1. Metoda tabel semantycznych

Wielkość: px
Rozpocząć pokaz od strony:

Download "1. Metoda tabel semantycznych"

Transkrypt

1 1. Metoda tabel semantycznych Udowodnić pawdziwość fomuły metodą tabel semantycznych: (A B) ( B A) ZALECAMY podkeślanie analizowanych fomuł, W celu zbadania pawdziwości fomuły należy zanegować fomułę i udowodnić niespełnialność negacji. [(A B) ( B A)] (A B), ( B A) (A B), B, A (A B), B, A A, B, A B, B, A ODP.: Ponieważ wszystkie liście dzewa są domknięte, zatem dzewo jest domknięte, co oznacza że zanegowana fomuła jest niespełnialna (spzeczna). Stąd fomuła oyginalna jest pawdziwa. 2. Udowodnić pawdziwość fomuły metodą tabel semantycznych: (((A B) A) A) W celu zbadania pawdziwości fomuły należy zanegować fomułę i udowodnić niespełnialność negacji. [((A B) A) A] ((A B) A), A (A B), A A, A A, B, A ODP.: Ponieważ wszystkie liście dzewa są domknięte, zatem dzewo jest domknięte, co oznacza że zanegowana fomuła jest niespełnialna (spzeczna). Stąd fomuła oyginalna jest pawdziwa.

2 3. Zbadać spełnialność fomuły metodą tabel semantycznych: (((A B) B) A) ((A B) B) A ((A B) B) A (A B), B A, B B, B ODP.: Ponieważ istnieją liście otwate, zatem fomuła jest spełnialna. Z liści otwatych można odczytać modele. Z liścia ( A, B) odczytamy model: v(a) = 0 i v(b) = 0. Z liścia (A) odczytamy modele: v(a) = 1 i v(b) dowolne (0 lub 1). Liście te nie mają modeli wspólnych, zatem wszystkich modeli fomuły mamy 3. Komentaz do Metody Tabel Semantycznych Metoda tabel semantycznych poszukuje modelu (modeli) fomuły. Modele te można odczytać z liści otwatych (pzypominam, że są dwa odzaje liści i model można odczytać tylko z jednego odzaju liści). Jeżeli dany liść pozwala na odczytanie modelu fomuły, to można odczytać z tego liścia dokładnie jeden model lub więcej. Liczba modeli, któe można odczytać z takiego liścia zależy od postaci zbiou liteałów twozących liść (zbió liteałów w liściu taktujemy jako koniunkcję tych liteałów). Wystąpienie liteału w liściu definiuje bowiem watościowanie odpowiedniego atomu, twozącego ten liteał. Pzypominamy, że Metoda tabel semantycznych nie daje odpowiedzi wpost na pytanie: czy fomuła jest pawdziwa. Zatem dzewo, któe posiada wyłącznie liście otwate, nie jest dowodem na to, że fomuła jest pawdziwa można to pokazać na pzykładzie fomuły: p lub Można też zadać pytanie (dodatkowe) czy Metoda tabel semantycznych pokazuje wszystkie możliwe modele?

3 2. DBD 1. Niech A = ((p ) ). Spawdź czy fomuła p A jest spełniona 1) zbudować DBD dla ozważanej fomuły A, 2) w opaciu o ten diagam zbudować DWA diagamy (dla fomuły A p=0 i A p=1), 3) oaz zastosować algoytm łączenia dzew. Jeżeli kwantyfikato jest typu łączymy te dwa diagamy opeatoem, jeżeli zaś kwantyfikato jest typu łączymy te dwa diagamy opeatoem. 1. ((p ) ) 2a. ((p ) ) p=0 p 1 R p 0 2b. ((p ) ) p=1 3. ((p ) ) p=0 ((p ) ) p=1 (kolejność zmiennych: ) 1 R R oznacza REDUKCJĘ ODP.: Ponieważ w wynikowym diagamie znajduje się węzeł o watości 1 zatem fomuła p A jest spełniona (fomuła A jest spełniona dla pewnej watości atomu p).

