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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

/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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Mathématiques, Semestre S1

Mathématiques, Semestre S1 Polytech Pris-Sud PeiP1 2011/2012 Notes de cours Mthémtiques, Semestre S1 Filippo SANTAMBROGIO 2 Tble des mtières 1 Les fonctions dns R et leurs limites 7 1.1 Fonctions réelles d une vrible réelle.........................

Plus en détail

Guide d utilisation EasyMP Multi PC Projection

Guide d utilisation EasyMP Multi PC Projection Guide d utilistion EsyMP Multi PC Projection Tble des mtières 2 À propos d EsyMP Multi PC Projection Types de réunions proposés pr EsyMP Multi PC Projection... 5 Réunions à plusieurs imges... 5 Réunions

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

UNIVERSITE PARIS 1 PANTHEON SORBONNE UFR DE GESTION

UNIVERSITE PARIS 1 PANTHEON SORBONNE UFR DE GESTION UNIVERSITE PRIS PNTHEON SORBONNE UFR DE GESTION MTHEMTIQUES PPLIQUEES L ECONOMIE ET L GESTION LICENCE nnée Cours de Thierry LFY TRVUX DIRIGES semestre 7-8 Thème n : Rppels Eercice Déterminez l ensemble

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

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

Centre de documentation de la console

Centre de documentation de la console Express Runtime Centre de documenttion de l console Version 2 Edition 1 Express Runtime Centre de documenttion de l console Version 2 Edition 1 Remrque Avnt d utiliser le présent document et le produit

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

Université de Marseille Licence de Mathématiques, 1ere année, Analyse (limites, continuité, dérivées, intégration) T. Gallouët

Université de Marseille Licence de Mathématiques, 1ere année, Analyse (limites, continuité, dérivées, intégration) T. Gallouët Université de Mrseille Licence de Mthémtiques, ere nnée, Anlyse (limites, continuité, dérivées, intégrtion) T. Gllouët July 29, 205 Tble des mtières Limites 3. Définition et propriétés......................................

Plus en détail

Mon. Coordinomètre. a Nom... a Régionale... ...

Mon. Coordinomètre. a Nom... a Régionale... ... Mon Coordinomètre Nom.................................................................................................................................................... Régionle..........................................................................

Plus en détail

Cours d informatique théorique de M. Arfi. FMdKdD fmdkdd [à] free.fr

Cours d informatique théorique de M. Arfi. FMdKdD fmdkdd [à] free.fr Cours d informtique théorique de M. Arfi FMdKdD fmdkdd [à] free.fr Université du Hvre Année 2009 2010 Tle des mtières 1 Reltions et lois de composition internes 2 1.1 Reltions.....................................

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

Les troubles d apprentissage

Les troubles d apprentissage Histoire de Lynn Lynn est une enfnt de 10 ns qui ime fire du sport et psser du temps vec ses mies. C est une élève moyenne, qui obtient des B dns toutes les mtières, à prt les mthémtiques Les mthémtiques

Plus en détail

Fonctions définies par une intégrale. On suppose que g et h sont deux fonctions réelles définies sur R d, telles que la fonction

Fonctions définies par une intégrale. On suppose que g et h sont deux fonctions réelles définies sur R d, telles que la fonction Prép. Agrég. écrit d Anlyse, Annexe n o 6. Méthode de Lplce dns R d Fonctions définies pr une intégrle On suppose que g et h sont deux fonctions réelles définies sur R d, telles que l fonction F(t = g(x

Plus en détail

ANALYSE NUMERIQUE NON-LINEAIRE

ANALYSE NUMERIQUE NON-LINEAIRE Université de Metz Licence de Mthémtiques - 3ème nnée 1er semestre ANALYSE NUMERIQUE NON-LINEAIRE pr Rlph Chill Lbortoire de Mthémtiques et Applictions de Metz Année 010/11 1 Tble des mtières Chpitre

Plus en détail

ANALYSE APPROFONDIES II MT242

ANALYSE APPROFONDIES II MT242 ALGÈBRE ET ANALYSE APPROFONDIES II MT242 Année 1998-1999 Chpitre 0. Introduction générle Dns cette introduction nous llons commenter les principles notions contenues dns le cours du second semestre, leurs

Plus en détail

Guide d'utilisation Easy Interactive Tools Ver. 2

Guide d'utilisation Easy Interactive Tools Ver. 2 Guide d'utilistion Esy Interctive Tools Ver. 2 Guide d'utilistion Esy Interctive Tools Ver.2 Présenttion de Esy Interctive Tools 3 Crctéristiques Fonction de dessin Vous pouvez utiliser Esy Interctive

