ARBRES. Etiquettes / Arbre ordinaire : A = (N,P) - N ensemble des nœuds - P relation binaire «parent de» - r N la racine

Dimension: px
Commencer à balayer dès la page:

Download "ARBRES. Etiquettes / Arbre ordinaire : A = (N,P) - N ensemble des nœuds - P relation binaire «parent de» - r N la racine"

Transcription

1 ARBRES Arbre ordinire : A = (N,P) - N ensemble des nœuds - P reltion binire «prent de» - r N l rcine x N un seul chemin de r vers x r = y o P y P y... P y n = x 0 r n ps de prent x N - { r } x exctement un prent 5 Étiquette : N E Etiquettes / + + b.. E T Arbre syntxique, rbre d exécution c + b b F F E T F F F E T T T F F F F F F Arbre d nlyse, pour une grmmire ( + b) / ( c ( + b ) + b ) 5

2 Arbre de décision 5? 3? 7?? 4? 6? 8?? =3? =4? =5? =6? =7? =8? =? =? =? 53 Arbre qurtique si imge toute noire si imge toute blnche sinon

3 Arbres lexicogrphiques Arcs (A) = { (x,y) / x prent de y } Étiquette : Arcs (A) E f s l o i r e i n i n o n r s ε, 0,, 00, 0, 0,, o o o o o o o. 55 huteur 3 Terminologie rcine nœud interne niveu brnche 0 nœud externe, 3, 4 enfnts de 3, 4 frères de, 3, 7 ncêtres de 7 7,, 0 descendnts de 7 56

4 Arbre A = Λ rbre vide ou (r, {A,..., A k } ) A = Λ { ou A Définitions récursives r A... r élément, A,..., A k rbres A k Nœuds (A) = {r} ( Nœuds (A i ) ) unions disjointes { Arbre plnire A = Λ rbre vide ou (r, A,..., A k ) 3 3 Condition nlogue 57 Niveux A rbre x nœud de A niveu A (x) = distnce de x à l rcine { niveu A (x) = 0 si x = rcine(a) + niveu (prent (x) ) sinon

5 Huteurs A rbre x nœud de A h A (x) = distnce de x à son plus lointin descendnt qui est un nœud externe { h A (x) = 0 si x nœud externe h(a) = h A (rcine(a)) + mx { h A (e) e enfnt de x } sinon h A (8) = 0 h A (7) = h A (3) = h(a) = h A () = Sous-rbres A rbre x nœud de A Arbre A (x) = sous-rbre de A qui rcine x h A (x) = h( Arbre A (x) ) A = Arbre A ( rcine(a) ) Arbre A () Arbre A (7) Arbre A (8) 0 60

6 Prcours Fonction : rbre liste de ses nœuds rbre vide liste vide Utile pour l explortion des rbres Deux types : prcours en profondeur préfixe, suffixe, symétrique prcours brnche près brnche prcours en lrgeur ou hiérrchique prcours niveu près niveu 6 Prcours en en profondeur Arbre non vide A = (r, A, A,, A k ) Prcours préfixe P(A) = (r).p(a ).....P(A k ) (,, 5, 6, 3, 7,, 0, 4, 8) Prcours suffixe S(A) = S(A ).....S(A k ).(r) (5, 6,,, 0, 7, 3, 8, 4, ) Prcours symétrique (ou interne) I(A) = I(A ).(r).i(a ).....I(A k ) (5,, 6,,, 7, 0, 3, 8, 4) 0 6

7 Expressions rithmétiques Arbre syntxique de! + b c d! + / - d b c Prcours préfixe Prcours suffixe +! / - b c d! b c - d / + Prcours symétrique (priorités et prenthèses) (!) + ((b - c) / d) 63 Rencontres 0 Prcours préfixe = première rencontre (,, 5, 6, 3, 7,, 0, 4, 8) Prcours Suffixe = dernière rencontre (5, 6,,, 0, 7, 3, 8, 4, ) Prcours Symétrique = deuxième rencontre (5,, 6,,, 7, 0, 3, 8, 4) 64

8 Prcours en en lrgeur Arbre non vide A = (r, A, A,, A k ) Prcours hiérrchique H(A) = (r, x,, x i, x i+,... x j, x j+,..., x n ) nœuds de niveu 0,,,... 0 (,, 3, 4, 5, 6, 7, 8,, 0) 65 Type rbre Ensemble Arbres plnires de nœuds étiquetés Opértions Arbre-vide : fi rbre Rcine : rbre fi nœud Enfnts : rbre fi liste d rbres Cons : nœud x liste d rbres fi rbre Vide : rbre fi booléen Elt : nœud fi élément Axiomes principux Rcine(A) et Enfnts(A) définis ssi A non vide Rcine (Cons(r, L)) = r Enfnts(Cons(r, L)) = L 66

9 Représenttion de l reltion P tble des prents Implémenttion Avntges représenttion simple prcours fciles vers l rcine économique en mémoire Inconvénients ccès difficiles ux nœuds depuis l rcine tble des prents P 67 Implémenttion (suite) Représenttion des listes de sous-rbres pr chînge Avntges ccès fciles depuis l rcine correspond à l définition récursive Inconvénients prcours difficiles vers l rcine 0 reltivement gourmnd en mémoire Deux types de pointeurs Arbre souvent identifié à l dresse de s rcine (comme pour un tbleu en C)... 68

10 Fonction Préfixe fonction Préfixe (A rbre) : liste de nœuds ; début si A = rbre vide lors retour (suite vide) sinon { L ( Rcine (A) ) ; pour B premier u dernier élément de Enfnts(A) fire L L. Préfixe(B) ; retour ( L ) ; } fin Temps d exécution : O(n) sur un rbre à n nœuds représenté pr pointeurs 6 Fonction suffixe fonction Suffixe (A rbre) : liste de nœuds ; début si A = rbre vide lors retour (suite vide) sinon { L ( ) ; pour B premier u dernier élément de Enfnts(A) fire L L. Suffixe(B) ; L L. (rcine(a) ) ; retour ( L ) ; } fin Temps d exécution : O(n) sur un rbre à n nœuds représenté pr pointeurs 70

