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

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

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

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

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

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

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

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

Systèmes linéaires. 1. Introduction aux systèmes d équations linéaires. Exo7. 1.1. Exemple : deux droites dans le plan

Systèmes linéaires. 1. Introduction aux systèmes d équations linéaires. Exo7. 1.1. Exemple : deux droites dans le plan Exo7 Systèmes linéaires Vidéo partie 1. Introduction aux systèmes d'équations linéaires Vidéo partie 2. Théorie des systèmes linéaires Vidéo partie 3. Résolution par la méthode du pivot de Gauss 1. Introduction

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

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

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

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

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

+ 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

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

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

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

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

MATHÉMATIQUES FINANCIÈRES I

MATHÉMATIQUES FINANCIÈRES I MATHÉMATIQUES FINANCIÈRES I Deuxième cours Rappel: Intérêt Rappel: Intérêt Fonction de capitalisation 1 Rappel: Intérêt Fonction de capitalisation Fonction d accumulation Rappel: Intérêt Fonction de capitalisation

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

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

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

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

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

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

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

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

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

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

Calculs préliminaires.

Calculs préliminaires. MINES-PONTS 005. Filière MP. MATHÉMATIQES 1. Corrigé de JL. Lamard jean-louis.lamard@prepas.org) Calculs préliminaires. Notons que si f H alors f)e / est bien intégrable sur R car continue positive et

Plus en détail

Devoir surveillé n 1 : correction

Devoir surveillé n 1 : correction E1A-E1B 013-01 Devoir surveillé n 1 : correction Samedi 8 septembre Durée : 3 heures. La calculatrice est interdite. On attachera une grande importance à la qualité de la rédaction. Les questions du début

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

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

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

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

Calculs approchés d un point fixe

Calculs approchés d un point fixe M11 ÉPREUVE COMMUNE DE TIPE 2013 - Partie D TITRE : Calculs approchés d un point fixe Temps de préparation :.. 2 h 15 minutes Temps de présentation devant les examinateurs :.10 minutes Dialogue avec les

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

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

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

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

Continuité d une fonction de plusieurs variables

Continuité d une fonction de plusieurs variables Chapitre 2 Continuité d une fonction de plusieurs variables Maintenant qu on a défini la notion de limite pour des suites dans R n, la notion de continuité s étend sans problème à des fonctions de plusieurs

Plus en détail

Master IAD Module PS. Reconnaissance de la parole (suite) Modèles de Markov et bases de données. Gaël RICHARD Février 2008

Master IAD Module PS. Reconnaissance de la parole (suite) Modèles de Markov et bases de données. Gaël RICHARD Février 2008 Master IAD Module PS Reconnaissance de la parole (suite) Modèles de Markov et bases de données Gaël RICHARD Février 2008 1 Reconnaissance de la parole Introduction Approches pour la reconnaissance vocale

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

Vidéo partie 1. Logique Vidéo partie 2. Raisonnements Exercices Logique, ensembles, raisonnements

Vidéo partie 1. Logique Vidéo partie 2. Raisonnements Exercices Logique, ensembles, raisonnements Exo7 Logique et raisonnements Vidéo partie 1. Logique Vidéo partie 2. Raisonnements Exercices Logique, ensembles, raisonnements Quelques motivations Il est important d avoir un langage rigoureux. La langue

Plus en détail

Fonctions homographiques

Fonctions homographiques Fonctions homographiques On donne ci-dessous deux définitions des fonctions homographiques, et on montre que ces deux définitions sont équivalentes. On décrit la courbe représentative d une fonction homographique.

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

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

est diagonale si tous ses coefficients en dehors de la diagonale sont nuls.

est diagonale si tous ses coefficients en dehors de la diagonale sont nuls. Diagonalisation des matrices http://www.math-info.univ-paris5.fr/~ycart/mc2/node2.html Sous-sections Matrices diagonales Valeurs propres et vecteurs propres Polynôme caractéristique Exemples Illustration

Plus en détail

Cours de Mathématiques

Cours de Mathématiques Cours de Mathématiques Lycee Gustave Eiffel PTSI 02/03 Chapitre 3 Fonctions usuelles 3.1 Théorème de la bijection Une fonction dérivable sur un intervalle I, strictement monotone déþnit une bijection.

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

Couples de variables aléatoires discrètes

Couples de variables aléatoires discrètes Couples de variables aléatoires discrètes ECE Lycée Carnot mai Dans ce dernier chapitre de probabilités de l'année, nous allons introduire l'étude de couples de variables aléatoires, c'est-à-dire l'étude

Plus en détail

LA PROGRAMMATION LINEAIRE : UN OUTIL DE MODELISATION

LA PROGRAMMATION LINEAIRE : UN OUTIL DE MODELISATION LA PROGRAMMATION LINEAIRE : UN OUTIL DE MODELISATION Dans les leçons précédentes, nous avons modélisé des problèmes en utilisant des graphes. Nous abordons dans cette leçon un autre type de modélisation.

