Modele abstrakcyjne w weryfikacji

Wielkość: px
Rozpocząć pokaz od strony:

Download "Modele abstrakcyjne w weryfikacji"

Transkrypt

1 Modele strkyjne w weryfikji Krzysztof Nozderko kn201076@students.mimuw.edu.pl 16 mj 2006 Modele strkyjne w weryfikji

2 Bisymulj jko gr Weżmy dw modele. Żey rozstrzygnć, zy s one z punktu widzeni oserwtor nierozróżnilne, zgrmy w pewn grę. Modele strkyjne w weryfikji

3 Bisymulj jko gr Weżmy dw modele. Żey rozstrzygnć, zy s one z punktu widzeni oserwtor nierozróżnilne, zgrmy w pewn grę. Gr w isymulję jest dwóh grzy grz Odróżnijy he udowodnić różność modeli grz Broniy he oronić tezę o równowżnośi modeli jeśli grzowi Odróżnijemu ud się odróżnić modele w skońzonej lizie kroków wygryw, modele nie s w isymulji wpp. wygryw grz Broniy modele s w isymulji Modele strkyjne w weryfikji

4 Bisymulj jko gr Weżmy dw modele. Żey rozstrzygnć, zy s one z punktu widzeni oserwtor nierozróżnilne, zgrmy w pewn grę. Gr w isymulję jest dwóh grzy grz Odróżnijy he udowodnić różność modeli grz Broniy he oronić tezę o równowżnośi modeli jeśli grzowi Odróżnijemu ud się odróżnić modele w skońzonej lizie kroków wygryw, modele nie s w isymulji wpp. wygryw grz Broniy modele s w isymulji Modele strkyjne w weryfikji

5 Bisymulj jko gr Weżmy dw modele. Żey rozstrzygnć, zy s one z punktu widzeni oserwtor nierozróżnilne, zgrmy w pewn grę. Gr w isymulję jest dwóh grzy grz Odróżnijy he udowodnić różność modeli grz Broniy he oronić tezę o równowżnośi modeli jeśli grzowi Odróżnijemu ud się odróżnić modele w skońzonej lizie kroków wygryw, modele nie s w isymulji wpp. wygryw grz Broniy modele s w isymulji Modele strkyjne w weryfikji

6 Bisymulj jko gr Weżmy dw modele. Żey rozstrzygnć, zy s one z punktu widzeni oserwtor nierozróżnilne, zgrmy w pewn grę. Gr w isymulję jest dwóh grzy grz Odróżnijy he udowodnić różność modeli grz Broniy he oronić tezę o równowżnośi modeli jeśli grzowi Odróżnijemu ud się odróżnić modele w skońzonej lizie kroków wygryw, modele nie s w isymulji wpp. wygryw grz Broniy modele s w isymulji Modele strkyjne w weryfikji

7 Bisymulj jko gr Weżmy dw modele. Żey rozstrzygnć, zy s one z punktu widzeni oserwtor nierozróżnilne, zgrmy w pewn grę. Gr w isymulję jest dwóh grzy grz Odróżnijy he udowodnić różność modeli grz Broniy he oronić tezę o równowżnośi modeli jeśli grzowi Odróżnijemu ud się odróżnić modele w skońzonej lizie kroków wygryw, modele nie s w isymulji wpp. wygryw grz Broniy modele s w isymulji Modele strkyjne w weryfikji

8 Gr w isymulję Zsdy gry W pętli: grz Odróżnijy wyier soie 1 z modeli i wykonuje w nim jkś kję grz Broniy w drugim z modeli wykonuje kję o tkiej smej etykieie jeśli nie potrfi to przegryw Modele strkyjne w weryfikji

9 Gr w isymulję Zsdy gry W pętli: grz Odróżnijy wyier soie 1 z modeli i wykonuje w nim jkś kję grz Broniy w drugim z modeli wykonuje kję o tkiej smej etykieie jeśli nie potrfi to przegryw Uwg: W kolejnyh turh grz Odróżnijy może wyierć różne modele. Modele strkyjne w weryfikji

10 Bisymulj przykłd s1 w1 s2 s3 w2 s4 s5 s6 s7 w3 Modele strkyjne w weryfikji

11 Bisymulj przykłd s1 w1 s2 s3 w2 s4 s5 s6 s7 Bisymulj: {(s 1, w 1 ), (s 2, w 2 ), (s 3, w 2 ), (s 4, w 3 ), (s 5, w 3 ), (s 6, w 3 ), (s 7, w 3 )} w3 Modele strkyjne w weryfikji

12 Bisymulj przykłd s1 w1 s2 w2 w3 s3 s4 w4 w5 Modele strkyjne w weryfikji

13 Bisymulj przykłd s1 w1 s2 w2 w3 s3 s4 w4 w5 Nie m isymulji. Modele strkyjne w weryfikji

14 Bisymulj przykłd s_init w_init s1 s2 s3 w1 w2 s4 s5 s6 w3 Modele strkyjne w weryfikji

15 Bisymulj przykłd s_init w_init s1 s2 s3 w1 w2 s4 s5 s6 Bisymulj: {(s init, w init ), (s 1, w 1 ), (s 2, w 1 ), (s 3, w 2 ) (s 4, w 3 ), (s 5, w 3 ), (s 6, w 3 )} w3 Modele strkyjne w weryfikji

16 Bisymulj trohę głęiej strtegi wygrywj grz Broniego to relj isymulji jeśli y zronić grzowi Odróżnijemu zmieninie stron, mieliyśmy symulję jeśli system A symuluje B orz B symuluje A, to systemy s symulyjnie równowżne jeśli A i B s symulyjnie równowżne A symuluje B przy pomoy relji R B symuluje A przy pomoy relji R 1, to systemy s w isymulji Modele strkyjne w weryfikji

17 Bisymulj trohę głęiej strtegi wygrywj grz Broniego to relj isymulji jeśli y zronić grzowi Odróżnijemu zmieninie stron, mieliyśmy symulję jeśli system A symuluje B orz B symuluje A, to systemy s symulyjnie równowżne jeśli A i B s symulyjnie równowżne A symuluje B przy pomoy relji R B symuluje A przy pomoy relji R 1, to systemy s w isymulji Modele strkyjne w weryfikji

18 Bisymulj trohę głęiej strtegi wygrywj grz Broniego to relj isymulji jeśli y zronić grzowi Odróżnijemu zmieninie stron, mieliyśmy symulję jeśli system A symuluje B orz B symuluje A, to systemy s symulyjnie równowżne jeśli A i B s symulyjnie równowżne A symuluje B przy pomoy relji R B symuluje A przy pomoy relji R 1, to systemy s w isymulji Modele strkyjne w weryfikji

19 Bisymulj trohę głęiej strtegi wygrywj grz Broniego to relj isymulji jeśli y zronić grzowi Odróżnijemu zmieninie stron, mieliyśmy symulję jeśli system A symuluje B orz B symuluje A, to systemy s symulyjnie równowżne jeśli A i B s symulyjnie równowżne A symuluje B przy pomoy relji R B symuluje A przy pomoy relji R 1, to systemy s w isymulji Modele strkyjne w weryfikji

20 Weryfikj hemy weryfikowć różne włsnośi systemów, np. gdy szln jest podniesiony, n torh nie m poigu w sekji krytyznej przeyw o njwyżej 1 proes zwsze któryś z proesów m ktulne dne udujemy jkiś model systemu (utomt) zęsto system modelujemy jko sieć utomtów weryfikown formułę rozijmy n włsnośi tomowe stny wzogmy o wrtośiownie włsnośi tomowyh Modele strkyjne w weryfikji

21 Weryfikj hemy weryfikowć różne włsnośi systemów, np. gdy szln jest podniesiony, n torh nie m poigu w sekji krytyznej przeyw o njwyżej 1 proes zwsze któryś z proesów m ktulne dne udujemy jkiś model systemu (utomt) zęsto system modelujemy jko sieć utomtów weryfikown formułę rozijmy n włsnośi tomowe stny wzogmy o wrtośiownie włsnośi tomowyh Modele strkyjne w weryfikji

22 Weryfikj hemy weryfikowć różne włsnośi systemów, np. gdy szln jest podniesiony, n torh nie m poigu w sekji krytyznej przeyw o njwyżej 1 proes zwsze któryś z proesów m ktulne dne udujemy jkiś model systemu (utomt) zęsto system modelujemy jko sieć utomtów weryfikown formułę rozijmy n włsnośi tomowe stny wzogmy o wrtośiownie włsnośi tomowyh Modele strkyjne w weryfikji

23 Weryfikj hemy weryfikowć różne włsnośi systemów, np. gdy szln jest podniesiony, n torh nie m poigu w sekji krytyznej przeyw o njwyżej 1 proes zwsze któryś z proesów m ktulne dne udujemy jkiś model systemu (utomt) zęsto system modelujemy jko sieć utomtów weryfikown formułę rozijmy n włsnośi tomowe stny wzogmy o wrtośiownie włsnośi tomowyh Modele strkyjne w weryfikji

24 Weryfikj hemy weryfikowć różne włsnośi systemów, np. gdy szln jest podniesiony, n torh nie m poigu w sekji krytyznej przeyw o njwyżej 1 proes zwsze któryś z proesów m ktulne dne udujemy jkiś model systemu (utomt) zęsto system modelujemy jko sieć utomtów weryfikown formułę rozijmy n włsnośi tomowe stny wzogmy o wrtośiownie włsnośi tomowyh Modele strkyjne w weryfikji

25 Weryfikj modele mog yć duże (nwet nieskońzone) konstruuje się wię mniejsze modele strkyjne hemy, y strkyjny model ył w pewnej relji z modelem oryginlnym (np. isymulyjnie równowżny) relj między modelmi (np. isymulj) determinuje, że s one nierozróżnilne przez odpowiedni logikę wyiermy tki typ modelu, y włsność, któr hemy zweryfikowć ył wyrżln w tej logie np. do weryfikowni osiglnośi stnów możemy użyć np. isymulji, symulji, pseudosymulji, pseudoisymulji Modele strkyjne w weryfikji

26 Weryfikj modele mog yć duże (nwet nieskońzone) konstruuje się wię mniejsze modele strkyjne hemy, y strkyjny model ył w pewnej relji z modelem oryginlnym (np. isymulyjnie równowżny) relj między modelmi (np. isymulj) determinuje, że s one nierozróżnilne przez odpowiedni logikę wyiermy tki typ modelu, y włsność, któr hemy zweryfikowć ył wyrżln w tej logie np. do weryfikowni osiglnośi stnów możemy użyć np. isymulji, symulji, pseudosymulji, pseudoisymulji Modele strkyjne w weryfikji

