L’ensemble théorique de la Résolution en Losange, qui regroupe les méthodes à appliquer pour résoudre un problème, est se qui forme les mathématiques de SCI. Bien sur, dans l’univers des mathématiques de SCI, il y a la mécanique de SCI fondée sur les amats logiques et l’alchimie de SCI sur les principes de transformation (transformation qui en réalité n’est que le déplacement d’état des Hexels), mais tout cela est fondé sur la Résolution en Losange. Les méthodes de cet ensemble théorique sont divisées en plusieurs ensembles théories :
                  Les Règles de SCI : Ces règles permettent de connaître les limitations logique de l’application des méthodes de calculs pour résoudre un problème en temps polynomiale. Pour toute résolution polynomiale, il faut respecter ses règles. L’ensemble des Règles de SCI est formé de 5 théories :
                          1: Les Principes des Mathématiques de SCI.
                          2: Les Règles de SCI sur les Modules Primitifs.
                          3: Les Règles de SCI sur les Modules Secondaires.
                          4: Les Règles de SCI sur les Variables Primitives.
                          5: Les Règles de SCI sur les Variables Secondaires.
                          6: Les Règles de SCI sur les Nodes Composés.

 
                 La Fractalisation de SCI : Méthode consistant à diviser un énoncer en plusieurs petit problèmes, afin qu’humainement, il soit plus facile à résoudre. La Fractalisation de SCI permet aussi d’effectuer des transformations mineurs, tel que définir la Formule de SCI d’une Équation de SCI.
                          Fractalisation des Modules Primitifs : Cette théorie permet de placer les nodes dans les modules primitifs, suivant les variables du Système d’Origine et l’énoncé du problème. La Fractalisation des Modules Primitifs est dépendante des Règles de SCI, et est formée de deux théories : Le Calcul du Pole, et la Fractalisation des Logiques.
                                   Le Calcul du Pole : Cette théorie permet de définir l’ensemble des variables nécessaire pour la résolution d’un problème donné, incluant leur type et leur valeurs initiales, sans avoir besoin de résoudre l’énoncer.
                                   La Fractalisation des logiques : La Fractalisation des logiques consiste à exploiter les Règles de SCI et le résultat du Calcul du Pole, afin de déduire le contenu des modules primitifs qui exploite l’information du Système d’Origine.
                                   La résolution polynomiale (P=NP) : Considéré comme un saint-graal dans l’univers des mathématiques, la résolution en losange ne considère pas cette théorie comme étant une théorie à part entière : la résolution polynomiale est une conséquence naturelle de la Fractalisation de SCI, dans le contexte où l’objectif est de créer une Formule de SCI. La résolution polynomiale permet de résoudre n’importe quel problème en temps polynomiale (calculer sans avoir besoin de vérifier, et dont la vitesse de calcul est relative aux valeurs initiale des variables. En d’autre mot, nous pouvons dire aussi que si nous avons 30% du calcul effectué, nous aurons 30% de la réponse d’inscrite.). Il s’agit de l’un des problèmes du prix du millénaire, dont la solution est censurées depuis de nombreuses années.
                           Fractalisation de la mécanique de Calcul Résolu : Méthode de division des mécaniques de calcul d’un problème déjà résolu afin d’obtenir où bien des résolutions polynomiales séparées (permettant d’exploiter des parcelles d’un problème pour en résoudre un autre), ou bien d’exploiter le processus de Défractalisation pour l’obtention d’une Équation de SCI pouvant passer par une Formule de SCI aux *Équations de SCI Intriquée.
                                    Équation de SCI Intriquée : Équation contenant ayant au moins un Module Quaternaire ayant un équivalent avec des nodes composés, et où la mesure et le calcul sont différent. Ces Modules Quaternaires porte aussi le nom de « Module Tertiaire Intriqué ».
                           Fractalisation de la Mécanique de Calcul Irrésolu : Méthode de division des nodes d’un problème irrésolu afin d’éviter d’avoir à calculer directement des Variables Primitives Simple (c’est-à-dire d’éviter de calculer l’entièreté du problème d’un coup pour le calculer "morceau par morceau" pour rendre sa résolution humainement plus facile à résoudre). Cette technique permet de facilité la résolution d’un problème complexe, et elle est aussi utilisée dans le cas de la défractalisation, lorsque l’on souhaite défractaliser étape par étape afin de facilité le calcul.
                          Fractalisation d’Équation de SCI : Méthode pour transformer une Équation de SCI en Équation Alternative ou en Formule de SCI. Cette technique possède une double utilité. La première est de comprendre les logiques derrière une Équation de SCI, et la seconde, à étudier comment effectuer l’inverse : la Défractalisation de SCI. Grâce à la Fractalisation d’Équation de SCI, il devient plus facile (dans la majorité des cas) d’effectuer un processus de défractalisation par la suite.

 
                 La Défractalisation de SCI : Méthode consistant à définir la géodésie logique de la résolution d’un problème, c’est-à-dire, de transformer une Formule de SCI en une Équation de SCI. Cette méthode est fondé sur Les tables de Défractalisation (ou Tables de SCI), qui sont un ensemble de type de suite logique cumulable affichant les exceptions au processus de défractalisation. Ces exceptions démontrent que le Calcul du Pole ne peut pas résoudre le problème par déduction logique lorsque nous tentons d’effectuer une défractalisation, en tenant compte uniquement de la Fractalisation de SCI et des Règles de SCI. Les Tables de SCI affichent les limitations de la Fractalisation de SCI, sans tout fois rendre la résolution d’un problème impossible par l’exploitation de la résolution en losange.
                          La conjecture de la défractalisation multiplicatrice : Cet hypothèse affirme que pour toute suite multiplicatrice ou empirique, il existe une Équation Alternative ou Équation de SCI équivalente. Bien que la résolution de plusieurs problèmes irrésolus (tel que le problème du cercle de Guass) semblent montrer que la conjecture est vrai (dans le cas où plusieurs type de suite des tables de SCI sont combinées), leur résolution ne démontre pas que la conjecture est vrai en toute circonstance. Pour être accepté par les communautés scientifiques, il faut que la suite multiplicatrice « n! » ou une suite empirique comme la suite de fibonacci soient défractalisés.
                          Défractalisaion d’addition : Ce processus de défratalisation permet de transformer toute Formule de SCI et Équation Alternative étant constituées de suite non multiplicatrique et non empirique en Équation de SCI. Nous entendons par suite multiplicatrice une suite de multiplication qui demande comme facteur multiplicateur une Variable Secondaire de Mémoire. Par exemple, pour  « PR(L,i){M = (M*i*L) + 1} », i est une Variable Secondaire de Mémoire qui est utilisée comme facteur multiplicateur. Alors que pour « PR(L,i){ M = (M*L)+i} », la Variable Secondaire de Mémoire n’est pas utilisé comme facteur multiplicateur, et donc cette dernière peut être entièrement défractalisé par un processus de Défractalisation d’Addition.

