Logique/Ensembles. Logique 2. 1 Rudiments de logique. 1.1 Assertions, connecteurs, synonymie.

Dimension: px
Commencer à balayer dès la page:

Download "Logique/Ensembles. Logique 2. 1 Rudiments de logique. 1.1 Assertions, connecteurs, synonymie."

Transcription

1 Logique 2 Logique/Ensembles 1 Rudiments de logique. 1.1 Assertions, connecteurs, synonymie. La notion d'assertion est considérée comme intuitive : on se donne la dénition vague ci-dessous. Dénition 1. Une assertion est une phrase qui peut prendre deux valeurs de vérité : Vrai (V) ou Faux (F). Par exemple, les phrases "4 est pair", "1 + 1 = 2" et "1 + 1 = 1" sont des assertions. On peut estimer que "Il a plu le jour de la rentrée 2015 sur le Lycée Schweitzer" est une assertion. En revanche, "Comment allezvous?" n'en est pas une. Les assertions "4 est pair", "1+1 = 2" sont vraies, l'assertion "1+1 = 1" est fausse. On appelle négation d'une assertion P l'assertion qui est vraie quand P est fausse, et fausse quand P est vraie. Formalisons. Dénition 2. Soit P une assertion. On appelle négation de P, et on note (non P ), ou encore P, l'assertion dénie par la table de vérité suivante : P P V F F V On peut aussi combiner des assertions à l'aide de connecteurs logiques binaires. Si truc est un tel connecteur logique, et P et Q deux assertions, P truc Q est une assertion dont la valeur de vérité est fonction des valeurs de vérité de P et Q. Dénition 3. La table de vérité ci-dessous dénit les connecteurs logiques suivants : La conjonction : "et". La disjonction : "ou". La disjonction exclusive : "ou bien". L'implication : "implique" ou "= " L'équivalence : "équivaut à" ou " " P Q P et Q P ou Q P ou bien Q P = Q P Q V V V V F V V V F F V V F F F V F V V V F F F F F F V V 1 PCSI1 Ly c é e A l be r t S chwe i t z e r

2 Exemples. ("Aurélien est un garçon et "Elsa est une lle") est vraie. ("Aurélien est un garçon" ou "Elsa est une lle") est vraie. ("Aurélien est un garçon" ou bien "Elsa est une lle") est fausse. ("Aurélien est un garçon" et "Elsa est en PCSI1") est fausse. ("Aurélien est un garçon" ou "Elsa est en PCSI1") est vraie. ("6 est pair"= "7 est impair") est vraie. ("5 est pair"= "7 est impair") est vraie. ("5 est impair"= "7 est pair") est fausse. ("5 est pair"= "je suis votre père") est vraie. En combinant deux à deux des assertions, on peut obtenir des assertions "complexes", du type (("6 est impair" ou "7 est impair") et "3 est pair") = ("2 est pair"). Soient P 1, P 2,... P n des assertions. A l'aide de connecteurs logiques, on forme des assertions A(P 1,..., P n ) et B(P 1,..., P n ). Lorsque ces assertions ont la même valeur de vérité, quelles que soient les valeurs de vérité des assertions P 1,..., P n, on dira dans ce cours qu'elles sont synonymes et on écrira 1.2 Connecteurs et et ou. Proposition 4. A(P 1,..., P n ) B(P 1,..., P n ). Soient P, Q, R des assertions. On a les synonymies suivantes. a) ( P ) P, (P et P ) P, (P ou P ) P. b) (P et Q) (Q et P ), (P ou Q) (Q ou P ). c) ((P et Q) et R) (P et (Q et R)), ((P ou Q) ou R) (P ou (Q ou R)). d) P et (Q ou R) (P et Q) ou (P et R) P ou (Q et R) (P ou Q) et (P ou R). e) (P et Q) ( P ) ou ( Q), (P ou Q) ( P ) et ( Q) (formules de Morgan). Remarques. c) est une propriété d'associativité et montre que certaines parenthèses sont superues. d) est une propriété de distributivité où et tient lieu de multiplication et ou d'addition. a) et c) montrent que toute assertion utilisant un et peut être réécrite en n'utilisant que et ou. Preuve : On laisse au lecteur le soin d'écrire les tables de vérité nécessaires. Voici celle qui démontre d). P Q R Q ou R P et (Q ou R) P et Q P et R (P et Q) ou (P et R) V V V V V V V V V V F V V V F V V F V V V F V V V F F F F F F F F V V V F F F F F V F V F F F F F F V V F F F F F F F F F F F F 2

