Une algorithmique pour le Network Calculus
|
|
- Yvette Joseph
- il y a 8 ans
- Total affichages :
Transcription
1 Une algorithmique pour le Network Calculus Anne Bouillard ENS Cachan (Bretagne) / IRISA 27 janvier journées AFSEC Anne Bouillard (ENS Cachan / IRISA) Une algorithmique pour le Network Calculus 1 / 43
2 Objectifs (1) a(t) t t Système b(t) arrivées à la date t départs à la date t Étude Pire cas délais des paquets taille des les d'attente Contraintes sur les arrivées sur le service fourni par le système Anne Bouillard (ENS Cachan / IRISA) Une algorithmique pour le Network Calculus 2 / 43
3 Objectifs (2) Politique de service FIFO par ux Politique de service arbitraire entre ux. Calcul de performances pire cas dans un réseau? Calcul de meilleur chemin? Anne Bouillard (ENS Cachan / IRISA) Une algorithmique pour le Network Calculus 3 / 43
4 Plan 1 Le Network Calculus Les contraintes Propagation des contraintes et composition Dériver des bornes pire cas 2 Aspects algorithmiques Stabilité par les opérateurs Des propriétés algébriques aux algorithmes 3 Étude de quelques scénarios Performance sur une ligne Un problème de routage 4 Conclusion et perspectives Anne Bouillard (ENS Cachan / IRISA) Une algorithmique pour le Network Calculus 4 / 43
5 Le Network Calculus 1 Le Network Calculus Les contraintes Propagation des contraintes et composition Dériver des bornes pire cas 2 Aspects algorithmiques Stabilité par les opérateurs Des propriétés algébriques aux algorithmes 3 Étude de quelques scénarios Performance sur une ligne Un problème de routage 4 Conclusion et perspectives Anne Bouillard (ENS Cachan / IRISA) Une algorithmique pour le Network Calculus 5 / 43
6 Le Network Calculus Network calculus Théorie développée dans les années 1990 par R.L. Cruz, puis CS Chang et J.-Y. Le Boudec. J.-Y. Le Boudec & P. Thiran, Network Calculus : A Theory of Deterministic Queuing Systems for the Internet, LNCS 2050, Springer (2001). C.-S. Chang, Performance Guarantees in Communication Networks, TNCS, Springer (2000). Applications : Internet : transmission vidéo (VoD), Systèmes embarqués : AFDX Anne Bouillard (ENS Cachan / IRISA) Une algorithmique pour le Network Calculus 6 / 43
7 Le Network Calculus Les contraintes Contrainte sur les processus cumulés A(t) t t Système B(t) arrivées jusqu'à la date t départs justqu'à la date t A : X R min + : processus des arrivées cumulées, fonction croissante B : X R min + : processus des départs cumulés, fonction croissante Modèle uide F : X = R + Modèle discret D : X = N Contrainte de causalité : A B Anne Bouillard (ENS Cachan / IRISA) Une algorithmique pour le Network Calculus 7 / 43
8 Le Network Calculus Les contraintes Contraintes sur les arrivées Courbe d'arrivée Un processus d'arrivées A est contraint par la courbe d'arrivée α si 0 s t, A(t) A(s) α(t s). α A(t) t Anne Bouillard (ENS Cachan / IRISA) Une algorithmique pour le Network Calculus 8 / 43
9 Le Network Calculus Les contraintes Contraintes sur les arrivées Courbe d'arrivée Un processus d'arrivées A est contraint par la courbe d'arrivée α si 0 s t, A(t) A(s) α(t s). α A(t) t Anne Bouillard (ENS Cachan / IRISA) Une algorithmique pour le Network Calculus 8 / 43
10 Le Network Calculus Les contraintes Contraintes sur les arrivées Courbe d'arrivée Un processus d'arrivées A est contraint par la courbe d'arrivée α si 0 s t, A(t) A(s) α(t s). taux d'arrivées à long terme rafale max t Anne Bouillard (ENS Cachan / IRISA) Une algorithmique pour le Network Calculus 8 / 43
11 Le Network Calculus Les contraintes Contraintes sur les arrivées Courbe d'arrivée Un processus d'arrivées A est contraint par la courbe d'arrivée α si 0 s t, A(t) A(s) α(t s). taux d'arrivées à long terme rafale max t Autre dénition : A A α A α(t) = inf 0 s t A(s) + α(t s) Anne Bouillard (ENS Cachan / IRISA) Une algorithmique pour le Network Calculus 8 / 43
12 Le Network Calculus Les contraintes Contraintes sur les services A β B Courbe de service Un élément de réseau garantit une courbe de service β pour A si le processus des départs est tel que B A β. A β(t) = inf 0 s t A(s) + β(t s) Anne Bouillard (ENS Cachan / IRISA) Une algorithmique pour le Network Calculus 9 / 43
13 Le Network Calculus Les contraintes Exemples Délai garanti Taux garanti Délai + taux garanti + t t Rt t t R(t T ) + t t t t Anne Bouillard (ENS Cachan / IRISA) Une algorithmique pour le Network Calculus 10 / 43
14 Le Network Calculus Les contraintes Un deuxième type de courbes : service strict On ne tient plus compte des dates d'arrivée des paquets pour calculer le processus de sorties. Courbe de service strict Un élément de réseau garantit une courbe de service strict β pour A si le processus des départs est tel que pour tous 0 s < t, dans une même période d'activité, B(t) B(s) + β(t s). En particulier, si u est le début de la période d'activité de t, on a B(t) A(u) + β(t u). Anne Bouillard (ENS Cachan / IRISA) Une algorithmique pour le Network Calculus 11 / 43
15 Le Network Calculus Les contraintes Exemples Délai garanti Taux garanti Délai + taux garanti + t t Rt t t R(t T ) + t t t t t t t Anne Bouillard (ENS Cachan / IRISA) Une algorithmique pour le Network Calculus 12 / 43
16 Le Network Calculus Propagation des contraintes et composition Propagation des contraintes α β α β Courbe d'arrivée du processus des sorties Si le processus A est α-contraint et si β est une courbe de service pour A, alors le processus des sorties est α β contraint. α β(t) = sup s 0 α(t + s) β(s) β α α β t t Anne Bouillard (ENS Cachan / IRISA) Une algorithmique pour le Network Calculus 13 / 43
