Dépendances fonctionnelles et normalisation. Résumé A.D., S.B. Avril Introduction. . 2 Dépendances fonctionnelles
|
|
- Irène Boudreau
- il y a 7 ans
- Total affichages :
Transcription
1 Dépendances fonctionnelles et normalisation BD4 AD, SB Licence MASS, Master ISIFAR, Paris-Diderot Avril 2014 BD4 (Licence MASS, Master ISIFAR, Paris-Diderot) SQL 1/39 Avril / 39 Introduction Résumé 1 Introduction 2 Dépendances fonctionnelles 3 Implication de dépendances 4 Fermeture transitive 5 BD4 (Licence MASS, Master ISIFAR, Paris-Diderot) SQL 2/39 Avril / 39
2 Introduction Normalisation Importance de bien modéliser pour éviter notamment les redondances d'information Un schéma mal conçu pose : des problèmes de maintenance des données des problèmes d'efficacité lors de l'exécution des requêtes Normalisation : étape(s) additionnelle(s) de modélisation BD4 (Licence MASS, Master ISIFAR, Paris-Diderot) SQL 3/39 Avril / 39 Introduction Illustration Fournisseur ( NomF, AddresseF, Article, Prix ) Redondance : L'adresse du fournisseur est répété à chaque commande Inconsistence : Si on ne contrôle pas, on peut avoir deux adresses différentes pour un même fournisseur Pb lié à la suppression : Disparition des coordonnées d'un fournisseur qui cesse (temporairement) de fournir Utiliser : Fournisseur ( NomF, AddresseF ) Livraison ( NomF, Article, Prix ) BD4 (Licence MASS, Master ISIFAR, Paris-Diderot) SQL 4/39 Avril / 39
3 Dépendances fonctionnelles Dépendances fonctionnelles R schéma de relation pris sur un ensemble d attributs A = {A 1,, A p,,, A n } A p+1,, A n dépendent fonctionnellement de A 1,, A p Si deux tuples ont la même valeur sur les attributs A 1,, A p alors ils ont la même valeur sur les attributs A p+1,, A n Autrement dit : si pour toute BD r de schéma R, pour tous tuples t 1, t 2 r : π A1,,A p (t 1 ) = π A1,,A p (t 2 ) π Ap+1,,A n (t 1 ) = π Ap+1,,A n (t 2 ) On le note A 1,, A p A p+1,, A n BD4 (Licence MASS, Master ISIFAR, Paris-Diderot) SQL 5/39 Avril / 39 Dépendances fonctionnelles Exemples et dépendance élémentaire Exemple Dans la base Sakila, relation Actor : Actor_id last_name, first_name car Actor_id est une clé Définition (dépendance élémentaire) A 1,, A p A p+1,, A n est une dépendance élémentaire Si, pour tout j p : A 1,, A j 1, A j+1,, A p A p+1,, A n Exemple No_insee sexe, mois_naiss, jour_naiss est élémentaire No_insee, jour_naiss sexe, mois_naiss, ville_naiss n'est pas élémentaire No_insee suffit BD4 (Licence MASS, Master ISIFAR, Paris-Diderot) SQL 6/39 Avril / 39
4 Dépendances fonctionnelles Dépendances fonctionnelles triviales Définition (dépendance triviale) Soient X, Y A 1,, A n X Y est une dépendance triviale si Y X Exemple No_insee No_insee est triviale BD4 (Licence MASS, Master ISIFAR, Paris-Diderot) SQL 7/39 Avril / 39 Implication de dépendances Implication de dépendances Un ensemble de dépendances fonctionnelles doit vérifier les règles de déduction suivantes trivialité : si Y X alors X Y augmentation : si X Y alors X, Z Y, Z pour toute suite d'attributs Z transitivité : si X Y et Y Z alors X Z union : si X Y et X Z alors X Y, Z décomposition si X Y et Z Y alors X Z Trois premières propriétés sont appelées règles d'armstrong Avec ces règles, une dépendance X Y 1,, Y k est équivalente à l'ensemble formé des dépendances : X Y 1, X Y 2, X Y k BD4 (Licence MASS, Master ISIFAR, Paris-Diderot) SQL 8/39 Avril / 39
5 Implication de dépendances Equivalence de dépendances F, G : ensembles de dépendances fonctionnelles G se déduit de F si toute dépendance fonctionnelle de G se déduit des dépendances fonctionnelles de F par les règles précédentes Exemple F = {A, B C; C A; B, C D} G = {A, B D} G se déduit de F BD4 (Licence MASS, Master ISIFAR, Paris-Diderot) SQL 9/39 Avril / 39 Fermeture transitive Fermeture transitive Ọn cherche à résoudre le problème suivant Etants donnés : un ensemble de dépendances fonctionnelles F un ensemble d'attributs X Question : quels sont les attributs Y dont la valeur est déterminée par X sachant F? Ie quel est l ensemble maximal Y tel que la dépendance X Y se déduit de F? BD4 (Licence MASS, Master ISIFAR, Paris-Diderot) SQL 10/39 Avril / 39
