Objectifs du cours d aujourd hui. Informatique II : Cours d introduction à l informatique et à la programmation objet. Complexité d un problème (2)

Dimension: px
Commencer à balayer dès la page:

Download "Objectifs du cours d aujourd hui. Informatique II : Cours d introduction à l informatique et à la programmation objet. Complexité d un problème (2)"

Transcription

1 Objectifs du cours d aujourd hui Informatique II : Cours d introduction à l informatique et à la programmation objet Complexité des problèmes Introduire la notion de complexité d un problème Présenter les grandes classes de complexité associées aux problèmes : Les problèmes polynomiaux (P) Les problèmes non-déterministes polynomiaux (NP) Les autres problèmes Jamila Sam Haroud Laboratoire d Intelligence Artificielle Faculté I&C Informatique II Cours 24: Complexité des problèmes 1 Informatique II Cours 24: Complexité des problèmes 2 Complexité d un problème Complexité d un problème (2) Nous savons déterminer la complexité d un algorithme donné grâce à la machine de Turing : nombre de déplacements de la tête requis pour résoudre le problème «longueur» de la bande nécessaire à la résolution du problème Nous savons également que pour un même problème, il peut exister des solutions plus ou moins efficaces : calcul des coefficients du binômes par un algorithme récursif: exponentiel...par programmation dynamique: polynomial Sait-on mesurer la complexité d un problème en tant que tel? (i.e. indépendamment de tel ou tel algorithme) la réponse est OUI! La complexité d un problème est liée à la complexité du meilleur algorithme que l on pourra jamais imaginer pour ce problème (sans forcément connaître cet algorithme). On peut même montrer formellement qu il existe des problèmes plus difficiles que d autres exemples... Sait-on mesurer la complexité d un problème en tant que tel? (i.e. indépendamment de tel ou tel algorithme) Informatique II Cours 24: Complexité des problèmes 3 Informatique II Cours 24: Complexité des problèmes 4

2 De nouveau des problèmes de chemin Soit un certain nombre de villes reliées par un certain nombre de routes. Question 1 : existe-t-il un itinéraire permettant de passer par toutes les villes en empruntant chaque route une seule fois (chemin Eulerien)? Question 2 : existe-t-il un itinéraire permettant de passer par toutes les villes en ne visitant chaque ville qu une seule fois (chemin Hamiltonien)? avec chemin Hamiltonien et sans chemin Eulerien avec chemin Eulerien et sans chemin Hamiltonien De nouveau des problèmes de chemin (2) A priori les deux se ressemblent beaucoup et dans les deux cas on sait proposer un algorithme inefficace (recherche exhaustive) : 1. Générer tous les chemins. 2. Retenir le premier chemin répondant aux critères requis mais... complexité exponentielle!! Sait-on faire mieux? Informatique II Cours 24: Complexité des problèmes 5 Informatique II Cours 24: Complexité des problèmes 6 De nouveau des problèmes de chemin (3) Autre exemple La réponse est : oui (on sait faire mieux) pour la question 1 méthode d Euler : complexité polynomiale...et non (on ne sait pas faire mieux à ce jour) pour la question 2 les meilleures méthodes à ce jour ne font pas beaucoup mieux que la recherche exhaustive : complexité exponentielle! Soit une carte géographique à colorier de telle sorte que deux cantons voisins n aient pas la même couleur : Question 1 : Peut-on la colorier avec deux couleurs? Question 2 : Peut-on la colorier avec trois couleurs? Question 3 : Peut-on la colorier avec quatre couleurs? Informatique II Cours 24: Complexité des problèmes 7 Informatique II Cours 24: Complexité des problèmes 8

3 Autre exemple (2)...encore une fois, ça se ressemble beaucoup et on sait proposer un algorithme de recherche exhaustive inefficace (exponentiel) : 1. Générer toutes les colorations possibles. 2. Regarder s il en existe une satisfaisant le critère requis pour 3 couleurs et 16 cantons, ça ne fait «que» 3 16 = 43 millions de coloriages possibles! Alors, sait-on faire mieux? La réponse est : Autre exemple (3) oui, on sait répondre rapidement à la question 1 il suffit de vérifier qu il n existe aucun point de la carte où se rencontrent un nombre impair de pays (polynomial) non (on ne sait pas faire mieux) pour la 2 aucun algorithme polynomial n est connu à ce jour...et à nouveau oui, on peut répondre efficacement à la question 3 démontré pour toute carte par Appel et Haken, en a (et la réponse à la question 3 est toujours «oui» O(1)) a amélioré en 1995 par Robertson, Sanders, Seymour et Thomas C était la première fois qu on utilisait Informatique II Cours 24: Complexité des problèmes 9 un ordinateur pour démontrer un théorème : était-ce bien encore une démonstration?! Informatique II Cours 24: Complexité des problèmes 10 P et NP P et NP (2) Les problèmes liés à nos questions 1 (et 3) appartiennent en fait à la classe des problèmes dits polynomiaux (la classe P) on peut y répondre au moyen d algorithmes polynomiaux connus Les problèmes liés à nos questions 2, par contre, appartiennent à la classe des problèmes dit polynomiaux non-déterministes (la classe NP) on ne sait pas y répondre a priori en temps polynomial, mais si un hasard quelconque (non-déterminisme) nous donnait une solution au problème, on pourrait vérifier qu il s agit bien d une solution en temps (et espace) polynomial. Attention! NP ne veut pas dire non-polynomial mais non-déterministe polynomial La confusion est fréquente!! Le non-déterminisme réside dans le fait que l on présuppose qu une solution peut-être devinée par un moyen quelconque Si on sait le faire, et si on peut vérifier de façon efficace que la solution en est bien une, alors le problème est dans la classe NP. Machine de Turing non-déterministe La classe NP comprend un certain nombre de problèmes usuels qui semblent résister à tout essai pour leur trouver un algorithme efficace (polynomial) Informatique II Cours 24: Complexité des problèmes 11 Informatique II Cours 24: Complexité des problèmes 12

