Przekształcenia automatów skończonych

Wielkość: px
Rozpocząć pokaz od strony:

Download "Przekształcenia automatów skończonych"

Transkrypt

1 Przeksztłceni utomtów skończonych Teori utomtów i języków formlnych Dr inŝ. Jnusz Mjewski Ktedr Informtyki Konstrukcj utomtu skończonego n podstwie wyrŝeni regulrnego (lgorytm Thompson) Wejście: wyrŝenie regulrne r nd lfetem Σ Wyjście: utomt skończony kceptujący język L(r) (język opisny wyrŝeniem regulrnym r) Metod: wyodręnić z wyrŝeni regulrnego r elementy podstwowe. Dl elementów podstwowych skonstruowć odpowidjące im utomty, nstępnie połączyć je według poniŝszych zsd: Dl zudowć A( ) Dl zudowć A() i f

2 Konstrukcj utomtu skończonego n podstwie wyrŝeni regulrnego (lgorytm Thompson) Dl Σ zudowć A() i f Gdy A(s) i A(t) są utomtmi dl wyrŝeń regulrnych s i t, to dl wyrŝeni s t zudowć A(s t) A(s) i f A(t) Konstrukcj utomtu skończonego n podstwie wyrŝeni regulrnego (lgorytm Thompson) Gdy A(s) i A(t) są utomtmi dl wyrŝeń regulrnych s i t, to dl wyrŝeni st zudowć A(st) i A(s) A(t) f Gdy A(s) jest utomtmi dl wyrŝeni regulrnego s, to dl wyrŝeni s* zudowć A(s*) i A(s) f

3 Przykłd: konstrukcj utomtu skończonego dl wyrŝeni regulrnego r = ( )* Rozkłd wyrŝeni ( )* : r 9 r 7 r 8 r 5 r 6 r 4 * ( r ) Przykłd: konstrukcj utomtu skończonego dl wyrŝeni regulrnego r = ( )* = = 4 5 r = = 6 4 5

4 Przykłd: konstrukcj utomtu skończonego dl wyrŝeni regulrnego r = ( )* r 4 = (r ) r 5 = r 4 * Przykłd: konstrukcj utomtu skończonego dl wyrŝeni regulrnego r = ( )* r 6 = ; r 8 = ; = - konstrukcje identyczne jk dl i r x = 7' 8 9 r = r 5 r x = ( )* Osttecznie otrzymujemy:

5 Przykłd: konstrukcj utomtu skończonego dl wyrŝeni regulrnego r = ( )* ( )* 9 Konstrukcj utomtu deterministycznego n podstwie utomtu niedeterministycznego Dl kŝdego utomtu skończonego istnieje deterministyczny utomt skończony kceptujący ten sm język. Dl q Q definiuje się ziór -CLOSURE(q) zwierjący te stny r Q, do których moŝn dojść z q przechodząc tylko przez -przejści, przy czym równieŝ q -CLOSURE(q). Dl S Q definiuje się ziór -CLOSURE(S) zwierjący te stny r Q, do których moŝn dojść ze stnów S przechodząc tylko przez -przejści, przy czym równieŝ S -CLOSURE(S). Dl S Q, dl Σ rozszerz się definicję funkcji przejści: δ(s,) = { r Q r δ(s,), s S }

6 Konstrukcj utomtu deterministycznego n podstwie utomtu niedeterministycznego Wejście: A=< Σ, Q, F, q, δ > - utomt skończony niedeterministyczny Wyjście: A =< Σ, Q, F, r, δ > - utomt skończony deterministyczny (ez -przejść) Metod: Q S r Q /* podziór zioru stnów pojedynczy stn */ r := -CLOSURE({q }); r - nieoznczony; /* r stn początkowy A i równocześnie podziór zioru stnów Q utomtu A */ Q := {r }; while X Q nd X nieoznczony do /* X = {q,...,q k } Q*/ egin ozncz X; for kŝde Σ do egin U := {q Q q δ(s,) s X } /* U = δ(x,) */ Y := -CLOSURE(U) ; if Y Q then egin Q := Q {Y}; Y nieoznczony; /* dołączenie Y do Q jko nieoznczonego*/ end; δ (X,) := Y; /* ustlenie funkcji przejści utomtu A */ end; end; F := { r Q r F } /* tutj r trktowne jko (r Q) podziór stnów utomtu A */ Przykłd () ( )* 9 r = -CLOSURE({}) = {,,,4,7 } = r ; Q ={ r } r oznczmy U = δ(r,) = {,8} = -CLOSURE({,8}) = {,,,4,6,7,8 }= ; δ (r,) = U = δ(r,) = {5} = -CLOSURE({5}) = {,,4,5,6,7 }= ; δ (r,) = Q = { r,, } /* stn podkreślony jest oznczony */

7 Przykłd () oznczmy U = δ(,) = {,8} 4 5 ( )* -CLOSURE({,8}) = {,,,4,6,7,8 }= ; δ (,) = U = δ(,) = {5,9} -CLOSURE({5,9}) = {,,4,5,6,7,9 }= r ; δ (,) = r Q = { r,,, r } oznczmy U = δ(,) = {,8} -CLOSURE({,8}) = ; δ (r,) = r U = δ(,) = {5} -CLOSURE({5}) = ; δ (,) = Q = { r,,, r } Przykłd () r oznczmy U = δ(r,) = {,8} 4 5 ( )* -CLOSURE({,8}) = ; δ (r,) = U = δ(r,) = {5,} -CLOSURE({5,}) = {,,4,5,6,7, } = r 4 ; δ (r,) = r 4 Q = { r,,, r, r 4 } r 4 oznczmy U = δ(r 4,) = {,8} -CLOSURE({,8}) = ; δ (r 4,) = U = δ(r 4,) = {5} -CLOSURE({5,}) = ; δ (r,) = Q = { r,,, r, r 4 }

8 Przykłd (4) ( )* 9 Osttecznie: Stn r r r r 4 r 4 F ={r 4 } strt r r r 4 ( )* Uzupełnienie utomtu skończonego Wejście: A = < Σ, Q, F, q, δ > - utomt skończony Wyjście: A = < Σ, Q, F, q, δ > - utomt skończony zupełny Q := Q { err } for q Q do for Σ do for Σ do if δ(q,) = then δ (q,) := { err } else δ (q,) := δ(q,); δ (err,) := { err }

9 Przykłd strt Stn pułpki err nie jest stnem końcowym kceptującym err Redukcj utomtu skończonego A = < Σ, Q, F, q, δ > - deterministyczny, zupełny utomt skończony x Σ* - słowo nd lfetem Σ q, q, q, q 4 Q stny utomtu A x Σ* rozróŝni stny q i q () (q,x) A* (q, ) () (q,x) A* (q 4, ) () (q F q 4 F ) (q F q 4 F ) q i q są k nierozróŝnilne, co oznczmy q k q ( x Σ*) tkie Ŝe: x rozróŝni q i q orz x k q i q są nierozróŝnilne, co oznczmy q q ( k ) (q k q ) q Q {q } jest nieosiąglny ( x Σ*) ((q,x) A+ (q,y) y Σ*) Automt skończony (deterministyczny, zupełny) nzywmy zredukownym () ( q Q) (q jest nieosiąglny) () ( q,q Q) (q i q nie są nierozróŝnilne)

