ΕΙΣΑΓΩΓΗ. H λογική ασχολείται με δύο έννοιες, την αλήθεια και την απόδειξη. Oι έννοιες αυτές έχουν γίνει

Μέγεθος: px
Εμφάνιση ξεκινά από τη σελίδα:

Download "ΕΙΣΑΓΩΓΗ. H λογική ασχολείται με δύο έννοιες, την αλήθεια και την απόδειξη. Oι έννοιες αυτές έχουν γίνει"

Transcript

1 ΕΙΣΑΓΩΓΗ H λογική ασχολείται με δύο έννοιες, την αλήθεια και την απόδειξη. Oι έννοιες αυτές έχουν γίνει αντικείμενο μελέτης ανά τους αιώνες στις επιστήμες της φιλοσοφίας, της γλωσσολογίας και των μαθηματικών. Καθένας από τους παραπάνω επιστημονικούς κλάδους προσεγγίζει τη λογική με διαφορετική οπτική γωνία. Ας πάρουμε το παράδειγμα της διαλεκτικής λογικής. Θεμελιωμένη από το «σκοτεινό» φιλόσοφο Ηράκλειτο, αναιρεί την ταυτότητα και υποστηρίζει ότι από το όμοιο μπορεί να προκύψει το ανόμοιο. Η διαλεκτική λογική βρίσκει εφαρμογή στην ερμηνεία της φύσης και της ιστορίας αλλά είναι σχεδόν αδύνατο να εφαρμοστεί στα μαθηματικά. Βλέπουμε λοιπόν, ότι η λογική διαφοροποιείται ως έννοια ανάλογα με το επιστημονικό πεδίο εφαρμογής. Στο παρόν σύγγραμμα δεν επιθυμούμε να δώσουμε μια γενική εικόνα της έννοιας της λογικής. Στόχος μας είναι να παρουσιάσουμε ένα συγκεκριμένο λογικό σύστημα και να δούμε πως εφαρμόζεται στους χώρους των φυσικών επιστημών και της τεχνολογίας. Οι περισσότεροι επιστήμονες που ασχολούνται με τη λογική, συμφωνούν ότι ένα αντικείμενο μπορεί να έχει ή να μην έχει κάποια ιδιότητα. Μερίδα βέβαια επιστημόνων αμφισβητούν έντονα αυτή την ιδέα βλέποντας ότι σε αρκετές περιπτώσεις δεν είναι δυνατό να αποφανθούμε για την αλήθεια ή όχι μιας πρότασης. Έτσι λοιπόν θεωρήθηκε αναγκαία η εισαγωγή της τρίτιμης λογικής. Η τρίτη τιμή αλήθειας, οι άλλες δύο είναι το αληθές και το ψευδές, ονομάσθηκε απροσδιόριστη και βρήκε χρήση στον χαρακτηρισμό προτάσεων της μορφής: «Υπάρχει ζωή στον πλανήτη Άρη;». Μετά την τρίτιμη λογική, και δεδομένης της αγάπης των μαθηματικών για γενίκευση των εννοιών, ο Πολωνός μαθηματικός Lukasiewicz, πατέρας της τρίτιμης λογικής, εισήγαγε τη λογική απείρων τιμών αλήθειας. Στη λογική αυτή, οι τιμές αλήθειας αναπαριστάνονται από ένα θετικό ακέραιο αριθμό, χαρακτηρίζουν δε το βαθμό στον οποίο κάποια πρόταση ισχύει ή όχι. Έτσι αν θεωρήσουμε ότι ο αριθμός 5 εκφράζει την αλήθεια μιας πρότασης και ο αριθμός το ψεύδος, χαρακτηρίζοντας την αλήθεια της πρότασης «Υπάρχει ζωή στον πλανήτη Άρη;» με δείχνουμε ότι μάλλον δεν είμαστε και

2 τόσο αισιόδοξοι για το ενδεχόμενο να υπάρχει ζωή στον Άρη. Αν και ο Lukasiewicz παρουσίασε τις ιδέες του στη δεκαετία του 9, έπρεπε να περάσουν αρκετές ακόμη δεκαετίες μέχρι οι ιδέες του να παρουσιασθούν σε διαφορετική μορφή αυτή τη φορά. Η σύλληψη της ιδέας της Ασαφούς Λογικής πραγματοποιήθηκε το 965 απ τον Lofti Zadeh, καθηγητή του Πανεπιστημίου Berkley της Καλιφόρνιας. Ήδη από το 96 ανέφερε: «Χρειαζόμαστε ένα ριζικά διαφορετικό είδος μαθηματικών, τα μαθηματικά των ασαφών ή νεφελωδών ποσοτήτων που δε μπορούν να περιγραφούν με όρους Συναρτήσεων Κατανομής Πιθανοτήτων. Πράγματι, η ανάγκη γι αυτά τα Μαθηματικά γίνεται όλο και περισσότερο εμφανής ακόμη και στην πραγματικότητα των μη κινούμενων συστημάτων, αφού στις περισσότερες πρακτικές εφαρμογές τόσο τα αρχικά δεδομένα όσο και τα κριτήρια με τα οποία κρίνεται ένα ανθρώπινο σύστημα απέχουν πολύ από το να είναι ακριβή ή από το να έχουν απόλυτα καθορισμένες συναρτήσεις κατανομής». Η Ασαφής Λογική αποτελεί μία ισχυρή μεθοδολογία επίλυσης προβλημάτων με πάμπολλες εφαρμογές στους τομείς του Μηχανικού. Εκτός των άλλων μας παρέχει απλούς και εντυπωσιακούς τρόπους στην εξαγωγή συμπερασμάτων χρησιμοποιώντας ασαφείς, διφορούμενες ή ανακριβείς πληροφορίες. Από μία άποψη η διαδικασία εξαγωγής συμπερασμάτων με τη βοήθεια της ασαφούς λογικής μοιάζει με το μηχανισμό εξαγωγής συμπερασμάτων του ανθρώπινου συλλογισμού με τη χρήση αβέβαιων και ανακριβών πληροφοριών. «Σχεδιάστηκε» για να εκφράσει από μαθηματική άποψη την αβεβαιότητα και την ασάφεια και να παρέχει τυποποιημένα εργαλεία για να αντιμετωπίσει την εγγενή σε πολλά προβλήματα ανακρίβεια. Όλο το οικοδόμημα των Μαθηματικών κτίσθηκε στα θεμέλια που έθεσε ο Αριστοτέλης και πιο συγκεκριμένα στους δύο βασικούς νόμους της «αντίφασης» και του «αποκλειόμενου τρίτου». Η αρχή του αποκλειόμενου τρίτου δηλώνει ότι μία πρόταση μπορεί να είναι αληθής ή ψευδής. Όταν προτάθηκε ο παραπάνω νόμος από τον Παρμενίωνα το 4 π.χ. υπήρξαν ισχυρές και άμεσες αντιρρήσεις. Ο Ηράκλειτος, για παράδειγμα, ισχυρίστηκε ότι μία πρόταση μπορεί να είναι ταυτόχρονα αληθής και μη αληθής. Ο Πλάτωνας έθεσε τα θεμέλια της ασαφούς λογικής αφού

3 3 θεώρησε ότι υπήρχε μία Τρίτη περιοχή πέρα από το αληθές και ψευδές. Σήμερα πολλοί αμερικάνοι μαθηματικοί-φιλόσοφοι ισχυρίζονται ότι τα θεμέλια της ασαφούς λογικής ετέθησαν από τον Βούδα, ο οποίος ισχυρίστηκε ότι το κακό και το καλό συνυπάρχουν. Αυτό δεν είναι αληθές, ο Ηράκλειτος ήταν προγενέστερος του Βούδα. H «Λογική του Αριστοτέλη» ή «Λογική του άσπρου-μαύρου» αποτέλεσε το θεμέλιο όλου του οικοδομήματος των Μαθηματικών που κτίστηκε μέχρι σήμερα. Η απόδειξη μιας πρότασης στα Μαθηματικά είναι αληθής ή ψευδής. Δεν νοείται ένα θεώρημα στα Μαθηματικά να είναι αληθές κατά, και κατά,8. Η Λογική του Αριστοτέλη όμως υστερεί όταν προσπαθούμε να μοντελοποιήσουμε τα φυσικά φαινόμενα. Πράγματι, η περιγραφή των φυσικών νόμων - φαινομένων δε μπορεί να επιτευχθεί χρησιμοποιώντας σύνολα με «κοφτά» σύνορα. Ας πάρουμε για παράδειγμα το χαρακτηρισμό των ημερών ως προς την ηλιοφάνεια. Μία μέρα ηλιόλουστη με καταγάλανο ουρανό χαρακτηρίζεται ηλιόλουστη με βαθμό. Μια μέρα με λίγα σύννεφα χαρακτηρίζεται ηλιόλουστη με βαθμό αλήθειας από.4.9. Μια μέρα με πιο πολλά σύννεφα είναι πάλι ηλιόλουστη αλλά σε πολύ μικρότερο βαθμό. Τον ίδιο συλλογισμό μπορούμε να ακολουθήσουμε στην περιγραφή των ημερών και των τόπων ως προς τη βροχόπτωση, την ένταση των ανέμων, την υγρασία, την ομίχλη, τη χιονόπτωση κα. αλλά και ως προς φαινόμενα που δεν είναι τόσο «φυσικά» : την κίνηση των οχημάτων, την εκπομπή καυσαερίων και ούτω καθεξής. Τα σύνολα που δεν έχουν σαφή όρια είναι αυτά που θα παίζουν βασικό ρόλο στην μελέτη μας, τα λεγόμενα ασαφή σύνολα. Τα κλασικά σύνολα έχουν σαφή αλλά κοφτά όρια: γνωρίζουμε αν ένα στοιχείο ανήκει ή δεν ανήκει σ αυτά και όπως ήδη έχουμε πει δεν εξυπηρετούν τις ενδιάμεσες ασαφείς καταστάσεις. Βασίλειος Παπαδόπουλος ΞΑΝΘΗ, 6

4

5 5 ΚΕΦΑΛΑΙΟ ο ΚΛΑΣΙΚΑ ΣYΝΟΛΑ ΚΑΙ ΠΡΟΤΑΣΙΑΚΟΙ ΤYΠΟΙ Ορισμοί Όπως ήδη έχουμε αναφέρει τα κλασικά σύνολα έχουν σαφή όρια. Το σύνολο των φοιτητών του Γ έτους του τμήματος Πολιτικών Μηχανικών, για παράδειγμα, είναι ένα κλασικό σύνολο με σαφή όρια. Ένας οποιοσδήποτε φοιτητής του τμήματος Πολιτικών Μηχανικών Ξάνθης ανήκει στο σύνολο αυτό ή δεν ανήκει. Ξεκινάμε από ένα σύνολο αναφοράς Χ. Ένα υποσύνολο Α του Χ ( Α Χ ) είναι ένα σύνολο με στοιχεία του Χ. Κάθε υποσύνολο Α του Χ μπορεί να περιγραφεί με τους εξής τρόπους:. Με αναγραφή των στοιχείων του: απαριθμούμε τα στοιχεία του Α ένα προς ένα.. Με περιγραφή των στοιχείων του: αντί να γράφουμε όλα τα στοιχεία αναφέρουμε απλά την κοινή τους ιδιότητα. Παράδειγμα : Έστω Χ = ΙΝ το σύνολο των φυσικών αριθμών, τότε το σύνολο των άρτιων αριθμών μεγαλυτέρων του 3 και μικρότερων του 5 γράφεται με τους δύο παραπάνω τρόπους ως εξής:. A = {4} (με αναγραφή των στοιχείων). A = { ΙΝ / 3 < < 5} (με περιγραφή των στοιχείων) Ένας άλλος τρόπος παράστασης ενός υποσυνόλου Α του συνόλου αναφοράς Χ είναι με την χαρακτηριστική του συνάρτηση.

6 6 Σε κάθε υποσύνολο Α Χ αντιστοιχούμε την χαρακτηριστική συνάρτηση του Α, ΧΑ: Χ {, } που ορίζεται ως εξής: X () A =, αν, αν A A Μπορούμε να «ταυτίσουμε» το υποσύνολο Α Χ με τη χαρακτηριστική του συνάρτηση ΧΑ (όπως λέμε στην «αλγεβρική γλώσσα» υπάρχει ένας ισομορφισμός από το σύνολο των υποσυνόλων του Χ στο σύνολο των χαρακτηριστικών συναρτήσεων). Παραδείγματα : α) Το σύνολο των υψηλών θερμοκρασιών στην Ελλάδα: Σχήμα. Δηλαδή πάνω από 3 C θεωρούμε την θερμοκρασία υψηλή και κάτω από 3 C τη θεωρούμε όχι υψηλή! Το παραπάνω σύνολο είναι «κοφτό» (crisp). Είναι δυνατόν η θερμοκρασία των 3 C να θεωρείται υψηλή και η θερμοκρασία των 9,9 C όχι υψηλή;

7 7 β) Το σύνολο των μέτριων θερμοκρασιών στην Ελλάδα: Σχήμα. γ) Το σύνολο των χαμηλών θερμοκρασιών στην Ελλάδα: Σχήμα.3. Πράξεις Αν Α Χ, Β Χ τότε οι βασικές πράξεις των κλασικών συνόλων είναι: α) Η ένωση Α Β = { Χ: A ή Β } X A B A B Σχήμα.4

8 8 β) Η τομή Α Β = { Χ : A και Β } X A A B B Σχήμα.5 γ) Το συμπλήρωμα Α C = { Χ : A } X A c A Σχήμα.6 Οι παραπάνω πράξεις με τη βοήθεια των χαρακτηριστικών συναρτήσεων εκφράζονται με βάση την παρακάτω πρόταση: Πρόταση: Αν Α Χ,Β Χ, ΧΑ είναι η χαρακτηριστική συνάρτηση του Α, ΧΒ η χαρακτηριστική συνάρτηση του Β, XA B η χαρακτηριστική συνάρτηση του Α Β, ΧΑ Β η χαρακτηριστική συνάρτηση του Α Β και XA c η χαρακτηριστική συνάρτηση του Α C τότε: i) XA B ( ) = ma { XA(), XΒ() }, X ii) XA B() = min { XA(), XΒ() }, X iii) XA c ( ) = - XA( )

9 9 Απόδειξη: i) Έστω τυχαίο X. Τότε έχουμε τις εξής περιπτώσεις: Αν Α και Β, τότε ΧΑ( ) =, ΧB() = αλλά A B, δηλαδή ΧA B( ) =. Άρα ΧA B( ) = ma { XA( ), XΒ() }, γιατί = ma {, }. Aν A και B, τότε ΧΑ( ) =, ΧB( ) = αλλά A B, δηλαδή ΧA B( ) =. Άρα ΧA B( )= ma { XA(), XΒ() }, γιατί = ma {, }. Αν A και B, τότε ΧΑ( ) =, ΧB( ) = αλλά A B, δηλαδή ΧA B( ) =. Άρα ΧA B( ) = ma { XA( ), XΒ( ) }, γιατί = ma {, }. Aν A και B, τότε ΧΑ( ) =, ΧB( ) = αλλά A B, δηλαδή ΧA B( ) =. Άρα ΧA B( )= ma { XA( ), XΒ() }. Τελικά σε κάθε περίπτωση ισχύει ΧA B ( ) = ma { XA(), XΒ() }. ii) Έστω τυχαίο X. Τότε έχουμε τις εξής περιπτώσεις: Αν Α και Β, τότε ΧΑ( ) =, ΧB( ) = άρα min { XA(), XB() } =. Αλλά A B ΧA B( ) =. Άρα ΧA B( ) = min { XA( ), XΒ( ) }. Αν Α και Β, τότε ΧΑ( ) =, ΧB( ) = άρα min { XA(), XB() } =. Αλλά A B ΧA B( ) =. Άρα ΧA B( ) = min { XA(), XΒ() } Αν Α και Β, τότε ΧΑ( ) =, ΧB( ) = άρα min { XA(), XB() } =. Αλλά A B ΧA B( ) =. Άρα ΧA B( ) = min { XA(), XΒ() }.

