Logika i teoria typów. Typy rekurencyjne (i indukcyjne) Recursive types (Curry style) Positive and Negative. Positive recursive types.

Wielkość: px
Rozpocząć pokaz od strony:

Download "Logika i teoria typów. Typy rekurencyjne (i indukcyjne) Recursive types (Curry style) Positive and Negative. Positive recursive types."

Transkrypt

1 Logika i teoria typów Wykład 11 Typy rekurencyjne (i indukcyjne) 18 maja 2016 Recursive types (Curry style) Positive and Negative + Principal idea: Type µp. τ (p) is a solution of X = τ (X ). For example, one identifies Therefore α = µp. q p with q α. y : q, x : α xyy... y : α Dangerous trick: Let ι = µp. p p. Then every closed term has type ι (no more SN). Positivity Monotoniczność: Jeśli p występuje w ϕ tylko pozytywnie, to p p ϕ(p) ϕ(p ). Positive recursive types Pos(p) = {p}; Neg(p) = ; Pos(τ σ) = Neg(τ) Pos(σ); Neg(τ σ) = Pos(τ) Neg(σ); Pos(µp τ) = Pos(τ) {p}; Neg(µp τ) = Neg(τ) {p} Type µp τ is only permitted when p Neg(τ). Strong normalization holds (even in PA). But add any negative fixpoint and SN is lost. Incomparable with F wrt typability: λx. xx untypable. (Needs a negative fixpoint τ = τ... ) 22K typable. (Take α = µp. q p. Then K : α α.) Open problem: Incomparable with F ω? Positive recursive types Typy rekurencyjne w sensie Churcha? Decidable inhabitation (reduction to simple types). Decidable type assignment (unification with infinite regular trees). Uwaga: ostrożnie z drzewami: typy µp. p q i µp. (p q) q rozwijają się w to samo drzewo. Oznaczenie µ = µp. σ(p). Potrzebujemy wprowadzania i eliminacji. To pierwsze to operator in : σ(µ) µ: Γ M : σ(µ) Γ in(m) : µ

2 Jaki eliminator jest odpowiedni? Jaki eliminator jest odpowiedni? Pierwszy pomysł: Oznaczenie µ = µp. τ (p). Mamy in : τ (µ) µ Wprowadzamy operator out : µ τ (µ) i redukcję out(in M) M. To jest umiarkowanie ciekawe. (Niewiele można zdefiniować.) Per Martin-Löf: Reguły wprowadzania dla spójnika logicznego (typu danych) są pierwotne. Reguła eliminacji i zasada beta-redukcji są wtórne. Reguły wprowadzania określają jakie są kanoniczne formy elementów danego typu. Na przykład, dla alternatywy czyli koproduktu mamy dwie postaci kanoniczne: Γ M : α Γ lt(m) : α β Γ M : β Γ rt(m) : α β Alternatywa/koprodukt Alternatywa/koprodukt Dwie postaci kanoniczne = dwie reguły wprowadzania: Γ M : α Γ lt(m) : α β Γ M : β Γ rt(m) : α β Reguła eliminacji podaje sposób użycia elementów kanonicznych. Ma po jednej przesłance niegłównej dla każdej postaci kanonicznej. Dla alternatywy są takie dwie. Γ M : α β Γ, u:α R : τ Γ, v :β Q : τ Γ case M of [u]r or [v]q : τ Γ M : α Γ lt(m) : α β Γ M : β Γ rt(m) : α β Γ M : α β Γ, u:α R : τ Γ, v :β Q : τ Γ case M of [u]r or [v]q : τ Każda przesłanka niegłówna to sposób użycia innej postaci kanonicznej. To determinuje też zasadę beta-redukcji: case lt (P α ) of [x α ]M ρ, [y β ]N ρ = M[x := P] : ρ case rt (Q β ) of [x α ]M ρ, [y β ]N ρ = N[y := Q] : ρ Alternatywa/koprodukt Γ M : α Γ lt(m) : α β Γ M : β Γ rt(m) : α β Γ M : α β Γ, u:α R : τ Γ, v :β Q : τ Γ case M of [u]r or [v]q : τ Każda przesłanka niegłówna to sposób użycia innej postaci kanonicznej. To determinuje też zasadę beta-redukcji: case lt (P α ) of [x α ]M ρ, [y β ]N ρ = M[x := P] : ρ case rt (Q β ) of [x α ]M ρ, [y β ]N ρ = N[y := Q] : ρ To są niewłaściwe eliminacje Dla koniunkcji dostaniemy coś takiego: Γ M : A B Γ, x : A, y : B N : C Γ let M be x, y in N : C Beta-redukcja: let P, Q be x, y in N N[x := P][y := Q] Ćwiczenie: jaka koniunkcja jest w Coqu? Studium przypadku: liczby naturalne Przykład: liczby naturalne int 1 int, czyli int = µp. 1 p, gdzie typ 1 ma jeden element nil : 1. Niech int = µp. 1 p oraz in : 1 int int. Zero to element in(lt(nil)). Liczba n + 1 to element in(rt(n)). Uwaga: włożenie in : 1 int int, to moralnie to samo, co para 0, s : int (int int).

3 Typ rekurencyjny à la Church int = µp. 1 p Niech int = µp. 1 p. Jaki eliminator jest odpowiedni dla liczb naturalnych? Reguła wprowadzania: Γ M : 1 int Γ in(m) : int Reguła wprowadzania Γ M : 1 int Γ in(m) : int Zero to element in(lt(nil)). Liczba n + 1 to element in(rt(n)). Funkcja następnika: succ = λn int. in(rt(n)) sugeruje taką (naiwną) eliminację: Γ, x : 1 int R : τ Γ Elim M with [x]r : τ Trochę inaczej to samo int = µp. 1 p Zamiast jednej reguły wprowadzania Γ M : 1 int Γ in(m) : int Naiwna eliminacja rozbita na przypadki: dwie reguły dla dwóch przypadków: Γ nil : 1 Γ P : τ Γ, v :int Q : τ Γ Elim M with P or [v]q : τ Γ in(lt(nil)) : int Γ in(rt(m)) : int Z tego wychodzi taka beta-redukcja: Albo trochę przyjaźniej: Γ 0 : int Γ s(m) : int Elim 0 with P or [v]q P Elim s(n) with P or [v]q Q[v := n] int = µp. 1 p Jaka eliminacja dla int = µp. 1 p? Γ P : τ Γ, v :int Q : τ Γ Elim M with P or [v]q : τ Do przesłanek reguły Γ P : τ Γ, v :int Q : τ Elim s(n) with P or [v]q Q[v := n] Γ Elim M with P or [v]q : τ Sposób użycia postaci kanonicznej jest zdeterminowany przez sposób użycia jej składowych (cokolwiek to znaczy). Liczba n jest składową swojego następnika s(n). Zatem sposób użycia s(n) powinien zależeć od sposobu uzycia n. Naiwna reguła odwołuje się do Q jako do gotowego sposobu użycia dowolnej liczby naturalnej. (A my dopiero definiujemy taki sposób użycia! trzeba dodać sposób eliminacji V : τ dla v : int: Γ P : τ Γ, v :int, V : τ Q : τ Γ Elim M with P or [v, V ]Q : τ Sposób użycia s(n) określamy znając sposób użycia V dla n: Elim s(n) with P or [v, V ]Q Q[v := n, V :=?] Jaka eliminacja dla int = µp. 1 p? Wariant: Trochę inaczej to samo Γ P : τ Γ, v :int, V : τ Q : τ Γ Elim M with P or [v, V ]Q : τ Sposób użycia s(n) określamy znając sposób użycia V dla n: Elim s(n) with P or [v, V ]Q Q[v := n, V :=?] Elim s(n)with P or [v, V ]Q Q[v := n, V := Elim n with P or [v, V ]Q] Zamiast dwóch zmiennych Γ P : τ Γ, v :int, V : τ Q : τ Γ Elim M with P or [v, V ]Q : τ może być jedna: Γ P : τ Γ, V : int τ Q : τ Γ Elim M with P or [V ]Q : τ