11 Fonction Préfixe itértive fonction Préfixe (A rbre) : liste de nœuds ; début L ( ) ; Pile Empiler( Pile-vide, A ) ; tnt que non Vide( Pile ) fire { A sommet ( Pile ) ; Pile Dépiler ( Pile ) ; si A non vide lors { L L. (rcine(a ) ) ; pour B dernier u premier élément de Enfnts(A ) fire Pile Empiler ( Pile, B ) ; } } retour ( L ) ; fin Temps d exécution O(n) comme version récursive si, en plus, bonne implémenttion de l pile 7 Exemple sommet Pile Liste L = (,, 5, 6,. 7

12 Fonction Niveux fonction Niveux (A rbre) : liste de nœuds ; début L ( ) ; File Enfiler( File-vide, A ) ; tnt que non Vide( File ) fire { A tête ( File ) ; File Enlever ( File ) ; si A non vide lors { L L. (rcine(a ) ) ; pour B premier u dernier élément de Enfnts(A ) fire File Ajouter ( File, B ) ; } } retour ( L ) ; fin Temps d exécution O(n) si bonne implémenttion de l file ps de version récursive 73 Exemple tête File Liste L = (,,. 74

13 Arbres k-ires Arbre k-ire : tout nœud possède k sous-rbres (vides ou non), k fixé A = Λ rbre vide ou { (r, A,..., A k ) r élément, A,..., A k rbres k-ires Nœuds (A) = {r} ( Nœuds (A i ) ) unions disjointes Arbre k-ire complet : tout nœud interne possède k enfnts Arbres binires Arbre binire : tout nœud possède deux sous-rbres (vides ou non) A = Λ rbre vide ou { (r, G, D ) r élément, G, D rbres binires Arbre binire complet : tout nœud interne possède deux enfnts Nœuds (A) = {r} Nœuds (G ) Nœuds (D ) unions disjointes

14 Ensemble Arbres binires étiquetés Opértions Arbre-vide : fi rbre Rcine : rbre fi nœud Guche, Droit : rbre fi rbre Cons : nœud x rbre x rbre fi rbre Elt : nœud fi élément Vide : rbre fi booléen Implémenttions pr pointeurs ou curseurs Elt Type rbre binire Elt g d g Guche d Droit 77 Binristion 0 Implémenttion des rbres plnires 3 0 Lien premier enfnt Lien frère droit Un seul type de pointeur

15 Arbres feuillus Arbre binire feuillus (complets) : deux types de nœuds, internes ou feuilles -- tout nœud interne possède deux enfnts ; -- toute feuille est un nœud externe. A = ( f ) f de type feuille { (r, G, D ) r de type interne, G, D rbre binires feuillus Nœuds (A) = {r} Nœuds (G ) Nœuds (D ) unions disjointes Nœuds internes :,, 3, 4, 5, 6 Feuilles : 7, 8,, 0,,, Tille des rbres feuillus Arbre feuillu : nombre de feuilles = nombre de nœuds internes + Récurrence sur le nombre de nœuds de l rbre A : - si un seul nœud, c est une feuille ; propriété stisfite. - sinon, il existe un nœud interne dont les enfnts sont des feuilles, i.e. un sous-rbre (x, g, d) où g, d sont des feuilles. Soit B obtenu de A en remplçnt (x, g, d) pr une feuille f. B est un rbre feuillu de plus petite tille ; pr récurrence l églité est stisfite sur B ; donc ussi sur A qui possède un nœud interne et une feuille de plus. CQFD. Arbre feuillu :.m + nœuds 80

16 Mesures des rbres binires Arbre binire, huteur h et n nœuds Arbre plein i nœuds u niveu i n = h+ - Arbre filiforme nœud pr niveu n = h + Arbre binire h + n h+ - log (n + ) - h n - 8 Bijection Arbres binires à n nœuds «rbres binires complets à.n+ nœuds

17 Autre bijection Arbres plnires à n+ nœuds «rbres binires à n nœuds binristion redressement C n = nombre d rbres binires complets à n feuilles { C = 0, C = 0 n C = C C n n i n i i = n i feuilles Série génértrice : s( t ) = C n t s( t) = s( t) 4t = 4 + t s( t) = n n n / (/ -)...( / -n+ ) ( ) 4 t! t n n 0 n Énumértion n-i feuilles C n n ( )! = n = n n n!( n )! nombres de ctln 84

18 Compression texte source t Lecture nombres d occurrences des lettres Clcul d'un code texte z code C Décodge texte t texte t code C Codge texte compressé z 85 Codes Préfixes C {0,}* C code préfixe ssi u,v C et u préfixe de v u = v ucun mot de C n est un préfixe d un utre mot de C { 00,0,0, } { 0,0, } b c d b c code ASCII 0* décodge unique et séquentiel de x C* (vec C = 0*)

19 { 00,0,0, } b c d { 0,0, } b c 0* Bijection 0 0 b c b c d 0 0 Code préfixe mot du code Arbre binire nœud externe 87 Compression sttistique Codge des crctères en fonction de leur fréquence t = b r c d b r 5 fois 0 b fois 0 0 c fois 0 d fois r fois b 0 r 0 c d Texte codé z = bits (si on ne compte ps le code) contre x 8 en ASCII Décodge b r c d b r 88

20 Arbres pondérés t texte initil, z texte compressé p() = nombre d occurrences de dns t h() = mot du code ssocié à z = A p ( ). h ( ) Problème : connissnt p : A N - {0} clculer h : A { 0, }* tel que Problème équivlent : - h(a) est un code préfixe et - Σ p(). h() miniml déterminer un A rbre binire feuillu (complet) dont les feuilles sont les lettres de A, vec p : Feuilles(A) N - {0}, tel que Poids(A) = Σ p(f).niveu(f) est miniml f feuille de A 8 Arbres de de Huffmn Arbre pondéré : A rbre binire feuillu (complet) dont les feuilles sont les lettres de A p : Feuilles(A) N - {0} Poids(A) = Σ p(f).niveu(f) f feuille de A A rbre de Huffmn (pour p) si Poids(A) miniml b r c d Poids(A) = longueur du texte compressé = 5 x + x 3 + x 3 + x 3 + x 3 = 3 0