Plus en détail

Chapitre 5: Opérateurs dans les espaces de Hilbert. Notions d opérateur adjoint

Chapitre 5: Opérateurs dans les espaces de Hilbert. Notions d opérateur adjoint Chapitre 5: Opérateurs dans les espaces de Hilbert. Notions d opérateur adjoint 18 mars 2008 1 Généralités sur les opérateurs 1.1 Définitions Soient H et H deux espaces de Hilbert sur C. Définition 1.1

Plus en détail

Exercices théoriques

Exercices théoriques École normale supérieure 2008-2009 Département d informatique Algorithmique et Programmation TD n 9 : Programmation Linéaire Avec Solutions Exercices théoriques Rappel : Dual d un programme linéaire cf.

Plus en détail

Introduction à l étude des Corps Finis

Introduction 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 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

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

Calcul Stochastique et Applications Financières

Calcul Stochastique et Applications Financières 0 Calcul Stochastique et Applications Financières Aurélia Istratii Luis Macavilca Taylan Kunal M I.E.F. SOMMAIRE I. MODELE DE COX-ROSS-RUBINSTEIN II. III. INTRODUCTION AUX METHODES DE MONTE CARLO EQUATION

Plus en détail

Applications linéaires

Applications linéaires Bibliothèque d exercices Énoncés L1 Feuille n 18 Applications linéaires 1 Définition Exercice 1 Déterminer si les applications f i suivantes (de E i dans F i ) sont linéaires : f 1 : (x, y) R (x + y, x

Plus en détail

UNIVERSITÉ DE CERGY Année 2012-2013 U.F.R. Économie & Gestion Licence d Économie et Mathématiques MATH104 : Mathématiques

UNIVERSITÉ DE CERGY Année 2012-2013 U.F.R. Économie & Gestion Licence d Économie et Mathématiques MATH104 : Mathématiques 1 UNIVERSITÉ DE CERGY Année 2012-201 U.F.R. Économie & Gestion Licence d Économie et Mathématiques MATH104 : Mathématiques Chapitre III : Polynômes 1 Fonctions polynômes & polynômes Définition 1. Soit

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

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

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

Chapitre 1 Régime transitoire dans les systèmes physiques

Chapitre 1 Régime transitoire dans les systèmes physiques Chapitre 1 Régime transitoire dans les systèmes physiques Savoir-faire théoriques (T) : Écrire l équation différentielle associée à un système physique ; Faire apparaître la constante de temps ; Tracer

Plus en détail

Chapitre 3. Mesures stationnaires. et théorèmes de convergence

Chapitre 3. Mesures stationnaires. et théorèmes de convergence Chapitre 3 Mesures stationnaires et théorèmes de convergence Christiane Cocozza-Thivent, Université de Marne-la-Vallée p.1 I. Mesures stationnaires Christiane Cocozza-Thivent, Université de Marne-la-Vallée

Plus en détail

Chapitre 1 : Évolution COURS

Chapitre 1 : Évolution COURS Chapitre 1 : Évolution COURS OBJECTIFS DU CHAPITRE Savoir déterminer le taux d évolution, le coefficient multiplicateur et l indice en base d une évolution. Connaître les liens entre ces notions et savoir

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

DOCM 2013 http://docm.math.ca/ Solutions officielles. 1 2 10 + 1 2 9 + 1 2 8 = n 2 10.

DOCM 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 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

Fonction polynôme du second degré : Forme canonique

Fonction polynôme du second degré : Forme canonique Fonction polynôme du second degré : Forme canonique I) Introduction. Soit g(x) = a(x - s)²+h. Toute fonction polynôme du second degré peut s écrire sous cette forme. Le passage de la forme développée à

Plus en détail

Simulation de variables aléatoires

Simulation de variables aléatoires Simulation de variables aléatoires S. Robin INA PG, Biométrie Décembre 1997 Table des matières 1 Introduction Variables aléatoires discrètes 3.1 Pile ou face................................... 3. Loi de

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

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

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

Construction de la mesure de Lebesgue. 1 Mesure positive engendrée par une mesure extérieure.

Construction de la mesure de Lebesgue. 1 Mesure positive engendrée par une mesure extérieure. Université d Artois Faculté des Sciences Jean Perrin Analyse Fonctionnelle (Licence 3 Mathématiques-Informatique Daniel Li Construction de la mesure de Lebesgue 28 janvier 2008 Dans ce chapitre, nous allons

Plus en détail

Suites : Calcul et comportement asymptotique.