10 Αν Α και Β, τότε ΧΑ( ) =, ΧB( ) = άρα min { XA(), XB() } =. Αλλά A B ΧA B( ) =. Άρα ΧA B( ) = min { XA(), XΒ() }. Τελικά σε κάθε περίπτωση ισχύει ΧA B( ) = min { XA(), XΒ() }. iii) Έστω τυχαίο X. Τότε έχουμε τις εξής περιπτώσεις: Αν Α, τότε Α C Άρα ΧΑ( ) = και ΧΑ C ( ) =. Οπότε ισχύει XA c ( ) = - XA() Αν Α, τότε Α C. Άρα ΧΑ( ) = και ΧΑ C ( ) =. Οπότε ισχύει XA c ( ) = - XA( ) Όλοι οι παραπάνω ορισμοί θα μας είναι πολύ χρήσιμοι παρακάτω για την γενίκευση των πράξεων στην περίπτωση των ασαφών συνόλων..3 Ιδιότητες των πράξεων κλασικών συνόλων Έστω Χ ένα σύνολο αναφοράς και Α Χ, Β Χ, Γ Χ. Τότε:. A B = B A ( αντιμεταθετικότητα της ένωσης ). ( A B ) Γ = A ( B Γ ) ( προσεταιριστικότητα της ένωσης ) 3. A = Α 4. A Α = Α 5. A Α C = X (αρχή του αποκλειόμενου τρίτου)

11 6. Α Β A B = Β 7. A B = B A ( αντιμεταθετικότητα της τομής ) 8. ( A B ) Γ = A ( B Γ ) ( προσεταιριστικότητα της τομής ) 9. A =. A Α = Α. A Α C = ( αρχή της αντίφασης ). A ( B Γ ) = ( A B ) ( A Γ ) ( επιμεριστικότητα της τομής ως προς την ένωση) 3. A ( B Γ ) = ( A B ) ( A Γ ) (επιμεριστικότητα της ένωσης ως προς την τομή) Δίνουμε έμφαση στην αρχή του αποκλειόμενου τρίτου και στην αρχή της αντίφασης α) Αρχή της αντίφασης A Α C = : δεν μπορεί ένα στοιχείο να ανήκει στο Α και να μην ανήκει σ αυτό, ή χρησιμοποιώντας τη γλώσσα των πιθανοτήτων δεν μπορεί κάτι να συμβαίνει και να μην συμβαίνει. β) Αρχή του αποκλειόμενου τρίτου A Α C = X : το τυχόν Χ ανήκει στο Α ή (αποκλειστικά) στο Α C, ή χρησιμοποιώντας πιθανοθεωρητική γλώσσα συμβαίνει πάντα ή το Α ή το Α C. Θα δούμε ότι στην περίπτωση των ασαφών συνόλων δεν ισχύουν οι δύο παραπάνω αρχές..4 Σύνολα φραγμένα άνω (supremum) και φραγμένα κάτω (infimum) Έστω Α R. Το Α λέγεται φραγμένο άνω αν υπάρχει k R, ώστε α k, α Α. Το Α λέγεται φραγμένο κάτω αν υπάρχει l R, ώστε α l, α Α. Είναι γνωστό το εξής θεώρημα: Αν Α είναι φραγμένο άνω τότε έχει ένα ελάχιστο άνω φράγμα που λέγεται supremum του Α και συμβολίζεται με supa ( προφανώς αν το Α είναι πεπερασμένο τότε supa=maa ). Άρα ένας αριθμός m είναι το supa, δηλαδή m = supa αν

12 i. α m, α Α και ii. ε >, υπάρχει α Α, α - ε < m < α ε. Όμοια αν το Α είναι φραγμένο κάτω υπάρχει το μέγιστο κάτω φράγμα που λέγεται infimum και συμβολίζεται με infα και έχει τις δυϊκές από τις παραπάνω ιδιότητες του supremum. Παράδειγμα Αν Α = (, ) τότε supa =, infα =. Αν Α = (, ] τότε supa = maa =, infα =..5 Προτασιακοί τύποι στην κλασική λογική Κάθε πρόταση στην κλασική μαθηματική λογική έχει δύο τιμές αλήθειας ή (ψευδές ή αληθές). Αν p, q δύο προτάσεις τότε ορίζονται: α) Η διάζευξη Η p q συμβολίζει τη διάζευξη δύο προτάσεων με τιμές αλήθειας: p q p q Πίνακας. Με άλλα λόγια η p q είναι αληθής αν η μία απ τις p, q είναι αληθής. p q = ma {p, q} Παράδειγμα

13 3 Αν p: ο αριθμός είναι πρώτος q: ο αριθμός είναι πολλαπλάσιο του 3 Τότε: p q : o είναι πρώτος ή το είναι πολλαπλάσιο του 3 έχει τιμή αλήθειας. β) Η σύζευξη Η p q συμβολίζει τη σύζευξη δύο προτάσεων με τιμές αλήθειας: p q p q Πίνακας. Δηλαδή η σύζευξη δύο προτάσεων είναι αληθής αν και μόνο αν οι δύο προτάσεις είναι αληθείς. p q = min { p, q } Παράδειγμα Αν p: η αντοχή του κτιρίου είναι ικανοποιητική είναι αληθής q: το υπέδαφος είναι αργιλώδες είναι αληθής Τότε: p q: η αντοχή του κτιρίου είναι ικανοποιητική και το υπέδαφος είναι αργιλώδες έχει τιμή αλήθειας. γ) Η άρνηση Με p συμβολίζουμε την άρνηση της πρότασης p με τιμές αλήθειας: p ~p

14 4 Πίνακας.3 Παράδειγμα Αν p: η βροχόπτωση στην Ξάνθη κατά τον μήνα Ιούλιο είναι μεγαλύτερη από mm είναι ψευδής Τότε: p : η βροχόπτωση στην Ξάνθη κατά τον μήνα Ιούλιο είναι μικρότερη ή ίση από mm είναι αληθής. δ) Η συνεπαγωγή Έστω p, q δύο προτάσεις. Με p q εννοούμε ότι η p συνεπάγεται της q. Ορίζουμε την p q = p q Αυτό σημαίνει ότι για να βρούμε τον πίνακα αλήθειας του p q αρκεί να βρούμε τον πίνακα αλήθειας της p q : p q ~ p ~ p q Πίνακας.4 Άρα οι τιμές αλήθειας της p q είναι : p q p q

15 5 Πίνακας.5 Η συνεπαγωγή p q είναι αληθής πάντα εκτός της περίπτωσης που η p είναι αληθής και η q είναι ψευδής.

16 6 ΚΕΦΑΛΑΙΟ Ο ΑΠΟ ΤΑ ΚΛΑΣΙΚΑ ΣΤΑ ΑΣΑΦΗ ΣYΝΟΛΑ Ασαφή σύνολα κατά κλασικών συνόλων Ορισμός ασαφούς συνόλου Έστω Χ ένα κλασικό σύνολο αναφοράς. Κάθε συνάρτηση Α : Χ [, ] λέγεται ασαφές υποσύνολο του Χ. Αν X, τότε η τιμή Α( ) λέγεται τιμή συμμετοχής του ( membership value) και εκφράζει τον «βαθμό» που το «ανήκει» στο ασαφές σύνολο ή αλλιώς το βαθμό αλήθειας της πρότασης. Στην βιβλιογραφία πολλές φορές χρησιμοποιείται ο παρακάτω συμβολισμός για τον ορισμό ενός ασαφούς υποσυνόλου ενός συνόλου Χ: Ένα ασαφές υποσύνολο Α του Χ θεωρείται η δυάδα ( Χ, μα ), όπου μα : X [, ]. Δηλαδή με τον συμβολισμό αυτό θεωρούμε Α=(Χ, μα) και την συνάρτηση μα ονομάζουμε συνάρτηση συμμετοχής (membership function). Προφανώς κάθε κλασικό σύνολο είναι ασαφές καθόσον κάθε κλασικό σύνολο Α «ταυτίζεται» με την χαρακτηριστική συνάρτηση ΧΑ : Χ {, }. X () A, αν Α =, αν Α

17 7 Mε τα κλασικά σύνολα (crisp sets) έχουμε σοβαρά προβλήματα περιγραφής διαφόρων συνόλων και καταστάσεων από την καθημερινή μας ζωή. Παράδειγμα Θέλουμε να εκφράσουμε το σύνολο των ψηλών ανθρώπων α) Με τη βοήθεια των κλασικών συνόλων αυτό το σύνολο παριστάνεται Σχήμα. Καταλαβαίνουμε ότι σύμφωνα με την παραπάνω περιγραφή των ψηλών ανθρώπων, ένας άνθρωπος με ύψος,89 μ. δεν είναι ψηλός ενώ ένας άνθρωπος με ύψος,9 μ. είναι ψηλός. Παρατηρούμε, λοιπόν, ότι με την βοήθεια των κλασικών συνόλων δεν μπορούμε να δώσουμε τον ακριβή χαρακτηρισμό του συνόλου των ψηλών ανθρώπων. Θα θέλαμε να χαρακτηρίσουμε και τον άνθρωπο με ύψος,89 μ. ψηλό όχι βέβαια με βαθμό αλήθειας, αλλά για παράδειγμα με βαθμό αλήθειας,8. β) Με τη βοήθεια των ασαφών συνόλων αυτό το σύνολο μπορεί να παρασταθεί Σχήμα.

18 8 Παράδειγμα Yψηλή θερμοκρασία α) Με τη βοήθεια των κλασικών συνόλων το σύνολο που παριστάνει την υψηλή θερμοκρασία μπορεί να παρασταθεί από τη γραφική παράσταση της συνάρτησης, A( ) =, αν 3 αν < 3 Σχήμα.3 β) Με τη βοήθεια των ασαφών συνόλων αυτό το σύνολο μπορεί να παρασταθεί Σχήμα.4 χρησιμοποιώντας τη γραφική παράσταση της συνάρτησης:, αν A( ) =, αν 3 8 8, αν 3

19 9 Παράδειγμα Μέτρια θερμοκρασία α) Με τη βοήθεια των κλασικών συνόλων αυτό το σύνολο μπορεί να παρασταθεί Σχήμα.5 β) Με τη βοήθεια των ασαφών συνόλων αυτό το σύνολο μπορεί να παρασταθεί Σχήμα.6 Παράδειγμα Χαμηλή θερμοκρασία α) Με τη βοήθεια των κλασικών συνόλων αυτό το σύνολο μπορεί να παρασταθεί Σχήμα.7

20 β) Με τη βοήθεια των ασαφών συνόλων αυτό το σύνολο μπορεί να παρασταθεί Σχήμα.8. Διάφορες μορφές παράστασης ασαφών συνόλων Ένα ασαφές σύνολο μπορεί να έχει και τις παρακάτω μορφές: Σχήμα.9 Σχήμα.

21 y y Σχήμα. y y Σχήμα. Τα προηγούμενα ασαφή σύνολα είναι συνεχή, γιατί το σύνολο αναφοράς Χ ήταν συνεχές..3 Ειδική γραφή ασαφών συνόλων Αν Χ = {,, 3,, ν } είναι το σύνολο αναφοράς και Α ένα ασαφές υποσύνολο του Χ Α : Χ [, ] με Α( ) = α, Α( ) = α,, Α( ν ) = αν τότε το ασαφές σύνολο Α γράφεται και ως εξής: A = α / / α /... α ν ν

22 .4 Σχέση ασαφών συνόλων και συναρτήσεων πιθανότητας α) Συνεχής περίπτωση Υποθέτουμε ότι το Χ είναι συνεχής τυχαία μεταβλητή που παίρνει τιμές στο σύνολο των πραγματικών αριθμών. Μια συνάρτηση f() είναι συνάρτηση πιθανότητας αν ( ) f ( ) d = f και Έστω ότι η τυχαία μεταβλητή Χ ακολουθεί την κανονική κατανομή δηλαδή η συνάρτηση πυκνότητας αυτής είναι: f ) = e σ π ( μ ) ( σ o Έστω μ = ( μέση τιμή ), τότε: f ) = e σ π ( ) ( σ Η f() είναι ασαφές σύνολο όταν f(). o Για = έχουμε: f ( ) = σ π Παρατηρούμε ότι > > σ π σ < σ π π Άρα αν σ < τότε f()> και επομένως η f() δεν είναι ασαφές σύνολο. π

23 Βέβαια αν σ =, τότε η f() είναι ασαφές σύνολο γιατί f ( ) =. π 3 Συμπερασματικά κάθε συνεχής συνάρτηση πιθανότητας δεν είναι κατ ανάγκη ασαφές σύνολο. Προσοχή! Αν η f() είναι μια συνάρτηση πιθανότητας τότε το f(), όπου είναι μία τιμή της τυχαίας μεταβλητής Χ, δεν εκφράζει τίποτα. Αν όμως η f() είναι ασαφές σύνολο τότε με f() δηλώνουμε την τιμή αληθείας με την οποία το «ανήκει» στο ασαφές σύνολο. Όπως γνωρίζουμε η πιθανότητα ( α, β ) ορίζεται από τη σχέση: P ( α < Χ < β ) = f ( ) d β α β) Διακριτή περίπτωση Έστω Χ = {,,, ν, } τότε η f( ) είναι συνάρτηση πιθανότητας αν i.) ( ), i =,,... f i i= ii.) f ( ) = i Τότε ως γνωστό ( ) f και ) = P( X = ) i f. ( i i Δηλαδή κάθε συνάρτηση πιθανότητας μιας διακριτής τυχαίας μεταβλητής παριστάνει ένα ασαφές σύνολο. Τα παραπάνω γίνονται κατανοητά με το τετράγωνο του Kosko.

24 .5 Τετράγωνο του KosKo 4 Έστω Χ = { α, β } ένα σύνολο αναφοράς. Σε ένα ορθογώνιο σύστημα συντεταγμένων θεωρούμε το τετράγωνο με κορυφές τα σημεία Ο (,), Α (,), Β (,), Γ (,). y Β (,) M (,y) Ν (κ,λ) Γ (,) O (,) Α (,) Σχήμα.3 Σε κάθε σημείο Μ (, y ) του τετραγώνου, όπου, y αντιστοιχούμε ένα ασαφές σύνολο ως εξής: Θεωρούμε ότι το δηλώνει τον βαθμό που το α «ανήκει» στο ασαφές σύνολο και ότι το y δηλώνει τον βαθμό που το β «ανήκει» στο ασαφές σύνολο. Έτσι στο σημείο Μ (, y ) αντιστοιχούμε το ασαφές σύνολο: Μ: X [, ] με Μ( α ) =, Μ( β ) = y. α) Ποια ασαφή σύνολα αντιστοιχούν στις 4 κορυφές; Στο Α(, ) αντιστοιχεί το ασαφές σύνολο: Α : X [, ] με Α( α ) =, Α( β ) = άρα Α = { α }. Στο Β (, ) αντιστοιχεί το { β }. Στο Ο (, ) αντιστοιχεί το. Στο Γ (, ) αντιστοιχεί το X = { α, β }

25 Άρα στις τέσσερις κορυφές του τετραγώνου αντιστοιχούν τα 4 κλασικά υποσύνολα του Χ. 5 β) Ποια ασαφή σύνολα αντιστοιχούν στην διαγώνιο ΑΒ; Έστω τυχόν σημείο Ν( κ, λ ) της διαγώνιου ΑΒ. Έστω Ν το ασαφές σύνολο που αντιστοιχεί στο Ν, δηλαδή: Ν : X [, ] με Ν( α ) = κ, Ν( β ) = λ. Επειδή όμως κ λ =, παρατηρούμε ότι η Ν είναι μία συνάρτηση πιθανότητας της τυχαίας μεταβλητής Ν, όπου ο Χ = { α, β } θεωρείται δειγματικός χώρος. Συμπεραίνουμε λοιπόν, ότι ξεκινώντας από ένα σύνολο αναφοράς Χ = { α, β }, κατασκευάζουμε τόσα ασαφή σύνολα όσα τα σημεία του τετραγώνου ( εσωτερικά και περιμετρικά ). Από αυτά τα ασαφή σύνολα οι τέσσερις κορυφές του τετραγώνου αντιστοιχούν στα 4 κλασικά υποσύνολα. Τα ασαφή σύνολα της διαγωνίου ΑΒ είναι όλες οι συναρτήσεις πιθανότητας που κατασκευάζονται από τον δειγματικό χώρο Χ = { α, β }.