21 Exemple (suite) Trois rbres de Huffmn (Poids = 3) b r c d b d c r b r c d Poids = 8 Poids = 5 b r c d b d c r Propriétés A rbre pondéré pour p : A N - {0} ; A = Feuilles(A) - A rbre de Huffmn A rbre binire complet - A rbre de Huffmn et crd A > Alors, à une permuttion des feuilles près, A possède un sous-rbre (x, f, g) où f, g sont des feuilles telles que p(f), p(g) minimux f x g 3 - Soit B obtenu de A en y remplçnt (x, f, g) pr l feuille y ; soit q : Feuilles(B) N - {0} définie pr q(y) = p(f) + p(g) { q(u) = p(u) pour u y y Alors, A rbre de Huffmn pour p ssi B rbre de Huffmn pour q Preuve : cr Poids(A) = Poids(B) + p(f) + p(g)

22 Algorithme de de Huffmn p : A N - {0} rbre élémentire X = (x ), pour chque lettre A fonction Huffmn (lphbet A, fonction p) début L (X A ) ; tnt que L > fire { B, C rbres de L vec p(b), p(c) minimux ; Y (nouveu-nœud, B, C) ; p(y) p(b) + p(c) ; remplcer B et C dns L pr Y ; } retour l unique rbre de L ; fin 3 Exemple 5 b r c d b 0 0 r 0 c 0 d Arbre de Huffmn Code de Huffmn 4

23 Implémenttion 3 4 b r c p g d 5 Tble de tille.crd A - Clcul : tri en temps O(crd A x log crd A) construction de l rbre en O(crd A) d b r c d 4 6 5

Chapitre 11 : L inductance

Chapitre 11 : L inductance Chpitre : inductnce Exercices E. On donne A πr 4π 4 metn N 8 spires/m. () Selon l exemple., µ n A 4π 7 (8) 4π 4 (,5) 5 µh (b) À prtir de l éqution.4, on trouve ξ ξ 4 3 5 6 6,3 A/s E. On donne A πr,5π 4

Plus en détail

Algorithmes sur les mots (séquences)

Algorithmes sur les mots (séquences) Introduction Algorithmes sur les mots (séquences) Algorithmes sur les mots (textes, séquences, chines de crctères) Nomreuses pplictions : ses de données iliogrphiques ioinformtique (séquences de iomolécules)

Plus en détail

Tout ce qu il faut savoir en math

Tout ce qu il faut savoir en math Tout ce qu il fut svoir en mth 1 Pourcentge Prendre un pourcentge t % d un quntité : t Clculer le pourcentge d une quntité pr rpport à une quntité b : Le coefficient multiplicteur CM pour une ugmenttion

Plus en détail

LANGAGES - GRAMMAIRES - AUTOMATES

LANGAGES - GRAMMAIRES - AUTOMATES LANGAGES - GRAMMAIRES - AUTOMATES Mrie-Pule Muller Version du 14 juillet 2005 Ce cours présente et met en oeuvre quelques méthodes mthémtiques pour l informtique théorique. Ces notions de bse pourront

Plus en détail

Chapitre 2 Le problème de l unicité des solutions

Chapitre 2 Le problème de l unicité des solutions Université Joseph Fourier UE MAT 127 Mthémtiques nnée 2009-2010 Chpitre 2 Le prolème de l unicité des solutions 1 Le prolème et quelques réponses : 1.1 Un exemple Montrer que l éqution différentielle :

Plus en détail

Toyota Assurances Toujours la meilleure solution

Toyota Assurances Toujours la meilleure solution Toyot Assurnces Toujours l meilleure solution De quelle ssurnce vez-vous besoin? Vous roulez déjà en Toyot ou vous ttendez s livrison. Votre voiture est neuve ou d occsion. Vous vlez les kilomètres ou

Plus en détail

STI2D Logique binaire SIN. L' Algèbre de BOOLE

STI2D Logique binaire SIN. L' Algèbre de BOOLE L' Algère de BOOLE L'lgère de Boole est l prtie des mthémtiques, de l logique et de l'électronique qui s'intéresse ux opértions et ux fonctions sur les vriles logiques. Le nom provient de George Boole.

Plus en détail

Théorème de Poincaré - Formule de Green-Riemann

Théorème de Poincaré - Formule de Green-Riemann Chpitre 11 Théorème de Poincré - Formule de Green-Riemnn Ce chpitre s inscrit dns l continuité du précédent. On vu à l proposition 1.16 que les formes différentielles sont bien plus grébles à mnipuler

Plus en détail

Calculs de probabilités

Calculs de probabilités Calculs de probabilités Mathématiques Générales B Université de Genève Sylvain Sardy 13 mars 2008 1. Définitions et notations 1 L origine des probabilités est l analyse de jeux de hasard, tels que pile

Plus en détail

ANALYSE NUMERIQUE NON-LINEAIRE

ANALYSE NUMERIQUE NON-LINEAIRE Université de Metz Licence de Mthémtiques - 3ème nnée 1er semestre ANALYSE NUMERIQUE NON-LINEAIRE pr Rlph Chill Lbortoire de Mthémtiques et Applictions de Metz Année 010/11 1 Tble des mtières Chpitre

Plus en détail

Pour développer votre entreprise LES LOGICIELS EN LIGNE, VOUS ALLEZ DIRE OUI!

Pour développer votre entreprise LES LOGICIELS EN LIGNE, VOUS ALLEZ DIRE OUI! Pour développer votre entreprise Gestion Commercile Gérez le cycle complet des chts (demnde de prix, fcture fournisseur), des stocks (entrée, sortie mouvement, suivi) et des ventes (devis, fcture, règlement,

Plus en détail

Chapitre VI Contraintes holonomiques

Chapitre VI Contraintes holonomiques 55 Chpitre VI Contrintes holonomiques Les contrintes isopérimétriques vues u chpitre précéent ne sont qu un eemple prticulier e contrintes sur les fonctions y e notre espce e fonctions missibles. Dns ce

Plus en détail

Guide d'utilisation Easy Interactive Tools Ver. 2

Guide d'utilisation Easy Interactive Tools Ver. 2 Guide d'utilistion Esy Interctive Tools Ver. 2 Guide d'utilistion Esy Interctive Tools Ver.2 Présenttion de Esy Interctive Tools 3 Crctéristiques Fonction de dessin Vous pouvez utiliser Esy Interctive

Plus en détail

Projet d informatique M1BI : Compression et décompression de texte. 1 Généralités sur la compression/décompression de texte