6 Fermeture transitive Fermeture transitive Fermeture transitive Soit F un ensemble de DF La fermeture transitive X + F (notée X + si pas d'ambiguïté) d'un ensemble d'attribut X pour F est l'ensemble des attributs A tels que X A se déduit de F Permet de déterminer quels attributs dépendent de quels autres et ainsi d'éviter la redondance d'information Ạ 1,, A p est une clé de la relation R(A 1,, A n ) si (A 1,, A p ) + = A 1,, A n La dépendance A 1,, A p A p+1,, A n est élémentaire BD4 (Licence MASS, Master ISIFAR, Paris-Diderot) SQL 11/39 Avril / 39 Fermeture transitive Calcul de la fermeture transitive Ọn se donne un ensemble d'attributs A, un ensemble de dépendances F et X A Algorithme On calcule une suite X (0), X (1), 1 On pose X (0) = X 2 Pour i > 0 : X (i+1) = X (i) {A A : Y A est dans F et Y X (i) } 3 On arrête si X (i+1) = X (i) et on renvoie X + = X (i) Ḷe critère d'arrêt, X (i+1) = X (i), est un point fixe BD4 (Licence MASS, Master ISIFAR, Paris-Diderot) SQL 12/39 Avril / 39
7 Fermeture transitive Calcul de la fermeture transitive : exemple soit R d'ensemble d'attributs A = {A, B, C, D, E, F, G} Soit X = {B, D} Soit F ci-dessous : A, B C C A B, C D A, C, D B F A, C Montrer que X + = {A, B, C, D, E, G} Notez que X + n'est pas une clé de R D E, G B, E C C, G B, D C, E A, G BD4 (Licence MASS, Master ISIFAR, Paris-Diderot) SQL 13/39 Avril / 39 Fermeture transitive Calcul de la fermeture transitive On peut montrer facilement par induction le résultat suivant : Théorème L'algorithme précédent s'arrête sur tout entrée X, F, A et renvoie la fermeture transitive X + de X BD4 (Licence MASS, Master ISIFAR, Paris-Diderot) SQL 14/39 Avril / 39
8 Fermeture transitive Dépendance fonctionnelle minimale Ọn peut exhiber une description minimale d'une dépendance fonctionnelle DF minimale Un ensemble de dépendances fonctionnelles est minimal si : tout membre droit d'une dépendance contient un seul attribut ie de la forme X A pour A A Aucune DF n'est déductible des autres Les membres gauches de toute DF sont irredondant Ie il n'existe pas de règles dont certains attributs du membre gauche A 1,, A p sont déductibles des autres Ex : {A, B C, A B} est équivalent à {A C, A B} BD4 (Licence MASS, Master ISIFAR, Paris-Diderot) SQL 15/39 Avril / 39 Fermeture transitive Couverture Couverture Soient F, G ensembles de dépendances fonctionnelles Si : F est G sont équivalentes (ie F se déduit de G et G se déduit de F ) et G est minimale Alors G est une couverture (minimale ou irredondante) de F Ṭout ensemble de DF admet une couverture minimale (pas forcément unique) BD4 (Licence MASS, Master ISIFAR, Paris-Diderot) SQL 16/39 Avril / 39
9 Calcul de la couverture Fermeture transitive Algorithme Si une dépendance est de la forme X A 1,, A k avec A 1,, A k dans A, la remplacer par l'ensemble formé des dépendances X A 1,, X A k Eliminer une DF si elle se déduit des autres (par recherche exhaustive par exemple) Eliminer les attributs redondant à gauche (ie inutile pour obtenir le même ensemble de DF) BD4 (Licence MASS, Master ISIFAR, Paris-Diderot) SQL 17/39 Avril / 39 Fermeture transitive Calcul de la couverture : exemple soit A = {A, B, C, D, E, F, G} Soit X = {B, D} Soit F ci-dessous : A, B C C A B, C D A, C, D B F A, C On peut éliminer C, E A et C, G B D'autres simplifications? D E, G B, E C C, G B, D C, E A, G BD4 (Licence MASS, Master ISIFAR, Paris-Diderot) SQL 18/39 Avril / 39
10 Toute dépendance, si elle est mal modélisée, peut entrainer de la redondance d'information On normalise un schéma suivant un certain nombre de conditions pour s'assurer de l'absence de redondances Les formes suivantes sont immédiates à obtenir Forme normale 1 : tout attribut est atomique (assuré par modèle relationnel) Forme normale 2 : si un attribut ne fait pas partie d'une clé, il ne peut pas dépendre d'une partie stricte d'une clé Forme normale 3 : pour toute DF (non triviale), le membre gauche contient une clé, ou tout attribut (non trivial) du membre droit appartient à une clé BD4 (Licence MASS, Master ISIFAR, Paris-Diderot) SQL 19/39 Avril / 39 : exemple Forme Normale 2 Fournisseur(NomF, AddresseF, Article, Prix) La clé est : (NomF, Article) Dépendances fonctionnelles : NomF, Article Prix NomF AdresseF FN2 si seule la première dépendance fonctionnelle est vraie Mais la seconde ne satisfait pas la FN2 : AdresseF ne fait pas partie de la clé mais dépend d'une partie stricte d'une clé (NomF ) BD4 (Licence MASS, Master ISIFAR, Paris-Diderot) SQL 20/39 Avril / 39
