Condition de stabilité d'un réseau de les d'attente à deux stations et N classes de clients 1

Dimension: px
Commencer à balayer dès la page:

Download "Condition de stabilité d'un réseau de les d'attente à deux stations et N classes de clients 1"

Transcription

1 General Mathematics Vol. 18, No. 4 (2010), Condition de stabilité d'un réseau de les d'attente à deux stations et N classes de clients 1 Faiza Belarbi, Amina Angelika Bouchentouf Résumé Nous étudions l'ergodicité d'un réseau de les d'attente à deux stations et N classes avec N 3 feedbacks dans la deuxième station sous la discipline de service FIFO et sous les conditions habituelles ρ 1 = m 1 + m N < 1 et ρ 2 = m l < 1. En utilisant le critère de modèle uide présenté par Rybko, Stolyar et Dai, nous montrons que si ρ 1 ρ 2 alors le modèle uide est stable et le réseau de les d'attente stochastique est ergodique Mathematics Subject Classication : 60K25, 60M20, 90B22. Key words and phrases : Stabilité, Multiclasses, Service de discipline FIFO, Modèle uide. 1 Introduction Notre réseau se compose de deux les d'attente (i = 1, 2). A chaque le d'attente il y a un serveur et une salle d'attente de capacité innie. Les clients suivent un itinéraire xé par le réseau. Ils arrivent de l'extérieur à la cadence 1, ils vont faire la le 1 où ils ont besoin d'un service de moyenne m 1, et puis aligner 2 où ils ont besoin d'abord d'un service de moyenne m 2, et puis ils éprouvent un feedback à cette le exigeant un service de moyenne m 3, ensuite 1 Received 21 January, 2009 Accepted for publication (in revised form) 17 February,

2 86 F. Belarbi, A. A. Bouchentouf ils éprouvent encore une fois un autre feedback à la même le exigeant un service de moyenne m 4, les clients continuent les feedbacks jusqu'à ce qu'ils auront leur dernier service dans cette station qui est de moyenne m, ensuite ils reviennent à la première le où ils demandent un service de moyenne m N et ils quittent le réseau. Donc les clients font N 3 feedbacks dans la deuxième station avant de revenir dénitivement à la première le d'attente. Par conséquent nous avons N classes de clients, 1 et N à la première le d'attente, et 2, 3, 4,...jusqu'à N 1 à la seconde. La discipline est FIFO dans les deux les d'attente. Les conditions nécéssaires de stabilité sont (1) ρ 1 = m 1 + m N < 1 et ρ 2 = m l < 1. 2 Modèle uide 2.1 Présentation générale Pour chaque nombre entier n 1, soit τ(n) le temps d'interarrivée entre l'arrivée du (n 1) ieme client et celle du n ieme client de l'extérieur; le premier client arrive au temps τ(1) : Les temps de services pour le n ieme client dans les diérentes classes sont σ 1 (n),..., σ N (n).

3 Condition de stabilité d'un réseau de les Nous faisons les présentations suivantes sur les interarrivées et les services. D'abord, nous avons : (2) {(τ(n), σ 1 (n),..., σ N (n)), n 1} est une suite i.i.d. Ensuite, nous supposons que les variables aléatoires ont les premiers moments nis. (3) IE[τ(1)] < et IE[σ k (1)] = m k <, pour k = 1,..., N Finalement, nous supposons que les interarrivées sont non bornées et leurs distributions sont étendues, c'est à dire (4) x > 0, IP[τ(1) x] > 0 On suppose aussi pour un certain nombre entier n > 0 et une certaine fonction p(x) > 0 sur IR + avec 0 p(x)dx > 0, (5) IP[a n τ(j) b] j=1 b a p(x)dx, pour tout 0 a < b. Sans perte de généralité, nous supposons que IE[τ(1)] = 1. Pour i = 1, 2, la charge du travail pour le serveur i par unité de temps est ρ 1 = m 1 + m N et ρ 2 = m l <. Dans tout ce travail, nous supposons que les conditions (1) sont satisfaites. Nous supposons que la discipline de service dans les deux stations est FIFO. Dans Dai [3] ou Dumas [4] les auteurs ont présenté un processus stochastique {X(t), t 0} qui décrit la dynamique du réseau de les d'attente. Pour chaque t 0, X(t) = (X 1 (t), X où X i (t) est l'état à la station i au temps t. Puisque la discipline utilisée est FIFO on a besoin de prendre (6) X i (t) = (C i (i, 1),..., C t (i, N i (t)), u(t), v i (t)) où N i (t) est le nombre de clients à la le i au temps t 0 et C t (i, h) est la classe du h eme client dans la le i au temps t. Ici, u(t) est le temps résiduel pour le prochain client qui arrive de l'extérieur et v i (t) est le temps résiduel de service pour le client étant entretenu à la station

4 88 F. Belarbi, A. A. Bouchentouf i au temps t (par convention, si N i (t) = 0, v i (t) = 0). Dans les présentations (2) et (3) le processus (X t ) t 0 est un processus de Markov déterministe par morceaux, voir Dai [3]. Comme d'habitude nous identions la stabilité de notre réseau par la réccurence positive au sens de Harris de (X t ) t 0. Nous utiliserons la notion de limite uide présentée par Rybko et Stolyar [5], et Dai [3]. A cet eet nous allons besoin de quelques notations. Dénition 1 Pour un état initial donné x, et une classe donnée k à la le i, Q k (x, t) est le nombre de clients de la classe k au temps t. A k (x, t) est le nombre d'arrivées de la classe k jusqu'au temps t. (par convention Q k (x, 0) = A k (x, 0)). D k (x, t) est le nombre de départs de la classe k jusqu'au temps t (avec D k (x, 0) = 0) T k (x, t) est le temps passé par le serveur σ(k) pour servir des clients de la classe k jusqu'au temps t. Z i (x, t) est la charge de travail immédiate à la le i au temps t. Tous ces processus sont pris continus. Nous dénissons les processus correspondants de vecteurs Q, A, D et T qui sont de dimension 4 et Z = (Z 1, Z 2 ). 3 La limite uide et le modèle uide Si x est l'état de réseau, nous notons par x le nombre total des clients dans le système dans l'état x. Pour toute suite d'états (x n ) n 0 avec x n > 0, n, et pour tout processus (H(x n, t)) t 0, on dénit H n par t 0, H n = H(x n, x n t) x n Théorème 1 (Dai) Soit (x n ) une suite d'états initiaux avec x n +, alors il existe une sous suite (x φ (n)) telle que (Q φ(n), A φ(n), D φ(n), T φ(n), Z φ(n) ) converge en loi vers la limite (Q, A, D, T, Z). Cette limite satisfait les équations suivantes : (7) Q k (t) = Q k (0) + µ k 1 T k 1 (t) µ k T k (t) pour k = 1,...N avec µ k = 1 m k pour k = 1,..., N, µ 0 = 1 et T 0 (t) = t pour t 0 (8) Q k (t) 0 pour k = 1,..., N

5 Condition de stabilité d'un réseau de les (9) D k (t) = µ k T k (t) pour k = 1,..., N (10) T k (0) = 0 et T k (.) est croissant pour k = 1,..., N (11) B 1 (t) = T 1 (t) + T N (t) et B 2 (t) = T l (t) (12) Y i (t) = t B i (t) est croissant pour i = 1, 2, (13) Y i (t) augmente seulement par t quand Z i (t) = 0, i = 1, 2 (14) Z 1 (t) = m 1 Q 1 (t) + m N Q N (t). Z 2 (t) = m l Q l (t). (15) D k (t + Z i (t)) = Q k (0) + A k (t) pour k = 1,..., N, i = σ(k) Dénition 2 Toute solution aux équations (7),...,(15) s'appelle modèle uide. Ainsi n'importe qu'elle limite uide est un modèle uide. Pour tout k = 1,..., N, les fonctions t T k (t) et t t T k (t) sont croissantes et nous avons T k (t) T k (s) t s pour tout s, t 0, donc elles sont absolument continues et par les équations de uides toutes les fonctions Q k (.), B i (.), Y i (.), et Z i (.) sont absolument continues. La condition de conservation du travail (13) est utilisée dans la formule suivante (16) Si Z i (t) > 0 pour tout t [a, b], alors Y i (a) = Y i (b) L'équation de FIFO (15) est également connue sous la forme équivalente suivante : (17) D k (t) = Q k (0) + A k (τ i (t)) pour tout t t i = Z i (0), i = σ(k), avec τ i (t) est l'inverse de la fonction t t + Z i (t). Dans le contexte stochastique, τ i (t) est le temps d'arrivée du client actuel en service à la station i si Z i (t) > 0 et τ i (t) = t si Z i (t) = 0 Dans la proposition suivante, on va donner les propriétés de la fonction τ i (t), i = 1, 2 (Pour plus de détails, voir Chen et Zhang [2]).

6 90 F. Belarbi, A. A. Bouchentouf Proposition 1 Pour i=1,2, nous avons a) Z i (τ i (t)) = t τ i (t) pour t Z i (0), b) τ i (t)est lipschitziènne sur [0, [, c) τ i (t) est une fonction croissante et τ i (t) + quand t +. 4 Résultat de stabilité : Théorème 2 En plus de (1), si nous avons : (18) ρ 1 ρ 2, alors tout modèle uide Q(.) satisfait lim Q(t) = 0, et donc le réseau est t + stable. Preuve. Soit Z(t) = Z 1 (t) + Z 2 (t). Ainsi nous avons lim Q(t) = 0 lim Z(t) = 0 t + t + Nous réecrivons les charges de travail aux deux stations sous une forme commode qui nous permet d'employer la propriété de conservation (16). En utilisant les équations uides (7), (9),(14) et l'équation de FIFO (17), la charge de travail dans les deux stations peut s'écrire comme suit : (19) Z 1 (t) = m 1 (Q 1 (0) + A 1 (t)) + m N (Q N (0) + A N (t)) t + Y 1 (t). Z 2 (t) = m l (Q l (0) + A l (t)) t + Y 2 (t). Toutes les relations dans la suite ne peuvent se tenir pour aucun y 0 mais seulement pour tout t T 0 avec T 0 un temps ni à détèrminer par les données initiales. Et puisque nous étudions le comportement de Z(t) lorsque t, nous omettrons d'indiquer la constante T 0. Le réseau est une ligne de réentrée, ainsi nous avons A 1 (t) = t, A 2 (t) = D 1 (t), A 3 (t) = D 2 (t), A 4 (t) = D 3 (t),... A (t) = D (t), A N (t) = D (t), L'équation de FIFO (17) donne (20) A 1 (t) = t

