............................. 2 1.2 La numérotation de position en base décimale............ 2 1.3 La numérotation de position en base binaire..............
Plus en détailAlgorithmique et Programmation Fonctionnelle
Algorithmique et Programmation Fonctionnelle RICM3 Cours 9 : Lambda-calcul Benjamin Wack Polytech 2014-2015 1 / 35 La dernière fois Typage Polymorphisme Inférence de type 2 / 35 Plan Contexte λ-termes
Plus en détailCalculabilité Cours 3 : Problèmes non-calculables. http://www.irisa.fr/lande/pichardie/l3/log/
Calculabilité Cours 3 : Problèmes non-calculables http://www.irisa.fr/lande/pichardie/l3/log/ Problèmes et classes de décidabilité Problèmes et classes de décidabilité Nous nous intéressons aux problèmes
Plus en détailStructures algébriques
Structures algébriques 1. Lois de composition s Soit E un ensemble. Une loi de composition interne sur E est une application de E E dans E. Soient E et F deux ensembles. Une loi de composition externe
Plus en détailIntroduction à l étude des Corps Finis
Introduction à l étude des Corps Finis Robert Rolland (Résumé) 1 Introduction La structure de corps fini intervient dans divers domaines des mathématiques, en particulier dans la théorie de Galois sur
Plus en détailReprésentation des Nombres
Chapitre 5 Représentation des Nombres 5. Representation des entiers 5.. Principe des représentations en base b Base L entier écrit 344 correspond a 3 mille + 4 cent + dix + 4. Plus généralement a n a n...
Plus en détailLe produit semi-direct
Le produit semi-direct Préparation à l agrégation de mathématiques Université de Nice - Sophia Antipolis Antoine Ducros Octobre 2007 Ce texte est consacré, comme son titre l indique, au produit semi-direct.
Plus en détailArithmétique binaire. Chapitre. 5.1 Notions. 5.1.1 Bit. 5.1.2 Mot
Chapitre 5 Arithmétique binaire L es codes sont manipulés au quotidien sans qu on s en rende compte, et leur compréhension est quasi instinctive. Le seul fait de lire fait appel au codage alphabétique,
Plus en détailUtilisation des tableaux sémantiques dans les logiques de description
Utilisation des tableaux sémantiques dans les logiques de description IFT6281 Web Sémantique Jacques Bergeron Département d informatique et de recherche opérationnelle Université de Montréal bergerja@iro.umontreal.ca
Plus en détailCours de mathématiques
DEUG MIAS premier niveau Cours de mathématiques année 2003/2004 Guillaume Legendre (version révisée du 3 avril 2015) Table des matières 1 Éléments de logique 1 1.1 Assertions...............................................
Plus en détailV- Manipulations de nombres en binaire
1 V- Manipulations de nombres en binaire L ordinateur est constitué de milliards de transistors qui travaillent comme des interrupteurs électriques, soit ouverts soit fermés. Soit la ligne est activée,
Plus en détailExercices - Polynômes : corrigé. Opérations sur les polynômes
Opérations sur les polynômes Exercice 1 - Carré - L1/Math Sup - Si P = Q est le carré d un polynôme, alors Q est nécessairement de degré, et son coefficient dominant est égal à 1. On peut donc écrire Q(X)
Plus en détailChapitre 2 Le problème de l unicité des solutions
Université Joseph Fourier UE MAT 127 Mathématiques année 2011-2012 Chapitre 2 Le problème de l unicité des solutions Ce que nous verrons dans ce chapitre : un exemple d équation différentielle y = f(y)
Plus en détailIntelligence Artificielle et Systèmes Multi-Agents. Badr Benmammar bbm@badr-benmammar.com
Intelligence Artificielle et Systèmes Multi-Agents Badr Benmammar bbm@badr-benmammar.com Plan La première partie : L intelligence artificielle (IA) Définition de l intelligence artificielle (IA) Domaines
Plus en détailSystèmes décisionnels et programmation avancée
Systèmes décisionnels et programmation avancée M1 SIR Philippe Muller et Mustapha Mojahid, Matthieu Serrurier, Marie-Christine Scheix 2014-2015 Introduction structure du cours intervenants introduction
Plus en détailModel checking temporisé
Model checking temporisé Béatrice Bérard LAMSADE Université Paris-Dauphine & CNRS berard@lamsade.dauphine.fr ETR 07, 5 septembre 2007 1/44 Nécessité de vérifier des systèmes... 2/44 Nécessité de vérifier
Plus en détailwww.h-k.fr/publications/objectif-agregation
«Sur C, tout est connexe!» www.h-k.fr/publications/objectif-agregation L idée de cette note est de montrer que, contrairement à ce qui se passe sur R, «sur C, tout est connexe». Cet abus de langage se
Plus en détailTable des matières. Introduction
Table des matières 1 Formalisation des virus informatiques 2 1.1 Les machines de Turing........................ 2 1.2 Formalisation de Fred Cohen..................... 2 1.2.1 Définition d un virus informatique..............