Projet d informatique M1BI : Compression et décompression de texte. 1 Généralités sur la compression/décompression de texte Projet d informatique M1BI : Compression et décompression de texte Le but de ce projet est de coder un programme réalisant de la compression et décompression de texte. On se proposera de coder deux algorithmes

Plus en détail

INTENTION LES PROCESSUS MATHÉMATIQUES

INTENTION LES PROCESSUS MATHÉMATIQUES INTENTION Adpttios u Cdre commu des progrmmes d études de mthémtiques M-9 telles que reflétées ds le documet Mthémtiques M-9 : Progrmme d études de l Albert (2007) Le coteu du documet Mthémtiques M-9 :

Plus en détail

Correction de l épreuve CCP 2001 PSI Maths 2 PREMIÈRE PARTIE ) (

Correction de l épreuve CCP 2001 PSI Maths 2 PREMIÈRE PARTIE ) ( Correction de l épreuve CCP PSI Mths PREMIÈRE PARTIE I- Soit t u voisinge de, t Alors ϕt t s = ϕt ρt s ρs Pr hypothèse, l fonction ϕt ϕt est lorsque t, il en est donc de même de ρt s ρt s ρs cr ρ s est

Plus en détail

Turbine hydraulique Girard simplifiée pour faibles et très faibles puissances

Turbine hydraulique Girard simplifiée pour faibles et très faibles puissances Turbine hydrulique Girrd simplifiée pour fibles et très fibles puissnces Prof. Ing. Zoltàn Hosszuréty, DrSc. Professeur à l'université technique de Kosice Les sites hydruliques disposnt de fibles débits

Plus en détail

/HVV\VWqPHVFRPELQDWRLUHV

/HVV\VWqPHVFRPELQDWRLUHV /HVV\VWqPHVFRPELQDWRLUHV I. Définition On ppelle système combintoire tout système numérique dont les sorties sont exclusivement définies à prtir des vribles d entrée (Figure ). = f(x, x 2,,, x n ) x x

Plus en détail

Conseils et astuces pour les structures de base de la Ligne D30

Conseils et astuces pour les structures de base de la Ligne D30 Conseils et stuces pour les structures de bse de l Ligne D30 Conseils et stuces pour l Ligne D30 Ligne D30 - l solution élégnte pour votre production. Rentbilité optimle et méliortion continue des séquences

Plus en détail

Synthèse de cours (Terminale S) Calcul intégral

Synthèse de cours (Terminale S) Calcul intégral Synthèse de cours (Terminle S) Clcul intégrl Intégrle d une onction continue positive sur un intervlle [;] Dns cette première prtie, on considère une onction continue positive sur un intervlle [ ; ] (

Plus en détail

Génie Logiciel avec Ada. 4 février 2013

Génie Logiciel avec Ada. 4 février 2013 Génie Logiciel 4 février 2013 Plan I. Généralités II. Structures linéaires III. Exceptions IV. Structures arborescentes V. Dictionnaires I. Principes II. Notions propres à la POO I. Principes Chapitre

Plus en détail

COURS D ANALYSE. Licence d Informatique, première. Laurent Michel

COURS D ANALYSE. Licence d Informatique, première. Laurent Michel COURS D ANALYSE Licence d Informtique, première nnée Lurent Michel Printemps 2010 2 Tble des mtières 1 Éléments de logique 5 1.1 Fbriquer des énoncés........................ 5 1.1.1 Enoncés élémentires.....................

Plus en détail

Module 2 : Déterminant d une matrice

Module 2 : Déterminant d une matrice L Mth Stt Module les déterminnts M Module : Déterminnt d une mtrice Unité : Déterminnt d une mtrice x Soit une mtrice lignes et colonnes (,) c b d Pr définition, son déterminnt est le nombre réel noté

Plus en détail

L'algèbre de BOOLE ou algèbre logique est l'algèbre définie pour des variables ne pouvant prendre que deux états.

L'algèbre de BOOLE ou algèbre logique est l'algèbre définie pour des variables ne pouvant prendre que deux états. ciences Industrielles ystèmes comintoires Ppnicol Roert Lycée Jcques Amyot I - YTEME COMBINATOIRE A. Algère de Boole. Vriles logiques: Un signl réel est une grndeur physique en générl continue, on ssocie

Plus en détail

Travaux pratiques. Compression en codage de Huffman. 1.3. Organisation d un projet de programmation

Travaux pratiques. Compression en codage de Huffman. 1.3. Organisation d un projet de programmation Université de Savoie Module ETRS711 Travaux pratiques Compression en codage de Huffman 1. Organisation du projet 1.1. Objectifs Le but de ce projet est d'écrire un programme permettant de compresser des

Plus en détail

INF601 : Algorithme et Structure de données

INF601 : Algorithme et Structure de données Cours 2 : TDA Arbre Binaire B. Jacob IC2/LIUM 27 février 2010 Plan 1 Introuction 2 Primitives u TDA Arbin 3 Réalisations u TDA Arbin par cellules chaînées par cellules contiguës par curseurs (faux pointeurs)

Plus en détail

Séquence 8. Probabilité : lois à densité. Sommaire

Séquence 8. Probabilité : lois à densité. Sommaire Séquence 8 Proilité : lois à densité Sommire. Prérequis 2. Lois de proilité à densité sur un intervlle 3. Lois uniformes 4. Lois exponentielles 5. Synthèse de l séquence Dns cette séquence, on introduit

Plus en détail

Université Paris-Dauphine DUMI2E. UFR Mathématiques de la décision. Notes de cours. Analyse 2. Filippo SANTAMBROGIO

Université Paris-Dauphine DUMI2E. UFR Mathématiques de la décision. Notes de cours. Analyse 2. Filippo SANTAMBROGIO Université Pris-Duphine DUMI2E UFR Mthémtiques de l décision Notes de cours Anlyse 2 Filippo SANTAMBROGIO Année 2008 2 Tble des mtières 1 Optimistion de fonctions continues et dérivbles 5 1.1 Continuité........................................

Plus en détail

Réalisation de sites Internet PME & Grandes entreprises Offre Premium. Etude du projet. Webdesign. Intégration HTML. Développement.