4 P et NP (3) Note : Tout problème qui est dans P est aussi dans NP! complexité de problèmes P et NP Les problèmes de décisions Les problèmes difficiles Plan NP P Informatique II Cours 24: Complexité des problèmes 13 Informatique II Cours 24: Complexité des problèmes 14 Problèmes de décision Problèmes de décisions (2) La classe NP caractérise essentiellement des problèmes dits de décision Un problème de décision est un problème qui peut s exprimer sous la forme d une question attendant une réponse binaire (oui/non) Coloration de carte entrée = un ensemble fini de points (e.g. cantons) et leurs relations de voisinage (matrice) un entier k question = «Peut-on colorier la carte avec k couleurs de sorte à ce que deux états voisins n aient pas les mêmes couleurs?» Voyageur de commerce entrée = un ensemble fini de villes, et leurs distances 2 à 2 un entier k question = «Existe-il un circuit de longueur k passant exactement une fois par chacune des villes?» Informatique II Cours 24: Complexité des problèmes 15 Définition : Un problème de décision est dit NP si chacune de ses instances positives (cas où la réponse est «oui») peut être associées à une preuve (de sa positivité) polynomiale en la taille de l instance (en temps et en espace) pour qu un problème se rattache à la classe NP il n est pas nécessaire d en connaître une solution efficace : il suffit, si l on sait deviner une solution, de savoir démontrer de façon efficace qu il s agit bien d une solution! Les problèmes co-np se définissent de manière similaire, mais considèrent les instances négatives (cas ou la réponse est «non») à la place des positives Une preuve concise vérifiant la positivité d une instance est souvent appelée certificat succinct de l instance positive Informatique II Cours 24: Complexité des problèmes 16

5 Certificats Exemples de certificats pour des problèmes de décision : Problème Voyageur de commerce Coloration de carte Certificat indication d un circuit de longueur inférieure ou égale à k indication d une coloration respectant les contraintes requises Réduction d un problème à un autre De façon générale, si l on sait résoudre efficacement un problème, il est fréquent qu on puisse en résoudre bien d autres Exemple : Le problème de coloration de graphe La caractérisation d un problème comme étant NP (par un certificat succinct), ne permet pas a priori de dire s il existe ou non une solution algorithmique polynomiale pour le résoudre permet de modéliser, moyennant quelques petites modifications, aussi bien les problèmes de coloration de carte que des problèmes d affectation de ressources. Informatique II Cours 24: Complexité des problèmes 17 Informatique II Cours 24: Complexité des problèmes 18 Réduction d un problème à un autre (2) Plan Plus formellement, considérons deux problèmes de décision P 1 et P 2. On dit que P 1 est [polynomialement] réductible à P 2 s il existe une transformation polynomiale (dans la taille des instances de P 1 ) permettant de convertir toute instance positive (resp. négative) de P 1 en une instance positive (resp. négative) de P 2 complexité de problèmes P et NP Les problèmes de décisions Les problèmes difficiles P 1 est au plus aussi difficile que P 2 La conséquence importante de la réductibilité de P 1 à P 2 est que : si l on peut montrer que P 1 est dans NP alors P 2 l est aussi si l on peut montrer que P 2 est dans P alors P 1 l est aussi Que faire si l on ne parvient pas à réduire un problème à un problème polynomial? Informatique II Cours 24: Complexité des problèmes 19 Informatique II Cours 24: Complexité des problèmes 20

6 Problèmes NP-complets Certains problèmes de la classe NP résument l ensemble des difficultés de la classe : les problèmes NP-complets Ce sont des problèmes particulièrement difficiles de la classe NP pour lesquels il est démontré que si l on pouvait en résoudre un polynomialement, alors tout problème de la classe NP pourrait aussi être résolu polynomialement. Exemples de problèmes NP-complets : 3-coloration de graphes, problème du voyageur de commerce... et bien d autres Autres problèmes problématiques Il existe évidemment des problèmes encore plus difficiles que les problèmes NP-Complets : les problèmes NP-difficiles : au moins aussi difficiles que les problèmes NP-complets Exemple : problèmes d optimisation nécessitant la résolution de problèmes de décision eux-même NP-complets les problèmes non-décidables : qui ne peuvent être résolus au moyen d une machine de Turing Exemple : écrire un programme qui, pour tout programme P, accompagné de données d entrée D, permet de déterminer si l exécution de P sur D termine (en un nombre fini d opérations) problème de terminaison des programmes Informatique II Cours 24: Complexité des problèmes 21 Informatique II Cours 24: Complexité des problèmes 22 Synthèse de la complexité des problèmes Preuve de NP-difficulté Non décidables Lorsque l on est confronté à un problème dont on ignore la classe de complexité, la démarche consiste donc : Soit à estimer que le problème est facile, et on cherche alors un algorithme polynomial pour le résoudre NP difficiles Soit à estimer que le problème est NP-difficile, et on cherche alors à le démontrer co NP complets NP complets on essaie de montrer qu un des problèmes NP-complet connus peut-être polynomialement réduit à ce problème co NP NP Déterminer la classe de complexité d un problème donné peut être très compliqué P Il a fallu de nombreuses années aux meilleurs chercheurs pour prouver que le problème de savoir si un nombre est premier ou non («Prem») est dans P! (preuve : Août 2002) Informatique II Cours 24: Complexité des problèmes 23 Informatique II Cours 24: Complexité des problèmes 24