27 Weryfikj modele mog yć duże (nwet nieskońzone) konstruuje się wię mniejsze modele strkyjne hemy, y strkyjny model ył w pewnej relji z modelem oryginlnym (np. isymulyjnie równowżny) relj między modelmi (np. isymulj) determinuje, że s one nierozróżnilne przez odpowiedni logikę wyiermy tki typ modelu, y włsność, któr hemy zweryfikowć ył wyrżln w tej logie np. do weryfikowni osiglnośi stnów możemy użyć np. isymulji, symulji, pseudosymulji, pseudoisymulji Modele strkyjne w weryfikji

28 Weryfikj modele mog yć duże (nwet nieskońzone) konstruuje się wię mniejsze modele strkyjne hemy, y strkyjny model ył w pewnej relji z modelem oryginlnym (np. isymulyjnie równowżny) relj między modelmi (np. isymulj) determinuje, że s one nierozróżnilne przez odpowiedni logikę wyiermy tki typ modelu, y włsność, któr hemy zweryfikowć ył wyrżln w tej logie np. do weryfikowni osiglnośi stnów możemy użyć np. isymulji, symulji, pseudosymulji, pseudoisymulji Modele strkyjne w weryfikji

29 Weryfikj modele mog yć duże (nwet nieskońzone) konstruuje się wię mniejsze modele strkyjne hemy, y strkyjny model ył w pewnej relji z modelem oryginlnym (np. isymulyjnie równowżny) relj między modelmi (np. isymulj) determinuje, że s one nierozróżnilne przez odpowiedni logikę wyiermy tki typ modelu, y włsność, któr hemy zweryfikowć ył wyrżln w tej logie np. do weryfikowni osiglnośi stnów możemy użyć np. isymulji, symulji, pseudosymulji, pseudoisymulji Modele strkyjne w weryfikji

30 Weryfikj modele mog yć duże (nwet nieskońzone) konstruuje się wię mniejsze modele strkyjne hemy, y strkyjny model ył w pewnej relji z modelem oryginlnym (np. isymulyjnie równowżny) relj między modelmi (np. isymulj) determinuje, że s one nierozróżnilne przez odpowiedni logikę wyiermy tki typ modelu, y włsność, któr hemy zweryfikowć ył wyrżln w tej logie np. do weryfikowni osiglnośi stnów możemy użyć np. isymulji, symulji, pseudosymulji, pseudoisymulji Modele strkyjne w weryfikji

31 Modele konkretne i strkyjne Model konkretny struktur Kripke-go jego stny odpowidj stnom systemu jego trnzyje odpowidj zminom w systemie Modele strkyjne w weryfikji

32 Modele konkretne i strkyjne Model strkyjny sthujemy od rzezy nieistotnyh mniejszy stopień szzegółowośi stn strkyjny to ziór stnów konkretnyh modele strkyjne s mniejsze i efektywniejsze Modele strkyjne w weryfikji

33 Modele konkretne i strkyjne Model strkyjny sthujemy od rzezy nieistotnyh mniejszy stopień szzegółowośi stn strkyjny to ziór stnów konkretnyh modele strkyjne s mniejsze i efektywniejsze Modele strkyjne w weryfikji

34 Model konkretny definij Definij Model M to pr (K, V ), gdzie K to struktur Kripke-go (S, s init, ) V to funkj wrtośiowuj V : S 2 PV (PV to ziór tomowyh włsnośi) Modele strkyjne w weryfikji

35 Model konkretny definij Definij Model M to pr (K, V ), gdzie K to struktur Kripke-go (S, s init, ) V to funkj wrtośiowuj V : S 2 PV (PV to ziór tomowyh włsnośi) Inzej Dl kżdego stnu modelu pmiętmy, które włsnośi s w nim spełnione. Modele strkyjne w weryfikji

36 Model konkretny definij Definij Model M to pr (K, V ), gdzie K to struktur Kripke-go (S, s init, ) V to funkj wrtośiowuj V : S 2 PV (PV to ziór tomowyh włsnośi) Inzej Dl kżdego stnu modelu pmiętmy, które włsnośi s w nim spełnione. Rozmir modelu Rozmirem modelu jest ( S, ). Modele strkyjne w weryfikji

37 Model strkyjny definij Definij (1/3) Model strkyjny M to pr (G, V), gdzie G to struktur Kripke-go (W, w init, ) stny struktury G to węzły kżdy węzeł w W jest ziorem stnów S orz s init w init relj przejśi etykietown tym smym lfetem E, o w modelu konkretnym V to funkj wrtośiuj V : W 2 PV orz... Modele strkyjne w weryfikji

38 Model strkyjny definij Definij (2/3) Model strkyjny M to pr (G, V), gdzie... w W i s w zhodzi V (s) = V(w) orz... Modele strkyjne w weryfikji

39 Model strkyjny definij Definij (3/3) Model strkyjny M to pr (G, V), gdzie... w 1, w 2 Reh(W), e E, w 1 e w 2 wttw s 1 w 1, s 2 w 2, s 1 e s 2 w1 e w2 w1 w2 wttw s1 e s2 Modele strkyjne w weryfikji

40 Przegld modeli Wzmnij niektóre wrunki w definiji modelu strkyjnego możemy wyprowdzić różne modele, np: model isymulyjny (model strkyjny isymulyjnie równowżny odpowiedniemu modelowi konkretnemu) model symulyjny (model strkyjny symulyjnie równowżny odpowiedniemu modelowi konkretnemu)... i wiele innyh Modele strkyjne w weryfikji

41 Model isymulyjny Model isymulyjny Model strkyjny M = (G, V) dl modelu konkretnego M = (K, V ) nzywny jest modelem isymulyjnym wttw... w1 e w2 w1 w2 wttw s1 e s2... dl kżdej pry osiglnyh węzłów, jest on połzon trnzyj wttw zhodzi wrunek isymulyjny Modele strkyjne w weryfikji

42 Model konkretny i isymulyjny Model konkretny Modele strkyjne w weryfikji

43 Model konkretny i isymulyjny Model isymulyjny Model konkretny Modele strkyjne w weryfikji

44 Włsnośi modelu isymulyjnego Lemt Model konkretny M = (K, V ) orz model isymulyjny M = (G, V) s isymulyjnie równowżne. Dowód Pokżemy, że relj R S W, zdefiniown jko R = {(s, w) s w} jest isymulj. Z definiji modelu isymulyjnego s init Rw init i w init R 1 s init. Modele strkyjne w weryfikji

45 Włsnośi modelu isymulyjnego Dowód lemtu (2/3) jesli e w1 w2 s1 s1 R w1 Modele strkyjne w weryfikji

46 Włsnośi modelu isymulyjnego Dowód lemtu (2/3) jesli to w1 e w2 w1 e w2 s1 s1 e s2 s1 R w1 s1 R w1 s2 R w2 n moy wrunku isymulyjnego Modele strkyjne w weryfikji

47 Włsnośi modelu isymulyjnego Dowód lemtu (3/3) jesli w1 s1 e s2 s1 R w1 Modele strkyjne w weryfikji

48 Włsnośi modelu isymulyjnego Dowód lemtu (3/3) jesli to w1 w1 w2 s1 e s2 s1 e s2 s1 R w1 s1 R w1 s2 R w2 z kompletnosi modelu Modele strkyjne w weryfikji

49 Włsnośi modelu isymulyjnego Dowód lemtu (3/3) jesli to w1 w1 z definiji modelu strkyjnego e w2 s1 e s2 s1 e s2 s1 R w1 s1 R w1 s2 R w2 z kompletnosi modelu Modele strkyjne w weryfikji

50 Algorytm minimlizji Algorym minimlizji (uszzegółowinie podziłu) Ide zzynmy od pewnego dość ogólnego poztkowego podziłu stnów konkretnyh (dź ih osiglnej zęśi) stopniowo uszzegółowimy podził końzymy gdy wszystkie klsy podziłu ęd spełnić określone wrunki (stilność podziłu) Modele strkyjne w weryfikji

51 Oprje n klsh podziłu pre (W, W ) pre (W, W ) = { s W s W : s s } W W Modele strkyjne w weryfikji

52 Oprje n klsh podziłu pre (W, W ) pre (W, W ) = { s W s W : s s } W W pre_(w,w ) Modele strkyjne w weryfikji

53 Oprje n klsh podziłu pre (W, W ) pre (W, W ) = { s W s W : s s } W W pre_(w,w ) Modele strkyjne w weryfikji

54 Oprje n klsh podziłu post (W, W ) post (W, W ) = { s W s W : s s } W W Modele strkyjne w weryfikji

55 Oprje n klsh podziłu post (W, W ) post (W, W ) = { s W s W : s s } W W post_(w,w ) Modele strkyjne w weryfikji

56 Oprje n klsh podziłu post (W, W ) post (W, W ) = { s W s W : s s } W W post_(w,w ) Modele strkyjne w weryfikji

57 i-niestliność Kls W wymg modyfikji, gdy jest i-niestiln ze względu n jkś klsę W. mówimy, że W jest i-niestiln ze względu n W wttw E pre (W, W ) / { W, φ } W W nie m nstepnik w W Modele strkyjne w weryfikji

58 Algorytm minimlizji rozpozyn dziłnie n Π 0 jkimś poztkowym podzile zioru zwierjego wszystkie konkretne stny osiglne uduje minimlny model stny w modelu to klsy podziłu tego zioru stnem poztkowym jest kls zwierj konkretny stn poztkowy [s init ] Modele strkyjne w weryfikji

59 Split i Algorytm prmetryzowny jest pewn niedeterministyzn funkj Split i (W, Π). Split i (W, Π) funkj dokonuje uszzegółowieni podziłu klsy W wyiern jest kls W, względem której kls W jest i-niestiln dzieli W tk, y otrzymne klsy yły i-stilne względem W zwrny jest podził klsy W Modele strkyjne w weryfikji

60 Split i Split i (W, Π) Split i (W, Π) = { W } jeśli W jest i-stilne względem wszystkih W Π Split i (W, Π) = { pre (W,W ), Y pre (W,W ) } jeśli W jest i-niestilne względem pewnego W, dl pewnego Modele strkyjne w weryfikji

61 Split i Split i (W, Π) Split i (W, Π) = { W } jeśli W jest i-stilne względem wszystkih W Π Split i (W, Π) = { pre (W,W ), Y pre (W,W ) } jeśli W jest i-niestilne względem pewnego W, dl pewnego W W nie m nstepnik w W Modele strkyjne w weryfikji

62 Split i Split i (W, Π) W Split i (W, Π) = { W } jeśli W jest i-stilne względem wszystkih W Π Split i (W, Π) = { pre (W,W ), Y pre (W,W ) } jeśli W jest i-niestilne względem pewnego W, dl pewnego W1 = pre_(w, W ) W W2 = W W1 Modele strkyjne w weryfikji