17 Le Network Calculus Propagation des contraintes et composition Composition A B β 1 β 2 C Composition de courbes de service La concaténation de deux serveurs orant des services minimum resp. β 1 et β 2 ore un service minimum β 1 β 2 au ux. C B β 2 (A β 1 ) β 2 A (β 1 β 2 ) Anne Bouillard (ENS Cachan / IRISA) Une algorithmique pour le Network Calculus 14 / 43
18 Le Network Calculus Propagation des contraintes et composition Composition A β 1 β 2 C Composition de courbes de service La concaténation de deux serveurs orant des services minimum resp. β 1 et β 2 ore un service minimum β 1 β 2 au ux. C B β 2 (A β 1 ) β 2 A (β 1 β 2 ) Anne Bouillard (ENS Cachan / IRISA) Une algorithmique pour le Network Calculus 14 / 43
19 Le Network Calculus Propagation des contraintes et composition Trac transverse α 1 β α 2 Si β est une courbe de service strict, alors le service garanti pour α 2 est Valable si β 2 = (β α 1 ) +. le ux 1 est prioritaire sur le ux 2 on ne connait a priori pas la politique de service (donc on prend le cas le pire). (x) + = max(x, 0). Anne Bouillard (ENS Cachan / IRISA) Une algorithmique pour le Network Calculus 15 / 43
20 Le Network Calculus Propagation des contraintes et composition Trac transverse α 2 (β α 1 ) + Si β est une courbe de service strict, alors le service garanti pour α 2 est Valable si β 2 = (β α 1 ) +. le ux 1 est prioritaire sur le ux 2 on ne connait a priori pas la politique de service (donc on prend le cas le pire). (x) + = max(x, 0). Anne Bouillard (ENS Cachan / IRISA) Une algorithmique pour le Network Calculus 15 / 43
21 Le Network Calculus Propagation des contraintes et composition Retour arrière synchronisé Contrôle d'admission tel que charge dans réseau toujours W une courbe de service minimum de l'ensemble [contrôleur + réseau] est β (β + W ). º º A(t) ÓÒØÖÓÐ ÙÖ X(t) Ê Ù B(t) º º B min(a, (B + W )) β = min(a β, B (W + β)) f n = f... f et f = inf n N f n Anne Bouillard (ENS Cachan / IRISA) Une algorithmique pour le Network Calculus 16 / 43
22 Le Network Calculus Dériver des bornes pire cas Des contraines aux bornes Charge maximum : B max = sup t 0 A(t) B(t) Délai maximum : D max = inf{d t R +, B(t + d) A(t)} α v(α, β) β h(α, β) Bornes de performances B max α β(0) = v(α, β) = sup{α(t) β(t) t 0} D max h(α, β) = sup{β 1 (z) α 1 (z) z 0}. (sous réserve que ux servi en FIFO et f 1 (z) def = inf{t 0 f (t) z}) Anne Bouillard (ENS Cachan / IRISA) Une algorithmique pour le Network Calculus 17 / 43
23 Le Network Calculus Dériver des bornes pire cas Un cadre algébrique pour le Network Calculus On se place dans l'espace des fonctions à valeurs dans le semi-anneau (min,plus) complété R {, + }. Cet espace, muni du minimum et de la convolution (min,plus),, est lui-même un semi-anneau. Les opérateurs utilisés sont : le minimum et le maximum ; l'addition et la soustraction ; la convolution : f g(t) = inf 0 s t f (s) + g(t s) ; la déconvolution : f g(t) = sup s 0 f (t + s) g(s) ; la clôture sous-additive : f = inf n N f n. Anne Bouillard (ENS Cachan / IRISA) Une algorithmique pour le Network Calculus 18 / 43
24 Aspects algorithmiques 1 Le Network Calculus Les contraintes Propagation des contraintes et composition Dériver des bornes pire cas 2 Aspects algorithmiques Stabilité par les opérateurs Des propriétés algébriques aux algorithmes 3 Étude de quelques scénarios Performance sur une ligne Un problème de routage 4 Conclusion et perspectives Anne Bouillard (ENS Cachan / IRISA) Une algorithmique pour le Network Calculus 19 / 43
25 Aspects algorithmiques Objectif Des classes de fonctions sur lesquelles on peut calculer eectivement les opérations du Network Calculus 1 Représentation nie des fonctions 2 trouver une classe close Quel est le coût de ces opérations? Anne Bouillard (ENS Cachan / IRISA) Une algorithmique pour le Network Calculus 20 / 43
26 Aspects algorithmiques Stabilité par les opérateurs Des fonctions anes aux fonctions ultimement pseudo-périodiques max(1 + x, 2x 2) Anne Bouillard (ENS Cachan / IRISA) Une algorithmique pour le Network Calculus 21 / 43
27 Aspects algorithmiques Stabilité par les opérateurs Des fonctions anes aux fonctions ultimement pseudo-périodiques max(1 + x, 2x 2) Anne Bouillard (ENS Cachan / IRISA) Une algorithmique pour le Network Calculus 21 / 43
28 Aspects algorithmiques Stabilité par les opérateurs Des fonctions anes aux fonctions ultimement pseudo-périodiques max(1 + x, 2x 2) min(max(1 + x, 2x 2), max(1+x, 2x 2) max(1+x, 2x 2)) Anne Bouillard (ENS Cachan / IRISA) Une algorithmique pour le Network Calculus 21 / 43
29 Aspects algorithmiques Stabilité par les opérateurs Des fonctions anes aux fonctions ultimement pseudo-périodiques max(1 + x, 2x 2) min(max(1 + x, 2x 2), max(1+x, 2x 2) max(1+x, 2x 2)) Anne Bouillard (ENS Cachan / IRISA) Une algorithmique pour le Network Calculus 21 / 43
30 Aspects algorithmiques Stabilité par les opérateurs Des fonctions anes aux fonctions ultimement pseudo-périodiques max(1 + x, 2x 2) min(max(1 + x, 2x 2), max(1+x, 2x 2) max(1+x, 2x 2)), (max(1 + x, 2x 2)) 3 Anne Bouillard (ENS Cachan / IRISA) Une algorithmique pour le Network Calculus 21 / 43
31 Aspects algorithmiques Stabilité par les opérateurs Des fonctions anes aux fonctions ultimement pseudo-périodiques max(1 + x, 2x 2) min(max(1 + x, 2x 2), max(1+x, 2x 2) max(1+x, 2x 2)), (max(1 + x, 2x 2)) 3 (max(1 + x, 2x 2)) Anne Bouillard (ENS Cachan / IRISA) Une algorithmique pour le Network Calculus 21 / 43
32 Aspects algorithmiques Stabilité par les opérateurs Quelques classes de fonctions ρ ρ σ Ò σ T ÙÐØ Ñ Ñ ÒØ Ò d c Ô Ù Ó¹Ô Ö Ó ÕÙ T d c ÙÐØ Ñ Ñ ÒØ Ô Ù Ó¹Ô Ö Ó ÕÙ T Ö Ò T Ô Ö Ò Ô Ö Ò Notation : F[X, Y ] = fonctions de R + dans R {, + } anes par morceaux avec des sauts ou changements de pentes à des points d'abscisses dans X et d'ordonnées dans Y. Anne Bouillard (ENS Cachan / IRISA) Une algorithmique pour le Network Calculus 22 / 43
