首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

如何使用Z-表示法证明(p^q) ^(q -> r) <-> r?

首先,Z-表示法是一种用于描述和证明程序正确性的形式化方法,它使用谓词逻辑和集合论来定义和推导程序的性质。

对于给定的命题 (p^q)^(q->r) <-> r,我们可以使用Z-表示法来证明它。

步骤如下:

  1. 定义谓词:
    • 定义命题p,q和r为逻辑命题。
    • 定义集合P,Q和R,每个集合包含所有满足相应逻辑命题的对象。
  • 证明左侧推导到右侧:
    • 假设 (p^q)^(q->r) 成立。
    • 根据蕴含的定义,我们可以得到以下蕴含关系:
      • (p^q)^(q->r) -> r
    • 证明如下:
      • 假设 (p^q)^(q->r) 成立。
      • 根据合取的定义,我们可以得到以下合取关系:
        • p^q 成立。
      • 根据合取的定义,我们可以得到以下合取关系:
        • q 成立。
      • 假设 q 成立。
      • 根据条件语句的定义,我们可以得到以下条件语句关系:
        • q->r 成立。
      • 假设 q->r 成立。
      • 根据蕴含的定义,我们可以得到以下蕴含关系:
        • r 成立。
      • 因此,我们证明了 (p^q)^(q->r) -> r。
  • 证明右侧推导到左侧:
    • 假设 r 成立。
    • 根据蕴含的定义,我们可以得到以下蕴含关系:
      • r -> (p^q)^(q->r)
    • 证明如下:
      • 假设 r 成立。
      • 根据合取的定义,我们可以得到以下合取关系:
        • p^q 成立。
      • 根据条件语句的定义,我们可以得到以下条件语句关系:
        • q->r 成立。
      • 根据合取的定义,我们可以得到以下合取关系:
        • (p^q)^(q->r) 成立。
      • 因此,我们证明了 r -> (p^q)^(q->r)。
  • 根据双向蕴含的定义,我们可以得出结论:
    • (p^q)^(q->r) <-> r 成立。

注意:在这个过程中,没有提及任何特定的云计算品牌商或产品,因为Z-表示法是一种与特定技术或平台无关的形式化方法。若您需要了解腾讯云相关产品和产品介绍,建议您访问腾讯云官方网站或咨询腾讯云的技术支持团队。

页面内容是否对你有帮助?
有帮助
没帮助

相关·内容

科学瞎想系列之一三二 电机绕组(9)

