Basics: Binære variable, logiske operationer

Slides:



Advertisements
Lignende præsentationer
VEKTORER AM 2006.
Advertisements

At Dividere.
Vektorer i planen Regneregler Definition Begreber Definition af:
At Dividere Decimaltal.
Reduktion AM 2009.
Grundlæggende IT Lektion 4 Sådan virker pc’en
Udsagn (propositioner)
Anvendt Statistik Lektion 4
Den digitale maskine.
Algoritmer og Datastrukturer 2 Del-og-kombiner [CLRS, kapitel , , 28
Sammenligning af to grupper
Sammenligning af to grupper – kapitel 7
Induktionsbevis AM INDUKTION – generalisering ud fra specialtilfælde Eks. I Fremskrivningsformlen ved en fast vækstrate r pr. trin. Startværdi =
Oversigt Indhold mm.5: Latch’es og flip-flops
Anden information Bettina Dahl Søndergaard Lektor Hvad er svært ved beviser for gymnasieelever - og kan vi gøre noget ved det? Fredag den 18. marts 2011.
Syntese af kombinatoriske kredsløb
Algoritmer og Datastrukturer 2 Gerth Stølting Brodal.
Validering af data (Access, del 7)
Eksponentielle funktioner
Eksponentielle(pot) Stephanie og Cecilie L, hh2øa.
FEN Diskret matematik/Seminar 3 - proofs 1 Beviser Et bevis er en argumentation, som overbeviser om, at en påstand er sand, påstanden kaldes.
Modul 9. Binær og Hexadecimal tal system
1 Bevisteknikker. 2 Bevisteknikker (relevant både ved design og verifikation) Teorem: Der findes uendeligt mange primtal Bevis: Antag at der findes et.
Hvordan kan man læse dette regnestykke? -7 – 3
Induktion og rekursion
FEN IntroJava AAU1 Java grundelementer Variable og datatyper Sætninger og udtryk Metoder.
Intro Projekttyper v/ Lise Louv, Uddannelsesafdelingen Siden sidst: evaluering på opgaver og virtuel kursus. Kursets ugeforløb læse – forelæsning – øvelsestime.
FEN Rekursion og induktion1 Induktion og (især) rekursion Mange begreber defineres ud fra en basis og så en gentagen anvendelse af et antal regler.
Begreber og Redskaber 2 BRP.
Indledende Datalogi /kelk 1 Nice to know ”Terniary operator” – ”?:” Bitwise operatorer og hexadecimale tal.
FEN Prædikater/Seminar 11 Prædikatslogik eller Kvantificerede udtryk Prædikater udvider propositionslogikken på to måder: –Vi tillader variable.
Hvordan kan man læse dette regnestykke? -7 – 3
Algoritmer og Datastrukturer 1 Gerth Stølting Brodal Aarhus Universitet.
Begreber og Redskaber 3 BRP.
Eksponentielle funktioner
Algoritmer og Datastrukturer 2 Del-og-kombiner [CLRS, kapitel 2.3, , problem 30.1.c] Gerth Stølting Brodal.
FEN Sprog1 Lidt om sprog Definition: Et sprog over et endeligt alfabet  (sigma) er en mængde af strenge dannet af tegn fra . Eksempel: Lad.
W1b1 PC baseret analyse og simulering. w1b2 Definition Digital Elektronisk beregningsmaskine, der har intern hukommelse til lagring af program og mellem-regninger.
Design, verifikation og analyse
1 Design, analyse og verifikation. 2 Design Bevisteknikker Design ved hjælp at matematisk induktion Analyse O-notation Logaritmer Binær søgning Verifikation.
Økonometri 1: Specifikation og dataproblemer1 Økonometri 1 Specifikation og dataproblemer 2. november 2004.
Økonometri – lektion 8 Multipel Lineær Regression
Økonometri 1: Den simple regressionsmodel Økonometri 1 Den simple regressionsmodel 14. september 2004.
Jörg ZellerFOL-modul31 Slutning: Logik som tænknings-model En hovedgrund for konstruktionen af et logisk sprog er at kunne give en præcis definition af.
Boolsk algebra Slides mm 3:.
Algoritmer og Datastrukturer 2 Del-og-kombiner [CLRS, kapitel , , 28
KM2: F51 Kvantitative metoder 2 Den simple regressionsmodel 19. februar 2007.
Økonometri 1: F51 Økonometri 1 Den multiple regressionsmodel 22. september 2006.
Økonometri 1: Den multiple regressionsmodel1 Økonometri 1 Den multiple regressionsmodel 15. februar 2006.
Økonometri 1: Den simple regressionsmodel Økonometri 1 Den simple regressionsmodel 13. februar 2003.
Kvantitative metoder 2: Den multiple regressionsmodel1 Kvantitative metoder 2 Den multiple regressionsmodel 28. februar 2007.
Økonometri 1: Den simple regressionsmodel Økonometri 1 Den simple regressionsmodel 14. september 2005.
Statistik II 4. Lektion Logistisk regression.
(Tal)repræsentation Jens Bennedsen.
 Bærbak & Caspersen, 2000Introducerende objektorienteret programmeringAlgebra.1 Algebraiske begreber Tal, sandhedsværdier og figurer.
 Bærbak & Caspersen, 2000 Introducerende objektorienteret programmering4B.1 Talsystemer Positionstalsystemer Decimale og binære tal.
Økonometri 1: Den multiple regressionsmodel1 Økonometri 1 Den multiple regressionsmodel 17. september 2004.
Positionstalsystemer Decimale og binære tal
DAIMIIntroducerende objektorienteret programmering2C.1 Algebraiske begreber Tal, sandhedsværdier og figurer.
Svagstrøm Jeopardy HalvlederTrafoEnsretning + udglatning DigitalteknikOhm´s lov & modstandsfo rbindelser ESD og Lodning Made by Nicolay.
TÆT PÅ DIG TÆT PÅ JOB.
Den multiple regressionsmodel 21. september 2005
Reduktion AM 2009.
VEKTORER AM 2006.
Øvelse 7.1 De 4 flip-flop typer S-R: Set-Reset D: Delay T: Toggle
Præsentationens transcript:

Basics: Binære variable, logiske operationer Binære variable: kun 2 mulige værdier: 1 = SAND = HØJ (f.eks. >= 2,4 V) 0 = FALSK = LAV (f.eks. <= 0.8 V) (Positiv logik) (Negativ logik: 0 = SAND, 1 = FALSK) Logiske operationer: NOT X = 0 => X’ = 1 Invertering, complement Notation: X’ = X X = 1 => X’ = 0 Kredsløbssymbol: X Y = X’ AND * = Symbol for AND-operatoren (A B el. AB) Kredsløbssymbol: A Y = A*B B A B A*B 1 logisk multiplication! 1

Basics: Logiske operationer OR + = Symbol for OR-operatoren (A B) Kredsløbssymbol: A Y = A+B B A B A+B 1 XOR = Symbol for XOR-operatoren Kredsløbssymbol: A Y = A B B A B A B 1 logisk addition! 2

Talsystemer (Positional number systems) 10-tals-system: 317.4 = 3*102 + 1*101 + 7*100 + 4*10-1 . = decimaltegn n = antal decimaler p = antal cifre før komma di = 0, 1, 2, 3, …. 9 Generelt talsystem: r = grundtal (radix) di = 0, 1, 2, 3, …. (r-1) Binært talsystem: di = 0, 1 r = 2 101102 = 1*24 + 0*23 + 1*22 + 1*21 + 0*20 = 1610 + 410 + 210 = 2210 (= 22D) 101.102 = 1*22 + 0*21 + 1*20 + 1*2-1 + 0*2-2 = 410 + 110 + ½10 = 5.510 3

Talsystemer – oktalt talsystem n ledninger (bits), hver 0 eller 1 bn b0 Grupper á 3 bits kombineres til oktale cifre (8 mulighe-der): 0 0 0 0 0 0 1 1 0 1 0 2 0 1 1 3 1 0 0 4 1 0 1 5 1 1 0 6 1 1 1 7 di d1 d0 di = 0, 1, 2, 3, …. 7 r = 8 Digitale signaler deles oftest i grupper á 8 bit = bytes Da 3 ikke går op i 8 anvendes det oktale talsystem kun sjældent. 4