10 Usuwnie stnów nieosiąglnych A = < Σ, Q, F, q, δ > - deterministyczny utomt skończony Niech R ędzie relcją (R Q Q) zdefiniowną nstępująco: q R q ( Σ ) ( δ(q,) = q ) Trze znleźć utomt A = < Σ, Q, F, q, δ > ez stnów nieosiąglnych, to znczy trze wyznczyć Q = { q Q q R* q } Zkłdmy, Ŝe elementy Q są nieoznczone. L := {q }; while L do egin end; := pierwszy element z L; ozncz w Q; L := L {}; L := L { c Q R c c nieoznczone w Q }; stop; /* elementy nieoznczone w Q są nieosiąglne */ Przykłd usuwni stnów nieosiąglnych () B C F strt A D E G

11 Przykłd usuwni stnów nieosiąglnych () L = { A }; A ; Q = { A, B, C, D, E, F, G }; L = L = { B, D }; B ; Q = { A, B, C, D, E, F, G }; L = { D } L = { D, C }; D ; Q = { A, B, C, D, E, F, G }; L = { C } L = { C, E}; C ; Q = { A, B, C, D, E, F, G }; L = { E } L = { E }; E ; Q = { A, B, C, D, E, F, G }; L = nieoznczone = nieosiąglne PRZED: B C F PO: B C strt A strt A D E G D E Łączenie stnów nierozróŝnilnych A = < Σ, Q, F, q, δ > - utomt skończony, ez stnów nieosiąglnych, deterministyczny, zupełny. Twierdzenie. Niech n = #Q ( ) ( n- ) ( n- )... ( ) ( ) przy czym: ( ) Q Q; ( k ) Q Q q q (q F q F) (q F q F) q k q q k- q ( Σ ) (δ(q,) k- δ(q,)) Twierdzenie. Relcj nierozróŝnilności ( ) Q Q jest zwrotn, symetryczn i przechodni, jest więc relcją równowŝności. Algorytm łączeni stnów nierozróŝnilnych poleg n wyznczeniu relcji nierozróŝnilności ( ) Q Q, nstępnie przypisniu kŝdej klsie równowŝności relcji ( ) stnu tworzonego utomtu zredukownego. Relcję ( ) wyznczmy zgodnie z tw. poczynjąc od ( ) i dokonując kolejnych podziłów Q n klsy równowŝności.

12 Algorytm łączeni stnów nierozróŝnilnych Wejście: A = < Σ, Q, F, q, δ > - deterministyczny, zupełny, ez stnów nieosiąglnych Wyjście: A = < Σ, Q, F, q, δ > - utomt posidjący njmniejszą liczę stnów spośród wszystkich utomtów deterministycznych i zupełnych kceptujących język L(A) ) Podzielić Q n klsy równowŝności dl relcji ( ), ( ),.... Postępowć tk długo, Ŝ podziły : dl ( k ) i dl ( k+ ) ędą identyczne. Jko podził względem relcji ( ) przyjąć ten dl ( k ) ) Oznczmy [q] klsę równowŝności relcji ( ) w Q, do której nleŝy q Q ) Q := { [p] p Q } 4) δ ( [p], ) := [q] δ(p,) = q 5) q := [q ] 6) F := { [q] q F } Przykłd Relcj Klsy równowŝności Przejści Przed: ( )* {4} {,,, } {4} {,, } {} {4} {, } {} {} {4} {,} {} {} kceptujący początkowy δ(,)= δ(,)= δ(,)= δ(,)= δ(,)= δ(,)= δ(,)= δ(,)=4 δ(,)= δ(,)= δ(,)= δ(,)= δ(,)= strt Po: strt, 4 4

4.3. Przekształcenia automatów skończonych

4.3. Przekształcenia automatów skończonych 4.3. Przeksztłceni utomtów skończonych Konstrukcj utomtu skończonego (niedeterministycznego) n podstwie wyrżeni regulrnego (lgorytm Thompson). Wejście: wyrżenie regulrne r nd lfetem T Wyjście : utomt skończony

Bardziej szczegółowo

Języki, automaty i obliczenia

Języki, automaty i obliczenia Języki, utomty i oliczeni Wykłd 5: Wricje n temt utomtów skończonych Słwomir Lsot Uniwersytet Wrszwski 25 mrc 2015 Pln Automty dwukierunkowe (Niedeterministyczny) utomt dwukierunkowy A = (A,,, Q, I, F,

Bardziej szczegółowo

Matematyczne Podstawy Informatyki

Matematyczne Podstawy Informatyki Mtemtyczne Podstwy Informtyki dr inż. Andrzej Grosser Instytut Informtyki Teoretycznej i Stosownej Politechnik Częstochowsk Rok kdemicki 2013/2014 Podstwowe pojęci teorii utomtów I Alfetem jest nzywny

Bardziej szczegółowo

JĘZYKI FORMALNE I AUTOMATY SKOŃCZONE

JĘZYKI FORMALNE I AUTOMATY SKOŃCZONE ZBIÓR ZADAŃ do WYKŁADU prof. Tdeusz Krsińskiego JĘZYKI FORMALNE I AUTOMATY SKOŃCZONE rozdził 2. Automty skończone i języki regulrne Wyrżeni i języki regulrne Zdnie 2.1. Wypisz wszystkie słow nleżące do

Bardziej szczegółowo

Gramatyki regularne. Teoria automatów i języków formalnych. Dr inż. Janusz Majewski Katedra Informatyki

Gramatyki regularne. Teoria automatów i języków formalnych. Dr inż. Janusz Majewski Katedra Informatyki Grmtyki regulrne Teori utomtów i języków formlnych Dr inż. Jnusz Mjewski Ktedr Informtyki Grmtyki regulrne G = < V,Σ,P, > jest grmtyką prwostronnie liniową, jeśli jej produkcje mją postć: ( i ) U xw (

Bardziej szczegółowo

4.2. Automat skończony

4.2. Automat skończony 4.2. Automt skończony Przykłd: Rozwżmy język nd lfetem inrnym T = {0, } skłdjący się z łńcuchów zero-jedynkowych o tej włsności, że licz zer w kżdym łńcuchu jest przyst i licz jedynek w kżdym łńcuchu też

Bardziej szczegółowo

ZADANIA AUTOMATY I JĘZYKI FORMALNE AUTOMATY SKOŃCZONE

ZADANIA AUTOMATY I JĘZYKI FORMALNE AUTOMATY SKOŃCZONE ZADANIA AUTOMATY I JĘZYKI FORMALNE AUTOMATY SKOŃCZONE DAS Deterministyczny Automt Skończony Zdnie Niech M ędzie DAS tkim że funkcj przejści: Q F ) podj digrm stnów dl M ) które ze słów nleżą do język kceptownego

Bardziej szczegółowo

4.6. Gramatyki regularne

4.6. Gramatyki regularne 4.6. Grmtyki regulrne G = < N,T,P,Z > jest grmtyką prwostronnie liniową, jeśli jej produkcje mją postć: ( i) U xv x T * U,V N ( ii) U x G = < N,T,P,Z > jest grmtyką prwostronnie regulrną, jeśli jej produkcje

Bardziej szczegółowo

4.5 Deterministyczne i zupełne automaty Moore a i Mealy ego

4.5 Deterministyczne i zupełne automaty Moore a i Mealy ego 4.5 Deterministyczne i zupełne utomty Moore i Mely ego Automty Moore i Mely ego ędziemy rozwżć tylko w rsji deterministycznej i zupełnej. W definicjch tych utomtów nie pojwi się pojęcie ów końcowych, z

Bardziej szczegółowo

1 Wprowadzenie do automatów

1 Wprowadzenie do automatów Dr inż. D.W. Brzeziński - Automty skończone, mszyn Turing. Lingwistyk mtemtyczn - ćwiczeni. Mteriły pomocnicze. Prowdzący: dr inż. Driusz W Brzeziński 1 Wprowdzenie do utomtów Automty skończone to urządzeni

