Calcul propositionnel :
|
|
- Josiane St-Denis
- il y a 6 ans
- Total affichages :
Transcription
1 uv CDL_B COURS 3 Calcul propositionnel : Aspects Sémantiques, Aspects syntaxiques, Déduction, Preuves p 1
2 Besoins, Énoncé de PB Spécification Langage de Spec. : Logique de Prop Prototype exécutable : Forme clausale ProPlog Exécution du progr. p 2
3 uv CDL_B3 Calcul propositionnel et Clauses de Horn Aspects sémantiques p 3
4 Objectifs 1 : Généraliser les concepts étudiés avec ProPlog Approfondir la notion de validité Familiariser avec la notion de déduction 2 : Introduire aux systèmes formels (preuves) (afin de préparer à l'usage de règles d'inférences dans la définition des langages de programmation) 3 : Présenter la procédure générale de résolution (pour montrer le lien entre démonstration et exécution d'un programme avec des systèmes experts plus généraux) 4 : Poser le problème du passage d'un énoncé informel à un texte formel p 4
5 Sémantique Logique et ProPlog Rappel : Les clauses sont aussi des formules logiques. Exemples : ProPlog p :- q, r. p :- s. r. q. p1 :- s. Logique p <- q r p <- s r q p1 <- s p2 :- s. p2 <- s p 5
6 Syntaxe --- Prop(P) Définition des formules bien formées: (i)-toute proposition (atome propositionnel) est une formule : p,q,... (ii)-si A et B (méta-symboles) sont des formules bien formées : (~ A), (A B), (A v B), (A -> B), (A<->B) sont également des formules bien formées (iii)-il n y a pas d autres formules que celles obtenues ainsi. p 6
7 Precedence des opérateurs en arithmétique ( (a + ( b / c ) ) + ( d * e ) s'écrit plus simplement, en tenant compte des priorités habituelles: a + b / c + d * e de même les opérateurs logiques seront ordonnés: ~, &, v, ->, <-> et sont associatifs à droite ( à gauche pour <-). p <-> p & r & u v s -> q -> t correspond donc à p <-> (((p & (r & u)) v s) -> (q -> t) p p a + + / * b c d e <-> -> v -> & s q t & p 7
8 Forme clausale des programmes ProPlog Un programme ProPlog est une conjonction de clauses définies positives : ( p <- q r ) ( p <- s ) r q ( p1 <- s ) ( p2<- s ) ( p v ~ (q r )) ( p v ~ s ) r q ( p1 v ~ s ) ( p2 v ~ s ) (p v ~ q v ~ r ) ( p v ~ s ) r q ( p1 v ~ s ) ( p2 v ~ s ) p 8
9 Définitions Littéral : atome ou négation d'un atome Clause : disjonction de littéraux Clause définie : un et un seul littéral positif p 9
10 Interprétations signature des structures d'interprétation de P < {Bool}, {true, false},{, <-, p, q, r, s, p1,p2 }> interprétations des symboles "non logiques": p q r s p1p2 F F F F F F i1 F F F F F T i T T T T T T i64 (64 interprétations possibles) On préfère l interprétation de Herbrand : I Bp I ensemble de symboles interprétés comme VRAI p 10
11 Satisfaction (ProPlog) Satisfaction par une interprétation In : = I n On note : = I n p ssi p In =T = I n p & r ssi p In =T et r In =T = I n p<- q1 & q2...& qn ssi ce n'est pas le cas que la queue est satisfaite ( = I n q1 & q2...& qn) tandis que la tête ne l'est pas ( I n p) Satisfaction d'un programme : = I n P p 11
12 Interprétations - Domaine sémantique d'interprétation {F,T} (on aurait pu prendre{0,1}, ) - Interprétation : valuation de chaque atome propositionnel dans le domaine d'interprétation Exemple : p -i1->f ou p -i2->v Exemple, interprétation des connecteurs logiques classiques : A ~A i1 F V i2 V F A B A B A v B A -> B A <-> B A ~ A i1 F F F F V V F i2 F V F V V F F i3 V F F V F F F i4 V V V V V V F p 12
13 Modèle, définitions Définition : Une interprétation qui rend vraie une formule est un modèle de cette formule Exemples : i1, i2 et i4 sont des modèles de A -> B Définition : Relation de satisfaction : =i1 A -> B Définition : Une formule satisfiable a au moins un modèle (elle est consistante) Définition : Une formule inconsistante n'a aucun modèle : A ~ A est insatisfiable (inconsistante, contradictoire) Définition : Une formule est valide si toutes les interprétations sont modèle (tautologie) Définition : Un ensemble de formules est consistant si tous ses éléments admettent un modèle commun p 13
14 Satisfaction : Définition formelle Le domaine d'interprétation étant fixé, la relation = i définit à quelle condition une interprétation i est un modèle d'une formule: = i p ssi p i = T (ou i(p) = T) A et B étant des formules, la relation de satisfaction par i : = i ~ A ssi i A = i A B ssi = i A et = i B = i A v B ssi = i A ou = i B = i A -> B ssi i A ou = i B = i A <-> B ssi = i A et = i B ou bien ssi i A et i B p 14
15 Validité, formule valide2 Définition (informelle) : Une formule est valide si elle est "toujours vraie " i.e. : Toutes ses interprétations sont des modèles. = A ssi = i A pour toute interprétation i notation: = Exemples = A v ~ A = p -> p = ~ ~ p <-> p Remarque : La négation d'une formule valide est inconsistante. Exemple : ~ (A v ~ A) p 15
16 Formules Formule consistante F : F admet au moins un modèle (F est satisfaite par au moins une interprétation i) notation = i A Formule inconsistante ou insatisfiable F F est une contradiction (elle n admet aucun modèle) exemple: = ~(p v ~ p) p 16
