Langages de Spécification Partie 1: Spécifications en logique propositionnelle

Dimension: px
Commencer à balayer dès la page:

Download "Langages de Spécification Partie 1: Spécifications en logique propositionnelle"

Transcription

1 Langages de Spécification Partie 1: Spécifications en logique propositionnelle Master 1 Informatique Université Paris-Est Créteil

2 : Syntaxe, Sémantique et

3 Syntaxe Construction des formules Le vocabulaire du langage de la logique propositionnelle est composé : d un ensemble, fini ou dénombrable, de propositions notées p, q, r,... Dans la suite, nous notons les ensembles de propositions par les lettres P, Q,... ; de deux constantes : vrai (notée ) et faux (notée ), parfois notée 1 et 0 ; d un ensemble de connecteurs logiques : et (noté ), ou (noté ), non (noté ), implique (noté ), équivalent (noté ) ; les parenthèses : (,).

4 Syntaxe Construction des formules Soit P un ensemble de propositions. Les formules de la logique propositionnelle respectent la règle de formation BNF suivante : φ ::= p φ 1 φ 2 φ 1 φ 2 φ 1 φ 2 φ 1 φ 2 φ 1 (φ 1 ) Où, sont respectivement les constantes vrai et faux, p P est une proposition et φ 1, φ 2 sont des formules propositionnelles bien formées.

5 Syntaxe Quelques exemples de formules Voici quelques exemples de formules et leur lecture intuitive : la formule propositionnelle p (q r), peut être lue de la façon suivante p implique q et r, ou peut être également lue comme si p est vrai alors q et r doivent être vrais ; la formule propositionnelle (p q), peut-être lue de la façon suivante il est faux que p et q soient vrais (en même temps).

6 Syntaxe Ambiguïtés L utilisation de la notation infixe s accompagne de problèmes de lecture : Comment lire p q r? p q r?

7 Syntaxe Ambiguïtés L utilisation de la notation infixe s accompagne de problèmes de lecture : Comment lire p q r? p q r? Pour lever les ambiguïtés, on utilise les parenthèses ou des règles de priorité entre opérateurs : si op 1 a une plus grande précédence (priorité) que op 2 alors e 1 op 1 e 2 op 2 e 3 est équivalent à ((e 1 op 1 e 2 )op 2 e 3 ) Par ex : = (2 3) + 5 = 11 2 (3 + 5) = 16. si op 2 a une plus grande précédence (priorité) que op 1 alors e 1 op 1 e 2 op 2 e 3 est équivalent à (e 1 op 1 (e 2 op 2 e 3 )) Par ex : = 2 + (3 5) = 17. si op est associatif à gauche alors e 1 ope 2 ope 3 est équivalent à ((e 1 ope 2 )ope 3 ) Par ex : 10/2/5 = (10/2)/5 = 1 10/(2/5) = 25. Il faut donc fixer des règles de priorité entre opérateurs afin d avoir une lecture unique de la formule.

8 Syntaxe Règles de précédence en logique propositionnelle Ordre de précédence sur les opérateurs : et associativité à gauche pour,, et à droite pour. p q r se lit se lit se lit se lit se lit

9 Syntaxe Règles de précédence en logique propositionnelle Ordre de précédence sur les opérateurs : et associativité à gauche pour,, et à droite pour. p q r se lit p (q r) se lit se lit se lit se lit Remarque Les parenthèses permettent de contrecarrer ces règles, si elles ne conviennent pas. Elles permettent aussi de rendre une formule plus lisible, ou de ne pas devoir retenir les règles de précédence.

10 Syntaxe Règles de précédence en logique propositionnelle Ordre de précédence sur les opérateurs : et associativité à gauche pour,, et à droite pour. p q r se lit p (q r) p q p se lit se lit se lit se lit Remarque Les parenthèses permettent de contrecarrer ces règles, si elles ne conviennent pas. Elles permettent aussi de rendre une formule plus lisible, ou de ne pas devoir retenir les règles de précédence.

11 Syntaxe Règles de précédence en logique propositionnelle Ordre de précédence sur les opérateurs : et associativité à gauche pour,, et à droite pour. p q r se lit p (q r) p q p se lit p (q p) se lit se lit se lit Remarque Les parenthèses permettent de contrecarrer ces règles, si elles ne conviennent pas. Elles permettent aussi de rendre une formule plus lisible, ou de ne pas devoir retenir les règles de précédence.

12 Syntaxe Règles de précédence en logique propositionnelle Ordre de précédence sur les opérateurs : et associativité à gauche pour,, et à droite pour. p q r se lit p (q r) p q p se lit p (q p) p q r se lit se lit se lit Remarque Les parenthèses permettent de contrecarrer ces règles, si elles ne conviennent pas. Elles permettent aussi de rendre une formule plus lisible, ou de ne pas devoir retenir les règles de précédence.

13 Syntaxe Règles de précédence en logique propositionnelle Ordre de précédence sur les opérateurs : et associativité à gauche pour,, et à droite pour. p q r se lit p (q r) p q p se lit p (q p) p q r se lit (p q) r se lit se lit Remarque Les parenthèses permettent de contrecarrer ces règles, si elles ne conviennent pas. Elles permettent aussi de rendre une formule plus lisible, ou de ne pas devoir retenir les règles de précédence.

14 Syntaxe Règles de précédence en logique propositionnelle Ordre de précédence sur les opérateurs : et associativité à gauche pour,, et à droite pour. p q r se lit p (q r) p q p se lit p (q p) p q r se lit (p q) r p q se lit se lit Remarque Les parenthèses permettent de contrecarrer ces règles, si elles ne conviennent pas. Elles permettent aussi de rendre une formule plus lisible, ou de ne pas devoir retenir les règles de précédence.

15 Syntaxe Règles de précédence en logique propositionnelle Ordre de précédence sur les opérateurs : et associativité à gauche pour,, et à droite pour. p q r se lit p (q r) p q p se lit p (q p) p q r se lit (p q) r p q se lit ( p) q se lit Remarque Les parenthèses permettent de contrecarrer ces règles, si elles ne conviennent pas. Elles permettent aussi de rendre une formule plus lisible, ou de ne pas devoir retenir les règles de précédence.

16 Syntaxe Règles de précédence en logique propositionnelle Ordre de précédence sur les opérateurs : et associativité à gauche pour,, et à droite pour. p q r se lit p (q r) p q p se lit p (q p) p q r se lit (p q) r p q se lit ( p) q p q r s se lit Remarque Les parenthèses permettent de contrecarrer ces règles, si elles ne conviennent pas. Elles permettent aussi de rendre une formule plus lisible, ou de ne pas devoir retenir les règles de précédence.

17 Syntaxe Règles de précédence en logique propositionnelle Ordre de précédence sur les opérateurs : et associativité à gauche pour,, et à droite pour. p q r se lit p (q r) p q p se lit p (q p) p q r se lit (p q) r p q se lit ( p) q p q r s se lit p ((q r) s) Remarque Les parenthèses permettent de contrecarrer ces règles, si elles ne conviennent pas. Elles permettent aussi de rendre une formule plus lisible, ou de ne pas devoir retenir les règles de précédence.

