第二章 逻辑代数基础--数电(期末复习笔记)

news2024/11/18 16:28:36

第二章 逻辑代数基础

2.1 概述

逻辑:事物间的因果关系。
逻辑运算:逻辑状态按照指定的某种因果关系进行推理的过程。
逻辑变量:用字母表示,取值只有01。此时,01不再表示数量的大小,只代表两种不同的状态。

2.2 逻辑代数中的三种基本运算

与逻辑
Y=A•B
或逻辑
Y=A+B
非逻辑
Y=A′

补充

在这里插入图片描述

2.3 逻辑代数的基本公式和常用公式

2.31 基本公式

01律
A + 0 = A || A * 0 = 0 
A + 1 = 1 || A * 1 = A

互补律
A + (A反) = 1 || A * (A反) = 0

重叠律
A + A = A || A * A = A

2.32 常用公式

A + A′B 
=(A+A′)(A+B)
=1(A+B)
=A + B

A + AB
=A*(1+B)
=A

A(A+B)
=A·A + A·B
=A + A·B
=A(1+B)
=A

AB + A′C + BC 
=AB + A′C

A·(A·B)=(A′+B′)
=A·A′ + A·B′
=A·B′

2.4 逻辑代数的基本定理

2.41 代入定理

任何一个含有变量A的等式,如果将所有出现A的位置都用同一个逻辑函数代替,则等式仍然成立。

2.42 反演定理

对于任何一个逻辑表达式Y,如果将表达式中的所有“·”换成“+”,“+”换成“·”,“0”换成“1”,“1”换成“0”,原变量换成反变量,反变量换成原变量,那么所得到的表达式就是函数Y的反函数Y′(或称补函数)。
注释:
保持原来的运算优先顺序
不属于单个变量上的反号应保留不变。

2.5 逻辑函数及其描述方法

	常用逻辑函数的表示方法有:逻辑真值表(真值表)、逻辑函数式(逻辑式或函数式)、逻辑图、波形图、卡诺图及硬件描述语言。它们之间可以相互转换。

   把逻辑函数的输入、输出关系写成与、或、非等逻辑运算的组合式,即逻辑代数式,又称为逻辑函数式,通常采用“与或”的形式。

2.51 最小项

	在n变量逻辑函数中,若m为包含n个因子的乘积项,而且这n个变量都以原变量或反变量的形式在m 中出现,且仅出现一次,则这个乘积项m称为该函数的一个标准积项,通常称为最小项。
性质:
	1. 任意一个最小项,只有一组变量取值使其值为12. 任意两个不同的最小项的乘积必为03. 全部最小项的和必为14. 如果列出了函数的真值表,则只要将函数值为1的那些最小项相加,便是函数的最小项表达式。

2.6 逻辑函数的化简方法

2.61 公式法化简

并项法 AB + AB′ = A

吸收法 A + AB = A

**消项法 AB + A′C + BC = AB + A′C

消因子法 A + A′B = A + B

配项法 A + A = A || A + A′ = 1

2.62 卡诺图化简法

定义:
	将n变量的全部最小项各用一个小方块表示,并使具有逻辑相邻性的最小项在几何位置上相邻排列,得到的图形叫做n变量最小项的卡诺图。
1. 在这个方格图中,每个小方格代表 逻辑函数的一个最小项;
2. 且几何相邻的小方格具有逻辑相邻性,即两相邻小方格所代表的最小项只有一个变量取值不同。

特点:
◆卡诺图中的小方格数等于最小项总数,若逻辑函 数的变量数为 n,则小方格数为 2n 个。 
◆卡诺图行列两侧标注的01表示使对应方格内最 小项为1的变量取值。同时,这些01组成的二进制数 大小就是对应最小项的编号。此外,在卡诺图中,几何 相邻的最小项具有逻辑相邻性,因此,变量的取值不能 按照二进制数的顺序排列,必须按循环码(格雷码)排列。 
◆卡诺图是一个上下、左右闭合的图形,即不但紧 挨着的方格是相邻的,而且上下、左右相对应的方格 也是相邻的。

用卡诺图表示逻辑函数:

解:将Y化为最小项之和的形式 ,再画卡诺图

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

合并最小项的原则
1)卡诺图中两个(21)相邻“1”格的最小项可以合并成一个乘积项,并消去一个变量。
(2)任何4个(22个)相邻“1”格的最小项,可以合并为一项,并消去2个变量。
(3)任何8个(23个)相邻“1”格最小项,可以合并为一项,并消去3个变量。

卡诺图化简的基本步骤

1. 得到函数的真值表或将函数化为最小项之和的 标准形式; 
2. 画出函数的卡诺图;
3. 合并最小项(即“画圈”);