17 Formules, remarques La négation d'une formule valide est inconsistante ou insatisfiable Attention : Formule est non valide : ( A) SI au moins une interprétation n'est pas un modèle. Une formule NON-valide n est pas obligatoirement une contradiction. p 17
18 Modèles et ProP log Modèles d un Programme ProP log P = interprétations qui satisfont P Exemple : soit toujours le même programme exemple et on part de l interprétation de Herbrand : I h = {q, r} Alors les modèles de Herbrand de P sont (treillis): { p, q, r, s, p1, p2} = Bp { p, q, r, p1, p2 } { p, q, r, p1} { p, q, r, p2 } { p, q, r } = Ip contre exemple: { p, q, r, s } n est pas un modèle de P p 18
19 Plus Petit Modèle (PPM) Tout programme défini P (clauses de Horn) a au moins un modèle : Bp Toute intersection de modèles de P est un modèle de P L'intersection de tous les modèles de P est le plus petit modèle de P (PPM) noté Mp Dans l'exemple précédent le plus petit modèle est { p, q, r } Mp = Den log (P ) = Den pf (P ) p 19
20 Conséquence logique Soit E est un ensemble de formules, on note E = A (surcharge de l'opérateur =) pour exprimer le fait que tout modèle de E est un modèle de A, c.à.d. Mod(E) Mod(A) L'ensemble des modèles de E est inclus dans l'ensemble des modèles de A. On dit que A est "conséquence logique" ou "conséquence sémantique" de E. exemple 1 : X Y = X (ou {X Y } = X ) p 20
21 Conséquence logique 2 exemple 2 : {p ->q, ~ q} = ~ p Mod( {p ->q, ~ q}) Mod(~ p) p q ~p ~q p->q {p->q, ~q} T T F F T F T F F T F F F T T F T F F F T T T T p 21
22 Conséquence logique 3 On note la conséquence logique = : ( surcharge de l'opérateur = ) P = A SSI Tout modèle de P est un modèle de A Dans l'exemple précédent : P = p p 22
23 Equivalence logique Si deux formules sont conséquences logiques l'une de l'autre, elles ont mêmes modèles. Ex : A -> B == ~ A v B on dit qu'elles sont "logiquement équivalentes" p 23
24 Conséquence logique et implication Théorème: B = A ssi = B -> A preuve: (=>) B-> A ne peut être contredit, puisque tout modèle de B est modèle de A (<=) puisque B-> A est toujours vrai tout modèle de B est un modèle de A QED p 24
25 Implication, Equivalence logique(suite) Plus généralement : { H1,...,Hn} = C ssi = (H1... Hn -> C) Et aussi B == A ssi = B <->A p 25
26 Exemples d équivalences 1. Lois de De Morgan ~(p v q) == ~p ~q ~(p q) == ~p v ~q 2. p <-> q == (p -> q) (q -> p) 3. p -> q == ~p v q 4. (p q) -> r == p -> ( q -> r) p 26
27 Déduction La déduction consiste à déterminer si une formule C est conséquence logique des hypothèses. {H1, H2,, Hn} = C Principe : Pour toute interprétation pour laquelle les hypothèses sont vraies, la conclusion est(doit être) vraie. Ou dit autrement : On ne peut trouver de contre-exemple qui donne la conclusion fausse pour des hypothèses vraies. p 27
28 Déduction - exemple Exemple, Soit montrer : On suppose la conclusion fausse et on vérifie que les hypothèses ne peuvent être toutes vraies en même temps. { p -> q, ~p -> ~q } = p <-> q T F <= supposition F T T T? donc p=f et q=t T F! Ou P=T et q=f Impossible de trouver un contre-exemple! p 28
29 Principe de déduction Principe de déduction par réfutation (ou par l'absurde) : Pour montrer que A est conséquence logique de B, il suffit de montrer que si on fait l'hypothèse ~A on aboutit à une contradiction.i.e. Pour montrer B = A on montre que B ~A est insatisfiable Démonstration : B = A se réécrit = B -> A (B->A est valide) donc montrer que ~ (B -> A) est insatisfiable en effet B -> A est valide <-> ~ ( ~ B v A ) est insatisfiable <-> B ~ A = false en effet mod( B ~ A) = {} mod(false) = {} <-> {B,~ A} = false p 29
30 Exemple de déductions/réfutations 1. {p-> q, p } = q modus ponens p q p-> q ~ q { p-> q, p, ~q} T T T F F T F F T F F T T F F F F T T F p 30
31 Exemple 2 2. {p -> q, ~ q } = ~ p modus tollens p q p -> q ~q { p -> q, ~q, ~~p } F F T T F F T T F F T F F T F T T T F F p 31
32 Exemple 3 3. La résolution : {a v c, b v ~c} = a v b a b c a v c b v ~c {a v c,b v ~c,~(a v b)} T T T T T F T T F T T F T F T T F F T F F T T F F T T T T F F T F T T F F F T T F F F F F F T F p 32
33 Tableaux Sémantiques, méthode des arbres Une disjonction est vraie SSI l un des termes de la disjonction est vrai. Une conjonction est vraie SSI tous les termes de la conjonction sont vrais. La négation d une conjonction est vraie SSI l un des termes de la conjonction est faux. La négation d une disjonction est vraie SSI tous les termes de la disjonction sont faux. Une double négation est vraie SSI le terme de la double négation est vrai p 33
34 Règles "syntaxiques"d inférence pour tableaux sémantiques S F ~(S v F) S F ~ S ~ F ~~ S S S v F ~(S F) S F ~ S ~ F p 34
35 Chemins de vérité S F S F Si S F se trouve sur un chemin de l arbre alors S et F devront se trouver sur le même chemin car si S F est vrai S et F le sont aussi. S et F sont vrais SSI S F l est aussi S S v F F Si S v F se trouve sur un chemin de l arbre alors S ou F devra se trouver sur le même chemin. S est vrai ou F est vrai SSI S v F l est aussi Les chemins de l arbre (considérés de bas en haut) sont des chemins de vérité. Un chemin est fermé s il contient à la fois p et ~p. L arbre d une contradiction a tous ses chemins fermés. p 35
