Introduction à la modélisation et à la vérication p. 1/8

Dimension: px
Commencer à balayer dès la page:

Download "Introduction à la modélisation et à la vérication p. 1/8"

Transcription

1 Introduction à l modélistion et à l vériction Appliction ux systèmes temporisés Ptrici Bouyer LSV CNRS & ENS de Cchn Introduction à l modélistion et à l vériction p. 1/8

2 Modélistion & Vériction Introduction Introduction à l modélistion et à l vériction p. 2/8

3 Systèmes informtiques ordinteurs personnels, serveurs systèmes embrqués téléphones mobiles vions fusées Lego Mindstorms utomobiles (X-by-wire)... Introduction à l modélistion et à l vériction p. 3/8

4 Systèmes informtiques ordinteurs personnels, serveurs systèmes embrqués téléphones mobiles vions fusées Lego Mindstorms utomobiles (X-by-wire)... Deux tendnces: de plus en plus performnts, de plus en plus miniturisés de plus en plus complexes Introduction à l modélistion et à l vériction p. 3/8

5 Systèmes informtiques ordinteurs personnels, serveurs systèmes embrqués téléphones mobiles vions fusées Lego Mindstorms utomobiles (X-by-wire)... Deux tendnces: de plus en plus performnts, de plus en plus miniturisés de plus en plus complexes Une crctéristique «nouvelle» : systèmes critiques bilité indispensble! Introduction à l modélistion et à l vériction p. 3/8

6 Quelques bogues célèbres Therc 25, tritement ux ryons X des tumeurs cncéreuses «x Up Edit e Enter» en moins de 8s rdition 125 x l dose normle 6 décès ux Étts-Unis en 1986 erreur logicielle! Introduction à l modélistion et à l vériction p. 4/8

7 Quelques bogues célèbres Therc 25, tritement ux ryons X des tumeurs cncéreuses «x Up Edit e Enter» en moins de 8s rdition 125 x l dose normle 6 décès ux Étts-Unis en 1986 erreur logicielle! AT&T un ptch non vérié dns le système d'exploittion une erreur dns un switch (en C) le réseu téléphonique de l côte est des Étts-Unis été bloqué pendnt 9h! Introduction à l modélistion et à l vériction p. 4/8

8 Quelques bogues célèbres Therc 25, tritement ux ryons X des tumeurs cncéreuses «x Up Edit e Enter» en moins de 8s rdition 125 x l dose normle 6 décès ux Étts-Unis en 1986 erreur logicielle! AT&T un ptch non vérié dns le système d'exploittion une erreur dns un switch (en C) le réseu téléphonique de l côte est des Étts-Unis été bloqué pendnt 9h! Le bogue pentium une erreur dns l division ottnte du processeur heureusement, un chercheur en théorie des nombres veillit millions de $ Introduction à l modélistion et à l vériction p. 4/8

9 Une solution prmi d'utres Le système vérie-t-il l propriété? Modélistion Introduction à l modélistion et à l vériction p. 5/8

10 Une solution prmi d'utres Le système vérie-t-il l propriété? Modélistion j= Algorithme de model-checking Introduction à l modélistion et à l vériction p. 5/8

11 Modélistion & Vériction Modèles Introduction à l modélistion et à l vériction p. 6/8

12 Que souhite-t-on modéliser? pour les systèmes à étudier des structures de données (les...) des types de données (entiers...) des cnux de communiction des chngements discrets d'étts des chngements continus d'étts pour les propriétés à exprimer des implictions, des connections logiques des successions temporelles(l'ction b lieu près l'ction ) des propriétés d'étts, de chemins des invrinces(l tempérture est toujours inférieure à 28 degrés) l présence d'un étt bloqunt Introduction à l modélistion et à l vériction p. 7/8

13 Quels modèles? (1) pour les systèmes à nlyser : des systèmes de trnsitions les utomtes nis les utomtes à pile les utomtes à compteur les utomtes temporisés les utomtes hybrides les réseux de Petri les messge sequence chrts les lgèbres de processus... Introduction à l modélistion et à l vériction p. 8/8

14 Quelques exemples Le digicode : * Porte ouverte * 5 * Introduction à l modélistion et à l vériction p. 9/8

15 Quelques exemples Le digicode : * Porte ouverte * 5 Un distributeur * nb_j=4 nb_j++ nb_b > 0, donner_boisson, nb_b-- nb_b = 0, nb_j:=0 rendre_monnie Introduction à l modélistion et à l vériction p. 9/8

16 Composition de systèmes Synchronistion binire signl! signl? Introduction à l modélistion et à l vériction p. 10/8

17 Composition de systèmes Synchronistion binire signl! signl? Introduction à l modélistion et à l vériction p. 10/8

18 Composition de systèmes Synchronistion binire signl! signl? Introduction à l modélistion et à l vériction p. 10/8

19 Composition de systèmes Synchronistion binire signl! signl? Introduction à l modélistion et à l vériction p. 10/8

20 Composition de systèmes Synchronistion binire signl! signl? Exemple : entrée dns un bâtiment de l'ens psser_crte! psser_crte? fermée ouverte referme Introduction à l modélistion et à l vériction p. 10/8

21 Quels modèles? (2) pour les spécictions : des lngges logiques (ex : logique temporelle) Formules de chemin : G «Toujours» F «Un jour» U «Jusqu'à» X «Dns l'étt d'près» Formules d'étts : A E [Pnueli 1977] Introduction à l modélistion et à l vériction p. 11/8

22 Quelques exemples Il est possible d'tteindre l'étt critique. Introduction à l modélistion et à l vériction p. 12/8

23 Quelques exemples Il est possible d'tteindre l'étt critique. EF(étt_critique) Introduction à l modélistion et à l vériction p. 12/8

24 Quelques exemples Il est possible d'tteindre l'étt critique. EF(étt_critique) Deux processus ne peuvent ps être simultnément en section critique. Introduction à l modélistion et à l vériction p. 12/8

25 Quelques exemples Il est possible d'tteindre l'étt critique. EF(étt_critique) Deux processus ne peuvent ps être simultnément en section critique. AG((:section_critique_1) (:section_critique_2)) Introduction à l modélistion et à l vériction p. 12/8

26 Quelques exemples Il est possible d'tteindre l'étt critique. EF(étt_critique) Deux processus ne peuvent ps être simultnément en section critique. AG((:section_critique_1) (:section_critique_2)) Le distributeur de billets ne donne ps d'rgent tnt que le code n'est ps correct. Introduction à l modélistion et à l vériction p. 12/8

27 Quelques exemples Il est possible d'tteindre l'étt critique. EF(étt_critique) Deux processus ne peuvent ps être simultnément en section critique. AG((:section_critique_1) (:section_critique_2)) Le distributeur de billets ne donne ps d'rgent tnt que le code n'est ps correct. A((:donne_rgent)U(code_correct)) Introduction à l modélistion et à l vériction p. 12/8

28 Quelques exemples Il est possible d'tteindre l'étt critique. EF(étt_critique) Deux processus ne peuvent ps être simultnément en section critique. AG((:section_critique_1) (:section_critique_2)) Le distributeur de billets ne donne ps d'rgent tnt que le code n'est ps correct. A((:donne_rgent)U(code_correct)) Si l'scenseur est ppelé u 6 ème étge, lors il s'y rrêter. Introduction à l modélistion et à l vériction p. 12/8

29 Quelques exemples Il est possible d'tteindre l'étt critique. EF(étt_critique) Deux processus ne peuvent ps être simultnément en section critique. AG((:section_critique_1) (:section_critique_2)) Le distributeur de billets ne donne ps d'rgent tnt que le code n'est ps correct. A((:donne_rgent)U(code_correct)) Si l'scenseur est ppelé u 6 ème étge, lors il s'y rrêter. AG(ppel_6 (AF rrêt_6)) Introduction à l modélistion et à l vériction p. 12/8

30 Quelques exemples Il est possible d'tteindre l'étt critique. EF(étt_critique) Deux processus ne peuvent ps être simultnément en section critique. AG((:section_critique_1) (:section_critique_2)) Le distributeur de billets ne donne ps d'rgent tnt que le code n'est ps correct. A((:donne_rgent)U(code_correct)) Si l'scenseur est ppelé u 6 ème étge, lors il s'y rrêter. AG(ppel_6 (AF rrêt_6)) L brrière du pssge à niveu est ouverte inniment souvent. Introduction à l modélistion et à l vériction p. 12/8

31 Quelques exemples Il est possible d'tteindre l'étt critique. EF(étt_critique) Deux processus ne peuvent ps être simultnément en section critique. AG((:section_critique_1) (:section_critique_2)) Le distributeur de billets ne donne ps d'rgent tnt que le code n'est ps correct. A((:donne_rgent)U(code_correct)) Si l'scenseur est ppelé u 6 ème étge, lors il s'y rrêter. AG(ppel_6 (AF rrêt_6)) L brrière du pssge à niveu est ouverte inniment souvent. AG AF(brrière_ouverte) Introduction à l modélistion et à l vériction p. 12/8

32 Quelques exemples (suite) Après l pluie, le beu temps. Introduction à l modélistion et à l vériction p. 13/8

33 Quelques exemples (suite) Après l pluie, le beu temps. G(pluie F beu_temps) Introduction à l modélistion et à l vériction p. 13/8

34 Quelques exemples (suite) Après l pluie, le beu temps. G(pluie F beu_temps) C'est en forgent qu'on devient forgeron. Introduction à l modélistion et à l vériction p. 13/8

