Jacek Czekaj. Rodziny równoważne z bazodanową rodziną relacji
|
|
- Alicja Krzemińska
- 5 lat temu
- Przeglądów:
Transkrypt
1 UNIWERSYTET ŚLĄSKI W KATOWICACH WYDZIAŁ MATEMATYKI, FIZYKI I CHEMII Jacek Czekaj Rodziny równoważne z bazodanową rodziną relacji Praca magisterska napisana pod kierunkiem dra Przemysława Koprowskiego KATOWICE 2005
2
3 Spis treści Wstęp Oznaczenia Rozdział 1. Logiczny wstęp Syntaktyka systemów logicznych Semantyka systemów logicznych Pojęcie pełności. Równoważność rodzin modeli Rozdział 2. Relacyjne bazy danych Podstawowe pojęcia relacyjnych baz danych Operacje na relacjach Rozdział 3. Zależności funkcyjne Określenie zależności funkcyjnych System logiki zależności funkcyjnych Rozdział 4. Zależności wielowartościowe Określenie zależności wielowartościowych System logiki zależności wielowartościowych Rozdział 5. Zależności funkcyjne i wielowartościowe Zależności funkcyjne i wielowartościowe w rodzinie relacji System logiki zależności funkcyjnych i wielowartościowych Domknięcie. Baza zależności Rozdział 6. Równoważne rodziny modeli Rodzina relacji dwukrotkowych Rodzina waluacji Rodzina podzbiorów zbioru atrybutów Równoważność względem zależności funkcyjnych i wielowartościowych Równoważność względem zależności funkcyjnych i względem zależności wielowartościowych Rozdział 7. Przykłady zastosowań Elementarne zastosowania uzyskanych rezultatów Proover dla systemu DEP Nota bibliograficzna Bibliografia Skorowidz symboli
4
5 Wstęp W niniejszej pracy zajmujemy się pewnymi rodzinami modeli, równoważnymi z bazodanową rodziną relacji. Równoważność tych rodzin opisywana jest w literaturze dość nieformalnym językiem. W rozdziale pierwszym przedstawiamy podstawowe pojęcia logiki matematycznej, w tym pojęcie konsekwencji syntaktycznej i pojęcie konsekwencji określonej na rodzinie modeli, które pozwalają precyzyjnie określić pełność oraz równoważność rodzin modeli. Nakreślamy także zalety formalnego badania teorii. W rozdziale drugim przedstawiamy podstawowe pojęcia związane z relacyjnymi bazami danych. Opisujemy wybrane operacje, jakie można wykonywać na relacjach. Na przykładzie, prezentujemy także korzyści płynące z przechowywania informacji za pomocą relacji. W rozdziale trzecim opisujemy zależności funkcyjne. Podajemy definicję zależności funkcyjnej oraz definicję prawdziwości zależności funkcyjnej w relacji. Twierdzenie Heath, które prezentujemy, obrazuje dużą wagę zależności funkcyjnych w teorii baz danych. Jest to mocny argument przemawiający za dogłębnym zbadaniem zależności funkcyjnych, dlatego też prezentujemy formalny system logiczny dla zależności funkcyjnych. Twierdzenie Heath nasuwa przypuszczenie, iż w relacyjnych bazach danych mogą istnieć zależności, które nie mają charakteru zależności funkcyjnych. Właśnie takie nie funkcyjne zależności, zwane zależnościami wielowartościowymi opisujemy w rozdziale czwartym. Podajemy określenie zależności wielowartościowej oraz definicję prawdziwości zależności wielowartościowej w relacji. Twierdzenie Fagina, które prezentujemy, stanowi mocny argument na rzecz formalnego zbadania zależności wielowartościowych. Dlatego też przedstawiamy system logiki zależności wielowartościowych. Ponieważ w bazach danych występują zarówno zależności funkcyjne jaki i zależności wielowartościowe, to w kolejnym, piątym rozdziale tej pracy przyjmujemy formalny system logiczny dla zależności funkcyjnych i wielowartościowych. W rozdziale tym przedstawiamy także pojęcie domknięcia podzbioru zbioru atrybutów oraz pojęcie bazy zależności. W rozdziale szóstym prezentujemy rodzinę relacji dwukrotkowych, rodzinę waluacji oraz rodzinę wszystkich podzbiorów zbioru atrybutów. Definiujemy prawdziwość zależności funkcyjnych i zależności wielowartościowych w modelach każdej z tych rodzin. Przedstawiamy główny rezultat tej pracy zwięzły dowód równoważności wszystkich zaprezentowanych rodzin oraz pełności przyjętych systemów logicznych względem każdej z tych rodzin. W ostatnim rozdziale tej pracy, prezentujemy przykłady praktycznych zastosowań uzyskanych rezultatów, w tym algorytm testujący wyprowadzalność wskazanych zależności z zadanego zbioru zależności.
6 Oznaczenia W niniejszej pracy stosujemy następujące oznaczenia: N zbiór liczb naturalnych, tzn. N = {0, 1, 2,...}. P(U) rodzina wszystkich podzbiorów zbioru U, tzn. P(U) = {X : X U}. #X moc, tzn. ilość elementów zbioru X. X dopełnienie zbioru X względem pewnego ustalonego uniwersum U, tzn. X = U \ X. t X zacieśnienie funkcji t do zbioru X. Oznaczenia wzorów eksponowanych pojawiające się po lewej stronie obowiązują w całej pracy, zaś oznaczenia występujące po stronie prawej jedynie w obrębie dowodu, w którym występują. Na końcu pracy zamieszczamy ponadto skorowidz wszystkich symboli.
7 Rozdział 1 Logiczny wstęp W tym rozdziale przedstawiamy podstawy logiki matematycznej podajemy elementarne pojęcia oraz ich własności. Uzasadniamy także potrzebę i znaczenie formalnego opisu systemów logicznych Syntaktyka systemów logicznych Najkrócej rzecz ujmując, syntaktyczna strona systemu logicznego określa reguły wnioskowania poprawnego składniowo (syntaktycznie). Definicja 1.1. i niepusty zbiór F. Zbiorem formuł nazywamy pewien wyróżniony, przeliczalny W tej chwili nie jest ważne czym tak naprawdę jest pojedyncza formuła. Definicja 1.2. Regułą wnioskowania nazywamy dowolny niepusty podzbiór r P(F ) F. Dla układu F, ϕ r, zbiór F nazywamy zbiorem przesłanek, zaś formułę ϕ wnioskiem. Definicja 1.3. Systemem logicznym nad zbiorem formuł F nazywamy układ złożony ze zbioru A F, zwanego zbiorem aksjomatów, oraz zbioru reguł wnioskowania R, tzn. R P(P(F ) F ). Definicja 1.4. Operatorem konsekwencji (lub krócej: konsekwencją) nad zbiorem formuł F nazywamy każdą funkcję C: P(F ) P(F ) mającą dla dowolnych zbiorów F, G F następujące własności: (a) (b) (c) F C(F), F G = C(F) C(G), C(C(F)) C(F), zwane własnościami konsekwencji. Zwróćmy w tym miejscu uwagę, że stosując własność (a) do zbioru C(F) otrzymujemy inkluzję C(F) C(C(F)). Tak więc we własności (c) jest w istocie równość, tzn. C(C(F)) = C(F). (Chcieliśmy pozostać wierni tradycyjnej wypowiedzi.) Stwierdzenie 1.5. Niech C t : P(F ) P(F ) będzie operatorem konsekwencji dla każdego t T. Wówczas operator C T : P(F ) P(F ) określony wzorem C T (F) = C t (F) t T
8 8 Rozdział 1. Logiczny wstęp dla dowolnego zbioru F F, jest operatorem konsekwencji, tzn. dla dowolnych zbiorów F, G F zachodzą następujące warunki: (a) (b) (c) F C T (F), F G = C T (F) C T (G), C T (C T (F)) C T (F). Dowód. (a) Ponieważ F C t (F) dla każdego t T, to również F t TC t (F), tzn. F C T (F). (b) Załóżmy, że F G. Wtedy C t (F) C t (G) dla dowolnego t T. Zatem t TC t (F) C t (G), tzn. C T (F) C T (G). t T (c) Ponieważ dla dowolnego t T zachodzi C T (F) = s TC s (F) C t (F), to w oparciu o własności (b) i (c) operatora C t ( ) otrzymujemy C t (C T (F)) C t (C t (F)) C t (F) dla dowolnego t T. Stąd C t (C T (F)) t T t TC t (F), czyli C T (C T (F)) C T (F). Definicja 1.6. Operatorem konsekwencji syntaktycznej, albo konsekwencją syntaktyczną w systemie logicznym L = A, R nazywamy funkcję C L : P(F ) P(F ) określoną wzorem C L (F) = C n L (F), n=0 dla dowolnego zbioru F F, gdzie C 0 L (F) = F A, C n+1 L (F) = C n L (F) { ϕ F : r R H, ϕ r } dla n N. H C n L (F) Liczbę n występującą w oznaczeniu zbioru C n L (F) nazywamy stopniem konsekwencji. Definicja 1.7. Mówimy, że formuła ϕ daje się wyprowadzić ze zbioru F F, gdy ϕ C L (F). Stwierdzenie 1.8. Operator C L ( ) jest konsekwencją, tzn. dla dowolnych zbiorów F, G F zachodzą następujące warunki: (a) (b) (c) F C L (F), F G = C L (F) C L (G), C L (C L (F)) C L (F). Dowód. (a) Wynika wprost z definicji konsekwencji syntaktycznej C L. C 0 L (F) C n L (F) = C L (F).) n=0 (F (b) Załóżmy, że F G. Wykażemy, indukcyjnie względem stopnia konsekwencji, że C n L (F) C n L (G) dla wszelkich n N. Dla n = 0 mamy C 0 L (F) = F A G A = C 0 L (G).
9 1.2. Semantyka systemów logicznych 9 Załóżmy więc, że C n L (F) C n L (G) dla pewnego n 0. Wtedy, jeżeli H, ϕ r, to również H, ϕ r, r R H C n L (F) r R H C n L (G) bo C n L (F) C n n+1 n+1 L (G). Stąd CL (F) CL (G), a więc na mocy zasady indukcji matematycznej C n L (F) C n L (G) dla wszystkich n N, czyli C n L (F) C n L (G), tzn. n=0 n=0 C L (F) C L (G). (c) Pokażemy indukcyjnie względem stopnia konsekwencji, że C n L (C L (F)) C L (F) dla wszelkich n N. Dla n = 0 jest C 0 L (C L (F)) = C L (F) A = C L (F) C L (F), gdzie druga z powyższych równości wynika z faktu, iż A C 0 L (F) C L (F). Załóżmy więc, że C n L (C L (F)) C n+1 L (F) dla pewnego n 0. Gdyby CL (C L (F)) = O/, to oczywiście C n+1 L (C L (F)) C n+1 L (F). Niech więc CL (C L (F)) O/ i weźmy dowolną formułę ϕ C n+1 L (C L (F)). Wobec definicji konsekwencji syntaktycznej (def. 1.6), albo ϕ C n L (C L (F)), albo H, ϕ r. ( ) r R H C n L (C L (F)) Jeśli ϕ C n L (C L (F)), to wprost z założenia indukcyjnego ϕ C L (F). Jeśli zaś spełniony jest warunek ( ), to wobec założenia indukcyjnego H C n L (C L (F)) C L (F), czyli H C m L (F) dla pewnego m N. Zatem H, ϕ r, r R H C m L (F) co oznacza, że ϕ C m+1 L (F), a więc ϕ C L (F). Wobec dowolności wyboru formuły ϕ dowodzi to inkluzji C n+1 L (C L (F)) C L (F). A zatem, na mocy zasady indukcji matematycznej, C n L (C L (F)) C L (F) dla wszelkich n N, a stąd C n L (C L (F)) n=0 C L (F), tzn. C L (C L (F)) C L (F) Semantyka systemów logicznych Semantyczna strona systemu logicznego nadaje znaczenie formułom. Definiuje prawdziwość formuł oraz wynikanie logiczne formuły z danego zbioru formuł. Definicja 1.9. Modelem dla zbioru formuł F nazywamy dowolny zbiór M, przy pomocy którego można zdefiniować podzbiór E(M) F. Zbiór E(M) nazywamy zbiorem formuł prawdziwych w modelu M, a formuły należące do zbioru E(M) prawdziwymi w modelu M. Stwierdzenie Niech M będzie modelem dla zbioru formuł F i niech C M (F) = { ϕ F : F E(M) = ϕ E(M) } dla dowolnego zbioru F F. Wówczas operator C M : P(F ) P(F ) ma własności konsekwencji, tzn. dla dowolnych zbiorów F, G F zachodzą warunki (a) (b) (c) F C M (F), F G = C M (F) C M (G), C M (C M (F)) C M (F).