36 Règles "syntaxiques"2 pour tableaux sémantiques S -> F ~(S -> F) ~ S F S ~ F S F S <-> F ~ S ~ F ~ (S <-> F) S ~ S ~ F F p 36
37 Tableaux Sémantiques A v C B v ~ C ~(A v B) ~ A ~ B A C x B x ~ c x p 37
38 Exemple de preuve par tableau sémantique l'exemple traité précédemment : {p -> q, ~ p > ~ q } = p <-> q p -> q (2) ~ p > ~ q de 3 ~ (p <-> q) de 1 p de 1 ~ p de 1 ~ q de 1 q de 1 ~ p de 2 q de 2 ~ p de 2 q de 2 x x p de 3 ~ q de 3 p de 3 ~ q de 3 x x x x p 38
39 Et après Jusqu ici on a fait des «raisonnements» : Est-ce que A est vrai, supposons que A est faux etc On veut remplacer ces raisonnements par un calcul. Les tableaux sémantiques seraient entre les deux p 39
40 Syntaxe : Systèmes formels/théories Approche syntaxique "plus naturelle": Aristote et Euclide (géométrie) que la déduction sémantique (20ème siècle) On se donne : Un Alphabet (Ensemble fini de symboles). Un ensemble de mots bien formés. Un ensemble fini de Règles d'inférence (règle de production syntaxique d'un mot (formule) à partir d'un autre) Un (des) Axiome(s) (ensemble de mots (formules)) p 40
41 Preuve, Théorème Alors une Preuve (ou démonstration) est suite finie de mots dont chacun est soit un axiome, soit se déduit des précédents par l'application d'une règle d'inférence. Un Théorème est un mot (formule) tel qu'il existe une preuve se terminant par ce mot. p 41
42 Exemple de Système Formel : CALCUL des SEQUENTS p 42
43 Calcul des séquents : (&) S F S H, S, F - C H, S F - C F ~(S F) ~S ~F H - S,C H - F,C H - S F, C p 43
44 Calcul des séquents : (v) S S v F F H, S - C H, F - C v - H, S v F - C ~(S v F) ~S H - S, F, C v H - S v F, C ~F p 44
45 Calcul des séquents : (->) S -> F ~S F H - S,C H, F - C > - H, S -> F - C ~(S -> F) S ~F H, S - F, C > H - S -> F, C p 45
46 Calcul des séquents : (<->) S <-> F S F ~S ~F H - S, F, C H, S, F - C <-> - H, S <-> F - C ~(S <-> F) ~S F S ~F H, F - S,C H, S - F, C <-> H - S <-> F, C p 46
47 Récapitulatif axiome S - S S - C thin - H,S - C H - C thin H - S, C H - S, C ~ - H, ~S - C H, S - C ~ H - ~S, C H - S,C H, F - C > - H, S -> F - C H, S - F, C > H - S -> F, C p 47
48 Récapitulatif 2 H, S, F - C H, S F - C H - S,C H - F,C H - S & F, C H, S - C H, F - C v - H, S v F - C H - S, F, C v H - S v F, C H - S, F, C H, S, F - C <-> - H, S <-> F - C H, F - S,C H, S - F, C <-> H - S <-> F, C p 48
49 retour sur l'exemple: 1.{p -> q, ~ p > ~ q } - p <-> q 1.1 {p -> q, ~ p > ~ q } - p -> q & q -> p - <-> {p -> q, ~ p > ~ q } - p -> q - & {p, p -> q, ~ p > ~ q } - q - -> {p, ~ p > ~ q } - q, p -> - {p} - p thin -thin {p,q, ~ p > ~ q } - q -> - {q} - q thin -thin {p -> q, ~ p > ~ q } - q -> p - & {q, p -> q, ~ p > ~ q } - p - -> {q, p -> q} - p, ~p -> - {p,q, p -> q,} - p - ~ {p} - p thin -thin {q,p -> q,~ q } - p -> - {q, p -> q} - p,q ~ - {q} - q thin -thin p 49
50 Réfutation + Résolution Retour sur la réfutation p 50
51 Forme clausale Clause = disjonction finie de littéraux Cl = (l 1 v l 2 v... v l n ) avec l i (littéral) de la forme p ou ~ p Clause vide false notée parfois [] ou {} Forme clausale : conjonction finie de clauses Cl 1 Cl 2... Cl n le plus souvent représenté {Cl 1, Cl 2,..., Cl n } Théorème: Toute formule du calcul propositionnel admet une forme clausale qui lui est logiquement équivalente. p 51
52 Mise sous forme clausale 1) X <-> Y > (~X ~Y) (Y X) 2) (X -> Y) > ~X Y 3) Lois de De Morgan jusqu à obtenir des littéraux ~( X Y) > (~X ~Y) ~( X Y) > (~X ~Y) Simplification à la volée ~~X > X 4) Distributivité pour obtenir des clauses X ( Y Z ) > ( X Y ) ( X Z ) X ( Y Z ) > ( X Y ) v ( X Z ) 5) Simplifications : ~X X T ~X X F T X T F X F p 52
53 Exemple de mise sous forme clausale 1) ( p -> ( q -> r )) -> (( p s ) -> r) 2) ~ ( p -> ( q -> r )) v (( p s ) -> r) ~ ( ~p v ( ~q v r )) v (~( p s ) v r) 3) (~ ~p ~( ~q v r ) ) v (~ p v ~ s v r) (~ ~p (~~q ~ r ) ) v (~ p v ~ s v r) 4) (p (q ~ r) ) v (~ p v ~ s v r) 5) (p v (~ p v ~ s v r)) ((q ~ r) v (~ p v ~ s v r)) (p v ~ p v ~ s v r) ((q ~ r) v (~ p v ~ s v r)) true ((q ~ r) v (~ p v ~ s v r)) (q v (~ p v ~ s v r)) (~ r v (~ p v ~ s v r)) (q v ~ p v ~ s v r) (~ r v ~ p v ~ s v r) (q v ~ p v ~ s v r) true q v ~ p v ~ s v r p 53
54 Principe de résolution Rappel : il est possible de prouver un théorème en ajoutant sa négation aux hypothèses et en montrant l'inconsistance de l'ensemble. Règle (d'inférence) de Résolution: {Cl 1 v l, Cl 2 v ~l } - Cl 1 v Cl 2 Soit Cl 1 v l et Cl 2 v ~l 2 clauses de S ( sous forme clausale) S = Cl 1 v Cl 2 Cl 1 v Cl 2 est appelée la résolvante des deux clauses Cl 1 v l et Cl 2 v ~l sont les clauses parentes de la résolvante Alors S == S U {Cl 1 v Cl 2 } Remarque:{ X, ~X } - false en effet {X, ~X } == {false v X, false v ~X} et {false v X, false v ~X} - false v false p 54
55 Algorithme de résolution On peut donc prouver l'inconsistance (éventuelle) d'un ensemble fini de clauses par l'algorithme suivant: Tant que false S choisir Cl1 v l et Cl2 v ~l deux clauses de S calculer la résolvante r remplacer S par S U {r} Complétude (tout théorème possède une démonstration): Un ensemble fini de clauses S est inconsistant SSI la clause vide (false) peut être déduite de S par résolution. p 55