26 ΚΕΦΑΛΑΙΟ 3 Ο 6 3 ΠΡΑΞΕΙΣ ΣΤΑ ΑΣΑΦΗ ΣΥΝΟΛΑ Ένωση δύο ασαφών συνόλων Έστω Χ ένα σύνολο αναφοράς και F( Χ ) το σύνολο των ασαφών υποσυνόλων του Χ, δηλαδή F( Χ ) = { Α όπου Α : X [, ] }. Αν Α F( Χ ), Β F( Χ ), τότε το ασαφές σύνολο Α Β ορίζεται ως εξής: Α Β F( Χ ) με ( Α Β )( ) = ma { A( ), B( ) },για κάθε X. Η ένωση δύο ασαφών συνόλων είναι μία εσωτερική πράξη, δηλαδή μία απεικόνιση: : F( X ) F( X ) F( X ), έτσι ώστε ( Α, Β ) Α Β ( Με τον όρο εσωτερική πράξη εννοούμε κάθε πράξη από ένα σύνολο Α Α Α ). Στην ένωση ασαφών συνόλων ισχύουν οι παρακάτω ιδιότητες που μπορούν να αποδειχθούν πολύ εύκολα: i.) Α Β = B A (αντιμεταθετική) ii.) ( Α Β ) Γ = Α ( Β Γ ) (προσεταιριστική) 3. Τομή δύο ασαφών συνόλων Έστω Χ ένα σύνολο αναφοράς και F( Χ ) το σύνολο των ασαφών υποσυνόλων του Χ, δηλαδή F( Χ ) = { Α όπου Α: X [, ] }. Αν Α F( Χ ), Β F( Χ ), τότε το ασαφές σύνολο Α Β ορίζεται ως εξής:

27 Α Β F( Χ ) με ( Α Β )( ) = min { A( ), B( ) },για κάθε X. 7 Η τομή δύο ασαφών συνόλων είναι μία εσωτερική πράξη, δηλαδή μία απεικόνιση: : F( X ) F( X ) F( X ), έτσι ώστε ( Α, Β ) Α Β Στην τομή ασαφών συνόλων ισχύουν οι παρακάτω ιδιότητες που μπορούν να αποδειχθούν πολύ εύκολα: iii.) Α Β = B A (αντιμεταθετική) iv.) ( Α Β ) Γ = Α ( Β Γ ) (προσεταιριστική) 3.3 Συμπλήρωμα ενός ασαφούς συνόλου Έστω Χ ένα σύνολο αναφοράς και F( Χ ) το σύνολο των ασαφών υποσυνόλων του Χ, δηλαδή F( Χ ) = { Α όπου Α : X [, ] }. Αν Α F( Χ ) τότε το ασαφές σύνολο Α C ορίζεται ως εξής: Α C F( Χ ) με Α C ( ) = - A( ), για κάθε X. Γραφική παράσταση των πράξεων Αν έχουμε τα ασαφή σύνολα Α και Β Σχήμα 3.

28 8 Σχήμα 3. Τότε το Α Β παριστάνεται γραφικά: Σχήμα 3.3 Το Α Β παριστάνεται γραφικά: Σχήμα 3.4 Το Α C παριστάνεται γραφικά:

29 9 Σχήμα Ιδιότητες της τομής και της ένωσης Έστω Χ ένα σύνολο αναφοράς και F( Χ ) το σύνολο των ασαφών υποσυνόλων του Χ, δηλαδή F( Χ ) = { Α όπου Α : X [, ] }. Πρόταση: Αν Α F( Χ ), Β F( Χ ), Γ F( Χ ), τότε ισχύουν οι παρακάτω ιδιότητες: Α. Α ( Β Γ ) = ( Α Β ) ( Α Γ ) ( επιμεριστική ιδιότητα της τομής ως προς την ένωση ) Β. Α ( Β Γ ) = ( Α Β ) ( Α Γ ) ( επιμεριστική ιδιότητα της ένωσης ως προς την τομή ) Απόδειξη: Α. Έστω τυχαίο X, αρκεί να αποδείξουμε ότι [ Α ( Β Γ ) ]( ) = [ ( Α Β ) ( Α Γ ) ]( ) Α( ) ( Β Γ )( ) = ( Α Β )( ) ( Α Γ )( ) Α( ) [ Β( ) Γ( )] = [ Α( ) Β( )] [Α( ) Γ( ) ] αληθής, γιατί: αν θέσουμε για λόγους απλότητας ma {, y } = y min {, y } = y

30 προφανώς, y, z R ισχύουν: 3 ( y z ) = ( y ) ( z ) Β. Η απόδειξη είναι παρόμοια με την Α. 3.5 Η αρχή της αντίφασης στα ασαφή σύνολα Στα ασαφή σύνολα δεν ισχύει η αρχή της αντίφασης ( Α Α C = ) και για να το δείξουμε αυτό αρκεί να δείξουμε ότι υπάρχει ένα τουλάχιστον X που ικανοποιεί την σχέση: min[ A( ), - A( ) ] Η σχέση ικανοποιείται για κάθε τιμή A( ) (, ) και μόνο για A( ) = ή A( ) = δεν ικανοποιείται. Γραφική παράσταση των Α( ) και Α C ( ) : Σχήμα 3.6 Γραφική παράσταση του ( Α Α C ) ( ) : Σχήμα 3.7

31 Από το παραπάνω σχήμα συμπεραίνουμε αμέσως ότι η τομή Α Α C Η αρχή του αποκλειόμενου τρίτου στα ασαφή σύνολα Στα ασαφή σύνολα δεν ισχύει η αρχή του αποκλειόμενου τρίτου ( Α Α C = Χ ) και για να το δείξουμε αυτό αρκεί να δείξουμε ότι υπάρχει ένα τουλάχιστον X που ικανοποιεί την σχέση: ma[ A( ), - A( ) ] Η σχέση ικανοποιείται για κάθε τιμή A( ) (, ) και μόνο για A( ) = ή A( ) = δεν ικανοποιείται. Γραφική παράσταση των Α( ) και Α C ( ) : Σχήμα 3.8 Γραφική παράσταση του ( Α Α C )( ) : (A A C) () y Σχήμα 3.9 Από το παραπάνω σχήμα συμπεραίνουμε αμέσως ότι δεν ισχύει η αρχή του αποκλειόμενου τρίτου.

32 3 3.7 Παράσταση της τομής Α Α C και της ένωσης Α Α C στο τετράγωνο του Kosko Έστω Χ = { α, β } και Α το ασαφές σύνολο Α: Χ [, ], ώστε Α( α ) = κ, Α( β ) = λ. Τότε: Α C είναι το ασαφές σύνολο Α C : Χ [, ], ώστε Α C ( α ) = κ, Α C ( β ) = λ. i.) Α Α C είναι το ασαφές σύνολο Α Α C : Χ [, ], ώστε ( Α Α C )( α ) = min{ κ, κ } ( Α Α C )( β ) = min{ λ, λ } ii.) Α Α C είναι το ασαφές σύνολο Α Α C : Χ [, ], ώστε ( Α Α C )( α ) = ma { κ, -κ } ( Α Α C )( β ) = ma{ λ, λ } Yποθέτοντας ότι κ <,5 και λ >,5 τα σύνολα Α, Α C, Α Α C, Α Α C παριστάνονται όπως παρακάτω στο τετράγωνο του Kosko y K (,) Α Ε = Α Α C Λ (,) Α Α C = Η Α C = Ζ Ν (,) Μ (,) Σχήμα A σαφής εντροπία και τετράγωνο του Kosko Aς θεωρήσουμε στο τετράγωνο του Kosko ένα ασαφές σύνολο Α και ας παραστήσουμε τα ασαφή σύνολα Α C, Α Α C, Α Α C.

33 33 y Β (,) Α Α Α C Γ (,) λ - λ Α Α C Α C O (,) κ Α (,) - κ Σχήμα 3. Έστω min λ = ma { KA, AM } { KA, AM } Όσο πιο πολύ πλησιάζει στο ο λόγος λ, τόσο «πιο ασαφές» είναι το σύνολο Α. Μπορούμε να παρατηρήσουμε ότι όσο πιο πολύ το λ πλησιάζει στο, τόσο πιο πολύ το Α Α C πλησιάζει στο Α Α C στο κέντρο (½, ½). Το κέντρο του τετραγώνου είναι «το πιο ασαφές» σύνολο του τετραγώνου. Στο σημείο αυτό Α Α C = Α Α C. Το παρακάτω σκίτσο χρησιμοποιείται πολύ σε αμερικάνικα βιβλία. Α Ρ Ι Σ Τ Ο Τ Ε Λ Η Σ Α Ρ Ι Σ Τ Ο Τ Ε Λ Η Σ Β Ο Υ Δ Α Σ Α Ρ Ι Σ Τ Ο Τ Ε Λ Η Σ Α Ρ Ι Σ Τ Ο Τ Ε Λ Η Σ Σχήμα 3.

34 34 Για την μία διάσταση Α Ρ Ι Σ Τ Ο Τ Ε Λ Η Σ Β Ο Υ Δ Α Σ Α Ρ Ι Σ Τ Ο Τ Ε Λ Η Σ Σχήμα 3.3 Παρατήρηση Η παραπάνω ορισθείσα ένωση μπορεί να γενικευθεί ως εξής: Έστω Αj F( ), j J όπου J είναι ένα σύνολο δεικτών, τότε A j F ( ) και ορίζεται ως εξής: ( Aj )( ) = sup { Aj ( ) : j J } j J j J A j F ( ) και ορίζεται ως εξής: ( Aj )( ) = inf { Aj ( ) : j J } j J j J

35 ΚΕΦΑΛΑΙΟ 4 Ο 35 4 ΔYΟ ΒΑΣΙΚΕΣ ΑΡΧΕΣ ΤΗΣ ΑΣΑΦΟYΣ ΛΟΓΙΚΗΣ Η αρχή της επέκτασης Εικόνα ενός ασαφούς συνόλου μέσω μιας συνάρτησης. Θεωρούμε δύο κλασικά Χ και Y. Έστω f : X Y μία συνάρτηση απ το σύνολο Χ στο σύνολο Y και Α Χ. Η εικόνα του Α μέσω της συνάρτησης f είναι το σύνολο f( A ), όπου f( A) = { y Y έτσι ώστε να υπάρχει ένα τουλάχιστον A με f( ) = y } Y X Y A f (A) Σχήμα 4. Αν τα σύνολα Χ, Y είναι υποσύνολα του R η f λέγεται πραγματική συνάρτηση πραγματικής μεταβλητής. Ας υποθέσουμε ότι το γράφημά της έχει τη παρακάτω μορφή: y y Σχήμα 4.

36 ν θεωρήσουμε το σύνολο Α στον άξονα, τότε το σύνολο f( A ) είναι στον άξονα y y. 36 y f(a) y A Σχήμα 4.3 Έστω τώρα ότι το σύνολο Α είναι ένα ασαφές σύνολο Α : Χ [, ] Θα βρούμε την εικόνα f( A ) του Α μέσω της συνάρτησης f. X Σχήμα 4.4 f A ασαφές υποσύνολο του Χ Y I f (A) ασαφές υποσύνολο του Υ όπου Ι είναι το κλειστό διάστημα [, ]. Ο παρακάτω ορισμός αποτελεί την αρχή της επέκτασης (etension principle) στην θεωρία των ασαφών συνόλων. Ορισμός ( Αρχή της επέκτασης ) Έστω Χ, Y δύο κλασικά σύνολα και f : X Y μία συνάρτηση. Έστω Α : Χ Ι = [, ] ένα ασαφές υποσύνολο του Χ, τότε με f( A ) ορίζουμε το ασαφές υποσύνολο του Y, ως εξής: f( A ) : Y I = [, ] με f( A )( y ) = sup{ A( ) : f( ) = y }

37 Αν το Α είναι πεπερασμένο, τότε στον παραπάνω ορισμό το sup = ma. 37 Θα δώσουμε ένα παράδειγμα για να γίνει πιο κατανοητός ο παραπάνω ορισμός. Παράδειγμα Έστω Χ = {,, 3, 4, 5 }, Y = { y, y, y3 } και f : X Y, που ορίζεται ως εξής X Y y y y 3 Σχήμα 4.5 Ας θεωρήσουμε ένα ασαφές υποσύνολο Α του Χ A = Θα βρούμε το ασαφές σύνολο f( Α ) : Y [, ]. Από την αρχή της επέκτασης γνωρίζουμε ότι πρέπει να βρεθούν οι τιμές f( A )( y ), f( A ) (y ), f( A )( y3 ). Βρίσκουμε πρώτα το f( A )( y ) ως εξής: ο βήμα : Βρίσκουμε όλα τα i X που έχουν εικόνα το y, δηλαδή f( i ) = y. Αυτά είναι τα,. ο βήμα : Βρίσκουμε τις τιμές Α( ), Α( ) : Α( ) =,, Α( ) =,5 3 ο βήμα : Βρίσκουμε το μέγιστο των παραπάνω τιμών ma { Α( ), Α( ) } =,5 Απάντηση: f( A )( y ) = ma { Α( ), Α( ) } =,5

38 Με τον ίδιο τρόπο βρίσκουμε: 38 f( A )( y ) = ma{α( 3 ), Α( 4 ) } =,6 f( A )( y3 ) = ma{ Α( 5 )} = Α( 5 ) =,4 Άρα τελικά έχουμε: f( Α ) : Y [, ], με f( A )( y ) =,5 f( A )( y ) =,6 f( A )( y3 ) =,4 Παρατήρηση Αν η συνάρτηση f : X Y είναι μία συνάρτηση, ορίζεται η αντίστροφη συνάρτηση f της f και για κάθε y Y υπάρχει μόνο ένα X τέτοιο ώστε f( ) = y = f ( y ). Επομένως: f( A )( y ) = {Α( ) : f( ) = y } = Α (f - ( y ) ) Συνεπώς στην περίπτωση που η f είναι τότε: η εικόνα του f( Α ) ορίζεται ως εξής: f( A )( y ) = Α (f - ( y ) ) δηλαδή f( Α ) = Α ο f - ( σύνθεση συναρτήσεων ) Αυτό διασαφηνίζεται και με το παρακάτω διάγραμμα: Y f - X f (A) A Σχήμα 4.6 I

39 39 4. Αντίστροφη εικόνα ενός ασαφούς συνόλου μέσω μιας συνάρτησης Έστω Χ και Y δύο κλασικά σύνολα. Έστω f : X Y είναι μία συνάρτηση απ το σύνολο Χ στο σύνολο Y και Β Y. Η αντίστροφη εικόνα του Β μέσω της συνάρτησης f είναι το σύνολο f - ( Β ), όπου f - ( Β )={ X έτσι ώστε f( ) B } X. Έστω Χ, Y υποσύνολα του R και f μία πραγματική συνάρτηση πραγματικής μεταβλητής. Ας υποθέσουμε ότι το γράφημά της έχει την παρακάτω μορφή: y y Σχήμα 4.7 Αν θεωρήσουμε το σύνολο B στον άξονα y y, τότε το σύνολο f - (B) είναι στον άξονα. y B y f - (B) Σχήμα 4.8 Έστω τώρα ότι το σύνολο B είναι ένα ασαφές σύνολο B : Y [, ]. Θα βρούμε την αντίστροφη εικόνα f - (B) του Β μέσω της συνάρτησης f. Η αντίστροφη εικόνα του ασαφούς συνόλου Β είναι το ασαφές υποσύνολο

40 f - ( B ) : X I = [, ] με (f - ( B ) ) ( ) = B( f ( ) ). 4 Σχηματικά αυτά δηλώνεται με το παρακάτω διάγραμμα: X f Y B o f = f - (B) B I Σχήμα 4.9 Παράδειγμα Έστω f : R R με f( ) = και το ασαφές σύνολο Β : R [, ] με: B( ) = αν αν αλλού Θα ορίσουμε το ασαφές σύνολο f - ( B ). Έχουμε ότι: f - ( B ) : R I = [, ] με: ( f ( B))( ) = B( f ( )) = αν αν αλλού [, ] [, ] Γιατί: A B f = { Rκαι f ( ) [, ]} = { Rκαι } = { Rκαι } = { Rκαι } = { Rκαι } = Ομοίως και στην περίπτωση που f ( ) [, ].