 
[2.5] Résumé de la Fractalisation de SCI.
        La Fractalisation d’un problème par Fractalisation de SCI peut être exploité de quatre façons :
                 1 : Diviser et exploiter les fractales d’un problème afin de le résoudre par résolution polynomiale. Cela permet d’isoler les différentes logiques à appliquer pour les différent modules primitif. Cette forme de Fractalisation de SCI s’appel la Fractalisation des Modules Primitifs, et passe par le Calcul du Pole et la Fractalisation des Logiques afin de résourdre un problème.
                 2 : Diviser un problème résolu afin d’isoler des modules de la résolution d’un problème pour en résoudre un ou plusieurs autres. Cette forme de Fractalisation de SCI s’appel la Fractalisation de la mécanique de Calcul Résolu.
                 3 : Diviser un problème irrésolu afin d’éviter d’avoir à calculer directement des Variables Primitives Complexes. Cette technique, appelé la Fractalisation de la mécanique de Calcul Irrésolu, permet de facilité la résolution de problème complexe.
                 4 : Transformer une Équation de SCI en Équation Alternative ou en Formule de SCI. Ce type de transformation s’appel la Fractalisation d’Équation de SCI. Dans une Équation de SCI, les Priorités de Réaction sont visible lorsqu’une variable est répétée plus d’une fois. Une autre technique consiste à comparer les résultats d’une équation afin de découvrir les Priorités de Réaction. Par exemple, dans « M += L*(L+1)/2 », la variable « L » est répétée deux fois, donc nous pouvons dire :
                          PR(L,i)
                          {         M += (( (i-1) +1)/2) * 2

                                     // La multiplication par 2 est en raison qu’il y avait deux variables L qui était multiplier entre eux.
                          }
                          Après la simplification, nous obtenons :
                          PR(L,i)
                          {         M += i
                          }

 
[2.6] La Fractalisation de SCI : Fractalisation des Modules Primitifs ; le Calcul du Pole.
        Pour le Système d’Origine, nous effectuons le Calcul du Pole afin de déduire le nombre de variable de chaque type, ainsi que leur valeur de départ. Un Système d’Origine pleinement définit permet une vision d’ensemble exploitable par la Fractalisation des Logiques. Voici comment déduire le Calcul du Pôle :

 
                 Définir les valeurs et variables de l’OL :
                          Dans un problème, il faut relever les limites hypothétiquement variables, et les placer par ordre décroissant, sans tenir en compte des limites qui sont entièrement relative et définit par d’autre limite. Ce nombre de limite détermine le nombre de Variable Secondaire de Limitation. L’ordre décroissant du placement de ces variables permet par la suite de pleinement exploiter les Règles de SCI pour résoudre le problème en passant par une géodésie logique de sa résolution.
                          Par exemple, pour le problème des 400 étudiants (P=NP), le nombre d’étudiant et de place peuvent varier. Nous pouvons donc dire que « L1 » est le nombre d’étudiant, et « L2 » le nombre de place. Si le nombre de place est placé après, c’est à cause que nous pouvons déduire que s’il y a plus de place que d’étudiant, alors il y aura toujours des places de libre, donc : le nombre de place ne peut être que égal ou inférieur au nombre d’étudiant, ce qui fait que « L1 » (le nombre d’étudiant) a un potentiel plus élevé que « L2 » (le nombre de place).

 
                 Définir les Variables Primitives Simple « Pn » de l’OP :
                          Le nombre de variable « P » correspond au nombre de mesure différente (et indépendante) à effectuer pour résoudre un problème. Le nombre de dimension d’itération de chaque variable « P » correspond au nombre différent d’élément à comparer dans la mesure. Et le nombre d’itération dépassant la valeur des Variables de Limitation est égal à la profondeur du calcul (nombre de couche) à mesurer, moins 1. Par exemple, pour le problème des 400 étudiants (P=NP) :
                          Le nombre de Variable Primitive Simple P : Il y a une seule variable, car nous n’avons que des étudiants par rapport incompatibilité à mesurer.
                          Le nombre d’itération de P : Les Étudiants doivent comparer leurs incompatibilités, mais aussi les incompatibilités des incompatibilités doivent être tenues en compte. Il y a donc deux dimensions d’itération.
                          Le nombre d’itération dépassent les valeurs des variables de Limitation : Les incompatibilités des incompatibilités sont calculées après avoir comparé les incompatibilités de l’étudiant. Il faut donc l’ajout d’une rangé pour les incompatibilités d’incompatibilités.
                          Dans cet exemple :
                                   P[i,j] = Grille des incompatibilités.
                                   P[i,i] = Nombre d’incompatibilité de l’étudiant (un étudiant ne peut pas être incompatible avec lui-même, donc cette position est naturellement recyclée).
                                   P[i,(L1+1)] = Valeur des incompatibilités, correspondant au nombre d’incompatibilité de l’étudiant au carré.
                          Attention, les Variables Primitives Simples « Pn » n’ayant aucune dimension d’itération sont supprimées et sont représentées par une Variable Secondaire de Limitation pré-existante, mais compte comme si elle existait dans le Calcul du Pole. La raison de sont effacement (tout en faisant comme si elle existait dans le cadre de la Fractalisation des Modules Primitif) est lorsqu’il n’y a pas de dimension d’itération pour une Variable Primitive Simple, ça valeur par défaut est toujours exprimé par une Variable Secondaire de Limitation (ou une valeur isolée selon le cas) : nous économisons donc une variable, et la Variable Secondaire de Limitation qui est exploitée à sa place est utilisé à la fois comme Variable Primitive Simple, et à la fois comme Variable Secondaire de Limitation.

