Réseaux de Petri PLAN MODÉLISATION ET VÉRIFICATION. P. Moreaux. Sommaire
|
|
- Georges Champagne
- il y a 6 ans
- Total affichages :
Transcription
1 Résux Ptri P. Morux Univrsité Rims Chmpgn - Arnn UFR Sins Exts t Nturlls Déprtmnt Mthémtiqus t Inormtiqu Sommir!" # $%!!!& %! $%! '!(! '&(! $%!!! &" &! && % '!(& % '&(& % '!(& % '&(& & # & # '!(& # '&(" $#! & ## ## P. Morux Résux Ptri - 2/2 PLAN Introution Moélistion t vériition Exmpls moélistion t RP synhronistion (pompists) rssour prtgé systèm ommunition systèm proutur - onsommtur Déinition s RP syntx ynmiqu Ensml t grph ssiilité Propriétés struturlls / ssiilité (omportmntls) Propriétés omportmntls ornitu vivité étt uil rltions ntr propriétés Propriétés struturlls : invrints éqution onmntl lots t rythms luls ss lots t rythms (Guss) smi-lots t smi-rythms luls ppg smi-lots t smi-rythms (Frks) Réutions Prinips Pré-gglomértion Post-gglomértion Pl impliit Exmpl MODÉLISATION ET VÉRIFICATION Systèm sription inormll Moèl spéiition ormlisé VÉRIFICATION l spéiition vérii-t-ll ls ormuls? NON Propriétés énoné inorml Formuls xprssion ormlisé OUI P. Morux Résux Ptri - / P. Morux Résux Ptri - 4/4
2 SYNCHRONISATION CONFLIT g q r, : un voitur rriv q1 : pompist 1 u rpos : pompist 1 rrêt rmplir q2 : pompist 1 rmplissnt l résrvoir : pompist 1 rommn à rmplir q : pompist 1 vériint l nivu, g : un voitur st trité 'ssn : pompist 2 ini vériir l'huil r1 : pompist 2 u rpos r2 : pompist 2 vériint l'huil r : pompist 2 près vériition q1 : prossus 1 u rpos q2 : prossus 1 ént u ihir r1 : prossus 2 u rpos r2 : prossus 2 ént u ihir Lir q r g P. Morux Résux Ptri - 5/5 P. Morux Résux Ptri - 6/6 Émttur tntqu vri ir préprr mssg nvoyr mssg (h1) lir usé réption (h2) nlysr usé réption intntqu SYSTÈME DE COMMUNICATION Réptur tntqu vri ir lir mssg (h1) nlysr mssg préprr usé réption nvoyr usé réption (h2) intntqu SYSTÈME PRODUCTEUR - CONSOMMATEUR Proutur tntqu vri ir préprr mssg nvoyr mssg intntqu Consommtur tntqu vri ir lir mssg tritr mssg intntqu p 5 t 1 t 2 p 9 p 6 t 5 t6 q1 : proutur u rpos : l proutur éi 'nvoyr un m. q2 : proutur riqunt un m. : l proutur nvoi l m. r1 : onsommtur u rpos : l onsommtur éi lir un m. r2 : onsommtur lisnt un m. : l onsommtur ini lir l m. p 7 t t 7 0 m p 4 p 8 t 4 t 8 P. Morux Résux Ptri - 7/7 P. Morux Résux Ptri - 8/8
3 Résu Ptri : R = (P, T, Pr, Post) - P : nsml ini s pls - T : nsml ini s trnsitions - Pr : PxT -> N ontion 'inin vnt - Post : PxT -> N ontion 'inin rrièr Mrqug u résu : M : P -> N : M(p) st l nomr jtons p n M. Résu Ptri mrqué (ou systèm): S = (R,M 0) - R : résu Ptri - M 0 : mrqug initil : P -> N DÉFINITION DES RÉSEAUX DE PETRI [ ] [ ] Pr = [ ] [ ] = Post [ ] [ ] [ ] [ 0 ] C = Post - Pr = [ ] M 0 = [ ] [ ] [ 0 ] DYNAMIQUE DES RÉSEAUX DE PETRI Frnhissilité t st rnhissl ("nl") n M (M[t>) ssi : pour tout pl p P : M(p) Pr(p,t) Frnhissmnt Si t st rnhissl n M, l rnhissmnt (tir, "iring") t prouit l mrqug M' (M[t>M') : pour tout pl p P, M'(p) = M(p) - Pr(p,t) + Post(p,t) Séqun rnhissmnts s = t 1, t 2,..., t n lors : M[s>M n ssi M[t 1>M 1, M 1[t 2>M 2,..., M n-1[t n>m n Ensml s mrqugs ssils ("Rhility St") : A(R, M 0) = { M il xist s tll qu M 0[s>M } Grph s mrqugs ssils ("Rhility Grph") : GA(R, M 0) = grph (orinté, étiquté) ont - ls nous sont ls mrqugs ssils - ls rs sont ls rnhissmnts ntr ux mrqugs ssils P. Morux Résux Ptri - 9/9 P. Morux Résux Ptri - 10/10 (0,, 0) EXEMPLE DE GRAPHE D ACCESSIBILITÉ (0, 0, 1) Résu mrqué S = (R, M 0) v M 0 = (0,,0) Grph ssiilité S (1, 2, 0) (2, 1, 0) (, 0, 0) PROPRIÉTÉS DES RÉSEAUX DE PETRI Vériition spéiitions - On truit l spéiition u systèm moélisé n s propriétés u résu Ptri ssoié. - Vériir l orrtion u systèm rvint à prouvr qu l résu vérii s propriétés Propriété ssiilité ou omportmntl DEPEND u mrqug initil - ornitu - vivité - étt uil Propriété struturll vri pour TOUT mrqug initil - invrints pls ou trnsitions Méthos pruv s propriétés - nlys u grph s mrqugs ssils - réution u résu - lgèr linéir - utrs... P. Morux Résux Ptri - 11/11 P. Morux Résux Ptri - 12/12