3 1.3 Implication, équivalence. On énonce dans ce qui suit des synonymies concernant l'implication et en tire des conclusions pratiques sur la preuve d'une implication, et d'une équivalence. Proposition 5. Soient P, Q des assertions. On a la synonymie P = Q ( P ) ou Q. Corollaire 6 (Négation d'une implication). Soient P et Q deux assertions. La négation de P = Q est (P = Q) P et ( Q). Conséquence pratique de la proposition 5 : Preuve directe d'une implication (voir aussi Raisonner/Rédiger, 3.1). Si P est fausse alors P = Q sera vraie, quelle que soit la valeur de vérité de Q. En pratique, démontrer P = Q demande seulement de vérier que lorsque P est vraie, Q l'est aussi. C'est pourquoi on lit souvent P = Q comme Pour démontrer une telle implication, Si P, alors Q. On SUPPOSE P (et on l'écrit) puis on MONTRE Q. Vocabulaire Dans P = Q, l'assertion Q est dite condition nécessaire dans, et P condition susante. En eet, supposons que l'implication soit vraie. Alors Q est nécessairement vraie si P l'est, et il sut que P soit vraie pour que Q le soit. Dénition 7. Soient P et Q deux assertions. On appelle contraposée de l'implication P = Q, l'implication ( Q) = ( P ). Théorème 8. Soient P, Q des assertions. On a la synonymie P = Q ( Q) = ( P ) Autrement dit, une implication est vraie, si et seulement si sa contraposée l'est. 3

4 Conséquence pratique : Preuve par contraposition d'une implication (voir aussi Raisonner/Rédiger, 3.2). Au lieu de démontrer qu'une implication est vraie, on peut choisir si cela parait plus simple, de démontrer sa contraposée. Proposition 9. Soient P, Q des assertions. On a la synonymie P Q (P = Q) et (Q = P ). Conséquence pratique : Preuve par "double-implication" d'une équivalence (voir aussi Raisonner/Rédiger, 3.3). Il s'agit, pour démontrer que P Q est vraie, de démontrer séparément les implications P = Q (Q est une condition nécessaire pour P ) puis Q = P (Q est une condition susante pour P ). Exercice. En guise d'application des trois techniques ci-dessus, on propose la preuve pour n entier, de l'équivalence Proposition 10. Soient P, Q, R des assertions. n pair n 2 est pair Si P = Q et Q = R sont vraies, alors P = R est vraie. Le résultat reste vrai lorsqu'on remplace les implications par des équivalences. 1.4 Quanticateurs. Soit E un ensemble. On se donne P(X) un prédicat sur E, c'est à dire une phrase utilisant la variable X E. Lorsque dans le prédicat, on substitue à X un élément de l'ensemble E, on obtient une assertion P(x). Par exemple, le prédicat "X est pair" permet, lorsqu'on substitue des entiers à X de former les assertions "4 est pair" et "3 est pair". On rappelle les notations suivantes. L'assertion "pour tout élément x de E, l'assertion P(x) est vraie" s'écrit x E P(x). L'assertion "il existe un élément de E, disons x, telle que l'assertion P(x) est vraie" s'écrit quant à elle x E P(x). Dans l'assertion ci-dessus, il faut comprendre le "il existe un élément" comme "il existe (au moins) un élément". En eet, il se peut que l'assertion P(x) soit vraie pour plusieurs éléments x de E. L'assertion "il existe un unique élément de E, que l'on note x, telle que l'assertion P(x) est vraie" s'écrit à l'aide du symbole! :!x E P(x). 4

5 Un prédicat peut dépendre de plusieurs variables et on peut être amené à utiliser plusieurs quanticateurs. Soient E, F deux ensembles et P(X, Y ) un prédicat où X prend ses valeurs dans E et Y dans F. Signalons les synonymies : x E ( y F P(x, y)) y F ( x E P(x, y)) x E ( y F P(x, y)) y F ( x E P(x, y)) En revanche, les assertions suivantes ne sont pas synonymes! (A) x E ( y F P(x, y)) (B) y F ( x E P(x, y)). On lit (A) en deux temps : " x E" A partir de maintenant et jusqu'à la n de la phrase, on considère en pensée un élément x de E particulier (le nous autorisant à choisir n'importe lequel). On considère ensuite l'assertion " y F P(x, y)" (et ne contient pas y...) On apprend qu'il existe un élément de F, qu'on va ici appeler y tel que P(x, y) est vraie. Mais ce y qui dépend de x a priori, et change pour chaque élément x de E que l'on peut considérer. On lit (B) en deux temps : " y F " Pour un (au moins) des éléments de F ce qui suit va être vrai. A partir de maintenant et jusqu'à la n de la phrase, on considère en pensée un de ces éléments de F que l'on appelle ici y. " x E P(x, y)" L'élément y a été xé. La phrase P(x, y) est vraie pour tous les couples (x, y), où x est n'importe quel élément de E. Exemple. 1. Une théorie arme que chacun sur Terre a une âme s ur. Il faut comprendre cette phrase sous la forme d'une assertion de type (A) : "pour toute personne sur Terre, il existe une âme s ur". Bien sûr, cette âme s ur dépend de la personne considérée. Si on écrivait une assertion de type (B), cela signierait "il existe des gens qui sont l'âme s ur... de tout le monde"! (ces gens-là auraient une vie compliquée...) Exemple. 2. Soit f une fonction dénie sur R. Écrire à l'aide de quanticateurs "la fonction f est majorée sur R". Changer maintenant l'ordre des quanticateurs. Remarquer alors que l'assertion obtenue est vraie pour toutes les fonctions. Les deux synonymies ci-dessous montrent comment nier une assertion contenant un quanticateur. Proposition 11 (Négation d'une proposition contenant des quanticateurs). Soit P(X) un prédicat sur un ensemble E. On a les synonymies ( x E P(x)) x E P(x) ( x E P(x)) x E P(x) Exemple. Soit f une fonction dénie sur R. On note P l'assertion "f est majorée sur R", c'est à dire : P : M R x R f(x) M. On a donc P : M R x R f(x) > M. 5