 
                 Définir les Variables R de l’OP:
                          Dans la résolution d’un problème, P représente la mesure à effectuer, et R représente le calcul. L’un des principes mathématiques dans les Règles de SCI déclare que pour résoudre un problème, il faut toujours appliquer la logique « Mesure Opérateur Calcul = Solution ».
                          Le nombre de variable « Rn » est égal au nombre de triage différent à mémoriser en même temps pour définir une réponse à la solution du calcul. Le nombre de dimension d’itération dépend entièrement du nombre d’éléments à tenir en compte en même temps pendant le triage. Et le nombre d’itération dépassant la valeur des Variables de Limitation correspond au nombre d’information différente à retenir en même temps en lien avec le parcours du calcul, moins 1.
                          Par Exemple, pour le problème des 400 étudiants (P=NP) :
                                   Le nombre de variable « R » : bien que les incompatibilités des étudiants doivent être retenu avec l’état de calcul : il s’agit ici d’un seul triage. D’un coté nous mémorisons les valeurs des incompatibilités, et d’un autre, nous devons mémoriser à quel étape de calcul en lien (avec ces mêmes valeurs d’incompatibilité) nous sommes rendu à calculer pour chaque étudiant : c’est ces étapes de calcul qui est considéré comme un triage, car sans ces étapes de calcul, nous n’aurions pas besoin de Variable Primitive de Résolution pour résoudre le problème.
                                   Le nombre de dimension d’itération de « R » : Pour la variable « P », nous avons vu qu’il y avait deux éléments à tenir en compte : les étudiants, et leurs incompatibilités. Donc nous savons que Rn ne peut pas excéder deux dimensions d’itérations, car « Rn » ne pourra jamais contenir plus de valeur que « Pn ». Mais pour avoir une valeur précise, regardons ce dont nous devons tenir en compte pour le calcul avec les informations de la Variable Primitive Simple « Pn » : nous devons tenir en compte la valeur des incompatibilités des étudiants, et les identifiants des étudiants eux-mêmes. Il y a donc deux dimensions d’itération pour la Variable Primitive de Résolution « R ».
                                   Le nombre d’itération dépassant la valeur des Variables de Limitation : Nous devons mémoriser chaque identifiant des incompatibilités des étudiants mais aussi l’état de calcul (non mesuré, mesuré, incompatibilité en calcul, et incompatibilité calculé). Il a donc 2 informations à retenir, ce qui veut dire que le nombre d’itération dépassant la valeur de la Variable de Limitation est égale 1 : R[L,(L+1)].

 
                 Définir les Variables M de l’OP:
                          La/les Variable Primitive de Mémoire « Mn » correspond à la ou les réponses recherchées. Le nombre de Variable Primitive de Mémoire « M » correspond au nombre de solution différente (excluant les réponses itérées) attendu par la question. Le nombre de dimension d’itération est relatif à l’attente du nombre de réponse d’un même élément. Et le nombre d’itération dépassant la valeur des Variables de Limitation correspond au nombre de conclusions supplémentaires exigées par la question, et cette valeur est naturellement placé là ou la Variable de Limitation est la plus élevé. Exemple, s’il y a une condition supplémentaire pour « M[L1,L2] », où « L1=30 » et « L2=20 », alors nous plaçons cette condition supplémentaire à « M[(L1+1),L2]] ».
                          Prenons l’exemple du problème des 400 étudiants (P=NP) :
                                   Le nombre de variable « M » : Nous cherchons à obtenir une seule solution : remplir un maximum de place. Il y a donc une seule variable « M ».
                                   Le nombre de dimension d’itération de « M » : Ici, le nombre maximum d’élément de la réponse est égal à 1, car l’unique élément recherché, c’est de connaître quel étudiant aura sera assit sur chaque place.
                                   Le nombre d’itération dépassant la valeur des Variables de Limitation : Si nous disons que nous voulons simplement placer les étudiants de sorte qu’un maximum de place soit prise, il n’y a pas de conditions supplémentaire exigées. Mais si nous cherchons à savoir si toute les places seront prise, il y a une condition supplémentaire, et donc, il faut une longueur de « (L2+1) » valeurs à emmagasiner, où les « L2 » premières valeurs sont les places pouvant être occupées, et la position « (L2+1) » représente la conclusion supplémentaire.

 
                 Définir le nombre total de variable dans l’OM:
                          Le nombre de variable maximum de l’OM se trouve en examinant les variables de l’OL et de l’OP. Pour rappel, les Variables Secondaires de Mémoire (les variables initialisées dans l’OM) sont les variables nécessaire pour la création de la Formule de SCI afin de résoudre le problème par résolution polynomiale. Voici maintenant les étapes du calcul :
                                   1 : Nous commençons par ajouter le nombre de Variable de Limitation, moins 1.
                                   2 : Ensuite, nous devons choisir la Variable Primitive de l’OP avec plus grand nombre de dimension d’itération, et y ajouter ce nombre. Si plusieurs Variables Primitives possèdent le même plus grand nombre de dimension d’itération, une seule variable est calculée.
                                   3 : Nous calculons ensuite le nombre total de Variable Primitive Simple et Complexe (nous comptons uniquement les Variables Primitives Complexe qui remplace une Variable Primitive Simple), moins 1, puis nous comparons la valeur du résultat avec le nombre total de Variable Primitive de Mémoire moins 1, et n’ajoutons uniquement le total le plus élevé.
                                   4 : Nous calculons maintenant le nombre de Variable de Résolution moins 1, et nous y ajoutons ce nombre.
                                   5 : Pour terminer, nous prenons toutes les valeurs isolées (valeur sans variable) qui sont additionnées à au moins une Variable de Limitation, compris dans les Variables « Pn » et « Rn », et nous les ajoutons.
                          Le total de ces cinq étapes donne le nombre de variable secondaire de mémoire se trouvant dans l’OM. Si le total est inférieur à 0, alors la réponse est égal à 0.
                          Par exemple, pour le problème des 400 étudiants (P=NP) :
                                   1 : Nous avons deux Variables de Limitation (400 étudiants, et 100 places). Donc : 2-1 = 1.
                                   2 : P et R on tout les deux 2 dimensions d’itération. Donc, nous disons 2=2.
                                   3 : Le nombre total de Variable Primitive Simple ou Complexe est égal à 1. Le nombre de Variable Primitive de Mémoire est égal à 1. Donc, nous pouvons déduire que 1=1, donc nous choisissons 1, et nous retirons 1 : « 1-1 = 0 ».
                                   4 : Il y a une seule Variable Primitive de Résolution. Donc : 1-1 = 0.
                                   5 : « P » et « R » ont chacun une valeur isolée qui est additionné à une Variable de Limitation. Donc, nous avons : 2 = 2.
                                   6 : Additionnons maintenant les résultats des 5 étapes précédentes afin de définir l’OM : « 1+2+0+0+2 = 5 ». Donc : « OM(5); ».
        Lorsque les Variables Primitives de Mémoire on plus de dimension d’itération (ou le même nombre de dimension d’itération avec plus d’itération) que les autres Variables Primitives, cela indique que vous exploitez inutilement des Priorités de Réaction afin de résoudre un problème, et que votre calcul n’est pas, dans tout les cas, une géodésie logique. En d’autre terme, les Variables Primitives de Mémoire peuvent posséder moins de dimension d’itération et/ou d’itération tout en emmagasinant les mêmes résultat.

