Metody generowania skończonych modeli zachowań systemów z czasem

Wielkość: px
Rozpocząć pokaz od strony:

Download "Metody generowania skończonych modeli zachowań systemów z czasem"

Transkrypt

1 Metody generowni skońzonyh modeli zhowń systemów z zsem Rozprw doktorsk npisn pod kierunkiem do. dr hb. Wojieh Penzk IPI PAN, p./24

2 Cel pry Oprownie nowyh, efektywnyh metod generowni modeli bstrkyjnyh Zimplementownie otrzymnyh lgorytmów dl systemów współbieżnyh z zleżnośimi zsowymi, modelownyh przez: utomty zsowe (TA) siei Petriego z zsem (TPN) IPI PAN, p.2/24

3 Główne wyniki Wyniki przedstwione w rozprwie: modyfikj lgorytmu minimlizji (ng. prtition refinement) pozwlją generowć modele symulyjne dl utomtów zsowyh ( *) definije modeli pseudo(bi)symulyjnyh i lgorytmy ih generowni dl utomtów zsowyh (osiąglność) metody trnslji siei Petriego z zsem do utomtów zsowyh, pozwljąe zstosowć w/w metody dl TPN IPI PAN, p.3/24

4 Pln refertu metody modelowni systemów zsowyh (TA, TPN) modele konkretne język opisu włsnośi - logik * problem weryfikji modelowej rodzje modeli bstrkyjnyh lgorytm minimlizji implementje dl TPN i TA wyniki eksperymentlne IPI PAN, p.4/24

5 Metody modelowni systemów zsowyh: utomty zsowe exit x <= pproh x := 0 x<=500 in x >= 300 out 3 2 is_inside x<=500 x<=500 IPI PAN, p.5/24

6 Metody modelowni systemów zsowyh: utomty zsowe exit x <= pproh x := 0 x<=500 in x >= 300 out 3 2 is_inside x<=500 stn konkretny utomtu: pr x<=500 _ IPI PAN, p.5/24

7 Metody modelowni systemów zsowyh: utomty zsowe exit x <= pproh x := 0 x<=500 in x >= 300 out 3 2 is_inside x<=500 x<=500 stn konkretny utomtu: pr zmin stnu: wynik upływu zsu lub wykonni kji _ IPI PAN, p.5/24

8 Metody modelowni systemów zsowyh: utomty zsowe exit x <= pproh x := 0 x<=500 in x >= 300 out 3 2 is_inside x<=500 x<=500 stn konkretny utomtu: pr zmin stnu: wynik upływu zsu lub wykonni kji _ stnów jest zzwyzj nieskońzenie wiele IPI PAN, p.5/24

9 Metody modelowni systemów zsowyh: siei Petriego z zsem p t p3 p5 t4 p7 [,2] [,] p2 t2 t3 [,2] t5 [0,3] p4 p6 [,2] p8 t6 [,2] IPI PAN, p.6/24

10 Metody modelowni systemów zsowyh: siei Petriego z zsem p t p3 p5 t4 p7 p2 [,2] t2 t3 [,2] [,] t5 [0,3] p4 p6 [,2] p8 t6 [,2] stn konkretny siei: pr (zegry możn związć z różnymi elementmi siei) _ IPI PAN, p.6/24

11 Metody modelowni systemów zsowyh: siei Petriego z zsem p t p3 p5 t4 p7 p2 [,2] t2 t3 [,2] [,] t5 [0,3] p4 p6 [,2] p8 _ t6 [,2] stn konkretny siei: pr (zegry możn związć z różnymi elementmi siei) zmin stnu: wynik upływu zsu lub wykonni trnzyji IPI PAN, p.6/24

12 Metody modelowni systemów zsowyh: siei Petriego z zsem p t p3 p5 t4 p7 p2 [,2] t2 t3 [,2] [,] t5 [0,3] p4 p6 [,2] p8 _ t6 [,2] stn konkretny siei: pr (zegry możn związć z różnymi elementmi siei) zmin stnu: wynik upływu zsu lub wykonni trnzyji stnów jest zzwyzj nieskońzenie wiele IPI PAN, p.6/24