63 Algorytm Zrys lgorytmu rehle ziór kls osiglnyh stle ziór kls stilnyh poztkowo rehle := { [s init ] }, stle := φ w kolejnyh krokh testujemy stilność kls ze zioru rehle stle jeśli dn kls jest i-stiln względem wszystkih swoih nstępników jest dodwn do zioru stle jej nstępniki do zioru rehle wpp. kls dzielon jest tk, y zpewnić jej i-stilność względem wyrnego nstępnik (który powodowł jej i-niestilność) konie, gdy wszystkie klsy osiglne s stilne Modele strkyjne w weryfikji

64 Stilność Nieh W1 ędzie i-stilne względem W2. W1 W2 s1 s2 t. ze W2 jest nstepnikiem W1 Modele strkyjne w weryfikji

65 Stilność Nieh W1 ędzie i-stilne względem W2. W1 W2 s1 s2 t. ze W2 jest nstepnikiem W1 W1 podził W1 nie powoduje utrty i-stilnośi Modele strkyjne w weryfikji

66 Stilność Nieh W1 ędzie i-stilne względem W2. W1 W2 s1 s2 t. ze W2 jest nstepnikiem W1 W1 podził W1 nie powoduje utrty i-stilnośi W1 W2 podził W2 może spowodowć utrtę i-stilnośi Modele strkyjne w weryfikji

67 Konsekwenj podziłu klsy W Podził klsy W Π poig z so... W Pre(W)... usunięie jej poprzedników (zyli Pre Π (W)) ze zioru kls stilnyh. Modele strkyjne w weryfikji

68 Konsekwenj podziłu klsy W Podził klsy W Π poig z so usunięie W ze zioru kls osiglnyh, le... Modele strkyjne w weryfikji

69 Konsekwenj podziłu klsy W Podził klsy W Π poig z so usunięie W ze zioru kls osiglnyh, le... hemy utrzymywć niezmiennik: kls zwierj stn poztkowy zwsze nleży do zioru kls osiglnyh Modele strkyjne w weryfikji

70 Konsekwenj podziłu klsy W Podził klsy W Π poig z so usunięie W ze zioru kls osiglnyh, le... hemy utrzymywć niezmiennik: kls zwierj stn poztkowy zwsze nleży do zioru kls osiglnyh W1 s_init klsę W1 trze dodć do zioru kls osiglnyh W2 s2 W Modele strkyjne w weryfikji

71 Algorytm pseudokod 1. Π := Π 0 ; rehle := {[s init ]}; stle := φ; 2. while ( W rehle stle) do 3. C := Split i (W, Π); 4. if (C = {W}) then 5. stle := stle {W}; rehle := rehle Post Π (W); 6. else 7. P := {W}; 8. rehle := rehle P {W C s init W }; 9. stle := stle Pre Π (P); 10. Π := (Π P) C; 11. end if; 12. end do; Modele strkyjne w weryfikji

72 Algorytm przykłd s_init s1 s2 s3 s4 s5 s6 1. Π := Π 0 ; rehle := {[s init ]}; stle := φ; 2. while ( W rehle stle) do 3. C := Split i (W, Π); 4. if (C = {W}) then 5. stle := stle {W}; rehle := rehle Post Π (W); 6. else 7. P := {W}; 8. rehle := rehle P {W C s init W }; 9. stle := stle Pre Π (P); 10. Π := (Π P) C; 11. end if; 12. end do; Modele strkyjne w weryfikji

73 Algorytm przykłd s_init W0 s1 s2 s3 s4 s5 s6 rehle={w 0 }, stle=φ 1. Π := Π 0 ; rehle := {[s init ]}; stle := φ; 2. while ( W rehle stle) do 3. C := Split i (W, Π); 4. if (C = {W}) then 5. stle := stle {W}; rehle := rehle Post Π (W); 6. else 7. P := {W}; 8. rehle := rehle P {W C s init W }; 9. stle := stle Pre Π (P); 10. Π := (Π P) C; 11. end if; 12. end do; Modele strkyjne w weryfikji

74 Algorytm przykłd s_init W0 s1 s2 s3 s4 s5 s6 rehle={w 0 }, stle=φ 1. Π := Π 0 ; rehle := {[s init ]}; stle := φ; 2. while ( W rehle stle) do 3. C := Split i (W, Π); 4. if (C = {W}) then 5. stle := stle {W}; rehle := rehle Post Π (W); 6. else 7. P := {W}; 8. rehle := rehle P {W C s init W }; 9. stle := stle Pre Π (P); 10. Π := (Π P) C; 11. end if; 12. end do; Modele strkyjne w weryfikji

75 Algorytm przykłd s_init W0 s1 s2 s3 s4 s5 s6 rehle={w 0 }, stle=φ 1. Π := Π 0 ; rehle := {[s init ]}; stle := φ; 2. while ( W rehle stle) do 3. C := Split i (W, Π); 4. if (C = {W}) then 5. stle := stle {W}; rehle := rehle Post Π (W); 6. else 7. P := {W}; 8. rehle := rehle P {W C s init W }; 9. stle := stle Pre Π (P); 10. Π := (Π P) C; 11. end if; 12. end do; Modele strkyjne w weryfikji

76 Algorytm przykłd s_init W0 s1 s2 s3 s4 s5 s6 rehle={w 0 }, stle=φ 1. Π := Π 0 ; rehle := {[s init ]}; stle := φ; 2. while ( W rehle stle) do 3. C := Split i (W, Π); 4. if (C = {W}) then 5. stle := stle {W}; rehle := rehle Post Π (W); 6. else 7. P := {W}; 8. rehle := rehle P {W C s init W }; 9. stle := stle Pre Π (P); 10. Π := (Π P) C; 11. end if; 12. end do; Modele strkyjne w weryfikji

77 Algorytm przykłd W1 s_init s1 s2 s3 s4 s5 s6 W2 rehle={w 1 }, stle=φ 1. Π := Π 0 ; rehle := {[s init ]}; stle := φ; 2. while ( W rehle stle) do 3. C := Split i (W, Π); 4. if (C = {W}) then 5. stle := stle {W}; rehle := rehle Post Π (W); 6. else 7. P := {W}; 8. rehle := rehle P {W C s init W }; 9. stle := stle Pre Π (P); 10. Π := (Π P) C; 11. end if; 12. end do; Modele strkyjne w weryfikji

78 Algorytm przykłd s_init W1 s1 s2 s3 s4 s5 s6 W2 rehle={w 1 }, stle=φ 1. Π := Π 0 ; rehle := {[s init ]}; stle := φ; 2. while ( W rehle stle) do 3. C := Split i (W, Π); 4. if (C = {W}) then 5. stle := stle {W}; rehle := rehle Post Π (W); 6. else 7. P := {W}; 8. rehle := rehle P {W C s init W }; 9. stle := stle Pre Π (P); 10. Π := (Π P) C; 11. end if; 12. end do; Modele strkyjne w weryfikji

79 Algorytm przykłd s_init W1 s1 s2 s3 s4 s5 s6 W2 rehle={w 1 }, stle=φ 1. Π := Π 0 ; rehle := {[s init ]}; stle := φ; 2. while ( W rehle stle) do 3. C := Split i (W, Π); 4. if (C = {W}) then 5. stle := stle {W}; rehle := rehle Post Π (W); 6. else 7. P := {W}; 8. rehle := rehle P {W C s init W }; 9. stle := stle Pre Π (P); 10. Π := (Π P) C; 11. end if; 12. end do; Modele strkyjne w weryfikji

80 Algorytm przykłd s_init W1 s1 s2 s3 s4 s5 s6 W2 rehle={w 1 }, stle=φ 1. Π := Π 0 ; rehle := {[s init ]}; stle := φ; 2. while ( W rehle stle) do 3. C := Split i (W, Π); 4. if (C = {W}) then 5. stle := stle {W}; rehle := rehle Post Π (W); 6. else 7. P := {W}; 8. rehle := rehle P {W C s init W }; 9. stle := stle Pre Π (P); 10. Π := (Π P) C; 11. end if; 12. end do; Modele strkyjne w weryfikji

81 Algorytm przykłd W1 s1 s_init s2 s4 s5 s6 W2 rehle={w 1, W 2 }, stle={w 1 } s3 1. Π := Π 0 ; rehle := {[s init ]}; stle := φ; 2. while ( W rehle stle) do 3. C := Split i (W, Π); 4. if (C = {W}) then 5. stle := stle {W}; rehle := rehle Post Π (W); 6. else 7. P := {W}; 8. rehle := rehle P {W C s init W }; 9. stle := stle Pre Π (P); 10. Π := (Π P) C; 11. end if; 12. end do; Modele strkyjne w weryfikji

82 Algorytm przykłd W1 s1 s_init s2 s4 s5 s6 W2 rehle={w 1, W 2 }, stle={w 1 } s3 1. Π := Π 0 ; rehle := {[s init ]}; stle := φ; 2. while ( W rehle stle) do 3. C := Split i (W, Π); 4. if (C = {W}) then 5. stle := stle {W}; rehle := rehle Post Π (W); 6. else 7. P := {W}; 8. rehle := rehle P {W C s init W }; 9. stle := stle Pre Π (P); 10. Π := (Π P) C; 11. end if; 12. end do; Modele strkyjne w weryfikji

83 Algorytm przykłd W1 s1 s_init s2 s4 s5 s6 W2 rehle={w 1, W 2 }, stle={w 1 } s3 1. Π := Π 0 ; rehle := {[s init ]}; stle := φ; 2. while ( W rehle stle) do 3. C := Split i (W, Π); 4. if (C = {W}) then 5. stle := stle {W}; rehle := rehle Post Π (W); 6. else 7. P := {W}; 8. rehle := rehle P {W C s init W }; 9. stle := stle Pre Π (P); 10. Π := (Π P) C; 11. end if; 12. end do; Modele strkyjne w weryfikji

84 Algorytm przykłd W1 s1 s_init s2 s4 s5 s6 W2 rehle={w 1, W 2 }, stle={w 1 } s3 1. Π := Π 0 ; rehle := {[s init ]}; stle := φ; 2. while ( W rehle stle) do 3. C := Split i (W, Π); 4. if (C = {W}) then 5. stle := stle {W}; rehle := rehle Post Π (W); 6. else 7. P := {W}; 8. rehle := rehle P {W C s init W }; 9. stle := stle Pre Π (P); 10. Π := (Π P) C; 11. end if; 12. end do; Modele strkyjne w weryfikji

85 Algorytm przykłd s_init W1 W3 s1 s2 s3 s4 s5 s6 W4 rehle={w 1 }, stle=φ 1. Π := Π 0 ; rehle := {[s init ]}; stle := φ; 2. while ( W rehle stle) do 3. C := Split i (W, Π); 4. if (C = {W}) then 5. stle := stle {W}; rehle := rehle Post Π (W); 6. else 7. P := {W}; 8. rehle := rehle P {W C s init W }; 9. stle := stle Pre Π (P); 10. Π := (Π P) C; 11. end if; 12. end do; Modele strkyjne w weryfikji