Plus en détailLa fonction exponentielle
DERNIÈRE IMPRESSION LE 2 novembre 204 à :07 La fonction exponentielle Table des matières La fonction exponentielle 2. Définition et théorèmes.......................... 2.2 Approche graphique de la fonction
Plus en détailLimites finies en un point
8 Limites finies en un point Pour ce chapitre, sauf précision contraire, I désigne une partie non vide de R et f une fonction définie sur I et à valeurs réelles ou complees. Là encore, les fonctions usuelles,
Plus en détailSuites numériques 3. 1 Convergence et limite d une suite
Suites numériques 3 1 Convergence et limite d une suite Nous savons que les termes de certaines suites s approchent de plus en plus d une certaine valeur quand n augmente : par exemple, les nombres u n
Plus en détailSOCLE COMMUN - La Compétence 3 Les principaux éléments de mathématiques et la culture scientifique et technologique
SOCLE COMMUN - La Compétence 3 Les principaux éléments de mathématiques et la culture scientifique et technologique DOMAINE P3.C3.D1. Pratiquer une démarche scientifique et technologique, résoudre des
Plus en détailTP 1. Prise en main du langage Python
TP. Prise en main du langage Python Cette année nous travaillerons avec le langage Python version 3. ; nous utiliserons l environnement de développement IDLE. Étape 0. Dans votre espace personnel, créer
Plus en détailDOCM 2013 http://docm.math.ca/ Solutions officielles. 1 2 10 + 1 2 9 + 1 2 8 = n 2 10.
A1 Trouvez l entier positif n qui satisfait l équation suivante: Solution 1 2 10 + 1 2 9 + 1 2 8 = n 2 10. En additionnant les termes du côté gauche de l équation en les mettant sur le même dénominateur
Plus en détailProbabilité. Table des matières. 1 Loi de probabilité 2 1.1 Conditions préalables... 2 1.2 Définitions... 2 1.3 Loi équirépartie...
1 Probabilité Table des matières 1 Loi de probabilité 2 1.1 Conditions préalables........................... 2 1.2 Définitions................................. 2 1.3 Loi équirépartie..............................
Plus en détailCalcul fonctionnel holomorphe dans les algèbres de Banach
Chapitre 7 Calcul fonctionnel holomorphe dans les algèbres de Banach L objet de ce chapitre est de définir un calcul fonctionnel holomorphe qui prolonge le calcul fonctionnel polynômial et qui respecte
Plus en détailPEUT-ON «VOIR» DANS L ESPACE À N DIMENSIONS?