Réalisation de sites Internet PME & Grandes entreprises Offre Premium. Etude du projet. Webdesign. Intégration HTML. Développement. Rélistion de sites Internet PME & Grndes entreprises Offre Premium Etude du projet Réunions de trvil et étude personnlisée de votre projet Définition d une strtégie de pré-référencement Webdesign Définition

Plus en détail

Statuts ASF Association Suisse Feldenkrais

Statuts ASF Association Suisse Feldenkrais Sttuts ASF Assocition Suisse Feldenkris Contenu Pge I. Nom, siège, ojectif et missions 1 Nom et siège 2 2 Ojectif 2 3 Missions 2 II. Memres 4 Modes d ffilition 3 5 Droits et oligtions des memres 3 6 Adhésion

Plus en détail

Partie 4 : La monnaie et l'inflation

Partie 4 : La monnaie et l'inflation Prtie 4 : L monnie et l'infltion Enseignnt A. Direr Licence 2, 1er semestre 2008-9 Université Pierre Mendès Frnce Cours de mcroéconomie suite 4.1 Introduction Nous vons vu dns l prtie introductive que

Plus en détail

Régression multiple : principes et exemples d application. Dominique Laffly UMR 5 603 CNRS Université de Pau et des Pays de l Adour Octobre 2006

Régression multiple : principes et exemples d application. Dominique Laffly UMR 5 603 CNRS Université de Pau et des Pays de l Adour Octobre 2006 Régression multiple : principes et eemples d ppliction Dominique Lffly UMR 5 603 CNRS Université de Pu et des Pys de l Adour Octobre 006 Destiné à de futurs thémticiens, notmment géogrphes, le présent

Plus en détail

Licence M.A.S.S. Cours d Analyse S4

Licence M.A.S.S. Cours d Analyse S4 Université Pris I, Pnthéon - Sorbonne Licence MASS Cours d Anlyse S4 Jen-Mrc Brdet (Université Pris 1, SAMM) UFR 27 et Equipe SAMM (Sttistique, Anlyse et Modélistion Multidisiplinire) Université Pnthéon-Sorbonne,

Plus en détail

Sciences Industrielles Précision des systèmes asservis Papanicola Robert Lycée Jacques Amyot

Sciences Industrielles Précision des systèmes asservis Papanicola Robert Lycée Jacques Amyot Scence Indutrelle Précon de ytème erv Pncol Robert Lycée Jcque Amyot I - PRECISION DES SYSTEMES ASSERVIS A. Poton du roblème 1. Préentton On vu que le rôle d un ytème erv et de fre uvre à l orte (t) une

Plus en détail

semestre 3 des Licences MISM annnée universitaire 2004-2005

semestre 3 des Licences MISM annnée universitaire 2004-2005 MATHÉMATIQUES 3 semestre 3 des Licences MISM nnnée universitire 24-25 Driss BOULARAS 2 Tble des mtières Rppels 5. Ensembles et opértions sur les ensembles.................. 5.. Prties d un ensemble.........................

Plus en détail

T. A. D. pile. Chapitre 7 (suite) Listes particulières. T. A. D. file. représentation chaînée de la file algorithmique. Files

T. A. D. pile. Chapitre 7 (suite) Listes particulières. T. A. D. file. représentation chaînée de la file algorithmique. Files Chapitre 7 (suite) Listes particulières Pile : liste particulière T. A. D. pile insertion et suppression au sommet de la pile extraction Files queue Listes doublement chaînées insertion file : liste particulière

Plus en détail

LITE-FLOOR. Dalles de sol et marches d escalier. Information technique

LITE-FLOOR. Dalles de sol et marches d escalier. Information technique LITE-FLOOR Dlles de sol et mrches d esclier Informtion technique Recommndtions pour le clcul et l pose de LITE-FLOOR Générlités Cette rochure reprend les règles de se à respecter pour grntir l rélistion

Plus en détail

Notes de révision : Automates et langages

Notes de révision : Automates et langages Préprtion à l grégtion de mthémtiques 2011 2012 Notes de révision : Automtes et lngges Benjmin MONMEGE et Sylvin SCHMITZ LSV, ENS Cchn & CNRS Version du 24 octore 2011 (r66m) CC Cretive Commons y-nc-s

Plus en détail

La mesure de Lebesgue sur la droite réelle

La mesure de Lebesgue sur la droite réelle Chapitre 1 La mesure de Lebesgue sur la droite réelle 1.1 Ensemble mesurable au sens de Lebesgue 1.1.1 Mesure extérieure Définition 1.1.1. Un intervalle est une partie convexe de R. L ensemble vide et

Plus en détail

LICENCE DE MATHÉMATIQUES DEUXIÈME ANNÉE. Unité d enseignement LCMA 4U11 ANALYSE 3. Françoise GEANDIER

LICENCE DE MATHÉMATIQUES DEUXIÈME ANNÉE. Unité d enseignement LCMA 4U11 ANALYSE 3. Françoise GEANDIER LICENCE DE MATHÉMATIQUES DEUXIÈME ANNÉE Unité d enseignement LCMA 4U ANALYSE 3 Frnçoise GEANDIER Université Henri Poincré Nncy I Déprtement de Mthémtiques . Tble des mtières I Séries numériques. Séries

Plus en détail

Les structures de données. Rajae El Ouazzani

Les structures de données. Rajae El Ouazzani Les structures de données Rajae El Ouazzani Les arbres 2 1- Définition de l arborescence Une arborescence est une collection de nœuds reliés entre eux par des arcs. La collection peut être vide, cad l

Plus en détail

Probabilités. C. Charignon. I Cours 3

Probabilités. C. Charignon. I Cours 3 Probabilités C. Charignon Table des matières I Cours 3 1 Dénombrements 3 1.1 Cardinal.................................................. 3 1.1.1 Définition............................................. 3

Plus en détail

LOGICIEL FONCTIONNEL EMC VNX

LOGICIEL FONCTIONNEL EMC VNX LOGICIEL FONCTIONNEL EMC VNX Améliortion des performnces des pplictions, protection des données critiques et réduction des coûts de stockge vec les logiciels complets d EMC POINTS FORTS VNX Softwre Essentils

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

Influence du milieu d étude sur l activité (suite) Inhibition et activation

Influence du milieu d étude sur l activité (suite) Inhibition et activation Influence du milieu d étude sur l ctivité (suite) Inhibition et ctivtion Influence de l tempérture Influence du ph 1 Influence de l tempérture Si on chuffe une préprtion enzymtique, l ctivité ugmente jusqu