86 Algorytm przykłd W3 W1 s1 s4 s5 s6 W4 rehle={w 1 }, stle=φ s_init s2 s3 1. Π := Π 0 ; rehle := {[s init ]}; stle := φ; 2. while ( W rehle stle) do 3. C := Split i (W, Π); 4. if (C = {W}) then 5. stle := stle {W}; rehle := rehle Post Π (W); 6. else 7. P := {W}; 8. rehle := rehle P {W C s init W }; 9. stle := stle Pre Π (P); 10. Π := (Π P) C; 11. end if; 12. end do; Modele strkyjne w weryfikji

87 Algorytm przykłd W3 W1 s1 s4 s5 s6 W4 rehle={w 1 }, stle=φ s_init s2 s3 1. Π := Π 0 ; rehle := {[s init ]}; stle := φ; 2. while ( W rehle stle) do 3. C := Split i (W, Π); 4. if (C = {W}) then 5. stle := stle {W}; rehle := rehle Post Π (W); 6. else 7. P := {W}; 8. rehle := rehle P {W C s init W }; 9. stle := stle Pre Π (P); 10. Π := (Π P) C; 11. end if; 12. end do; Modele strkyjne w weryfikji

88 Algorytm przykłd W3 W1 s1 s4 s5 s6 W4 rehle={w 1 }, stle=φ s_init s2 s3 1. Π := Π 0 ; rehle := {[s init ]}; stle := φ; 2. while ( W rehle stle) do 3. C := Split i (W, Π); 4. if (C = {W}) then 5. stle := stle {W}; rehle := rehle Post Π (W); 6. else 7. P := {W}; 8. rehle := rehle P {W C s init W }; 9. stle := stle Pre Π (P); 10. Π := (Π P) C; 11. end if; 12. end do; Modele strkyjne w weryfikji

89 Algorytm przykłd W3 W1 s1 s_init s2 s4 s5 s6 W4 rehle={w 1, W 3 }, stle={w 1 } s3 1. Π := Π 0 ; rehle := {[s init ]}; stle := φ; 2. while ( W rehle stle) do 3. C := Split i (W, Π); 4. if (C = {W}) then 5. stle := stle {W}; rehle := rehle Post Π (W); 6. else 7. P := {W}; 8. rehle := rehle P {W C s init W }; 9. stle := stle Pre Π (P); 10. Π := (Π P) C; 11. end if; 12. end do; Modele strkyjne w weryfikji

90 Algorytm przykłd W3 W1 s1 s4 s5 s6 W4 rehle={w 1, W 3 }, stle={w 1 } s_init s2 s3 1. Π := Π 0 ; rehle := {[s init ]}; stle := φ; 2. while ( W rehle stle) do 3. C := Split i (W, Π); 4. if (C = {W}) then 5. stle := stle {W}; rehle := rehle Post Π (W); 6. else 7. P := {W}; 8. rehle := rehle P {W C s init W }; 9. stle := stle Pre Π (P); 10. Π := (Π P) C; 11. end if; 12. end do; Modele strkyjne w weryfikji

91 Algorytm przykłd W3 s1 W1 s_init s2 s4 s5 s6 W4 rehle={w 1, W 3 }, stle={w 1 } s3 1. Π := Π 0 ; rehle := {[s init ]}; stle := φ; 2. while ( W rehle stle) do 3. C := Split i (W, Π); 4. if (C = {W}) then 5. stle := stle {W}; rehle := rehle Post Π (W); 6. else 7. P := {W}; 8. rehle := rehle P {W C s init W }; 9. stle := stle Pre Π (P); 10. Π := (Π P) C; 11. end if; 12. end do; Modele strkyjne w weryfikji

92 Algorytm przykłd W3 s1 W1 s_init s2 s4 s5 s6 W4 rehle={w 1, W 3 }, stle={w 1 } s3 1. Π := Π 0 ; rehle := {[s init ]}; stle := φ; 2. while ( W rehle stle) do 3. C := Split i (W, Π); 4. if (C = {W}) then 5. stle := stle {W}; rehle := rehle Post Π (W); 6. else 7. P := {W}; 8. rehle := rehle P {W C s init W }; 9. stle := stle Pre Π (P); 10. Π := (Π P) C; 11. end if; 12. end do; Modele strkyjne w weryfikji

93 Algorytm przykłd W5 W1 s1 s4 s5 s6 W4 rehle={w 1 }, stle=φ s_init s2 s3 W6 1. Π := Π 0 ; rehle := {[s init ]}; stle := φ; 2. while ( W rehle stle) do 3. C := Split i (W, Π); 4. if (C = {W}) then 5. stle := stle {W}; rehle := rehle Post Π (W); 6. else 7. P := {W}; 8. rehle := rehle P {W C s init W }; 9. stle := stle Pre Π (P); 10. Π := (Π P) C; 11. end if; 12. end do; Modele strkyjne w weryfikji

94 Algorytm przykłd W1 s_init W5 s1 s2 s3 W6 s4 s5 s6 W4 rehle={w 1 }, stle=φ 1. Π := Π 0 ; rehle := {[s init ]}; stle := φ; 2. while ( W rehle stle) do 3. C := Split i (W, Π); 4. if (C = {W}) then 5. stle := stle {W}; rehle := rehle Post Π (W); 6. else 7. P := {W}; 8. rehle := rehle P {W C s init W }; 9. stle := stle Pre Π (P); 10. Π := (Π P) C; 11. end if; 12. end do; Modele strkyjne w weryfikji

95 Algorytm przykłd W1 s_init W5 s1 s2 s3 W6 s4 s5 s6 W4 rehle={w 1 }, stle=φ 1. Π := Π 0 ; rehle := {[s init ]}; stle := φ; 2. while ( W rehle stle) do 3. C := Split i (W, Π); 4. if (C = {W}) then 5. stle := stle {W}; rehle := rehle Post Π (W); 6. else 7. P := {W}; 8. rehle := rehle P {W C s init W }; 9. stle := stle Pre Π (P); 10. Π := (Π P) C; 11. end if; 12. end do; Modele strkyjne w weryfikji

96 Algorytm przykłd W1 s_init W5 s1 s2 s3 W6 s4 s5 s6 W4 rehle={w 1 }, stle=φ 1. Π := Π 0 ; rehle := {[s init ]}; stle := φ; 2. while ( W rehle stle) do 3. C := Split i (W, Π); 4. if (C = {W}) then 5. stle := stle {W}; rehle := rehle Post Π (W); 6. else 7. P := {W}; 8. rehle := rehle P {W C s init W }; 9. stle := stle Pre Π (P); 10. Π := (Π P) C; 11. end if; 12. end do; Modele strkyjne w weryfikji

97 Algorytm przykłd W5 W1 s1 s4 s5 s6 W4 rehle={w 1, W 5, W 6 }, stle={w 1 } s_init s2 s3 W6 1. Π := Π 0 ; rehle := {[s init ]}; stle := φ; 2. while ( W rehle stle) do 3. C := Split i (W, Π); 4. if (C = {W}) then 5. stle := stle {W}; rehle := rehle Post Π (W); 6. else 7. P := {W}; 8. rehle := rehle P {W C s init W }; 9. stle := stle Pre Π (P); 10. Π := (Π P) C; 11. end if; 12. end do; Modele strkyjne w weryfikji

98 Algorytm przykłd W5 W1 s1 s_init s2 s3 s4 s5 s6 W4 rehle={w 1, W 5, W 6 }, stle={w 1 } W6 1. Π := Π 0 ; rehle := {[s init ]}; stle := φ; 2. while ( W rehle stle) do 3. C := Split i (W, Π); 4. if (C = {W}) then 5. stle := stle {W}; rehle := rehle Post Π (W); 6. else 7. P := {W}; 8. rehle := rehle P {W C s init W }; 9. stle := stle Pre Π (P); 10. Π := (Π P) C; 11. end if; 12. end do; Modele strkyjne w weryfikji

99 Algorytm przykłd W5 W1 s1 s_init s2 s3 s4 s5 s6 W4 rehle={w 1, W 5, W 6 }, stle={w 1 } W6 1. Π := Π 0 ; rehle := {[s init ]}; stle := φ; 2. while ( W rehle stle) do 3. C := Split i (W, Π); 4. if (C = {W}) then 5. stle := stle {W}; rehle := rehle Post Π (W); 6. else 7. P := {W}; 8. rehle := rehle P {W C s init W }; 9. stle := stle Pre Π (P); 10. Π := (Π P) C; 11. end if; 12. end do; Modele strkyjne w weryfikji

100 Algorytm przykłd W5 W1 s1 s_init s2 s3 s4 s5 s6 W4 rehle={w 1, W 5, W 6 }, stle={w 1 } W6 1. Π := Π 0 ; rehle := {[s init ]}; stle := φ; 2. while ( W rehle stle) do 3. C := Split i (W, Π); 4. if (C = {W}) then 5. stle := stle {W}; rehle := rehle Post Π (W); 6. else 7. P := {W}; 8. rehle := rehle P {W C s init W }; 9. stle := stle Pre Π (P); 10. Π := (Π P) C; 11. end if; 12. end do; Modele strkyjne w weryfikji

101 Algorytm przykłd W5 W1 s1 s_init s2 s4 s5 s6 W4 rehle={w 1,W 4,W 5,W 6 }, stle={w 1, W 5 } s3 W6 1. Π := Π 0 ; rehle := {[s init ]}; stle := φ; 2. while ( W rehle stle) do 3. C := Split i (W, Π); 4. if (C = {W}) then 5. stle := stle {W}; rehle := rehle Post Π (W); 6. else 7. P := {W}; 8. rehle := rehle P {W C s init W }; 9. stle := stle Pre Π (P); 10. Π := (Π P) C; 11. end if; 12. end do; Modele strkyjne w weryfikji

102 Algorytm przykłd W5 W1 s1 s_init s2 s3 s4 s5 s6 W4 rehle={w 1,W 4,W 5,W 6 }, stle={w 1, W 5 } W6 1. Π := Π 0 ; rehle := {[s init ]}; stle := φ; 2. while ( W rehle stle) do 3. C := Split i (W, Π); 4. if (C = {W}) then 5. stle := stle {W}; rehle := rehle Post Π (W); 6. else 7. P := {W}; 8. rehle := rehle P {W C s init W }; 9. stle := stle Pre Π (P); 10. Π := (Π P) C; 11. end if; 12. end do; Modele strkyjne w weryfikji

103 Algorytm przykłd W5 W1 s1 s_init s2 s3 s4 s5 s6 W4 rehle={w 1,W 4,W 5,W 6 }, stle={w 1, W 5 } W6 1. Π := Π 0 ; rehle := {[s init ]}; stle := φ; 2. while ( W rehle stle) do 3. C := Split i (W, Π); 4. if (C = {W}) then 5. stle := stle {W}; rehle := rehle Post Π (W); 6. else 7. P := {W}; 8. rehle := rehle P {W C s init W }; 9. stle := stle Pre Π (P); 10. Π := (Π P) C; 11. end if; 12. end do; Modele strkyjne w weryfikji