Talsystemer – hexadecimalt talsystem Grupper á 4 bits kombineres til hexadecimale cifre (16 muligheder): 0 0 0 0 0 010 0 0 0 1 1 110 0 0 1 0 2 210 0 0 1 1 3 310 0 1 0 0 4 410 0 1 0 1 5 510 0 1 1 0 6 610 0 1 1 1 7 710 1 0 0 0 8 810 1 0 0 1 9 910 1 0 1 0 A 1010 1 0 1 1 B 1110 1 1 0 0 C 1210 1 1 0 1 D 1310 1 1 1 0 E 1410 1 1 1 1 F 1510 di n ledninger (bits), hver 0 eller 1 bn b0 d1 d0 di = 0, 1, 2, 3, …. 15 r = 1610 5

Talsystemer - omregning Omregning fra hexadecimalt til decimalt system Tilsvarende fra binært til 10-tals-system 6

Talsystemer - omregning Omregning fra decimalt til binært system Heltalsdivision: 5710 57/2 = 28 rest 1 LSB 28/2 = 14 rest 0 14/2 = 7 rest 0 7/2 = 3 rest 1 3/2 = 1 rest 1 1/2 = 0 rest 1 MSB 5710 = 1110012 Omregning fra decimalt til hexadecimalt system Heltalsdivision: 15510 155/16 = 9 rest B LSD 9/16 = 0 rest 9 MSD 15510 = 9B16 7

Talsystemer - omregning Omregning fra decimalt til binært system Decimaltal: 5.710 5/2 = 2 rest 1 2/2 = 1 rest 0 1/2 = 0 rest 1 MSB 0.7*2 = 1.4 0.4*2 = 0.8 0.8*2 = 1.6 0.6*2 = 1.2 0.2*2 = 0.4 o.s.v. 5.710 = 101.10110011.....2 (101.101100112 = 5.69921910 ) 8

Talsystemer - omregning Omregning fra hexadecimalt til binært system Hvert hexadecimalt ciffer svarer til 4 bits: A 8 3 . B A83.B16 = 101010000011.10112 Omregning fra binært til hexadecimalt system 2 D . A 101101.1012 = 00101101.10102 9

Talsystemer – binær addition og subtraktion Wakerly fig. 2-1 & 2-2 10

Talsystemer – negative tal 2-komplement-talsystem Wakerly fig. 2-3 MSB er fortegns-bit: Hvis MSB=1 så er tallet negativt. Eksempler: 0011 0100 0111 +3 + +4 +7 0110 1101 (1)0011 +6 + -3 +3 0011 1100 +1 1101 +3 2’s cmp -3 Carry ignoreres! 11

Axiomer & Teoremer Axiomer (grundlæggende antagelser/postulater/definitioner): (A1) X = 0 hvis X = 1 (A2) X = 0 => X’ = 1 (INV) (A3) 0*0 = 0 (A4) 1*1 = 1 (AND) (A5) 0*1 = 1*0 = 0 (A1’) X = 1 hvis X = 0 (A2’) X = 1 => X’ = 0 (A3’) 1+1 = 1 (A4’) 0+0 = 0 (OR) (A5’) 0+1 = 1+0 = 1 } } Teoremer med 1 variabel: (T1) X+0 = X (T2) X+1 = 1 (T3) X+X = X (T4) (X’)’ = X (T5) X+X’ = 1 (T1’) X*1 = X (T2’) X*0 = 0 (T3’) X*X = X (T5’) X*X’ = 0 Bevis ved ”Perfekt induktion” (prøv alle muligheder i en sandhedstabel) eks: (T3) X X+X 1 (T4) X X’ (X’)’ 1 (T5’) X X’ X*X’ 1 12

Teoremer med 2 eller 3 variable (T6) X+Y = Y+X (T7) (X+Y)+Z = X+(Y+Z) (T8) X*Y+X*Z = X*(Y+Z) (T9) X+X*Y = X (T10) X*Y+X*Y´= X (T11) X*Y+X’*Z+Y*Z = X*Y+Y’*Z (T11’) (X+Y)*(X’+Z)*(Y+Z) = (X+Y)*(X’+Z) (T6’) X*Y = Y*X (T7’) (X*Y)*Z = X*(Y*Z) (T8’) (X+Y)*(X+Z) =X+(Y*Z) (T9’) X*(X+Y) = X (T10’) (X+Y)*(X+Y’)= X Commutative § Associative § Distributive § Algebraisk bevis (brug af tidligere beviste teoremer), eks: (T9) X+X*Y = (X*1)+(X*Y) brug af (T1’) X*1 = X = X*(1+Y) brug af (T8) X*Y+X*Z = X*(Y+Z) = X brug af (T2) X+1 = 1 og (T1’) X*1 = X Perfekt induktion: (God til ”små” sandhedstabeller) X kan kun antage værdien ’1’ eller ’0’ så bevis er nok for disse to tilfælde !!! Finite induktion: (Godt ved store sandhedstabeller) Hvis et teorem kan bevises for n=2 og samtidig kan bevises for n=i .. så holder teoremet også i det generelle tilfælde hvor n=i+1. 13

