Logique et théorie des modèles
|
|
- Aubin Beauchemin
- il y a 7 ans
- Total affichages :
Transcription
1 Logique et théorie des modèles Cours de P. Joray Définition 0.1 Dans un langage L, une proposition est un énoncé qui possède l une des deux valeurs de vérité suivante : vrai ou faux. «2 + 2 = 4», «2 + 3 < 6», «2 + 3 < 4», «2 est premier» sont des propositions. «2 + 3», «n + 1 = 23» ne sont pas des propositions. Définition 0.2 Un argument est la donnée d un couple < Γ, c > avec Γ un ensemble de propositions (ici fini), on les appelle les prémisses de < Γ, c >, et c une proposition (conclusion de < Γ, c >). c est-elle une bonne conclusion face aux prémisses de l argument? Définition 0.3 Un argument < Γ, c > est dit valide si et seulement si il est impossible que toutes les propositions de Γ soient vraies et la conclusion c fausse. Arg1 : Arg2 : 12 est divisible par 6 Tout ce qui est divisible par 6 est pair 12 est pair = 4 4 est pair 2 est premier Dans Arg2, on ne voit pas pourquoi les axiomes garantissent la conclusion. D où le principe des formes : Deux arguments qui sont de même forme logique sont soit tous les deux valides, soit tous les deux non valides. Exemple Revenons sur Arg2... Arg2 : = 8 8 est pair 4 est premier On a fait un contre-argument. 1
2 Exemple Donnons un exemple de forme d argument. Attention, ce n est pas un argument. n est divisible par m tout ce qui est divisible par m est pair n est pair Si pour tous n et m c est correct, tous les arguments de cette forme sont valides. Sinon, tous les arguments de cette forme sont invalides. Parlons maintenant de logique des propositions... On dispose de constantes propositionnelles, appelées connecteurs propositionnels qui sont ET, noté, appelé conjonction OU, noté, appelé disjonction non exclusive NE...PAS, noté ou Exemple «3 est premier», «3 est pair» sont des propositions simples (i.e. ne contiennent pas de connecteurs propositionnels). «3 et premier ET 3 est pair», «3 N est PAS pair», «3 est premier ET 3 N est PAS pair» sont des propositions composées ou complexes Le langage que nous utilisons est donc les variables de propositions atomiques les connecteurs logiques propositionnels les parenthèses ( et ) Définition 0.4 La table de vérité de la conjonction est : A B A B La table de vérité de la négation est : A A Exemple Supposons V al(p) = 1 et V al(q) = 0. Que vaut V al( (p q))? p q q p q (p q) La dernière colonne est la signature de l expression. Traduisons en français : On a pas que p et pas q On a pas à la fois p et pas q On a pas p sans q Si on a p, on a q 2
3 Si p, alors q On appelle ceci par usage implication. Ici, on appellera ça le conditionnel Définition 0.5 Le conditionnel, noté A B est l abréviation de (A B). Sa table de vérité est A B A B Définition 0.6 Le biconditionnel, noté A B, est l abréviation de (A B) (B A). Sa table de vérité est A B A B Exemple Considérons l argument Alors : (p q) p q p q (p q) p q Alors sur toutes les lignes où tous les prémisses sont vraies (il n y en a qu une!), la conclusion est vraie. L argument est donc valide! Exemple Considérons maintenant l argument Alors : (p q) p q p q (p q) p q Sur la dernière ligne, les deux prémisses sont vraies et la conclusion fausse : cette fois, l argument n est pas valide. Demandons-nous maintenant : Quelles sont les fonctions de vérité exprimables à l aide de la base (, )? 3
4 Cela nous amène à : Définition 0.7 Un ensemble de connecteurs à l aide duquel toute fonction de vérité est exprimable est dit adéquat. Proposition 0.8 {, } est adéquat. Démonstration. Il suffit de faire tous les cas possibles. La réponse était donc : toutes. Définition 0.9 Une proposition est une tautologie si et seulement si elle est vraie quelque soit les valeurs de ses constituantes atomiques. On note une tautologie par =. = (p p) est le principe de contradiction = p (q p) est la loi de monotonie = (p q) ( q p) est la loi de contraposition Les propositions parfois vraies, parfois fausses sont dites contingentes. Les propositions toujours fausses sont dites inconsistantes, contradictoires ou antilogies. Exemple Soit p : Rennes est en Bretagne. V al(p) = 1, c est une vérité simple mais pas une vérité logique : = p. Soit q : Vitré est en Bretagne. V al(q) = 1, mais = q. V al(p q) = 1 mais = p q V al( p q) = 1 mais = p q V al((p q) q) = 1, et = (p q) q V al( p (p q)) = 1 et = p (p q) V al(p (q p)) = 1, et = p (q p) Définition 0.10 On dit que α implique logiquement β si α β est une tautologie, i.e α β = α β p q q p (p q) p q p 4