6 2 Ensembles. 2.1 Vocabulaire, parties. À nouveau, on se donne une dénition vague. Dénition 12. Un ensemble non vide E est une collection d'éléments, c'est à dire d'objets x tels que l'assertion "x appartient à E" est vraie. On suppose qu'il existe un ensemble n'ayant pas d'éléments. On l'appelle ensemble vide et on le note. Pour tout objet x, l'assertion x est fausse. On conviendra que l'assertion x est vraie, quel que soit le prédicat P(X). Puisqu'il n'y a pas d'éléments dans l'ensemble vide, on peut dire que tous les éléments de l'ensemble vide sont verts. Ils sont aussi bleus à poils durs, d'ailleurs. Dénition 13. P(x) On dit que deux ensembles E et F sont égaux s'ils sont tous les deux vides, ou s'ils ont les mêmes éléments. On écrit alors E = F. Pour décrire un ensemble non vide, on utilise des accolades, ainsi qu'une description de ses éléments, qui peut être de deux formes. En extension : les éléments sont présentés sous forme de liste, par exemple {1, 2, 3}. Signalons que l'ordre dans notre liste n'a pas d'importance : {1, 2, 3} = {3, 2, 1}. L'ensemble {2k, k N} est l'ensemble des entiers naturels pairs, qu'il faut lire {0, 2, 4, 6,...} en comprenant le sens des points de suspension. Un ensemble ayant un seul élément est appelé singleton. Un ensemble ayant exactement deux éléments est appelé paire. En compréhension : on sélectionne dans un autre ensemble, des éléments possédant une certaine propriété. Par exemple, l'ensemble des entiers pairs se note, en compréhension {n N : p N : n = 2p}. L'ensemble des nombres réels positifs se note en compréhension : {x R : x 0}. Dans la notation en compréhension {x E : P(x) est vraie} on écrit, dans l'ordre, l'accolade, x : l'élément typique, E : l'ensemble de sélection, P(x) : le prédicat de sélection. 6

7 Dénition 14. Soit E un ensemble Une partie de E est un ensemble F tel que l'assertion x F x E est vraie. Cette assertion est notée F E et se lit F est inclus dans E. De façon moins abstraite, une partie de E est vide, ou est un ensemble d'éléments de E. Exemple. Si E = {1, 2, 3}, le singleton {1} est inclus dans E : son unique élément 1 est dans E. On a donc {1} E, à ne pas confondre avec "1 E". On a aussi {1, 3} E Remarque. Pour tout ensemble E, les ensembles E et sont des parties de E. Conséquence pratique : Preuve par "double-inclusion" d'une égalité entre ensembles (voir aussi Raisonner/Rédiger, 5.2.) Dénition 15. L'ensemble des parties d'un ensemble E est noté P(E). Remarque. Pour deux ensembles E et F, F E F P(E). Exemples. P({1}) = {, {1}}, P({1, 2}) = {, {1}, {2}, {1, 2}}, P( ) = { }, P (P({1})) = {, { }, {{1}}, {, {1}}} Proposition 16. Soient E et F deux ensembles. On a E = F E F et F E. Conséquence pratique : Preuve par "double-inclusion" d'une égalité entre ensembles (voir aussi Raisonner/Rédiger, 5.2). 2.2 Opérations sur les parties d'un ensemble. Dénition 17. Soient A et B deux parties d'un ensemble E. On dénit la réunion de A et B, notée A B, et leur intersection A B par A B := {x E : x A ou x B} et A B := {x E : x A et x B}. Figure. Les diagrammes de Venn, ou patates, permettent de visualiser les ensembles ainsi dénis. 7

8 Proposition 18. Soit E un ensemble. Les égalités d'ensembles suivantes sont vraies pour toutes parties A, B, C dans P(E). a) A A = A et A A = A b) A B = B A et A B = B A (commutativité). c) A =, A = A, A E = A, et A E = E. d) (A B) C = A (B C) et (A B) C = A (B C) (associativité). e) A (B C) (A B) (A C) et A (B C) (A B) (A C) (distributivité). Dénition 19. Soient A et B deux parties d'un ensemble E. On appelle diérence de A et de B, ( A privé de B ) la partie A \ B := {x E : x A et x / B}. On appelle complémentaire de A dans E et on note A ou C A E la partie A := E \ A = {x E : x A}. Proposition 20. Soit E un ensemble. Les égalités d'ensembles suivantes sont vraies pour toutes parties A, B, C dans P(E). a) = E et E =. b) A = A (complémentaire du complémentaire). c) A B = B A. d) A B = A B et A B = A B (dualité/formules de Morgan). 8