4 2. Niech A = (( p) ). Spawdź czy fomuła p A jest spełniona 1) zbudować DBD dla ozważanej fomuły A, 2) w opaciu o ten diagam zbudować DWA diagamy (dla fomuły A p=0 i A p=1), 3) oaz zastosować algoytm łączenia dzew. Jeżeli kwantyfikato jest typu łączymy te dwa diagamy opeatoem, jeżeli zaś kwantyfikato jest typu łączymy te dwa diagamy opeatoem. 1. (( p) ) 2a. (( p) ) p=0 R R 0 p p 2b. (( p) ) p=1 3. (( p) ) p=0 (( p) ) p=1 (kolejność zmiennych: ) 0 1 R oznacza REDUKCJĘ ODP.: Ponieważ w wynikowym diagamie znajduje się węzeł o watości 1 zatem fomuła fomuła p A jest spełniona (fomuła A jest spełniona dla każdej watości atomu p).

5 Komentaz do Diagamów Binanych Decyzji Diagamy Binanych Decyzji, w odóżnieniu od większości metod, pozwalają na badanie wpost nie tylko spełnialności ale także pawdziwości. Fomuła pawdziwa, pzypominam, ma w każdej intepetacji watość epezentowaną pzez symbol 1, co jest wyaźnie widoczne w zedukowanym diagamie binanych decyzji. Istnieje twiedzenie mówiące, że zedukowane diagamy UDBD dla fomuł logicznie ównoważnych są stuktualnie identyczne dla poszczególnych upoządkowań atomów. Podkeślmy: dla poszczególnych upoządkowań atomów. Kwantyfikacja jest pytaniem o spełnialność fomuły dla pewnej lub wszystkich watości kwantyfikowanego atomu. Istnieje możliwość zastosowania kilku kwantyfikatoów do fomuły, ale oznacza to, że należy zachować odpowiedni poządek analizowania tych kwantyfikatoów. Wpawdzie w mateiałach nie ma o tym wpost mowy, ale żeby dokonać analizy dowolnego kwantyfikatoa, należy najpiew poddać analizie kwantyfikatoy umieszczone na pawo (najbadziej zagnieżdżone).

6 3. Rachunek pedykatów - semantyka Rozważmy poblem badania spełnialności/ niespełnialności oaz pawdziwości/niepawdziwości. Rozpocznijmy od INTERPRETACJI, któa jest badziej złożona niż w achunku zdań. Musimy bowiem podać: dziedzinę intepetacji, elację, funkcję, oaz watość stałej. Watościowanie to funkcja σ I : V -> D W watościowaniu możemy podać dokładną watość podstawioną zmiennej: σ I [x<-d] Watość temu t w intepetacji I i watościowaniu σ I to v σi (t) Watość fomuły A w intepetacji I pzy watościowaniu σ I to v σi (A) i definiujemy pzez indukcję ze względu na budowę fomuły (kwantyfikatoy, opeatoy, symbole funkcyjne) TW. Niech A będzie fomułą zamkniętą. Wówczas v σi (A) NIE ZALEŻY od watościowania σi. Zadanie: zbadaj spełnialność / pawdziwość fomuły A = y x p(x,y) 1. Podajemy intepetację: I = {N, {>=}, {}, {}} 2. Fomuła w intepetacji: y N x N x>=y 3. Watość fomuły pzy watościowaniu: v σi[y<-0, x<-d] (p(x,y))=1 dla każdego d N 4. Watość fomuły zamkniętej (kozystamy z Twiedzenia) : v σi ( y x p(x,y)) =1 5. I = A Wniosek fomuła jest spełnialna ponieważ istnieje intepetacja, w któej v σi ( y x p(x,y)) = 1 A czy fomuła jest niepawdziwa? 6. Podajemy intepetację: I = {{5}, { }, {}, {}} 7. Fomuła w intepetacji: y {5} x {5} x y 8. Watość fomuły pzy watościowaniu: v σi[y<-5, x<-d] (p(x,y))=0 dla każdego d {5} 9. Watość fomuły zamkniętej (kozystamy z Twiedzenia) : v σi ( y x p(x,y)) =0 10. Wniosek fomuła jest niepawdziwa, ponieważ istnieje intepetacja, w któej v σi ( y x p(x,y)) = 0

