Plus courts chemins, programmation dynamique

Save this PDF as:
 WORD  PNG  TXT  JPG

Dimension: px
Commencer à balayer dès la page:

Download "Plus courts chemins, programmation dynamique"

Transcription

1 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

2 2 Graphes orientés avec longueur Soit un graphe orienté G = (X, A, or, ext, l) X = {x 1, x 2,..., x n } Ensemble de sommets A Ensemble d arcs or : A X, ext : A X origine et extrémité de chaque arc l : A Z longueur des arcs 1. Une marche est une suite d arcs a 1, a 2,..., a p telle que pour tout 1 i < p: or(a i+1 ) = ext(a i ) 2. Un chemin est une marche a 1, a 2,..., a p telle que pour tout i j on ait: or(a i ) or(a j ) 3. Un circuit est un chemin tel que or(a 1 ) = ext(a p )

3 3 Plus courts chemins à partir d un sommet On se donne un graphe orienté G aux arcs valués par l(x, y) et un sommet x 0, trouver pour chaque sommet x : 1. La longueur du plus court chemin de x 0 à x 2. La suite des arcs constituant ce plus court chemin Structures de données : d[x] la longueur du plus court chemin de x 0 à x (avec mise à jour) pere[x] sommet qui précède x sur le plus court chemin de x 0 à x

4

5

6 6 Relaxation de l arc x, y Relaxation Si d[y] > d[x] + l(x, y) Alors d[y] = d[x] + l(x, y) pere[y] = x

7 7 Algorithme de Dijkstra Les distances sont supposées positives Un ensemble F initialisé à X les valeurs de d[x] sont initialisées à sauf : d[x0] = 0. Tant que F non vide : Soit y l élément de F ayant un d[y] minimal Pour tout arc a d origine y Faire Relaxation(a) Supprimer y de F.

8 8 Algorithme de Dijkstra: preuve de correction d[x] δ(x 0, x) lorsqu un sommet x quitte F on ne peut pas trouver un chemin plus court entre x 0 et x par la suite Si le chemin le plus court entre x 0 et x passe par y, alors il est composé d un chemin le plus court entre x 0 et y et d un plus court y et x. point fixe

9 9 Implantation 1. Gérer F comme une file? 2. Trouver le plus petit d[x] 3. Heaps, Fibonacci Heaps 4. Retrouver le chemin le plus court

10 10 Algorithme de Dijkstra dans le cas d arcs de longueurs négatives La version précédente ne donne pas le bon résultat On propose la modification suivante: Tant que F non vide : Soit y l élément de F ayant un d[y] minimal Pour tout arc a d origine y Faire Relaxation(a) Si relaxation modifie la valeur de ext(a) alors ajouter ext(a) à F. Supprimer y de F

11 11 Analyse de cette modification Donne le bon résultat s il n y a pas de circuit de longueur négative Mais un exemple montre que la complexité peut être exponentielle Exemple de Johnson Un graphe D n ayant n sommets x 1, x 2,..., x n et des arcs entre tous les sommets (dans les deux sens) Les longueurs des arcs (x i, x j ) pour i < j est 2 n

12 12 Exemple de Johnson (suite) Les longueurs des arcs (x i, x j ) pour i > j sont toutes négatives et sont données par les relations suivantes l(x 2, x 1 ) = 2, i > 2, l(x i+1, x 1 ) = l(x i, x 1 ) 2 i 2 1 i 2, 1 < j < i, l(x i, x j ) = l(x i, x j 1 ) + 1

13 13 Exemple n = 5 l(x 5, x 1 ) = l(x 4, x 1 ) 5 = l(x 3, x 1 ) 3 5 = l(x 2, x 1 ) 2 8 = 12 On obtient facilement la matrice des longueurs : x 1 x 2 x 3 x 4 x 5 x x x x x

14 14 F = {x 1, x 2, x 3, x 4, x 5 } 0 F = {x 1, x 2, x 3, x 4 } F = {x 2, x 3, x 4 } F = {x 1, x 3, x 4 } F = {x 3, x 4 } F = {x 1, x 2, x 4 } F = {x 2, x 4 } F = {x 4 } F = {x 1, x 2, x 3 } F = {x 1 }

15 15 Analyse de l exécution Il n y a pas de circuit de longueur négative x 1 sort une fois sur deux x 2 une fois sur quatre Au total 2 n 1 étapes de calcul

16 16 Les distances peuvent être négatives Algorithme de Ford Pour i= 1 à n-1 faire Pour tout arc a du graphe Faire Relaxation(a) Remarque Pour vérifier qu il n y a pas de circuit négatif on refait un tour de relaxation: si une nouvelle valeur est modifiée c est qu il existe un circuit négatif

17 17 Plus courts chemins entre tous les couples de sommets On calcule les δ k (x, y) par l algorithme suivant : Pour tous les couples x, y on pose : δ 0 (x, y) = l(a) s il existe un arc a entre x et y et sinon. Pour k = 1, 2, 3,..., n faire Pour tout couple x, y Pour tout sommet z successeur de x δ k+1 (x, y) = min(δ k (x, y), δ 0 (x, z) + δ k (z, y))

18 18 Preuve de valdité Il suffit de vérifier que δ k (x, y) est la longueur du plus court chemin composé de k arcs au plus entre x et y Par récurrence sur k Recherche du chemin Maintenir un tableau suivant[x][y] qui contient le sommet qui suit x dans le chemin qui mène de x à y

19 19 Algorithme de Roy-Warshall ( en n 3 ) Pour k de 1 à n faire Pour i de 1 à n faire Pour j de 1 à n faire Si delta[i][j] > delta[i][k] + delta[k][j] Alors delta[i][j] = delta[i][k] + delta[k][j]

20 20 Un exemple d illustration

21 21 Semi-anneau Un ensemble muni de deux lois notées, : La loi est associative, commutative Elle possède un élémént neutre 0 La loi est associative La loi est distributive par rapport à 0 est un zéro pour

22 22 Exemples de semi-anneaux 1. Un anneau, par exemple Z 2. Les entiers naturels N avec + et 3. Le semi-anneau de Boole à deux éléments 0, 1 avec (1 + 1 = 1) 4. Les opérations min + sur N 5. Les opérations max sur l intervalle réel [0, 1] 6. Union et concaténation pour les ensembles de mots