18 Syntaxe Arbre correspondant à une formule La formule p q r s est donc équivalente à et donc son arbre de lecture est : p ((q r) s) p s q r

19 Sémantique La sémantique jusqu ici, on a vu la syntaxe des formules, qui ne sont rien d autre que des suites de caractères sans signification. la sémantique donne du sens aux formules, elle permet de les interpréter et de leur attribuer une valeur de vérité vrai ou faux. l interprétation des symboles de proposition est cependant libre et c est à nous de la fixer. On se donnera donc une une fonction d interprétation V pour l ensemble P de propositions considérées : V : P {vrai, faux} Cette fonction assigne à chaque proposition de P la valeur vrai ou la valeur faux. Dans la suite, nous utiliserons parfois le terme valuation, souvent utilisé dans la littérature, au lieu de fonction d interprétation. A partir d une fonction d interprétation V des symboles de proposition, nous allons voir comment interpréter les formules.

20 Sémantique La sémantique Définition La valeur de vérité d une formule propositionnelle φ formée à partir des propositions d un ensemble P, évaluée avec la fonction d interprétation V, est notée [[φ]] V. En particulier, on a [[φ]] V {vrai, faux}. La fonction [[φ]] V est définie par induction sur la syntaxe de φ de la façon suivante : φ =, dans ce cas, [[φ]]v = vrai ; φ =, dans ce cas, [[φ]]v = faux ; φ = p, dans ce cas, { [[φ]]v = V (p). faux si [[φ1]] φ = φ1, [[φ]] V = V = vrai vrai si [[φ 1]] V = faux φ = φ1 φ 2, [[φ]] V = vrai ssi [[φ 1]] V = vrai ou [[φ 2]] V = vrai φ = φ1 φ 2, [[φ]] V = vrai ssi [[φ 1]] V = vrai et [[φ 2]] V = vrai

21 Sémantique La sémantique φ = φ 1 φ 2, [[φ]] V = vrai ssi [[φ 1 ]] V = faux ou [[φ 2 ]] V = vrai φ = φ 1 φ 2, [[φ]] V = vrai ssi [[φ 1 ]] V = faux et [[φ 2 ]] V = faux ou [[φ 1 ]] V = vrai et [[φ 2 ]] V = vrai φ = (φ 1 ), [[φ]] V = [[φ 1 ]] V. Nous notons V =φ si et seulement si [[φ]] V = vrai, qui se dit V satisfait φ.

22 Sémantique La sémantique sous forme de tables de vérités L information contenue dans la définition précédente est souvent présentée sous forme de tables, appelées tables de vérité : vrai faux φ φ (φ) vrai faux vrai faux vrai faux

23 Sémantique La sémantique sous forme de tables de vérités φ 1 φ 2 φ 1 φ 2 φ 1 φ 2 φ 1 φ 2 φ 1 φ 2 vrai vrai vrai vrai vrai vrai vrai faux faux vrai faux faux faux vrai faux vrai vrai faux faux faux faux faux vrai vrai

24 Prenons l interprétation V 1 (p) = faux, alors on a : [[p]] V1 = faux [[ p]] V1 = vrai [[p p]] V1 = vrai [[p p]] V1 = faux [[p p]] V1 = vrai [[p p]] V1 = vrai [[ p p]] V1 = faux Prenons la formule φ = (p q) ( q r) et l interprétation V 2 (p) = V 2 (r) = vrai et V 2 (q) = faux. Pour calculer la valeur de vérité de φ, on calcule d abord les valeurs de vérité des sous-formules et on applique les tables de vérité. Donc [[φ]] V2 = vrai. (p q) ( q r) (vrai faux) ( faux vrai) (vrai faux) (vrai vrai) vrai (vrai vrai) vrai vrai vrai

25 Prenons la même formule φ = (p q) ( q r) et l interprétation V 3 (r) = vrai et V 3 (p) = V 3 (q) = faux. Donc [[φ]] V3 = faux. (p q) ( q r) (faux faux) ( faux vrai) (faux faux) (vrai vrai) faux (vrai vrai) faux vrai faux

26 On peut utiliser le principe de décomposition en sous-formule et l application des tables de vérité pour obtenir la valeur de vérité de φ pour toutes les interprétations possibles des variables p q r (p q) q ( q r) (p q) ( q r) vrai vrai vrai vrai vrai faux vrai faux vrai vrai faux faux faux vrai vrai faux vrai faux faux faux vrai faux faux faux

27 On peut utiliser le principe de décomposition en sous-formule et l application des tables de vérité pour obtenir la valeur de vérité de φ pour toutes les interprétations possibles des variables p q r (p q) q ( q r) (p q) ( q r) vrai vrai vrai vrai vrai vrai faux vrai vrai faux vrai vrai vrai faux faux vrai faux vrai vrai vrai faux vrai faux vrai faux faux vrai faux faux faux faux faux

28 On peut utiliser le principe de décomposition en sous-formule et l application des tables de vérité pour obtenir la valeur de vérité de φ pour toutes les interprétations possibles des variables p q r (p q) q ( q r) (p q) ( q r) vrai vrai vrai vrai faux vrai vrai faux vrai faux vrai faux vrai vrai vrai vrai faux faux vrai vrai faux vrai vrai vrai faux faux vrai faux vrai faux faux faux vrai faux vrai faux faux faux faux vrai

29 On peut utiliser le principe de décomposition en sous-formule et l application des tables de vérité pour obtenir la valeur de vérité de φ pour toutes les interprétations possibles des variables p q r (p q) q ( q r) (p q) ( q r) vrai vrai vrai vrai faux vrai vrai vrai faux vrai faux vrai vrai faux vrai vrai vrai vrai vrai faux faux vrai vrai vrai faux vrai vrai vrai faux vrai faux vrai faux vrai faux faux faux faux vrai faux vrai vrai faux faux faux faux vrai vrai

30 On peut utiliser le principe de décomposition en sous-formule et l application des tables de vérité pour obtenir la valeur de vérité de φ pour toutes les interprétations possibles des variables p q r (p q) q ( q r) (p q) ( q r) vrai vrai vrai vrai faux vrai vrai vrai vrai faux vrai faux vrai vrai vrai faux vrai vrai vrai vrai vrai vrai faux faux vrai vrai vrai vrai faux vrai vrai vrai faux vrai vrai faux vrai faux vrai faux faux faux faux faux vrai faux vrai vrai faux faux faux faux faux vrai vrai faux

31 p q (qui se lit ( p) q) p q p p q vrai vrai faux vrai vrai faux faux faux faux vrai vrai vrai faux faux vrai vrai Remarque : c est la même table de vérité que pour l implication : p q p q vrai vrai vrai vrai faux faux faux vrai vrai faux faux vrai On dira que les deux formules p q et p q sont équivalentes.

32 Remarques sur l implication l implication φ 1 φ 2 modélise le raisonnement si-alors : Si φ 1 est vraie, ALORS φ 2 est vraie aussi. le cas où φ 1 est faux ne nous intéresse pas dans l implication. par conséquent, si φ 1 est faux, alors peu importe la valeur de vérité de φ 2, l implication φ 1 φ 2 reste vraie. Autrement dit le faux implique le vrai, et le faux, mais le vrai doit toujours impliquer le vrai.