104 Algorytm przykłd W5 W1 s1 s_init s2 s3 s4 s5 s6 W4 rehle={w 1,W 4,W 5,W 6 }, stle={w 1, W 5 } W6 1. Π := Π 0 ; rehle := {[s init ]}; stle := φ; 2. while ( W rehle stle) do 3. C := Split i (W, Π); 4. if (C = {W}) then 5. stle := stle {W}; rehle := rehle Post Π (W); 6. else 7. P := {W}; 8. rehle := rehle P {W C s init W }; 9. stle := stle Pre Π (P); 10. Π := (Π P) C; 11. end if; 12. end do; Modele strkyjne w weryfikji

105 Algorytm przykłd W5 W1 s1 s_init s2 s4 s5 s6 W4 rehle={w 1,W 4,W 5,W 6 }, stle={w 1, W 4, W 5 } s3 W6 1. Π := Π 0 ; rehle := {[s init ]}; stle := φ; 2. while ( W rehle stle) do 3. C := Split i (W, Π); 4. if (C = {W}) then 5. stle := stle {W}; rehle := rehle Post Π (W); 6. else 7. P := {W}; 8. rehle := rehle P {W C s init W }; 9. stle := stle Pre Π (P); 10. Π := (Π P) C; 11. end if; 12. end do; Modele strkyjne w weryfikji

106 Algorytm przykłd W5 W1 s1 s_init s2 s3 s4 s5 s6 W4 rehle={w 1,W 4,W 5,W 6 }, stle={w 1, W 4, W 5 } W6 1. Π := Π 0 ; rehle := {[s init ]}; stle := φ; 2. while ( W rehle stle) do 3. C := Split i (W, Π); 4. if (C = {W}) then 5. stle := stle {W}; rehle := rehle Post Π (W); 6. else 7. P := {W}; 8. rehle := rehle P {W C s init W }; 9. stle := stle Pre Π (P); 10. Π := (Π P) C; 11. end if; 12. end do; Modele strkyjne w weryfikji

107 Algorytm przykłd W5 W1 s1 s_init s2 s3 s4 s5 s6 W4 rehle={w 1,W 4,W 5,W 6 }, stle={w 1, W 4, W 5 } W6 1. Π := Π 0 ; rehle := {[s init ]}; stle := φ; 2. while ( W rehle stle) do 3. C := Split i (W, Π); 4. if (C = {W}) then 5. stle := stle {W}; rehle := rehle Post Π (W); 6. else 7. P := {W}; 8. rehle := rehle P {W C s init W }; 9. stle := stle Pre Π (P); 10. Π := (Π P) C; 11. end if; 12. end do; Modele strkyjne w weryfikji

108 Algorytm przykłd W5 W1 s1 s_init s2 s3 s4 s5 s6 W4 rehle={w 1,W 4,W 5,W 6 }, stle={w 1, W 4, W 5 } W6 1. Π := Π 0 ; rehle := {[s init ]}; stle := φ; 2. while ( W rehle stle) do 3. C := Split i (W, Π); 4. if (C = {W}) then 5. stle := stle {W}; rehle := rehle Post Π (W); 6. else 7. P := {W}; 8. rehle := rehle P {W C s init W }; 9. stle := stle Pre Π (P); 10. Π := (Π P) C; 11. end if; 12. end do; Modele strkyjne w weryfikji

109 Algorytm przykłd W5 W1 s1 s_init s2 s4 s5 s6 W4 rehle={w 1,W 4,W 5,W 6 }, stle={w 1, W 4, W 5, W 6 } s3 W6 1. Π := Π 0 ; rehle := {[s init ]}; stle := φ; 2. while ( W rehle stle) do 3. C := Split i (W, Π); 4. if (C = {W}) then 5. stle := stle {W}; rehle := rehle Post Π (W); 6. else 7. P := {W}; 8. rehle := rehle P {W C s init W }; 9. stle := stle Pre Π (P); 10. Π := (Π P) C; 11. end if; 12. end do; Modele strkyjne w weryfikji

110 Algorytm przykłd W5 W1 s1 s_init s2 s4 s5 s6 W4 rehle={w 1,W 4,W 5,W 6 }, stle={w 1, W 4, W 5, W 6 } s3 W6 1. Π := Π 0 ; rehle := {[s init ]}; stle := φ; 2. while ( W rehle stle) do 3. C := Split i (W, Π); 4. if (C = {W}) then 5. stle := stle {W}; rehle := rehle Post Π (W); 6. else 7. P := {W}; 8. rehle := rehle P {W C s init W }; 9. stle := stle Pre Π (P); 10. Π := (Π P) C; 11. end if; 12. end do; Modele strkyjne w weryfikji

111 Usprwnieni lgorytmu W Znkownie i-stilnośi i stilne i stilne i stilne W1 W2 W3 dl klsy W pmiętmy względem któryh W jest i-stilne wykorzystujemy to w kolejnyh przeiegh informj musi yć ktulizown w przypdku podziłu któregoś nstępnik Modele strkyjne w weryfikji

112 Usprwnieni lgorytmu Podził w loie odkłdmy generownie kls, ż ęd one nm rzezywiśie potrzene unikmy generowni kls nieosiglnyh Modele strkyjne w weryfikji

113 Algorytm dl utomtów zsowyh Trze zdefiniowć: stny konkretne i strkyjne podził poztkowy Π 0 funkje pre i post Modele strkyjne w weryfikji

114 Automt zsowy Lmp iemno przyisk x>10 dyskotek x<=1 przyisk x:=0 jsno przyisk x<=10 x:=0 lysk x==1 x:=0 przyisk lokje np. iemno, jsno, dyskotek kje np. przyisk, lysk wrunki umożliwieni np. x<=10, x>10, x<=1, x==1 resetownie zegrów np. x:=0 niezmienniki lokji np. x<=1 Modele strkyjne w weryfikji

115 Automt konkretny System trnzyyjny stny to pry (lokj, wrtośiownie zgrów) jest ih ontinuum przejśi zsowe upływ zsu zwiększ wrtośiowni wszystkih zegrów o dn lizę rzezywist, lokj pozostje ez zmin przejśi zwykłe możliwe o ile prwdziwy jest wrunek umożliwieni, możn podć ziór zegrów, który ędzie resetowny przez kję niezmiennik to wrunek który możemy przyporzdkowć lokji jeśli utomt jest w dnej lokji, (z definiji) jest spełniony odpowiedni niezmiennik Modele strkyjne w weryfikji

116 Automt strkyjny stny to pry (lokj, ziór wrtośiowń zegrów) relj przejśi indukown z przejść w systemie trnzyyjnym Modele strkyjne w weryfikji

117 Automt regionów Automt regionów utożsmimy wrtośiowni nierozróżnilne ze względu n wykonlność dlszyh przejść skońzon ilość kls strkji podził zleżny od mksymlnej stłej występujej w definiji utomtu y x Modele strkyjne w weryfikji

118 Algorytm dl utomtów zsowyh iemno true przyisk jsno true dyskotek x<=1 przyisk przyisk przyisk Podził poztkowy Π 0 = {(l, [[I(l)]]) l Lokje} Π 0 jest podziłem jedynie pewnej zęśi przestrzeni stnów, zwierjej stny osiglne lysk Modele strkyjne w weryfikji

119 Strefy zsowe Stref ziór wrtośiowń zegrów ziór zdny w posti koniunkji wrunków kżdy wrunek ogrniz z góry lu z dołu ostro lu nieostro ogrniz zegr lu róznię dwóh zegrów stref jest ziorem wypukłym y x Modele strkyjne w weryfikji

120 Nstępstwo zsowe Nstępniki zsowe strefy y 3 nstepniki zsowe x Modele strkyjne w weryfikji

121 Poprzedniki zsowe Poprzedniki zsowe strefy y poprzedniki zsowe x Modele strkyjne w weryfikji

122 Bisymulj widozn tu tu* e e Modele strkyjne w weryfikji

123 Poprzedniki, nstępniki Nstępstwo kyjne e = l,,x l pre e ((l,z), (l,z )) = (l, Z (([X:=0]Z ) [[]])) post e ((l,z), (l,z )) = (l, (Z [[]])[X:=0] Z ) Nstępstwo zsowe pre τ ((l,z), (l,z )) = (l, Z Z ) post τ ((l,z), (l,z )) = (l, (Z Z ) Z ) Modele strkyjne w weryfikji

124 Nstępstwo zsowe pre τ ((l,z), (l,z )) = (l, Z Z ) y Z1 3 Z x pre(z1,z2) post τ ((l,z), (l,z )) = (l, (Z Z ) Z ) y Z1 3 Z post(z1,z2) x Modele strkyjne w weryfikji

125 Wrunek stopu Wrunek stopu W njgorszym przypdku dojdziemy do utomtu regionów. y x Modele strkyjne w weryfikji

126 Implementj stref Stref Strefę możn opisć ziorem wrunków { x i x j x i,x j Cloks, {<, }, Z} x i x j = zpisujemy jko dw wrunki: 1 x i x j 2 x j x i wprowdzmy spejlny zegr x 0 stle równy 0 przykłd: x 1 < 2 kodujemy jko x 1 x 0 < 2 przykłd: x 2 3 kodujemy jko x 0 x 2 3 Modele strkyjne w weryfikji

127 Mierz ogrnizników różni DBM mierz o A wymirh (n + 1) (n + 1), gdzie n to liz zegrów kolumny i wiersze indeksowne lizmi 0..n A[i,j] = ( ij, ij ) oznz x i x j ij ij Przykłd Zegry x, y (orz 0). A = 1 x 3, 2 y 4, y > x, y < x + 2 A = (0, ) ( 1, ) ( 2, ) (3, ) (0, ) (0, <) (4, ) (2, <) (0, ) Modele strkyjne w weryfikji

128 DBM przykłd Zegry x, y (orz 0). A = 1 x 3, 2 y 4, y > x, y < x + 2 y 4 3 y x<2 x y<0 y 0<=4 A = (0, ) ( 1, ) ( 2, ) (3, ) (0, ) (0, <) (4, ) (2, <) (0, ) y<= 2 x 0 x<= 1 x 0<=3 Modele strkyjne w weryfikji

129 Niejednoznzność reprezentji strefy y y x x Modele strkyjne w weryfikji

130 Modele pseudoisymulyjne isymulyjne W Model isymulyjny nieh W - osigln kls kżdy z Pre(W) musi yć stilny względem W Pre(W) Modele strkyjne w weryfikji

131 Modele pseudoisymulyjne isymulyjne W1 Pre(W) W1 musi zhodzi wrunek isymulyjny W nie musz y stilne wzgledem W Model pseudoisymulyjny nieh W1 ędzie węzłem osiglnym z W init w njmniejszej lizie kroków wrunek isymulyjny musi zhodzić jedynie między W1 W dept(w) głęokość W, długość njkrótszej śieżki z W init do W Modele strkyjne w weryfikji

132 Modele pseudoisymulyjne W_init W_init d d e f f W2 d e f model isymulyjny W1 model pseudoisymulyjny Modele strkyjne w weryfikji

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

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

Przekształcenia automatów skończonych

Przekształcenia automatów skończonych 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

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

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

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

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

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

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

2. Funktory TTL cz.2

2. Funktory TTL cz.2 2. Funktory TTL z.2 1.2 Funktory z otwrtym kolektorem (O.. open olletor) ysunek poniżej przedstwi odnośny frgment płyty zołowej modelu. Shemt wewnętrzny pojedynzej rmki NAND z otwrtym kolektorem (O..)