56 Exemple de résolution Soit prouver : { p v q, p v r, ~q v~ r } - p on procède par réfutation: S = { p v q, p v r, ~q v~ r } U {~ p} il est alors possible d'ajouter successivement à cet ensemble 5) p v ~ r par 1 et 3 6) q 1, 4 7) p v ~q 2, 3 8) r 2, 4 9) p 2, 5 10)~ r 3, 6 11)~q 3, 8 12)false 4, 9 non optimal : trouver une solution en 4 pas! p 56
57 Stratégies de résolution Stratégies complètes : Stratégie en largeur L'ensemble de départ étant donné par les clauses de S, on construit chaque nouvel ensemble en générant toutes les résolvantes possibles entre une clause de l'ensemble immédiatement précédent et une clause d'un des ensembles précédents Stratégie Linéaire Toute résolvante a la résolvante précédente pour un de ses parents Stratégies incomplètes dans le cas général: Stratégie input Toute résolvante a un parent dans l'ensemble de départ Stratégie linéaire-input : SLD-résolution Les clauses de S ont au plus un littéral positif. une clause (désignée but ) ne contient que des littéraux négatifs. p 57
58 Stratégie en largeur (très inefficace) L'ensemble de départ étant donné par les clauses de S, on construit chaque nouvel ensemble en générant toutes les résolvantes possibles entre une clause de l'ensemble immédiatement précédent et une clause d'un des ensembles précédents So = {A,~ A v B, ~ B v A, ~ B} S1 = {B, ~ B v B, ~ A v A, ~ A } S2 = {A, false,... } p 58
59 Stratégie linéaire Toute résolvante a la résolvante précédente pour un des parents S = {~ A v ~ B, A v~ C, C, B v ~ D, D v B} ~ A v ~ B + A v~ C -> ~ B v~ C ~ B v~ C + C -> ~ B ~ B + B v ~ D -> ~ D ~ D + D v B -> B B + ~ B -> {} p 59
60 Stratégie input Toute résolvante a un parent dans l'ensemble de départ S = {~ A, A v ~ B, A v ~ C v ~ D, C, D v ~ C } {~ C v ~ D } 1 et 2 {~ D } 6 et 4 {~ C } 7 et 5 {} 8 et 4 Ici l exemple est en stratégie linéaire-input p 60
61 Exemple Prolog a :- b, c. a v ~ b v ~ c a :- d. a v ~ d b :- d, e. b v ~ d v ~ e b :- f. b v ~ f c. c c :- d, f. c v ~ d v ~ f d. d f. f?- a. ~ a {~ a } { a v ~ b v ~ c } {~ b v ~ c } { b v ~ d v ~ e } ou {~ b v ~ c } { b v ~ f } { ~ d v ~ e v ~ c } {d} {~ c v ~ f } {c} {~ e v ~ c } echec {~ f } {f} {} succes etc... p 61
62 Autres Règles d'inférences Choisies pour ne produire que des conséquences logiques r1) modus ponens { p -> q, p} - q r2) modus tollens { p -> q, ~ q} - ~ p r3) syllogisme hypothétique { p -> q, q -> r} - p -> r r4) -Élimination p q - p r5) -introduction{p, q} - p q r6) v-intro p - p v q r7) règles de commutativité du v et du r8) dilemme {p -> q, r -> s, p v r} - q v s r9) syllogisme disjonctif { p v q, ~ p} - q p 62
63 Exemple de preuve formelle {(AvB) -> (C v (F ->H )), A ~ C, H -> C} - ~ F? 1) (AvB) -> (C v (F ->H )) hypothèse 2) A ~ C hypothèse 3) H -> C hypothèse 4) A de 2 et de r4 ( -elim) 5) A v B de 3 et de r6 (v-intro) 6) C v( F -> H) de 1, 4 et r1 (modus ponens) 7) ~ C de 2 et r4 ( -elim) 8) F -> H de 5 et r9 (syllogisme disj.) 9) ~ H de 6, 3 et r2 (modus tollens) 10)~ F de 8 et 7 et r2 p 63
64 Modus tollens Réfutation et ProPlog { p <- q, q <- a, a} - p? 1) p <- q. 2) q <- a 3) a == a v false ; a == a v ~ true ; a == a <- true on ajoute 4) ~ p raisonnement par l'absurde de quoi on peut dériver: 5) ~ q de 1, 4 et modus tollens 6) ~ a de 5, 2 et modus tollens 7) ~ true de 3, 6 et modus tollens 8) false p 64
Utilisation des tableaux sémantiques dans les logiques de description
Utilisation des tableaux sémantiques dans les logiques de description IFT6281 Web Sémantique Jacques Bergeron Département d informatique et de recherche opérationnelle Université de Montréal bergerja@iro.umontreal.ca
Plus en détailCours 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 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 détail6. Les différents types de démonstrations
LES DIFFÉRENTS TYPES DE DÉMONSTRATIONS 33 6. Les différents types de démonstrations 6.1. Un peu de logique En mathématiques, une démonstration est un raisonnement qui permet, à partir de certains axiomes,
Plus en détailRéalisabilité et extraction de programmes
Mercredi 9 mars 2005 Extraction de programme: qu'est-ce que c'est? Extraire à partir d'une preuve un entier x N tel que A(x). π x N A(x) (un témoin) (En fait, on n'extrait pas un entier, mais un programme
Plus en 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 détailRappel. Analyse de Données Structurées - Cours 12. Un langage avec des déclaration locales. Exemple d'un programme
Rappel Ralf Treinen Université Paris Diderot UFR Informatique Laboratoire Preuves, Programmes et Systèmes treinen@pps.univ-paris-diderot.fr 6 mai 2015 Jusqu'à maintenant : un petit langage de programmation
Plus en détailProcessus d Informatisation
Processus d Informatisation Cheminement de la naissance d un projet jusqu à son terme, deux grandes étapes : Recherche ou étude de faisabilité (en amont) L utilisateur a une idée (plus ou moins) floue
Plus en détailRaisonnement par récurrence Suites numériques
Chapitre 1 Raisonnement par récurrence Suites numériques Terminale S Ce que dit le programme : CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Raisonnement par récurrence. Limite finie ou infinie d une suite.