7 Que faire face à un problème NP-difficile? Confronté à un problème NP-difficile, on peut : être un peu découragé essayer de trouver un algorithme polynomial (chances de succès faibles, mais gloire assurée en cas de réussite!) vérifier si l on est pas plutôt intéressé par un sous-problème qui pourrait alors être polynomial (par exemple 4-coloration au lieu de 3-coloration) appliquer des schémas de résolution algorithmique efficace en moyenne (peuvent se montrer suffisants si la probabilité d occurrence des instances difficiles est faible).. suite Que faire face à un problème difficile? (2) mettre en œuvre des algorithmes approchés ou heuristiques produisant efficacement des solutions approchées avec une faible erreur méthode «Monte Carlo» utiliser des approches à base de machine parallèle rêver aux ordinateurs quantiques (pour certains problèmes en tout cas!)... suite Informatique II Cours 24: Complexité des problèmes 25 Informatique II Cours 24: Complexité des problèmes 26 P=NP? P ou NP? Il reste quelques questions et petits pièges... Dans l état actuel des connaissances, on ne sait pas si les problèmes de la classes NP sont polynomiaux ou s ils sont intrinsèquement difficiles : P=NP? L opinion généralement partagée est que P NP, c est-à-dire que les problèmes NP-complets ne sont pas polynomiaux. Le fait que «Prem» soit dans P n a été démontré que récemment (Agrawal, Keyal et Saxena, 2002) Pourquoi le petit algorithme suivant n a-t-il pas suffit? Soit m le nombre à tester. 1. si m est pair, il n est premier que s il vaut 2 2. sinon, tenter la division de m par tous les entiers impairs plus petits que m Il semble pourtant qu un nombre polynomial d opérations soit requis (au plus m divisions)! Le problème est effectivement polynomial en m (m 1 2 ), mais pas dans la taille de l entrée!! Informatique II Cours 24: Complexité des problèmes 27 Informatique II Cours 24: Complexité des problèmes 28

8 P ou NP? Quelle est la taille de l entrée? n = log(m) (écriture de m dans une base quelconque, e.g. binaire) La complexité de l algorithme ci-dessus est donc exponentielle, en m = exp( n 2 ) où n est la taille de l entrée On parle dans ce cas d algorithme pseudo-polynomial (terme pas forcément très bien choisi car les algorithmes pseudo-polynomiaux, sont bel et bien exponentiels) Complexité des problème Problèmes polynomiaux : Classe P, résolvables par des algorithmes polynomiaux Problèmes Non-déterministes polynomiaux : Classe NP, si une solution peut être devinée par un moyen quelconque, on peut vérifier en temps polynomial qu il s agit bien d une solution (pas d algorithme polynomial connu). Problèmes NP-complets : les plus difficiles des NPs. Si l on prouvait que l un deux est dans P on prouverait que tous les NPs sont dans P. Problèmes NP-difficiles : au moins aussi difficile que NP (prouvable notamment par des techniques de réduction de problèmes) Problèmes non décidables : non résolvables par une machine de Turing On ne sait pas à ce jour si P = NP ou non Informatique II Cours 24: Complexité des problèmes 29 Informatique II Cours 24: Complexité des problèmes 30 Ce que j ai appris aujourd hui ce qu est la complexité d un problème et quelles sont les principales classes de problèmes qu un problème est dans la classe de complexité P s il peut être résolu en temps polynomial qu un problème est dans la classe de NP si on peut vérifier en temps polynomial qu une solution en est bien une (pas d algorithmes de résolution polynomiaux connus) que les problèmes NP-complets sont les plus difficiles des NPs et qu il peut y avoir des problèmes encore plus difficiles que ceux de NP (NP-difficiles, non-décidables) Informatique II Cours 24: Complexité des problèmes 31

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

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

Nombres premiers. Comment reconnaître un nombre premier? Mais...

Nombres premiers. Comment reconnaître un nombre premier? Mais... Introduction Nombres premiers Nombres premiers Rutger Noot IRMA Université de Strasbourg et CNRS Le 19 janvier 2011 IREM Strasbourg Definition Un nombre premier est un entier naturel p > 1 ayant exactement

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

Les automates. Fabrice EUDES, Pascal EVRARD, Philippe MARQUET, François RECHER & Yann SECQ

Les automates. Fabrice EUDES, Pascal EVRARD, Philippe MARQUET, François RECHER & Yann SECQ Les automates Fabrice EUDES, Pascal EVRARD, Philippe MARQUET, François RECHER & Yann SECQ Avril 2015 Retour sur l île et le barman Deux problèmes similaires: Des îles, des bateaux et un trésor à trouver