上期讲了主极磁场分布不是正弦时产生的磁势高次谐波。本期我们讲另一种谐波电势——齿谐波电势。所谓齿谐波电势就是谐波的次数与每极槽数有着特定关系的谐波电势,根据上期讲的“种瓜得瓜种豆得豆”理论,其实齿谐波电势也是由于主极磁势中存在着齿谐波磁势引起的,只不过这种次数的谐波电势被齿槽给“调制放大”了,为了说清楚齿谐波电势被“调制放大”的机理,我们还是从任意υ次谐波电势的幅值讲起。 1 任意υ次谐波电势的大小 1.1 任意υ次谐波磁势产生的谐波磁场 上一期的(11)式讲到,对于转子主极任意一个υ次谐波磁势所产生的磁场包括三种,现将上期的第(11)式的推导结果重新列出如下: Bυ=Bυ0•sin(υ•ωt-υ•p•α)+∑Bυk•sin[υ•ωt-(k•Z+υ•p)α]+∑Bυk•sin[υ•ωt+(k•Z-υ•p)α] ⑴ 式中:Z为定子槽数;p为极对数;ω为转子旋转电角速度;k=1,2,3…; Bυ0=Fυ•λ0 ⑵ Bυk=(1/2)•Fυ•λk ⑶ 上述⑴式表明,任意一个υ次谐波磁势都会在气隙中产生三种谐波磁场:一是极对数为υ•p、转向与转子相同(顺转)、转速为同步转速的基本谐波磁场,(⑴式中第一项);二是一系列极对数为k•Z+υ•p(k=1,2,3…),转速为n1•υ•p/(k•Z+υ•p)的顺转谐波磁场(⑴式中第二项和式);三是一系列极对数为k•Z-υ•p,转向或顺转或反转、转速为n1•υ•p/(k•Z-υ•p)的谐波磁场(⑴式中第三项和式)。虽然这些谐波磁场的极对数各不相同,转速和转向也各式各样,但却都在定子绕组中感应出相同频率υ•f1的谐波电势。接下来我们就分别对这三种磁场产生的谐波电势进行解析计算,需要说明的是,这里用解析法计算纯粹是为了分析影响谐波电势大小的因素,以便后续讲解削弱谐波电势的机理,实际设计电机时还是建议用有限元进行定量仿真计算。 1.2 基本谐波磁场产生的υ次谐波电势 基本谐波磁场的极对数为υ•p,转速为n1,磁场幅值为Bυ0。感应出的谐波电势频率为υ•f1,谐波电势有效值为: Eυ0=4.44•υ•f1•Kdpυ•W•Φυ0 ⑷ Φυ0=(2/π)•Bυ0•τυ0•l ⑸ τυ0=π•D/(2υ•p) ⑹ 式中:Φυ0为基本谐波磁场的每极磁通;τυ0为基本谐波磁场的极距;D为电枢直径;l为铁心长;W为每相串联匝数;Kdpυ为υ次谐波绕组系数。将⑵、⑸、⑹式代入⑷式得: Eυ0=4.44•υ•f1•Kdpυ•W•(2/π)•Fυ•λ0•π•D•l/(2υ•p) =4.44•f1•(Kdpυ•W/p)•D•l•Fυ•λ0 =Ke•Kdpυ•Fυ•λ0 ⑺ 式中:Ke=4.44•f1•W•D•l/p,对于已经制造完成的电机,在一定的转速下(f1一定),Ke为一常数。由⑺式可见,由基本谐波磁场产生的υ次谐波电势与υ次谐波的绕组系数Kdpυ、υ次谐波的磁势幅值Fυ以及气隙平均磁导λ0成正比,要想削弱基本谐波磁场产生的谐波电势,需要从这三个方面入手(后续会详细讲解削弱方法)。 1.3 极对数为k•Z+υ•p的谐波磁场产生的υ次谐波电势 极对数为k•Z+υ•p的谐波磁场转速为n1•υ•p/(k•Z+υ•p),磁场幅值为Bυk。在绕组中同样感应出频率为υ•f1的谐波电势,谐波电势有效值为: E′υk=∑【k=1,2,3…】4.44•υ•f1•Kdpυ•W•Φ′υk ⑻ Φ′υk=(2/π)•Bυk•τ′υk•l ⑼ τ′υk=π•D/[2(k•Z+υ•p)] ⑽ 式中:Φ′υk为极对数为k•Z+υ•p的谐波磁场的每极磁通;τ′υk为极对数为k•Z+υ•p的谐波磁场的极距。将⑶、⑼、⑽式代入⑻式并整理得: E′υk=∑【k=1,2,3…】(1/2)•Ke•Kdpυ•Fυ•λk/ [k•Z/(υ•p)+1] =∑【k=1,2,3…】(1/2)•Ke•Kdpυ•Fυ•∑【k=1,2,3…】(λk•(υ•p)/(k•Z+υ•p) =Ke•Kdpυ•Fυ•∑【k=1,2,3…】λk•ξ1 =Eυ0•∑【k=1,2,3…】(λk/λ0)•ξ1 (11) 式中: ξ1=(υ•p)/[2•(k•Z+υ•p)] (12) 由(11)式可见,极对数为k•Z+υ•p (k=1,2,3…)的一系列谐波磁场产生的υ次谐波电势有效值,除了与υ次谐波的绕组系数Kdpυ、υ次谐波的磁势幅值Fυ以及k阶气隙磁导λk成正比外,还与一个系数ξ1有关,由(12)式可见,这个系数ξ1<1,且(λk/λ0)<1,这就意味着这种极对数为k•Z+υ•p (k

02
  • ECCV 2022 | VisDB:基于学习的密集人体鲁棒估计

    从单目图像估计 3D 人体姿势和形状是动作重定向、虚拟化身和人类动作识别等各种应用的关键任务。这是一个具有根本挑战性的问题,因为深度模糊和人类外表的复杂性会随着关节、衣服、照明、视角和遮挡而变化。为了通过紧凑的参数表示复杂的 3D 人体,诸如 SMPL 之类的基于模型的方法已在社区中得到广泛使用。然而,SMPL 参数以整体方式表示人体,导致通过直接它们的参数无法灵活适应真实世界图像。更重要的是,当人体在图像中不完全可见时,基于回归的方法往往会失败,例如,被遮挡或在框架外。在这项工作中,作者的目标是学习与输入图像并且对部分身体情况具有鲁棒性的人体估计。

    02
    领券