11 : exemple Forme Normale 3 VOITURE(Nv, Marque,Type, Puissance, Couleur) La clé est : Nv Dépendances fonctionnelles : Nv Marque, Type, Puissance, Couleur Type Marque Est-en FN 2 mais pas en FN 3 à cause de la deuxième dépendance : Le membre gauche (Type) ne contient pas de clé, le membre droit (Marque) n'est pas contenu dans une clé BD4 (Licence MASS, Master ISIFAR, Paris-Diderot) SQL 21/39 Avril / 39 Forme normale BCNF Boyce-Codd Normal Form (BCNF) ṇe pas représenter la même information deux fois X est une super clé pour une relation R d'attributs A 1,, A n et un ensemble de DF F si X A 1,, A n se déduit de F Une super-clé n'est pas forcément minimale Un schéma de relation est en BCNF si pour toute DF, X A, X est une super-clé Formulation Alternative : ḷe membre gauche de toute DF contient une clé BD4 (Licence MASS, Master ISIFAR, Paris-Diderot) SQL 22/39 Avril / 39
12 : exemple BCNF GEOGRAPHIE( Ville,Dept, codepref, Pop) La clé est : Ville, Dept Dépendances fonctionnelles : Est en FN 3 : Ville, Dept CodePref, Pop CodePref Dept Le membre gauche de la 1ere DF contient une clé Le membre droit de la 2eme DF est inclu dans une clé Mais pas en BCNF à cause de la deuxième dépendance : Le membre gauche (CodePref ) n'est pas une super clé BD4 (Licence MASS, Master ISIFAR, Paris-Diderot) SQL 23/39 Avril / 39 Réparation des exemples Fournisseur(NomF, AddresseF, Article, Prix) devient CoordFourn(NomF, AddresseF) Fournisseur(NomF, Article, Prix) qui est bien en BCNF pour les DF : NomF, Article Prix NomF AdresseF BD4 (Licence MASS, Master ISIFAR, Paris-Diderot) SQL 24/39 Avril / 39
13 Réparation des exemples VOITURE(Nv, Marque,Type, Puissance, Couleur) devient VOITURE(Nv,Type, Puissance, Couleur) TYPEVOIT(Type, Marque) La clé est : Nv qui est bien en BCNF pour les DF : Même démarche pour Geographie Nv Marque, Type, Puissance, Couleur Type Marque BD4 (Licence MASS, Master ISIFAR, Paris-Diderot) SQL 25/39 Avril / 39 Décomposition en BCNF Soit une relation R de schéma A = {A 1,, A k } et un ensemble de dépendance fonctionnelles F Soit X Y une DF de F violant la forme normale BCNF Calculer X + la cloture de X suivant F Séparer R en deux relations R 1 de schéma A 1 = X + R 2 de schéma A 1 \(X + \X) On projette les dépendances fonctionnelles sur chaque relation BD4 (Licence MASS, Master ISIFAR, Paris-Diderot) SQL 26/39 Avril / 39
14 Décomposition en BCNF - Exemple Dans la base Tennis On peut constituer une relation R = PlayedIn Registration de schéma A = RegistrNum, PID, TID équipée i) des clés RegistrNum, PID ou PID, TID ii) d'une dépendance RegistrNum TID La relation R est en forme normale 3 puisque TID fait partie d'une clé La relation R n'est pas en forme normale BC car RegistrNum + RegistrNum, PID, TID On décompose R i) R 1 de schema RegistrNum + = RegistrNum, TID (soit PlayedIn ) ii) R 2 de schema A \ (RegistrNum + \ RegistrNum) (soit Registration ) BD4 (Licence MASS, Master ISIFAR, Paris-Diderot) SQL 27/39 Avril / 39 Décomposition en BCNF - Problème Considérons les dépendances fonctionnelles F = {A, B C; C B} et une relation R de schéma A = {A, B, C} Il y a deux clés : {A, B} et {A, C} et la dépendance C B viole la forme normale BCNF Comme C + = {B, C}, on doit décomposer en suivant l'algorithme en deux relations : R 1 (A, C) et R 2 (B, C) Mais du coup, on ne peut plus s'assurer de la dépendance A, B C une fois le schéma décomposé (elle peut très bien être violé alors qu'aucune des DFs de chacune des relations ne l'est) La décomposition en FN3 remédie à cela BD4 (Licence MASS, Master ISIFAR, Paris-Diderot) SQL 28/39 Avril / 39
15 Normalisation On se fixe une forme normale à atteindre Objectifs : décomposer un schéma A et un ensemble de DF F, en une collection de schémas ρ(a ) = (A 1,, A t ) sur les mêmes attributs telle que : A est dans la forme normale choisie Les données sont préservées ie toute relation R de schéma A doit pouvoir être retrouvée à partir des relations R i = π Ai (R) projetées (par jointure) La décomposition est "sans perte d'information" Les dépendances originales F doivent être satisfaites par la nouvelle base de données obtenue après décomposition Impossible parfois de satisfaire les 3 critères en même temps sans avoir d anomalies (redondance ou autres) BD4 (Licence MASS, Master ISIFAR, Paris-Diderot) SQL 29/39 Avril / 39 Normalisation sans perte d'information Soit A un schéma de relation et ρ(a) = (A 1,, A k ) une décomposition de A Soit R une relation de schéma A ρ est sans perte d'information pour R si R = π A1 (R) π Ak (R) ρ est sans perte d'information pour un ensemble de DF F si pour toute relation R de schéma A satisfaisant F la décomposition est sans perte d'information pour R Ọn a toujours R π A1 (R) π At (R) BD4 (Licence MASS, Master ISIFAR, Paris-Diderot) SQL 30/39 Avril / 39