4 Tradycyjna składnia Rekursja dla liczb naturalnych Regułę Γ P : τ Γ, v :int, V : τ Q : τ Γ Elim M with P or [v, V ]Q : τ Γ P : τ Γ Q : int τ τ Γ R τ M P Q : τ można napisać tak: Γ P : τ Γ Q : int τ τ Γ R τ M P Q : τ R τ 0 P Q P R τ (s n) P Q Q n (R τ n P Q) Operator R τ nazywamy rekursorem. System T Gödla R τ 0 P Q P R τ (s n) P Q Q n (R τ n P Q) Typy: Typy proste zbudowane z jednej stałej typowej int. (Czasem dodaje się bool, produkty itp.) Termy: Jak w rachunku lambda z typami prostymi plus stałe: 0 : int s : int int R τ : int τ (int τ τ ) τ, dla dowolnego typu τ. Redukcja: Zwykła beta-redukcja (może być eta) oraz: R τ 0 P Q P R τ (s n) P Q Q n (R τ n P Q) Dodawanie: λx int y int. R int y x (λuv. sv) Funkcje f 0 = s, f k+1 (n) = f n+1 k (1) są definiowalne. Niech M = λfxy. R int x y (λuv. fv). Wtedy F k+1 = λx int.mf k (sx)1. Funkcja Ackermanna a(k, n) = f k (n) jest definiowalna: A = λzy. R int int z s (λuϕx. Mϕ(sx)1)y Przykład: Funkcja poprzednika pred = λn int. R int n 0 (λxy. x) Własności systemu T Metoda Taita Definition: Stable (computable,reducible... ) terms: System T ma własność silnej normalizacji (dowód metodą Taita ). Definiowalne są wszystkie funkcje dowodliwie rekurencyjne w PA. Własność SN dla systemu T jest niezależna od PA. [[int]] := SN; [[τ σ]] := {M N(N [[τ ]] MN [[σ]])}; Główny lemat: Termy stabilne mają własność SN. Każdy term jest stabilny. To jest trudne Wycieranie arytmetyki Uwaga 1: Metoda Taita (zwana też metodą obliczalności) nie formalizuje się w PA, bo posługuje się dowolnymi zbiorami termów. Tego się nie da zakodować liczbami. Uwaga 2: Dla systemu F trzeba użyć metody kandydatów Girarda. To jest uogólnienie metody Taita, gdzie używa się dowolnych rodzin zbiorów. Tego nie zakodujemy nawet w arytmetyce drugiego rzędu. Weźmy aksjomat indukcji Peana z 1889 roku: τ (0) y (int(y) τ (y) τ (sy)) x(int(x) τ (x)). Napiszmy go trochę inaczej: x (int(x) τ (0) y(int(y) τ (y) τ (sy)) τ (x)). I wytrzyjmy zależności: int τ (int τ τ ) τ. Wychodzi typ rekursora!

5 Prostsza wersja rekursji: iteracja Jak to można uogólnić? Γ P : τ Γ Q : τ τ Γ It τ M P Q : τ It τ 0P Q P It τ (sn)p Q Q(It τ np Q) Ciekawostka: Typ iteratora It τ : int τ (τ τ ) τ jest wytarciem schematu indukcji Peana w wersji z 1891 roku: x (int(x) τ (0) y(τ (y) τ (sy)) τ (x)). Reguła dla iteratora: Γ P : τ Γ Q : τ τ Γ It τ M P Q : τ przepisana z użyciem koproduktu: Redukcja: Γ D : 1 τ τ Γ Elim τ D M : τ Elim τ D (in N 1 int ) D(case N of [x 1 ]lt(x) or [y int ]rt(elim τ Dy)) Co tu się dzieje? Γ D : 1 τ τ Γ Elim τ D M : τ Elim τ D (in N 1 int ) D(case N of [x 1 ]lt(x) or [y int ]rt(elim τ DN)) Definiujemy przez indukcję funkcję F = Elim τ D : int τ. Dla danego N : 1 int stosujemy indukcję, aplikując funkcję F, ale tylko na prawym kanale i dostajemy obiekt typu 1 τ. Inaczej: podnosimy typ funkcji F : int τ do typu 1 int 1 τ. To jest coś takiego: Lift(F )(N) = case N of [x 1 ]lt(x) or [y int ]rt(fn) Uzyskujemy wynik typu 1 τ, do którego aplikujemy D. Przypadek ogólny Co tu się dzieje? Γ D : 1 τ τ Γ Elim τ D M : τ Elim τ D (in N 1 int ) D(case N of [x 1 ]lt(x) or [y int ]rt(elim τ DN)) Lift(F )(N) = case N of [x 1 ]lt(x) or [y int ]rt(fn) F (in N) D(Lift(F )(N)) Elim τ D (in N) D(Lift(Elim τ D)(N)) O co tu chodzi? Niech σ(p) będzie dowolnym typem, w którym p występuje tylko pozytywnie. Skrót: µ = µp. σ(p). Operatory: in : σ(µ) µ Elim τ : (σ(τ ) τ ) µ τ wraz z regułą redukcji: Elim τ D (in N) D(Lift(Elim τ D)N) in : σ(µ) µ Elim τ : (σ(τ ) τ ) µ τ Elim τ D (in N) D(Lift(Elim τ D)N) Lift : (µ τ ) σ(µ) σ(τ ) Definiujemy funkcję F = Elim τ D typu µ τ. Dla argumentu in N, gdzie N : σ(µ), korzystamy indukcyjnie z funkcji F w kontekście Lift(F ) : σ(µ) σ(τ ). gdzie Lift : (µ τ ) σ(µ) σ(τ ) Wersja z rekursorem Rec τ : (σ(µ τ ) τ ) µ τ Rec τ D (in N σ(µ) ) D(Lift(λz µ z, Rec τ D z )N), gdzie D : σ(µ τ ) τ. Dla µ = int to jest typ 1 (int τ ) τ, izomorficzny z τ (int τ τ ). Twierdzenie Jeśli A, jest cpo, to każda funkcja ciągła f : A A ma najmniejszy punkt stały, którym jest sup{f n ( ) n N}. Dowód: Skoro f ( ) i f jest monotoniczna, więc: f ( ) f 2 ( ) f 3 ( ) Zbiór {f n ( ) n N} jest więc skierowany i z ciągłości: f (sup{f n ( ) n N}) = sup{f n+1 ( ) n N} = sup{f n ( ) n N}, czyli a = sup{f n ( ) n N} jest punktem stałym. Jeśli b jest innym punktem stałym, to z b wynika przez indukcję f n ( ) f n (b) = b, skąd a b.