4 BORNITUDE Résu K-orné ("K-Boun Nt") - un pl p st K-orné ssi pour tout M A(R, M 0) : M(p) K - (R, M 0) st K-orné ssi touts ss pls sont K-ornés Résu non orné Arr ouvrtur Algorithm onstrution (Ptrson, 1981) soit ω éini pr : n N : ω + n = ω - n = ω; n < ω; ω <= ω ut X <- { M0 } tntqu X non vi ir hoisir un M ns X pour tout t tll qu M[t>M' ir (* tstr l ornitu: *) pour tout p ns P ir si il xist M" ns l hmin M0 à M' tq M' => M" t il xist p tq M'(p) > M"(p) lors M'(p) <- ω insi rér un nou M -t-> M' X <- { M M st un uill généré, il xist un trnsition rnhissl n M, il n'y ps nou intrn égl à M } intntqu in P. Morux Résux Ptri - 1/1 EXEMPLE D ARBRE DE COUVERTURE ω 1 ω 0 ω ω 0 0 ω 1 ω 0 ω 0 1 ω ω ω ω 1 0 ω ω ω ω 1 ω 0 ω ω ω ω ω 0 ω ω ω ω ω ω ω ω ω P. Morux Résux Ptri - 14/14 VIVACITÉ (1) Résu psuo-vivnt (R,M 0) st psuo-vivnt ssi pour tout M A(R, M 0), il xist un trnsition t tll qu M[t> Trnsition qusi-vivnt Il xist un mrqug M A(R, M 0) tl qu M[t> Trnsition vivnt Pour tout mrqug M A(R, M 0), il xist un mrqug M' A(R,M) tl qu M'[t> Résu vivnt (R,M 0) st vivnt ssi touts ss trnsitions sont vivnts VIVACITÉ (2) p 4 st qusi-vivnt, non vivnt,, t sont vivnts P. Morux Résux Ptri - 15/15 P. Morux Résux Ptri - 16/16
5 ÉTAT D ACCUEIL RÉSEAU RÉINITIALISABLE Étt 'uil M st un étt 'uil (R, M 0) ssi pour tout M A(R, M 0), il xist un séqun trnsitions s tll qu M[s>M Résu réinitilisl (R,M 0) st réinitilisl ssi M 0 st un étt uil, i : pour tout M A(R, M 0), il xist un séqun trnsitions s tll qu : M[s> M 0 équivlnt à : son grph 'ssiilité st ortmnt onnx PROPRIÉTÉS COMPORTEMENTALES Dépnnt u mrqug initil u résu p 4 p 4 Si M 0 = + (R,M 0) st inir, vivnt t réinitilisl Si M 0 = + + p 4 (R,M 0) st non orné (vivnt?) Si M 0 = (R,M 0) st inir t non vivnt p P. Morux Résux Ptri - 17/17 P. Morux Résux Ptri - 18/18 RELATIONS ENTRE LES PROPRIÉTÉS COMPORTEMENTALES Théorèm 1 Si (R, M 0) st psuo-vivnt ou non orné, il mt un séqun rnhissmnts inini. Théorèm 2 Si (R, M 0) st vivnt, il st qusi-vivnt t psuo-vivnt. Théorèm SI (R, M 0) st qusi-vivnt t réinitilisl, il st vivnt. Éqution onmntl 'évolution Si M[t>M'lors M'= M + C.t où t = l vtur N T : t [t'] = 1 si t'= t, 0 sinon Si M[s>M'où s st un séqun trnsitions, lors M'= M + C.s où s = l vtur N T : s[t] = n ssi t pprît n ois ns s PROPRIÉTÉS STRUCTURELLES - INVARIANTS - p 4 [ ] C = [ ] [ ] [ ] p 4 [ 0 ] M 0 = [ 0 ] [ 1 ] [ 1 ] s = [ 2 ] [ 2 ] [ 2 ] s = [ 0 ] M 0 + C.s = [ 0 ] [ 0 ] [ 0 ] [ ] [ 0 ] p 4 [ 1 ] P. Morux Résux Ptri - 19/19 P. Morux Résux Ptri - 20/20
6 q P-FLOTS ET T-FLOTS r Commnt vériir : M A(R, M 0), M() + M() + M(q ) = 1 (invrint sur ls pls) t : M A(R, M 0), M[.>M'=> M = M' (invrint sur ls trnsitions) CALCUL DES P t T-FLOTS L nsml s P ou T-lots st un Q-sp vtoril Un mill lots { 1,, n} st un s P-lots ssi pour tout P-lot R, il xist un uniqu n-upl ( 1,, n) Q n tl qu = n. n. Un mill rythms {g 1,,g m} st un s T-lots ssi pour tout T-lot g R, il xist un uniqu m-upl ( 1,, m) Q m tl qu g = 1.g m.g m. M A(R, M 0), M() + M() + M(q ) = 1 <=> M A(R, M 0), T.M = st. v : T = [1, 1, 1, 0, 0, 0] équivlnt, 'près l'éqution onmntl 'évolution, à : s, séqun rnhissmnts, T.C.s = 0 Un P-lot st un vtur Q P tl qu : T.C = 0 Un P-smilot ("P-smi-low") st un vtur N P tl qu : T.C = 0 L onstnt T.M 0 s'ppll un invrint pls (P-invrint, "S-invrint") M A(R, M 0), M[.>M'=> M = M' <=> C.g = 0 v : g T = [0, 1, 1, 0, 0] = (.) T Un T-lot (rythm) st un vtur g Q T tl qu : C.g = 0 Un T-smilot (smi-rythm) st un vtur g N T tl qu : C.g = 0 L séqun. s'ppll un invrint trnsitions ("T-invrint") P. Morux Résux Ptri - 21/21 q Ls pompists [ ] [ ] C = q [ ] [ ] [ ] r [ ] P. Morux Résux Ptri - 22/22 r CALCUL DE BASES DE P-FLOTS (1) R1[i ->.i+.j] : Rmplmnt l lign i pr l lign.i +.j v 0. L nouvll lign st éini pr k,.i+.j,k =. i,k +. j,k Exmpl : C --- R1[ -> +] ---> C1 --- R1[ -> -] ---> C R1[ -> +] --->C [ ] + [ ] C = q [ ] - [ ] + [ ] r [ ] R2[i] : Supprssion lign isolé i 'st à ir tll qu il xist k tl qu i,k 0 t j i, j,k = 0 + [ ] C --- R2[] ---> C4 = q [ ] - [ ] + [ ] r [ ] R[k] : Supprssion olonn k, null 'st à ir tll qu i, i,k = 0 + [ ] q [ ] C4--- R[] ---> C5 = - [ ] + [ ] r [ ] P. Morux Résux Ptri - 2/2 CALCUL DE BASES DE P-FLOTS (2) Algorithm Guss ut tntqu il xist un lign t un olonn ir Choisir un olonn k Choisir un lign i tll qu i,k 0 tntqu il xist un lign j i tll qu j,k 0 ir (* j,k <- 0 *) Appliqur R1[j -> (i,k. j - j,k. i) / pg(i,k, j,k) ] intntqu Appliqur R2 à sturtion (* lign i éliminé *) Appliqur R à sturtion (* olonn k éliminé *) intntqu L'nsml s inis ligns st un s lots in Théorèm : L imnsion u SEV s P-lots st P -rngc Exmpl (suit) Après un xéution oul, nous vons l mtri C5 Après l uxièm xéution : q ++ [ 0 0 ] C6 = - [ 0 0 ] + [-1 1 ] r [ 1-1 ] Après l troisièm xéution : q ++ [ ] C7 = - [ ] ++r [ ] Un s lots st { q ++, -, ++r } P. Morux Résux Ptri - 24/24