5 Définition 0.11 α et β sont logiquement équivalents si = α β. On note alors α β. p q q q (contraposition) p p (loi de double négation) (p q) p q et (p q) p q (lois de De Morgan) Finalement, α β signifie que quelle que soit la situation, α et β one la même valeur de vérité : V al(α) = V al(β). α β signifie que quelle que soit la situation où V al(α) = 1, on a aussi V al(β) = 1. Définition 0.12 Soit < Γ, c > un argument propositionnel. Soient p 1,..., p n les éléments de Γ. On dit que < Γ, c > est valide si n p i c i=1 1 Systèmes formels Définition 1.1 Un système formel S est la donnée de quatre ensembles < A, F, P, R > où A est l alphabet de S (au plus dénombrable, au moins deux éléments) F est l ensemble des formules de S (c est un sous-ensemble de suites finies d éléments de A) P est l ensemble des axiomes de S (c est une partie de F ) R est l ensemble des règles de S (c est un ensemble fini de relations formelles entre formules de S (A, F ) est le langage formel de S et (P, R) est l appareil déductif de S. Exemple Soit S 1 =< A, F, P, R > où A = A 1 A 2, avec A 1 = {a, b, c} et A 2 = { } F est le plus petit ensemble tel que A 1 F Si α, β F, alors la chaîne αβ F Par exemple, a a abba est une formule. P : Si α, β, γ F alors les chaînes suivantes (schéma d axiome I) : α βα (schéma d axiome II) : α βγ αβ αγ sont des axiomes. Par exemple, sont des axiomes a ba avec le schéma d axiome I, α = a et β = b. a aa avec le schéma d axiome I, α = β = a. ab b ab avec le schéma d axiome I, α = ab et β = b. R = {R 1 } : si α, β F, alors { αβ, α} est en relation R 1 avec β (i.e si on a αβ et α alors on a β ). Définition 1.2 5
6 Une preuve dans un système formel S est une suite finie ordonnée de formules de S α 1,..., α n telle que α i est soit un axiome de S, soit est obtenu par application d une règle de S à des formules qui précèdent. Définition 1.3 Un théorème dans un système formel S est la dernière ligne d une preuve. Si α est un théorème de S, on note S α. Exemple 1. a aaa }{{} a aa aa (axiome II, α = a, β = aa, γ = a) }{{} 2. a aaa (axiome I,α = a, β = aa) 3. a aa }{{}}{{} aa (1,2,R 1) 4. a aa (axiome I,α = a, β = a) 5. aa (3,4,R 1 ) C est une preuve, et donc S1 aa. 2 Le système formel L 0 Essayons de décrire proprement le système formel L 0, i.e adéquat. le calcul propositionel. On a vu que {, } était 2.1 L alphabet On a A = A 1 A 2 A 3 où A 1 = {p 1,..., p r,...} l ensemble des variables propositionnelles A 2 = {, } l ensemble des connecteurs A 3 = {(, )} l ensemble des parenthèses 2.2 Les formules L ensemble des formules F est le plus petit ensemble vérifiant (i) A 1 F (ii) Si α, β F alors (α β) F. (iii) Si α F alors α F. Par convention, on ôtera les parenthèses externes si ça ne pose pas de problèmes. 2.3 Les axiomes L ensemble P des axiomes est le plus petit ensemble vérifiant : Si α, β, γ F alors les chaînes formées selon les 3 schémas suivants appartiennent à P Ax 1 : (α (β α)) Ax 2 : ((α (β γ)) ((α β) (α γ))) Ax 3 : (( α β) (( α β) α)) (raisonnement par l absurde fort) 6
7 2.4 Les règles L ensemble R des règles d inférence est R = {MP } où MP est le plus petit ensemble de couples ordonnés tel que : Si α, β F alors le couple ({(α β), α}, β) MP 2.5 Propriétés de L 0 Commençons par un exemple. 1. (p 1 (p 1 p 1 ) p 1 )) ((p 1 (p 1 p 1 )) (p 1 p 1 )) (Ax 2, α = p 1, β = p 1 p 1 et γ = p 1 ) 2. p 1 ((p 1 p 1 ) p 1 ) (Ax 1, α = p 1, β = p 1 p 1 ) 3. (p 1 (p 1 p 1 )) (p 1 p 1 ) (1+2 MP ) 4. p 1 (p 1 p 1 ) (Ax 1, α = p 1 = β) 5. p 1 p 1 (3+4 MP ) Finalement, L 0 p 1 p 1. On dit alors que L 0 α α est un schéma de théorème. Métathéorème 2.1 L 0 est fondé, i.e quelque soit la formule α de L 0, si L 0 α alors = α. Définition 2.2 Un système formel S est consistant si il existe une formule α de S telle que S α. Métathéorème 2.3 L 0 est un système formel consistant. Démonstration. L 0 p 1 car = p 1 et contraposée du métathéorème 2.1. Définition 2.4 Un système formel S est dit contradictoire s il existe dans S un symbole interprété comme une négation propositionnelle ainsi qu une formule α tels que à la fois S α et S α. Métathéorème 2.5 L 0 est non contradictoire. Démonstration. Soit α tel que L 0 α. Par le métathéorème 2.1, = α. Ainsi = α. Par métathéorème 2.1, L 0 α. Définition 2.6 Dans un système formel S, une déduction à partir d un ensemble Γ de formules de S est une suite finie ordonnée de formules de S (α 1,..., α n ) telle que chaque α i soit : soit un axiome de S. soit un élément (formule) de Γ (on l appelle alors prémisse). soit est obtenue par application d une règle de S à des formules précédentes. 7
8 Définition 2.7 Dans un système formel S, une formule α est une conclusion à partir d une ensemble Γ de formules de S si il existe une déduction à partir de Γ où α est la dernière ligne. Notation α est une conclusion à partir de Γ dans S : Γ S α. p 1 p 2, p 2 L 0 p 1 Γ, p 1 p 2 L 0 p 1, L 0 p 1 p 1 (on ne note pas ) Démonstration. Pour le premier exemple : 1)( p 1 p 2 ) (( p1 p 2 ) p 1 ) Ax 3 2) p 1 p 2 Prémisse 3)( p 1 p 2 ) p 1 1, 2 + MP 4)p 2 ( p 1 p 2 ) Ax 1 5)p 2 Prémisse 6) p 1 p 2 4, 5 + MP 7)p 1 3, 6 + MP Définition 2.8 Un ensemble Γ de formules d un système formel S est consistant dans S s il existe au moins une formule de α de S tel que Γ S α. Définition 2.9 Un ensemble Γ de formules d un système formel S est contradictoire dans S s il existe dans S un symbole interprété comme une négation propositionnelle et une formule α telle que Γ S α et Γ S α. Γ 1 = { (p 1 p 2 ), p 2 } est contradictoire dans L 0. En effet Finalement, Γ 1 L 0 p 1 p 2 et Γ 1 L 0 (p 1 p 2 ). 1)p 2 Γ 1 2)p 2 (p 1 p 2 ) Ax 1 3)p 1 p 2 1, 2 + MP Γ 2 = { (p 1 p 2 ), p 1 }. Γ 2 est consistant dans L 0, mais comment montrer qu une formule ne se déduit pas? 8