16 Normalisation sans perte d'information Algorithme de poursuite (Chase test) Etant donné t π A1 (R) π Ak (R), Montrer que t R en utilisant les dépendances fonctionnelles de F On sait que t a été obtenu à partir de la projection de k tuples t 1,, t k dans R Peut-on montrer, à l'aide des dépendances fonctionnelles que t est l'un de ces tuples? BD4 (Licence MASS, Master ISIFAR, Paris-Diderot) SQL 31/39 Avril / 39 Algorithme de poursuite soit t i π Ai (R), i k En dehors de A i, t i a des valeurs arbitraires On examine les conséquences des DF les unes après les autres en essayant de montrer que pour un des tuples, les valeurs arbitraires pour certains attributs sont en fait celles de t pour les attributs en questions Considérons l'exemple : R(A, B, C, D) avec A 1 = {A, B}, A 2 = {B, C} et A 3 = {C, D} Soit F = {C D; B A} A B C D a b c 1 d 1 a 2 b c d 2 a 3 b 3 c d BD4 (Licence MASS, Master ISIFAR, Paris-Diderot) SQL 32/39 Avril / 39
17 Algorithme de poursuite - exemple Par la dépendance B A, il vient : A B C D a b c 1 d 1 a 2 b c d 2 a 3 b 3 c d A B C D a b c 1 d 1 a b c d 2 a 3 b 3 c d BD4 (Licence MASS, Master ISIFAR, Paris-Diderot) SQL 33/39 Avril / 39 Algorithme de poursuite - exemple Par la dépendance C D, il vient : A B C D a b c 1 d 1 a b c d 2 a 3 b 3 c d A B C D a b c 1 d 1 a b c d a 3 b 3 c d Ọn a bien fait apparaitre t qui appartient donc à π A1 (R) π A2 (R) π A3 (R) BD4 (Licence MASS, Master ISIFAR, Paris-Diderot) SQL 34/39 Avril / 39
18 Algorithme de poursuite Si deux tuples s'accordent sur la partie gauche d'une DF, leur partie droite doit être égale Dans ce cas, remplacer les attributs d'un des deux tuples correspondant à la partie droite par les valeurs de l'autre En privilégiant si possible les valeurs sans indice (qui viennent de R) sur les valeurs indicées (qui sont arbitraires) Si on obtient un tuple sans valeur indicées ie t, on peut déduire que t est bien dans R La décomposition est sans perte BD4 (Licence MASS, Master ISIFAR, Paris-Diderot) SQL 35/39 Avril / 39 Algorithme de poursuite - 2eme exemple Considérons toujours l'exemple : R(A, B, C, D) avec A 1 = {A, B}, A 2 = {B, C} et A 3 = {C, D} Mais avec F = {C D} A B C D a b c 1 d 1 a 2 b c d 2 a 3 b 3 c d Ḍans ce cas, en utilisant la seule DF C D, on a : A B C D a b c 1 d 1 a 2 b c d a 3 b 3 c d BD4 Ṃais (Licence on MASS, ne Master peut ISIFAR, aller Paris-Diderot) plus loin : t = (a, SQL b, c, 36/39 d) n'est pas dans R Avril / 39
19 Algo de normalisation en FN3 Entrée ụn schéma A (ou une relation R de schéma A) et un ensemble F de DF Sortie une décomposition ρ(a) = (A 1,, A t ) où chaque A i est en FN3, sans perte et préservant les dépendances de F Algorithme i) Minimiser l'ensemble de dépendances F ii) Pour toute dépendance fonctionnelle X 1,, X k Y 1,, Y h, introduire une nouvelle relation de schéma A i = {X 1,, X k, Y 1,, Y h } iii) Si aucune des relations introduites n'est une super clé de R, ajouter une nouvelle relation dont le schéma est une clé de R (prendre cette clé au hasard si plusieurs possibilités) BD4 (Licence MASS, Master ISIFAR, Paris-Diderot) SQL 37/39 Avril / 39 Normalisation en FN3 Considérons l'exemple : R(A, B, C, D) Avec F = {A B, A C} Ces dépendances sont minimales On construit deux relations R 1 (A, B) et R 2 (A, C) Plus une troisième contenant la clé (ou une super clé) : R 3 (A, D) BD4 (Licence MASS, Master ISIFAR, Paris-Diderot) SQL 38/39 Avril / 39
20 Conclusion On peut pousser plus loin les normalisations Ces techniques peuvent être utilisées pour obtenir "automatiquement" un schéma de BD optimisé à partir des dépendances mises à jour pendant la modélisation BD4 (Licence MASS, Master ISIFAR, Paris-Diderot) SQL 39/39 Avril / 39
Programmation linéaire
1 Programmation linéaire 1. Le problème, un exemple. 2. Le cas b = 0 3. Théorème de dualité 4. L algorithme du simplexe 5. Problèmes équivalents 6. Complexité de l Algorithme 2 Position du problème Soit
Plus en détailPatrice BOURSIER. Professeur, Univ. de La Rochelle. patrice.boursier@univ-lr.fr. Bases de Données. Notes de cours
Patrice BOURSIER Professeur, Univ. de La Rochelle patrice.boursier@univ-lr.fr Bases de Données Notes de cours SOMMAIRE Chapitre 1 : Introduction Chapitre 2 : Modèle conceptuel Chapitre 3 : Modèle relationnel
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 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 détailChapitre 1 : Évolution COURS
Chapitre 1 : Évolution COURS OBJECTIFS DU CHAPITRE Savoir déterminer le taux d évolution, le coefficient multiplicateur et l indice en base d une évolution. Connaître les liens entre ces notions et savoir