★ 总规则:“可以重画,不能漏 画,圈数要少,圈面要大,每个圈 必有一个新‘1’”。

2.7 具有无关项的逻辑函数及其化简

约束项:
    在某些情况下,输入变量的取值不是任意的。当限制某些输入变量的取值不能出现时,可以用它们对应的最小项恒等于0来表示。这些恒等于0的最小项叫约束项。

任意项:
    在输入变量的某些取值下函数值是1还是0皆可,并不影响电路的功能。在这些变量的取值下,其值等于1的那些最小项称为任意项。

注释:
	无关项——约束项和任意项统称为逻辑函数 中的无关项。“无关”指是否将这些最小项写入逻 辑函数式无关紧要,在卡诺图中用符号“φ”、“×”或“d”表示无关项。在化简函数时即可以认为它是1,也可以认为它是0。
    无关项在化简逻辑函数中的应用 化简具有无关项的逻辑函数时,如果能合理利用这些 无关项,一般都可以得到更加简单的化简结果。合并最小项时,究竟把卡诺图上的“×”作为1还是0, 应以得到的相邻最小项矩形组合最大,而且矩形组合数目 最小为原则。

2.8 多输出逻辑函数的化简

在化简多输出函数时,如果不是孤立的对每个函数进行化简,而是从整体上综合考虑进行化简,有时会得到更加简单的化简结果。

2.9 逻辑函数形式的变换

在前面所讲的逻辑函数化简方法中,都是以最简与或式作为化简目标的。然而在用电路实现这些逻辑函数时,这种最简与或式有时并不是理想的形式。这是因为在电路实现的过程中,往往可供选择的电子器件种类有限,所以必须把逻辑函数的形式变换为与所用器件相适应的形式。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/660569.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

人工智能期末复习(简答)

第1章 人工智能概述 1.什么是人工智能? 人工智能(Artificial Intelligence, AI),又称机器智能(MI,Machine Intelligence), 主要研究用人工的方法和技术开发智能机器或智能系统,以模…

交换机配置DHCP服务(华为交换机)

#三层交换机互联互通 配置 #进入系统视图 <Huawei>system-view #关闭系统提示信息 [Huawei]undo info-center enable #启动DHCP功能 [Huawei]dhcp enable #创建vlan 10 并配置 vlanif 地址 [Huawei]vlan 10 [Huawei-vlan10]int vlanif 10 [Huawei-Vlanif10]ip addr…

软考A计划-网络工程师-专业英语

点击跳转专栏>Unity3D特效百例点击跳转专栏>案例项目实战源码点击跳转专栏>游戏脚本-辅助自动化点击跳转专栏>Android控件全解手册点击跳转专栏>Scratch编程案例点击跳转>软考全系列 &#x1f449;关于作者 专注于Android/Unity和各种游戏开发技巧&#xff…

初识轻量级分布式任务调度平台 xxl-job

文章目录 前言xxl-job的目录结构项目依赖 (父 pom.xml)xxl-job-admin 启动xxl-job-executor-sample (项目使用示例)xxl-job-executor-sample-frameless : 不使用框架的接入方式案例xxl-job-executor-sample-springboot : springboot接入方案案例 xxl-job执行器器启动流程分析调…

python高效使用方法03_pandas中的rolling.mean滚动求均值效率究竟如何?

先上图来说明pandas.rolling(n).mean()滚动求均值的方法效率其实并不是最高的&#xff0c;我自己尝试使用cython把滚动求均值的方法重新编译了一下&#xff0c;发现效率总体上是pandas的三倍以上。 总结&#xff1a;pandas比较合适用于普通的研究分析工作&#xff0c;如果用到追…

AcWing802:详解

原题引出 题解分析 首先毫无置疑的是本体需要用到离散化的知识&#xff0c;将输入的索引下标放到一个vector当中存起来&#xff0c;在该vector当中&#xff0c;利用其本身的索引我们对称构造两个数组a和s&#xff08;用于求前缀和&#xff09;。那么最关键的一个问题就是如何通…

NodeJS Socket编程⑩③

文章目录 ✨文章有误请指正&#xff0c;如果觉得对你有用&#xff0c;请点三连一波&#xff0c;蟹蟹支持&#x1f618;前言Socket编程1、WebSocket VS HTTP请求2、浏览器支持3、WebSocket Practice4、WebSocket 授权验证5、SocketIO模块 &#x1f5e1; Express~WebSokcetIOServ…

Java中不支持多重继承原因

在 Java 中回答这种棘手问题的关键是准备好相关主题, 以应对后续的各种可能的问题。 这是非常经典的问题&#xff0c;与为什么 String 在 Java 中是不可变的很类似; 这两个问题之间的相似之处在于它们主要是由 Java 创作者的设计决策使然。 为什么Java不支持类多重继承, 可以考…

UML基本图例

UML基本图例 软件流程和UML基本图例软件流程&#xff1a;下面是九种常用的UML图&#xff1a;1.用例图&#xff08;UseCase Diagrams&#xff09;2.类图&#xff08;Class Diagram&#xff09;3.对象图&#xff08;Object Diagrams&#xff09;4.状态图&#xff08;Statechart D…