23 23 Graphes à arcs valués sur un semi-anneau Le semi anneau a pour lois, : Sommets X, Arcs A, Valuation λ Valuation d un chemin f = a 1, a 2,..., a k = λ(f) = λ(a 1 ) λ(a 2 )... λ(a k ) Valuation d un ensemble Γ = {f, g,... u, v} de chemins λ(f) = λ(f) λ(g)... λ(u) λ(v)

24 24 Algorithme sur un semi anneau quelconque On calcule les λ k (x, y) par l algorithme suivant : Pour tous les couples x, y λ 0 (x, y) = λ(a) s il existe un arc a entre x et y et ε sinon. Pour k = 1, 2, 3,..., n faire Pour tous les x, y faire λ k+1 (x, y) = λ k (x, y) λ k (x, z) λ k (z, y)

25 25 Applications Min et + : Les plus courts chemins Max et : La fiabilité maximale dans un réseau Semi-anneau de Boole: Existence de chemins Union, concaténation: Forme rationnelle d un langage reconnu par un automate

26 26 Principe de la programmation dynamique 1. La solution d un problème P k contient les solutions de problèmes ayant des tailles plus petites 2. La construction de la solution pour P k s effectue à l aide d un faible nombre d informations sur P j, j < k

27 27 Exemple 1: faire un produit de matrices de tailles différentes On se donne n matrices M 1, M 2,..., M n chaque M i a m i lignes et m i+1 colonnes, les entrées sont des nombres (réels ou entiers). On cherche la matrice produit: M 1 M 2... M n Il faut trouver l ordre des produits à effectuer de façon à minimiser le nombre total d opérations. Remarque: Le calcul de M i 1 M i demande O(m i 1 m i m i+1 ) opérations.

28 28 Exemple Trois matrices M 1, M 2, M 3 de tailles respectives , et Le calcul de M 1 M 2 demande multiplications de nombres le produit ensuite par M 3 fait faire de plus soit un total de Le calcul de M 2 M 3 demande multiplications de nombres, la détermination ensuite de M 1 M 2 M 3 utilise multiplications soit un total de Conclusion Il vaut mieux faire ((M 1 M 2 )M 3 ) que calculer (M 1 (M 2 M 3 ))

29 29 Cas général On note c i,j le nombre minimum de multiplications pour calculer M i M i+1... M j On a alors c i,i = 0, c i 1,i = m i 1 m i m i+1 On découpe M i M i+1... M j en M i... M k et M k+1... M j en choisissant le meilleur k: c i,j = min [c i,k + c k+1,j + m i m k+1 m j+1 ] k=i,j 1 On doit déterminer M 1,n

30 30 Un exemple: i m i c i,j

31 31 Un exemple: i m i c i,j

32 32 Calcul de c 1,3 : i m i c 1,3 = min [c 1,1 + c 2,3 + m 1 m 2 m 4, c 1,2 + c 3,3 + m 1 m 3 m 4 ] = min [ , ] = min [7 875, ]

33 33 Un exemple: i m i c i,j

34 34 Un exemple: i m i c i,j

35 35 Un exemple: i m i c i,j

36 36 Un exemple: i m i c i,j

37 37 Retrouver les étapes du calcul un tableau pour les valeurs des k intermédiaires K i,j Pour calculer M i... M j on pose k = K i,j donné par le tableau puis on calcule M i... M k et M k+1... M j et on les multiplie entre elles.

38 38 Sac à dos Des objets 1, 2,..., n de poids w 1, w 2,..., w n Chacun rapporte un bénéfice b 1, b 2,..., b n Trouver le bénéfice maximum réalisable sachant que la charge maximale est P 0

39 39 Sac à dos: idée pour P 0 entier pas trop grand On note B(k, p) le bénéfice maximal reálisable avec des objets 1, 2,..., k et le poids maximal p On a pour k = 1: B(1, p) = { 0 si p < w1 b 1 si p w 1 Pour k > 1 B(k, p) = { B(k 1, p) si p < wk max(b(k 1, p), B(k 1, p w k ) + b k ) si p w k

40 40 Exemple pour le sac à dos Objets Poids Bénéfices Poids total P 0 = 12

41 41 Sac à dos: Objets Poids Bénéfices B(k, p) k =

42 42 Sac à dos: Objets Poids Bénéfices B(k, p) k = k =

43 43 Sac à dos: Objets Poids Bénéfices B(k, p) k = k = k =

44 44 Sac à dos: B(k, p) k = k = k = k = k = k = k = k =

45 45 Alignements de séquences Pour deux mots sur l alphabet {A, C, G, T } on cherche un alignement qui optimise une fonction qui mesure la similarité Exemple: GATGCAT et AT CGAT G A T - G C A T - A T C G - A T

46 46 Algorithme de calcul du meilleur alignement p(a, b) est d autant plus grand que les lettres sont similaires. b a, p(a, a) > 0 > p(a, b) p(a, b) = p(b, a) q < 0 exprime la similarité d une lettre avec l espacement: p(a, e) = p(e, a) = q ms i,j = max ms i 1,j 1 + p(u i, v j ) ms i 1,j + q ms i,j 1 + q

47 47 Principe d un algorithme en espace linéaire Le calcul des meilleurs scores peut se faire sur une seule ligne Le problème est de retrouver l alignement une fois que l on a le score On procède par divide and conquer Pour aligner u et v on prend i comme la moitié de la longueur de u On calcule le score a j du meilleur alignement de u 1 u 2... u i 1 avec chaque facteur gauche v 1 v 2... v j de v On calcule le score b k du meilleur alignement de u i+1 u i+2... u n avec chaque facteur droit v k v k+1... v n de v On cherche le a j 1 + b j+1 + p(u i, v j ) le meilleur

48 48 Calcul de la complexité de l algorithme en espace linéaire On montre que le nombre de comparaison C(m, n) 2mn Vrai pour m = 1 C(m, n) mn 2 + mn 2 + C(m/2, j) + C(m/2, n j) C(m, n) mn 2 + mn 2 + mj + m(n j) 2mn

Chapitre 7 : Programmation dynamique

Chapitre 7 : Programmation dynamique Graphes et RO TELECOM Nancy 2A Chapitre 7 : Programmation dynamique J.-F. Scheid 1 Plan du chapitre I. Introduction et principe d optimalité de Bellman II. Programmation dynamique pour la programmation

Plus en détail

Le problème des multiplications matricielles enchaînées peut être énoncé comme suit : étant

Le problème des multiplications matricielles enchaînées peut être énoncé comme suit : étant Licence informatique - L Année 0/0 Conception d algorithmes et applications (LI) COURS Résumé. Dans cette cinquième séance, nous continuons l exploration des algorithmes de type Programmation Dynamique.