7 R1'[k ->.k+.l] : Rmplmnt l olonn k pr l olonn.k +.l v 0. L nouvll olonn st éini pr i, i,.k+.l =. i,k +. i,l R2'[k] : Supprssion olonn isolé k 'st à ir tll qu il xist i tl qu i,k 0 t l k, i,l = 0 R'[i] : Supprssion lign i null, 'st à ir tll qu k, i,k = 0 Algorithm Guss ut tntqu il xist un lign t un olonn ir Choisir un lign i Choisir un olonn k tll qu i,k 0 tntqu il xist un olonn l k tll qu i,l 0 ir (* i,l <- 0 *) Appliqur R 1[l -> (i,k. l - i,l. k) / pg(i,k, i,l) ] intntqu Appliqur R 2 à sturtion (* olonn k éliminé *) Appliqur R à sturtion (* lign i éliminé *) intntqu L'nsml s inis olonns st un s rythms in Théorèm : L imnsion u SEV s T-lots st T -rngc CALCUL DE BASES DE T-FLOTS (1) Exmpl CALCUL DE BASES DE T-FLOTS (2) [ ] [ ] C = q [ ] [ ] [ ] r [ ] Après l prmièr xéution oul : + [ ] q [ ] C1 = [ ] [ ] r [ ] Après l uxièm xéution : + ++ C2 = [ ] r [ ] Après l troisièm : C = [ ] Un s rythms st { +, +++ }. P. Morux Résux Ptri - 25/25 P. Morux Résux Ptri - 26/26 P t T-SEMIFLOTS Support 'un P-lot : = { p P (p) <> 0 } Support 'un T-lot (smi-rythm) g : g = { t T g(t) <> 0 } L résu R st ouvrt pr s P-lots ssi p P, P-lot, tl qu p Théorèm - si p st ns l support 'un P-smilot, p st orné M 0 - si R st ouvrt pr s P-smilots, R st struturllmnt orné : M 0, (R, M 0) st orné Théorèm Si (R, M 0) st orné t vivnt, il st ouvrt pr s T-smilots PLUS PETITES FAMILLES GÉNÉRATRICES DE P t T-SEMIFLOTS Un mill { 1,, n} P-smilots R st un plus ptit mill génértri (ppg) P-smilots ssi : (1) P-smilot R, 1,, n Q + tls qu = n. n (2) i, l propriété (1) n'st ps vériié pr { 1,, n} \ { i }. Un mill {g 1,,g m} T-smilots R st un ppg T-smilots ssi : (1) g T-smilot R, 1,, m Q + tls qu g = 1.g m.g m (2) i, l propriété (1) n'st ps vériié pr {g 1,,g m} \ { g i }. Algorithm Frks pour l lul un ppg P-smi-lots ut tntqu il xist un lign t un olonn ir Choisir un olonn k pour tout oupl ligns (i,j) tlls qu i,k > 0 t j,k < 0 ir Ajoutr l lign ( i,k. j - j,k. i )/ pg(i,k,-j,k) pour tout lign i tll qu i,k 0 ir Supprimr l lign i pour tout oupl ligns (i,j) tlls qu Support(j) Support(i) ir Supprimr l lign i Supprimr touts ls olonns nulls intntqu L'nsml s inis ligns st un ppg P-smi-lots in Not: support(j) st l support u P-smi-lot. P. Morux Résux Ptri - 27/27 P. Morux Résux Ptri - 28/28
8 EXEMPLE DE CALCUL DE PPFG DE P-SEMI-FLOTS (1) [ ] [ ] [ ] [ ] C = [ ] q [ ] [ ] [ ] q Trois prossus synhronisés EXEMPLE DE CALCUL DE PPFG DE P-SEMIFLOTS (2) Après l prmièr xéution oul : + [ ] + [ ] + [ ] + [ ] C1 = [ ] q [ ] [ ] [ ] Après l uxièm xéution : ++ [ 0 0 ] ++q [-1 1 ] ++ [ 0 0 ] ++q [-1 1 ] C2 = + [ 1-1 ] +q [ 0 0 ] + [-1 1 ] + [-1 1 ] [ 1-1 ] Après l troisièm t l qutrièm : ++ [ ] ++ [ ] +q [ ] p1++q + [ ] C = ++q + [ ] ++ [ ] ++ [ ] +++ [ ] +++ [ ] (ls ligns ++q ++ t ++q ++ ont été éliminés r support non miniml) Un ppg P-smi-lots st l nsml s inis ligns. Intrpréttion : «hngmnt intité» s jtons P. Morux Résux Ptri - 29/29 P. Morux Résux Ptri - 0/0 CALCUL D UNE PPFG DE T-SEMIFLOTS Algorithm Frks pour l lul un ppg smi-rythms ut tntqu il xist un lign t un olonn ir Choisir un lign i pour tout oupl olonns k,l tlls qu i,k > 0 t i,l < 0 ir Ajoutr l olonn (i,k. l - i,l. k )/ pg( i,k, -i,l ) pour tout olonn k tll qu i,k 0 ir Supprimr l olonn (* k *) pour tout oupl olonns (k,l) tlls qu Support(l) Support(k) ir Supprimr l olonn (* k *) Supprimr touts ls ligns nulls intntqu L'nsml s inis olonns st un ppg smi-rythms in Not : support(l) = support u T-smilot. Prinip : - trnsormtion u résu pour n réuir l till t surtout ll son GA - tll sort qu l résu réuit soit équivlnt u résu initil ns un sns à préisr. Un réution st rtérisé pr : - ss onitions pplition - l trnsormtion u résu - ls propriétés présrvés Bonns propriétés un réution - ppliilité s onitions : - règls «souvnt» vériiés - à énonr u nivu struturl - trnsormtion i : - réution u GA surtout - présrvr vivité t ornitu RÉDUCTIONS Réutions onmntls - Brthlot (198) : 10 réutions! - réutions s : - pré-gglomértion trnsitions - post-gglomértion trnsitions - pl impliit - propriétés miss n ju : - Il xist un séqun inini rnhissmnts - psuo-vivité, qusi-vivité, vivité - étt uil - ornitu P. Morux Résux Ptri - 1/1 P. Morux Résux Ptri - 2/2
