Rozdzia l 2. Najważniejsze typy algebr stosowane w logice
|
|
- Damian Kamiński
- 5 lat temu
- Przeglądów:
Transkrypt
1 Rozdzia l 2. Najważniejsze typy algebr stosowane w logice 1. Algebry Boole a Definicja. Kratȩ dystrybutywn a z zerem i jedynk a, w której dla każdego elementu istnieje jego uzupe lnienie nazywamy algebr a Boole a. Ponieważ dla danego elementu kraty istnieje co najwyżej jedno jego uzupe lnienie, wiȩc dowoln a algebrȩ Boole a można wyposażyć w 1-argumentow a operacjȩ:, przyporz adkowuj ac a każdemu elementowi a jego uzupe lnienie: a. W ten sposób algebrȩ Boole a bȩdziemy traktować jako uk lad: (A,,,, 0, 1). Twierdzenie 2.1: Algebra (A,,,, 0, 1) typu (2,2,1,0,0) jest algebr a Boole a wtw dla dowolnych x, y, z A spe lnione s a równości: (1) x x = x, x x = x, (2) x y = y x, x y = y x, (3) x (y z) = (x y) z, x (y z) = (x y) z, (4) x (x y) = x, x (x y) = x, (dystr.) x (y z) = (x y) (x z), x (y z) = (x y) (x z), (6) x 1 = x, x 0 = x, (7) x x = 0, x x = 1. Dowód: ( ): oczywisty. ( ): Za lóżmy, że algebra (A,,,, 0, 1) spe lnia równości (1)-(7). Dziȩki równościom (1)-(6) jest niew atpliwie krat a dystrybutywn a z zerem i jedynk a. Dziȩki (7), na mocy Tw.1.26, każdy element x ma uzupe lnienie postaci: x. Zatem algebra ta jest algebr a Boole a. Przyk lady. 2-elementowa algebra Boole a: ({0, 1},,,, 0, 1), gdzie operacje zdefiniowane s a nastȩpuj aco: dla dowolnych x, y {0, 1}, x y = 1 wtw x = y = 1, x y = 0 wtw x = y = 0 oraz 1 = 0, 0 = 1. Dowolne cia lo podzbiorów (C,,,,, u) ustalonego zbioru u jest algebr a Boole a, w szczególności, cia lo (P (u),,,,, u) wszystkich podzbiorów zbioru u jest algebr a Boole a. Twierdzenie 2.2: W dowolnej algebrze Boole a (A,,,, 0, 1) zachodz a zwi azki: dla dowolnych x, y A, (i) 1 = 0, 0 = 1, (ii) x = x, (iii) (x y) = x y, (iv) (x y) = x y, (v) x y wtw y x.
2 2. Kraty implikatywne 2 Dowód: (i) wynika z Tw dla(ii): Na mocy Wniosku z Tw.1.26 mamy: x jest uzupe lnieniem elementu x wtw x jest uzupe lnieniem elementu x, sk ad oczywiście otrzymujemy: x jest uzupe lnieniem elementu x, zatem x = x. dla (iii): Na mocy Tw.1.26 wystarcza wykazać, że (x y) ( x y) = 0 oraz (x y) ( x y) = 1. Zatem: (x y) ( x y) = ((x y) x) ((x y) y) = ((x x) y) (x (y y)) = (0 y) (x 0) = 0 0 = 0 oraz (x y) ( x y) = (x x y) (y x y) = (1 y) (1 x) = 1 1 = 1. (iv) dowodzi siȩ analogicznie jak (iii). dla (v) : ( ): Za lóżmy, że x y. Wówczas x y = x. St ad (x y) = x. Dlatego na mocy (iii) : x y = x, czyli, bior ac pod uwagȩ (5), otrzymujemy: y x. ( ): rozumowanie odwrotne z zastosowaniem ponadto (ii). Twierdzenie 2.3: W dowolnej algebrze Boole a (A,,,, 0, 1), dla dowolnych a, b A, element a b jest relatywnym pseudo-uzupe lnieniem elementu a wzglȩdem b. Dowód: Po pierwsze, a ( a b) = (a a) (a b) = 0 (a b) = a b b, zatem a b {x A : a x b}. Po drugie, weźmy pod uwagȩ dowolny x A taki, że a x b. Wówczas (a x) b = b, zatem a ((a x) b) = a b, dlatego (( a a) ( a x)) b = a b, czyli ( a x) b = a b, tzn., x ( a b) = a b i ostatecznie, x a b. W ten sposób, algebrȩ Boole a można wyposażyć w 2-argumentow a operacjȩ przyporz adkowuj ac a ci agowi elementów a, b relatywne pseudo-uzupe lnienie a b elementu a wzglȩdem b, tzn., a b = a b. 2. Kraty implikatywne Definicja. Kratȩ, w której dla dowolnych elementów a, b istnieje relatywne pseudo-uzupe lnienie elementu a wzglȩdem b nazywamy krat a implikatywn a (lub r.p.c-krat a od relatively pseudo-complemented lattice). W ten sposób postrzegamy kratȩ implikatywn a jako algebrȩ (A,,, ) tak a, że jest operacj a przyporz adkowuj ac a ci agowi elementów a, b relatywne pseudo-uzupe lnienie elementu a wzglȩdem b. Twierdzenie 2.4: Algebra (A,,, ) typu (2, 2, 2) jest krat a implikatywn a wtw (A,, ) jest krat a oraz spe lniony jest warunek: dla dowolnych a, b, x A, (8) a x b wtw x a b. Dowód: ( ): Za lóżmy, że (A,,, ) jest krat a implikatywn a. Wykazujemy warunek (8). ( ): Dowód oczywisty.
3 2. Kraty implikatywne 3 ( ): Za lóżmy, że x a b. Wówczas, x (a b) = x. Zatem a x = (a x) (a b) a (a b) b. ( ): Za lóżmy, że w kracie (A,, ) operacja spe lnia warunek (8). Ponieważ a b a b, wiȩc z (8): a b {x A : a x b}. Natomiast implikacja (8)( ) świadczy o tym, że a b jest elementem najwiȩkszym w zbiorze {x A : a x b}. Zatem a b jest relatywnym pseudo-uzupe lnieniem elementu a wzglȩdem b. Twierdzenie 2.5: Krata implikatywna jest krat a dystrybutywn a z jedynk a. Dowód: Niech (A,,, ) bȩdzie krat a implikatywn a. Fakt, że krata ta ma jedynkȩ wynika natychmiast z Tw Wykazujemy dystrybutywność. Niech x, y, z A. Po lóżmy: a = (x y) (x z). St ad x y a oraz x z a. Stosuj ac wiȩc (8) na mocy Tw.2.4, otrzymujemy: y x a oraz z x a. Dlatego y z x a. Zatem, znowu z (8): x (y z) a, tzn., x (y z) (x y) (x z). Przyk lad. Dowolny lańcuch < A, > z elementem najwiȩkszym 1 jest krat a implikatywn a: dla dowolnych jego elementów a, b : a b = 1, gdy a b oraz a b = b, gdy b a i b a. Twierdzenie 2.6: W kracie implikatywnej (A,,,, 1) spe lnione s a zwi azki: dla dowolnych a, b, c A, (i) a a = 1, (ii) 1 a = a, (iii) b a b, (iv) a b wtw a b = 1, (v) a (a b) = a b, (vi) a (b c) = (a b) c, (vii) a (b c) (a b) (a c), (viii) (a b) (a c) a (b c), (ix) (a c) (b c) (a b) c. Dowód: (i), (ii) s a bezpośredni a konsekwencj a Tw.1.28(i), (iii). Warunek (iii) wynika z (8) wobec faktu, iż a b b. dla (iv) : ( ) : Niech a b. Ponieważ x A, a x a, wiȩc z za lożenia: x A, a x b. St ad a b = 1. ( ): Niech a b = 1. Ponieważ a (a b) b, wiȩc a 1 b, zatem a b. dla (v): Ponieważ a (a b) a oraz a (a b) b, wiȩc a (a b) a b. Z drugiej strony, a b a, a b b a b z (iii), zatem a b a (a b). Ostatecznie, a (a b) = a b. dla (vi): Po lóżmy x = a (b c), y = (a b) c. Ponieważ (a b) ((a b) c) c, czyli (a b) y c, wiȩc a y b c, a st ad y x. Z dugiej strony, a (a (b c)) b c, tzn. a x b c. Zatem z (8): b (a x) c, dlatego x (a b) c, tzn., x y. dla (vii): Ponieważ wed lug (v) : a (a b) (a (b c)) = (a b) (a (b c)) = b (a (a (b c))) = b (a (b c)) b (b c) c, wiȩc