Plus en 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 détailC f tracée ci- contre est la représentation graphique d une
TLES1 DEVOIR A LA MAISON N 7 La courbe C f tracée ci- contre est la représentation graphique d une fonction f définie et dérivable sur R. On note f ' la fonction dérivée de f. La tangente T à la courbe
Plus en détailEbauche Rapport finale
Ebauche Rapport finale Sommaire : 1 - Introduction au C.D.N. 2 - Définition de la problématique 3 - Etat de l'art : Présentatio de 3 Topologies streaming p2p 1) INTRODUCTION au C.D.N. La croissance rapide
Plus en détailOPTIMISATION À UNE VARIABLE
OPTIMISATION À UNE VARIABLE Sommaire 1. Optimum locaux d'une fonction... 1 1.1. Maximum local... 1 1.2. Minimum local... 1 1.3. Points stationnaires et points critiques... 2 1.4. Recherche d'un optimum
Plus en détailI. 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 détailProposition. Si G est un groupe simple d ordre 60 alors G est isomorphe à A 5.
DÉVELOPPEMENT 32 A 5 EST LE SEUL GROUPE SIMPLE D ORDRE 60 Proposition. Si G est un groupe simple d ordre 60 alors G est isomorphe à A 5. Démonstration. On considère un groupe G d ordre 60 = 2 2 3 5 et
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 détailCH.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 détail3 Approximation de solutions d équations
3 Approximation de solutions d équations Une équation scalaire a la forme générale f(x) =0où f est une fonction de IR dans IR. Un système de n équations à n inconnues peut aussi se mettre sous une telle
Plus en détail1 Définition et premières propriétés des congruences
Université Paris 13, Institut Galilée Département de Mathématiques Licence 2ème année Informatique 2013-2014 Cours de Mathématiques pour l Informatique Des nombres aux structures Sylviane R. Schwer Leçon
Plus en détailFonctions homographiques
Seconde-Fonctions homographiques-cours Mai 0 Fonctions homographiques Introduction Voir le TP Géogébra. La fonction inverse. Définition Considérons la fonction f définie par f() =. Alors :. f est définie
Plus en détailPROBLEMES 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 détailChapitre V : La gestion de la mémoire. Hiérarchie de mémoires Objectifs Méthodes d'allocation Simulation de mémoire virtuelle Le mapping
Chapitre V : La gestion de la mémoire Hiérarchie de mémoires Objectifs Méthodes d'allocation Simulation de mémoire virtuelle Le mapping Introduction Plusieurs dizaines de processus doivent se partager
Plus en détailRapidMiner. 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 détailRÉSOLUTION DE SYSTÈMES À DEUX INCONNUES
RÉSOLUTION DE SYSTÈMES À DEUX INCONNUES Sommaire 1 Méthodes de résolution... 3 1.1. Méthode de Substitution... 3 1.2. Méthode des combinaisons linéaires... 6 La rubrique d'aide qui suit s'attardera aux
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 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 détail1. LA GESTION DES BASES DE DONNEES RELATIONNELLES
Dossier G11 - Interroger une base de données La base de données Facturation contient tout un ensemble d'informations concernant la facturation de la SAFPB (société anonyme de fabrication de produits de
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 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 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 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 détailEXERCICE 4 (7 points ) (Commun à tous les candidats)
EXERCICE 4 (7 points ) (Commun à tous les candidats) On cherche à modéliser de deux façons différentes l évolution du nombre, exprimé en millions, de foyers français possédant un téléviseur à écran plat
Plus en détailLa maison Ecole d ' Amortissement d un emprunt Classe de terminale ES. Ce qui est demandé. Les étapes du travail
La maison Ecole d ' Amortissement d un emprunt Classe de terminale ES Suites géométriques, fonction exponentielle Copyright c 2004 J.- M. Boucart GNU Free Documentation Licence L objectif de cet exercice
Plus en détailTP Bases de données réparties
page 1 TP Bases de données réparties requêtes réparties Version corrigée Auteur : Hubert Naacke, révision 5 mars 2003 Mots-clés: bases de données réparties, fragmentation, schéma de placement, lien, jointure
Plus en détailIntroduction. 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 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 détailCondition inf-sup pour l Elément Fini de Taylor-Hood È ¾ -iso-è ½