7 4. Modele Hebanda Rozszezenie zbiou temów pzez wpowadzenie symboli funkcyjnych powoduje, że zbió możliwych intepetacji staje się złożony (pzeliczalnie nieskończony). Jest zadaniem tudnym (a nawet niemożliwym) ozważać wszystkie intepetacje dla wszystkich dziedzin żeby wykazać, że fomuła jest niespełnialna. Rozwiązaniem byłoby ozważanie pewnej stałej dziedziny H, takiej że zbió klauzul S odpowiadający danej fomule jest niespełnialny we wszystkich intepetacjach dla tej dziedziny H. Taką dziedziną jest uniwesum Hebanda H S. Definicja: Niech S będzie zbioem klauzul. Uniwesum Hebanda H S jest zbioem wszystkich temów ustalonych utwozonych z symboli występujących w S. Jeśli w S nie występuje stała, H S jest inicjowane wpowadzeniem dowolnej stałej a Definicja: Temem (atomem, fomułą) ustalonym nazywamy tem (atom, fomułę), któy nie zawiea zmiennych. Pzykład: Dany jest zbió klauzul S = {p(x) (x), (f(y))} H S = {a, f(a), f(f(a)), f(f(f(a)), f(f(f(f(a))), f(f(f(f(f(a)))), } Definicja: Niech H S będzie uniwesum Hebanda zbiou klauzul S. Bazą Hebanda B S nazywamy zbió atomów ustalonych utwozonych z symboli pedykatywnych występujących w S oaz temów należących do H S. Baza Hebanda jest także nazywana zbioem atomów. Pzykład cd. B S = {p(a), (a), (a), p(f(a)), (f(a)), (f(a)), p(f(f(f(a)))), (f(f(f(a)))), (f(f(f(a)))), } Definicja: Intepetacją Hebanda dla zbiou klauzul S nazywamy intepetację, któej dziedziną jest uniwesum Hebanda zbiou S, a stałym i symbolom funkcyjnym są pzypoządkowane te same symbole: v(a) = a, v(f(t 1, t n )) = f(v(t 1 ),, v(t n )). Nie nakłada się oganiczeń na pzypoządkowanie symbolom pedykatywnym elacji okeślonych nad uniwesum Hebanda. Niech B S = {A 1,A 2, } będzie bazą Hebanda. Intepetacja Hebanda może być pzedstawiona jako zbió {m 1,m 2, } gdzie m j jest albo A j albo ~A j. Pzykład cd. I1 = {p(a), (a), (a), p(f(a)), (f(a)), (f(a)), p(f(f(f(a)))), (f(f(f(a)))), (f(f(f(a)))), } I2 = {~p(a), (a), (a), p(f(a)), (f(a)), (f(a)), p(f(f(f(a)))), (f(f(f(a)))), (f(f(f(a)))), } I3 = {p(a), ~(a), (a), p(f(a)), (f(a)), (f(a)), p(f(f(f(a)))), (f(f(f(a)))), (f(f(f(a)))), } I3 = {~p(a), ~(a), (a), p(f(a)), (f(a)), (f(a)), p(f(f(f(a)))), (f(f(f(a)))), (f(f(f(a)))), } Definicja: Modelem Hebanda zbiou klauzul S nazywamy intepetację Hebanda spełniającą S. Model Hebanda można utożsamić z podzbioem bazy Hebanda, zawieającym atomy, dla któych v(p(t 1,,t n )) = 1.

8 Zastosowanie podstawienia do wyażenia 5. Podstawienia ZADANIE: E = p(x) (y) θ = {x y, y f(a)} oblicz Eθ Odp. Eθ = p(y) (f(a)) Składanie podstawień ZADANIE: złóż podstawienia θ = {x f(y), y f(a), z u} δ = {y g(a), u z, v f(f(a))} Odp. θδ = { x f(g(a)), y f(a)} u {u z, v f(f(a))} 6. Uzgadnianie ZADANIE: Znajdź mgu dla wyażeń: A = p( g(y), f(x,h(x),y) ) oaz A = p( x, f(g(z),w,z) ) Są 4 eguły postepowania (wybó eguł dowolny) g(y) = x f(x,h(x),y) = f(g(z),w,z) x = g(y) x = g(z) h(x) = w y = z x = g(y) g(y) = g(z) h(g(y)) = w y = z x = g(z) g(z) = g(z) h(g(z)) = w y = z zamiana ston zastąpienie ównania ównaniami dla każdej pay agumentów użycie temu g(y) w innych ównaniach, gdzie wystąpi x użycie temu z w innych ównaniach, gdzie występuje y usuwamy ównanie, w któym obie stony są identyczne zamiana ston x = g(z) w = h(g(z)) y = z Odp. mgu to {x g(z), w h(g(z)), y z }