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

BACCALAUREAT GENERAL MATHÉMATIQUES

BACCALAUREAT GENERAL MATHÉMATIQUES BACCALAUREAT GENERAL FEVRIER 2014 MATHÉMATIQUES SERIE : ES Durée de l épreuve : 3 heures Coefficient : 5 (ES), 4 (L) 7(spe ES) Les calculatrices électroniques de poche sont autorisées, conformement à la

Plus en détail

PARCOURS DU CAVALIER SUR L ÉCHIQUIER

PARCOURS DU CAVALIER SUR L ÉCHIQUIER I05 ÉPREUVE COMMUNE DE TIPE 2011 - Partie D TITRE : PARCOURS DU CAVALIER SUR L ÉCHIQUIER Temps de préparation :.. 2 h 15 minutes Temps de présentation devant les examinateurs :.10 minutes Dialogue avec

Plus en détail

Chapitre 7. Récurrences

Chapitre 7. Récurrences Chapitre 7 Récurrences 333 Plan 1. Introduction 2. Applications 3. Classification des récurrences 4. Résolution de récurrences 5. Résumé et comparaisons Lectures conseillées : I MCS, chapitre 20. I Rosen,

Plus en détail

Marches, permutations et arbres binaires aléatoires

Marches, permutations et arbres binaires aléatoires Marches, permutations et arbres binaires aléatoires Épreuve pratique d algorithmique et de programmation Concours commun des Écoles Normales Supérieures Durée de l épreuve: 4 heures Cœfficient: 4 Juillet

Plus en détail

Calculabilité 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/ 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 détail

Ensimag 2A. Rapport de TER. Application de la Recherche Opérationnelle à la Finance

Ensimag 2A. Rapport de TER. Application de la Recherche Opérationnelle à la Finance Ensimag 2A Rapport de TER Application de la Recherche Opérationnelle à la Finance Elève : Yuefei HUANG Tuteur : Zoltán SZIGETI Mai, 2010 2 Sommaire 1. Introduction... 3 2. Le marché des changes et arbitrage...

Plus en détail

Annexe 6. Notions d ordonnancement.

Annexe 6. Notions d ordonnancement. Annexe 6. Notions d ordonnancement. APP3 Optimisation Combinatoire: problèmes sur-contraints et ordonnancement. Mines-Nantes, option GIPAD, 2011-2012. Sophie.Demassey@mines-nantes.fr Résumé Ce document

Plus en détail

Calcul élémentaire des probabilités

Calcul élémentaire des probabilités Myriam Maumy-Bertrand 1 et Thomas Delzant 1 1 IRMA, Université Louis Pasteur Strasbourg, France Licence 1ère Année 16-02-2006 Sommaire La loi de Poisson. Définition. Exemple. 1 La loi de Poisson. 2 3 4

Plus en détail

1 Comptage de solutions et escaliers

1 Comptage de solutions et escaliers Licence Informatique Systèmes polynomiaux, que signifie : résoudre? Feuille de TD numéro 11 1 Comptage de solutions et escaliers Question 1. On considère le système suivant p1 := 2*x*y^2 + 3*x^2-5*y^3

Plus en détail

RÉVISION DE CALCUL NUMÉRIQUE

RÉVISION DE CALCUL NUMÉRIQUE RÉVISION DE CALCUL NUMÉRIQUE. Les ensembles numériques. Propriétés des nombres réels. Ordre des opérations. Nombres premiers. Opérations sur les fractions 7. Puissances entières 0.7 Notation scientifique.8

Plus en détail

Conversion d un entier. Méthode par soustraction

Conversion d un entier. Méthode par soustraction Conversion entre bases Pour passer d un nombre en base b à un nombre en base 10, on utilise l écriture polynomiale décrite précédemment. Pour passer d un nombre en base 10 à un nombre en base b, on peut

Plus en détail

CRYPTOGRAPHIE. Chiffrement asymétrique. E. Bresson. Emmanuel.Bresson@sgdn.gouv.fr. SGDN/DCSSI Laboratoire de cryptographie

CRYPTOGRAPHIE. Chiffrement asymétrique. E. Bresson. Emmanuel.Bresson@sgdn.gouv.fr. SGDN/DCSSI Laboratoire de cryptographie CRYPTOGRAPHIE Chiffrement asymétrique E. Bresson SGDN/DCSSI Laboratoire de cryptographie Emmanuel.Bresson@sgdn.gouv.fr I. CHIFFREMENT ASYMÉTRIQUE I.1. CHIFFREMENT À CLÉ PUBLIQUE Organisation de la section

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

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

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

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

Exercices - Polynômes : corrigé. Opérations sur les polynômes

Exercices - 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 détail

Manuel d utilisation 26 juin 2011. 1 Tâche à effectuer : écrire un algorithme 2

Manuel d utilisation 26 juin 2011. 1 Tâche à effectuer : écrire un algorithme 2 éducalgo Manuel d utilisation 26 juin 2011 Table des matières 1 Tâche à effectuer : écrire un algorithme 2 2 Comment écrire un algorithme? 3 2.1 Avec quoi écrit-on? Avec les boutons d écriture........

Plus en détail

Qu est-ce qu une probabilité?