35 Quelques exemples (suite) Après l pluie, le beu temps. G(pluie F beu_temps) C'est en forgent qu'on devient forgeron. (F forgeron) (forger U forgeron) Introduction à l modélistion et à l vériction p. 13/8

36 Quelques exemples (suite) Après l pluie, le beu temps. G(pluie F beu_temps) C'est en forgent qu'on devient forgeron. (F forgeron) (forger U forgeron) Qui veut ller loin ménge s monture. Introduction à l modélistion et à l vériction p. 13/8

37 Quelques exemples (suite) Après l pluie, le beu temps. G(pluie F beu_temps) C'est en forgent qu'on devient forgeron. (F forgeron) (forger U forgeron) Qui veut ller loin ménge s monture. G((F ller_loin) ménger_monture) Introduction à l modélistion et à l vériction p. 13/8

38 Quelques exemples (suite) Après l pluie, le beu temps. G(pluie F beu_temps) C'est en forgent qu'on devient forgeron. (F forgeron) (forger U forgeron) Qui veut ller loin ménge s monture. G((F ller_loin) ménger_monture) Tel qui rit vendredi, dimnche pleurer. Introduction à l modélistion et à l vériction p. 13/8

39 Quelques exemples (suite) Après l pluie, le beu temps. G(pluie F beu_temps) C'est en forgent qu'on devient forgeron. (F forgeron) (forger U forgeron) Qui veut ller loin ménge s monture. G((F ller_loin) ménger_monture) Tel qui rit vendredi, dimnche pleurer. G((rire vendredi) (:dimnche U (dimnche pleurer))) Introduction à l modélistion et à l vériction p. 13/8

40 Comment choisir les modèles? Compromis expressivité / fcilité d'nlyse Expressivité : représenter de nombreux systèmes les représenter succinctement Fcilité d'nlyse : méthodes efcces... Introduction à l modélistion et à l vériction p. 14/8

41 Comment choisir les modèles? Compromis expressivité / fcilité d'nlyse Expressivité : représenter de nombreux systèmes les représenter succinctement Fcilité d'nlyse : méthodes efcces si elles existent Introduction à l modélistion et à l vériction p. 14/8

42 ( Introduction à l modélistion et à l vériction p. 15/8

43 Décidbilité? «Dénition» : un problème est dit décidble s'il existe un lgorithme pour le résoudre. Propriété : il existe des problèmes non décidbles Exemple : un progrmme termine-t-il? [Arrêt_progrmme] première réponse : on le lnce et on regrde s'il s'rrête bof, ps très stisfisnt : on ttend combien de temps? considérons le progrmme suivnt : Progrm P { Si P s rrête, lors boucler sinon s rrêter } Introduction à l modélistion et à l vériction p. 16/8

44 Décidbilité? Progrm P { Si P s rrête, lors boucler sinon s rrêter } Si le problème «Arrêt_progrmme» est décidble, lors : si P s'rrête, lors P boucle si P boucle, lors P s'rrête Remrque : il y même «plus» de problèmes non décidbles que de problèmes décidbles. Introduction à l modélistion et à l vériction p. 17/8

45 Un problème indécidble utile L mchine à deux compteurs, ou mchine de Minsky. ensemble ni d'instructions sur deux compteurs, x et y, du type suivnt : Incrémenttion : (p): x := x+1; goto (q) Décrémenttion : (p): if x > 0 then x := x 1; goto (q) else goto (r) Instruction spécile «Arrêt» Théorème [Minsky 67]. L'rrêt d'une mchine à deux compteurs est indécidble. Introduction à l modélistion et à l vériction p. 18/8

46 Notion de réduction Soient P1 et P2 deux problèmes à résoudre. Supposons que l'on it : Algo(P1) { Quelques clculs; Algo(P2); Quelques clculs; } Si P1 est indécidble, lors P2 ussi est indécidble. P1 été réduit à P2 Introduction à l modélistion et à l vériction p. 19/8

47 ) Introduction à l modélistion et à l vériction p. 20/8

48 Modélistion & Vériction Anlyse des systèmes Introduction à l modélistion et à l vériction p. 21/8

49 Un exemple simple Considérons l formule = G( XF) «Toujours, si est vri, lors plus trd, il y ur un» Idée : exprimer : à l'ide d'un utomte, B : vri : Propriété : si A est un utomte ni, A vérie (équiv. tout chemin de A vérie ) ssi A B: n'ccepte ucun mot Introduction à l modélistion et à l vériction p. 22/8

50 Un exemple simple (suite) L'utomte suivnt vérie-t-il? :;: :;: ; :;: Introduction à l modélistion et à l vériction p. 23/8

51 Un exemple simple (suite) L'utomte suivnt vérie-t-il? :;: :;: ; :;: vri : Introduction à l modélistion et à l vériction p. 23/8

52 Un exemple simple (suite) L'utomte suivnt vérie-t-il? :;: :;: :;: ; :;: ; :;: :;: vri : Introduction à l modélistion et à l vériction p. 23/8

53 Ce n'est ps toujours si simple... Le problème élémentire est le clcul du Post*, i.e. tous les étts ccessibles à prtir de l'étt initil. On veut clculer tous les étts s n tels que s 0 s1 s2 sn (équivlent à s0 sn ) si s 0 est l'étt initil. Introduction à l modélistion et à l vériction p. 24/8

54 Ce n'est ps toujours si simple... Le problème élémentire est le clcul du Post*, i.e. tous les étts ccessibles à prtir de l'étt initil. On veut clculer tous les étts s n tels que s 0 s1 s2 sn (équivlent à s0 sn ) si s 0 est l'étt initil. Problèmes potentiels : les systèmes souffrent d'une explosion combintoire l'ensemble des étts ccessibles est (très souvent) inni Introduction à l modélistion et à l vériction p. 24/8

55 Ce n'est ps toujours si simple... Le problème élémentire est le clcul du Post*, i.e. tous les étts ccessibles à prtir de l'étt initil. On veut clculer tous les étts s n tels que s 0 s1 s2 sn (équivlent à s0 sn ) si s 0 est l'étt initil. Problèmes potentiels : les systèmes souffrent d'une explosion combintoire l'ensemble des étts ccessibles est (très souvent) inni Conséquences : sur l décidbilité sur l complexité Introduction à l modélistion et à l vériction p. 24/8

56 Problème de l'explosion combintoire c 4 3 b 1 2,4,3 b,4 b,3 c,4 c,3,1,2 b,1 b,2 c,1 c,2 tille du produit exponentielle en le nombre de composnts Introduction à l modélistion et à l vériction p. 25/8

57 Un simulteur de trin 1421 mchines trnsitions 3204 étts locux étts dns le produit synchronisé Introduction à l modélistion et à l vériction p. 26/8

58 Un simulteur de trin 1421 mchines trnsitions 3204 étts locux étts dns le produit synchronisé Y -t-il un bogue? Introduction à l modélistion et à l vériction p. 26/8

59 Solution : visulistion? Outil de visulistion de gros grphes, exemple de l norme IEEE1394 fvhm/fsm/ Introduction à l modélistion et à l vériction p. 27/8

60 Solution : visulistion? Outil de visulistion de gros grphes, exemple de l norme IEEE1394 fvhm/fsm/ intéressnt sns doute ps sufsnt Introduction à l modélistion et à l vériction p. 27/8

61 Solution : visulistion? Outil de visulistion de gros grphes, exemple de l norme IEEE1394 fvhm/fsm/ intéressnt sns doute ps sufsnt L'explosion combintoire est un spect qu'il ne fudr ps négliger. Introduction à l modélistion et à l vériction p. 27/8

62 L'inni... s 0 y := 0 x := x+1 x := x+1 y := y 2 s 2 s 1 x := 0 x := x 1 y := y+3 Introduction à l modélistion et à l vériction p. 28/8

63 L'inni... s 0 y := 0 x := x+1 x := x+1 y := y 2 s 2 s 1 x := 0 x := x 1 y := y+3 Une innité de congurtions est ccessible à prtir de s 0, pr exemple : (s 0 ;(0;0)) (s1 ;(1;0)) (s1 ;(0; 3)) (s1 ;( 1;6)) (s1 ;( 2;9))::: Introduction à l modélistion et à l vériction p. 28/8

64 L'inni... s 0 y := 0 x := x+1 x := x+1 y := y 2 s 2 s 1 x := 0 x := x 1 y := y+3 Une innité de congurtions est ccessible à prtir de s 0, pr exemple : (s 0 ;(0;0)) (s1 ;(1;0)) (s1 ;(0; 3)) (s1 ;( 1;6)) (s1 ;( 2;9))::: On peut cependnt se psser de l'inni : Post*(s 0 ;(0;0)) = s 0 ((0;0)+(1,0)*) s1 (f(1;0);(0;3)g+f(1;0);(0;3)g*) s2 (f(0;0);(1;1);(2;2)g+f(3;0);(0;3)g*) Introduction à l modélistion et à l vériction p. 28/8

65 représenté pr une expression rtionnelle () Représenttions symboliques Ensemble inni / Représenttion nie dns le pln, une droite représentée pr deux points ensemble de mots,,... ensemble d'entiers, représenttion pr semi-linéires cf exemple précédent ensemble de contrintes, polyèdres Introduction à l modélistion et à l vériction p. 29/8

66 Une technique : l'ccélértion Idée : clculer en une étpe plusieurs (voire une innité d')étpes élémentires de Post* Exemple simple : Au lieu de clculer x := x+1 x = 0 x:=x+1 x = 1 x:=x+1 x = 2 x:=x+1 x = 3 x := 0 on clcule en une seule étpe x = 0 x:=x+1 x Introduction à l modélistion et à l vériction p. 30/8