7 Condition de stabilité d'un réseau de les (21) A 2 (t) = D 1 (t) = Q 1 (0) + A 1 (τ 1 (t)) (22) A 3 (t) = D 2 (t) = Q 2 (0) + A 2 (τ (23) A 4 (t) = D 3 (t) = Q 3 (0) + A 3 (τ. (24) A (t) = D (t) = Q (0) + A (τ (25) A N (t) = D (t) = Q (0) + A (τ En remplaçant t par τ 1 (t) dans (20) et (25) et par τ 2 (t) dans (21), (22), (23) et (24) nous obtenons A 1 (τ 1 (t)) = τ 1 (t) A 2 (τ = Q 1 (0) + A 1 (τ 1 (τ ) A 3 (τ = Q 2 (0) + A 2 (τ (2) A 4 (τ = Q 3 (0) + A 3 (τ (2).. A (τ = Q (0) + A (τ (2) A N (τ 1 (t)) = Q (0) + A (τ 2 (τ 1 (t))) Récapitulons les équations ci-dessus. Pour tout t T (avec T un temps ni) A 1 (t) = t A 2 (t) = Q 1 (0) + τ 1 (t) A 3 (t) = Q 1 (0) + Q 2 (0) + τ 1 (τ A 4 (t) = Q 1 (0) + Q 2 (0) + Q 3 (0) + τ 1 (τ (2).. A (t) = A N (t) = Q l (0) + τ 1 (τ () Q l (0) + τ 1 (τ ()

8 92 F. Belarbi, A. A. Bouchentouf La substitution de A k (t) en (19) rapporte Z 1 (t) = c 1 m N (t τ 1 (τ () ) + (ρ 1 1)t + Y 1 (t). Z 2 (t) = c 2 m 2 (t τ 1 (t)) m 3 (t τ 1 (τ ) m 4 (t τ 1 (τ (2) )... m (t τ 1 (τ () ) + (ρ 2 1)t + Y 2 (t). où c 1 et c 2 sont des constantes qui ne dépendent pas du temps. Donc, (26) Y 1 (t) = Z 1 (t) + m N (t τ 1 (τ () ) (ρ 1 1)t c 1. (27) Y 2 (t) = Z 2 (t) + m 2 (t τ 1 (t)) + m 3 (t τ 1 (τ ) + m 4 (t τ 1 (τ (2) )+...+m (t τ 1 (τ () ) (ρ 2 1)t c 2. En utilisant la proprieté a) de la proposition 1 nous pouvons réecrire (26) sous la forme suivante : Y 1 (t) = Z 1 (t) + m N [t τ 2 (t) + τ 2 (t) τ (2) 2 (28) (2) (3) (t) + τ (t) τ 2 2 (t) + τ (3) 2 (t) τ () 2 (t) τ () 2 (t) τ 1 (τ () ] (ρ 1 1)t c 1. Ainsi, Y 1 (t) = Z 1 (t) + m N [ + Z 1(τ 1 (τ () )] (ρ 1 1)t c 1. avec τ (1) 2 (t) = τ 2(t), et (27) sous la forme suivante Y 2 (t) = Z 2 (t) + m 2 (t τ 1 (t)) + m 3 [t τ 2 (t) + τ 2 (t) τ 1 (τ ] + m 4 [t τ 2 (t) + τ 2 (t) τ (2) (2) 2 (t) + τ 2 (t) τ 1(τ (2) ] m [t τ 2 (t) + τ 2 (t) τ (2) (2) (3) (3) 2 (t) + τ 2 (t) τ 2 (t) + τ 2 (t) τ () 2 (t) τ ( 2 (t) τ 1 (τ () ] (ρ 2 1)t c 2. Donc (29) Y 2 (t) = Z 2 (t) + m 2 (Z 1 (τ 1 (t))) + m 3 [Z 2 (τ + Z 1 (τ 1 (τ )] + m 4 [Z 2 (τ + Z 2 (τ (2) + Z 1(τ 1 (τ (2) )] m [ +Z 1(τ 1 (τ () )] (ρ 2 1)t c 2.

9 Condition de stabilité d'un réseau de les avec τ (1) 2 (t) = τ 2(t). Nous allons réduire ce problème à l'étude de Z 1 (t). Lemme 1 Si lim t + Z 1(t) = 0 alors lim t + Z(t) = 0 Preuve. Soit t un temps tel que Z 2 (t) > 0 et a = max{u < t, Z 2 (u) = 0}, alors Y 2 (a) = Y 2 (t). En utilisant la relation (27) et le fait que Z 2 (t) = 0 nous avons Z 2 (t) + m 2 Z 1 (τ 1 (t)) + m 3 (t τ 1 (τ ) + m 4 (t τ 1 (τ (2) ) m (t τ 1 (τ () ) (ρ 2 1)t [Z 2 (a) + m 2 Z 1 (τ 1 (a)) +m 3 (a τ 1 (τ 2 (a))) + m 4 (a τ 1 (τ (2) 2 (a))) m (a τ 1 (τ () 2 (a))) (ρ 2 1)a] = 0. Z 2 (a) = 0 car a = max{u < t, Z 2 (u) = 0} et τ 2 (a) = a car Z 2 (a) = 0 donc, Z 2 (t) + m 2 Z 1 (τ 1 (t)) + m 3 (t τ 1 (τ ) + m 4 (t τ 1 (τ (2) ) m (t τ 1 (τ () ) m 2 (Z 1 (τ 1 (a))) m 3 (a τ 1 (a)) m 4 (a τ 1 (a))... m (a τ 1 (a)) = (ρ 2 1)(t a) Z 2 (t) + m 2 Z 1 (τ 1 (t)) + m 3 (t τ 1 (τ ) + m 4 (t τ 1 (τ (2) ) m (t τ 1 (τ () ) ρ 2 Z 1 (τ 1 (a)) = (ρ 2 1)(t a). Comme ρ 2 < 1, nous avons Z 2 (t) Z 2 (t) + m 2 (t τ 1 (t)) + m 3 (t τ 1 (τ ) + m 4 (t τ 1 (τ (2) ) m (t τ 1 (τ () ) < ρ 2 Z 1 (τ 1 (a)), donc, (30) Z 2 (t) < ρ 2 sup Z 1 (u) τ 2 (a) u t Maintenant, pour prouver la stabilité, il sut de prouver que lim t + Z 1(t) = 0. Pour toute solution uide Q(.), on a associé une suite croissante de temps t i, comme dans Bertsimas, Gamarnik et Tsitsiklik [1] qui satisfait

10 94 F. Belarbi, A. A. Bouchentouf dans (t Nm+1, t Nm+2 ) Z 1 (t) > 0 et Z 2 (t) 0 dans (t Nm+2, t Nm+3 ) Z 1 (t) > 0 et Z 2 (t) > 0 dans (t Nm+3, t Nm+4 ) Z 1 (t) 0 et Z 2 (t) > 0. dans (t Nm+(), t Nm+N ) Z 1 (t) 0 et Z 2 (t) > 0 dans (t Nm+N, t Nm+(N+1) ) Z 1 (t) > 0 et Z 2 (t) > 0 et par continuité, Z 2 (t Nm+1 ) = Z 2 (t Nm+2 ) = 0, et Z 1 (t Nm+3 ) =... = Z 1 (t Nm+() ) = Z 1 (t Nm+N ) = 0. L'existence de la suite t i est due au fait que sous les conditions nécéssaires de stabilité (1), pour i = 1, 2 l'ensemble des points t auxquels Z i (t) = 0 est illimité. S'il existe δ > 0 tel que Z(t) = 0 pour tout t δ pour toute limite uide Z(.), alors lim t i δ et le réseau est stable. Sinon, il existe une solution i + uide telle que la suite associée t i satisfait lim t i = et dans tout le reste i + de la preuve, nous considérons que nous somme dans le deuxième cas. Pour terminer la preuve du théorème 2, nous avons besoin des inégalités suivantes : (31) sup Z 1 (t) < Z 1 (τ 1 (t Nm+2 )), [t Nm+1,t Nm+N ] (32) sup Z 1 (t)<m N [Z 2 (τ () 2 (t Nm+N ))+Z 1 (τ 1 (τ () 2 (t Nm+N )))], [t Nm+N,t Nm+(N+1) ] (33) sup Z 1 (t)<m N [Z 2 (τ () 2 (t Nm+N ))+Z 1 (τ 1 (τ () 2 (t Nm+N )))], [t Nm+(N+1),t N(m+1)+2 ] Nous allons donner la preuve de la première inégalité, (31). La démonstration détaillée des deuxième et troisième inégalités, (32) et (33) sera donnée à l'appendice. Preuve de l'inégalité (31) :Soit t (t Nm+2, t Nm+(N+1) ), Z 2 (t) > 0 et Y 2 (t) = Y 2 (t Nm+2 ). En utilisant (27) et le fait que,z 2 (t Nm+2 ) = 0 nous avons Z 2 (t) + m 2 Z 1 (τ 1 (t)) + m 3 (t τ 1 (τ ) + m 4 (t τ 1 (τ (2) ) m (t τ 1 (τ () ) ρ 2 Z 1 (τ 1 (t Nm+2 )) = (ρ 2 1)(t t Nm+2 ),