6 Aproksymacje O co tu chodzi? Mając D : σ(τ ) τ definiujemy funkcję Typ µ = µp. σ(p) można sobie wyobrażać jako granicę/sumę ciągu przybliżeń: F = Elim τ D : µ τ jako sumę przybliżeń F k : µ k τ. µ 0 = µ 1 = σ( ) µ 2 = σ(σ( ))... Oznaczenie: µ k = σ k ( ), wtedy µ k+1 = σ(µ k ). τ σ(τ ) D τ σ(τ ) D τ Definiujemy funkcję F = Elim τ D typu µ τ też jako sumę przybliżeń F k : µ k τ. F 0 Lift(F 0 ) F 1 Lift(F 1 ) F 2 µ 0 σ(µ 0 ) in µ 1 σ(µ 1 ) in µ 2 Przejście do granicy Dla każdego k mamy diagram: A to diagram graniczny : Powrót do pierwszego pomysłu? Mamy in : σ(µ) µ Elim τ : (σ(τ ) τ ) µ τ i redukcję Elim τ D (in N) D(Lift(Elim τ D)N) σ(τ ) D τ σ(τ ) D τ Czy umiemy zdefiniować operację out : µ σ(µ)? Lift(F k ) σ(µ k ) F k+1 in µ k+1 Lift(F ) σ(µ) F in µ Można tak: out = Elim σ(µ) (Lift(in)), gdzie Lift(in) : σ(σ(µ)) σ(µ). Ale out in id : out(in N) Lift(in)(Lift(out)(N)) Równanie F in = D Lift(F ), out in = In Out czyli Elim τ D (in N) = D(Lift(Elim τ D)N) Twierdzenie Jeśli A, jest kratą zupełną, to każda monotoniczna funkcja f : A A ma najmniejszy punkt stały. Dowód: Niech B = {x A f (x) x}; niech a = inf B. Pokażemy, że a jest najmniejszym punktem stałym funkcji f. Dla dowolnego x B mamy a x, więc f (a) f (x) x. Zatem f (a) jest ograniczeniem dolnym zbioru B, skąd f (a) a, bo a jest kresem dolnym. Ale skoro f (a) a, to także f (f (a)) f (a), więc f (a) B. Zatem a f (a) i mamy równość. Ponieważ wszystkie punkty stałe funkcji f muszą należeć do B, więc a jest najmniejszym punktem stałym. Reprezentacja w systemie F W logice drugiego rzędu można definiować punkty stałe. LFP Φ (a) := R ((Φ(R) R) Ra) Po wytarciu to wygląda tak: µr. σ(r) = r ((σ(r) r) r). Okazuje się, że to jest dobra definicja µr. σ(r). µr. σ(r) = r ((σ(r) r) r) Włożenie in : σ(µ) σ Iterator Elim τ : (σ(τ ) τ ) µ τ Redukcja Elim τ D (in N) D(Lift(Elim τ D)N) Definiujemy to w systemie F: Elim = Λrλy σ(r) r λz µ. zry in = λx σ(µ) Λqλy σ(q) q. y(lift(elimqy)x), gdzie Lift : (µ q) σ(µ) σ(q) Ćwiczenie: policzyć, że przy tej definicji Elim τ D (in N) β D(Lift(Elim τ D)N) Problem otwarty Wiadomo, że w systemie F nie można definiować rekursorów używając beta-redukcji. Nie wiadomo, czy w systemie F można zdefiniować dowolny rekursor używając beta-eta-redukcji.

7 Wada kodowania impredykatywnego Wada kodowania impredykatywnego Typy kodowane w systemie F mają za dużo elementów. Najprostszy przykład: α β = p((α β p) p). Niech α = r(r p(p r) r) β = r(r r). Wtedy K : α oraz I : β. Dla x : α β p wyrażenie xki ma typ p. Zatem taki inhabitant typu α β Λpλx α β p. x(λrλy r λz p(p r). zp(xki))i nie jest parą M, N = ΛpλxMN, bo x FV (M) Nie można udowodnić zasady indukcji, nawet dla typu Bool. Typy ściśle pozytywne Zalety ścisłej pozytywności Nieścisła definicja ścisłej pozytywności: typ µp. σ(p) jest dozwolony tylko wtedy, gdy p nie występuje w σ(p) w argumencie implikacji. Przykład 1: ten typ nie jest ściśle pozytywny: µp. 0 (p 0) 0 Liczby Parigota: 0 = λxf.x, 1 = λxf.f 0, 2 = λxf.1,... Przykład 2: ten typ jest ściśle pozytywny: ω-tree = µp. 1 (int p). Takie typy najczęściej występują w praktyce; Łatwiejsza metateoria (np. dowodzenie SN); Mniejsze ryzyko paradoksu: typ µp ((p Bool) Bool) jest niebezpiecznie podobny do A P(P(A)). Naturalne uogólnienie na typy zależne. Typy indukcyjne Przykłady Typowa sytuacja: typ rekurencyjny jest zadany przez kilka konstruktorów (kilka schematów postaci kanonicznych), np: Zero 0 : int i następnik s : int int, dla int 1 int; nil : list i cons : int list list, dla list 1 int list; leaf : ω-tree oraz node : int ω-tree ω-tree, dla ω-tree 1 (int ω-tree). Inductive nat : Set := O : nat S : nat -> nat Inductive list (A : Type) : Type := nil : list A cons : A -> list A -> list A Typy indukcyjne nie muszą być rekurencyjne: Inductive bool : Set := Inductive unit : Set := true : bool false : bool tt : unit Inductive empty_set : Set := Spójniki zdaniowe: Inductive and (A B : Prop) : Prop := conj : A -> B -> A /\ B Inductive or (A B : Prop) : Prop := or_introl : A -> A \/ B or_intror : B -> A \/ B Inductive False : Prop := Rodziny indukcyjne (typy indukcyjne zależne) Inductive array : nat -> Set := pusty : array 0 kons : forall n:nat, nat -> array n -> array(s n) Kwantyfikator szczegółowy: Inductive ex (A : Type) (P : A -> Prop) : Prop := ex_intro : forall x : A, P x -> ex P Inductive trojki : nat -> Set := puste : trojki 0 jeszcze : forall n : nat, nat * nat * nat-> trojki n -> trojki (n + 3) Piszemy exists x:a,px zamiast ex(fun x:a => P x).

8 Predykaty indukcyjne Inductive even : nat -> Prop := baza : even 0 nast : forall n : nat, even n -> even (n + 2) Inductive eq (A : Type) (x : A) : A -> Prop := eq_refl : x = x Przyjęta notacja: x = A y.