Plus en détailBases de données Cours 5 : Base de données déductives
Cours 5 : ESIL Université de la méditerranée Odile.Papini@esil.univmed.fr http://odile.papini.perso.esil.univmed.fr/sources/bd.html Plan du cours 1 Introduction 2 approche sémantique approche axiomatique
Plus en détailComparaison de fonctions Développements limités. Chapitre 10
PCSI - 4/5 www.ericreynaud.fr Chapitre Points importants 3 Questions de cours 6 Eercices corrigés Plan du cours 4 Eercices types 7 Devoir maison 5 Eercices Chap Et s il ne fallait retenir que si points?
Plus en détailLogique : ENSIIE 1A - contrôle final
1 Logique : ENSIIE 1A - contrôle final - CORRIGÉ Mardi 11 mai 2010 - Sans documents - Sans calculatrice ni ordinateur Durée : 1h30 Les exercices sont indépendants. Exercice 1 (Logique du premier ordre
Plus en détail1ère partie Nadine Cullot. Bases de données déductives. Bases de données déductives Introduction et Motivation
Master STIC «Image Informatique et Ingénierie» Module Informatique Modèles de représentation - 10h CM Nadine Cullot Kokou Yétongnon nadine.cullot@u-bourgogne.fr kokou.yetongnon@u-bourgogne.fr 1ère partie
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 détailIntroduction a l'algorithmique des objets partages. Robert Cori. Antoine Petit. Lifac, ENS Cachan, 94235 Cachan Cedex. Resume
Introduction a l'algorithmique des objets partages Bernadette Charron{Bost Robert Cori Lix, Ecole Polytechnique, 91128 Palaiseau Cedex, France, charron@lix.polytechnique.fr cori@lix.polytechnique.fr Antoine
Plus en détailContinuité 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 détailIntelligence artificielle appliquée à l automatique
Intelligence artificielle appliquée à l automatique par Sylviane GENTIL Professeur à l École nationale supérieure d ingénieurs électriciens Institut national polytechnique de Grenoble 1. Définitions et
Plus en détailRaisonnements standard et non-standard pour les systèmes décentralisés de gestion de données et de connaissances
Raisonnements standard et non-standard pour les systèmes décentralisés de gestion de données et de connaissances Nada Abdallah To cite this version: Nada Abdallah. Raisonnements standard et non-standard
Plus en détailSystèmes déductifs DEA D INFORMATIQUE UNIVERSITÉ BORDEAUX 1. Systèmes déductifs (Retoré) Plan Début Fin Préc. Suiv.
Systèmes déductifs DEA D INFORMATIQUE UNIVERSITÉ BORDEAUX 1 Plan 1 Liens avec d autres domaines de l informatique............... 3 2 La déduction naturelle de base (conjonction, implication)....... 4 3
Plus en détailINF 232: Langages et Automates. Travaux Dirigés. Université Joseph Fourier, Université Grenoble 1 Licence Sciences et Technologies
INF 232: Langages et Automates Travaux Dirigés Université Joseph Fourier, Université Grenoble 1 Licence Sciences et Technologies Année Académique 2013-2014 Année Académique 2013-2014 UNIVERSITÉ JOSEPH
Plus en détailAlgorithmes 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 détailRapidMiner. Data Mining. 1 Introduction. 2 Prise en main. Master Maths Finances 2010/2011. 1.1 Présentation. 1.2 Ressources
Master Maths Finances 2010/2011 Data Mining janvier 2011 RapidMiner 1 Introduction 1.1 Présentation RapidMiner est un logiciel open source et gratuit dédié au data mining. Il contient de nombreux outils
Plus en détailDe même, le périmètre P d un cercle de rayon 1 vaut P = 2π (par définition de π). Mais, on peut démontrer (difficilement!) que
Introduction. On suppose connus les ensembles N (des entiers naturels), Z des entiers relatifs et Q (des nombres rationnels). On s est rendu compte, depuis l antiquité, que l on ne peut pas tout mesurer
Plus en détailLEÇON N 7 : Schéma de Bernoulli et loi binomiale. Exemples.
LEÇON N 7 : Schéma de Bernoulli et loi binomiale. Exemples. Pré-requis : Probabilités : définition, calculs et probabilités conditionnelles ; Notion de variables aléatoires, et propriétés associées : espérance,
Plus en détailIntégration et probabilités TD1 Espaces mesurés Corrigé
Intégration et probabilités TD1 Espaces mesurés Corrigé 2012-2013 1 Petites questions 1 Est-ce que l ensemble des ouverts de R est une tribu? Réponse : Non, car le complémentaire de ], 0[ n est pas ouvert.
Plus en détailContinuité et dérivabilité d une fonction
DERNIÈRE IMPRESSIN LE 7 novembre 014 à 10:3 Continuité et dérivabilité d une fonction Table des matières 1 Continuité d une fonction 1.1 Limite finie en un point.......................... 1. Continuité
Plus en détailFondements de l informatique Logique, modèles, et calculs
Fondements de l informatique Logique, modèles, et calculs Cours INF423 de l Ecole Polytechnique Olivier Bournez Version du 20 septembre 2013 2 Table des matières 1 Introduction 9 1.1 Concepts mathématiques........................