33 Un dernier exemple : φ = (p q) ( p q) Calculons la table de vérité : p q p q (p q) p q p q φ vrai vrai vrai faux faux faux faux vrai vrai faux faux vrai faux vrai vrai vrai faux vrai faux vrai vrai faux vrai vrai faux faux faux vrai vrai vrai vrai vrai pour toute les interprétations possibles des propositions, φ est vraie. On dira dans ce cas que φ est valide. En fait, on a montré ici que les deux formule (p q) et p q sont équivalentes. C est une des lois de Morgan.

34 Exercices Dire pour les interprétations V et les formules φ suivantes si V = φ : 1. V (p) = vrai, V (q) = faux et φ = (p q) (p q) 2. V (p) = V (q) = faux et φ = (( p q) ( q p)) (p q) 3. V (p) = faux et V (q) = vrai et φ = (( p q) (q (p q)) 4. V (p) = V (r) = vrai et V (q) = faux et φ = (( r p q) s) (p q r s) 5. V (p) = V (q) = faux et V (r) = vrai et φ = (p (q r)) (( p q) (p r)). Construire les tables de vérité pour les formules suivantes : 1. (p q) (q p) 2. p (p q) q 3. (p (q r)) (p q) (p r) 4. (p (q r)) ((p q) r)

35 Satisfaisabilité et Validité Validité et Satisfaisabilité Voici deux définitions importantes : Définition (Satisfaisabilité) Une formule propositionnelle φ est satisfaisable si et seulement si il existe une fonction d interprétation V pour les propositions de φ, telle que V =φ. Définition (Validité) Une formule propositionnelle φ est valide si et seulement si pour toute fonction d interprétation V pour les propositions de φ, on a V =φ.

36 Satisfaisabilité et Validité formule satisfaisable valide oui oui p oui non V (p) = vrai V (p) = faux p oui non V (p) = faux V (p) = vrai (p q) ( q r) oui non voir table précédente voir table précédente p p non non p q ( q p) non non p p oui oui (p q) (q p) oui oui

37 Satisfaisabilité et Validité Application importante de la notion de validité Définition Deux formules φ et ψ sont dites équivalentes si la formule φ ψ est valide. On notera φ ψ pour signifier que φ et ψ sont équivalentes. dans une formule, on peut substituer une sous-formule par une autre équivalente sans changer la sémantique de la formule de départ par exemple, dans la formule γ = (p q) (p r) on peut remplacer la sous-formule (p r) par ( p r) et on obtient la formule suivante, qui est équivalente à γ : γ = (p q) ( p r) l application d équivalences simples va nous permettre de simplifier des formules, et de les mettre sous des formes particulières

38 Satisfaisabilité et Validité Quelques équivalences Pour toutes formules φ 1, φ 2, φ 3, on a : φ 1 φ 1 (double négation) (φ 1 φ 2 ) ( φ 1 φ 2 ) (loi de De Morgan pour le et ) (φ 1 φ 2 ) ( φ 1 φ 2 ) (loi de De Morgan pour le ou ) φ 1 (φ 2 φ 3 ) (φ 1 φ 2 ) (φ 1 φ 3 ) (distributivité du et ) φ 1 (φ 2 φ 3 ) (φ 1 φ 2 ) (φ 1 φ 3 (distributivité du ou ) φ 1 φ 2 φ 2 φ 1 (contraposition)

39 Satisfaisabilité et Validité Lien entre satisfaisibilité et validité Théorème Une formule propositionnelle φ est valide ssi sa négation φ n est pas satisfaisable. Par conséquent, si on dispose d un algorithme qui décide si une formule est satisfaisable ou non, on obtient un algorithme qui décide si la formule est valide, il suffit de tester la (non-)satisfaisabilité de sa négation.

40 Satisfaisabilité et Validité Diagramme

41 Satisfaisabilité et Validité Comment tester la satisfaisabilité d une formule?

42 Satisfaisabilité et Validité Comment tester la satisfaisabilité d une formule? on a vu la méthode des tables de vérité : tester toutes les interprétations de propositions jusqu à ce qu on en trouve une qui satisfait la formule problème : quelle est la complexité d un tel algorithme? combien d interprétations faut-il tester si la formule contient n propositions?

43 Satisfaisabilité et Validité Comment tester la satisfaisabilité d une formule? on a vu la méthode des tables de vérité : tester toutes les interprétations de propositions jusqu à ce qu on en trouve une qui satisfait la formule problème : quelle est la complexité d un tel algorithme? combien d interprétations faut-il tester si la formule contient n propositions? il faut essayer, dans le pire des cas (c est à dire le cas où la formule n est pas satisfaisable), 2 n interprétations : cet algorithme a donc une complexité exponentielle dans le nombre de propositions ce n est pas raisonnable pour les applications que nous allons aborder, car nous allons générer des formules contenant plusieurs centaines de propositions. nous allons maintenant étudier un algorithme plus intelligent : la méthode des tableaux sémantiques.

44 Satisfaisabilité et Validité Remarques sur la complexité du problème SAT le problème de satisfaisabilité d une formule propositionnelle, appelé problème SAT, est dans la classe NP (voir cours calculabilité/complexité) actuellement, on ne sait toujours pas s il existe un algorithme pour ce problème dont la complexité en temps est polynomiale. la plupart des scientifiques pensent que ce n est pas le cas, mais personne n a été capable de le montrer. ce défit scientifique est plus connu sous la question P NP : est-ce qu il existe un problème résoluble en temps non-déterministe polynomial qui n est pas résoluble en temps polynomial? le premier qui aura la réponse (et la preuve de son affirmation) gagnera $ 1 1. Millenium Prize Problems du Clay Mathematics Institute org/millennium/

45 Satisfaisabilité et Validité Pourquoi SAT est-il si intéressant? beaucoup de problèmes pratiques intéressants se trouvent dans la classe NP, voir par exemple le problème du voyageur de commerce : étant donné une distance d et n villes, est-il possible de construire un cycle de longueur au plus d qui passe par les les n villes exactement une fois (sauf la ville de départ). Application : optimiser la trajectoire d une fraiseuse, d un bus scolaire, d un camion de livraison, etc... autre exemple, le bin-packing : étant donné k boîtes de contenance différentes, n objets de volumes différents, et d 0 un entier, est-il possible de ranger les n objets en utilisant au plus d boîtes. Application : rangement de fichiers sur un support informatique, remplissage de camions ou containers... tous les problèmes de la classe NP se réduisent au problème SAT en temps polynomial. En d autre terme, pour résoudre une instance I du problème du voyageur de commerce ou du bin-packing, il est possible de construire, en temps polynomial, une formule de la logique propositionnelle φ I telle que φ I est satisfaisable ssi I a une solution il est donc important d avoir de bons algorithmes pour SAT

La NP-complétude. Johanne Cohen. PRISM/CNRS, Versailles, France.