4 3. Algebry Heytinga 4 (a b) (a (b c)) a c, st ad zaś: a (b c) (a b) (a c). dla (viii): Ponieważ a (a b) (a c) a (a b) b oraz a (a b) (a c) a (a c) c, wiȩc a (a b) (a c) b c, zatem (a b) (a c) a (b c). dla (ix): Ponieważ a (a c) (b c) a (a c) c oraz b (a c) (b c) b (b c) c wiȩc (a (a c) (b c)) (b (a c) (b c)) c, zatem z dystrybutywności (Tw.2.5) otrzymujemy: (a b) (a c) (b c) c, st ad zaś: (a c) (b c) (a b) c. Twierdzenie 2.7: Algebra (A,,, ) typu (2,2,2) jest krat a implikatywn a wtw (A,, ) jest krat a (tzn. spe lnione s a równości (1)-(4)) oraz dla dowolnych x, y, z A spe lnione s a równości: (9) x x = y y, (10) x (x y) = x y, (11) x (y z) = (x y) z. Dowód: ( ): oczywisty na mocy Tw.2.5, Tw.2.6(i), (v), (vi). ( ): Za lóżmy, że w kracie (A,, ) mamy operacjȩ, dla której zachodz a równości (9)-(11). Zauważmy najpierw, iż wed lug (10), dla dowolnych a, b A mamy: a (a b) = a b b, czyli a b należy do zbioru {x A : a x b}. Aby wykazać, że a b jest elementem najwiȩkszym w tym zbiorze, udowodnimy wcześniej pewne fakty pomocnicze. Po pierwsze, na mocy (9), dla dowolnego x A, element x x jest jednym i tym samym elementem, oznaczmy wiȩc go jakoś, np. symbolem 1. Wtedy dla dowolnego x A, na mocy (10) mamy: x 1 = x (x x) = x x = x, co dowodzi, że x 1, tzn. element 1 jest jedynk a w kracie (A,, ). Po drugie, zachodzi: (i) x 1 = 1. Bowiem, na mocy (11): x 1 = x (x x) = (x x) x = x x = 1. Po trzecie, dowodzimy, że dla dowolnych a, b A, (ii) a b wtw a b = 1. ( ): Niech a b. Wówczas a b = a. Zatem z (11) oraz (i) : a b = (a b) b = a (b b) = a 1 = 1. ( ): Niech a b = 1. Wówczas z (10): a b = (a b) a = 1 a = a, zatem a b. Weźmy teraz dowolne a, b, x A takie, że a x b. Wówczas, na mocy (ii) : (a x) b = 1. Lecz wed lug (11): (a x) b = (x a) b = x (a b). Zatem x (a b) = 1. Wobec tego z (ii) : x a b. 3. Algebry Heytinga Definicja. Kratȩ implikatywn a z zerem nazywamy algebr a Heytinga. W algebrze Heytinga dysponujemy operacj a pseudo-uzupe lnienia : dla dowolnego elementu x algebry, x = x 0 (por. Tw.1.23). Zatem algebrȩ Heytinga można postrzegać jako algebrȩ (A,,,,, 0, 1) typu (2,2,2,1,0,0)
5 3. Algebry Heytinga 5 tak a, że (A,,,, 1) jest krat a implikatywn a, 0 - jest zerem tej kraty oraz jest operacj a pseudo-uzupe lnienia. Naturalnie algebry Heytinga można zdefiniować równościowo, tzn. podaj ac zbiór równości spe lnionych w tych algebrach. Wystarczy zastosować Tw.2.7. Jeśli rozważamy algebry Heytinga w postaci (A,,,, 0) to definiuj a je równości (1)-(4), (9)-(11) oraz równość: x 0 = x; jeśli zaś w postaci: (A,,,,, 0, 1), to należy dodać jeszcze równość definiuj ac a operacjȩ pseudo-uzupe lnienia: x = x 0, przy czym zamiast równości (9) wystȩpuje teraz równość : x x = 1. Przyk lady. Nastȩpuj aca krata jest algebr a Heytinga: 1 c d a b 0 Operacja pseudo-uzupe lnienia jest tu określona nastȩpuj aco: 0 1 a d b a c 0 d a 1 0 Niech < X, > bȩdzie dowolnym zbiorem cz. up. oraz niech D(X) bȩdzie zbiorem wszystkich podzbiorów Y X spe lniaj acych warunek: x, y X(x Y i x y y Y ). Wówczas (D(X),,,, ) jest algebr a Heytinga, w której dla dowolnych Y, Z D(X), Y Z = {U D(X) : U Y Z} = {x X : y X(x y i y Y y Z} = {x X : [x) Y Z}, gdzie dla dowolnego x X, [x) = {y X : x y}. Albowiem, po pierwsze, latwo sprawdzić, że (D(X),,, ) jest krat a z zerem (tzn., że iloczyn i suma teoriomnogościowa s a operacjami na D(X) oraz D(X)). Po drugie, wykazujemy, że dla dowolnych Y, Z D(X), Y (Y Z) Z (naturalnie kratowym porz adkiem w (D(X),, ) jest inkluzja). Ustalmy wiȩc Y, Z D(X). Mamy dowieść, iż Y {x X : [x) Y Z} Z, co jest oczywiste. Po trzecie, należy dowieść, że U D(X), jeżeli Y U Z, to U (Y Z), co jest oczywiste z pierwszego określenia operacji pseudouzupe lnienia: Y Z = {U D(X) : U Y Z}.
6 3. Algebry Heytinga 6 Dla zbioru cz. up. z przyk ladu z 1, rozdzia l 1, opisana powyżej algebra Heytinga ma postać: {a, b, c, d, e} {a, c, d, e} {b, c, d, e} {c, d, e} {d, e} {d} {e} Operacja pseudo-uzupe lnienia jest tu określona nastȩpuj aco: {a, b, c, d, e} {d} {e} {e} {d} {d, e} {c, d, e} {a, c, d, e} {b, c, d, e} {a, b, c, d, e} Twierdzenie 2.8: W algebrze Heytinga (A,,,,, 0, 1) spe lnione s a zwi azki: dla dowolnych a, b A, (i) a a = 0, (ii) a a = a, (iii) a a, (iv) a b b a, (v) a = a, (vi) (a b) = a b, (vii) a b (a b), (viii) a b a b, (ix) a b = b a, (x) 0 a = 1, (xi) (a a) = 1.
7 3. Algebry Heytinga 7 Dowód: dla (i) oczywisty z definicji pseudo-uzupe lnienia. dla (ii): Na mocy (i) oraz Tw.2.6(v) : a (a a) = a a = 0. Zatem a a a 0 = a. Z drugiej strony, a a a, na podstawie Tw.2.6(iii). dla (iii): Na mocy (i) : a a 0 = a. dla (iv): Za lóżmy, że a b. Wówczas a b = a. St ad a b = (a b) b = 0, zatem b a 0 = a. dla (v): Na mocy (iii) : a a oraz a a, sk ad, na podstawie (iv) : a a. Ostatecznie, a = a. dla (vi): Ponieważ a a b, b a b, wiȩc wed lug (iv) : (a b) a, (a b) b, zatem (a b) a b. Z drugiej strony, na mocy dystrybutywności i (i) : (a b) ( a b) = (a a b) (b a b) = 0 0 = 0, zatem a b (a b) 0 = (a b). dla (vii): Ponieważ z dystrybutywności i (i) : (a b) ( a b) = (a b a) (a b b) = 0 0 = 0, wiȩc a b (a b) 0 = (a b). dla (viii): Ponieważ wed lug dystrybutywności oraz (i) : a ( a b) = (a a) (a b) = 0 (a b) = a b b, wiȩc a b a b. dla (ix): Na mocy Tw.2.6(v) : a (b (a b)) = b (a (a b)) = b (a b) = 0, zatem b (a b) a 0 = a. St ad zaś otrzymujemy: a b b a. Wobec dowolności wyboru elementów a, b, zamieniaj ac a na b i b na a mamy: b a a b i ostatecznie: a b = b a. dla (x): oczywisty na mocy Tw.2.6(iv). dla (xi) : (a a) = ( a a) = 0 = 1, na mocy (vi), (i) oraz Tw.1.24 (1 jest uzupe lnieniem elementu 0 w algebrze Heytinga, zatem jest pseudo-uzupe lnieniem 0, st ad 1 = 0). Na mocy Tw.2.3 jest oczywiste, że dowolna algebra Boole a (A,,,,, 0, 1), gdzie dla dowolnych a, b A, a b = a b, jest algebr a Heytinga. W ogólności zwi azek miȩdzy tymi typami algebr jest postaci: Twierdzenie 2.9: Algebra (A,,,,, 0, 1) jest algebr a Boole a wtw (A,,,,, 0, 1) jest algebr a Heytinga, w której dla dowolnego x A : x x = 1. Dowód: ( ): Oczywisty (por. równość (7) w Tw.2.1). ( ): Za lóżmy, że (A,,,,, 0, 1) jest algebr a Heytinga tak a, że spe lniona jest równość: x x = 1. Ponieważ x x = 0 (Tw.2.8(i)), wiȩc wobec dystrybutywności algebry Heytinga, na mocy Tw.1.28, x jest uzupe lnieniem elementu x, czyli każdy element tej algebry ma uzupe lnienie. Jest to wiȩc algebra Boole a. Naturalnie w Tw.2.9 równość: x x = 1, można zamienić na równość: x = x, uzyskuj ac prawdziwe twierdzenie. Bowiem oczywiście równość x = x jest spe lniona w dowolnej algebrze Boole a (T.2.2(ii)), natomiast odwrotnie, w każdej algebrze Heytinga spe lniaj acej tȩ równość, na mocy Tw.2.8(xi), spe lniona jest równość: x x = 1, co na mocy Tw.2.9 świadczy o tym, iż algebra ta jest algebra Boole a.