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

Cours de Mathématiques 2

Cours de Mathématiques 2 Cours de Mthémtiques 2 première prtie : Anlyse 2 DEUG MIAS 1 e nnée, 2 e semestre. Mximilin F. Hsler Déprtement Scientifique Interfcultire B.P. 7209 F 97275 SCHOELCHER CEDEX Fx : 0596 72 73 62 e-mil :

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

TP 10 : Lois de Kepler

TP 10 : Lois de Kepler TP 10 : Lois de Kepler Objectifs : - Estimer l msse de Jupiter à prtir de l troisième loi de Kepler. - Utiliser Stellrium, un simulteur de plnétrium «photo-réel». Compétences trvillées : - Démontrer que,

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

Synthèse de cours (Terminale S) Calcul intégral

Synthèse de cours (Terminale S) Calcul intégral Synthèse de cours (Terminle S) Clcul intégrl Intégrle d une onction continue positive sur un intervlle [;] Dns cette première prtie, on considère une onction continue positive sur un intervlle [ ; ] (

Plus en détail

Les règles de Descartes et de Budan Fourier

Les règles de Descartes et de Budan Fourier Ojectifs de ce chpitre Mthémtiques ssistées pr ordinteur Chpitre 4 : Rcines des polynômes réels et complexes Michel Eisermnn Mt49, DLST LS4, Année 8-9 www-fourierujf-grenolefr/ eiserm/cours # mo Document

Plus en détail

Calcul int egral. 15 d ecembre 2008

Calcul int egral. 15 d ecembre 2008 Clcul intégrl. 15 décembre 2008 2 Tble des mtières I Intégrles multiples 5 1 Rppels sur l intégrle définie des fonctions d une vrible. 7 1.1 Motivtions................................ 7 1.1.1 Cs des fonctions

Plus en détail

Avec la loi relative à la politique de santé publique d août 2004, la problématique de la santé au travail a été inscrite dans le

Avec la loi relative à la politique de santé publique d août 2004, la problématique de la santé au travail a été inscrite dans le Snté & trvil en GROUPEMENT REGIONAL DE SANTE PUBLIQUE DE PICARDIE Le constt -3 à trvers l enquête décennle snté Avec l loi reltive à l politique de snté publique d oût 4, l problémtique de l snté u trvil

Plus en détail

Systèmes logiques combinatoires

Systèmes logiques combinatoires «'enseignement devrit être insi : celui qui le reçoit le recueille comme un don inestimle mis jmis comme une contrinte pénile.» Alert Einstein Systèmes logiques comintoires Définitions. es vriles inires

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

Table des matières. Cristallographie. S.Boukaddid Cristallographie MP2

Table des matières. Cristallographie. S.Boukaddid Cristallographie MP2 S.Boukddid Cristllogrphie MP Cristllogrphie Tble des mtières 1 Bses de l cristllogrphie 1.1 Définitions....................................... 1. Crctéristiques des réseux cristllins......................

Plus en détail

Développements limités. Motivation. Exo7

Développements limités. Motivation. Exo7 Eo7 Développements limités Vidéo prtie. Formules de Tlor Vidéo prtie 2. Développements limités u voisinge d'un point Vidéo prtie 3. Opértions sur les DL Vidéo prtie 4. Applictions Eercices Développements

Plus en détail

Cours d Analyse Mathématique II

Cours d Analyse Mathématique II Année 22-23 Cours d Anlyse Mthémtique II F. Bstin Prise de notes rédigée pr Alice Slmon. Avec l prticiption de : Nicols Ghye (schéms) Sndy Assent (relecture) Préfce Avertissement Ce texte résulte d une

Plus en détail

Guide de l'utilisateur

Guide de l'utilisateur Guide de l'utilisteur Symboles Utilisés Dns ce Guide Indictions de sécurité L documenttion et le projecteur utilisent des symboles grphiques qui indiquent comment utiliser l ppreil en toute sécurité. Veillez

Plus en détail

Outils de calcul pour la 3 ème

Outils de calcul pour la 3 ème Chpitre I Outils de clcul pour l Ce que nous connissons déjà :! Opértions sur les décimux, les reltifs et les quotients. Puissnces de dix. Nottions scientifiques. Clcul littérl simple. Objectifs de ce