Bardziej szczegółowo

bezkontekstowa generujac X 010 0X0.

bezkontekstowa generujac X 010 0X0. 1. Npisz grmtyke ezkontekstow generujc jezyk : L 1 = { 0 i 10 j 10 p : i, j, p > 0, i + j = p } Odpowiedź. Grmtyk wygląd tk: Nieterminlem strtowym jest S. S 01X0 0S0 X 010 0X0. Nieterminl X generuje słow

Bardziej szczegółowo

Lista 4 Deterministyczne i niedeterministyczne automaty

Lista 4 Deterministyczne i niedeterministyczne automaty Uniwersytet Zielonogórski Instytut Sterowni i Systemów Informtycznych Teoretyczne Podstwy Informtyki List 4 Deterministyczne i niedeterministyczne utomty Wprowdzenie Automt skończony jest modelem mtemtycznym

Bardziej szczegółowo

PODSTAWY BAZ DANYCH Wykład 3 2. Pojęcie Relacyjnej Bazy Danych

PODSTAWY BAZ DANYCH Wykład 3 2. Pojęcie Relacyjnej Bazy Danych PODSTAWY BAZ DANYCH Wykłd 3 2. Pojęcie Relcyjnej Bzy Dnych 2005/2006 Wykłd "Podstwy z dnych" 1 Rozkłdlno dlność schemtów w relcyjnych Przykłd. Relcj EGZ(U), U := { I, N, P, O }, gdzie I 10 10 11 N f f

Bardziej szczegółowo

Podstawy układów logicznych

Podstawy układów logicznych Podstwy ukłdów logicznych Prw logiki /9 Alger Boole Prw logiki WyrŜeni i funkcje logiczne Brmki logiczne Alger Boole /9 Alger Boole' Powszechnie stosowne ukłdy cyfrowe (logiczne) prcują w oprciu o tzw.

Bardziej szczegółowo

WYŻSZA SZKOŁA INFORMATYKI STOSOWANEJ I ZARZĄDZANIA

WYŻSZA SZKOŁA INFORMATYKI STOSOWANEJ I ZARZĄDZANIA Mteriły do wykłdu MATEMATYKA DYSKRETNA dl studiów zocznych cz. Progrm wykłdu: KOMBINATORYKA:. Notcj i podstwowe pojęci. Zlicznie funkcji. Permutcje. Podziory zioru. Podziory k-elementowe. Ziory z powtórzenimi

Bardziej szczegółowo

PODSTAWY BAZ DANYCH Wykład 2 2. Pojęcie Relacyjnej Bazy Danych

PODSTAWY BAZ DANYCH Wykład 2 2. Pojęcie Relacyjnej Bazy Danych PODSTAWY BAZ DANYCH Wykłd 2 2. Pojęcie Relcyjnej Bzy Dnych 2005/2006 Wykłd "Podstwy bz dnych" 1 Pojęcie krotki - definicj Definicj. Niech dny będzie skończony zbiór U := { A 1, A 2,..., A n }, którego

Bardziej szczegółowo

Modele abstrakcyjne w weryfikacji

Modele abstrakcyjne w weryfikacji Modele strkyjne w weryfikji Krzysztof Nozderko kn201076@students.mimuw.edu.pl 16 mj 2006 Modele strkyjne w weryfikji Bisymulj jko gr Weżmy dw modele. Żey rozstrzygnć, zy s one z punktu widzeni oserwtor

Bardziej szczegółowo

Weryfikacja modelowa jest analizą statyczną logiki modalnej

Weryfikacja modelowa jest analizą statyczną logiki modalnej Weryfikcj modelow jest nlizą sttyczną logiki modlnej Mrcin Sulikowski MIMUW 15 grudni 010 1 Wstęp Weryfikcj systemów etykietownych 3 Flow Logic 4 Weryfikcj modelow nliz sttyczn Co jest czym czego? Weryfikcj

Bardziej szczegółowo

R O Z D Z I A Ł I I I

R O Z D Z I A Ł I I I R O Z D Z I A Ł I I I Grmtyki regulrne Przypomnijmy, Ŝe grmtykmi regulrnymi nzywmy wszystkie te grmtyki genertywne, których wszystkie reguły produkcji mją postć A P lu A PB, gdzie A, B V N, P V T *.. Postć

Bardziej szczegółowo

Zadania. I. Podzielność liczb całkowitych

Zadania. I. Podzielność liczb całkowitych Zdni I. Podzielność liczb cłkowitych. Pewn liczb sześciocyfrow kończy się cyfrą 5. Jeśli tę cyfrę przestwimy n miejsce pierwsze ze strony lewej to otrzymmy nową liczbę cztery rzy większą od poprzedniej.

Bardziej szczegółowo

Metody generowania skończonych modeli zachowań systemów z czasem

Metody generowania skończonych modeli zachowań systemów z czasem Metody generowni skońzonyh modeli zhowń systemów z zsem Rozprw doktorsk npisn pod kierunkiem do. dr hb. Wojieh Penzk IPI PAN, 5.02.05 p./24 Cel pry Oprownie nowyh, efektywnyh metod generowni modeli bstrkyjnyh

Bardziej szczegółowo

POLITECHNIKA GDAŃSKA Wydział Elektrotechniki i Automatyki Katedra Energoelektroniki i Maszyn Elektrycznych M O D E L O W A N I E I S Y M U L A C J A

POLITECHNIKA GDAŃSKA Wydział Elektrotechniki i Automatyki Katedra Energoelektroniki i Maszyn Elektrycznych M O D E L O W A N I E I S Y M U L A C J A POLTECHNKA GDAŃSKA Wydził Elektrotechniki i Automtyki Ktedr Energoelektroniki i Mszyn Elektrycznych M O D E L O W A N E S Y M U L A C J A S Y S T E M Ó W M E C H A T O N K Kierunek Automtyk i obotyk Studi

Bardziej szczegółowo

Część 2 7. METODA MIESZANA 1 7. METODA MIESZANA

Część 2 7. METODA MIESZANA 1 7. METODA MIESZANA Część 2 7. METODA MIESZANA 7. 7. METODA MIESZANA Metod mieszn poleg n jednoczesnym wykorzystniu metody sił i metody przemieszczeń przy rozwiązywniu ukłdów sttycznie niewyznczlnych. Nwiązuje on do twierdzeni

Bardziej szczegółowo

Wspomaganie obliczeń za pomocą programu MathCad

Wspomaganie obliczeń za pomocą programu MathCad Wprowdzenie do Mthcd' Oprcowł:M. Detk P. Stąpór Wspomgnie oliczeń z pomocą progrmu MthCd Definicj zmiennych e f g h 8 Przykłd dowolnego wyrŝeni Ay zdefinowc znienną e wyierz z klwitury kolejno: e: e f

Bardziej szczegółowo

Rozbiór wstępujący gramatyki z pierwszeństwem. Rozbiór wstępujący gramatyki z pierwszeństwem

Rozbiór wstępujący gramatyki z pierwszeństwem. Rozbiór wstępujący gramatyki z pierwszeństwem Rozbiór wstępujący grmtyki z pierwszeństwem Rozbiór wstępujący budujemy drzewo rozbioru od liści W ciągu symboli wejściowych musimy znleźć podstwę czyli uchwyt njbliższej redukcji, czyli podciąg który

Bardziej szczegółowo

Zbiory wyznaczone przez funkcje zdaniowe

Zbiory wyznaczone przez funkcje zdaniowe pojęci zbioru i elementu RCHUNEK ZIORÓW zbiór zwier element element nleży do zbioru jest elementem zbioru ( X zbiór wszystkich przedmiotów indywidulnych, których dotyczy dn nuk zbiór pełny (uniwerslny

Bardziej szczegółowo

Wyrównanie sieci niwelacyjnej

Wyrównanie sieci niwelacyjnej 1. Wstęp Co to jest sieć niwelcyjn Po co ją się wyrównje Co chcemy osiągnąć 2. Metod pośrednicząc Wyrównnie sieci niwelcyjnej Metod pośrednicząc i metod grpow Mmy sieć skłdjącą się z szereg pnktów. Niektóre

Bardziej szczegółowo

Programy współbieżne

Programy współbieżne Specyfikownie i weryfikownie Progrmy współieżne Mrek A. Bednrczyk, www.ipipn.gd.pl Litertur wiele prc dostępnych w Sieci np.: http://www.wikipedi.org/ Specyfikownie i weryfikcj progrmy współieżne PJP Prosty

Bardziej szczegółowo

Jaki język zrozumie automat?

