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 belarbi@yahoo.fr, bouchentouf amina@yahoo.fr

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

3. Conditionnement P (B)

3. Conditionnement P (B) Conditionnement 16 3. Conditionnement Dans cette section, nous allons rappeler un certain nombre de définitions et de propriétés liées au problème du conditionnement, c est à dire à la prise en compte

Plus en détail

Développements limités. Notion de développement limité

Développements limités. Notion de développement limité MT12 - ch2 Page 1/8 Développements limités Dans tout ce chapitre, I désigne un intervalle de R non vide et non réduit à un point. I Notion de développement limité Dans tout ce paragraphe, a désigne un

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

Théorèmes du Point Fixe et Applications aux Equations Diérentielles

Théorèmes du Point Fixe et Applications aux Equations Diérentielles Université de Nice-Sophia Antipolis Mémoire de Master 1 de Mathématiques Année 2006-2007 Théorèmes du Point Fixe et Applications aux Equations Diérentielles Auteurs : Clémence MINAZZO - Kelsey RIDER Responsable

Plus en détail

Raisonnement par récurrence Suites numériques

Raisonnement par récurrence Suites numériques Chapitre 1 Raisonnement par récurrence Suites numériques Terminale S Ce que dit le programme : CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Raisonnement par récurrence. Limite finie ou infinie d une suite.

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

Développement décimal d un réel

Développement décimal d un réel 4 Développement décimal d un réel On rappelle que le corps R des nombres réels est archimédien, ce qui permet d y définir la fonction partie entière. En utilisant cette partie entière on verra dans ce

Plus en détail

D'UN THÉORÈME NOUVEAU

D'UN THÉORÈME NOUVEAU DÉMONSTRATION D'UN THÉORÈME NOUVEAU CONCERNANT LES NOMBRES PREMIERS 1. (Nouveaux Mémoires de l'académie royale des Sciences et Belles-Lettres de Berlin, année 1771.) 1. Je viens de trouver, dans un excellent

Plus en détail

I. Polynômes de Tchebychev

I. Polynômes de Tchebychev Première épreuve CCP filière MP I. Polynômes de Tchebychev ( ) 1.a) Tout réel θ vérifie cos(nθ) = Re ((cos θ + i sin θ) n ) = Re Cn k (cos θ) n k i k (sin θ) k Or i k est réel quand k est pair et imaginaire

Plus en détail

2. RAPPEL DES TECHNIQUES DE CALCUL DANS R

2. RAPPEL DES TECHNIQUES DE CALCUL DANS R 2. RAPPEL DES TECHNIQUES DE CALCUL DANS R Dans la mesure où les résultats de ce chapitre devraient normalement être bien connus, il n'est rappelé que les formules les plus intéressantes; les justications

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

Correction du Baccalauréat S Amérique du Nord mai 2007

Correction du Baccalauréat S Amérique du Nord mai 2007 Correction du Baccalauréat S Amérique du Nord mai 7 EXERCICE points. Le plan (P) a une pour équation cartésienne : x+y z+ =. Les coordonnées de H vérifient cette équation donc H appartient à (P) et A n

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

Calcul fonctionnel holomorphe dans les algèbres de Banach

Calcul fonctionnel holomorphe dans les algèbres de Banach Chapitre 7 Calcul fonctionnel holomorphe dans les algèbres de Banach L objet de ce chapitre est de définir un calcul fonctionnel holomorphe qui prolonge le calcul fonctionnel polynômial et qui respecte

Plus en détail

Optimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications

Optimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications Optimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications A. Optimisation sans contrainte.... Généralités.... Condition nécessaire et condition suffisante

Plus en détail

Master Modélisation Aléatoire Paris VII, Cours Méthodes de Monte Carlo en nance et C++, TP n 2.