8 4. Algebry implikacyjne 8 4. Algebry implikacyjne Definicja. Algebrȩ (A,, 1) typu (2,0) nazywamy algebr a implikacyjn a, gdy (i) relacja określona na A nastȩpuj aco: a b wtw a b = 1, jest czȩściowo porz adkuj aca, (ii) 1 jest elementem najwiȩkszym w < A, >, (iii) dla dowolnych a, b A, b a b, (iv) dla dowolnych a, b, c A, a (b c) (a b) (a c). Twierdzenie 2.10: Każda krata implikatywna, precyzyjniej: odpowiedni redukt tej kraty, jest algebr a implikacyjn a. Dowód: Oczywisty na mocy Tw.2.5 oraz Tw.2.6(iv), (iii), (vii). Twierdzenie 2.11: Dla dowolnego zbioru cz. up. < A, > z elementem najwiȩkszym 1, algebra (A,, 1), w której dla dowolnych x, y A : x y = 1, gdy x y oraz x y = y, gdy x y, jest algebr a implikacyjn a. Dowód: Zauważmy najpierw, że dla dowolnych a, b A : a b wtw a b = 1. Bowiem implikacja ( ) jest oczywista z określenia operacji. Aby dowieść implikacji odwrotnej za lóżmy, że a b = 1 oraz że a b. Wówczas z określenia operacji : a b = b. Zatem b = 1, a wiȩc a b; sprzeczność. W ten sposób relacja definiowana przez operacjȩ wed lug warunku (i) definicji algebry implikacyjnej, jest czȩściowo porz adkuj aca, bo relacja wyjściowa jest czȩściowo porz adkuj aca. Oczywiście również warunki (ii), (iii) tej definicji s a spe lnione. Aby wykazać, że spe lniony jest warunek (iv), weźmy pod uwagȩ elementy a, b, c A i rozważmy alternatywȩ: a c lub a c. Jeśli zachodzi a c, to na mocy (i) : a c = 1. Ponieważ a b 1, wiȩc a b a c, zatem z (i) : (a b) (a c) = 1, a st ad a (b c) (a b) (a c). Za lóżmy, że a c. Wówczas, z określenia operacji mamy: a c = c. Rozważmy alternatywȩ: b c lub b c. Niech b c. Wówczas a b (gdyby by lo: a b, to by loby: a c, co jest niemożliwe). Zatem a b = b i wówczas zgodnie z za lożeniem: a b c, zatem wed lug (i) otrzymujemy: (a b) c = 1. Zatem (a b) (a c) = 1, czyli znowu: a (b c) (a b) (a c). Gdy zaś b c, to b c = c i w konsekwencji: a (b c) = a c = c (a b) c = (a b) (a c). Twierdzenie 2.12: W algebrze implikacyjnej (A,, 1) zachodz a nastȩpuj ace zwi azki: dla dowolnych a, b, c A, (i) a b c b a c, (ii) 1 a = a, (iii) b c a b a c, (iv) a b b c a c, (v) a (a b) = a b, (vi) a (b c) = b (a c) (vii) a (b c) = (a b) (a c), (viii) (a b) ((b a) b) = (b a) ((a b) a).
9 4. Algebry implikacyjne 9 Dowód: dla (i): Za lóżmy, że a b c. Zatem a (b c) = 1. St ad na mocy warunków (ii), (iv) definicji algebry implikacyjnej otrzymujemy: (a b) (a c) = 1, co implikuje: a b a c, zatem wed lug warunku (iii) definicji algebry implikacyjnej: b a c. dla (ii): Ponieważ 1 a 1 a, wiȩc na mocy (i) mamy: 1 (1 a) a, tzn., (1 a) a = 1. Zatem (1 a) a. Z drugiej strony, a 1 a na mocy warunku (iii) definicji algebry implikacyjnej. Ostatecznie, 1 a = a. dla (iii): Za lóżmy, że b c, czyli b c = 1. Zatem skoro a 1, wiȩc a (b c), tzn., a (b c) = 1. St ad i z warunków (iv), (ii) definicji algebry implikacyjnej, otrzymujemy: (a b) (a c) = 1, co implikuje: a b a c. dla (iv): Za lóżmy, że a b, tzn. a b = 1. Wówczas z warunków (iii), (iv) definicji algebry implikacyjnej zachodzi: b c a (b c) (a b) (a c) = 1 (a c) = a c (zastosowanie (ii)). dla (v): Z (ii) oraz warunku (iv) definicji algebry implikacyjnej mamy: a (a b) (a a) (a b) = 1 (a b) = a b. Z drugiej strony, a b a (a b), na mocy warunku (iii) tejże definicji. Ostatecznie, a (a b) = a b. dla (vi): Ponieważ wed lug warunku (iv) definicji algebry implikacyjnej: a (b c) (a b) (a c) wiȩc dziȩki (i) otrzymujemy: a b (a (b c)) (a c). St ad, na mocy warunku (iii) definicji mamy: b (a (b c)) (a c). Zatem znowu stosuj ac (i) uzyskujemy: a (b c) b (a c). Zamieniaj ac a na b i b na a mamy: b (a c) a (b c) i ostatecznie, a (b c) = b (a c). dla (vii): Z warunku (iii) definicji algebry implikacyjnej: b a b, zatem stosuj ac (iv) i (vi) mamy: (a b) (a c) b (a c) = a (b c). L acz ac to z warunkiem (iv) definicji otrzymujemy: a (b c) = (a b) (a c). dla (viii): Ponieważ b a b a, wiȩc na mocy (i) : b (b a) a, st ad na mocy (iii) otrzymujemy: (b a) b (b a) ((b a) a). Zatem wed lug (v) : (b a) b (b a) a, a st ad znowu dziȩki (iii) a nastȩpnie (vi) : (a b) ((b a) b) (a b) ((b a) a) = (b a) ((a b) a). Zamieniaj ac a na b oraz b na a otrzymujemy: (b a) ((a b) a) (a b) ((b a) b). Ostatecznie zachodzi (viii). Twierdzenie 2.13: Algebra (A,, 1) typu (2,0) jest algebr a implikacyjn a wtw dla dowolnych x, y, z A spe lnione s a równości: (12) 1 x = x, (13) x x = 1, (14) x (y z) = (x y) (x z), (15) (x y) ((y x) y) = (y x) ((x y) x). Dowód: ( ): Oczywisty na mocy Tw.2.12(ii), (vii), (viii). ( ): Za lóżmy, że w algebrze (A,, 1) spe lnione s a równości (12)-(15). Wykazujemy warunek (i) definicji algebry implikacyjnej. Zwrotność relacji