41 4 4.3 α - τομές ασαφών συνόλων. (Ειδικά ασαφή σύνολα) Ορισμός Έστω Α F( X ) ( το Α είναι ασαφές υποσύνολο του Χ, δηλαδή Α : Χ Ι = [, ] ). Ονομάζουμε α - τομή ( α cut ) του Α το κλασικό σύνολο α Α = { X : A( ) α }, όπου α [, ]. Παρατήρηση Το α Α είναι κλασικό σύνολο και η χαρακτηριστική του συνάρτηση είναι XA : Χ {, } με XA( ) = αν A( ) α αλλού Σχηματικά: Σχήμα 4. Για κάθε α-τομή α Α ενός ασαφούς συνόλου Α ορίζεται ένα ασαφές σύνολο που το συμβολίζουμε αα και το ονομάζουμε ειδικό α-ασαφές σύνολο. Ορισμός Έστω Α F( X ) ( το Α είναι ασαφές υποσύνολο του Χ, δηλαδή Α: Χ Ι = [, ] ) και α [, ]. Ονομάζουμε ειδικό α-ασαφές σύνολο ( special fuzzy set ) το ασαφές σύνολο: αα : Χ {, α },έτσι ώστε (αα)( ) = α α Α ( ), με συνάρτηση συμμετοχής :

42 α Α : Χ {, α } με ( α Α )( )= α αν A( ) α αλλού 4 Παράδειγμα Εύρεση των α-τομών ενός ασαφούς συνόλου Έστω το πεπερασμένο ασαφές σύνολο Α: με σύνολο αναφοράς το Χ = {,, 3, 4 }. Προφανώς έχει νόημα να βρούμε μόνο τις α-τομές με α=., α=., α=.3, α=.4. a.. Α ={,, 3, 4} b.. Α ={,, 3} c..3 Α ={, 3} d..4 Α ={} Παράδειγμα Έστω A( ) = αν αν αλλού Θα βρούμε τις α-τομές του Α. Έχουμε Σχήμα 4.

43 Για να βρούμε τις α-τομές, βρίσκουμε τα, από τη λύση της εξίσωσης Α( ) = α. 43 Α( ) = α = α Άρα = α A( ) = = α = α Άρα = α Απάντηση: α Α = [ α, α ]. 4.4 Πρώτο Θεώρημα Ανασύνθεσης Πρώτο Θεώρημα Ανασύνθεσης (First Decomposition Theorem). Κάθε ασαφές υποσύνολο Α του Χ, ( Α : Χ Ι = [, ] ) γράφεται με τη μορφή A= α Α, όπου αα α (,] είναι το ειδικό α-ασαφές σύνολο και συμβολίζει την ένωση ασαφών συνόλων. Απόδειξη: Αρκεί να αποδείξουμε ότι για κάθε X, A( ) = sup α (,] α Α (). Έστω A( ) = β. Τότε sup α (,] A( )=ma{ sup α (, β ] Α α (), sup α (,] α Α ()}. Υπολογίζουμε το sup α ( β,] α Α ( ) επειδή α Α ()= α αν A( ) α αλλού Β = Α( ) α άρα sup α ( β,] Α α ( )= sup =. α ( β,] Επομένως sup α (,] Α α ()=ma supα Α( ), = sup α (, β ) α (, β ] α Α () Αλλά α (, β ) α < β α < A( ) Α α ( ) = α. Επομένως: sup α (, β ] Α α ( ) = sup α (, β ] α = β = A( ) και τελικά sup α (,] Α α ( ) = Α( )

44 Άρα α Α = Α. α (,] 44 Παράδειγμα Αν A = Να υπολογισθούν: α) Οι α-τομές. β) Να υπολογισθεί το Α με βάση το πρώτο Θεώρημα Ανασύνθεσης. α) Έχουμε Χ={,, 3, 4, 5, 6}. Α = {,, 3, 4, 5, 6 }. Α = {, 3, 4, 5, 6 }.3 Α = {, 4, 5, 6 }.4 Α = {, 4, 6 }.5 Α = {, 6}.8 Α = {6} β) Θεωρούμε τώρα γνωστές τις προηγούμενες α-τομές και με τη βοήθεια αυτών προσπαθούμε να βρούμε το Α. ο βήμα: Βρίσκουμε τις χαρακτηριστικές συναρτήσεις των Α α.. Α =

45 45 Α. = Α.3 = Α.4 = Α.5 = Α.8 = ο βήμα: Βρίσκουμε τα σύνολα Α α = α Α α..α = Α. = Α = Α.4 = Α.5 = Α.8 = ο βήμα: Εφαρμόζουμε το πρώτο θεώρημα ανασύνθεσης: Α= Α. Α. Α.3 Α.4 Α.5 Α.8

46 A( ) = (. Α. Α.3 Α.4 Α.5 Α.8 Α )() = = ma(. Α (),. Α (),.3 Α (),.4 Α (),.5 Α (),.8 Α ())= 46 = ma(.,,,,,, ) =. A( ) =.5 A( 3 ) =. A( 4 ) =.4 A( 5 ) =.3 A( 6 ) =.8 Απάντηση: Α = Παράδειγμα Αν α Α = [ α, α ], α [, ] να βρεθεί το ασαφές σύνολο Α που προκύπτει. α Α : Χ {,α} με ( α Α )( )= α αν A( ) α αλλού Α = = ( ) α α = [ α [,] sup [ α [,] α α [,] α Α α ( ) Α Α( ) = ] = ( ) ] = α α, αν Α sup α [,], αλλού Αν [ α, α ], α [, ] τότε Α( ) = sup αα Α( ) = sup Α( ) =. Αν [ α, α ], α [, ] τότε Α( )= supαα Α( )= supα. Το ανήκει στο παραπάνω διάστημα και πρέπει α. Επειδή α [, ] εξετάζω τη σχέση μεταξύ του και του.

47 Αν τότε α άρα supα= και 47 αν τότε α άρα supα=. Ακόμα πρέπει α α. Ομοίως εξετάζω τη σχέση μεταξύ του και του. Αν τότε α άρα supα = και αν τότε α άρα supα =. Τοποθετώ όλα τα αποτελέσματα στον παρακάτω πίνακα. - Sup{α: α}=a - - Sup{α: -α}=β Min{Α, Β) Α() - Πίνακας 4. Το ασαφές σύνολο Α που προκύπτει είναι: A( ) = αν αν αλλού Παράδειγμα Αν α Α = [ α, 3 α ], α [, ] να βρεθεί το ασαφές σύνολο Α που προκύπτει. Όπως στο προηγούμενο παράδειγμα: Αν α Α, α [, ] τότε Α( )=supαα Α( ) = sup Α( ) =. Αν = [ α, 3 α ], α [, ] τότε Α( )=supαα Α( ) = supα. Το ανήκει στο παραπάνω διάστημα και πρέπει α. Επειδή α [, ] εξετάζω τη σχέση μεταξύ του και του.

48 Αν τότε α άρα supα = και 48 αν τότε α άρα supα =. Ακόμα πρέπει 3-α α 3-3. Ομοίως εξετάζω τη σχέση μεταξύ του 3- και του. Αν 3 τότε α 3 άρα supα=3 και Αν 3 τότε α 3 άρα supα =. Τοποθετώ όλα τα αποτελέσματα στον παρακάτω πίνακα - 3 Sup{α: α}=a - - Sup{α: 3-α}=Β Min{Α, Β) Α() 3- Πίνακας 4. Παράδειγμα Αν α Α = ( -, α ] [ α, ), α [, ] να βρεθεί το ασαφές σύνολο Α που προκύπτει. Ομοίως με το προηγούμενο παράδειγμα Αν α Α, α [, ] τότε Α( ) = supαα Α( ) = sup Α( ) =. Αν ( -, α ] [ α, ), α [, ] τότε Α( )=supαα Α( ) = supα. Το ανήκει στο παραπάνω διάστημα και πρέπει α α -. Επειδή α [, ] εξετάζω τη σχέση μεταξύ του - και του. Αν - τότε α - άρα supα = - και αν - τότε α - άρα supα =.

49 Ακόμα πρέπει -α α Ομοίως εξετάζω τη σχέση μεταξύ του - και του. Αν τότε α άρα supα = και αν τότε α άρα supα =. Τοποθετώ όλα τα αποτελέσματα στον παρακάτω πίνακα: - Sup{α: α}=a Sup{α: -α}=β Α() - - Πίνακας 4.3 Παράδειγμα Αν α Α = [ a,5 a], a [, / ] [ 4a,5 a], a [ /,] να βρεθεί το ασαφές σύνολο Α που προκύπτει. Ομοίως με το προηγούμενο παράδειγμα. Αν α Α, α [, ] τότε Α( ) = supαα Α( ) = sup Α( ) =. Αν = α Α, α [, ½ ] τότε Α( ) = supαα Α( ) = supα. Το ανήκει στο παραπάνω διάστημα και πρέπει α. Επειδή α [, ½ ] εξετάζω τη σχέση μεταξύ του / και του ½. Αν / / τότε α / / άρα supα = / και αν / / τότε α / / άρα supα = /. Ακόμα πρέπει 5 - α α 5 4,5.

50 Ομοίως εξετάζω τη σχέση μεταξύ του 5- και του. 5 Αν 5 / 4,5 τότε α 5 / άρα supα = 5 και αν 5 / 4,5 τότε α / 5 άρα supα = /. Τοποθετώ όλα τα αποτελέσματα στον παρακάτω πίνακα: - 4,5 Sup{α: α}=a - / ½ ½ - Sup{α: 5-α}=Β - ½ ½ ½ 5- Min{Α, Β) - / ½ ½ - Α() / ½ ½ Πίνακας 4.4 Αν αα, α [ ½, ] τότε Α( ) = supαα Α( ) = supα. Το ανήκει στο παραπάνω διάστημα και πρέπει 4α α /4. Επειδή α [ ½, ] εξετάζω τη σχέση μεταξύ του /4 και του. Αν /4 4 τότε α /4 άρα supα = /4 και αν /4 4 τότε α /4 άρα supα =. Ακόμα πρέπει 5-α α 5-4,5. Ομοίως εξετάζω τη σχέση μεταξύ του 5- και του. Αν 5 4 τότε α 5 άρα supα = 5 και αν 5 4 τότε α 5 άρα supα =. Τοποθετώ όλα τα αποτελέσματα στον παρακάτω πίνακα

51 5 \ - 4 4,5 5 Sup{α: 4α}=A - /4 - - Sup{α: 5-α}=Β Min{Α, Β) - /4 - - Α() /4 5- Πίνακας 4.5 Τοποθετώ τα Α ( ) και Α ( ) σε κοινό πίνακα. \ - 4 4,5 5 Α() / ½ ½ ½ 5- Α() /4 5- Ma{Α(),Α(} / ½ / Α() / ½ / Πίνακας 4.5

Αποδεικτικές Διαδικασίες και Μαθηματική Επαγωγή.

Αποδεικτικές Διαδικασίες και Μαθηματική Επαγωγή. Αποδεικτικές Διαδικασίες και Μαθηματική Επαγωγή. Mαθηματικό σύστημα Ένα μαθηματικό σύστημα αποτελείται από αξιώματα, ορισμούς, μη καθορισμένες έννοιες και θεωρήματα. Η Ευκλείδειος γεωμετρία αποτελεί ένα

Διαβάστε περισσότερα

Εισαγωγικά. 1.1 Η σ-αλγεβρα ως πληροφορία

Εισαγωγικά. 1.1 Η σ-αλγεβρα ως πληροφορία 1 Εισαγωγικά 1.1 Η σ-αλγεβρα ως πληροφορία Στη θεωρία μέτρου, όταν δουλεύει κανείς σε έναν χώρο X, συνήθως έχει διαλέξει μια αρκετά μεγάλη σ-άλγεβρα στον X έτσι ώστε όλα τα σύνολα που εμφανίζονται να ανήκουν

Διαβάστε περισσότερα

«ΔΙΑΚΡΙΤΑ ΜΑΘΗΜΑΤΙΚΑ»

«ΔΙΑΚΡΙΤΑ ΜΑΘΗΜΑΤΙΚΑ» HY 118α «ΔΙΚΡΙΤ ΜΘΗΜΤΙΚ» ΣΚΗΣΕΙΣ ΠΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ ΤΜΗΜ ΕΠΙΣΤΗΜΗΣ ΥΠΟΛΟΙΣΤΩΝ εώργιος Φρ. εωργακόπουλος ΜΕΡΟΣ (1) ασικά στοιχεία της θεωρίας συνόλων. Π. ΚΡΗΤΗΣ ΤΜ. ΕΠ. ΥΠΟΛΟΙΣΤΩΝ «ΔΙΚΡΙΤ ΜΘΗΜΤΙΚ». Φ. εωργακόπουλος

Διαβάστε περισσότερα

5.1 Μετρήσιμες συναρτήσεις

5.1 Μετρήσιμες συναρτήσεις 5 Μετρήσιμες συναρτήσεις 5.1 Μετρήσιμες συναρτήσεις Ορισμός 5.1. Εστω (Ω, F ), (E, E) μετρήσιμοι χώροι. Μια συνάρτηση f : Ω E λέγεται F /Eμετρήσιμη αν f 1 (A) F για κάθε A E. (5.1) Συμβολίζουμε το σύνολο

Διαβάστε περισσότερα

Εστω X σύνολο και A μια σ-άλγεβρα στο X. Ονομάζουμε το ζεύγος (X, A) μετρήσιμο χώρο.

Εστω X σύνολο και A μια σ-άλγεβρα στο X. Ονομάζουμε το ζεύγος (X, A) μετρήσιμο χώρο. 2 Μέτρα 2.1 Μέτρα σε μετρήσιμο χώρο Εστω X σύνολο και A μια σ-άλγεβρα στο X. Ονομάζουμε το ζεύγος (X, A) μετρήσιμο χώρο. Ορισμός 2.1. Μέτρο στον (X, A) λέμε κάθε συνάρτηση µ : A [0, ] που ικανοποιεί τις

Διαβάστε περισσότερα

Αναγνώριση Προτύπων. Σήμερα! Λόγος Πιθανοφάνειας Πιθανότητα Λάθους Κόστος Ρίσκο Bayes Ελάχιστη πιθανότητα λάθους για πολλές κλάσεις

Αναγνώριση Προτύπων. Σήμερα! Λόγος Πιθανοφάνειας Πιθανότητα Λάθους Κόστος Ρίσκο Bayes Ελάχιστη πιθανότητα λάθους για πολλές κλάσεις Αναγνώριση Προτύπων Σήμερα! Λόγος Πιθανοφάνειας Πιθανότητα Λάθους Πιθανότητα Λάθους Κόστος Ρίσκο Bayes Ελάχιστη πιθανότητα λάθους για πολλές κλάσεις 1 Λόγος Πιθανοφάνειας Ας υποθέσουμε ότι θέλουμε να ταξινομήσουμε

Διαβάστε περισσότερα

{ i f i == 0 and p > 0

{ i f i == 0 and p > 0 ΟΙΚΟΝΟΜΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ - ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΜΕΤΑΠΤΥΧΙΑΚΟ ΠΡΟΓΡΑΜΜΑ ΕΠΙΣΤΗΜΗΣ ΥΠΟΛΟΓΙΣΤΩΝ Σχεδίαση και Ανάλυση Αλγορίθμων Διδάσκων: Ε. Μαρκάκης, Φθινοπωρινό εξάμηνο 014-015 Λύσεις 1ης Σειράς Ασκήσεων

Διαβάστε περισσότερα

Ας υποθέσουμε ότι ο παίκτης Ι διαλέγει πρώτος την τυχαιοποιημένη στρατηγική (x 1, x 2 ), x 1, x2 0,

Ας υποθέσουμε ότι ο παίκτης Ι διαλέγει πρώτος την τυχαιοποιημένη στρατηγική (x 1, x 2 ), x 1, x2 0, Οικονομικό Πανεπιστήμιο Αθηνών Τμήμα Στατιστικής Εισαγωγή στην Επιχειρησιακή Ερευνα Εαρινό Εξάμηνο 2015 Μ. Ζαζάνης Πρόβλημα 1. Να διατυπώσετε το παρακάτω παίγνιο μηδενικού αθροίσματος ως πρόβλημα γραμμικού

Διαβάστε περισσότερα

Εφαρμογές στην κίνηση Brown

Εφαρμογές στην κίνηση Brown 13 Εφαρμογές στην κίνηση Brown Σε αυτό το κεφάλαιο θέλουμε να κάνουμε για την πολυδιάστατη κίνηση Brown κάτι ανάλογο με αυτό που κάναμε στην Παράγραφο 7.2 για τη μονοδιάστατη κίνηση Brown. Δηλαδή να μελετήσουμε

Διαβάστε περισσότερα

Επίλυση ειδικών μορφών ΣΔΕ

Επίλυση ειδικών μορφών ΣΔΕ 15 Επίλυση ειδικών μορφών ΣΔΕ Σε αυτό το κεφάλαιο θα δούμε κάποιες ειδικές μορφές ΣΔΕ για τις οποίες υπάρχει μέθοδος επίλυσης. Περισσότερες μπορεί να δει κανείς στο Kloeden and Plaen (199), 4.-4.4. Θα

Διαβάστε περισσότερα

Οι γέφυρες του ποταμού... Pregel (Konigsberg)