11 Condition de stabilité d'un réseau de les où Donc m 2 Z 1 (τ 1 (t)) + m 3 [t τ 1 (τ ] + m 4 [t τ 1 (τ (2) ] m [t τ 1 (τ () ] = m 2 Z 1 (τ 1 (t)) + m 3 [t τ 1 (t) + τ 1 (t) τ 1 (τ ] + m 4 [t τ 1 (t) +τ 1 (t) τ 1 (τ (2) ] m [t τ 1 (t) + τ 1 (t) τ 1 (τ () ] = ρ 2 Z 1 (τ 1 (t)) + m 3 [τ 1 (t) τ 1 (τ ] + m 4 [τ 1 (t) τ 1 (τ (2) ] +m [τ 1 (t) τ 1 (τ () ]. Z 2 (t) + ρ 2 Z 1 (τ 1 (t)) + m 3 [τ 1 (t) τ 1 (τ ] + m 4 [τ 1 (t) τ 1 (τ (2) ] +m [t τ 1 (t) + τ 1 (t) τ 1 (τ () ] ρ 2 Z 1 (τ 1 (t Nm+2 )) = (ρ 2 1)(t t Nm+2 ). ce qui implique que (quand ρ 2 < 1) Z 1 (τ 1 (t)) < Z 1 (τ 1 (t Nm+2 )) pour tout t [t Nm+2, t Nm+(N+1) ], mais la fonction τ 1 (.) est continue est strictement croissante de [t Nm+2, t Nm+(N+1) ] dans [τ 1 (t Nm+2 ), τ 1 (t Nm+(N+1) )]. D'où, pour tout t [τ 1 (t Nm+2 ), τ 1 (t Nm+(N+1) )], nous avons Z 1 (t) < Z 1 (τ 1 (t Nm+2 )) pour tout t [τ 1 (t Nm+2 ), τ 1 (t Nm+(N+1) )], Par dénition de la suite {t i }, nous avons en premier lieu Z 1 (t Nm+2 ) > 0, ainsi ainsi τ 1 (t Nm+2 ) < t Nm+2, et en second lieu Z 1 (τ 1 (t Nm+N )) = 0, t Nm+() = τ 1 (t Nm+() ) τ 1 (t Nm+(N+1) ). Pour conclure, nous récapitulons tous les résultats. Nous avons et nous avons sup Z 1 (t) < Z 1 (τ 1 (t Nm+2 )), [t Nm+2,t Nm+N ] sup Z 1 (t) < m N Z 1 (τ 1 (t Nm+2 )), [t Nm+N,t N(m+1)+2 ]

12 96 F. Belarbi, A. A. Bouchentouf les deux inégalités impliquent, d'une part, (34) Z 1 (τ 1 (t N(m+1)+2 )) < m N Z 1 (τ 1 (t Nm+2 )) et d'autre part, (35) sup Z 1 (t) < Z 1 (τ 1 (t Nm+2 )). [t Nm+2,t N(m+1)+2 ] La dérnière inégalité (35) est valable pour tout m, en remplaçant m par (m+1). Nous avons sup Z 1 (t) < Z 1 (τ 1 (t N(m+1)+2 )). [t N(m+1)+2,t N(m+2)+2 ] Ainsi, en utilisant (34), nous avons (36) Z 1 (t) < m N Z 1 (τ 1 (t Nm+2 )) pour tout t [t N(m+1)+2, t N(m+2)+2 ]. Maintenant, soit S m = t Nm+2. Si lim t i =, alors lim S i =, i + i et l'inégalité (36) implique que pour tout t [S m, S m+2 ], Z 1 (t) < m N sup Z 1 (u) S m 2 u S m par itération et car m N < 1, on aboutit au résultat escompté. Nous terminerons cette section par deux résultats numériques. On suppose que les clients arrivent suivant un processus de Poisson de paramètre λ = 1 et que les temps de services suivent des lois exponentielles de paramètres µ i. Dans les tableaux suivantx, nous donnons des exemples de simulation pour illustrer la stabilité du réseau quand la condition (18) du théorème (2) est vériée. Cas d'un réseau à deux stations et cinq classes

13 Condition de stabilité d'un réseau de les µ 1 µ 2 µ 3 µ 4 µ 5 Poucentage % % % % Le cas des moyennes m 1 = , m 2 = , m 3 = , m 4 = , m 5 = Le pourcentage est 100% c'est à dire que tous les clients sont servis et le réseau se vide (cas de stabilité). Cas d'un réseau à deux stations et sept classes µ 1 µ 2 µ 3 µ 4 µ 5 µ 6 µ 7 Poucentage % % % % Le cas des moyennes m 1 = , m 2 = , m 3 = , m 4 = , m 5 = , m 6 = , m 7 = , Le pourcentage est 100%, les clients sont servis et le réseau se vide (cas de stabilité). Maintenant, nous donnons des exemples de simulation pour illustrer l'instabilité du réseau quand la condition (18) du théorème (2) n'est pas vériée. Cas d'un réseau à deux stations et cinq classes µ 1 µ 2 µ 3 µ 4 µ 5 Poucentage % % % % Le cas des moyennes m 1 = , m 2 = , m 3 = , m 4 = , m 5 = Le pourcentage est 0% c'est à dire qu'il y a blocage dans le réseau(cas d'instabilité). Cas d'un réseau à deux stations et sept classes µ 1 µ 2 µ 3 µ 4 µ 5 µ 6 µ 7 Poucentage % % % %

14 98 F. Belarbi, A. A. Bouchentouf Le cas des moyennes m 1 = , m 2 = , m 3 = , m 4 = , m 5 = , m 6 = , m 7 = Le pourcentage est 100%, tous les clients sont servis et le réseau se vide (cas d'instabilité). 5 Appendice La preuve des inégalités (32) et (33) se fait en deux étapes : Etape 1 : Nous montrerons l'inégalité suivante : (37) Z 2 (τ () 2 (t Nm+N )) + Z 1 (τ 1 (τ () 2 (t Nm+N ))) < Z 1 (τ 1 (t Nm+N ). Preuve. Par dénition τ () 2 (t Nm+N ) satisfait t Nm+2 < τ () 2 (t Nm+N ) < t Nm+(N+1) d'où en utilisant la propriété de conservation (16), nous explicitons la relation (27) pour t = t Nm+2 et pour t = τ () 2 (t Nm+N ) le fait que Alors, Y 2 (t Nm+N ) = Y 2 (τ () 2 (t Nm+N )), Z 2 (τ () 2 (t Nm+N )) + ρ 2 Z 1 (τ 1 (τ () 2 (t Nm+N ))) + m 3 (τ 1 (τ () 2 (t Nm+N )) τ 1 (τ () 2 (t Nm+N ))) + m 4 (τ 1 (τ () 2 (t Nm+N )) τ 1 (τ (N) 2 (t Nm+N ))) +m (t τ 1 (τ () 2 (t Nm+N )) + τ 1 (τ () 2 (t Nm+N )) τ 1 (τ () 2 (τ () 2 (t Nm+N )))) ρ 2 Z 1 (τ 1 (t Nm+2 )) = (ρ 2 1)(τ () 2 (t Nm+N ) t Nm+2 ). La dernière expression peut s'écrire comme suit : (ρ 2 1)(τ () 2 (t Nm+N ) t Nm+2 ) = (ρ 2 1)[τ () 2 (t Nm+N ) τ () 2 (t Nm+N ) + τ () 2 (t Nm+N ) t Nm+2 ] = (ρ 2 1)[Z 2 (τ () 2 (t Nm+N ))] + (ρ 2 1)(τ () 2 (t Nm+N ) t Nm+2 ).

15 Condition de stabilité d'un réseau de les d'où ρ 2 [Z 2 (τ () 2 (t Nm+N )) + Z 1 (τ 1 (τ () 2 (t Nm+N )))] + m 3 (τ 1 (τ () 2 (t Nm+N )) τ 1 (τ () 2 (t Nm+N ))) + m 4 (τ 1 (τ () 2 (t Nm+N )) τ 1 (τ (N) 2 (t Nm+N ))) +m (t τ 1 (τ () 2 (t Nm+N )) + τ 1 (τ () 2 (t Nm+N )) τ 1 (τ () 2 (τ () 2 (t Nm+N )))) ρ 2 Z 1 (τ 1 (t Nm+2 )) = (ρ 2 1)(τ () 2 (t Nm+N ) t Nm+2 ). donc Z 2 (τ () 2 (t Nm+N )) + Z 1 (τ 1 (τ () 2 (t Nm+N )) < Z 1 (τ 1 (t Nm+2 )), Etape 2 : Nous donnons la preuve de la deuxième inégalité 1 er cas Si τ 2 (t) t Nm+N t, alors nous aurons par la suite : i.e t Nm+N τ () 2 (t Nm+N ) t τ () 2 (t) t τ 1 (τ (), 2 (t Nm+N) < < mais t satisfait encore (comme Y 1 (t) = Y 1 (t Nm+N )) + Z 1(τ 1 (τ (). Z 1 (t) + m N [ + Z 1(τ 1 (τ () )] m N [ 2 (t Nm+N)) +Z 1 (τ 1 (τ () 2 (t Nm+N )))] = (ρ 1 1)(t t Nm+N ) < 0. d'où nous avons nécéssairement Z 1 (t) < m N [Z 2 (τ () 2 (t Nm+N )) + Z 1 (τ 1 (τ () 2 (t Nm+N )))]. 2 eme cas : Si t Nm+N < τ 2 (t) < t < t Nm+(N+1), nous avons d'une part, ceci implique que Y 2 (τ = Y 2 (τ 2 (t Nm+N )), Z 2 (τ + m 2 Z 1 (τ 1 (τ ) + m 3 [Z 2 (τ (2) + Z 1(τ 1 (τ (2) )] +m 4 [Z 2 (τ (2) + Z 2(τ (3) + Z 1(τ 1 (τ (3) )] m [ + Z 1(τ 1 (τ () )] Z 2 (τ 2 (t Nm+N ))

16 100 F. Belarbi, A. A. Bouchentouf d'où, m 2 Z 1 (τ 1 (τ 2 (t Nm+N ))) m 3 [Z 2 (τ (2) 2 (t Nm+N)) + Z 1 (τ 1 (τ (2) 2 (t Nm+N)))] m 4 [Z 2 (τ (2) 2 (t Nm+N)) + Z 2 (τ (3) 2 (t Nm+N)) + Z 1 (τ 1 (τ (3) 2 (t Nm+N)))]... m [ 2 (t Nm+N)) + Z 1 (τ 1 (τ () 2 (t Nm+N )))] = (ρ 2 1)(τ 2 (t) τ 2 (t Nm+N )) = (ρ 2 1)[τ 2 (t) t + t + τ 2 (t) τ 2 (t) + τ (2) 2 (t) τ (2) 2 (3) (3) (t) + τ 2 (t) τ 2 (t) τ () 2 (t) τ () 2 (t) t Nm+N + t Nm+N τ 2 (t Nm+N ) + τ 2 (t Nm+N ) τ 2 (t Nm+N ) + τ (2) 2 (t Nm+N) τ (2) 2 (t Nm+N) + τ (3) 2 (t Nm+N) τ (3) 2 (t Nm+N) τ () 2 (t Nm+N ) τ () 2 (t Nm+N )] = (ρ 2 1) 2 (t) + (ρ 2 1)[t t Nm+N + τ 2 (t) τ 2 (t Nm+N ) + τ () 2 (t Nm+N ) τ () 2 (t)] + (ρ 2 1) 2 (t Nm+N). (38) ρ 2 +Z1(τ1(τ 2 (t) + m 2Z 1 (τ 1 (τ ) + m 3 [Z 2 (τ (2) (2) )] + m 4[Z 2 (τ (2) + Z 2(τ (3) + Z 1(τ 1 (τ (3) )] m [ + Z 1(τ 1 (τ () )] ρ 2 2 (t Nm+N) m 2 Z 1 (τ 1 (τ 2 (t Nm+N ))) m 3 [Z 2 (τ (2) 2 (t Nm+N)) + Z 1 (τ 1 (τ (2) 2 (t Nm+N)))] m 4 [Z 2 (τ (2) 2 (t Nm+N)) +Z 2 (τ (3) 2 (t Nm+N)) + Z 1 (τ 1 (τ (3) 2 (t Nm+N)))]... m [ 2 (t Nm+N)) + Z 1 (τ 1 (τ () 2 (t Nm+N )))] = (ρ 2 1)[t t Nm+N + τ 2 (t) τ 2 (t Nm+N ) + τ () 2 (t Nm+N ) τ () 2 (t)] + 2 (t) 2 (t Nm+N).