System BCD z κ. Adam Slaski na podstawie wykładów, notatek i uwag Pawła Urzyczyna. Semestr letni 2009/10

System BCD z κ. Adam Slaski na podstawie wykładów, notatek i uwag Pawła Urzyczyna. Semestr letni 2009/10 System BCD z κ Adam Slaski na podstawie wykładów, notatek i uwag Pawła Urzyczyna Semestr letni 2009/10 Rozważamy system BCD ze stałą typową κ i aksjomatami ω κ κ i κ ω κ. W pierwszej części tej notatki

Bardziej szczegółowo

Logika i teoria typów Ko-rekursja i ko-indukcja

Logika i teoria typów Ko-rekursja i ko-indukcja Logika i teoria typów Ko-rekursja i ko-indukcja Wykład 12 25 maja 2016 Strumienie Jaki sens ma równanie Stream = int Stream? Można je potraktować podobnie jak równanie int = 1 int, i rozważać typ rekurencyjny

Bardziej szczegółowo

Programowanie. Lista zadań nr 15. Na ćwiczenia 11, 19 i 23 czerwca 2008

Programowanie. Lista zadań nr 15. Na ćwiczenia 11, 19 i 23 czerwca 2008 Programowanie Lista zadań nr 15 Na ćwiczenia 11, 19 i 23 czerwca 2008 Zadanie 1. Pokaż, że w systemie z polimorfizmem parametrycznym można napisać program P n rozmiaru O(n), którego typ ma rozmiar 2 2Ω(n).

Bardziej szczegółowo

1. Wstęp do logiki. Matematyka jest nauką dedukcyjną. Nowe pojęcia definiujemy za pomocą pojęć pierwotnych lub pojęć uprzednio wprowadzonych.

1. 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

P. Urzyczyn: Materia ly do wyk ladu z semantyki. Uproszczony 1 j. ezyk PCF

P. Urzyczyn: Materia ly do wyk ladu z semantyki. Uproszczony 1 j. ezyk PCF 29 kwietnia 2013, godzina 23: 56 strona 1 P. Urzyczyn: Materia ly do wyk ladu z semantyki Uproszczony 1 j ezyk PCF Sk ladnia: Poniżej Γ oznacza otoczenie typowe, czyli zbiór deklaracji postaci (x : τ).

Bardziej szczegółowo

Programowanie funkcyjne Wykład 13. Siła wyrazu rachunku lambda

Programowanie funkcyjne Wykład 13. Siła wyrazu rachunku lambda Programowanie funkcyjne Wykład 13. Siła wyrazu rachunku lambda Zdzisław Spławski Zdzisław Spławski: Programowanie funkcyjne, Wykład 13. Siła wyrazu rachunku lambda 1 Wstęp Wartości logiczne Liczby naturalne

Bardziej szczegółowo

LOGIKA I TEORIA ZBIORÓW

LOGIKA 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 szczegółowo

Teoretyczne Podstawy Języków Programowania Wykład 4. Siła wyrazu rachunku λ

Teoretyczne Podstawy Języków Programowania Wykład 4. Siła wyrazu rachunku λ Teoretyczne Podstawy Języków Programowania Wykład 4. Siła wyrazu rachunku λ Zdzisław Spławski Zdzisław Spławski: Teoretyczne Podstawy Języków Programowania, Wykład 4. Siła wyrazu rachunku λ 1 Wstęp Wartości

Bardziej szczegółowo

Jak należy się spodziewać, mamy. Zauważmy jednak, że nie zachodzi równość

Jak należy się spodziewać, mamy. Zauważmy jednak, że nie zachodzi równość 11. Wykład 11: Rachunek λ. Obliczenia i obliczalność. Rachunek λ jest systemem pozornie bardzo prostym. Abstrakcja i aplikacja wydają się trywialnymi operacjami, i może się zdawać, że niczego ciekawego

Bardziej szczegółowo

Logika i teoria typów

Logika i teoria typów Logika i teoria typów Wykład 10 4 maja 2016 Logika drugiego rzędu, czyli Polimorfizm Klasyczna logika drugiego rzędu Składnia: Zmienne relacyjne i kwantyfikatory R, R. Klasyczna logika drugiego rzędu Składnia:

Bardziej szczegółowo

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 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 szczegółowo

Schemat rekursji. 1 Schemat rekursji dla funkcji jednej zmiennej

Schemat rekursji. 1 Schemat rekursji dla funkcji jednej zmiennej Schemat rekursji 1 Schemat rekursji dla funkcji jednej zmiennej Dla dowolnej liczby naturalnej a i dowolnej funkcji h: N 2 N istnieje dokładnie jedna funkcja f: N N spełniająca następujące warunki: f(0)

Bardziej szczegółowo

Programowanie funkcyjne Wykład 14. Rachunek λ z typami prostymi

Programowanie funkcyjne Wykład 14. Rachunek λ z typami prostymi Programowanie funkcyjne Wykład 14. Rachunek λ z typami prostymi Zdzisław Spławski Zdzisław Spławski: Programowanie funkcyjne, Wykład 14. Rachunek λ z typami prostymi 1 Dowody konstruktywne Dedukcja naturalna

Bardziej szczegółowo

Logika i teoria mnogości Wykład 14

Logika 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 szczegółowo

Funkcje rekurencyjne

Funkcje rekurencyjne Funkcje rekurencyjne Jerzy Pogonowski Zakład Logiki Stosowanej UAM www.logic.amu.edu.pl pogon@amu.edu.pl Funkcje rekurencyjne Jerzy Pogonowski (MEG) Funkcje rekurencyjne Funkcje rekurencyjne 1 / 34 Wprowadzenie

Bardziej szczegółowo

Elementy rachunku lambda. dr hab. inż. Joanna Józefowska, prof. PP 1

Elementy rachunku lambda. dr hab. inż. Joanna Józefowska, prof. PP 1 Elementy rachunku lambda λ 1 Notacja λ x 3x + 7 3x + 7 jest różniczkowalna 3x + 7 jest mniejsze od 2 (2,3) 5 f(2, 3) = 2 + 3 g(2) = 2 + 3 λx(3x + 7) 3x + 7 λx λy(x + y) = λxy(x + y) λx(x + 3) 2 Rachunek

Bardziej szczegółowo

Tautologia (wyrażenie uniwersalnie prawdziwe - prawo logiczne)

Tautologia (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 szczegółowo

Struktury formalne, czyli elementy Teorii Modeli

Struktury 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 szczegółowo

Monoidy wolne. alfabetem. słowem długością słowa monoidem wolnym z alfabetem Twierdzenie 1.