Teoremer med 2 eller 3 variable (T6) X+Y = Y+X (T7) (X+Y)+Z = X+(Y+Z) (T8) X*Y+X*Z = X*(Y+Z) (T9) X+X*Y = X (T10) X*Y+X*Y´= X (T11) X*Y+X’*Z+Y*Z = X*Y+X’*Z (T11’) (X+Y)*(X’+Z)*(Y+Z) = (X+Y)*(X’+Z) (T6’) X*Y = Y*X (T7’) (X*Y)*Z = X*(Y*Z) (T8’) (X+Y)*(X+Z) = X+(Y*Z) (T9’) X*(X+Y) = X (T10’) (X+Y)*(X+Y’)= X Commutative § Associative § Distributive § Bevis ved ”Perfekt induktion” (prøv alle muligheder i en sandhedstabel) eks: (T11) X Y Z 1 X*Y X’*Z Y*Z Left 1 X*Y X’*Z Right 1 14

DeMorgan’s teoremer-I DeMorgan’s teoremer (2 variable): De mest benyttede teoremer overhovedet!!! X X (X*Y)’ X’+Y’ Y Y (X+Y)’ X’*Y’ (X*Y)´= X´+Y´ (X+Y)´= X´*Y´ 15

DeMorgan’s teoremer-II DeMorgan’s teoremer (n variable): (T13) (X1* X2* X3*...... Xn)’ = X1’+ X2’+ X3’+...... Xn’ DeMorgans teoremer (T13’) (X1+ X2+ X3+...... Xn)’ = X1’* X2’* X3’*...... Xn’ (T14) [F(X1, X2,.... Xn,+,*)]’ = F(X1’, X2’,..... Xn’ , *, +) DeMorgans generaliserede teorem (T15) F(X1, X2,.... Xn) = X1* F(1, X2,.... Xn)+ X1’* F(0, X2,.... Xn) Shannon’s expan- (T15’) F(X1, X2,.... Xn) = [X1+F(0, X2,.... Xn) ]*[X1’+F(1, X2,.... Xn)] sion teoremer Eksempel (T13, T14): [A+((B*C)*(A+B))]’ = A’*((B*C)*(A+B))’ = A’*((B*C)’+(A+B)’) = A’*((B’+C’)+(A’*B’)) = A’*(B’+C’+A’*B’) = A’*B’+A’*C’+A’*B’ = A’*(B’+C’) [A+((B*C)*(A+B))]’ = A’*((B’+C’)+(A’*B’)) = A’*(B’+C’+A’*B’) = A’*(B’+C’) Forkert (T14): PAS PÅ .. ikke tage hovedet under armen!!! [A+B*C*(A+B)]’ = A’*B’+C’+A’*B’ 16

Symboler for standard-blokke (gates) AND: OR: NOT: NAND: = = = NOR: = = = Hver gate indeholder nogle få transistorer (normalt færrest i inverterende gates) 17

Eksempel - kredsløb En funktion kan ofte realiseres på mange måder (Wakerly fig. 4-17): G(W,X,Y,Z) = W*X*Y+Y*Z = ((W*X*Y)’*(Y*Z)’)’ 18

Eksempel - reduktion Man fanger fisk hvis: Man er Dygtig, der er Mange fisk, og godt fiskeVejr Man er Dygtig, Heldig og der er Mange fisk Man er Dygtig, Heldig og der er godt fiskeVejr Man er ikke Dygtig men Heldig, der er Mange fisk og godt fiskeVejr Man er ikke Dygtig men Heldig, der er Mange fisk Man er ikke Dygtig men Heldig og der er godt fiskeVejr D*M*V + D*H*M + D*H*V + D’*H*M*V + D’*H*M + D’*H*V Fisk = D*M*V + D*H*M + D*H*V + D’*H*M*V + D’*H*M + D’*H*V = D*M*V + D*H*(M+V) + D’*H*(M+V) = D*M*V + H*(M+V) 19