17 Condition de stabilité d'un réseau de les Comme ρ 2 = m 2 + l=3 m l, la dernière égalité peut s'écrire comme suit : + m 2Z 1 (τ 1 (τ ) + m 3 [Z 2 (τ + 2Z 2 (τ (2) + Z 1(τ 1 (τ (2) )] + m 4[Z 2 (τ + 2Z 2 (τ (2) +2Z 2 (τ (3) + + Z 1(τ 1 (τ (3) )] +... l=4 +m [Z 2 (τ Z 2(τ () + Z 1 (τ 1 (τ () )] m 2 Z 2 (τ 2 (t Nm+N )) m 2 Z 1 (τ 1 (τ 2 (t Nm+N ))) m 3 [Z 2 (τ 2 (t Nm+N )) +2Z 2 (τ (2) 2 (t Nm+N)) + 2 (t Nm+N)) + Z 1 (τ 1 (τ (2) 2 (t Nm+N)))] l=3 m 4 [Z 2 (τ 2 (t Nm+N )) + 2Z 2 (τ (2) 2 (t Nm+N)) + 2Z 2 (τ (3) + 2 (t Nm+N)) + Z 1 (τ 1 (τ (3) 2 (t Nm+N)))]... l=4 m [Z 2 (τ 2 (t Nm+N )) (t Nm+N)) 2 (t Nm+N)) + Z 2 (τ () 2 (t Nm+N )) +Z 1 (τ 1 (τ () 2 (t Nm+N )))] = (ρ 2 1)[t t Nm+N + τ τ 2 (t Nm+N )) + τ () τ () 2 (t)] + 2 (t Nm+N)). 2 (t Nm+N ) D'autre part, nous avons Y 1 (t) = Y 1 (t Nm+N ) alors la relation (28) nous avons (39) Z 1 (t) + m N [ + Z 1(τ 1 (τ () )] m N [ 2 (t Nm+N)) + Z 1 (τ 1 (τ () 2 (t Nm+N )))] = (ρ 1 1)(t t Nm+N ). qui peut s'écrire comme suit

18 102 F. Belarbi, A. A. Bouchentouf donc, (40) Z 1 (t) + m N [ + Z 1(τ 1 (τ () )] m N [ Z 1 (τ 1 (τ () )] (ρ 1 1)(t t Nm+N ) = m N [ 2 (t Nm+N))] + m N [Z 2 (τ () 2 (t Nm+N )) +Z 1 (τ 1 (τ () 2 (t Nm+N )))]. D'où si, Alors : Z 1 (t) m N [Z 2 (τ () 2 (t Nm+N )) + Z 1 (τ 1 (τ () 2 (t Nm+N )))]. m N [ + Z 1(τ 1 (τ () )] (ρ 1 1)(t t Nm+N ) m N [ 2 (t Nm+N))]. Utilisons la propriété de la fonction τ i (.) pour i = 1, 2 nous avons [ + Z 1(τ 1 (τ () )] = [t τ 1 (τ () ] > [t τ 1 (τ ] = [Z 2 (τ + Z 1 (τ 1 (t))]. (ρ 1 1)(t t Nm+N ) + m N [ 2 (t Nm+N))] m N [Z 2 (τ +Z 1 (τ 1 (t))] > 0. (41) La relation (38) nous permet d'écrire ρ 2 ( 2 (t Nm+N))) ρ 2 [ + Z 1(τ 1 (τ () )] < (1 ρ 2 )[t t Nm+N + τ 2 (t) τ 2 (t Nm+N ) + τ () 2 (t Nm+N ) τ () 2 (t)] + 2 (t Nm+N) 2 (t) m 2 (Z 1 (τ 1 (τ 2 (t Nm+N )))) m 3 [Z 2 (τ (2) 2 (t Nm+N)) + Z 1 (τ 1 (τ (2) 2 (t Nm+N)))]

19 Condition de stabilité d'un réseau de les m 4 [Z 2 (τ (2) 2 (t Nm+N)) + Z 2 (τ (3) 2 (t Nm+N)) + Z 1 (τ 1 (τ (3) 2 (t Nm+N)))]... m [ 2 (t Nm+N)) + Z 1 (τ 1 (τ () 2 (t Nm+N )))]. D'autre part la relation (39) se réecrit comme suit (42) Z 1 (t) + m N [ + Z 1(τ 1 (τ () )] +(1 ρ 1 )(t t Nm+N ) = m N [ 2 (t Nm+N))] m N [Z 2 (τ () 2 (t Nm+N )) +Z 1 (τ 1 (τ () 2 (t Nm+N )))]. Maintenant, on va distinguer deux cas selon le terme droite de l'égalité (42) est positif ou non. Si 2 (t Nm+N)) + Z 1(τ 1 (τ () ). Alors d'aprés l'egalité (42) et comme (ρ 1 < 1) on a Z 1 (t) < m N [Z 2 (τ () + Z 1 (τ 1 (τ () )]. Ce qui est le résultat recherché, sinon, on a 2 (t Nm+N)) > Alors puisque m N < ρ 1 ρ 2, on a + Z 1(τ 1 (τ () ). m N [ 2 (t Nm+N))] m N [ + Z 1(τ 1 (τ () )] < ρ 2 ( 2 (t Nm+N))) ρ 2 [ En utilisant toujours l'égalité (42), on obtient + Z 1(τ 1 (τ () )].

20 104 F. Belarbi, A. A. Bouchentouf Z 1 (t) m N [Z 2 (τ () 2 (t Nm+N )) + Z 1 (τ 1 (τ () 2 (t Nm+N )))] +(1 ρ 2 )(t t Nm+N ) < ρ 2 ( 2 (t Nm+N))) ρ 2 [ +Z 1 (τ 1 (τ () )]. Ceci implique, d'aprés (41), que Z 1 (t) m N [Z 2 (τ () 2 (t Nm+N )) + Z 1 (τ 1 (τ () 2 (t Nm+N )))] +(1 ρ 1 )(t t Nm+N ) < (1 ρ 2 )[t t Nm+N + τ 2 (t) τ 2 (t Nm+N ) +τ () 2 (t Nm+N ) τ () 2 (t)] + 2 (t Nm+N)) m 2 Z 1 (τ 1 (τ 2 (t Nm+N ))) m 3 [Z 2 (τ (2) 2 (t Nm+N)) + Z 1 (τ 1 (τ (2) 2 (t Nm+N)))] m 4 [Z 2 (τ (2) 2 (t Nm+N)) + Z 2 (τ (3) 2 (t Nm+N)) + Z 1 (τ 1 (τ (3) 2 (t Nm+N)))]... m [ 2 (t Nm+N)) + Z 1 (τ 1 (τ () 2 (t Nm+N )))]. Or (1 ρ 2 ) (1 ρ 1 ), donc, Z 1 (t) m N [Z 2 (τ () 2 (t Nm+N )) + Z 1 (τ 1 (τ () 2 (t Nm+N )))] < m 2 (Z 1 (τ 1 (τ 2 (t Nm+N )))) m 3 [Z 2 (τ (2) 2 (t Nm+N)) + Z 1 (τ 1 (τ (2) 2 (t Nm+N)))] m 4 [Z 2 (τ (2) 2 (t Nm+N)) + Z 2 (τ (3) 2 (t Nm+N)) + Z 1 (τ 1 (τ (3) 2 (t Nm+N)))]... m [ 2 (t Nm+N)) + Z 1 (τ 1 (τ () 2 (t Nm+N )))] + 2 (t Nm+N)) < 0. Ce qui achève la preuve de l'inégalité, (32). Maintenant, nous donnons la preuve de l'inégalité (33) Preuve. t [t Nm+(N+1), t N(m+1)+2 ], nous avons Z 1 (t) > 0 et Z 2 (t) 0 Nous pouvons alors écrire [t Nm+(N+1), t N(m+1)+2 ] = i=m i=0 (a i, a i+1 ) tel que, à chaque intervalle (a i, a i+1 ) nous avons t (a i, a i+1 ), Z 1 (t) > 0 et Z 2 (t) > 0 ou bien t (a i, a i+1 ), Z 1 (t) > 0 et Z 2 (t) = 0 Ainsi dans la suite nous distinguons deux cas : 1 er cas : Soit [a, b] (t N(m+1)+1, t N(m+1)+2 ) tel que Z 2 (a) = Z 2 (b) = 0 et Z 2 (t) > 0 pour tout a < t < b

21 Condition de stabilité d'un réseau de les Soit t (a, b), alors a < τ 2 (t) < t < b et Y 2 (τ = Y 2 (a), ainsi en utilisant la relation (29) sur l'intervalle (a, τ, nous avons (43) +m 4 [Z 2 (τ (2) + Z 2(τ (3) Z 2 (τ + m 2 (Z 1 (τ 1 (τ )) + m 3 [Z 2 (τ (2) + Z 1(τ 1 (τ (2) )] + Z 1(τ 1 (τ (3) )] m [ + Z 1(τ 1 (τ () )] ρ 2 Z 1 (τ 1 (a)) = (ρ 2 1)(τ 2 (t) a) = (ρ 2 1)(τ 2 (t) t + t a) = (ρ 2 1)Z 2 (τ + (ρ 2 1)(t a). en utilisant le fait que ρ 2 = m l, il s'ensuit que Z 2 (τ + m 2 Z 1 (τ 1 (τ ) + m 3 [Z 2 (τ (2) + Z 1(τ 1 (τ (2) )] + m 4[Z 2 (τ (2) +Z 2 (τ (3) + Z 1(τ 1 (τ (3) m l Z 1 (τ 1 (a) = ( )] m [ m l 1)Z 2 (τ + (ρ 2 1)(t a). + Z 1(τ 1 (τ () )] m 3 [Z 2 (τ + Z 2 (τ (2) + Z 1(τ 1 (τ (2) )] + m 4[Z 2 (τ + Z 2 (τ (2) +Z 2 (τ (3) + Z 1(τ 1 (τ (3) )] m [ +Z 1 (τ 1 (τ () )] m l Z 1 (τ 1 (a)) l=3 = (ρ 2 1)(t a) + m 2 Z 1 (τ 1 (a)) m 2 [Z 2 (τ + Z 1 (τ 1 (τ )]. Cette dernière relation est une conséquence de la propriété de conservation appliquée à la deuxième station. En utilisant la même propriété pour la première station sur l'intervalle (a, t), Y 1 (t) = Y 1 (a) et la relation (28) implique ceci (44) Z 1 (t) + m N [ + Z 1(τ 1 (τ () )] Z 1 (a) m N Z 1 (τ 1 (a)) = (ρ 1 1)(t a). (car le fait que Z 2 (a) = Z 2 (b) = 0 entraîne que τ 2 (a) = τ (2) 2 =... = τ () 2 (a) = a). (a) = τ (3) 2 (a)