Jaki język zrozumie automat? Jaki język zrozumie automat? Wojciech Dzik Instytut Matematyki Uniwersytet Śląski Katowice wojciech.dzik@us.edu.pl 7. Forum Matematyków Polskich, 12-17 września 2016, Olsztyn Prosty Automat do kawy Przemawiamy

Bardziej szczegółowo

2. Na ich rozwiązanie masz 90 minut. Piętnaście minut przed upływem tego czasu zostaniesz o tym poinformowany przez członka Komisji Konkursowej.

2. Na ich rozwiązanie masz 90 minut. Piętnaście minut przed upływem tego czasu zostaniesz o tym poinformowany przez członka Komisji Konkursowej. Kod uczni... MAŁOPOLSKI KONKURS MATEMATYCZNY dl uczniów gimnzjów Rok szkolny 03/0 ETAP SZKOLNY - 5 pździernik 03 roku. Przed Tobą zestw zdń konkursowych.. N ich rozwiąznie msz 90 minut. Piętnście minut

Bardziej szczegółowo

Analiza Matematyczna (część II)

Analiza Matematyczna (część II) Anliz Mtemtyczn (część II) Krzysztof Trts Witold Bołt n podstwie wykłdów dr. Piotr Brtłomiejczyk 25 kwietni 24 roku 1 Rchunek cłkowy jednej zmiennej. 1.1 Cłk nieoznczon. Definicj 1.1.1 (funkcj pierwotn)

Bardziej szczegółowo

Hipoteza Černego, czyli jak zaciekawić ucznia teorią grafów

Hipoteza Černego, czyli jak zaciekawić ucznia teorią grafów Młodzieżowe Uniwersytety Mtemtyczne Projekt współfinnsowny przez Unię Europejską w rmch Europejskiego Funduszu Społecznego Hipotez Černego, czyli jk zciekwić uczni teorią grfów Adm Romn, Instytut Informtyki

Bardziej szczegółowo

SZTUCZNA INTELIGENCJA

SZTUCZNA INTELIGENCJA SZTUCZNA INTELIGENCJA WYKŁAD 9. ZBIORY ROZMYTE Częstochow 204 Dr hb. inż. Grzegorz Dudek Wydził Elektryczny Politechnik Częstochowsk ZBIORY ROZMYTE Klsyczne pojęcie zbioru związne jest z logiką dwuwrtościową

Bardziej szczegółowo

Wykład 2. Pojęcie całki niewłaściwej do rachunku prawdopodobieństwa

Wykład 2. Pojęcie całki niewłaściwej do rachunku prawdopodobieństwa Wykłd 2. Pojęcie cłki niewłściwej do rchunku prwdopodobieństw dr Mriusz Grządziel 4 mrc 24 Pole trpezu krzywoliniowego Przypomnienie: figurę ogrniczoną przez: wykres funkcji y = f(x), gdzie f jest funkcją

Bardziej szczegółowo

Notatki z Analizy Matematycznej 4. Jacek M. Jędrzejewski

Notatki z Analizy Matematycznej 4. Jacek M. Jędrzejewski Nottki z Anlizy Mtemtycznej 4 Jcek M. Jędrzejewski ROZDZIAŁ 7 Cłk Riemnn 1. Cłk nieoznczon Definicj 7.1. Niech f : (, b) R będzie dowolną funkcją. Jeżeli dl pewnej funkcji F : (, b) R spełnion jest równość

Bardziej szczegółowo

Maciej Grzesiak. Iloczyn skalarny. 1. Iloczyn skalarny wektorów na płaszczyźnie i w przestrzeni. a b = a b cos ϕ. j) (b x. i + b y

Maciej Grzesiak. Iloczyn skalarny. 1. Iloczyn skalarny wektorów na płaszczyźnie i w przestrzeni. a b = a b cos ϕ. j) (b x. i + b y Mciej Grzesik Iloczyn sklrny. Iloczyn sklrny wektorów n płszczyźnie i w przestrzeni Iloczyn sklrny wektorów i b określmy jko b = b cos ϕ. Bezpośrednio z definicji iloczynu sklrnego mmy, że i i = j j =

Bardziej szczegółowo

Wykład 2. Granice, ciągłość, pochodna funkcji i jej interpretacja geometryczna

Wykład 2. Granice, ciągłość, pochodna funkcji i jej interpretacja geometryczna 1 Wykłd Grnice, ciągłość, pocodn unkcji i jej interpretcj geometryczn.1 Grnic unkcji. Grnic lewostronn i grnic prwostronn unkcji Deinicj.1 Mówimy, że liczb g jest grnicą lewostronną unkcji w punkcie =,

Bardziej szczegółowo

Gramatyki regularne i bezkontekstowe. Spis treści. Plan wykładu spotkania tydzień po tygodniu. Plan wykładu spotkania tydzień po tygodniu.

Gramatyki regularne i bezkontekstowe. Spis treści. Plan wykładu spotkania tydzień po tygodniu. Plan wykładu spotkania tydzień po tygodniu. Osob prowdząc wykłd i ćwiczeni: dr inż. Mrek werwin Instytut terowni i ystemów Informtycznych Uniwersytet Zielonogórski e-mil : M.werwin@issi.uz.zgor.pl tel. (prc) : 68 328 2321, pok. 328 A-2, ul. prof.

Bardziej szczegółowo

Ekoenergetyka Matematyka 1. Wykład 15. CAŁKI OZNACZONE. Egzaminy I termin poniedziałek :00 Aula B sala 12B Wydział Informatyki

Ekoenergetyka Matematyka 1. Wykład 15. CAŁKI OZNACZONE. Egzaminy I termin poniedziałek :00 Aula B sala 12B Wydział Informatyki Ekoenergetyk Mtemtyk 1. Wykłd 15. CAŁKI OZNACZONE Egzminy I termin poniedziłek 31.01 14:00 Aul B sl 12B Wydził Informtyki Definicj (podził odcink) II termin poprwkowy czwrtek 9.02 14:00 WE-030 Podziłem

Bardziej szczegółowo

Całka Riemanna Dolna i górna suma całkowa Darboux

Całka Riemanna Dolna i górna suma całkowa Darboux Doln i górn sum cłkow Drboux π = {x 0,..., x k }, x 0 =, x k = b - podził odcink [, b]; x i = x i x i 1, i = 1, 2,..., k; P = P[, b] - rodzin podziłów odcink [, b]. m i = m i (f, π) := inf x [xi 1,x i

Bardziej szczegółowo

( ) Lista 2 / Granica i ciągłość funkcji ( z przykładowymi rozwiązaniami)

