Modèles de Flot - Cours 3

Dimension: px
Commencer à balayer dès la page:

Download "Modèles de Flot - Cours 3"

Transcription

1 Modèles de Flot - Cours 3 P. Pesneau pierre.pesneau@math.u-bordeaux.fr Université de Bordeaux Bât A33 - Bur 265 P. Pesneau pierre.pesneau@math.u-bordeaux.fr Modèles de Flot - Cours 3 1 / 34

2 Sommaire 1 Problème du flot maximum - premiers éléments 2 P. Pesneau pierre.pesneau@math.u-bordeaux.fr Modèles de Flot - Cours 3 2 / 34

3 Problème du Flot Maximum Dans un réseau, quelle est la quantité maximale de flot que l on peut envoyer d un sommet source vers un sommet destination sans dépasser les capacités? P. Pesneau pierre.pesneau@math.u-bordeaux.fr Modèles de Flot - Cours 3 3 / 34

4 Hypothèses Le réseau est dirigé. Les capacités sont entières et positives. Il n existe pas de chemin de capacité infinie de la source vers le puits. Si l arc (i, j) A alors l arc (j, i) A. pas d arcs parallèles. P. Pesneau pierre.pesneau@math.u-bordeaux.fr Modèles de Flot - Cours 3 4 / 34

5 Modèle mathématique Max v t.q. j:(i,j) A x ij j:(j,i) A x ji = v pour i = s, 0 pour tout i N \ {s, t}, v pour i = t, 0 x ij u ij pour tout (i, j) A. Max x ts t.q. x ij x ji = 0 pour tout i N, j:(i,j) A j:(j,i) A 0 x ij u ij pour tout (i, j) A. P. Pesneau pierre.pesneau@math.u-bordeaux.fr Modèles de Flot - Cours 3 5 / 34

6 Sommaire 1 Problème du flot maximum - premiers éléments 2 P. Pesneau pierre.pesneau@math.u-bordeaux.fr Modèles de Flot - Cours 3 6 / 34

7 Les algorithmes de résolution du problème de flot maximum s appuient sur le concept de graphe (ou réseau) résiduel. Etant donné un flot x, le graphe résiduel G[ x] est un réseau au sein duquel tout flot réalisable va représenter une modification valide du flot initial x. Le graphe résiduel est construit sur le réseau initial G = (N, A) en affectant aux arcs les capacités résiduelles données par r ij = u ij x ij + x ji u ij x ij : quantité de flot pouvant encore ajouter sur l arc. x ji : quantité de flot qu on peut diminuer sur l arc inverse. Diminuer le flot sur l arc inverse revient à augmenter le flot sur l arc. P. Pesneau pierre.pesneau@math.u-bordeaux.fr Modèles de Flot - Cours 3 7 / 34

8 Exemple de graphe résiduel Voir au tableau P. Pesneau Modèles de Flot - Cours 3 8 / 34

9 Chemin augmentant Soit x un flot de s vers t dans un réseau G. Un chemin augmentant est un chemin de s vers t dans le graphe résiduel G[ x]. En augmentant le flot le long de ce chemin, on augmente d autant le flot entre s et t dans le réseau. Soient P un chemin augmentant de G[ x] et δ = min (i,j) P r ij. Définir le nouveau flot x en posant : pour tout arc (i, j) tel que (i, j), (j, i) P, x ij = x ij, pour tout (i, j) P, Si x ij x ji + δ 0, alors x ij = x ij x ji + δ et x ji = 0 Sinon x ij = 0 et x ji = ( x ij x ji + δ). Voir exemple au tableau. P. Pesneau pierre.pesneau@math.u-bordeaux.fr Modèles de Flot - Cours 3 9 / 34

10 Algorithme générique des chemins augmentants L algorithme générique des chemins augmentants est le suivant : x = 0 tant que G[x] contient un chemin de s à t faire Identifier le chemin P de s à t δ = min (i,j) P r ij Augmenter de δ le flot sur le chemin P et mettre à jour G[x] fin tant que La question est de savoir comment détecter efficacement des chemins augmentants. P. Pesneau pierre.pesneau@math.u-bordeaux.fr Modèles de Flot - Cours 3 10 / 34

11 Sommaire 1 Problème du flot maximum - premiers éléments 2 P. Pesneau pierre.pesneau@math.u-bordeaux.fr Modèles de Flot - Cours 3 11 / 34

12 s t Coupe dans un graphe Soit S N un sous ensemble de nœuds. La coupe associée à S, notée δ(s), est l ensemble des arcs ayant une extrémité dans S et l autre extrémité dans S = N \ S. Si s S et t S, alors δ(s) est une s t coupe. On note par δ + (S) ou δ(s, S) l ensemble des arcs de la coupe sortants de S (ayant leur queue dans S et leur tête dans S). On note par δ (S) ou δ( S, S) l ensemble des arcs de la coupe entrants dans S (ayant leur queue dans S et leur tête dans S). Schéma au tableau On peut noter que si on retire du réseau les arcs de δ + (S) alors il n existe plus de chemin allant de s à t. P. Pesneau pierre.pesneau@math.u-bordeaux.fr Modèles de Flot - Cours 3 12 / 34