PEUT-ON «VOIR» DANS L ESPACE À N DIMENSIONS? Pierre Baumann, Michel Émery Résumé : Comment une propriété évidente visuellement en dimensions deux et trois s étend-elle aux autres dimensions? Voici une
Plus en détailIUT de Laval Année Universitaire 2008/2009. Fiche 1. - Logique -
IUT de Laval Année Universitaire 2008/2009 Département Informatique, 1ère année Mathématiques Discrètes Fiche 1 - Logique - 1 Logique Propositionnelle 1.1 Introduction Exercice 1 : Le professeur Leblond
Plus en détailRéalisabilité et extraction de programmes
Mercredi 9 mars 2005 Extraction de programme: qu'est-ce que c'est? Extraire à partir d'une preuve un entier x N tel que A(x). π x N A(x) (un témoin) (En fait, on n'extrait pas un entier, mais un programme
Plus en détailOptimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications
Optimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications A. Optimisation sans contrainte.... Généralités.... Condition nécessaire et condition suffisante
Plus en détailDe même, le périmètre P d un cercle de rayon 1 vaut P = 2π (par définition de π). Mais, on peut démontrer (difficilement!) que
Introduction. On suppose connus les ensembles N (des entiers naturels), Z des entiers relatifs et Q (des nombres rationnels). On s est rendu compte, depuis l antiquité, que l on ne peut pas tout mesurer
Plus en détailIntégration et probabilités TD1 Espaces mesurés Corrigé
Intégration et probabilités TD1 Espaces mesurés Corrigé 2012-2013 1 Petites questions 1 Est-ce que l ensemble des ouverts de R est une tribu? Réponse : Non, car le complémentaire de ], 0[ n est pas ouvert.
Plus en détailMachines virtuelles Cours 1 : Introduction
Machines virtuelles Cours 1 : Introduction Pierre Letouzey 1 pierre.letouzey@inria.fr PPS - Université Denis Diderot Paris 7 janvier 2012 1. Merci à Y. Régis-Gianas pour les transparents Qu est-ce qu une
Plus en détailProjet d informatique M1BI : Compression et décompression de texte. 1 Généralités sur la compression/décompression de texte
Projet d informatique M1BI : Compression et décompression de texte Le but de ce projet est de coder un programme réalisant de la compression et décompression de texte. On se proposera de coder deux algorithmes
Plus en détailFondements de l informatique Logique, modèles, et calculs
Fondements de l informatique Logique, modèles, et calculs Cours INF423 de l Ecole Polytechnique Olivier Bournez Version du 20 septembre 2013 2 Table des matières 1 Introduction 9 1.1 Concepts mathématiques........................
Plus en détailMoments des variables aléatoires réelles
Chapter 6 Moments des variables aléatoires réelles Sommaire 6.1 Espérance des variables aléatoires réelles................................ 46 6.1.1 Définition et calcul........................................
Plus en détailDéfinitions. Numéro à préciser. (Durée : )
Numéro à préciser (Durée : ) On étudie dans ce problème l ordre lexicographique pour les mots sur un alphabet fini et plusieurs constructions des cycles de De Bruijn. Les trois parties sont largement indépendantes.
Plus en détailObjectifs du cours d aujourd hui. Informatique II : Cours d introduction à l informatique et à la programmation objet. Complexité d un problème (2)
Objectifs du cours d aujourd hui Informatique II : Cours d introduction à l informatique et à la programmation objet Complexité des problèmes Introduire la notion de complexité d un problème Présenter
Plus en détailDéfinition 0,752 = 0,7 + 0,05 + 0,002 SYSTÈMES DE NUMÉRATION POSITIONNELS = 7 10 1 + 5 10 2 + 2 10 3
8 Systèmes de numération INTRODUCTION SYSTÈMES DE NUMÉRATION POSITIONNELS Dans un système positionnel, le nombre de symboles est fixe On représente par un symbole chaque chiffre inférieur à la base, incluant
Plus en détailCours 1 : La compilation
/38 Interprétation des programmes Cours 1 : La compilation Yann Régis-Gianas yrg@pps.univ-paris-diderot.fr PPS - Université Denis Diderot Paris 7 2/38 Qu est-ce que la compilation? Vous avez tous déjà
Plus en détailBaccalauréat ES Pondichéry 7 avril 2014 Corrigé
Baccalauréat ES Pondichéry 7 avril 204 Corrigé EXERCICE 4 points Commun à tous les candidats. Proposition fausse. La tangente T, passant par les points A et B d abscisses distinctes, a pour coefficient
Plus en détailchapitre 4 Nombres de Catalan
chapitre 4 Nombres de Catalan I Dénitions Dénition 1 La suite de Catalan (C n ) n est la suite dénie par C 0 = 1 et, pour tout n N, C n+1 = C k C n k. Exemple 2 On trouve rapidement C 0 = 1, C 1 = 1, C
Plus en détailLa NP-complétude. Johanne Cohen. PRISM/CNRS, Versailles, France.