La NP-complétude. Johanne Cohen. PRISM/CNRS, Versailles, France. La NP-complétude Johanne Cohen PRISM/CNRS, Versailles, France. Références 1. Algorithm Design, Jon Kleinberg, Eva Tardos, Addison-Wesley, 2006. 2. Computers and Intractability : A Guide to the Theory of

Plus en détail

Cours de Master Recherche

Cours de Master Recherche Cours de Master Recherche Spécialité CODE : Résolution de problèmes combinatoires Christine Solnon LIRIS, UMR 5205 CNRS / Université Lyon 1 2007 Rappel du plan du cours 16 heures de cours 1 - Introduction

Plus en détail

Factorisation Factoriser en utilisant un facteur commun Fiche méthode

Factorisation Factoriser en utilisant un facteur commun Fiche méthode Factorisation Factoriser en utilisant un facteur commun Fiche méthode Rappel : Distributivité simple Soient les nombres, et. On a : Factoriser, c est transformer une somme ou une différence de termes en

Plus en détail

Définition 0,752 = 0,7 + 0,05 + 0,002 SYSTÈMES DE NUMÉRATION POSITIONNELS = 7 10 1 + 5 10 2 + 2 10 3

Définition 0,752 = 0,7 + 0,05 + 0,002 SYSTÈMES DE NUMÉRATION POSITIONNELS = 7 10 1 + 5 10 2 + 2 10 3 8 Systèmes de numération INTRODUCTION SYSTÈMES DE NUMÉRATION POSITIONNELS Dans un système positionnel, le nombre de symboles est fixe On représente par un symbole chaque chiffre inférieur à la base, incluant

Plus en détail

Logiciel de Base. I. Représentation des nombres

Logiciel de Base. I. Représentation des nombres Logiciel de Base (A1-06/07) Léon Mugwaneza ESIL/Dépt. Informatique (bureau A118) mugwaneza@univmed.fr I. Représentation des nombres Codage et représentation de l'information Information externe formats

Plus en détail

Algorithme. Table des matières

Algorithme. Table des matières 1 Algorithme Table des matières 1 Codage 2 1.1 Système binaire.............................. 2 1.2 La numérotation de position en base décimale............ 2 1.3 La numérotation de position en base binaire..............

Plus en détail

Cours d introduction à l informatique. Partie 2 : Comment écrire un algorithme? Qu est-ce qu une variable? Expressions et instructions

Cours d introduction à l informatique. Partie 2 : Comment écrire un algorithme? Qu est-ce qu une variable? Expressions et instructions Cours d introduction à l informatique Partie 2 : Comment écrire un algorithme? Qu est-ce qu une variable? Expressions et instructions Qu est-ce qu un Une recette de cuisine algorithme? Protocole expérimental

Plus en détail

Exo7. Calculs de déterminants. Fiche corrigée par Arnaud Bodin. Exercice 1 Calculer les déterminants des matrices suivantes : Exercice 2.

Exo7. Calculs de déterminants. Fiche corrigée par Arnaud Bodin. Exercice 1 Calculer les déterminants des matrices suivantes : Exercice 2. Eo7 Calculs de déterminants Fiche corrigée par Arnaud Bodin Eercice Calculer les déterminants des matrices suivantes : Correction Vidéo ( ) 0 6 7 3 4 5 8 4 5 6 0 3 4 5 5 6 7 0 3 5 4 3 0 3 0 0 3 0 0 0 3

Plus en détail

1/24. I passer d un problème exprimé en français à la réalisation d un. I expressions arithmétiques. I structures de contrôle (tests, boucles)

1/24. I passer d un problème exprimé en français à la réalisation d un. I expressions arithmétiques. I structures de contrôle (tests, boucles) 1/4 Objectif de ce cours /4 Objectifs de ce cours Introduction au langage C - Cours Girardot/Roelens Septembre 013 Du problème au programme I passer d un problème exprimé en français à la réalisation d

Plus en détail

Manuel d utilisation 26 juin 2011. 1 Tâche à effectuer : écrire un algorithme 2

Manuel d utilisation 26 juin 2011. 1 Tâche à effectuer : écrire un algorithme 2 éducalgo Manuel d utilisation 26 juin 2011 Table des matières 1 Tâche à effectuer : écrire un algorithme 2 2 Comment écrire un algorithme? 3 2.1 Avec quoi écrit-on? Avec les boutons d écriture........

Plus en détail

Formula Negator, Outil de négation de formule.

Formula Negator, Outil de négation de formule. Formula Negator, Outil de négation de formule. Aymerick Savary 1,2, Mathieu Lassale 1,2, Jean-Louis Lanet 1 et Marc Frappier 2 1 Université de Limoges 2 Université de Sherbrooke Résumé. Cet article présente

Plus en détail

Exemples de problèmes et d applications. INF6953 Exemples de problèmes 1

Exemples de problèmes et d applications. INF6953 Exemples de problèmes 1 Exemples de problèmes et d applications INF6953 Exemples de problèmes Sommaire Quelques domaines d application Quelques problèmes réels Allocation de fréquences dans les réseaux radio-mobiles Affectation

Plus en détail

Exo7. Limites de fonctions. 1 Théorie. 2 Calculs

Exo7. Limites de fonctions. 1 Théorie. 2 Calculs Eo7 Limites de fonctions Théorie Eercice Montrer que toute fonction périodique et non constante n admet pas de ite en + Montrer que toute fonction croissante et majorée admet une ite finie en + Indication

Plus en détail

FctsAffines.nb 1. Mathématiques, 1-ère année Edition 2007-2008. Fonctions affines

FctsAffines.nb 1. Mathématiques, 1-ère année Edition 2007-2008. Fonctions affines FctsAffines.nb 1 Mathématiques, 1-ère année Edition 2007-2008 Fonctions affines Supports de cours de mathématiques de degré secondaire II, lien hpertete vers la page mère http://www.deleze.name/marcel/sec2/inde.html

Plus en détail

Arithmétique binaire. Chapitre. 5.1 Notions. 5.1.1 Bit. 5.1.2 Mot

Arithmétique binaire. Chapitre. 5.1 Notions. 5.1.1 Bit. 5.1.2 Mot Chapitre 5 Arithmétique binaire L es codes sont manipulés au quotidien sans qu on s en rende compte, et leur compréhension est quasi instinctive. Le seul fait de lire fait appel au codage alphabétique,

Plus en détail

C f tracée ci- contre est la représentation graphique d une

C f tracée ci- contre est la représentation graphique d une TLES1 DEVOIR A LA MAISON N 7 La courbe C f tracée ci- contre est la représentation graphique d une fonction f définie et dérivable sur R. On note f ' la fonction dérivée de f. La tangente T à la courbe

Plus en détail

UEO11 COURS/TD 1. nombres entiers et réels codés en mémoire centrale. Caractères alphabétiques et caractères spéciaux.