13 Capacité d un coupe La capacité d une coupe correspond à la somme des capacités maximales des arcs de le coupe sortante : u(s, S) = (i,j) δ(s, S) La capacité d une coupe donne une borne supérieure sur la quantité de flot pouvant aller de S à S. La coupe minimum séparant s et t est la s t coupe de capacité minimum. La capacité résiduelle d une coupe est donnée par r(s, S) = (i,j) δ(s, S) u ij r ij P. Pesneau pierre.pesneau@math.u-bordeaux.fr Modèles de Flot - Cours 3 13 / 34

14 Relation entre flot et coupe Propriété 1 Tout flot de s vers t a une valeur inférieure ou égale à toute s t coupe du réseau. Preuve. Soient S une s t coupe et x un flot. Sommons les contraintes de conservation de flot pour les sommets de S : v = i S ( j:(i,j) A x ij j:(j,i) A x ji ) = (i,j) δ(s, S) x ij (j,i) δ( S,S) x ji (i,j) δ(s, S) u ij u(s, S). P. Pesneau pierre.pesneau@math.u-bordeaux.fr Modèles de Flot - Cours 3 14 / 34

15 Augmentation de flot Propriété 2 Soit x un flot entre s et t dans un réseau G. Le flot additionel pouvant être envoyé entre s et t est plus petit ou égale à la capacité résiduelle de toute s t coupe de G. Preuve. Soient S une s t coupe et x un flot de valeur v. Sommons les contraintes de conservation de flot pour les sommets de S : v = i S ( j:(i,j) A x ij j:(j,i) A x ji ) = (i,j) δ(s, S) x ij (j,i) δ( S,S) x ji Soit x un flot de valeur v + v entre s et t. Par la propriété 1 on a v + v u ij (i,j) δ(s, S) En combinant les deux dernières équations, on obtient v (i,j) δ(s, S) (u ij x ij ) + (j,i) δ( S,S) x ji ) = (i,j) δ(s, S) r ij. P. Pesneau pierre.pesneau@math.u-bordeaux.fr Modèles de Flot - Cours 3 15 / 34

16 Sommaire 1 Problème du flot maximum - premiers éléments 2 P. Pesneau pierre.pesneau@math.u-bordeaux.fr Modèles de Flot - Cours 3 16 / 34

17 Algorithme de marquage L algorithme de marquage est le suivant : x = 0, Marquer le nœud t tant que t est marqué faire Démarquer tous les nœuds. pred(j) = 1 pour tout j N Marquer le nœud s, List = {s} tant que List n est pas vide et t n est pas marqué faire Prendre et retirer un nœud i de List pour chaque arc (i, j) A avec r ij > 0 faire si j n est pas marqué alors marquer j, pred(j) = i Ajouter j à List fin si fin pour fin tant que si t est marqué alors Identifier le chemin P à l aide de pred δ = min (i,j) P r ij Augmenter de δ le flot sur le chemin P et mettre à jour G[x] fin si fin tant que List FIFO : parcours en largeur List LIFO : parcours en profondeur Complexité en O(nmU) P. Pesneau pierre.pesneau@math.u-bordeaux.fr Modèles de Flot - Cours 3 17 / 34

18 Correction de l algorithme de marquage A chaque itération principale de l algorithme de marquage : soit le graphe résiduel contient un chemin de s à t et on augmente le flot, soit le graphe résiduel ne contient pas de chemin de s à t et on s arrête. Que peut-on dire du second cas? Les nœuds sont partitionnés en deux sous-ensembles : Un ensemble S de nœuds marqués (atteignables depuis s dans le graphe résiduel). L ensemble S des autres nœuds qui sont non marqués. Tous les arcs de δ(s, S) ont une capacité résiduelle nulle. P. Pesneau pierre.pesneau@math.u-bordeaux.fr Modèles de Flot - Cours 3 18 / 34

19 Correction de l algorithme de marquage Pour tout arc (i, j) δ(s, S) on a r ij = u ij x ij + x ji = 0. Comme x ij u ij et x ji 0, on a nécessairement x ij = u ij et x ji = 0 On a : v = i S ( j:(i,j) A x ij j:(j,i) A x ji) = (i,j) δ(s, S) x ij (j,i) δ( S,S) x ji = (i,j) δ(s, S) u ij = u(s, S) On a touvé une coupe telle que le flot entre s et t est égal à la capacité de cette coupe. Par la propriété 1, le flot est maximum et la coupe est minimum. P. Pesneau pierre.pesneau@math.u-bordeaux.fr Modèles de Flot - Cours 3 19 / 34