13 Modele konkretne - zbiór stnów konkretnyh systemu - stn pozątkowy - zbiór zmiennyh zdniowyh (w siei zmienne zzwyzj odpowidją miejsom, w utomie są związne z lokjmi) - funkj wrtośiują - model konkretny dl - zzwyzj nieskońzony IPI PAN, p.7/24

14 Opis włsnośi systemów Włsnośi systemów wyrż się zzwyzj z pomoą logiki * lub pewnego jej podzbioru Testuje się również osiąglność stnu o określonyh ehh IPI PAN, p.8/24

15 Weryfikj modelow Mją dny model dl systemu orz włsność hemy sprwdzić, zy model spełni tę włsność ( ) Sprwdzenie wymg przejrzeni stnów systemu, ztem modele konkretne są zbyt duże IPI PAN, p.9/24

16 Modele bstrkyjne Jedno z rozwiązń: zmist modeli konkretnyh używ się skońzonyh modeli bstrkyjnyh IPI PAN, p.0/24

17 Modele bstrkyjne Jedno z rozwiązń: zmist modeli konkretnyh używ się skońzonyh modeli bstrkyjnyh - model bstrkyjny elementy - stny modelu bstrkyjnego - zbiory stnów konkretnyh o tyh smyh wrtośiownih - stn pozątkowy; - relj przejśi: dl jeśli IPI PAN, p.0/24

18 Modele bstrkyjne Jedno z rozwiązń: zmist modeli konkretnyh używ się skońzonyh modeli bstrkyjnyh - model bstrkyjny elementy - stny modelu bstrkyjnego - zbiory stnów konkretnyh o tyh smyh wrtośiownih - stn pozątkowy; - relj przejśi: dl jeśli Model powinien zhowywć żądne włsnośi i być możliwie njmniejszy IPI PAN, p.0/24

19 Przykłdy modeli bstrkyjnyh modele surjekyjne ( : orz, osiąglność): b d d model surjekyjny IPI PAN, p./24

20 Przykłdy modeli bstrkyjnyh - ig dlszy modele bisymulyjne ( *): b b model bisymulyjny IPI PAN, p.2/24

21 Przykłdy modeli bstrkyjnyh - ig dlszy modele bisymulyjne ( *): modele symulyjne ( *): AE zhodzi dl rdzeni stnów bstrkyjnyh b b b model bisymulyjny model symulyjny IPI PAN, p.2/24

22 Przykłdy modeli bstrkyjnyh - ig dlszy modele pseudobisymulyjne (osiąglność): do kżdego osiąglnego prowdzi śieżk wzdłuż której zhodzi AE b b d d e f f d e f model bisymulyjny model pseudobisymulyjny IPI PAN, p.3/24

23 Przykłdy modeli bstrkyjnyh - ig dlszy modele pseudosymulyjne (osiąglność): do kżdego osiąglnego prowdzi śieżk wzdłuż której rdzenie spełniją wrunek AE b b d d e f d e f model symulyjny model pseudosymulyjny IPI PAN, p.4/24

24 Generownie modeli Do generowni modeli możn wykorzystć lgorytm minimilizji (podziłu): mmy dny podził przestrzeni stnów podził jest uszzegółwiny tk długo, ż wszystkie jego osiąglne klsy będą stbilne, tj. będą spełnić wrunek wymgny dl dnego modelu osiąglne klsy podziłu stnowią wówzs żądny model IPI PAN, p.5/24