10 10 Rozdział 1. Logiczny wstęp Dowód. (a) Jeżeli F = O/, to oczywiście F C M (F). Niech więc F O/ i weźmy dowolna formułę ϕ F. Musimy pokazać, że ϕ C M (F), tzn. wykazać prawdziwość implikacji F E(M) = ϕ E(M). Gdyby F E(M), to powyższa implikacja byłaby trywialnie prawdziwa. Przypuśćmy więc, że F E(M). Wtedy ϕ F E(M), a więc implikacja jest prawdziwa. Wobec dowolności wyboru formuły ϕ oznacza to, że F C M (F). (b) Załóżmy, że F G. Jeśli C M (F) = O/, to oczywiście C M (F) C M (G). Przypuśćmy więc, że C M (F) O/ i wybierzmy dowolną formułę ϕ C M (F). Wtedy F E(M) = ϕ E(M). ( ) Mamy pokazać, że ϕ C M (G), tzn. wykazać prawdziwość implikacji G E(M) = ϕ E(M). Załóżmy więc, że G E(M). Wtedy F G E(M) i z warunku ( ) otrzymujemy ϕ E(M). Wobec dowolności wyboru formuły ϕ oznacza to, że C M (F) C M (G). (c) Gdyby zachodziła równość C M (C M (F)) = O/, to oczywiście C M (C M (F)) C M (F). Niech więc C M (C M (F)) O/ i weźmy dowolną formułę ϕ C M (C M (F)). Wtedy Mamy pokazać, że ϕ C M (F), tzn. C M (F) E(M) = ϕ E(M). ( ) F E(M) = ϕ E(M). Załóżmy więc, że F E(M). Pokażemy, że C M (F) E(M). Istotnie, jeśli C M (F) = O/, to inkluzja ta jest oczywista. Niech więc C M (F) O/ i wybierzmy dowolną formułę ψ C M (F). Wtedy, zgodnie z definicją zbioru C M (F) F E(M) = ψ E(M). Ale założyliśmy, że F E(M), więc spełniony jest poprzednik powyższej implikacji. Musi więc być ψ E(M). A ponieważ formuła ψ była wybrana dowolnie, to C M (F) E(M). Teraz z warunku ( ) wynika, że ϕ E(M), co wobec dowolności wyboru formuły ϕ oznacza, iż C M (C M (F)) C M (F). Definicja Operatorem konsekwencji w niepustej rodzinie modeli M nazywamy funkcję C M : P(F ) P(F ) określoną wzorem dla dowolnego F F. C M (F) = C M (F) = { ϕ F : ϕ C M (F) } M M Definicja Mówimy, że formuła ϕ F jest konsekwencją logiczną zbioru F F, albo że wynika logicznie ze zbioru F, w rodzinie modeli M, gdy ϕ C M (F). M M Wniosek Operator C M ( ) ma własności konsekwencji. Dowód. Wynika wprost ze stwierdzenia 1.10 i stwierdzenia 1.5.
11 1.3. Pojęcie pełności. Równoważność rodzin modeli Pojęcie pełności. Równoważność rodzin modeli W praktyce, semantyka poprzedza zwykle syntaktykę, tzn. formalny system logiczny tworzony jest do konkretnej, zastanej sytuacji. Oczywiście system ten byłby bezużyteczny, gdyby nie przystawał do realiów semantycznych, tzn. powinien on być tak dobrany, aby dla dowolnego zbioru F F, formuła ϕ F dawała się wyprowadzić ze zbioru F, wtedy i tylko wtedy, gdy wynika ona logicznie ze zbioru F. Definicja Mówimy o pełności konsekwencji syntaktycznej C L względem konsekwencji C M określonej na rodzinie modeli M, albo o pełności systemu logicznego L względem rodziny M, gdy dla dowolnego zbioru formuł F F zachodzi równość C L (F) = C M (F). Przeważnie, bezpośrednia weryfikacja czy formuła ϕ F jest konsekwencją logiczną zbioru F F bywa trudna, czy wręcz niemożliwa. Pełność umożliwia weryfikację poprzez sprawdzenie wyprowadzalności formuły. Poza tym mając pełny system logiczny, możemy poszukiwać innych rodzin modeli, w których konsekwencja syntaktyczna jest również pełna względem konsekwencji określonej na tej rodzinie. Definicja Rodziny modeli M i N nazywamy równoważnymi, gdy dla dowolnego zbioru F F zachodzi równość C M (F) = C N (F). Kilka następnych pojęć pozwoli nam sformułować proste kryterium gwarantujące inkluzję C L (F) C M (F). Definicja Tautologiami w modelu M nazywamy formuły należące do zbioru C M (O/ ). Tautologiami w rodzinie modeli M nazywamy formuły należące do zbioru C M (O/ ). Zauważmy, że C M (O/ ) = { ϕ F : O/ E(M) = ϕ E(M) } = { ϕ F : ϕ E(M) } = E(M) oraz C M (O/ ) = C M (O/ ) = E(M), M M M M a więc tautologie w modelu M, to formuły prawdziwe w modelu M, zaś tautologie w rodzinie M, to formuły prawdziwe we wszystkich modelach rodziny M. Definicja Mówimy, że reguła r P(F ) F jest niezawodna w modelu M, gdy ϕ C M (F). F,ϕ r Mówimy, że reguła r P(F ) F jest niezawodna w rodzinie modeli M, gdy ϕ C M (F), M M F,ϕ r
12 12 Rozdział 1. Logiczny wstęp tzn., gdy ϕ C M (F). F,ϕ r Lemat Aksjomaty zbioru A są tautologiami w rodzinie modeli M, tzn. A C M (O/ ), a wszystkie reguły zbioru R są niezawodne w rodzinie M, wtedy i tylko wtedy, gdy dla dowolnego zbioru F F zachodzi inkluzja C L (F) C M (F). Dowód. ( ) Jeśli C L (F) = O/, to teza lematu jest oczywista. Przypuśćmy więc, że C L (F) O/ i weźmy dowolną formułę ϕ C L (F). Wtedy ϕ C n L (F) dla pewnego n N. Wykażemy indukcyjnie względem stopnia konsekwencji, że ϕ C M (F). Załóżmy najpierw, że n = 0. Wtedy ϕ C 0 L (F) = F A. Wobec wniosku 1.13 zachodzi inkluzja F C M (F). Ponadto, wobec założenia, A C M (O/ ), a ponieważ O/ F, to wobec wniosku 1.13 mamy A C M (O/ ) C M (F). Zatem F A C M (F), co oznacza, że ϕ C M (F). Załóżmy teraz, że dla pewnego n 0 i każdej formuły ψ C n L (F) zachodzi ψ C M (F) i przypuśćmy, że ϕ C n+1 L (F). Gdyby ϕ C n L (F), to wprost z założenia indukcyjnego mielibyśmy ϕ C M (F). Niech więc ϕ C n+1 L (F) \ C n L (F). Wtedy H, ϕ r. r R H C n L (F) Ale na mocy założenia lematu reguła r jest niezawodna w rodzinie M, więc zgodnie z definicją 1.17 ϕ C M (H). Ponieważ H C n L (F), to wobec założenia indukcyjnego dla dowolnej formuły ψ H jest ψ C M (F), czyli H C M (F). Stąd wobec wniosku 1.13 otrzymujemy inkluzję C M (H) C M (F), która w połączeniu z warunkiem ( ) daje ϕ C M (F). Wobec dowolności wyboru formuły ϕ oznacza to, że C L (F) C M (F). ( ) Skoro C L (F) C M (F) dla dowolnego zbioru F F, to w szczególności A = C 0 L (O/ ) C L (O/ ) C M (O/ ), a więc aksjomaty zbioru A są tautologiami w rodzinie M. Weźmy dowolną regułę r R i dowolny układ F, ϕ r. Ponieważ F C 0 L (F), to wobec definicji konsekwencji syntaktycznej (def. 1.6) mamy ϕ C 1 L (F) C n L (F) = C L (F). n=0 Wobec założenia wnosimy więc, że ϕ C M (F), co oznacza niezawodność reguły r w rodzinie M. Lemat nasuwa metodę poszukiwania pełnego systemu logicznego. Mianowicie, wychodząc od pustego zbioru aksjomatów oraz pustego zbioru reguł wnioskowania, poszerzamy je o dodatkowe tautologie w danej rodzinie modeli M oraz dodatkowe reguły niezawodne w rodzinie M, tak długo, jak długo dla pewnego zbioru F F zachodzi inkluzja C L (F) C M (F). Dla ułatwienia późniejszych poszukiwań rodzin równoważnych, ważne jest, aby przyjmowane aksjomaty i reguły wnioskowania były możliwie jak najsłabsze. Jednak z drugiej strony słabe reguły wnioskowania mogą okazać się nieprzyjemne w użyciu, a tym samym mogą utrudnić dowód pełności. Można jednak posługiwać się także innymi regułami. Oczywiście nie mogą one być wybrane dowolnie. ( )
13 1.3. Pojęcie pełności. Równoważność rodzin modeli 13 Definicja Mówimy, że reguła r P(F ) F jest wyprowadzalna względem konsekwencji syntaktycznej C L, gdy ϕ C L (F). F,ϕ r Powyższy warunek gwarantuje, że wnioskowanie przy pomocy reguł wyprowadzalnych nie powiększa zbioru C L (F). Wniosek Jeżeli wszystkie aksjomaty zbioru A są tautologiami w rodzinie modeli M i wszystkie reguły zbioru R są niezawodne w rodzinie M, a reguła r P(F ) F jest wyprowadzalna, to jest ona również niezawodna w rodzinie M. Dowód. Weźmy dowolny układ F, ϕ r. Ponieważ reguła r jest wyprowadzalna, to zgodnie z definicją 1.19, ϕ C L (F), ale wobec lematu 1.18 zachodzi inkluzja C L (F) C M (F), więc ϕ C M (F), co oznacza niezawodność reguły r. Na zakończenie tego rozdziału prezentujemy lemat, który pozwoli nam uprościć zapis wielu dalszych wnioskowań. Lemat Jeżeli H, ϕ r dla pewnego zbioru H C L (F), a reguła r jest wyprowadzalna, lub też jest jedną z reguł zbioru R, to ϕ C L (F). Dowód. Załóżmy, że H, ϕ r i H C L (F). Przypuśćmy najpierw, że r jest regułą wyprowadzalną. Wobec definicji 1.19 mamy więc ϕ C L (H). Na mocy punktów (b) i (c) stwierdzenia 1.8, z inkluzji H C L (F) otrzymujemy inkluzję C L (H) C L (F). A zatem ϕ C L (F). Przypuśćmy teraz, że r R. Skoro H C L (F), to H C n L (F) dla pewnego n N, gdyż zbiory C n L (F) tworzą ciąg wstępujący. A ponieważ H, ϕ r, to wobec definicji 1.6 konsekwencji syntaktycznej otrzymujemy ϕ C n+1 L (F). Zatem ϕ C n+1 L (F) = n=0 C L (F).