Monoidy 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 szczegółowo

Logika intuicjonistyczna

Logika 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 szczegółowo

Rekurencyjna przeliczalność

Rekurencyjna przeliczalność Rekurencyjna przeliczalność Jerzy Pogonowski Zakład Logiki Stosowanej UAM www.logic.amu.edu.pl pogon@amu.edu.pl Funkcje rekurencyjne Jerzy Pogonowski (MEG) Rekurencyjna przeliczalność Funkcje rekurencyjne

Bardziej szczegółowo

vf(c) =, vf(ft 1... t n )=vf(t 1 )... vf(t n ).

vf(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 szczegółowo

Programowanie funkcyjne. Wykªad 13

Programowanie funkcyjne. Wykªad 13 Programowanie funkcyjne. Wykªad 13 Siªa wyrazu rachunku lambda Zdzisªaw Spªawski Zdzisªaw Spªawski: Programowanie funkcyjne. Wykªad 13, Siªa wyrazu rachunku lambda 1 Wst p Warto±ci logiczne Liczby naturalne

Bardziej szczegółowo

0.1. Logika podstawowe pojęcia: zdania i funktory, reguły wnioskowania, zmienne zdaniowe, rachunek zdań.

0.1. Logika podstawowe pojęcia: zdania i funktory, reguły wnioskowania, zmienne zdaniowe, rachunek zdań. Wykłady z Analizy rzeczywistej i zespolonej w Matematyce stosowanej Wykład ELEMENTY LOGIKI ALGEBRA BOOLE A Logika podstawowe pojęcia: zdania i funktory, reguły wnioskowania, zmienne zdaniowe, rachunek

Bardziej szczegółowo

LOGIKA Dedukcja Naturalna

LOGIKA 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 szczegółowo

Paradygmaty dowodzenia

Paradygmaty 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 szczegółowo

Algebrę L = (L, Neg, Alt, Kon, Imp) nazywamy algebrą języka logiki zdań. Jest to algebra o typie

Algebrę 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 szczegółowo

Przykłady zdań w matematyce. Jeśli a 2 + b 2 = c 2, to trójkąt o bokach długości a, b, c jest prostokątny (a, b, c oznaczają dane liczby dodatnie),

Przykłady zdań w matematyce. Jeśli a 2 + b 2 = c 2, to trójkąt o bokach długości a, b, c jest prostokątny (a, b, c oznaczają dane liczby dodatnie), Elementy logiki 1 Przykłady zdań w matematyce Zdania prawdziwe: 1 3 + 1 6 = 1 2, 3 6, 2 Q, Jeśli x = 1, to x 2 = 1 (x oznacza daną liczbę rzeczywistą), Jeśli a 2 + b 2 = c 2, to trójkąt o bokach długości

Bardziej szczegółowo

5. OKREŚLANIE WARTOŚCI LOGICZNEJ ZDAŃ ZŁOŻONYCH

5. OKREŚLANIE WARTOŚCI LOGICZNEJ ZDAŃ ZŁOŻONYCH 5. OKREŚLANIE WARTOŚCI LOGICZNEJ ZDAŃ ZŁOŻONYCH Temat, którym mamy się tu zająć, jest nudny i żmudny będziemy się uczyć techniki obliczania wartości logicznej zdań dowolnie złożonych. Po co? możecie zapytać.

Bardziej szczegółowo

Indukcja. Materiały pomocnicze do wykładu. wykładowca: dr Magdalena Kacprzak

Indukcja. 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 szczegółowo

Dowody założeniowe w KRZ

Dowody 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 szczegółowo

Wykład 6. Reguły inferencyjne systemu aksjomatycznego Klasycznego Rachunku Zdań

Wykład 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 szczegółowo

Np. Olsztyn leży nad Łyną - zdanie prawdziwe, wartość logiczna 1 4 jest większe od 5 - zdanie fałszywe, wartość logiczna 0

Np. Olsztyn leży nad Łyną - zdanie prawdziwe, wartość logiczna 1 4 jest większe od 5 - zdanie fałszywe, wartość logiczna 0 ĆWICZENIE 1 Klasyczny Rachunek Zdań (KRZ): zdania w sensie logicznym, wartości logiczne, spójniki logiczne, zmienne zdaniowe, tabele prawdziwościowe dla spójników logicznych, formuły, wartościowanie zbioru

Bardziej szczegółowo

Rachunek lambda, zima

Rachunek lambda, zima Rachunek lambda, zima 2015-16 Wykład 2 12 października 2015 Tydzień temu: Własność Churcha-Rossera (CR) Jeśli a b i a c, to istnieje takie d, że b d i c d. Tydzień temu: Własność Churcha-Rossera (CR) Jeśli

Bardziej szczegółowo

R. D. Tennent, The Denotational Semantics of Programming Languages [1976]

R. D. Tennent, The Denotational Semantics of Programming Languages [1976] R. D. Tennent, The Denotational Semantics of Programming Languages [1976] Programowanie 2009 - seminarium grupy zaawansowanej Instytut Informatyki Uniwersytetu Wrocławskiego 1 lipca 2009 1 Motywacja Funkcje

Bardziej szczegółowo

Logika formalna wprowadzenie. Ponieważ punkty 10.i 12. nie były omawiane na zajęciach, dlatego można je przeczytać fakultatywnie.

Logika formalna wprowadzenie. Ponieważ punkty 10.i 12. nie były omawiane na zajęciach, dlatego można je przeczytać fakultatywnie. Logika formalna wprowadzenie Ponieważ punkty 10.i 12. nie były omawiane na zajęciach, dlatego można je przeczytać fakultatywnie. 1. Zdanie logicznie prawdziwe (Prawda logiczna) Zdanie, którego analityczność

Bardziej szczegółowo

Indukcja matematyczna, zasada minimum i maksimum. 17 lutego 2017

Indukcja 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 szczegółowo

Algebrą 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 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 szczegółowo

Logika 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 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 szczegółowo

RACHUNEK ZDAŃ 7. Dla każdej tautologii w formie implikacji, której poprzednik również jest tautologią, następnik także jest tautologią.

RACHUNEK 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 szczegółowo

3. Wykład 3: Dowody indukcyjne, strategie dowodowe Dowody indukcyjne. Dotychczas zobaczyliśmy w jaki sposób można specyfikować definicje

3. Wykład 3: Dowody indukcyjne, strategie dowodowe Dowody indukcyjne. Dotychczas zobaczyliśmy w jaki sposób można specyfikować definicje 3. Wykład 3: Dowody indukcyjne, strategie dowodowe. 3.1. Dowody indukcyjne. Dotychczas zobaczyliśmy w jaki sposób można specyfikować definicje indukcyjne kategorii syntaktycznych lub osądów, czy też w

Bardziej szczegółowo

I. Podstawowe pojęcia i oznaczenia logiczne i mnogościowe. Elementy teorii liczb rzeczywistych.

I. Podstawowe pojęcia i oznaczenia logiczne i mnogościowe. Elementy teorii liczb rzeczywistych. I. Podstawowe pojęcia i oznaczenia logiczne i mnogościowe. Elementy teorii liczb rzeczywistych. 1. Elementy logiki matematycznej. 1.1. Rachunek zdań. Definicja 1.1. Zdaniem logicznym nazywamy zdanie gramatyczne

Bardziej szczegółowo

Metalogika (1) Jerzy Pogonowski. Uniwersytet Opolski. Zakład Logiki Stosowanej UAM

Metalogika (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 szczegółowo

Logika 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 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 szczegółowo

