Программирование

Тип работы: Все Диплом Задача Курсовая работа Лабораторная работа Ответы на вопросы
Язык программирования: Все Bash Basic Batch C C# C# ASP .NET C++ Delphi Fortran HTML Java JavaScript Object Pascal Pascal Pascal ABC Python VBA Visual Basic алгоритмические языки
Блок-схема: Все Есть Нет
Сортировать по умолчанию цене названию

  • Задание лабораторной работы №4
    Найти сумму элементов, расположенных выше главной диагонали.
    Создать ступенчатый массив, скопировав в него только чётные элементы начального массива.
    Задание лабораторной работы №5
    Разработать класс Cust (арендатор), содержащий следующие поля:
    - INN (ИНН арендатора),
    - name (название арендатора),
    - address (адрес арендатора),
    - room (номер кабинета),
    - chief (фамилия руководителя);
    методы:
    - GetFloor() — получить номер этажа (зависит от номера кабинета, кабинеты, номера которых начинаются на 1 находятся на 1-м этаже, номера которых начинаются на 2 находятся на 2-м этаже и т.д.).
    Написать программу, демонстрирующую работу указанных выше элементов класса. В программе должен быть создан массив объектов разработанного класса, реализован ввод и вывод объектов, содержащихся в массиве.
    Задание лабораторной работы №6
    - Все поля класса, для которых необходимо ограничение на значение поля, описать с модификатором private.
    - Добавить методы для считывания и записи значений одного из полей с модификатором доступа private. В метод для записи значения в поле установить ограничение на значение.
    - Добавить два свойства для считывания и записи значений двух полей с модификатором доступа private с учетом ограничений на значение.
    - Переделать главную функцию программы Main таким образом, чтобы программа компилировалась, работала корректно и демонстрировала использование добавленных методов и свойств.
    Задание лабораторной работы №6а
    Изменить класс, разработанный в предыдущей лабораторной работе следующим образом:
    - Добавить в класс конструктор по умолчанию, конструктор с параметрами и конструктор копирования с учетом ограничений на соответствующие поля.
    - Реализовать операторы сравнения (> и <) для класса.
    - В программе выполнить сортировку массива объектов.
    Задание лабораторной работы №7
    Разработать класс PhisCust, являющийся наследником класса Cust, добавив следующие поля:
    - passport (номер паспорта),
    - snils (страховой номер индивидуального лицевого счёта).
    Для физического лица поля название и фамилия руководителя должны всегда совпадать.
    Задание лабораторной работы №8
    Написать программу, вычисляющую и выводящую на экран таблицу значений функции F в диапазоне от xнач до xкон с шагом dx.
    Все исходные данные для расчёта значений функции необходимо задавать на начальной форме, а результаты вычислений выводить на другой. После вычисления функции на исходной форме необходимо вывести количество посчитанных значений.
    Если введённые значения xнач, xкон и dx не позволяют организовать цикл (например xкон < xнач при положительном значении dx, или dx=0 и т.д.), то необходимо вывести сообщение об ошибке и не проводить расчётов.

    1. Составить массив из бинарного файла.

    Считать множитель из текстового файла.

    Умножить все элементы этого множитель.

    Вывести результат на файл.

    1. А) Программа записывает тип прогрессии (геометрическая, арифметическая), шаг, первое число, число элементов.

    Создает массив с элементами программы и записывает в файлы: .dat; .txt

    Б) Программа считывает массив из файла, проверит файл на корректность и переполнение формата.

  • .      Заменить первый отрицательный элемент массива на первый положительный.

    2.      Умножить все четные положительные элементы на последний элемент массива.

    3.      Из элементов массива P сформировать массив M той же размерности по правилу: если элемент четный, то Mi=i*Pi , если нечетный, то Mi=-Pi. 

  • Другое, Информатика Создание программы на языке Pascal.

    Задача 1

    Условие:

    Написать программу, которая выводить на экран надпись: HelloWorld.