Plus en détail

Probabilités (méthodes et objectifs)

Probabilités (méthodes et objectifs) Probabilités (méthodes et objectifs) G. Petitjean Lycée de Toucy 10 juin 2007 G. Petitjean (Lycée de Toucy) Probabilités (méthodes et objectifs) 10 juin 2007 1 / 19 1 Déterminer la loi de probabilité d

Plus en détail

Electrovanne double Dimension nominale Rp 3/8 - Rp 2 DMV-D/11 DMV-DLE/11

Electrovanne double Dimension nominale Rp 3/8 - Rp 2 DMV-D/11 DMV-DLE/11 Electrovnne double Dimension nominle 3/8 - DMV-D/11 DMV-DLE/11 7.30 M Edition 11.13 Nr. 223 926 1 6 Technique L électrovnne double DUNGS DMV intère deux électrovnnes dns un même bloc compct : - vnnes d

Plus en détail

Probabilités conditionnelles Loi binomiale

Probabilités conditionnelles Loi binomiale Exercices 23 juillet 2014 Probabilités conditionnelles Loi binomiale Équiprobabilité et variable aléatoire Exercice 1 Une urne contient 5 boules indiscernables, 3 rouges et 2 vertes. On tire au hasard

Plus en détail

Créer et modifier un fichier d'import des coordonnées approximatives avec Excel

Créer et modifier un fichier d'import des coordonnées approximatives avec Excel Créer et modifier un fichier d'import des coordonnées approximatives avec Excel Manuel d'utilisation Date: 26.03.2015 Version: 1.0 Auteur: Christoph Rüfenacht Statut: En cours Libéré Classification: publique

Plus en détail

Probabilités et Statistiques. Feuille 2 : variables aléatoires discrètes

Probabilités et Statistiques. Feuille 2 : variables aléatoires discrètes IUT HSE Probabilités et Statistiques Feuille : variables aléatoires discrètes 1 Exercices Dénombrements Exercice 1. On souhaite ranger sur une étagère 4 livres de mathématiques (distincts), 6 livres de

Plus en détail

Algorithmique, Structures de données et langage C

Algorithmique, Structures de données et langage C UNIVERSITE PAUL SABATIER TOULOUSE III Algorithmique, Structures de données et langage C L3 IUP AISEM/ICM Janvier 2005 J.M. ENJALBERT Chapitre 1 Rappels et compléments de C 1.1 Structures Une structure

Plus en détail

Probabilité. Table des matières. 1 Loi de probabilité 2 1.1 Conditions préalables... 2 1.2 Définitions... 2 1.3 Loi équirépartie...

Probabilité. Table des matières. 1 Loi de probabilité 2 1.1 Conditions préalables... 2 1.2 Définitions... 2 1.3 Loi équirépartie... 1 Probabilité Table des matières 1 Loi de probabilité 2 1.1 Conditions préalables........................... 2 1.2 Définitions................................. 2 1.3 Loi équirépartie..............................

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

Chapitre 1 : Fonctions analytiques - introduction

Chapitre 1 : Fonctions analytiques - introduction 2e semestre 2/ UE 4 U : Abrégé de cours Anlyse 3: fonctions nlytiques Les notes suivntes, disponibles à l dresse http://www.iecn.u-nncy.fr/ bertrm/, contiennent les définitions et les résultts principux

Plus en détail

Baccalauréat S Asie 19 juin 2014 Corrigé

Baccalauréat S Asie 19 juin 2014 Corrigé Bcclurét S Asie 9 jui 24 Corrigé A. P. M. E. P. Exercice Commu à tous les cdidts 4 poits Questio - c. O peut élimier rpidemet les réposes. et d. cr les vecteurs directeurs des droites proposées e sot ps

Plus en détail

Algorithmes de recherche

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

Plus en détail

Pour développer votre entreprise. Compta LES LOGICIELS EN LIGNE, VOUS ALLEZ DIRE OUI!

Pour développer votre entreprise. Compta LES LOGICIELS EN LIGNE, VOUS ALLEZ DIRE OUI! Pour développer votre entreprise Compt Avec EBP Compt, vous ssurez le suivi de l ensemble de vos opértions et exploitez les données les plus complexes en toute sécurité. Toutes les fonctionnlités essentielles

Plus en détail

TP n 2 Concepts de la programmation Objets Master 1 mention IL, semestre 2 Le type Abstrait Pile

TP n 2 Concepts de la programmation Objets Master 1 mention IL, semestre 2 Le type Abstrait Pile TP n 2 Concepts de la programmation Objets Master 1 mention IL, semestre 2 Le type Abstrait Pile Dans ce TP, vous apprendrez à définir le type abstrait Pile, à le programmer en Java à l aide d une interface

Plus en détail

Arbres binaires de recherche

Arbres binaires de recherche 1 arbre des comparaisons 2 recherche dichotomique l'arbre est recalculé à chaque recherche 2 5 3 4 7 9 1 6 1 2 3 4 5 6 7 9 10 conserver la structure d'arbre au lieu de la reconstruire arbre binaire de

Plus en détail

Baccalauréat ES Polynésie (spécialité) 10 septembre 2014 Corrigé

Baccalauréat ES Polynésie (spécialité) 10 septembre 2014 Corrigé Baccalauréat ES Polynésie (spécialité) 10 septembre 2014 Corrigé A. P. M. E. P. Exercice 1 5 points 1. Réponse d. : 1 e Le coefficient directeur de la tangente est négatif et n est manifestement pas 2e

Plus en détail

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

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

Plus en détail

CH.6 Propriétés des langages non contextuels

CH.6 Propriétés des langages non contextuels CH.6 Propriétés des langages non contetuels 6.1 Le lemme de pompage 6.2 Les propriétés de fermeture 6.3 Les problèmes de décidabilité 6.4 Les langages non contetuels déterministes utomates ch6 1 6.1 Le

Plus en détail

Introduction à la modélisation et à la vérication p. 1/8

Introduction à la modélisation et à la vérication p. 1/8 Introduction à l modélistion et à l vériction Appliction ux systèmes temporisés Ptrici Bouyer LSV CNRS & ENS de Cchn Introduction à l modélistion et à l vériction p. 1/8 Modélistion & Vériction Introduction

Plus en détail

Probabilités. I Petits rappels sur le vocabulaire des ensembles 2 I.1 Définitions... 2 I.2 Propriétés... 2

Probabilités. I Petits rappels sur le vocabulaire des ensembles 2 I.1 Définitions... 2 I.2 Propriétés... 2 Probabilités Table des matières I Petits rappels sur le vocabulaire des ensembles 2 I.1 s................................................... 2 I.2 Propriétés...................................................