9 7. Skolemizacja 1. Spowadzić do postaci klauzulowej: z ( u p(z,u) u ( (,u) y v (y,v) ) ) (Zakładamy, że wszystkie wystąpienia zmiennych są związane!!!) Dla pzypomnienia zasięg kwantyfikatoów: z : z ( u p(z,u) u ( (,u) y v (y,v) ) ) u : z ( u p(z,u) u ( (,u) y v (y,v) ) ) u: z ( u p(z,u) u ( (,u) y v (y,v) ) ) : z ( u p(z,u) u ( (,u) y v (y,v) ) ) y: z ( u p(z,u) u ( (,u) y v (y,v) ) ) v : z ( u p(z,u) u ( (,u) y v (y,v) ) ) Kok 1: pzemianowanie zmiennych z ( u p(z,u) s ( (,s) y v (y,v) ) ) Kok 2: zmiana opeatoów z ( u p(z,u) s ( (,s) y v (y,v) ) ) Kok 3: pzesunięcie negacji z ( u p(z,u) s ( (,s) y v (y,v) ) ) Kok 4: wydobycie kwantyfikatoów: z ( u p(z,u) s ( (,s) y v (y,v) ) ) z u ( p(z,u) s ( (,s) y v (y,v) ) ) z u ( p(z,u) s ((,s) y v (y,v) ) ) z u s ( p(z,u) ((,s) y v (y,v) ) ) z u s ( p(z,u) ((,s) y v (y,v) ) ) z u s ( p(z,u) y ((,s) v (y,v) ) ) z u s y ( p(z,u) ((,s) v (y,v) ) ) z u s y ( p(z,u) v ((,s) (y,v) ) ) z u s y v ( p(z,u) ((,s) (y,v) ) ) możemy u, s,, y, nie możemy v możemy s,, y, nie możemy v możemy s, y, nie możemy, v możemy, y, nie możemy v możemy y, nie możemy v możemy y, v możemy v możemy v Kok 5: koniunkcyjna postać nomalna z u s y v ( ( p(z,u) (,s)) ( p(z,u) (y,v)) ) Kok 6: Funkcja Skolema - u s y v ( ( p(a,u) (,s)) ( p(a,u) (y,v)) ) - - s y v ( ( p(a,b) (,s)) ( p(a,b) (y,v)) ) - - s - y v ( ( p(a,b) (f 1 (s),s)) ( p(a,b) (y,v)) ) - - s - y - ( ( p(a,b) (f 1 (s),s)) ( p(a,b) (y, f 2 (s,y))) ) Powyższą fomuła jest w postaci klauzulowej, ale można ją pzedstawić także jako zbió klauzul, pomijając kwantyfikatoy (gdyż wszystkie zmienne są kwantyfikowane uniwesalnie): { { p(a,b), (f 1 (s),s)}, { p(a,b), (y, f 2 (s,y)) } }

10 Komentaz do Skolemizacji Skolemizacja pzekształca fomułę do postaci klauzulowej. Postać nomalna dopuszcza bowiem kwantyfikatoy egzystencjalne. Jednakże my jesteśmy zainteesowani wyłącznie kwantyfikatoami uniwesalnymi, stąd ostatni kok skolemizacji, pzekształcający postać nomalną do klauzulowej. Postać klauzulową można zapisać w postaci zbiou klauzul. Skolemizacja, do pzedostatniego koku zachowuje logiczną ównoważność. Zastosowanie funkcji Skolema nie zachowuje już logicznej ównoważności, lecz spełnialność. W większości pzypadków badamy jednak spełnialność fomuł, stąd Skolemizacja jest użyteczna. Tw. Fomuła uzyskana na dodze Skolemizacji jest niespełniana wtw, gdy wyjściowa fomuła jest niespełnialna Skolemizacja wymaga fomuły zamkniętej. Fomuła jest zamknięta, jeżeli nie ma zmiennych wolnych. Zmienna jest wolna, jeżeli chociaż jedno jej wystąpienie jest wolne. Zmienna jest związana, jeżeli wszystkie jej wystąpienia są związane. Wystąpienie zmiennej jest związane wtw, gdy znajduje się w zakesie odpowiedniego kwantyfikatoa. Wystąpienie zmiennej jest wolne wtw, gdy nie jest związane.