Condition inf-sup pour l Elément Fini de Taylor-Hood È ¾ -iso-è ½ Patrick Ciarlet et Vivette Girault ciarlet@ensta.fr & girault@ann.jussieu.fr ENSTA & Laboratoire Jacques-Louis Lions, Paris 6 Condition
Plus en détailCryptographie et fonctions à sens unique
Cryptographie et fonctions à sens unique Pierre Rouchon Centre Automatique et Systèmes Mines ParisTech pierre.rouchon@mines-paristech.fr Octobre 2012 P.Rouchon (Mines ParisTech) Cryptographie et fonctions
Plus en détailLes bases de données
Les bases de données Introduction aux fonctions de tableur et logiciels ou langages spécialisés (MS-Access, Base, SQL ) Yves Roggeman Boulevard du Triomphe CP 212 B-1050 Bruxelles (Belgium) Idée intuitive
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 détailMERISE. Modélisation de Systèmes d Information. Pierre Gérard. DUT Informatique 2ème année 2004/2005. IUT de Villetaneuse - Université de Paris 13
Modélisation de Systèmes d Information IUT de Villetaneuse - Université de Paris 13 DUT Informatique 2ème année 2004/2005 LATEX Cycle de vie Introduction Processus de développement d un logiciel La méthode
Plus en détailCHAPITRE 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 détailDualité dans les espaces de Lebesgue et mesures de Radon finies
Chapitre 6 Dualité dans les espaces de Lebesgue et mesures de Radon finies Nous allons maintenant revenir sur les espaces L p du Chapitre 4, à la lumière de certains résultats du Chapitre 5. Sauf mention
Plus en détailChristophe CANDILLIER Cours de DataMining mars 2004 Page 1
Christophe CANDILLIER Cours de DataMining mars 2004 age 1 1. Introduction 2. rocessus du DataMining 3. Analyse des données en DataMining 4. Analyse en Ligne OLA 5. Logiciels 6. Bibliographie Christophe
Plus en détailBac Blanc Terminale ES - Février 2011 Épreuve de Mathématiques (durée 3 heures)
Bac Blanc Terminale ES - Février 2011 Épreuve de Mathématiques (durée 3 heures) Eercice 1 (5 points) pour les candidats n ayant pas choisi la spécialité MATH Le tableau suivant donne l évolution du chiffre
Plus en détailBases de Données Avancées
1/62 Bases de Données Avancées Introduction & Rappel Conception et Modélisation Thierry Hamon Bureau H202 - Institut Galilée Tél. : 33 1.48.38.35.53 Bureau 150 LIM&BIO EA 3969 Université Paris 13 - UFR
Plus en détailOptimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications
Optimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications A. Optimisation sans contrainte.... Généralités.... Condition nécessaire et condition suffisante
Plus en détailaux différences est appelé équation aux différences d ordre n en forme normale.
MODÉLISATION ET SIMULATION EQUATIONS AUX DIFFÉRENCES (I/II) 1. Rappels théoriques : résolution d équations aux différences 1.1. Équations aux différences. Définition. Soit x k = x(k) X l état scalaire
Plus en détailLES DÉTERMINANTS DE MATRICES
LES DÉTERMINANTS DE MATRICES Sommaire Utilité... 1 1 Rappel Définition et composantes d'une matrice... 1 2 Le déterminant d'une matrice... 2 3 Calcul du déterminant pour une matrice... 2 4 Exercice...
Plus en détailPrésentation du module Base de données spatio-temporelles
Présentation du module Base de données spatio-temporelles S. Lèbre slebre@unistra.fr Université de Strasbourg, département d informatique. Partie 1 : Notion de bases de données (12,5h ) Enjeux et principes
Plus en détailTaux d évolution moyen.
Chapitre 1 Indice Taux d'évolution moyen Terminale STMG Ce que dit le programme : CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Indice simple en base 100. Passer de l indice au taux d évolution, et réciproquement.
Plus en détailF411 - Courbes Paramétrées, Polaires
1/43 Courbes Paramétrées Courbes polaires Longueur d un arc, Courbure F411 - Courbes Paramétrées, Polaires Michel Fournié michel.fournie@iut-tlse3.fr http://www.math.univ-toulouse.fr/ fournie/ Année 2012/2013
Plus en détailSujet proposé par Yves M. LEROY. Cet examen se compose d un exercice et de deux problèmes. Ces trois parties sont indépendantes.
Promotion X 004 COURS D ANALYSE DES STRUCTURES MÉCANIQUES PAR LA MÉTHODE DES ELEMENTS FINIS (MEC 568) contrôle non classant (7 mars 007, heures) Documents autorisés : polycopié ; documents et notes de
Plus en détailChp. 4. Minimisation d une fonction d une variable
Chp. 4. Minimisation d une fonction d une variable Avertissement! Dans tout ce chapître, I désigne un intervalle de IR. 4.1 Fonctions convexes d une variable Définition 9 Une fonction ϕ, partout définie
Plus en détailCHAPITRE V SYSTEMES DIFFERENTIELS LINEAIRES A COEFFICIENTS CONSTANTS DU PREMIER ORDRE. EQUATIONS DIFFERENTIELLES.