9 2.3 Produit cartésien. Dénition Soient E et F deux ensembles. On appelle produit cartésien de E et F et on note E F l'ensemble {(x, y) : x E, y F }. Les éléments de E F sont appelés couples. 2. Soient E 1, E 2,... E n, n ensembles. On appelle produit cartésien de E 1, E 2,..., E n et on note E 1 E 2... E n l'ensemble {(x 1, x 2,..., x n ) : x 1 E 1, x 2 E 2,..., x n E n }. Les éléments de E 1, E 2,..., E n sont appelés n-uplets. Notation. On note E 2 = E E. Par exemple, R 2 = {(x, y) : x R, y R}. Exemples. E = {1, 2, 3}, F = {, }, E F = {(1, ), (2, ), (3, ), (1, ), (2, ), (3, )}. Notons Card(E) ("cardinal") le nombre d'éléments d'un ensemble E. On remarque sur l'exemple précédent que Card(E F ) = 6 = 3 2 = Card(E) Card(F ). Le résultat sera prouvé en général dans le cours sur le dénombrement. Nous faisons cette remarque dès maintenant pour expliquer la notation pour le produit cartésien : il est commode que le cardinal du produit soit le produit des cardinaux. 9

Cours de Probabilités et de Statistique

Cours de Probabilités et de Statistique Cours de Probabilités et de Statistique Licence 1ère année 2007/2008 Nicolas Prioux Université Paris-Est Cours de Proba-Stat 2 L1.2 Science-Éco Chapitre Notions de théorie des ensembles 1 1.1 Ensembles

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

Couples de variables aléatoires discrètes

Couples de variables aléatoires discrètes Couples de variables aléatoires discrètes ECE Lycée Carnot mai Dans ce dernier chapitre de probabilités de l'année, nous allons introduire l'étude de couples de variables aléatoires, c'est-à-dire l'étude

Plus en détail

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

Problème : Calcul d'échéanciers de prêt bancaire (15 pt)

Problème : Calcul d'échéanciers de prêt bancaire (15 pt) Problème : Calcul d'échéanciers de prêt bancaire (15 pt) 1 Principe d'un prêt bancaire et dénitions Lorsque vous empruntez de l'argent dans une banque, cet argent (appelé capital) vous est loué. Chaque

Plus en détail

6. Les différents types de démonstrations

6. 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

Probabilités. C. Charignon. I Cours 3

Probabilités. C. Charignon. I Cours 3 Probabilités C. Charignon Table des matières I Cours 3 1 Dénombrements 3 1.1 Cardinal.................................................. 3 1.1.1 Définition............................................. 3

Plus en détail

Cours de mathématiques

Cours 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 détail

Vers l'ordinateur quantique

Vers l'ordinateur quantique Cours A&G Vers l'ordinateur quantique Données innies On a vu dans les chapîtres précédents qu'un automate permet de représenter de manière nie (et même compacte) une innité de données. En eet, un automate

Plus en détail

Développements limités. Notion de développement limité

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

Plus en détail

D'UN THÉORÈME NOUVEAU

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

Plus en détail

Peut-on tout programmer?

Peut-on tout programmer? Chapitre 8 Peut-on tout programmer? 8.1 Que peut-on programmer? Vous voici au terme de votre initiation à la programmation. Vous avez vu comment représenter des données de plus en plus structurées à partir

Plus en détail

Probabilité. Table des matières. 1 Loi de probabilité 2 1.1 Conditions préalables... 2 1.2 Définitions... 2 1.3 Loi équirépartie...

Probabilité. Table des matières. 1 Loi de probabilité 2 1.1 Conditions préalables... 2 1.2 Définitions... 2 1.3 Loi équirépartie... 1 Probabilité Table des matières 1 Loi de probabilité 2 1.1 Conditions préalables........................... 2 1.2 Définitions................................. 2 1.3 Loi équirépartie..............................

Plus en détail

GEA II Introduction aux probabilités Poly. de révision. Lionel Darondeau

GEA II Introduction aux probabilités Poly. de révision. Lionel Darondeau GEA II Introduction aux probabilités Poly. de révision Lionel Darondeau Table des matières Énoncés 4 Corrigés 10 TD 1. Analyse combinatoire 11 TD 2. Probabilités élémentaires 16 TD 3. Probabilités conditionnelles

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

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

Date : 18.11.2013 Tangram en carré page

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

Plus en détail

Réalisabilité et extraction de programmes

Réalisabilité 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 détail

9 5 2 5 Espaces probabilisés

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

Plus en détail

Structures algébriques

Structures algébriques Structures algébriques 1. Lois de composition s Soit E un ensemble. Une loi de composition interne sur E est une application de E E dans E. Soient E et F deux ensembles. Une loi de composition externe

Plus en détail

chapitre 4 Nombres de Catalan

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

Plus en détail

Problèmes de Mathématiques Filtres et ultrafiltres

Problèmes 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 détail

Série 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. 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 détail

CH.6 Propriétés des langages non contextuels

CH.6 Propriétés des langages non contextuels CH.6 Propriétés des langages non contetuels 6.1 Le lemme de pompage 6.2 Les propriétés de fermeture 6.3 Les problèmes de décidabilité 6.4 Les langages non contetuels déterministes utomates ch6 1 6.1 Le

Plus en détail

2. RAPPEL DES TECHNIQUES DE CALCUL DANS R

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

Plus en détail

Traitement de texte : Quelques rappels de quelques notions de base

Traitement de texte : Quelques rappels de quelques notions de base Traitement de texte : Quelques rappels de quelques notions de base 1 Quelques rappels sur le fonctionnement du clavier Voici quelques rappels, ou quelques appels (selon un de mes profs, quelque chose qui