25 Algorytm minimlizji: modele bisymulyjne b b IPI PAN, p.6/24

26 Algorytm minimlizji: modele bisymulyjne b b OK? b b IPI PAN, p.6/24

27 Algorytm minimlizji: modele bisymulyjne OK? b b OK b b IPI PAN, p.6/24

28 Algorytm minimlizji: modele bisymulyjne OK b b OK? b b IPI PAN, p.6/24

29 Algorytm minimlizji: modele bisymulyjne OK? b b WRONG b b IPI PAN, p.6/24

30 Algorytm minimlizji: modele bisymulyjne WRONG b b b b IPI PAN, p.6/24

31 Algorytm minimlizji: modele bisymulyjne b b OK? OK? b b IPI PAN, p.6/24

32 Algorytm minimlizji: modele bisymulyjne OK? OK? b b OK OK b b IPI PAN, p.6/24

33 Algorytm minimlizji: modele bisymulyjne OK OK b b OK? b b IPI PAN, p.6/24

34 Algorytm minimlizji: modele bisymulyjne OK? b b OK b b IPI PAN, p.6/24

35 Algorytm minimlizji: modele bisymulyjne OK b b b b OK? IPI PAN, p.6/24

36 Algorytm minimlizji: modele bisymulyjne b b OK? b b OK IPI PAN, p.6/24

37 Algorytm minimlizji: modele bisymulyjne b b b b IPI PAN, p.6/24

38 Algorytm minimlizji: modele symulyjne _ _, tj. - pr Budownie modeli symulyjnyh wymg brdziej skomplikownyh podziłów: b b b b podził f!i f ": " podził f i modyfik. : podził f!:! modyfikj :! ' + (), ' + (), b b b b + ()* ' + ()* ' #$% #$& IPI PAN, p.7/24

39 Implementje dl systemów zsowyh Algorytmy minimlizji zostły zimplementowne njpierw dl utomtów zsowyh Implementje dl siei Petriego korzystją z trnslji siei do utomtu IPI PAN, p.8/24

40 Przykłdowe systemy (TA) exit x <= pproh x := 0 x<=500 in x >= 300 y<=00 0 lower y := 0 up down 00 <= y<=200 y<=00 rise z<=00 z<=00 pproh 0 z := 0 lower 00 <= z<=00 up down w := 0 0 up w<=k up w>k down w<=k out rise exit y := 0 z := 0 x<=500 x<=500 y<=200 z<=00 Trin Gte Controller 2 ERR Speifition System obsługi przejzdu kolejowego (RCS) IPI PAN, p.9/24

41 Przykłdowe systemy (TA) exit x <= pproh x := 0 x<=500 in x >= 300 y<=00 0 lower y := 0 up down 00 <= y<=200 y<=00 rise z<=00 z<=00 pproh 0 z := 0 lower 00 <= z<=00 up down w := 0 0 up w<=k up w>k down w<=k out rise exit y := 0 z := 0 x<=500 x<=500 y<=200 z<=00 Trin Gte Controller 2 ERR Speifition System obsługi przejzdu kolejowego (RCS) idle trying 0 START x:=0 SETV SETV0 x < x:=0 3 ENTER x > δ 2 ritil witing idle2 trying2 0 START 2 x2:=0 SETV2 SETV02 x2 < x2:=0 3 ENTER 2 x2 > δ 2 ritil2 witing2 START START 2 0 SETV2 SETV SETV02 SETV0 SETV2 2 SETV SETV2 SETV ENTER 2 ENTER Proess Proess 2 Vrible Protokół wzjemnego wykluzni Fisher (mutex) IPI PAN, p.9/24

42 Przykłdowe systemy (TPN) t4 [3,3] p t p2 t2 p3 t3 p4 [0,0] [0,] [0,] t4 [,3] p t p2 t2 p3 t3 p4 [0,0] [0,] [0,] p6 t [5,6] p7 net 5 p6 t [5,6] p7 net 5b t4 [3,3] p t p2 t2 p3 t3 p4 [0,0] [0,] [0,] p6 t p7 [5,6] tb net 5 [0,0] IPI PAN, p.20/24

43 Wyniki eksperymentlne Kronos Veris forw -i-x model bis. model ps. stny krw. stny krw. stny krw. stny krw. RCS, K= RCS, K= RCS, K= RCS, K= mutex 2 pro mutex 3 pro. mutex 4 pro. mutex 5 pro CSMA/CD 2 s CSMA/CD 3 s CSMA/CD 4s. CSMA/CD 5 s Modele bstrkyjne dl przykłdowyh utomtów zsowyh otrzymne z pomo różnyh nrzędzi IPI PAN, p.2/24

44 Wyniki eksperymentlne - d TPN TPN b TPN stny krw. stny krw. stny krw. otrzymne metodmi dl TPN Tin SCG Tin SSCG Tin SASCG implem. z [YR98] tomi implem. z [YR98] geometri otrzymne po trnslji TPN do TA Kronos bis. gęsty Kronos forw-i-x VerICS bis. gęsty VerICS bis. gęsty VerICS ps- dyskretny Modele bstrkyjne dl przykłdowyh siei Petriego z zsem otrzymne z pomo różnyh nrzędzi IPI PAN, p.22/24