Master Modélisation Aléatoire Paris VII, Cours Méthodes de Monte Carlo en nance et C++, TP n 2. Master Modélisation Aléatoire Paris VII, Cours Méthodes de Monte Carlo en nance et C++, TP n 2. Techniques de correction pour les options barrières 25 janvier 2007 Exercice à rendre individuellement lors

Plus en détail

MATHÉMATIQUES FINANCIÈRES I

MATHÉMATIQUES FINANCIÈRES I MATHÉMATIQUES FINANCIÈRES I Quinzième cours Détermination des valeurs actuelle et accumulée d une annuité de début de période pour laquelle la période de paiement est plus courte que la période de capitalisation

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

Cours d Analyse. Fonctions de plusieurs variables

Cours d Analyse. Fonctions de plusieurs variables Cours d Analyse Fonctions de plusieurs variables Licence 1ère année 2007/2008 Nicolas Prioux Université de Marne-la-Vallée Table des matières 1 Notions de géométrie dans l espace et fonctions à deux variables........

Plus en détail

Séminaire TEST. 1 Présentation du sujet. October 18th, 2013

Séminaire TEST. 1 Présentation du sujet. October 18th, 2013 Séminaire ES Andrés SÁNCHEZ PÉREZ October 8th, 03 Présentation du sujet Le problème de régression non-paramétrique se pose de la façon suivante : Supposons que l on dispose de n couples indépendantes de

Plus en détail

Retournement Temporel

Retournement Temporel Retournement Temporel Rédigé par: HENG Sokly Encadrés par: Bernard ROUSSELET & Stéphane JUNCA 2 juin 28 Remerciements Je tiens tout d'abord à remercier mes responsables de mémoire, M.Bernard ROUSSELET

Plus en détail

chapitre 4 Nombres de Catalan

chapitre 4 Nombres de Catalan chapitre 4 Nombres de Catalan I Dénitions Dénition 1 La suite de Catalan (C n ) n est la suite dénie par C 0 = 1 et, pour tout n N, C n+1 = C k C n k. Exemple 2 On trouve rapidement C 0 = 1, C 1 = 1, C

Plus en 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

Comment tracer une droite représentative d'une fonction et méthode de calcul de l'équation d'une droite.

Comment tracer une droite représentative d'une fonction et méthode de calcul de l'équation d'une droite. Comment tracer une droite représentative d'une fonction et méthode de calcul de l'équation d'une droite. Introduction : Avant de commencer, il est nécessaire de prendre connaissance des trois types de

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

Souad EL Bernoussi. Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/

Souad EL Bernoussi. Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/ Recherche opérationnelle Les démonstrations et les exemples seront traités en cours Souad EL Bernoussi Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/ Table des matières 1 Programmation

Plus en détail

Objets Combinatoires élementaires

Objets Combinatoires élementaires Objets Combinatoires élementaires 0-0 Permutations Arrangements Permutations pour un multi-ensemble mots sous-ensemble à k éléments (Problème du choix) Compositions LE2I 04 1 Permutations Supposons que

Plus en détail

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable T : pour travailler et mémoriser le cours

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable T : pour travailler et mémoriser le cours Exo7 Continuité (étude globale). Diverses fonctions Exercices de Jean-Louis Rouget. Retrouver aussi cette fiche sur www.maths-france.fr * très facile ** facile *** difficulté moyenne **** difficile *****

Plus en détail

FIMA, 7 juillet 2005

FIMA, 7 juillet 2005 F. Corset 1 S. 2 1 LabSAD Université Pierre Mendes France 2 Département de Mathématiques Université de Franche-Comté FIMA, 7 juillet 2005 Plan de l exposé plus court chemin Origine du problème Modélisation

Plus en détail

Exercices - Polynômes : corrigé. Opérations sur les polynômes

Exercices - Polynômes : corrigé. Opérations sur les polynômes Opérations sur les polynômes Exercice 1 - Carré - L1/Math Sup - Si P = Q est le carré d un polynôme, alors Q est nécessairement de degré, et son coefficient dominant est égal à 1. On peut donc écrire Q(X)

Plus en détail

Correction de l examen de la première session

Correction de l examen de la première session de l examen de la première session Julian Tugaut, Franck Licini, Didier Vincent Si vous trouvez des erreurs de Français ou de mathématiques ou bien si vous avez des questions et/ou des suggestions, envoyez-moi

Plus en détail

Le produit semi-direct

Le produit semi-direct Le produit semi-direct Préparation à l agrégation de mathématiques Université de Nice - Sophia Antipolis Antoine Ducros Octobre 2007 Ce texte est consacré, comme son titre l indique, au produit semi-direct.