Plus en détail

M2 MPRO. Optimisation dans les Graphes 2014-2015

M2 MPRO. Optimisation dans les Graphes 2014-2015 M2 MPRO Optimisation dans les Graphes 2014-2015 Programmation linéaire et problèmes d'optimisation dans les graphes 1 Problèmes d'optimisation dans les graphes : quelles méthodes pour les résoudre? Théorie

Plus en détail

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 dynamique

Programmation dynamique A. Principe général B. Application Triangle de Pascal Série mondiale Multiplication chaînée de matrices Les plus courts chemins Principe général Souvent, pour résoudre un problème de taille n, on s'aperçoit

Plus en détail

Définitions. Numéro à préciser. (Durée : )

Définitions. Numéro à préciser. (Durée : ) Numéro à préciser (Durée : ) On étudie dans ce problème l ordre lexicographique pour les mots sur un alphabet fini et plusieurs constructions des cycles de De Bruijn. Les trois parties sont largement indépendantes.

Plus en détail

Sortie : OUI si n est premier, NON sinon. On peut voir Premier aussi comme une fonction, en remplaçant OUI par 1 et NON par 0.

Sortie : OUI si n est premier, NON sinon. On peut voir Premier aussi comme une fonction, en remplaçant OUI par 1 et NON par 0. Université Bordeaux 1. Master Sciences & Technologies, Informatique. Examen UE IN7W11, Modèles de calcul. Responsable A. Muscholl Session 1, 2011 2012. 12 décembre 2011, 14h-17h. Documents autorisés :

Plus en détail

MATH-F-306 - Optimisation. Prénom Nom Note

MATH-F-306 - Optimisation. Prénom Nom Note MATH-F-306 Optimisation examen de 1 e session année 2009 2010 Prénom Nom Note Répondre aux questions ci-dessous en justifiant rigoureusement chaque étape, affirmation, etc. AUCUNE NOTE N EST AUTORISÉE.

Plus en détail

Exercices théoriques

Exercices théoriques École normale supérieure 2008-2009 Département d informatique Algorithmique et Programmation TD n 9 : Programmation Linéaire Avec Solutions Exercices théoriques Rappel : Dual d un programme linéaire cf.

Plus en détail

Chapitre 7. Problèmes de flots. 7.1 Exemple. 7.2 Notions de base sur les graphes

Chapitre 7. Problèmes de flots. 7.1 Exemple. 7.2 Notions de base sur les graphes Chapitre 7 Problèmes de flots. 7.1 Exemple. Un réseau electrique est formé de lignes reliant des noeuds (transformateurs, centre de redistributions,...), chaque ligne a une capacité de transport maximale.

Plus en détail

Points fixes de fonctions à domaine fini

Points fixes de fonctions à domaine fini ÉCOLE POLYTECHNIQUE ÉCOLE NORMALE SUPÉRIEURE DE CACHAN ÉCOLE SUPÉRIEURE DE PHYSIQUE ET DE CHIMIE INDUSTRIELLES CONCOURS D ADMISSION 2013 FILIÈRE MP HORS SPÉCIALITÉ INFO FILIÈRE PC COMPOSITION D INFORMATIQUE

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

L2: cours I4c Langages et automates

L2: cours I4c Langages et automates L2: cours I4c Langages et automates Olivier Togni, LE2I (038039)3887 olivier.togni@u-bourgogne.fr Modifié le 31 mai 2007 Sommaire Utiles pour compilation, interprétation,... 1. Langages rationnels 2. Langages

Plus en détail

Chapitre 6. Programmation Dynamique. Méthodes P.S.E.P. 6.1 Programmation dynamique. 6.1.1 Exemple introductif

Chapitre 6. Programmation Dynamique. Méthodes P.S.E.P. 6.1 Programmation dynamique. 6.1.1 Exemple introductif Chapitre 6 Programmation Dynamique. Méthodes P.S.E.P. 6.1 Programmation dynamique 6.1.1 Exemple introductif Problème : n matrices M i (m i, m i+1 ) à multiplier en minimisant le nombre de multiplications,

Plus en détail

Mathématiques Pour l Informatique I : Théorie des Ensembles et Relations. Serge Iovleff

Mathématiques Pour l Informatique I : Théorie des Ensembles et Relations. Serge Iovleff Mathématiques Pour l Informatique I : Théorie des Ensembles et Relations Serge Iovleff 13 septembre 2004 Quelques références Ma Page http ://www.iut-info.univ-lille1.fr/ iovleff Un Cours réalisé par des

Plus en détail

Correction de l épreuve intermédiaire de mai 2009.