9 Remarque p 1 p 2, p 2 L 0 p 1 p 1 p 2 L 0 p 2 p 1 L 0 ( p 1 p 2 ) (p 2 p 1 ) Ces trois déductions semblent être pareilles. En effet, on a le métathéorème : Métathéorème 2.10 : Détachement de l antécédent Dans L 0, soient Γ un ensemble de formules, α, β F. Alors s il existe une déduction Γ L 0 α β, alors Γ, α L 0 β. Démonstration. On suppose que de Γ on a une déduction (α 1,..., α n ) où α n = α β). Alors 1) α 1 2) α 2. n) α β n + 1) α n + 2) β Γ {α} n, n MP Métathéorème 2.11 : de la déduction Si on a Γ F, et α, β F, alors : si Γ, α L 0 β, alors Γ L 0 α β. Lemme 2.12 Soient Γ F, et α, β F. On a : si Γ L 0 β alors Γ L 0 α β. Démonstration. Exercice 7, TD 2. Lemme 2.13 Soient Γ F, et α, β, γ F. On a : si Γ L 0 α β et Γ L 0 α (β γ) alors Γ L 0 α γ. 9
10 Démonstration.. n) α β. n + m) α (β γ) n + m + 1) α (β γ) ((α β) (α γ)) Ax 2 n + m + 2) (α β) (α γ) n + m, n + m + 1 MP n + m + 3) α γ n, n + m + 2 MP Démonstration. Métathéorème 2.11 de la déduction On procède par récurrence sur le nombre de lignes de Γ, α L 0 β. S il n y a qu une seule ligne, 3 cas s offrent à nous : Cas 1 : β est un axiome. On a alors L 0 β, d où Γ L 0 β. Le lemme 2.12 nous dit Γ L 0 α β. Cas 2 : β Γ. Alors Γ L 0 β et le lemme 2.12 nous dit Γ L 0 α β. Cas 3 : β = α. On a montré que L 0 α α, et donc Γ L 0 α β Supposons maintenant que si Γ, α L 0 β en au plus n lignes, alors Γ L 0 α β. Montrons que Γ, α L 0 β en n + 1 lignes nous donne Γ L 0 α β. Cas 1 : β est un axiome. Ouais, ok. Cas 2 : β Γ. Ouais, ok. Cas 3 : β = α. Ouais, ok. Cas 4 : β est obtenu à partir de deux lignes «i) γ β» et «j) γ», i, j n. Alors Γ, α L 0 γ β et par hypothèse de récurrence, et Γ, α L 0 γ et par hypothèse de récurrence, Γ L 0 α (γ β) Γ L 0 α γ Ces deux déductions et le lemme 2.13 nous donnent Γ L 0 α β. 10
11 Retournons à la remarque de tout à l heure : Alors par métathéorème 2.11 de la déduction, En réappliquant le métathéorème, on obtient p 1 p 2, p 2 L 0 p 1. p 1 p 2 L 0 p 2 p 1. L 0 ( p 1 p 2 ) (p 2 p 1 ). Retournons à notre Γ 2 = { (p 1 p 2 ), p 2 }. Supposons Γ 2 L 0 p 2, i.e (p 1 p 2 ), p 1 L 0 p 2. En appliquant deux fois le métathéorème 2.11 de la déduction, on obtient (p 1 p 2 ) L 0 p 1 p 2 puis L 0 ( (p 1 p 2 )) (p 1 p 2 ). Or = ( (p 1 p 2 )) (p 1 p 2 ) et L 0 est fondé. D où une contradiction, et donc Γ 2 L 0 p 2, et finalement Γ 2 est consistant. On considère maintenant un ensemble de valeur V = {0, 1}, où 1 représente le "vrai" et 0 le "faux". On note F at l ensemble des formules atomiques {p 1,..., p n,...}. On remarque F at F. Définition 2.14 Dans L 0, un modèle est la donnée d un ensemble M F at. On note P(F at ) l ensemble de tous les modèles. Exemple F at est un modèle, aussi. Définition 2.15 Soit M un modèle. L évaluation relative à M est la donnée de l application Val M définie comme suit : { 1 si α M (i) si α F at, alors Val M (α) = 0 sinon { 1 si ValM (β) = 0 (ii) si α est β, alors Val M (α) = 0 si Val M (β) = 1 { 0 si ValM (γ) = 1 ou Val (iii) si α est β γ, alors Val M (α) = M (β) = 0 1 sinon On pose α = (p 1 p 3 ) et M 1 = {p 1 }. Alors 1. Val M1 (p 1 ) = 1 2. Val M1 (p 3 ) = 0 11
12 3. Val M1 (p 1 p 3 ) = 0 4. Val M1 ( (p 1 p 3 )) = 1 Maintenant, si M 2 = {p 1, p 3 }, on a Val M2 (α) = 0. Si M 3 = {p 3 }, alors Val M3 (α) = 0 Si M 4 =, alors Val M4 (α) = 0 Exemple Soit α = p 1 (p 2 p 1 ). Montrons que α est vraie pour tous les modèles. Supposons que non : il existe un modèle M tel que Val M (α) = 0. Alors nécessairement, Val M (p 1 ) = 1 et Val M (p 2 p 1 ) = 0. Donc, de même, Val M (p 2 ) = 1 et Val M (p 1 ) = 0, d où une contradiction. Donc α est vraie dans tous les modèles. Notation Si Val M (α) = 1 pour tout modèle M, on note M = α. Définition 2.16 On donne les définitions suivantes : Une formule α est dite vérifiable s il existe un modèle M tel que M = α. Une formule α est dite falsifiable s il existe un modèle M tel que M = α. Une formule α est dite logiquement valide si elle est vraie dans tous les modèles. On notera = α. Un ensemble Γ de formules est dit vérifiable s il existe un modèle M tel que pour toute formule α de Γ, on ait M = α. Métathéorème 2.17 : L 0 est fondé sur la validité logique Quelle que soit la formule α, on a : Si L 0 α alors = α. Métathéorème 2.18 Quel que soit l ensemble Γ de formules, on a : Si Γ est vérifiable alors Γ est consistant. Métathéorème 2.19 Quel que soit l ensemble Γ de formules, on a : Si Γ est consistant alors Γ est vérifiable. Métathéorème 2.20 : L 0 est sémantiquement complet Quel que soit la formule α, on a : Si = α alors L 0 α. Lemme 2.21 : de la transformée On définit la transformation t comme suit : 12
13 Si α est une formule et M un modèle, alors : t M (α) = { α si ValM (α) = 1 α si Val M (α) = 0 Alors quelles que soient α et M, il existe dans L 0 une déduction t M (f 1 ),..., t M (f k ) L 0 les atomes de α. t M (α) où les f i sont Démonstration. Métathéorème 2.20 Soit α tel que = α, et soient f 1,..., f k ses atomes. On a donc Val M (α) = 1 pour tout modèle M, et donc t M (α) = 1 pour tout modèle M. Le lemme de la transformée appliqué à α et M 0 = nous donne f 1,..., f k L 0 α. Le lemme de la transformée appliqué à α et M k = {f k } nous donne f 1,..., f k 1, f k L 0 α. Par métathéorème 2.11 de la déduction, on a donc et f 1,..., f k 1 L 0 f k α f 1,..., f k 1 L 0 f k α En utilisant L 0 (α β) (( α β) β) et MP deux fois, on obtient : On réitère le procédé, et on obtient L 0 α. f 1,..., f k 1 L 0 α. 3 Logique du premier ordre Définition 3.1 L n =< A, F L n, P, R > est un système formel pour la logique du premier ordre où : A = A 1 A 2 A 3 A 4 A 5 A 6 où : A 1 = {x 1, x 2,...} ensemble des variables d objets A 2 = {c 1, c 2,...} ensemble des constantes d objets A 3 = {f 1 1,..., f 1 n 1, f 2 1,..., f 2 n 2,...} ensemble des foncteurs (l exposant indique l arité du foncteur) A 4 = {p 1 1,..., p 1 n 1, p 2 1,..., p 2 n 2,...} ensemble des prédicats A 5 = {,, } A 6 = {(, )} On définit F L n en trois étapes : 1. Termes T L n : (i) si α A 1 A 2 alors α T L n. (ii) si f j i A 3 et β 1,..., β j T L n alors f j i β 1,..., β j T L n (iii) rien sinon n appartient à T L n 13