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

G i m n a z j a l i s t ó w

G i m n a z j a l i s t ó w Ko³o Mtemtyzne G i m n z j l i s t ó w 1. Lizy,, spełniją wrunki: (1) ++ = 0, 1 () + + 1 + + 1 + = 1 4. Olizyć wrtość wyrżeni w = + + Rozwiąznie Stowrzyszenie n rzez Edukji Mtemtyznej Zestw 7 szkie rozwizń

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

Rys Wyrównanie spostrzeżeń zawarunkowanych jednakowo dokładnych C. KRAKOWIANY

Rys Wyrównanie spostrzeżeń zawarunkowanych jednakowo dokładnych C. KRAKOWIANY Rys. 9.. Wyrównnie spostrzeżeń zwrunkownyh jednkowo dokłdnyh C. KRAKOWIANY 9.9. Informje wstępne o krkowinh Krkowin jest zespołem liz rozmieszzonyh w prostokątnej teli o k kolumnh i w wierszh, dl którego

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

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

WYZNACZNIKI. . Gdybyśmy rozważali układ dwóch równań liniowych, powiedzmy: Takie układy w matematyce nazywa się macierzami. Przyjmijmy definicję:

WYZNACZNIKI. . Gdybyśmy rozważali układ dwóch równań liniowych, powiedzmy: Takie układy w matematyce nazywa się macierzami. Przyjmijmy definicję: YZNACZNIKI Do opisu pewnh oiektów nie wstrz użć liz. ie n przkłd, że do opisni sił nleż użć wektor. Sił to przeież nie tlko wielkość le i jej punkt przłożeni, zwrot orz kierunek dziłni. Zte jedną lizą

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

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

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

FUNKCJA KWADRATOWA. RÓWNANIA I NIERÓWNOŚCI DRUGIEGO STOPNIA.

FUNKCJA KWADRATOWA. RÓWNANIA I NIERÓWNOŚCI DRUGIEGO STOPNIA. Oprownie: Elżiet Mlnowsk FUNKCJA KWADRATOWA. RÓWNANIA I NIERÓWNOŚCI DRUGIEGO STOPNIA. Określeni podstwowe: Jeżeli kżdej lizie x z pewnego zioru lizowego X przporządkown jest dokłdnie jedn liz, to mówim,

Bardziej szczegółowo

Rozwiązania maj 2017r. Zadania zamknięte

Rozwiązania maj 2017r. Zadania zamknięte Rozwiązni mj 2017r. Zdni zmknięte Zd 1. 5 16 5 2 5 2 Zd 2. 5 2 27 2 23 2 2 2 2 Zd 3. 2log 3 2log 5log 3 log 5 log 9 log 25log Zd. 120% 8910 1,2 8910 2,2 8910 $%, 050 Zd 5. Njłtwiej jest zuwżyć że dl 1

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

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

Semantyka i Weryfikacja Programów - Laboratorium 2 Działania na ułamkach, krotki i rekordy

Semantyka i Weryfikacja Programów - Laboratorium 2 Działania na ułamkach, krotki i rekordy Semntyk i Weryfikj Progrmów - Lortorium Dziłni n ułmkh, krotki i rekory Cz. I. Dziłni n ułmkh Prolem. Oprowć zestw funkji o ziłń rytmetyznyh n ułmkh zwykłyh posti q, gzie, są lizmi łkowitymi i 0. Rozwiąznie

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

PEWNIK DEDEKINDA i jego najprostsze konsekwencje

PEWNIK DEDEKINDA i jego najprostsze konsekwencje PEWNIK DEDEKINDA i jego njprostsze konsekwencje W rozdzile ósmym stwierdziliśmy, że z podnych tm pewników nie wynik istnienie pierwistków z liczb rzeczywistych. Uzupe lnimy terz liste pewników jeszcze

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

Co można zrobić za pomocą maszyny Turinga? Wszystko! Maszyna Turinga potrafi rozwiązać każdy efektywnie rozwiązywalny problem algorytmiczny!

Co można zrobić za pomocą maszyny Turinga? Wszystko! Maszyna Turinga potrafi rozwiązać każdy efektywnie rozwiązywalny problem algorytmiczny! TEZA CHURCHA-TURINGA Mzyn Turing: m końzenie wiele tnów zpiuje po jenym ymolu n liniowej tśmie Co możn zroić z pomoą mzyny Turing? Wzytko! Mzyn Turing potrfi rozwiązć kży efektywnie rozwiązywlny prolem

Bardziej szczegółowo

Semantyka i Weryfikacja Programów - Laboratorium 7

Semantyka i Weryfikacja Programów - Laboratorium 7 Semntyk i Weryfikj Progrmów - Lortorium 7 Weryfikj twierdzeń logiznyh Cel. Celem ćwizeni jest zpoznnie się z metodą utomtyznego dowodzeni twierdzeń, tzn. weryfikji, zy dne twierdzenie jest tutologią (twierdzenie

Bardziej szczegółowo

Technika Cyfrowa 1. Wykład 5: Synteza automatów sekwencyjnych III UKŁADY SEKWENCYJNE C.D.

Technika Cyfrowa 1. Wykład 5: Synteza automatów sekwencyjnych III UKŁADY SEKWENCYJNE C.D. JS TC III UKŁADY SEKWENCYJNE C.D. JS TC Tehnik Cyfrow Wykł 5: Syntez utomtów sekwenyjnyh r inż. Jrosłw Sugier Jroslw.Sugier@pwr.wro.pl IIAR, pok. 227 C-3 4 GRAF AUTOMATU, TABELE PRZEJŚĆ / WYJŚĆ Opis sekwenyjnego

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

Całki oznaczone. wykład z MATEMATYKI

Całki oznaczone. wykład z MATEMATYKI Cłki oznzone wkłd z MATEMATYKI Budownitwo, studi niestjonrne sem. I, rok k. 28/29 Ktedr Mtemtki Wdził Informtki Politehnik Biłostok 1 Podstwowe pojęi 1.1 Podził P przedziłu, Nieh f ędzie funkją ogrnizoną

Bardziej szczegółowo

Szkice rozwiązań zadań zawody rejonowe 2019

Szkice rozwiązań zadań zawody rejonowe 2019 XVI Śląski Konkurs Mtemtyzny Szkie rozwiązń zdń zwody rejonowe 9 Zdnie. Znjdź wszystkie lizy pierwsze p, dl któryh liz pp+ + też jest lizą pierwszą. Rozwiąznie Jeżeli p, to pp+ + 3 + i jest to liz złożon.

Bardziej szczegółowo

Metoda prądów obwodowych

Metoda prądów obwodowych Metod prądów owodowyh Zmenmy wszystke rzezywste źródł prądowe n npęowe, Tworzymy kłd równń lnowyh opsjąyh poszzególne owody. Dowolną seć lnową skłdjąą sę z elementów skponyh możn opsć z pomoą kłd równń

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

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

ZADANIA Z ZAKRESU SZKOŁY PODSTAWOWEJ, GIMNAZJUM I SZKOŁY ŚREDNIEJ

ZADANIA Z ZAKRESU SZKOŁY PODSTAWOWEJ, GIMNAZJUM I SZKOŁY ŚREDNIEJ ZADANIA Z ZAKRESU SZKOŁY PODSTAWOWEJ, GIMNAZJUM I SZKOŁY ŚREDNIEJ Nrsowć wkres funkji: f() = + Nrsowć wkres funkji: f() = + Nrsowć wkres funkji: f() = + + Dl jkih wrtośi A, B zhodzi równość: + +5+6 = A

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

Etyka procesów sieci Petriego w wietle teorii ladów

Etyka procesów sieci Petriego w wietle teorii ladów U n i w e r s y t e t W r s z w s k i Wydził Mtemtyki, Informtyki i Mehniki Etyk proesów siei Petriego w wietle teorii ldów rozprw doktorsk Jonn Jółkowsk Uniwersytet Mikołj Kopernik w Toruniu Wydził Mtemtyki

Bardziej szczegółowo

XI. Rachunek całkowy funkcji wielu zmiennych. 1. Całka podwójna Całka podwójna po prostokącie. Oznaczenia:

XI. Rachunek całkowy funkcji wielu zmiennych. 1. Całka podwójna Całka podwójna po prostokącie. Oznaczenia: XI. Rhunek łkowy funkji wielu zmiennyh. 1. Cłk podwójn. 1.1. Cłk podwójn po prostokąie. Oznzeni: P = {(x, y) R 2 : x b, y d} = [, b] [, d] - prostokąt n płszzyźnie, f(x, y) - funkj określon i ogrnizon

Bardziej szczegółowo

KARTA WZORÓW MATEMATYCZNYCH. (a + b) c = a c + b c. p% liczby a = p a 100 Liczba x, której p% jest równe a 100 a p

KARTA WZORÓW MATEMATYCZNYCH. (a + b) c = a c + b c. p% liczby a = p a 100 Liczba x, której p% jest równe a 100 a p KRT WZORÓW MTEMTYZNY WŁSNOŚI DZIŁŃ Pwo pzemiennośi dodwni + = + Pwo łąznośi dodwni + + = ( + ) + = + ( + ) Pwo zemiennośi mnoŝeni = Pwo łąznośi mnoŝeni = ( ) = ( ) Pwo ozdzielnośi mnoŝeni względem dodwni

Bardziej szczegółowo

KLUCZ PUNKTOWANIA ODPOWIEDZI

KLUCZ PUNKTOWANIA ODPOWIEDZI Egzmin mturlny mj 009 INFORMATYKA POZIOM PODSTAWOWY KLUCZ PUNKTOWANIA ODPOWIEDZI Informtyk poziom podstwowy CZ I Nr zdni Nr podpunktu Mks. punktj z z zdni Mks. punktj z zdnie 1. Z poprwne uzupe nienie

Bardziej szczegółowo

Pierwiastek z liczby zespolonej

Pierwiastek z liczby zespolonej Pierwistek z liczby zespolonej Twierdzenie: Istnieje dokłdnie n różnych pierwistków n-tego stopni z kżdej liczby zespolonej różnej od zer, tzn. rozwiązń równni w n z i wszystkie te pierwistki dją się zpisć

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

Przechadzka Bajtusia - omówienie zadania

Przechadzka Bajtusia - omówienie zadania Wprowdzenie Rozwiąznie Rozwiąznie wzorcowe Przechdzk Bjtusi - omówienie zdni Komisj Regulminow XVI Olimpidy Informtycznej 1 UMK Toruń 11 luty 2009 1 Niniejsz prezentcj zwier mteriły dostrczone przez Komitet

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

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

Macierz. Wyznacznik macierzy. Układ równań liniowych

Macierz. Wyznacznik macierzy. Układ równań liniowych Temt wykłdu: Mcierz. Wyzncznik mcierzy. Ukłd równń liniowych Kody kolorów: żółty nowe pojęcie pomrńczowy uwg kursyw komentrz * mterił ndobowiązkowy Ann Rjfur, Mtemtyk Zgdnieni. Pojęci. Dziłni n mcierzch.