Correction de l épreuve intermédiaire de mai 2009. Licence de Gestion. 3ème Année Année universitaire 8-9 Optimisation Appliquée C. Léonard Correction de l épreuve intermédiaire de mai 9. Exercice 1 Avec les notations du cours démontrer que la solution

Plus en détail

Plus courts et plus longs chemins

Plus courts et plus longs chemins Plus courts et plus longs chemins Complément au chapitre 8 «Une voiture nous attend» Soit I={1,2,,n} un ensemble de tâches à ordonnancer. La durée d exécution de chaque tâche i est connue et égale à p

Plus en détail

Gestion de projet. Jean-Charles Régin. Licence Informatique 3 ème année - MIAGE

Gestion de projet. Jean-Charles Régin. Licence Informatique 3 ème année - MIAGE Gestion de projet Jean-Charles Régin Licence Informatique 3 ème année - MIAGE Gestion de projet : Ordonnancement Jean-Charles Régin Licence Informatique 3 ème année - MIAGE Remerciements Michel Minoux

Plus en détail

Licence STIC, Semestre 1 Algorithmique & Programmation 1

Licence STIC, Semestre 1 Algorithmique & Programmation 1 Licence STIC, Semestre 1 Algorithmique & Programmation 1 Exercices Alexandre Tessier 1 Introduction 2 instruction de sortie 3 expressions 4 variable informatique 5 séquence d instructions, trace Exercice

Plus en détail

Théorie des graphes. Introduction. Programme de Terminale ES Spécialité. Résolution de problèmes à l aide de graphes. Préparation CAPES UCBL

Théorie des graphes. Introduction. Programme de Terminale ES Spécialité. Résolution de problèmes à l aide de graphes. Préparation CAPES UCBL Introduction Ces quelques pages ont pour objectif de vous initier aux notions de théorie des graphes enseignées en Terminale ES. Le programme de Terminale (voir ci-après) est construit sur la résolution

Plus en détail

Épreuve d informatique 2011

Épreuve d informatique 2011 A 2011 INFO. MP 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

Plus en détail

Algorithmes pour les graphes

Algorithmes pour les graphes Algorithmes pour les graphes 1 Définitions Un graphe est représenté par : V : L ensemble des noeuds ou sommets. E : L ensemble des arcs ou arrêtes. E est un sous-ensemble de V xv. On note G = (V, E). Si

Plus en détail

Heuristique et métaheuristique. 8. Optimisation combinatoire et métaheuristiques. Optimisation combinatoire. Problème du voyageur de commerce

Heuristique et métaheuristique. 8. Optimisation combinatoire et métaheuristiques. Optimisation combinatoire. Problème du voyageur de commerce Heuristique et métaheuristique IFT1575 Modèles de recherche opérationnelle (RO) 8. Optimisation combinatoire et métaheuristiques Un algorithme heuristique permet d identifier au moins une solution réalisable

Plus en détail

ÉCOLE POLYTECHNIQUE FÉDÉRALE DE LAUSANNE Section d Informatique et de Systèmes de Communication

ÉCOLE POLYTECHNIQUE FÉDÉRALE DE LAUSANNE Section d Informatique et de Systèmes de Communication ÉCOLE POLYTECHNIQUE FÉDÉRALE DE LAUSANNE Section d Informatique et de Systèmes de Communication Corrigé de la série 9 3 Juin 2005 1. Augmenter les poids a) Soit T l ensemble de tous les arbres couvrants

Plus en détail

Algorithmique et Analyse d Algorithmes

Algorithmique et Analyse d Algorithmes Algorithmique et Analyse d Algorithmes L3 Info Cours 11 : Arbre couvrant Prétraitement Benjamin Wack 2015-2016 1 / 32 La dernière fois Rappels sur les graphes Problèmes classiques Algorithmes d optimisation

Plus en détail

Baccalauréat ES Pondichéry 21 avril 2016

Baccalauréat ES Pondichéry 21 avril 2016 Exercice 1 Commun à tous les candidats Baccalauréat ES Pondichéry 21 avril 216 4 points Cet exercice est un QCM (questionnaire à choix multiples). Pour chacune des quatre questions posées, une seule des

Plus en détail

Optimisation en nombres entiers

Optimisation en nombres entiers Optimisation en nombres entiers p. 1/83 Optimisation en nombres entiers Michel Bierlaire michel.bierlaire@epfl.ch EPFL - Laboratoire Transport et Mobilité - ENAC Optimisation en nombres entiers p. 2/83

Plus en détail

Chapitre 6. Modélisation en P.L.I. 6.1 Lien entre PL et PLI. 6.1.1 Approximation de la PLI

Chapitre 6. Modélisation en P.L.I. 6.1 Lien entre PL et PLI. 6.1.1 Approximation de la PLI Chapitre 6 Modélisation en P.L.I. 6.1 Lien entre PL et PLI (P) problème de PL. On restreint les variables à être entières : on a un problème de PLI (ILP en anglais). On restreint certaines variables à

Plus en détail

MAP-SIM2 : Planification de trajectoire

MAP-SIM2 : Planification de trajectoire MP-SIM : Planification de trajectoire sujet proposé par Nicolas Kielbasiewicz : nicolas.kielbasiewicz@ensta-paristech.fr 0 janvier 06 La planification de trajectoire consiste à déterminer une trajectoire,

Plus en détail

Feuille 1 : Autour du problème SAT

Feuille 1 : Autour du problème SAT Master-2 d Informatique 2014 2015 Complexit Algorithmique Applique. Feuille 1 : Autour du problème SAT 1 Rappels sur SAT Énoncé du problème. Le problème SAT (ou le problème de Satisfaisabilité) est le

Plus en détail

Licence de Sciences et Technologies. Fiche de cours 1 - Nombres réels.

Licence de Sciences et Technologies. Fiche de cours 1 - Nombres réels. Licence de Sciences et Technologies EM21 - Analyse Fiche de cours 1 - Nombres réels. On connaît les ensembles suivants, tous munis d une addition, d une multiplication, et d une relation d ordre compatibles

Plus en détail

Cours 1: Introduction à l algorithmique

Cours 1: Introduction à l algorithmique 1 Cours 1: Introduction à l algorithmique Olivier Bournez bournez@lix.polytechnique.fr LIX, Ecole Polytechnique 2011-12 Algorithmique 2 Aujourd hui Calcul de x n Maximum Complexité d un problème Problème

Plus en détail

Les matrices. 1 Définitions. 1.1 Matrice

Les matrices. 1 Définitions. 1.1 Matrice Les matrices 2012-2013 1 Définitions 11 Matrice Définition 1 Une matrice m n est un tableau de nombres à m lignes et n colonnes Les nombres qui composent la matrice sont appelés les éléments de la matrice