( ) Lista 2 / Granica i ciągłość funkcji ( z przykładowymi rozwiązaniami) List / Grnic i ciągłość funkcji ( z przykłdowymi rozwiąznimi) Korzystjąc z definicji grnicy (ciągowej) funkcji uzsdnić podne równości: sin ) ( + ) ; b) ; c) + 5 Obliczyć grnice funkcji przy orz : + ) f

Bardziej szczegółowo

Automat ze stosem. Języki formalne i automaty. Dr inż. Janusz Majewski Katedra Informatyki

Automat ze stosem. Języki formalne i automaty. Dr inż. Janusz Majewski Katedra Informatyki Automat ze stosem Języki formalne i automaty Dr inż. Janusz Majewski Katedra Informatyki Automat ze stosem (1) dno stosu Stos wierzchołek stosu Wejście # B B A B A B A B a b b a b a b $ q i Automat ze

Bardziej szczegółowo

ZŁOŻONOŚĆ OBLICZENIOWA ALGORYTMÓW

ZŁOŻONOŚĆ OBLICZENIOWA ALGORYTMÓW ZŁOŻONOŚĆ OBLICZENIOWA ALGORYTMÓW RELACJE MIEDZY KLASAMI ZŁOŻONOŚCI Bartosz Zieliński Katedra Fizyki Teoretycznej i Informatyki Zima 2011-2012 KLASY ZŁOŻONOŚCI KLASE ZŁOŻONOŚCI OPISUJE SIE PODAJAC: Model

Bardziej szczegółowo

Algorytmy graficzne. Filtry wektorowe. Filtracja obrazów kolorowych

Algorytmy graficzne. Filtry wektorowe. Filtracja obrazów kolorowych Algorytmy grficzne Filtry wektorowe. Filtrcj orzów kolorowych Filtrcj orzów kolorowych Metody filtrcji orzów kolorowych możn podzielić n dwie podstwowe klsy: Metody komponentowe (component-wise). Cechą

Bardziej szczegółowo

Obliczenia inspirowane Naturą

Obliczenia inspirowane Naturą Obliczenia inspirowane Naturą Wykład 01 Modele obliczeń Jarosław Miszczak IITiS PAN Gliwice 05/10/2016 1 / 33 1 2 3 4 5 6 2 / 33 Co to znaczy obliczać? Co to znaczy obliczać? Deterministyczna maszyna Turinga

Bardziej szczegółowo

Języki formalne i automaty Ćwiczenia 7

Języki formalne i automaty Ćwiczenia 7 Języki formalne i automaty Ćwiczenia 7 Autor: Marcin Orchel Spis treści Spis treści... 1 Wstęp teoretyczny... 2 Automaty... 2 Cechy automatów... 4 Łączenie automatów... 4 Konwersja automatu do wyrażenia

Bardziej szczegółowo

1 Automaty niedeterministyczne

1 Automaty niedeterministyczne Szymon Toruńczyk 1 Automaty niedeterministyczne Automat niedeterministyczny A jest wyznaczony przez następujące składniki: Alfabet skończony A Zbiór stanów Q Zbiór stanów początkowych Q I Zbiór stanów

Bardziej szczegółowo

Matematyka finansowa 10.03.2014 r. Komisja Egzaminacyjna dla Aktuariuszy. LXVI Egzamin dla Aktuariuszy z 10 marca 2014 r. Część I

Matematyka finansowa 10.03.2014 r. Komisja Egzaminacyjna dla Aktuariuszy. LXVI Egzamin dla Aktuariuszy z 10 marca 2014 r. Część I Mtemtyk finnsow.03.2014 r. Komisj Egzmincyjn dl Akturiuszy LXVI Egzmin dl Akturiuszy z mrc 2014 r. Część I Mtemtyk finnsow WERSJA TESTU A Imię i nzwisko osoby egzminownej:... Czs egzminu: 0 minut 1 Mtemtyk

Bardziej szczegółowo

MATEMATYKA Wykład 4 (Funkcje) przyporządkowany został dokładnie jeden element

MATEMATYKA Wykład 4 (Funkcje) przyporządkowany został dokładnie jeden element MATEMATYKA Wykłd 4 (Funkcje) Pisząc f : (,b) R rozumiemy Ŝe kŝdemu (, b) przyporządkowny zostł dokłdnie jeden element y R. Wykresem funkcji nzywmy zbiór pr (,f()) n płszczyźnie skłdjącej się ze wszystkich

Bardziej szczegółowo

1 Definicja całki oznaczonej

1 Definicja całki oznaczonej Definicj cłki oznczonej Niech dn będzie funkcj y = g(x) ciągł w przedzile [, b]. Przedził [, b] podzielimy n n podprzedziłów punktmi = x < x < x

Bardziej szczegółowo

Realizacje zmiennych są niezależne, co sprawia, że ciąg jest ciągiem niezależnych zmiennych losowych,

Realizacje zmiennych są niezależne, co sprawia, że ciąg jest ciągiem niezależnych zmiennych losowych, Klsyczn Metod Njmniejszych Kwdrtów (KMNK) Postć ć modelu jest liniow względem prmetrów (lbo nleży dokonć doprowdzeni postci modelu do liniowości względem prmetrów), Zmienne objśnijące są wielkościmi nielosowymi,

Bardziej szczegółowo

Systemy Wyszukiwania Informacji

Systemy Wyszukiwania Informacji Uniersytet Śląski Systemy Wyszkini Informcji Agnieszk Nok Brzezińsk gnieszk.nok@s.ed.pl Instytt Informtyki Zkłd Systemó Informtycznych Uniersytet Śląski Wrnki zliczeni przedmiot Ooiązko oecność n ykłdch

Bardziej szczegółowo

RACHUNEK CAŁKOWY. Funkcja F jest funkcją pierwotną funkcji f na przedziale I R, jeżeli. F (x) = f (x), dla każdego x I.

RACHUNEK CAŁKOWY. Funkcja F jest funkcją pierwotną funkcji f na przedziale I R, jeżeli. F (x) = f (x), dla każdego x I. RACHUNEK CAŁKOWY Funkcj F jest funkcją pierwotną funkcji f n przedzile I R, jeżeli F (x) = f (x), dl kżdego x I. Przykłd. Niech f (x) = 2x dl x (, ). Wtedy funkcje F (x) = x 2 + 5, F (x) = x 2 + 5, F (x)

Bardziej szczegółowo

Wyznacznikiem macierzy kwadratowej A stopnia n nazywamy liczbę det A określoną następująco:

Wyznacznikiem macierzy kwadratowej A stopnia n nazywamy liczbę det A określoną następująco: Def.8. Wyzncznikiem mcierzy kwdrtowej stopni n nzywmy liczbę det określoną nstępująco:.det.det dl n n det det n det n, gdzie i j ozncz mcierz, którą otrzymujemy z mcierzy przez skreślenie i- tego wiersz

Bardziej szczegółowo

JAO - Języki, Automaty i Obliczenia - Wykład 2. JAO - Języki, Automaty i Obliczenia - Wykład 2

JAO - Języki, Automaty i Obliczenia - Wykład 2. JAO - Języki, Automaty i Obliczenia - Wykład 2 Dowodzenie nieregularności języka [lemat o pompowaniu] Jeśli L regularny to istnieje stała c spełniająca : jeżeli z L, z c to istnieje dekompozycja w = u v x tak, że uv i x L dla każdego i 0 [lemat o skończonej