9 PRÉ-AGGLOMÉRATION DE TRANSITIONS POST-AGGLOMÉRATION DE TRANSITIONS Trnsitions pré-gglomérls Soit (R, m 0) un résu Ptri. Un nsml F trnsitions st prégglomérls v un trnsition h ssi : 1) il xist un pl p moélisnt un étt intrméiir ntr l rnhissmnt h t lui un trnsition F : m 0(p) = 0, Post(p,.) = 1 h, Pré(p,.) = 1 F 2) h n prouit s mrqus qu ns p : Post(., h) = 1 p ) h n prtg ss ntrés v uun utr trnsition : - t h, t h = 4) h u moins un pl n ntré : h Trnsitions post-gglomérls Soit (R, m 0) un résu Ptri. Un nsml F trnsitions st postgglomérl v un nsml trnsitions H ssi : 1) il xist un pl p moélisnt un étt intrméiir ntr l rnhissmnt un trnsition H t lui un trnsition F : m 0(p) = 0, Post(p,.) = 1 H, Pré(p,.) = 1 F 2) ls trnsitions F n ont ps utr ntré qu p : F, Pré(.,) = 1 p ) il xist un trnsition F ynt un pl sorti : F, Pré-gglomértion trnsitions Soit (R, m 0) un résu Ptri t (F,h) pré-gglomérls. L résu réuit (R m 0) st éini pr : - P = P \ {p} t T = T \ (F U {h}) U {.h F} - t T T, Pré (., t)= Pré(., t) t Post (., t) = Post(., t) - F, Pré (., h.) = Pré(., h) + Pré(., ) - 1 p t Post (., h.) = Post(., ) - p P, m 0(p ) = m 0(p ) Post-gglomértion trnsitions Soit (R, m 0) un résu Ptri t (F,H) post-gglomérls. L résu réuit (R m 0) st éini pr : - P = P \ {p} t T = T \ (F U H) U {h. F, h H } - t T T, Pré (.,t)= Pré(., t) t Post (.,t) = Post(., t) - F, h H, Pré (., h.) = Pré(., h) t Post (., h.) = Post(., h) + Post(., ) - 1 p - p P, m 0(p ) = m 0(p ) P. Morux Résux Ptri - / P. Morux Résux Ptri - 4/4 PLACE IMPLICITE EXEMPLE DE RÉDUCTIONS Un s onnés simpl : 2 sits, un sul moii, l utr mt à jour s opi. Pl impliit Soit (R, m 0) un résu Ptri. Un pl p 0 st impliit si : 1) il xist un P-lot v = p P λ p1 p v λ p0 > 0 t p p 0, λ p 0 2) t T, v t.m 0 v t.pré(., t) Supprssion pl impliit Soit (R, m 0) un résu Ptri t p 0 un pl impliit.. L résu réuit (R m 0) st éini pr l supprssion p 0 t tous ls rs jnts. Avnt réutions -----> Après réutions P. Morux Résux Ptri - 5/5 P. Morux Résux Ptri - 6/6
STI2D Logique binaire SIN. L' Algèbre de BOOLE
L' Algère de BOOLE L'lgère de Boole est l prtie des mthémtiques, de l logique et de l'électronique qui s'intéresse ux opértions et ux fonctions sur les vriles logiques. Le nom provient de George Boole.
Plus en détailL'algèbre de BOOLE ou algèbre logique est l'algèbre définie pour des variables ne pouvant prendre que deux états.
ciences Industrielles ystèmes comintoires Ppnicol Roert Lycée Jcques Amyot I - YTEME COMBINATOIRE A. Algère de Boole. Vriles logiques: Un signl réel est une grndeur physique en générl continue, on ssocie
Plus en détailTechniques d analyse de circuits
Chpitre 3 Tehniques d nlyse de iruits Ce hpitre présente différentes méthodes d nlyse de iruits. Ces méthodes permettent de simplifier l nlyse de iruits ontennt plusieurs éléments. Bien qu on peut résoudre
Plus en détailTitrages acidobasiques de mélanges contenant une espèce forte et une espèce faible : successifs ou simultanés?
Titrgs cidobsiqus d mélngs contnnt un spèc fort t un spèc fibl : succssifs ou simultnés? Introduction. L'étud d titrgs cidobsiqus d mélngs d dux ou plusiurs cids (ou bss) st un xrcic cournt [-]. Ls solutions
Plus en détailCorrection de l épreuve CCP 2001 PSI Maths 2 PREMIÈRE PARTIE ) (
Correction de l épreuve CCP PSI Mths PREMIÈRE PARTIE I- Soit t u voisinge de, t Alors ϕt t s = ϕt ρt s ρs Pr hypothèse, l fonction ϕt ϕt est lorsque t, il en est donc de même de ρt s ρt s ρs cr ρ s est
Plus en détailChapitre 2 Le problème de l unicité des solutions
Université Joseph Fourier UE MAT 127 Mthémtiques nnée 2009-2010 Chpitre 2 Le prolème de l unicité des solutions 1 Le prolème et quelques réponses : 1.1 Un exemple Montrer que l éqution différentielle :
Plus en détailChapitre. Chapitre 12. Fonctions de plusieurs variables. 1. Fonctions à valeurs réelles. 1.1 Définition. 1.2 Calcul de dérivées partielles
1 Chapitre Chapitre 1. Fonctions e plusieurs variables La TI-Nspire CAS permet e manipuler très simplement les onctions e plusieurs variables. Nous allons voir ans ce chapitre comment procéer, et éinir
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 détailChapitre VI Contraintes holonomiques
55 Chpitre VI Contrintes holonomiques Les contrintes isopérimétriques vues u chpitre précéent ne sont qu un eemple prticulier e contrintes sur les fonctions y e notre espce e fonctions missibles. Dns ce
Plus en détailLES ESCALIERS. Du niveau du rez-de-chaussée à celui de l'étage ou à celui du sous-sol.