 
[2.7] La Fractalisation de SCI : Fractalisation des Modules Primitif ; Fractalisation des Logiques.
        La Fractalisation des logiques consiste à exploiter les Règles de SCI et le résultat du Calcul du Pole, afin de déduire le contenu des modules primitifs qui exploite l’information du Système d’Origine.

 
        Déduction de la Suite Logique Parent SLP :
                 La Suite Logique Parent n’existe que dans les cas suivants :
                          1 : Si la réponse à un problème est multiple.
                          2 : Si la mesure d’un problème doit être répétée selon le nombre total d’itération des Variables Primitives Simple « Pn » et/ou Complexe « Cn » (qui remplace une Variable Primitive Simple), comme c’est le cas par exemple des suites empiriques ou des suites multiplicatrices.
                 Dans le cas où il n’y a pas de Variable de Limitation, la Priorité de Réaction Parente « PRn(arg1,i) », où arg1 correspond ou bien à « Pn », ou bien à une valeur tiré de « Pn », tel que « PR(P1,i) », ou encore « PR( (P3/2) , i ) ».

                  S’il y a un Module Quaternaire précédent la Priorité de Réaction Parente, elle est déductible par les actions des Applications Finales « AF() » ; s’il y a une sélection qui avance progressivement avec le calcul, il y a obligatoirement un Module Quaternaire avec une Variable Secondaire de Mémoire qui débute la Suite Logique Parent (cette Variable Secondaire de Mémoire est visible par son incrémentation dans une Réaction finale).
                 La Priorité de Réaction Parent sera toujours « PRn(L1,i ... ) », en raison que « L1 » sera toujours la Variable de Limitation la plus grande, et que la variable « i » est la première Variable Secondaire de Mémoire utilisée pour résoudre un problème par résolution polynomiale.
                À l’intérieur de la Priorité de Réaction Parente, il y a des Règles d’Application dans l’unique cas où l’ordre croissant de « i » n’est pas respecté par rapport à l’ordre de résolution du problème.
                 Pour finir, nous devons nous demander si la mesure est nécessaire avant d’entrer une première réponse dans la Variable Primitive de Mémoire « Mn ». Si oui, alors il y a une Suite Logique Enfant de Mesure appelée depuis l’Application Finale, et il y a une Suite Logique Enfant de Calcul qui appel l’Application Finale (ou Réaction Finale selon le cas). Si non, la Suite Logique Parent fait appel à une Application Finale ou une Réaction Finale, qui à son tour fera appel à une Suite Logique Enfant de Mesure.

 
        Déduction des Suites Logiques Enfants de Mesure :
                 Dans toute Suite Logique et Application Finale, lorsqu’elle commence par un Module Quaternaire, cela veut dire que son calcul dépend d’une variable (généralement une switch entre 0 et 1) afin de définir la coupure optimale de son calcul, ou pour échanger des places dans une liste de priorité placée dans une Variable de Résolution.
                 Les Suites Logiques Enfant de Mesure ne servent qu’à deux choses. La première est de mesurer et placer l’information afin d’effectuer un calcul par la suite. La seconde utilité est d’actualiser une liste après l’entré d’un résultat dans une Variable Primitive de Mémoire « Mn ».
                 Le nombre de Suite Logique Enfant de Mesure est relatif au nombre de mesure différente à effectuer, additionné au nombre différent d’état de calcul pouvant être effectué en même temps. Par exemple, dans le problème des 400 étudiants, nous devons mesurer l’incompatibilité entre les étudiants, et les états de calcul pouvant être fait en même temps sont : « non mesuré et non calculé », « mesuré et non calculé », et « mesuré et calculé ». Nous avons donc un total de 4 Suites Logiques Enfant de Mesure.

 
        Déduction des Suites Logiques Enfants de Calcul :
                 L’utilité de ce type de Suite Logique est de calculer la valeur de quelque chose qui à préalablement été mesurée. Pour une même action, il peut y avoir plusieurs Suites Logiques Enfant de Calcul ; elles sont relative à la profondeur du calcul à mesurer. Par exemple, dans le problème des 400 étudiants (P=NP), nous devons mesurer les incompatibilités entre les étudiants afin de calculer les incompatibilités des incompatibilités elle-même, ce qui fait une couches de profondeur, il y a donc une Suites Logique Enfant de Calcul pour résoudre le problème.

 
       Déduction des Applications Finales :
                 La résolution d’un problème possède une Application Finale lorsqu’il existe une priorité d’assignation de valeur dans la réponse, ou une sélection suivant le résultat d’un calcul. Dans tout les autre cas, l’Application Finale est remplacée par une Réaction Finale. Dans le cas ou la réponse par résolution polynomiale peut être à la fois une Application Finale et une Réaction Finale, la résolution du problème possède les deux (p.ex : les 400 étudiants doit être choisi suivant un calcul, sauf si l’étudiant en cour de triage n’a pas d’incompatibilité.).

[2.8] Fractalisation de SCI : Fractalisation de la mécanique de Calcul Résolu. 