11 8. Rezolucja w achunku pedykatów a) Udowodnij za pomocą metody ezolucji, że następujący zbió klauzul jest niespełniany; C1: p(x1) (x1) s(x1) C2: (b) C3: (b) (x3) C4: p(a) C5: s(x5) Rezolwenta dla C5 i C1 to C6: p(x5) (x5) podstawienie uzgadniające s1: {x1 <- x5} Rezolwenta dla C6 i C4 to C7: (a) podstawienie uzgadniające s2: {x5 <- a} Rezolwenta dla C7 i C3 to C8: (b) podstawienie uzgadniające s3: {x3 <- a} Rezolwenta dla C8 i C2 to C9: podstawienie uzgadniające s4: {} ODP. Zbió klauzul jest niespełniany b) Podaj najbadziej ogólne podstawienie uzgadniające ( mgu ) z uzyskanych podstawień ODP. MGU (złączenie wszystkich podstawień czyli: s1s2s3s4) = {x1<-a, x5<-a, x3<-a} Komentaz do Rezolucji Zauważmy, że C5 to zanegowany cel, któy jest badany i na początku jest on łączony z dowolną inną klauzulą. Następnie dla uzyskanej ezolwenty szukamy klauzuli z oyginalnego zbiou klauzul. Jest to poponowana stategia poszukiwanie klauzuli pustej. MGU pozwala odczytać, dla jakiej watości zmiennej nasz cel jest konsekwencją logiczną zbiou klauzul tzeba jedynie znaleźć odpowiednie podstawienie, będące elementem mgu.

12 1) Jaś na wycieczce w ZOO zobaczył pingwina. Po powocie do domu zaczął zastanawiać się, czy pingwin jest ptakiem czy ssakiem. Pamiętał, że pingwin z ZOO miał dziób i skzydła. Niestety Jaś nie pamiętał, czy pingwin miał pióa (a tylko ptaki mają pióa). Natomiast Jaś z lekcji biologii pamiętał, że dzioby mają nie tylko ptaki ale też ssak dziobak. Ponadto pzypomniał sobie, że skzydła mają nie tylko ptaki ale też ssak nietopez. Zapisał to w postaci eguł: x [ma(x,dziób) -> (ptak(x) ssak(x))] y [ma(y,skzydła) -> (ptak(y) ssak(y))] Jaś nie pzypominał sobie, żeby istniał ssak, któy miałby jednocześnie dziób i skzydła, zatem zapisał: z [ssak(z) -> (ma(z,dziób) ma(z,skzydła))] Jaś zapisał fakty, pzekształcił eguły do postaci klauzulowej i otzymał zbió (koniunkcja) klauzul U: C1: ma(pingwin, dziób) C2: ma(pingwin, skzydła) C3: ma(x,dziób) ptak(x) ssak(x) C4: ma(y,skzydła) ptak(y) ssak(y) C5: ssak(z) ma(z,dziób) ma(z,skzydła) 2) Spawdź, za pomocą metody ezolucji, czy fomuła ptak(pingwin) jest logiczną konsekwencją w.w zbiou klauzul U (2p.) Czy fomuła ptak(pingwin) jest logiczną konsekwencją pustego zbiou klauzul? Uzasadnij odpowiedź Rozwiązanie: fomuła A jest logiczną konsekwencją zbiou U wtw, gdy U -> A jest fomułą pawdziwą. Będziemy badać pawdziwość nie wpost badamy niespełnialność fomuły: (U -> A) któa jest logicznie ównoważna fomule U A. Dodajemy zatem do zbiou U klauzulę C6: ptak(pingwin) i stosujemy metodę ezolucji Rezolwenta C6 i C3 to C7: ma(pingwin,dziób) ssak(pingwin) Rezolwenta C7 i C1 to C8: ssak(pingwin) Rezolwenta C8 i C5 to C9: ma(pingwin,dziób) ma(pingwin,skzydła) Rezolwenta C9 i C1 to C10: ma(pingwin,skzydła) Rezolwenta C10 i C2 to C11: podst.(x<- pingwin) podst.(z<- pingwin) Odp. 1. Ponieważ U A i zaazem (U -> A) jest niespełniana, zatem (U -> A) jest pawdziwa co jest dowodem na to że fomuła ptak(pingwin) jest logiczną konsekwencją zbiou U Odp. 2 fomuła A jest logiczną konsekwencją zbiou U wtw gdy U -> A jest fomułą pawdziwą. W naszym wypadku U jest pustym zbioem klauzul, czyli jest fomułą pawdziwą. Zatem, żeby fomuła (U -> A) była pawdziwa, fomuła A musi być pawdziwa. Fomuła A jest fomułą zamkniętą. Możemy podać intepetację w któej pedykat ptak(x) epezentuje elację, że x jest ptakiem a stała pingwin epezentuje zwieze pingwin. W tej intepetacji fomuła A jest spełniona, ale można podać inne intepetacje, w któych fomuła A nie będzie spełniona (np. stała pingwin epezentuje osobę, któa wygała w ping-ponga). Zatem A nie jest pawdziwa i nie jest logiczną konsekwencją pustego zbiou klauzul.