20 Sommaire 1 Problème du flot maximum - premiers éléments 2 P. Pesneau pierre.pesneau@math.u-bordeaux.fr Modèles de Flot - Cours 3 20 / 34

21 Quelques conséquences Théorème 3 (Flot Max / Coupe Min) La valeur maximum d un flot entre s et t dans un réseau est égal à la valeur minimum d une coupe séparant s et t dans ce réseau. Théorème 4 (Chemins augmentants) Un flot x est un flot maximum si et seulement si le graphe résiduel G[x ] ne contient pas de chemin augmentant. Théorème 5 (Flot entiers) Si toutes les capcités sur les arcs sont entières, alors le problème du flot maximum possède un flot maximum entier. P. Pesneau pierre.pesneau@math.u-bordeaux.fr Modèles de Flot - Cours 3 21 / 34

22 Flot maximum et dualité Max v t.q. j:(i,j) A x ij j:(j,i) A x ji = v pour i = s, (π s ) 0 i N \ {s, t}, (π i ) v pour i = t, (π t ) 0 x ij u ij pour tout (i, j) A. (σ ij ) Dual : Min u ij σ ij (i,j) A t.q. π t π s = 1, π i π j + σ ij 0 (i, j) A, σ ij 0 (i, j) A. P. Pesneau pierre.pesneau@math.u-bordeaux.fr Modèles de Flot - Cours 3 22 / 34

23 Sommaire 1 Problème du flot maximum - premiers éléments 2 P. Pesneau pierre.pesneau@math.u-bordeaux.fr Modèles de Flot - Cours 3 23 / 34

24 Connexité du réseau Soient G = (N, A) un réseau et s et t deux nœuds de N. Deux chemins entre s et t sont dits arête-disjoints s ils n ont pas d arcs en commun. Théorème 6 Le nombre maximum de chemins arête-disjoints entre s et t égale le nombre minimum d arcs qu il faut supprimer pour déconnecter s de t. Preuve. Affecter de capacités de 1 aux arcs du réseau. Soit x le flot maximum de valeur v entre s et t. le flot x se décompose en v chemins arête-disjoints entre s et t. la valeur v est également la valeur de la coupe minimum séparant s de t. P. Pesneau pierre.pesneau@math.u-bordeaux.fr Modèles de Flot - Cours 3 24 / 34

25 Connexité du réseau Soient G = (N, A) un réseau et s et t deux nœuds de N. Deux chemins entre s et t sont dits nœud-disjoints s ils n ont pas de nœuds en commun exceptés s et t. Théorème 7 Le nombre maximum de chemins nœud-disjoints entre s et t égale le nombre minimum de nœuds qu il faut supprimer pour déconnecter s de t. Preuve. Décomposer chaque nœud i en deux nœuds i et i + comme cela a été vue au cours 1. les nœuds i représentent les points d entrée de chaque nœud i tandis que i + représentent les points de sortie. Mettre une capacité de 1 sur les arcs (i, i + ) et une capacité infinie sur les autres arcs. S il n y a pas d arc direct entre s et t, le flot maximum a une valeur finie et n utilise que des arcs associés à des nœuds. La suite est similaire à la preuve du théorème précédent. P. Pesneau pierre.pesneau@math.u-bordeaux.fr Modèles de Flot - Cours 3 25 / 34

26 Couplages et couvertures Un graphe G = (N, A) est dit biparti si l ensemble N de ces nœuds peut être partitionner en deux sous-ensembles N 1 et N 2 tel que tous les arcs de A appartiennent à δ(n 1, N 2 ). Un couplage (matching) est un sous-ensemble M d arcs de A tel que pour toute paire d arcs, ils n ont pas d extrémité commune. Une couverture (cover) des arcs par des nœuds est un sous-ensemble C de nœuds de N tel que tout arc a au moins une de ces extrémités dans C. P. Pesneau pierre.pesneau@math.u-bordeaux.fr Modèles de Flot - Cours 3 26 / 34

27 Couplages et couvertures Théorème 8 Dans un graphe biparti, la cardinalité maximum d un couplage égale la cardinalité minimum d une couverture par les nœuds. Preuve. Ajouter au graphe un nœud source s relié à tous les sommets i N 1 par un arc (s, i). Ajouter au graphe un nœud destination t auquel sont reliés tous les sommets j N 2 par un arc (j, t). Mettre une capacité de 1 sur les arcs (s, i), i N 1 et (j, t), j N 2, et une capacité infinie sur les arcs originaux de A. Montrer l équivalence entre un flot de s à t et un couplage. Montrer l équivalence entre une s t coupe finie et une couverture par les nœuds. Le résultat suit par le théorème de flot max / coupe min. P. Pesneau pierre.pesneau@math.u-bordeaux.fr Modèles de Flot - Cours 3 27 / 34

28 Sommaire 1 Problème du flot maximum - premiers éléments 2 P. Pesneau pierre.pesneau@math.u-bordeaux.fr Modèles de Flot - Cours 3 28 / 34