Plus en détail

Distribution Uniforme Probabilité de Laplace Dénombrements Les Paris. Chapitre 2 Le calcul des probabilités

Distribution Uniforme Probabilité de Laplace Dénombrements Les Paris. Chapitre 2 Le calcul des probabilités Chapitre 2 Le calcul des probabilités Equiprobabilité et Distribution Uniforme Deux événements A et B sont dits équiprobables si P(A) = P(B) Si il y a équiprobabilité sur Ω, cad si tous les événements

Plus en détail

Recherche dans un tableau

Recherche dans un tableau Chapitre 3 Recherche dans un tableau 3.1 Introduction 3.1.1 Tranche On appelle tranche de tableau, la donnée d'un tableau t et de deux indices a et b. On note cette tranche t.(a..b). Exemple 3.1 : 3 6

Plus en détail

I. Cas de l équiprobabilité

I. Cas de l équiprobabilité I. Cas de l équiprobabilité Enoncé : On lance deux dés. L un est noir et l autre est blanc. Calculer les probabilités suivantes : A «Obtenir exactement un as» «Obtenir au moins un as» C «Obtenir au plus

Plus en détail

Glossaire des nombres

Glossaire des nombres Glossaire des nombres Numérisation et sens du nombre (4-6) Imprimeur de la Reine pour l'ontario, 008 Nombre : Objet mathématique qui représente une valeur numérique. Le chiffre est le symbole utilisé pour

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

Condition de stabilité d'un réseau de les d'attente à deux stations et N classes de clients 1

Condition de stabilité d'un réseau de les d'attente à deux stations et N classes de clients 1 General Mathematics Vol. 18, No. 4 (2010), 85108 Condition de stabilité d'un réseau de les d'attente à deux stations et N classes de clients 1 Faiza Belarbi, Amina Angelika Bouchentouf Résumé Nous étudions

Plus en détail

LE PROBLEME DU PLUS COURT CHEMIN

LE PROBLEME DU PLUS COURT CHEMIN LE PROBLEME DU PLUS COURT CHEMIN Dans cette leçon nous définissons le modèle de plus court chemin, présentons des exemples d'application et proposons un algorithme de résolution dans le cas où les longueurs

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

Introduction a l'algorithmique des objets partages. Robert Cori. Antoine Petit. Lifac, ENS Cachan, 94235 Cachan Cedex. Resume

Introduction 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 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

6 - La conscience est-elle un processus algorithmique?

6 - La conscience est-elle un processus algorithmique? 6 - La conscience est-elle un processus algorithmique? par Hervé Zwirn Le problème de la conscience est sans doute l'un des plus difficiles sinon le plus difficile auquel on puisse s'attaquer. J'en veux

Plus en détail

Fonctions de plusieurs variables : dérivés partielles, diérentielle. Fonctions composées. Fonctions de classe C 1. Exemples

Fonctions de plusieurs variables : dérivés partielles, diérentielle. Fonctions composées. Fonctions de classe C 1. Exemples 45 Fonctions de plusieurs variables : dérivés partielles, diérentielle. Fonctions composées. Fonctions de classe C 1. Exemples Les espaces vectoriels considérés sont réels, non réduits au vecteur nul et

Plus en détail

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

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

Plus en détail

CHAPITRE VIII : Les circuits avec résistances ohmiques

CHAPITRE VIII : Les circuits avec résistances ohmiques CHAPITRE VIII : Les circuits avec résistances ohmiques VIII. 1 Ce chapitre porte sur les courants et les différences de potentiel dans les circuits. VIII.1 : Les résistances en série et en parallèle On

Plus en détail

Carl-Louis-Ferdinand von Lindemann (1852-1939)

Carl-Louis-Ferdinand von Lindemann (1852-1939) Par Boris Gourévitch "L'univers de Pi" http://go.to/pi314 sai1042@ensai.fr Alors ça, c'est fort... Tranches de vie Autour de Carl-Louis-Ferdinand von Lindemann (1852-1939) est transcendant!!! Carl Louis

Plus en détail

Compte-rendu de projet de Système de gestion de base de données

Compte-rendu de projet de Système de gestion de base de données Compte-rendu de projet de Système de gestion de base de données Création et utilisation d'un index de jointure LAMBERT VELLER Sylvain M1 STIC Université de Bourgogne 2010-2011 Reponsable : Mr Thierry Grison

Plus en détail

Licence Sciences, Technologies, Santé Mention Informatique Codage de l'information

Licence Sciences, Technologies, Santé Mention Informatique Codage de l'information 1 Licence Sciences, Technologies, Santé Mention Informatique Codage de l'information année universitaire 2013-2014 Licence Creative Commons cbea 2 Introduction Objectifs du cours Le cours de Codage de

Plus en détail

Exercices de dénombrement

Exercices de dénombrement Exercices de dénombrement Exercice En turbo Pascal, un entier relatif (type integer) est codé sur 6 bits. Cela signifie que l'on réserve 6 cases mémoires contenant des "0" ou des "" pour écrire un entier.