14
15 Rozdział 2 Relacyjne bazy danych Pod koniec lat sześćdziesiątych, Edgar Frank Codd dał początek badaniom związanym z przechowywaniem informacji przy pomocy relacji. Okazało się, że taka forma reprezentacji danych niesie z sobą wiele udogodnień, jak na przykład łatwą eliminację nadmiarowości danych, czy też szybki dostęp do informacji Podstawowe pojęcia relacyjnych baz danych Definicja 2.1. Zbiorem atrybutów nazywamy pewien wyróżniony niepusty i skończony zbiór U. Literę U wybraliśmy z premedytacją U jak uniwersum. Definicja 2.2. Dla dowolnego atrybutu u U, niech D(u) oznacza pewien ustalony zbiór związany z atrybutem u. Zbiór ten nazywamy dziedziną atrybutu u. Wymagamy przy tym, aby #D(u) 2 dla każdego atrybutu u U. Definicja 2.3. Krotką (ang. tuple) nazywamy dowolne odwzorowanie t: U D(u) takie, że t(u) D(u). u U Zbiór wszystkich krotek oznaczamy przez T. Definicja 2.4. Relacją nad zbiorem atrybutów U nazywamy dowolny skończony podzbiór R T. Zbiór wszystkich relacji oznaczamy przez R. Definicja 2.5. relacji. u U Bazą danych nazywamy dowolny niepusty i skończony zbiór Zauważmy, że funkcję określoną na zbiorze skończonym możemy utożsamiać z ciągiem jej wartości. A więc relację w rozumieniu definicji 2.4 możemy utożsamić ze zbiorem ciągów, czyli właśnie z tym, co klasyczna teoria mnogości nazywa relacją. W związku z powyższym, relacje możemy wygodnie reprezentować w formie tabel. (Przy czym uporządkowanie wierszy i kolumn nie jest istotnie.) Przykład 2.6. Rozważmy relację, przedstawiającą dane o pracownikach (EMP) i kierownikach (MGR) różnych oddziałów (DEPT) pewnej firmy, reprezentowaną przez tabelę EMP DEPT MGR Hilbert Math Gauss Pythagoras Math Gauss Turing Computer Science von Neumann
16 16 Rozdział 2. Relacyjne bazy danych Zbiorem atrybutów jest zbiór U = {EMP, DEPT, MGR}, zaś D(EMP), D(DEPT) oraz D(MGR) są pewnymi podzbiorami zbioru ciągów skończonych o wyrazach ze zbioru { a,..., z, A,..., Z, }, tzn. są zbiorami napisów. Ponadto wiersze tabeli reprezentują krotki należące do relacji. Zauważmy, że gdyby np. #D(EMP) = 1, to wszystkie wpisy w kolumnie EMP musiałyby być takie same. Ponieważ tabela mająca w danej kolumnie zawsze takie same wpisy wydaje się nieco dziwna, to naturalnym jest aby #D(u) 2 dla u U Operacje na relacjach Ponieważ relacje są zbiorami, to możemy na nich wykonywać np. mnogościowe operacje sumy, przekroju i różnicy. Operacje te pozwalają na dopisywanie danych, wybieranie wspólnych danych i na usuwanie danych. Jednak z teoretycznego punktu widzenia dużo ważniejszymi operacjami są operacja rzutowania i operacja złączenia naturalnego. Definicja 2.7. Rzutem relacji R R na zbiór X U nazywamy relację R[X] = { t X : t R }. Zauważmy, że wcale nie jest prawdą, iż t X R[X] t R. Rzut relacji z przykładu 2.6 na zbiór {DEPT, MGR} reprezentuje tabela DEPT Math Computer Science MGR Gauss von Neumann Krotka (funkcja) reprezentowana ciągiem wartości (Cauchy, Math, Gauss) nie należy do wyjściowej relacji, podczas gdy jej zacieśnienie do zbioru {DEPT, MGR}, reprezentowane przez ciąg wartości (Math, Gauss), należy do rzutu tej relacji na zbiór {DEPT, MGR}. Prawdziwa jest natomiast następująca równoważność t X R[X] t X = r X. Definicja 2.8. Złączeniem naturalnym relacji R[X] i S[Y] nazywamy relację r R R[X] S[Y] = { t X Y : t X R[X] t Y S[Y] }. W związku ze wcześniejszym spostrzeżeniem, możemy napisać R[X] S[Y] = { } ( ) t X Y : t X = r X t Y = s Y. r R s S
17 2.2. Operacje na relacjach 17 Przykład 2.9. Wróćmy do relacji z przykładu 2.6. Jej rzuty na zbiory {EMP, DEPT} i {DEPT, MGR} reprezentują tabele EMP Hilbert Pythagoras Turing DEPT Math Math Computer Science DEPT Math Computer Science MGR Gauss von Neumann Ponadto złączenie naturalne tych rzutów równe jest wyjściowej relacji, co sprawia, że rzuty relacji początkowej są od niej samej w pewnym sensie lepsze. Mianowicie nazwisko kierownika dowolnego oddziału przechowywane jest dokładnie jeden raz, co ma duże znaczenie, gdyż relacje zawierają zwykle wiele krotek. Poza tym, w praktyce, często zachodzi konieczność modyfikowania pewnych danych. W przypadku powyższych rzutów, zmiana kierownika jakiegoś oddziału wymaga aktualizacji tylko jednej krotki. Rozważmy teraz relację reprezentowaną następującą tabelą EMP DEPT MGR Hilbert Math Gauss Pythagoras Math Gauss Turing Computer Science von Neumann Cauchy Math Euler Jej rzuty na zbiory {EMP, DEPT} i {DEPT, MGR} reprezentują tabele EMP Hilbert Pythagoras Turing Cauchy DEPT Math Math Computer Science Math DEPT Math Computer Science Math MGR Gauss von Neumann Euler Natomiast złączenie naturalne powyższych rzutów reprezentuje tabela EMP DEPT MGR Hilbert Math Gauss Hilbert Math Euler Pythagoras Math Gauss Pythagoras Math Euler Turing Computer Science von Neumann Cauchy Math Gauss Cauchy Math Euler Tak więc wyjściowa relacja jest właściwym podzbiorem złączenia naturalnego swoich rzutów. Okazuje się, że inkluzja jaką zaobserwowaliśmy w powyższym przykładzie nie jest przypadkowa. Lemat Dla dowolnej relacji R R, jeżeli X Y = U, to R R[X] R[Y].
18 18 Rozdział 2. Relacyjne bazy danych Dowód. Jeśli R = O/, to oczywiście R R[X] R[Y]. Załóżmy więc, że R O/ i weźmy dowolną krotkę t R. Wtedy t X R[X] i t Y R[Y], a więc t = t U = t X Y R[X] R[Y]. Z praktycznego punktu widzenia, interesujące jest przy jakich założeniach, relacja jest równa złączeniu naturalnemu swoich rzutów. W kolejnych dwóch rozdziałach przedstawimy warunki gwarantujące tę równość.
19 Rozdział 3 Zależności funkcyjne Przyjrzyjmy się ponownie relacji z przykładu 2.9, zawierającej dane o pracownikach (EMP) i kierownikach (MGR) różnych oddziałów (DEPT) pewnej firmy. Ponieważ jeden oddział powinien mieć jednego kierownika, to relacja ta nie może opisywać żadnej realnej sytuacji. Istnienie dokładnie jednego kierownika w każdym oddziale oznacza, że jeśli w jakiejś dopuszczalnej relacji dwie krotki są równe na atrybucie DEPT, to są też równe na atrybucie MGR. Innymi słowy wartość krotki na atrybucie MGR zależy od wartości krotki na atrybucie DEPT. Rzut wyjściowej relacji na zbiór {DEPT, MGR} wydaje się więc przedstawiać informacje w naturalnej postaci Określenie zależności funkcyjnych Definicja 3.1. Zależnością funkcyjną (ang. functional dependency) nad zbiorem atrybutów U nazywamy dowolną trójkę X Y, gdzie X, Y U. Zbiór wszystkich zależności funkcyjnych nad zbiorem atrybutów U oznaczamy przez F, tzn. F = P(U) { } P(U). Naturalnym wydaje się traktować zależności funkcyjne jak pary, gdyż element jest w istocie pojedynczym symbolem. Jednakże w następnym rozdziale wprowadzimy zależności wielowartościowe, a w kolejnym, zależności funkcyjne i wielowartościowe będziemy traktować jako jeden zbiór formuł. Dlatego zależy nam na rozróżnieniu pomiędzy tymi zależnościami. (Nie byłoby to możliwe gdybyśmy zależności funkcyjne i wielowartościowe traktowali po prostu jak pary.) Definicja 3.2. Mówimy, że zależność funkcyjna X Y jest prawdziwa w relacji R R, gdy ( ) (FD) r X = s X = r Y = s Y. r,s R Zbiór wszystkich zależności funkcyjnych prawdziwych w relacji R oznaczamy przez E F (R). Warunek (FD) przypomina określenie funkcji, co tłumaczy nazwę zależność funkcyjna. Przykład 3.3. Zgodnie z rozważaniami prowadzonymi na wstępie tego rozdziału, w relacji z przykładu 2.6, jak i w każdej innej dopuszczalnej relacji określonej na zbiorze atrybutów U = {EMP, DEPT, MGR}, prawdziwa jest zależność funkcyjna {DEPT} {MGR}. Ponieważ dowolna relacja R R jest modelem dla zależności funkcyjnych, to na rodzinie R możemy zdefiniować operator konsekwencji.
20 20 Rozdział 3. Zależności funkcyjne C R F Definicja 3.4. Operatorem konsekwencji w rodzinie R nazywamy funkcję : P(F ) P(F ) zdefiniowaną wzorem C R F (F) = C R F (F), dla wszelkich F F, gdzie R R C R F (F) = { ϕ F : F E F (R) = ϕ E F (R) }. Wniosek 3.5. Operator C R F ( ) ma własności konsekwencji. Dowód. Wynika wprost ze stwierdzenia Okazuje się, że warunek X Y E F (R) pociąga równość R = R[X Y] R[X Y ]. Twierdzenie 3.6 (Heath). Jeśli zależność funkcyjna X Y jest prawdziwa w relacji R R, to R = R[X Y] R[X Y ]. Dowód. Ustalmy dowolną relację R R i załóżmy, że X Y E F (R). Wobec lematu 2.10 wystarczy pokazać, że R[X Y] R[X Y ] R. Weźmy więc dowolną krotkę t R[X Y] R[X Y ]. Wtedy, wobec równości ( ) z rozdziału drugiego otrzymujemy t X Y = r X Y t X Y = s X Y. r R Mamy więc r X = s X, skąd wobec założenia X Y E F (R) otrzymujmy równość r Y = s Y. A ponieważ t Y = r Y, to w rezultacie t Y = s Y. Ponadto t X Y = s X Y, czyli t Y (X Y ) = s Y (X Y ), tzn. t = s R, co dowodzi inkluzji R[X Y] R[X Y ] R. Przykład 3.7. Zauważmy, że twierdzenie odwrotne do twierdzenia Heath nie jest prawdziwe. Rozważmy relację reprezentowaną następującą tabelą s R EMP CHILD SKILL Hilbert Hilda Math Hilbert Hilda Physics Pythagoras Peter Math Pythagoras Paul Math Pythagoras Peter Philosophy Pythagoras Paul Philosophy Turing Tom Computer Science a przedstawiającą informację o dzieciach (CHILD) oraz specjalnościach (SKILL) poszczególnych pracowników (EMP) pewnej firmy. Rzuty tej relacji na zbiory {EMP, CHILD} i {EMP, SKILL} reprezentują tabele EMP Hilbert Pythagoras Pythagoras Turing CHILD Hilda Peter Paul Tom EMP Hilbert Hilbert Pythagoras Pythagoras Turing SKILL Math Physics Math Philosophy Computer Science
21 3.2. System logiki zależności funkcyjnych 21 Złączenie naturalne powyższych rzutów jest równe wyjściowej relacji, a przy tym żadna z zależności {EMP} {CHILD} i {EMP} {SKILL} nie jest w tej relacji prawdziwa. Chociaż prawdziwość pewnych zależności funkcyjnych wynika wprost ze specyfiki przechowywanych danych (tak jak to miało miejsce w przypadku relacji z przykładów 2.6 i 2.9), to twierdzenie Heath przemawia wyraźnie za dogłębnym zbadaniem zależności funkcyjnych System logiki zależności funkcyjnych W roku 1974, William Ward Armstrong w jednej z pierwszych prac poświęconych teorii relacyjnych baz danych, przedstawił układ aksjomatów i reguł wnioskowania dla zależności funkcyjnych, wspólnie określanych mianem aksjomatów Armstronga. Układ, który tutaj przyjmujemy jest równoważny aksjomatom Armstronga. Definicja 3.8. Systemem FD logiki zależności funkcyjnych nazywamy układ złożony ze zbioru aksjomatów f 1 = { X Y F : X Y } oraz reguł wnioskowania f 2 = { ( )} F, ϕ P(F ) F : F = {X Y} ϕ = X Z Y Z, X,Y,Z U f 3 = { ( )} F, ϕ P(F ) F : F = {X Y, Y Z} ϕ = X Z. X,Y,Z U Zapewne bardziej przyjazny jest zapis reguł w postaci ułamka (zwanego schematem wnioskowania), w którym licznik odpowiada zbiorowi przesłanek, zaś mianownik odpowiada wnioskowi. W takiej notacji reguły f 2 i f 3 wyglądają następująco: f 2 : f 3 : X Y X Z Y Z X Y, Y Z X Z Aksjomaty zbioru f 1, ze względu na ich regularność, również możemy zapisać w postaci schematu: f 1 : X X \ Y. Definicja 3.9. Operatorem konsekwencji syntaktycznej w systemie FD nazywamy funkcję C FD : P(F ) P(F ) określoną wzorem C FD (F) = C n FD (F) dla dowolnego F F, gdzie C 0 FD (F) = F f 1, C n+1 FD (F) = C n FD (F) { ϕ F : n=0 f { f 2, f 3 } G C n FD (F),. G, ϕ f } dla n N.
22 22 Rozdział 3. Zależności funkcyjne Nadmieńmy, że wobec skończoności zbioru formuł F, ciąg ( C n FD (F)) stabilizuje n N się, a więc suma C n FD (F) ma skończenie wiele różnych składników. n=0 Wniosek Operator C FD ( ) ma własności konsekwencji. Dowód. Wynika wprost ze stwierdzenia 1.8. W pierwszym rozdziale tej pracy wspomnieliśmy, że czasem przyjęte reguły wnioskowania nie są zbyt wygodne w użyciu. Wyprowadzimy teraz kilka dodatkowych reguł, które usprawnią nasze dalsze rozważania. Stwierdzenie Reguła o schemacie f 4 : X Y X Y \ Z jest wyprowadzalna względem konsekwencji C FD. Dowód. Weźmy dowolny układ F, ϕ f 4. Wtedy istnieją takie zbiory X, Y, Z U, że F = {X Y} i ϕ = X Y \ Z. Zgodnie z definicją 1.19 musimy pokazać, że ϕ C FD (F). Naturalnie Y Y \ Z f 1 C FD (O/ ) C FD (F). Zatem {X Y, Y Y \ Z} C FD (F) oraz {X Y, Y Y \ Z}, X Y \ Z f 3, skąd wobec lematu 1.21 otrzymujemy ϕ = X Y \ Z C FD (F). Zwracamy uwagę, że zbiór Y \ Z występujący w schemacie reguły f 4 jest dowolnym podzbiorem zbioru Y. W szczególności może to być np. zbiór Y Z dla dowolnego Z U. Stwierdzenie Reguła o schemacie f 2 : X Y X Z T Y Z jest wyprowadzalna względem konsekwencji C FD. Dowód. Weźmy dowolny układ F, ϕ f 2. Wtedy istnieją takie zbiory X, Y, Z, T U, że F = {X Y} i ϕ = X Z T Y Z. Zgodnie z definicją 1.19 musimy pokazać, że ϕ C FD (F). Ponieważ F C FD (F) i F, X Z T Y Z T f 2, to wobec lematu 1.21 otrzymujemy X Z T Y Z T C FD (F). Teraz {X Z T Y Z T} C FD (F) i {X Z T Y Z T}, X Z T Y Z f 4, skąd przy pomocy lematu 1.21 dostajemy ϕ = X Z T Y Z C FD (F). Przypomnijmy, że przez X oznaczamy dopełnienie zbioru X. Zwracamy więc uwagę na subtelną różnicę pomiędzy zbiorem f 2, a dopełnieniem zbioru f 2, czyli zbiorem f 2. Gdyby zbiór f 2 kiedykolwiek był nam do czegokolwiek potrzebny, to oznaczylibyśmy go wyraźniej przez ( f 2 ). Stwierdzenie Reguła o schemacie f 5 : X Y, Z T X Z Y T jest wyprowadzalna względem konsekwencji C FD.