Plus en détail

M2 Informatique/Réseaux Université Pierre et Marie Curie UE APMM

M2 Informatique/Réseaux Université Pierre et Marie Curie UE APMM TD TECHNIQUES DE CODAGE ET DE COMPRESSION. LANGAGE / CODAGE / VALENCE.. Rappels Toute fraction intelligible d un message est constituée de symboles. Le langage est l ensemble de ces symboles. Un codage

Plus en détail

5) Une équation de la tangente à la courbe représentative de la fonction exponentielle au point d abscisse 0 est de la forme ( )( ) ( )

5) Une équation de la tangente à la courbe représentative de la fonction exponentielle au point d abscisse 0 est de la forme ( )( ) ( ) Amérique du Nord Eercice ) Le coeicient multiplicateur associé à une hausse de % est égal à + =, Le coeicient multiplicateur associé à une hausse de % est égal à + =, Donc le coeicient multiplicateur associé

Plus en détail

Théorie des Langages

Théorie des Langages Théorie des Langages Automates Claude Moulin Université de Technologie de Compiègne Printemps 2013 Sommaire 1 Automate fini 2 Automate et langages réguliers 3 Automate à pile Automate fini déterministe

Plus en détail

Quelques problèmes NP-complets

Quelques problèmes NP-complets Chapitre 12 Quelques problèmes NP-complets Maintenant que nous connaissons la NP-complétude d au moins un problème (SAT), nous allons montrer qu un très grand nombre de problèmes sont NP-complets. Le livre

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

Arbres ordonnés, binaires, tassés, FAP, tri par FAP, tas, tri par tas

Arbres ordonnés, binaires, tassés, FAP, tri par FAP, tas, tri par tas Arbres ordonnés, binaires, tassés, FAP, tri par FAP, tas, tri par tas 1. Arbres ordonnés 1.1. Arbres ordonnés (Arbres O) On considère des arbres dont les nœuds sont étiquetés sur un ensemble muni d'un

Plus en détail

Concours 2015 Épreuve d Informatique Filière : MP Durée de l épreuve : 3 heures. L utilisation d une calculatrice est autorisée.

Concours 2015 Épreuve d Informatique Filière : MP Durée de l épreuve : 3 heures. L utilisation d une calculatrice est autorisée. A 2015 INFO. MP École des Ponts ParisTech, SUPAERO (ISAE), ENSTA ParisTech, Télécom ParisTech, Mines ParisTech, Mines de Saint-étienne, Mines Nancy, Télécom Bretagne, ENSAE ParisTech (filière MP), École

Plus en détail

Baccalauréat ES/L Métropole 21 juin 2013 (sujet dévoilé)

Baccalauréat ES/L Métropole 21 juin 2013 (sujet dévoilé) Baccalauréat ES/L Métropole 21 juin 2013 (sujet dévoilé) EXERCICE 1 4 points Cet exercice est un questionnaire à choix multiples (QCM). Pour chacune des questions posées, une seule des quatre réponses

Plus en détail

Algorithmique avancée en Python TDs

Algorithmique avancée en Python TDs Algorithmique avancée en Python TDs Denis Robilliard sept. 2014 1 TD 1 Révisions 1. Ecrire un programme qui saisit un entier, et détermine puis affiche si l entier est pair où impair. 2. Ecrire un programme

Plus en détail

Cours de spécialité mathématiques en Terminale ES

Cours de spécialité mathématiques en Terminale ES Cours de spécialité mathématiques en Terminale ES O. Lader 2014/2015 Lycée Jean Vilar Spé math terminale ES 2014/2015 1 / 51 Systèmes linéaires Deux exemples de systèmes linéaires à deux équations et deux

Plus en détail

Mathématiques pour l informatique 1 notes de cours sur la première partie

Mathématiques pour l informatique 1 notes de cours sur la première partie 1 Mathématiques pour l informatique 1 notes de cours sur la première partie L1 Université Paris-Est, Marne-la-Vallée Cyril Nicaud Organisation Ce demi-cours est composé de 6 séances de cours et 6 séances

Plus en détail

Analyse de la complexité algorithmique (1)

Analyse de la complexité algorithmique (1) Analyse de la complexité algorithmique (1) L analyse de la complexité telle que nous l avons vue jusqu à présent nous a essentiellement servi à déterminer si un problème est ou non facile (i.e. soluble

Plus en détail

Anneaux, algèbres. Chapitre 2. 2.1 Structures

Anneaux, algèbres. Chapitre 2. 2.1 Structures Chapitre 2 Anneaux, algèbres 2.1 Structures Un anneau est un ensemble A muni de deux opérations internes + et et d éléments 0 A et 1 A qui vérifient : associativité de l addition : commutativité de l addition

Plus en détail

Chapitre 1 : Programmation linéaire

Chapitre 1 : Programmation linéaire Graphes et RO TELECOM Nancy 2A Chapitre 1 : Programmation linéaire J.-F. Scheid 1 I. Introduction 1) Modélisation En Recherche Opérationnelle (RO), modéliser un problème consiste à identifier: les variables

Plus en détail

Exemples de problèmes et d applications. INF6953 Exemples de problèmes 1

Exemples de problèmes et d applications. INF6953 Exemples de problèmes 1 Exemples de problèmes et d applications INF6953 Exemples de problèmes Sommaire Quelques domaines d application Quelques problèmes réels Allocation de fréquences dans les réseaux radio-mobiles Affectation

Plus en détail

Ax = b iff (B + N) x N

Ax = b iff (B + N) x N Chapitre 3 Algorithme du simplexe 3.1 Solution de base admissible P en forme standard. A = (a 1,...,a n ) Hypothèse : n m (plus de variables que d équations) et rg(a)=m (pas d équation inutile). Donc après

Plus en détail

Compression Compression par dictionnaires

Compression Compression par dictionnaires Compression Compression par dictionnaires E. Jeandel Compression par dictionnaire Principe : Avoir une liste des mots fréquents ; Lorsqu on trouve un mot dans la liste, remplacer ce mot par sa position

Plus en détail

Le corps R des nombres réels

Le corps R des nombres réels Le corps R des nombres réels. Construction de R à l aide des suites de Cauchy de nombres rationnels On explique brièvement dans ce paragraphe comment construire le corps R des nombres réels à partir du