Qu est-ce qu une probabilité? Chapitre 1 Qu est-ce qu une probabilité? 1 Modéliser une expérience dont on ne peut prédire le résultat 1.1 Ensemble fondamental d une expérience aléatoire Une expérience aléatoire est une expérience dont

Plus en détail

Rapport du Jury du Concours 2010 Épreuve Pratique d Algorithmique et de Programmation (EPAP)

Rapport du Jury du Concours 2010 Épreuve Pratique d Algorithmique et de Programmation (EPAP) Rapport du Jury du Concours 2010 Épreuve Pratique d Algorithmique et de Programmation (EPAP) Loris Marchal, Guillaume Melquion, Frédéric Tronel 21 juin 2011 Remarques générales à propos de l épreuve Organisation

Plus en détail

Chapitre VI - Méthodes de factorisation

Chapitre VI - Méthodes de factorisation Université Pierre et Marie Curie Cours de cryptographie MM067-2012/13 Alain Kraus Chapitre VI - Méthodes de factorisation Le problème de la factorisation des grands entiers est a priori très difficile.

Plus en détail

Logiciel Libre Cours 3 Fondements: Génie Logiciel

Logiciel Libre Cours 3 Fondements: Génie Logiciel Logiciel Libre Cours 3 Fondements: Génie Logiciel Stefano Zacchiroli zack@pps.univ-paris-diderot.fr Laboratoire PPS, Université Paris Diderot 2013 2014 URL http://upsilon.cc/zack/teaching/1314/freesoftware/

Plus en détail

Machines virtuelles Cours 1 : Introduction

Machines 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 détail

Arithmétique binaire. Chapitre. 5.1 Notions. 5.1.1 Bit. 5.1.2 Mot

Arithmétique binaire. Chapitre. 5.1 Notions. 5.1.1 Bit. 5.1.2 Mot Chapitre 5 Arithmétique binaire L es codes sont manipulés au quotidien sans qu on s en rende compte, et leur compréhension est quasi instinctive. Le seul fait de lire fait appel au codage alphabétique,

Plus en détail

Séries de Fourier. T f (x) exp 2iπn x T dx, n Z. T/2 f (x) cos ( ) f (x) dx a n (f) = 2 T. f (x) cos 2πn x )

Séries de Fourier. T f (x) exp 2iπn x T dx, n Z. T/2 f (x) cos ( ) f (x) dx a n (f) = 2 T. f (x) cos 2πn x ) Séries de Fourier Les séries de Fourier constituent un outil fondamental de la théorie du signal. Il donne lieu à des prolongements et des extensions nombreux. Les séries de Fourier permettent à la fois

Plus en détail

Exercices de dénombrement

Exercices de dénombrement Exercices de dénombrement Exercice En turbo Pascal, un entier relatif (type integer) est codé sur 6 bits. Cela signifie que l'on réserve 6 cases mémoires contenant des "0" ou des "" pour écrire un entier.

Plus en détail

Baccalauréat ES Antilles Guyane 12 septembre 2014 Corrigé

Baccalauréat ES Antilles Guyane 12 septembre 2014 Corrigé Baccalauréat ES Antilles Guyane 12 septembre 2014 Corrigé EXERCICE 1 5 points Commun à tous les candidats 1. Réponse c : ln(10)+2 ln ( 10e 2) = ln(10)+ln ( e 2) = ln(10)+2 2. Réponse b : n 13 0,7 n 0,01

Plus en 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

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

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

Espace de probabilité, indépendance et probabilité conditionnelle

Espace de probabilité, indépendance et probabilité conditionnelle Chapter 2 Espace de probabilité, indépendance et probabilité conditionnelle Sommaire 2.1 Tribu et événements........................................... 15 2.2 Probabilité................................................

Plus en détail

Activité 4. Tour de cartes Détection et correction des erreurs. Résumé. Liens pédagogiques. Compétences. Âge. Matériels

Activité 4. Tour de cartes Détection et correction des erreurs. Résumé. Liens pédagogiques. Compétences. Âge. Matériels Activité 4 Tour de cartes Détection et correction des erreurs Résumé Lorsque les données sont stockées sur un disque ou transmises d un ordinateur à un autre, nous supposons généralement qu elles n ont

Plus en détail

7.1 Un exemple en guise d introduction : Gérer les incompatibilités

7.1 Un exemple en guise d introduction : Gérer les incompatibilités CHAPITRE 7 COLORATION DE GRAPHES 51 Chapitre 7: Coloration de graphes 7.1 Un exemple en guise d introduction : Gérer les incompatibilités Problème : Une entreprise qui fabrique six sortes de produits chimiques

Plus en détail

UNIVERSITE D ORLEANS SL01MA11, Groupes 1 et 5 Département de Mathématiques 2009-2010. N. El Hage Hassan S EXPRIMER EN MATHÉMATIQUES

UNIVERSITE D ORLEANS SL01MA11, Groupes 1 et 5 Département de Mathématiques 2009-2010. N. El Hage Hassan S EXPRIMER EN MATHÉMATIQUES UNIVERSITE D ORLEANS SL01MA11, Groupes 1 et 5 Département de Mathématiques 2009-2010 N. El Hage Hassan S EXPRIMER EN MATHÉMATIQUES 1 Les énoncés La plupart des phrases que l on rencontre dans un livre

Plus en détail

Modèles à Événements Discrets. Réseaux de Petri Stochastiques

Modèles à Événements Discrets. Réseaux de Petri Stochastiques Modèles à Événements Discrets Réseaux de Petri Stochastiques Table des matières 1 Chaînes de Markov Définition formelle Idée générale Discrete Time Markov Chains Continuous Time Markov Chains Propriétés