LES ESCALIERS I. DÉF I NIT I O N Un escalier est un ouvrage constitué d'une suite de marches et de paliers permettant de passer à pied d'un niveau à un autre. Ses caractéristiques dimensionnelles sont
Plus en détailExercices du Cours de la programmation linéaire donné par le Dr. Ali DERBALA
75. Un plombier connaît la disposition de trois tuyaux sous des dalles ( voir figure ci dessous ) et il lui suffit de découvrir une partie de chacun d eux pour pouvoir y poser les robinets. Il cherche
Plus en détailNOTICE DE MONTAGE VERSION 72
L â pour port oulnt motl NOTIE E MONTGE VERSION â pour port oulnt motl NOMENLTURE: â, rl t qunllr m l Montnt vrtux ntérur Entrto ( u) Fullr (0 u) l n polytyrèn ( u) Montnt vrtl potérur Smll Prt or upérur
Plus en détailAlgorithmes sur les mots (séquences)
Introduction Algorithmes sur les mots (séquences) Algorithmes sur les mots (textes, séquences, chines de crctères) Nomreuses pplictions : ses de données iliogrphiques ioinformtique (séquences de iomolécules)
Plus en détailSimulation Matlab/Simulink d une machine à induction triphasée. Constitution d un référentiel
Simulation Matlab/Simulink une machine à inuction triphasée Constitution un référentiel Capocchi Laurent Laboratoire UMR CNRS 6134 Université e Corse 3 Octobre 7 1 Table es matières 1 Introuction 3 Moélisation
Plus en détailDurée de L épreuve : 2 heures. Barème : Exercice n 4 : 1 ) 1 point 2 ) 2 points 3 ) 1 point
03 Mai 2013 Collège Oasis Durée de L épreuve : 2 heures. apple Le sujet comporte 4 pages et est présenté en livret ; apple La calculatrice est autorisée ; apple 4 points sont attribués à la qualité de
Plus en détailTVA et Systèmes d Information. Retour d expérience d entreprise. A3F - 26 mars 2015 Hélène Percie du Sert COFELY INEO
isr la t l t t zon iqur nt TVA t Systèms d Information Rtour d xpérinc d ntrpris A3F - 26 mars 2015 Hélèn Prci du Srt COFELY INEO Pour Sup Ins À p NB. M 30/03/2015 Sommair isr la t l t t zon iqur nt I
Plus en détailCorrigé du baccalauréat S Pondichéry 13 avril 2011
Corrigé du baccalauréat S Pondichéry avril EXERCICE Commun à tous ls candidats Parti I points. L ax ds ordonnés st asymptot à C au voisinag d ; la fonction étant décroissant sur ] ; + [, la limit quand
Plus en détailGuide de correction TD 6
Guid d corrction TD 6 JL Monin nov 2004 Choix du point d polarisation 1- On décrit un montag mttur commun à résistanc d mttur découplé, c st à dir avc un condnsatur n parallèl sur R. La condition d un
Plus en détailI - PUISSANCE D UN POINT PAR RAPPORT A UN CERCLE CERCLES ORTHOGONAUX POLES ET POLAIRES
I - PUISSANCE D UN POINT PAR RAPPORT A UN CERCLE CERCLES ORTHOGONAUX POLES ET POLAIRES Théorème - Définition Soit un cercle (O,R) et un point. Une droite passant par coupe le cercle en deux points A et
Plus en détailRevue de la jurisprudence récente du TAQ en matière d affaires sociales. M e Lucie Allard et M e Laurence Ferland 29/11/12
Revue de la jurisprudence récente du TAQ en matière d affaires sociales M e Lucie Allard et M e Laurence Ferland 29/11/12 TRIBUNAL ADMINISTRATIF DU QUÉBEC, SECTION DES AFFAIRES SOCIALES: Assurance automobile
Plus en détailChapitre 3: TESTS DE SPECIFICATION
Chapitre 3: TESTS DE SPECIFICATION Rappel d u c h api t r e pr é c é d en t : l i de n t i f i c a t i o n e t l e s t i m a t i o n de s y s t è m e s d é q u a t i o n s s i m u lt a n é e s r e p o
Plus en détailSujet 4: Programmation stochastique propriétés de fonction de recours
Sujet 4: Programmation stochastique propriétés de fonction de recours MSE3313: Optimisation Stochastiqe Andrew J. Miller Dernière mise au jour: October 19, 2011 Dans ce sujet... 1 Propriétés de la fonction
Plus en détailLa programmation linéaire : une introduction. Qu est-ce qu un programme linéaire? Terminologie. Écriture mathématique
La programmation linéaire : une introduction Qu est-ce qu un programme linéaire? Qu est-ce qu un programme linéaire? Exemples : allocation de ressources problème de recouvrement Hypothèses de la programmation
Plus en détail! " # $ #% &!" # $ %"& ' ' $ (
!" #$%"& ! "#$#% &!" #$%"& ' '$( SOMMAIRE INTRODUCTION... 4 METHODE... 4 TAUX DE REPONSES ET VALIDITE DES POURCENTAGES... 4 RESULTATS... 6 I. Qui sont les étudiants ayant répondu?... 6 1.1. Répartition
Plus en détailChapitre 11 : L inductance
Chpitre : inductnce Exercices E. On donne A πr 4π 4 metn N 8 spires/m. () Selon l exemple., µ n A 4π 7 (8) 4π 4 (,5) 5 µh (b) À prtir de l éqution.4, on trouve ξ ξ 4 3 5 6 6,3 A/s E. On donne A πr,5π 4
Plus en détailLa santé de votre entreprise mérite notre protection.
mutuelle mclr La santé de votre entreprise mérite notre protection. www.mclr.fr Qui sommes-nous? En tant que mutuelle régionale, nous partageons avec vous un certain nombre de valeurs liées à la taille
Plus en détailCalcul 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 détailTout ce qu il faut savoir en math
Tout ce qu il fut svoir en mth 1 Pourcentge Prendre un pourcentge t % d un quntité : t Clculer le pourcentge d une quntité pr rpport à une quntité b : Le coefficient multiplicteur CM pour une ugmenttion
Plus en détailCours et travaux dirigés Mécanique du point et du solide
Cours t tru irigés éniqu u point t u soli β G α C Frnçois BINET rofssur tir Unirsité Liogs IUT u Liousin Sit GEII Bri Unirsité Liogs. I.U.T. u liousin. Sit G.E.I.I. Bri Frnçois BINET - - Soir Bss rpèrs
Plus en détailModule 2 : Déterminant d une matrice
L Mth Stt Module les déterminnts M Module : Déterminnt d une mtrice Unité : Déterminnt d une mtrice x Soit une mtrice lignes et colonnes (,) c b d Pr définition, son déterminnt est le nombre réel noté
Plus en détailINFO-F-425 Modèles mathématiques et algorithmes pour l ordonnancement. Bernard Fortz
INFO-F-425 Modèles mathématiques et algorithmes pour l ordonnancement Bernard Fortz 2008-2009 Table des matières 1 Définition et classification des problèmes d ordonnancement 2 1.1 Introduction....................................