Plus en détail

Université Paris Diderot Paris 7. TD n 2. Arbres Binaire de Recherche

Université Paris Diderot Paris 7. TD n 2. Arbres Binaire de Recherche Université Paris Diderot Paris L Informatique Algorithmique Année 00-0, er semestre TD n Arbres Binaire de Recherche Le type de donné arbre" sera utilisé pour indiquer l ensemble de toutes les Arbres Binaires

Plus en détail

Représentation des fonctions booléennes

Représentation des fonctions booléennes Représentation des fonctions booléennes Épreuve pratique d algorithmique et de programmation Juillet 2003 Ce problème est consacré à l étude de deux représentations des fonctions booléennes de N variables

Plus en détail

Théorie des ensembles

Théorie des ensembles Théorie des ensembles Cours de licence d informatique Saint-Etienne 2002/2003 Bruno Deschamps 2 Contents 1 Eléments de théorie des ensembles 3 1.1 Introduction au calcul propositionnel..................

Plus en détail

Représentation des Nombres

Représentation des Nombres Chapitre 5 Représentation des Nombres 5. Representation des entiers 5.. Principe des représentations en base b Base L entier écrit 344 correspond a 3 mille + 4 cent + dix + 4. Plus généralement a n a n...

Plus en détail

Leçon 1: les entiers

Leçon 1: les entiers Leçon 1: les entiers L ensemble N des entiers naturels Compter, dresser des listes, classer et comparer des objets interviennent dans de multiples activités humaines. Les nombres entiers naturels sont

Plus en détail

Exercices - Réduction des endomorphismes : énoncé. Réduction pratique de matrices

Exercices - Réduction des endomorphismes : énoncé. Réduction pratique de matrices Réduction pratique de matrices Exercice 1 - Diagonalisation - 1 - L1/L2/Math Spé - Diagonaliser les matrices suivantes : 0 2 1 A = 3 2 0 B = 2 2 1 0 3 2 2 5 2 2 3 0 On donnera aussi la matrice de passage

Plus en détail

ALGORITHMIQUE II. Récurrence et Récursivité. SMI AlgoII

ALGORITHMIQUE II. Récurrence et Récursivité. SMI AlgoII ALGORITHMIQUE II Récurrence et Récursivité Récurrence Suite récurrente: la déition d une suite est la donnée d un terme général déi en fonction du (ou des) terme(s) précédant(s) D un terme initial qui

Plus en détail

La notion de dualité

La notion de dualité La notion de dualité Dual d un PL sous forme standard Un programme linéaire est caractérisé par le tableau simplexe [ ] A b. c Par définition, le problème dual est obtenu en transposant ce tableau. [ A

Plus en détail

Ordonnancement sur une machine

Ordonnancement sur une machine Ordonnancement sur une machine Module MOP-Cours 2 Spécialité IAD Philippe Chrétienne Critères MinMax 1 / prec / f max 1 / prec,pmtn,r j / f max 1 / prec, r j, p mtn,l max 1 / rj,qj / Cmax Flowtime 1 /

Plus en détail

PROGRAMMATION DYNAMIQUE

PROGRAMMATION DYNAMIQUE PROGRAMMATION DYNAMIQUE 1 Le principe d optimalité de Bellman La programmation dynamique est fondée sur le principe d optimalité de Bellman : Soit f une fonction réelle de x et y = (y 1, y 2,..., y n ).

Plus en détail

Prof.É.D.Taillard. Classification automatique @Prof. E. Taillard 1 EIVD, Informatique logiciel, 4 e semestre

Prof.É.D.Taillard. Classification automatique @Prof. E. Taillard 1 EIVD, Informatique logiciel, 4 e semestre INFORMATIQUE ORIENTATION LOGICIELS CLASSIFICATION AUTOMATIQUE Prof.É.D.Taillard Classification automatique @Prof. E. Taillard EIVD, Informatique logiciel, 4 e semestre CLASSIFICATION AUTOMATIQUE But :

Plus en détail

Cours 2: Récursivité et programmation dynamique

Cours 2: Récursivité et programmation dynamique Cours 2: Récursivité et programmation dynamique Récursivité, mémoïsation, programmation dynamique Distance minimale, diviser pour régner Sous-suites croissantes, mémoïsation Chemin dans un DAG, programmation

Plus en détail

Arithmétique binaire. (Université Bordeaux 1) Architecture de l Ordinateur 2007-2008 1 / 10

Arithmétique binaire. (Université Bordeaux 1) Architecture de l Ordinateur 2007-2008 1 / 10 Entiers naturels Arithmétique binaire Représentation en base 10: 2034 = 2 10 3 + 0 10 2 + 3 10 1 + 4 10 0 Représentation en base 2: 11010 = 1 2 4 + 1 2 3 + 0 2 2 + 1 2 1 + 0 2 0 (Université Bordeaux 1)

Plus en détail

ALGORITHME DE DIJKSTRA

ALGORITHME DE DIJKSTRA Auteur : Marie-Laurence Brivezac ALGORITHME DE DIJKSTRA TI-83 Premium CE Mots-clés : graphes, matrices, algorithme, programmation. Fichiers associés : dijkstra_eleve.pdf, DIJKSTRA.8xp, MINL.8xp, [C].8xm,

Plus en détail

Structures de données non linéaires

Structures de données non linéaires Structures de données non linéaires I. Graphes Définition Un graphe (simple) orienté G est un couple (S, A), où : S est un ensemble dont les éléments sont appelés les sommets. A est un ensemble de couples

Plus en détail

Méthodes de Résolution de problèmes En Intelligence Artificielle

Méthodes de Résolution de problèmes En Intelligence Artificielle Méthodes de Résolution de problèmes En Intelligence Artificielle Résolution de Problèmes et Intelligence Artificielle Résoudre des puzzles Jouer aux échecs Faire des mathématiques Et même conduire une

Plus en détail

Séance de travaux pratiques n 1 Quelques éléments de correction

Séance de travaux pratiques n 1 Quelques éléments de correction Master Sciences, Technologies, Santé Mention Mathématiques, spécialité Enseignement des mathématiques Algorithmique et graphes, thèmes du second degré Séance de travaux pratiques n 1 Quelques éléments