22 106 F. Belarbi, A. A. Bouchentouf Cette égalité implique que Z 1 (t) < Z 1 (a), autrement dit, la dernière égalité implique, d'une part que (45) m N [ + Z 1(τ 1 (τ () )] < m N Z 1 (τ 1 (a)). et d'autre part, elle peut s'écrire comme suit : (ρ 1 1)(t a) + m N Z 1 (τ 1 (a)) m N [t τ 1 (τ () ] = Z 1 (t) Z 1 (a) 0, et comme t τ 1 (τ < t τ 1 (τ (2) <... < t τ 1(τ (), nous avons : (ρ 1 1)(t a) + m N Z 1 (τ 1 (a)) m N [t τ 1 (τ ] > 0, L'égalité (43) peut se reécrire de la façon suivante : (46) Or, donc, (47) m 3 [Z 2 (τ + Z 2 (τ (2) + Z 1(τ 1 (τ (2) )] + m 4[Z 2 (τ +Z 2 (τ (2) + Z 2(τ (3) + Z 1(τ 1 (τ (3) )] m [+ + Z 1(τ 1 (τ () )] ( m l )Z 1 (τ 1 (a)) = (ρ 2 1)(t a) + m 2 Z 1 (τ 1 (a)) m 2 (t τ 1 (τ ). [t τ 1 (τ ] < [t τ 1 (τ () ], l=3 ρ 2 Z 1 (τ 1 (a)) ρ 2 [ + Z 1(τ 1 (τ () )] < (1 ρ 2 )(t a). D'autre part la relation (44) implique que (48) Z 1 (t) Z 1 (a) + (1 ρ 1 )(t a) = m N Z 1 (τ 1 (a)) m N [ + Z 1(τ 1 (τ () )]. En utilisant l'inégalité (47), dont les deux termes sont négatifs, et tenant compte que m N < ρ 2, on obtient Z 1 (t) Z 1 (a) + (1 ρ 1 )(t a) < (1 ρ 2 )(t a),

23 Condition de stabilité d'un réseau de les et puisque (1 ρ 2 ) (1 ρ 1 ), alors Z 1 (t) < Z 1 (a) 2 eme cas : Soit [a, b] (t N(m+1)+1, t N(m+1)+2 ) tel que Z 2 (.) = 0, comme Z 2 (.) est une fonction positive, si elle est diérentiable pour tout t [a, b], alors Ż 2 (t) = 0, ou bien, Z 2 (t) = m l Q l (t) Ż 2 (t) = m l Q l (t) = 0 Q l (t) = 0, l = 2,..., N 1 Q 2 (t) = Q 2 (0) + µ 1 T 1 (t) µ 2 T 2 (t) Q 2 (t) = µ 1 T 1 (t) µ 2 T 2 (t) = 0 µ 1 T 1 (t) = µ 2 T 2 (t) Q 3 (t) = Q 3 (0) + µ 2 T 2 (t) µ 3 T 3 (t) Q 3 (t) = µ 2 T 2 (t) µ 3 T 3 (t) = 0 µ 2 T 2 (t) = µ 3 T 3 (t) Q 4 (t) = Q 4 (0) + µ 3 T 3 (t) µ 4 T 4 (t) Q 4 (t) = µ 3 T 3 (t) µ 4 T 4 (t) = 0 µ 3 T 3 (t) = µ 4 T 4 (t).. Q (t) = Q (0) + µ T (t) µ T (t) Q (t) = µ T (t) µ T (t) = 0 µ T (t) = µ T (t) Ce qui implique que µ 1 T 1 (t) = µ 2 T 2 (t) = µ 3 T 3 (t) = µ 4 T 4 (t) =... = µ T (t). Ainsi, nous avons d'une part Z 1 (t) = m 1 [Q 1 (0) + t µ 1 T 1 (t)] + m N [Q N (0) + µ T (t) µ N T N (t)] Ż1(t) = m 1 (1 µ 1 T 1 (t)) + m N (µ T (t) µ N T N (t)) = 0 = m 1 T 1 (t) + m N µ T (t) T N (t) = m 1 + µ N µ 1 T 1 (t) ( T 1 (t) + T N (t)) = m 1 + µ N µ 1 T 1 (t) Ḃ1(t). et d'autre part, Ż 2 (t) = m 2 [µ 1 T 1 (t) µ 2 T 2 (t)] + m 3 [µ 2 T 2 (t) µ 3 T 3 (t)] + m 4 [µ 3 T 3 (t) µ 4 T 4 (t)] m [µ T (t) µ T (t)] = ρ 2 µ 1 T 1 (t) Ḃ2(t) = 0. donc, ρ 2 µ 1 T 1 (t) = Ḃ2(t) < 1.

24 108 F. Belarbi, A. A. Bouchentouf le fait que m N < ρ 2 entraîne que Z 1 (t) Z 1 (a) = t Récapitulons ci-dessus, pour tout i = 0,...M 1 a Ż 1 (u)du 0. Z 1 (t) Z 1 (a i ) si t [a i, a i+1 ], Ainsi, pour tout t [a 0, a M ] = [t Nm+(N+1), t N(m+1)+2 ], Z 1 (t) Z 1 (a 0 ) = Z 1 (t Nm+(N+1) ) et par la deuxième inégalité Références Z 1 (t) < m N [Z 2 (τ () 2 (t Nm+N )) + Z 1 (τ 1 (τ () 2 (t Nm+N )))]. [1] D. Bertsimas, D.Gamarnik & J.N.Tsitsiklis, Stability conditions for multiclass uid queueing networks, IEEE Trans. Automat. Control, 41(11), 1996, [2] H. Chen and H. Zhang, Stability of multiclass queueing networks under FIFO service discipline, Math. Oper. Res, 22(3), 1997, [3] J. G. Dai, On the positive Harris recurrence of multiclass queueing networks : a unied approach via uid limit models, Ann. App. Probab, 5, 49-77, [4] V. Dumas, Diverging paths in FIFO uid networks, IEEE Trans. Automat. control, 44 (1), 1999, [5] A. N. Rybko and A. Stolyar, Ergodicity of stochastic processes describing the operations of open queueing networks, Problems Inform. Transmission, 28, 1992, Faiza Belarbi, Amina Angelika Bouchentouf Laboratoire de Mathématiques, B.P. 89, Université Djillali LIABES, Sidi Bel Abbès, Algérie faiza bouchentouf

Espaces vectoriels euclidiens. Groupe orthogonal

Espaces vectoriels euclidiens. Groupe orthogonal 19 Espaces vectoriels euclidiens. Groupe orthogonal Dans un premier temps, E est un espace vectoriel réel de dimension n 1. 19.1 Espaces vectoriels euclidiens Dénition 19.1 On dit qu'une forme bilinéaire

Plus en détail

Corrigé Pondichéry 1999

Corrigé Pondichéry 1999 Corrigé Pondichéry 999 EXERCICE. = 8 = i ). D'où les solutions de l'équation : z = + i et z = z = i. a. De manière immédiate : z = z = b. Soit θ la mesure principale de arg z : cos θ = Par suite arg z

Plus en détail

Image d un intervalle par une fonction continue

Image 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 détail

COMPORTEMENT ASYMPTOTIQUE D UNE FILE D ATTENTE À UN SERVEUR

COMPORTEMENT ASYMPTOTIQUE D UNE FILE D ATTENTE À UN SERVEUR Université Paris VII. Préparation à l Agrégation. (François Delarue) COMPORTEMENT ASYMPTOTIQUE D UNE FILE D ATTENTE À UN SERVEUR Ce texte vise à l étude du temps d attente d un client à la caisse d un

Plus en détail

COR TD 2. Exercice 1. Déterminer si les applications f i suivantes sont linéaires : x + x, y + y )

COR TD 2. Exercice 1. Déterminer si les applications f i suivantes sont linéaires : x + x, y + y ) COR TD 2 Année 21 Exercice 1. Déterminer si les applications f i suivantes sont linéaires : f 1 : R 2 R 2 f 1 x, y = 2x + y, x y f 2 : R R f 2 x, y, z = xy, x, y f : R R f x, y, z = 2x + y + z, y z, x

Plus en détail

Suites numériques 3. 1 Convergence et limite d une suite

Suites 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 détail

Suites réelles. 4 Relations de comparaison des suites 9 4.1 Encore du vocabulaire... 9. 5.2 Quelques propriétés... 13

Suites réelles. 4 Relations de comparaison des suites 9 4.1 Encore du vocabulaire... 9. 5.2 Quelques propriétés... 13 Maths PCSI Cours Table des matières Suites réelles 1 Généralités 2 2 Limite d une suite 2 2.1 Convergence d une suite....................... 2 2.2 Deux premiers résultats....................... 3 2.3 Opérations

Plus en détail

TS. 2012/2013. Lycée Prévert. Corrigé du contrôle n 3. Durée : 3 heures. Mardi 20/11/12

TS. 2012/2013. Lycée Prévert. Corrigé du contrôle n 3. Durée : 3 heures. Mardi 20/11/12 TS. 01/013. Lycée Prévert. Corrigé du contrôle n 3. Durée : 3 heures. Mardi 0/11/1 Exercice 1 : ( 6,5 pts) Première partie : Démonstration à rédiger { Démontrer que si ( ) et (v n ) sont deux suites telles