67 Une technique : l'ccélértion Système producteur/consommteur Vribles entières : i, b, o1, o2 Condition initile : i = 10, b=o1=o2=0 ew : si i>0 lors i:=i-1 et b:=b+1 er1 : si b>0 lors o1:=o1+1 et b:=b-1 er2 : si b>0 lors o2:=o2+1 et b:=b-1 S 0 ew * S 1 er1 ew * S 2 er2 ew * S 3 vec S 1 = f10 = i+b et o1 = o2 = 0g S 2 = f10 = i+b+o1 et o2 = 0g S 3 = f10 = i+b+o1+o2g Donc Post*(S 0 ) = S 3! [Finkel,Leroux 2002] Introduction à l modélistion et à l vériction p. 31/8

68 Une technique : l'bstrction Idée : «simplier» le modèle M en (M) [Cousot,Cousot 1977] Introduction à l modélistion et à l vériction p. 32/8

69 Une technique : l'bstrction Idée : «simplier» le modèle M en (M) [propriété de correction] si (M) vérie l propriété xée, lors M l vérie ussi [Cousot,Cousot 1977] Introduction à l modélistion et à l vériction p. 32/8

70 Une technique : l'bstrction Idée : «simplier» le modèle M en (M) [propriété de correction] si (M) vérie l propriété xée, lors M l vérie ussi [propriété de complétude] si (M) ne vérie ps l propriété xée, lors M ne l vérie ps [Cousot,Cousot 1977] Introduction à l modélistion et à l vériction p. 32/8

71 Une technique : l'bstrction Idée : «simplier» le modèle M en (M) [propriété de correction] si (M) vérie l propriété xée, lors M l vérie ussi [propriété de complétude] si (M) ne vérie ps l propriété xée, lors M ne l vérie ps bien choisir les prties du modèle que l'on bstrit [Cousot,Cousot 1977] Introduction à l modélistion et à l vériction p. 32/8

72 Un exemple d'bstrction correcte Introduction à l modélistion et à l vériction p. 33/8

73 Un exemple d'bstrction correcte Introduction à l modélistion et à l vériction p. 33/8

74 Un exemple d'bstrction correcte Introduction à l modélistion et à l vériction p. 33/8

75 Un exemple d'bstrction non correcte Introduction à l modélistion et à l vériction p. 34/8

76 Un exemple d'bstrction non correcte Introduction à l modélistion et à l vériction p. 34/8

77 Un exemple d'bstrction non correcte Problème! Introduction à l modélistion et à l vériction p. 34/8

78 Autres exemples en théorie des lngges Déterministion : Introduction à l modélistion et à l vériction p. 35/8

79 Autres exemples en théorie des lngges Déterministion : correcte pour des propriétés telles que l'ccessibilité, les lngges cceptés Introduction à l modélistion et à l vériction p. 35/8

80 Autres exemples en théorie des lngges Déterministion : correcte pour des propriétés telles que l'ccessibilité, les lngges cceptés non correcte pour des propriétés telles que l longueur du plus petit cycle, pour des propriétés de blocge... Introduction à l modélistion et à l vériction p. 35/8

81 Autres exemples en théorie des lngges Déterministion : correcte pour des propriétés telles que l'ccessibilité, les lngges cceptés non correcte pour des propriétés telles que l longueur du plus petit cycle, pour des propriétés de blocge... Minimistion : Introduction à l modélistion et à l vériction p. 35/8

82 Autres exemples en théorie des lngges Déterministion : correcte pour des propriétés telles que l'ccessibilité, les lngges cceptés non correcte pour des propriétés telles que l longueur du plus petit cycle, pour des propriétés de blocge... Minimistion : correcte pour des propriétés telles que l'ccessibilité, etc... Introduction à l modélistion et à l vériction p. 35/8

83 Autres exemples en théorie des lngges Déterministion : correcte pour des propriétés telles que l'ccessibilité, les lngges cceptés non correcte pour des propriétés telles que l longueur du plus petit cycle, pour des propriétés de blocge... Minimistion : correcte pour des propriétés telles que l'ccessibilité, etc... non correcte pour des propriétés de plus courts chemins, de blocge... Introduction à l modélistion et à l vériction p. 35/8

84 Exercice Exercice : Peut-on bstrire (de mnière effective) des utomtes communicnts en remplçnt les cnux de communiction pr des cnux bornés tout en restnt correct pour les propriétés d'ccessibilité? Introduction à l modélistion et à l vériction p. 36/8

85 Exercice Exercice : Peut-on bstrire (de mnière effective) des utomtes communicnts en remplçnt les cnux de communiction pr des cnux bornés tout en restnt correct pour les propriétés d'ccessibilité? 1. utomtes communicnts bstrction utomtes à compteurs écrire dns le cnl c c := c+1 lire dns le cnl c si c > 0 lors c := c 1 Introduction à l modélistion et à l vériction p. 36/8

86 Exercice Exercice : Peut-on bstrire (de mnière effective) des utomtes communicnts en remplçnt les cnux de communiction pr des cnux bornés tout en restnt correct pour les propriétés d'ccessibilité? 1. utomtes communicnts bstrction utomtes à compteurs écrire dns le cnl c c := c+1 lire dns le cnl c si c > 0 lors c := c 1 L'bstrction est complète pour les propriétés d'ccessibilité! Introduction à l modélistion et à l vériction p. 36/8

87 Exercice Exercice : Peut-on bstrire (de mnière effective) des utomtes communicnts en remplçnt les cnux de communiction pr des cnux bornés tout en restnt correct pour les propriétés d'ccessibilité? 1. utomtes communicnts bstrction utomtes à compteurs écrire dns le cnl c c := c+1 lire dns le cnl c si c > 0 lors c := c 1 L'bstrction est complète pour les propriétés d'ccessibilité! les utomtes communicnts sont indécidbles Introduction à l modélistion et à l vériction p. 36/8

88 Exercice Exercice : Peut-on bstrire (de mnière effective) des utomtes communicnts en remplçnt les cnux de communiction pr des cnux bornés tout en restnt correct pour les propriétés d'ccessibilité? 1. utomtes communicnts bstrction utomtes à compteurs écrire dns le cnl c c := c+1 lire dns le cnl c si c > 0 lors c := c 1 L'bstrction est complète pour les propriétés d'ccessibilité! les utomtes communicnts sont indécidbles 2. utomtes vec cnux bornés = utomtes nis Introduction à l modélistion et à l vériction p. 36/8

89 Exercice Exercice : Peut-on bstrire (de mnière effective) des utomtes communicnts en remplçnt les cnux de communiction pr des cnux bornés tout en restnt correct pour les propriétés d'ccessibilité? 1. utomtes communicnts bstrction utomtes à compteurs écrire dns le cnl c c := c+1 lire dns le cnl c si c > 0 lors c := c 1 L'bstrction est complète pour les propriétés d'ccessibilité! les utomtes communicnts sont indécidbles 2. utomtes vec cnux bornés = utomtes nis il ne peut ps y voir d'bstrction correcte (pour l'ccessibilité) bornnt l tille des cnux de communiction Introduction à l modélistion et à l vériction p. 36/8

90 Une technique : l'bstrction pr prédicts Introduction à l modélistion et à l vériction p. 37/8

91 Une technique : l'bstrction pr prédicts Introduction à l modélistion et à l vériction p. 37/8

92 Une technique : l'bstrction pr prédicts Introduction à l modélistion et à l vériction p. 37/8

93 Une technique : l'bstrction pr prédicts Introduction à l modélistion et à l vériction p. 37/8

94 Une technique : l'bstrction pr prédicts bstrction trop grossière Introduction à l modélistion et à l vériction p. 37/8

95 Une technique : l'bstrction pr prédicts Introduction à l modélistion et à l vériction p. 38/8

96 Une technique : l'bstrction pr prédicts Introduction à l modélistion et à l vériction p. 38/8

97 Une technique : l'bstrction pr prédicts Introduction à l modélistion et à l vériction p. 38/8

98 Une technique : l'bstrction pr prédicts Introduction à l modélistion et à l vériction p. 38/8

99 Une technique : l'bstrction pr prédicts bstrction correcte Introduction à l modélistion et à l vériction p. 38/8

100 Un exemple, l'bstrction de progrmmes [BLAST Henzinger, Jhl, Mjumdr, Sutre 2002] Introduction à l modélistion et à l vériction p. 39/8

101 Un exemple, l'bstrction de progrmmes [BLAST Henzinger, Jhl, Mjumdr, Sutre 2002] Introduction à l modélistion et à l vériction p. 39/8

102 Un exemple, l'bstrction de progrmmes Prédict de déprt : LOCK = 0 ou LOCK = 1 Introduction à l modélistion et à l vériction p. 40/8

103 Un exemple, l'bstrction de progrmmes Prédict de déprt : LOCK = 0 ou LOCK = 1 Introduction à l modélistion et à l vériction p. 40/8

104 Un exemple, l'bstrction de progrmmes Prédict de déprt : LOCK = 0 ou LOCK = 1 On peut continuer en rfnnt à l'ide du prédict new = old ou new!= old ps d'erreur Introduction à l modélistion et à l vériction p. 40/8

105 Un outil : les simultions Ce que l'on souhite : pouvoir comprer des systèmes entre eux, en prticulier système concret / système bstrit Introduction à l modélistion et à l vériction p. 41/8

106 Un outil : les simultions Ce que l'on souhite : pouvoir comprer des systèmes entre eux, en prticulier système concret / système bstrit Lngges : ok pour les lngges rtionnels, mis quid pour les lngges vec des compteurs, des horloges, etc...? Introduction à l modélistion et à l vériction p. 41/8