29 Flot réalisable Revenons au problème général de flot où on associe à chaque nœud i N, une valeur b(i) correspondant à la quantité produite (si b(i) > 0) ou à la quantité consommée (si b(i) < 0) du nœud. On suppose que l on a une capacité maximum u ij associée à chaque arc (i, j) A. Trouver, s il existe, un flot réalisable pour ce réseau. C est-à-dire, trouver un flot x satisfaisant les contraintes j:(i,j) A x ij j:(j,i) A x ji = b(i) i N, 0 x ij u ij (i, j) A. P. Pesneau pierre.pesneau@math.u-bordeaux.fr Modèles de Flot - Cours 3 29 / 34

30 Flot réalisable Ajouter un nœud source s et un nœud puits t au réseau. Ajouter, pour chaque sommet i N tel que b(i) > 0, un arc (s, i) de capacité b(i). Ajouter, pour chaque sommet i N tel que b(i) < 0, un arc (i, t) de capacité b(i). Trouver le flot maximum entre les sommets s et t. Si le flot maximum sature tous les arcs (s, i) et tous les arcs (j, t), alors le flot maximum réduit aux arcs originaux est réalisable. Sinon, il n existe pas de flot réalisable. P. Pesneau pierre.pesneau@math.u-bordeaux.fr Modèles de Flot - Cours 3 30 / 34

31 Flot maximum avec capacités inférieures Considérons maintenant le problème de flot maximum lorsqu on a des capacités inférieures pouvant être strictement positives. Modèle mathématique : Max v t.q. j:(i,j) A x ij j:(j,i) A x ji = v pour i = s, 0 pour tout i N \ {s, t}, v pour i = t, l ij x ij u ij pour tout (i, j) A. P. Pesneau pierre.pesneau@math.u-bordeaux.fr Modèles de Flot - Cours 3 31 / 34

32 Problème de réalisabilité Il n existe plus nécessairement de flot réalisable. Exemple au tableau On va décomposer le problème en deux phases : Trouver un flot réalisable satisfaisant aux capacités inférieures. Trouver le flot maximum. Les deux phases se feront par la résolution d un flot maximum. P. Pesneau pierre.pesneau@math.u-bordeaux.fr Modèles de Flot - Cours 3 32 / 34

33 Il suffira ensuite de rajouter à x les capacités inférieures de chaque arc pour obtenir un flot réalisable satisfaisant les capacités inférieures. P. Pesneau pierre.pesneau@math.u-bordeaux.fr Modèles de Flot - Cours 3 33 / 34 Problème du flot maximum - premiers éléments Trouver un flot réalisable avec capacités inférieures On applique d abord la technique vue au cours 1 pour supprimer les bornes inférieures : Effectuer le changement de variable x ij = x ij l ij x ij = x ij + l ij. Cela revient à augmenter la demande (diminuer b(i)) du nœud i de l ij. augmenter la production (augmenter b(j)) du nœud j de l ij. diminuer la capacité u ij de l arc (i, j) de l ij. On cherche ensuite un flot x réalisable en appliquant l algorithme vu précédemment.

34 Trouver le flot maximum Il suffit d appliquer un algorithme de flot maximum sur le réseau original en prenant en compte les capacités inférieures. Les capacités résiduelles seront calculées par la formule : r ij = u ij x ij + x ji l ji u ij x ij : quantité de flot pouvant encore ajouter sur l arc. x ji l ji : quantité de flot qu on peut diminuer sur l arc inverse. P. Pesneau pierre.pesneau@math.u-bordeaux.fr Modèles de Flot - Cours 3 34 / 34

Chapitre 5 : Flot maximal dans un graphe

Chapitre 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 détail

Programmation Linéaire - Cours 1

Programmation 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 détail

Cours de Recherche Opérationnelle IUT d Orsay. Nicolas M. THIÉRY. E-mail address: Nicolas.Thiery@u-psud.fr URL: http://nicolas.thiery.

Cours de Recherche Opérationnelle IUT d Orsay. Nicolas M. THIÉRY. E-mail address: Nicolas.Thiery@u-psud.fr URL: http://nicolas.thiery. Cours de Recherche Opérationnelle IUT d Orsay Nicolas M. THIÉRY E-mail address: Nicolas.Thiery@u-psud.fr URL: http://nicolas.thiery.name/ CHAPTER 1 Introduction à l optimisation 1.1. TD: Ordonnancement

Plus en détail

INFO-F-310 - Algorithmique 3 et Recherche Opérationnelle

INFO-F-310 - Algorithmique 3 et Recherche Opérationnelle INFO-F- - Algorithmique et Recherche Opérationnelle Yves De Smet Bernard Fortz - Table des matières I Introduction Aide à la décision et modèles mathématiques Quelques exemples de modèles mathématiques