14 2. Formule atomiques F AL n : (i) si p j i A 4 et t 1,..., t j T L n alors p j i t 1... t j F AL n (ii) rien sinon n appartient à F AL n 3. Formules F L n : (i) si α F AL n alors α F L n (ii) si α F L n alors α F L n (iii) si α, β F L n alors (α β) F L n (iv) si α F L n et v A 1 alors ( v)α F L n (v) rien sinon n appartient à F L n Définition 3.2 On définit les abbréviations suivantes : α β = (α β) α β = α β α β = (α β) (β α) ( v)α = ( v) α ( v)α est appelé qualificateur universel, et ( v)α est appelé qualificateur existentiel. Dans les deux cas, le qualificateur est au nom de la variable v, et α est la portée du qualificateur. Définition 3.3 On distinue trois types de variables : 1. Les variables indiçaires (suivant le quantificateur) 2. Les variables liées (dans la portée d un qualificateur en leur nom) 3. Les variables libres (ni liées, ni indiçaires) Attention aux problèmes de confusion des variables! On ne peut substituer que les variables libres. Si x 3 est libre dans α, on note α(x 3 ), et pour substituer x 3 on note α[x 3 /f 1 1 c 2 ]. Définition 3.4 Un terme t est libre pour une variable v dans un formule α si et seulement si chacune des variables de t reste en occurence libre lorsqu on substitue t à toute les occurences libres de v dans α. Passons maintenant aux axiomes. Définition 3.5 L ensemble P contient les axiomes suivants : Ax1. (α (β α)) Ax2. ((α (β γ)) ((α β) (α γ))) Ax3. (( α β) (( α β) α)) Ax4. (( v)α α[v/t]) où t est libre pour v dans α. Ax5. (( v)(α β) (α ( v)β)) où α est sans occurence libre de v. 14
15 Les règles : Définition 3.6 Le modus ponens MP : {(α β), α} β. La règle de généralisation GEN : α ( v)α. INST : ( v)α α[v/t] avec t libre pour v dans α. DIST : ( v)(α β) α ( v)β avec α sans occurence libre de v. Définition 3.7 Dans une déduction Γ, α L n β, une variable libre α est tenue constante si et seulement si la règle GEN ne lie jamais cette variable par une application à α où à une formule inférée à partir de α. Métathéorème 3.8 : de la déduction pour L N Si Γ, α L n β est une déduction où toute les variables libres se α sont tenue constantes, alors on a Γ L n α β. L n est un système formel du premier ordre pur, i.e de pure logique. Un système formel du premier ordre appliqué par rapport à L n se construit en ajoutant des axiomes propres (on ne peut pas rajouter de nouvelles règles d inférence), et éventuellement en restreignant le langage. Exemple Système formel appliqué L ou structure d ordre partiel non strict. L alphabet est A 1 = A 1 (il y a des variables) A 2 = (il n y a pas de constantes) A 3 = (il n y a pas de foncteurs) A 4 = {p 2 1, p 2 2} (il y a deux prédicats binaires) Les axiomes propres qui viennent s ajouter aux autres sont : Ax1 p 2 1x 1 x 1 (reflexivité de p 2 1) Ax2 (p 2 1x 1 x 2 p 2 1x 2 x 3 ) p 2 1x 1 x 3 (transitivité de p 2 1) Ax3 (p 2 1x 1 x 2 p 2 1x 2 x 1 ) p 2 2x 1 x 2 Ax4 p 2 2x 1 x 2 ((p 2 1x 1 x 3 p 2 1x 2 x 3 ) (p 2 1x 3 x 1 p 2 1x 3 x 2 )) Exemple On considère L n = avec Réflexivité totale : ( x 1 )x 1 = x 1 On voudrait un truc du genre ( x 1 )( x 2 )(x 1 = x 2 x 1 et x 2 sont indiscernables. Définition 3.9 Une formule d un système formel du premier ordre est logiquement valide si elle est vraie dans tout modèle. On note = α. Définition 3.10 Une formule α d un système formel du premier ordre est satisfiable s il existe un modèle M et s S(Ω M ) tels que α soit satisfaite par s dans M. Métathéorème 3.11 : de cohérence L n est cohérent, i.e est fondé (donc non contradictoire et consistant) et sémantiquement complet. 15
16 Métathéorème 3.12 : de Löwenhein-Skolem Tout système formel du premier ordre qui possède un modèle possède un modèle dénombrable. Définition 3.13 Un système formel S est une expension d un système formel S si toute formule de S est une formule de S tout axiome de S est un axiome de S Si S est obtenu par ajout d un axiome α, on notera S = S + α. Métathéorème 3.14 Soit α un formule fermée d un système formel S telle que S α. Alors l expension S = S + α est non contradictoire. Métathéorème 3.15 Un système formel du premier ordre possède un modèle si et seulement si il est non contradictoire. 16
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 détailProbabilités 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 détailExercices - Fonctions de plusieurs variables : corrigé. Pour commencer
Pour commencer Exercice 1 - Ensembles de définition - Première année - 1. Le logarithme est défini si x + y > 0. On trouve donc le demi-plan supérieur délimité par la droite d équation x + y = 0.. 1 xy
Plus en détailChapitre 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 détailUniversité 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 détailCalcul matriciel. Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes.