107 Un outil : les simultions Ce que l'on souhite : pouvoir comprer des systèmes entre eux, en prticulier système concret / système bstrit Lngges : ok pour les lngges rtionnels, mis quid pour les lngges vec des compteurs, des horloges, etc...? bof Introduction à l modélistion et à l vériction p. 41/8

108 Un outil : les simultions Ce que l'on souhite : pouvoir comprer des systèmes entre eux, en prticulier système concret / système bstrit Lngges : ok pour les lngges rtionnels, mis quid pour les lngges vec des compteurs, des horloges, etc...? bof Comprison plus structurelle (équivlence observtionnelle) : une reltion = f( ; )g est une simultion si Introduction à l modélistion et à l vériction p. 41/8

109 Un outil : les simultions Ce que l'on souhite : pouvoir comprer des systèmes entre eux, en prticulier système concret / système bstrit Lngges : ok pour les lngges rtionnels, mis quid pour les lngges vec des compteurs, des horloges, etc...? bof Comprison plus structurelle (équivlence observtionnelle) : une reltion = f( ; )g est une simultion si Introduction à l modélistion et à l vériction p. 41/8

110 Un outil : les simultions Ce que l'on souhite : pouvoir comprer des systèmes entre eux, en prticulier système concret / système bstrit Lngges : ok pour les lngges rtionnels, mis quid pour les lngges vec des compteurs, des horloges, etc...? bof Comprison plus structurelle (équivlence observtionnelle) : une reltion = f( ; )g est une simultion si Onditlorsque simule. Introduction à l modélistion et à l vériction p. 41/8

111 Un outil : les simultions Ce que l'on souhite : pouvoir comprer des systèmes entre eux, en prticulier système concret / système bstrit Lngges : ok pour les lngges rtionnels, mis quid pour les lngges vec des compteurs, des horloges, etc...? bof Comprison plus structurelle (équivlence observtionnelle) : une reltion = f( ; )g est une simultion si Onditlorsque simule. Une reltion est une bisimultion si et 1 sont des simultions. Introduction à l modélistion et à l vériction p. 41/8

112 Exemples Les systèmes suivnts sont-ils en bisimultion? Si non, qui simule qui? Introduction à l modélistion et à l vériction p. 42/8

113 Exemples Les systèmes suivnts sont-ils en bisimultion? Si non, qui simule qui? c b c b Introduction à l modélistion et à l vériction p. 42/8

114 Exemples Les systèmes suivnts sont-ils en bisimultion? Si non, qui simule qui? c b c b Introduction à l modélistion et à l vériction p. 42/8

115 Exemples Les systèmes suivnts sont-ils en bisimultion? Si non, qui simule qui? c b c b Introduction à l modélistion et à l vériction p. 42/8

116 Exemples Les systèmes suivnts sont-ils en bisimultion? Si non, qui simule qui? c b c b Introduction à l modélistion et à l vériction p. 42/8

117 Exemples Les systèmes suivnts sont-ils en bisimultion? Si non, qui simule qui? c b c b Introduction à l modélistion et à l vériction p. 42/8

118 Exemples Les systèmes suivnts sont-ils en bisimultion? Si non, qui simule qui? c b c b Introduction à l modélistion et à l vériction p. 42/8

119 Exemples Les systèmes suivnts sont-ils en bisimultion? Si non, qui simule qui? c b c b Introduction à l modélistion et à l vériction p. 42/8

120 Exemples Les systèmes suivnts sont-ils en bisimultion? Si non, qui simule qui? c b c b Introduction à l modélistion et à l vériction p. 42/8

121 Exemples Les systèmes suivnts sont-ils en bisimultion? Si non, qui simule qui? b c c b Introduction à l modélistion et à l vériction p. 42/8

122 Exemples b b b b b Introduction à l modélistion et à l vériction p. 43/8

123 Exemples b b b b b Introduction à l modélistion et à l vériction p. 43/8

124 Exemples b b b b b Exercice : quelle(s) reltion(s) y -t-il entre un utomte et son déterminisé? et entre un utomte et son utomte miniml? Introduction à l modélistion et à l vériction p. 43/8

125 Exemples b b b b b Exercice : quelle(s) reltion(s) y -t-il entre un utomte et son déterminisé? et entre un utomte et son utomte miniml? le déterminisé simule l'utomte originl le miniml simule l'utomte originl ucun n'est en bisimultion vec l'utomte originl Introduction à l modélistion et à l vériction p. 43/8

126 Intérêt de l (bi)simultion L bisimultion préserve les propriétés telles que : l'ccessibilité le blocge l vivcité le lngge reconnu... bref, presque tout! L simultion préserve moins de propriétés, pr exemple elle ne préserve ps : le blocge l vivcité Introduction à l modélistion et à l vériction p. 44/8

127 Systèmes temporisés Introduction à l modélistion et à l vériction p. 45/8

128 Les systèmes temporisés systèmes dns lesquels le temps joue un rôle primordil Exemple : l'lrme se déclenche moins de 2 minutes près le début de l'incendie Introduction à l modélistion et à l vériction p. 46/8

129 Les systèmes temporisés systèmes dns lesquels le temps joue un rôle primordil Exemple : l'lrme se déclenche moins de 2 minutes près le début de l'incendie AG (incendie AF<2lrme) Introduction à l modélistion et à l vériction p. 46/8

130 Les systèmes temporisés systèmes dns lesquels le temps joue un rôle primordil Exemple : l'lrme se déclenche moins de 2 minutes près le début de l'incendie AG (incendie AF<2lrme) AG (incendie x in AF(x < 2 lrme)) Introduction à l modélistion et à l vériction p. 46/8

131 Les systèmes temporisés systèmes dns lesquels le temps joue un rôle primordil Exemple : l'lrme se déclenche moins de 2 minutes près le début de l'incendie AG (incendie AF<2lrme) AG (incendie x in AF(x < 2 lrme)) mx(x; X []X (incendie x in mx(y;lrme (x < 2 Y Y)))) Introduction à l modélistion et à l vériction p. 46/8

132 Le digicode Le digicode : * Porte ouverte * 5 * Introduction à l modélistion et à l vériction p. 47/8

133 Le digicode Le digicode : * 5, x:=0 5, x:=0 4 0, x<5 Porte ouverte * 5, x:=0 * Introduction à l modélistion et à l vériction p. 47/8

134 Le digicode Le digicode : * 5, x:=0 5, x:=0 4 0, x<5 Porte ouverte * 5, x:=0 * 0; x 5 Introduction à l modélistion et à l vériction p. 47/8

135 Le cuit-œuf Le cuit-œuf : on souhite fire cuire un œuf dur (donc 5 minutes ) et on ne dispose que d'un sblier de 7 minutes et d'un sblier de 10 minutes. Comment fire? Introduction à l modélistion et à l vériction p. 48/8

136 Le cuit-œuf Le cuit-œuf : on souhite fire cuire un œuf dur (donc 5 minutes ) et on ne dispose que d'un sblier de 7 minutes et d'un sblier de 10 minutes. Comment fire? x i = m i ; x j := 0; t := 0 x 1 = m 1 ; t = 5 x i = m i ; x j := 0 x 2 = m 2 ; t = 5 x 1 horloge pour le minuteur de 7 minutes (m 1 = 7) x 2 horloge pour le minuteur de 10 minutes (m 2 = 10) t horloge pour mesurer les 5 minutes Introduction à l modélistion et à l vériction p. 48/8

137 Les venturiers Qutre venturiers souhitent trverser un pont en muvis étt. Ils ne mettent ps tous le même temps à fire l trversée. L'un met 5 minutes, un utre 10 minutes, un utre encore 20 minutes et le dernier met 25 minutes. Question : Peuvent-ils tous trverser le pont en moins de 60 minutes, schnt qu'il fut obligtoirement l torche pour trverser et que le pont ne peut ps supporter le poids de plus de deux personnes en même temps. Introduction à l modélistion et à l vériction p. 49/8

138 Les venturiers Un venturier (t, temps de trversée) : dnger = 0, prend!, y := 0 y t, lâche! y t, lâche! = 1, prend!, y := 0 sécurité Introduction à l modélistion et à l vériction p. 50/8

139 Les venturiers Un venturier (t, temps de trversée) : dnger = 0, prend!, y := 0 y t, lâche! y t, lâche! = 1, prend!, y := 0 sécurité L torche : prend? lâche?, := 1 prend? lâche? Introduction à l modélistion et à l vériction p. 50/8

140 Les venturiers Introduction à l modélistion et à l vériction p. 51/8

Automates temporisés. Amal El Fallah Seghrouchni Amal.Elfallah@lip6.fr

Automates temporisés. Amal El Fallah Seghrouchni Amal.Elfallah@lip6.fr Automtes temporisés Aml El Fllh Seghrouchni Aml.Elfllh@lip6.fr Pln Introduction Définition d un utomte temporisé Composition d utomtes temporisés Automtes hybrides Conclusion Le problème à résoudre monde

Plus en détail

Ecole Normale Supérieure de Cachan 61 avenue du président Wilson 94230 CACHAN. Concours d admission en 3 ème année Informatique.