45 Publikje Przedstwione w rozprwie wyniki zostły opublikowne w: mteriłh konferenji PPAM 0 i FORMATS 03 ( ), zsopiśmie (3 pre) W/w wyniki zostły zwrte również w pry przeglądowej opublikownej w mteriłh konferenji ICATPN 04 ( ) Implementje lgorytmów stnowią jeden z modułów weryfiktor VerICS, oprownego i rozwijnego w IPI PAN System VerICS prezentowny był m.in. n konferenjh TACAS 03 ( ) i SCR 03 IPI PAN, p.23/24

46 Dziękuję z uwgę IPI PAN, p.24/24

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

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

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

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

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

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

Definicje. r r r r. Struktura kryształu. Sieć Bravais go. Baza

Definicje. r r r r. Struktura kryształu. Sieć Bravais go. Baza Definije Sieć Brvis'go - Nieskońzon sieć punktów przestrzeni tkih, że otozenie kżdego punktu jest identyzne Nieskońzon sieć punktów przestrzeni otrzymnyh wskutek przesunięi jednego punktu o wszystkie możliwe

Bardziej szczegółowo

Modelowanie 3 D na podstawie fotografii amatorskich

Modelowanie 3 D na podstawie fotografii amatorskich Edwrd Nowk 1, Jonn Nowk Modelownie D n podstwie fotogrfii mtorskich 1. pecyfik fotogrmetrycznego oprcowni zdjęć mtorskich wynik z fktu, że n ogół dysponujemy smymi zdjęcimi - nierzdko są to zdjęci wykonne

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

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

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

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

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

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

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

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

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

METODYKA OCENY WŁAŚCIWOŚCI SYSTEMU IDENTYFIKACJI PARAMETRYCZNEJ OBIEKTU BALISTYCZNEGO

METODYKA OCENY WŁAŚCIWOŚCI SYSTEMU IDENTYFIKACJI PARAMETRYCZNEJ OBIEKTU BALISTYCZNEGO MODELOWANIE INŻYNIERSKIE ISNN 1896-771X 32, s. 151-156, Gliwice 2006 METODYKA OCENY WŁAŚCIWOŚCI SYSTEMU IDENTYFIKACJI PARAMETRYCZNEJ OBIEKTU BALISTYCZNEGO JÓZEF GACEK LESZEK BARANOWSKI Instytut Elektromechniki,

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

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

Propozycja przedmiotowego systemu oceniania wraz z określeniem wymagań edukacyjnych (zakres podstawowy)

Propozycja przedmiotowego systemu oceniania wraz z określeniem wymagań edukacyjnych (zakres podstawowy) Propozycj przedmiotowego systemu ocenini wrz z określeniem wymgń edukcyjnych (zkres podstwowy) Proponujemy, by omwijąc dne zgdnienie progrmowe lub rozwiązując zdnie, nuczyciel określł do jkiego zkresu

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

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

Matematyka stosowana i metody numeryczne

Matematyka stosowana i metody numeryczne Ew Pbisek Adm Wostko Piotr Pluciński Mtemtyk stosown i metody numeryczne Konspekt z wykłdu 0 Cłkownie numeryczne Wzory cłkowni numerycznego pozwlją n obliczenie przybliżonej wrtości cłki: I(f) = f(x) dx

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

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

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

STYLE. TWORZENIE SPISÓW TREŚCI

STYLE. TWORZENIE SPISÓW TREŚCI STYLE. TWORZENIE SPISÓW TREŚCI Ćwiczenie 1 Tworzenie nowego stylu n bzie istniejącego 1. Formtujemy jeden kpit tekstu i zznczmy go (stnowi on wzorzec). 2. Wybiermy Nrzędzi główne, rozwijmy okno Style (lub

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

T W O R Z Y M Y. 15 godzin w cyklu 3-godzinnym

T W O R Z Y M Y. 15 godzin w cyklu 3-godzinnym T W O R Z Y M Y 5 godzin -godzinnym Szzegółowe ele ksztłeni i wyhowni: doskonlenie umiejętnośi pry z edytorem grfiznym poznnie zsd poprwnego tworzeni prezentji multimedilnyh nyie umiejętnośi smodzielnego