CHAPITRE V SYSTEMES DIFFERENTIELS LINEAIRES A COEFFICIENTS CONSTANTS DU PREMIER ORDRE EQUATIONS DIFFERENTIELLES Le but de ce chapitre est la résolution des deux types de systèmes différentiels linéaires
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 détailAnnée Universitaire 2009/2010 Session 2 de Printemps
Année Universitaire 2009/2010 Session 2 de Printemps DISVE Licence PARCOURS : CSB4 & CSB6 UE : INF 159, Bases de données Épreuve : INF 159 EX Date : Mardi 22 juin 2010 Heure : 8 heures 30 Durée : 1 heure
Plus en détailBACCALAUREAT GENERAL MATHÉMATIQUES
BACCALAUREAT GENERAL FEVRIER 2014 MATHÉMATIQUES SERIE : ES Durée de l épreuve : 3 heures Coefficient : 5 (ES), 4 (L) 7(spe ES) Les calculatrices électroniques de poche sont autorisées, conformement à la
Plus en détailInitiation aux bases de données (SGBD) Walter RUDAMETKIN
Initiation aux bases de données (SGBD) Walter RUDAMETKIN Bureau F011 Walter.Rudametkin@polytech-lille.fr Moi Je suis étranger J'ai un accent Je me trompe beaucoup en français (et en info, et en math, et...)
Plus en détailGestion des transactions et accès concurrents dans les bases de données relationnelles
Gestion des transactions et accès concurrents dans les bases de données relationnelles Bernard ESPINASSE Professeur à Aix-Marseille Université (AMU) Ecole Polytechnique Universitaire de Marseille Fev.
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 détailINITIATION AUX BASES DE DONNEES MODELISATION et LANGAGE SQL
INITIATION AUX BASES DE DONNEES MODELISATION et LANGAGE SQL Master2 Modélisation Statistique - Génie logiciel & Bases des données Laboratoire de Mathématiques CNRS - Université de Franche-Comté Département
Plus en détailBases de Données. Plan
Université Mohammed V- Agdal Ecole Mohammadia d'ingénieurs Rabat Bases de Données Mr N.EL FADDOULI 2014-2015 Plan Généralités: Définition de Bases de Données Le modèle relationnel Algèbre relationnelle
Plus en détailFormation à l utilisation des Systèmes de Gestion de Bases de Données Relationnelles. organisée avec la collaboration du
Proyecto FAO COPEMED Universidad de Alicante Ramón y Cajal, 4 03001 - Alicante, España GCP/REM/057/SPA Web : www.fao.org/fi/copemed Tel : +34 96 514 59 79 Fax : +34 96 514 59 78 Email : copemed@ua.es Formation
Plus en détail1 Modélisation d une base de données pour une société de bourse
IN306 : Corrigé SID Christophe Garion 18 octobre 2010 Ce document est un corrigé succinct de l examen du module IN306. 1 Modélisation d une base de données pour une société de bourse Une
Plus en détailChapitre 5 : Flot maximal dans un graphe
Graphes et RO TELECOM Nancy A Chapitre 5 : Flot maximal dans un graphe J.-F. Scheid 1 Plan du chapitre I. Définitions 1 Graphe Graphe valué 3 Représentation d un graphe (matrice d incidence, matrice d
Plus en détail4. Utilisation d un SGBD : le langage SQL. 5. Normalisation
Base de données S. Lèbre slebre@unistra.fr Université de Strasbourg, département d informatique. Présentation du module Contenu général Notion de bases de données Fondements / Conception Utilisation :
Plus en détailLE 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 détailCONCEPTION Support de cours n 3 DE BASES DE DONNEES
CONCEPTION Support de cours n 3 DE BASES DE DONNEES Auteur: Raymonde RICHARD PRCE UBO PARTIE III. - LA DESCRIPTION LOGIQUE ET PHYSIQUE DES DONNEES... 2 A. Les concepts du modèle relationnel de données...
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 détailNOTIONS DE PROBABILITÉS
NOTIONS DE PROBABILITÉS Sommaire 1. Expérience aléatoire... 1 2. Espace échantillonnal... 2 3. Événement... 2 4. Calcul des probabilités... 3 4.1. Ensemble fondamental... 3 4.2. Calcul de la probabilité...