Plus en détail

Chaînes de Markov au lycée

Chaînes de Markov au lycée Journées APMEP Metz Atelier P1-32 du dimanche 28 octobre 2012 Louis-Marie BONNEVAL Chaînes de Markov au lycée Andreï Markov (1856-1922) , série S Problème 1 Bonus et malus en assurance automobile Un contrat

Plus en détail

Suites numériques 3. 1 Convergence et limite d une suite

Suites numériques 3. 1 Convergence et limite d une suite Suites numériques 3 1 Convergence et limite d une suite Nous savons que les termes de certaines suites s approchent de plus en plus d une certaine valeur quand n augmente : par exemple, les nombres u n

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

Baccalauréat ES/L Amérique du Sud 21 novembre 2013

Baccalauréat ES/L Amérique du Sud 21 novembre 2013 Baccalauréat ES/L Amérique du Sud 21 novembre 2013 A. P. M. E. P. EXERCICE 1 Commun à tous les candidats 5 points Une entreprise informatique produit et vend des clés USB. La vente de ces clés est réalisée

Plus en 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

Nombres, mesures et incertitudes en sciences physiques et chimiques. Groupe des Sciences physiques et chimiques de l IGEN

Nombres, mesures et incertitudes en sciences physiques et chimiques. Groupe des Sciences physiques et chimiques de l IGEN Nombres, mesures et incertitudes en sciences physiques et chimiques. Groupe des Sciences physiques et chimiques de l IGEN Table des matières. Introduction....3 Mesures et incertitudes en sciences physiques

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

Cours 7 : fonctions recursives, arithmétique binaire, flottants 1

Cours 7 : fonctions recursives, arithmétique binaire, flottants 1 Cours 7 : fonctions recursives, arithmétique binaire, flottants 1 Les types énumérés On peut aussi définir des types qui ont un nombre fini de valeurs (ex: jours de la semaine, couleurs primaires, etc.)

Plus en détail

Cryptographie et fonctions à sens unique

Cryptographie et fonctions à sens unique Cryptographie et fonctions à sens unique Pierre Rouchon Centre Automatique et Systèmes Mines ParisTech pierre.rouchon@mines-paristech.fr Octobre 2012 P.Rouchon (Mines ParisTech) Cryptographie et fonctions

Plus en détail

Indications pour une progression au CM1 et au CM2

Indications pour une progression au CM1 et au CM2 Indications pour une progression au CM1 et au CM2 Objectif 1 Construire et utiliser de nouveaux nombres, plus précis que les entiers naturels pour mesurer les grandeurs continues. Introduction : Découvrir

Plus en détail

Peut-on imiter le hasard?

Peut-on imiter le hasard? 168 Nicole Vogel Depuis que statistiques et probabilités ont pris une large place dans les programmes de mathématiques, on nous propose souvent de petites expériences pour tester notre perception du hasard

Plus en détail

Introduction à l étude des Corps Finis

Introduction à l étude des Corps Finis Introduction à l étude des Corps Finis Robert Rolland (Résumé) 1 Introduction La structure de corps fini intervient dans divers domaines des mathématiques, en particulier dans la théorie de Galois sur

Plus en détail

Chapitre 2 LE CAS PRATIQUE

Chapitre 2 LE CAS PRATIQUE Chapitre 2 LE CAS PRATIQUE Demande de conseil. Le cas pratique est un exercice juridique qui, à l instar d une personne se trouvant en situation de litige avec autrui, demande conseil. C est un exercice

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

ÉPREUVE COMMUNE DE TIPE 2008 - Partie D

ÉPREUVE COMMUNE DE TIPE 2008 - Partie D ÉPREUVE COMMUNE DE TIPE 2008 - Partie D TITRE : Les Fonctions de Hachage Temps de préparation :.. 2 h 15 minutes Temps de présentation devant le jury :.10 minutes Entretien avec le jury :..10 minutes GUIDE

Plus en détail

À propos des matrices échelonnées

À propos des matrices échelonnées À propos des matrices échelonnées Antoine Ducros appendice au cours de Géométrie affine et euclidienne dispensé à l Université Paris 6 Année universitaire 2011-2012 Introduction Soit k un corps, soit E

Plus en détail

Cours Optimisation Partie Optimisation Combinatoire. Année scolaire 2008-2009. Gérard Verfaillie ONERA/DCSD/CD, Toulouse Gerard.Verfaillie@onera.

Cours Optimisation Partie Optimisation Combinatoire. Année scolaire 2008-2009. Gérard Verfaillie ONERA/DCSD/CD, Toulouse Gerard.Verfaillie@onera. Cours Optimisation Partie Optimisation Combinatoire 3ième année ISAE Année scolaire 2008-2009 Gérard Verfaillie ONERA/DCSD/CD, Toulouse Gerard.Verfaillie@onera.fr Septembre 2008 Résumé Ce document couvre

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

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

Jade. Projet Intelligence Artificielle «Devine à quoi je pense»

Jade. Projet Intelligence Artificielle «Devine à quoi je pense» Jade Projet Intelligence Artificielle «Devine à quoi je pense» Réalisé par Djénéba Djikiné, Alexandre Bernard et Julien Lafont EPSI CSII2-2011 TABLE DES MATIÈRES 1. Analyse du besoin a. Cahier des charges

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

Formules d inclusion-exclusion

Formules d inclusion-exclusion Université de Rouen L1 M.I.EEA 2011 2012 Mathématiques discrètes Formules d inclusion-exclusion Je présente ici une correction détaillée de l Exercice 5 de la Feuille d exercices 1, en reprenant le problème