Bardziej szczegółowo

a) b) Rys. 6.1. Schemat ideowo-konstrukcyjny układu do przykładu 6.1 a) i jego schemat blokowy

a) b) Rys. 6.1. Schemat ideowo-konstrukcyjny układu do przykładu 6.1 a) i jego schemat blokowy 04 6. Ztoownie metod hemtów lokowh do nliz włśiwośi ukłdów utomtki Shemt lokow ukłdu utomtki jet formą zpiu mtemtznego modelu dnego ukłdu, n podtwie której, wkorztują zd przedtwione rozdzile 3.7, możn

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

Komisja Egzaminacyjna dla Aktuariuszy LIX Egzamin dla Aktuariuszy z 12 marca 2012 r. Część I Matematyka finansowa

Komisja Egzaminacyjna dla Aktuariuszy LIX Egzamin dla Aktuariuszy z 12 marca 2012 r. Część I Matematyka finansowa Mtemtyk finnsow 12.03.2012 r. Komisj Egzmincyjn dl Akturiuszy LIX Egzmin dl Akturiuszy z 12 mrc 2012 r. Część I Mtemtyk finnsow WERSJA TESTU A Imię i nzwisko osoby egzminownej:... Czs egzminu: 100 minut

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

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

Pojęcia Działania na macierzach Wyznacznik macierzy

Pojęcia Działania na macierzach Wyznacznik macierzy Temt: Mcierze Pojęci Dziłni n mcierzch Wyzncznik mcierzy Symbolem gwizdki (*) oznczono zgdnieni przeznczone dl studentów wybitnie zinteresownych prezentowną temtyką. Ann Rjfur Pojęcie mcierzy Mcierz to

Bardziej szczegółowo

1 Ułamki zwykłe i dziesiętne

1 Ułamki zwykłe i dziesiętne Liczby wymierne i niewymierne Liczby wymierne i niewymierne - powtórzenie Ułmki zwykłe i dziesiętne. Rozszerznie ułmków Rozszerz ułmki b c b c 6 8. Skrcnie ułmków c b c b 8 0 Liczby wymierne i niewymierne

Bardziej szczegółowo

1. Zestaw do oznaczania BZT i ChZT

1. Zestaw do oznaczania BZT i ChZT Sprw Nr RAP.272. 85. 2014 złąznik nr 6.1 do SIWZ PARAMETRY TECHNICZNE PRZEDMIOTU ZAMÓWIENIA Nzw i dres Wykonwy:... Nzw i typ (produent) oferownego urządzeni:... Nzw przedmiotu zmówieni : 1. Zestw do oznzni

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

Metoda List łańcuchowych

Metoda List łańcuchowych Metod List łńuhowyh Zkłdnie krtoteki wyszukiwwzej: Zkłdmy iż znny jest system wyszukiwni S wię zbiór obiektów X trybutów A wrtośi tyh trybutów V orz funkj informji : X A V. Obiekty opisne są ilozynem odpowiednih

Bardziej szczegółowo

1 Definicja całki podwójnej po prostokącie

1 Definicja całki podwójnej po prostokącie 1 efinij łki podwójnej po prostokąie efinij 1 Podziłem prostokąt = {(x, y) : x b, y d} (inzej: = [, b] [, d]) nzywmy zbiór P złożony z prostokątów 1, 2,..., n które łkowiie go wypełniją i mją prmi rozłązne

Bardziej szczegółowo

Bisymulacja, automaty czasowe

Bisymulacja, automaty czasowe Krzysztof Nozderko kn201076@zodiac.mimuw.edu.pl 13 grudzień 2005 Plan wykładu 1 Automaty czasowe 2 Regiony 3 Bisymulacja Plan wykładu 1 Automaty czasowe 2 Regiony 3 Bisymulacja Plan wykładu 1 Automaty

Bardziej szczegółowo

Sprawozdanie z pomocy doraźnej i ratownictwa medycznego za 2010 r.

Sprawozdanie z pomocy doraźnej i ratownictwa medycznego za 2010 r. GŁÓWNY URZĄD STATYSTYCZNY, l. Niepoległośi 208, 00-925 Wrszw www.stt.gov.pl Nzw i res jenostki sprwozwzej Numer inentyfikyjny REGON ZD-4 Sprwoznie z pomoy orźnej i rtownitw z 200 r. Portl sprwozwzy GUS

Bardziej szczegółowo

Scenariusz lekcji matematyki w kl. VI.

Scenariusz lekcji matematyki w kl. VI. Alin Grodzk Scenriusz lekcji mtemtyki w kl. VI. Temt lekcji: Pol figur płskich - powtórzenie. Celem lekcji jest rozwijnie umiejętności rozpoznwni i klsyfikowni wielokątów, obliczni pól figur orz utrwlnie

Bardziej szczegółowo

GŁÓWNY URZĄD STATYSTYCZNY, al. Niepodległości 208, 00-925 Warszawa DS-50 I OCHRONA ZDROWIA W GOSPODARSTWACH DOMOWYCH, Kwestionariusz indywidualny

GŁÓWNY URZĄD STATYSTYCZNY, al. Niepodległości 208, 00-925 Warszawa DS-50 I OCHRONA ZDROWIA W GOSPODARSTWACH DOMOWYCH, Kwestionariusz indywidualny GŁÓWNY URZĄD STATYSTYCZNY, l. Niepodległośi 08, 00-95 Wrszw www.stt.gov.pl Dził 1. CHARAKTERYSTYKA OSOBY 1. Symol województw gospodrstw domowego. Nr gospodrstw domowego. Nr kolejny osoy ojętej dniem w

Bardziej szczegółowo

Wykªad 8. Pochodna kierunkowa.

Wykªad 8. Pochodna kierunkowa. Wykªd jest prowdzony w opriu o podr znik Anliz mtemtyzn 2. enije, twierdzeni, wzory M. Gewert i Z. Skozyls. Wykªd 8. ohodn kierunkow. enij Nieh funkj f b dzie okre±lon przynjmniej n otozeniu punktu (x

Bardziej szczegółowo

Materiały pomocnicze do ćwiczeń z przedmiotu: Ogrzewnictwo, wentylacja i klimatyzacja II. Klimatyzacja

Materiały pomocnicze do ćwiczeń z przedmiotu: Ogrzewnictwo, wentylacja i klimatyzacja II. Klimatyzacja Mteriły pomocnicze do ćwiczeń z przedmiotu: Orzewnictwo, wentylcj i klimtyzcj II. Klimtyzcj Rozdził 1 Podstwowe włsności powietrz jko nośnik ciepł mr inż. Anieszk Sdłowsk-Słę Mteriły pomocnicze do klimtyzcji.

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

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

RÓWNOWAGA CHEMICZNA. Reakcje chemiczne: nieodwracalne ( praktycznie nieodwracalne???) reakcje wybuchowe, np. wybuch nitrogliceryny: 2 C H 2

RÓWNOWAGA CHEMICZNA. Reakcje chemiczne: nieodwracalne ( praktycznie nieodwracalne???) reakcje wybuchowe, np. wybuch nitrogliceryny: 2 C H 2 RÓWNOWG CHEMICZN N O 4 NO Rekje hemizne: nieowrlne ( rktyznie nieowrlne???) rekje wyuhowe, n. wyuh nitroglieryny: C 3 H 5 N 3 O 9 6 CO + 3 N + 5 H O + / O rekje rozu romieniotwórzego, n. roz urnu gy jeen

Bardziej szczegółowo

WEKTORY skalary wektory W ogólnym przypadku, aby określić wektor, należy znać:

WEKTORY skalary wektory W ogólnym przypadku, aby określić wektor, należy znać: WEKTORY Wśród wielkości fizycznych występujących w fizyce możn wyróżnić sklry i wektory. Aby określić wielkość sklrną, wystrczy podć tylko jedną liczbę. Wielkościmi tkimi są ms, czs, tempertur, objętość

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

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

2.3.1. Iloczyn skalarny

2.3.1. Iloczyn skalarny 2.3.1. Ilon sklrn Ilonem sklrnm (sklrowm) dwóh wektorów i nwm sklr równ ilonowi modułów ou wektorów pre kosinus kąt wrtego międ nimi. α O Rs. 2.8. Ilustrj do definiji ilonu sklrnego Jeżeli kąt międ wektormi

Bardziej szczegółowo

, 0 Informatyka w Zarządzaniu - test zaliczeniowy Zarządzanie III rok NS 7 Kwietnia 2013

, 0 Informatyka w Zarządzaniu - test zaliczeniowy Zarządzanie III rok NS 7 Kwietnia 2013 , 0 Informtyk w Zrzązniu - test zlizeniowy Zrząznie III rok NS 7 Kwietni 2013 imię i nzwisko... nr lumu... 1. Systemy Bk Offie. to m.in. Księgowość. to m.in. płe. to m.in. gospork mteriłow. to MS Exel

Bardziej szczegółowo

ULTRADŹWIĘKOWE BADANIE ODLEWÓW STALIWNYCH WYMAGANIA NORMY EN 12680-1

ULTRADŹWIĘKOWE BADANIE ODLEWÓW STALIWNYCH WYMAGANIA NORMY EN 12680-1 Dr inż. MAREK ŚLIWOWSKI NDTEST Sp. z o.o. Wrszw WSTĘP W rmch prc Komitetu Technicznego CEN/TC 190 Wyroy odlewne we współprcy z CEN/TC 190/WG4.10 Wdy wewnętrzne oprcowywne są nstępujące normy wyrou: EN

Bardziej szczegółowo

Rachunek lambda, zima Wstęp. Ekstensjonalność (?) Zbiory i funkcje. Ekstensjonalność (?) Rachunek lambda. Historia. Beztypowy rachunek lambda

Rachunek lambda, zima Wstęp. Ekstensjonalność (?) Zbiory i funkcje. Ekstensjonalność (?) Rachunek lambda. Historia. Beztypowy rachunek lambda Rhunek lmd, zim 205-6 Wstęp Wykłd 5 pździernik 205 Ziory i funkje Ekstensjonlność (?) Sposó użyi: A (nleżenie) F () (plikj) Tworzenie: { W ()} (wyinnie) λ W () (strkj) Ewluj: { W ()} W () (λ W ())() =

Bardziej szczegółowo

Elementy znajdujące się w opakowaniu mogą różnić się w zależności od kraju, w którym zakupiono urządzenie. Przewód zasilający do gniazdka ściennego

Elementy znajdujące się w opakowaniu mogą różnić się w zależności od kraju, w którym zakupiono urządzenie. Przewód zasilający do gniazdka ściennego Podręznik szykiej osługi Zznij tutj ADS-2100 Przed skonfigurowniem urządzeni zpoznj się z Przewodnikiem Bezpiezeństw Produktu urządzeni. Nstępnie zpoznj się z niniejszym Podręznikiem szykiej osługi w elu

Bardziej szczegółowo

Macierz. Wyznacznik macierzy. Układ równań liniowych

Macierz. Wyznacznik macierzy. Układ równań liniowych Temt wykłdu: Mcierz. Wyzncznik mcierzy. Ukłd równń liniowych Kody kolorów: Ŝółty nowe pojęcie pomrńczowy uwg kursyw komentrz * mterił ndobowiązkowy Ann Rjfur, Mtemtyk n kierunku Biologi w SGGW Zgdnieni.