Plus en détail

Optimisation for Cloud Computing and Big Data

Optimisation for Cloud Computing and Big Data 1 / 23 Optimisation for Cloud Computing and Big Data Olivier Beaumont, Lionel Eyraud-Dubois 2 / 23 Aujourd hui Problèmes de fiabilité on va oublier la dynamicité Placement de VMs en programmation par contraintes

Plus en détail

Programmation linéaire

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

Plus en détail

Introduction à la théorie des graphes. Solutions des exercices

Introduction à la théorie des graphes. Solutions des exercices CAHIERS DE LA CRM Introduction à la théorie des graphes Solutions des exercices Didier Müller CAHIER N O 6 COMMISSION ROMANDE DE MATHÉMATIQUE 1 Graphes non orientés Exercice 1 On obtient le graphe biparti

Plus en détail

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

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

Plus en détail

Communications collectives et ordonnancement en régime permanent pour plates-formes hétérogènes

Communications collectives et ordonnancement en régime permanent pour plates-formes hétérogènes Loris MARCHAL Laboratoire de l Informatique du Parallélisme Équipe Graal Communications collectives et ordonnancement en régime permanent pour plates-formes hétérogènes Thèse réalisée sous la direction

Plus en détail

Contrainte de flot pour RCPSP avec temps de transfert

Contrainte 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 détail

Optimisation Discrète

Optimisation 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 détail

Jean-Philippe Préaux http://www.i2m.univ-amu.fr/~preaux

Jean-Philippe Préaux http://www.i2m.univ-amu.fr/~preaux Colonies de fourmis Comment procèdent les colonies de fourmi pour déterminer un chemin presque géodésique de la fourmilière à un stock de nourriture? Les premières fourmis se déplacent au hasard. Les fourmis

Plus en détail

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

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

Plus en détail

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

Groupe symétrique. Chapitre II. 1 Définitions et généralités

Groupe symétrique. Chapitre II. 1 Définitions et généralités Chapitre II Groupe symétrique 1 Définitions et généralités Définition. Soient n et X l ensemble 1,..., n. On appelle permutation de X toute application bijective f : X X. On note S n l ensemble des permutations

Plus en détail

Eléments de Théorie des Graphes et Programmation Linéaire

Eléments 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 détail

CCP PSI - 2010 Mathématiques 1 : un corrigé

CCP PSI - 2010 Mathématiques 1 : un corrigé CCP PSI - 00 Mathématiques : un corrigé Première partie. Définition d une structure euclidienne sur R n [X]... B est clairement symétrique et linéaire par rapport à sa seconde variable. De plus B(P, P

Plus en détail

Fonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre

Fonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre IUFM du Limousin 2009-10 PLC1 Mathématiques S. Vinatier Rappels de cours Fonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre 1 Fonctions de plusieurs variables

Plus en détail

Image d un intervalle par une fonction continue

Image d un intervalle par une fonction continue DOCUMENT 27 Image d un intervalle par une fonction continue La continuité d une fonction en un point est une propriété locale : une fonction est continue en un point x 0 si et seulement si sa restriction

Plus en détail

Programmation linéaire et Optimisation. Didier Smets

Programmation linéaire et Optimisation. Didier Smets Programmation linéaire et Optimisation Didier Smets Chapitre 1 Un problème d optimisation linéaire en dimension 2 On considère le cas d un fabricant d automobiles qui propose deux modèles à la vente, des

Plus en détail

Plan. 5 Actualisation. 7 Investissement. 2 Calcul du taux d intérêt 3 Taux équivalent 4 Placement à versements fixes.

Plan. 5 Actualisation. 7 Investissement. 2 Calcul du taux d intérêt 3 Taux équivalent 4 Placement à versements fixes. Plan Intérêts 1 Intérêts 2 3 4 5 6 7 Retour au menu général Intérêts On place un capital C 0 à intérêts simples de t% par an : chaque année une somme fixe s ajoute au capital ; cette somme est calculée

Plus en détail

Quelques algorithmes simples dont l analyse n est pas si simple

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

Plus en détail

Eteindre. les. lumières MATH EN JEAN 2013-2014. Mme BACHOC. Elèves de seconde, première et terminale scientifiques :

Eteindre. les. lumières MATH EN JEAN 2013-2014. Mme BACHOC. Elèves de seconde, première et terminale scientifiques : MTH EN JEN 2013-2014 Elèves de seconde, première et terminale scientifiques : Lycée Michel Montaigne : HERITEL ôme T S POLLOZE Hélène 1 S SOK Sophie 1 S Eteindre Lycée Sud Médoc : ROSIO Gauthier 2 nd PELGE

Plus en détail

La 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? 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

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

Continuité et dérivabilité d une fonction

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

Plus en détail

Résolution de systèmes linéaires par des méthodes directes

Résolution de systèmes linéaires par des méthodes directes Résolution de systèmes linéaires par des méthodes directes J. Erhel Janvier 2014 1 Inverse d une matrice carrée et systèmes linéaires Ce paragraphe a pour objet les matrices carrées et les systèmes linéaires.