    Задача 2

    Условие:

    Написать программу расчета площади круга.

    Задача 3

    Условие:

    Написать программу вывода 10 значений функции y=ax2 , значения х взять от 0 до 9, значение коэффициента a - 15

    Задача 4

    Условие:

    Написать программу выделения цифр из двузначного числа, для проверки результата используйте 15.

    Задача 5

    Условие:

    .      Заменить второй элемент массива на максимальный среди отрицательных.

    2.      Заменить элементы массива между минимальным и максимальным на те же элементы в обратном порядке

    3.      Из элементов массива P сформировать массив M той же размерности по правилу: первый  и последний элементы  равны нулю, а все остальные по формуле Mi=-Pi*(i+1). 

  • 1. В одномерном массиве, состоящем из n вещественных элемен-
    тов:
    1) положительные элементы уменьшите вдвое, а отрицательные
    замените на значения их индексов;
    2) определите число соседств двух положительных чисел.
    Преобразуйте массив следующим образом: удалите все нечетные
    элементы, остальные упорядочите по возрастанию.
    41
    2. Дана целочисленная квадратная матрица:
    1) определите, превышают ли все элементы выше главной диаго-
    нали, элементы, расположенные ниже ее симметрично (то есть Aij
    сравнивается с Aji);
    2) удалите строки матрицы, в которых есть хотя бы один нуле-
    вой элемент

  • Имеются 4 задачи С++ (консоль)

    Задание №1. Программирование линейных алгоритмов.

     

    1. 1.                                        Найти сумму членов арифметической прогрессии, если известны ее первый член, знаменатель и число членов прогрессии.

    Описание переменных:

    n – число членов прогрессии;

    a – первый член прогрессии;

    d – знаменатель.

    Задание 2. Программирование ветвящихся алгоритмов.

     

    1. Грузовой автомобиль выехал из одного города в другой со скоростью V1 км/час. Через t часов в этом же направлении выехал легковой автомобиль со скоростью V2 км/час. Составить программу, определяющую, догонит ли легковой автомобиль грузовой через t1 часов после своего выезда.

    Описание переменных:

    v1 – скорость грузового автомобиля;

    t – интервал между выездами;

    v2 – скорость легкового автомобиля;

    t1 – время поездки легкового автомобиля.

    Задание 3. Программирование циклических алгоритмов

    Дано действительное число x. Вычислить:

     

    (x -1)(x - 3)(x - 7) *...(x - 63)

    (x - 2)(x - 4)(x - 8) *...* ( x - 64)

     

    Описание переменных:

    x – параметр;

    ch – числитель;

    zn – знаменатель.

     

    Задание 4. Линейные массивы. Сортировка массивов

    1. 1.             Найти произведение элементов линейного массива целых чисел, которые кратны 5. Размерность массива –10. Заполнение массива осуществить случайными числами от 10 до 100.

     

    Описание переменных:

    mas[10] – исходный массив чисел;

    p – произведение элементов, кратных 5.

  • 1. Дана строка, содержащая текст на русском языке. Найти слово,
    встречающееся в каждом предложении, или сообщить, что такого слова нет.
    2. Написать программу, которая находит и выводит на печать все
    четырехзначные числа вида abcd , для которых выполняется: a, b, c, d –
    разные цифры; a*b-c*d =a+b+c+d

  •  

    1. Сформировать и вывести на экран целочисленный массив, элементы ко­торого заданы датчиком случайных чисел на интервале [-15, 15] (размер 10 элементов), вставить на 7 место значе­ние 100. Вывести исходный и новый массив.
    2. В произвольном массиве найти но­мер последнего нечетного элемента.
    3. В произвольном массиве найти ко­личество положительных четных эле­ментов массива.

  • <img src="data:image/png;base64,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

  • Задание 5

    а)      Найти сумму элементов главной диагонали массива 10*10.

    б)      Найти сумму элементов побочной диагонали массива 10*10.