Plus en détail

INSTALLATION DE DETECTION INCENDIE

INSTALLATION DE DETECTION INCENDIE reglement > > instlltion E ETECTON NCENE NSTALLATON E ETECTON NCENE Une instlltion de détection incendie pour objectif de déceler et signler, le plus tôt possible, d une mnière fible, l nissnce d un incendie,

Plus en détail

INFORMATIONS TECHNIQUES

INFORMATIONS TECHNIQUES 0 INFORMATIONS TECHNIQUES tle des mtieres 06 Alimenttions et ccessoires 08 Postes extérieurs Sfer Postes extérieurs minisfer 9 Postes internes Accessoires d instlltion Centrux téléphoniques PABX Cmérs

Plus en détail

FONDATION CLEMENTINE ET MAURICE ANTILLE

FONDATION CLEMENTINE ET MAURICE ANTILLE FONDATION CLEMENTINE ET MAURICE ANTILLE Règlement d ttriution de ourses et de prêts d études et de formtion du déemre 006 Artile premier Ojet et hmp d pplition Le présent règlement est étli en pplition

Plus en détail

Avant d utiliser l appareil, lisez ce Guide de référence rapide pour connaître la procédure de configuration et d installation.

Avant d utiliser l appareil, lisez ce Guide de référence rapide pour connaître la procédure de configuration et d installation. Guide de référence rpide Commencer Avnt d utiliser l ppreil, lisez ce Guide de référence rpide pour connître l procédure de configurtion et d instlltion. NE rccordez PAS le câle d interfce mintennt. 1

Plus en détail

Chap 4: Analyse syntaxique. Prof. M.D. RAHMANI Compilation SMI- S5 2013/14 1

Chap 4: Analyse syntaxique. Prof. M.D. RAHMANI Compilation SMI- S5 2013/14 1 Chap 4: Analyse syntaxique 1 III- L'analyse syntaxique: 1- Le rôle d'un analyseur syntaxique 2- Grammaires non contextuelles 3- Ecriture d'une grammaire 4- Les méthodes d'analyse 5- L'analyse LL(1) 6-

Plus en 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

Guide de l'utilisateur

Guide de l'utilisateur Guide de l'utilisteur Symboles Utilisés Dns ce Guide Indictions de sécurité L documenttion et le projecteur utilisent des symboles grphiques qui indiquent comment utiliser l ppreil en toute sécurité. Veillez

Plus en détail

GPA770 Microélectronique appliquée Exercices série A

GPA770 Microélectronique appliquée Exercices série A GPA770 Microélectronique appliquée Exercices série A 1. Effectuez les calculs suivants sur des nombres binaires en complément à avec une représentation de 8 bits. Est-ce qu il y a débordement en complément

Plus en détail

Capacité d un canal Second Théorème de Shannon. Théorie de l information 1/34

Capacité d un canal Second Théorème de Shannon. Théorie de l information 1/34 Capacité d un canal Second Théorème de Shannon Théorie de l information 1/34 Plan du cours 1. Canaux discrets sans mémoire, exemples ; 2. Capacité ; 3. Canaux symétriques ; 4. Codage de canal ; 5. Second

Plus en détail

Quelques Algorithmes simples

Quelques Algorithmes simples Quelques Algorithmes simples Irène Guessarian ig@liafa.jussieu.fr 10 janvier 2012 Je remercie Patrick Cegielski de son aide efficace pour la programmation Java ; la section sur le codage de Huffman a été

Plus en détail

ARBRES BINAIRES DE RECHERCHE

ARBRES BINAIRES DE RECHERCHE ARBRES BINAIRES DE RECHERCHE Table de symboles Recherche : opération fondamentale données : éléments avec clés Type abstrait d une table de symboles (symbol table) ou dictionnaire Objets : ensembles d

Plus en détail

P1 : Corrigés des exercices

P1 : Corrigés des exercices P1 : Corrigés des exercices I Exercices du I I.2.a. Poker : Ω est ( l ensemble ) des parties à 5 éléments de l ensemble E des 52 cartes. Cardinal : 5 I.2.b. Bridge : Ω est ( l ensemble ) des parties à

Plus en détail

Centre CPGE TSI - Safi 2010/2011. Algorithmique et programmation :

Centre CPGE TSI - Safi 2010/2011. Algorithmique et programmation : Algorithmique et programmation : STRUCTURES DE DONNÉES A. Structure et enregistrement 1) Définition et rôle des structures de données en programmation 1.1) Définition : En informatique, une structure de

Plus en détail

Compression de Données - Algorithme de Huffman Document de Conception

Compression de Données - Algorithme de Huffman Document de Conception ROLLET Samuel SALLE Jennifer Compression de Données - Algorithme de Huffman Document de Conception Projet d'algorithmique et Structure des Données 1 SOMMAIRE 1. Domaine d application....4 1.1 Objectifs

Plus en détail

Programmation Par Contraintes

Programmation Par Contraintes Programmation Par Contraintes Cours 2 - Arc-Consistance et autres amusettes David Savourey CNRS, École Polytechnique Séance 2 inspiré des cours de Philippe Baptiste, Ruslan Sadykov et de la thèse d Hadrien

Plus en détail

A11 : La représentation chaînée (1ère partie)

A11 : La représentation chaînée (1ère partie) A11 : L représettio chîée (1ère prtie) - Défiitio et schéms de cosulttio - Schéms de mise à jour (isertio, suppressio) - Exemples J-P. Peyri - L représettio chîée (première prtie) 0 Pricipe de l représettio

Plus en détail

Cours d Analyse IV Suites et Séries de fonctions

Cours d Analyse IV Suites et Séries de fonctions Université Clude Bernrd, Lyon I Licence Sciences, Technologies & Snté 43, boulevrd 11 novembre 1918 Spécilité Mthémtiques 69622 Villeurbnne cedex, Frnce L. Pujo-Menjouet pujo@mth.univ-lyon1.fr Cours d