Plus en détail

PROBLEMES D'ORDONNANCEMENT AVEC RESSOURCES

PROBLEMES D'ORDONNANCEMENT AVEC RESSOURCES Leçon 11 PROBLEMES D'ORDONNANCEMENT AVEC RESSOURCES Dans cette leçon, nous retrouvons le problème d ordonnancement déjà vu mais en ajoutant la prise en compte de contraintes portant sur les ressources.

Plus en détail

Exercices - Fonctions de plusieurs variables : corrigé. Pour commencer

Exercices - Fonctions de plusieurs variables : corrigé. Pour commencer Pour commencer Exercice 1 - Ensembles de définition - Première année - 1. Le logarithme est défini si x + y > 0. On trouve donc le demi-plan supérieur délimité par la droite d équation x + y = 0.. 1 xy

Plus en détail

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

Le modèle de Black et Scholes

Le modèle de Black et Scholes Le modèle de Black et Scholes Alexandre Popier février 21 1 Introduction : exemple très simple de modèle financier On considère un marché avec une seule action cotée, sur une période donnée T. Dans un

Plus en détail

Compte rendu des TP matlab

Compte rendu des TP matlab Compte rendu des TP matlab Krell Stella, Minjeaud Sebastian 18 décembre 006 1 TP1, Discrétisation de problèmes elliptiques linéaires 1d Soient > 0, a R, b 0, c, d R et f C([0, 1], R). On cerce à approcer

Plus en détail

Filtrage stochastique non linéaire par la théorie de représentation des martingales

Filtrage stochastique non linéaire par la théorie de représentation des martingales Filtrage stochastique non linéaire par la théorie de représentation des martingales Adriana Climescu-Haulica Laboratoire de Modélisation et Calcul Institut d Informatique et Mathématiques Appliquées de

Plus en détail

4. Martingales à temps discret

4. Martingales à temps discret Martingales à temps discret 25 4. Martingales à temps discret 4.1. Généralités. On fixe un espace de probabilités filtré (Ω, (F n ) n, F, IP ). On pose que F contient ses ensembles négligeables mais les

Plus en détail

Théorème du point fixe - Théorème de l inversion locale

Théorème du point fixe - Théorème de l inversion locale Chapitre 7 Théorème du point fixe - Théorème de l inversion locale Dans ce chapitre et le suivant, on montre deux applications importantes de la notion de différentiabilité : le théorème de l inversion

Plus en détail

Examen optimisation Centrale Marseille (2008) et SupGalilee (2008)

Examen optimisation Centrale Marseille (2008) et SupGalilee (2008) Examen optimisation Centrale Marseille (28) et SupGalilee (28) Olivier Latte, Jean-Michel Innocent, Isabelle Terrasse, Emmanuel Audusse, Francois Cuvelier duree 4 h Tout resultat enonce dans le texte peut

Plus en détail

Produit semi-direct. Table des matières. 1 Produit de sous-groupes 2. 2 Produit semi-direct de sous-groupes 3. 3 Produit semi-direct de groupes 4

Produit semi-direct. Table des matières. 1 Produit de sous-groupes 2. 2 Produit semi-direct de sous-groupes 3. 3 Produit semi-direct de groupes 4 Produit semi-direct Table des matières 1 Produit de sous-groupes 2 2 Produit semi-direct de sous-groupes 3 3 Produit semi-direct de groupes 4 1 1 Produit de sous-groupes Soient G un groupe et H et K deux

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

Capes 2002 - Première épreuve

Capes 2002 - Première épreuve Cette correction a été rédigée par Frédéric Bayart. Si vous avez des remarques à faire, ou pour signaler des erreurs, n hésitez pas à écrire à : mathweb@free.fr Mots-clés : équation fonctionnelle, série

Plus en détail

Date : 18.11.2013 Tangram en carré page

Date : 18.11.2013 Tangram en carré page Date : 18.11.2013 Tangram en carré page Titre : Tangram en carré Numéro de la dernière page : 14 Degrés : 1 e 4 e du Collège Durée : 90 minutes Résumé : Le jeu de Tangram (appelé en chinois les sept planches

Plus en détail

Probabilités III Introduction à l évaluation d options

Probabilités III Introduction à l évaluation d options Probabilités III Introduction à l évaluation d options Jacques Printems Promotion 2012 2013 1 Modèle à temps discret 2 Introduction aux modèles en temps continu Limite du modèle binomial lorsque N + Un

Plus en détail

Rappels sur les suites - Algorithme

Rappels sur les suites - Algorithme DERNIÈRE IMPRESSION LE 14 septembre 2015 à 12:36 Rappels sur les suites - Algorithme Table des matières 1 Suite : généralités 2 1.1 Déition................................. 2 1.2 Exemples de suites............................