Bardziej szczegółowo

DZIAŁ 2. Figury geometryczne

DZIAŁ 2. Figury geometryczne 1 kl. 6, Scenriusz lekcji Pole powierzchni bryły DZAŁ 2. Figury geometryczne Temt w podręczniku: Pole powierzchni bryły Temt jest przeznczony do relizcji podczs 2 godzin lekcyjnych. Zostł zplnowny jko

Bardziej szczegółowo

O pewnych zgadnieniach optymalizacyjnych O pewnych zgadnieniach optymalizacyjnych

O pewnych zgadnieniach optymalizacyjnych O pewnych zgadnieniach optymalizacyjnych Spis tresci 1 Spis tresci 1 W wielu zgdnienich prktycznych brdzo wżne jest znjdownie optymlnego (czyli njlepszego z jkiegoś punktu widzeni) rozwiązni dnego problemu. Dl przykłdu, gdybyśmy chcieli podróżowć

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

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

Droga Pani/Drogi Panie! Wakacje minęły szybko i znowu możemy się spotkać. oraz za zabawami z koleżankami i kolegami.

Droga Pani/Drogi Panie! Wakacje minęły szybko i znowu możemy się spotkać. oraz za zabawami z koleżankami i kolegami. KARTY PRACY 1 CZĘŚĆ KARTA PRACY NR 1 IMIĘ:... DATA: STRONA 1 1. Jkie są twoje oczekiwni i postnowieni związne z kolejnym rokiem szkolnym? Npisz list do nuczyciel, uzupełnijąc luki w tekście. miejscowość

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

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

system identyfikacji wizualnej forma podstawowa karta A03 część A znak marki

system identyfikacji wizualnej forma podstawowa karta A03 część A znak marki krt A03 część A znk mrki form podstwow Znk mrki Portu Lotniczego Olsztyn-Mzury stnowi połączenie znku grficznego (tzw. logo) z zpisem grficznym (tzw. logotypem). Służy do projektowni elementów symboliki

Bardziej szczegółowo

Dodatkowe informacje i objaśnienia. Zakres zmian wartości grup rodzajowych środków trwałych, wnip oraz inwestycji długoterminowych Zwieksz Stan na.

Dodatkowe informacje i objaśnienia. Zakres zmian wartości grup rodzajowych środków trwałych, wnip oraz inwestycji długoterminowych Zwieksz Stan na. STOWARZYSZENIE RYNKÓW FINANSOWYCH ACI POLSKA Afiliowne przy ACI - The Finncil Mrkets Assocition Dodtkowe informcje i objśnieni Wrszw, 21 mrzec 2014 1.1 szczegółowy zkres zmin wrtości grup rodzjowych środków

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

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

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

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

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

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

PRZEDMIOTOWY SYSTEM OCENIANIA Z JĘZYKÓW OBCYCH w Gimnazjum nr 2 im. ks. Stanisława Konarskiego nr 2 w Łukowie

PRZEDMIOTOWY SYSTEM OCENIANIA Z JĘZYKÓW OBCYCH w Gimnazjum nr 2 im. ks. Stanisława Konarskiego nr 2 w Łukowie I. ZASADY OGÓLNE PRZEDMIOTOWY SYSTEM OCENIANIA Z JĘZYKÓW OBCYCH w Gimnzjum nr 2 im. ks. Stnisłw Konrskiego nr 2 w Łukowie 1. W Gimnzjum nr 2 w Łukowie nuczne są: język ngielski - etp educyjny III.1 język

Bardziej szczegółowo

KOMPLEKSOWE POMIARY FREZÓW OBWIEDNIOWYCH

KOMPLEKSOWE POMIARY FREZÓW OBWIEDNIOWYCH KOMPLEKSOWE POMIARY FREZÓW OBWIEDNIOWYCH Michł PAWŁOWSKI 1 1. WSTĘP Corz większy rozwój przemysłu energetycznego, w tym siłowni witrowych stwi corz większe wymgni woec producentów przekłdni zętych jeśli

Bardziej szczegółowo

MATeMAtyka 3 inf. Przedmiotowy system oceniania wraz z określeniem wymagań edukacyjnych. Zakres podstawowy i rozszerzony. Dorota Ponczek, Karolina Wej