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

Baccalauréat ES Polynésie 10 juin 2016

Baccalauréat ES Polynésie 10 juin 2016 Baccalauréat ES Polynésie 0 juin 06 EXERCICE Les parties A et B sont indépendantes On s intéresse à l ensemble des demandes de prêts immobiliers auprès de trois grandes banques. Une étude montre que %

Plus en détail

Option Informatique Arbres binaires équilibrés

Option Informatique Arbres binaires équilibrés Option Informatique Arbres binaires équilibrés Sujet novembre 2 Partie II : Algorithmique et programmation en CaML Cette partie doit être traitée par les étudiants qui ont utilisé le langage CaML dans

Plus en détail

Aspects théoriques et algorithmiques du calcul réparti Placement - Compléments

Aspects théoriques et algorithmiques du calcul réparti Placement - Compléments A- 0/0 Aspects théoriques et algorithmiques du calcul réparti Placement - Compléments Patrick CIARLET Enseignant-Chercheur UMA patrick.ciarlet@ensta-paristech.fr Françoise LAMOUR franc.lamour@gmail.com

Plus en détail

Exercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Arts & Métiers Filière PSI

Exercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Arts & Métiers Filière PSI Exercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Arts & Métiers Filière PSI Ces exercices portent sur les items 2, 3 et 5 du programme d informatique des classes

Plus en détail

Soutien illimité 7j/7 en maths: Coach, profs, exercices & annales, cours. Sujet de Bac 2013 Maths S Obligatoire & Spécialité - Liban

Soutien illimité 7j/7 en maths: Coach, profs, exercices & annales, cours. Sujet de Bac 2013 Maths S Obligatoire & Spécialité - Liban Sujet de Bac 2013 Maths S Obligatoire & Spécialité - Liban EXERCICE 1 : 4 Points Cet exercice est un questionnaire à choix multiples. Aucune justification n est demandée. Pour chacune des questions, une

Plus en détail

1.1 Définitions... 2 1.2 Opérations élémentaires... 2 1.3 Systèmes échelonnés et triangulaires... 3

1.1 Définitions... 2 1.2 Opérations élémentaires... 2 1.3 Systèmes échelonnés et triangulaires... 3 Chapitre 5 Systèmes linéaires 1 Généralités sur les systèmes linéaires 2 11 Définitions 2 12 Opérations élémentaires 2 13 Systèmes échelonnés et triangulaires 3 2 Résolution des systèmes linéaires 3 21

Plus en détail

LIF1 : ALGORITHMIQUE ET PROGRAMMATION IMPÉRATIVE, INITIATION

LIF1 : ALGORITHMIQUE ET PROGRAMMATION IMPÉRATIVE, INITIATION Licence STS Université Claude Bernard Lyon I LIF1 : ALGORITHMIQUE ET PROGRAMMATION IMPÉRATIVE, INITIATION 1 COURS 5 : Les Tableaux PLAN DE LA SÉANCE Comprendre l utilité des tableaux Apprendre à manipuler

Plus en détail

Programmation Linéaire - Cours 2

Programmation Linéaire - Cours 2 Programmation Linéaire - Cours 2 P. Pesneau pierre.pesneau@math.u-bordeaux1.fr Université Bordeaux 1 Bât A33 - Bur 265 Sommaire 1 2 3 Retournons dans le yaourt! Reprenons l exemple du 1er cours Forme normale

Plus en détail

Espaces vectoriels 2006-2007. Agrégation interne de Mathématiques Département de Mathématiques Université de La Rochelle F.

Espaces vectoriels 2006-2007. Agrégation interne de Mathématiques Département de Mathématiques Université de La Rochelle F. Agrégation interne de Mathématiques Département de Mathématiques Université de La Rochelle 2006-2007 Espaces vectoriels Convention 1. Dans toute la suite, k désignera un corps quelconque. Définition 2.

Plus en détail

Méthodes d Optimisation

Méthodes d Optimisation Méthodes d Optimisation Licence Professionnelle Logistique Université du Littoral - Côte d Opale, Pôle Lamartine Laurent SMOCH (smoch@lmpa.univ-littoral.fr) Septembre 2011 Laboratoire de Mathématiques

Plus en détail

Mathématiques pour. l informatique

Mathématiques pour. l informatique Xavier Chanet Patrick Vert Mathématiques pour l informatique Pour le BTS SIO Toutes les marques citées dans cet ouvrage sont des marques déposées par leurs propriétaires respectifs. Illustration de couverture

Plus en détail

Partie I : Automates et langages

Partie I : Automates et langages 2 Les calculatrices sont interdites. N.B. : Le candidat attachera la plus grande importance à la clarté, à la précision et à la concision de la rédaction. Si un candidat est amené à repérer ce qui peut

Plus en détail

Arithmétique Algorithmique. http://www.math.univ-lyon1.fr/~roblot/ens.html

Arithmétique Algorithmique. http://www.math.univ-lyon1.fr/~roblot/ens.html Arithmétique Algorithmique http://www.math.univ-lyon1.fr/~roblot/ens.html Partie III Algorithmes classiques 1 Coût de la multiplication et de la division 2 Exponentiation rapide 3 Algorithme d Euclide

Plus en détail

Baccalauréat ES Asie 19 juin 2013 Corrigé

Baccalauréat ES Asie 19 juin 2013 Corrigé accalauréat E sie 19 juin 201 orrigé EXERIE 1 ommun à tous les candidats On ne demandait aucune justification dans cet exercice. 4 points 1. b. 2. a.. c. 4. c. La longueur de l intervalle [ 1; 1] est 2

Plus en détail

RECHERCHE OPERATIONNELLE

RECHERCHE OPERATIONNELLE RECHERCHE OPERATIONNELLE PROBLEME DE L ARBRE RECOUVRANT MINIMAL I - INTRODUCTION (1) Définitions (2) Propriétés, Conditions d existence II ALGORITHMES (1) Algorithme de KRUSKAL (2) Algorithme de PRIM I