33 Aspects algorithmiques Stabilité par les opérateurs Navigation entre les diérentes classes modèle uide +, min, max, +, F franch.ult.ane F[R +, R] min, max, franch.ult.ane F[Q +, R] franch. F[R +, R] +, sub. clos. min, max, sub. clos. franch.ult.ps.-period. F[R +, R] min, max sub. clos., sub. clos. franch.ult.ps.-period. F[Q +, R] +,, min, max sub. clos. +, +, min, max, franch.ult.ane F[Q +, Q] sub. clos. franch.ult.ps.-period. F[Q +, Q] +, min, max, sub. clos. modèle discret +, sub. clos. +, min, max franch.ult.ane franch.ult.ps.-period. min, max, N R N R, sub. clos. Anne Bouillard (ENS Cachan / IRISA) Une algorithmique pour le Network Calculus 23 / 43
34 Aspects algorithmiques Stabilité par les opérateurs Théorèmes de clôture Deux classes stables pour min, max, +,,,,. et couvrant les exemples rencontrés en Network Calculus : Dans F, les fonctions anes par morceaux franches et ultimement pseudo-périodiques. Dans D, les fonctions franches et ultimement pseudo-périodiques. On peut dicilement faire plus petit pour rester stable : Théorème Dans F, la clotûre des fonctions anes pour les opérations min, max, +,,,,. est la classe des fonctions anes par morceaux continues (sauf éventuellement en 0) ultimement pseudo-périodiques. Question : quels algorithmes pour implémenter les opérations élémentaires sur ces classes de fonctions? Anne Bouillard (ENS Cachan / IRISA) Une algorithmique pour le Network Calculus 24 / 43
35 Aspects algorithmiques Stabilité par les opérateurs Structure de données t 1 t 2 t i 0 t k x 1 f (x 1 ) y 1 ρ 1 x 2 f (x 2 ) y 2 ρ 2 x i f (x i 0 ) y 0 i 0 ρi 0 x k k ) y k ρ k T d c pos η f Notations : N f : nombre de segments dans la représentation Pour les algorithmes, nécessité d'étendre cette représentation. Nf e la taille de la fonction étendue. est Anne Bouillard (ENS Cachan / IRISA) Une algorithmique pour le Network Calculus 25 / 43
36 Aspects algorithmiques Des propriétés algébriques aux algorithmes Minimum de deux fonctions T 1 T 2 T La complexité du minimum est en O(N e f + N e g ). Anne Bouillard (ENS Cachan / IRISA) Une algorithmique pour le Network Calculus 26 / 43
37 Aspects algorithmiques Des propriétés algébriques aux algorithmes Convolution de deux fonctions On utilise la distributivité de min sur. Si f = min i I f i et g = min j J g j alors, f g = min f i g j. (i,j) I J Convolution de segments élémentaires = On décompose les fonctions en partie transitoire et périodique, et on sait calculer un rang à partir duquel la convolution est périodique Calcul du minimum de 2(N e f Ne g ) segments. Complexité On peut calculer la convolution en O(N e f Ne g log(ne f Ne g )). Anne Bouillard (ENS Cachan / IRISA) Une algorithmique pour le Network Calculus 27 / 43
38 Aspects algorithmiques Des propriétés algébriques aux algorithmes Algorithme de convolution : cas particulier = ½ ¼ ¼ ½ Théorème (Le Boudec, Thiran, 2001) Convolution de f et g convexes et ane par morceaux = concaténation des diérents morceaux de f et g triés par pentes croissantes. Complexité : O(N f + N g ) où N f de f (resp. g ). (resp. N g ) est le nombre de morceaux Anne Bouillard (ENS Cachan / IRISA) Une algorithmique pour le Network Calculus 28 / 43
39 Aspects algorithmiques Des propriétés algébriques aux algorithmes Déconvolution de deux fonctions Si f = max i I f i et g = min j J g j alors, f g = max f i g j. (i,j) I J Déconvolution de segments élémentaires = Complexité On peut calculer la déconvolution en O(N e f Ne g log(ne f Ne g )). Anne Bouillard (ENS Cachan / IRISA) Une algorithmique pour le Network Calculus 29 / 43
40 Aspects algorithmiques Des propriétés algébriques aux algorithmes Clôture sous-additive f (t) = inf t t k =t f (t 1 ) + + f (t k ) f (1) f (2) f (T ) f (T + d 1) 1 2 T T+d 1 c f (t) est le plus court chemin de longueur t dans le graphe de 1 vers 1. Théorème (Cohen,Dubois,Quadrat,Viot, 1985) Pour M irréductible, il existe d, T N et λ R tels que t T, M t+d = M t + λd. Anne Bouillard (ENS Cachan / IRISA) Une algorithmique pour le Network Calculus 30 / 43
41 Étude de quelques scénarios 1 Le Network Calculus Les contraintes Propagation des contraintes et composition Dériver des bornes pire cas 2 Aspects algorithmiques Stabilité par les opérateurs Des propriétés algébriques aux algorithmes 3 Étude de quelques scénarios Performance sur une ligne Un problème de routage 4 Conclusion et perspectives Anne Bouillard (ENS Cachan / IRISA) Une algorithmique pour le Network Calculus 31 / 43
42 Étude de quelques scénarios Un exemple simple... On suppose maintenant que les courbes sont strictes. α 2 α 2 α 1 β 1 α 1 β 2 Première solution α 1 = α 1 (β 1 α 2 ) + and α 2 = α 2 (β 1 α 1 ) + Service oert pour le ux 1 au deuxième serveur : β 2 = (β 2 α 2 (β 1 α 1 ) + ) +. Le service garanti total pour le ux 1 est : β = (β 1 α 2 ) + (β 2 α 2 (β 1 α 1 ) + ) +. Seconde solution (Pay multiplexing only once) β = (β 1 β 2 α 2 ) +. Anne Bouillard (ENS Cachan / IRISA) Une algorithmique pour le Network Calculus 32 / 43
43 Étude de quelques scénarios Performance sur une ligne Performances sur une ligne α 2 α 3 α 1 β 1 β 2 β 3 On ne peut pas utiliser directement la deuxième solution. β(t) = ( min u 1, u 2, u 3 0 u 1 + u 2 + u 3 = u β 1 (u 1 ) + β 2 (u 2 ) + β 3 (u 3 ) α 2 (u 1 + u 2 ) α 3 (u 2 + u 3 )) +. Anne Bouillard (ENS Cachan / IRISA) Une algorithmique pour le Network Calculus 33 / 43
44 Étude de quelques scénarios Performance sur une ligne Cas général Flow 0 Flow i A (s i 1) i A (e i ) i A (j) i 1 s i j e i n I = {1,..., k}, φ(t) = ( min u 1,..., u n 0 u u n = t β j (u j ) α i ( u j )) +. i I j {s i...e i } Anne Bouillard (ENS Cachan / IRISA) Une algorithmique pour le Network Calculus 34 / 43