Suites : Calcul et comportement asymptotique. 4 Chapitre 3 Suites : Calcul et comportement asymptotique. 3. Méthodes de définition. Comment définir une suite (u n ) n N de réels? Par l expression de son terme général, Par une formule de récurrence

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

La fonction exponentielle

La 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 détail

CENTRALE PC 2000 ÉPREUVE DE MATH 2. Première partie

CENTRALE PC 2000 ÉPREUVE DE MATH 2. Première partie CENTRALE PC 2000 ÉPREUVE DE MATH 2 Première partie I. A. 1. La fonction x px kx 2 = x(p kx) présente un maximum pour toute valeur de p au point d abscisse x = p p2 et il vaut 2k 2k. Conclusion : J(f) =

Plus en détail

Résolution d équations non linéaires

Résolution d équations non linéaires Analyse Numérique Résolution d équations non linéaires Said EL HAJJI et Touria GHEMIRES Université Mohammed V - Agdal. Faculté des Sciences Département de Mathématiques. Laboratoire de Mathématiques, Informatique

Plus en détail

Mathématiques pour l informatique. - Soutien - 1 Nombres complexes. 2 Suites. Exercice 1. (Nombres complexes) Soit le nombre complexe z = (2 + 2i) 7.

Mathématiques pour l informatique. - Soutien - 1 Nombres complexes. 2 Suites. Exercice 1. (Nombres complexes) Soit le nombre complexe z = (2 + 2i) 7. Mathématiques pour l informatique IMAC première année - Soutien - Nombres complexes Rappels. Un nombre complexe z admet plusieurs représentations : représentation vectorielle z = (a, b) où a, b R représentation

Plus en détail

III- Raisonnement par récurrence

III- Raisonnement par récurrence III- Raisonnement par récurrence Les raisonnements en mathématiques se font en général par une suite de déductions, du style : si alors, ou mieux encore si c est possible, par une suite d équivalences,

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

Cours de mathématiques.

Cours de mathématiques. Orsay 008-009 IFIPS S Mathématiques (M160). Cours de mathématiques. 1. Equations différentielles linéaires du second ordre. La fonction C : x cos x est indéfiniment dérivable sur R, et C (x) = S(x), avec

Plus en détail

Fonctions de plusieurs variables

Fonctions 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 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

Mathématiques financières

Mathématiques financières Mathématique financière à court terme I) Les Intérêts : Intérêts simples Mathématiques financières - Intérêts terme échu et terme à échoir - Taux terme échu i u équivalent à un taux terme à échoir i r

Plus en détail

FONCTIONS. I Généralités sur les fonctions. Définitions. Remarque. Exercice 01. Remarque

FONCTIONS. I Généralités sur les fonctions. Définitions. Remarque. Exercice 01. Remarque FNCTINS I Généralités sur les fonctions Définitions Soit D une partie de l'ensemble IR. n définit une fonction f de D dans IR, en associant à chaque réel de D, un réel et un seul noté f() et que l'on appelle

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 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

Espaces de probabilités.

Espaces de probabilités. Université Pierre et Marie Curie 2010-2011 Probabilités et statistiques - LM345 Feuille 2 Espaces de probabilités. 1. Donner un exemple d'une famille de parties d'un ensemble qui ne soit pas une tribu.

Plus en détail

COURS DE LICENCE 2 SCIENCES ECONOMIQUES COURS D ANNIE CLARET

COURS DE LICENCE 2 SCIENCES ECONOMIQUES COURS D ANNIE CLARET COURS DE LICENCE 2 SCIENCES ECONOMIQUES COURS D ANNIE CLARET MATHEMATIQUES 3 PRISE DE NOTE PAR : PLASMAN SYLVAIN SERIE 7 ANNEE 2010-2011 1 Sommaire et accès aux chapitres/sous-chapitres Cliquez sur le

Plus en détail

Inégalités. c a + b 3 2,

Inégalités. c a + b 3 2, DOMAINE : Géométrie AUTEUR : Margaret BILU NIVEAU : Avancé STAGE : Montpellier 03 CONTENU : Eercices Inégalités - Quelques inégalités secondaires, mais utiles - Proposition. (Inégalité de Nesbitt) Soient

Plus en détail

LA THÉORIE DES FILES D ATTENTE

LA THÉORIE DES FILES D ATTENTE LA THÉORIE DES FILES D ATTENTE Origine de la théorie de la fille d attente Cette théorie est une approche mathématique permettant d analyser les files d attente. Elle est basée sur l étude des équipements

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

Placement de centres logistiques

Placement de centres logistiques Master 1 - Spécialité Androide Année 2014/2015 Module RP Résolution de Problèmes Projet Placement de centres logistiques On considère dans ce projet la résolution du problème de placement de centres logistiques

Plus en détail

Collège du Sud, Bulle 2-ème année OS PAM 3-ème année OC AM. Applications des mathématiques. Equations

Collège du Sud, Bulle 2-ème année OS PAM 3-ème année OC AM. Applications des mathématiques. Equations Collège du Sud, Bulle 2-ème année OS PAM 3-ème année OC AM Applications des mathématiques Equations Résolution de l'équation f(x) = 0 par diverses méthodes Version pour Mathematica Edition 2014/2015 Marcel

Plus en détail

Exo7. Matrice d une application linéaire. Corrections d Arnaud Bodin.

Exo7. 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 détail