Plus en détail

Compression Compression par dictionnaires

Compression Compression par dictionnaires Compression Compression par dictionnaires E. Jeandel Emmanuel.Jeandel at lif.univ-mrs.fr E. Jeandel, Lif CompressionCompression par dictionnaires 1/25 Compression par dictionnaire Principe : Avoir une

Plus en détail

1. Qu'est-ce que SQL?... 2. 2. La maintenance des bases de données... 2. 3. Les manipulations des bases de données... 5

1. Qu'est-ce que SQL?... 2. 2. La maintenance des bases de données... 2. 3. Les manipulations des bases de données... 5 1. Qu'est-ce que SQL?... 2 2. La maintenance des bases de données... 2 2.1 La commande CREATE TABLE... 3 2.2 La commande ALTER TABLE... 4 2.3 La commande CREATE INDEX... 4 3. Les manipulations des bases

Plus en détail

Introduction. I Étude rapide du réseau - Apprentissage. II Application à la reconnaissance des notes.

Introduction. I Étude rapide du réseau - Apprentissage. II Application à la reconnaissance des notes. Introduction L'objectif de mon TIPE est la reconnaissance de sons ou de notes de musique à l'aide d'un réseau de neurones. Ce réseau doit être capable d'apprendre à distinguer les exemples présentés puis

Plus en détail

Seconde et première Exercices de révision sur les probabilités Corrigé

Seconde et première Exercices de révision sur les probabilités Corrigé I_ L'univers. _ On lance simultanément deux dés indiscernables donc il n'y a pas d'ordre. Il y a répétition, les dbles. On note une issue en écrivant le plus grand chiffre puis le plus petit. 32 signifie

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

NOTATIONS PRÉLIMINAIRES

NOTATIONS PRÉLIMINAIRES Pour le Jeudi 14 Octobre 2010 NOTATIONS Soit V un espace vectoriel réel ; l'espace vectoriel des endomorphismes de l'espace vectoriel V est désigné par L(V ). Soit f un endomorphisme de l'espace vectoriel

Plus en détail

CRÉER DES LEÇONS AVEC L'ÉDITEUR DU LOGICIEL 1000 MOTS POUR APPRENDRE À LIRE EN FRANÇAIS, ANGLAIS ET ALLEMAND

CRÉER DES LEÇONS AVEC L'ÉDITEUR DU LOGICIEL 1000 MOTS POUR APPRENDRE À LIRE EN FRANÇAIS, ANGLAIS ET ALLEMAND 93 CRÉER DES LEÇONS AVEC L'ÉDITEUR DU LOGICIEL 1000 MOTS POUR APPRENDRE À LIRE EN FRANÇAIS, ANGLAIS ET ALLEMAND 1 - LE LOGICIEL 1000 MOTS 1000 mots est un logiciel destiné aux classes du cycle II en France

Plus en détail

Géométrie dans l espace Produit scalaire et équations

Géométrie 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 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

Calcul de développements de Puiseux et application au calcul du groupe de monodromie d'une courbe algébrique plane

Calcul de développements de Puiseux et application au calcul du groupe de monodromie d'une courbe algébrique plane Calcul de développements de Puiseux et application au calcul du groupe de monodromie d'une courbe algébrique plane Poteaux Adrien XLIM-DMI, UMR-CNRS 6172 Université de Limoges Soutenance de thèse 15 octobre

Plus en détail

Table des matières. 10 Gimp et le Web. Option de traitement d'images Mémento pour la séance N o 8. 10.1 Création d'animation

Table des matières. 10 Gimp et le Web. Option de traitement d'images Mémento pour la séance N o 8. 10.1 Création d'animation Université de NiceSophia Antipolis Semaine du 26 novembre 2007 Licence de Sciences de la vie, semestre 1 Option de traitement d'images Mémento pour la séance N o 8 Table des matières 10 Gimp et le Web

Plus en détail

= 1 si n = m& où n et m sont souvent des indices entiers, par exemple, n, m = 0, 1, 2, 3, 4... En fait,! n m

= 1 si n = m& où n et m sont souvent des indices entiers, par exemple, n, m = 0, 1, 2, 3, 4... En fait,! n m 1 épartement de Physique, Université Laval, Québec Pierre Amiot, 1. La fonction delta et certaines de ses utilisations. Clientèle Ce texte est destiné aux physiciens, ingénieurs et autres scientifiques.

Plus en détail

Raisonnement par récurrence Suites numériques

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

Plus en détail

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

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

Plus en détail

Probabilités. I Petits rappels sur le vocabulaire des ensembles 2 I.1 Définitions... 2 I.2 Propriétés... 2

Probabilités. I Petits rappels sur le vocabulaire des ensembles 2 I.1 Définitions... 2 I.2 Propriétés... 2 Probabilités Table des matières I Petits rappels sur le vocabulaire des ensembles 2 I.1 s................................................... 2 I.2 Propriétés...................................................