Οι γέφυρες του ποταμού... Pregel (Konigsberg) Οι γέφυρες του ποταμού... Pregel (Konigsberg) Β Δ Β Δ Γ Γ Κύκλος του Euler (Euler cycle) είναι κύκλος σε γράφημα Γ που περιέχει κάθε κορυφή του γραφήματος, και κάθε ακμή αυτού ακριβώς μία φορά. Για γράφημα

Διαβάστε περισσότερα

Ο Ισχυρός Νόμος των Μεγάλων Αριθμών

Ο Ισχυρός Νόμος των Μεγάλων Αριθμών 1 Ο Ισχυρός Νόμος των Μεγάλων Αριθμών Στο κεφάλαιο αυτό παρουσιάζουμε ένα από τα σημαντικότερα αποτελέσματα της Θεωρίας Πιθανοτήτων, τον ισχυρό νόμο των μεγάλων αριθμών. Η διατύπωση που θα αποδείξουμε

Διαβάστε περισσότερα

Αναλυτικές ιδιότητες

Αναλυτικές ιδιότητες 8 Αναλυτικές ιδιότητες 8. Βαθμός συνέχειας* Ξέρουμε ότι η κίνηση Brown είναι συνεχής και θα δείξουμε αργότερα ότι είναι πουθενά διαφορίσιμη. Πόσο ομαλή είναι λοιπόν; Μια ασθενέστερη μορφή ομαλότητας είναι

Διαβάστε περισσότερα

ΣΥΝΟΛΑ (προσέξτε τα κοινά χαρακτηριστικά των παρακάτω προτάσεων) Οι άνθρωποι που σπουδάζουν ΤΠ&ΕΣ και βρίσκονται στην αίθουσα

ΣΥΝΟΛΑ (προσέξτε τα κοινά χαρακτηριστικά των παρακάτω προτάσεων) Οι άνθρωποι που σπουδάζουν ΤΠ&ΕΣ και βρίσκονται στην αίθουσα ΣΥΝΟΛΑ (προσέξτε τα κοινά χαρακτηριστικά των παρακάτω προτάσεων) Οι άνθρωποι που σπουδάζουν ΤΠ&ΕΣ και βρίσκονται στην αίθουσα Τα βιβλία διακριτών μαθηματικών του Γ.Β. Η/Υ με επεξεργαστή Pentium και χωρητικότητα

Διαβάστε περισσότερα

Ανελίξεις σε συνεχή χρόνο

Ανελίξεις σε συνεχή χρόνο 4 Ανελίξεις σε συνεχή χρόνο Σε αυτό το κεφάλαιο είναι συγκεντρωμένοι ορισμοί και αποτελέσματα από τη θεωρία των στοχαστικών ανελιξεων συνεχούς χρόνου. Με εξαίρεση την Παράγραφο 4.1, η οποία είναι εντελώς

Διαβάστε περισσότερα

Η ανισότητα α β α±β α + β με α, β C και η χρήση της στην εύρεση ακροτάτων.

Η ανισότητα α β α±β α + β με α, β C και η χρήση της στην εύρεση ακροτάτων. A A N A B P Y T A Άρθρο στους Μιγαδικούς Αριθμούς 9 5 0 Η ανισότητα α β α±β α + β με α, β C και η χρήση της στην εύρεση ακροτάτων. Δρ. Νίκος Σωτηρόπουλος, Μαθηματικός Εισαγωγή Το άρθρο αυτό γράφεται με

Διαβάστε περισσότερα

Ανεξαρτησία Ανεξαρτησία για οικογένειες συνόλων και τυχαίες μεταβλητές

Ανεξαρτησία Ανεξαρτησία για οικογένειες συνόλων και τυχαίες μεταβλητές 10 Ανεξαρτησία 10.1 Ανεξαρτησία για οικογένειες συνόλων και τυχαίες μεταβλητές Στην παράγραφο αυτή δουλεύουμε σε χώρο πιθανότητας (Ω, F, P). Δίνουμε καταρχάς τον ορισμό της ανεξαρτησίας για ενδεχόμενα,

Διαβάστε περισσότερα

Σχέσεις και ιδιότητές τους

Σχέσεις και ιδιότητές τους Σχέσεις και ιδιότητές τους Διμελής (binary) σχέση Σ από σύνολο Χ σε σύνολο Υ είναι ένα υποσύνολο του καρτεσιανού γινομένου Χ Υ. Αν (χ,ψ) Σ, λέμε ότι το χ σχετίζεται με το ψ και σημειώνουμε χσψ. Στην περίπτωση

Διαβάστε περισσότερα

Ανεξαρτησία Ανεξαρτησία για οικογένειες συνόλων και τυχαίες μεταβλητές

Ανεξαρτησία Ανεξαρτησία για οικογένειες συνόλων και τυχαίες μεταβλητές 10 Ανεξαρτησία 10.1 Ανεξαρτησία για οικογένειες συνόλων και τυχαίες μεταβλητές Στην παράγραφο αυτή δουλεύουμε σε χώρο πιθανότητας (Ω, F, P). Δίνουμε καταρχάς τον ορισμό της ανεξαρτησίας για ενδεχόμενα,

Διαβάστε περισσότερα

Παραβολή ψ=αχ 2 +βχ+γ, α 0. Η παραβολή ψ = αχ 2. Γενικά : Κάθε συνάρτηση της μορφής ψ=αχ 2 + βχ +γ, α 0 λέγεται τετραγωνική συνάρτηση.

Παραβολή ψ=αχ 2 +βχ+γ, α 0. Η παραβολή ψ = αχ 2. Γενικά : Κάθε συνάρτηση της μορφής ψ=αχ 2 + βχ +γ, α 0 λέγεται τετραγωνική συνάρτηση. Η παραβολή ψ=αχ 2 +βχ+γ Σελίδα 1 από 10 Παραβολή ψ=αχ 2 +βχ+γ, α0 Γενικά : Κάθε συνάρτηση της μορφής ψ=αχ 2 + βχ +γ, α0 λέγεται τετραγωνική συνάρτηση. Η παραβολή ψ = αχ 2 Η γραφική παράσταση της συνάρτησης

Διαβάστε περισσότερα

Παντού σε αυτό το κεφάλαιο, αν δεν αναφέρεται κάτι διαφορετικό, δουλεύουμε σε ένα χώρο πιθανότητας (Ω, F, P) και η G F είναι μια σ-άλγεβρα.

Παντού σε αυτό το κεφάλαιο, αν δεν αναφέρεται κάτι διαφορετικό, δουλεύουμε σε ένα χώρο πιθανότητας (Ω, F, P) και η G F είναι μια σ-άλγεβρα. 2 Δεσμευμένη μέση τιμή 2.1 Ορισμός Παντού σε αυτό το κεφάλαιο, αν δεν αναφέρεται κάτι διαφορετικό, δουλεύουμε σε ένα χώρο πιθανότητας (Ω, F, P) και η G F είναι μια σ-άλγεβρα. Ορισμός 2.1. Για X : Ω R τυχαία

Διαβάστε περισσότερα

Εξαναγκασμένες ταλαντώσεις, Ιδιοτιμές με πολλαπλότητα, Εκθετικά πινάκων. 9 Απριλίου 2013, Βόλος

Εξαναγκασμένες ταλαντώσεις, Ιδιοτιμές με πολλαπλότητα, Εκθετικά πινάκων. 9 Απριλίου 2013, Βόλος ιαφορικές Εξισώσεις Εξαναγκασμένες ταλαντώσεις, Ιδιοτιμές με πολλαπλότητα, Ατελείς ιδιοτιμές Εκθετικά πινάκων Μανόλης Βάβαλης Τμήμα Μηχανικών Η/Υ Τηλεπικοινωνιών και ικτύων Πανεπιστήμιο Θεσσαλίας 9 Απριλίου

Διαβάστε περισσότερα

Ανεξαρτησία Ανεξαρτησία για οικογένειες συνόλων και τυχαίες μεταβλητές

Ανεξαρτησία Ανεξαρτησία για οικογένειες συνόλων και τυχαίες μεταβλητές 10 Ανεξαρτησία 10.1 Ανεξαρτησία για οικογένειες συνόλων και τυχαίες μεταβλητές Στην παράγραφο αυτή δουλεύουμε σε χώρο πιθανότητας (Ω, F, P). Δίνουμε καταρχάς τον ορισμό της ανεξαρτησίας για ενδεχόμενα,

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ. Εαρινό Εξάμηνο

ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ. Εαρινό Εξάμηνο ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΕΠΛ231: Δομές Δεδομένων και Αλγόριθμοι Εαρινό Εξάμηνο 2017-2018 Φροντιστήριο 3 - Λύσεις 1. Εστω ο πίνακας Α = [12, 23, 1, 5, 7, 19, 2, 14]. i. Να δώσετε την κατάσταση

Διαβάστε περισσότερα

602. Συναρτησιακή Ανάλυση. Υποδείξεις για τις Ασκήσεις

602. Συναρτησιακή Ανάλυση. Υποδείξεις για τις Ασκήσεις 602. Συναρτησιακή Ανάλυση Υποδείξεις για τις Ασκήσεις Τμήμα Μαθηματικών Πανεπιστήμιο Αθηνών Αθήνα 2018 Περιεχόμενα 1 Χώροι με νόρμα 1 2 Χώροι πεπερασμένης διάστασης 23 3 Γραμμικοί τελεστές και γραμμικά

Διαβάστε περισσότερα

Στοχαστικές διαφορικές εξισώσεις

Στοχαστικές διαφορικές εξισώσεις 14 Στοχαστικές διαφορικές εξισώσεις 14.1 Γενικά Στοχαστική διαφορική εξίσωση λέμε μια εξίσωση της μορφής dx = µ(, X ) d + σ(, X ) db, X = x, (14.1) με µ, σ : [, ) R R μετρήσιμες συναρτήσεις, x R, και B

Διαβάστε περισσότερα

Εκφωνήσεις και Λύσεις των Θεμάτων

Εκφωνήσεις και Λύσεις των Θεμάτων ΑΠΟΛΥΤΗΡΙΕΣ ΕΞΕΤΑΣΕΙΣ Γ ΤΑΞΗΣ ΗΜΕΡΗΣΙΟΥ ΓΕΝΙΚΟΥ ΛΥΚΕΙΟΥ ΚΑΙ ΠΑΝΕΛΛΗΝΙΕΣ ΕΞΕΤΑΣΕΙΣ Γ ΤΑΞΗΣ ΕΠΑΛ (ΟΜΑΔΑ Β ) ΜΑΘΗΜΑΤΙΚΑ ΚΑΙ ΣΤΟΙΧΕΙΑ ΣΤΑΤΙΣΤΙΚΗΣ ΓΕΝΙΚΗΣ ΠΑΙΔΕΙΑΣ Τετάρτη 23 Μαΐου 2012 Εκφωήσεις και Λύσεις

Διαβάστε περισσότερα

Γενικό Λύκειο Μαραθοκάμπου Σάμου. Άλγεβρα Β λυκείου. 13 Οκτώβρη 2016

Γενικό Λύκειο Μαραθοκάμπου Σάμου. Άλγεβρα Β λυκείου. 13 Οκτώβρη 2016 Γενικό Λύκειο Μαραθοκάμπου Σάμου Άλγεβρα Β λυκείου Εργασία2 η : «Συναρτήσεις» 13 Οκτώβρη 2016 Ερωτήσεις Θεωρίας 1.Πότελέμεότιμιασυνάρτησηfείναιγνησίωςάυξουσασεέναδιάστημα του πεδίου ορισμού της; 2.Πότελέμεότιμιασυνάρτησηfείναιγνησίωςφθίνουσασεέναδιάστημα

Διαβάστε περισσότερα

HY 280. θεμελιακές έννοιες της επιστήμης του υπολογισμού ΑΣΚΗΣΕΙΣ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ ΤΜΗΜΑ ΕΠΙΣΤΗΜΗΣ ΥΠΟΛΟΓΙΣΤΩΝ. Γεώργιος Φρ.

HY 280. θεμελιακές έννοιες της επιστήμης του υπολογισμού ΑΣΚΗΣΕΙΣ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ ΤΜΗΜΑ ΕΠΙΣΤΗΜΗΣ ΥΠΟΛΟΓΙΣΤΩΝ. Γεώργιος Φρ. HY 280 «ΘΕΩΡΙΑ ΥΠΟΛΟΓΙΣΜΟΥ» θεμελικές έννοιες της επιστήμης του υπολογισμού ΑΣΚΗΣΕΙΣ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ ΤΜΗΜΑ ΕΠΙΣΤΗΜΗΣ ΥΠΟΛΟΓΙΣΤΩΝ Γεώργιος Φρ. Γεωργκόπουλος μέρος Α Εισγωγή, κι η σική θεωρί των πεπερσμένων

Διαβάστε περισσότερα

Το κράτος είναι φτιαγμένο για τον άνθρωπο και όχι ο άνθρωπος για το κράτος. A. Einstein Πηγή:

Το κράτος είναι φτιαγμένο για τον άνθρωπο και όχι ο άνθρωπος για το κράτος. A. Einstein Πηγή: Ας πούμε και κάτι για τις δύσκολες μέρες που έρχονται Το κράτος είναι φτιαγμένο για τον άνθρωπο και όχι ο άνθρωπος για το κράτος. A. Einstein 1879-1955 Πηγή: http://www.cognosco.gr/gnwmika/ 1 ΚΥΚΛΙΚΟΣ

Διαβάστε περισσότερα

21/11/2005 Διακριτά Μαθηματικά. Γραφήματα ΒΑΣΙΚΗ ΟΡΟΛΟΓΙΑ : ΜΟΝΟΠΑΤΙΑ ΚΑΙ ΚΥΚΛΟΙ Δ Ι. Γεώργιος Βούρος Πανεπιστήμιο Αιγαίου

21/11/2005 Διακριτά Μαθηματικά. Γραφήματα ΒΑΣΙΚΗ ΟΡΟΛΟΓΙΑ : ΜΟΝΟΠΑΤΙΑ ΚΑΙ ΚΥΚΛΟΙ Δ Ι. Γεώργιος Βούρος Πανεπιστήμιο Αιγαίου Γραφήματα ΒΑΣΙΚΗ ΟΡΟΛΟΓΙΑ : ΜΟΝΟΠΑΤΙΑ ΚΑΙ ΚΥΚΛΟΙ A Ε B Ζ Η Γ K Θ Δ Ι Ορισμός Ένα (μη κατευθυνόμενο) γράφημα (non directed graph) Γ, είναι μία δυάδα από σύνολα Ε και V και συμβολίζεται με Γ=(Ε,V). Το σύνολο

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΑΚΑ ΦΡΟΝΤΙΣΤΗΡΙΑ ΚΟΛΛΙΝΤΖΑ ΜΑΘΗΜΑ: ΟΙΚΟΝΟΜΙΚΗ ΘΕΩΡΙΑ

ΠΑΝΕΠΙΣΤΗΜΙΑΚΑ ΦΡΟΝΤΙΣΤΗΡΙΑ ΚΟΛΛΙΝΤΖΑ ΜΑΘΗΜΑ: ΟΙΚΟΝΟΜΙΚΗ ΘΕΩΡΙΑ ΜΑΘΗΜΑ: ΟΙΚΟΝΟΜΙΚΗ ΘΕΩΡΙΑ Την ευθύνη του εκπαιδευτικού υλικού έχει ο επιστημονικός συνεργάτης των Πανεπιστημιακών Φροντιστηρίων «ΚOΛΛΙΝΤΖΑ», οικονομολόγος συγγραφέας θεμάτων ΑΣΕΠ, Παναγιώτης Βεργούρος.

Διαβάστε περισσότερα

ΑΡΧΗ 1ΗΣ ΣΕΛΙΔΑΣ Γ ΤΑΞΗ

ΑΡΧΗ 1ΗΣ ΣΕΛΙΔΑΣ Γ ΤΑΞΗ ΑΡΧΗ 1ΗΣ ΣΕΛΙΔΑΣ ΑΠΟΛΥΤΗΡΙΕΣ ΕΞΕΤΑΣΕΙΣ Σ ΕΝΙΑΙΟΥ ΛΥΚΕΙΟΥ ΔΕΥΤΕΡΑ 12 ΙΟΥΝΙΟΥ 2000 ΕΞΕΤΑΖΟΜΕΝΟ ΜΑΘΗΜΑ ΤΕΧΝΟΛΟΓΙΚΗΣ ΚΑΤΕΥΘΥΝΣΗΣ (ΚΥΚΛΟΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΚΑΙ ΥΠΗΡΕΣΙΩΝ): ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ

Διαβάστε περισσότερα

Αναγνώριση Προτύπων. Σημερινό Μάθημα

Αναγνώριση Προτύπων. Σημερινό Μάθημα Αναγνώριση Προτύπων Σημερινό Μάθημα Εκτίμηση Πυκνότητας με k NN k NN vs Bayes classifier k NN vs Bayes classifier Ο κανόνας ταξινόμησης του πλησιέστερου γείτονα (k NN) lazy αλγόριθμοι O k NN ως χαλαρός

Διαβάστε περισσότερα

Κεφάλαιο Η εκθετική κατανομή. Η πυκνότητα πιθανότητας της εκθετικής κατανομής δίδεται από την σχέση (1.1) f(x) = 0 αν x < 0.