Ecole Normale Supérieure de Cachan 61 avenue du président Wilson 94230 CACHAN. Concours d admission en 3 ème année Informatique. C39211 Ecole Normle Supérieure de Cchn 61 venue du président Wilson 94230 CACHAN Concours d dmission en 3 ème nnée Informtique Session 2009 INFORMATIQUE 1 Durée : 5 heures «Aucun document n est utorisé»

Plus en détail

Chapitre 2 Les automates finis

Chapitre 2 Les automates finis Chpitre 2 Les utomtes finis 28 2.1 Introduction Automtes finis : première modélistion de l notion de procédure effective.(ont ussi d utres pplictions). Dérivtion de l notion d utomte fini de celle de progrmme

Plus en détail

2.1 Comment implanter en C un reconnaisseur de mots? Aut2 q 0 q 1

2.1 Comment implanter en C un reconnaisseur de mots? Aut2 q 0 q 1 Lngges Automtes Non-déterminisme Grmmires Attiuées et Génértives Expressions régulières Correction Prtielle de Progrmmes Ceci n'est ps un cours de Lngge C++ 2.1 Comment implnter en C un reconnisseur de

Plus en détail

Théorie des Langages Épisode 2 Automates finis

Théorie des Langages Épisode 2 Automates finis AFD AFN Opértions Lemme de pompge 1/ 36 Théorie des Lngges Épisode 2 Automtes finis Thoms Pietrzk Université Pul Verline Metz AFD AFN Opértions Lemme de pompge Reconnisseur Définition Configurtion Accepttion

Plus en détail

Automates temporisés

Automates temporisés Automtes temporisés introdution pr un néophyte Prtie I / II Mots et utomtes temporisés Merredi 30 otore 20002 ÉNS Lyon Jérôme DURAND-LOSE jerome.durnd-lose@ens-lyon.fr MC2 LIP - ÉNS Lyon Automtes temporisés

Plus en détail

STI2D Logique binaire SIN. L' Algèbre de BOOLE

STI2D Logique binaire SIN. L' Algèbre de BOOLE L' Algère de BOOLE L'lgère de Boole est l prtie des mthémtiques, de l logique et de l'électronique qui s'intéresse ux opértions et ux fonctions sur les vriles logiques. Le nom provient de George Boole.

Plus en détail

Zéros des fonctions. 1. La dichotomie. Exo7. 1.1. Principe de la dichotomie

Zéros des fonctions. 1. La dichotomie. Exo7. 1.1. Principe de la dichotomie Exo7 Zéros des fonctions Vidéo prtie 1. L dichotomie Vidéo prtie. L méthode de l sécnte Vidéo prtie 3. L méthode de Newton Dns ce chpitre nous llons ppliquer toutes les notions précédentes sur les suites

Plus en détail

Dynamique des systèmes et automates à états

Dynamique des systèmes et automates à états Chpitre 8 Dynmique des systèmes et utomtes à étts L modélistion sttique s intéresse à ce qu il y dns le système, à s structure, etc. L modélistion de l dynmique trite de l évolution du système dns le temps.

Plus en détail

Automates à états fnis Damien Nouvel

Automates à états fnis Damien Nouvel Automtes Automtes à étts fnis Automtes à étts fnis Pln Représenttion des utomtes (FSA) Défnition formelle (DFA) Équivlence DFA / NFA / ε-nfa Licence Informtique L1 Automtes 2 / 30 Automtes à étts fnis

Plus en détail

CH.1 Automates finis

CH.1 Automates finis CH.1 Automtes finis 1.1 Les utomtes finis déterministes 1.2 Les utomtes finis non déterministes 1. Les utomtes vec -trnsitions 1.4 Les expressions régulières 1.5 L'équivlence des modèles Automtes ch1 1

Plus en détail

Automates et langages: quelques algorithmes

Automates et langages: quelques algorithmes Automtes et lngges: quelques lgorithmes Eugene Asrin Sddek Benslem Avertissement Dns l étt ctuel ce document est rchi-sec et peut servir seulement d un ide-mémoire. Pour comprendre les lgorithmes ci-dessous

Plus en détail

Marc Chemillier Master M2 Atiam (Ircam), 2011-2012

Marc Chemillier Master M2 Atiam (Ircam), 2011-2012 MMIM Modèles mthémtiques en informtique musicle Mrc Chemillier Mster M2 Atim (Ircm), 2011-2012 Notions théoriques sur les lngges formels - Définitions générles o Mots, lngges o Monoïdes - Notion d utomte

Plus en détail

Théorie de langages, TD3

Théorie de langages, TD3 Théorie de lngges, TD3 Octoer 6, 25 Automtes finis. Definitions Un utomte fini déterministe (DFA deterministic finite utomton) est une mchine de clcul A qui peut être définie pr les cinq éléments suivnts.

Plus en détail

Systèmes de transitions Automates à états finis

Systèmes de transitions Automates à états finis M2P GLRE Génie Logiciel, logiciels Réprtis et Embrqués Systèmes de trnsitions Automtes à étts finis Z. Mmmeri 1. Comportement de système L description de comportement d un système désigne l expression

Plus en détail

2.1 L'automate minimal

2.1 L'automate minimal CH.2 Minimistion 2.1 L'utomte miniml 2.2 L'lgorithme de minimistion Automtes ch2 1 2.1 L'utomte miniml Le lngge L définit sur Σ* l reltion d'équivlence R L : x R L y ssi ( z, xz L yz L). L'AFD M définit

Plus en détail

1 Langages reconnaissables

1 Langages reconnaissables 8INF713 Informtique théorique Automne 2014 Exercices 1 Lngges reconnissles 1.1 Considérez les deux utomtes suivnts et répondez ux questions suivntes : q 3, q 3 q 4 () A 1 () A 2 Figure 1 () Quel est l

Plus en détail

Théorie des langages Automates finis

Théorie des langages Automates finis Théorie des lngges Automtes finis Elise Bonzon http://we.mi.prisdescrtes.fr/ onzon/ elise.onzon@prisdescrtes.fr 1 / 51 Automtes finis Introduction Formlistion Représenttion et exemples Automtes complets

Plus en détail

Théorie des Langages Formels Chapitre 5 : Automates minimaux

Théorie des Langages Formels Chapitre 5 : Automates minimaux 1/29 Théorie des Lngges Formels Chpitre 5 : Automtes minimux Florence Levé Florence.Leve@u-picrdie.fr Année 2014-2015 2/29 Introduction Les lgorithmes vus précédemment peuvent mener à des utomtes reltivement

Plus en détail

Manuel d instructions du KIT de mise à niveau I

Manuel d instructions du KIT de mise à niveau I Mnuel d instructions du KIT de mise à niveu I TABLE DES MATIÈRES AVANT DE COMMENCER... 2 NOUVELLES FONCTIONNALITÉS... 2 UTILISATION DE LA TABLETTE À STYLET... 3 À propos de l tblette à stylet... 3 Utilistion

Plus en détail

Rattrapage. 4 ] Quelle est la complexité dans le pire cas de l algorithme de tri fusion (pour trier n éléments)?

Rattrapage. 4 ] Quelle est la complexité dans le pire cas de l algorithme de tri fusion (pour trier n éléments)? IN 02 6 mrs 2009 Rttrpge NOM : Prénom : ucun document n est utorisé. ce QCM outit à une note sur 42 points. L note finle sur 20 ser otenue simplement en divisnt l note sur 42 pr 2. Il suffit donc de donner

Plus en détail

Les langages de programmations.

Les langages de programmations. Communiction technique: L utomte progrmmle industriel (les lngges) Leçon Les lngges de progrmmtions. Introduction : L écriture d un progrmme consiste à créer une liste d instructions permettnt l exécution

Plus en détail

LOIS A DENSITE (Partie 1)

LOIS A DENSITE (Partie 1) LOIS A DENSITE (Prtie ) I. Loi de probbilité à densité ) Rppel Eemple : Soit l'epérience létoire : "On lnce un dé à si fces et on regrde le résultt." L'ensemble de toutes les issues possibles Ω = {; ;

Plus en détail

IFT 615 : Devoir 4 Travail individuel

IFT 615 : Devoir 4 Travail individuel IFT 615 : Devoir 4 Trvil individuel Remise : 1 vril 01, 16h0 (u plus trd) 1. [ points] Dns le cours, nous vons vu différents types de problèmes d intelligence rtificielle insi que plusieurs solutions possibles

Plus en détail

Automates et langages

Automates et langages Automtes et lngges L exmen corrigé RICM 9 jnvier 22 Grmmire Automte Expression On considère l grmmire régulière G =(Γ,Σ,S,Π) vec Γ = {S,P,R}, Σ={,} et Π={S P,P R,P S,R,R P }.. Construire un utomte A cceptnt

Plus en détail

Chapitre 3 Dérivées et Primitives

Chapitre 3 Dérivées et Primitives Cours de Mthémtiques Clsse de Terminle STI - Chpitre : Dérivées et Primitives Chpitre Dérivées et Primitives A) Rppels de première et compléments ) Dérivées usuelles Fonction définie sur Fonction f() =

Plus en détail

Examen Final Corrigé rédigé par Paul Brunet et Laure Gonnord

Examen Final Corrigé rédigé par Paul Brunet et Laure Gonnord Mster Info - 2014-2015 MIF15 Complexité et Clculbilité Exmen Finl Corrigé rédigé pr Pul Brunet et Lure Gonnord Durée 1H30 Notes de cours et de TD utorisées. Livres et ppreils électroniques interdits. Le

Plus en détail

OLYMPIADES ACADEMIQUES DE MATHEMATIQUES 2011 ACADEMIE DE BESANÇON

OLYMPIADES ACADEMIQUES DE MATHEMATIQUES 2011 ACADEMIE DE BESANÇON OLYMPIADES ACADEMIQUES DE MATHEMATIQUES 2011 ACADEMIE DE BESANÇON Durée : 4 heures Les clcultrices sont utorisées. Le sujet comprend qutre exercices indépendnts qui peuvent être trités dns l'ordre que

Plus en détail

Recherche des paramètres de préréglage en injection. 1 COURS SUR LA RECHERCHE DES PARAMETRES POUR LE CHOIX ET LE PREREGLAGE DES PRESSES A INJECTER

Recherche des paramètres de préréglage en injection. 1 COURS SUR LA RECHERCHE DES PARAMETRES POUR LE CHOIX ET LE PREREGLAGE DES PRESSES A INJECTER Recherche des prmètres de préréglge en injection. 1 COURS SUR LA RECHERCHE DES PARAMETRES POUR LE CHOIX ET LE PREREGLAGE DES PRESSES A INJECTER Appliction et utilistion des préréglges : Les données de

Plus en détail

Contrôle sur le Cours d'algorithme et de langage C

Contrôle sur le Cours d'algorithme et de langage C Déprtement Génie Electrique Automtique NOM: Prénom: Contrôle sur le Cours d'algorithme et de lngge C G.Gteu et J.Régnier Le 15 Jnvier 2008- Durée 2h Documents de cours utorisé. Le contrôle est constitué

Plus en détail

2. Formules d addition.

2. Formules d addition. IX. Trigonométrie 1. Rppels 1.1 Définitions : Dns le cercle trigonométrique C ( O, 1 ), si nous fixons un point P correspondnt à un ngle d mplitude nous vons défini : = bscisse du point P sin = ordonnée

Plus en détail

SESSION 2013 MPIN007! INFORMATIQUE. Durée : 3 heures!