Bardziej szczegółowo

2. Ciągi liczbowe. Definicja 2.1 Funkcję a : N R nazywamy ciągiem liczbowym. Wartość funkcji a(n) oznaczamy symbolem a

2. Ciągi liczbowe. Definicja 2.1 Funkcję a : N R nazywamy ciągiem liczbowym. Wartość funkcji a(n) oznaczamy symbolem a Ciągi liczbowe Defiicj Fukcję : N R zywmy iem liczbowym Wrtość fukcji () ozczmy symbolem i zywmy -tym lub ogólym wyrzem u Ciąg Przykłdy Defiicj róŝic zpisujemy rówieŝ w postci { } + Ciąg liczbowy { } zywmy

Bardziej szczegółowo

Całki oznaczone. Funkcja górnej granicy całkowania. Zastosowania całek oznaczonych. Całki niewłaściwe. Małgorzata Wyrwas

Całki oznaczone. Funkcja górnej granicy całkowania. Zastosowania całek oznaczonych. Całki niewłaściwe. Małgorzata Wyrwas Cłki oznczone Definicj, włsności i oblicznie cłek oznczonych. Wrtość średni funkcji. Funkcj górnej grnicy cłkowni. Zstosowni cłek oznczonych. Cłki niewłściwe. Młgorzt Wyrws Ktedr Mtemtyki Wydził Informtyki

Bardziej szczegółowo

Całki oznaczone. Funkcja górnej granicy całkowania. Zastosowania całek oznaczonych. Całki niewłaściwe. Małgorzata Wyrwas

Całki oznaczone. Funkcja górnej granicy całkowania. Zastosowania całek oznaczonych. Całki niewłaściwe. Małgorzata Wyrwas Cłki oznczone Definicj, włsności i oblicznie cłek oznczonych. Wrtość średni funkcji. Funkcj górnej grnicy cłkowni. Zstosowni cłek oznczonych. Cłki niewłściwe. Młgorzt Wyrws Ktedr Mtemtyki Wydził Informtyki

Bardziej szczegółowo

Wprowadzenie: Do czego służą wektory?

Wprowadzenie: Do czego służą wektory? Wprowdzenie: Do czego służą wektory? Mp połączeń smolotowych Isiget pokzuje skąd smoloty wyltują i dokąd doltują; pokzne jest to z pomocą strzłek strzłki te pokzują przemieszczenie: skąd dokąd jest dny

Bardziej szczegółowo

Obliczenia naukowe Wykład nr 14

Obliczenia naukowe Wykład nr 14 Obliczeni nuowe Wyłd nr 14 Pweł Zielińsi Ktedr Informtyi, Wydził Podstwowych Problemów Technii, Politechni Wrocłws Litertur Litertur podstwow [1] D. Kincid, W. Cheney, Anliz numeryczn, WNT, 2005. [2] A.

Bardziej szczegółowo

2. PODSTAWY STATYKI NA PŁASZCZYŹNIE

2. PODSTAWY STATYKI NA PŁASZCZYŹNIE M. DSTY STTYKI N ŁSZZYŹNIE. DSTY STTYKI N ŁSZZYŹNIE.. Zsdy dynmiki Newton Siłą nzywmy wektorową wielkość, któr jest mirą mechnicznego oddziływni n ciło ze strony innych cił. dlszej części ędziemy rozptrywć

Bardziej szczegółowo

Metody Lagrange a i Hamiltona w Mechanice

Metody Lagrange a i Hamiltona w Mechanice Metody Lgrnge i Hmilton w Mechnice Mriusz Przybycień Wydził Fizyki i Informtyki Stosownej Akdemi Górniczo-Hutnicz Wykłd 3 M. Przybycień (WFiIS AGH) Metody Lgrnge i Hmilton... Wykłd 3 1 / 15 Przestrzeń

Bardziej szczegółowo

Częściowo przemienne grafy bezkontekstowe

Częściowo przemienne grafy bezkontekstowe Częściowo przemienne grfy ezkontekstowe Wojciech Czerwiński utorefert rozprwy doktorskiej Temtem rozprwy jest kls częściowo przemiennych grfów ezkontekstowych. Jest to model oliczeń odzwierciedljący zrówno

Bardziej szczegółowo

PODSTAWY ALGEBRY MACIERZY. Operacje na macierzach

PODSTAWY ALGEBRY MACIERZY. Operacje na macierzach PODSTWY LGEBRY MCIERZY WIERSZ i, KOLUMN (j) Mcierz m,n, gdzie m to ilość wierszy, n ilość kolumn i,j element mcierzy z itego wiersz, jtej kolumny Opercje n mcierzch Równość mcierzy m,n = B m,n. def i,j

Bardziej szczegółowo

ZŁOŻONOŚĆ OBLICZENIOWA ALGORYTMÓW

ZŁOŻONOŚĆ OBLICZENIOWA ALGORYTMÓW ZŁOŻONOŚĆ OBLICZENIOWA ALGORYTMÓW NIEDETERMINISTYCZNE MASZYNY TURINGA Bartosz Zieliński Katedra Fizyki Teoretycznej i Informatyki Zima 2011-2012 NIEDETERMINISTYCZNE MASZYNY TURINGA DEFINICJA: NIEDETERMINISTYCZNA

Bardziej szczegółowo

4. RACHUNEK WEKTOROWY

4. RACHUNEK WEKTOROWY 4. RACHUNEK WEKTOROWY 4.1. Wektor zczepiony i wektor swoodny Uporządkowną prę punktów (A B) wyznczjącą skierowny odcinek o początku w punkcie A i końcu w punkcie B nzywmy wektorem zczepionym w punkcie

Bardziej szczegółowo

Minimalizacja automatu

Minimalizacja automatu Minimlizj utomtu Minimlizj utomtu to minimlizj lizy stnów. Jest to trnsformj utomtu o nej tliy przejśćwyjść n równowżny mu (po wzglęem przetwrzni sygnłów yfrowyh) utomt o mniejszej lizie stnów wewnętrznyh.

Bardziej szczegółowo

PRZEGLĄD FUNKCJI ELEMENTARNYCH. (powtórzenie) y=f(x)=ax+b,

PRZEGLĄD FUNKCJI ELEMENTARNYCH. (powtórzenie) y=f(x)=ax+b, WYKŁAD 0 PRZEGLĄD FUNKCJI ELEMENTARNYCH (powtórzenie) 1. Funkcje liniowe Funkcją liniową nzywmy funkcję postci y=f()=+b, gdzie, b są dnymi liczbmi zwnymi odpowiednio: - współczynnik kierunkowy, b - wyrz

Bardziej szczegółowo

Obliczenia inspirowane Naturą

Obliczenia inspirowane Naturą Obliczenia inspirowane Naturą Wykład 01 Od maszyn Turinga do automatów komórkowych Jarosław Miszczak IITiS PAN Gliwice 03/03/2016 1 / 16 1 2 3 Krótka historia Znaczenie 2 / 16 Czego dowiedzieliśmy się

Bardziej szczegółowo

WYKŁAD 5. Typy macierzy, działania na macierzach, macierz układu równań. Podstawowe wiadomości o macierzach

WYKŁAD 5. Typy macierzy, działania na macierzach, macierz układu równań. Podstawowe wiadomości o macierzach Mtemtyk I WYKŁD. ypy mcierzy, dziłni n mcierzch, mcierz ukłdu równń. Podstwowe widomości o mcierzch Ogóln postć ukłdu m równń liniowych lgebricznych z n niewidomymi x x n xn b x x n xn b, niewidome: x,

Bardziej szczegółowo

Teoria automatów i języków formalnych. Określenie relacji

Teoria automatów i języków formalnych. Określenie relacji Relacje Teoria automatów i języków formalnych Dr inŝ. Janusz ajewski Katedra Informatyki Określenie relacji: Określenie relacji Relacja R jest zbiorem par uporządkowanych, czyli podzbiorem iloczynu kartezjańskiego

Bardziej szczegółowo

1.5. Iloczyn wektorowy. Definicja oraz k. Niech i

1.5. Iloczyn wektorowy. Definicja oraz k. Niech i .. Iloczyn ektoroy. Definicj. Niech i, j orz k. Iloczynem ektoroym ektoró = i j k orz = i j k nzymy ektor i j k.= ( )i ( )j ( )k Skrótoo możn iloczyn ektoroy zpisć postci yzncznik: i j k. Poniżej podno

Bardziej szczegółowo

Algorytmy Równoległe i Rozproszone Część X - Algorytmy samostabilizujące.