Κεφάλαιο Η εκθετική κατανομή. Η πυκνότητα πιθανότητας της εκθετικής κατανομής δίδεται από την σχέση (1.1) f(x) = 0 αν x < 0. Κεφάλαιο Συνεχείς Τυχαίες Μεταβλητές. Η εκθετική κατανομή Η πυκνότητα πιθανότητας της εκθετικής κατανομής δίδεται από την σχέση f(x) = λe λx αν x, αν x

Διαβάστε περισσότερα

Ταξινόμηση των μοντέλων διασποράς ατμοσφαιρικών ρύπων βασισμένη σε μαθηματικά κριτήρια.

Ταξινόμηση των μοντέλων διασποράς ατμοσφαιρικών ρύπων βασισμένη σε μαθηματικά κριτήρια. ΠΡΟΤΕΙΝΟΜΕΝΑ ΘΕΜΑΤΑ Ταξινόμηη των μοντέλων διαποράς ατμοφαιρικών ρύπων βαιμένη ε μαθηματικά κριτήρια. Μοντέλο Ελεριανά μοντέλα (Elerian) Λαγκρατζιανά μοντέλα (Lagrangian) Επιπρόθετος διαχωριμός Μοντέλα

Διαβάστε περισσότερα

Αναγνώριση Προτύπων. Σημερινό Μάθημα

Αναγνώριση Προτύπων. Σημερινό Μάθημα Αναγνώριση Προτύπων Σημερινό Μάθημα Μη Παραμετρικός Υπολογισμός πυκνότητας με εκτίμηση Ιστόγραμμα Παράθυρα Parzen Εξομαλυμένη Kernel Ασκήσεις 1 Μη Παραμετρικός Υπολογισμός πυκνότητας με εκτίμηση Κατά τη

Διαβάστε περισσότερα

Αναγνώριση Προτύπων. Σημερινό Μάθημα

Αναγνώριση Προτύπων. Σημερινό Μάθημα Αναγνώριση Προτύπων Σημερινό Μάθημα Bias (απόκλιση) και variance (διακύμανση) Ελεύθεροι Παράμετροι Ελεύθεροι Παράμετροι Διαίρεση dataset Μέθοδος holdout Cross Validation Bootstrap Bias (απόκλιση) και variance

Διαβάστε περισσότερα

( ιμερείς) ΙΜΕΛΕΙΣ ΣΧΕΣΕΙΣ Α Β «απεικονίσεις»

( ιμερείς) ΙΜΕΛΕΙΣ ΣΧΕΣΕΙΣ Α Β «απεικονίσεις» ( ιμερείς) ΙΜΕΛΕΙΣ ΣΧΕΣΕΙΣ Α Β «πεικονίσεις» 1. ΣΧΕΣΕΙΣ: το σκεπτικό κι ο ορισμός. Τ σύνολ νπριστούν ιδιότητες μεμονωμένων στοιχείων: δεδομένου συνόλου S, κι ενός στοιχείου σ, είνι δυντόν είτε σ S είτε

Διαβάστε περισσότερα

Κατασκευή της κίνησης Brown και απλές ιδιότητες

Κατασκευή της κίνησης Brown και απλές ιδιότητες 5 Κατασκευή της κίνησης Brown και απλές ιδιότητες 51 Ορισμός, ύπαρξη, και μοναδικότητα Ορισμός 51 Μια στοχαστική ανέλιξη { : t } ορισμένη σε έναν χώρο πιθανότητας (Ω, F, P) και με τιμές στο R λέγεται (μονοδιάστατη)

Διαβάστε περισσότερα

ιάσταση του Krull Α.Π.Θ. Θεσσαλονίκη Χ. Χαραλαμπους (ΑΠΘ) ιάσταση του Krull Ιανουάριος, / 27

ιάσταση του Krull Α.Π.Θ. Θεσσαλονίκη Χ. Χαραλαμπους (ΑΠΘ) ιάσταση του Krull Ιανουάριος, / 27 ιάσταση του Krull Χ. Χαραλάμπους Α.Π.Θ. Θεσσαλονίκη Ιανουάριος, 2017 Χ. Χαραλαμπους (ΑΠΘ) ιάσταση του Krull Ιανουάριος, 2017 1 / 27 Ορισμοί Εστω R (αντιμεταθετικός) δακτύλιος. Ορισμός Η διάσταση του Krull

Διαβάστε περισσότερα

Εκφωνήσεις και Λύσεις των Θεμάτων

Εκφωνήσεις και Λύσεις των Θεμάτων ΑΠΟΛΥΤΗΡΙΕΣ ΕΞΕΤΑΣΕΙΣ Γ ΤΑΞΗΣ ΗΜΕΡΗΣΙΟΥ ΓΕΝΙΚΟΥ ΛΥΚΕΙΟΥ ΚΑΙ ΠΑΝΕΛΛΗΝΙΕΣ ΕΞΕΤΑΣΕΙΣ Γ ΤΑΞΗΣ ΕΠΑΛ (ΟΜΑΔΑ Β ) ΜΑΘΗΜΑΤΙΚΑ ΘΕΤΙΚΗΣ ΚΑΙ ΤΕΧΝΟΛΟΓΙΚΗΣ ΚΑΤΕΥΘΥΝΣΗΣ Δευτέρα 8 Μαΐου 0 Εκφωνήσεις και Λύσεις των Θεμάτων

Διαβάστε περισσότερα

Ο τύπος του Itô. f (s) ds (12.1) f (g(s)) dg(s). (12.2) t f (B s ) db s + 1 2

Ο τύπος του Itô. f (s) ds (12.1) f (g(s)) dg(s). (12.2) t f (B s ) db s + 1 2 12 Ο τύπος του Itô Για συνάρτηση f : R R με συνεχή παράγωγο, έχουμε d f (s) = f (s) ds που σε ολοκληρωτική μορφή σημαίνει f (b) f (a) = b a f (s) ds (12.1) για κάθε a < b. Αν επιπλέον και η g : R R έχει

Διαβάστε περισσότερα

τους στην Κρυπτογραφία και τα

τους στην Κρυπτογραφία και τα Οι Ομάδες των Πλεξίδων και Εφαρμογές τους στην Κρυπτογραφία και τα Πολυμερή Σχολή Εφαρμοσμένων Μαθηματικών και Φυσικών Επιστημών ΕΜΠ Επιβλέπουσα Καθηγήτρια: Λαμπροπούλου Σοφία Ιούλιος, 2013 Περιεχόμενα

Διαβάστε περισσότερα

Ψηφιακή Εικόνα. Σημερινό μάθημα!

Ψηφιακή Εικόνα. Σημερινό μάθημα! Ψηφιακή Εικόνα Σημερινό μάθημα! Ψηφιακή Εικόνα Αναλογική εικόνα Ψηφιοποίηση (digitalization) Δειγματοληψία Κβαντισμός Δυαδικές δ έ (Binary) εικόνες Ψηφιακή εικόνα & οθόνη Η/Υ 1 Ψηφιακή Εικόνα Μια ακίνητη

Διαβάστε περισσότερα

Μεγάλες αποκλίσεις* 17.1 Η έννοια της μεγάλης απόκλισης

Μεγάλες αποκλίσεις* 17.1 Η έννοια της μεγάλης απόκλισης 7 Μεγάλες αποκλίσεις* 7. Η έννοια της μεγάλης απόκλισης Εστω (X ανεξάρτητες και ισόνομες τυχαίες μεταβλητές ώστε (X = = (X = = /2 και S = k= X k το άθροισμα των πρώτων από αυτές. Ο νόμος των μεγάλων αριθμών

Διαβάστε περισσότερα

Martingales. 3.1 Ορισμός και παραδείγματα

Martingales. 3.1 Ορισμός και παραδείγματα 3 Martingales 3.1 Ορισμός και παραδείγματα Εστω χώρος πιθανότητας (Ω, F, P). Διήθηση σε αυτό τον χώρο λέμε μια αύξουσα ακολουθία (F n ) n 0 σ-αλγεβρών, η καθεμία από τις οποίες είναι υποσύνολο της F. Δηλαδή,

Διαβάστε περισσότερα

Η εξίσωση Black-Scholes

Η εξίσωση Black-Scholes 8 Η εξίσωση Black-Scholes 8. Μια απλή αγορά Θεωρούμε ότι έχουμε μια αγορά που έχει μόνο δύο προϊόντα. Το ένα είναι η δυνατότητα κατάθεσης σε μια τράπεζα (ισοδύναμα, αγορά ομολόγων της τράπεζας) και το

Διαβάστε περισσότερα

ΣΧΟΛΙΚΟ ΕΤΟΣ ΕΥΘΥΓΡΑΜΜΗ ΟΜΑΛΗ ΚΙΝΗΣΗ ΤΡΙΩΡΗ ΓΡΑΠΤΗ ΕΞΕΤΑΣΗ ΣΤΗ ΦΥΣΙΚΗ A ΛΥΚΕΙΟΥ. Ονοματεπώνυμο Τμήμα

ΣΧΟΛΙΚΟ ΕΤΟΣ ΕΥΘΥΓΡΑΜΜΗ ΟΜΑΛΗ ΚΙΝΗΣΗ ΤΡΙΩΡΗ ΓΡΑΠΤΗ ΕΞΕΤΑΣΗ ΣΤΗ ΦΥΣΙΚΗ A ΛΥΚΕΙΟΥ. Ονοματεπώνυμο Τμήμα Σελίδα 1 ΣΧΟΛΙΚΟ ΕΤΟΣ 2014 2015 ΕΥΘΥΓΡΑΜΜΗ ΟΜΑΛΗ ΚΙΝΗΣΗ ΤΡΙΩΡΗ ΓΡΑΠΤΗ ΕΞΕΤΑΣΗ ΣΤΗ ΦΥΣΙΚΗ A ΛΥΚΕΙΟΥ Ονοματεπώνυμο Τμήμα ΘΕΜΑ Α Οδηγία: Να γράψετε στην κόλλα σας τον αριθμό καθεμιάς από τις παρακάτω ερωτήσεις

Διαβάστε περισσότερα

Δ Ι Α Κ Ρ Ι Τ Α Μ Α Θ Η Μ Α Τ Ι Κ Α. 1η σειρά ασκήσεων

Δ Ι Α Κ Ρ Ι Τ Α Μ Α Θ Η Μ Α Τ Ι Κ Α. 1η σειρά ασκήσεων Δ Ι Α Κ Ρ Ι Τ Α Μ Α Θ Η Μ Α Τ Ι Κ Α 1η σειρά ασκήσεων Ονοματεπώνυμο: Αριθμός μητρώου: Ημερομηνία παράδοσης: Μέχρι την Τρίτη 2 Απριλίου 2019 Σημειώστε τις ασκήσεις για τις οποίες έχετε παραδώσει λύση: 1

Διαβάστε περισσότερα

Μεγάλες αποκλίσεις* 17.1 Η έννοια της μεγάλης απόκλισης

Μεγάλες αποκλίσεις* 17.1 Η έννοια της μεγάλης απόκλισης 7 Μεγάλες αποκλίσεις* 7. Η έννοια της μεγάλης απόκλισης Εστω (X ανεξάρτητες και ισόνομες τυχαίες μεταβλητές ώστε P(X = = P(X = = /2 και S = k= X k το άθροισμα των πρώτων από αυτές. Ο νόμος των μεγάλων

Διαβάστε περισσότερα

17 Μαρτίου 2013, Βόλος

17 Μαρτίου 2013, Βόλος Συνήθεις ιαφορικές Εξισώσεις 1ης Τάξης Σ Ε 1ης τάξης, Πεδία κατευθύνσεων, Υπαρξη και μοναδικότητα, ιαχωρίσιμες εξισώσεις, Ολοκληρωτικοί παράγοντες, Αντικαταστάσεις, Αυτόνομες εξισώσεις Μανόλης Βάβαλης

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΑΚΑ ΦΡΟΝΤΙΣΤΗΡΙΑ ΚΟΛΛΙΝΤΖΑ ΜΑΘΗΜΑ: ΕΡΩΤΗΣΕΙΣ ΟΙΚΟΝΟΜΙΚΗΣ ΘΕΩΡΙΑΣ

ΠΑΝΕΠΙΣΤΗΜΙΑΚΑ ΦΡΟΝΤΙΣΤΗΡΙΑ ΚΟΛΛΙΝΤΖΑ ΜΑΘΗΜΑ: ΕΡΩΤΗΣΕΙΣ ΟΙΚΟΝΟΜΙΚΗΣ ΘΕΩΡΙΑΣ ΜΑΘΗΜΑ: ΕΡΩΤΗΣΕΙΣ ΟΙΚΟΝΟΜΙΚΗΣ ΘΕΩΡΙΑΣ Tα Πανεπιστημιακά Φροντιστήρια «ΚΟΛΛΙΝΤΖΑ» προετοιμάζοντας σε ολιγομελείς ομίλους τους υποψήφιους για τον επικείμενο διαγωνισμό του Υπουργείου Οικονομικών, με κορυφαίο

Διαβάστε περισσότερα

Δημήτρης Χελιώτης ΕΝΑ ΔΕΥΤΕΡΟ ΜΑΘΗΜΑ ΣΤΙΣ ΠΙΘΑΝΟΤΗΤΕΣ

Δημήτρης Χελιώτης ΕΝΑ ΔΕΥΤΕΡΟ ΜΑΘΗΜΑ ΣΤΙΣ ΠΙΘΑΝΟΤΗΤΕΣ Δημήτρης Χελιώτης ΕΝΑ ΔΕΥΤΕΡΟ ΜΑΘΗΜΑ ΣΤΙΣ ΠΙΘΑΝΟΤΗΤΕΣ ii ΔΗΜΗΤΡΗΣ ΧΕΛΙΩΤΗΣ Επίκουρος καθηγητής Τμήμα Μαθηματικών Εθνικό και Καποδιστριακό Πανεπιστήμιο Αθηνων Ενα δεύτερο μάθημα στις πιθανότητες Ενα δεύτερο

Διαβάστε περισσότερα

1. Εστω ότι A, B, C είναι γενικοί 2 2 πίνακες, δηλαδή, a 21 a, και ανάλογα για τους B, C. Υπολογίστε τους πίνακες (A B) C και A (B C) και

1. Εστω ότι A, B, C είναι γενικοί 2 2 πίνακες, δηλαδή, a 21 a, και ανάλογα για τους B, C. Υπολογίστε τους πίνακες (A B) C και A (B C) και ΕΙΣΑΓΩΓΗ ΣΤΗ ΓΡΑΜΜΙΚΗ ΑΛΓΕΒΡΑ Ι Εαρινό Εξάμηνο 0 Ασκήσεις για προσωπική μελέτη Είναι απολύτως απαραίτητο να μπορείτε να τις λύνετε, τουλάχιστον τις υπολογιστικές! Εστω ότι A, B, C είναι γενικοί πίνακες,

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ. Εαρινό Εξάμηνο

ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ. Εαρινό Εξάμηνο ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΕΠΛ31: Δομές Δεδομένων και Αλγόριθμοι Εαρινό Εξάμηνο 017-018 Φροντιστήριο 5 1. Δικαιολογήστε όλες τις απαντήσεις σας. i. Δώστε τις 3 βασικές ιδιότητες ενός AVL δένδρου.