23 3.2. System logiki zależności funkcyjnych 23 Dowód. Weźmy dowolny układ F, ϕ f 5. Wtedy istnieją takie zbiory X, Y, Z, T U, że F = {X Y, Z T} i ϕ = X Z Y T. Zgodnie z definicją 1.19 musimy pokazać, że ϕ C FD (F). Ponieważ {X Y} F C FD (F) i {X Y}, X Z Y Z f 2, to wobec lematu 1.21 otrzymujemy X Z Y Z C FD (F). Podobnie {Z T} F C FD (F) i {Z T}, Z Y T Y f 2, skąd na mocy lematu 1.21 dostajemy Y Z Y T C FD (F). Teraz {X Z Y Z, Y Z Y T} C FD (F) i {X Z Y Z, Y Z Y T}, X Z Y T f 3, co zgodnie z lematem 1.21 oznacza, że ϕ = X Z Y T C FD (F). Ponieważ w dowodach wyprowadzalności reguł, lemat 1.21 wykorzystywany jest zawsze w takim samym kontekście, to w wyprowadzeniach kolejnych reguł nie będziemy wyraźnie zaznaczać jego użycia. Stwierdzenie Reguła o schemacie f 5 : X Y, Z T X (Z \ Y) Y Z jest wyprowadzalna względem konsekwencji C FD. Dowód. Weźmy dowolny układ F, ϕ f 5. Wtedy istnieją takie zbiory X, Y, Z, T U, że F = {X Y, Z T} i ϕ = X (Z \ Y) Y T. Zgodnie z definicją 1.19 musimy pokazać, że ϕ C FD (F). Ponieważ {X Y} F C FD (F) i {X Y}, X Y Z f 4, to X Y Z C FD (F). Ponadto Z \ Y Z \ Y f 1 C FD (O/ ) C FD (F), a więc {X Y Z, Z \ Y Z \ Y} i {X Y Z, Z \ Y Z \ Y}, X (Z \ Y) (Y Z) (Z \ Y) f 5, skąd X (Z \ Y) Z C FD (F). Teraz {X (Z \ Y) Z, Z T} C FD (F) i {X (Z \ Y) Z, Z T}, X (Z \ Y) T f 3, czyli X (Z \ T) T C FD (F). Tak więc {X Y, X (Z \ Y) T} C FD (F) i {X Y, X (Z \ Y) T}, X (Z \ Y) Y T f 5, co oznacza, że ϕ = X (Z \ Y) Y T C FD (F). Stwierdzenie Reguła o schemacie f 6 : X Y Z, X Y X Z jest wyprowadzalna względem konsekwencji C FD. Dowód. Weźmy dowolny układ F, ϕ f 6. Wtedy istnieją takie zbiory X, Y, Z U, że F = {X Y Z, X Y} i ϕ = X Z. Zgodnie z definicją 1.19 musimy pokazać, że ϕ C FD (F). Jako, że {X Y} F C FD (F) i {X Y}, X X Y X f 2, to X X Y C FD (F). Mamy więc {X X Y, X Y Z} C FD (F) i {X X Y, X Y Z}, X Z f 3, skąd otrzymujemy ϕ = X Z C FD (F). Zgodnie z rozważaniami prowadzonymi w rozdziale pierwszym, powinniśmy wykazać teraz pełność konsekwencji syntaktycznej C FD względem konsekwencji C R F. Dowód ten przestawiamy w rozdziale szóstym, czyniąc tutaj jedynie pewne przygotowania. Twierdzenie Aksjomaty zbioru f 1 są tautologiami w rodzinie R, a reguły f 2, f 3 są niezawodne w rodzinie R.
24 24 Rozdział 3. Zależności funkcyjne Dowód. Pokażemy najpierw, że aksjomaty zbioru f 1 są tautologiami w rodzinie R, czyli że zachodzi inkluzja { } X Y F : X Y E F (R). Oczywiście zbiór f 1 jest niepusty. Weźmy więc dowolną zależność X Y F taką, że X Y i ustalmy dowolną relację R R. Musimy pokazać, że X Y E F (R), tzn. że zależność X Y spełnia warunek (FD). Wybierzmy więc dowolne krotki r, s R takie, że r X = s X. Ponieważ Y X, to r X = s X r(x) = s(x) = r(x) = s(x) r Y = s Y, x X co oznacza, że aksjomaty zbioru f 1 są tautologiami w rodzinie R. Wykażemy teraz, że reguła f 2 jest niezawodna w rodzinie R. Weźmy więc dowolny układ F, ϕ f 2. Wtedy istnieją takie zbiory X, Y, Z U, że F = {X Y} i ϕ = X Z Y Z. Wobec definicji 3.4 mamy pokazać, że { ϕ ψ F : F EF (R) = ψ E F (R) }. ( ) R R Ustalmy więc dowolną relację R R i przypuśćmy, że F E F (R), tzn. zależność X Y spełnia warunek (FD). Mamy sprawdzić, że zależność ϕ również spełnia warunek (FD). Weźmy więc dowolne krotki r, s R i załóżmy, że r X Z = s X Z, wtedy r Z = s Z oraz r X = s X. Ponieważ F E F (R), to wobec warunku (FD) r Y = s Y, a więc r Y Z = s Y Z, co oznacza niezawodność reguły f 2 w rodzinie R. Wykażemy teraz, że reguła f 3 jest niezawodna w rodzinie R. Weźmy więc dowolny układ F, ϕ f 3. Wtedy istnieją takie zbiory X, Y, Z U, że F = {X Y, Y Z} i ϕ = X Z. Mamy pokazać, że zachodzi warunek ( ). Ustalmy więc dowolną relację R R i przypuśćmy, że F E F (R), tzn. zależności X Y i Y Z spełniają warunek (FD). Musimy sprawdzić, że zależność ϕ również spełnia warunek (FD). Weźmy dowolne krotki r, s R i załóżmy, że r X = s X. Ponieważ X Y E F (R), to wobec warunku (FD) jest r Y = s Y. Ale Y Z E F (R), więc wobec warunku (FD) otrzymujemy r Z = s Z, co oznacza niezawodność reguły f 3 w rodzinie R. Wniosek Reguły f 2, f, f 4 5, f 5 i f 6 są niezawodne w rodzinie R. x Y R R Dowód. Wynika wprost z twierdzenia 3.16 oraz wniosku 1.20.
25 Rozdział 4 Zależności wielowartościowe Przyjrzyjmy się ponownie relacji z przykładu 3.7. Udało się nam wskazać takie rzuty tej relacji, których złączenie naturalne jest równe wyjściowej relacji, a przy tym nie są one konsekwencją twierdzenia Heath (tw. 3.6). Naturalnym jest więc pytanie o warunek konieczny i wystarczający na to, aby złączenie naturalne rzutów danej relacji było równe tej relacji. Zauważmy, że powtórzenia danych występujące w relacji z przykładu 3.7 wynikają stąd, że jeśli dwie krotki są równe na atrybucie EMP, to ich wartości na atrybucie CHILD (albo na atrybucie SKILL) możemy ze sobą zamienić, nie zmieniając samej relacji. Specyfika danych sprawia, że jeśli dany pracownik ma dziecko c 1 i jest specjalistą w dziedzinie s 1 oraz ma dziecko c 2 i jest specjalistą w dziedzinie s 2, to ma również dziecko c 2 i jest specjalistą w dziedzinie s 1 oraz ma dziecko c 1 i jest specjalistą w dziedzinie s 2. Powyższe spostrzeżenie motywuje nas do wnikliwego zbadania podobnych sytuacji Określenie zależności wielowartościowych Definicja 4.1. Zależnością wielowartościową (ang. multivalued dependency) nad zbiorem atrybutów U nazywamy dowolną trójkę X Y, gdzie X, Y U. Zbiór wszystkich zależności wielowartościowych nad zbiorem atrybutów U oznaczamy przez M, tzn. M = P(U) { } P(U). Definicja 4.2. Mówimy, że zależność wielowartościowa X Y jest prawdziwa w relacji R R, gdy [ ( )] (MVD) r X = s X = t X Y = r X Y t X Y = s X Y. r,s R t R Zbiór wszystkich zależności wielowartościowych prawdziwych w relacji R R oznaczamy przez E M (R). Zależności wielowartościowe w relacjach odkryli niezależnie od siebie Ronald Fagin i Carlo Zaniolo. Ronald Fagin rozważał początkowo jedynie takie zależności wielowartościowe X Y dla których X Y = O/. Jest on także twórcą nazwy zależności wielowartościowe. Przykład 4.3. Zgodnie z rozważaniami prowadzonymi na wstępie tego rozdziału, w relacji z przykładu 3.7, jak i w każdej innej dopuszczalnej relacji określonej na zbiorze atrybutów U = {EMP, CHILD, SKILL}, prawdziwe są zależności wielowartościowe {EMP} {CHILD} i {EMP} {SKILL}. Ponieważ dowolna relacja R R jest modelem dla zależności wielowartościowych, to na rodzinie R możemy zdefiniować operator konsekwencji.
26 26 Rozdział 4. Zależności wielowartościowe Definicja 4.4. Operatorem konsekwencji w rodzinie R (względem zbioru zależności wielowartościowych) nazywamy funkcję C R M : P(M) P(M) zdefiniowaną wzorem C R M (M) = C R M (M), dla wszelkich M M, gdzie C R M (M) = { µ M : M E M (R) = µ E M (R) }. R R Wniosek 4.5. Operator C R M ( ) ma własności konsekwencji. Dowód. Wynika wprost ze stwierdzenia Okazuje się, że warunkiem koniecznym i wystarczającym na to, by złączenie naturalne rzutów danej relacji było równe tej relacji jest prawdziwość w danej relacji odpowiedniej zależności wielowartościowej. Twierdzenie 4.6 (Fagin). Zależność wielowartościowa X Y jest prawdziwa w relacji R R wtedy i tylko wtedy, gdy R = R[X Y] R[X Y ]. Dowód. ( ) Inkluzja R R[X Y] R[X Y ] jest prawdziwa na mocy lematu Weźmy więc dowolną krotkę t R[X Y] R[X Y ]. Z równości ( ) mamy t X Y = r X Y r R t X Y = s X Y. A więc r X = s X, skąd wobec założenia X Y E M (R) otrzymujemy s R ( ) u X Y = r X Y u X Y = s X Y. u R Zatem t X Y = u X Y oraz t X Y = u X Y, czyli t (X Y) (X Y ) = u (X Y) (X Y ), tzn. t = u R, co wobec dowolności wyboru krotki t oznacza, że R[X Y] R[X Y ] R. ( ) Mamy wykazać, że zachodzi warunek (MVD). Weźmy więc dowolne krotki r, s R takie, że r X = s X. Wybierzmy taką krotkę u T, że u X Y = r X Y u X Y = s X Y. Z równości ( ) wynika, że u R[X Y] R[X Y ]. A ponieważ na mocy założenia R = R[X Y] R[X Y ], to u R. Wykazaliśmy więc, że ( ) u X Y = r X Y u X Y = s X Y, u R co wobec dowolności wyboru krotek r i s oznacza spełnienie warunku (MVD), a więc X Y E M (R).
27 4.2. System logiki zależności wielowartościowych System logiki zależności wielowartościowych Definicja 4.7. Systemem MVD logiki zależności wielowartościowych nazywamy układ złożony ze zbioru aksjomatów m 1 = { X Y M : X Y } oraz reguł wnioskowania m 0 = { ( M, µ P(M) M : )} M = {X Y} µ = X Y, X,Y U m 2 = { ( )} M, µ P(M) M : M = {X Y} µ = X Z Y Z, X,Y,Z U m 3 = { ( )} M, µ P(M) M : M = {X Y, Y Z} µ = X Z \ Y. X,Y,Z U A oto alternatywna wersja powyższych aksjomatów i reguł wnioskowania: m 0 : X Y X Y, m 1 : X X \ Y, m 2 : m 3 : X Y X Z Y Z X Y, Y Z X Z \ Y Definicja 4.8. Operatorem konsekwencji syntaktycznej w systemie MVD nazywamy funkcję C MVD : P(M) P(M) określoną wzorem dla dowolnego M M, gdzie C MVD (M) = C n MVD (M), n=0,. C 0 MVD (M) = M m 1, C n+1 MVD (M) = C n MVD (M) { µ M : m {m 0,m 2,m 3 } N, µ m } dla n N. N C n MVD (M) Wniosek 4.9. Operator C MVD ( ) ma własności konsekwencji. Dowód. Wynika wprost ze stwierdzenia 1.8. Zauważmy w tym miejscu, że regułę m 0 podaje się zwykle w nieco przerośniętej formie: m 0 = { ( )} M, µ P(M) M : M={X Y} µ=x Z X Y Z=U Y Z X. X,Y,Z U Wykażemy, że jest ona wyprowadzalna względem konsekwencji C MVD. Stwierdzenie Reguła o schemacie m 0 jest wyprowadzalna względem konsekwencji C MVD.