La NP-complétude Johanne Cohen PRISM/CNRS, Versailles, France. Références 1. Algorithm Design, Jon Kleinberg, Eva Tardos, Addison-Wesley, 2006. 2. Computers and Intractability : A Guide to the Theory of
Plus en détailCours de Master Recherche
Cours de Master Recherche Spécialité CODE : Résolution de problèmes combinatoires Christine Solnon LIRIS, UMR 5205 CNRS / Université Lyon 1 2007 Rappel du plan du cours 16 heures de cours 1 - Introduction
Plus en détailavec des nombres entiers
Calculer avec des nombres entiers Effectuez les calculs suivants.. + 9 + 9. Calculez. 9 9 Calculez le quotient et le rest. : : : : 0 :. : : 9 : : 9 0 : 0. 9 9 0 9. Calculez. 9 0 9. : : 0 : 9 : :. : : 0
Plus en détailDate : 18.11.2013 Tangram en carré page
Date : 18.11.2013 Tangram en carré page Titre : Tangram en carré Numéro de la dernière page : 14 Degrés : 1 e 4 e du Collège Durée : 90 minutes Résumé : Le jeu de Tangram (appelé en chinois les sept planches
Plus en détailCorrection de l examen de la première session
de l examen de la première session Julian Tugaut, Franck Licini, Didier Vincent Si vous trouvez des erreurs de Français ou de mathématiques ou bien si vous avez des questions et/ou des suggestions, envoyez-moi
Plus en détailChap 4: Analyse syntaxique. Prof. M.D. RAHMANI Compilation SMI- S5 2013/14 1
Chap 4: Analyse syntaxique 1 III- L'analyse syntaxique: 1- Le rôle d'un analyseur syntaxique 2- Grammaires non contextuelles 3- Ecriture d'une grammaire 4- Les méthodes d'analyse 5- L'analyse LL(1) 6-
Plus en détail* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable T : pour travailler et mémoriser le cours
Exo7 Continuité (étude globale). Diverses fonctions Exercices de Jean-Louis Rouget. Retrouver aussi cette fiche sur www.maths-france.fr * très facile ** facile *** difficulté moyenne **** difficile *****
Plus en détail6. Les différents types de démonstrations
LES DIFFÉRENTS TYPES DE DÉMONSTRATIONS 33 6. Les différents types de démonstrations 6.1. Un peu de logique En mathématiques, une démonstration est un raisonnement qui permet, à partir de certains axiomes,
Plus en détailBaccalauréat ES Antilles Guyane 12 septembre 2014 Corrigé
Baccalauréat ES Antilles Guyane 12 septembre 2014 Corrigé EXERCICE 1 5 points Commun à tous les candidats 1. Réponse c : ln(10)+2 ln ( 10e 2) = ln(10)+ln ( e 2) = ln(10)+2 2. Réponse b : n 13 0,7 n 0,01
Plus en détailCapacité d un canal Second Théorème de Shannon. Théorie de l information 1/34
Capacité d un canal Second Théorème de Shannon Théorie de l information 1/34 Plan du cours 1. Canaux discrets sans mémoire, exemples ; 2. Capacité ; 3. Canaux symétriques ; 4. Codage de canal ; 5. Second
Plus en détailJade. Projet Intelligence Artificielle «Devine à quoi je pense»
Jade Projet Intelligence Artificielle «Devine à quoi je pense» Réalisé par Djénéba Djikiné, Alexandre Bernard et Julien Lafont EPSI CSII2-2011 TABLE DES MATIÈRES 1. Analyse du besoin a. Cahier des charges
Plus en détaildonnées en connaissance et en actions?