Plus en détail

Bases de données Cours 5 : Base de données déductives

Bases de données Cours 5 : Base de données déductives Cours 5 : ESIL Université de la méditerranée Odile.Papini@esil.univmed.fr http://odile.papini.perso.esil.univmed.fr/sources/bd.html Plan du cours 1 Introduction 2 approche sémantique approche axiomatique

Plus en détail

Calculs de probabilités conditionelles

Calculs de probabilités conditionelles Calculs de probabilités conditionelles Mathématiques Générales B Université de Genève Sylvain Sardy 20 mars 2008 1. Indépendance 1 Exemple : On lance deux pièces. Soit A l évènement la première est Pile

Plus en détail

Intégration et probabilités TD1 Espaces mesurés Corrigé

Intégration et probabilités TD1 Espaces mesurés Corrigé Intégration et probabilités TD1 Espaces mesurés Corrigé 2012-2013 1 Petites questions 1 Est-ce que l ensemble des ouverts de R est une tribu? Réponse : Non, car le complémentaire de ], 0[ n est pas ouvert.

Plus en détail

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

Simulation de variables aléatoires

Simulation de variables aléatoires Chapter 1 Simulation de variables aléatoires Références: [F] Fishman, A first course in Monte Carlo, chap 3. [B] Bouleau, Probabilités de l ingénieur, chap 4. [R] Rubinstein, Simulation and Monte Carlo

Plus en détail

Sommaire. 6. Tableau récapitulatif... 10. Sophos NAC intégré Vs. NAC Advanced - 17 Février 2009 2

Sommaire. 6. Tableau récapitulatif... 10. Sophos NAC intégré Vs. NAC Advanced - 17 Février 2009 2 Sommire 1. A propos de Sophos... 3 2. Comprtif des solutions Sophos NAC... 4 3. Sophos NAC pour Endpoint Security nd Control 8.0... 4 3.1. Administrtion et déploiement... 4 3.2. Gestion des politiques

Plus en détail

Licence Bio Informatique Année 2004-2005. Premiers pas. Exercice 1 Hello World parce qu il faut bien commencer par quelque chose...

Licence Bio Informatique Année 2004-2005. Premiers pas. Exercice 1 Hello World parce qu il faut bien commencer par quelque chose... Université Paris 7 Programmation Objet Licence Bio Informatique Année 2004-2005 TD n 1 - Correction Premiers pas Exercice 1 Hello World parce qu il faut bien commencer par quelque chose... 1. Enregistrez

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

UE C avancé cours 1: introduction et révisions

UE C avancé cours 1: introduction et révisions Introduction Types Structures de contrôle Exemple UE C avancé cours 1: introduction et révisions Jean-Lou Desbarbieux et Stéphane Doncieux UMPC 2004/2005 Introduction Types Structures de contrôle Exemple

Plus en détail

3- Les taux d'intérêt

3- Les taux d'intérêt 3- Les tux d'intérêt Mishkin (2007), Monnie, Bnque et mrchés finnciers, Person Eduction, ch. 4 et 6 Vernimmen (2005), Finnce d'entreprise, Dlloz, ch. 20 à 22 1- Mesurer les tux d'intérêt comprer les différents

Plus en détail

Plus courts chemins, programmation dynamique

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

Plus en détail

EX-word TextLoader Fonction Bibliothèque

EX-word TextLoader Fonction Bibliothèque Dictionnaire électronique EX-word (Série C/Série E/Série V) EX-word TextLoader Fonction Bibliothèque Mode d emploi Important! Ce manuel décrit le fonctionnement de divers modèles de dictionnaire électronique

Plus en détail

Plan de formation Employée/Employé de commerce CFC du 26 septembre 2011 pour la formation initiale en entreprise. Tables des matières

Plan de formation Employée/Employé de commerce CFC du 26 septembre 2011 pour la formation initiale en entreprise. Tables des matières Plan de formation Employée/ du 26 septembre 2011 pour la formation Tables des matières LISTE DES BRÉVITIONS... 3 INTRODUCTION... 4 1. IMPORTNCE DE L FORMTION COMMERCILE POUR L ÉCONOMIE ET L SOCIÉTÉ...

Plus en détail

Théorie des Langages

Théorie des Langages Théorie des Langages Analyse syntaxique descendante Claude Moulin Université de Technologie de Compiègne Printemps 2010 Sommaire 1 Principe 2 Premiers 3 Suivants 4 Analyse 5 Grammaire LL(1) Exemple : Grammaire

Plus en détail

chapitre 4 Nombres de Catalan

chapitre 4 Nombres de Catalan chapitre 4 Nombres de Catalan I Dénitions Dénition 1 La suite de Catalan (C n ) n est la suite dénie par C 0 = 1 et, pour tout n N, C n+1 = C k C n k. Exemple 2 On trouve rapidement C 0 = 1, C 1 = 1, C

Plus en détail

Optimisation Discrète

Optimisation Discrète Prof F Eisenbrand EPFL - DISOPT Optimisation Discrète Adrian Bock Semestre de printemps 2011 Série 7 7 avril 2011 Exercice 1 i Considérer le programme linéaire max{c T x : Ax b} avec c R n, A R m n et

Plus en détail

Intégration et probabilités TD1 Espaces mesurés

Intégration et probabilités TD1 Espaces mesurés Intégration et probabilités TD1 Espaces mesurés 2012-2013 1 Petites questions 1) Est-ce que l ensemble des ouverts de R est une tribu? 2) Si F et G sont deux tribus, est-ce que F G est toujours une tribu?

Plus en détail

LASTO Appuis élastomère

LASTO Appuis élastomère LASTO Appuis élsomère LASTO BLOCK F Appuis de déformion non-rmés Swizerlnd www.mgeb.ch Chmps d pplicion e specs imporns Chmps d pplicion LASTO BLOCK F es un ppui de déformion non-rmé en élsomère qui es

Plus en détail

Guide des bonnes pratiques

Guide des bonnes pratiques Livret 3 MINISTÈRE DE LA RÉFORME DE L'ÉTAT, DE LA DÉCENTRALISATION ET DE LA FONCTION PUBLIQUE 3 Guide des bonnes prtiques OUTILS DE LA GRH Guide des bonnes prtiques Tble des mtières 1. Introduction p.

Plus en détail