28 28 Rozdział 4. Zależności wielowartościowe Dowód. Weźmy dowolny układ M, µ m 0. Wtedy istnieją takie zbiory X, Y, Z U, że M = {X Y} i µ = X Z oraz X Y Z = U i Y Z X. Przyjmijmy oznaczenia jak na poniższym diagramie. Ỹ X XỸ XZ XYZ X Z Y X Z Zgodnie z definicją 1.19 musimy pokazać, że µ C MVD (M). Ponieważ M C MVD (M) i M, X X Y X m 2, to X Y X C MVD (M). Zatem { X Y X }, X ( Y X ) m0, czyli X Z XZ C MVD (M). Teraz { X Z XZ }, X XYZ Z XZ XYZ m 2, a więc µ = X Z XZ XYZ C MVD (M). Podobnie jak to miało miejsce w przypadku zależności funkcyjnych, wyprowadzimy teraz kilka reguł, które pomogą w naszych dalszych rozważaniach. Stwierdzenie Reguła o schemacie m 4 : X Y X Y \ (X \ Z) jest wyprowadzalna względem konsekwencji C MVD. Dowód. Weźmy dowolny układ M, µ m 4. Wtedy istnieją takie zbiory X, Y, Z U, że M = {X Y} i µ = X Y \ (X \ Z). Zgodnie z definicją 1.19 musimy pokazać, że µ C MVD (M). Naturalnie X X m 1 C MVD (O/ ) C MVD (M). Zatem {X X, X Y} C MVD (M) i {X X, X Y}, X Y \ X m 3, stąd X Y \X C MVD (M). Teraz {X Y \X}, X (X Y Z) (Y \X) (X Y Z) m 2, czyli µ = X Y \ (X \ Z) = X (Y \ X) (X Y Z) C MVD (M). Zwracamy uwagę, że zbiór Y \ (X \ Z) występujący w schemacie reguły m 4 jest różnicą zbiorów Y i dowolnego podzbioru zbioru X. Stwierdzenie Reguła o schemacie m 2 : X Y X Z T Y Z. jest wyprowadzalna względem konsekwencji C MVD. Dowód. Weźmy dowolny układ M, µ m 5. Wtedy istnieją takie zbiory X, Y, Z, T U, że M = {X Y} i µ = X Z T Y Z. Zgodnie z definicją 1.19 musimy pokazać, że µ C MVD (M). Jako, że M C MVD (M) i M, X Z T Y Z T m 2, to X Z T Y Z T C MVD (M). A ponieważ T \ (Y Z) X Z T, to {X Z T Y Z T}, X Z T (Y Z T) \ (T \ (Y Z)) m 4, czyli µ = X Z T Y Z = X Z T (Y Z T) \ (T \ (Y Z)) C MVD (M).
29 4.2. System logiki zależności wielowartościowych 29 Stwierdzenie Reguła o schemacie m 5 : X Y, Z T X Z Y T. jest wyprowadzalna względem konsekwencji C MVD. Dowód. Weźmy dowolny układ M, µ m 5. Wtedy istnieją takie zbiory X, Y, Z, T U, że M = {X Y, Z T} i µ = X Z Y T. Zgodnie z definicją 1.19 musimy pokazać, że µ C MVD (M). Przyjmijmy oznaczenia jak na poniższym diagramie. Ũ T YT Ỹ T Z ZT YZT YZ XZ XZT XYZT XYZ Z X XT XYT XỸ Y X U Ponieważ {X Y} M C MVD (M) i {X Y}, X Ỹ YZ YT YZT m 4, to X Ỹ YZ YT YZT C MVD (M). Jako, że {Z T} M C MVD (M) i {Z T}, Z Z T Z m 2, to Z Z T C MVD (M). A więc {Z Z T}, Z (Z T) m 0, tzn. Z Ũ X Ỹ XỸ C MVD (M). Ponadto { X Ỹ YZ YT YZT }, X Z ( Ỹ YZ YT YZT ) Z m 2, czyli X Z Ỹ YT Z C MVD (M). Podobnie { Z Ũ X Ỹ XỸ }, Z ( Ỹ YT ) ( Ũ X Ỹ XỸ ) ( Ỹ YT ) m 2, więc Z Ỹ YT Ũ X Ỹ XỸ YT C MVD (M). Tak więc { X Z Ỹ YT Z, Z Ỹ YT Ũ X Ỹ XỸ YT } i { X Z Ỹ YT Z, Z Ỹ YT Ũ X Ỹ XỸ YT }, X Z ( Ũ X Ỹ XỸ YT ) ( Ỹ YT Z ) m 3, skąd X Z Ũ X XỸ C MVD (M). Teraz { X Z Ũ X XỸ }, X Z Ũ m 4, a więc X Z Ũ C MVD (M). Zatem { X Z Ũ }, ( X Z ) ( X Z XZ ) Ũ ( X Z XZ ) m 2, tzn. X Z Ũ X Z C MVD (M). W końcu { X Z Ũ X Z XZ }, X Z ( Ũ X Z XZ ) m0, skąd otrzymujemy µ = X Z Y T C MVD (M). Okazuje się, że podobnie jak to miało miejsce w przypadku reguły f 5, regułę m 5 można poprawić. Stwierdzenie Reguła o schemacie m 5 : X Y, Z T X (Z \ Y) Y T jest wyprowadzalna względem konsekwencji C MVD.
30 30 Rozdział 4. Zależności wielowartościowe Dowód. Weźmy dowolny układ M, µ m 5. Wtedy istnieją takie zbiory X, Y, Z, T U, że M = {X Y, Z T} i µ = X (Z \ Y) Y T. Zgodnie z definicją 1.19 musimy pokazać, że µ C MVD (M). Przyjmijmy oznaczenia jak na diagramie z dowodu stwierdzenia Ponieważ {X Y} M C MVD (M) i {X Y}, X (Z\Y) Y (Z\Y) m 2, to X (Z\Y) Y Z C MVD (M). Podobnie {Z T} M C MVD (M) i {Z T}, Z Y T Y m 2, więc Y Z Y T C MVD (M). Tak więc {X (Z\Y) Y Z, Z Y T Y}, X (Z \ Y) (T Y) \ (Y Z) m 3, czyli X (Z \ Y) T XT C MVD (M). Zatem { X (Z \ Y) T XT }, ( X (Z \ Y) ) ( ZT XZT ) ( T XT ) ( ZT XZT ) m 2, skąd X (Z\Y) T XT ZT XZT C MVD (M). Teraz { X Y, X (Z \ Y) T XT ZT XZT } C MVD (M) i { X Y, X (Z \ Y) T XT ZT XZT }, X ( X (Z \ Y) ) Y ( T XT ZT XZT ) m 5, a więc µ = X (Z \ Y) Y T C MVD (M). Kolejne dwie wyprowadzane reguły, będą bardzo pomocne w naszych dalszych rozważaniach. Stwierdzenie Reguła o schemacie m 7 : X Y, X Z X Y \ Z jest wyprowadzalna względem konsekwencji C MVD. Dowód. Weźmy dowolny układ M, µ m 7. Wtedy istnieją takie zbiory X, Y, Z U, że M = {X Y, X Z} i µ = X Y \ Z. Zgodnie z definicją 1.19 musimy pokazać, że µ C MVD (M). Ponieważ M, X Y Z m 5, to X Y Z C MVD (M). Zatem {X Y Z}, X (Y Z) m 0, czyli X (Y Z) C MVD (M). Stąd {X Z, X (Y Z) } C MVD (M) i {X Z, X (Y Z) }, X Z (Y Z) m 5, tzn. X (Y \ Z) C MVD (M). Teraz {X (Y \ Z) }, X Y \ Z m 0, skąd µ C MVD (M). Stwierdzenie Reguła o schemacie m 8 : X Y, X Z X Y Z jest wyprowadzalna względem konsekwencji C MVD. Dowód. Weźmy dowolny układ M, µ m 8. Wtedy istnieją takie zbiory X, Y, Z U, że M = {X Y, X Z} i µ = X Y Z. Zgodnie z definicją 1.19 musimy pokazać, że µ C MVD (M). Ponieważ M, X Y \ Z m 7, to X Y \ Z C MVD (M). Podobnie otrzymujemy X Z \ Y C MVD (M). Zatem {X Y \ Z, X Z \ Y} C MVD (M) i {X Y \ Z, X Z \ Y}, X (Y \ Z) (Z \ Y) m 5, czyli X (Y \ Z) (Z \ Y) C MVD (M). Postępując analogicznie jak w dowodzie stwierdzenia 4.15, otrzymujemy X (Y Z) C MVD (M). Tak więc {X (Y Z), X (Y \ Z) (Z \ Y)} C MVD (M) i {X (Y Z), X (Y \ Z) (Z \ Y)}, X (Y Z) (Y \ Z) (Z \ Y) m 5, tzn. X (Y Z) C MVD (M). Teraz {X (Y Z) }, X Y Z m 0, skąd µ C MVD (M). Mając na uwadze twierdzenie o równoważności pewnych rodzin modeli, wykażemy teraz następujące twierdzenie.
31 4.2. System logiki zależności wielowartościowych 31 Twierdzenie Aksjomaty zbioru m 1 są tautologiami w rodzinie R, a reguły m 0, m 2 i m 3 są niezawodne w rodzinie R. Dowód. Zgodnie z definicją 1.16 mamy wykazać, że { } X Y M : X Y E M (R). Weźmy więc dowolną zależność X Y M taką, że X Y i ustalmy dowolną relację R R. Musimy pokazać, że X Y E M (R), tzn. że zależność X Y spełnia warunek (MVD). Wybierzmy więc dowolne krotki r, s R takie, że r X = s X. Mamy wskazać taką krotkę t R, że R R t X Y = r X Y t X Y = s X Y. Sprawdzimy, że t = s daje zadość powyższym równościom. Oczywiście t X Y = s X Y, a ponadto t X Y = r X Y, gdyż X Y = X, a r X = s X. Tak więc aksjomaty zbioru m 1 są rzeczywiście tautologiami w rodzinie R. Wykażemy teraz, że reguła m 0 jest niezawodna w rodzinie R. Weźmy więc dowolny układ M, µ m 0. Wtedy istnieją takie zbiory X, Y U, że M = {X Y} i µ = X Y. Wobec definicji 4.4 mamy pokazać, że { µ ν M : M EM (R) = ν E M (R) }. ( ) R R Ustalmy więc dowolną relację R R i przypuśćmy, że M E M (R), tzn. zależność X Y spełnia warunek (MVD). Mamy sprawdzić, że zależność µ również spełnia warunek (MVD). Wybierzmy więc dowolne krotki r, s R i załóżmy, że r X = s X. Ponieważ X Y E M (R), to wobec warunku (MVD) dla krotek s, r istnieje taka krotka t, że t X Y = s X Y t X Y = r X Y. Oznacza to jednocześnie, że zależność X Y spełnia warunek (MVD), a więc niezawodność reguły m 0 w rodzinie R. Sprawdzimy teraz, że reguła m 2 jest niezawodna w rodzinie R. Weźmy więc dowolny układ M, µ m 2. Wtedy istnieją takie zbiory X, Y, Z U, że M = {X Y} i µ = X Z Y Z. Mamy pokazać, że zachodzi warunek ( ). Ustalmy więc dowolną relację R R i przypuśćmy, że M E M (R), tzn. zależność X Y spełnia warunek (MVD). Mamy sprawdzić, że zależność µ też spełnia warunek (MVD). Ustalmy więc dowolne krotki r, s R i załóżmy, że r X Z = s X Z. Trzeba wskazać taką krotkę t R, że t (X Z) (Y Z) = r (X Z) (Y Z) t (X Z) (Y Z) = s (X Z) (Y Z). Ponieważ zależność X Y spełnia warunek (MVD) i r X = s X, to istnieje taka krotka u R, że u X Y = r X Y u X Y = s X Y. Sprawdzimy, że t = u jest szukaną krotką. Ponieważ u Y = r Y i u Y = s Y, to u Y Z = r Y Z i u Y Z = s Y Z. Ponadto r Z = s Z, więc r Y Z = s Y Z. Zatem mamy u Y Z = r Y Z i u Y Z = r Y Z, co oznacza, że u Z = u Z (= s Z ). W połączeniu z równością u X Y = r X Y otrzymujemy stąd u X Y Z = r X Y Z, czyli pierwszą
32 32 Rozdział 4. Zależności wielowartościowe ze sprawdzanych równości. A ponieważ u X Y = s X Y i (Y Z) Y, to tym bardziej u X (Y Z) = s X (Y Z). Poza tym, przed chwilą wykazaliśmy, że u Z = s Z, skąd otrzymujemy u X (Y Z) Z = s X (Y Z) Z, czyli drugą ze sprawdzanych równości. Wykazaliśmy tym samym niezawodność reguły m 2 w rodzinie R. Wykażemy teraz niezawodność reguły m 3 w rodzinie R. Weźmy więc dowolny układ M, µ m 3. Wtedy istnieją takie zbiory X, Y, Z U, że M = {X Y, Y Z} i µ = X Z \ Y. Musimy pokazać, że zachodzi warunek ( ). Ustalmy więc dowolną relację R R i przypuśćmy, że M E M (R), tzn. zależności X Y i Y Z spełniają warunek (MVD). Mamy sprawdzić, że również zależność µ spełnia warunek (MVD). Ustalmy więc dowolne krotki r, s R i załóżmy, że r X = s X. Mamy wskazać taką krotkę t R, że t X (Z\Y) = r X (Z\Y) t X (Z\Y) = r X (Z\Y). Ponieważ X Y E M (R), to z warunku (MVD) dla krotek s, r wynika, że istnieje taka krotka u R, że u X Y = s X Y u X Y = r X Y. ( ) Podobnie, Y Z E M (R), więc wobec warunku (MVD) dla krotek u, s wnosimy istnienie takiej krotki v R, że v Y Z = u Y Z v Y Z = s Y Z. ( ) Sprawdzimy, że t = v jest szukaną krotką. Wobec ( ) mamy v Z X = u Z X i v Z X = s Z X, skąd wobec ( ) otrzymujemy v Z X = s Z X i v Z X = s Z X. Czyli v X = s X, a więc również v X = r X. Ponieważ Z \ Y = Z Y Y, to wobec ( ) otrzymujemy u Z\Y = r Z\Y. Z drugiej strony Z \ Y Z, więc wobec ( ) dostajemy v Z\Y = u Z\Y, skąd v Z\Y = r Z\Y. Poza tym jak pokazaliśmy przed chwilą v X = r X, czyli v X (Z\Y) = r X (Z\Y). Jako, że (Z \ Y) = U \ (Z \ Y) = Y (U \ Z) = Y Z, to wobec ( ) otrzymujemy v (Z\Y) = s (Z\Y). Ponadto v X = s X, a więc v X (Z\Y) = s X (Z\Y), co kończy dowód niezawodności reguły m 3 w rodzinie R. są niezawodne w rodzi- Wniosek nie R. Reguły m 0, m 2, m 4, m 5, m 5, m 7 i m 8 Dowód. Wynika wprost z twierdzenia 4.17 oraz wniosku 1.20.