Διαβάστε περισσότερα

ΠΙΘΑΝΟΤΗΤΕΣ 2. Σάμης Τρέβεζας

ΠΙΘΑΝΟΤΗΤΕΣ 2. Σάμης Τρέβεζας ΠΙΘΑΝΟΤΗΤΕΣ 2 Σάμης Τρέβεζας ii ΣΑΜΗΣ ΤΡΕΒΕΖΑΣ Λέκτορας Τμήμα Μαθηματικών Εθνικό και Καποδιστριακό Πανεπιστήμιο Αθηνων Πιθανότητες ΙΙ Σημειώσεις σε εξέλιξη... (02/03) Περιεχόμενα 1 Δομές σε Οικογένειες

Διαβάστε περισσότερα

Εισαγωγή στη Μιγαδική Ανάλυση. (Πρώτη Ολοκληρωμένη Γραφή)

Εισαγωγή στη Μιγαδική Ανάλυση. (Πρώτη Ολοκληρωμένη Γραφή) Εισαωή στη Μιαδική Ανάλυση Σημειώσεις (Πρώτη Ολοκληρωμένη Γραφή) Ε. Στεφανόπουλος Τμήμα Μαθηματικών Πανεπιστήμιο Αιαίου Καρλόβασι Καλοκαίρι 26 Πρόλοος Οι σημειώσεις αυτές είναι αποτέλεσμα επεξερασίας

Διαβάστε περισσότερα

Μαθηματικά Πληροφορικής

Μαθηματικά Πληροφορικής Πανεπιστήμιο Αθηνών Μαθηματικά Πληροφορικής Ηλίας Κουτσουπιάς Αθήνα, Οκτώβριος 2009 Περιεχόμενα Περιεχόμενα 1 Σύνολα... 5 ΆλλαΣύμβολα... 6 1 Υποθέσεις και Θεωρήματα 9 1.1 Παρατήρηση-Υπόθεση-Απόδειξη...

Διαβάστε περισσότερα

Ευρωπαϊκά παράγωγα Ευρωπαϊκά δικαιώματα

Ευρωπαϊκά παράγωγα Ευρωπαϊκά δικαιώματα 17 Ευρωπαϊκά παράγωγα 17.1 Ευρωπαϊκά δικαιώματα Ορισμός 17.1. 1) Ευρωπαϊκό δικαίωμα αγοράς σε μία μετοχή είναι ένα συμβόλαιο που δίνει στον κάτοχό του το δικαίωμα να αγοράσει μία μετοχή από τον εκδότη

Διαβάστε περισσότερα

Χαρακτηριστικές συναρτήσεις

Χαρακτηριστικές συναρτήσεις 13 Χαρακτηριστικές συναρτήσεις 13.1 Μετασχηματισμός Fourier μέτρου πιθανότητας στο R Εστω (Ω, F, µ) χώρος μέτρου και f : Ω C Borel-μετρήσιμη συνάρτηση. Το πραγματικό και φανταστικό μέρος της f, που τα

Διαβάστε περισσότερα

Περίληψη. του Frostman 4.1. Τέλος, η ϑεωρία του μέτρου Hausdorff αναπτύσσεται περαιτέρω στην τελευταία παράγραφο. Εισαγωγή 2

Περίληψη. του Frostman 4.1. Τέλος, η ϑεωρία του μέτρου Hausdorff αναπτύσσεται περαιτέρω στην τελευταία παράγραφο. Εισαγωγή 2 Το Μέτρο και η Διάσταση Hausdorff Γεωργακόπουλος Νίκος Τερεζάκης Αλέξης Περίληψη Αναπτύσσουμε τη ϑεωρία του μέτρου και της διάστασης Hausdorff με εφαρμογές στον υπολογισμό διαστάσεων συνόλων fractal (Θεώρημα

Διαβάστε περισσότερα

Έννοια. Η αποδοχή της κληρονομίας αποτελεί δικαίωμα του κληρονόμου, άρα δεν

Έννοια. Η αποδοχή της κληρονομίας αποτελεί δικαίωμα του κληρονόμου, άρα δεν 1 1. Αποδοχή κληρονομίας Έννοια. Η αποδοχή της κληρονομίας αποτελεί δικαίωμα του κληρονόμου, άρα δεν μπορεί να ασκηθεί από τους δανειστές του κληρονόμου, τον εκτελεστή της διαθήκης, τον κηδεμόνα ή εκκαθαριστή

Διαβάστε περισσότερα

ΑΠΟΛΥΤΗΡΙΕΣ ΕΞΕΤΑΣΕΙΣ Γ ΤΑΞΗΣ ΗΜΕΡΗΣΙΟΥ ΓΕΝΙΚΟΥ ΛΥΚΕΙΟΥ ΕΞΕΤΑΖΟΜΕΝΟ ΜΑΘΗΜΑ: ΑΡΧΕΣ ΟΙΚΟΝΟΜΙΚΗΣ ΘΕΩΡΙΑΣ ΜΑΘΗΜΑ ΕΠΙΛΟΓΗΣ Γ ΛΥΚΕΙΟΥ

ΑΠΟΛΥΤΗΡΙΕΣ ΕΞΕΤΑΣΕΙΣ Γ ΤΑΞΗΣ ΗΜΕΡΗΣΙΟΥ ΓΕΝΙΚΟΥ ΛΥΚΕΙΟΥ ΕΞΕΤΑΖΟΜΕΝΟ ΜΑΘΗΜΑ: ΑΡΧΕΣ ΟΙΚΟΝΟΜΙΚΗΣ ΘΕΩΡΙΑΣ ΜΑΘΗΜΑ ΕΠΙΛΟΓΗΣ Γ ΛΥΚΕΙΟΥ ΑΠΟΛΥΤΗΡΙΕΣ ΕΞΕΤΑΣΕΙΣ Γ ΤΑΞΗΣ ΗΜΕΡΗΣΙΟΥ ΓΕΝΙΚΟΥ ΛΥΚΕΙΟΥ ΕΞΕΤΑΖΟΜΕΝΟ ΜΑΘΗΜΑ: ΑΡΧΕΣ ΟΙΚΟΝΟΜΙΚΗΣ ΘΕΩΡΙΑΣ ΜΑΘΗΜΑ ΕΠΙΛΟΓΗΣ Γ ΛΥΚΕΙΟΥ ΗΜΕΡΟΜΗΝΙΑ: ΕΠΩΝΥΜΟ: ΟΝΟΜΑ: ΟΜΑΔΑ Α Για τις προτάσεις Α1 μέχρι και Α6 να

Διαβάστε περισσότερα

Εισαγωγικές Διαλέξεις στην Θεωρία των Αλυσίδων Markov και των Στοχαστικών Ανελίξεων. Οικονομικό Πανεπιστήμιο Αθηνών

Εισαγωγικές Διαλέξεις στην Θεωρία των Αλυσίδων Markov και των Στοχαστικών Ανελίξεων. Οικονομικό Πανεπιστήμιο Αθηνών Εισαγωγικές Διαλέξεις στην Θεωρία των Αλυσίδων Markov και των Στοχαστικών Ανελίξεων Μιχάλης Ζαζάνης Τμήμα Στατιστικής Οικονομικό Πανεπιστήμιο Αθηνών Κεφάλαιο Αλυσίδες Markov σε Συνεχή Χρόνο. Αλυσίδες

Διαβάστε περισσότερα

ΜΑΘΗΜΑ: ΟΙΚΟΝΟΜΙΚΗ ΘΕΩΡΙΑ

ΜΑΘΗΜΑ: ΟΙΚΟΝΟΜΙΚΗ ΘΕΩΡΙΑ ΜΑΘΗΜΑ: ΟΙΚΟΝΟΜΙΚΗ ΘΕΩΡΙΑ Tα Πανεπιστημιακά Φροντιστήρια «ΚΟΛΛΙΝΤΖΑ» προετοιμάζοντας σε ολιγομελείς ομίλους τους υποψήφιους για τον επικείμενο διαγωνισμό του Υπουργείου Οικονομικών, με κορυφαίο επιτελείο

Διαβάστε περισσότερα

Η έκδοση αυτή είναι υπό προετοιμασία. Γιάννης Α. Αντωνιάδης, Αριστείδης Κοντογεώργης

Η έκδοση αυτή είναι υπό προετοιμασία. Γιάννης Α. Αντωνιάδης, Αριστείδης Κοντογεώργης Θεωρία Αριθμών και Εφαρμογές Η έκδοση αυτή είναι υπό προετοιμασία Γιάννης Α. Αντωνιάδης, Αριστείδης Κοντογεώργης 9 Φεβρουαρίου 2015 2 Περιεχόμενα I ΑΡΙΘΜΟΘΕΩΡΙΑ ΤΩΝ ΡΗΤΩΝ ΑΡΙΘΜΩΝ 7 1 ΔΙΑΙΡΕΤΟΤΗΤΑ ΚΑΙ ΠΡΩΤΟΙ

Διαβάστε περισσότερα

Κεφάλαιο 1. Πίνακες και απαλοιφή Gauss

Κεφάλαιο 1. Πίνακες και απαλοιφή Gauss Κεφάλαιο 1 Πίνακες και απαλοιφή Gauss Γύρω απ το γινομένου πινάκων Κάτι σαν τυπολόγιο Αν AB = C, τότε: 1 (C) i j = (i-γραμμή A) ( j-στήλη B) Το συμβολίζει εσωτερικό γινόμενο 2 (i-γραμμή C) = k(a) ik (k-γραμμή

Διαβάστε περισσότερα

ΣΤΟ ΙΑΤΡΕΙΟ. Με την πιστοποίηση του αποκτά πρόσβαση στο περιβάλλον του ιατρού που παρέχει η εφαρμογή.

ΣΤΟ ΙΑΤΡΕΙΟ. Με την πιστοποίηση του αποκτά πρόσβαση στο περιβάλλον του ιατρού που παρέχει η εφαρμογή. ΣΤΟ ΙΑΤΡΕΙΟ Ο ιατρός αφού διαπιστώσει εάν το πρόσωπο που προσέρχεται για εξέταση είναι το ίδιο με αυτό που εικονίζεται στο βιβλιάριο υγείας και ελέγξει ότι είναι ασφαλιστικά ενήμερο (όπως ακριβώς γίνεται

Διαβάστε περισσότερα

Μονάδες 5 1.2.α. Να γράψετε στο τετράδιό σας τον παρακάτω πίνακα σωστά συµπληρωµένο.

Μονάδες 5 1.2.α. Να γράψετε στο τετράδιό σας τον παρακάτω πίνακα σωστά συµπληρωµένο. ΑΡΧΗ 1ΗΣ ΣΕΛΙ ΑΣ Γ ΤΑΞΗ ΠΡΟΑΓΩΓΙΚΕΣ ΕΞΕΤΑΣΕΙΣ Γ ΤΑΞΗΣ ΕΝΙΑΙΟΥ ΛΥΚΕΙΟΥ ΕΥΤΕΡΑ 12 ΙΟΥΝΙΟΥ 2000 ΕΞΕΤΑΖΟΜΕΝΟ ΜΑΘΗΜΑ ΤΕΧΝΟΛΟΓΙΚΗΣ ΚΑΤΕΥΘΥΝΣΗΣ (ΚΥΚΛΟΣ ΤΕΧΝΟΛΟΓΙΑΣ ΚΑΙ ΠΑΡΑΓΩΓΗΣ): ΧΗΜΕΙΑ - ΒΙΟΧΗΜΕΙΑ ΣΥΝΟΛΟ ΣΕΛΙ

Διαβάστε περισσότερα

ΣΤΑΤΙΣΤΙΚΗ ΠΟΣΟΤΙΚΗ ΑΝΑΛΥΣΗ ΔΕΔΟΜΕΝΩΝ

ΣΤΑΤΙΣΤΙΚΗ ΠΟΣΟΤΙΚΗ ΑΝΑΛΥΣΗ ΔΕΔΟΜΕΝΩΝ Σημειώσεις για το μάθημα ΣΤΑΤΙΣΤΙΚΗ ΠΟΣΟΤΙΚΗ ΑΝΑΛΥΣΗ ΔΕΔΟΜΕΝΩΝ Παπάνα Αγγελική http://users.auth.gr/~agpapana/statlogistics E mail: papanagel@yahoo.gr, agpapana@gen.auth.gr Α.Τ.Ε.Ι. Θεσσαλονίκης ΠΑΡΑΡΤΗΜΑ

Διαβάστε περισσότερα

ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ. Πρώτη Γραπτή Εργασία. Εισαγωγή στους υπολογιστές Μαθηματικά

ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ. Πρώτη Γραπτή Εργασία. Εισαγωγή στους υπολογιστές Μαθηματικά ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ Πρόγραμμα Σπουδών: ΙΟΙΚΗΣΗ ΕΠΙΧΕΙΡΗΣΕΩΝ και ΟΡΓΑΝΙΣΜΩΝ Θεματική Ενότητα: ΕΟ-13 Ποσοτικές Μέθοδοι Ακαδημαϊκό Έτος: 2012-13 Πρώτη Γραπτή Εργασία Εισαγωγή στους υπολογιστές Μαθηματικά

Διαβάστε περισσότερα

Μεγάλες αποκλίσεις* 17.1 Η έννοια της μεγάλης απόκλισης

Μεγάλες αποκλίσεις* 17.1 Η έννοια της μεγάλης απόκλισης 7 Μεγάλες αποκλίσεις* 7. Η έννοια της μεγάλης απόκλισης Εστω (X ) ανεξάρτητες και ισόνομες τυχαίες μεταβλητές ώστε P(X = ) = P(X = ) = /2 και S = k= X k το άθροισμα των πρώτων από αυτές. Ο νόμος των μεγάλων

Διαβάστε περισσότερα

Τρίτη, 05 Ιουνίου 2001 ΤΕΧΝΟΛΟΓΙΚΗ ΚΑΤΕΥΘΥΝΣΗ Γ ΛΥΚΕΙΟΥ ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ

Τρίτη, 05 Ιουνίου 2001 ΤΕΧΝΟΛΟΓΙΚΗ ΚΑΤΕΥΘΥΝΣΗ Γ ΛΥΚΕΙΟΥ ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ Τρίτη, 05 Ιουνίου 2001 ΤΕΧΝΟΛΟΓΙΚΗ ΚΑΤΕΥΘΥΝΣΗ Γ ΛΥΚΕΙΟΥ ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ ΘΕΜΑ 1 Α. Να µεταφέρετε στο τετράδιό σας και να συµπληρώσετε τον παρακάτω πίνακα αλήθειας δύο προτάσεων

Διαβάστε περισσότερα

ΤΑΞΙΝΟΜΗΣΗ ΟΡΓΑΝΙΣΜΩΝ

ΤΑΞΙΝΟΜΗΣΗ ΟΡΓΑΝΙΣΜΩΝ ΦΥΛΛΟ ΕΡΓΑΣΙΑΣ 1α ΤΑΞΙΝΟΜΗΣΗ ΟΡΓΑΝΙΣΜΩΝ Οι επιστήμονες ταξινομούν τους οργανισμούς σε ομάδες ανάλογα με τα κοινά τους χαρακτηριστικά. Τα πρώτα συστήματα ταξινόμησης βασιζόταν αποκλειστικά στα μορφολογικά

Διαβάστε περισσότερα

Βελτίωση Εικόνας. Σήμερα!