Plus en 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

Exercices Alternatifs. Quelqu un aurait-il vu passer un polynôme?

Exercices Alternatifs. Quelqu un aurait-il vu passer un polynôme? Exercices Alternatifs Quelqu un aurait-il vu passer un polynôme? c 2004 Frédéric Le Roux, François Béguin (copyleft LDL : Licence pour Documents Libres). Sources et figures: polynome-lagrange/. Version

Plus en détail

Exercices Alternatifs. Quelqu un aurait-il vu passer un polynôme?

Exercices Alternatifs. Quelqu un aurait-il vu passer un polynôme? Exercices Alternatifs Quelqu un aurait-il vu passer un polynôme? c 2004 Frédéric Le Roux, François Béguin (copyleft LDL : Licence pour Documents Libres). Sources et figures: polynome-lagrange/. Version

Plus en détail

Baccalauréat ES Polynésie (spécialité) 10 septembre 2014 Corrigé

Baccalauréat 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 détail

Exercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Banque PT

Exercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Banque PT Exercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Banque PT Ces exercices portent sur les items 2, 3 et 5 du programme d informatique des classes préparatoires,

Plus en détail

Dualité dans les espaces de Lebesgue et mesures de Radon finies

Dualité 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 détail

Chapitre 6. Fonction réelle d une variable réelle

Chapitre 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 détail

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

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

Plus en détail

Théorie des Graphes Cours 3: Forêts et Arbres II / Modélisation

Théorie 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 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

Calcul matriciel. Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes.

Calcul 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 détail

1 Définition et premières propriétés des congruences

1 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 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

Exercices du Cours de la programmation linéaire donné par le Dr. Ali DERBALA

Exercices 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 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

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

ALGORITHMIQUE II NOTION DE COMPLEXITE. SMI AlgoII

ALGORITHMIQUE II NOTION DE COMPLEXITE. SMI AlgoII ALGORITHMIQUE II NOTION DE COMPLEXITE 1 2 Comment choisir entre différents algorithmes pour résoudre un même problème? Plusieurs critères de choix : Exactitude Simplicité Efficacité (but de ce chapitre)

Plus en détail

Cercle trigonométrique et mesures d angles

Cercle trigonométrique et mesures d angles Cercle trigonométrique et mesures d angles I) Le cercle trigonométrique Définition : Le cercle trigonométrique de centre O est un cercle qui a pour rayon 1 et qui est muni d un sens direct : le sens inverse

Plus en détail

Fonctions de plusieurs variables

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

Plus en détail

Chp. 4. Minimisation d une fonction d une variable

Chp. 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 détail

Chapitre 3. Quelques fonctions usuelles. 1 Fonctions logarithme et exponentielle. 1.1 La fonction logarithme

Chapitre 3. Quelques fonctions usuelles. 1 Fonctions logarithme et exponentielle. 1.1 La fonction logarithme Chapitre 3 Quelques fonctions usuelles 1 Fonctions logarithme et eponentielle 1.1 La fonction logarithme Définition 1.1 La fonction 7! 1/ est continue sur ]0, +1[. Elle admet donc des primitives sur cet

Plus en détail

introduction Chapitre 5 Récursivité Exemples mathématiques Fonction factorielle ø est un arbre (vide) Images récursives

introduction 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 détail

La demande Du consommateur. Contrainte budgétaire Préférences Choix optimal

La demande Du consommateur. Contrainte budgétaire Préférences Choix optimal La demande Du consommateur Contrainte budgétaire Préférences Choix optimal Plan du cours Préambule : Rationalité du consommateur I II III IV V La contrainte budgétaire Les préférences Le choix optimal

Plus en détail

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable T : pour travailler et mémoriser le cours

* 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 détail

Intégration et probabilités TD1 Espaces mesurés Corrigé

Intégration 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 détail

Le théorème de Perron-Frobenius, les chaines de Markov et un célèbre moteur de recherche

Le théorème de Perron-Frobenius, les chaines de Markov et un célèbre moteur de recherche Le théorème de Perron-Frobenius, les chaines de Markov et un célèbre moteur de recherche Bachir Bekka Février 2007 Le théorème de Perron-Frobenius a d importantes applications en probabilités (chaines

Plus en détail

Université Bordeaux 1, Licence Semestre 3 - Algorithmes et struct...

Université Bordeaux 1, Licence Semestre 3 - Algorithmes et struct... Université Bordeaux 1 table des matières Licence Semestre 3 - Algorithmes et structures de données 1 Dernière mise à jour effectuée le 23 Octobre 2013 Piles et Files Déitions Primitives de piles, exemples

Plus en détail

Première partie. Préliminaires : noyaux itérés. MPSI B 6 juin 2015

Première 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 détail

Contexte. Pour cela, elles doivent être très compliquées, c est-à-dire elles doivent être très différentes des fonctions simples,

Contexte. 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 détail

Durée de L épreuve : 2 heures. Barème : Exercice n 4 : 1 ) 1 point 2 ) 2 points 3 ) 1 point

Durée 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 détail

Cours de Master Recherche

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

Plus en détail

Resolution limit in community detection

Resolution limit in community detection Introduction Plan 2006 Introduction Plan Introduction Introduction Plan Introduction Point de départ : un graphe et des sous-graphes. But : quantifier le fait que les sous-graphes choisis sont des modules.