1 Partie 2 : Présentation de la plateforme SPSS Modeler : Comment transformer vos données en connaissance et en actions? SPSS Modeler : l atelier de data mining Large gamme de techniques d analyse (algorithmes)
Plus en détailChapitre 1 Qu est-ce qu une expression régulière?
Chapitre 1 Qu est-ce qu une expression régulière? Les ordinateurs n ont pas du tout la même conception des textes que nous : pour nous, un texte est un ensemble d idées couchées sur papier. Nous nous en
Plus en détailAxiomatique de N, construction de Z
Axiomatique de N, construction de Z Table des matières 1 Axiomatique de N 2 1.1 Axiomatique ordinale.................................. 2 1.2 Propriété fondamentale : Le principe de récurrence.................
Plus en détailProbabilités conditionnelles Exercices corrigés
Terminale S Probabilités conditionnelles Exercices corrigés Exercice : (solution Une compagnie d assurance automobile fait un bilan des frais d intervention, parmi ses dossiers d accidents de la circulation.
Plus en détailCours d introduction à l informatique. Partie 2 : Comment écrire un algorithme? Qu est-ce qu une variable? Expressions et instructions
Cours d introduction à l informatique Partie 2 : Comment écrire un algorithme? Qu est-ce qu une variable? Expressions et instructions Qu est-ce qu un Une recette de cuisine algorithme? Protocole expérimental
Plus en détailGroupe symétrique. Chapitre II. 1 Définitions et généralités
Chapitre II Groupe symétrique 1 Définitions et généralités Définition. Soient n et X l ensemble 1,..., n. On appelle permutation de X toute application bijective f : X X. On note S n l ensemble des permutations
Plus en détailProbabilités et Statistiques. Feuille 2 : variables aléatoires discrètes
IUT HSE Probabilités et Statistiques Feuille : variables aléatoires discrètes 1 Exercices Dénombrements Exercice 1. On souhaite ranger sur une étagère 4 livres de mathématiques (distincts), 6 livres de
Plus en détailAlgèbre binaire et Circuits logiques (2007-2008)
Université Mohammed V Faculté des Sciences Département de Mathématiques et Informatique Filière : SMI Algèbre binaire et Circuits logiques (27-28) Prof. Abdelhakim El Imrani Plan. Algèbre de Boole 2. Circuits
Plus en détailExercice autour de densité, fonction de répatition, espérance et variance de variables quelconques.