SESSION 2013 MPIN007! INFORMATIQUE. Durée : 3 heures! SESSION 2013 MPIN007 EPREUVE SPECIFIQUE - FILIERE MP " INFORMATIQUE Durée : 3 heures " N.B. : Le cndidt ttcher l plus grnde importnce à l clrté, à l précision et à l concision de l rédction. Si un cndidt

Plus en détail

L'algèbre de BOOLE ou algèbre logique est l'algèbre définie pour des variables ne pouvant prendre que deux états.

L'algèbre de BOOLE ou algèbre logique est l'algèbre définie pour des variables ne pouvant prendre que deux états. ciences Industrielles ystèmes comintoires Ppnicol Roert Lycée Jcques Amyot I - YTEME COMBINATOIRE A. Algère de Boole. Vriles logiques: Un signl réel est une grndeur physique en générl continue, on ssocie

Plus en détail

LA CHAINE D INFORMATION :La fonction ACQUERIR

LA CHAINE D INFORMATION :La fonction ACQUERIR Livret des compétences essentielles de seconde II Fiche N 3- Niveu d cquisition exigé : «je sis en prler» LA CHAINE D INFORMATION :L fonction ACQUERIR L fonction ACQUERIR est chrgée de mettre en forme

Plus en détail

Primitive et intégrale d une fonction continue

Primitive et intégrale d une fonction continue Primitive et intégrle d une fonction continue O. Simon, Université de Rennes I 24 mi 2005 Avertissement : Ceci n est ps le contenu d une leçon de CAPES. Dns le progrmme 2002 de terminles S, on introduit

Plus en détail

Lycée Faidherbe, Lille MP1 Cours d informatique 2013 2014. Automates

Lycée Faidherbe, Lille MP1 Cours d informatique 2013 2014. Automates Lycée Fidhere, Lille MP Cours d informtique 203 204 Automtes I Déterministes........................... 2 Définitions 2 Exemple 2 Action des mots 3 Lngge reconnu 3 II Incomplets.............................

Plus en détail

LANGAGES - GRAMMAIRES - AUTOMATES

LANGAGES - GRAMMAIRES - AUTOMATES LANGAGES - GRAMMAIRES - AUTOMATES Mrie-Pule Muller Version du 14 juillet 2005 Ce cours présente et met en oeuvre quelques méthodes mthémtiques pour l informtique théorique. Ces notions de bse pourront

Plus en détail

Cours de «concepts avancés de compilation» Travaux pratiques. Auteur : F. Védrine

Cours de «concepts avancés de compilation» Travaux pratiques. Auteur : F. Védrine Cours de «onepts vnés de ompiltion» Trvux prtiques Auteur : F. Védrine Les utomtes et les expressions régulières Les utomtes sont onstitués d étts et de trnsitions. Un étt définit l vnée dns l reonnissne

Plus en détail

MODELES DU PARALLELISME

MODELES DU PARALLELISME République Algérienne Démocrtique et Populire Université Mentouri de Constntine Fculté des Sciences de l Ingénieur Déprtement d Informtique MODELES DU PARALLELISME 5 ème Année Ingénieur en Informtique

Plus en détail

Sous-Projet 3 : Génération de séquences de test

Sous-Projet 3 : Génération de séquences de test Sous-Projet 3 : Génértion de séquences de test Techniques de génértion de séquences de tests temporisés Description : Ce document est l fourniture 3.4 du projet RNRT Clife décrivnt les techniques de génértion

Plus en détail

devant l Université de Rennes 1

devant l Université de Rennes 1 N o d ordre: 3708 THÈSE Présentée devnt devnt l Université de Rennes 1 pour otenir le grde de : Docteur de l Université de Rennes 1 Mention Informtique pr Thoms Gzgnire Équipe d ccueil : DistriCom - IRISA

Plus en détail

MP1 Janson DS6 du 17 janvier 2014/2015. 1 n x.

MP1 Janson DS6 du 17 janvier 2014/2015. 1 n x. MP Jnson DS6 du 7 jnvier 24/25 Problème (CCP) Toutes les fonctions de ce problème sont à vleurs réelles. PARTE PRÉLMNARE Les résultts de cette prtie seront utilisés plusieurs fois dns le problème.. Fonction

Plus en détail

Mesure de résistances

Mesure de résistances GEL 1002 Trvux prtiques Lortoire 2 1 Trvux prtiques Lortoire 2 (1 sénce) Mesure de résistnces Ojectifs Les ojectifs de cette phse des trvux prtiques sont : ) d utiliser déqutement l plquette de montge

Plus en détail

Automates d arbres avec visibilité : rapport de stage de licence (L3)

Automates d arbres avec visibilité : rapport de stage de licence (L3) Automtes d rbres vec visibilité : rpport de stge de licence (L3) Nicols Perrin ENS de Lyon Mître de stge : Hubert Comon-Lundh - LSV, ENS Cchn Autre encdrnt : Florent Jcquemrd - LSV, ENS Cchn Résumé Mon

Plus en détail

Théorème de Lax Milgram Application au problème de Dirichlet pour l équation de Sturm Liouville

Théorème de Lax Milgram Application au problème de Dirichlet pour l équation de Sturm Liouville Théorème de Lx Milgrm Appliction u problème de Dirichlet pour l éqution de Sturm Liouville Résumé du cours de MEDP Mîtrise de mthémtiques 2000 2001 2001nov18 (medp-lx-milgrm.tex) Dns ce chpitre, on se

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 Mthémtiques nnée 2009-2010 Chpitre 2 Le prolème de l unicité des solutions 1 Le prolème et quelques réponses : 1.1 Un exemple Montrer que l éqution différentielle :

Plus en détail

Qu'est qu'un ordinateur? Une machine à faire des calculs

Qu'est qu'un ordinateur? Une machine à faire des calculs Qu'est qu'un ordinteur? Une mchine à fire des clculs Une mchine: un ensemle de mécnismes cominés pour recevoir une forme définie d'énergie, l trnsformer et l restituer sous une forme plus ppropriée, ou

Plus en détail

Transformations géodésiques en France Métropolitaine

Transformations géodésiques en France Métropolitaine Trnsformtions géodésiques en Frnce Métropolitine 1 Processus de chngement de système... 1.1 Définitions... 1. Similitude 3D à 7 prmètres... 1.3 Modèle «à 7 prmètres»... 3 1.4 Coordonnées géogrphiques (,,h)

Plus en détail

Relations binaires. Table des matières. Marc SAGE. 18 octobre 2007. 1 Amuse gueule 2. 2 Combinatoire dans les quotients 2. 3 Problème d extréma 3

Relations binaires. Table des matières. Marc SAGE. 18 octobre 2007. 1 Amuse gueule 2. 2 Combinatoire dans les quotients 2. 3 Problème d extréma 3 Reltions binires Mrc SAGE 8 octobre 007 Tble des mtières Amuse gueule Combintoire dns les quotients 3 Problème d extrém 3 4 Un théorème de point xe 3 5 Sur l conjugisons dns R 3 6 Sur les corps totlement

Plus en détail

Fonctions de référence

Fonctions de référence Chpitre 7 Clsse de Seconde Fonctions de référence Ce que dit le progrmme : CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Fonctions de référence Fonctions linéires et fonctions ffines Vritions de l fonction

Plus en détail

Solution - TD Feuille 2 - Automates finis et expressions rationnelles

Solution - TD Feuille 2 - Automates finis et expressions rationnelles Solution - TD Feuille 2 - Automtes finis et expressions rtionnelles Informtique Théorique 2 - Unité JINPW Licence 3 - Université Bordeux Solution de l exercice : Pour tout l exercice, on note A = {, }.