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

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

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

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

Introduction à l Algorithmique

Introduction à l Algorithmique Introduction à l Algorithmique N. Jacon 1 Définition et exemples Un algorithme est une procédure de calcul qui prend en entier une valeur ou un ensemble de valeurs et qui donne en sortie une valeur ou

Plus en détail

Ordonnancement. N: nains de jardin. X: peinture extérieure. E: électricité T: toit. M: murs. F: fondations CHAPTER 1

Ordonnancement. N: nains de jardin. X: peinture extérieure. E: électricité T: toit. M: murs. F: fondations CHAPTER 1 CHAPTER 1 Ordonnancement 1.1. Étude de cas Ordonnancement de tâches avec contraintes de précédences 1.1.1. Exemple : construction d'une maison. Exercice. On veut construire une maison, ce qui consiste

Plus en détail

Guide du/de la candidat/e pour l élaboration du dossier ciblé

Guide du/de la candidat/e pour l élaboration du dossier ciblé Guide du/de la candidat/e pour l élaboration du dossier ciblé en vue de l obtention du titre de "Conseiller ère diplômé e en orientation professionnelle, universitaire et de carrière" par la validation

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

Leçon 6. Savoir compter

Leçon 6. Savoir compter Leçon 6. Savoir compter Cette leçon est une introduction aux questions de dénombrements. Il s agit, d une part, de compter certains objets mathématiques (éléments, parties, applications,...) et, d autre

Plus en détail

Baccalauréat ES/L Métropole La Réunion 13 septembre 2013 Corrigé

Baccalauréat ES/L Métropole La Réunion 13 septembre 2013 Corrigé Baccalauréat S/L Métropole La Réunion 13 septembre 2013 Corrigé A. P. M.. P. XRCIC 1 Commun à tous les candidats Partie A 1. L arbre de probabilité correspondant aux données du problème est : 0,3 0,6 H

Plus en détail

Primaire. analyse a priori. Lucie Passaplan et Sébastien Toninato 1

Primaire. analyse a priori. Lucie Passaplan et Sébastien Toninato 1 Primaire l ESCALIER Une activité sur les multiples et diviseurs en fin de primaire Lucie Passaplan et Sébastien Toninato 1 Dans le but d observer les stratégies usitées dans la résolution d un problème

Plus en détail

PRÉPARATION DU BACCALAURÉAT MATHÉMATIQUES. SÉRIE ES Obligatoire et Spécialité

PRÉPARATION DU BACCALAURÉAT MATHÉMATIQUES. SÉRIE ES Obligatoire et Spécialité PRÉPARATIN DU BACCALAURÉAT MATHÉMATIQUES SÉRIE ES bligatoire et Spécialité Décembre 0 Durée de l épreuve : heures Coefficient : ou L usage d une calculatrice électronique de poche à alimentation autonome,

Plus en détail

Fouille de données orientée motifs, méthodes et usages.

Fouille de données orientée motifs, méthodes et usages. Fouille de données orientée motifs, méthodes et usages. François RIOULT GREYC - Équipe Données-Documents-Langues CNRS UMR 6072 Université de Caen Basse-Normandie France Résumé La fouille de données orientée

Plus en détail

Exercices sur le chapitre «Probabilités»

Exercices sur le chapitre «Probabilités» Arnaud de Saint Julien - MPSI Lycée La Merci 2014-2015 1 Pour démarrer Exercices sur le chapitre «Probabilités» Exercice 1 (Modélisation d un dé non cubique) On considère un parallélépipède rectangle de

Plus en détail

Cours 1 : Qu est-ce que la programmation?

Cours 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 détail

Cours de Probabilités et de Statistique

Cours de Probabilités et de Statistique Cours de Probabilités et de Statistique Licence 1ère année 2007/2008 Nicolas Prioux Université Paris-Est Cours de Proba-Stat 2 L1.2 Science-Éco Chapitre Notions de théorie des ensembles 1 1.1 Ensembles

Plus en détail

Quels polygones sont formés par les milieux des côtés d un autre polygone?

Quels polygones sont formés par les milieux des côtés d un autre polygone? La recherche à l'école page 13 Quels polygones sont formés par les milieux des côtés d un autre polygone? par d es co llèg es n dré o ucet de Nanterre et Victor ugo de Noisy-le-rand enseignants : Martine

Plus en détail

Algorithmique Travaux Dirigés

Algorithmique Travaux Dirigés Algorithmique Travaux Dirigés Master Technologie et Handicap : Intensifs 1 Corrigé Exercice 1 Affectations 1. Considérons les algorithmes ci-dessous. (a) Quel sera le contenu des variables a, b et éventuellement

Plus en détail

Intelligence Artificielle et Systèmes Multi-Agents. Badr Benmammar bbm@badr-benmammar.com

Intelligence Artificielle et Systèmes Multi-Agents. Badr Benmammar bbm@badr-benmammar.com Intelligence Artificielle et Systèmes Multi-Agents Badr Benmammar bbm@badr-benmammar.com Plan La première partie : L intelligence artificielle (IA) Définition de l intelligence artificielle (IA) Domaines

Plus en détail

Cours des Méthodes de Résolution Exactes Heuristiques et Métaheuristiques

Cours des Méthodes de Résolution Exactes Heuristiques et Métaheuristiques Université Mohammed V, Faculté des Sciences de Rabat Laboratoire de Recherche Mathématiques, Informatique et Applications Cours des Méthodes de Résolution Exactes Heuristiques et Métaheuristiques MASTER

Plus en détail

CCI Génie Logiciel UFR - IMA. Objectifs du cours d'aujourd'hui. Génie Logiciel Validation par le test. Qu est-ce que tester un programme?