Plus en détail

Le corps R des nombres réels

Le corps R des nombres réels Le corps R des nombres réels. Construction de R à l aide des suites de Cauchy de nombres rationnels On explique brièvement dans ce paragraphe comment construire le corps R des nombres réels à partir du

Plus en détail

Continuité en un point

Continuité en un point DOCUMENT 4 Continuité en un point En général, D f désigne l ensemble de définition de la fonction f et on supposera toujours que cet ensemble est inclus dans R. Toutes les fonctions considérées sont à

Plus en détail

Le raisonnement par récurrence

Le raisonnement par récurrence Le raisonnement par récurrence Nous notons N l ensemble des entiers naturels : N = {0,,, } Nous dirons naturel au lieu de entier naturel Le principe du raisonnement par récurrence Soit A une partie de

Plus en détail

Fonctions de plusieurs variables : dérivés partielles, diérentielle. Fonctions composées. Fonctions de classe C 1. Exemples

Fonctions de plusieurs variables : dérivés partielles, diérentielle. Fonctions composées. Fonctions de classe C 1. Exemples 45 Fonctions de plusieurs variables : dérivés partielles, diérentielle. Fonctions composées. Fonctions de classe C 1. Exemples Les espaces vectoriels considérés sont réels, non réduits au vecteur nul et

Plus en détail

I. Ensemble de définition d'une fonction

I. Ensemble de définition d'une fonction Chapitre 2 Généralités sur les fonctions Fonctions de références et fonctions associées Ce que dit le programme : Étude de fonctions Fonctions de référence x x et x x Connaître les variations de ces deux

Plus en détail

Introduction à la théorie des files d'attente. Claude Chaudet Claude.Chaudet@enst.fr

Introduction à la théorie des files d'attente. Claude Chaudet Claude.Chaudet@enst.fr Introduction à la théorie des files d'attente Claude Chaudet Claude.Chaudet@enst.fr La théorie des files d'attente... Principe: modélisation mathématique de l accès à une ressource partagée Exemples réseaux

Plus en détail

Applications linéaires

Applications linéaires Applications linéaires I) Applications linéaires - Généralités 1.1) Introduction L'idée d'application linéaire est intimement liée à celle d'espace vectoriel. Elle traduit la stabilité par combinaison

Plus en détail

Limites finies en un point

Limites 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 détail

Problème : Calcul d'échéanciers de prêt bancaire (15 pt)

Problème : Calcul d'échéanciers de prêt bancaire (15 pt) Problème : Calcul d'échéanciers de prêt bancaire (15 pt) 1 Principe d'un prêt bancaire et dénitions Lorsque vous empruntez de l'argent dans une banque, cet argent (appelé capital) vous est loué. Chaque

Plus en détail

CHAPTER 1. Introduction

CHAPTER 1. Introduction CHAPTER Introduction.. Quelques notions mathématiques indispensables... Voisinage. On appelle voisinage d'un point x R tout intervalle ouvert ]x h, x + h[, avec h >, centré sur x. Une propriété P t est

Plus en détail

Chapitre 2 Maîtrise des flux. - Chapitre 2 - Maîtrise des flux

Chapitre 2 Maîtrise des flux. - Chapitre 2 - Maîtrise des flux - - Facteurs agissant sur les flux Les modèles pour les SP Les réseaux de files d attente 1 Facteurs agissant sur les flux Au niveau physique : L implantation Le nombre de machines Automatisation (robots,

Plus en détail

Construction de l'intégrale de Lebesgue

Construction de l'intégrale de Lebesgue Université d'artois Faculté des ciences Jean Perrin Mesure et Intégration (Licence 3 Mathématiques-Informatique) Daniel Li Construction de l'intégrale de Lebesgue 10 février 2011 La construction de l'intégrale

Plus en détail

TD2 Fonctions mesurables Corrigé

TD2 Fonctions mesurables Corrigé Intégration et probabilités 2012-2013 TD2 Fonctions mesurables Corrigé 0 Exercice qui avait été préparé chez soi Exercice 1. Soit (Ω, F, µ) un espace mesuré tel que µ (Ω) = 1. Soient A, B P (Ω) deux sousensembles

Plus en détail

3 2 Séries numériques

3 2 Séries numériques BCPST 9 5 3 Séries numériques I Généralités A) Dénition Soit (a n ) n N une suite à valeurs dans R. On appelle série de terme général a n, et on note a n la suite dénie par : S n = On dit que S n est la

Plus en détail

Chapitre 2 Le problème de l unicité des solutions

Chapitre 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 détail

1 Codes linéaires. G = [I k A]. Dans ce cas on constate que la matrice. H = [ t A I n k ] est une matrice de contrôle de C. Le syndrome de x F n q

1 Codes linéaires. G = [I k A]. Dans ce cas on constate que la matrice. H = [ t A I n k ] est une matrice de contrôle de C. Le syndrome de x F n q 1 Codes linéaires Un code de longueur n est une partie de F n q. Un code linéaire C de longueur n sur le corps ni F q est un sous-espace vectoriel de F n q. Par défaut, un code sera supposé linéaire. La

Plus en détail

Jeux à somme nulle : le cas fini

Jeux à somme nulle : le cas fini CHAPITRE 2 Jeux à somme nulle : le cas fini Les jeux à somme nulle sont les jeux à deux joueurs où la somme des fonctions de paiement est nulle. Dans ce type d interaction stratégique, les intérêts des

Plus en détail

Axiomatique de N, construction de Z

Axiomatique 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 détail

Sur certaines séries entières particulières

Sur certaines séries entières particulières ACTA ARITHMETICA XCII. 2) Sur certaines séries entières particulières par Hubert Delange Orsay). Introduction. Dans un exposé à la Conférence Internationale de Théorie des Nombres organisée à Zakopane

Plus en détail

Moments des variables aléatoires réelles

Moments 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 détail

Contents. Systèmes d'équations non linéaires 2 1. Dichotomie 2 2. Point xe 3 3. Méthodes de Newton et et de la sécante 5

Contents. Systèmes d'équations non linéaires 2 1. Dichotomie 2 2. Point xe 3 3. Méthodes de Newton et et de la sécante 5 Contents Systèmes d'équations non linéaires 2 1. Dichotomie 2 2. Point xe 3 3. Méthodes de Newton et et de la sécante 5 1 Systèmes d'équations non linéaires On considère un intervalle I R (borné ou non)

Plus en détail

Équations non linéaires

Équations non linéaires CHAPTER 1 Équations non linéaires On considère une partie U R d et une fonction f : U R d. On cherche à résoudre { x U 1..1) f x) = R d On distinguera les cas d = 1 et d > 1. 1.1. Dichotomie d = 1) 1.1.1.

Plus en détail

Systèmes différentiels. 1 Généralités, existence et unicité des solutions

Systèmes différentiels. 1 Généralités, existence et unicité des solutions Systèmes différentiels Cours de YV, L3 Maths, Dauphine, 2012-2013 Plan du cours. Le cours a pour but de répondre aux questions suivantes : - quand une équation différentielle a-t-elle une unique solution

Plus en détail

Travaux dirigés. Résolution numérique des équations diérentielles ordinaires. Département MIDO année 2013/2014 Master MMDMA

Travaux dirigés. Résolution numérique des équations diérentielles ordinaires. Département MIDO année 2013/2014 Master MMDMA Université Paris-Dauphine Méthodes numériques Département MIDO année 03/04 Master MMDMA Travaux dirigés Résolution numérique des équations diérentielles ordinaires Exercice. Pour α > 0, on considère le

Plus en détail

[http://mp.cpgedupuydelome.fr] édité le 16 octobre 2015 Enoncés 1

[http://mp.cpgedupuydelome.fr] édité le 16 octobre 2015 Enoncés 1 [http://mp.cpgedupuydelome.fr] édité le 16 octobre 2015 Enoncés 1 Relations binaires Relations d équivalence Exercice 1 [ 02643 ] [Correction] Soit R une relation binaire sur un ensemble E à la fois réflexive

Plus en détail

Cours de terminale S Suites numériques

Cours de terminale S Suites numériques Cours de terminale S Suites numériques V. B. et S. B. Lycée des EK 13 septembre 2014 Introduction Principe de récurrence Exemple En Mathématiques, un certain nombre de propriétés dépendent d un entier

Plus en détail

+ 1. Qu est ce que cela donne pour notre calcul de 1,01? On pose x = 1,01 donc f (x) 1 + 1 0,01

+ 1. Qu est ce que cela donne pour notre calcul de 1,01? On pose x = 1,01 donc f (x) 1 + 1 0,01 Eo7 Dérivée d une fonction Vidéo partie. Définition Vidéo partie. Calculs Vidéo partie 3. Etremum local, théorème de Rolle Vidéo partie 4. Théorème des accroissements finis Eercices Fonctions dérivables

Plus en détail

5. Options américaines Une option américaine peut être exercée à n importe quelle instant compris entre

5. Options américaines Une option américaine peut être exercée à n importe quelle instant compris entre 5. Options américaines Une option américaine peut être exercée à n importe quelle instant compris entre 0 et l échéance N. Définition 5.1. Une option américaine est définie par une suite (h n ) n=0..n,

Plus en détail

Université Paris-Dauphine DUMI2E 1ère année, 2009-2010. Applications

Université 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 détail

3 Approximation de solutions d équations

3 Approximation de solutions d équations 3 Approximation de solutions d équations Une équation scalaire a la forme générale f(x) =0où f est une fonction de IR dans IR. Un système de n équations à n inconnues peut aussi se mettre sous une telle

Plus en détail

Démonstrations exigibles au bac

Démonstrations exigibles au bac Démonstrations exigibles au bac On donne ici les 11 démonstrations de cours répertoriées comme exigibles dans le programme officiel. Toutes ces démonstrations peuvent donner lieu à une «restitution organisée

Plus en détail

Lois normales, cours, terminale S

Lois normales, cours, terminale S Lois normales, cours, terminale S F.Gaudon 6 mai 2014 Table des matières 1 Variables centrées et réduites 2 2 Loi normale centrée et réduite 2 3 Loi normale N (µ, σ 2 ) 4 1 1 Variables centrées et réduites

Plus en détail

Problèmes de Mathématiques Noyaux et images itérés

Problèmes de Mathématiques Noyaux et images itérés Énoncé Soit E un espace vectoriel sur IK (IK = IR ou lc). Soit f un endomorphisme de E. On pose f 0 = Id E, et pour tout entier k 1, f k = f f k 1. 1. Montrer que (Im f k ) k 0 et (Ker f k ) k 0 forment