Logika Stosowana. Wykład 1 - Logika zdaniowa. Marcin Szczuka. Instytut Informatyki UW. Wykład monograficzny, semestr letni 2016/2017
Logika Stosowana Wykład 1 - Logika zdaniowa Marcin Szczuka Instytut Informatyki UW Wykład monograficzny, semestr letni 2016/2017 Marcin Szczuka (MIMUW) Logika Stosowana 2017 1 / 30 Plan wykładu 1 Język
Bardziej szczegółowoSystemy baz danych. Notatki z wykładu. http://robert.brainusers.net 17.06.2009
Systemy baz danych Notatki z wykładu http://robert.brainusers.net 17.06.2009 Notatki własne z wykładu. Są niekompletne, bez bibliografii oraz mogą zawierać błędy i usterki. Z tego powodu niniejszy dokument
Bardziej szczegółowoAlgebrę L = (L, Neg, Alt, Kon, Imp) nazywamy algebrą języka logiki zdań. Jest to algebra o typie
3. Wykłady 5 i 6: Semantyka klasycznego rachunku zdań. Dotychczas rozwinęliśmy klasyczny rachunek na gruncie czysto syntaktycznym, a więc badaliśmy metodę sprawdzania, czy dana formuła B jest dowodliwa
Bardziej szczegółowoLogika Stosowana. Wykład 2 - Logika modalna Część 2. Marcin Szczuka. Instytut Informatyki UW. Wykład monograficzny, semestr letni 2016/2017
Logika Stosowana Wykład 2 - Logika modalna Część 2 Marcin Szczuka Instytut Informatyki UW Wykład monograficzny, semestr letni 2016/2017 Marcin Szczuka (MIMUW) Logika Stosowana 2017 1 / 27 Plan wykładu
Bardziej szczegółowodomykanie relacji, relacja równoważności, rozkłady zbiorów
1 of 8 2012-03-28 17:45 Logika i teoria mnogości/wykład 5: Para uporządkowana iloczyn kartezjański relacje domykanie relacji relacja równoważności rozkłady zbiorów From Studia Informatyczne < Logika i
Bardziej szczegółowoMonoidy wolne. alfabetem. słowem długością słowa monoidem wolnym z alfabetem Twierdzenie 1.
3. Wykłady 3 i 4: Języki i systemy dedukcyjne. Klasyczny rachunek zdań. 3.1. Monoidy wolne. Niech X będzie zbiorem niepustym. Zbiór ten będziemy nazywać alfabetem. Skończony ciąg elementów alfabetu X będziemy
Bardziej szczegółowoIndukcja. Materiały pomocnicze do wykładu. wykładowca: dr Magdalena Kacprzak
Indukcja Materiały pomocnicze do wykładu wykładowca: dr Magdalena Kacprzak Charakteryzacja zbioru liczb naturalnych Arytmetyka liczb naturalnych Jedną z najważniejszych teorii matematycznych jest arytmetyka
Bardziej szczegółowoAndrzej Wiśniewski Logika II. Materiały do wykładu dla studentów kognitywistyki
Andrzej Wiśniewski Logika II Materiały do wykładu dla studentów kognitywistyki Wykład 5. Wprowadzenie do semantyki teoriomodelowej cz.5. Wynikanie logiczne 1 Na poprzednim wykładzie udowodniliśmy m.in.:
Bardziej szczegółowoEgzamin z logiki i teorii mnogości, rozwiązania zadań
Egzamin z logiki i teorii mnogości, 08.02.2016 - rozwiązania zadań 1. Niech φ oraz ψ będą formami zdaniowymi. Czy formuła [( x : φ(x)) ( x : ψ(x))] [ x : (φ(x) ψ(x))] jest prawem rachunku kwantyfikatorów?
Bardziej szczegółowoParadygmaty dowodzenia
Paradygmaty dowodzenia Sprawdzenie, czy dana formuła rachunku zdań jest tautologią polega zwykle na obliczeniu jej wartości dla 2 n różnych wartościowań, gdzie n jest liczbą zmiennych zdaniowych tej formuły.
Bardziej szczegółowoRACHUNEK ZDAŃ 7. Dla każdej tautologii w formie implikacji, której poprzednik również jest tautologią, następnik także jest tautologią.
Semantyczne twierdzenie o podstawianiu Jeżeli dana formuła rachunku zdań jest tautologią i wszystkie wystąpienia pewnej zmiennej zdaniowej w tej tautologii zastąpimy pewną ustaloną formułą, to otrzymana
Bardziej szczegółowoLogika Stosowana. Wykład 7 - Zbiory i logiki rozmyte Część 3 Prawdziwościowa logika rozmyta. Marcin Szczuka. Instytut Informatyki UW
Logika Stosowana Wykład 7 - Zbiory i logiki rozmyte Część 3 Prawdziwościowa logika rozmyta Marcin Szczuka Instytut Informatyki UW Wykład monograficzny, semestr letni 2016/2017 Marcin Szczuka (MIMUW) Logika
Bardziej szczegółowoUzupełnienia dotyczące zbiorów uporządkowanych (3 lutego 2011).
Uzupełnienia dotyczące zbiorów uporządkowanych (3 lutego 2011). Poprzedniczka tej notatki zawierała błędy! Ta pewnie zresztą też ; ). Ćwiczenie 3 zostało zmienione, bo żądałem, byście dowodzili czegoś,
Bardziej szczegółowoAndrzej Wiśniewski Logika II. Wykłady 10b i 11. Semantyka relacyjna dla normalnych modalnych rachunków zdań
Andrzej Wiśniewski Logika II Materiały do wykładu dla studentów kognitywistyki Wykłady 10b i 11. Semantyka relacyjna dla normalnych modalnych rachunków zdań 1 Struktury modelowe Przedstawimy teraz pewien
Bardziej szczegółowoLOGIKA I TEORIA ZBIORÓW
LOGIKA I TEORIA ZBIORÓW Logika Logika jest nauką zajmującą się zdaniami Z punktu widzenia logiki istotne jest, czy dane zdanie jest prawdziwe, czy nie Nie jest natomiast istotne o czym to zdanie mówi Definicja
Bardziej szczegółowoAndrzej Wiśniewski Logika I Materiały do wykładu dla studentów kognitywistyki. Wykład 10. Twierdzenie o pełności systemu aksjomatycznego KRZ
Andrzej Wiśniewski Logika I Materiały do wykładu dla studentów kognitywistyki Wykład 10. Twierdzenie o pełności systemu aksjomatycznego KRZ 1 Tezy KRZ Pewien system aksjomatyczny KRZ został przedstawiony
Bardziej szczegółowoA i. i=1. i=1. i=1. i=1. W dalszej części skryptu będziemy mieli najczęściej do czynienia z miarami określonymi na rodzinach, które są σ - algebrami.
M. Beśka, Wstęp do teorii miary, rozdz. 3 25 3 Miara 3.1 Definicja miary i jej podstawowe własności Niech X będzie niepustym zbiorem, a A 2 X niepustą rodziną podzbiorów. Wtedy dowolne odwzorowanie : A
Bardziej szczegółowoLX Olimpiada Matematyczna
LX Olimpiada Matematyczna Rozwiązania zadań konkursowych zawodów stopnia drugiego 13 lutego 2009 r. (pierwszy dzień zawodów) Zadanie 1. Liczby rzeczywiste a 1, a 2,..., a n (n 2) spełniają warunek a 1
Bardziej szczegółowoStruktury formalne, czyli elementy Teorii Modeli
Struktury formalne, czyli elementy Teorii Modeli Szymon Wróbel, notatki z wykładu dra Szymona Żeberskiego semestr zimowy 2016/17 1 Język 1.1 Sygnatura językowa Sygnatura językowa: L = ({f i } i I, {P j
Bardziej szczegółowo1 Działania na zbiorach
M. Beśka, Wstęp do teorii miary, rozdz. 1 1 1 Działania na zbiorach W rozdziale tym przypomnimy podstawowe działania na zbiorach koncentrując się na własnościach tych działań, które będą przydatne w dalszej
Bardziej szczegółowoZasada indukcji matematycznej
Zasada indukcji matematycznej Twierdzenie 1 (Zasada indukcji matematycznej). Niech ϕ(n) będzie formą zdaniową zmiennej n N 0. Załóżmy, że istnieje n 0 N 0 takie, że 1. ϕ(n 0 ) jest zdaniem prawdziwym,.
Bardziej szczegółowoZależności funkcyjne
Zależności funkcyjne Plan wykładu Pojęcie zależności funkcyjnej Dopełnienie zbioru zależności funkcyjnych Postać minimalna zbioru zależności funkcyjnych Domknięcie atrybutu relacji względem zależności
Bardziej szczegółowoWstęp do logiki. Klasyczny Rachunek Zdań III
Wstęp do logiki Klasyczny Rachunek Zdań III Przypomnijmy: Logika: = Teoria form (schematów, reguł) poprawnych wnioskowań. Wnioskowaniem nazywamy jakąkolwiek skończoną co najmniej dwuwyrazową sekwencję
Bardziej szczegółowoAndrzej Wiśniewski Logika I Materiały do wykładu dla studentów kognitywistyki. Wykład 9. Koniunkcyjne postacie normalne i rezolucja w KRZ
Andrzej Wiśniewski Logika I Materiały do wykładu dla studentów kognitywistyki Wykład 9. Koniunkcyjne postacie normalne i rezolucja w KRZ 1 Inferencyjna równoważność formuł Definicja 9.1. Formuła A jest
Bardziej szczegółowoSchematy Piramid Logicznych
Schematy Piramid Logicznych geometryczna interpretacja niektórych formuł Paweł Jasionowski Politechnika Śląska w Gliwicach Wydział Matematyczno-Fizyczny Streszczenie Referat zajmuje się następującym zagadnieniem:
Bardziej szczegółowoRachunek logiczny. 1. Język rachunku logicznego.
Rachunek logiczny. Podstawową własnością rozumowania poprawnego jest zachowanie prawdy: rozumowanie poprawne musi się kończyć prawdziwą konkluzją, o ile wszystkie przesłanki leżące u jego podstaw były
Bardziej szczegółowoBaza w jądrze i baza obrazu ( )
Przykład Baza w jądrze i baza obrazu (839) Znajdź bazy jądra i obrazu odwzorowania α : R 4 R 3, gdzie α(x, y, z, t) = (x + 2z + t, 2x + y 3z 5t, x y + z + 4t) () zór ten oznacza, że α jest odwzorowaniem
Bardziej szczegółowoTeoria miary. WPPT/Matematyka, rok II. Wykład 5
Teoria miary WPPT/Matematyka, rok II Wykład 5 Funkcje mierzalne Niech (X, F) będzie przestrzenią mierzalną i niech f : X R. Twierdzenie 1. NWSR 1. {x X : f(x) > a} F dla każdego a R 2. {x X : f(x) a} F
Bardziej szczegółowoAndrzej Wiśniewski Logika II. Wykład 6. Wprowadzenie do semantyki teoriomodelowej cz.6. Modele i pełność
Andrzej Wiśniewski Logika II Materiały do wykładu dla studentów kognitywistyki Wykład 6. Wprowadzenie do semantyki teoriomodelowej cz.6. Modele i pełność 1 Modele Jak zwykle zakładam, że pojęcia wprowadzone
Bardziej szczegółowoO pewnych związkach teorii modeli z teorią reprezentacji
O pewnych związkach teorii modeli z teorią reprezentacji na podstawie referatu Stanisława Kasjana 5 i 12 grudnia 2000 roku 1. Elementy teorii modeli Będziemy rozważać język L składający się z przeliczalnej
Bardziej szczegółowoTrzy razy o indukcji
Trzy razy o indukcji Antoni Kościelski 18 października 01 1 Co to są liczby naturalne? Indukcja matematyczna wiąże się bardzo z pojęciem liczby naturalnej. W szkole zwykle najpierw uczymy się posługiwać
Bardziej szczegółowoDefinicja: alfabetem. słowem długością słowa
Definicja: Niech X będzie zbiorem niepustym. Zbiór ten będziemy nazywać alfabetem. Skończony ciąg elementów alfabetu X będziemy nazywać słowem a liczbę elementów tego ciągu nazywamy długością słowa. Na
Bardziej szczegółowoRodzinę F złożoną z podzbiorów zbioru X będziemy nazywali ciałem zbiorów, gdy spełnione są dwa następujące warunki.