1 Définitions, notations Calcul matriciel Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes. On utilise aussi la notation m n pour le
Plus en détailDe même, le périmètre P d un cercle de rayon 1 vaut P = 2π (par définition de π). Mais, on peut démontrer (difficilement!) que
Introduction. On suppose connus les ensembles N (des entiers naturels), Z des entiers relatifs et Q (des nombres rationnels). On s est rendu compte, depuis l antiquité, que l on ne peut pas tout mesurer
Plus en détailExercices - Polynômes : corrigé. Opérations sur les polynômes
Opérations sur les polynômes Exercice 1 - Carré - L1/Math Sup - Si P = Q est le carré d un polynôme, alors Q est nécessairement de degré, et son coefficient dominant est égal à 1. On peut donc écrire Q(X)
Plus en détailCalculabilité Cours 3 : Problèmes non-calculables. http://www.irisa.fr/lande/pichardie/l3/log/
Calculabilité Cours 3 : Problèmes non-calculables http://www.irisa.fr/lande/pichardie/l3/log/ Problèmes et classes de décidabilité Problèmes et classes de décidabilité Nous nous intéressons aux problèmes
Plus en détailUtilisation des tableaux sémantiques dans les logiques de description
Utilisation des tableaux sémantiques dans les logiques de description IFT6281 Web Sémantique Jacques Bergeron Département d informatique et de recherche opérationnelle Université de Montréal bergerja@iro.umontreal.ca
Plus en détailLimites 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 détailChapitre 2 Le problème de l unicité des solutions
Université Joseph Fourier UE MAT 127 Mathématiques année 2011-2012 Chapitre 2 Le problème de l unicité des solutions Ce que nous verrons dans ce chapitre : un exemple d équation différentielle y = f(y)
Plus en détail6. Les différents types de démonstrations
LES DIFFÉRENTS TYPES DE DÉMONSTRATIONS 33 6. Les différents types de démonstrations 6.1. Un peu de logique En mathématiques, une démonstration est un raisonnement qui permet, à partir de certains axiomes,
Plus en détail* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable T : pour travailler et mémoriser le cours
Exo7 Continuité (étude globale). Diverses fonctions Exercices de Jean-Louis Rouget. Retrouver aussi cette fiche sur www.maths-france.fr * très facile ** facile *** difficulté moyenne **** difficile *****
Plus en détailComparaison de fonctions Développements limités. Chapitre 10
PCSI - 4/5 www.ericreynaud.fr Chapitre Points importants 3 Questions de cours 6 Eercices corrigés Plan du cours 4 Eercices types 7 Devoir maison 5 Eercices Chap Et s il ne fallait retenir que si points?
Plus en détailOptimisation Discrète
Prof F Eisenbrand EPFL - DISOPT Optimisation Discrète Adrian Bock Semestre de printemps 2011 Série 7 7 avril 2011 Exercice 1 i Considérer le programme linéaire max{c T x : Ax b} avec c R n, A R m n et
Plus en détailNOMBRES COMPLEXES. Exercice 1 :
Exercice 1 : NOMBRES COMPLEXES On donne θ 0 un réel tel que : cos(θ 0 ) 5 et sin(θ 0 ) 1 5. Calculer le module et l'argument de chacun des nombres complexes suivants (en fonction de θ 0 ) : a i( )( )(1
Plus en détailLogique : 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 détailReprésentation géométrique d un nombre complexe
CHAPITRE 1 NOMBRES COMPLEXES 1 Représentation géométrique d un nombre complexe 1. Ensemble des nombres complexes Soit i le nombre tel que i = 1 L ensemble des nombres complexes est l ensemble des nombres
Plus en détailChap 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 détailExo7. Matrice d une application linéaire. Corrections d Arnaud Bodin.
Exo7 Matrice d une application linéaire Corrections d Arnaud odin. Exercice Soit R muni de la base canonique = ( i, j). Soit f : R R la projection sur l axe des abscisses R i parallèlement à R( i + j).
Plus en détailIntelligence 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 détailIntégration et probabilités TD1 Espaces mesurés Corrigé
Intégration et probabilités TD1 Espaces mesurés Corrigé 2012-2013 1 Petites questions 1 Est-ce que l ensemble des ouverts de R est une tribu? Réponse : Non, car le complémentaire de ], 0[ n est pas ouvert.
Plus en détailUEO11 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 détailProbabilités sur un univers fini
[http://mp.cpgedupuydelome.fr] édité le 10 août 2015 Enoncés 1 Proailités sur un univers fini Evènements et langage ensemliste A quelle condition sur (a,, c, d) ]0, 1[ 4 existe-t-il une proailité P sur
Plus en détailCours de mathématiques
DEUG MIAS premier niveau Cours de mathématiques année 2003/2004 Guillaume Legendre (version révisée du 3 avril 2015) Table des matières 1 Éléments de logique 1 1.1 Assertions...............................................
Plus en détailProgrammation 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 détailRésolution d équations non linéaires
Analyse Numérique Résolution d équations non linéaires Said EL HAJJI et Touria GHEMIRES Université Mohammed V - Agdal. Faculté des Sciences Département de Mathématiques. Laboratoire de Mathématiques, Informatique
Plus en détailIntroduction à l étude des Corps Finis
Introduction à l étude des Corps Finis Robert Rolland (Résumé) 1 Introduction La structure de corps fini intervient dans divers domaines des mathématiques, en particulier dans la théorie de Galois sur
Plus en détailContinuité 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 détailEspérance conditionnelle
Espérance conditionnelle Samy Tindel Nancy-Université Master 1 - Nancy Samy T. (IECN) M1 - Espérance conditionnelle Nancy-Université 1 / 58 Plan 1 Définition 2 Exemples 3 Propriétés de l espérance conditionnelle
Plus en détailMoments des variables aléatoires réelles
Chapter 6 Moments des variables aléatoires réelles Sommaire 6.1 Espérance des variables aléatoires réelles................................ 46 6.1.1 Définition et calcul........................................