Zasada indukcji matematycznej

Zasada 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 szczegółowo

Wstęp do Programowania potok funkcyjny

Wstęp do Programowania potok funkcyjny Wstęp do Programowania potok funkcyjny Marcin Kubica 2010/2011 Outline Procedury wyższych rzędów 1 Procedury wyższych rzędów jako abstrakcje konstrukcji programistycznych Intuicje Procedury wyższych rzędów

Bardziej szczegółowo

Elementy logiki i teorii mnogości

Elementy 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 szczegółowo

Wstęp do Programowania potok funkcyjny

Wstęp do Programowania potok funkcyjny Wstęp do Programowania potok funkcyjny Marcin Kubica 2010/2011 Outline 1 Kilka podstawowych pojęć Definition Programy imperatywne zmieniają stan, czyli wartości zmiennych. Asercja = warunek logiczny, który

Bardziej szczegółowo

(4) x (y z) = (x y) (x z), x (y z) = (x y) (x z), (3) x (x y) = x, x (x y) = x, (2) x 0 = x, x 1 = x

(4) x (y z) = (x y) (x z), x (y z) = (x y) (x z), (3) x (x y) = x, x (x y) = x, (2) x 0 = x, x 1 = x 2. Wykład 2: algebry Boole a, kraty i drzewa. 2.1. Algebra Boole a. 1 Ważnym dla nas przykładem algebr są algebry Boole a, czyli algebry B = (B,,,, 0, 1) typu (2, 2, 1, 0, 0) spełniające własności: (1)

Bardziej szczegółowo

Wykład 11a. Składnia języka Klasycznego Rachunku Predykatów. Języki pierwszego rzędu.

Wykład 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 szczegółowo

n=0 (n + r)a n x n+r 1 (n + r)(n + r 1)a n x n+r 2. Wykorzystując te obliczenia otrzymujemy, że lewa strona równania (1) jest równa

n=0 (n + r)a n x n+r 1 (n + r)(n + r 1)a n x n+r 2. Wykorzystując te obliczenia otrzymujemy, że lewa strona równania (1) jest równa Równanie Bessela Będziemy rozważać następujące równanie Bessela x y xy x ν )y 0 ) gdzie ν 0 jest pewnym parametrem Rozwiązania równania ) nazywamy funkcjami Bessela rzędu ν Sprawdzamy, że x 0 jest regularnym

Bardziej szczegółowo

domykanie relacji, relacja równoważności, rozkłady zbiorów

domykanie 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 szczegółowo

1 Działania na zbiorach

1 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 szczegółowo

Wykład 2: Rachunek lambda

Wykład 2: Rachunek lambda Wykład 2: Rachunek lambda Systemy typów, II UWr, 2010 20 października 2010 λ-termy zmienne (Var) {x, y, z,...} nieskończony, przeliczalny zbiór zmiennych termy (Term) t ::= x λx.t t t skróty notacyjne

Bardziej szczegółowo

METODY DOWODZENIA TWIERDZEŃ I AUTOMATYZACJA ROZUMOWAŃ

METODY 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 szczegółowo

Wstęp do programowania. Różne różności

Wstęp do programowania. Różne różności Wstęp do programowania Różne różności Typy danych Typ danych określa dwie rzeczy: Jak wartości danego typu są określane w pamięci Jakie operacje są dozwolone na obiektach danego typu 2 Rodzaje typów Proste

Bardziej szczegółowo

Wstęp do Matematyki (4)

Wstęp do Matematyki (4) Wstęp do Matematyki (4) Jerzy Pogonowski Zakład Logiki Stosowanej UAM www.logic.amu.edu.pl pogon@amu.edu.pl Liczby kardynalne Jerzy Pogonowski (MEG) Wstęp do Matematyki (4) Liczby kardynalne 1 / 33 Wprowadzenie

Bardziej szczegółowo

III rok kognitywistyki UAM,

III rok kognitywistyki UAM, METODY DOWODZENIA TWIERDZEŃ I AUTOMATYZACJA ROZUMOWAŃ WYKŁAD 14: POWTÓRKA III rok kognitywistyki UAM, 2016 2017 Dzisiejszy wykład w całości poświęcony będzie omówieniu przykładowych zadań, podobnych do

Bardziej szczegółowo

Wykładowcy. Podstawy matematyki dla informatyków. Materiały. Różne książki dla dociekliwych. Books in English. Zaliczenie

Wykładowcy. Podstawy matematyki dla informatyków. Materiały. Różne książki dla dociekliwych. Books in English. Zaliczenie Wykładowcy Podstawy matematyki dla informatyków Semestr zimowy 2018-19 Jacek Chrząszcz, chrzaszcz@mimuw.edu.pl, pokój 5710. Paweł Urzyczyn, urzy@mimuw.edu.pl, pokój 5700. Materiały Różne książki dla dociekliwych

Bardziej szczegółowo

Elementy logiki. Zdania proste i złożone

Elementy logiki. Zdania proste i złożone Elementy logiki Zdania proste i złożone. Jaka jest wartość logiczna następujących zdań: (a) jest dzielnikiem 7 lub suma kątów wewnętrznych w trójkącie jest równa 80. (b) Jeśli sin 0 =, to 5 < 5. (c) Równanie

Bardziej szczegółowo

CsPL, system do weryfikacji bezpieczeństwa programów p.1/20

CsPL, system do weryfikacji bezpieczeństwa programów p.1/20 CsL, system do weryfikacji bezpieczeństwa programów XVII FI, Karpacz 003 Wiktor Zychla, Wojciech omanik Uniwersytet Wrocławski Instytut Informatyki 13 grudnia 003 CsL, system do weryfikacji bezpieczeństwa

Bardziej szczegółowo

Dowód pierwszego twierdzenia Gödela o. Kołmogorowa

Dowód pierwszego twierdzenia Gödela o. Kołmogorowa Dowód pierwszego twierdzenia Gödela o niezupełności arytmetyki oparty o złożoność Kołmogorowa Grzegorz Gutowski SMP II rok opiekun: dr inż. Jerzy Martyna II UJ 1 1 Wstęp Pierwsze twierdzenie o niezupełności

Bardziej szczegółowo

Początki informatyki teoretycznej. Paweł Cieśla

Początki informatyki teoretycznej. Paweł Cieśla Początki informatyki teoretycznej Paweł Cieśla Wstęp Przykładowe zastosowanie dzisiejszych komputerów: edytowanie tekstów, dźwięku, grafiki odbiór telewizji gromadzenie informacji komunikacja Komputery

Bardziej szczegółowo

Programowanie Funkcyjne. Marcin Kubica Świder,

Programowanie Funkcyjne. Marcin Kubica Świder, Programowanie Funkcyjne Marcin Kubica Świder, 28-04-2015 Czym jest programowanie funkcyjne? Obliczalne pojęcia matematyczne. Definicje stałych i funkcji i relacji. Wszystkie definicje są konstruktywne,

Bardziej szczegółowo

Logika. Michał Lipnicki. 15 stycznia Zakład Logiki Stosowanej UAM. Michał Lipnicki () Logika 15 stycznia / 37