Plus en détailInfluence du milieu d étude sur l activité (suite) Inhibition et activation
Influence du milieu d étude sur l ctivité (suite) Inhibition et ctivtion Influence de l tempérture Influence du ph 1 Influence de l tempérture Si on chuffe une préprtion enzymtique, l ctivité ugmente jusqu
Plus en détailCours A7 : Temps Réel
Cours A7 : Temps Réel Pierre.Paradinas / @ / cnam.fr Cnam/Cedric Systèmes Enfouis et Embarqués (SEE) Motivations Du jour : les mécanismes multitâches, la gestion des priorités, l ordonnancement, la gestion
Plus en détailOptimisation Discrète
Prof F Eisenbrand EPFL - DISOPT Optimisation Discrète Adrian Bock Semestre de printemps 2011 Série 7 7 avril 2011 Exercice 1 i Considérer le programme linéaire max{c T x : Ax b} avec c R n, A R m n et
Plus en détailCalendrier des collectes 2015
N j t t hgé? O! g! Tz, t f! C t 2015 O mégè, mbg, mbt, éht t, t txt, éhtt D pt ptq Ctt bh t p m m tmt à, m pté q j pét tt q m jt hgé mt t. L tâh q m t fé t mpt mx hbtt t pépt mj t pmt é. E t ff à m té
Plus en détailLANGAGES - GRAMMAIRES - AUTOMATES
LANGAGES - GRAMMAIRES - AUTOMATES Mrie-Pule Muller Version du 14 juillet 2005 Ce cours présente et met en oeuvre quelques méthodes mthémtiques pour l informtique théorique. Ces notions de bse pourront
Plus en détailintroduction Chapitre 5 Récursivité Exemples mathématiques Fonction factorielle ø est un arbre (vide) Images récursives
introduction Chapitre 5 Images récursives http ://univ-tln.fr/~papini/sources/flocon.htm Récursivité http://www.poulain.org/fractales/index.html Image qui se contient elle-même 1 Exemples mathématiques
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 détailNotes de révision : Automates et langages
Préprtion à l grégtion de mthémtiques 2011 2012 Notes de révision : Automtes et lngges Benjmin MONMEGE et Sylvin SCHMITZ LSV, ENS Cchn & CNRS Version du 24 octore 2011 (r66m) CC Cretive Commons y-nc-s
Plus en détailÉ í í Ö í í í Í ÍÍ Á Á ó Á Í ü í Ü Ü É É í í É ü TXUOGNAGE Courir ]Tst D u s p o r t a u t o m o b i ldea n s1 e s p a y sd e ' E s t i... D a n sn o t r e e n t o u r a g eq, u a n dn o u s e n p a r
Plus en détailSupplément Nouveautés 2015
Ki d pli Trèfl à 4 fill Blb Cry Gri Cr Cffr rmiq Pr d prli d r prj, ccz- : Pl Arbr Cri : Gii CODRON Pblici : 06 15 25 61 27 - Jill 2014 Dcm ph crcll - Crdi ph : G. CODRON & Fli. Spplm N 2015 L gl pbliciir
Plus en détailUn exemple d étude de cas
Un exemple d'étude de cas 1 Un exemple d étude de cas INTRODUCTION Le cas de la Boulangerie Lépine ltée nous permet d exposer ici un type d étude de cas. Le processus utilisé est identique à celui qui
Plus en détailCouples 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 détailRadioCommunications CDMA
Conservtoire tionl es Arts et Métiers Cours u Conservtoire tionl es Arts et Métiers RioCommunitions CDMA (Version 7) Mihel Terré terre@nmfr Eletronique C4 / Conservtoire tionl es Arts et Métiers Les performnes
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 détailau Point Info Famille
Qustion / Répons au Point Info Famill Dossir Vivr un séparation La séparation du coupl st un épruv souvnt longu t difficil pour la famill. C guid vous présnt ls différnts démarchs n fonction d votr situation
Plus en détaila g c d n d e s e s m b
PPrrooppoossiittiioo 22001111JJPP 22770055 000011 uu 0088 fféévvrriirr 22001111 VVlliiiittéé jjuussqquu uu 3300//0044//22001111 tim c ir tv é p g c h u i rè s G A Z iv lu s IC.G R é c lo y m ip s 9 r7
Plus en détail4G2. Triangles et parallèles
4G2 Triangles et parallèles ST- QU TU T SOUVINS? 1) On te donne une droite (d) et un point n'appartenant pas à cette droite. vec une équerre et une règle non graduée, sais-tu construire la parallèle à
Plus en détailDérivées d ordres supérieurs. Application à l étude d extrema.
Chapitre 5 Dérivées d ordres supérieurs. Application à l étude d extrema. On s intéresse dans ce chapitre aux dérivées d ordre ou plus d une fonction de plusieurs variables. Comme pour une fonction d une
Plus en détailExercices - Fonctions de plusieurs variables : corrigé. Pour commencer
Pour commencer Exercice 1 - Ensembles de définition - Première année - 1. Le logarithme est défini si x + y > 0. On trouve donc le demi-plan supérieur délimité par la droite d équation x + y = 0.. 1 xy
Plus en détailComment utiliser une banque en France. c 2014 Fabian M. Suchanek
Commnt utilisr un banqu n Franc c 2014 Fabian M. Suchank Créditr votr compt: Étrangr Commnt on mt d l argnt liquid sur son compt bancair à l étrangr : 1. rntrr dans la banqu, attndr son tour 2. donnr l
Plus en détailIl semble toutefois que, faisant écho à. champ opératoire. évidemment. odontologie restauratrice. le champ opératoire
oontologi rsturtri l hmp opértoir L hmp opértoir évimmnt Guthir Wisrok, Jn-Louis Brouillt Alors qu nos prtnirs inustrils s ornt à situr utour 3 % l nomr ntists utilisnt l igu, l moitié un éhntillon signiiti
Plus en détailIntroduction à la modélisation et à la vérication p. 1/8
Introduction à l modélistion et à l vériction Appliction ux systèmes temporisés Ptrici Bouyer LSV CNRS & ENS de Cchn Introduction à l modélistion et à l vériction p. 1/8 Modélistion & Vériction Introduction
Plus en détailThéorème de Poincaré - Formule de Green-Riemann
Chpitre 11 Théorème de Poincré - Formule de Green-Riemnn Ce chpitre s inscrit dns l continuité du précédent. On vu à l proposition 1.16 que les formes différentielles sont bien plus grébles à mnipuler
Plus en détailFONDATION CLEMENTINE ET MAURICE ANTILLE
FONDATION CLEMENTINE ET MAURICE ANTILLE Règlement d ttriution de ourses et de prêts d études et de formtion du déemre 006 Artile premier Ojet et hmp d pplition Le présent règlement est étli en pplition
Plus en détailAccueil Events, l accueil personnalisé des touristes d affaires Informations, bonnes adresses, réservations et découvertes!