14-3- 214 J.F.C. p. 1 I Exercice autour de densité, fonction de répatition, espérance et variance de variables quelconques. Exercice 1 Densité de probabilité. F { ln x si x ], 1] UN OVNI... On pose x R,
Plus en détailContinuité et dérivabilité d une fonction
DERNIÈRE IMPRESSIN LE 7 novembre 014 à 10:3 Continuité et dérivabilité d une fonction Table des matières 1 Continuité d une fonction 1.1 Limite finie en un point.......................... 1. Continuité
Plus en détailTravaux pratiques. Compression en codage de Huffman. 1.3. Organisation d un projet de programmation
Université de Savoie Module ETRS711 Travaux pratiques Compression en codage de Huffman 1. Organisation du projet 1.1. Objectifs Le but de ce projet est d'écrire un programme permettant de compresser des
Plus en détailArchitecture des ordinateurs TD1 - Portes logiques et premiers circuits
Architecture des ordinateurs TD1 - Portes logiques et premiers circuits 1 Rappel : un peu de logique Exercice 1.1 Remplir la table de vérité suivante : a b a + b ab a + b ab a b 0 0 0 1 1 0 1 1 Exercice
Plus en détailGrammaires d unification
Cours sur le traitement automatique des langues (IV) Violaine Prince Université de Montpellier 2 LIRMM-CNRS Grammaires d unification Grammaire catégorielle Grammaire syntagmatique généralisée (GPSG) Les
Plus en détailMIS 102 Initiation à l Informatique
MIS 102 Initiation à l Informatique Responsables et cours : Cyril Gavoille Catherine Pannier Matthias Robine Marc Zeitoun Planning : 6 séances de cours 5 séances de TD (2h40) 4 séances de TP (2h40) + environ
Plus en détailProbabilités sur un univers fini
[http://mp.cpgedupuydelome.fr] édité le 10 août 2015 Enoncés 1 Proailités sur un univers fini Evènements et langage ensemliste A quelle condition sur (a,, c, d) ]0, 1[ 4 existe-t-il une proailité P sur
Plus en détailConception des bases de données : Modèle Entité-Association
Conception des bases de données : Modèle Entité-Association La modélisation d un problème, c est-à-dire le passage du monde réel à sa représentation informatique, se définit en plusieurs étapes pour parvenir
Plus en détailProgrammation linéaire
1 Programmation linéaire 1. Le problème, un exemple. 2. Le cas b = 0 3. Théorème de dualité 4. L algorithme du simplexe 5. Problèmes équivalents 6. Complexité de l Algorithme 2 Position du problème Soit
Plus en détailLES TYPES DE DONNÉES DU LANGAGE PASCAL
LES TYPES DE DONNÉES DU LANGAGE PASCAL 75 LES TYPES DE DONNÉES DU LANGAGE PASCAL CHAPITRE 4 OBJECTIFS PRÉSENTER LES NOTIONS D ÉTIQUETTE, DE CONS- TANTE ET DE IABLE DANS LE CONTEXTE DU LAN- GAGE PASCAL.
Plus en détailFonctions de plusieurs variables
Module : Analyse 03 Chapitre 00 : Fonctions de plusieurs variables Généralités et Rappels des notions topologiques dans : Qu est- ce que?: Mathématiquement, n étant un entier non nul, on définit comme
Plus en détailRappels sur les suites - Algorithme
DERNIÈRE IMPRESSION LE 14 septembre 2015 à 12:36 Rappels sur les suites - Algorithme Table des matières 1 Suite : généralités 2 1.1 Déition................................. 2 1.2 Exemples de suites............................
Plus en détailRelation entre deux variables : estimation de la corrélation linéaire
CHAPITRE 3 Relation entre deux variables : estimation de la corrélation linéaire Parmi les analyses statistiques descriptives, l une d entre elles est particulièrement utilisée pour mettre en évidence
Plus en détailPhysique Chimie. Utiliser les langages scientifiques à l écrit et à l oral pour interpréter les formules chimiques
C est Niveau la représentation 4 ème 2. Document du professeur 1/6 Physique Chimie LES ATOMES POUR COMPRENDRE LA TRANSFORMATION CHIMIQUE Programme Cette séance expérimentale illustre la partie de programme
Plus en détailLa mesure de Lebesgue sur la droite réelle
Chapitre 1 La mesure de Lebesgue sur la droite réelle 1.1 Ensemble mesurable au sens de Lebesgue 1.1.1 Mesure extérieure Définition 1.1.1. Un intervalle est une partie convexe de R. L ensemble vide et
Plus en détailBases de données déductives
Bases de données déductives par Mohand-Saïd HACID Maître de conférences en informatique à l université Lyon-I et Jacques KOULOUMDJIAN Docteur ès sciences Professeur d informatique à l INSA de Lyon 1. Bases
Plus en détailÉPREUVE COMMUNE DE TIPE 2008 - Partie D
ÉPREUVE COMMUNE DE TIPE 2008 - Partie D TITRE : Les Fonctions de Hachage Temps de préparation :.. 2 h 15 minutes Temps de présentation devant le jury :.10 minutes Entretien avec le jury :..10 minutes GUIDE
Plus en détailt 100. = 8 ; le pourcentage de réduction est : 8 % 1 t Le pourcentage d'évolution (appelé aussi taux d'évolution) est le nombre :
Terminale STSS 2 012 2 013 Pourcentages Synthèse 1) Définition : Calculer t % d'un nombre, c'est multiplier ce nombre par t 100. 2) Exemples de calcul : a) Calcul d un pourcentage : Un article coûtant
Plus en détailExo7. Matrice d une application linéaire. Corrections d Arnaud Bodin.