MATeMAtyka 3 inf. Przedmiotowy system oceniania wraz z określeniem wymagań edukacyjnych. Zakres podstawowy i rozszerzony. Dorota Ponczek, Karolina Wej Dorot Ponczek, Krolin Wej MATeMAtyk 3 inf Przedmiotowy system ocenini wrz z określeniem wymgń edukcyjnych Zkres podstwowy i rozszerzony Wyróżnione zostły nstępujące wymgni progrmowe: konieczne (K), podstwowe

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

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

ROZWIĄZYWANIE MAŁYCH TRÓJKĄTÓW SFERYCZNYCH

ROZWIĄZYWANIE MAŁYCH TRÓJKĄTÓW SFERYCZNYCH Mteriły dydktyzne Geodezj geometryzn Mrin Ligs, Ktedr Geomtyki, Wydził Geodezji Górnizej i Inżynierii Środowisk OZWIĄZYWANIE MAŁYCH TÓJKĄTÓW SFEYCZNYCH rezentowne metody rozwiązywni młyh trójkątów sferyznyh

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

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

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

Podstawy Techniki Cyfrowej Układy komutacyjne

Podstawy Techniki Cyfrowej Układy komutacyjne Podstwy Techniki Cyfrowej Ukłdy komutcyjne Ukłdy kombincyjne, umożliwijące przełącznie (komutcję) sygnłów cyfrowych, nzyw się ukłdmi ukłdmi komutcyjnymi. Do podstwowych ukłdów komutcyjnych zlicz się multipleksery

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

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

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

Kombinowanie o nieskończoności. 4. Jak zmierzyć?

Kombinowanie o nieskończoności. 4. Jak zmierzyć? Kombinownie o nieskończoności.. Jk zmierzyć? Projekt Mtemtyk dl ciekwych świt spisł: Michł Korch 9 kwietni 08 Trochę rzeczy z wykłdu Prezentcj multimediln do wykłdu. Nieskończone sumy Będzie nm się zdrzć

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

ZESZYTY NAUKOWE NR 11(83) AKADEMII MORSKIEJ W SZCZECINIE. Fuzja danych nawigacyjnych w przestrzeni filtru Kalmana

ZESZYTY NAUKOWE NR 11(83) AKADEMII MORSKIEJ W SZCZECINIE. Fuzja danych nawigacyjnych w przestrzeni filtru Kalmana ISSN 733-867 ZESZ NAUKOWE NR (83) AKADEMII MORSKIEJ W SZCZECINIE IV MIĘDZNARODOWA KONFERENCJA NAUKOWO-ECHNICZNA E X L O - S H I 6 Andrzej Stteczny, Andrzej Lsj, Chfn Mohmmd Fzj dnych nwgcyjnych w przestrzen

Bardziej szczegółowo

1. Wstęp. Pojęcie grafu przepływowego. Niech pewien system liniowy będzie opisany układem liniowych równań algebraicznych

1. Wstęp. Pojęcie grafu przepływowego. Niech pewien system liniowy będzie opisany układem liniowych równań algebraicznych Owody i Ukłdy Anliz ukłdów z pomoą grfów przepływowy Mteriły Pomonize. Wstęp. Pojęie grfu przepływowego. Nie pewien system liniowy ędzie opisny ukłdem liniowy równń lgerizny x + x x + x gdzie: x, x - zmienne

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

Bardzo krótki wstęp do elektroniki cyfrowej

Bardzo krótki wstęp do elektroniki cyfrowej Brdzo krótki wstęp do elektroniki cyfrowej Słwomir Mmic http://min5.mu.edu.pl/~zfp/sm/home.html Pln ) Ukłdy logiczne b) Algebr Boole i jej relizcj sprzętow c) Brmki są dwie? d) Prosty przykłd sumtor e)

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

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

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

Kodowanie liczb. Kodowanie stałopozycyjne liczb całkowitych. Niech liczba całkowita a ma w systemie dwójkowym postać: Kod prosty

Kodowanie liczb. Kodowanie stałopozycyjne liczb całkowitych. Niech liczba całkowita a ma w systemie dwójkowym postać: Kod prosty Kodownie licz Kodownie stłopozycyjne licz cłkowitych Niech licz cłkowit m w systemie dwójkowym postć: nn 0 Wtedy może yć on przedstwion w postci ( n+)-itowej przy pomocy trzech niżej zdefiniownych kodów