UEO11 COURS/TD 1. nombres entiers et réels codés en mémoire centrale. Caractères alphabétiques et caractères spéciaux. UEO11 COURS/TD 1 Contenu du semestre Cours et TDs sont intégrés L objectif de ce cours équivalent a 6h de cours, 10h de TD et 8h de TP est le suivant : - initiation à l algorithmique - notions de bases

Plus en détail

Fiche PanaMaths Calculs avec les fonctions sous Xcas

Fiche PanaMaths Calculs avec les fonctions sous Xcas Fiche PanaMaths Calculs avec les fonctions sous Xcas Cette fiche destinée aux élèves des classes de Terminale requiert un premier niveau de connaissance du logiciel Xcas. Définition d une fonction Fonctions

Plus en détail

Les suites numériques

Les suites numériques Chapitre 3 Term. STMG Les suites numériques Ce que dit le programme : Suites arithmétiques et géométriques CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Suites arithmétiques et géométriques Expression du terme

Plus en détail

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

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

Plus en détail

Chapitre 2. Eléments pour comprendre un énoncé

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

Plus en détail

Logique. Plan du chapitre

Logique. Plan du chapitre Logique Ce chapitre est assez abstrait en première lecture, mais est (avec le chapitre suivant «Ensembles») probablement le plus important de l année car il est à la base de tous les raisonnements usuels

Plus en détail

V- Manipulations de nombres en binaire

V- Manipulations de nombres en binaire 1 V- Manipulations de nombres en binaire L ordinateur est constitué de milliards de transistors qui travaillent comme des interrupteurs électriques, soit ouverts soit fermés. Soit la ligne est activée,

Plus en détail

Rappels Entrées -Sorties

Rappels Entrées -Sorties Fonctions printf et scanf Syntaxe: écriture, organisation Comportement Données hétérogènes? Gestion des erreurs des utilisateurs 17/11/2013 Cours du Langage C ibr_guelzim@yahoo.fr ibrahimguelzim.atspace.co.uk

Plus en détail

a et b étant deux nombres relatifs donnés, une fonction affine est une fonction qui a un nombre x associe le nombre ax + b

a et b étant deux nombres relatifs donnés, une fonction affine est une fonction qui a un nombre x associe le nombre ax + b I Définition d une fonction affine Faire l activité 1 «une nouvelle fonction» 1. définition générale a et b étant deux nombres relatifs donnés, une fonction affine est une fonction qui a un nombre x associe

Plus en détail

Représentation des Nombres

Représentation des Nombres Chapitre 5 Représentation des Nombres 5. Representation des entiers 5.. Principe des représentations en base b Base L entier écrit 344 correspond a 3 mille + 4 cent + dix + 4. Plus généralement a n a n...

Plus en détail

Cours 1 : Introduction Ordinateurs - Langages de haut niveau - Application

Cours 1 : Introduction Ordinateurs - Langages de haut niveau - Application Université de Provence Licence Math-Info Première Année V. Phan Luong Algorithmique et Programmation en Python Cours 1 : Introduction Ordinateurs - Langages de haut niveau - Application 1 Ordinateur Un

Plus en détail

Cours 1 : Qu est-ce que la programmation?

Cours 1 : Qu est-ce que la programmation? 1/65 Introduction à la programmation Cours 1 : Qu est-ce que la programmation? Yann Régis-Gianas yrg@pps.univ-paris-diderot.fr Université Paris Diderot Paris 7 2/65 1. Sortez un appareil qui peut se rendre

Plus en détail

Quelques tests de primalité

Quelques tests de primalité Quelques tests de primalité J.-M. Couveignes (merci à T. Ezome et R. Lercier) Institut de Mathématiques de Bordeaux & INRIA Bordeaux Sud-Ouest Jean-Marc.Couveignes@u-bordeaux.fr École de printemps C2 Mars

Plus en détail

Par combien de zéros se termine N!?

Par combien de zéros se termine N!? La recherche à l'école page 79 Par combien de zéros se termine N!? par d es co llèg es An dré Do ucet de Nanterre et Victor Hugo de Noisy le Grand en seignants : Danielle Buteau, Martine Brunstein, Marie-Christine

Plus en détail

Commun à tous les candidats

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

Plus en détail

Etude sur Le service de restauration scolaire

Etude sur Le service de restauration scolaire Etude sur Le service de restauration scolaire En accord avec les objectifs de l Association des Parents d Elèves de Génération ECOLE, une enquête de satisfaction de la cantine scolaire a donné les résultats

Plus en détail

Le chiffre est le signe, le nombre est la valeur.

Le chiffre est le signe, le nombre est la valeur. Extrait de cours de maths de 6e Chapitre 1 : Les nombres et les opérations I) Chiffre et nombre 1.1 La numération décimale En mathématique, un chiffre est un signe utilisé pour l'écriture des nombres.

Plus en détail

Logique : ENSIIE 1A - contrôle final

Logique : ENSIIE 1A - contrôle final 1 Logique : ENSIIE 1A - contrôle final - CORRIGÉ Mardi 11 mai 2010 - Sans documents - Sans calculatrice ni ordinateur Durée : 1h30 Les exercices sont indépendants. Exercice 1 (Logique du premier ordre

Plus en détail

Feuille couverture de tâche du cadre du CLAO

Feuille couverture de tâche du cadre du CLAO Feuille couverture de tâche du cadre du CLAO Titre de la tâche : Trouver de l information nutritionnelle en ligne Nom de la personne apprenante : Date de début : Date de fin : Réussite : Oui Non Voie :

Plus en détail

Projet Active Object

Projet Active Object Projet Active Object TAO Livrable de conception et validation Romain GAIDIER Enseignant : M. Noël PLOUZEAU, ISTIC / IRISA Pierre-François LEFRANC Master 2 Informatique parcours MIAGE Méthodes Informatiques

Plus en détail

Objectifs du cours d aujourd hui. Informatique II : Cours d introduction à l informatique et à la programmation objet. Complexité d un problème (2)

Objectifs du cours d aujourd hui. Informatique II : Cours d introduction à l informatique et à la programmation objet. Complexité d un problème (2) Objectifs du cours d aujourd hui Informatique II : Cours d introduction à l informatique et à la programmation objet Complexité des problèmes Introduire la notion de complexité d un problème Présenter

Plus en détail

Nombres premiers. Comment reconnaître un nombre premier? Mais...

Nombres premiers. Comment reconnaître un nombre premier? Mais... Introduction Nombres premiers Nombres premiers Rutger Noot IRMA Université de Strasbourg et CNRS Le 19 janvier 2011 IREM Strasbourg Definition Un nombre premier est un entier naturel p > 1 ayant exactement

Plus en détail

LE PROCESSUS ( la machine) la fonction f. ( On lit : «fonction f qui à x associe f (x)» )

LE PROCESSUS ( la machine) la fonction f. ( On lit : «fonction f qui à x associe f (x)» ) SYNTHESE ( THEME ) FONCTIONS () : NOTIONS de FONCTIONS FONCTION LINEAIRE () : REPRESENTATIONS GRAPHIQUES * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * *

Plus en détail

Seconde Généralités sur les fonctions Exercices. Notion de fonction.

Seconde Généralités sur les fonctions Exercices. Notion de fonction. Seconde Généralités sur les fonctions Exercices Notion de fonction. Exercice. Une fonction définie par une formule. On considère la fonction f définie sur R par = x + x. a) Calculer les images de, 0 et

Plus en détail

Baccalauréat L spécialité, Métropole et Réunion, 19 juin 2009 Corrigé.