Plus en détail

Premiers exercices d Algèbre. Anne-Marie Simon

Premiers exercices d Algèbre. Anne-Marie Simon Premiers exercices d Algèbre Anne-Marie Simon première version: 17 août 2005 version corrigée et complétée le 12 octobre 2010 ii Table des matières 1 Quelques structures ensemblistes 1 1.0 Ensembles, relations,

Plus en détail

Algorithmes d'apprentissage

Algorithmes d'apprentissage Algorithmes d'apprentissage 1 Agents qui apprennent à partir d'exemples La problématique : prise de décision automatisée à partir d'un ensemble d'exemples Diagnostic médical Réponse à une demande de prêt

Plus en détail

Définition : On obtient les nombres entiers en ajoutant ou retranchant des unités à zéro.

Définition : On obtient les nombres entiers en ajoutant ou retranchant des unités à zéro. Chapitre : Les nombres rationnels Programme officiel BO du 8/08/08 Connaissances : Diviseurs communs à deux entiers, PGCD. Fractions irréductibles. Opérations sur les nombres relatifs en écriture fractionnaire.

Plus en détail

Axiomatique de N, construction de Z

Axiomatique de N, construction de Z Axiomatique de N, construction de Z Table des matières 1 Axiomatique de N 2 1.1 Axiomatique ordinale.................................. 2 1.2 Propriété fondamentale : Le principe de récurrence.................

Plus en détail

Equations cartésiennes d une droite

Equations cartésiennes d une droite Equations cartésiennes d une droite I) Vecteur directeur d une droite : 1) Définition Soit (d) une droite du plan. Un vecteur directeur d une droite (d) est un vecteur non nul la même direction que la

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

Rappel. Analyse de Données Structurées - Cours 12. Un langage avec des déclaration locales. Exemple d'un programme

Rappel. Analyse de Données Structurées - Cours 12. Un langage avec des déclaration locales. Exemple d'un programme Rappel Ralf Treinen Université Paris Diderot UFR Informatique Laboratoire Preuves, Programmes et Systèmes treinen@pps.univ-paris-diderot.fr 6 mai 2015 Jusqu'à maintenant : un petit langage de programmation

Plus en détail

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

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

Plus en détail

Texte Agrégation limitée par diffusion interne

Texte Agrégation limitée par diffusion interne Page n 1. Texte Agrégation limitée par diffusion interne 1 Le phénomène observé Un fût de déchets radioactifs est enterré secrètement dans le Cantal. Au bout de quelques années, il devient poreux et laisse

Plus en détail

Probabilités. I - Expérience aléatoire. II - Evénements

Probabilités. I - Expérience aléatoire. II - Evénements Probabilités Voici le premier cours de probabilités de votre vie. N avez-vous jamais eut envie de comprendre les règles des grands joueurs de poker et de les battre en calculant les probabilités d avoir

Plus en détail

IUT de Laval Année Universitaire 2008/2009. Fiche 1. - Logique -

IUT 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 détail

Nombre de marches Nombre de facons de les monter 3 3 11 144 4 5 12 233 5 8 13 377 6 13 14 610 7 21 15 987 8 34 16 1597 9 55 17 2584 10 89

Nombre de marches Nombre de facons de les monter 3 3 11 144 4 5 12 233 5 8 13 377 6 13 14 610 7 21 15 987 8 34 16 1597 9 55 17 2584 10 89 Soit un escalier à n marches. On note u_n le nombre de façons de monter ces n marches. Par exemple d'après l'énoncé, u_3=3. Pour monter n marches, il faut d'abord monter la première. Soit on la monte seule,

Plus en détail

Ordonnancement. N: nains de jardin. X: peinture extérieure. E: électricité T: toit. M: murs. F: fondations CHAPTER 1

Ordonnancement. N: nains de jardin. X: peinture extérieure. E: électricité T: toit. M: murs. F: fondations CHAPTER 1 CHAPTER 1 Ordonnancement 1.1. Étude de cas Ordonnancement de tâches avec contraintes de précédences 1.1.1. Exemple : construction d'une maison. Exercice. On veut construire une maison, ce qui consiste

Plus en détail

Mathématiques Algèbre et géométrie

Mathématiques Algèbre et géométrie Daniel FREDON Myriam MAUMY-BERTRAND Frédéric BERTRAND Mathématiques Algèbre et géométrie en 30 fiches Daniel FREDON Myriam MAUMY-BERTRAND Frédéric BERTRAND Mathématiques Algèbre et géométrie en 30 fiches

Plus en détail

Coefficients binomiaux

Coefficients binomiaux Probabilités L2 Exercices Chapitre 2 Coefficients binomiaux 1 ( ) On appelle chemin une suite de segments de longueur 1, dirigés soit vers le haut, soit vers la droite 1 Dénombrer tous les chemins allant

Plus en détail

Mode d emploi base de données AIFRIS : Commande et inscriptions

Mode d emploi base de données AIFRIS : Commande et inscriptions Mode d emploi base de données AIFRIS : Commande et inscriptions Vous trouverez dans les pages qui suivent la démarche à suivre pour les inscriptions en ligne au congrès de l AIFRIS. La présentation suit

Plus en détail

Fait opinion. Département EEO CUEEP-USTL

Fait opinion. Département EEO CUEEP-USTL Fait opinion Département EEO CUEEP-USTL Avril 2007 Table des Matières ChapitreI. Exercices d'observation... 4 A. Exercice d'observation n 1...4 A.1. Réponses attendues...5 B. Exercice d'observation n 2...5