Βελτίωση Εικόνας. Σήμερα! Βελτίωση Εικόνας Σήμερα! Υποβάθμιση εικόνας Τεχνικές Βελτίωσης Restoration (Αποκατάσταση) Τροποποίηση ιστογράμματος Ολίσθηση ιστογράμματος Διάταση (stretching) Ισοστάθμιση του ιστογράμματος (histogram

Διαβάστε περισσότερα

Συναρτήσεις. Σημερινό μάθημα

Συναρτήσεις. Σημερινό μάθημα Συναρτήσεις Σημερινό μάθημα C++ Συναρτήσεις Δήλωση συνάρτησης Σύνταξη συνάρτησης Πρότυπο συνάρτησης & συνάρτηση Αλληλο καλούμενες συναρτήσεις συναρτήσεις μαθηματικών Παράμετροι συναρτήσεων Τοπικές μεταβλητές

Διαβάστε περισσότερα

Αναγνώριση Προτύπων. Σημερινό Μάθημα

Αναγνώριση Προτύπων. Σημερινό Μάθημα Αναγνώριση Προτύπων Σημερινό Μάθημα Η κατάρα της διαστατικότητας Μείωση διαστάσεων εξαγωγή χαρακτηριστικών επιλογή χαρακτηριστικών Αναπαράσταση έναντι Κατηγοριοποίησης Ανάλυση Κυρίων Συνιστωσών PCA Γραμμική

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ. Εαρινό Εξάμηνο

ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ. Εαρινό Εξάμηνο ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΕΠΛ231: Δομές Δεδομένων και Αλγόριθμοι Εαρινό Εξάμηνο 2017-2018 Φροντιστήριο 3 1. Εστω η στοίβα S και ο παρακάτω αλγόριθμος επεξεργασίας της. Να καταγράψετε την κατάσταση

Διαβάστε περισσότερα

Γραμμική Ανεξαρτησία. Τμήμα Μηχανικών Η/Υ Τηλεπικοινωνιών και ικτύων Πανεπιστήμιο Θεσσαλίας. 17 Μαρτίου 2013, Βόλος

Γραμμική Ανεξαρτησία. Τμήμα Μηχανικών Η/Υ Τηλεπικοινωνιών και ικτύων Πανεπιστήμιο Θεσσαλίας. 17 Μαρτίου 2013, Βόλος Γραμμικές Συνήθεις ιαφορικές Εξισώσεις Ανώτερης Τάξης Γραμμικές Σ Ε 2ης τάξης Σ Ε 2ης τάξης με σταθερούς συντελεστές Μιγαδικές ρίζες Γραμμικές Σ Ε υψηλότερης τάξης Γραμμική Ανεξαρτησία Μανόλης Βάβαλης

Διαβάστε περισσότερα

Αρτιες και περιττές συναρτήσεις

Αρτιες και περιττές συναρτήσεις Μελέτη Συναρτήσεων: άρτιες, περιττές συναρτήσεις - μονοτονία - ακρότατα Κωνσταντίνος Α. Ράπτης Άρτιες και περιττές συναρτήσεις Ὁι ψυχολόγοι κάνουν λόγο για δύο επίπεδα συλλογιστικής και μνήμης: το αρχαϊκό

Διαβάστε περισσότερα

Ημέρα 3 η. (α) Aπό την εργασιακή διαδικασία στη διαδικασία παραγωγής (β) Αξία του προϊόντος και αξία της εργασιακής δύναμης

Ημέρα 3 η. (α) Aπό την εργασιακή διαδικασία στη διαδικασία παραγωγής (β) Αξία του προϊόντος και αξία της εργασιακής δύναμης Ημέρα 3 η. (α) Aπό την εργασιακή διαδικασία στη διαδικασία παραγωγής (β) Αξία του προϊόντος και αξία της εργασιακής δύναμης Η εργασιακή διαδικασία και τα στοιχεία της. Η κοινωνική επικύρωση των ιδιωτικών

Διαβάστε περισσότερα

Αρτιες και περιττές συναρτήσεις

Αρτιες και περιττές συναρτήσεις Μελέτη Συναρτήσεων: άρτιες, περιττές συναρτήσεις - μονοτονία - ακρότατα Κώστας Ράπτης Άρτιες και περιττές συναρτήσεις Ὁι ψυχολόγοι κάνουν λόγο για δύο επίπεδα συλλογιστικής και μνήμης: το αρχαϊκό και το

Διαβάστε περισσότερα

ΨΗΦΙΑΚΑ ΗΛΕΚΤΡΟΝΙΚΑ Σχεδίαση Λογικών Κυκλωμάτων

ΨΗΦΙΑΚΑ ΗΛΕΚΤΡΟΝΙΚΑ Σχεδίαση Λογικών Κυκλωμάτων ΨΗΦΙΑΚΑ ΗΛΕΚΤΡΟΝΙΚΑ Σχεδίαση Λογικών Κυκλωμάτων Γιάννης Λιαπέρδος [gliaperd@teikal.gr] Μάρτιος 2012 1 Ηλεκτρονικά Ελεγχόμενοι ιακόπτες Για την υλοποίηση των λογικών κυκλωμάτων χρησιμοποιούνται ηλεκτρονικά

Διαβάστε περισσότερα

Επιχειρησιακή Ερευνα Ι

Επιχειρησιακή Ερευνα Ι Επιχειρησιακή Ερευνα Ι Μ. Ζαζάνης Κεφάλαιο 1 Τετραγωνικές μορφές στον R n και το ϑεώρημα του Taylor Ορισμός 1. Εστω a 11 a 1n A =.. a n1 a nn συμμετρικός πίνακας n n με στοιχεία στους πραγματικούς αριθμούς.

Διαβάστε περισσότερα

ΕΙΣΑΓΩΓΗ ΣΤΟN ΣΤΟΧΑΣΤΙΚΟ ΛΟΓΙΣΜΟ

ΕΙΣΑΓΩΓΗ ΣΤΟN ΣΤΟΧΑΣΤΙΚΟ ΛΟΓΙΣΜΟ Δημήτρης Χελιώτης ΕΙΣΑΓΩΓΗ ΣΤΟN ΣΤΟΧΑΣΤΙΚΟ ΛΟΓΙΣΜΟ B τ u(x):=e x {f(b τ ) u(x) = } x ii ΔΗΜΗΤΡΗΣ ΧΕΛΙΩΤΗΣ Επίκουρος καθηγητής Τμήμα Μαθηματικών Εθνικό και Καποδιστριακό Πανεπιστήμιο Αθηνων Εισαγωγή στον

Διαβάστε περισσότερα

ΕΙΣΑΓΩΓΗ ΣΤΟN ΣΤΟΧΑΣΤΙΚΟ ΛΟΓΙΣΜΟ

ΕΙΣΑΓΩΓΗ ΣΤΟN ΣΤΟΧΑΣΤΙΚΟ ΛΟΓΙΣΜΟ Δημήτρης Χελιώτης ΕΙΣΑΓΩΓΗ ΣΤΟN ΣΤΟΧΑΣΤΙΚΟ ΛΟΓΙΣΜΟ B τ u(x):=e x {f(b τ ) u(x) = } x ii ΔΗΜΗΤΡΗΣ ΧΕΛΙΩΤΗΣ Επίκουρος καθηγητής Τμήμα Μαθηματικών Εθνικό και Καποδιστριακό Πανεπιστήμιο Αθηνων Εισαγωγή στον

Διαβάστε περισσότερα

ΑΡΧΗ 1ΗΣ ΣΕΛΙ ΑΣ Β ΤΑΞΗ. ΘΕΜΑ 1ο

ΑΡΧΗ 1ΗΣ ΣΕΛΙ ΑΣ Β ΤΑΞΗ. ΘΕΜΑ 1ο ΑΡΧΗ 1ΗΣ ΣΕΛΙ ΑΣ ΘΕΜΑ 1ο ΠΡΟΑΓΩΓΙΚΕΣ ΕΞΕΤΑΣΕΙΣ Σ ΕΝΙΑΙΟΥ ΛΥΚΕΙΟΥ ΤΡΙΤΗ 30 ΜΑΪΟΥ 2000 ΕΞΕΤΑΖΟΜΕΝΟ ΜΑΘΗΜΑ ΘΕΤΙΚΗΣ ΚΑΙ ΤΕΧΝΟΛΟΓΙΚΗΣ ΚΑΤΕΥΘΥΝΣΗΣ: ΦΥΣΙΚΗ ΣΥΝΟΛΟ ΣΕΛΙ ΩΝ: ΕΞΙ (6) Στις ερωτήσεις 1-4 να γράψετε

Διαβάστε περισσότερα

( ) Π. ΚΡΗΤΗΣ, ΤΜΗΜΑ ΕΠΙΣΤΗΜΗΣ ΥΠΟΛΟΓΙΣΤΩΝ ΗΥ 380, «ΑΛΓΟΡΙΘΜΟΙ & ΠΟΛΥΠΛΟΚΟΤΗΤΑ» Φ 03: ΑΣΥΜΠΤΩΤΙΚΕΣ ΕΚΦΡΑΣΕΙΣ

( ) Π. ΚΡΗΤΗΣ, ΤΜΗΜΑ ΕΠΙΣΤΗΜΗΣ ΥΠΟΛΟΓΙΣΤΩΝ ΗΥ 380, «ΑΛΓΟΡΙΘΜΟΙ & ΠΟΛΥΠΛΟΚΟΤΗΤΑ» Φ 03: ΑΣΥΜΠΤΩΤΙΚΕΣ ΕΚΦΡΑΣΕΙΣ Π. ΚΡΗΤΗΣ, ΤΜΗΜΑ ΕΠΙΣΤΗΜΗΣ ΥΠΟΛΟΓΙΣΤΩΝ ΗΥ 380, «ΑΛΓΟΡΙΘΜΟΙ & ΠΟΛΥΠΛΟΚΟΤΗΤΑ» Φ 03: ΑΣΥΜΠΤΩΤΙΚΕΣ ΕΚΦΡΑΣΕΙΣ Ενδιαφερόμαστε μεν για τους αλγορίθμους αλλά εντός ενός συγκεκριμμένου πλαισίου: (α) ως λύσεις προβλημάτων,

Διαβάστε περισσότερα

Εισαγωγικές Διαλέξεις στην Θεωρία των Αλυσίδων Markov και των Στοχαστικών Ανελίξεων. Οικονομικό Πανεπιστήμιο Αθηνών

Εισαγωγικές Διαλέξεις στην Θεωρία των Αλυσίδων Markov και των Στοχαστικών Ανελίξεων. Οικονομικό Πανεπιστήμιο Αθηνών Εισαγωγικές Διαλέξεις στην Θεωρία των Αλυσίδων Markov και των Στοχαστικών Ανελίξεων Μιχάλης Ζαζάνης Τμήμα Στατιστικής Οικονομικό Πανεπιστήμιο Αθηνών Κεφάλαιο Αλυσίδες Markov σε Συνεχή Χρόνο Αλυσίδες Markov

Διαβάστε περισσότερα

G περιέχει τουλάχιστον μία ακμή στο S. spanning tree στο γράφημα G.

G περιέχει τουλάχιστον μία ακμή στο S. spanning tree στο γράφημα G. ΟΙΚΟΝΟΜΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ - ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΜΕΤΑΠΤΥΧΙΑΚΟ ΠΡΟΓΡΑΜΜΑ ΕΠΙΣΤΗΜΗΣ ΥΠΟΛΟΓΙΣΤΩΝ Σχεδίαση και Ανάλυση Αλγορίθμων Διδάσκων: Ε. Μαρκάκης, Φθινοπωρινό εξάμηνο 2014-2015 Λύσεις 3ης Σειράς Ασκήσεων

Διαβάστε περισσότερα

Pointers. Σημερινό Μάθημα! Χρήση pointer Τελεστής * Τελεστής & Γενικοί δείκτες Ανάκληση Δέσμευση μνήμης new / delete Pointer σε αντικείμενο 2

Pointers. Σημερινό Μάθημα! Χρήση pointer Τελεστής * Τελεστής & Γενικοί δείκτες Ανάκληση Δέσμευση μνήμης new / delete Pointer σε αντικείμενο 2 Pointers 1 Σημερινό Μάθημα! Χρήση pointer Τελεστής * Τελεστής & Γενικοί δείκτες Ανάκληση Δέσμευση μνήμης new / delete Pointer σε αντικείμενο 2 1 Μνήμη μεταβλητών Κάθε μεταβλητή έχει διεύθυνση Δεν χρειάζεται

Διαβάστε περισσότερα

(3 ο ) Εξαντλητική αναζήτηση I: μεταθέσεις & υποσύνολα (4 o ) Εξαντλητική αναζήτηση II: συνδυασμοί, διατάξεις & διαμερίσεις

(3 ο ) Εξαντλητική αναζήτηση I: μεταθέσεις & υποσύνολα (4 o ) Εξαντλητική αναζήτηση II: συνδυασμοί, διατάξεις & διαμερίσεις (3 ο ) Εξαντλητική αναζήτηση I: μεταθέσεις & υποσύνολα (4 o ) Εξαντλητική αναζήτηση II: συνδυασμοί, διατάξεις & διαμερίσεις Είναι πράγματι τα «προβλήματα» τόσο δύσκολα; Είδαμε (σύντομα) στα προηγούμενα

Διαβάστε περισσότερα

Διανυσματικές Συναρτήσεις

Διανυσματικές Συναρτήσεις Κεφάλαιο 5 Διανυσματικές Συναρτήσεις 51 Διανυσματατικές συναρτήσεις Μια συνάρτηση με τιμές στοr n, n>1 λέγεται διανυσματική συνάρτηση Τις διανυσματικές συναρτήσεις ϑα τις συμβολίζουμε με παχειά γράμματα,

Διαβάστε περισσότερα

ΑΡΧΑΙΑ ΕΛΛΗΝΙΚΑ 2014 ΕΝΔΕΙΚΤΙΚΕΣ ΑΠΑΝΤΗΣΕΙΣ

ΑΡΧΑΙΑ ΕΛΛΗΝΙΚΑ 2014 ΕΝΔΕΙΚΤΙΚΕΣ ΑΠΑΝΤΗΣΕΙΣ Διδαγμένο Κείμενο ΑΡΧΑΙΑ ΕΛΛΗΝΙΚΑ 2014 ΕΝΔΕΙΚΤΙΚΕΣ ΑΠΑΝΤΗΣΕΙΣ Α1. Επομένως οι αρετές δεν υπάρχουν μέσα μας εκ φύσεως ούτε αντίθετα προς τη φύση μας, αλλά έχουμε από τη φύση την ιδιότητα να τις δεχτούμε

Διαβάστε περισσότερα

Πιθανότητες ΙΙ 1 o Μέρος. Οικονομικό Πανεπιστήμιο Αθηνών

Πιθανότητες ΙΙ 1 o Μέρος. Οικονομικό Πανεπιστήμιο Αθηνών Πιθανότητες ΙΙ o Μέρος Μιχάλης Ζαζάνης Τμήμα Στατιστικής Οικονομικό Πανεπιστήμιο Αθηνών 4 Απριλίου 7 Κεφάλαιο Συνεχείς Τυχαίες Μεταβλητές. Η εκθετική κατανομή Η πυκνότητα πιθανότητας της εκθετικής κατανομής

Διαβάστε περισσότερα

α 0. α ν x ν +α ν 1 x ν α 1 x+α 0 α ν x ν,α ν 1 x ν 1,...,α 1 x,α 0, ...,α 1,α 0,

α 0. α ν x ν +α ν 1 x ν α 1 x+α 0 α ν x ν,α ν 1 x ν 1,...,α 1 x,α 0, ...,α 1,α 0, Άλγεβρα Β Λυκείου - Πολυώνυμα: Θεωρία, Μεθοδολογία και Λυμένες ασκήσεις Κώστας Ράπτης Μάιος 2011 Μέρος I Πολυώνυμα 1 Πολυώνυμα 1.1 Στοιχεία ϑεωρίας Καλούμε μονώνυμο του x κάθε παράσταση της μορφήςαx ν,

Διαβάστε περισσότερα

Κληρονομικότητα. Σήμερα! Κλάση Βάσης Παράγωγη κλάση Απλή κληρονομικότητα Protected δεδομένα Constructors & Destructors overloading

Κληρονομικότητα. Σήμερα! Κλάση Βάσης Παράγωγη κλάση Απλή κληρονομικότητα Protected δεδομένα Constructors & Destructors overloading Κληρονομικότητα Σήμερα! Κλάση Βάσης Παράγωγη κλάση Απλή κληρονομικότητα Protected δεδομένα Constructors & Destructors overloading 2 1 Κλάση Βάση/Παράγωγη Τα διάφορα αντικείμενα μπορούν να έχουν μεταξύ

Διαβάστε περισσότερα

"Η απεραντοσύνη του σύμπαντος εξάπτει τη φαντασία μου. Υπάρχει ένα τεράστιο σχέδιο, μέρος του οποίου ήμουν κι εγώ".

Η απεραντοσύνη του σύμπαντος εξάπτει τη φαντασία μου. Υπάρχει ένα τεράστιο σχέδιο, μέρος του οποίου ήμουν κι εγώ. "Η απεραντοσύνη του σύμπαντος εξάπτει τη φαντασία μου. Υπάρχει ένα τεράστιο σχέδιο, μέρος του οποίου ήμουν κι εγώ". "Ότι ανόητο είπα μπορεί και να είναι ένα ρέψιμο κάποιου ξεχασμένου αστέρα..." "Δεν κάνει

Διαβάστε περισσότερα

ΠΡΟΛΟΓΟΣ. Αθήνα, 12 Απριλίου 2016.

ΠΡΟΛΟΓΟΣ. Αθήνα, 12 Απριλίου 2016. Αλγεβρική Γεωμετρία ΠΕΡΙΕΧΟΜΕΝΑ Πρόλογος Κεφάλαιο 1. Αλγεβρικές ποικιλότητες 1 1. Αλγεβρικά Σύνολα 1 2. Το Θεώρημα Ριζών του Hilbert 7 3. Συγγενείς Αλγεβρικές Ποικιλότητες 14 4. Πολλαπλότητα και Πολλαπλότητα

Διαβάστε περισσότερα