45 Étude de quelques scénarios Performance sur une ligne Limites Calcul de la courbe a priori pas polynomial (programmation linéaire entière avec un nombre exponentiel de contraintes). Calcul des bornes sur le délai et sur la charge en temps polynomial. Les bornes calculées ne peuvent pas toujours être atteintes. Anne Bouillard (ENS Cachan / IRISA) Une algorithmique pour le Network Calculus 35 / 43
46 Étude de quelques scénarios Un problème de routage Un problème de routage Problème : étant donné un réseau (sans trac) et un ux de source et destination connues, calculer une route qui donne la meilleur garantie sur le délai maximum (resp. sur la charge maximum). Entrées : le réseau sous forme d'un graphe G = (V, A), un service minimum β v à chaque n ud v, source x, destination y et courbe d'arrivée α pour le ux à router. courbes anes par morceaux, arrivée α concave, services β v convexe. Anne Bouillard (ENS Cachan / IRISA) Une algorithmique pour le Network Calculus 36 / 43
47 Étude de quelques scénarios Un problème de routage Un problème de routage Problème : étant donné un réseau (sans trac) et un ux de source et destination connues, calculer une route qui donne la meilleur garantie sur le délai maximum (resp. sur la charge maximum). Entrées : le réseau sous forme d'un graphe G = (V, A), un service minimum β v à chaque n ud v, source x, destination y et courbe d'arrivée α pour le ux à router. courbes anes par morceaux, arrivée α concave, services β v convexe. Anne Bouillard (ENS Cachan / IRISA) Une algorithmique pour le Network Calculus 36 / 43
48 Étude de quelques scénarios Un problème de routage Routage : forme de la function à optimiser Optimisation de la borne sur les délais : OPT = inf chemin (x, v 1,..., v l, y) = inf chemin (x, v 1,..., v l, y) h(α, β v1 β vl ) sup{(β v1 β vl ) 1 (z) α 1 (z)} z 0 Anne Bouillard (ENS Cachan / IRISA) Une algorithmique pour le Network Calculus 37 / 43
49 Étude de quelques scénarios Un problème de routage Routage : cas particuliers º º + α β v (t) = Ð Ð Ë ÓÖØ Ø È Ø min Σµ T v T v1 ººº T vl α β v (t) = R v min(r v1,, R vl ) ÓØØÐ Ò Ë ÓÖØ Ø È Ø max minµ º º Anne Bouillard (ENS Cachan / IRISA) Une algorithmique pour le Network Calculus 38 / 43
50 Étude de quelques scénarios Un problème de routage Routage : un théorème min-max S bande de pente λ vsize(s) α v(α, β) β I(α, β) width(s) h(α, β) hsize(s) Théorème Si α concave et β convexe, alors sup{β 1 (z) α 1 (z)} = inf {hsize(s) I(α, β) S bande de pente λ}. z 0 λ C Anne Bouillard (ENS Cachan / IRISA) Une algorithmique pour le Network Calculus 39 / 43
51 Étude de quelques scénarios Un problème de routage Routage : résolution a2 α 2 b3 λ a1 α 1 b1 β 2 β 1 b2 l inf{hsize(s) I (α, β) S, S bande de pente λ} = proj λ (α)+ (proj λ (β )) v i + i=1 Anne Bouillard (ENS Cachan / IRISA) Une algorithmique pour le Network Calculus 40 / 43
52 Étude de quelques scénarios Un problème de routage Routage : résolution OPT = inf chemin (x, v 1,..., v l, y) = inf chemin (x, v 1,..., v l, y) ( sup (βv1 β vl ) 1 (z) α 1 (z) ) z 0 inf {hsize(s) I (α, β) S bande de pente λ} λ C = inf λ C inf chemin (x, v 1,..., v l, y) ( l ) projλ (α) + (proj λ (β vi )) + i=1 Algorithme : 1 Pour toute pente λ du modèle, remplacer β v par (proj λ (β v )) + et calculer plus court chemin classique dans le graphe. 2 Minimum des valeurs calculées pour ces pentes λ. Anne Bouillard (ENS Cachan / IRISA) Une algorithmique pour le Network Calculus 41 / 43
53 Conclusion et perspectives 1 Le Network Calculus Les contraintes Propagation des contraintes et composition Dériver des bornes pire cas 2 Aspects algorithmiques Stabilité par les opérateurs Des propriétés algébriques aux algorithmes 3 Étude de quelques scénarios Performance sur une ligne Un problème de routage 4 Conclusion et perspectives Anne Bouillard (ENS Cachan / IRISA) Une algorithmique pour le Network Calculus 42 / 43
54 Conclusion et perspectives Conclusion et perspectives Conclusion Un cadre algébrique pour le calcul de bornes déterministes de performances dans des réseaux. Approche fonctionnelle : les calculs de courbes réalisables, mais l'application directe des formules présente des limites. Approche algorithmique : calcul de bornes plus précis que l'approche fonctionnelle, utile pour résoudre des problèmes d'optimisation Perspectives Algorithme pour des bornes exactes sur le délai et la charge maximum dans le réseaux. Quid des réseaux avec des cycles? Anne Bouillard (ENS Cachan / IRISA) Une algorithmique pour le Network Calculus 43 / 43
Chapitre 7 : Intégration sur un intervalle quelconque
Universités Paris 6 et Paris 7 M1 MEEF Analyse (UE 3) 2013-2014 Chapitre 7 : Intégration sur un intervalle quelconque 1 Fonctions intégrables Définition 1 Soit I R un intervalle et soit f : I R + une fonction
Plus en détailChapitre 5 : Flot maximal dans un graphe
Graphes et RO TELECOM Nancy A Chapitre 5 : Flot maximal dans un graphe J.-F. Scheid 1 Plan du chapitre I. Définitions 1 Graphe Graphe valué 3 Représentation d un graphe (matrice d incidence, matrice d
Plus en détailPolynômes à plusieurs variables. Résultant
Polynômes à plusieurs variables. Résultant Christophe Ritzenthaler 1 Relations coefficients-racines. Polynômes symétriques Issu de [MS] et de [Goz]. Soit A un anneau intègre. Définition 1.1. Soit a A \
Plus en détailFonctions de plusieurs variables
Module : Analyse 03 Chapitre 00 : Fonctions de plusieurs variables Généralités et Rappels des notions topologiques dans : Qu est- ce que?: Mathématiquement, n étant un entier non nul, on définit comme
Plus en détailPROBLEMES D'ORDONNANCEMENT AVEC RESSOURCES
Leçon 11 PROBLEMES D'ORDONNANCEMENT AVEC RESSOURCES Dans cette leçon, nous retrouvons le problème d ordonnancement déjà vu mais en ajoutant la prise en compte de contraintes portant sur les ressources.