         Comme il a été mentionné plus tôt, il existe deux types de Fractalisation de la Mécanique de Calcul. Le premier type (la Fractalisation de la mécanique de Calcul Résolu) est utilisé lorsque vous souhaitez diviser un problèmes qui a déjà été résolu, afin d’exploiter indépendamment des parties du calcul pour résoudre un autre problème, ou simplement pour diviser un problème résolu en plusieurs problèmes résolus, dont chaque problème est différent et indépendant des uns des autres. Voici les différentes techniques :
                 1 : Passer par un processus de Défractalisation d’addition ou multiplicatrice dans le but de transformser une Formule de SCI en Équation Alternative ou en Équation de SCI. Cela peu être fait grâce aux tables de SCI. Nous verons plus en détail au sous-chapitre 2.21 comment exploiter les tables de SCI.
                 2 : Diviser à partir des Variables Primitives Complexes « Cn ». Les Variables Primitives Complexe marque une séparation naturelle de plusieurs problèmes unifiés. Par exemple, si nous combinons le problème des 400 étudiants au coloriage de graphe, nous pourrions dire que nous cherchons à savoir quel étudiant aura une place. Ensuite, selon les diviseurs des identifiants des étudiants choisis, nous savons que toute les places ayant les mêmes diviseurs sont des voisins. Le problème étant que nous devons donner des livres de couleurs différente entre chaque voisin, tout en ayant le moins de couleur que possible.
                          Dans cet exemple, « Mn » du problème des 400 étudiants (P=NP) devient « Cn » pour connaître les arcs de cercle. Si nous divisons le problème, « Cn » deviendrait « Pn » comme dans la résolution du coloriage des graphes, et ainsi, le problème serait divisé en deux partis pouvant être résolu indépendamment, sans avoir recours à une Variable Primitive Complexe.
                 3 : Diviser les micro-mesure et les micro-calcul. Pour les problème supérieur à la classe P, les Mesures et les Calculs sont toujours exprimés sous la forme « a1 OP a2 », et donc, cette formulation peut être elle-même composé d’une autre Mesure et d’un autre Calcul si : an = a1 OP a2, où au moins un argument possède un minimum d’un opérateur. Par exemple, si nous voulons définir un nombre congruent, nous pouvons exploiter cette Équation Alternative :

                          Discriminant #1 : parity(L) + (parity(d)*3) = 3 & parity(d/2) = 0
                          Discriminant #2 : (L+d) < 4
                          Discriminant #3 : d = 1 & p = 1
                          Discriminant #4 : L = d & p = 2
                          Discriminant #5 : (parity((L+2)/2)*3) + parity(d) = 3 & p = 2

                          /* « √( div²(A) ) », qui donnera toujours un nombre
                                    auquel « r » peut prendre n'importe quel se ses diviseur.
                          */
                          Variable r (distorsion rationnel) : ir( 1 , ∞ )
                          Variable L (Différence de longueur entre B et C) : ir( 1 , ∞ )

                          /* Pour définir R, nous devons prendre un diviseur de l'équation suivante :
                                    Si « P=1 » : R = div²(L) / div( div²(L) , ((d+1)*2) )
                                    Si « P=2 » : R = div²(L) / div( div²(L) , ((d-1)*2) )
                          */
                          Diviseur R de la distorsion : ir( 1 , ∞ )
                          Distorsion d : ir( 1 , ∞ ) / R
                          Puissance p : ir( 1 , 2 )
                          // Aire d’un triangle rectangle rationnel « A » :
                          A = ( (L*d) * abs( L^(2-p) * d² - L^p ) ) / (2²*r²)
                 Règles d’Application :
                          Si r est Impair : A est un nombre congruent pair.
                          Si r est Pair :
                                   Si L est Pair :
                                            Si d est Impair : A est un nombre congruent pair.
                                            Si d est Pair : A est un nombre congruent pair.
                                   Si L est Impair :
                                            Si d est Impair : A est un nombre congruent impair.
                                            Si d est Pair : A est un nombre congruent pair.
                 Nous pouvons dire dans cette exemple que « ((L*d)/r) » est la mesure du calcul effectué. Mais si nous prenons uniquement cette mesure pour la fractaliser, nous obtenons une micro-mesure et un micro-calcul : la mesure est (L*d), l’opérateur est la division, et le calcul est « r ». Réunit ensemble, cela donne la longueur du plus petit segment d’un triangle rectangle rationnel avec une aire entière :
                 Discriminant #1 : parity(L) + (parity(d)*3) = 3 & parity(d/2) = 0
                 Discriminant #2 : (L+d) < 4
                 Discriminant #3 : d = 1 & p = 1
                 Discriminant #4 : L = d & p = 2
                 Discriminant #5 : (parity((L+2)/2)*3) + parity(d) = 3 & p = 2
                 Variable r (distorsion rationnel) : ir( 1 , ∞ )
                 Variable L (Différence de longueur entre B et C) : ir( 1 , ∞ )
                 Diviseur R de la distorsion : ir( 1 , ∞ )
                 Distorsion d : ir( 1 , ∞ ) / R
                 Puissance p : ir( 1 , 2 )
                 Segment a : ( L * d ) / r
                 Segment b : abs(    ( ( L * d )² / ( L^p * 2 ) )   -   ( L^p / 2 )    )    /    r
                          OU : abs( L^(2-p) * d² - L^p ) / ( 2 * r )
                 Segment c : (    ( ( L * d )² / ( L^p * 2 ) )   +   ( L^p / 2 )    )    /    r
                          OU : abs( L^(2-p) * d² + L^p ) / ( 2 * r )
                 Localiser les nombres décimaux :
                          1 : Si L est impair et que d est pair, alors il y aura toujours un segment avec un nombre rationnel.
                          2 : Si r n’est pas égal à 1, et que d est un carré parfait (excluent 1), alors il y aura toujours un segment avec un nombre décimal.
                          3 : Si r n’est pas un divisible de L, alors il y aura toujours un segment avec un nombre décimal.

 
[2.9] Fractalisation de SCI : Fractalisation de la mécanique de Calcul Irrésolu.
        Le deuxième type (la Fractalisation de la mécanique de Calcul Irrésolu) est utilisé lorsque vous souhaitez diviser un problèmes irrésolu en plusieurs petit problèmes afin de les calculer indépendamment. Une fois chaque petit problèmes résolu, il ne reste qu’as assemblé le tout. Cela permet d’éviter d’avoir a calculer directement des Variables Primitives Complexes, qui sont humainement difficile à résoudre sans passer par une Fractalisation de la Mécanique de Calcul Irrésolu.

 
                 Par exemple, lorsque j’ai associé les triangles rationnels aux coefficients A et B de la courbe utilisée par la célèbre conjecture de Birch et Swinnerton-Dyer, j’ai tout d’abord commencé par corriger des erreurs enseignés sur les triplets pythagoriciens, pour ensuite utiliser ces découvertes pour résoudre des problèmes irrésolus sur les triangles héroniens, puis corriger des fausses croyances et résoudre des problèmes irrésolus au niveau des nombres congruents, ce qui au final, a permit de déduire partiellement l’Équation de SCI qui prouve le lien de la courbe aux possibilités de triangles rectangles rationnels.