10 5. Algebry modalne 10 określonej w (i) wynika z (13). Aby wykazać jej antysymetriȩ za lóżmy, że a b i b a, tzn., a b = b a = 1. Wówczas z (15) mamy: 1 (1 b) = 1 (1 a), a st ad b = a, dziȩki (12). Zanim dowiedziemy przechodniości relacji wykazujemy, że a A, a 1 = 1. Rzeczywiście, na mocy (13) i (14): a 1 = a (a a) = (a a) (a a) = 1. Aby dowieść przechodniości za lóżmy, że a b oraz b c, czyli a b = b c = 1. Wówczas z (14) i (12): 1 = a 1 = a (b c) = (a b) (a c) = 1 (a c) = a c, zatem a c. Naturalnie warunek (ii) definicji algebry implikacyjnej wynika z faktu: a 1 = 1. Na mocy (14) i (13) mamy: b (a b) = (b a) (b b) = (b a) 1 = 1, zatem b a b, co dowodzi warunku (iii). Oczywiście warunek (iv) jest spe lniony na mocy (14) i zwrotności relacji. 5. Algebry modalne Definicja. Algebra (A,,,, I, 0, 1) typu (2,2,1,1,0,0) jest nazywana algebr a modaln a, gdy (A,,,, 0, 1) jest algebr a Boole a oraz operacja I spe lnia nastȩpuj ace warunki: dla dowolnych a, b A, (16) I(a b) = Ia Ib, (17) I1 = 1. Algebra modalna (A,,,, I, 0, 1) nazywana jest topologiczn a algebr a Boole a, gdy operacja I spe lnia warunki: dla dowolnego a A, (18) Ia a, gdzie jest kratowym porz adkiem kraty (A,, ), (19) IIa = Ia. Operacja I w topologicznej algebrze Boole a nosi nazwȩ operacji wnȩtrza. Naturalnie każda algebra Boole a wyposażona w operacjȩ identycznościow a, jest topologiczn a algebr a Boole a (w której operacj a wnȩtrza jest funkcja identycznościowa). Definicja. Niech (A,,,, I, 0, 1) bȩdzie topologiczn a algebr a Boole a. Operacjȩ 1-argumentow a C na zbiorze A określon a nastȩpuj aco: dla dowolnego a A, Ca = I a, nazywamy operacj a domkniȩcia. Element a A nazywamy otwartym (domkniȩtym), gdy a = Ia (a = Ca). Twierdzenie 2.14: Dla dowolnego elementu a w topologicznej algebrze Boole a, jego wnȩtrze Ia (domkniȩcie Ca) jest najwiȩkszym elementem otwartym bȩd acym pod nim (najmniejszym elementem domkniȩtym bȩd acym nad nim) wed lug kratowego porz adku. Dowód: Niech a bȩdzie dowolnym elementem topologicznej algebry Boole a (A,,,, I, 0, 1). Na mocy warunku (19), element Ia jest otwarty. Natomiast wed lug warunku (18), Ia jest pod a. Aby dowieść, że element Ia jest
11 5. Algebry modalne 11 najwiȩkszym w zbiorze {x A : x = Ix i x a}, najpierw wykazujemy, że zachodzi w ogólności, dla dowolnych x, y A: (20) x y Ix Iy. Niech x y. Zatem x y = x. St ad i z (16): Ix Iy = Ix, dlatego Ix Iy. Za lóżmy teraz że element otwarty x jest taki, że x a. Wówczas na mocy (20): Ix Ia. Lecz Ix = x. Zatem x Ia. Zanim wykażemy dualn a czȩść twierdzenia, udowodnimy nastȩpuj ace w lasności operacji domkniȩcia C: dla dowolnych a, b A, (21) C(a b) = Ca Cb, (22) C(0) = 0, (23) a Ca, (24) CCa = Ca, (25) a b Ca Cb. Mamy wiȩc na mocy (16): C(a b) = I (a b) = I( a b) = (I a I b) = I a I b = Ca Cb. Dalej, na mocy (17): C0 = I 0 = I1 = 1 = 0. Z kolei, wed lug (18): I a a. Zatem, na mocy Tw.2.2(v) : a I a, tzn. a Ca. Wreszcie, wed lug (19) mamy: CCa = I ( I a) = II a = I a = Ca. Warunku (25) dowodzi siȩ analogicznie jak warunku (20), korzystaj ac z (21) w miejsce (16). Oczywiście, na mocy (24), (23), Ca jest elementem domkniȩtym takim, że a jest pod nim. Niech teraz x A bȩdzie elementem domkniȩtym takim, że a x. Wówczas z (25): Ca Cx, czyli Ca x. Twierdzenie 2.15: Dla dowolnej topologicznej algebry Boole a (A,,,, I, 0, 1) algebra (G(A),,,,, 0, 1), gdzie G(A) = {a A : a = Ia} jest zbiorem wszystkich elementów otwartych i dla dowolnych a, b G(A) : a b = I(a b) = I( a b) oraz a = I a = Ca, jest algebr a Heytinga. Dowód: Najpierw wykażmy, że operacje, topologicznej algebry Boole a s a operacjami na zbiorze G(A). Niech wiȩc a, b G(A), tzn. a = Ia, b = Ib. Wówczas, zgodnie z (16): a b = Ia Ib = I(a b), zatem a b G(A). Ponadto, z (18): I(a b) a b. Z drugiej strony, a a b oraz b a b, zatem z (20): Ia I(a b) i Ib I(a b), czyli Ia Ib I(a b). Lecz Ia Ib = a b, zatem a b I(a b). Ostatecznie, a b = I(a b), czyli a b G(A). Co wiȩcej, wed lug (17): 1 G(A), również 0 G(A), bowiem z (18): I0 0, a oczywiście 0 Ia. Naturalnie a b, a G(A) z określenia operacji, (na mocy (19) dla dowolnego x A, Ix G(A)). Aby wykazać, że (G(A),,,,, 0, 1) jest algebr a Heytinga, zauważmy najpierw, że dla dowolnego a G(A), a = a 0, jak również, że 0 jest zerem tej algebry. Wystarcza wiȩc wykazać zwi azek (8) (Tw.2.4): dla dowolnych a, b, x G(A), a x b wtw x a b. ( ): Za lóżmy, że a x b. Wówczas x a x = 1 ( a x) = ( a a) ( a x) = a (a x) a b, dlatego Ix I( a b), czyli x a b.
12 5. Algebry modalne 12 ( ): Za lóżmy, że x a b, zatem x I( a b) a b. Wówczas a x a ( a b) = (a a) (a b) = 0 (a b) = a b b. Definicja. Topologiczn a algebrȩ Boole a (A,,,, I, 0, 1) nazywamy algebr a monadyczn a, gdy dla dowolnego a A, CIa = Ia, tzn., gdy każdy otwarty element tej topologicznej algebry Boole a jest jednocześnie elementem domkniȩtym. Naturalnie w każdej algebrze monadycznej spe lniona jest równość: dla dowolnego elementu a, (26) Ia = I Ia, bowiem CIa = Ia wtw I Ia = Ia wtw I Ia = Ia. Definicja. Algebra (A,,,, I, 0, 1) typu (2,2,1,1,0,0) jest nazywana algebr a Henlego, gdy (A,,,, 0, 1) jest algebr a Boole a oraz operacja I jest zdefiniowana nastȩpuj aco: dla dowolnego a A, Ia = 0, gdy a 1 oraz I1 = 1. Twierdzenie 2.16: Algebra Henlego jest algebr a monadyczn a. Dowód: Bezpośrednio z określenia operacji I w algebrze Henlego widać, że warunki (17),(18,(19) s a spe lnione. Ponadto, dla dowolnych jej elementów a, b mamy: a b 1 wtw a 1 lub b 1, zatem gdy a, b s a takie, że a b 1, to I(a b) = 0 oraz Ia = 0 lub Ib = 0, czyli Ia Ib = 0, zatem I(a b) = Ia Ib. Naturalnie, gdy a, b s a takie, że a b = 1, to a = b = 1 i wówczas Ia = Ib = 1, czyli Ia Ib = 1, zaś I(a b) = 1. Ostatecznie, warunek (16) zachodzi. W ten sposób widać, że algebra Henlego jest algebr a topologiczn a. Ponadto, w algebrze Henlego mamy: dla dowolnego elementu a, Ca = 1, gdy a 0 oraz C0 = 0. Bowiem gdy a 0, czyli a 1 zachodzi: Ca = I a = 0 = 1, natomiast C0 = I 0 = I1 = 1 = 0. Zatem, gdy a 1, to CIa = C0 = 0 = Ia oraz CI1 = C1 = 1 = I1, czyli algebra Henlego jest monadyczna.