Baccalauréat L spécialité, Métropole et Réunion, 19 juin 2009 Corrigé. Baccalauréat L spécialité, Métropole et Réunion, 19 juin 2009 Corrigé. L usage d une calculatrice est autorisé Durée : 3heures Deux annexes sont à rendre avec la copie. Exercice 1 5 points 1_ Soit f la

Plus en détail

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

Université Paris-Dauphine DUMI2E 1ère année, 2009-2010. Applications Université Paris-Dauphine DUMI2E 1ère année, 2009-2010 Applications 1 Introduction Une fonction f (plus précisément, une fonction réelle d une variable réelle) est une règle qui associe à tout réel x au

Plus en détail

Rappels sur les suites - Algorithme

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

Plus en détail

THEME : CLES DE CONTROLE. Division euclidienne

THEME : CLES DE CONTROLE. Division euclidienne THEME : CLES DE CONTROLE Division euclidienne Soit à diviser 12 par 3. Nous pouvons écrire : 12 12 : 3 = 4 ou 12 3 = 4 ou = 4 3 Si par contre, il est demandé de calculer le quotient de 12 par 7, la division

Plus en détail

BAREME sur 40 points. Informatique - session 2 - Master de psychologie 2006/2007

BAREME sur 40 points. Informatique - session 2 - Master de psychologie 2006/2007 BAREME ur 40 point Informatique - eion 2 - Mater de pychologie 2006/2007 Bae de donnée PRET de MATERIEL AUDIO VISUEL. Remarque : Le ujet comporte 7 page. Vérifier qu il et complet avant de commencer. Une

Plus en détail

Petit lexique de calcul à l usage des élèves de sixième et de cinquième par M. PARCABE, professeur au collège Alain FOURNIER de BORDEAUX, mars 2007

Petit lexique de calcul à l usage des élèves de sixième et de cinquième par M. PARCABE, professeur au collège Alain FOURNIER de BORDEAUX, mars 2007 Petit lexique de calcul à l usage des élèves de sixième et de cinquième par M. PARCABE, professeur au collège Alain FOURNIER de BORDEAUX, mars 2007 page 1 / 10 abscisse addition additionner ajouter appliquer

Plus en détail

Objectifs du TP : Initiation à Access

Objectifs du TP : Initiation à Access Objectifs du TP : Initiation à Access I. Introduction Microsoft Access fait partie de l ensemble Microsoft Office. C est un SGBDR (système de gestion de bases de données relationnelles) présentant une

Plus en détail

Fonctions linéaires et affines. 1 Fonctions linéaires. 1.1 Vocabulaire. 1.2 Représentation graphique. 3eme

Fonctions linéaires et affines. 1 Fonctions linéaires. 1.1 Vocabulaire. 1.2 Représentation graphique. 3eme Fonctions linéaires et affines 3eme 1 Fonctions linéaires 1.1 Vocabulaire Définition 1 Soit a un nombre quelconque «fixe». Une fonction linéaire associe à un nombre x quelconque le nombre a x. a s appelle

Plus en détail

Algorithmes pour la planification de mouvements en robotique non-holonome

Algorithmes pour la planification de mouvements en robotique non-holonome Algorithmes pour la planification de mouvements en robotique non-holonome Frédéric Jean Unité de Mathématiques Appliquées ENSTA Le 02 février 2006 Outline 1 2 3 Modélisation Géométrique d un Robot Robot

Plus en détail

COMMENT PREPARER AU MIEUX SON CONTRÔLE TVA?

COMMENT PREPARER AU MIEUX SON CONTRÔLE TVA? COMMENT PREPARER AU MIEUX SON CONTRÔLE TVA? PIERRE-FREDERIC NYST Avocat fiscaliste au Barreau de Namur Avenue Cardinal Mercier, 46 5000 NAMUR Téléphone : +32 (0)81 23 13 93 Télécopie : +32 (0)81 23 13

Plus en détail

Chapitre 7. Récurrences

Chapitre 7. Récurrences Chapitre 7 Récurrences 333 Plan 1. Introduction 2. Applications 3. Classification des récurrences 4. Résolution de récurrences 5. Résumé et comparaisons Lectures conseillées : I MCS, chapitre 20. I Rosen,

Plus en détail

Quelques algorithmes simples dont l analyse n est pas si simple

Quelques algorithmes simples dont l analyse n est pas si simple Quelques algorithmes simples dont l analyse n est pas si simple Michel Habib habib@liafa.jussieu.fr http://www.liafa.jussieu.fr/~habib Algorithmique Avancée M1 Bioinformatique, Octobre 2008 Plan Histoire

Plus en détail

Fonctions de plusieurs variables

Fonctions de plusieurs variables Module : Analyse 03 Chapitre 00 : Fonctions de plusieurs variables Généralités et Rappels des notions topologiques dans : Qu est- ce que?: Mathématiquement, n étant un entier non nul, on définit comme

Plus en détail

Chapitre 11. Séries de Fourier. Nous supposons connues les formules donnant les coefficients de Fourier d une fonction 2 - périodique :

Chapitre 11. Séries de Fourier. Nous supposons connues les formules donnant les coefficients de Fourier d une fonction 2 - périodique : Chapitre Chapitre. Séries de Fourier Nous supposons connues les formules donnant les coefficients de Fourier d une fonction - périodique : c c a0 f x dx c an f xcosnxdx c c bn f xsinn x dx c L objet de

Plus en détail

IN 102 - Cours 1. 1 Informatique, calculateurs. 2 Un premier programme en C

IN 102 - Cours 1. 1 Informatique, calculateurs. 2 Un premier programme en C IN 102 - Cours 1 Qu on le veuille ou non, les systèmes informatisés sont désormais omniprésents. Même si ne vous destinez pas à l informatique, vous avez de très grandes chances d y être confrontés en

Plus en détail

Probabilités sur un univers fini

Probabilités sur un univers fini [http://mp.cpgedupuydelome.fr] édité le 7 août 204 Enoncés Probabilités sur un univers fini Evènements et langage ensembliste A quelle condition sur (a, b, c, d) ]0, [ 4 existe-t-il une probabilité P sur

Plus en détail

Intelligence Artificielle Planification

Intelligence Artificielle Planification Intelligence Artificielle Planification Bruno Bouzy http://web.mi.parisdescartes.fr/~bouzy bruno.bouzy@parisdescartes.fr Licence 3 Informatique UFR Mathématiques et Informatique Université Paris Descartes

Plus en détail

Contribution à l algorithmique de la vérification

Contribution à l algorithmique de la vérification Contribution à l algorithmique de la vérification (Mémoire d habilitation à diriger des recherches) Jean-Michel COUVREUR Laboratoire Bordelais de Recherche en Informatique CNRS UMR 5800 - Université Bordeaux

Plus en détail

Erreur statique. Chapitre 6. 6.1 Définition

Erreur statique. Chapitre 6. 6.1 Définition Chapitre 6 Erreur statique On considère ici le troisième paramètre de design, soit l erreur statique. L erreur statique est la différence entre l entrée et la sortie d un système lorsque t pour une entrée

Plus en détail

Chapitre 1 : Évolution COURS

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

Plus en détail

Cryptographie et fonctions à sens unique

Cryptographie et fonctions à sens unique Cryptographie et fonctions à sens unique Pierre Rouchon Centre Automatique et Systèmes Mines ParisTech pierre.rouchon@mines-paristech.fr Octobre 2012 P.Rouchon (Mines ParisTech) Cryptographie et fonctions

Plus en détail

Chapitre I Notions de base et outils de travail

Chapitre I Notions de base et outils de travail Chapitre I Notions de base et outils de travail Objectifs Connaître les principes fondateurs et l historique du langage Java S informer des principales caractéristiques du langage Java Connaître l environnement

Plus en détail

INF 232: Langages et Automates. Travaux Dirigés. Université Joseph Fourier, Université Grenoble 1 Licence Sciences et Technologies

INF 232: Langages et Automates. Travaux Dirigés. Université Joseph Fourier, Université Grenoble 1 Licence Sciences et Technologies INF 232: Langages et Automates Travaux Dirigés Université Joseph Fourier, Université Grenoble 1 Licence Sciences et Technologies Année Académique 2013-2014 Année Académique 2013-2014 UNIVERSITÉ JOSEPH

Plus en détail

Chapitre 1 Qu est-ce qu une expression régulière?