Plus en détailProbabilités sur un univers fini
[http://mp.cpgedupuydelome.fr] édité le 7 août 204 Enoncés Probabilités sur un univers fini Evènements et langage ensembliste A quelle condition sur (a, b, c, d) ]0, [ 4 existe-t-il une probabilité P sur
Plus en détailCalculabilité Cours 3 : Problèmes non-calculables. http://www.irisa.fr/lande/pichardie/l3/log/
Calculabilité Cours 3 : Problèmes non-calculables http://www.irisa.fr/lande/pichardie/l3/log/ Problèmes et classes de décidabilité Problèmes et classes de décidabilité Nous nous intéressons aux problèmes
Plus en détailPourquoi 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 détailChap 4: Analyse syntaxique. Prof. M.D. RAHMANI Compilation SMI- S5 2013/14 1
Chap 4: Analyse syntaxique 1 III- L'analyse syntaxique: 1- Le rôle d'un analyseur syntaxique 2- Grammaires non contextuelles 3- Ecriture d'une grammaire 4- Les méthodes d'analyse 5- L'analyse LL(1) 6-
Plus en détailThéorie des Langages
Théorie des Langages Analyse syntaxique descendante Claude Moulin Université de Technologie de Compiègne Printemps 2010 Sommaire 1 Principe 2 Premiers 3 Suivants 4 Analyse 5 Grammaire LL(1) Exemple : Grammaire
Plus en détailÉvaluation et implémentation des langages
Évaluation et implémentation des langages Les langages de programmation et le processus de programmation Critères de conception et d évaluation des langages de programmation Les fondations de l implémentation
Plus en détail3. Conditionnement P (B)
Conditionnement 16 3. Conditionnement Dans cette section, nous allons rappeler un certain nombre de définitions et de propriétés liées au problème du conditionnement, c est à dire à la prise en compte
Plus en détailLimites finies en un point
8 Limites finies en un point Pour ce chapitre, sauf précision contraire, I désigne une partie non vide de R et f une fonction définie sur I et à valeurs réelles ou complees. Là encore, les fonctions usuelles,
Plus en détailLogique. Plan du chapitre
Logique Ce chapitre est assez abstrait en première lecture, mais est (avec le chapitre suivant «Ensembles») probablement le plus important de l année car il est à la base de tous les raisonnements usuels
Plus en détailRaisonnement probabiliste
Plan Raisonnement probabiliste IFT-17587 Concepts avancés pour systèmes intelligents Luc Lamontagne Réseaux bayésiens Inférence dans les réseaux bayésiens Inférence exacte Inférence approximative 1 2 Contexte
Plus en détailAC AB. A B C x 1. x + 1. d où. Avec un calcul vu au lycée, on démontre que cette solution admet deux solutions dont une seule nous intéresse : x =
LE NOMBRE D OR Présentation et calcul du nombre d or Euclide avait trouvé un moyen de partager en deu un segment selon en «etrême et moyenne raison» Soit un segment [AB]. Le partage d Euclide consiste
Plus en détailChapitre 2 Le problème de l unicité des solutions
Université Joseph Fourier UE MAT 127 Mathématiques année 2011-2012 Chapitre 2 Le problème de l unicité des solutions Ce que nous verrons dans ce chapitre : un exemple d équation différentielle y = f(y)
Plus en détailPetite introduction aux protocoles cryptographiques. Master d informatique M2
Petite introduction aux protocoles cryptographiques Master d informatique M2 Les protocoles cryptographiques p.1/48-1 Internet - confidentialité - anonymat - authentification (s agit-il bien de ma banque?)
Plus en détailAlgorithmes d'apprentissage
Algorithmes d'apprentissage 1 Agents qui apprennent à partir d'exemples La problématique : prise de décision automatisée à partir d'un ensemble d'exemples Diagnostic médical Réponse à une demande de prêt
Plus en détailContradicting Beliefs and Communication. J.-M. Tallon, J.-C. Vergnaud, & S. Zamir CNRS-EUREQua
Contradicting Beliefs and Communication J.-M. Tallon, J.-C. Vergnaud, & S. Zamir CNRS-EUREQua Introduction Papier propose : Considère structure de Kripke (KD45 au lieu de S5) Processus de communication
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 détailProblème : Calcul d'échéanciers de prêt bancaire (15 pt)
Problème : Calcul d'échéanciers de prêt bancaire (15 pt) 1 Principe d'un prêt bancaire et dénitions Lorsque vous empruntez de l'argent dans une banque, cet argent (appelé capital) vous est loué. Chaque
Plus en détail1/24. I passer d un problème exprimé en français à la réalisation d un. I expressions arithmétiques. I structures de contrôle (tests, boucles)
1/4 Objectif de ce cours /4 Objectifs de ce cours Introduction au langage C - Cours Girardot/Roelens Septembre 013 Du problème au programme I passer d un problème exprimé en français à la réalisation d
Plus en détailaux différences est appelé équation aux différences d ordre n en forme normale.
MODÉLISATION ET SIMULATION EQUATIONS AUX DIFFÉRENCES (I/II) 1. Rappels théoriques : résolution d équations aux différences 1.1. Équations aux différences. Définition. Soit x k = x(k) X l état scalaire
Plus en détailDate : 18.11.2013 Tangram en carré page
Date : 18.11.2013 Tangram en carré page Titre : Tangram en carré Numéro de la dernière page : 14 Degrés : 1 e 4 e du Collège Durée : 90 minutes Résumé : Le jeu de Tangram (appelé en chinois les sept planches
Plus en détailChp. 4. Minimisation d une fonction d une variable
Chp. 4. Minimisation d une fonction d une variable Avertissement! Dans tout ce chapître, I désigne un intervalle de IR. 4.1 Fonctions convexes d une variable Définition 9 Une fonction ϕ, partout définie
Plus en détailTravaux 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 détailExclusion Mutuelle. Arnaud Labourel Courriel : arnaud.labourel@lif.univ-mrs.fr. Université de Provence. 9 février 2011
Arnaud Labourel Courriel : arnaud.labourel@lif.univ-mrs.fr Université de Provence 9 février 2011 Arnaud Labourel (Université de Provence) Exclusion Mutuelle 9 février 2011 1 / 53 Contexte Epistémologique
Plus en détailCCP 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 détailCH.6 Propriétés des langages non contextuels
CH.6 Propriétés des langages non contetuels 6.1 Le lemme de pompage 6.2 Les propriétés de fermeture 6.3 Les problèmes de décidabilité 6.4 Les langages non contetuels déterministes utomates ch6 1 6.1 Le
Plus en détailPeut-on tout programmer?