Rozdzia l 3. Elementy algebry uniwersalnej
Rozdzia l 3. Elementy algebry uniwersalnej 1. Podalgebry, homomorfizmy Definicja. Niech = B A oraz o bȩdzie n-argumentow a operacj a na zbiorze A. Mówimy, że zbiór B jest zamkniȩty na operacjȩ o, gdy dla
Bardziej szczegółowoRozdzia l 1. Podstawowe elementy teorii krat
Rozdzia l 1. Podstawowe elementy teorii krat 1. Zbiory czȩściowo uporz adkowane Definicja. Relacjȩ binarn a określon a na zbiorze A nazywamy relacj a czȩściowo porz adkuj ac a, gdy jest zwrotna, antysymetryczna
Bardziej szczegółowoRozdzia l 10. Najważniejsze normalne logiki modalne
Rozdzia l 10. Najważniejsze normalne logiki modalne 1. Logiki modalne normalne Definicja. Inwariantny zbiór formu l X jȩzyka modalnego L = (L,,,,, ) nazywamy logik a modaln a zbazowan a na logice klasycznej
Bardziej szczegółowoRozdzia l 3. Relacje binarne
Rozdzia l 3. Relacje binarne 1. Para uporz adkowana. Produkt kartezjański dwóch zbiorów Dla pary zbiorów {x, y} zachodzi, jak latwo sprawdzić, równość {x, y} = {y, x}. To znaczy, kolejność wymienienia
Bardziej szczegółowoNiech X bȩdzie dowolnym zbiorem. Dobry porz adek to relacja P X X (bȩdziemy pisać x y zamiast x, y P ) o w lasnościach:
Teoria miary WPPT IIr semestr zimowy 2009 Wyk lad 4 Liczby kardynalne, indukcja pozaskończona DOBRY PORZA DEK 14/10/09 Niech X bȩdzie dowolnym zbiorem Dobry porz adek to relacja P X X (bȩdziemy pisać x
Bardziej szczegółowoRozdzia l 9. Zbiory liczb porz adkowych. Liczby porz adkowe izolowane i graniczne
Rozdzia l 9. Zbiory liczb porz adkowych. Liczby porz adkowe izolowane i graniczne 1. Kresy wzglȩdem dowolnego zbioru liczb porz adkowych Poświȩcimy teraz uwagȩ przede wszystkich kratowym w lasnościom klasy
Bardziej szczegółowoRozdzia l 8. Pojȩcie liczby porz adkowej
Rozdzia l 8. Pojȩcie liczby porz adkowej 1. Liczby naturalne a liczby porz adkowe Oto cztery pierwsze liczby naturalne zapisane wed lug różnych czterech notacji w porz adku od najmniejszej do najwiȩkszej:,
Bardziej szczegółowoWyk lad 7 Baza i wymiar przestrzeni liniowej
Wyk lad 7 Baza i wymiar przestrzeni liniowej 1 Baza przestrzeni liniowej Niech V bedzie przestrzenia liniowa. Powiemy, że podzbiór X V jest maksymalnym zbiorem liniowo niezależnym, jeśli X jest zbiorem
Bardziej szczegółowoWyk lad 6 Podprzestrzenie przestrzeni liniowych
Wyk lad 6 Podprzestrzenie przestrzeni liniowych 1 Określenie podprzestrzeni Definicja 6.1. Niepusty podzbiór V 1 V nazywamy podprzestrzeni przestrzeni liniowej V, jeśli ma on nastepuj ace w lasności: (I)
Bardziej szczegółowoAlgebra i jej zastosowania konspekt wyk ladu, czȩść druga
Algebra i jej zastosowania konspekt wyk ladu, czȩść druga Anna Romanowska January 29, 2016 4 Kraty i algebry Boole a 41 Kraty zupe lne Definicja 411 Zbiór uporza dkowany (P, ) nazywamy krata zupe lna,
Bardziej szczegółowoWyk lad 9 Podpierścienie, elementy odwracalne, dzielniki zera
Wyk lad 9 Podpierścienie, elementy odwracalne, dzielniki zera Określenie podpierścienia Definicja 9.. Podpierścieniem pierścienia (P, +,, 0, ) nazywamy taki podzbiór A P, który jest pierścieniem ze wzgledu
Bardziej szczegółowoSterowalność liniowych uk ladów sterowania
Sterowalność liniowych uk ladów sterowania W zadaniach sterowania docelowego należy przeprowadzić obiekt opisywany za pomoc a równania stanu z zadanego stanu pocz atkowego ẋ(t) = f(x(t), u(t), t), t [t,
Bardziej szczegółowoWyk lad 9 Baza i wymiar przestrzeni liniowej
Wyk lad 9 Baza i wymiar przestrzeni liniowej 1 Operacje elementarne na uk ladach wektorów Niech α 1,..., α n bed dowolnymi wektorami przestrzeni liniowej V nad cia lem K. Wyróżniamy nastepuj ace operacje
Bardziej szczegółowoRozdzia l 11. Liczby kardynalne
Rozdzia l 11. Liczby kardynalne 1. Równoliczność zbiorów Definicja. Dla dowolnych zbiorów x, y : x jest równoliczny z y, gdy istnieje funkcja f : x y, która jest bijekcj a. Zauważmy, że funkcja f : y,
Bardziej szczegółowoWyk lad 9 Przekszta lcenia liniowe i ich zastosowania
Wyk lad 9 Przekszta lcenia liniowe i ich zastosowania 1 Przekszta lcenia liniowe i ich w lasności Definicja 9.1. Niech V i W bed przestrzeniami liniowymi. Przekszta lcenie f : V W spe lniajace warunki:
Bardziej szczegółowoTeoria miary WPPT IIr. semestr zimowy 2009 Wyk lady 6 i 7. Mierzalność w sensie Carathéodory ego Miara Lebesgue a na prostej
Teoria miary WPPT IIr. semestr zimowy 2009 Wyk lady 6 i 7. Mierzalność w sensie Carathéodory ego Miara Lebesgue a na prostej 27-28/10/09 ZBIORY MIERZALNE WZGLȨDEM MIARY ZEWNȨTRZNEJ Niech µ bȩdzie miar
Bardziej szczegółowoMetoda Simplex bez użycia tabel simplex 29 kwietnia 2010
R. Rȩbowski 1 WPROWADZENIE Metoda Simplex bez użycia tabel simplex 29 kwietnia 2010 1 Wprowadzenie Powszechnie uważa siȩ, że metoda simplex, jako uniwersalny algorytm pozwalaj acyznaleźć rozwi azanie optymalne
Bardziej szczegółowoTomasz Downarowicz Instytut Matematyki i Informatyki Politechnika Wroc lawska Wroc law Wroc law, kwiecień 2011
Tomasz Downarowicz Instytut Matematyki i Informatyki Politechnika Wroc lawska 50-370 Wroc law Wroc law, kwiecień 2011 Analiza Funkcjonalna WPPT IIr. Wyk lady 4 i 5: Przestrzenie unitarne i Hilberta (rzeczywiste
Bardziej szczegółowoWyk lad 4 Warstwy, dzielniki normalne
Wyk lad 4 Warstwy, dzielniki normalne 1 Warstwy grupy wzgl edem podgrupy Niech H bedzie podgrupa grupy (G,, e). W zbiorze G wprowadzamy relacje l oraz r przyjmujac, że dla dowolnych a, b G: a l b a 1 b
Bardziej szczegółowoWyk lad 5 W lasności wyznaczników. Macierz odwrotna
Wyk lad 5 W lasności wyznaczników Macierz odwrotna 1 Operacje elementarne na macierzach Bardzo ważne znaczenie w algebrze liniowej odgrywaja tzw operacje elementarne na wierszach lub kolumnach macierzy
Bardziej szczegółowoWyk lad 3 Wyznaczniki
1 Określenie wyznacznika Wyk lad 3 Wyznaczniki Niech A bedzie macierza kwadratowa stopnia n > 1 i niech i, j bed a liczbami naturalnymi n Symbolem A ij oznaczać bedziemy macierz kwadratowa stopnia n 1
Bardziej szczegółowoLOGIKA ALGORYTMICZNA
LOGIKA ALGORYTMICZNA 0.0. Relacje. Iloczyn kartezjański: A B := (a, b) : a A i b B} (zak ladamy, że (x, y) i (u, v) s a równe wtedy i tylko wtedy gdy x = u i y = v); A n := (x 1,..., x n ) : x i A}; R
Bardziej szczegółowoRozdzia l 7. Liczby naturalne
Rozdzia l 7. Liczby naturalne 1. Arytmetyka elementarna Arytmetyka elementarna jest najprostsz a z teorii liczb naturalnych. Ujmuje ona liczby naturalne bez uwzglȩdnienia dzia lań dodawania i mnożenia.