Plus en détail

Intégration (suite) 1 Champs de vecteurs et intégrales curvilignes

Intégration (suite) 1 Champs de vecteurs et intégrales curvilignes . Intégrtion (suite) e qui suit comporte trois prties : l première correspond à peu près à ce qui été trité lors du dernier cours, certins exemples du cours et d utres clculs sont présentés dns l deuxième,

Plus en détail

EPUUniversité de Tours

EPUUniversité de Tours DI 3ème nnée EPUUniversité de Tours Déprtement Informtique 007-008 ANALYSE NUMERIQUE Chpitre 3 Intégrtion numérique résumé du cours 1 Introduction Il s git d une mniére générle de déterminer, le mieux

Plus en détail

Kit de survie - Bac ES

Kit de survie - Bac ES Kit de survie - Bc ES. Étude du signe d une expression ) Signe de x + Ü Ü ½ Ò µ¼ Ò ½ 0) On détermine l vleur de x qui nnule x +, puis on pplique l règle : «signe de près le 0». ) Signe de x + x + c ܾ

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

Pour développer votre entreprise. Compta LES LOGICIELS EN LIGNE, VOUS ALLEZ DIRE OUI!

Pour développer votre entreprise. Compta LES LOGICIELS EN LIGNE, VOUS ALLEZ DIRE OUI! Pour développer votre entreprise Compt Avec EBP Compt, vous ssurez le suivi de l ensemble de vos opértions et exploitez les données les plus complexes en toute sécurité. Toutes les fonctionnlités essentielles

Plus en détail

Tout ce qu il faut savoir en math

Tout ce qu il faut savoir en math Tout ce qu il fut svoir en mth 1 Pourcentge Prendre un pourcentge t % d un quntité : t Clculer le pourcentge d une quntité pr rpport à une quntité b : Le coefficient multiplicteur CM pour une ugmenttion

Plus en détail

Mathématiques du signal déterministe

Mathématiques du signal déterministe Conservtoire Ntionl des Arts et Métiers MAA17 Mthémtiques du signl déterministe Nelly POINT 11 octobre 211 Tble des mtières 1 Intégrtion 3 1.1 Méthodes d intégrtion : rppels........................ 3

Plus en détail

Cours de Mathématiques 2

Cours de Mathématiques 2 Cours de Mthémtiques 2 première prtie : Anlyse 2 DEUG MIAS 1 e nnée, 2 e semestre. Mximilin F. Hsler Déprtement Scientifique Interfcultire B.P. 7209 F 97275 SCHOELCHER CEDEX Fx : 0596 72 73 62 e-mil :

Plus en détail

Numara Asset Management Platform

Numara Asset Management Platform Numr Asset Mngement Pltform L Puissnce Tout-en-un L plteforme de gestion de prc informtique Numr Asset Mngement Pltform (NAMP) permet ux services informtiques d ccroître les niveux de service, d méliorer

Plus en détail

semestre 3 des Licences MISM annnée universitaire 2004-2005

semestre 3 des Licences MISM annnée universitaire 2004-2005 MATHÉMATIQUES 3 semestre 3 des Licences MISM nnnée universitire 24-25 Driss BOULARAS 2 Tble des mtières Rppels 5. Ensembles et opértions sur les ensembles.................. 5.. Prties d un ensemble.........................

Plus en détail

Sommaire. 6. Tableau récapitulatif... 10. Sophos NAC intégré Vs. NAC Advanced - 17 Février 2009 2

Sommaire. 6. Tableau récapitulatif... 10. Sophos NAC intégré Vs. NAC Advanced - 17 Février 2009 2 Sommire 1. A propos de Sophos... 3 2. Comprtif des solutions Sophos NAC... 4 3. Sophos NAC pour Endpoint Security nd Control 8.0... 4 3.1. Administrtion et déploiement... 4 3.2. Gestion des politiques

Plus en détail

Devoir de physique-chimie n 4bis (2H)

Devoir de physique-chimie n 4bis (2H) TS jn 2014 Devoir de physique-chimie n 4bis (2H) Nom:...... LES EXERIES SNT INDEPENDANTS ALULATRIE AUTRISEE PHYSIQUE : ETILE BINAIRE /20 1. Le télescope 8 Les 3 prties sont indépendntes. Document 1 : L

Plus en détail

Programmes des classes préparatoires aux Grandes Ecoles

Programmes des classes préparatoires aux Grandes Ecoles Progrmmes des clsses préprtoires ux Grndes Ecoles Filière : scientifique Voie : Mthémtiques et physique (MP) Discipline : Mthémtiques Seconde nnée Clsse préprtoire MP Progrmme de mthémtiques Tble des mtières

Plus en détail