Plus en détail

Programmation linéaire

Programmation 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 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

Plus courts chemins, programmation dynamique

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

Plus en détail

L exclusion mutuelle distribuée

L exclusion mutuelle distribuée L exclusion mutuelle distribuée L algorithme de L Amport L algorithme est basé sur 2 concepts : L estampillage des messages La distribution d une file d attente sur l ensemble des sites du système distribué

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

Proposition. Si G est un groupe simple d ordre 60 alors G est isomorphe à A 5.

Proposition. 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 détail

Mathématique et Automatique : de la boucle ouverte à la boucle fermée. Maïtine bergounioux Laboratoire MAPMO - UMR 6628 Université d'orléans

Mathématique et Automatique : de la boucle ouverte à la boucle fermée. Maïtine bergounioux Laboratoire MAPMO - UMR 6628 Université d'orléans Mathématique et Automatique : de la boucle ouverte à la boucle fermée Maïtine bergounioux Laboratoire MAPMO - UMR 6628 Université d'orléans Maitine.Bergounioux@labomath.univ-orleans.fr Plan 1. Un peu de

Plus en détail

Big Data et Graphes : Quelques pistes de recherche

Big Data et Graphes : Quelques pistes de recherche Big Data et Graphes : Quelques pistes de recherche Hamamache Kheddouci Laboratoire d'informatique en Image et Systèmes d'information LIRIS UMR 5205 CNRS/INSA de Lyon/Université Claude Bernard Lyon 1/Université

Plus en détail

Théorèmes de Point Fixe et Applications 1

Théorèmes de Point Fixe et Applications 1 Théorèmes de Point Fixe et Applications 1 Victor Ginsburgh Université Libre de Bruxelles et CORE, Louvain-la-Neuve Janvier 1999 Published in C. Jessua, C. Labrousse et D. Vitry, eds., Dictionnaire des

Plus en détail

Chapitre 4 : Exclusion mutuelle

Chapitre 4 : Exclusion mutuelle Chapitre 4 : Exclusion mutuelle Pierre Gançarski Juillet 2004 Ce support de cours comporte un certain nombre d erreurs : je décline toute responsabilité quant à leurs conséquences sur le déroulement des

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

Info0804. Cours 6. Optimisation combinatoire : Applications et compléments

Info0804. Cours 6. Optimisation combinatoire : Applications et compléments Recherche Opérationnelle Optimisation combinatoire : Applications et compléments Pierre Delisle Université de Reims Champagne-Ardenne Département de Mathématiques et Informatique 17 février 2014 Plan de

Plus en détail

Compter à Babylone. L écriture des nombres

Compter à Babylone. L écriture des nombres Compter à Babylone d après l article de Christine Proust «Le calcul sexagésimal en Mésopotamie : enseignement dans les écoles de scribes» disponible sur http://www.dma.ens.fr/culturemath/ Les mathématiciens

Plus en détail

Introduction aux algorithmes répartis

Introduction aux algorithmes répartis Objectifs et plan Introduction aux algorithmes répartis Sacha Krakowiak Université Joseph Fourier Projet Sardes (INRIA et IMAG-LSR http://sardes.inrialpes.fr/people/krakowia! Introduction aux algorithmes

Plus en détail

Fonctions homographiques

Fonctions 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 détail

Une nouvelle approche de détection de communautés dans les réseaux sociaux

Une nouvelle approche de détection de communautés dans les réseaux sociaux UNIVERSITÉ DU QUÉBEC EN OUTAOUAIS Département d informatique et d ingénierie Une nouvelle approche de détection de communautés dans les réseaux sociaux Mémoire (INF 6021) pour l obtention du grade de Maîtrise

Plus en détail

LES MÉTHODES DE POINT INTÉRIEUR 1

LES MÉTHODES DE POINT INTÉRIEUR 1 Chapitre XIII LES MÉTHODES DE POINT INTÉRIEUR 1 XIII.1 Introduction Nous débutons par un rappel de la formulation standard d un problème d optimisation 2 linéaire et donnons un bref aperçu des différences

Plus en détail

Théorie et codage de l information

Théorie et codage de l information Théorie et codage de l information Les codes linéaires - Chapitre 6 - Principe Définition d un code linéaire Soient p un nombre premier et s est un entier positif. Il existe un unique corps de taille q

Plus en détail

Analyse de la variance Comparaison de plusieurs moyennes

Analyse de la variance Comparaison de plusieurs moyennes Analyse de la variance Comparaison de plusieurs moyennes Biostatistique Pr. Nicolas MEYER Laboratoire de Biostatistique et Informatique Médicale Fac. de Médecine de Strasbourg Mars 2011 Plan 1 Introduction

Plus en détail

DOCM 2013 http://docm.math.ca/ Solutions officielles. 1 2 10 + 1 2 9 + 1 2 8 = n 2 10.