13 9. Równoważność logiczna W logice fomuły mają więcej niż jedną watość logiczną. Stąd poównywanie fomuł nie może być opate o elację ówności. Wpowadzona została elacja ównoważności logicznej. Istnieje definicja ównoważności logicznej oaz Twiedzenie, któe jest stosowane w badaniu fomuł: Tw. A1 A2 wtw, gdy fomuła A1 A2 jest pawdziwa. 10. Konsekwencja logiczna Definicja konsekwencji logicznej: Niech U będzie zbioem fomuł, A zaś fomułą. Jeżeli w każdym modelu U watością A jest 1, to A nazywamy konsekwencją logiczną U, co zapisujemy U =A Jeżeli zbió U jest pusty, to pojęcie konsekwencji logicznej jest tożsame z pojęciem pawdziwości. Zauważmy, że fomuła A może mieć więcej modeli niż U (fomuła A może mieć modele, któe nie są modelami dla U). Ale, te modele, któe są modelami dla U muszą być także modelami dla A Pzypominamy, że zbió fomuł U ma model, jeżeli istnieje intepetacja taka, że model ten jest modelem każdego elementu zbiou U. Zatem możemy spowadzić poszukiwanie modelu dla zbiou U do poszukiwania modelu dla fomuły będącej koniunkcją fomuł twozących U. Istnieje ponadto twiedzenie, któe pozwala badać konsekwencję logiczną: Tw. U =A wtw, gdy =U A (gdzie U to koniunkcja fomuł twozących U), czyli gdy U A jest tautologią Badanie czy =U A (badanie pawdziwości fomuły U A) ealizowane jest nie wpost badamy niespełnialność fomuły: (U -> A) któa jest logicznie ównoważna fomule U A. Konsekwencja logiczna jest czasami nazywana implikacją logiczną

Binarne Diagramy Decyzyjne

Binarne Diagramy Decyzyjne Sawne tablice logiczne Plan Binane diagamy decyzyjne Oganiczanie i kwantyfikacja Logika obliczeniowa Instytut Infomatyki Plan Sawne tablice logiczne Binane diagamy decyzyjne Plan wykładu 1 2 3 4 Plan wykładu

Bardziej szczegółowo

1. Składnia. Logika obliczeniowa - zadania 1 SKŁADNIA Teoria

1. Składnia. Logika obliczeniowa - zadania 1 SKŁADNIA Teoria Logika obliczeniowa - zadania 1 SKŁADNIA 1. Składnia 1.1. Teoria 1. Składnia oznacza reguły tworzenia... z.... 2. Rachunek predykatów pierwszego rzędu (w skrócie: rachunek predykatów) wyróżnia cztery zbiory

Bardziej szczegółowo

Interpretacja Niech U będzie zbiorem formuł takim, że zbiór {p 1,..., p k } jest zbiorem wszystkich symboli predykatywnych, {f 1,..., f l } jest zbior

Interpretacja Niech U będzie zbiorem formuł takim, że zbiór {p 1,..., p k } jest zbiorem wszystkich symboli predykatywnych, {f 1,..., f l } jest zbior Rachunek predykatów Wykład 5 Plan wykładu Funkcje i termy Postać klauzulowa formuł Modele Herbranda Twierdzenie Herbranda Rezolucja dla klauzul ustalonych Podstawienia Uzgadnianie Rezolucja Funkcje i termy