 
[2.10] Les Règles de SCI : Les 5 types d’informations.
        Tout problème est composé de Nodes et de Modules, et possède jusqu’à cinq types d’information, représenté par les quatre Modules Primitifs des mathématiques de SCI:
                 Le Système d’Origine « SO() » : Définit l’état initial des variables à prendre en compte. Souvent, nous devons passer par une Proposition PN() afin de générer un schéma aléatoire ou précis.
                 La Suite Logique Parent « SLP() » : Ce module primitif définit la suite logique extérieure aux suites logiques qui servent à mesurer ou calculer un état. En d’autre terme, lorsqu’une réponse comporte plus d’une valeur à inscrire, ce module est nécessaire afin de prioriser l’ordre de calcul. Ce module est déduit facilement par la requête de l’énoncer, et par la Variable de Limitation la plus élevée.
                 Les Suites Logiques Enfant de Mesure « SLM() » : Ce module sert à mesurer l’état d’un problème. Pour résoudre n’importe quel problème, nous appliquons toujours la logique « Mesure Opérateur Calcul = Réponse ».
                 Les Suites Logiques Enfant de Calcul « SLC() » : Modules servent à calculer une mesure d’un problème afin de conclure par une Application Finale ou une Réaction Finale.
                 L’Application Finale « AF() » : Module qui définit la dernière action (itérée ou non) de la résolution d’un problème. L’application applique un résultat ; une valeur à la variable qui affiche la résolution d’un problème. Dans le processus de Défractalisation d’un problème, la Suite Logique Parent et l’Application Finale sont les seuls modules pouvant conserver des nodes composés tout en étant une Équation de SCI, du moment que cela sert uniquement à appliquer des réponses aux valeurs multiples d’un problème, car un problème qui nécessite une réponse itérée demande nécessairement au moins une Priorité de Réaction.

 
[2.11] Rappel sur la différence entre une Équation de SCI, une Équation Alternative, et une Formule de SCI.
        Une Formule de SCI se caractérise par un nombre d’opération relatif aux valeurs des variables de l’Origine Primitive (comprenant l’initialisation des variables primitives) et de l’Origine des Limitations (comprenant l’initialisation des variables de Limitation) du problème en question. Lorsque nous sommes obliger d’exploiter des nodes composés à l’extérieur des Applications Finales afin de résoudre un problème, une Formule de SCI sera toujours une géodésie logique, c’est-à-dire une résolution polynomiale qui exploite le chemin logique le plus court pour résoudre le problème. Mais dès que la solution recherchée n’est pas une réponse itérée, et qu’elle ne nécessite pas d’effectuer un processus de Défractalisation Multiplicatrice, alors une Équation Alternative ou une Équation de SCI sera toujours un chemin plus court.

 
       Excluent les variations causées par les Règles d’Application : une Équation Alternative se caractérise par un nombre d’opérations invariable pour chaque résultat entré, quelle que soit les valeurs des variables de votre équation. Cependant, contrairement à l’Équation de SCI, il existe des Règles d’Application (dit simplement : une Équation Alternative est une Équation de SCI avec des Règles d’Application). Par exemple, pour l’équation fictive « a/b=rnd(c) », on peut ajouter une règle selon laquelle a et b doivent être des nombres entiers pour que l’équation soit vraie, ou encore, appliquer des Règles d’Application afin d’altérer la méthode de calcul :
                 Méthode d’écriture pour une Formule de SCI :
                          RA( a=rnd(a) & b=rnd(b) )
                          {         a/b=rnd(c)
                          } !
                          {         rnd(a)/rnd(b)=c
                          }
                 Méthode d’écriture pour une Équation Alternative :
                          Discriminant #1 : a = rnd(a)
                          Discriminant #2 : b = rnd(b)
                          Variable a : r(0,100)
                          Variable b : r(0,100)
                          Variable c : rnd(a) / rnd(b)
                          Variable !c : rnd(a/b)

 
        Une Équation de SCI se caractérise par :
                 - Un nombre d’opération invariable peu importe les valeurs des variables de votre équation.
                 - Il s’agira toujours d’une géodésie logique pour l’ensemble des valeurs possibles pour les variables de l’Origine Primitive.
                 - Elle ne possède aucun node composé ni de Variable Secondaire de Mémoire, sauf dans le cas où la réponse est itérée, dans ce cas précis uniquement, l’Équation de SCI peut posséder des Priorités de Réaction et des Variables Secondaire de Mémoire pour une Application Finale (la somme des Priorités de Réaction de l’Application Finale doit former un seul et unique module tertiaire). En d’autre terme, les Priorités de Réaction sont permises, du moment qu’elle respecte la Relativité des Réactions.
                 - La conjecture de la Défractalisation Multiplicatrice n’étant pas entièrement résolu, nous pouvons également dire que les Priorités de Réaction peuvent être également être utilisés dans le cadre d’expression de suite multiplicatrice ou de division provenant des Tables de SCI. Par exemple, la suite « n! » est une suite multiplicatrice, et la suite de fibonnaci est une suite empirique, donc elle aussi considérée comme une suite multiplicatrice.
                       Note : Les variables en tant qu’exposant ne compte pas comme élément variable dans une Équation de SCI ou une Équation Alternative, car il faut résoudre la conjecture de la défractalisation multiplicatrice.