Bardziej szczegółowo

Całki podwójne i potrójne

Całki podwójne i potrójne Miej Grzesik Instytut Mtemtyki Politehniki Poznńskiej Cłki podwójne i potrójne 1. efinij łki podwójnej po prostokąie efinij 1. Podziłem prostokąt = {(x, y) : x b, y d} (inzej: = [, b] [, d]) nzywmy zbiór

Bardziej szczegółowo

Wymagania edukacyjne z matematyki

Wymagania edukacyjne z matematyki Wymgni edukcyjne z mtemtyki LICEUM OGÓLNOKSZTAŁCĄCE Kls II Poniżej przedstwiony zostł podził wymgń edukcyjnych n poszczególne oceny. Wiedz i umiejętności konieczne do opnowni (K) to zgdnieni, które są

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

WYZNACZANIE OGNISKOWEJ SOCZEWEK CIENKICH ZA POMOCĄ ŁAWY OPTYCZNEJ

WYZNACZANIE OGNISKOWEJ SOCZEWEK CIENKICH ZA POMOCĄ ŁAWY OPTYCZNEJ Ćwiczenie 9 WYZNACZANIE OGNISKOWEJ SOCZEWEK CIENKICH ZA POMOCĄ ŁAWY OPTYCZNEJ 9.. Opis teoretyczny Soczewką seryczną nzywmy przezroczystą bryłę ogrniczoną dwom powierzchnimi serycznymi o promienich R i

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

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

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

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

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

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

2. FUNKCJE WYMIERNE Poziom (K) lub (P)

2. FUNKCJE WYMIERNE Poziom (K) lub (P) Kls drug poziom podstwowy 1. SUMY ALGEBRAICZNE Uczeń otrzymuje ocenę dopuszczjącą lub dostteczną, jeśli: rozpoznje jednominy i sumy lgebriczne oblicz wrtości liczbowe wyrżeń lgebricznych redukuje wyrzy

Bardziej szczegółowo

WYMAGANIA I KRYTERIA OCENIANIA DO EGZAMINU POPRAWKOWEGO MATEMATYKA. Zakresie podstawowym i rozszerzonym. Klasa II rok szkolny 2011/2012

WYMAGANIA I KRYTERIA OCENIANIA DO EGZAMINU POPRAWKOWEGO MATEMATYKA. Zakresie podstawowym i rozszerzonym. Klasa II rok szkolny 2011/2012 mgr Jolnt Chlebd mgr Mri Mślnk mgr Leszek Mślnk mgr inż. Rent itl mgr inż. Henryk Stępniowski Zespół Szkół ondgimnzjlnych Młopolsk Szkoł Gościnności w Myślenicch WYMAGANIA I RYTERIA OCENIANIA DO EGZAMINU

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

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

Analiza numeryczna. Stanisław Lewanowicz. Całkowanie numeryczne. Definicje, twierdzenia, algorytmy

Analiza numeryczna. Stanisław Lewanowicz. Całkowanie numeryczne. Definicje, twierdzenia, algorytmy http://wwwiiuniwrocpl/ sle/teching/n-wdrpdf Anliz numeryczn Stnisłw Lewnowicz Styczeń 008 r Cłownie numeryczne Definicje, twierdzeni, lgorytmy 1 Pojęci wstępne Niech IF IF [, b] ozncz zbiór wszystich funcji

Bardziej szczegółowo

Wymagania na ocenę dopuszczającą z matematyki klasa II Matematyka - Babiański, Chańko-Nowa Era nr prog. DKOS 4015-99/02

Wymagania na ocenę dopuszczającą z matematyki klasa II Matematyka - Babiański, Chańko-Nowa Era nr prog. DKOS 4015-99/02 Wymgni n ocenę dopuszczjącą z mtemtyki kls II Mtemtyk - Bbiński, Chńko-Now Er nr prog. DKOS 4015-99/02 Temt lekcji Zkres treści Osiągnięci uczni WIELOMIANY 1. Stopień i współczynniki wielominu 2. Dodwnie

Bardziej szczegółowo

CAŁKOWANIE NUMERYCZNE

CAŁKOWANIE NUMERYCZNE Wprowdzenie Kwdrtury węzły równoodległe Kwdrtury Guss Wzory sumcyjne Trnsport, studi niestcjonrne I stopni, semestr I Instytut L-5, Wydził Inżynierii Lądowej, Politechnik Krkowsk Ew Pbisek Adm Wostko Wprowdzenie

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

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

Rachunek prawdopodobieństwa i statystyka matematyczna.