Bardziej szczegółowoWyk lad 12. (ii) najstarszy wspó lczynnik wielomianu f jest elementem odwracalnym w P. Dowód. Niech st(f) = n i niech a bedzie
1 Dzielenie wielomianów Wyk lad 12 Ważne pierścienie Definicja 12.1. Niech P bedzie pierścieniem, który może nie być dziedzina ca lkowitości. Powiemy, że w pierścieniu P [x] jest wykonalne dzielenie z
Bardziej szczegółowoAlgebra i jej zastosowania ćwiczenia
Algebra i jej zastosowania ćwiczenia 14 stycznia 2013 1 Kraty 1. Pokazać, że każda klasa kongruencji kraty (K, +, ) jest podkrata kraty (K, +, ). 2. Znaleźć wszystkie kongruencje kraty 2 3, gdzie 2 jest
Bardziej szczegółowoFunkcje wielu zmiennych
Funkcje wielu zmiennych 13 Zbiory w przestrzeni Definicja Przestrzeni a trójwymiarow a (przestrzeni a) nazywamy zbiór wszystkich trójek uporz adkowanych (x y z) gdzie x y z R. Przestrzeń tȩ oznaczamy symbolem
Bardziej szczegółowoFunkcje wielu zmiennych
Funkcje wielu zmiennych 8 Pochodna kierunkowa funkcji Definicja Niech funkcja f określona bȩdzie w otoczeniu punktu P 0 = (x 0, y 0 ) oraz niech v = [v x, v y ] bȩdzie wektorem. Pochodn a kierunkow a funkcji
Bardziej szczegółowoWyk lad 11 1 Wektory i wartości w lasne
Wyk lad 11 Wektory i wartości w lasne 1 Wektory i wartości w lasne Niech V bedzie przestrzenia liniowa nad cia lem K Każde przekszta lcenie liniowe f : V V nazywamy endomorfizmem liniowym przestrzeni V
Bardziej szczegółowoWyk lad 8 macierzy i twierdzenie Kroneckera-Capellego
Wyk lad 8 Rzad macierzy i twierdzenie Kroneckera-Capellego 1 Określenie rz edu macierzy Niech A bedzie m n - macierza Wówczas wiersze macierzy A możemy w naturalny sposób traktować jako wektory przestrzeni
Bardziej szczegółowoSTYSTYSTYKA dla ZOM II dr inż Krzysztof Bryś Wykad 1
1 STYSTYSTYKA dla ZOM II dr inż Krzysztof Bryś Wykad 1 Klasyczny Rachunek Prawdopodobieństwa. 1. Pojȩcia wstȩpne. Doświadczeniem losowym nazywamy doświadczenie, którego wynik nie jest znany. Posiadamy
Bardziej szczegółowoElementy analizy funkcjonalnej PRZESTRZENIE LINIOWE
Elementy analizy funkcjonalnej PRZESTRZENIE LINIOWE Niech K = R lub K = C oraz X - dowolny zbiór. Określmy dwa dzia lania: dodawanie + : X X X i mnożenie przez liczbȩ : K X X, spe lniaj ace nastȩpuj ace
Bardziej szczegółowoElementy logiki i teorii mnogości Wyk lad 1: Rachunek zdań
Elementy logiki i teorii mnogości Wyk lad 1: Rachunek zdań Micha l Ziembowski m.ziembowski@mini.pw.edu.pl www.mini.pw.edu.pl/ ziembowskim/ October 2, 2016 M. Ziembowski (WUoT) Elementy logiki i teorii
Bardziej szczegółowoWyk lad 14 Formy kwadratowe I
Wyk lad 14 Formy kwadratowe I Wielomian n-zmiennych x 1,, x n postaci n a ij x i x j, (1) gdzie a ij R oraz a ij = a ji dla wszystkich i, j = 1,, n nazywamy forma kwadratowa n-zmiennych Forme (1) można
Bardziej szczegółowoSuma i przeciȩcie podprzestrzeni, przestrzeń ilorazowa Javier de Lucas
Suma i przeciȩcie podprzestrzeni, przestrzeń ilorazowa Javier de Lucas Ćwiczenie 1. Dowieść, że jeśli U i V s a podprzestrzeniami n-wymiarowej przestrzeni wektorowej oraz dim U = r i dim V = s, to max(0,
Bardziej szczegółowoWyk lad 7 Metoda eliminacji Gaussa. Wzory Cramera
Wyk lad 7 Metoda eliminacji Gaussa Wzory Cramera Metoda eliminacji Gaussa Metoda eliminacji Gaussa polega na znalezieniu dla danego uk ladu a x + a 2 x 2 + + a n x n = b a 2 x + a 22 x 2 + + a 2n x n =
Bardziej szczegółowoLiczby zespolone, liniowa zależność i bazy Javier de Lucas. a d b c. ad bc
Liczby zespolone, liniowa zależność i bazy Javier de Lucas Ćwiczenie. Dowieść, że jeśli µ := c d d c, to homografia h(x) = (ax+b)/(cx+d), a, b, c, d C, ad bc, odwzorowuje oś rzeczywist a R C na okr ag
Bardziej szczegółowoWyk lad 9 Baza i wymiar przestrzeni liniowej
Wyk lad 9 Baza i wymiar liniowej Baza liniowej Niech V bedzie nad cia lem K Powiemy, że zbiór wektorów {α,, α n } jest baza V, jeżeli wektory α,, α n sa liniowo niezależne oraz generuja V tzn V = L(α,,
Bardziej szczegółowoRozdzia l 11. Przestrzenie Euklidesowe Definicja, iloczyn skalarny i norma. iloczynem skalarnym.
Rozdzia l 11 Przestrzenie Euklidesowe 11.1 Definicja, iloczyn skalarny i norma Definicja 11.1 Przestrzenia Euklidesowa nazywamy par e { X K,ϕ }, gdzie X K jest przestrzenia liniowa nad K, a ϕ forma dwuliniowa
Bardziej szczegółowoWyk lad 5 Grupa ilorazowa, iloczyn prosty, homomorfizm
Wyk lad 5 Grupa ilorazowa, iloczyn prosty, homomorfizm 1 Grupa ilorazowa Niech H b edzie dzielnikiem normalnym grupy G. Oznaczmy przez G/H zbiór wszystkich warstw lewostronnych grupy G wzgl edem podgrupy
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA dla ZPM I dr inż Krzysztof Bryś wyk lad 1,2 KLASYCZNY RACHUNEK PRAWDOPODOBIEŃSTWA
1 STATYSTYKA MATEMATYCZNA dla ZPM I dr inż Krzysztof Bryś wyk lad 1,2 KLASYCZNY RACHUNEK PRAWDOPODOBIEŃSTWA 1. Pojȩcia wstȩpne. Doświadczeniem losowym nazywamy doświadczenie, którego wynik nie jest znany.
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 szczegółowoWyk lad 4 Macierz odwrotna i twierdzenie Cramera
Wyk lad 4 Macierz odwrotna i twierdzenie Cramera 1 Odwracanie macierzy I n jest elementem neutralnym mnożenia macierzy w zbiorze M n (R) tzn A I n I n A A dla dowolnej macierzy A M n (R) Ponadto z twierdzenia
Bardziej szczegółowoAnaliza dla informatyków 1 DANI LI1 Pawe l Domański szkicowe notatki do wyk ladu
Analiza dla informatyków 1 DANI LI1 Pawe l Domański szkicowe notatki do wyk ladu Wyk lad 4 1. Zbiory otwarte i domkniȩte Pojȩcia które teraz wprowadzimy można rozpatrywać w każdej przestrzeni metrycznej
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 szczegółowoMatematyka dyskretna. 1. Relacje
Matematyka dyskretna 1. Relacje Definicja 1.1 Relacją dwuargumentową nazywamy podzbiór produktu kartezjańskiego X Y, którego elementami są pary uporządkowane (x, y), takie, że x X i y Y. Uwaga 1.1 Jeśli
Bardziej szczegółowoWyk lad 2 Podgrupa grupy
Wyk lad 2 Podgrupa grupy Definicja 2.1. Pod grupy (G,, e) nazywamy taki podzbiór H G, że e H, h 1 H dla każdego h H oraz h 1 h 2 H dla dowolnych h 1, h 2 H. Jeśli H jest grupy G, to bedziemy pisali H G.
Bardziej szczegółowoLogika matematyczna i teoria mnogości (I) J. de Lucas
Logika matematyczna i teoria mnogości (I) J. de Lucas Ćwiczenie 1. (Zad. L. Newelskiego) Niech p oznacza zdanie Ala je, zaś q zdanie As wyje. Zapisz jako formu ly rachunku zdań nastȩpuj ace zdania: 1.1.