 
[2.12] Les règles de SCI : Les Principes des Mathématiques de SCI.
        À Partir de la théorie « tout est un arbre », nous pouvons définir 7 principes mathématiques qui englobe les Règles de SCI de la Résolution en Losange :
                 1: Si nous possédons aux moins deux types d’informations au complet, il est possible de facilement déduire les deux autres.
                 Par exemple:
                          - Si nous avons les Suites Logiques Enfant de Mesure et de Calcul, nous pouvons déduire le Système d’Origine afin d’obtenir l’Application Finale.
                          - Si nous connaissons le Système d’Origine et/ou les résultats possibles du problème et/ou l’Application Finale, nous pouvons déduire la Suite Logique Parent à appliquer afin de déduire par la suite les Suites Logiques Enfant pour Mesurer et Calculer les différences de résultat.
                 Donc, pour tout problème, il nous suffit de connaître deux des quatre éléments suivants pour déduire le reste sous la forme d’une Formule de SCI (ou en Équation de SCI pour les problèmes n’ayant pas de Variable Primitive de Résolution):
                          - Le Système d’Origine.
                          - Le/Les Suite Logique Enfant de Mesure.
                          - Le/Les Suite Logique Enfant de Calcul.
                          - L’Application Finale, ou le/les résultats recherchés. Il n’est pas nécessaire de connaître tout les résultats recherchés, mais, suivant l’ordre croissant des différent résultats possible, il nous suffit de connaître des résultats différents : un nombre minimum de résultat relatif au nombre de dimension d’itération des variables à exploiter dans l’Origine Primitive.
                                   Note : Dans la théorie « tout est un arbre », le Système d’Origine correspond aux feuilles de l’arbre. Quant aux Suites Logiques Enfant de Mesure, elle sont représentées par les petites branches de l’arbre ; les Suites Logiques Enfant de Calcul sont les branches qui sont directement relié au tronc. Pour les Applications Finales, elles sont représenté par le tronc de l’Arbre. Et enfin, la Suite Logique Parent est représenté par le nombre de grosses branches rattaché au tronc de l’arbre.
                 Ce principe dit que nous pouvons calculer sans vérifier un problème sous la forme d’une Formule de SCI pour les problèmes supérieurs à la classe P, et une Équation de SCI ou une Équation Alternative pour les classes inférieurs à NP. La limite de possibilité logique pour résoudre un problème par une Formule de SCI, incluant uniquement les formules minimalisées pour définir une résolution polynomiale, est relatif au nombre de variable définit dans un Système d’Origine. Cette limite de possibilité tant vers l’infini, mais peut être réduite sans perdre la géodésie logique, en appliquent des règles mathématiques: Les règles de SCI.

 
                 2: Tout problème définit affiche son Système d’Origine; tout problème définit permet de déduire facilement son Système d’Origine par le Calcul du Pole, et au moins un deuxième type d’information (SLM, SLC, AF ou RF). Dans les Mathématiques de SCI, comprendre la question, c’est savoir comment résoudre le problème par déduction logique.
                               Note : Pour tout problème logique, il n’y a qu’une méthode de résolution qui est universelle : la Résolution en Losange. Cependant, il faut noter que la Résolution en Losange n’est pas parfaite, non pas qu’elle ne fonctionnerait pas dans la totalité des situations, mais parce qu’il faut connaître un grand nombre de règles pour déduire la réponse. Conscient de cette difficulté, j’ai prévu d’écrire une nouvelle formule afin de simplifier la résolution en losange, sans perdre ses avantages.
 

                 3: Dans une Équation Alternative ou Équation de SCI, le nombre de Priorité de Réaction « PR » est relatif au nombre de dimension de la Variable Primitive de Mémoire qui en possède le plus : c’est ce qu’on appel la Relativité des Réactions. Par exemple :
                          1 : variable.
                                   Ici, il n’y a pas de dimension d’itération, donc elle ne peut pas être placée à l’intérieur d’une Priorité de Réaction « PR ».
                          2 : variable[i].
                                   Ici, il y a une dimension d’itération, donc cette variable peut être placée dans un maximum d’une Priorité de Réaction, tel que  « PR(L,i){variable[i] = argument} ».
                          3 : variable[i,j].
                                   Ici, il y a deux dimensions d’itération, donc cette variable peut être placée dans un maximum de deux Priorité de Réaction, tel que « PR²(L,i,j){variable[i,j] = argument} ».
                        Note : Sous la syntaxe habituellement utilisé pour les Équations Alternatives, les Variables Primitives de Mémoire sont les variables qui représente directement la solution à l’énoncer. Par exemple, si nous cherchons les longueurs de segment d’un triplet pythagoricien, seul les variables représentent les Segments A, B et C sont des Variable Primitive de Mémoire ; les autres variables n’en sont pas.
                 Tout problème exploitant une Priorité de Réaction sans respecter la Relativité des Réactions, peut passer par un processus de défractalisation afin d’en retirer les séquences logiques répétées (p.ex: L'obtention des coefficients A et B de la conjecture BSD sans boucle ni recherche), et ainsi passer d’une Formule de SCI à une Équation de SCI. Cependant, pour les suites multiplicatrices (ex : n!), incluant les suites de résultat empirique (ex : suite de fibonacci), cela n’est pas prouvé qu’il existe une Équation de SCI régulière pour toute valeur de n. Ce problème de défractalisation multiplicatrice reste irrésolu (peut-on défractaliser une suite multiplicatrice ou empirique?), mais pour tout condition extérieur à la conjecture de la défractalisation multiplicatrice, le processus de la défractalisation à été prouvé.
                 Sauf pour la Priorité de Réaction d’une Application Finale respectant la Relativité des Réactions, et des suites multiplicatrice ou empirique encadrée par la conjecture de la défractalisation multiplicatrice (ex : suite de fibonnaci) : toute Formule de SCI qui exploite des Nodes composés (Priorité de Réaction et/ou Règle d’Application) peut être défractalisée afin d’en tirer une équation algébrique; une Équation de SCI. Ce constat démontre donc qu’une formule qui exploite une Priorité de Réaction pour résoudre un problème (sauf dans l’application finale ou la suite logique parent dans le cadre de la relativité des réactions, et dans les cas de suites multiplicatrice ou empirique), ne peut pas être affirmée comme étant vraie (même si tous les résultats possibles sont vrais), car elle affiche une méthode de résolution d’un problème de manière non géodésique (en ne passant pas par le chemin le plus court, donc non conforme à la réalité elle-même).
                 Afin de prouver les axiomes de l’arithmétique, l’équation finale (l’Équation de SCI ou l’Équation Alternative) qui résout un problème, à l’exception des suites multiplicatrice ou empirique et du principe de la Relativité des Réactions sur les Suites Logiques Parent ou des Applications Finales, ne doit posséder aucune Priorité de Réaction, ni Règles d’Applications, car toute fractale logique est issue d’une suite logique sans fractale logique ; une Priorité de Réaction, comme pour une Règle d’Application qui n’agit pas en tant que discriminant ou possibilité alternative optionnelle, sont issu de fractal logique. Si par exemple vous avez une Priorité de Réaction dans une Suite Logique Parent, alors vous ne pourrez pas en avoir dans votre Application Finale (qui devient de ce fait : une Réaction Finale) ; inversément, si vous avez une Priorité de Réaction dans votre Application Finale, vous ne pouvez pas avoir de Suite Logique Parent.
                 Même si vous respecter les points du paragraphe précédent, cela ne prouve pas nécessairement que votre équation est vrai, car toute les variables doivent être prise de l’énoncé et choisi selon le Calcul du Pole. Par exemple, nous savons que les formules actuellement reconnus pour trouver des nombres congruents sont fausses (ex : y²=x³-(n²*x) ne permet pas de trouver le nombre congruent 720, alors que pour les longueurs de segment « A=18 », « B=80 », et « C=82 » est visible sous ma formule avec « L=9 », « d=2 » et «r=1», seul mes méthodes de calcul sur les nombres congruents fonctionnent réellement, voir le chapitre 4 de cette présente partie du livre), car les variables utilisées (x et y) ne se trouvent non pas dans l’énoncer du problème, mais choisi selon un effet non récurent des résultats, et donc, vous ne pouvez pas trouvez tout les nombres congruents ; j’ai résolu ce problème, et nous en reparlerons plus tard avec l’association d’une formule révèlent tout les nombres congruents aux coéficients A et B de la courbe utilisé par la conjecture BSD.