Plus en détailChapitre 6. Fonction réelle d une variable réelle
Chapitre 6 Fonction réelle d une variable réelle 6. Généralités et plan d étude Une application de I dans R est une correspondance entre les éléments de I et ceu de R telle que tout élément de I admette
Plus en détailETL Extract - Transform - Load
ETL Extract - Transform - Load Concept général d analyse en ligne (rappels) Rémy Choquet - Université Lyon 2 - Master 2 IIDEE - 2006-2007 Plan Définitions La place d OLAP dans une entreprise OLAP versus
Plus en détailGUIDE PRATIQUE déplacements professionnels temporaires en France et à l étranger
GUIDE PRATIQUE déplacements professionnels temporaires en France et à l étranger SOMMAIRE GUIDE PRATIQUE déplacements professionnels temporaires en France et à l étranger o o o o o o o o o o o o
Plus en détailÉPREUVE 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 détailAC AB. A B C x 1. x + 1. d où. Avec un calcul vu au lycée, on démontre que cette solution admet deux solutions dont une seule nous intéresse : x =
LE NOMBRE D OR Présentation et calcul du nombre d or Euclide avait trouvé un moyen de partager en deu un segment selon en «etrême et moyenne raison» Soit un segment [AB]. Le partage d Euclide consiste
Plus en détailCours Base de données relationnelles. M. Boughanem, IUP STRI
Cours Base de données relationnelles 1 Plan 1. Notions de base 2. Modèle relationnel 3. SQL 2 Notions de base (1) Définition intuitive : une base de données est un ensemble d informations, (fichiers),
Plus en détailChapitre 2. Matrices
Département de mathématiques et informatique L1S1, module A ou B Chapitre 2 Matrices Emmanuel Royer emmanuelroyer@mathuniv-bpclermontfr Ce texte mis gratuitement à votre disposition a été rédigé grâce
Plus en détailOrdonnancement. 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 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 détailPremière partie. Préliminaires : noyaux itérés. MPSI B 6 juin 2015
Énoncé Soit V un espace vectoriel réel. L espace vectoriel des endomorphismes de V est désigné par L(V ). Lorsque f L(V ) et k N, on désigne par f 0 = Id V, f k = f k f la composée de f avec lui même k
Plus en détailAmphi 3: Espaces complets - Applications linéaires continues
Amphi 3: Espaces complets - Applications linéaires continues Département de Mathématiques École polytechnique Remise en forme mathématique 2013 Suite de Cauchy Soit (X, d) un espace métrique. Une suite
Plus en détailBaccalauréat ES Polynésie (spécialité) 10 septembre 2014 Corrigé
Baccalauréat ES Polynésie (spécialité) 10 septembre 2014 Corrigé A. P. M. E. P. Exercice 1 5 points 1. Réponse d. : 1 e Le coefficient directeur de la tangente est négatif et n est manifestement pas 2e
Plus en détailProbabilités conditionnelles Exercices corrigés
Terminale S Probabilités conditionnelles Exercices corrigés Exercice : (solution Une compagnie d assurance automobile fait un bilan des frais d intervention, parmi ses dossiers d accidents de la circulation.
Plus en détailCHAPITRE 5. Stratégies Mixtes
CHAPITRE 5 Stratégies Mixtes Un des problèmes inhérents au concept d équilibre de Nash en stratégies pures est que pour certains jeux, de tels équilibres n existent pas. P.ex.le jeu de Pierre, Papier,
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 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 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 détailModélisation des données
Modélisation des données Le modèle Entité/Association Le MCD ou modèle Entité/Association est un modèle chargé de représenter sous forme graphique les informations manipulées par le système (l entreprise)
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 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 détailThéorie des Graphes Cours 3: Forêts et Arbres II / Modélisation
IFIPS S7 - informatique Université Paris-Sud 11 1er semestre 2009/2010 Théorie des Graphes Cours 3: Forêts et Arbres II / 1 Forêts et arbres II Théorème 1.1. Les assertions suivantes sont équivalentes
Plus en détailLicence Sciences et Technologies Examen janvier 2010
Université de Provence Introduction à l Informatique Licence Sciences et Technologies Examen janvier 2010 Année 2009-10 Aucun document n est autorisé Les exercices peuvent être traités dans le désordre.
Plus en détailExemple accessible via une interface Web. Bases de données et systèmes de gestion de bases de données. Généralités. Définitions
Exemple accessible via une interface Web Une base de données consultable en ligne : Bases de données et systèmes de gestion de bases de données The Trans-atlantic slave trade database: http://www.slavevoyages.org/tast/index.faces
Plus en détailBaccalauréat ES Antilles Guyane 12 septembre 2014 Corrigé
Baccalauréat ES Antilles Guyane 12 septembre 2014 Corrigé EXERCICE 1 5 points Commun à tous les candidats 1. Réponse c : ln(10)+2 ln ( 10e 2) = ln(10)+ln ( e 2) = ln(10)+2 2. Réponse b : n 13 0,7 n 0,01
Plus en détailBaccalauréat ES/L Amérique du Sud 21 novembre 2013
Baccalauréat ES/L Amérique du Sud 21 novembre 2013 A. P. M. E. P. EXERCICE 1 Commun à tous les candidats 5 points Une entreprise informatique produit et vend des clés USB. La vente de ces clés est réalisée
Plus en détailProblème : 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 détailI- Définitions des signaux.
101011011100 010110101010 101110101101 100101010101 Du compact-disc, au DVD, en passant par l appareil photo numérique, le scanner, et télévision numérique, le numérique a fait une entrée progressive mais
Plus en détailProjet de traitement d'image - SI 381 reconstitution 3D d'intérieur à partir de photographies
Projet de traitement d'image - SI 381 reconstitution 3D d'intérieur à partir de photographies Régis Boulet Charlie Demené Alexis Guyot Balthazar Neveu Guillaume Tartavel Sommaire Sommaire... 1 Structure
Plus en détailAxiomatique 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 détailPolynômes à plusieurs variables. Résultant
Polynômes à plusieurs variables. Résultant Christophe Ritzenthaler 1 Relations coefficients-racines. Polynômes symétriques Issu de [MS] et de [Goz]. Soit A un anneau intègre. Définition 1.1. Soit a A \
Plus en détailDifférentiabilité ; Fonctions de plusieurs variables réelles
Différentiabilité ; Fonctions de plusieurs variables réelles Denis Vekemans R n est muni de l une des trois normes usuelles. 1,. 2 ou.. x 1 = i i n Toutes les normes de R n sont équivalentes. x i ; x 2
Plus en détail