Plus en détailDualité dans les espaces de Lebesgue et mesures de Radon finies
Chapitre 6 Dualité dans les espaces de Lebesgue et mesures de Radon finies Nous allons maintenant revenir sur les espaces L p du Chapitre 4, à la lumière de certains résultats du Chapitre 5. Sauf mention
Plus en détailImage d un intervalle par une fonction continue
DOCUMENT 27 Image d un intervalle par une fonction continue La continuité d une fonction en un point est une propriété locale : une fonction est continue en un point x 0 si et seulement si sa restriction
Plus en détailOrdonnancement. 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 détailAnnexe 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 détailSites web éducatifs et ressources en mathématiques
Sites web éducatifs et ressources en mathématiques Exercices en ligne pour le primaire Calcul mental élémentaire : http://www.csaffluents.qc.ca/wlamen/tables-sous.html Problèmes de soustraction/addition
Plus en détailOptimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications
Optimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications A. Optimisation sans contrainte.... Généralités.... Condition nécessaire et condition suffisante
Plus en détailSouad EL Bernoussi. Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/
Recherche opérationnelle Les démonstrations et les exemples seront traités en cours Souad EL Bernoussi Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/ Table des matières 1 Programmation
Plus en détailFonctions de plusieurs variables : dérivés partielles, diérentielle. Fonctions composées. Fonctions de classe C 1. Exemples
45 Fonctions de plusieurs variables : dérivés partielles, diérentielle. Fonctions composées. Fonctions de classe C 1. Exemples Les espaces vectoriels considérés sont réels, non réduits au vecteur nul et
Plus en détailI. Polynômes de Tchebychev
Première épreuve CCP filière MP I. Polynômes de Tchebychev ( ) 1.a) Tout réel θ vérifie cos(nθ) = Re ((cos θ + i sin θ) n ) = Re Cn k (cos θ) n k i k (sin θ) k Or i k est réel quand k est pair et imaginaire
Plus en détailDe même, le périmètre P d un cercle de rayon 1 vaut P = 2π (par définition de π). Mais, on peut démontrer (difficilement!) que
Introduction. On suppose connus les ensembles N (des entiers naturels), Z des entiers relatifs et Q (des nombres rationnels). On s est rendu compte, depuis l antiquité, que l on ne peut pas tout mesurer
Plus en détailLimites finies en un point
8 Limites finies en un point Pour ce chapitre, sauf précision contraire, I désigne une partie non vide de R et f une fonction définie sur I et à valeurs réelles ou complees. Là encore, les fonctions usuelles,
Plus en détailLa programmation linéaire : une introduction. Qu est-ce qu un programme linéaire? Terminologie. Écriture mathématique
La programmation linéaire : une introduction Qu est-ce qu un programme linéaire? Qu est-ce qu un programme linéaire? Exemples : allocation de ressources problème de recouvrement Hypothèses de la programmation
Plus en détailLa 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 détailMéthodes de quadrature. Polytech Paris-UPMC. - p. 1/48
Méthodes de Polytech Paris-UPMC - p. 1/48 Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes - p. 2/48 Polynôme d interpolation
Plus en détailChp. 4. Minimisation d une fonction d une variable
Chp. 4. Minimisation d une fonction d une variable Avertissement! Dans tout ce chapître, I désigne un intervalle de IR. 4.1 Fonctions convexes d une variable Définition 9 Une fonction ϕ, partout définie
Plus en détailMaster Modélisation Aléatoire Paris VII, Cours Méthodes de Monte Carlo en nance et C++, TP n 2.
Master Modélisation Aléatoire Paris VII, Cours Méthodes de Monte Carlo en nance et C++, TP n 2. Techniques de correction pour les options barrières 25 janvier 2007 Exercice à rendre individuellement lors
Plus en détailRappels 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 détailCours d Analyse. Fonctions de plusieurs variables
Cours d Analyse Fonctions de plusieurs variables Licence 1ère année 2007/2008 Nicolas Prioux Université de Marne-la-Vallée Table des matières 1 Notions de géométrie dans l espace et fonctions à deux variables........
Plus en détail3 Approximation de solutions d équations
3 Approximation de solutions d équations Une équation scalaire a la forme générale f(x) =0où f est une fonction de IR dans IR. Un système de n équations à n inconnues peut aussi se mettre sous une telle
Plus en détailExamen optimisation Centrale Marseille (2008) et SupGalilee (2008)
Examen optimisation Centrale Marseille (28) et SupGalilee (28) Olivier Latte, Jean-Michel Innocent, Isabelle Terrasse, Emmanuel Audusse, Francois Cuvelier duree 4 h Tout resultat enonce dans le texte peut
Plus en détailPlus 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 détailExercices - Polynômes : corrigé. Opérations sur les polynômes
Opérations sur les polynômes Exercice 1 - Carré - L1/Math Sup - Si P = Q est le carré d un polynôme, alors Q est nécessairement de degré, et son coefficient dominant est égal à 1. On peut donc écrire Q(X)
Plus en détailCondition de stabilité d'un réseau de les d'attente à deux stations et N classes de clients 1
General Mathematics Vol. 18, No. 4 (2010), 85108 Condition de stabilité d'un réseau de les d'attente à deux stations et N classes de clients 1 Faiza Belarbi, Amina Angelika Bouchentouf Résumé Nous étudions
Plus en détailSujet 4: Programmation stochastique propriétés de fonction de recours
Sujet 4: Programmation stochastique propriétés de fonction de recours MSE3313: Optimisation Stochastiqe Andrew J. Miller Dernière mise au jour: October 19, 2011 Dans ce sujet... 1 Propriétés de la fonction
Plus en détailExercices - Fonctions de plusieurs variables : corrigé. Pour commencer
Pour commencer Exercice 1 - Ensembles de définition - Première année - 1. Le logarithme est défini si x + y > 0. On trouve donc le demi-plan supérieur délimité par la droite d équation x + y = 0.. 1 xy
Plus en détailDéfinitions. Numéro à préciser. (Durée : )
Numéro à préciser (Durée : ) On étudie dans ce problème l ordre lexicographique pour les mots sur un alphabet fini et plusieurs constructions des cycles de De Bruijn. Les trois parties sont largement indépendantes.