Plus en détailLe produit semi-direct
Le produit semi-direct Préparation à l agrégation de mathématiques Université de Nice - Sophia Antipolis Antoine Ducros Octobre 2007 Ce texte est consacré, comme son titre l indique, au produit semi-direct.
Plus en détailIUT de Laval Année Universitaire 2008/2009. Fiche 1. - Logique -
IUT de Laval Année Universitaire 2008/2009 Département Informatique, 1ère année Mathématiques Discrètes Fiche 1 - Logique - 1 Logique Propositionnelle 1.1 Introduction Exercice 1 : Le professeur Leblond
Plus en détailThéorie des Langages
Théorie des Langages Analyse syntaxique descendante Claude Moulin Université de Technologie de Compiègne Printemps 2010 Sommaire 1 Principe 2 Premiers 3 Suivants 4 Analyse 5 Grammaire LL(1) Exemple : Grammaire
Plus en détailFonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre
IUFM du Limousin 2009-10 PLC1 Mathématiques S. Vinatier Rappels de cours Fonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre 1 Fonctions de plusieurs variables
Plus en détailLA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING»
LA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING» Gilbert Saporta Professeur de Statistique Appliquée Conservatoire National des Arts et Métiers Dans leur quasi totalité, les banques et organismes financiers
Plus en détail1 radian. De même, la longueur d un arc de cercle de rayon R et dont l angle au centre a pour mesure α radians est α R. R AB =R.
Angles orientés Trigonométrie I. Préliminaires. Le radian Définition B R AB =R C O radian R A Soit C un cercle de centre O. Dire que l angle géométrique AOB a pour mesure radian signifie que la longueur
Plus en détailFondements de l informatique Logique, modèles, et calculs
Fondements de l informatique Logique, modèles, et calculs Cours INF423 de l Ecole Polytechnique Olivier Bournez Version du 20 septembre 2013 2 Table des matières 1 Introduction 9 1.1 Concepts mathématiques........................
Plus en détailPour l épreuve d algèbre, les calculatrices sont interdites.
Les pages qui suivent comportent, à titre d exemples, les questions d algèbre depuis juillet 003 jusqu à juillet 015, avec leurs solutions. Pour l épreuve d algèbre, les calculatrices sont interdites.
Plus en détailEconomie de l incertain et de l information Partie 1 : Décision en incertain probabilisé Chapitre 1 : Introduction à l incertitude et théorie de
Economie de l incertain et de l information Partie 1 : Décision en incertain probabilisé Chapitre 1 : Introduction à l incertitude et théorie de l espérance d utilité Olivier Bos olivier.bos@u-paris2.fr
Plus en détailExo7. 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 détailChapitre 3. Les distributions à deux variables
Chapitre 3. Les distributions à deux variables Jean-François Coeurjolly http://www-ljk.imag.fr/membres/jean-francois.coeurjolly/ Laboratoire Jean Kuntzmann (LJK), Grenoble University 1 Distributions conditionnelles
Plus en détailEnoncé et corrigé du brevet des collèges dans les académies d Aix- Marseille, Montpellier, Nice Corse et Toulouse en 2000. Énoncé.
Enoncé et corrigé du brevet des collèges dans les académies d Aix- Marseille, Montpellier, Nice Corse et Toulouse en 2000. Énoncé. I- ACTIVITES NUMERIQUES (12 points) Exercice 1 (3 points) On considère
Plus en détailLe théorème de Thalès et sa réciproque
Le théorème de Thalès et sa réciproque I) Agrandissement et Réduction d une figure 1) Définition : Lorsque toutes les longueurs d une figure F sont multipliées par un même nombre k on obtient une autre
Plus en détailIntelligence artificielle appliquée à l automatique
Intelligence artificielle appliquée à l automatique par Sylviane GENTIL Professeur à l École nationale supérieure d ingénieurs électriciens Institut national polytechnique de Grenoble 1. Définitions et
Plus en détailEteindre. les. lumières MATH EN JEAN 2013-2014. Mme BACHOC. Elèves de seconde, première et terminale scientifiques :
MTH EN JEN 2013-2014 Elèves de seconde, première et terminale scientifiques : Lycée Michel Montaigne : HERITEL ôme T S POLLOZE Hélène 1 S SOK Sophie 1 S Eteindre Lycée Sud Médoc : ROSIO Gauthier 2 nd PELGE
Plus en détailCalculs de probabilités
Calculs de probabilités Mathématiques Générales B Université de Genève Sylvain Sardy 13 mars 2008 1. Définitions et notations 1 L origine des probabilités est l analyse de jeux de hasard, tels que pile
Plus en détailIntroduction a l'algorithmique des objets partages. Robert Cori. Antoine Petit. Lifac, ENS Cachan, 94235 Cachan Cedex. Resume
Introduction a l'algorithmique des objets partages Bernadette Charron{Bost Robert Cori Lix, Ecole Polytechnique, 91128 Palaiseau Cedex, France, charron@lix.polytechnique.fr cori@lix.polytechnique.fr Antoine
Plus en détailExercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Banque PT
Exercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Banque PT Ces exercices portent sur les items 2, 3 et 5 du programme d informatique des classes préparatoires,
Plus en détailAnalyse Combinatoire
Analyse Combinatoire 1) Équipes On dispose d un groupe de cinq personnes. a) Combien d équipes de trois personnes peut-on former? b) Combien d équipes avec un chef, un sous-chef et un adjoint? c) Combien
Plus en détailInitiation à la Programmation en Logique avec SISCtus Prolog
Initiation à la Programmation en Logique avec SISCtus Prolog Identificateurs Ils sont représentés par une suite de caractères alphanumériques commençant par une lettre minuscule (les lettres accentuées
Plus en détailRéalisabilité et extraction de programmes
Mercredi 9 mars 2005 Extraction de programme: qu'est-ce que c'est? Extraire à partir d'une preuve un entier x N tel que A(x). π x N A(x) (un témoin) (En fait, on n'extrait pas un entier, mais un programme
Plus en détailChapitre 3. Quelques fonctions usuelles. 1 Fonctions logarithme et exponentielle. 1.1 La fonction logarithme
Chapitre 3 Quelques fonctions usuelles 1 Fonctions logarithme et eponentielle 1.1 La fonction logarithme Définition 1.1 La fonction 7! 1/ est continue sur ]0, +1[. Elle admet donc des primitives sur cet
Plus en détailImage d un intervalle par une fonction continue
DOCUMENT 27 Image d un intervalle par une fonction continue La continuité d une fonction en un point est une propriété locale : une fonction est continue en un point x 0 si et seulement si sa restriction
Plus en détailProblèmes de Mathématiques Filtres et ultrafiltres
Énoncé Soit E un ensemble non vide. On dit qu un sous-ensemble F de P(E) est un filtre sur E si (P 0 ) F. (P 1 ) (X, Y ) F 2, X Y F. (P 2 ) X F, Y P(E) : X Y Y F. (P 3 ) / F. Première Partie 1. Que dire
Plus en détailDOCM 2013 http://docm.math.ca/ Solutions officielles. 1 2 10 + 1 2 9 + 1 2 8 = n 2 10.