Algorytmy Równoległe i Rozproszone Część X - Algorytmy samostabilizujące. Algorytmy Równoległe i Rozproszone Część X - Algorytmy samostabilizujące. Łukasz Kuszner pokój 209, WETI http://www.sphere.pl/ kuszner/ kuszner@sphere.pl Oficjalna strona wykładu http://www.sphere.pl/

Bardziej szczegółowo

Algebra macierzowa. Akademia Morska w Gdyni Katedra Automatyki Okrętowej Teoria sterowania. Mirosław Tomera 1. ELEMENTARNA TEORIA MACIERZOWA

Algebra macierzowa. Akademia Morska w Gdyni Katedra Automatyki Okrętowej Teoria sterowania. Mirosław Tomera 1. ELEMENTARNA TEORIA MACIERZOWA kdemi Morsk w Gdyni Ktedr utomtyki Okrętowej Teori sterowni lger mcierzow Mirosłw Tomer. ELEMENTRN TEORI MCIERZOW W nowoczesnej teorii sterowni rdzo często istnieje potrze zstosowni notcji mcierzowej uprszczjącej

Bardziej szczegółowo

Minimalizacja automatów niedeterministycznych na słowach skończonych i nieskończonych

Minimalizacja automatów niedeterministycznych na słowach skończonych i nieskończonych Szczepan Hummel Minimalizacja automatów niedeterministycznych na słowach skończonych i nieskończonych 24.11.2005 1. Minimalizacja automatów deterministycznych na słowach skończonych (DFA) [HU] relacja

Bardziej szczegółowo

Wykład z matematyki dla studentów Inżynierii Środowiska. Wykład 1. Literatura PRZEGLĄD FUNKCJI ELEMENTARNYCH

Wykład z matematyki dla studentów Inżynierii Środowiska. Wykład 1. Literatura PRZEGLĄD FUNKCJI ELEMENTARNYCH Wykłd z mtemtyki dl studentów Inżynierii Środowisk Wykłd. Litertur. Gewert M., Skoczyls Z.: Anliz mtemtyczn, Oficyn Wydwnicz GiS, Wrocłw, 0.. Jurlewicz T., Skoczyls Z.: Algebr liniow, Oficyn Wydwnicz GiS,

Bardziej szczegółowo

Pochodne i całki, macierze i wyznaczniki

Pochodne i całki, macierze i wyznaczniki Cłk oznczon Cłk niewłściw Wzór Tylor Mcierze Pochodne i cłki, mcierze i wyznczniki Stnisłw Jworski Ktedr Ekonometrii i Sttystyki Zkłd Sttystyki Stnisłw Jworski Pochodne i cłki, mcierze i wyznczniki Cłk

Bardziej szczegółowo

Analiza matematyczna i algebra liniowa

Analiza matematyczna i algebra liniowa Anliz mtemtyczn i lgebr liniow Mteriły pomocnicze dl studentów do wykłdów Mcierze liczbowe i wyznczniki. Ukłdy równń liniowych. Mcierze. Wyznczniki. Mcierz odwrotn. Równni mcierzowe. Rząd mcierzy. Ukłdy

Bardziej szczegółowo

Algebra Boola i podstawy systemów liczbowych. Ćwiczenia z Teorii Układów Logicznych, dr inż. Ernest Jamro. 1. System dwójkowy reprezentacja binarna

Algebra Boola i podstawy systemów liczbowych. Ćwiczenia z Teorii Układów Logicznych, dr inż. Ernest Jamro. 1. System dwójkowy reprezentacja binarna lger Bool i podstwy systemów liczowych. Ćwiczeni z Teorii Ukłdów Logicznych, dr inż. Ernest Jmro. System dwójkowy reprezentcj inrn Ukłdy logiczne operują tylko n dwóch stnch ozncznymi jko zero (stn npięci

Bardziej szczegółowo

3.4. Przekształcenia gramatyk bezkontekstowych

3.4. Przekształcenia gramatyk bezkontekstowych 3.4. Przekształcenia gramatyk bezkontekstowych Definicje Niech będzie dana gramatyka bezkontekstowa G = G BK Symbol X (N T) nazywamy nieużytecznym w G G BK jeśli nie można w tej gramatyce

Bardziej szczegółowo

Języki formalne i automaty Ćwiczenia 9

Języki formalne i automaty Ćwiczenia 9 Języki formalne i automaty Ćwiczenia 9 Autor: Marcin Orchel Spis treści Spis treści... 1 Wstęp teoretyczny... 2 Maszyna Mealy'ego... 2 Maszyna Moore'a... 2 Automat ze stosem... 3 Konwersja gramatyki bezkontekstowej

Bardziej szczegółowo

W. Guzicki Zadanie 19 z Informatora Maturalnego poziom rozszerzony 1

W. Guzicki Zadanie 19 z Informatora Maturalnego poziom rozszerzony 1 W. Guzicki Zdnie 19 z Informtor turlnego poziom rozszerzony 1 Zdnie 19. Rmię D trpezu D (w którym D) przedłużono do punktu E tkiego, że E 3 D. unkt leży n podstwie orz 4. Odcinek E przecin przekątną D

Bardziej szczegółowo

METODY KOMPUTEROWE 11

METODY KOMPUTEROWE 11 METOY KOMPUTEROWE METOA WAŻONYCH REZIUÓW Mchł PŁOTKOWIAK Adm ŁOYGOWSKI Konsultcje nukowe dr nż. Wtold Kąkol Poznń / METOY KOMPUTEROWE METOA WAŻONYCH REZIUÓW Metod wżonych rezduów jest slnym nrzędzem znjdown

Bardziej szczegółowo

RBD Relacyjne Bazy Danych

RBD Relacyjne Bazy Danych Wykłd 6 RBD Relcyjne Bzy Dnych Bzy Dnych - A. Dwid 2011 1 Bzy Dnych - A. Dwid 2011 2 Sum ziorów A i B Teori ziorów B A R = ) ( Iloczyn ziorów A i B ( ) B A R = Teori ziorów Różnic ziorów ( A) i B Iloczyn

Bardziej szczegółowo

Przykład: Σ = {0, 1} Σ - zbiór wszystkich skończonych ciagów binarnych. L 1 = {0, 00, 000,...,1, 11, 111,... } L 2 = {01, 1010, 001, 11}

Przykład: Σ = {0, 1} Σ - zbiór wszystkich skończonych ciagów binarnych. L 1 = {0, 00, 000,...,1, 11, 111,... } L 2 = {01, 1010, 001, 11} Języki Ustalmy pewien skończony zbiór symboli Σ zwany alfabetem. Zbiór Σ zawiera wszystkie skończone ciagi symboli z Σ. Podzbiór L Σ nazywamy językiem a x L nazywamy słowem. Specjalne słowo puste oznaczamy

Bardziej szczegółowo

Komisja Egzaminacyjna dla Aktuariuszy LII Egzamin dla Aktuariuszy z 15 marca 2010 r. Część I Matematyka finansowa