Plus en détail

Théorème de Poincaré - Formule de Green-Riemann

Théorème de Poincaré - Formule de Green-Riemann Chpitre 11 Théorème de Poincré - Formule de Green-Riemnn Ce chpitre s inscrit dns l continuité du précédent. On vu à l proposition 1.16 que les formes différentielles sont bien plus grébles à mnipuler

Plus en détail

Cours Mathématiques Discrètes IUT Belfort Montbéliard. Pierre-Cyrille HEAM

Cours Mathématiques Discrètes IUT Belfort Montbéliard. Pierre-Cyrille HEAM Cours Mthémtiques Discrètes IUT Belfort Montélird Pierre-Cyrille HEAM 23 septemre 2014 Chpitre 1 Grphes finis orientés 1.1 Premières définitions Un grphe fini orienté est un couple (V, E) où V est un ensemle

Plus en détail

Formation et Analyse d'images. La Vision Stéréoscopique

Formation et Analyse d'images. La Vision Stéréoscopique Formtion et Anlyse d'imges Jmes L. Crowley ENSIMAG 3 Premier Bimestre 2007/2008 Sénce 11 21 décemre 2007 Pln de l Sénce : L Vision Stéréoscopique L Vision Stéréoscopique...2 Les Techniques d'appriement...2

Plus en détail

/HVV\VWqPHVFRPELQDWRLUHV

/HVV\VWqPHVFRPELQDWRLUHV /HVV\VWqPHVFRPELQDWRLUHV I. Définition On ppelle système combintoire tout système numérique dont les sorties sont exclusivement définies à prtir des vribles d entrée (Figure ). = f(x, x 2,,, x n ) x x

Plus en détail

CAP PRO E SCHEMA : LE MOTEUR

CAP PRO E SCHEMA : LE MOTEUR CAP PRO E SCHEMA : E MOTEUR folio folio folio folio folio folio folio 7 folio 8 folio 9 plque signlétique d un moteur puissnce sorée pr un moteur plque à ornes d un moteur triphsé e couplge étoile e couplge

Plus en détail

Analyse statique et domaines abstraits symboliques

Analyse statique et domaines abstraits symboliques Anlyse sttique et domines strits symoliques Mémoire d hilittion à diriger des recherches Lurent Muorgne Hilittion soutenue le 12 février 2007 à l Université Pris-Duphine Jury : Ptrick Cousot (rpporteur)

Plus en détail

Formation et Analyse d'images. Stéreo et la Géometrie Epipolaire

Formation et Analyse d'images. Stéreo et la Géometrie Epipolaire Formtion et Anlyse d'imges Jmes L. Crowley ENSIMAG 3 Premier Bimestre 2002/2003 Sénce 7 21 novmre 2002 Stéreo et l Géometrie Epipolire Pln de l Sénce: L Vision Stéréoscopique...2 Les Techniques d'appriement...2

Plus en détail

Notes de cours sur les automates (NFP108)

Notes de cours sur les automates (NFP108) Notes de cours sur les utomtes (NFP18) F. Brthélemy 8 décemre 215 Avertissement : ce document est en cours d élortion et susceptile d évoluer. Il est dns un étt provisoire. 1 Introduction Les utomtes finis

Plus en détail

Les intégrales. f(x) dx. f(x) dx est appelée intégrale définie, c est un nombre. La variable x ne sert qu à décrire la fonction f, on a b

Les intégrales. f(x) dx. f(x) dx est appelée intégrale définie, c est un nombre. La variable x ne sert qu à décrire la fonction f, on a b Les intégrles Introduction Etnt donnée une fonction positive f définie sur un intervlle borné [, b], on veut évluer l ire comprise entre l e des bscisses, l courbe représentnt f et les verticles = et =

Plus en détail

Guide de référence sur l'architecture et les flux de données BES 12

Guide de référence sur l'architecture et les flux de données BES 12 Guide de référence sur l'rchitecture et les flux de données BES 12 Pulié : 2016-01-04 SWD-20160104143441780 Tle des mtières À propos de ce guide... 5 Architecture : solution EMM BES12...6 Composnts utilisés

Plus en détail

SYSTEMES LOGIQUES LOGIQUE COMBINATOIRE

SYSTEMES LOGIQUES LOGIQUE COMBINATOIRE Ch.I Commnde des systèmes logiques ogique comintoire - p1 SYSTEMES OGIQUES OGIQUE COMBINATOIRE I Commnde des systèmes logiques 1. Structure des systèmes utomtisés Reprenons l structure étlie dns le cours

Plus en détail

Systèmes de détection Exemples académiques & commerciaux

Systèmes de détection Exemples académiques & commerciaux Systèmes de détection Exemples cdémiques & commerciux Système de détection: Propgtion de logiciels mlveillnts Exemple I: MIT, ICSI & Consentry Jen-Mrc Robert, ETS Protection contre les mences - Détection

Plus en détail

STRUCTURE CRISTALLINE THEORIE DES RESEAUX DE BRAVAIS

STRUCTURE CRISTALLINE THEORIE DES RESEAUX DE BRAVAIS CHAPITRE 1 STRUCTURE CRISTALLINE THEORIE DES RESEAUX DE BRAVAIS Objectifs Comme les liquides et les gz, les solides jouent un rôle très importnt en chimie. Or l pluprt des solides sont des solides cristllins.

Plus en détail

Logiciel Anti-Spyware Enterprise Module

Logiciel Anti-Spyware Enterprise Module Logiciel Anti-Spywre Enterprise Module version 8.0 Guide Qu est-ce qu Anti-Spywre Enterprise Module? McAfee Anti-Spywre Enterprise Module est un module d extension qui permet d étendre les cpcités de détection

Plus en détail

DCG session 2011 UE8 Systèmes d information et de gestion Corrigé indicatif. 1. Expliquer les cardinalités des associations NECESSITER, SE DEROULER

DCG session 2011 UE8 Systèmes d information et de gestion Corrigé indicatif. 1. Expliquer les cardinalités des associations NECESSITER, SE DEROULER DCG session 2011 UE8 Systèmes d informtion et de gestion Corrigé indictif DOSSIER 1 : PREPARER ET FORMER LES ENTRAINEURS 1. Expliquer les crdinlités des ssocitions NECESSITER, SE DEROULER Intitulé de l'ssocition

Plus en détail

3 LES OUTILS DE DESCRIPTION D UNE FONCTION LOGIQUE

3 LES OUTILS DE DESCRIPTION D UNE FONCTION LOGIQUE 1GEN ciences et Techniques Industrielles Pge 1 sur 7 Automtique et Informtiques Appliquées Génie Énergétique Première 1 - LA VARIABLE BINAIRE L électrotechnique, l électronique et l mécnique étudient et

Plus en détail

Intégration. Rappels. Définition 3. Soit I un intervalle réel et f : I E. On dit que F : I E est. f(x) f(a) x a

Intégration. Rappels. Définition 3. Soit I un intervalle réel et f : I E. On dit que F : I E est. f(x) f(a) x a Intégrtion Les fonctions considérées ci-dessous sont des fonctions définies sur un intervlle réel I, à vleurs réelles ou complees ou, plus générlement, à vleurs dns un espce vectoriel normé de dimension

Plus en détail

Décrire et analyser le comportement d un système

Décrire et analyser le comportement d un système Décrire et nlyser le comportement d un système Cours. Mise en sitution : Prolémtique : Gérer l vnce et l inclinison du tpis en fonction de touches sur son pupitre de commnde. Comment trduire ce chier des

Plus en détail

Cours de Mathématique - Statistique Calcul Matriciel

Cours de Mathématique - Statistique Calcul Matriciel L - Mth Stt Cours de Mthémtique - Sttistique Clcul Mtriciel F. SEYTE : Mître de conférences HDR en sciences économiques Université de Montpellier I M. TERRZ : Professeur de sciences économiques Université

Plus en détail

Théorème de Rolle et formules de Taylor

Théorème de Rolle et formules de Taylor Théorème de Rolle et formules de Tylor 1 Extrémums des fonctions différentibles à vleurs réelles 1. Soient K un compct d un espce vectoriel normé (E, ) et f une fonction définie sur K à vleurs dns R. Montrer

Plus en détail

METHADOSE MC Dépendance aux opiacés

METHADOSE MC Dépendance aux opiacés METHADOSE MC Dépendnce ux opicés OCTOBRE 2013 Mrque de commerce : Methdose Dénomintion commune : Méthdone (chlorhydrte de) Fbricnt : Mllinckro Forme : Solution Orle Teneur : Ajout ux listes de médicments

Plus en détail

Majorations de l erreur dans les calculs classiques de valeurs approchées d intégrale. Notes pour la préparation au CAPES - Strasbourg- février 2006

Majorations de l erreur dans les calculs classiques de valeurs approchées d intégrale. Notes pour la préparation au CAPES - Strasbourg- février 2006 Mjortions de l erreur dns les clculs clssiques de vleurs pprochées d intégrle Notes pour l préprtion u CAPES - Strsbourg- février 00 On trouve dns différents ouvrges élémentires des démonstrtions à coup

Plus en détail

CCP 2007. Filière MP. Mathématiques 1. Corrigé pour serveur UPS de JL. Lamard (jean-louis.lamard@prepas.org)

CCP 2007. Filière MP. Mathématiques 1. Corrigé pour serveur UPS de JL. Lamard (jean-louis.lamard@prepas.org) CCP 27. Filière MP. Mthémtiques. Corrigé pour serveur UPS de JL. Lmrd (jen-louis.lmrd@preps.org EXERCCE.. f est continue (en tnt de frction rtionnelle dont le dénominteur ne s nnule ps sur le compct F

Plus en détail

Rappel : Définition définitive du problème de la recherche

Rappel : Définition définitive du problème de la recherche Rppel : Définition définitive du prolème de l recherche On dispose d une prt d un mot (un texte) et d utre prt d un lngge régulier défini pr une expression régulière. On demnde de rechercher dns le texte

Plus en détail

Equations d'état, travail et chaleur

Equations d'état, travail et chaleur Equtions d'étt, trvil et chleur Exercice On donne R 8, SI. ) Quelle est l'éqution d'étt de n moles d'un gz prfit dns l'étt,,? En déduire l'unité de R. ) Clculer numériquement l vleur du volume molire d'un

Plus en détail

Des extraits de cette norme seront présentés pour la compréhension de la démarche.