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

Wykład z analizy. Tydzień 12 i 13. Całki Wielokrotne

Wykład z analizy. Tydzień 12 i 13. Całki Wielokrotne Wykłd z nlizy Tydzień i. Cłki Wielokrotne.. Wprowdzmy pojęie łki wielokrotnej. Podobnie jk w przypdku łki funkji jednej zmiennej njpierw wprowdzimy intuiyjne, geometryzne pojęie łki, ustlimy wymgne włsnośi,

Bardziej szczegółowo

III.3 Transformacja Lorentza prędkości i przyspieszenia. Efekt Dopplera

III.3 Transformacja Lorentza prędkości i przyspieszenia. Efekt Dopplera r. kd. 5/ 6 III.3 Trnsformj Lorentz prędkośi i przyspieszeni. Efekt Doppler Trnsformj prędkośi Trnsformj przyspieszeni Efekt Doppler Jn Królikowski Fizyk IBC r. kd. 5/ 6 Trnsformj prędkośi Bdmy ruh punktu

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

Roztwory rzeczywiste (1) Roztwory rzeczywiste (2) Funkcje nadmiarowe. Również w temp. 298,15K, ale dla CCl 4 (A) i CH 3 OH (B).

Roztwory rzeczywiste (1) Roztwory rzeczywiste (2) Funkcje nadmiarowe. Również w temp. 298,15K, ale dla CCl 4 (A) i CH 3 OH (B). Roztwory rzezywiste (1) Również w tep. 98,15K, le dl CCl 4 () i CH 3 OH (). 15 Τ S 5 H,,4,6,8 1-5 - -15 G - Che. Fiz. TCH II/1 1 Roztwory rzezywiste () Ty rze dl (CH 3 ) CO () i CHCl 3 (). 15 5 Τ S -5,,4

Bardziej szczegółowo

Zestaw 11- Działania na wektorach i macierzach, wyznacznik i rząd macierzy

Zestaw 11- Działania na wektorach i macierzach, wyznacznik i rząd macierzy Zestw - Dziłni n wektorch i mcierzch, wyzncznik i rząd mcierzy PRZYKŁADOWE ZADANIA Z ROZWIAZANIAMI Dodjąc( bądź odejmując) do siebie dw wektory (lub więcej), dodjemy (bądź odejmujemy) ich odpowiednie współrzędne

Bardziej szczegółowo

Temat I. Warunku współpracy betonu i zbrojenia w konstrukcjach żelbetowych. Wymagania. Beton. Zbrojenie

Temat I. Warunku współpracy betonu i zbrojenia w konstrukcjach żelbetowych. Wymagania. Beton. Zbrojenie Dr inż. Zigniew PLEWAKO Ćwiczeni z konstrukcji żeletowych. Temt I Temt I. Wrunku współprcy etonu i zrojeni w konstrukcjch żeletowych. Wymgni. Beton Zdnie: Przeniesienie sił ściskjących, sclenie i zpewnienie

Bardziej szczegółowo

GENEZA WYZNACZNIKA. Układ równań liniowych z dwiema niewiadomymi. Rozwiązania układu metodą eliminacji Gaussa

GENEZA WYZNACZNIKA. Układ równań liniowych z dwiema niewiadomymi. Rozwiązania układu metodą eliminacji Gaussa / WYKŁD. Wyzzik mierzy: defiij idukyj i permutyj. Włsośi wyzzików, rozwiięie Lple', wzór Srrus. Mierz odwrot i sposoy jej wyzzi. GENEZ WYZNCZNIK Ukłd rówń liiowyh z dwiem iewidomymi, y x y x Rozwiązi ukłdu

Bardziej szczegółowo

( ) Elementy rachunku prawdopodobieństwa. f( x) 1 F (x) f(x) - gęstość rozkładu prawdopodobieństwa X f( x) - dystrybuanta rozkładu.

( ) Elementy rachunku prawdopodobieństwa. f( x) 1 F (x) f(x) - gęstość rozkładu prawdopodobieństwa X f( x) - dystrybuanta rozkładu. Elementy rchunku prwdopodoeństw f 0 f() - gęstość rozkłdu prwdopodoeństw X f d P< < = f( d ) F = f( tdt ) - dystryunt rozkłdu E( X) = tf( t) dt - wrtość średn D ( X) = E( X ) E( X) - wrncj = f () F ()

Bardziej szczegółowo

Struktura energetyczna ciał stałych-cd. Fizyka II dla Elektroniki, lato

Struktura energetyczna ciał stałych-cd. Fizyka II dla Elektroniki, lato Struktur energetyczn cił stłych-cd Fizyk II dl Elektroniki, lto 011 1 Fizyk II dl Elektroniki, lto 011 Przybliżenie periodycznego potencjłu sieci krystlicznej model Kronig- Penney potencjł rzeczywisty

Bardziej szczegółowo

nazywamy odpowiednio dolną oraz górną sumą Darboux funkcji f w przedziale [a, b] wyznaczoną przez podział P.

nazywamy odpowiednio dolną oraz górną sumą Darboux funkcji f w przedziale [a, b] wyznaczoną przez podział P. Rozdził 10 Cłk Drboux 10.1 Doln i górn sum Drboux Definicj podziłu. Niech, b R, < b. Kżdy skończony ciąg P postci (10.1) P = (x 0,..., x n ), gdzie n N, = x 0 < x 1

Bardziej szczegółowo

Regulamin współpracy z pasażem www.zakupy.poradnikzdrowie.pl

Regulamin współpracy z pasażem www.zakupy.poradnikzdrowie.pl Regulmin współpry z psżem www.zkupy.pordnikzdrowie.pl 1 Definije 1 Murtor MURATOR Spółk Akyjn z siedzią w Wrszwie, 00-570 Wrszw, l. Wyzwoleni 14, NIP 526-00-08-745, wpisn do Krjowego Rejestru Sądowego

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

Wektor kolumnowy m wymiarowy macierz prostokątna o wymiarze n=1 Wektor wierszowy n wymiarowy macierz prostokątna o wymiarze m=1

Wektor kolumnowy m wymiarowy macierz prostokątna o wymiarze n=1 Wektor wierszowy n wymiarowy macierz prostokątna o wymiarze m=1 Rchunek mcierzowy Mcierzą A nzywmy funkcję 2-zmiennych, któr prze liczb nturlnych (i,j) gdzie i = 1,2,3,4.,m; j = 1,2,3,4,n przyporządkowuje dokłdnie jeden element ij. 11 21 A = m1 12 22 m2 1n 2n mn Wymirem

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

Legenda. Optymalizacja wielopoziomowa Inne typy bramek logicznych System funkcjonalnie pełny

Legenda. Optymalizacja wielopoziomowa Inne typy bramek logicznych System funkcjonalnie pełny Dr Glin Criow Legend Optymlizcj wielopoziomow Inne typy brmek logicznych System funkcjonlnie pełny Optymlizcj ukłdów wielopoziomowych Ukłdy wielopoziomowe ukłdy zwierjące więcej niż dw poziomy logiczne.

Bardziej szczegółowo

Parada nierówności. Marcin Fryz. 15 czerwca a + b 2. ab 2. a + b + c. 3 abc. (2)

Parada nierówności. Marcin Fryz. 15 czerwca a + b 2. ab 2. a + b + c. 3 abc. (2) Prd nierównośi Mrin Fryz 5 zerw 0 Rozgrzewk Udowodnić, że dl dowolnyh nieujemnyh liz,,, d zhodzą:, () () Dowód Pierwszą nierówność w () możemy podnieść równowżnie do kwdrtu i zstosowć wzór skróonego mnożeni:

Bardziej szczegółowo

PRZEŁĄCZNIK MIEJSC POMIAROWYCH PMP

PRZEŁĄCZNIK MIEJSC POMIAROWYCH PMP CZAKI THERMO-PRODUCT ul. 19 Kwietni 58 05-090 Rszyn-Ryie tel. (22) 7202302 fx. (22) 7202305 www.zki.pl hndlowy@zki.pl PRZEŁĄCZNIK MIEJSC POMIAROWYCH PMP-201-10 INSTRUKCJA OBSŁUGI GWARANCJA Spis treśi 1.

Bardziej szczegółowo

Metoda sił jest sposobem rozwiązywania układów statycznie niewyznaczalnych, czyli układów o nadliczbowych więzach (zewnętrznych i wewnętrznych).

Metoda sił jest sposobem rozwiązywania układów statycznie niewyznaczalnych, czyli układów o nadliczbowych więzach (zewnętrznych i wewnętrznych). Metod sił jest sposoem rozwiązywni ukłdów sttycznie niewyznczlnych, czyli ukłdów o ndliczowych więzch (zewnętrznych i wewnętrznych). Sprowdz się on do rozwiązni ukłdu sttycznie wyznczlnego (ukłd potwowy

Bardziej szczegółowo

Wyk lad 1 Podstawowe wiadomości o macierzach

Wyk lad 1 Podstawowe wiadomości o macierzach Wyk ld 1 Podstwowe widomości o mcierzch Oznczeni: N {1 2 3 } - zbiór liczb nturlnych N 0 {0 1 2 } R - ci lo liczb rzeczywistych n i 1 + 2 + + n i1 1 Określenie mcierzy Niech m i n bed dowolnymi liczbmi

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

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