30 . 104. исполнитель чертёжник действует на координатной плоскости. у него есть перо, которое может быть поднято или опущено. при поднятом пере чертёжник просто перемещается по плоскости; при опущенном — оставляет след в виде линии. исполнитель может выполнять команды: 1) сместиться в точку (а, b), перемещающую чертёжника из точки с координатами (х, у) в точку с координатами (а, b); 2) сместиться на вектор (а, b), перемещающий чертёжника из точки с координатами (х, у) в точку с координатами (x+а, у+b для повторения k раз некоторой последовательности команд используется запись: нц к раз команда1 команда2 командаз кц а) определите, что будет нарисовано после выполнения чертёжником программы: поднять перо сместиться в точку (3, 1) опустить перо сместиться на вектор (2, 0) сместиться на вектор (1, 1) сместиться на вектор (-4, 0) сместиться в точку (3, 1) поднять перо сместиться на вектор (1, 1) опустить перо сместиться на вектор (0, 3) сместиться на вектор (1, -2) сместиться на вектор (-1, -1) б) напишите для чертёжника программу рисования следующей картинки: поднять перо сместиться в точку (3, 2) опустить перо сместиться на вектор сместиться на вектор сместиться на вектор сместиться на вектор сместиться на вектор сместиться на вектор сместиться на вектор в) чертёжнику был дан для исполнения следующий алгоритм: нц 3 раз сместиться на вектор (0, -1) сместиться на вектор (-2, 0) сместиться на вектор (2, -1) кц какую команду надо выполнить чертёжнику, чтобы вернуться в исходную точку, из которой он начал движение?

А) на рисунке в приложении б) нет приложения, невозможно выполнить в) видно на рисунки что общий вектор смещения (0, -6) для возвращения нужно выполнить команду с противоположным вектором сместиться на вектор (0, 6)

#include < bits/stdc++.h>   using namespace std;   int main(){        int n, m, k, c = 0, c1 = 0;         cin > > n > > m > > k;         c = n + m;         if (c % k == 0)        {                c1 = c / k;         }        else        {                c1 = (c / k) + 1;         }        if (2 * c1 < = m)        {                cout < < c1;         }        else        {                cout < < 0;         }         //cout < < "hello world! " < < endl;         return 0; }//sadasdadasdasdasd

Объяснение:

Источник передает элементарные сигналы k различных типов за достаточно длинным отрезком сообщения. Пусть в нем имеется N1 сигналов первого типа, N2 сигналов второго типа, ..., Nk сигналов k-го типа, причем N1 + N2 + ... + Nk = N – общее число сигналов в наблюдаемом отрезке, f1, f2, ..., fk – частоты соответствующих сигналов. При возрастании длины отрезка сообщения каждая из частот стремится к фиксированному пределу, т.е.

lim fi = pi, (i = 1, 2, ..., k),

где рi можно считать вероятностью сигнала. Предположим, получен сигнал i-го типа с вероятностью рi, содержащий – log pi единиц информации. В рассматриваемом отрезке i-й сигнал встретится примерно Npi раз (будем считать, что N достаточно велико), и общая информация, доставленная сигналами этого типа, будет равна произведению Npi log рi. То же относится к сигналам любого другого типа, поэтому полное количество информации, доставленное отрезком из N сигналов, будет примерно равно

Чтобы определить среднее количество информации, приходящееся на один сигнал, т.е. удельную информативность источника, нужно это число разделить на N. При неограниченном росте приблизительное равенство перейдет в точное. В результате будет получено асимптотическое соотношение – формула Шеннона

В последнее время она стала не менее рас чем знаменитая формула Эйнштейна Е = mc2. Оказалось, что формула, предложенная Хартли, представляет собой частный случай более общей формулы Шеннона. Если в формуле Шеннона принять, что

р1 = p2 = ... = рi = ... =pN = 1/N, то

Знак минус в формуле Шеннона не означает, что количество информации в сообщении – отрицательная величина. Объясняется это тем, что вероятность р, согласно определению, меньше единицы, но больше нуля. Так как логарифм числа, меньшего единицы, т.е. log pi – величина отрицательная, то произведение вероятности на логарифм числа будет положительным.

Кроме этой формулы, Шенноном была предложена абстрактная схема связи, состоящая из пяти элементов (источника информации, передатчика, линии связи, приемника и адресата), и сформулированы теоремы о пропускной помехоустойчивости, кодировании и т.д.

В результате развития теории информации и ее приложений идеи Шеннона быстро рас свое влияние на самые различные области знаний. Было замечено, что формула Шеннона очень похожа на используемую в физике формулу энтропии, выведенную Больцманом. Энтропия обозначает степень неупорядоченности статистических форм движения молекул. Энтропия максимальна при равновероятном распределении параметров движения молекул (направлении, скорости и положении). Значение энтропии уменьшается, если движение молекул упорядочить. По мере увеличения упорядоченности движения энтропия стремится к нулю (например, когда возможно только одно значение и направление скорости). При составлении какого-либо сообщения (текста) с энтропии можно характеризовать степень неупорядоченности движения (чередования) символов. Текст с максимальной энтропией – это текст с равновероятным распределением всех букв алфавита, т.е. с бессмысленным чередованием букв, например: ЙХЗЦЗЦЩУЩУШК ШГЕНЕЭФЖЫЫДВЛВЛОАРАПАЯЕЯЮЧБ СБСЬМ. Если при составлении текста учтена реальная вероятность букв, то в получаемых таким образом «фразах» будет наблюдаться определенная упорядоченность движения букв, регламентируемая частотой их появления: ЕЫТ ЦИЯЬА ОКРВ ОДНТ ЬЧЕ МЛОЦК ЗЬЯ ЕНВ ТША.

При учете вероятностей четырехбуквенных сочетаний текст становится настолько упорядоченным, что по некоторым формальным признакам приближается к осмысленному: ВЕСЕЛ ВРАТЬСЯ НЕ СУХОМ И НЕПО И КОРКО. Причиной такой упорядоченности в данном случае является информация о статистических закономерностях текстов. В осмысленных текстах упорядоченность, естественно, еще выше. Так, в фразе ПРИШЛ... ВЕСНА мы имеем еще больше информации о движении (чередовании) букв. Таким образом, от текста к тексту увеличиваются упорядоченность и информация, которой мы располагаем о тексте, а энтропия (мера неупорядоченности) уменьшается.

Используя различие формул количества информации Шеннона и энтропии Больцмана (разные знаки), Л. Бриллюэн охарактеризовал информацию как отрицательную энтропию, или негэнтропию. Так как энтропия является мерой неупорядоченности, то информация может быть определена как мера упорядоченности материальных систем.

В связи с тем, что внешний вид формул совпадает, можно предположить, что понятие информация ничего не добавляет к понятию энтропии. Однако это не так. Если понятие энтропии применялось ранее только для систем, стремящихся к термодинамическому равновесию, т.е. к максимальному беспорядку в движении ее составляющих, к увеличению энтропии, то понятие информации обратило внимание и на те системы, которые не увеличивают энтропию, а наоборот, находясь в состоянии с небольшими значениями энтропии, стремятся к ее дальнейшему уменьшению.