Rachunek prawdopodobieństwa i statystyka matematyczna. Rchunek rwdoodobieństw i sttystyk mtemtyczn. Zd 8. {(, : i } Zleżność tą możn rzedstwić w ostci nstęującej interretcji grficznej: Arkdiusz Kwosk Rfł Kukliński Informtyk sem.4 gr. Srwdźmy, czy odne zmienne

Bardziej szczegółowo

WYZNACZANIE STAŁEJ RÓWNOWAGI KWASOWO ZASADOWEJ W ROZTWORACH WODNYCH

WYZNACZANIE STAŁEJ RÓWNOWAGI KWASOWO ZASADOWEJ W ROZTWORACH WODNYCH Politehni Śląs WYDZIŁ CHEMICZNY KTEDR FIZYKOCHEMII I TECHNOLOGII POLIMERÓW WYZNCZNIE STŁEJ RÓWNOWGI KWSOWO ZSDOWEJ W ROZTWORCH WODNYCH Opieun: Miejse ćwizeni: Ktrzyn Kruiewiz Ktedr Fizyohemii i Tehnoii

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

Równania i nierówności kwadratowe z jedną niewiadomą

Równania i nierówności kwadratowe z jedną niewiadomą 50 REPETYTORIUM 31 Równni i nierówności kwdrtowe z jedną niewidomą Równnie wielominowe to równość dwóch wyrżeń lgebricznych Kżd liczb, któr po podstwieniu w miejscu niewidomej w równniu o jednej niewidomej

Bardziej szczegółowo

Nauki ścisłe priorytetem społeczeństwa opartego na wiedzy Zbiór scenariuszy Mój przedmiot matematyka

Nauki ścisłe priorytetem społeczeństwa opartego na wiedzy Zbiór scenariuszy Mój przedmiot matematyka Stron Wstęp Zbiór Mój przedmiot mtemtyk jest zestwem scenriuszy przeznczonych dl uczniów szczególnie zinteresownych mtemtyką. Scenriusze mogą być wykorzystywne przez nuczycieli zrówno n typowych zjęcich

Bardziej szczegółowo

5. Zadania tekstowe.

5. Zadania tekstowe. 5. Zni tekstowe. Przykł. Kolrz połowę rogi pokonł ze śrenią prękością 0 km/, rugą połowę z prękością 50 km /. Wyzncz śrenią prękość kolrz n cłej trsie. nliz : pierwsz połow rogi rug połow rogi 0 km/ prękość

Bardziej szczegółowo

Przykład 6.2. Płaski stan naprężenia. Płaski stan odkształcenia.

Przykład 6.2. Płaski stan naprężenia. Płaski stan odkształcenia. Przkłd 6.. Płski stn nprężeni. Płski stn odksztłeni. ZADANIE. Dl dnego płskiego stnu nprężeni [MP] znleźć skłdowe stnu nprężeni w ukłdzie osi oróonh względem osi o kąt α0 orz nprężeni i kierunki główne.

Bardziej szczegółowo

CAŁKOWANIE NUMERYCZNE

CAŁKOWANIE NUMERYCZNE Wprowdzenie Kwdrtury węzły równoodległe Kwdrtury Guss Wzory sumcyjne Trnsport, studi niestcjonrne I stopni, semestr I rok kdemicki 01/013 Instytut L-5, Wydził Inżynierii Lądowej, Politechnik Krkowsk Ew

Bardziej szczegółowo

załącznik nr 3 do uchwały nr V-38-11 Rady Miejskiej w Andrychowie z dnia 24 lutego 2011 r.

załącznik nr 3 do uchwały nr V-38-11 Rady Miejskiej w Andrychowie z dnia 24 lutego 2011 r. złącznik nr 3 do uchwły nr V-38-11 Rdy Miejskiej w Andrychowie z dni 24 lutego 2011 r. ROZSTRZYGNIĘCIE O SPOSOBIE ROZPATRZENIA UWAG WNIESIONYCH DO WYŁOŻONEGO DO PUBLICZNEGO WGLĄDU PROJEKTU ZMIANY MIEJSCOWEGO

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

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