Exo7 Matrice d une application linéaire Corrections d Arnaud odin. Exercice Soit R muni de la base canonique = ( i, j). Soit f : R R la projection sur l axe des abscisses R i parallèlement à R( i + j).
Plus en détailDéveloppement décimal d un réel
4 Développement décimal d un réel On rappelle que le corps R des nombres réels est archimédien, ce qui permet d y définir la fonction partie entière. En utilisant cette partie entière on verra dans ce
Plus en détailLes indices à surplus constant
Les indices à surplus constant Une tentative de généralisation des indices à utilité constante On cherche ici en s inspirant des indices à utilité constante à définir un indice de prix de référence adapté
Plus en détailChp. 4. Minimisation d une fonction d une variable
Chp. 4. Minimisation d une fonction d une variable Avertissement! Dans tout ce chapître, I désigne un intervalle de IR. 4.1 Fonctions convexes d une variable Définition 9 Une fonction ϕ, partout définie
Plus en détailTP n 2 Concepts de la programmation Objets Master 1 mention IL, semestre 2 Le type Abstrait Pile
TP n 2 Concepts de la programmation Objets Master 1 mention IL, semestre 2 Le type Abstrait Pile Dans ce TP, vous apprendrez à définir le type abstrait Pile, à le programmer en Java à l aide d une interface
Plus en détailCorrection du baccalauréat ES/L Métropole 20 juin 2014
Correction du baccalauréat ES/L Métropole 0 juin 014 Exercice 1 1. c.. c. 3. c. 4. d. 5. a. P A (B)=1 P A (B)=1 0,3=0,7 D après la formule des probabilités totales : P(B)=P(A B)+P(A B)=0,6 0,3+(1 0,6)
Plus en détailBaccalauréat ES Amérique du Nord 4 juin 2008
Baccalauréat ES Amérique du Nord 4 juin 2008 EXERCICE 1 Commun à tous les candidats f est une fonction définie sur ] 2 ; + [ par : 4 points f (x)=3+ 1 x+ 2. On note f sa fonction dérivée et (C ) la représentation
Plus en détailles Formulaires / Sous-Formulaires Présentation...2 1. Créer un formulaire à partir d une table...3
Présentation...2 1. Créer un formulaire à partir d une table...3 2. Les contrôles :...10 2.1 Le contrôle "Intitulé"...11 2.2 Le contrôle "Zone de Texte"...12 2.3 Le contrôle «Groupe d options»...14 2.4
Plus en détailLe théorème de Perron-Frobenius, les chaines de Markov et un célèbre moteur de recherche
Le théorème de Perron-Frobenius, les chaines de Markov et un célèbre moteur de recherche Bachir Bekka Février 2007 Le théorème de Perron-Frobenius a d importantes applications en probabilités (chaines
Plus en détailExercices - Fonctions de plusieurs variables : corrigé. Pour commencer
Pour commencer Exercice 1 - Ensembles de définition - Première année - 1. Le logarithme est défini si x + y > 0. On trouve donc le demi-plan supérieur délimité par la droite d équation x + y = 0.. 1 xy
Plus en détail