3. Funkcje borelowskie. Rodzinę F złożoną z podzbiorów zbioru X będziemy nazywali ciałem zbiorów, gdy spełnione są dwa następujące warunki. (1): Jeśli zbiór Y należy do rodziny F, to jego dopełnienie X
Bardziej szczegółowoF t+ := s>t. F s = F t.
M. Beśka, Całka Stochastyczna, wykład 1 1 1 Wiadomości wstępne 1.1 Przestrzeń probabilistyczna z filtracją Niech (Ω, F, P ) będzie ustaloną przestrzenią probabilistyczną i niech F = {F t } t 0 będzie rodziną
Bardziej szczegółowoIndukcja matematyczna
Indukcja matematyczna 1 Zasada indukcji Rozpatrzmy najpierw następujący przykład. Przykład 1 Oblicz sumę 1 + + 5 +... + (n 1). Dyskusja. Widzimy że dla n = 1 ostatnim składnikiem powyższej sumy jest n
Bardziej szczegółowoMatematyka dyskretna. Andrzej Łachwa, UJ, /15
Matematyka dyskretna Andrzej Łachwa, UJ, 2015 andrzej.lachwa@uj.edu.pl 3/15 Indukcja matematyczna Poprawność indukcji matematycznej wynika z dobrego uporządkowania liczb naturalnych, czyli z następującej
Bardziej szczegółowoIndukcja matematyczna, zasada minimum i maksimum. 17 lutego 2017
Indukcja matematyczna, zasada minimum i maksimum 17 lutego 2017 Liczby naturalne - Aksjomatyka Peano (bez zera) Aksjomatyka liczb naturalnych N jest nazwą zbioru liczb naturalnych, 1 jest nazwą elementu
Bardziej szczegółowoMatematyka dyskretna. Andrzej Łachwa, UJ, /10
Matematyka dyskretna Andrzej Łachwa, UJ, 2018 andrzej.lachwa@uj.edu.pl 10/10 Podziały i liczby Stirlinga Liczba Stirlinga dla cykli (często nazywana liczbą Stirlinga pierwszego rodzaju) to liczba permutacji
Bardziej szczegółowoRachunek zdań. Materiały pomocnicze do wykładu. wykładowca: dr Magdalena Kacprzak
Rachunek zdań Materiały pomocnicze do wykładu wykładowca: dr Magdalena Kacprzak RACHUNEK ZDAŃ Zdania Definicja Zdanie jest to stwierdzenie w języku naturalnym, któremu można przypisać wartość prawdy lub
Bardziej szczegółowoMetoda tabel semantycznych. Dedukcja drogi Watsonie, dedukcja... Definicja logicznej konsekwencji. Logika obliczeniowa.
Plan Procedura decyzyjna Reguły α i β - algorytm Plan Procedura decyzyjna Reguły α i β - algorytm Logika obliczeniowa Instytut Informatyki 1 Procedura decyzyjna Logiczna konsekwencja Teoria aksjomatyzowalna
Bardziej szczegółowoAdam Meissner.
Instytut Automatyki i Inżynierii Informatycznej Politechniki Poznańskiej Adam Meissner Adam.Meissner@put.poznan.pl http://www.man.poznan.pl/~ameis SZTUCZNA INTELIGENCJA Podstawy logiki pierwszego rzędu
Bardziej szczegółowo2 Rodziny zbiorów. 2.1 Algebry i σ - algebry zbiorów. M. Beśka, Wstęp do teorii miary, rozdz. 2 11
M. Beśka, Wstęp do teorii miary, rozdz. 2 11 2 Rodziny zbiorów 2.1 Algebry i σ - algebry zbiorów Niech X będzie niepustym zbiorem. Rodzinę indeksowaną zbiorów {A i } i I 2 X nazywamy rozbiciem zbioru X
Bardziej szczegółowoNierówności symetryczne
Nierówności symetryczne Andrzej Nowicki Uniwersytet Mikołaja Kopernika, Wydział Matematyki i Informatyki, ul Chopina 1 18, 87 100 Toruń (e-mail: anow@matunitorunpl) Sierpień 1995 Wstęp Jeśli x, y, z, t
Bardziej szczegółowoKonstrukcja liczb rzeczywistych przy pomocy ciągów Cauchy ego liczb wymiernych
Konstrukcja liczb rzeczywistych przy pomocy ciągów Cauchy ego liczb wymiernych Marcin Michalski 14.11.014 1 Wprowadzenie Jedną z intuicji na temat liczb rzeczywistych jest myślenie o nich jako liczbach,
Bardziej szczegółowoLOGIKA Dedukcja Naturalna
LOGIKA Dedukcja Naturalna Robert Trypuz Katedra Logiki KUL 7 stycznia 2014 Robert Trypuz (Katedra Logiki) Założeniowy system klasycznego rachunku zdań 7 stycznia 2014 1 / 42 PLAN WYKŁADU 1 Przykład dowodów
Bardziej szczegółowoLogika Matematyczna (1)
Logika Matematyczna (1) Jerzy Pogonowski Zakład Logiki Stosowanej UAM www.logic.amu.edu.pl pogon@amu.edu.pl 4 X 2007 Jerzy Pogonowski (MEG) Logika Matematyczna (1) 4 X 2007 1 / 18 Plan konwersatorium Dzisiaj:
Bardziej szczegółowo7 Twierdzenie Fubiniego
M. Beśka, Wstęp do teorii miary, wykład 7 19 7 Twierdzenie Fubiniego 7.1 Miary produktowe Niech i będą niepustymi zbiorami. Przez oznaczmy produkt kartezjański i tj. zbiór = { (x, y : x y }. Niech E oraz
Bardziej szczegółowoTadeusz Pankowski www.put.poznan.pl/~tadeusz.pankowski. Definicja. Definicja
Plan Zależności funkcyjne 1. Zależności funkcyjne jako klasa ograniczeń semantycznych odwzorowywanego świata rzeczywistego. 2. Schematy relacyjne = typ relacji + zależności funkcyjne. 3. Rozkładalność
Bardziej szczegółowoPoprawność semantyczna
Poprawność składniowa Poprawność semantyczna Poprawność algorytmu Wypisywanie zdań z języka poprawnych składniowo Poprawne wartościowanie zdań języka, np. w języku programowania skutki wystąpienia wyróżnionych
Bardziej szczegółowoJEZYKOZNAWSTWO. I NAUKI O INFORMACJI, ROK I Logika Matematyczna: egzamin pisemny 11 czerwca Imię i Nazwisko:... FIGLARNE POZNANIANKI
JEZYKOZNAWSTWO I NAUKI O INFORMACJI, ROK I Logika Matematyczna: egzamin pisemny 11 czerwca 2012 Imię i Nazwisko:........................................................... FIGLARNE POZNANIANKI Wybierz
Bardziej szczegółowoKorzystając z własności metryki łatwo wykazać, że dla dowolnych x, y, z X zachodzi
M. Beśka, Wstęp do teorii miary, Dodatek 158 10 Dodatek 10.1 Przestrzenie metryczne Niech X będzie niepustym zbiorem. Funkcję d : X X [0, ) spełniającą dla x, y, z X warunki (i) d(x, y) = 0 x = y, (ii)
Bardziej szczegółowoPrzykładami ciągów, które Czytelnik dobrze zna (a jeśli nie, to niniejszym poznaje), jest ciąg arytmetyczny:
Podstawowe definicje Definicja ciągu Ciągiem nazywamy funkcję na zbiorze liczb naturalnych, tzn. przyporządkowanie każdej liczbie naturalnej jakiejś liczby rzeczywistej. (Mówimy wtedy o ciągu o wyrazach
Bardziej szczegółowoWykład 6. Reguły inferencyjne systemu aksjomatycznego Klasycznego Rachunku Zdań
Andrzej Wiśniewski Logika I Materiały do wykładu dla studentów kognitywistyki Wykład 6. Reguły inferencyjne systemu aksjomatycznego Klasycznego Rachunku Zdań System aksjomatyczny logiki Budując logikę
Bardziej szczegółowoW. Guzicki Zadanie IV z Informatora Maturalnego poziom rozszerzony 1
W. Guzicki Zadanie IV z Informatora Maturalnego poziom rozszerzony 1 Zadanie IV. Dany jest prostokątny arkusz kartony o długości 80 cm i szerokości 50 cm. W czterech rogach tego arkusza wycięto kwadratowe
Bardziej szczegółowoLogika Matematyczna (1)
Logika Matematyczna (1) Jerzy Pogonowski Zakład Logiki Stosowanej UAM www.logic.amu.edu.pl pogon@amu.edu.pl Wprowadzenie Jerzy Pogonowski (MEG) Logika Matematyczna (1) Wprowadzenie 1 / 20 Plan konwersatorium
Bardziej szczegółowoLOGIKA Klasyczny Rachunek Zdań
LOGIKA Klasyczny Rachunek Zdań Robert Trypuz trypuz@kul.pl 5 listopada 2013 Robert Trypuz (trypuz@kul.pl) Klasyczny Rachunek Zdań 5 listopada 2013 1 / 24 PLAN WYKŁADU 1 Alfabet i formuła KRZ 2 Zrozumieć
Bardziej szczegółowoRozdział 6. Ciągłość. 6.1 Granica funkcji
Rozdział 6 Ciągłość 6.1 Granica funkcji Podamy najpierw dwie definicje granicy funkcji w punkcie i pokażemy ich równoważność. Definicja Cauchy ego granicy funkcji w punkcie. Niech f : X R, gdzie X R oraz
Bardziej szczegółowoMatematyka dyskretna. Andrzej Łachwa, UJ, /10
Matematyka dyskretna Andrzej Łachwa, UJ, 2018 andrzej.lachwa@uj.edu.pl 3/10 indukcja matematyczna Poprawność indukcji matematycznej wynika z dobrego uporządkowania liczb naturalnych, czyli z następującej
Bardziej szczegółowoElementy logiki i teorii mnogości
Elementy logiki i teorii mnogości Zdanie logiczne Zdanie logiczne jest to zdanie oznajmujące, któremu można przypisać określoną wartość logiczną. W logice klasycznej zdania dzielimy na: prawdziwe (przypisujemy
Bardziej szczegółowozbiorów domkniętych i tak otrzymane zbiory domknięte ustawiamy w ciąg. Oznaczamy
5. Funkcje 1 klasy Baire a. Pod koniec XIX i początkiem XX wieku kilku matematyków zajmowało się problemami dotyczącymi klasyfikacji funkcji borelowskich: między innymi R. Baire, E. Borel, H. Lebesgue
Bardziej szczegółowoJest to zasadniczo powtórka ze szkoły średniej, być może z niektórymi rzeczami nowymi.
Logika Jest to zasadniczo powtórka ze szkoły średniej, być może z niektórymi rzeczami nowymi. Często słowu "logika" nadaje się szersze znaczenie niż temu o czym będzie poniżej: np. mówi się "logiczne myślenie"
Bardziej szczegółowovf(c) =, vf(ft 1... t n )=vf(t 1 )... vf(t n ).
6. Wykład 6: Rachunek predykatów. Język pierwszego rzędu składa się z: symboli relacyjnych P i, i I, gdzie (P i ) oznaczać będzie ilość argumentów symbolu P i, symboli funkcyjnych f j, j J, gdzie (f j
Bardziej szczegółowo1. Synteza automatów Moore a i Mealy realizujących zadane przekształcenie 2. Transformacja automatu Moore a w automat Mealy i odwrotnie
Opracował: dr hab. inż. Jan Magott KATEDRA INFORMATYKI TECHNICZNEJ Ćwiczenia laboratoryjne z Logiki Układów Cyfrowych ćwiczenie 207 Temat: Automaty Moore'a i Mealy 1. Cel ćwiczenia Celem ćwiczenia jest
Bardziej szczegółowoB jest liniowo niezależny V = lin (B) 1. Układ pusty jest bazą przestrzeni trywialnej {θ}. a i v i = i I. b i v i, (a i b i ) v i = θ.