 
                4: Toute suite de nombre suivant une orbite ou tendant vers une croissance infini possède une Équation de SCI. Plus simplement, toute Formule de SCI peut être transformé en Équation de SCI, et vise versa (p.ex : PR( rnd( L ) , i ){ M += i; } == M = rnd( L ) * (rnd( L )+1) / 2). Cependant, ce quatrième point n’a pas été démontré pour les suites multiplicatrices (ex : n!), ni pour les suites empiriques (ex : la suite de Fibonacci). L’ensemble de ses suites forme les Tables de SCI, qui forme toute les exceptions sur la déduction des logiques pour résoudre un problème. Ces exceptions font en sorte que les variables utilisées (ou leur placement) ne sont pas déductible facilement. Les Tables de SCI sont composée de :
                          Suite d’Addition ( ex : 1+2+3+4+...+n , 1+3+5+7+...+n )
                                   Exemple :
                                            1+2+3+..+n
                                            = rnd( (n+1)/2 ) * ( ( rnd( n/2 ) * 2 ) + 1 )
                                            = n*(n+1)/2
                          Suite de soustraction ( ex : 1-2-3-4-...-n , n-(n-1)-(n-2)-...-2-1 )
                          Suite de multiplication ( ex : 1*2*3*4*...*n )
                          Suite de division ( ex : 1/2/3/4/5/.../n )
                          Suite empirique ( ex : 1+1+2+3+5+8+13+21... )
                 Remarque : Une suite empirique se base sur un résultat précédent, alors que tout autre suite est relative à l’incrémentation de Variable Secondaire de Mémoire, sans tenir compte de résultat précédent.

 
                 5: Tout les nodes nécessaire pour résoudre un problème sont inclut dans son énoncé, sauf pour la défractalisation des Tables de SCI. Ces tables comprennent toute suite logique exprimée sous une Formule de SCI. Pour les Tables de SCI, nous ne pouvons pas utiliser la Fractalisation des Modules Primitifs pour résoudre le problème, car ce sont déjà des Formules de SCI. Il faut donc passer par un processus de défractalisation.

 
                 6: Tout les problèmes se règle par la logique suivante :
                                   Mesure() Opérateur Calcul() = Réponse
                          Ou en respectant la Relativité des Réactions :
                                   Priorité de Réaction { Mesure() Opérateur Calcul() = Réponse }
 

                 7: Il n’existe que quatre ensembles possible de nodes, formant la totalité des lois de l’univers, et donc, de la résolution de tout problèmes mathématiques:
                          A: Ensemble avec node composé:
                                   fonc(Arg1 OP Arg2){ Arg3 OP Arg4 }
                                            OU
                                   fonc(Arg1 OP Arg2){ Arg3 OP Arg4 ; }
                          B: Les Déclencheurs Primitifs et Composés:
                                   Once(Mod,ID)
                                   Always(Mod,ID)
                                   Stop(ID)
                                   Collision(Arg1) OU Collision(Arg1,Arg2)
                          C: Le Module Quaternaire:
                                   Arg1 OP Arg2
                          D: La Fonction Temporelle « ; »
                          Ces règles nous conduit à la logique suivante : pour résoudre un problème, il faut toujours appliquer la logique « Mesure Opérateur Calcul = Solution ». La mesure, c’est une valeur qui représente l’état initiale du problème, et le calcul représente la question en elle-même dont nous devons tenir en compte.
                                    Par exemple, pour le problème des 400 étudiants, nous avons 400 étudiants avec des incompatibilités entre eux. Nous pouvons les représenter dans une grille de 400 par 400, où chaque case représente les incompatibilités possible. Puisque nous devons tenir en compte uniquement les incompatibilités pour résoudre le problème, nous disons que la mesure est le nombre des incompatibilités de l’étudiant, et doit être mit au carré pour représenter la valeur réel des incompatibilité, car la grille minimale pour représenter le problème « case par case » est de 400 par 400 : les colonnes représente les étudiants, et les rangés leurs incompatibilités.
                                    Pour savoir si un étudiant est préférable à un autre pour occuper l’une des 100 places disponible, nous devons tenir en compte la valeur restrictive de leurs incompatibilités. Nous comptons donc le nombre d’incompatibilité d’un étudiant au hasard, et nous additionnons ce nombre au nombre d’incompatibilité de chacune de ses propres incompatibilités. Si nous disons la mesure optimale d’un étudiant est de 0 (0 voulant dire qu’il n’y a pas de restriction extérieur au choix de l’étudiant lui-même), alors plus le nombre est élevé, plus l’étudiant aura des restrictions sur le nombre de place pouvant être occupé s’il est choisi. Ainsi, nous savons que « Mesure ² - Calcul = Valeur de l’étudiant », et donc, pour obtenir la valeur du calcul, nous sélectionnons un étudiant, nous comparons sa valeur a celle de ses incompatibilités, et nous choisissons à chaque fois celui qui possède la plus petit valeur en rejetant les incompatibilités de l’étudiant choisi, car plus la valeur est petite, moins sont choix aura des restrictions sur le nombre de place (la valeur 0 indique qu’il n’y aura pas de restriction supplémentaire). Nous parlerons en détail de la résolution du problème des 400 étudiants dans le chapitre 3.

 
[2.13] Les Règles de SCI des Modules Primitifs.