Plus en détail

MATHS VUIBERT. Rappels de cours Conseils de méthode Exercices guidés Exercices d approfondissement Problèmes de synthèse Tous les corrigés détaillés

MATHS VUIBERT. Rappels de cours Conseils de méthode Exercices guidés Exercices d approfondissement Problèmes de synthèse Tous les corrigés détaillés VUIBERT MÉTHODES EXERCICES PROBLÈMES MATHS ECE 2 e année Tout le programme Rappels de cours Conseils de méthode Exercices guidés Exercices d approfondissement Problèmes de synthèse Tous les corrigés détaillés

Plus en détail

Notes de Cours : LOGIQUE MATHÉMATIQUE. Par Pr. Mohamed MEZGHICHE

Notes de Cours : LOGIQUE MATHÉMATIQUE. Par Pr. Mohamed MEZGHICHE Notes de Cours : LOGIQUE MATHÉMATIQUE Par Pr. Mohamed MEZGHICHE Table des matières partie 1. LOGIQUE 5 Chapitre 1. Rappels mathématiques 7 1. Les entiers naturels 7 2. Démonstration par contraposition

Plus en détail

De même, le périmètre P d un cercle de rayon 1 vaut P = 2π (par définition de π). Mais, on peut démontrer (difficilement!) que

De 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 détail

Corrigé de l examen partiel du 30 Octobre 2009 L2 Maths

Corrigé de l examen partiel du 30 Octobre 2009 L2 Maths Corrigé de l examen partiel du 30 Octobre 009 L Maths (a) Rappelons d abord le résultat suivant : Théorème 0.. Densité de Q dans R. QUESTIONS DE COURS. Preuve. Il nous faut nous montrer que tout réel est

Plus en détail

Une algorithmique pour le Network Calculus

Une algorithmique pour le Network Calculus Une algorithmique pour le Network Calculus Anne Bouillard ENS Cachan (Bretagne) / IRISA 27 janvier 2009 - journées AFSEC Anne Bouillard (ENS Cachan / IRISA) Une algorithmique pour le Network Calculus 1

Plus en détail

Support du cours de Probabilités IUT d Orléans, Département d informatique

Support du cours de Probabilités IUT d Orléans, Département d informatique Support du cours de Probabilités IUT d Orléans, Département d informatique Pierre Andreoletti IUT d Orléans Laboratoire MAPMO (Bât. de Mathématiques UFR Sciences) - Bureau 126 email: pierre.andreoletti@univ-orleans.fr

Plus en détail

Licence de Sciences et Technologies. Fiche de cours 1 - Nombres réels.

Licence de Sciences et Technologies. Fiche de cours 1 - Nombres réels. Licence de Sciences et Technologies EM21 - Analyse Fiche de cours 1 - Nombres réels. On connaît les ensembles suivants, tous munis d une addition, d une multiplication, et d une relation d ordre compatibles

Plus en détail

Exercices corrigés de SQ20

Exercices corrigés de SQ20 1 Exercices corrigés de SQ2 Corrigés TD 1 à 4 Printemps 215 responsable de l'uv : André Turbergue SQ2 TD1 : espaces probabilisés TD1 : espaces probabilisés 1 Énoncés Exercice 1. Calculer si possible une

Plus en détail

Intégration et probabilités TD1 Espaces mesurés Corrigé

Intégration 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 détail

La mesure de Lebesgue sur la droite réelle

La 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 détail

Formules d inclusion-exclusion

Formules d inclusion-exclusion Université de Rouen L1 M.I.EEA 2011 2012 Mathématiques discrètes Formules d inclusion-exclusion Je présente ici une correction détaillée de l Exercice 5 de la Feuille d exercices 1, en reprenant le problème

Plus en détail

Contents. 1 Introduction Objectifs des systèmes bonus-malus Système bonus-malus à classes Système bonus-malus : Principes

Contents. 1 Introduction Objectifs des systèmes bonus-malus Système bonus-malus à classes Système bonus-malus : Principes Université Claude Bernard Lyon 1 Institut de Science Financière et d Assurances Système Bonus-Malus Introduction & Applications SCILAB Julien Tomas Institut de Science Financière et d Assurances Laboratoire

Plus en détail

Modèles à Événements Discrets. Réseaux de Petri Stochastiques

Modèles à Événements Discrets. Réseaux de Petri Stochastiques Modèles à Événements Discrets Réseaux de Petri Stochastiques Table des matières 1 Chaînes de Markov Définition formelle Idée générale Discrete Time Markov Chains Continuous Time Markov Chains Propriétés

Plus en détail

Exercices de Khôlles de Mathématiques, premier trimestre

Exercices de Khôlles de Mathématiques, premier trimestre Exercices de Khôlles de Mathématiques, premier trimestre Lycée Louis-Le-Grand, Paris, France Igor Kortchemski HX 2-2005/2006 Exercices particulièrement intéressants : - Exercice 4.1. - Exercice 5.1. -

Plus en détail

COURS OPTIMISATION. Cours à l ISFA, en M1SAF. Ionel Sorin CIUPERCA

COURS OPTIMISATION. Cours à l ISFA, en M1SAF. Ionel Sorin CIUPERCA COURS OPTIMISATION Cours à l ISFA, en M1SAF Ionel Sorin CIUPERCA 1 Table des matières 1 Introduction 4 1.1 Motivation.................................... 4 1.2 Le problème général d optimisation......................

Plus en détail

BACCALAURÉAT BLANC 2013

BACCALAURÉAT BLANC 2013 BACCALAURÉAT BLANC 203 Série S Corrigé Exercice. a) On traduit les données de l énoncé et on représente la situation par un arbre pondéré. PF ) = 2, PF 2) = 3, P F ) = 5 00 = 20, P F 2 ) =,5 00 = 3 3,5,

Plus en détail

Le 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 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 détail

Contrôle optimal d un serveur de production avec coûts non linéaires

Contrôle optimal d un serveur de production avec coûts non linéaires Contrôle optimal d un serveur de production avec coûts non linéaires Grenoble Sciences pour la Conception et l Optimisation de la Production Par Rachid LABRIK ENSIMAG 2A-MMIS Dans le cadre du module Introduction

Plus en détail

COURS COMMUN L1 MI & MIAGE

COURS COMMUN L1 MI & MIAGE COURS COMMUN L MI & MIAGE 5 janvier 03 Table des matières Propriétés du corps des nombres réels 3. A propos du corps des réels R.......................... 3.. Notion de corps..............................

Plus en détail

Introduction à la théorie de l'information

Introduction à la théorie de l'information École polytechnique Informatique Introduction à la théorie de l'information Nicolas Sendrier août 2007 Promotion 2005, Majeure 1 d'informatique Chapitre 1 Systèmes de communication 1.1 Introduction La

Plus en détail

En 2005, année de sa création, un club de randonnée pédestre comportait 80 adhérents. Chacune des années suivantes on a constaté que :

En 2005, année de sa création, un club de randonnée pédestre comportait 80 adhérents. Chacune des années suivantes on a constaté que : Il sera tenu compte de la présentation et de la rédaction de la copie lors de l évaluation finale. Les élèves n ayant pas la spécialité mathématique traiteront les exercices 1, 2,3 et 4, les élèves ayant

Plus en détail

Intégration et probabilités 2012-2013. TD3 Intégration, théorèmes de convergence Corrigé. 1 Petites questions. n hésitez pas à m envoyer un mail à

Intégration et probabilités 2012-2013. TD3 Intégration, théorèmes de convergence Corrigé. 1 Petites questions. n hésitez pas à m envoyer un mail à Intégration et probabilités 212-213 TD3 Intégration, théorèmes de convergence Corrigé xercice ayant été voué à être préparé xercice 1 (Mesure image). Soient (, A, µ) un espace mesuré, (F, B) un espace

Plus en détail

Équation de Langevin avec petites perturbations browniennes ou

Équation de Langevin avec petites perturbations browniennes ou Équation de Langevin avec petites perturbations browniennes ou alpha-stables Richard Eon sous la direction de Mihai Gradinaru Institut de Recherche Mathématique de Rennes Journées de probabilités 215,

Plus en détail

Groupes symétriques et alternés

Groupes symétriques et alternés Groupes symétriques et alternés Table des matières 1 Groupe S n 2 2 Cycles 4 2.1 Dénition.................................. 4 2.2 Décomposition d'une permutation..................... 5 3 Classes de conjugaison

Plus en détail

Rédigé par un élève de Terminale S à l'aide de ses livres de maths (Indice, Bordas), ses cours, toute sa peine, et son stress pour le bac! J.

Rédigé par un élève de Terminale S à l'aide de ses livres de maths (Indice, Bordas), ses cours, toute sa peine, et son stress pour le bac! J. Rédigé par un élève de Terminale S à l'aide de ses livres de maths (Indice, Bordas), ses cours, toute sa peine, et son stress pour le bac! J. FAIVRE s de cours exigibles au bac S en mathématiques Enseignement

Plus en détail

Intégration et probabilités TD1 Espaces mesurés

Intégration et probabilités TD1 Espaces mesurés Intégration et probabilités TD1 Espaces mesurés 2012-2013 1 Petites questions 1) Est-ce que l ensemble des ouverts de R est une tribu? 2) Si F et G sont deux tribus, est-ce que F G est toujours une tribu?