Bardziej szczegółowoSzymon G l ab. Struktury losowe II Graf losowy. Instytut Matematyki, Politechnika Lódzka
Instytut Matematyki, Politechnika Lódzka Graf losowy jako granica Fraisse Przez K graf oznaczmy rodzinȩ wszystkich skończonych grafów (np. na N). Niech G bȩdzie granic a Fraisse rodziny K graf. Strukturȩ
Bardziej szczegółowoTOPOLOGIA PRZESTRZENI METRYCZNYCH, ZWARTOŚĆ,
TOPOLOGIA PRZESTRZENI METRYCZNYCH, ZWARTOŚĆ, SPÓJNOŚĆ I POJȨCIA BLISKIE (DO UŻYTKU WEWNȨTRZNEGO, I DO SPRAWDZENIA) R R Abstract. Poniższe notatki do ćwiczeń zbieraj a podstawowe pojȩcia i stwierdzenia
Bardziej szczegółowoWyk lad 14 Cia la i ich w lasności
Wyk lad 4 Cia la i ich w lasności Charakterystyka cia la Określenie cia la i w lasności dzia lań w ciele y ly omówione na algerze liniowej. Stosujac terminologie z teorii pierścieni możemy powiedzieć,
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 szczegółowoCia la i wielomiany Javier de Lucas
Cia la i wielomiany Javier de Lucas Ćwiczenie 1. Za lóż, że (F, +,, 1, 0) jest cia lem i α, β F. w laściwości s a prawd a? Które z nastȩpuj acych 1. 0 α = 0. 2. ( 1) α = α. 3. Każdy element zbioru F ma
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 szczegółowoWyk lad 3 Wielomiany i u lamki proste
Wyk lad 3 Wielomiany i u lamki proste 1 Konstrukcja pierścienia wielomianów Niech P bedzie dowolnym pierścieniem, w którym 0 1. Oznaczmy przez P [x] zbiór wszystkich nieskończonych ciagów o wszystkich
Bardziej szczegółowoOSOBNO ANALITYCZNYCH
Uniwersytet Jagielloński Instytut Matematyki Zbigniew B locki ZBIORY OSOBLIWOŚCI FUNKCJI OSOBNO ANALITYCZNYCH Praca magisterska Promotor: Prof. dr hab. Józef Siciak Kraków 99 .Wstȩp. Jeśli Ω jest zbiorem
Bardziej szczegółowoWyk lad 4 Dzia lania na macierzach. Określenie wyznacznika
Wyk lad 4 Dzia lania na macierzach Określenie wyznacznika 1 Określenie macierzy Niech K bedzie dowolnym cia lem oraz niech n i m bed a dowolnymi liczbami naturalnymi Prostokatn a tablice a 11 a 12 a 1n
Bardziej szczegółowoPOCHODNA KIERUNKOWA. DEFINICJA Jeśli istnieje granica lim. to granica ta nazywa siȩ pochodn a kierunkow a funkcji f(m) w kierunku osi l i oznaczamy
POCHODNA KIERUNKOWA Pochodne cz astkowe funkcji f(m) = f(x, y, z) wzglȩdem x, wzglȩdem y i wzglȩdem z wyrażaj a prȩdkość zmiany funkcji w kierunku osi wspó lrzȩdnych; np. f x jest prȩdkości a zmiany funkcji
Bardziej szczegółowoT O P O L O G I A O G Ó L N A. WPPT WYK LAD 13 Ci agi uogólnione, topologie w przestrzeniach produktowych
T O P O L O G I A O G Ó L N A WPPT WYK LAD 13 Ci agi uogólnione, topologie w przestrzeniach produktowych Definicja. Przez rodzinȩ skierowan a rozumiemy dowolny zbiór z porz adkiem czȩściowym (K, ), taki
Bardziej szczegółowoWyk lad 1 Podstawowe struktury algebraiczne
Wyk lad 1 Podstawowe struktury algebraiczne 1 Dzia lanie w zbiorze Majac dane dowolne dwa przedmioty a b możemy z nich utworzyć pare uporzadkowan a (a b) o poprzedniku a i nastepniku b. Warunek na równość
Bardziej szczegółowoDziedziny Euklidesowe
Dziedziny Euklidesowe 1.1. Definicja. Dziedzina Euklidesowa nazywamy pare (R, v), gdzie R jest dziedzina ca lkowitości a v : R \ {0} N {0} funkcja zwana waluacja, która spe lnia naste ce warunki: 1. dla
Bardziej szczegółowoWyk lad 5. Analiza dla informatyków 1 DANI LI1 Pawe l Domański szkicowe notatki do wyk ladu. 1. Granice niew laściwe
Analiza dla informatyków 1 DANI LI1 Pawe l Domański szkicowe notatki do wyk ladu Wyk lad 5 1. Granice niew laściwe Definicja 1 Ci ag (x n ) d aży do (jest rozbieżny do) + jeśli c R N n > N x n > c a do
Bardziej szczegółowoMatematyka dyskretna Oznaczenia
Matematyka dyskretna Oznaczenia Andrzej Szepietowski W tym rozdziale przedstawimy podstawowe oznacznia. oznacza kwantyfikator ogólny dla każdego. oznacza kwantyfikator szczegó lowy istnieje. 1 Sumy i iloczyny
Bardziej szczegółowoNormy wektorów i macierzy
Rozdzia l 3 Normy wektorów i macierzy W tym rozdziale zak ladamy, że K C. 3.1 Ogólna definicja normy Niech ψ : K m,n [0, + ) b edzie przekszta lceniem spe lniaj acym warunki: (i) A K m,n ψ(a) = 0 A = 0,
Bardziej szczegółowoFunkcje wielu zmiennych
Funkcje wielu zmiennych Zbiory na p laszczyźnie Przestrzeni a dwuwymiarow a (p laszczyzn a) nazywamy zbiór wszystkich par uporz adkowanych (x, y), gdzie x, y R. Przestrzeń tȩ oznaczamy symbolem R 2 : R
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 szczegółowoPrzestrzenie wektorowe, liniowa niezależność Javier de Lucas
Przestrzenie wektorowe, liniowa niezależność Javier de Lucas Ćwiczenie 1. W literaturze można znaleźć pojȩcia przestrzeni liniowej i przestrzeni wektorowej. Obie rzeczy maj a tak a sam a znaczenie. Nastȩpuj
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 szczegółowoZadanie 2. Obliczyć rangę dowolnego elementu zbioru uporządkowanego N 0 N 0, gdy porządek jest zdefiniowany następująco: (a, b) (c, d) (a c b d)
Matemaryka dyskretna - zadania Zadanie 1. Opisać zbiór wszystkich elementów rangi k zbioru uporządkowanego X dla każdej liczby naturalnej k, gdy X jest rodziną podzbiorów zbioru skończonego Y. Elementem
Bardziej szczegółowoRachunek zdań - semantyka. Wartościowanie. ezyków formalnych. Semantyka j. Logika obliczeniowa. Joanna Józefowska. Poznań, rok akademicki 2009/2010
Logika obliczeniowa Instytut Informatyki Poznań, rok akademicki 2009/2010 1 formu l rachunku zdań Wartościowanie i sta le logiczne Logiczna równoważność 2 Model formu ly Formu la spe lniona Formu la spe
Bardziej szczegółowoZagadnienie Dualne Zadania Programowania Liniowego. Seminarium Szkoleniowe Edyta Mrówka
Zagadnienie Dualne Zadania Programowania Liniowego Seminarium Szkoleniowe Edyta Mrówka Ogólne zagadnienie PL Znajdź taki wektor X = (x 1, x 2,..., x n ), który minimalizuje kombinacje liniow a przy ograniczeniach
Bardziej szczegółowoNiesimpleksowe metody rozwia zywania zadań PL. Seminarium Szkoleniowe Edyta Mrówka
Niesimpleksowe metody rozwia zywania zadań PL Seminarium Szkoleniowe Metoda Simplex: wady i zalety Algorytm SIMPLEX jest szeroko znany i stosowany do rozwi azywania zadań programowania liniowego w praktyce.
Bardziej szczegółowow = w i ξ i. (1) i=1 w 1 w 2 :
S. D. G lazek, www.fuw.edu.pl/ stglazek, 11.III.2005 1 I. MACIERZ LINIOWEGO ODWZOROWANIA PRZESTRZENI WEKTOROWYCH Wyobraźmy sobie, że przestrzeń wektorowa W jest zbudowana z kombinacji liniowych n liniowo
Bardziej szczegółowo(α + β) a = α a + β a α (a + b) = α a + α b (α β) a = α (β a). Definicja 4.1 Zbiór X z dzia laniami o wyżej wymienionych w lasnościach
Rozdzia l 4 Przestrzenie liniowe 4.1 Przestrzenie i podprzestrzenie 4.1.1 Definicja i podstawowe w lasności Niech X z dzia laniem dodawania + b edzie grupa przemienna (abelowa). Oznaczmy przez 0 element
Bardziej szczegółowoKOLOKWIUM Z ALGEBRY I R
Instrucje: Każde zadanie jest za 4 puntów. Rozwi azanie ażdego zadania musi znajdować siȩ na osobnej artce oraz być napisane starannie i czytelnie. W nag lówu ażdego rozwi azania musz a znajdować siȩ dane
Bardziej szczegółowoProstota grup A n. Pokażemy, że grupy A n sa. proste dla n 5. Dowód jest indukcyjny i poprzedzimy go lematem.