    Задание 6

    А)1айти сумму элементов, стоящих над главной диагональю массива 10*10.

    Б) Найти сумму элементов, стоящих под главной диагональю массива 10*10.

  • 24.1. Создать класс, используя сведения, представленные в таблице. Разработать программу, демонстрирующую работу с объектами этого класса согласно исходных данных и требуемых результатов, представленных в таблице.

  • Лабораторная, Информатика и программирование 3 лабораторные работы

    Лабораторная работа № 1

    ПРОГРАММИРОВАНИЕ РАЗВЕТВЛЯЮЩИХСЯ ПРОЦЕССОВ

     

    Цель работы: Получить навыки программирования простых циклических процессов , содержащих разветвляющийся блок в теле цикла.

     

     

    Подготовка к лабораторной работе

     

             

    1. Повторить  назначение и форматы операторов цикла в языке Си.
    2. Повторить назначение и формат условного оператора языка Си.
    3. Повторить правила записи логических выражений в языке Си.

     

    Задание к лабораторной работе

     

    Написать программу на языке Си для расчета таблицы значений заданных математических выражений.

                                             

       Варианты заданий

     

    Таблица 3

     

    №

    вар.

    Функция

    Изменение аргумента

     

    10.

     

    T=Sin4(AX), если А<20

    T=XA+Tg(AX), если А>=20

    X= 5;

    A изменяется от 10 до 30 с шагом 5

     

     

    Содержание отчета

     

    1. Номер и тема лабораторной работы.
    2. Задание к лабораторной работе.
    3. Схема алгоритма решения задачи.
    4. Программа на языке Cи.
    5. Скрины экранов с результатами выполнения программы.

     

    Контрольные вопросы

     

    1. Типы данных языка Си.
    2. Схема простого циклического процесса
    3. Условные операторы в языке Си, особенности их использования.

     

     


    Лабораторная работа № 2

    ФОРМИРОВАНИЕ И ОБРАБОТКА ОДНОМЕРНЫХ МАССИВОВ

     

    Цель работы: Приобретение навыков разработки алгоритмов формирования и  обработки одномерного массива. Закрепление понятий базовых структур цикл, разветвление.

     

     

    Подготовка к лабораторной работе

     

    1. Повторить вопросы организации циклических алгоритмов.

     2. Повторить следующие вопросы и понятия :

    • массивы данных (размерность массива, обращение к элементу массива,  расположение элементов массива в памяти ПК);
    • правила работы с массивами данных на языке программирования Си: описание массива, задание типа и размерности массива;
    • организация циклов для ввода и формирования элементов массива;
    • алгоритм поиска максимального (минимального) элемента одномерного массива;
    • алгоритм поиска суммы элементов одномерного массива;
    • алгоритм подсчета количества элементов одномерного массива, удовлетворяющих поставленному условию;
    • организация вывода элементов массива.

     

     

     

    Задание к лабораторной работе

     В соответствии с вариантом (таблица 4)  разработайте алгоритм обработки элементов массива.

     Напишите программу на алгоритмическом языке в соответствии со схемой алгоритма.

    Проведите тестирование программы в среде программирования.

     

     

    Рекомендации: После окончания цикла формирования массива организуйте вывод массива и вывод результатов обработки массива. Результаты, например, могут иметь вид:

     

    ИСХОДНЫЙ МАССИВ А:

    15.583   19.287   28.385   45.621   39.728   5.456    -8.087    3.897    

    ПОЛУЧЕННЫЕ РЕЗУЛЬТАТЫ:

    МАХ = 45.621

                  

     

      Варианты заданий

    Таблица 4

     

    №

    вар.

    Исходные данные

    Действия по обработке массива

    10

    Массив А[15] сформировать по правилу

    Найти минимальный элемент и сумму отрицательных элементов. Заменить в массиве А минимальный элемент найденной суммой.

     

     

    Содержание отчета

     

    1.Номер и тема лабораторной работы.