8 Baza i wymiar Definicja 8.1. Bazą przestrzeni liniowej nazywamy liniowo niezależny układ jej wektorów, który generuję tę przestrzeń. Innymi słowy, układ B = (v i ) i I wektorów z przestrzeni V jest bazą
Bardziej szczegółowoDowody założeniowe w KRZ
Dowody założeniowe w KRZ Jerzy Pogonowski Zakład Logiki Stosowanej UAM www.logic.amu.edu.pl pogon@amu.edu.pl w styczniu 2007 Jerzy Pogonowski (MEG) Dowody założeniowe w KRZ w styczniu 2007 1 / 10 Dowody
Bardziej szczegółowoWYKŁAD 3: METODA AKSJOMATYCZNA
METODY DOWODZENIA TWIERDZEŃ I AUTOMATYZACJA ROZUMOWAŃ WYKŁAD 3: METODA AKSJOMATYCZNA III rok kognitywistyki UAM, 2016 2017 Plan na dziś: 1. Przypomnimy, na czym polega aksjomatyczna metoda dowodzenia twierdzeń.
Bardziej szczegółowoPodstawowe Pojęcia. Semantyczne KRZ
Logika Matematyczna: Podstawowe Pojęcia Semantyczne KRZ I rok Językoznawstwa i Informacji Naukowej UAM 2006-2007 Jerzy Pogonowski Zakład Logiki Stosowanej UAM http://www.logic.amu.edu.pl Dodatek: ściąga
Bardziej szczegółowoSemantyka rachunku predykatów
Relacje Interpretacja Wartość Spełnialność Logika obliczeniowa Instytut Informatyki Relacje Interpretacja Wartość Plan Plan Relacje O co chodzi? Znaczenie w logice Relacje 3 Interpretacja i wartościowanie
Bardziej szczegółowoElementy logiki matematycznej
Elementy logiki matematycznej Przedmiotem logiki matematycznej jest badanie tzw. wyrażeń logicznych oraz metod rozumowania i sposobów dowodzenia używanych w matematyce, a także w innych dziedzinach, w
Bardziej szczegółowoMatematyka dyskretna. Andrzej Łachwa, UJ, /14
Matematyka dyskretna Andrzej Łachwa, UJ, 2019 andrzej.lachwa@uj.edu.pl 4/14 Indukcja matematyczna Poprawność indukcji matematycznej wynika z dobrego uporządkowania liczb naturalnych, czyli z następującej
Bardziej szczegółowoLogika. Michał Lipnicki. 15 stycznia Zakład Logiki Stosowanej UAM. Michał Lipnicki () Logika 15 stycznia / 37
Logika Michał Lipnicki Zakład Logiki Stosowanej UAM 15 stycznia 2011 Michał Lipnicki () Logika 15 stycznia 2011 1 / 37 Wstęp Materiały na dzisiejsze zajęcia zostały opracowane na podstawie pomocy naukowych
Bardziej szczegółowoLogika i teoria mnogości Wykład 14
Teoria rekursji Teoria rekursji to dział logiki matematycznej zapoczątkowany w latach trzydziestych XX w. Inicjatorzy tej dziedziny to: Alan Turing i Stephen Kleene. Teoria rekursji bada obiekty (np. funkcje,
Bardziej szczegółowoProjektowanie relacyjnych baz danych
Mam nadzieję, że do tej pory przyzwyczaiłeś się do tabelarycznego układu danych i poznałeś sposoby odczytywania i modyfikowania tak zapisanych danych. W tym odcinku poznasz nieco teorii relacyjnych baz
Bardziej szczegółowoMatematyka Dyskretna 2/2008 rozwiązania. x 2 = 5x 6 (1) s 1 = Aα 1 + Bβ 1. A + B = c 2 A + 3 B = d
C. Bagiński Materiały dydaktyczne 1 Matematyka Dyskretna /008 rozwiązania 1. W każdym z następujących przypadków podać jawny wzór na s n i udowodnić indukcyjnie jego poprawność: (a) s 0 3, s 1 6, oraz
Bardziej szczegółowoBazy danych. Andrzej Łachwa, UJ, /15
Bazy danych Andrzej Łachwa, UJ, 2013 andrzej.lachwa@uj.edu.pl www.uj.edu.pl/web/zpgk/materialy 10/15 Semantyka schematu relacyjnej bazy danych Schemat bazy danych składa się ze schematów relacji i więzów
Bardziej szczegółowoLogika intuicjonistyczna
Logika intuicjonistyczna Logika klasyczna oparta jest na pojęciu wartości logicznej zdania. Poprawnie zbudowane i jednoznaczne stwierdzenie jest w tej logice klasyfikowane jako prawdziwe lub fałszywe.
Bardziej szczegółowoJEZYKOZNAWSTWO. I NAUKI O INFORMACJI, ROK I Logika Matematyczna: egzamin pisemny 18 czerwca Imię i Nazwisko:... I
JEZYKOZNAWSTWO I NAUKI O INFORMACJI, ROK I Logika Matematyczna: egzamin pisemny 18 czerwca 2013 Imię i Nazwisko:.................................................................................. I Wybierz
Bardziej szczegółowoZnaleźć wzór ogólny i zbadać istnienie granicy ciągu określonego rekurencyjnie:
Ciągi rekurencyjne Zadanie 1 Znaleźć wzór ogólny i zbadać istnienie granicy ciągu określonego rekurencyjnie: w dwóch przypadkach: dla i, oraz dla i. Wskazówka Należy poszukiwać rozwiązania w postaci, gdzie
Bardziej szczegółowoMetody dowodzenia twierdzeń i automatyzacja rozumowań Systemy aksjomatyczne I
Metody dowodzenia twierdzeń i automatyzacja rozumowań Systemy aksjomatyczne I Mariusz Urbański Instytut Psychologii UAM Mariusz.Urbanski@.edu.pl OSTRZEŻENIE Niniejszy plik nie zawiera wykładu z Metod dowodzenia...
Bardziej szczegółowoTemperatura w atmosferze (czy innym ośrodku) jako funkcja dł. i szer. geogr. oraz wysokości.
Własności Odległości i normy w Będziemy się teraz zajmować funkcjami od zmiennych, tzn. określonymi na (iloczyn kartezja/nski egzemplarzy ). Punkt należący do będziemy oznaczać jako Przykł. Wysokość terenu
Bardziej szczegółowoLogika Matematyczna (2,3)
Logika Matematyczna (2,3) Jerzy Pogonowski Zakład Logiki Stosowanej UAM www.logic.amu.edu.pl pogon@amu.edu.pl 11, 18 X 2007 Jerzy Pogonowski (MEG) Logika Matematyczna (2,3) 11, 18 X 2007 1 / 34 Język KRZ
Bardziej szczegółowoRachunek zdań i predykatów
Rachunek zdań i predykatów Agnieszka Nowak 14 czerwca 2008 1 Rachunek zdań Do nauczenia :! 1. ((p q) p) q - reguła odrywania RO 2. reguła modus tollens MT: ((p q) q) p ((p q) q) p (( p q) q) p (( p q)
Bardziej szczegółowoLogika dla socjologów Część 3: Elementy teorii zbiorów i relacji
Logika dla socjologów Część 3: Elementy teorii zbiorów i relacji Rafał Gruszczyński Katedra Logiki Uniwersytet Mikołaja Kopernika 2011/2012 Spis treści 1 Zbiory 2 Pary uporządkowane 3 Relacje Zbiory dystrybutywne
Bardziej szczegółowoTautologia (wyrażenie uniwersalnie prawdziwe - prawo logiczne)
Tautologia (wyrażenie uniwersalnie prawdziwe - prawo logiczne) Definicja 1: Tautologia jest to takie wyrażenie, którego wartość logiczna jest prawdą przy wszystkich możliwych wartościowaniach zmiennych
Bardziej szczegółowoLogika Matematyczna (10)
Logika Matematyczna (10) Jerzy Pogonowski Zakład Logiki Stosowanej UAM www.logic.amu.edu.pl pogon@amu.edu.pl Rezolucja w KRZ Jerzy Pogonowski (MEG) Logika Matematyczna (10) Rezolucja w KRZ 1 / 39 Plan
Bardziej szczegółowoZbiory, relacje i funkcje
Zbiory, relacje i funkcje Zbiory będziemy zazwyczaj oznaczać dużymi literami A, B, C, X, Y, Z, natomiast elementy zbiorów zazwyczaj małymi. Podstawą zależność między elementem zbioru a zbiorem, czyli relację
Bardziej szczegółowoDlaczego nie wystarczają liczby wymierne
Dlaczego nie wystarczają liczby wymierne Analiza zajmuje się problemami, w których pojawia się przejście graniczne. Przykładami takich problemów w matematyce bądź fizyce mogą być: 1. Pojęcie prędkości
Bardziej szczegółowoUkłady równań i nierówności liniowych
Układy równań i nierówności liniowych Wiesław Krakowiak 1 grudnia 2010 1 Układy równań liniowych DEFINICJA 11 Układem równań m liniowych o n niewiadomych X 1,, X n, nazywamy układ postaci: a 11 X 1 + +
Bardziej szczegółowoWykład ze Wstępu do Logiki i Teorii Mnogości
Wykład ze Wstępu do Logiki i Teorii Mnogości rok ak. 2016/2017, semestr zimowy Wykład 1 1 Wstęp do Logiki 1.1 Rachunek zdań, podstawowe funktory logiczne 1.1.1 Formuła atomowa; zdanie logiczne definicje
Bardziej szczegółowoElementy logiki. Wojciech Buszkowski Wydział Matematyki i Informatyki UAM Zakład Teorii Obliczeń
Elementy logiki Wojciech Buszkowski Wydział Matematyki i Informatyki UAM Zakład Teorii Obliczeń 1 Klasyczny Rachunek Zdań 1.1 Spójniki logiczne Zdaniem w sensie logicznym nazywamy wyrażenie, które jest
Bardziej szczegółowoMETODY DOWODZENIA TWIERDZEŃ I AUTOMATYZACJA ROZUMOWAŃ
METODY DOWODZENIA TWIERDZEŃ I AUTOMATYZACJA ROZUMOWAŃ KONWERSATORIUM 6: REZOLUCJA V rok kognitywistyki UAM 1 Kilka uwag terminologicznych Słuchacze zapewne pamiętają z zajęć dotyczących PROLOGu poniższą
Bardziej szczegółowoLogika Stosowana. Wykład 2 - Logika modalna Część 3. Marcin Szczuka. Instytut Informatyki UW. Wykład monograficzny, semestr letni 2017/2018
Logika Stosowana Wykład 2 - Logika modalna Część 3 Marcin Szczuka Instytut Informatyki UW Wykład monograficzny, semestr letni 2017/2018 Marcin Szczuka (MIMUW) Logika Stosowana 2018 1 / 36 Plan wykładu
Bardziej szczegółowoMetoda Tablic Semantycznych
Procedura Plan Reguły Algorytm Logika obliczeniowa Instytut Informatyki Plan Procedura Reguły 1 Procedura decyzyjna Logiczna równoważność formuł Logiczna konsekwencja Procedura decyzyjna 2 Reguły α, β,
Bardziej szczegółowoDODATEK 1: Wtedy h(α) = 1 oraz h(β) = 0. Jak pamiętamy ze szkoły, obraz sumy zbiorów jest sumą obrazów tych zbiorów. Mamy zatem:
DODATEK 1: DOWODY NIEKTÓRYCH TWIERDZEŃ DOTYCZACYCH SEMANTYKI KLASYCZNEGO RACHUNKU ZDAŃ 2.2. TWIERDZENIE O DEDUKCJI WPROST (wersja semantyczna). Dla dowolnych X F KRZ, α F KRZ, β F KRZ zachodzą następujące
Bardziej szczegółowoWykład 11a. Składnia języka Klasycznego Rachunku Predykatów. Języki pierwszego rzędu.
Andrzej Wiśniewski Logika I Materiały do wykładu dla studentów kognitywistyki Wykład 11a. Składnia języka Klasycznego Rachunku Predykatów. Języki pierwszego rzędu. 1 Logika Klasyczna obejmuje dwie teorie:
Bardziej szczegółowoDalszy ciąg rachunku zdań
Dalszy ciąg rachunku zdań Wszystkie możliwe funktory jednoargumentowe p f 1 f 2 f 3 f 4 0 0 0 1 1 1 0 1 0 1 Wszystkie możliwe funktory dwuargumentowe p q f 1 f 2 f 3 f 4 f 5 f 6 f 7 f 8 f 9 f 10 f 11 f
Bardziej szczegółowoTeoria miary i całki
Teoria miary i całki Spis treści 1 Wstęp 3 2 lgebra zbiorów 5 3 Pierścienie, ciała, σ ciała zbiorów. 7 3.1 Definicja pierścienia ciała i σ ciała............... 7 3.2 Pierścień, ciało i σ ciało generowane
Bardziej szczegółowoAlgebra Boole a i jej zastosowania
lgebra oole a i jej zastosowania Wprowadzenie Niech dany będzie zbiór dwuelementowy, którego elementy oznaczymy symbolami 0 oraz 1, tj. {0, 1}. W zbiorze tym określamy działania sumy :, iloczynu : _ oraz
Bardziej szczegółowo1. Wstęp do logiki. Matematyka jest nauką dedukcyjną. Nowe pojęcia definiujemy za pomocą pojęć pierwotnych lub pojęć uprzednio wprowadzonych.
Elementy logiki i teorii zbiorów. 1. Wstęp do logiki. Matematyka jest nauką dedukcyjną. Nowe pojęcia definiujemy za pomocą pojęć pierwotnych lub pojęć uprzednio wprowadzonych. Pojęcia pierwotne to najprostsze
Bardziej szczegółowo