Chapitre 1 Qu est-ce qu une expression régulière? Chapitre 1 Qu est-ce qu une expression régulière? Les ordinateurs n ont pas du tout la même conception des textes que nous : pour nous, un texte est un ensemble d idées couchées sur papier. Nous nous en

Plus en détail

Plus courts chemins, programmation dynamique

Plus courts chemins, programmation dynamique 1 Plus courts chemins, programmation dynamique 1. Plus courts chemins à partir d un sommet 2. Plus courts chemins entre tous les sommets 3. Semi-anneau 4. Programmation dynamique 5. Applications à la bio-informatique

Plus en détail

Conversion d un entier. Méthode par soustraction

Conversion d un entier. Méthode par soustraction Conversion entre bases Pour passer d un nombre en base b à un nombre en base 10, on utilise l écriture polynomiale décrite précédemment. Pour passer d un nombre en base 10 à un nombre en base b, on peut

Plus en détail

clef primaire ; clef étrangère ; projection ; restriction ; jointure ; SQL ; SELECT ; FROM ; WHERE

clef primaire ; clef étrangère ; projection ; restriction ; jointure ; SQL ; SELECT ; FROM ; WHERE Cas Neptune hôtel Base de données et langage SQL Propriété Intitulé long Formation concernée Matière Notions Transversalité Présentation Description Neptune Hôtel. L interrogation d une base de données

Plus en détail

Processus d Informatisation

Processus d Informatisation Processus d Informatisation Cheminement de la naissance d un projet jusqu à son terme, deux grandes étapes : Recherche ou étude de faisabilité (en amont) L utilisateur a une idée (plus ou moins) floue

Plus en détail

Les puissances 4. 4.1. La notion de puissance. 4.1.1. La puissance c est l énergie pendant une seconde CHAPITRE

Les puissances 4. 4.1. La notion de puissance. 4.1.1. La puissance c est l énergie pendant une seconde CHAPITRE 4. LES PUISSANCES LA NOTION DE PUISSANCE 88 CHAPITRE 4 Rien ne se perd, rien ne se crée. Mais alors que consomme un appareil électrique si ce n est les électrons? La puissance pardi. Objectifs de ce chapitre

Plus en détail

Cours d algorithmique pour la classe de 2nde

Cours d algorithmique pour la classe de 2nde Cours d algorithmique pour la classe de 2nde F.Gaudon 10 août 2009 Table des matières 1 Avant la programmation 2 1.1 Qu est ce qu un algorithme?................................. 2 1.2 Qu est ce qu un langage

Plus en détail

Climat Scolaire - Manuel utilisateur - Chapitre 2 : «Créer, Editer et suivi d un texte»

Climat Scolaire - Manuel utilisateur - Chapitre 2 : «Créer, Editer et suivi d un texte» Climat Scolaire - Manuel utilisateur - Chapitre 2 : «Créer, Editer et suivi d un texte» Espace collaboratif Co-Ment Date : 01/12/2013 Référence du Projet : Chef de Projet : www.cndp.fr/climatscolaire Caroline

Plus en détail

Chap 4: Analyse syntaxique. Prof. M.D. RAHMANI Compilation SMI- S5 2013/14 1

Chap 4: Analyse syntaxique. Prof. M.D. RAHMANI Compilation SMI- S5 2013/14 1 Chap 4: Analyse syntaxique 1 III- L'analyse syntaxique: 1- Le rôle d'un analyseur syntaxique 2- Grammaires non contextuelles 3- Ecriture d'une grammaire 4- Les méthodes d'analyse 5- L'analyse LL(1) 6-

Plus en détail

Systèmes déductifs DEA D INFORMATIQUE UNIVERSITÉ BORDEAUX 1. Systèmes déductifs (Retoré) Plan Début Fin Préc. Suiv.

Systèmes déductifs DEA D INFORMATIQUE UNIVERSITÉ BORDEAUX 1. Systèmes déductifs (Retoré) Plan Début Fin Préc. Suiv. Systèmes déductifs DEA D INFORMATIQUE UNIVERSITÉ BORDEAUX 1 Plan 1 Liens avec d autres domaines de l informatique............... 3 2 La déduction naturelle de base (conjonction, implication)....... 4 3

Plus en détail

Programmation linéaire

Programmation linéaire 1 Programmation linéaire 1. Le problème, un exemple. 2. Le cas b = 0 3. Théorème de dualité 4. L algorithme du simplexe 5. Problèmes équivalents 6. Complexité de l Algorithme 2 Position du problème Soit

Plus en détail

Auto-Entreprise : Activités : Eric SOTY - Siret n 47868353500023. Formation Bureautique, continue d'adultes. Tél : 0953020032 - Fax : 0958020032

Auto-Entreprise : Activités : Eric SOTY - Siret n 47868353500023. Formation Bureautique, continue d'adultes. Tél : 0953020032 - Fax : 0958020032 Auto-Entreprise : Activités : Eric SOTY - Siret n 47868353500023 Formation Bureautique, APE : 8559A formation continue d'adultes. identité visuelle, charte T.V.A. non applicable, article 293 B du CGI.

Plus en détail

Probabilités. Rappel : trois exemples. Exemple 2 : On dispose d un dé truqué. On sait que : p(1) = p(2) =1/6 ; p(3) = 1/3 p(4) = p(5) =1/12

Probabilités. Rappel : trois exemples. Exemple 2 : On dispose d un dé truqué. On sait que : p(1) = p(2) =1/6 ; p(3) = 1/3 p(4) = p(5) =1/12 Probabilités. I - Rappel : trois exemples. Exemple 1 : Dans une classe de 25 élèves, il y a 16 filles. Tous les élèves sont blonds ou bruns. Parmi les filles, 6 sont blondes. Parmi les garçons, 3 sont

Plus en détail

TSTI 2D CH X : Exemples de lois à densité 1

TSTI 2D CH X : Exemples de lois à densité 1 TSTI 2D CH X : Exemples de lois à densité I Loi uniforme sur ab ; ) Introduction Dans cette activité, on s intéresse à la modélisation du tirage au hasard d un nombre réel de l intervalle [0 ;], chacun

Plus en détail

Suites numériques 4. 1 Autres recettes pour calculer les limites

Suites numériques 4. 1 Autres recettes pour calculer les limites Suites numériques 4 1 Autres recettes pour calculer les limites La propriété suivante permet de calculer certaines limites comme on verra dans les exemples qui suivent. Propriété 1. Si u n l et fx) est

Plus en détail

Représentation d un entier en base b

Représentation d un entier en base b Représentation d un entier en base b 13 octobre 2012 1 Prérequis Les bases de la programmation en langage sont supposées avoir été travaillées L écriture en base b d un entier est ainsi défini à partir

Plus en détail

PARTIE NUMERIQUE (18 points)

PARTIE NUMERIQUE (18 points) 4 ème DEVOIR COMMUN N 1 DE MATHÉMATIQUES 14/12/09 L'échange de matériel entre élèves et l'usage de la calculatrice sont interdits. Il sera tenu compte du soin et de la présentation ( 4 points ). Le barème