Plus en détail

L équation. y = y x. Pierre Abbrugiati

L équation. y = y x. Pierre Abbrugiati { x L équation y = y x x < y Pierre Arugiati I Tale des matières 1 Introduction 1 1.1 Lemmes préliminaires........................ 1 2 Résolution dans N 2 3 3 Résolution dans Z 2 5 4 Résolutions dans Q

Plus en détail

Sommaire. Chapitre 1 Variables et vecteurs aléatoires... 5. Chapitre 2 Variables aléatoires à densité... 65

Sommaire. Chapitre 1 Variables et vecteurs aléatoires... 5. Chapitre 2 Variables aléatoires à densité... 65 Sommaire Chapitre 1 Variables et vecteurs aléatoires............... 5 A. Généralités sur les variables aléatoires réelles.................... 6 B. Séries doubles..................................... 9

Plus en détail

À propos des matrices échelonnées

À propos des matrices échelonnées À propos des matrices échelonnées Antoine Ducros appendice au cours de Géométrie affine et euclidienne dispensé à l Université Paris 6 Année universitaire 2011-2012 Introduction Soit k un corps, soit E

Plus en détail

Mathématiques assistées par ordinateur

Mathématiques assistées par ordinateur Mathématiques assistées par ordinateur Chapitre 4 : Racines des polynômes réels et complexes Michael Eisermann Mat249, DLST L2S4, Année 2008-2009 www-fourier.ujf-grenoble.fr/ eiserm/cours # mao Document

Plus en détail

TP1 Méthodes de Monte Carlo et techniques de réduction de variance, application au pricing d options

TP1 Méthodes de Monte Carlo et techniques de réduction de variance, application au pricing d options Université de Lorraine Modélisation Stochastique Master 2 IMOI 2014-2015 TP1 Méthodes de Monte Carlo et techniques de réduction de variance, application au pricing d options 1 Les options Le but de ce

Plus en détail

Principe de symétrisation pour la construction d un test adaptatif

Principe de symétrisation pour la construction d un test adaptatif Principe de symétrisation pour la construction d un test adaptatif Cécile Durot 1 & Yves Rozenholc 2 1 UFR SEGMI, Université Paris Ouest Nanterre La Défense, France, cecile.durot@gmail.com 2 Université

Plus en détail

Agrégation externe de mathématiques, session 2013 Épreuve de modélisation, option B : Calcul Scientifique

Agrégation externe de mathématiques, session 2013 Épreuve de modélisation, option B : Calcul Scientifique Agrégation externe de mathématiques, session 2013 Épreuve de modélisation, option (Public2014-B1) Résumé : On présente un exemple de système de deux espèces en compétition dans un environnement périodique.

Plus en détail

I Exercices. 1 Définition de suites. 2 Sens de variation d une suite

I Exercices. 1 Définition de suites. 2 Sens de variation d une suite I Exercices 1 Définition de suites Pour toutes les suites (u n ) définies ci-dessous, on demande de calculer u 1, u, u 3 et u 6 1 u n = 7n n + { u0 = u n+1 = u n + 3 3 u n est le n ième nombre premier

Plus en détail

Cours de spécialité mathématiques en Terminale ES

Cours de spécialité mathématiques en Terminale ES Cours de spécialité mathématiques en Terminale ES O. Lader 2014/2015 Lycée Jean Vilar Spé math terminale ES 2014/2015 1 / 51 Systèmes linéaires Deux exemples de systèmes linéaires à deux équations et deux

Plus en détail

Fonctions analytiques

Fonctions analytiques CHAPITRE Fonctions analytiques Les principaux résultats à retenir : soit U un ouvert de C et f : U C. f est analytique sur U si et seulement si f est développable en série entière au voisinage de chaque

Plus en détail

Méthodes de Monte-Carlo Simulation de grandeurs aléatoires

Méthodes de Monte-Carlo Simulation de grandeurs aléatoires Méthodes de Monte-Carlo Simulation de grandeurs aléatoires Master Modélisation et Simulation / ENSTA TD 1 2012-2013 Les méthodes dites de Monte-Carlo consistent en des simulations expérimentales de problèmes

Plus en détail

Prix d options européennes

Prix d options européennes Page n 1. Prix d options européennes Une société française tient sa comptabilité en euros et signe un contrat avec une entreprise américaine qu elle devra payer en dollars à la livraison. Entre aujourd

Plus en détail

Texte Agrégation limitée par diffusion interne

Texte Agrégation limitée par diffusion interne Page n 1. Texte Agrégation limitée par diffusion interne 1 Le phénomène observé Un fût de déchets radioactifs est enterré secrètement dans le Cantal. Au bout de quelques années, il devient poreux et laisse

Plus en détail

1.8 Exercices. Analyse d'erreurs 43

1.8 Exercices. Analyse d'erreurs 43 1.8 Exercices Analyse d'erreurs 43 1. Tous les chires des nombres suivants sont signicatifs. Donner une borne supérieure de l'erreur absolue et estimer l'erreur relative. a) 0,1234 b) 8,760 c) 3,14156

Plus en détail

Tests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles

Tests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles Tests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles Valentin Patilea 1 Cesar Sanchez-sellero 2 Matthieu Saumard 3 1 CREST-ENSAI et IRMAR 2 USC Espagne 3 IRMAR-INSA

Plus en détail

Modélisation et Simulation

Modélisation et Simulation Cours de modélisation et simulation p. 1/83 Modélisation et Simulation G. Bontempi Département d Informatique Boulevard de Triomphe - CP 212 http://www.ulb.ac.be/di Cours de modélisation et simulation

Plus en détail

Outils d analyse fonctionnelle Cours 5 Théorie spectrale

Outils d analyse fonctionnelle Cours 5 Théorie spectrale Outils d analyse fonctionnelle Cours 5 Théorie spectrale 22 septembre 2015 Généralités Dans tout ce qui suit V désigne un espace de Hilbert réel muni d un produit scalaire x, y. Définition Soit A une application

Plus en détail

Modèle classique Extensions Modèle multi-branches. Théorie de la ruine. Esterina Masiello (ISFA)

Modèle classique Extensions Modèle multi-branches. Théorie de la ruine. Esterina Masiello (ISFA) Esterina Masiello Institut de Science Financière et d Assurances Université Lyon 1 Premières Journées Actuarielles de Strasbourg 6-7 octobre 2010 En résumé... Modèle classique de la théorie de la ruine

Plus en détail

Cours 02 : Problème général de la programmation linéaire

Cours 02 : Problème général de la programmation linéaire Cours 02 : Problème général de la programmation linéaire Cours 02 : Problème général de la Programmation Linéaire. 5 . Introduction Un programme linéaire s'écrit sous la forme suivante. MinZ(ou maxw) =

Plus en détail

NOTATIONS PRÉLIMINAIRES

NOTATIONS PRÉLIMINAIRES Pour le Jeudi 14 Octobre 2010 NOTATIONS Soit V un espace vectoriel réel ; l'espace vectoriel des endomorphismes de l'espace vectoriel V est désigné par L(V ). Soit f un endomorphisme de l'espace vectoriel

Plus en détail

Examen de rattrapage

Examen de rattrapage Université Denis Diderot Paris 7 7 juin 4 Probabilités et Simulations UPS36 Examen de rattrapage durée : 3 heures Les documents et calculatrices ne sont pas autorisés. On prendra soin de bien justifier

Plus en détail

UNIVERSITE D ORLEANS SL01MA11, Groupes 1 et 5 Département de Mathématiques 2009-2010. N. El Hage Hassan S EXPRIMER EN MATHÉMATIQUES

UNIVERSITE D ORLEANS SL01MA11, Groupes 1 et 5 Département de Mathématiques 2009-2010. N. El Hage Hassan S EXPRIMER EN MATHÉMATIQUES UNIVERSITE D ORLEANS SL01MA11, Groupes 1 et 5 Département de Mathématiques 2009-2010 N. El Hage Hassan S EXPRIMER EN MATHÉMATIQUES 1 Les énoncés La plupart des phrases que l on rencontre dans un livre

Plus en détail

Calcul rapide des puissances

Calcul rapide des puissances Calcul rapide des puissances Par Mathtous Il s'agit de puissances à exposant entier naturel (avec la convention a 0 = 1, et a 1 = a). Si on applique la dénition pour calculer a n, on calcule de proche

Plus en détail

Cours 1: lois discrétes classiques en probabilités

Cours 1: lois discrétes classiques en probabilités Cours 1: lois discrétes classiques en probabilités Laboratoire de Mathématiques de Toulouse Université Paul Sabatier-IUT GEA Ponsan Module: Stat inférentielles Définition Quelques exemples loi d une v.a

Plus en détail

Dualité dans les espaces de Lebesgue et mesures de Radon finies

Dualité dans les espaces de Lebesgue et mesures de Radon finies Chapitre 6 Dualité dans les espaces de Lebesgue et mesures de Radon finies Nous allons maintenant revenir sur les espaces L p du Chapitre 4, à la lumière de certains résultats du Chapitre 5. Sauf mention

Plus en détail

Fondements de l informatique: Examen Durée: 3h

Fondements de l informatique: Examen Durée: 3h École polytechnique X2013 INF412 Fondements de l informatique Fondements de l informatique: Examen Durée: 3h Sujet proposé par Olivier Bournez Version 3 (corrigé) L énoncé comporte 4 parties (sections),

Plus en détail

FONCTION EXPONENTIELLE ( ) 2 = 0.

FONCTION EXPONENTIELLE ( ) 2 = 0. FONCTION EXPONENTIELLE I. Définition Théorème : Il eiste une unique fonction f dérivable sur R telle que f ' = f et f (0) =. Démonstration de l'unicité (eigible BAC) : L'eistence est admise - Démontrons

Plus en détail

Espaces vectoriels et applications linéaires

Espaces vectoriels et applications linéaires Espaces vectoriels et applications linéaires Exercice 1 On considère l'ensemble E des matrices carrées d'ordre 3 défini par,,, 1) Montrer que est un sous-espace vectoriel de l'espace vectoriel des matrices

Plus en détail

Les relations de Plücker

Les relations de Plücker Université Claude Bernard LYON 1 Préparation à l'agrégation de Mathématiques Les relations de Plücker Michel CRETIN On montre que l'ensemble des sous-espaces vectoriels de dimension r de K n est la sous-variété

Plus en détail

14. Introduction aux files d attente

14. Introduction aux files d attente 14. Introduction aux files d attente MTH2302D S. Le Digabel, École Polytechnique de Montréal H2015 (v2) MTH2302D: Files d attente 1/24 Plan 1. Introduction 2. Modèle M/M/1 3. Modèle M/M/1/K MTH2302D: Files

Plus en détail

Mathématiques pour l'informatique? Au programme. Objectif du semestre

Mathématiques pour l'informatique? Au programme. Objectif du semestre Mathématiques pour l'informatique? Calcul des Ensembles David Teller 09/02/2007 Q L'informatique, au juste, c'est quoi? A L'informatique, c'est : de l'électronique de la théorie des processus de la linguistique

Plus en détail

Athénée Royal d'uccle 1. Cours de Mathématique 5 ème année Les bases pour les math 6h

Athénée Royal d'uccle 1. Cours de Mathématique 5 ème année Les bases pour les math 6h Athénée Royal d'uccle 1 Cours de Mathématique 5 ème année Les bases pour les math 6h A.Droesbeke Version : 015 Table des matières I Algèbre 1 1 Rappel du cours de 3 ème 3 1.1 Les exposants......................................

Plus en détail

TD 2 Exercice 1. Un bûcheron a 100 hectares de bois de feuillus. Couper un hectare de bois et laisser la zone se régénérer naturellement coûte 10 kf par hectares, et rapporte 50 kf. Alternativement, couper

Plus en détail