CCI Génie Logiciel UFR - IMA. Objectifs du cours d'aujourd'hui. Génie Logiciel Validation par le test. Qu est-ce que tester un programme? Validation par le test Objectifs du cours d'aujourd'hui Donner des réponses aux questions suivantes : Lydie du Bousquet 2 Qu est-ce que tester un programme? Exercice 1 : Inscrivez sur une feuille ce que

Plus en détail

Problèmes arithmétiques issus de la cryptographie reposant sur les réseaux

Problèmes arithmétiques issus de la cryptographie reposant sur les réseaux Problèmes arithmétiques issus de la cryptographie reposant sur les réseaux Damien Stehlé LIP CNRS/ENSL/INRIA/UCBL/U. Lyon Perpignan, Février 2011 Damien Stehlé Problèmes arithmétiques issus de la cryptographie

Plus en détail

JEUX AVEC LES CHIFFRES DES DÉVELOPPEMENTS DÉCIMAUX DE QUELQUES RATIONNELS

JEUX AVEC LES CHIFFRES DES DÉVELOPPEMENTS DÉCIMAUX DE QUELQUES RATIONNELS JEUX AVEC LES CHIFFRES DES DÉVELOPPEMENTS DÉCIMAUX DE QUELQUES RATIONNELS Jean Luc Bovet, Auvernier Notre merveilleuse manière d écrire les nombres, due, dit-on, aux Indiens via les Arabes, présente en

Plus en détail

Algorithmes probabilistes. Références: Fundamentals of Algortihms de Gilles Brassard et Paul Bratley Note de cours de Pierre McKenzie

Algorithmes probabilistes. Références: Fundamentals of Algortihms de Gilles Brassard et Paul Bratley Note de cours de Pierre McKenzie Algorithmes probabilistes Références: Fundamentals of Algortihms de Gilles Brassard et Paul Bratley Note de cours de Pierre McKenzie Mise en contexte: Indices: Vous êtes à la recherche d un trésor légendaire

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

Couples de variables aléatoires discrètes

Couples de variables aléatoires discrètes Couples de variables aléatoires discrètes ECE Lycée Carnot mai Dans ce dernier chapitre de probabilités de l'année, nous allons introduire l'étude de couples de variables aléatoires, c'est-à-dire l'étude

Plus en 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

Angles orientés et trigonométrie

Angles orientés et trigonométrie Chapitre Angles orientés et trigonométrie Ce que dit le programme : CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Trigonométrie Cercle trigonométrique. Radian. Mesure d un angle orienté, mesure principale.

Plus en détail

1 Programmation Client/Serveur basée sur TCP/IP

1 Programmation Client/Serveur basée sur TCP/IP Outils Informatique pour l ingénieur TD 1 Réseau et Web IP, Client/serveur 1 Programmation Client/Serveur basée sur TCP/IP 1.1 Buts de cette réalisation Ce TP sur la programmation client/serveur a pour

Plus en détail

Modèles de calculs sur les réels

Modèles de calculs sur les réels Modèles de calculs sur les réels Olivier Bournez LORIA / INRIA Rencontres Arithmétique de l Informatique Mathématique Montpellier, 24 Janvier 2007. Pub!! L École Jeunes Chercheurs Informatique Mathématique

Plus en détail

TEMP 1 : AI-JE LA FIEVRE?

TEMP 1 : AI-JE LA FIEVRE? Fiche professeur TEMP 1 : AI-JE LA FIEVRE? TI-82 STATS TI-83 Plus TI-84 Plus Mots-clés : température, unité, conversion, Celsius, Fahrenheit, représentation, régression, modèle. 1. Objectifs a. Aspects

Plus en détail

La fonction exponentielle

La fonction exponentielle DERNIÈRE IMPRESSION LE 2 novembre 204 à :07 La fonction exponentielle Table des matières La fonction exponentielle 2. Définition et théorèmes.......................... 2.2 Approche graphique de la fonction

Plus en détail

Fondements de l informatique Logique, modèles, et calculs

Fondements 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 détail

Université Joseph Fourier MAT231 2008-2009

Université Joseph Fourier MAT231 2008-2009 Université Joseph Fourier MAT231 2008-2009 mat231-exo-03.tex (29 septembre 2008) Feuille d exercices n o 3 Exercice 3.1 Soit K un corps commutatif et soit {P 0, P 1,... P n } une famille de polynômes de

Plus en détail

Les indices à surplus constant

Les indices à surplus constant Les indices à surplus constant Une tentative de généralisation des indices à utilité constante On cherche ici en s inspirant des indices à utilité constante à définir un indice de prix de référence adapté

Plus en détail

Cours 3. La conditionnelle: instructions si et selon Les boucles Comment raisonner sur les boucles: les invariants de boucle

Cours 3. La conditionnelle: instructions si et selon Les boucles Comment raisonner sur les boucles: les invariants de boucle Cours 3 : Instructions qui changent l ordre d exécution séquentiel 1 Cours 3 Instructions qui changent l ordre d exécution séquentiel La conditionnelle: instructions si et selon Les boucles Comment raisonner

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