Plus en détail

Continuité et dérivabilité d une fonction

Continuité et dérivabilité d une fonction DERNIÈRE IMPRESSIN LE 7 novembre 014 à 10:3 Continuité et dérivabilité d une fonction Table des matières 1 Continuité d une fonction 1.1 Limite finie en un point.......................... 1. Continuité

Plus en détail

Les structures de données. Rajae El Ouazzani

Les structures de données. Rajae El Ouazzani Les structures de données Rajae El Ouazzani Les arbres 2 1- Définition de l arborescence Une arborescence est une collection de nœuds reliés entre eux par des arcs. La collection peut être vide, cad l

Plus en détail

Numération et sens du nombre Maternelle à la 3 e année

Numération et sens du nombre Maternelle à la 3 e année Numération et sens du nombre Maternelle à la 3 e année Grande idée : Quantité Activités Cadres à 5 ou 10 cases Les cadres à 5 et à 10 cases sont un excellent moyen de développer les points d ancrage 5

Plus en détail

Examen Médian - 1 heure 30

Examen Médian - 1 heure 30 NF01 - Automne 2014 Examen Médian - 1 heure 30 Polycopié papier autorisé, autres documents interdits Calculatrices, téléphones, traducteurs et ordinateurs interdits! Utilisez trois copies séparées, une

Plus en détail

LES TYPES DE DONNÉES DU LANGAGE PASCAL

LES TYPES DE DONNÉES DU LANGAGE PASCAL LES TYPES DE DONNÉES DU LANGAGE PASCAL 75 LES TYPES DE DONNÉES DU LANGAGE PASCAL CHAPITRE 4 OBJECTIFS PRÉSENTER LES NOTIONS D ÉTIQUETTE, DE CONS- TANTE ET DE IABLE DANS LE CONTEXTE DU LAN- GAGE PASCAL.

Plus en détail

Travaux pratiques. Compression en codage de Huffman. 1.3. Organisation d un projet de programmation

Travaux pratiques. Compression en codage de Huffman. 1.3. Organisation d un projet de programmation Université de Savoie Module ETRS711 Travaux pratiques Compression en codage de Huffman 1. Organisation du projet 1.1. Objectifs Le but de ce projet est d'écrire un programme permettant de compresser des

Plus en détail

UML et les Bases de Données

UML et les Bases de Données CNAM UML et les Bases de Données UML et les Bases de Données. Diagramme de classes / diagramme d objets (UML)...2.. Premier niveau de modélisation des données d une application...2.2. Les éléments de modélisation...2.2..

Plus en détail

GOL502 Industries de services

GOL502 Industries de services GOL502 Industries de services Conception d un service Partie IIb Version 2013 Introduction Conception d un service partie IIb Nous verrons dans ce chapitre Modélisation d un service; Langage de modélisation

Plus en détail

Anne Tasso. Java. Le livre de. premier langage. 10 e édition. Avec 109 exercices corrigés. Groupe Eyrolles, 2000-2015, ISBN : 978-2-212-14154-2

Anne Tasso. Java. Le livre de. premier langage. 10 e édition. Avec 109 exercices corrigés. Groupe Eyrolles, 2000-2015, ISBN : 978-2-212-14154-2 Anne Tasso Java Le livre de premier langage 10 e édition Avec 109 exercices corrigés Groupe Eyrolles, 2000-2015, ISBN : 978-2-212-14154-2 Table des matières Avant-propos Organisation de l ouvrage..............................

Plus en détail

Limites finies en un point

Limites finies en un point 8 Limites finies en un point Pour ce chapitre, sauf précision contraire, I désigne une partie non vide de R et f une fonction définie sur I et à valeurs réelles ou complees. Là encore, les fonctions usuelles,

Plus en détail

t 100. = 8 ; le pourcentage de réduction est : 8 % 1 t Le pourcentage d'évolution (appelé aussi taux d'évolution) est le nombre :

t 100. = 8 ; le pourcentage de réduction est : 8 % 1 t Le pourcentage d'évolution (appelé aussi taux d'évolution) est le nombre : Terminale STSS 2 012 2 013 Pourcentages Synthèse 1) Définition : Calculer t % d'un nombre, c'est multiplier ce nombre par t 100. 2) Exemples de calcul : a) Calcul d un pourcentage : Un article coûtant

Plus en détail

Précision d un résultat et calculs d incertitudes

Précision d un résultat et calculs d incertitudes Précision d un résultat et calculs d incertitudes PSI* 2012-2013 Lycée Chaptal 3 Table des matières Table des matières 1. Présentation d un résultat numérique................................ 4 1.1 Notations.........................................................

Plus en détail

Loi binomiale Lois normales

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

Plus en détail

Débuter avec EXPRESS. Alain Plantec. 1 Schema 2

Débuter avec EXPRESS. Alain Plantec. 1 Schema 2 Débuter avec EXPRESS Alain Plantec Table des matières 1 Schema 2 2 Entité 2 2.1 Attributs simples................................................ 2 2.2 Attributs collection...............................................

Plus en détail

Suites numériques 3. 1 Convergence et limite d une suite

Suites numériques 3. 1 Convergence et limite d une suite Suites numériques 3 1 Convergence et limite d une suite Nous savons que les termes de certaines suites s approchent de plus en plus d une certaine valeur quand n augmente : par exemple, les nombres u n

Plus en détail

Les structures. Chapitre 3

Les structures. Chapitre 3 Chapitre 3 Les structures Nous continuons notre étude des structures de données qui sont prédéfinies dans la plupart des langages informatiques. La structure de tableau permet de regrouper un certain nombre

Plus en détail

Consortium de recherche FOR@C. Value Stream Mapping Formation

Consortium de recherche FOR@C. Value Stream Mapping Formation Consortium de recherche FOR@C Value Stream Mapping Formation Table des matières Historique VSM: C est quoi? VSM: Ça inclut quoi? Exemple d un VSM Étape de réalisation du VSM 2 Historique Méthode développée

Plus en détail

Modèles à Événements Discrets. Réseaux de Petri Stochastiques

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

Plus en détail

Les Français et le don d organes

Les Français et le don d organes Les Français et le don d organes Rapport Version n 2 Date : 8 Février 2011 De: Nadia AUZANNEAU et Stéphanie CHARDRON A: Jean-Pierre SCOTTI et Saran SIDIBE OpinionWay, 15 place de la République, 75003 Paris.

Plus en détail

FOIRE AUX QUESTIONS PAIEMENT PAR INTERNET. Nom de fichier : Monetico_Paiement_Foire_aux_Questions_v1.7 Numéro de version : 1.7 Date : 2014-05-29

FOIRE AUX QUESTIONS PAIEMENT PAR INTERNET. Nom de fichier : Monetico_Paiement_Foire_aux_Questions_v1.7 Numéro de version : 1.7 Date : 2014-05-29 FOIRE AUX QUESTIONS PAIEMENT PAR INTERNET Nom de fichier : Monetico_Paiement_Foire_aux_Questions_v1.7 Numéro de version : 1.7 Date : 2014-05-29 FOIRE AUX QUESTIONS Confidentiel Titre du document : Monetico

Plus en détail