Plus en détailDifférentiabilité ; Fonctions de plusieurs variables réelles
Différentiabilité ; Fonctions de plusieurs variables réelles Denis Vekemans R n est muni de l une des trois normes usuelles. 1,. 2 ou.. x 1 = i i n Toutes les normes de R n sont équivalentes. x i ; x 2
Plus en détailCommun à tous les candidats
EXERCICE 3 (9 points ) Commun à tous les candidats On s intéresse à des courbes servant de modèle à la distribution de la masse salariale d une entreprise. Les fonctions f associées définies sur l intervalle
Plus en détailCalcul de développements de Puiseux et application au calcul du groupe de monodromie d'une courbe algébrique plane
Calcul de développements de Puiseux et application au calcul du groupe de monodromie d'une courbe algébrique plane Poteaux Adrien XLIM-DMI, UMR-CNRS 6172 Université de Limoges Soutenance de thèse 15 octobre
Plus en détailOptimisation des fonctions de plusieurs variables
Optimisation des fonctions de plusieurs variables Hervé Hocquard Université de Bordeaux, France 8 avril 2013 Extrema locaux et globaux Définition On étudie le comportement d une fonction de plusieurs variables
Plus en détailFONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4)
FONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4) Bernard Le Stum Université de Rennes 1 Version du 13 mars 2009 Table des matières 1 Fonctions partielles, courbes de niveau 1 2 Limites et continuité
Plus en détailCHAPITRE V SYSTEMES DIFFERENTIELS LINEAIRES A COEFFICIENTS CONSTANTS DU PREMIER ORDRE. EQUATIONS DIFFERENTIELLES.
CHAPITRE V SYSTEMES DIFFERENTIELS LINEAIRES A COEFFICIENTS CONSTANTS DU PREMIER ORDRE EQUATIONS DIFFERENTIELLES Le but de ce chapitre est la résolution des deux types de systèmes différentiels linéaires
Plus en détailChapitre 1 Régime transitoire dans les systèmes physiques
Chapitre 1 Régime transitoire dans les systèmes physiques Savoir-faire théoriques (T) : Écrire l équation différentielle associée à un système physique ; Faire apparaître la constante de temps ; Tracer
Plus en détailInternet et Multimédia Exercices: flux multimédia
Internet et Multimédia Exercices: flux multimédia P. Bakowski bako@ieee.org Applications et flux multi-média média applications transport P. Bakowski 2 Applications et flux multi-média média applications
Plus en détailI. Ensemble de définition d'une fonction
Chapitre 2 Généralités sur les fonctions Fonctions de références et fonctions associées Ce que dit le programme : Étude de fonctions Fonctions de référence x x et x x Connaître les variations de ces deux
Plus en détail3. Conditionnement P (B)
Conditionnement 16 3. Conditionnement Dans cette section, nous allons rappeler un certain nombre de définitions et de propriétés liées au problème du conditionnement, c est à dire à la prise en compte
Plus en détailCalcul intégral élémentaire en plusieurs variables
Calcul intégral élémentaire en plusieurs variables PC*2 2 septembre 2009 Avant-propos À part le théorème de Fubini qui sera démontré dans le cours sur les intégrales à paramètres et qui ne semble pas explicitement
Plus en détailChapitre 2 Le problème de l unicité des solutions
Université Joseph Fourier UE MAT 127 Mathématiques année 2011-2012 Chapitre 2 Le problème de l unicité des solutions Ce que nous verrons dans ce chapitre : un exemple d équation différentielle y = f(y)
Plus en détailM2 IAD UE MODE Notes de cours (3)
M2 IAD UE MODE Notes de cours (3) Jean-Yves Jaffray Patrice Perny 16 mars 2006 ATTITUDE PAR RAPPORT AU RISQUE 1 Attitude par rapport au risque Nousn avons pas encore fait d hypothèse sur la structure de
Plus en détailIntroduction à la théorie des files d'attente. Claude Chaudet Claude.Chaudet@enst.fr
Introduction à la théorie des files d'attente Claude Chaudet Claude.Chaudet@enst.fr La théorie des files d'attente... Principe: modélisation mathématique de l accès à une ressource partagée Exemples réseaux
Plus en détailCours3. Applications continues et homéomorphismes. 1 Rappel sur les images réciproques
Université de Provence Topologie 2 Cours3. Applications continues et homéomorphismes 1 Rappel sur les images réciproques Soit une application f d un ensemble X vers un ensemble Y et soit une partie P de
Plus en détailOptimisation Combinatoire et Colonies de Fourmis Nicolas Monmarche April 21, 1999 Sommaire Inspiration biologiques Ant Colony Optimization Applications TSP QAP Flow Shop Problemes dynamiques 1 Historique
Plus en détailComplexité. Licence Informatique - Semestre 2 - Algorithmique et Programmation
Complexité Objectifs des calculs de complexité : - pouvoir prévoir le temps d'exécution d'un algorithme - pouvoir comparer deux algorithmes réalisant le même traitement Exemples : - si on lance le calcul
Plus en détailRecherche dans un tableau
Chapitre 3 Recherche dans un tableau 3.1 Introduction 3.1.1 Tranche On appelle tranche de tableau, la donnée d'un tableau t et de deux indices a et b. On note cette tranche t.(a..b). Exemple 3.1 : 3 6
Plus en détailCOURS EULER: PROGRAMME DE LA PREMIÈRE ANNÉE
COURS EULER: PROGRAMME DE LA PREMIÈRE ANNÉE Le cours de la première année concerne les sujets de 9ème et 10ème années scolaires. Il y a bien sûr des différences puisque nous commençons par exemple par
Plus en détailDéveloppements limités. Notion de développement limité
MT12 - ch2 Page 1/8 Développements limités Dans tout ce chapitre, I désigne un intervalle de R non vide et non réduit à un point. I Notion de développement limité Dans tout ce paragraphe, a désigne un
Plus en détailLicence à distance Chapitre V : Equations différentielles. Méthodes numériques à un pas.