A1 Trouvez l entier positif n qui satisfait l équation suivante: Solution 1 2 10 + 1 2 9 + 1 2 8 = n 2 10. En additionnant les termes du côté gauche de l équation en les mettant sur le même dénominateur
Plus en détailArchitecture des ordinateurs TD1 - Portes logiques et premiers circuits
Architecture des ordinateurs TD1 - Portes logiques et premiers circuits 1 Rappel : un peu de logique Exercice 1.1 Remplir la table de vérité suivante : a b a + b ab a + b ab a b 0 0 0 1 1 0 1 1 Exercice
Plus en détailItems étudiés dans le CHAPITRE N5. 7 et 9 p 129 D14 Déterminer par le calcul l'antécédent d'un nombre par une fonction linéaire
CHAPITRE N5 FONCTIONS LINEAIRES NOTION DE FONCTION FONCTIONS LINEAIRES NOTION DE FONCTION FONCTIONS LINEAIRES NOTION DE FONCTION Code item D0 D2 N30[S] Items étudiés dans le CHAPITRE N5 Déterminer l'image
Plus en détailLes indices à surplus constant
Les indices à surplus constant Une tentative de généralisation des indices à utilité constante On cherche ici en s inspirant des indices à utilité constante à définir un indice de prix de référence adapté
Plus en détailLogique binaire. Aujourd'hui, l'algèbre de Boole trouve de nombreuses applications en informatique et dans la conception des circuits électroniques.
Logique binaire I. L'algèbre de Boole L'algèbre de Boole est la partie des mathématiques, de la logique et de l'électronique qui s'intéresse aux opérations et aux fonctions sur les variables logiques.
Plus en détailSeconde 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 détailReprésentation 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 détailDate : 18.11.2013 Tangram en carré page
Date : 18.11.2013 Tangram en carré page Titre : Tangram en carré Numéro de la dernière page : 14 Degrés : 1 e 4 e du Collège Durée : 90 minutes Résumé : Le jeu de Tangram (appelé en chinois les sept planches
Plus en détailRésolution de systèmes linéaires par des méthodes directes
Résolution de systèmes linéaires par des méthodes directes J. Erhel Janvier 2014 1 Inverse d une matrice carrée et systèmes linéaires Ce paragraphe a pour objet les matrices carrées et les systèmes linéaires.
Plus en détailChapitre 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 détailAlgèbre binaire et Circuits logiques (2007-2008)
Université Mohammed V Faculté des Sciences Département de Mathématiques et Informatique Filière : SMI Algèbre binaire et Circuits logiques (27-28) Prof. Abdelhakim El Imrani Plan. Algèbre de Boole 2. Circuits
Plus en détailMATHÉMATIQUES. Les préalables pour l algèbre MAT-P020-1 DÉFINITION DU DOMAINE D EXAMEN
MATHÉMATIQUES Les préalables pour l algèbre MAT-P020-1 DÉFINITION DU DOMAINE D EXAMEN Mars 2001 MATHÉMATIQUES Les préalables pour l algèbre MAT-P020-1 DÉFINITION DU DOMAINE D EXAMEN Mars 2001 Direction
Plus en détailBases de données Cours 5 : Base de données déductives
Cours 5 : ESIL Université de la méditerranée Odile.Papini@esil.univmed.fr http://odile.papini.perso.esil.univmed.fr/sources/bd.html Plan du cours 1 Introduction 2 approche sémantique approche axiomatique
Plus en détailINF 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 détailI - PUISSANCE D UN POINT PAR RAPPORT A UN CERCLE CERCLES ORTHOGONAUX POLES ET POLAIRES
I - PUISSANCE D UN POINT PAR RAPPORT A UN CERCLE CERCLES ORTHOGONAUX POLES ET POLAIRES Théorème - Définition Soit un cercle (O,R) et un point. Une droite passant par coupe le cercle en deux points A et
Plus en détailRaisonnement par récurrence Suites numériques
Chapitre 1 Raisonnement par récurrence Suites numériques Terminale S Ce que dit le programme : CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Raisonnement par récurrence. Limite finie ou infinie d une suite.