Plus en détail

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

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

Plus en détail

Construction de l'intégrale de Lebesgue

Construction de l'intégrale de Lebesgue Université d'artois Faculté des ciences Jean Perrin Mesure et Intégration (Licence 3 Mathématiques-Informatique) Daniel Li Construction de l'intégrale de Lebesgue 10 février 2011 La construction de l'intégrale

Plus en détail

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

TP n 2 Concepts de la programmation Objets Master 1 mention IL, semestre 2 Le type Abstrait Pile

TP n 2 Concepts de la programmation Objets Master 1 mention IL, semestre 2 Le type Abstrait Pile TP n 2 Concepts de la programmation Objets Master 1 mention IL, semestre 2 Le type Abstrait Pile Dans ce TP, vous apprendrez à définir le type abstrait Pile, à le programmer en Java à l aide d une interface

Plus en détail

La recherche d'information sur Internet

La recherche d'information sur Internet La recherche d'information sur Internet Compétence du socle : Je sais utiliser les fonctions principales d'un outil de recherche sur le Web (moteur de recherche, annuaire...) CDI du collège Léon Cazeneuve

Plus en détail

Marc HINDRY. Introduction et présentation. page 2. 1 Le langage mathématique page 4. 2 Ensembles et applications page 8

Marc HINDRY. Introduction et présentation. page 2. 1 Le langage mathématique page 4. 2 Ensembles et applications page 8 COURS DE MATHÉMATIQUES PREMIÈRE ANNÉE (L1) UNIVERSITÉ DENIS DIDEROT PARIS 7 Marc HINDRY Introduction et présentation. page 2 1 Le langage mathématique page 4 2 Ensembles et applications page 8 3 Groupes,

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

ÉPREUVE COMMUNE DE TIPE 2008 - Partie D

ÉPREUVE COMMUNE DE TIPE 2008 - Partie D ÉPREUVE COMMUNE DE TIPE 2008 - Partie D TITRE : Les Fonctions de Hachage Temps de préparation :.. 2 h 15 minutes Temps de présentation devant le jury :.10 minutes Entretien avec le jury :..10 minutes GUIDE

Plus en détail

Résolution d équations non linéaires

Résolution d équations non linéaires Analyse Numérique Résolution d équations non linéaires Said EL HAJJI et Touria GHEMIRES Université Mohammed V - Agdal. Faculté des Sciences Département de Mathématiques. Laboratoire de Mathématiques, Informatique

Plus en détail

MIS 102 Initiation à l Informatique

MIS 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 détail

Pourquoi l apprentissage?

Pourquoi l apprentissage? Pourquoi l apprentissage? Les SE sont basés sur la possibilité d extraire la connaissance d un expert sous forme de règles. Dépend fortement de la capacité à extraire et formaliser ces connaissances. Apprentissage

Plus en détail

modélisation solide et dessin technique

modélisation solide et dessin technique CHAPITRE 1 modélisation solide et dessin technique Les sciences graphiques regroupent un ensemble de techniques graphiques utilisées quotidiennement par les ingénieurs pour exprimer des idées, concevoir

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

PROBLEMES D'ORDONNANCEMENT AVEC RESSOURCES

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

Plus en détail

Comparaison de fonctions Développements limités. Chapitre 10

Comparaison 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 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

Correction du Baccalauréat S Amérique du Nord mai 2007

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

Plus en détail

Bases de Données. Le cas des BD relationnelles ouverture sur les BD relationnelles spatiales Séance 2 : Mise en oeuvre

Bases de Données. Le cas des BD relationnelles ouverture sur les BD relationnelles spatiales Séance 2 : Mise en oeuvre Bases de Données Le cas des BD relationnelles ouverture sur les BD relationnelles spatiales Séance 2 : Mise en oeuvre Synthèse : conception de BD langage de modélisation famille de SGBD SGBD Analyse du

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

Fiche animateur : module écriture collaborative

Fiche animateur : module écriture collaborative Fiche animateur : module écriture collaborative Rédactrice : Isabelle Cailleau Sous-titre Niveau collège I. Objectifs pédagogiques du module Ce module doit permettre aux collégiens de comprendre comment

Plus en détail

LE MODELE CONCEPTUEL DE DONNEES

LE MODELE CONCEPTUEL DE DONNEES LE MODELE CONCEPTUEL DE DONNEES Principe : A partir d'un cahier des charges, concevoir de manière visuelle les différents liens qui existent entre les différentes données. Les différentes étapes de réalisation.

Plus en détail

A. Définition et formalisme

A. Définition et formalisme Les cardinalités et les différents types d'associations I. Les cardinalités A. Définition et formalisme Les cardinalités sont des couples de valeur que l'on trouve entre chaque entité et ses associations

Plus en détail

Demande d admission au Centre pédagogique Lucien-Guilbault Secteur primaire

Demande d admission au Centre pédagogique Lucien-Guilbault Secteur primaire Date d envoi : Demande d admission au Centre pédagogique Lucien-Guilbault Secteur primaire QUESTIONNAIRE AU TITULAIRE Ce document doit être complété par le titulaire de classe et/ou par l orthopédagogue

Plus en détail