Lyon City Card 1 jour 2 jours 3 jours Ta xis et M inibus - Tarifs forfaitaires Jour : 7h - 19h Nuit : 19h - 7h Lyon/ Villeurbanne - Aéroport St Exupéry 59 81 Lyon 5ème et 9ème excentrés - Aéroport St Exupéry
Plus en détailUne premiere approche des elements nis sur un exemple tres simple
EDP MTH Analyse 2215 EmmanuelFrenod numeri Premiere partie Une premiere approche s elements nis un exemple tres simple 1 Equation la chaleur dans barre 2 Resolution u00 f [0;1] par elements nis avec un
Plus en détailIntégrales doubles et triples - M
Intégrales s et - fournie@mip.ups-tlse.fr 1/27 - Intégrales (rappel) Rappels Approximation éfinition : Intégrale définie Soit f définie continue sur I = [a, b] telle que f (x) > 3 2.5 2 1.5 1.5.5 1 1.5
Plus en détail* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable T : pour travailler et mémoriser le cours
Exo7 Continuité (étude globale). Diverses fonctions Exercices de Jean-Louis Rouget. Retrouver aussi cette fiche sur www.maths-france.fr * très facile ** facile *** difficulté moyenne **** difficile *****
Plus en détailSynthèse de cours (Terminale S) Calcul intégral
Synthèse de cours (Terminle S) Clcul intégrl Intégrle d une onction continue positive sur un intervlle [;] Dns cette première prtie, on considère une onction continue positive sur un intervlle [ ; ] (
Plus en détailEléments de Théorie des Graphes et Programmation Linéaire
INSTITUT NATIONAL POLYTECHNIQUE DE LORRAINE Ecole Nationale Supérieure d Electricité et de Mécanique Eléments de Théorie des Graphes et Programmation Linéaire Didier Maquin Professeur à l INPL Version
Plus en détailCompression 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 détailInclure la vidéo comme levier de sa stratégie marketing
Inclur l vidéo comm lvir d s strtégi mrkting 2motion.com Stphni Prot, Dirctric Adjoint, 2motion sprot@2motion.com Strtégi mrkting Un strtégi mrkting s définit comm un pln d ctions coordonnés miss n ouvr
Plus en détailCalendrier de la session 2012 des Conseil d exploitation postale, Conseil d'administration et des autres réunions se tenant à cette occasion
3 UPU UNION POSTALE UNIVERSELLE CEP/CA 2012.1 Calendrier.Rev 3 CONSEIL D'EXPLOITATION POSTALE/CONSEIL D ADMINISTRATION Calendrier de la session 2012 des Conseil d exploitation postale, Conseil d'administration
Plus en détailI. Polynômes de Tchebychev
Première épreuve CCP filière MP I. Polynômes de Tchebychev ( ) 1.a) Tout réel θ vérifie cos(nθ) = Re ((cos θ + i sin θ) n ) = Re Cn k (cos θ) n k i k (sin θ) k Or i k est réel quand k est pair et imaginaire
Plus en détailElectrovanne double Dimension nominale Rp 3/8 - Rp 2 DMV-D/11 DMV-DLE/11
Electrovnne double Dimension nominle 3/8 - DMV-D/11 DMV-DLE/11 7.30 M Edition 11.13 Nr. 223 926 1 6 Technique L électrovnne double DUNGS DMV intère deux électrovnnes dns un même bloc compct : - vnnes d
Plus en détailGestion des Clés Publiques (PKI)
Chapitre 3 Gestion des Clés Publiques (PKI) L infrastructure de gestion de clés publiques (PKI : Public Key Infrastructure) représente l ensemble des moyens matériels et logiciels assurant la gestion des
Plus en détailAUTO MALUSSÉS/AGGRAVÉS
Particuliers I PROUIT UTO MLUSSÉS/RVÉS protegys courtage 2013 - documents non contractuels ILS e 25 à 74 ans Malus jusqu à un RM de 3.50 Suspension ou annulation du permis ausse déclaration ou Sinistralité
Plus en détailCarl-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 détailModèles à Événements Discrets. Réseaux de Petri Stochastiques
Modèles à Événements Discrets Réseaux de Petri Stochastiques Table des matières 1 Chaînes de Markov Définition formelle Idée générale Discrete Time Markov Chains Continuous Time Markov Chains Propriétés
Plus en détailUne réponse (très) partielle à la deuxième question : Calcul des exposants critiques en champ moyen
Une réponse (très) partielle à la deuxième question : Calcul des exposants critiques en champ moyen Manière heuristique d'introduire l'approximation de champ moyen : on néglige les termes de fluctuations
Plus en détailProgrammation Linéaire - Cours 1
Programmation Linéaire - Cours 1 P. Pesneau pierre.pesneau@math.u-bordeaux1.fr Université Bordeaux 1 Bât A33 - Bur 265 Ouvrages de référence V. Chvátal - Linear Programming, W.H.Freeman, New York, 1983.
Plus en détaill Agence Qui sommes nous?
l Agence Qui soes nous? Co Justine est une agence counication globale dont la ission est prendre en charge l enseble vos besoins et probléatiques counication. Créée en 2011, Co Justine a rapient investi
Plus en détailSciences Industrielles Précision des systèmes asservis Papanicola Robert Lycée Jacques Amyot
Scence Indutrelle Précon de ytème erv Pncol Robert Lycée Jcque Amyot I - PRECISION DES SYSTEMES ASSERVIS A. Poton du roblème 1. Préentton On vu que le rôle d un ytème erv et de fre uvre à l orte (t) une
Plus en détailUNE AVENTVRE DE AGILE & CMMI POTION MAGIQUE OU GRAND FOSSÉ? AGILE TOVLOVSE 2011 I.VI VERSION
UN AVNTVR D AGIL & CMMI POTION MAGIQU OU GRAND FOÉ? AGIL TOVLOV 2011 VRION I.VI @YAINZ AKARIA HT T P: / / W WW.MA RTVIW.F HT T P: / / W R WW.KIND OFMAG K.COM OT @ PAB L OP R N W.FR MARTVI. W W W / :/ P
Plus en détailLa mesure de Lebesgue sur la droite réelle
Chapitre 1 La mesure de Lebesgue sur la droite réelle 1.1 Ensemble mesurable au sens de Lebesgue 1.1.1 Mesure extérieure Définition 1.1.1. Un intervalle est une partie convexe de R. L ensemble vide et
Plus en détailRésolution d équations non linéaires
Analyse Numérique Résolution d équations non linéaires Said EL HAJJI et Touria GHEMIRES Université Mohammed V - Agdal. Faculté des Sciences Département de Mathématiques. Laboratoire de Mathématiques, Informatique
Plus en détailCERES logiciel de gestion commerciale pour négociants en vin
CERES logicil gion commrcial pour négocian n vin. Gion complè acha vn : comman, rérvaion, gion courag commrciaux.. Moul campagn primur : piloag la campagn via un ablau bor prman viualir accér aux informaion
Plus en détailCSMA 2013 11e Colloque National en Calcul des Structures 13-17 Mai 2013
Enrichissmnt modal du Slctiv Mass Scaling Sylvain GAVOILLE 1 * CSMA 2013 11 Colloqu National n Calcul ds Structurs 13-17 Mai 2013 1 ESI, sylvain.gavoill@si-group.com * Autur corrspondant Résumé En raison
Plus en détailLa spirale de Théodore bis, et la suite «somme=produit».