Plus en détail

Correction du baccalauréat S Liban juin 2007

Correction du baccalauréat S Liban juin 2007 Correction du baccalauréat S Liban juin 07 Exercice. a. Signe de lnx lnx) : on fait un tableau de signes : x 0 e + ln x 0 + + lnx + + 0 lnx lnx) 0 + 0 b. On afx) gx) lnx lnx) lnx lnx). On déduit du tableau

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

Analyse stochastique de la CRM à ordre partiel dans le cadre des essais cliniques de phase I

Analyse stochastique de la CRM à ordre partiel dans le cadre des essais cliniques de phase I Analyse stochastique de la CRM à ordre partiel dans le cadre des essais cliniques de phase I Roxane Duroux 1 Cadre de l étude Cette étude s inscrit dans le cadre de recherche de doses pour des essais cliniques

Plus en détail

Théorie de la mesure. S. Nicolay

Théorie de la mesure. S. Nicolay Théorie de la mesure S. Nicolay Année académique 2011 2012 ii Table des matières Introduction v 1 Mesures 1 1.1 Sigma-algèbres................................. 1 1.2 Mesures.....................................

Plus en détail

Capacité d un canal Second Théorème de Shannon. Théorie de l information 1/34

Capacité d un canal Second Théorème de Shannon. Théorie de l information 1/34 Capacité d un canal Second Théorème de Shannon Théorie de l information 1/34 Plan du cours 1. Canaux discrets sans mémoire, exemples ; 2. Capacité ; 3. Canaux symétriques ; 4. Codage de canal ; 5. Second

Plus en détail

ANNUITES. Les annuités définissent une suite de versements identiques ou non effectués à intervalles de temps égaux. -annuités non constantes

ANNUITES. Les annuités définissent une suite de versements identiques ou non effectués à intervalles de temps égaux. -annuités non constantes ANNUITES I Notions d annuités a.définition Les annuités définissent une suite de versements identiques ou non effectués à intervalles de temps égaux. Le processus de versements dépend du montant de l annuité,

Plus en détail

Travaux dirigés d introduction aux Probabilités

Travaux dirigés d introduction aux Probabilités Travaux dirigés d introduction aux Probabilités - Dénombrement - - Probabilités Élémentaires - - Variables Aléatoires Discrètes - - Variables Aléatoires Continues - 1 - Dénombrement - Exercice 1 Combien

Plus en détail

Module 7: Chaînes de Markov à temps continu

Module 7: Chaînes de Markov à temps continu Module 7: Chaînes de Markov à temps continu Patrick Thiran 1 Introduction aux chaînes de Markov à temps continu 1.1 (Première) définition Ce module est consacré aux processus à temps continu {X(t), t R

Plus en détail

I3, Probabilités 2014 Travaux Dirigés F BM F BM F BM F BM F B M F B M F B M F B M 20 20 80 80 100 100 300 300

I3, Probabilités 2014 Travaux Dirigés F BM F BM F BM F BM F B M F B M F B M F B M 20 20 80 80 100 100 300 300 I3, Probabilités 2014 Travaux Dirigés TD 1 : rappels. Exercice 1 Poker simplié On tire 3 cartes d'un jeu de 52 cartes. Quelles sont les probabilités d'obtenir un brelan, une couleur, une paire, une suite,

Plus en détail

Programmation linéaire et Optimisation. Didier Smets

Programmation linéaire et Optimisation. Didier Smets Programmation linéaire et Optimisation Didier Smets Chapitre 1 Un problème d optimisation linéaire en dimension 2 On considère le cas d un fabricant d automobiles qui propose deux modèles à la vente, des