Plus en détail

INFO-F-302 Informatique Fondamentale Logique du premier ordre

INFO-F-302 Informatique Fondamentale Logique du premier ordre INFO-F-302 Informatique Fondamentale Logique du premier ordre Prof. Emmanuel Filiot Exercice 1 1. Soit un langage L = (p, q, r, s, t, f, g) où p, q sont des prédicats unaires, r, s, t sont des prédicats

Plus en détail

Master IAD Module PS. Reconnaissance de la parole (suite) Modèles de Markov et bases de données. Gaël RICHARD Février 2008

Master IAD Module PS. Reconnaissance de la parole (suite) Modèles de Markov et bases de données. Gaël RICHARD Février 2008 Master IAD Module PS Reconnaissance de la parole (suite) Modèles de Markov et bases de données Gaël RICHARD Février 2008 1 Reconnaissance de la parole Introduction Approches pour la reconnaissance vocale

Plus en détail

Utilisation des Structures Combinatoires pour le Test Statistique. Contexte. Plan. Le test de logiciel. Les structures combinatoires décomposables

Utilisation des Structures Combinatoires pour le Test Statistique. Contexte. Plan. Le test de logiciel. Les structures combinatoires décomposables Utilisation des Structures Combinatoires pour le Test Statistique Sandrine-Dominique GOURAUD Équipe Programmation et Génie Logiciel, L.R.I. Co-encadrants: M.-C. Gaudel et A. Denise Plan Contexte Structures

Plus en détail

Les théorèmes de Gerschgorin et de Hadamard

Les théorèmes de Gerschgorin et de Hadamard Localisation des valeurs propres : Quelques propriétés sur les disques de Gerschgorin. Jean-Baptiste Campesato 22 septembre 29 Gerschgorin est parfois retranscrit en Gershgorin, Geršgorin, Hershhornou

Plus en détail

Recherche opérationnelle. Programmation linéaire et recherche opérationnelle. Programmation linéaire. Des problèmes de RO que vous savez résoudre

Recherche opérationnelle. Programmation linéaire et recherche opérationnelle. Programmation linéaire. Des problèmes de RO que vous savez résoudre Recherche opérationnelle Programmation linéaire et recherche opérationnelle Ioan Todinca Ioan.Todinca@univ-orleans.fr tél. 0 38 41 7 93 bureau : en bas à gauche Tentative de définition Ensemble de méthodes

Plus en détail

1 Force brute. 2 Analyse. 3 Conception préliminaire. 4 Conception détaillée. 5 Développement. 6 Conclusion. Architecture des Systèmes d Information

1 Force brute. 2 Analyse. 3 Conception préliminaire. 4 Conception détaillée. 5 Développement. 6 Conclusion. Architecture des Systèmes d Information Plan Puissance 4 intelligent I3 Algorithmique Nicol Delestre 1 Force brute 2 Analyse 3 Conception préliminaire 4 Conception détaillée 5 Développement 6 Conclusion Puissance 4. v2.0 1 / 29 Puissance 4.

Plus en détail

Arbres binaires de recherche et arbres rouge noir

Arbres binaires de recherche et arbres rouge noir Institut Galilée lgo, rbres, Graphes I nnée 006-007 License rbres binaires de recherche et arbres rouge noir Rappels de cours et correction du TD rbres binaires de recherche : définitions Un arbre binaire

Plus en détail

OLYMPIADES ACADÉMIQUES DE MATHÉMATIQUES

OLYMPIADES ACADÉMIQUES DE MATHÉMATIQUES session 20 LYMPIADES ACADÉMIQUES DE MATHÉMATIQUES CLASSE DE PREMIÈRE MERCREDI 23 MARS 20 Durée de l épreuve : 4 heures Les quatre exercices sont indépendants. L usage de la calculatrice est autorisé. Ce

Plus en détail

mercredi 16 novembre 11 6. Récurrences

mercredi 16 novembre 11 6. Récurrences 6. Récurrences Motivations Les relations de récurrence munies de conditions initiales permettent de définir des suites de nombres. En informatique, elles proviennent essentiellement : des définitions inductives

Plus en détail

Introduction à la RO

Introduction à la RO 1 Introduction à la RO Problèmes de flots dans les graphes Cédric BENTZ (CNAM) Christophe PICOULEAU (CNAM) 2 Capacité journalière d'un réseau ferroviaire (1/2) Sur le réseau ferroviaire, on a indiqué sur

Plus en détail

Olympiade Mathématique internationale. Année 2015/2016. Tour 1 Problèmes pour le niveau R5

Olympiade Mathématique internationale. Année 2015/2016. Tour 1 Problèmes pour le niveau R5 Problèmes pour le niveau R5 1. Peter, Basil et Anatoly ont mis ensemble leurs économies pour s acheter un ballon. On sait que chacun a contribué pas plus que la moitié de ce que les deux autres ensemble.

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

CONCOURS GÉNÉRAL DES LYCÉES SESSION DE 2009 COMPOSITION DE MATHÉMATIQUES. (Classe terminale S)

CONCOURS GÉNÉRAL DES LYCÉES SESSION DE 2009 COMPOSITION DE MATHÉMATIQUES. (Classe terminale S) MA 09 CONCOURS GÉNÉRAL DES LYCÉES SESSION DE 009 COMPOSITION DE MATHÉMATIQUES (Classe terminale S) DURÉE : 5 heures La calculatrice de poche est autorisée, conformément à la réglementation. La clarté et

Plus en détail

Baccalauréat ES Centres étrangers 12 juin 2014 - Corrigé

Baccalauréat ES Centres étrangers 12 juin 2014 - Corrigé Baccalauréat ES Centres étrangers 1 juin 14 - Corrigé A. P. M. E. P. Exercice 1 5 points Commun à tous les candidats 1. On prend un candidat au hasard et on note : l évènement «le candidat a un dossier

Plus en détail

Contrôle commun : 4 heures

Contrôle commun : 4 heures Exercice 1 (5 points) Contrôle commun : 4 heures PARTIE A On considère la fonction f définie sur l intervalle ]0 ; + [ par f(x) = ln x + x. 1. Déterminer les limites de la fonction f en 0 et en +.. Étudier

Plus en détail

Compression Compression par dictionnaires

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

Plus en détail