Des extraits de cette norme seront présentés pour la compréhension de la démarche. Estimtion de l incertitude de l mesure : Appliction à l incertitude sur le clcul de l concentrtion d EDTA lors de l détermintion de l dureté d une eu nturelle Pour cette démrche, nous nous ppuierons sur

Plus en détail

Calcul intégral. II Intégrale d une fonction 4

Calcul intégral. II Intégrale d une fonction 4 BTS DOMOTIQUE Clcul intégrl 8- Clcul intégrl Tble des mtières I Primitives I. Définitions............................................... I. Clculs de primitives.........................................

Plus en détail

Notes de révision : Automates et langages

Notes de révision : Automates et langages Préprtion à l grégtion de mthémtiques 2011 2012 Notes de révision : Automtes et lngges Benjmin MONMEGE et Sylvin SCHMITZ LSV, ENS Cchn & CNRS Version du 24 octore 2011 (r66m) CC Cretive Commons y-nc-s

Plus en détail

Le manuel d utilisation du jeu Rody & Mastico II

Le manuel d utilisation du jeu Rody & Mastico II Le mnuel d utilistion du jeu Rody & Mstico II Mnuel rélisé pr : Fredo_L Site web : http://www.lnkhor.net E-mil : fred@lnkhor.net Remrque : les erreurs du mnuel d origine ont volontirement étient reproduites

Plus en détail

Automates hyper-minimaux

Automates hyper-minimaux Université derouen UFR des sciences et techniques Projet nnuel de mster 1 Encdrnts : Pscl Cron et Ludovic Mignot Automtes hyper-minimux Jen-Bptiste PRIEZ Rouen, le 20 mi 2011 Résumé Deux lngges sont f-équivlents

Plus en détail

Chapitre I Introduction aux problèmes variationnels

Chapitre I Introduction aux problèmes variationnels Chpitre I Introduction ux problèmes vritionnels I.1. Introduction. Le clcul des vritions concerne l recherche d extrems (minimums ou mximums), et peut être considéré comme une brnche de l optimistion.

Plus en détail

DISTANCES DE LA TERRE A LA LUNE ET AU SOLEIL

DISTANCES DE LA TERRE A LA LUNE ET AU SOLEIL Première Distnces de l Terre à l Lune et u Soleil Pge 1 TRAVAUX DIRIGES DISTANCES DE LA TERRE A LA LUNE ET AU SOLEIL -80 II ème siècle p J-C 153 1609 1666 1916 199 ARISTARQUE de Smos donne une mesure de

Plus en détail

LE RESEAU RECIPROQUE solution

LE RESEAU RECIPROQUE solution LE RESEU RECIPROQUE solution L pge 85 de votre poly de physique est conscrée à l définition du réseu réciproque, un concept initilement introduit pr J.W. Gibbs (189-190). Ce concept, plutôt bstrit, est

Plus en détail

Correction de l épreuve CCP 2001 PSI Maths 2 PREMIÈRE PARTIE ) (

Correction de l épreuve CCP 2001 PSI Maths 2 PREMIÈRE PARTIE ) ( Correction de l épreuve CCP PSI Mths PREMIÈRE PARTIE I- Soit t u voisinge de, t Alors ϕt t s = ϕt ρt s ρs Pr hypothèse, l fonction ϕt ϕt est lorsque t, il en est donc de même de ρt s ρt s ρs cr ρ s est

Plus en détail

Document créé le 28 novembre 2013 Lien vers la dernière mise à jour de ce document Lien vers les exercices de ce chapitre

Document créé le 28 novembre 2013 Lien vers la dernière mise à jour de ce document Lien vers les exercices de ce chapitre Document créé le 28 novembre 2013 Lien vers l dernière mise à jour de ce document Lien vers les exercices de ce chpitre Chpitre 20 Intégrtion Sommire 20.1 Continuité uniforme.................................

Plus en détail

Algorithmique et Programmation. Automates finis. Chap. I/9

Algorithmique et Programmation. Automates finis. Chap. I/9 Algorithmique et Progrmmtion. Automtes finis. Chp. I/9 Jen-Eric Pin To cite this version: Jen-Eric Pin. Algorithmique et Progrmmtion. Automtes finis. Chp. I/9. J. Akok et I. Comyn-Wttiu. Encyclopédie de

Plus en détail

Apprentissage Par Projet de la Programmation avec Python Corrigé du TP5

Apprentissage Par Projet de la Programmation avec Python Corrigé du TP5 IGI-8 ESIEE Pris 5-6 Apprentissge Pr Projet de l Progrmmtion vec Python Corrigé du TP5 Jen-Clude GEORGES Listes, tuple et fichiers Les listes et les tuples sont des collections de données dont les données

Plus en détail

Automates finis. porte

Automates finis. porte utomtes finis Il s git d un modèle très souple, qui s dpte à des domines très différents en informtique. D une fçon générle, il sert à représenter les divers étts d un système (mécnique, électronique ou

Plus en détail

Cours de mathématiques. Chapitre 12 : Calcul Intégral

Cours de mathématiques. Chapitre 12 : Calcul Intégral Cours de mthémtiques Terminle S1 Chpitre 12 : Clcul Intégrl Année scolire 2008-2009 mise à jour 5 mi 2009 Fig. 1 Henri-Léon Leesgue et Bernhrd Riemnn n les confond prfois 1 Tle des mtières I Chpitre 12

Plus en détail

(surface d'un cercle : S = pd2 4 )

(surface d'un cercle : S = pd2 4 ) Les cordes sont de dimètres vribles. Si on les remplce pr deux cordes de même dimètre, le dimètre moyen, le résultt devrit être le même. Ici le résultt, c est sns doute l résistnce qui est proportionnelle

Plus en détail

L effet de la position du seuil d injection sur le refroidissement d un polymère dans un moule d injection

L effet de la position du seuil d injection sur le refroidissement d un polymère dans un moule d injection L effet de l position du seuil d injection sur le d un polymère dns un moule d injection Hmdy HASSAN, Nicols REGNIER, Cédric LEBOT, Guy DEFAYE Université Bordeux I ; CNRS ; UMR 8508, Lbortoire TREFLE,

Plus en détail

Exercices corrigés 9325 = 2 4662 + 1 4662 = 2 2331 + 0 2331 = 2 1165 + 1

Exercices corrigés 9325 = 2 4662 + 1 4662 = 2 2331 + 0 2331 = 2 1165 + 1 Grenoble INP Pgor 1ère nnée Exercices corrigés Anlyse numérique NB : Les exercices corrigés ici sont les exercices proposés durnt les sénces de cours. Les corrections données sont des corrections plus

Plus en détail

Chimie Avancement d une réaction chimique Chap.8

Chimie Avancement d une réaction chimique Chap.8 ère S Thème : Couleurs et imges TP n 6 Chimie Avncement d une réction chimique Chp.8 Notions et contenus Réction chimique réctif limitnt stœchiométrie notion d vncement Compétences eigiles Identifier le

Plus en détail

ESTIMER LA PRÉCISION DES MESURES

ESTIMER LA PRÉCISION DES MESURES ESTIMER LA PRÉCISION DES MESURES I. Précision d'une mesure directe Une mesure directe est une mesure lue sur un ppreil de mesure. Le résultt d'une mesure directe n'est jmis connu de fçon prfitement excte.

Plus en détail

PicoScope 6. Logiciel oscilloscope PC. Manuel d'utilisation. psw.fr r41 Copyright 2007-2015 Pico Technology Ltd. Tous droits réservés.

PicoScope 6. Logiciel oscilloscope PC. Manuel d'utilisation. psw.fr r41 Copyright 2007-2015 Pico Technology Ltd. Tous droits réservés. PicoScope 6 Logiciel oscilloscope PC Mnuel d'utilistion Mnuel d'utilistion du PicoScope 6 I Tble des mtières 1 Bienvenue... 1 2 Aperçu de PicoScope 6... 2 3 Introduction... 4 1 Mentions légles... 4 2

Plus en détail

Algorithmes sur les mots (séquences)

Algorithmes sur les mots (séquences) Introduction Algorithmes sur les mots (séquences) Algorithmes sur les mots (textes, séquences, chines de crctères) Nomreuses pplictions : ses de données iliogrphiques ioinformtique (séquences de iomolécules)

Plus en détail

Influence du milieu d étude sur l activité (suite) Inhibition et activation

Influence du milieu d étude sur l activité (suite) Inhibition et activation Influence du milieu d étude sur l ctivité (suite) Inhibition et ctivtion Influence de l tempérture Influence du ph 1 Influence de l tempérture Si on chuffe une préprtion enzymtique, l ctivité ugmente jusqu

Plus en détail

Chapitre 11 : L inductance

Chapitre 11 : L inductance Chpitre : inductnce Exercices E. On donne A πr 4π 4 metn N 8 spires/m. () Selon l exemple., µ n A 4π 7 (8) 4π 4 (,5) 5 µh (b) À prtir de l éqution.4, on trouve ξ ξ 4 3 5 6 6,3 A/s E. On donne A πr,5π 4

Plus en détail

Toyota Assurances Toujours la meilleure solution

Toyota Assurances Toujours la meilleure solution Toyot Assurnces Toujours l meilleure solution De quelle ssurnce vez-vous besoin? Vous roulez déjà en Toyot ou vous ttendez s livrison. Votre voiture est neuve ou d occsion. Vous vlez les kilomètres ou

Plus en détail