Licence à distance Chapitre V : Equations différentielles. Méthodes numériques à un pas. M. Granger Table des matières 1 Rappels sur le cours d équations différentielles 2 1.1 Généralités..........................................
Plus en détailContinuité d une fonction de plusieurs variables
Chapitre 2 Continuité d une fonction de plusieurs variables Maintenant qu on a défini la notion de limite pour des suites dans R n, la notion de continuité s étend sans problème à des fonctions de plusieurs
Plus en détailTD1 Signaux, énergie et puissance, signaux aléatoires
TD1 Signaux, énergie et puissance, signaux aléatoires I ) Ecrire l'expression analytique des signaux représentés sur les figures suivantes à l'aide de signaux particuliers. Dans le cas du signal y(t) trouver
Plus en détailCNAM UE MVA 210 Ph. Durand Algèbre et analyse tensorielle Cours 4: Calcul dierentiel 2
CNAM UE MVA 210 Ph. Duran Algèbre et analyse tensorielle Cours 4: Calcul ierentiel 2 Jeui 26 octobre 2006 1 Formes iérentielles e egrés 1 Dès l'introuction es bases u calcul iérentiel, nous avons mis en
Plus en détailIntégration et probabilités TD1 Espaces mesurés
Intégration et probabilités TD1 Espaces mesurés 2012-2013 1 Petites questions 1) Est-ce que l ensemble des ouverts de R est une tribu? 2) Si F et G sont deux tribus, est-ce que F G est toujours une tribu?
Plus en détailConstruction de l'intégrale de Lebesgue
Université d'artois Faculté des ciences Jean Perrin Mesure et Intégration (Licence 3 Mathématiques-Informatique) Daniel Li Construction de l'intégrale de Lebesgue 10 février 2011 La construction de l'intégrale
Plus en détailALGORITHMIQUE II NOTION DE COMPLEXITE. SMI AlgoII
ALGORITHMIQUE II NOTION DE COMPLEXITE 1 2 Comment choisir entre différents algorithmes pour résoudre un même problème? Plusieurs critères de choix : Exactitude Simplicité Efficacité (but de ce chapitre)
Plus en détailRapidMiner. Data Mining. 1 Introduction. 2 Prise en main. Master Maths Finances 2010/2011. 1.1 Présentation. 1.2 Ressources
Master Maths Finances 2010/2011 Data Mining janvier 2011 RapidMiner 1 Introduction 1.1 Présentation RapidMiner est un logiciel open source et gratuit dédié au data mining. Il contient de nombreux outils
Plus en détailCalculer avec Sage. Revision : 417 du 1 er juillet 2010
Calculer avec Sage Alexandre Casamayou Guillaume Connan Thierry Dumont Laurent Fousse François Maltey Matthias Meulien Marc Mezzarobba Clément Pernet Nicolas Thiéry Paul Zimmermann Revision : 417 du 1
Plus en détailProgrammation 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 détailAlgorithmes pour la planification de mouvements en robotique non-holonome
Algorithmes pour la planification de mouvements en robotique non-holonome Frédéric Jean Unité de Mathématiques Appliquées ENSTA Le 02 février 2006 Outline 1 2 3 Modélisation Géométrique d un Robot Robot
Plus en détailAxiomatique de N, construction de Z
Axiomatique de N, construction de Z Table des matières 1 Axiomatique de N 2 1.1 Axiomatique ordinale.................................. 2 1.2 Propriété fondamentale : Le principe de récurrence.................
Plus en détailRaisonnement par récurrence Suites numériques
Chapitre 1 Raisonnement par récurrence Suites numériques Terminale S Ce que dit le programme : CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Raisonnement par récurrence. Limite finie ou infinie d une suite.
Plus en détailChapitre 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 détailLa Licence Mathématiques et Economie-MASS Université de Sciences Sociales de Toulouse 1
La Licence Mathématiques et Economie-MASS Université de Sciences Sociales de Toulouse 1 La licence Mathématiques et Economie-MASS de l Université des Sciences Sociales de Toulouse propose sur les trois
Plus en détailExercices 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 détailExercice autour de densité, fonction de répatition, espérance et variance de variables quelconques.
14-3- 214 J.F.C. p. 1 I Exercice autour de densité, fonction de répatition, espérance et variance de variables quelconques. Exercice 1 Densité de probabilité. F { ln x si x ], 1] UN OVNI... On pose x R,
Plus en détailChapitre 6. Fonction réelle d une variable réelle
Chapitre 6 Fonction réelle d une variable réelle 6. Généralités et plan d étude Une application de I dans R est une correspondance entre les éléments de I et ceu de R telle que tout élément de I admette
Plus en détailBaccalauréat 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 détailRésolution d équations non linéaires
Analyse Numérique Résolution d équations non linéaires Said EL HAJJI et Touria GHEMIRES Université Mohammed V - Agdal. Faculté des Sciences Département de Mathématiques. Laboratoire de Mathématiques, Informatique
Plus en détailLe théorème de Perron-Frobenius, les chaines de Markov et un célèbre moteur de recherche
Le théorème de Perron-Frobenius, les chaines de Markov et un célèbre moteur de recherche Bachir Bekka Février 2007 Le théorème de Perron-Frobenius a d importantes applications en probabilités (chaines
Plus en détailChapitre 3. Quelques fonctions usuelles. 1 Fonctions logarithme et exponentielle. 1.1 La fonction logarithme
Chapitre 3 Quelques fonctions usuelles 1 Fonctions logarithme et eponentielle 1.1 La fonction logarithme Définition 1.1 La fonction 7! 1/ est continue sur ]0, +1[. Elle admet donc des primitives sur cet
Plus en détailCours Fonctions de deux variables
Cours Fonctions de deux variables par Pierre Veuillez 1 Support théorique 1.1 Représentation Plan et espace : Grâce à un repère cartésien ( ) O, i, j du plan, les couples (x, y) de R 2 peuvent être représenté
Plus en détailSection «Maturité fédérale» EXAMENS D'ADMISSION Session de février 2014 RÉCAPITULATIFS DES MATIÈRES EXAMINÉES. Formation visée
EXAMENS D'ADMISSION Admission RÉCAPITULATIFS DES MATIÈRES EXAMINÉES MATIÈRES Préparation en 3 ou 4 semestres Formation visée Préparation complète en 1 an 2 ème partiel (semestriel) Niveau Durée de l examen
Plus en détailPRIME D UNE OPTION D ACHAT OU DE VENTE
Université Paris VII - Agrégation de Mathématiques François Delarue) PRIME D UNE OPTION D ACHAT OU DE VENTE Ce texte vise à modéliser de façon simple l évolution d un actif financier à risque, et à introduire,
Plus en détailUne forme générale de la conjecture abc
Une forme générale de la conjecture abc Nicolas Billerey avec l aide de Manuel Pégourié-Gonnard 6 août 2009 Dans [Lan99a], M Langevin montre que la conjecture abc est équivalente à la conjecture suivante
Plus en détailModèles 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 détailF411 - Courbes Paramétrées, Polaires
1/43 Courbes Paramétrées Courbes polaires Longueur d un arc, Courbure F411 - Courbes Paramétrées, Polaires Michel Fournié michel.fournie@iut-tlse3.fr http://www.math.univ-toulouse.fr/ fournie/ Année 2012/2013
Plus en détailFONCTION EXPONENTIELLE ( ) 2 = 0.