Komisja Egzaminacyjna dla Aktuariuszy LII Egzamin dla Aktuariuszy z 15 marca 2010 r. Część I Matematyka finansowa Mtemtyk finnsow 15.0.010 r. Komisj Egzmincyjn dl Akturiuszy LII Egzmin dl Akturiuszy z 15 mrc 010 r. Część I Mtemtyk finnsow WERSJA TESTU A Imię i nzwisko osoy egzminownej:... Czs egzminu: 100 minut 1

Bardziej szczegółowo

Maciej Grzesiak Instytut Matematyki Politechniki Poznańskiej. Całki oznaczone. lim δ n = 0. σ n = f(ξ i ) x i. (1)

Maciej Grzesiak Instytut Matematyki Politechniki Poznańskiej. Całki oznaczone. lim δ n = 0. σ n = f(ξ i ) x i. (1) Mciej Grzesik Instytut Mtemtyki Politechniki Poznńskiej Cłki oznczone. Definicj cłki oznczonej Niech dn będzie funkcj f ciągł w przedzile [, b]. Przedził [, b] podziey n n podprzedziłów punktmi = x < x

Bardziej szczegółowo

ezyki Automaty i Obliczenia (nieformalne notatki)

ezyki Automaty i Obliczenia (nieformalne notatki) J ezyki Automty i Oliczeni (nieformlne nottki) W. Rytter J ezyki formlne i podsttwowe opercje, wyrżeni regulrne stndrdowe i rozeszerzone (z opercjmi dope lnieni i przeci eci), przyk ldy. N ćwiczenich stndrdowe

Bardziej szczegółowo

Wykład 6. Wyszukiwanie wzorca w tekście

Wykład 6. Wyszukiwanie wzorca w tekście Wykład 6 Wyszukiwanie wzorca w tekście 1 Wyszukiwanie wzorca (przegląd) Porównywanie łańcuchów Algorytm podstawowy siłowy (naive algorithm) Jak go zrealizować? Algorytm Rabina-Karpa Inteligentne wykorzystanie

Bardziej szczegółowo

Podstawy programowania obiektowego

Podstawy programowania obiektowego 1/3 Podstwy progrmowni oiektowego emil: m.tedzki@p.edu.pl stron: http://rgorn.p.ilystok.pl/~tedzki/ Mrek Tędzki Wymgni wstępne: Wskzn yły znjomość podstw progrmowni strukturlnego (w dowolnym języku). Temty

Bardziej szczegółowo

INSTRUKCJA. - Jak rozwiązywać zadania wysoko punktowane?

INSTRUKCJA. - Jak rozwiązywać zadania wysoko punktowane? INSTRUKCJA - Jk rozwiązywć zdni wysoko punktowne? Mturzysto! Zdni wysoko punktowne to tkie, z które możesz zdobyć 4 lub więcej punktów. Zdni z dużą ilość punktów nie zwsze są trudniejsze, często ich punktcj

Bardziej szczegółowo

GRAFY i SIECI. Graf: G = ( V, E ) - para uporządkowana

GRAFY i SIECI. Graf: G = ( V, E ) - para uporządkowana GRAFY podstwowe definicje GRAFY i SIECI Grf: G = ( V, E ) - pr uporządkown V = {,,..., n } E { {i, j} : i j i i, j V } - zbiór wierzchołków grfu - zbiór krwędzi grfu Terminologi: grf = grf symetryczny,

Bardziej szczegółowo

Piotr Stefaniak. Materiały uzupełniające do wykładu Matematyka

Piotr Stefaniak. Materiały uzupełniające do wykładu Matematyka Zchodniopomorski Uniwersytet Technologiczny w Szczecinie Piotr Stefnik Mteriły uzupełnijące do wykłdu Mtemtyk dl studentów Wydziłu Nuk o Żywności i Rybctwie Szczecin, 3 grudni 208 Spis treści Mcierze i

Bardziej szczegółowo

Wprowadzenie do Sieci Neuronowych Łańcuchy Markowa

Wprowadzenie do Sieci Neuronowych Łańcuchy Markowa Projekt pn. Wzmonienie potenjłu dydktyznego UMK w Toruniu w dziedzinh mtemtyzno-przyrodnizyh relizowny w rmh Poddziłni 4.1.1 Progrmu Operyjnego Kpitł Ludzki Wprowdzenie do Siei Neuronowyh Łńuhy Mrkow Mj

Bardziej szczegółowo

Wprowadzenie do Sieci Neuronowych Łańcuchy Markowa

Wprowadzenie do Sieci Neuronowych Łańcuchy Markowa Wprowdzenie do Siei Neuronowyh Łńuhy Mrkow Mj Czoków, Jrosłw Piers 213-1-14 1 Przypomnienie Łńuh Mrkow jest proesem stohstyznym (iągiem zmiennyh losowyh), w którym rozkłd zmiennej w hwili t zleży wyłąznie

Bardziej szczegółowo

VI. Rachunek całkowy. 1. Całka nieoznaczona

VI. Rachunek całkowy. 1. Całka nieoznaczona VI. Rchunek cłkowy. Cłk nieoznczon Niech F : I R i f : I R będą funkcjmi określonymi n pewnym przedzile I R. Definicj. Funkcję F nzywmy funkcją pierwotną funkcji f n przedzile I, gdy F (x) = f(x) dl x

Bardziej szczegółowo

Grażyna Nowicka, Waldemar Nowicki BADANIE RÓWNOWAG KWASOWO-ZASADOWYCH W ROZTWORACH ELEKTROLITÓW AMFOTERYCZNYCH

Grażyna Nowicka, Waldemar Nowicki BADANIE RÓWNOWAG KWASOWO-ZASADOWYCH W ROZTWORACH ELEKTROLITÓW AMFOTERYCZNYCH Ćwiczenie Grżyn Nowick, Wldemr Nowicki BDNIE RÓWNOWG WSOWO-ZSDOWYC W ROZTWORC ELETROLITÓW MFOTERYCZNYC Zgdnieni: ktywność i współczynnik ktywności skłdnik roztworu. ktywność jonów i ktywność elektrolitu.

Bardziej szczegółowo

Maszyna Turinga języki

Maszyna Turinga języki Maszyna Turinga języki Teoria automatów i języków formalnych Dr inż. Janusz Majewski Katedra Informatyki Maszyna Turinga (1) b b b A B C B D A B C b b Q Zależnie od symbolu obserwowanego przez głowicę

Bardziej szczegółowo

Wykład 2. Funkcja logarytmiczna. Definicja logarytmu: Własności logarytmu: Logarytm naturalny: Funkcje trygonometryczne

Wykład 2. Funkcja logarytmiczna. Definicja logarytmu: Własności logarytmu: Logarytm naturalny: Funkcje trygonometryczne Wykłd 2 Funkcj rytmiczn, Deinicj rytmu: Włsności rytmu: 2 u 2 u b c c b 2 2 Lorytm nturlny: Funkcje tryonometryczne Funkcje tryonometryczne kąt ostreo: b c sin cos t ct b c b c b Mir łukow kąt wyrż się

Bardziej szczegółowo

Prace Koła Matematyków Uniwersytetu Pedagogicznego w Krakowie (2014)

Prace Koła Matematyków Uniwersytetu Pedagogicznego w Krakowie (2014) Prce Koł Mt. Uniw. Ped. w Krk. 1 014), 1-5 edgogicznego w Krkowie PKoło Mtemtyków Uniwersytetu Prce Koł Mtemtyków Uniwersytetu Pedgogicznego w Krkowie 014) Bet Gwron 1 Kwdrtury Newton Cotes Streszczenie.

Bardziej szczegółowo