    2.Вариант задания.

    3.Результаты  подготовки:

    - схема алгоритма обработки элементов массива,

    - программа на заданном алгоритмическом языке.

    4.Итоги работы :

    - скрины экранов с результатами работы программы.

     

    Контрольные вопросы

     

    1.Какие ограничения накладываются на индексы элементов массивов?

    2.Способы описания массивов на языке Си. Понятия размерности массива, описание размерности массивов.

    3.Задание типов элементов массива. Могут ли элементы массива иметь разный тип?

    4.Как располагаются элементы  массива в памяти?

    5.Чем отличаются алгоритмы поиска максимального и минимального элемента массива.

    6.  Чем отличаются алгоритмы расчета суммы и подсчета числа элементов массива.

     


     

     

    Лабораторная работа №3

    ОБРАБОТКА СИМВОЛЬНОЙ ИНФОРМАЦИИ

     

    Цель работы: Приобрести навыки разработки программ для обработки символьной информации.

     

                                        Подготовка к лабораторной работе

    1. Изучить разделы теоретического материала по языку Си: обработка символьной информации: правила описания символьных массивов, правила ввода данных в символьный массив, обработка символьных массивов.

     

    Задание к лабораторной работе

    1.Подготовить текст исходного предложения в соответствии с вариантом задачи, указанным в таблице (предложение должно заканчиваться точкой, разделитель слов в предложении - пробел).

    2. Составить схему алгоритма задачи согласно варианту задания.

    3. Составить программу обработки предложения и выполнить ее на ПК

     

    Варианты заданий:

    Таблица 5

    Вариант

    Условие задачи

    10

     

    В каждом слове заданного предложения поменять местами первую букву и последнюю.

     

     

    Содержание отчета

    1. Номер и тема лабораторной  работы.

    2. Вариант задания.

    3. Результаты  подготовки:

    - схема алгоритма обработки предложения,

    - программа на алгоритмическом языке.

    4. Итоги работы программы:

    - скрины экрана с результатами работы программы.

     

    Контрольные вопросы

    1. Описание символьных данных и строк на языке Си.
    2. Встроенные функции языка Си, используемые для обработки строк.
    3. Кодирование символьной информации в ПЗВМ.

     

  • Вариант 1.

    1. Сформировать с помощью датчика случайных чисел и вывести на экран матрицу, размером MxN. Элементы задаются на интервале [-20, 25].

    1. Найти произведение элементов первой и третьей строк матрицы NxN.
    2. Найти наибольший элемент в третьем столбце матрицы и выведите его индексы.

  • 1. Сформировать с помощью датчика случайных чисел и вывести на экран матрицу, размером MxN. Элементы задаются на интервале [-30, 30].

    2. Найти сумму элементов третьей строки и второго столбца матрицы NxN.

  • Лабораторная №1.

    Разместите на форме четыре кнопки (Button). Сделайте на кнопках следующие надписи: «красный», «зеленый», «синий», «желтый». Создайте четыре обработчика события нажатия на данные кнопки, которые будут менять цвет формы в соответствии с текстом на кнопках.

    Лабораторная №2.

    Лабораторная №3.

    Лабораторная №4.

    В массиве из 20 целых чисел найти наибольший элемент и поменять его местами с первым элементом.

    Лабораторная №5.

     Дана строка, состоящая из групп нулей и единиц. Посчитать количество нулей и единиц.

     

  • Создать в программе “Блокнот” текстовый файл с текстом любимого стихотворения.

    Написать программу, которая будет построчно считывать текст из файла и определять длину каждой строки. Если длина строки четная - посчитать количество гласных букв в строке. Если нечетная - количество согласных. Вывести в новый файл строку, длину строки и количество посчитанных букв.

  • Дан текст из некоторою количества предложений. Предложения разделяются знаком - точка с запятой. Разделить текст на отдельные предложения Вывести исходный текст, результат обработки текста и длину каждого полученного предложения