FONCTION EXPONENTIELLE I. Définition Théorème : Il eiste une unique fonction f dérivable sur R telle que f ' = f et f (0) =. Démonstration de l'unicité (eigible BAC) : L'eistence est admise - Démontrons
Plus en détailProblème 1 : applications du plan affine
Problème 1 : applications du plan affine Notations On désigne par GL 2 (R) l ensemble des matrices 2 2 inversibles à coefficients réels. Soit un plan affine P muni d un repère (O, I, J). Les coordonnées
Plus en détailLES MÉTHODES DE POINT INTÉRIEUR 1
Chapitre XIII LES MÉTHODES DE POINT INTÉRIEUR 1 XIII.1 Introduction Nous débutons par un rappel de la formulation standard d un problème d optimisation 2 linéaire et donnons un bref aperçu des différences
Plus en détailCondition inf-sup pour l Elément Fini de Taylor-Hood È ¾ -iso-è ½
Condition inf-sup pour l Elément Fini de Taylor-Hood È ¾ -iso-è ½ Patrick Ciarlet et Vivette Girault ciarlet@ensta.fr & girault@ann.jussieu.fr ENSTA & Laboratoire Jacques-Louis Lions, Paris 6 Condition
Plus en détailFiltrage stochastique non linéaire par la théorie de représentation des martingales
Filtrage stochastique non linéaire par la théorie de représentation des martingales Adriana Climescu-Haulica Laboratoire de Modélisation et Calcul Institut d Informatique et Mathématiques Appliquées de
Plus en détailTransmission d informations sur le réseau électrique
Transmission d informations sur le réseau électrique Introduction Remarques Toutes les questions en italique devront être préparées par écrit avant la séance du TP. Les préparations seront ramassées en
Plus en détailNotes du cours MTH1101 Calcul I Partie II: fonctions de plusieurs variables
Notes du cours MTH1101 Calcul I Partie II: fonctions de plusieurs variables Guy Desaulniers Département de mathématiques et de génie industriel École Polytechnique de Montréal Automne 2014 Table des matières
Plus en détailNOTATIONS PRÉLIMINAIRES
Pour le Jeudi 14 Octobre 2010 NOTATIONS Soit V un espace vectoriel réel ; l'espace vectoriel des endomorphismes de l'espace vectoriel V est désigné par L(V ). Soit f un endomorphisme de l'espace vectoriel
Plus en détailIntégration et probabilités TD1 Espaces mesurés Corrigé
Intégration et probabilités TD1 Espaces mesurés Corrigé 2012-2013 1 Petites questions 1 Est-ce que l ensemble des ouverts de R est une tribu? Réponse : Non, car le complémentaire de ], 0[ n est pas ouvert.
Plus en détailNombre de marches Nombre de facons de les monter 3 3 11 144 4 5 12 233 5 8 13 377 6 13 14 610 7 21 15 987 8 34 16 1597 9 55 17 2584 10 89
Soit un escalier à n marches. On note u_n le nombre de façons de monter ces n marches. Par exemple d'après l'énoncé, u_3=3. Pour monter n marches, il faut d'abord monter la première. Soit on la monte seule,
Plus en détailLe modèle de Black et Scholes
Le modèle de Black et Scholes Alexandre Popier février 21 1 Introduction : exemple très simple de modèle financier On considère un marché avec une seule action cotée, sur une période donnée T. Dans un
Plus en détailIntroduction 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 détailt 100. = 8 ; le pourcentage de réduction est : 8 % 1 t Le pourcentage d'évolution (appelé aussi taux d'évolution) est le nombre :
Terminale STSS 2 012 2 013 Pourcentages Synthèse 1) Définition : Calculer t % d'un nombre, c'est multiplier ce nombre par t 100. 2) Exemples de calcul : a) Calcul d un pourcentage : Un article coûtant
Plus en détailIntroduction à MATLAB R
Introduction à MATLAB R Romain Tavenard 10 septembre 2009 MATLAB R est un environnement de calcul numérique propriétaire orienté vers le calcul matriciel. Il se compose d un langage de programmation, d
Plus en détailLa 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 détailExercices Alternatifs. Quelqu un aurait-il vu passer un polynôme?
Exercices Alternatifs Quelqu un aurait-il vu passer un polynôme? c 2004 Frédéric Le Roux, François Béguin (copyleft LDL : Licence pour Documents Libres). Sources et figures: polynome-lagrange/. Version
Plus en détailExercices Alternatifs. Quelqu un aurait-il vu passer un polynôme?
Exercices Alternatifs Quelqu un aurait-il vu passer un polynôme? c 2004 Frédéric Le Roux, François Béguin (copyleft LDL : Licence pour Documents Libres). Sources et figures: polynome-lagrange/. Version
Plus en détailStructures algébriques
Structures algébriques 1. Lois de composition s Soit E un ensemble. Une loi de composition interne sur E est une application de E E dans E. Soient E et F deux ensembles. Une loi de composition externe
Plus en détailMIS 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 détailCAPTEURS - CHAINES DE MESURES
CAPTEURS - CHAINES DE MESURES Pierre BONNET Pierre Bonnet Master GSI - Capteurs Chaînes de Mesures 1 Plan du Cours Propriétés générales des capteurs Notion de mesure Notion de capteur: principes, classes,
Plus en détail* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable T : pour travailler et mémoriser le cours
Exo7 Continuité (étude globale). Diverses fonctions Exercices de Jean-Louis Rouget. Retrouver aussi cette fiche sur www.maths-france.fr * très facile ** facile *** difficulté moyenne **** difficile *****
Plus en détail