Plus en détailCapacité d un canal Second Théorème de Shannon. Théorie de l information 1/34
Capacité d un canal Second Théorème de Shannon Théorie de l information 1/34 Plan du cours 1. Canaux discrets sans mémoire, exemples ; 2. Capacité ; 3. Canaux symétriques ; 4. Codage de canal ; 5. Second
Plus en détailMIS 102 Initiation à l Informatique
MIS 102 Initiation à l Informatique Responsables et cours : Cyril Gavoille Catherine Pannier Matthias Robine Marc Zeitoun Planning : 6 séances de cours 5 séances de TD (2h40) 4 séances de TP (2h40) + environ
Plus en détailSéminaire TEST. 1 Présentation du sujet. October 18th, 2013
Séminaire ES Andrés SÁNCHEZ PÉREZ October 8th, 03 Présentation du sujet Le problème de régression non-paramétrique se pose de la façon suivante : Supposons que l on dispose de n couples indépendantes de
Plus en détailProgrammation linéaire
Programmation linéaire DIDIER MAQUIN Ecole Nationale Supérieure d Electricité et de Mécanique Institut National Polytechnique de Lorraine Mathématiques discrètes cours de 2ème année Programmation linéaire
Plus en détailCHAPITRE IV. L axiome du choix
CHAPITRE IV L axiome du choix Résumé. L axiome du choix AC affirme qu il est légitime de construire des objets mathématiques en répétant un nombre infini de fois l opération de choisir un élément dans
Plus en détailAnalyse stochastique de la CRM à ordre partiel dans le cadre des essais cliniques de phase I
Analyse stochastique de la CRM à ordre partiel dans le cadre des essais cliniques de phase I Roxane Duroux 1 Cadre de l étude Cette étude s inscrit dans le cadre de recherche de doses pour des essais cliniques
Plus en détailDéfinition 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 détailchapitre 4 Nombres de Catalan
chapitre 4 Nombres de Catalan I Dénitions Dénition 1 La suite de Catalan (C n ) n est la suite dénie par C 0 = 1 et, pour tout n N, C n+1 = C k C n k. Exemple 2 On trouve rapidement C 0 = 1, C 1 = 1, C
Plus en détailCalcul fonctionnel holomorphe dans les algèbres de Banach
Chapitre 7 Calcul fonctionnel holomorphe dans les algèbres de Banach L objet de ce chapitre est de définir un calcul fonctionnel holomorphe qui prolonge le calcul fonctionnel polynômial et qui respecte
Plus en détailSOCLE COMMUN - La Compétence 3 Les principaux éléments de mathématiques et la culture scientifique et technologique
SOCLE COMMUN - La Compétence 3 Les principaux éléments de mathématiques et la culture scientifique et technologique DOMAINE P3.C3.D1. Pratiquer une démarche scientifique et technologique, résoudre des
Plus en détailLa persistance des nombres
regards logique & calcul La persistance des nombres Quand on multiplie les chiffres d un nombre entier, on trouve un autre nombre entier, et l on peut recommencer. Combien de fois? Onze fois au plus...
Plus en détailLicence MASS 2000-2001. (Re-)Mise à niveau en Probabilités. Feuilles de 1 à 7
Feuilles de 1 à 7 Ces feuilles avec 25 exercices et quelques rappels historiques furent distribuées à des étudiants de troisième année, dans le cadre d un cours intensif sur deux semaines, en début d année,
Plus en détailI. Polynômes de Tchebychev
Première épreuve CCP filière MP I. Polynômes de Tchebychev ( ) 1.a) Tout réel θ vérifie cos(nθ) = Re ((cos θ + i sin θ) n ) = Re Cn k (cos θ) n k i k (sin θ) k Or i k est réel quand k est pair et imaginaire
Plus en détailQu est-ce qu une probabilité?
Chapitre 1 Qu est-ce qu une probabilité? 1 Modéliser une expérience dont on ne peut prédire le résultat 1.1 Ensemble fondamental d une expérience aléatoire Une expérience aléatoire est une expérience dont
Plus en détailCours 02 : Problème général de la programmation linéaire
Cours 02 : Problème général de la programmation linéaire Cours 02 : Problème général de la Programmation Linéaire. 5 . Introduction Un programme linéaire s'écrit sous la forme suivante. MinZ(ou maxw) =
Plus en détailSouad 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 détailÉquations non linéaires
Équations non linéaires Objectif : trouver les zéros de fonctions (ou systèmes) non linéaires, c-à-d les valeurs α R telles que f(α) = 0. y f(x) α 1 α 2 α 3 x Equations non lineaires p. 1/49 Exemples et
Plus en détailCours d Analyse I et II
ÉCOLE POLYTECHNIQUE FÉDÉRALE DE LAUSANNE Cours d Analyse I et II Sections Microtechnique & Science et génie des matériaux Dr. Philippe Chabloz avril 23 Table des matières Sur les nombres. Les nombres
Plus en détailFormes quadratiques. 1 Formes quadratiques et formes polaires associées. Imen BHOURI. 1.1 Définitions
Formes quadratiques Imen BHOURI 1 Ce cours s adresse aux étudiants de niveau deuxième année de Licence et à ceux qui préparent le capes. Il combine d une façon indissociable l étude des concepts bilinéaires
Plus en détailProgrammation linéaire et Optimisation. Didier Smets
Programmation linéaire et Optimisation Didier Smets Chapitre 1 Un problème d optimisation linéaire en dimension 2 On considère le cas d un fabricant d automobiles qui propose deux modèles à la vente, des
Plus en détailContinuité en un point
DOCUMENT 4 Continuité en un point En général, D f désigne l ensemble de définition de la fonction f et on supposera toujours que cet ensemble est inclus dans R. Toutes les fonctions considérées sont à
Plus en détailSérie TD 3. Exercice 4.1. Exercice 4.2 Cet algorithme est destiné à prédire l'avenir, et il doit être infaillible! Exercice 4.3. Exercice 4.
Série TD 3 Exercice 4.1 Formulez un algorithme équivalent à l algorithme suivant : Si Tutu > Toto + 4 OU Tata = OK Alors Tutu Tutu + 1 Tutu Tutu 1 ; Exercice 4.2 Cet algorithme est destiné à prédire l'avenir,
Plus en détailLE 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 détailInitiation à la programmation en Python
I-Conventions Initiation à la programmation en Python Nom : Prénom : Une commande Python sera écrite en caractère gras. Exemples : print 'Bonjour' max=input("nombre maximum autorisé :") Le résultat de
Plus en détailExo7. 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 détailI. Ensemble de définition d'une fonction
Chapitre 2 Généralités sur les fonctions Fonctions de références et fonctions associées Ce que dit le programme : Étude de fonctions Fonctions de référence x x et x x Connaître les variations de ces deux
Plus en détailGéométrie dans l espace Produit scalaire et équations
Chapitre 11. 2ème partie Géométrie dans l espace Produit scalaire et équations Terminale S Ce que dit le programme : CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES 2ème partie Produit scalaire Produit scalaire
Plus en détailLa demande Du consommateur. Contrainte budgétaire Préférences Choix optimal
La demande Du consommateur Contrainte budgétaire Préférences Choix optimal Plan du cours Préambule : Rationalité du consommateur I II III IV V La contrainte budgétaire Les préférences Le choix optimal
Plus en détail