Prostota grup A n. Pokażemy, że grupy A n sa proste dla n 5. Dowód jest indukcyjny i poprzedzimy go lematem. 1 2 0. Twierdzenie Schura Zassenhausa W tym rozdziale zajmiemy sie bardzo użytecznym twierdzeniem,
Bardziej szczegółowoMATEMATYKA DYSKRETNA - wyk lad 1 dr inż Krzysztof Bryś. Wprowadzenie
1 MATEMATYKA DYSKRETNA - wyk lad 1 dr inż Krzysztof Bryś Wprowadzenie Istniej a dwa różne kryteria mówi ace, które narzȩdzia matematyczne należy zaliczyć do matematyki dyskretnej. Pierwsze definiuje matematykȩ
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 szczegółowoANALIZA II 15 marca 2014 Semestr letni. Ćwiczenie 1. Czy dan a funkcjȩ da siȩ dookreślić w punkcie (0, 0) tak, żeby otrzymana funkcja by la ci ag la?
Ci ag lość i norma Ćwiczenie. Czy dan a funkcjȩ da siȩ dookreślić w punkcie (0, 0) tak, żeby otrzymana funkcja by la ci ag la? f (x, y) = x2 y 2 x 2 + y 2, f 2(x, y) = x2 y x 2 + y 2 f 3 (x, y) = x2 y
Bardziej szczegółowoLiczba 2, to jest jedyna najmniejsza liczba parzysta i pierwsza. Oś liczbowa. Liczba 1, to nie jest liczba pierwsza
1 SZKO LA PODSTAWOWA HELIANTUS 02-892 WARSZAWA ul. BAŻANCIA 16 3 Liczba 2, to jest jedyna najmniejsza liczba parzysta i pierwsza 2 1 0 1 2 3 x Oś liczbowa. Liczba 1, to nie jest liczba pierwsza MATEMATYKA
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 szczegółowoAlgebrą nazywamy strukturę A = (A, {F i : i I }), gdzie A jest zbiorem zwanym uniwersum algebry, zaś F i : A F i
Algebrą nazywamy strukturę A = (A, {F i : i I }), gdzie A jest zbiorem zwanym uniwersum algebry, zaś F i : A F i A (symbol F i oznacza ilość argumentów funkcji F i ). W rozważanych przez nas algebrach
Bardziej szczegółowoT O P O L O G I A WPPT I, sem. letni WYK LAD 8. Wroc law, 21 kwietnia D E F I N I C J E Niech (X, d) oznacza przestrzeń metryczn a.
T O P O L O G I A WPPT I, sem. letni WYK LAD 8 Zwartość D E F I N I C J E Niech (X, d) oznacza przestrzeń metryczn a. Wroc law, 1 kwietnia 008 Definicja 1. (X, d) jest ca lkowicie ograniczona jeśli dla
Bardziej szczegółowoT O P O L O G I A O G Ó L N A WPPT WYK LAD 14 Topologie w przestrzeniach funkcji ci ag lych, Twierdzenie Stone a Weierstrassa
T O P O L O G I A O G Ó L N A WPPT WYK LAD 14 Topologie w przestrzeniach funkcji ci ag lych, Twierdzenie Stone a Weierstrassa Niech X i Y oznaczaj a przestrzenie topologiczne, zaś C(X,Y) bȩdzie zbiorem
Bardziej szczegółowoRozdzia l 6. Wstȩp do statystyki matematycznej. 6.1 Cecha populacji generalnej
Rozdzia l 6 Wstȩp do statystyki matematycznej 6.1 Cecha populacji generalnej W rozdziale tym zaprezentujemy metodȩ probabilistycznego opisu zaobserwowanego zjawiska. W takim razie (patrz rozdzia l 2.4)zjawiskotobȩdziemy
Bardziej szczegółowoMetody Numeryczne Wykład 4 Wykład 5. Interpolacja wielomianowa
Sformułowanie zadania interpolacji Metody Numeryczne Wykład 4 Wykład 5 Interpolacja wielomianowa Niech D R i niech F bȩdzie pewnym zbiorem funkcji f : D R. Niech x 0, x 1,..., x n bȩdzie ustalonym zbiorem
Bardziej szczegółowoDefinicja odwzorowania ciągłego i niektóre przykłady
Odwzorowania Pojęcie odwzorowania pomiędzy dwoma zbiorami było już definiowane, ale dawno, więc nie od rzeczy będzie przypomnieć, że odwzorowaniem nazywamy sposób przyporządkowania (niekoniecznie każdemu)
Bardziej szczegółowoPODSTAWOWE W LASNOŚCI W ZBIORZE LICZB RZECZYWISTYCH
PODSTAWOWE W LASNOŚCI DZIA LAŃ I NIERÓWNOŚCI W ZBIORZE LICZB RZECZYWISTYCH W dalszym cia gu be dziemy zajmować sie g lównie w lasnościami liczb rzeczywistych, funkcjami określonymi na zbiorach z lożonych
Bardziej szczegółowoPierwsze kolokwium z Matematyki I 4. listopada 2013 r. J. de Lucas
Pierwsze kolokwium z Matematyki I 4. listopada 03 r. J. de Lucas Uwagi organizacyjne: Każde zadanie rozwi azujemy na osobnej kartce, opatrzonej imieniem i nazwiskiem w lasnym oraz osoby prowadz acej ćwiczenia,
Bardziej szczegółowoW poszukiwaniu kszta ltów kulistych
W poszukiwaniu kszta ltów kulistych Piotr Mankiewicz April 4, 2005 Konwersatorium dla doktorantów Notacje 1 Cia lo wypuk le - wypuk ly, domkniȩty podzbiór ograniczony w R n. Odleg lość geometryczna dwóch
Bardziej szczegółowoMatematyka A, klasówka, 24 maja zania zadań z kolokwium z matematyki A w nadziei, że pope lni lem wielu b le. rozwia
Matematyka A, klasówka, 4 maja 5 Na prośbe jednej ze studentek podaje zania zadań z kolokwium z matematyki A w nadziei, że pope lni lem wielu b le dów Podać definicje wektora w lasnego i wartości w lasnej
Bardziej szczegółowoy 1 y 2 = f 2 (t, y 1, y 2,..., y n )... y n = f n (t, y 1, y 2,..., y n ) f 1 (t, y 1, y 2,..., y n ) y = f(t, y),, f(t, y) =
Uk lady równań różniczkowych Pojȩcia wsȩpne Uk ladem równań różniczkowych nazywamy uk lad posaci y = f (, y, y 2,, y n ) y 2 = f 2 (, y, y 2,, y n ) y n = f n (, y, y 2,, y n ) () funkcje f j, j =, 2,,
Bardziej szczegółowoWykład 21 Funkcje mierzalne. Kostrukcja i własności całki wzglȩdem miary przeliczalnie addytywnej
Wykład 2 Funkcje mierzalne. Kostrukcja i własności całki wzglȩdem miary przeliczalnie addytywnej czȩść II (opracował: Piotr Nayar) Definicja 2.. Niech (E, E) bȩdzie przestrzenia mierzalna i niech λ : E
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 szczegółowoGrupy i cia la, liczby zespolone
Rozdzia l 1 Grupy i cia la, liczby zespolone Dla ustalenia uwagi, b edziemy używać nast epuj acych oznaczeń: N = { 1, 2, 3,... } - liczby naturalne, Z = { 0, ±1, ±2,... } - liczby ca lkowite, W = { m n
Bardziej szczegółowoSuma i przeciȩcie podprzestrzeń, suma prosta, przestrzeń ilorazowa Javier de Lucas
Suma i przeciȩcie podprzestrzeń suma prosta przestrzeń ilorazowa Javier de Lucas Ćwiczenie 1 W zależności od wartości parametru p podaj wymiar przestrzeni W = v 1 v v 3 gdzie p 0 v 1 = 1 + p 3 v = 5 3
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 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 szczegółowoMetalogika (1) Jerzy Pogonowski. Uniwersytet Opolski. Zakład Logiki Stosowanej UAM
Metalogika (1) Jerzy Pogonowski Zakład Logiki Stosowanej UAM www.logic.amu.edu.pl pogon@amu.edu.pl Uniwersytet Opolski Jerzy Pogonowski (MEG) Metalogika (1) Uniwersytet Opolski 1 / 21 Wstęp Cel: wprowadzenie
Bardziej szczegółowo13. Cia la. Rozszerzenia cia l.
59 13. Cia la. Rozszerzenia cia l. Z rozważań poprzedniego paragrafu wynika, że jeżeli wielomian f o wspó lczynnikach w ciele K jest nierozk ladalny, to pierścień ilorazowy K[X]/(f) jest cia lem zawieraja
Bardziej szczegółowo