6道常见hadoop面试题

Q1.什么是Hadoop&#xff1f;   Hadoop是一个开源软件框架&#xff0c;用于存储大量数据&#xff0c;并发处理/查询在具有多个商用硬件&#xff08;即低成本硬件&#xff09;节点的集群上的那些数据。总之&#xff0c;Hadoop包括以下内容&#xff1a;   HDFS&#xff08;Ha…

Chiplet技术概览

一、概览 chiplet技术顺应了芯片生产与集成技术发展的趋势&#xff0c;也开拓了半导体技术发展的新的发展方向&#xff0c;将创造出一种新的芯片设计和商业模式 1.1 芯片生产与集成技术发展的趋势 &#xff08;1&#xff09;低半径高带宽的物理连线(bandwidth / memory wall…

打开win10“启动”文件夹的2种方式

方式1&#xff1a;通过CMD命令 1.输入代码 按WinR键打开运行窗口&#xff0c;输入“shell:Common Startup”代码。 2.点击确定 点击下面的确定按钮&#xff0c;运行代码。 3.打开文件夹 弹出文件夹即为系统启动文件夹。 方式2&#xff1a;输入路径 1.打开文件管理器 打…

【城市开发者职业成长交流 - 重庆】加强交流,共创成长:重庆程序员的线下交流会总结

周五睡觉前&#xff0c;我把窗帘拉的严严实实&#xff0c;所有的闹钟全部取消&#xff0c;甚至另外一只电话直接关机掉&#xff0c;为的是第二天可以好好的躺到自然醒&#xff0c;我其实也不知道具体的几点&#xff0c;就感觉连上被踩&#xff01;无奈的睁开眼睛&#xff0c;看…

基于WEB的院校课程管理系统设计与实现(论文+源码)_kaic

摘要 课程管理是学校管理工作的核心&#xff0c;是最为繁琐也最容易出错的工作&#xff0c;开发和 应用课程管理系统能够让课程管理工作人员从繁琐的工作中解脱出来&#xff0c;提高课程 管理的工作效率[1]&#xff0c;实现课程管理的信息化。虽然目前高职院校应用的课程管理系…

bigdata.com《大数据计算框架》样题

容量单位从小到大的顺序依次为&#xff1a;TB、PB、EB、ZB。 . 用于设置环境变量的文件是 .bash_profile . 将HDFS文件下载到本地的命令是 hadoop fs -get。 . 不需要Java环境的支持是 MySQL . 通配符是用于模糊匹配的特殊字符&#xff0c;可以在关键字查询中使用。在MySQL…

助你面试一臂之力,认识银行测试

我们知道软件测试是为了保证软件的质量和可靠性而在新软件系统上线之前对软件进行的质量检测工作。通过软件测试这个过程找出软件中的错误&#xff0c;分析错误的产生原因和容易产生错误的区域&#xff0c;进而有针对性的设计测试方法提高软件测试的效率。 以上简单讲述了一下…

k8s 之网络组件-Calico(十九)

下载资源 &#xff1a;安装 kubernetes 网络组件-Calico 一&#xff0c;简介 Calico是Kubernetes生态系统中另一种流行的网络选择。虽然Flannel被公认为是最简单的选择&#xff0c;但Calico以其性能、灵活性而闻名。Calico的功能更为全面&#xff0c;不仅提供主机和pod之间的网…

【深入浅出密码学】离散对数

群相关知识点 离散对数相关 ## 蛮力搜索 对于解决 α x β \alpha^{x} \beta αxβ,我们不断地选取合适地 x x x,计算 a x a^x ax&#xff0c;直到找到满足这个等式的 x x x&#xff0c;时间复杂度 O ( ∣ G ∣ ) O(|G|) O(∣G∣). Baby-Step Giant-Step 对于解决 α x β…

卡尔曼滤波器使用一维与二维以及代码编写

注&#xff1a;要视频学习可以去B站搜索“DR_CAN”讲解的卡尔曼滤波器&#xff0c;深有体会&#xff01; 链接&#xff1a; 1、【学习心得|基于卡尔曼滤波的MPU6050姿态解算】https://www.bilibili.com/video/BV1sL411F7fu?p2&vd_source3d0b47bb7325b7b3a156ba92207bbd6…

【人工智能】— 神经网络、M-P 神经元模型、激活函数、神经网络结构、学习网络参数、代价定义、总代价

【人工智能】— 神经网络 神经网络的历史Neural Network IntroM-P 神经元模型激活函数(Activation function)神经网络结构举例训练神经网络学习网络参数代价定义均方误差交叉熵&#xff08;Cross Entropy&#xff09; 总代价 神经网络的历史 第一阶段 ⚫ 1943年, McCulloch和Pi…