Logika. 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 szczegółowo

Układy równań liniowych

Układy równań liniowych Układy równań liniowych Niech K będzie ciałem. Niech n, m N. Równanie liniowe nad ciałem K z niewiadomymi (lub zmiennymi) x 1, x 2,..., x n K definiujemy jako formę zdaniową zmiennej (x 1,..., x n ) K

Bardziej szczegółowo

Teoria miary. WPPT/Matematyka, rok II. Wykład 5

Teoria 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 szczegółowo

Informacja o przestrzeniach Sobolewa

Informacja o przestrzeniach Sobolewa Wykład 11 Informacja o przestrzeniach Sobolewa 11.1 Definicja przestrzeni Sobolewa Niech R n będzie zbiorem mierzalnym. Rozważmy przestrzeń Hilberta X = L 2 () z iloczynem skalarnym zdefiniowanym równością

Bardziej szczegółowo

Niech X bȩdzie dowolnym zbiorem. Dobry porz adek to relacja P X X (bȩdziemy pisać x y zamiast x, y P ) o w lasnościach:

Niech 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 szczegółowo

1. Struktury zbiorów 2. Miara 3. Miara zewnętrzna 4. Miara Lebesgue a 5. Funkcje mierzalne 6. Całka Lebesgue a. Analiza Rzeczywista.

1. Struktury zbiorów 2. Miara 3. Miara zewnętrzna 4. Miara Lebesgue a 5. Funkcje mierzalne 6. Całka Lebesgue a. Analiza Rzeczywista. Literatura P. Billingsley, Miara i prawdopodobieństwo, PWN, Warszawa 1997, P. R. Halmos, Measure theory, Springer-Verlag, 1994, W, Kołodziej, naliza matematyczna, PWN, Warszawa 1978, S. Łojasiewicz, Wstęp

Bardziej szczegółowo

II Matematyka 2 stopnia( 3W). Logika i podstawy matematyki. Janusz Czelakowski. Wykład 8. Arytmetyka

II Matematyka 2 stopnia( 3W). Logika i podstawy matematyki. Janusz Czelakowski. Wykład 8. Arytmetyka II Matematyka 2 stopnia( 3W). Logika i podstawy matematyki Janusz Czelakowski Wykład 8. Arytmetyka Jak dobrze wiadomo, jednym z kluczowych praw zachodzących w dziedzinie liczb naturalnych jest Zasada Indukcji.

Bardziej szczegółowo

Elementy logiki. Wojciech Buszkowski Wydział Matematyki i Informatyki UAM Zakład Teorii Obliczeń

Elementy 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 szczegółowo

1 Funkcje uniwersalne

1 Funkcje uniwersalne 1 1 Funkcje uniwersalne 1.1 Konstrukcja funkcji uniweralnej Niech P będzie najmniejszym zbiorem liczb spełniającym warunki 1) 0, 2, 0, 0, 2, 1, 0, 2, 2 P, 2) 0, n, 3, k P dla wszystkich n > 0 oraz k takich,

Bardziej szczegółowo

rachunku kombinatorów logiką kom- binatoryczną Zmienne przedmiotowe Podstawienie słabej redukcji kombinatorami

rachunku kombinatorów logiką kom- binatoryczną Zmienne przedmiotowe Podstawienie słabej redukcji kombinatorami 12 Wykłady 12 i 13: Rachunek λ Rachunek kombinatorów, typy proste i izomorfizm Curry-Howarda Zdefiniujemy teraz system CL(beztypowego) rachunku kombinatorów, zwany także logiką kombinatoryczną, chociaż

Bardziej szczegółowo

Lista egzaminacyjna zadań z matematycznych podstaw informatyki, wersja 3.

Lista egzaminacyjna zadań z matematycznych podstaw informatyki, wersja 3. 1 Lista egzaminacyjna zadań z matematycznych podstaw informatyki, wersja 3. Funkcje pierwotnie rekurencyjne. Problemy: Zapoznaj się z teorią funkcji pierwotnie rekurencyjnych. Ważne są definicje klasy

Bardziej szczegółowo

Podstawy matematyki dla informatyków. Logika formalna. Skªadnia rachunku zda« Skróty i priorytety. Wykªad 10 (Klasyczny rachunek zda«) 15 grudnia 2011

Podstawy matematyki dla informatyków. Logika formalna. Skªadnia rachunku zda« Skróty i priorytety. Wykªad 10 (Klasyczny rachunek zda«) 15 grudnia 2011 Podstawy matematyki dla informatyków Logika formalna Wykªad 10 (Klasyczny rachunek zda«) 15 grudnia 2011 Skªadnia rachunku zda«symbole (zmienne) zdaniowe (p, q, r,...), oraz znaki i s formuªami zdaniowymi.

Bardziej szczegółowo

Lekcja 3: Elementy logiki - Rachunek zdań

Lekcja 3: Elementy logiki - Rachunek zdań Lekcja 3: Elementy logiki - Rachunek zdań S. Hoa Nguyen 1 Materiał a) Zdanie proste, złożone b) Spójniki logiczne (funktory zdaniotwórcze):,,,,, (alternatywa wykluczająca - XOR). c) Tautologia, zdanie

Bardziej szczegółowo

Elementy logiki matematycznej

Elementy 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 szczegółowo

Indukcja matematyczna. Zasada minimum. Zastosowania.

Indukcja matematyczna. Zasada minimum. Zastosowania. Indukcja matematyczna. Zasada minimum. Zastosowania. Arkadiusz Męcel Uwagi początkowe W trakcie zajęć przyjęte zostaną następujące oznaczenia: 1. Zbiory liczb: R - zbiór liczb rzeczywistych; Q - zbiór

Bardziej szczegółowo

Twierdzenia Gödla dowody. Czy arytmetyka jest w stanie dowieść własną niesprzeczność?

Twierdzenia Gödla dowody. Czy arytmetyka jest w stanie dowieść własną niesprzeczność? Semina Nr 3 Scientiarum 2004 Twierdzenia Gödla dowody. Czy arytmetyka jest w stanie dowieść własną niesprzeczność? W tym krótkim opracowaniu chciałbym przedstawić dowody obu twierdzeń Gödla wykorzystujące

Bardziej szczegółowo

Definicja: alfabetem. słowem długością słowa

Definicja: 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 szczegółowo

1 Zbiory i działania na zbiorach.

1 Zbiory i działania na zbiorach. Matematyka notatki do wykładu 1 Zbiory i działania na zbiorach Pojęcie zbioru jest to pojęcie pierwotne (nie definiuje się tego pojęcia) Pojęciami pierwotnymi są: element zbioru i przynależność elementu

Bardziej szczegółowo

25 lutego 2013, godzina 23: 57 strona 1. P. Urzyczyn: Materia ly do wyk ladu z semantyki. Logika Hoare a

25 lutego 2013, godzina 23: 57 strona 1. P. Urzyczyn: Materia ly do wyk ladu z semantyki. Logika Hoare a 25 lutego 2013, godzina 23: 57 strona 1 P. Urzyczyn: Materia ly do wyk ladu z semantyki Logika Hoare a Rozważamy najprostszy model imperatywnego jezyka programowania z jednym typem danych. Wartości tego

Bardziej szczegółowo

Wykładowcy. Podstawy matematyki dla informatyków. Różne książki dla dociekliwych. Materiały. Books in English. Zaliczenie. Klasówka.