Chapitre 8 Peut-on tout programmer? 8.1 Que peut-on programmer? Vous voici au terme de votre initiation à la programmation. Vous avez vu comment représenter des données de plus en plus structurées à partir
Plus en détailLE PROBLEME DU PLUS COURT CHEMIN
LE PROBLEME DU PLUS COURT CHEMIN Dans cette leçon nous définissons le modèle de plus court chemin, présentons des exemples d'application et proposons un algorithme de résolution dans le cas où les longueurs
Plus en détail1 Complément sur la projection du nuage des individus
TP 0 : Analyse en composantes principales (II) Le but de ce TP est d approfondir nos connaissances concernant l analyse en composantes principales (ACP). Pour cela, on reprend les notations du précédent
Plus en détailIndépendance Probabilité conditionnelle. Chapitre 3 Événements indépendants et Probabilités conditionnelles
Chapitre 3 Événements indépendants et Probabilités conditionnelles Indépendance Indépendance Probabilité conditionnelle Definition Deux événements A et B sont dits indépendants si P(A B) = P(A).P(B) Attention
Plus en détailIntelligence Artificielle Planification
Intelligence Artificielle Planification Bruno Bouzy http://web.mi.parisdescartes.fr/~bouzy bruno.bouzy@parisdescartes.fr Licence 3 Informatique UFR Mathématiques et Informatique Université Paris Descartes
Plus en 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 détailFonctions 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 détailIntroduction. I Étude rapide du réseau - Apprentissage. II Application à la reconnaissance des notes.
Introduction L'objectif de mon TIPE est la reconnaissance de sons ou de notes de musique à l'aide d'un réseau de neurones. Ce réseau doit être capable d'apprendre à distinguer les exemples présentés puis
Plus en détailDualité dans les espaces de Lebesgue et mesures de Radon finies
Chapitre 6 Dualité dans les espaces de Lebesgue et mesures de Radon finies Nous allons maintenant revenir sur les espaces L p du Chapitre 4, à la lumière de certains résultats du Chapitre 5. Sauf mention
Plus en détailExpression des contraintes. OCL : Object C o n t r a i n t L a n g u a g e
P r o b l é m a t i q u e OCL : O b j e c t C o n s t r a i n t L a n g u a g e Le langage de contraintes d UML Les différents diagrammes d UML permettent d exprimer certaines contraintes graphiquement
Plus en détailFctsAffines.nb 1. Mathématiques, 1-ère année Edition 2007-2008. Fonctions affines
FctsAffines.nb 1 Mathématiques, 1-ère année Edition 2007-2008 Fonctions affines Supports de cours de mathématiques de degré secondaire II, lien hpertete vers la page mère http://www.deleze.name/marcel/sec2/inde.html
Plus en détailImage d un intervalle par une fonction continue
DOCUMENT 27 Image d un intervalle par une fonction continue La continuité d une fonction en un point est une propriété locale : une fonction est continue en un point x 0 si et seulement si sa restriction
Plus en détailIntégration et probabilités TD1 Espaces mesurés
Intégration et probabilités TD1 Espaces mesurés 2012-2013 1 Petites questions 1) Est-ce que l ensemble des ouverts de R est une tribu? 2) Si F et G sont deux tribus, est-ce que F G est toujours une tribu?
Plus en détailLangage SQL (1) 4 septembre 2007. IUT Orléans. Introduction Le langage SQL : données Le langage SQL : requêtes
Langage SQL (1) Sébastien Limet Denys Duchier IUT Orléans 4 septembre 2007 Notions de base qu est-ce qu une base de données? SGBD différents type de bases de données quelques systèmes existants Définition
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 détailAlgorithmique et Programmation Fonctionnelle
Algorithmique et Programmation Fonctionnelle RICM3 Cours 9 : Lambda-calcul Benjamin Wack Polytech 2014-2015 1 / 35 La dernière fois Typage Polymorphisme Inférence de type 2 / 35 Plan Contexte λ-termes
Plus en détailMachines virtuelles Cours 1 : Introduction
Machines virtuelles Cours 1 : Introduction Pierre Letouzey 1 pierre.letouzey@inria.fr PPS - Université Denis Diderot Paris 7 janvier 2012 1. Merci à Y. Régis-Gianas pour les transparents Qu est-ce qu une
Plus en détailAlgèbre binaire et Circuits logiques (2007-2008)
Université Mohammed V Faculté des Sciences Département de Mathématiques et Informatique Filière : SMI Algèbre binaire et Circuits logiques (27-28) Prof. Abdelhakim El Imrani Plan. Algèbre de Boole 2. Circuits
Plus en 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 détailUne introduction rapide à Coq
Une introduction rapide à Coq Yves Bertot Janvier 2009 1 Démarrer le système Pour utiliser Coq on dispose de trois commandes, une commande qui sert à compiler des fichiers (coqc), une commande qui fournit
Plus en détailInformatique Machines à calculer en théorie et en pratique
Licence Physique-Chimie Histoire des Sciences Informatique Machines à calculer en théorie et en pratique Notes de Cours 1 Introduction Étymologie En Allemagne (1957) le terme «Informatik» est créé par
Plus en détailCours 1 : Qu est-ce que la programmation?