Etde d e vrite de l spirle de Théodore, dot issce à e site dot les sommes prtielles sot égles x prodits prtiels. Mots clés : spirle de Théodore, théorème de Pythgore, site, série, polyôme. L spirle de
Plus en détailQuelques tests de primalité
Quelques tests de primalité J.-M. Couveignes (merci à T. Ezome et R. Lercier) Institut de Mathématiques de Bordeaux & INRIA Bordeaux Sud-Ouest Jean-Marc.Couveignes@u-bordeaux.fr École de printemps C2 Mars
Plus en détailMonnaie et financement de l économie
Monnaie et financement de l économie I. Monnaie, masse monétaire création monétaire, devises A. Les différents aspects de la monnaie Monnaie = Instrument d échanges qui permet ds une éco donnée l achat
Plus en détailLa NP-complétude. Johanne Cohen. PRISM/CNRS, Versailles, France.
La NP-complétude Johanne Cohen PRISM/CNRS, Versailles, France. Références 1. Algorithm Design, Jon Kleinberg, Eva Tardos, Addison-Wesley, 2006. 2. Computers and Intractability : A Guide to the Theory of
Plus en détailCLOUD TROTTER La Vache Noire Sud - 203 rue Oscar Roulet - 84440 Robion - Tél. : 04 90 76 56 27-06 80 050 050 - www.lavachenoiresud.
Cloud Trottr La Vach Noir Sud - 203 ru Oscar Roult - 84440 Robion - Tél. : 04 90 76 56 27-06 80 050 050 - www.lavachnoirsud.com Cloud Trottr Cloud Trottr Prnz d la hautur! ds carts d caractèr pour donnr
Plus en détailORGANISATION. LA RÉPUBLIQUE FRANÇAISE POUR LA MISE EN VALEUR DU. FLEUVE SÉNÉGAL .,,_.,...,,... ,... Il r r ' C fi. ;f rlfcii - 1ntr...,..
F.A.C. D'AIDE ET DE COOPÉRATION ORGANISATION. LA RÉPUBLIQUE FRANÇAISE POUR LA MISE EN VALEUR DU. FLEUVE SÉNÉGAL.,,_.,...,,...,..... Il r r ' C fi. ;f rlfcii - ntr...,.., D'EX~CUTION DU BARRAGE DE Marché
Plus en détailContrainte de flot pour RCPSP avec temps de transfert
Contrainte de flot et x-rcpsc T 1 Contrainte de flot pour RCPSP avec temps de transfert PS temp, s ij Cmax BENOIST Thierry BOUYGUES/e-Lab DIAMANTINI Maurice ENSTA/LMA Contrainte de flot et x-rcpsc T Présentation
Plus en détailContexte. Pour cela, elles doivent être très compliquées, c est-à-dire elles doivent être très différentes des fonctions simples,
Non-linéarité Contexte Pour permettre aux algorithmes de cryptographie d être sûrs, les fonctions booléennes qu ils utilisent ne doivent pas être inversées facilement. Pour cela, elles doivent être très
Plus en détailCours d analyse numérique SMI-S4
ours d analyse numérique SMI-S4 Introduction L objet de l analyse numérique est de concevoir et d étudier des méthodes de résolution de certains problèmes mathématiques, en général issus de problèmes réels,
Plus en détailSéries numériques. Chap. 02 : cours complet.
Séris méris Cha : cors comlt Séris d réls t d comlxs Défiitio : séri d réls o d comlxs Défiitio : séri corgt o dirgt Rmar : iflc ds rmirs trms d séri sr la corgc Théorèm : coditio écssair d corgc Théorèm
Plus en détailnous votre service clients orange.fr > espace client 3970*
nous votr srvi lints orang.fr > spa lint 3970* vous souhaitz édr votr abonnmnt Orang Mobil Bonjour, Vous trouvrz i-joint l formulair d ssion d abonnmnt Orang Mobil à rtournr omplété t par vous-mêm t par
Plus en détailAnalyse stochastique de la CRM à ordre partiel dans le cadre des essais cliniques de phase I
Analyse stochastique de la CRM à ordre partiel dans le cadre des essais cliniques de phase I Roxane Duroux 1 Cadre de l étude Cette étude s inscrit dans le cadre de recherche de doses pour des essais cliniques
Plus en détailAutomatique (AU3): Précision. Département GEII, IUT de Brest contact: vincent.choqueuse@univ-brest.fr
Automatique (AU3): Précision des systèmes bouclés Département GEII, IUT de Brest contact: vincent.choqueuse@univ-brest.fr Plan de la présentation Introduction 2 Écart statique Définition Expression Entrée
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 détailProgrammation linéaire
1 Programmation linéaire 1. Le problème, un exemple. 2. Le cas b = 0 3. Théorème de dualité 4. L algorithme du simplexe 5. Problèmes équivalents 6. Complexité de l Algorithme 2 Position du problème Soit
Plus en 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 détailMUNDO - NAMUR 98, RUE NANON 5000 NAMUR
4 3 2 1 PRO OUSTQU gainage pulsion / extraction vers groupe sur toiture T8 profil toiture existante T11 T6 escalier de secours en acier galvanisé limite parement existant tracé fenêtres existantes -0,10
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 détailChapitre 6: Graphes eulériens et hamiltoniens
CHAPITRE 6 GRAPHES EULERIENS ET HAMILTONIENS 36 Cpitr 6: Grps ulérins t miltonins 6.1 Introution t ls prmièrs éinitions Introution L t nissn l téori s rps put êtr ixé à l'nné 1736. L'istoir ront qu ls
Plus en détailMarketing des produits touristiques 15 15 11 12 13.9 13.9 5 10 10 14 14 11.2 5.5 2.5 5.5 2.5 2.25 3.75 4.25 5 6.25 2 1 4.25. 2 1 4.25 4 3.
Républiqu Tuniinn Minitèr d l'enignmnt Supériur t d la Rchrch Scintifiqu Univrité d arthag FAULTE DES SIENES EONOMIQUES ET DE GESTION DE NABEUL EIMEN Prcèvrbal détaillé d ré L ré dité par la vrin actull
Plus en détailECO ECO. Probablement le chauffe-eau solaire le plus évolué du monde. Eco 200 / Eco 250 / Eco 300 / Eco 450 ENERGIE CATALOGUE 13
co 00 / co 0 / co 00 / co 0 NR TOU O Probabement e chauffe-eau soaire e pus évoué du monde isponibe avec des capacités de 00 à 0 itres. Versions avec un ou deu panneau soaires, avec ou sans serpentin suppémentaire.
Plus en détail