Wykładowcy. Podstawy matematyki dla informatyków. Różne książki dla dociekliwych. Materiały. Books in English. Zaliczenie. Klasówka. Wykładowcy Podstawy matematyki dla informatyków Semestr zimowy 2017-18 Jacek Chrząszcz, chrzaszcz@mimuw.edu.pl, pokój 5710. Paweł Urzyczyn, urzy@mimuw.edu.pl, pokój 5700. Materiały Różne książki dla dociekliwych

Bardziej szczegółowo

1 Podstawowe oznaczenia

1 Podstawowe oznaczenia Poniżej mogą Państwo znaleźć skondensowane wiadomości z wykładu. Należy je traktować jako przegląd pojęć, które pojawiły się na wykładzie. Materiały te nie są w pełni tożsame z tym co pojawia się na wykładzie.

Bardziej szczegółowo

Grupy, pierścienie i ciała

Grupy, pierścienie i ciała Grupy, pierścienie i ciała Definicja: Niech A będzie niepustym zbiorem. Działaniem wewnętrznym (lub, krótko, działaniem) w zbiorze A nazywamy funkcję : A A A. Niech ponadto B będzie niepustym zbiorem.

Bardziej szczegółowo

Wykład 5. Zagadnienia omawiane na wykładzie w dniu r

Wykład 5. Zagadnienia omawiane na wykładzie w dniu r Wykład 5. Zagadnienia omawiane na wykładzie w dniu 14.11.2018r Definicja (iloraz różnicowy) Niech x 0 R oraz niech funkcja f będzie określona przynajmnniej na otoczeniu O(x 0 ). Ilorazem różnicowym funkcji

Bardziej szczegółowo

Adam Meissner.

Adam 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 szczegółowo

ZALICZENIE WYKŁADU: 30.I.2019

ZALICZENIE WYKŁADU: 30.I.2019 MATEMATYCZNE PODSTAWY KOGNITYWISTYKI ZALICZENIE WYKŁADU: 30.I.2019 KOGNITYWISTYKA UAM, 2018 2019 Imię i nazwisko:.......... POGROMCY PTAKÓW STYMFALIJSKICH 1. [2 punkty] Podaj definicję warunku łączności

Bardziej szczegółowo

SIMR 2016/2017, Analiza 2, wykład 1, Przestrzeń wektorowa

SIMR 2016/2017, Analiza 2, wykład 1, Przestrzeń wektorowa SIMR 06/07, Analiza, wykład, 07-0- Przestrzeń wektorowa Przestrzeń wektorowa (liniowa) - przestrzeń (zbiór) w której określone są działania (funkcje) dodawania elementów i mnożenia elementów przez liczbę

Bardziej szczegółowo

Wstęp do programowania. Listy. Piotr Chrząstowski-Wachtel

Wstęp do programowania. Listy. Piotr Chrząstowski-Wachtel Wstęp do programowania Listy Piotr Chrząstowski-Wachtel Do czego stosujemy listy? Listy stosuje się wszędzie tam, gdzie występuje duży rozrzut w możliwym rozmiarze danych, np. w reprezentacji grafów jeśli

Bardziej szczegółowo

O czym będzie ten wykład: Logika i teoria typów. Zbiory i funkcje. Powtórzenie z rachunku lambda. Ekstensjonalność (?) Beztypowy rachunek lambda

O czym będzie ten wykład: Logika i teoria typów. Zbiory i funkcje. Powtórzenie z rachunku lambda. Ekstensjonalność (?) Beztypowy rachunek lambda O czym będzie ten wykład: Logika i teoria typów Wykład 1 2 marca 2016 Powtórzenie z rachunku lambda. Logika intuicjonistyczna. Logika jako gra dialogowa. Podstawy logiki liniowej. Logika klasyczna, kontynuacje

Bardziej szczegółowo

Dlaczego nie wystarczają liczby wymierne

Dlaczego 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 szczegółowo

Co to są liczby naturalne i czemu ich nie ma?! Adam Kolany

Co to są liczby naturalne i czemu ich nie ma?! Adam Kolany Co to są liczby naturalne i czemu ich nie ma?! Adam Kolany Co to są liczby naturalne i czemu ich nie ma?! Adam Kolany Załóżmy, że wiemy co to są liczby naturalne... Język (I-go rzędu): V, { F n : n IN

Bardziej szczegółowo

Rodzinę spełniającą trzeci warunek tylko dla sumy skończonej nazywamy ciałem (algebrą) w zbiorze X.

Rodzinę spełniającą trzeci warunek tylko dla sumy skończonej nazywamy ciałem (algebrą) w zbiorze X. 1 σ-ciała Definicja 1.1 (σ - ciało) σ - ciałem (σ - algebrą) w danym zbiorze X (zwanym przestrzenią) nazywamy rodzinę M pewnych podzbiorów zbioru X, spełniającą trzy warunki: 1 o M; 2 o jeśli A M, to X

Bardziej szczegółowo

Konstrukcja liczb rzeczywistych przy pomocy ciągów Cauchy ego liczb wymiernych

Konstrukcja 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 szczegółowo

Algebra i jej zastosowania konspekt wyk ladu, czȩść druga

Algebra 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 szczegółowo

n=0 Dla zbioru Cantora prawdziwe są wersje lematu 3.6 oraz lematu 3.8 przy założeniu α = :

n=0 Dla zbioru Cantora prawdziwe są wersje lematu 3.6 oraz lematu 3.8 przy założeniu α = : 4. Zbiory borelowskie. Zbiór wszystkich podzbiorów liczb naturalnych będziemy oznaczali przez ω. Najmniejszą topologię na zbiorze ω, w której zbiory {A ω : x A ω \ y}, gdzie x oraz y są zbiorami skończonymi,

Bardziej szczegółowo

Wykład 4 Udowodnimy teraz, że jeśli U, W są podprzetrzeniami skończenie wymiarowej przestrzeni V to zachodzi wzór: dim(u + W ) = dim U + dim W dim(u

Wykład 4 Udowodnimy teraz, że jeśli U, W są podprzetrzeniami skończenie wymiarowej przestrzeni V to zachodzi wzór: dim(u + W ) = dim U + dim W dim(u Wykład 4 Udowodnimy teraz, że jeśli U, W są podprzetrzeniami skończenie wymiarowej przestrzeni V to zachodzi wzór: dim(u + W ) = dim U + dim W dim(u W ) Rzeczywiście U W jest podprzetrzenią przestrzeni

Bardziej szczegółowo

Wstęp do Matematyki (2)

Wstęp do Matematyki (2) Wstęp do Matematyki (2) Jerzy Pogonowski Zakład Logiki Stosowanej UAM www.logic.amu.edu.pl pogon@amu.edu.pl Własności relacji Jerzy Pogonowski (MEG) Wstęp do Matematyki (2) Własności relacji 1 / 24 Wprowadzenie

Bardziej szczegółowo