1/65 Introduction à la programmation Cours 1 : Qu est-ce que la programmation? Yann Régis-Gianas yrg@pps.univ-paris-diderot.fr Université Paris Diderot Paris 7 2/65 1. Sortez un appareil qui peut se rendre
Plus en détailDYNAMIQUE DE FORMATION DES ÉTOILES
A 99 PHYS. II ÉCOLE NATIONALE DES PONTS ET CHAUSSÉES, ÉCOLES NATIONALES SUPÉRIEURES DE L'AÉRONAUTIQUE ET DE L'ESPACE, DE TECHNIQUES AVANCÉES, DES TÉLÉCOMMUNICATIONS, DES MINES DE PARIS, DES MINES DE SAINT-ÉTIENNE,
Plus en détailVérification formelle de la plate-forme Java Card
Vérification formelle de la plate-forme Java Card Thèse de doctorat Guillaume Dufay INRIA Sophia Antipolis Cartes à puce intelligentes Java Card : Environnement de programmation dédié. Dernières générations
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 détailCours 1 : La compilation
/38 Interprétation des programmes Cours 1 : La compilation Yann Régis-Gianas yrg@pps.univ-paris-diderot.fr PPS - Université Denis Diderot Paris 7 2/38 Qu est-ce que la compilation? Vous avez tous déjà
Plus en détailIntelligence Artificielle et Robotique
Intelligence Artificielle et Robotique Introduction à l intelligence artificielle David Janiszek david.janiszek@parisdescartes.fr http://www.math-info.univ-paris5.fr/~janiszek/ PRES Sorbonne Paris Cité
Plus en détailCalculateur quantique: factorisation des entiers
Calculateur quantique: factorisation des entiers Plan Introduction Difficulté de la factorisation des entiers Cryptographie et la factorisation Exemple RSA L'informatique quantique L'algorithme quantique
Plus en détailCorps des nombres complexes, J Paul Tsasa
Corps des nombres complexes, J Paul Tsasa One Pager Février 2013 Vol. 5 Num. 011 Copyright Laréq 2013 http://www.lareq.com Corps des Nombres Complexes Définitions, Règles de Calcul et Théorèmes «Les idiots
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 détailCHAPITRE 5. Stratégies Mixtes
CHAPITRE 5 Stratégies Mixtes Un des problèmes inhérents au concept d équilibre de Nash en stratégies pures est que pour certains jeux, de tels équilibres n existent pas. P.ex.le jeu de Pierre, Papier,
Plus en détailModel checking temporisé
Model checking temporisé Béatrice Bérard LAMSADE Université Paris-Dauphine & CNRS berard@lamsade.dauphine.fr ETR 07, 5 septembre 2007 1/44 Nécessité de vérifier des systèmes... 2/44 Nécessité de vérifier
Plus en détailOptimisation des fonctions de plusieurs variables
Optimisation des fonctions de plusieurs variables Hervé Hocquard Université de Bordeaux, France 8 avril 2013 Extrema locaux et globaux Définition On étudie le comportement d une fonction de plusieurs variables
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 détailArgument-fetching dataflow machine de G.R. Gao et J.B. Dennis (McGill, 1988) = machine dataflow sans flux de données
EARTH et Threaded-C: Éléments clés du manuel de références de Threaded-C Bref historique de EARTH et Threaded-C Ancêtres de l architecture EARTH: Slide 1 Machine à flux de données statique de J.B. Dennis
Plus en détailInitiation à l algorithmique
Informatique S1 Initiation à l algorithmique procédures et fonctions 2. Appel d une fonction Jacques TISSEAU Ecole Nationale d Ingénieurs de Brest Technopôle Brest-Iroise CS 73862-29238 Brest cedex 3 -
Plus en détailInformatique Théorique : Théorie des Langages, Analyse Lexicale, Analyse Syntaxique Jean-Pierre Jouannaud Professeur
Université Paris-Sud Licence d Informatique Informatique Théorique : Théorie des Langages, Analyse Lexicale, Analyse Syntaxique Jean-Pierre Jouannaud Professeur Adresse de l auteur : LIX École Polytechnique
Plus en détailMaple: premiers calculs et premières applications
TP Maple: premiers calculs et premières applications Maple: un logiciel de calcul formel Le logiciel Maple est un système de calcul formel. Alors que la plupart des logiciels de mathématiques utilisent
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 détailIN 102 - Cours 1. 1 Informatique, calculateurs. 2 Un premier programme en C
IN 102 - Cours 1 Qu on le veuille ou non, les systèmes informatisés sont désormais omniprésents. Même si ne vous destinez pas à l informatique, vous avez de très grandes chances d y être confrontés en
Plus en détailConcurrence imparfaite
Concurrence imparfaite 1. Le monopole 2. Concurrence monopolistique 3. Hotelling et Salop 4. Concurrence à la Cournot 5. Concurrence à la Bertrand 6. Concurrence à la Stackelberg Monopole Un monopole,
Plus en détailOASIS www.oasis-open.org/committees/xacml/docs/docs.shtml Date de publication
Statut du Committee Working Draft document Titre XACML Language Proposal, version 0.8 (XACML : XML Access Control Markup Language) Langage de balisage du contrôle d'accès Mot clé Attestation et sécurité
Plus en détailExercices Corrigés Premières notions sur les espaces vectoriels
Exercices Corrigés Premières notions sur les espaces vectoriels Exercice 1 On considére le sous-espace vectoriel F de R formé des solutions du système suivant : x1 x 2 x 3 + 2x = 0 E 1 x 1 + 2x 2 + x 3
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 détailDéveloppement décimal d un réel
4 Développement décimal d un réel On rappelle que le corps R des nombres réels est archimédien, ce qui permet d y définir la fonction partie entière. En utilisant cette partie entière on verra dans ce
Plus en détailMICROINFORMATIQUE NOTE D APPLICATION 1 (REV. 2011) ARITHMETIQUE EN ASSEMBLEUR ET EN C
Haute Ecole d Ingénierie et de Gestion Du Canton du Vaud MICROINFORMATIQUE NOTE D APPLICATION 1 (REV. 2011) ARITHMETIQUE EN ASSEMBLEUR ET EN C Programmation en mode simulation 1. DOCUMENTS DE RÉFÉRENCE...
Plus en détailThéorie de la Programmation
Théorie de la Programmation http://perso.ens-lyon.fr/daniel.hirschkoff/thpr hop Programmation, Théorie de la programmation Langages de programmation I il existe de nombreux langages de programmation I
Plus en détailSujet proposé par Yves M. LEROY. Cet examen se compose d un exercice et de deux problèmes. Ces trois parties sont indépendantes.
Promotion X 004 COURS D ANALYSE DES STRUCTURES MÉCANIQUES PAR LA MÉTHODE DES ELEMENTS FINIS (MEC 568) contrôle non classant (7 mars 007, heures) Documents autorisés : polycopié ; documents et notes de
Plus en détail