Plus en détail

CCP PSI - 2010 Mathématiques 1 : un corrigé

CCP PSI - 2010 Mathématiques 1 : un corrigé CCP PSI - 00 Mathématiques : un corrigé Première partie. Définition d une structure euclidienne sur R n [X]... B est clairement symétrique et linéaire par rapport à sa seconde variable. De plus B(P, P

Plus en détail

ÉTUDE ASYMPTOTIQUE D UNE MARCHE ALÉATOIRE CENTRIFUGE

ÉTUDE ASYMPTOTIQUE D UNE MARCHE ALÉATOIRE CENTRIFUGE ÉTUDE ASYMPTOTIQUE D UNE MARCHE ALÉATOIRE CENTRIFUGE JEAN-DENIS FOUKS, EMMANUEL LESIGNE ET MARC PEIGNÉ J.-D. Fouks. École Supérieure d Ingénieurs de Poitiers. 40 avenue du Recteur Pineau, 860 Poitiers

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

Commun à tous les candidats

Commun à tous les candidats EXERCICE 3 (9 points ) Commun à tous les candidats On s intéresse à des courbes servant de modèle à la distribution de la masse salariale d une entreprise. Les fonctions f associées définies sur l intervalle

Plus en détail

RapidMiner. Data Mining. 1 Introduction. 2 Prise en main. Master Maths Finances 2010/2011. 1.1 Présentation. 1.2 Ressources

RapidMiner. Data Mining. 1 Introduction. 2 Prise en main. Master Maths Finances 2010/2011. 1.1 Présentation. 1.2 Ressources Master Maths Finances 2010/2011 Data Mining janvier 2011 RapidMiner 1 Introduction 1.1 Présentation RapidMiner est un logiciel open source et gratuit dédié au data mining. Il contient de nombreux outils

Plus en détail

9 5 2 5 Espaces probabilisés

9 5 2 5 Espaces probabilisés BCPST2 9 5 2 5 Espaces probabilisés I Mise en place du cadre A) Tribu Soit Ω un ensemble. On dit qu'un sous ensemble T de P(Ω) est une tribu si et seulement si : Ω T. T est stable par complémentaire, c'est-à-dire

Plus en détail

Chapitre 2. Eléments pour comprendre un énoncé

Chapitre 2. Eléments pour comprendre un énoncé Chapitre 2 Eléments pour comprendre un énoncé Ce chapitre est consacré à la compréhension d un énoncé. Pour démontrer un énoncé donné, il faut se reporter au chapitre suivant. Les tables de vérité données

Plus en 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

M2 IAD UE MODE Notes de cours (3)

M2 IAD UE MODE Notes de cours (3) M2 IAD UE MODE Notes de cours (3) Jean-Yves Jaffray Patrice Perny 16 mars 2006 ATTITUDE PAR RAPPORT AU RISQUE 1 Attitude par rapport au risque Nousn avons pas encore fait d hypothèse sur la structure de

Plus en détail

Thèse. présentée en vu d obtenir le grade de Docteur, spécialité «Mathématiques Appliquées» par. ARRAR Nawel Khadidja

Thèse. présentée en vu d obtenir le grade de Docteur, spécialité «Mathématiques Appliquées» par. ARRAR Nawel Khadidja Université Badji Mokhtar-Annaba, Algérie Université Paris 1, Panthéon-Sorbonne, France Ecole Doctorale Sciences Mathématiques de Paris centre Laboratoire LaPS et LANOS, Annaba Laboratoire SAMM, Paris 1

Plus en détail

CNAM UE MVA 210 Ph. Durand Algèbre et analyse tensorielle Cours 4: Calcul dierentiel 2

CNAM UE MVA 210 Ph. Durand Algèbre et analyse tensorielle Cours 4: Calcul dierentiel 2 CNAM UE MVA 210 Ph. Duran Algèbre et analyse tensorielle Cours 4: Calcul ierentiel 2 Jeui 26 octobre 2006 1 Formes iérentielles e egrés 1 Dès l'introuction es bases u calcul iérentiel, nous avons mis en

Plus en détail

Loi binomiale Lois normales

Loi binomiale Lois normales Loi binomiale Lois normales Christophe ROSSIGNOL Année scolaire 204/205 Table des matières Rappels sur la loi binomiale 2. Loi de Bernoulli............................................ 2.2 Schéma de Bernoulli

Plus en détail