DOCM 2013 http://docm.math.ca/ Solutions officielles. 1 2 10 + 1 2 9 + 1 2 8 = n 2 10. A1 Trouvez l entier positif n qui satisfait l équation suivante: Solution 1 2 10 + 1 2 9 + 1 2 8 = n 2 10. En additionnant les termes du côté gauche de l équation en les mettant sur le même dénominateur

Plus en détail

Probabilités sur un univers fini

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

Plus en détail

Chapitre 1 : Évolution COURS

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

Plus en détail

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

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

La classification automatique de données quantitatives

La classification automatique de données quantitatives La classification automatique de données quantitatives 1 Introduction Parmi les méthodes de statistique exploratoire multidimensionnelle, dont l objectif est d extraire d une masse de données des informations

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

Grandes lignes ASTRÉE. Logiciels critiques. Outils de certification classiques. Inspection manuelle. Definition. Test

Grandes lignes ASTRÉE. Logiciels critiques. Outils de certification classiques. Inspection manuelle. Definition. Test Grandes lignes Analyseur Statique de logiciels Temps RÉel Embarqués École Polytechnique École Normale Supérieure Mercredi 18 juillet 2005 1 Présentation d 2 Cadre théorique de l interprétation abstraite

Plus en détail

Continuité d une fonction de plusieurs variables

Continuité d une fonction de plusieurs variables Chapitre 2 Continuité d une fonction de plusieurs variables Maintenant qu on a défini la notion de limite pour des suites dans R n, la notion de continuité s étend sans problème à des fonctions de plusieurs

Plus en détail

Chapitre 2 Le problème de l unicité des solutions

Chapitre 2 Le problème de l unicité des solutions Université Joseph Fourier UE MAT 127 Mathématiques année 2011-2012 Chapitre 2 Le problème de l unicité des solutions Ce que nous verrons dans ce chapitre : un exemple d équation différentielle y = f(y)

Plus en détail

Théorème du point fixe - Théorème de l inversion locale

Théorème du point fixe - Théorème de l inversion locale Chapitre 7 Théorème du point fixe - Théorème de l inversion locale Dans ce chapitre et le suivant, on montre deux applications importantes de la notion de différentiabilité : le théorème de l inversion

Plus en détail

TP1 Méthodes de Monte Carlo et techniques de réduction de variance, application au pricing d options

TP1 Méthodes de Monte Carlo et techniques de réduction de variance, application au pricing d options Université de Lorraine Modélisation Stochastique Master 2 IMOI 2014-2015 TP1 Méthodes de Monte Carlo et techniques de réduction de variance, application au pricing d options 1 Les options Le but de ce

Plus en détail

Licence Sciences et Technologies Examen janvier 2010

Licence 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 détail

Rappels sur les suites - Algorithme

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

Plus en détail

La persistance des nombres

La persistance des nombres regards logique & calcul La persistance des nombres Quand on multiplie les chiffres d un nombre entier, on trouve un autre nombre entier, et l on peut recommencer. Combien de fois? Onze fois au plus...

Plus en détail

Principe de symétrisation pour la construction d un test adaptatif

Principe de symétrisation pour la construction d un test adaptatif Principe de symétrisation pour la construction d un test adaptatif Cécile Durot 1 & Yves Rozenholc 2 1 UFR SEGMI, Université Paris Ouest Nanterre La Défense, France, cecile.durot@gmail.com 2 Université

Plus en détail

n N = u N u N+1 1 u pour u 1. f ( uv 1) v N+1 v N v 1 1 2 t

n N = u N u N+1 1 u pour u 1. f ( uv 1) v N+1 v N v 1 1 2 t 3.La méthode de Dirichlet 99 11 Le théorème de Dirichlet 3.La méthode de Dirichlet Lorsque Dirichlet, au début des années 180, découvre les travaux de Fourier, il cherche à les justifier par des méthodes

Plus en détail

Sujet 4: Programmation stochastique propriétés de fonction de recours

Sujet 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 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

AC 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 =

AC 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 détail

1 Introduction et modèle mathématique

1 Introduction et modèle mathématique Optimisation parallèle et mathématiques financières Optimisation parallèle et mathématiques financières Pierre Spiteri 1 IRIT ENSEEIHT, UMR CNRS 5505 2 rue Charles Camichel, B.P. 7122 F-31 071 Toulouse,

Plus en détail

Algorithmes de recherche

Algorithmes de recherche Algorithmes de recherche 1 Résolution de problèmes par recherche On représente un problème par un espace d'états (arbre/graphe). Chaque état est une conguration possible du problème. Résoudre le problème

Plus en détail