Bardziej szczegółowo

Semantyka rachunku predykatów

Semantyka rachunku predykatów Relacje Interpretacja Wartość Spełnialność Logika obliczeniowa Instytut Informatyki Relacje Interpretacja Wartość Plan Plan Relacje O co chodzi? Znaczenie w logice Relacje 3 Interpretacja i wartościowanie

Bardziej szczegółowo

{ 1, 2,, n } Ponadto wówczas mówimy, że formuła: oraz równoważna jej formuła:

{ 1, 2,, n } Ponadto wówczas mówimy, że formuła: oraz równoważna jej formuła: RCHUNEK ZDŃ 6 Do ozstzygania, któe fomuły achunku zdań są tautologiami, czyli pawami logiki, stosować możemy tzy odzaje metod: 1) metodę matycową (zeo-jedynkową), 2) metodę założeniową, 3) metodę aksjomatyczną.

Bardziej szczegółowo

Rachunek predykatów. Formuły rachunku predykatów. Plan wykładu. Relacje i predykaty - przykłady. Relacje i predykaty

Rachunek predykatów. Formuły rachunku predykatów. Plan wykładu. Relacje i predykaty - przykłady. Relacje i predykaty Rachunek predykatów Wykład 4 Plan wykładu Relacje i predykaty Formuły rachunku predykatów Interpretacje Logiczna równoważność Metoda tabel Modele skończone i nieskończone Rozstrzygalność Relacje i predykaty

Bardziej szczegółowo

Semantyka rachunku predykatów pierwszego rzędu. Dziedzina interpretacji. Stałe, zmienne, funkcje. Logika obliczeniowa.

Semantyka rachunku predykatów pierwszego rzędu. Dziedzina interpretacji. Stałe, zmienne, funkcje. Logika obliczeniowa. Logika obliczeniowa Instytut Informatyki 1 Interpretacja i wartościowanie Dziedzina interpretacji Interpretacja Wartościowanie 2 Wartość formuły Wartość termu Wartość logiczna formuły Własności 3 Logiczna

Bardziej szczegółowo

Modele Herbranda. Logika obliczeniowa. Joanna Józefowska. Szukamy modelu. Przykład Problemy. Model Herbranda

Modele Herbranda. Logika obliczeniowa. Joanna Józefowska. Szukamy modelu. Przykład Problemy. Model Herbranda Plan wykładu Szukamy modelu Model Herbranda Twierdzenia Logika obliczeniowa Instytut Informatyki Plan wykładu Szukamy modelu 1 Szukamy modelu Problemy 2 Model Herbranda Uniwersum Herbranda Interpretacja

Bardziej szczegółowo

Graf skierowany. Graf zależności dla struktur drzewiastych rozgrywających parametrycznie

Graf skierowany. Graf zależności dla struktur drzewiastych rozgrywających parametrycznie Gaf skieowany Gaf skieowany definiuje się jako upoządkowaną paę zbioów. Piewszy z nich zawiea wiezchołki gafu, a dugi składa się z kawędzi gafu, czyli upoządkowanych pa wiezchołków. Ruch po gafie możliwy

Bardziej szczegółowo

Metoda tabel semantycznych. Dedukcja drogi Watsonie, dedukcja... Definicja logicznej konsekwencji. Logika obliczeniowa.

Metoda tabel semantycznych. Dedukcja drogi Watsonie, dedukcja... Definicja logicznej konsekwencji. Logika obliczeniowa. Plan Procedura decyzyjna Reguły α i β - algorytm Plan Procedura decyzyjna Reguły α i β - algorytm Logika obliczeniowa Instytut Informatyki 1 Procedura decyzyjna Logiczna konsekwencja Teoria aksjomatyzowalna

Bardziej szczegółowo

Metoda Tablic Semantycznych

Metoda Tablic Semantycznych Procedura Plan Reguły Algorytm Logika obliczeniowa Instytut Informatyki Plan Procedura Reguły 1 Procedura decyzyjna Logiczna równoważność formuł Logiczna konsekwencja Procedura decyzyjna 2 Reguły α, β,

Bardziej szczegółowo

RACHUNEK ZDAŃ - ZADANIA. Zadanie 1. Wyznacz wartość logiczną formuły A dla podanych wartościowań zmiennych zdaniowych występujących w tej formule q q

RACHUNEK ZDAŃ - ZADANIA. Zadanie 1. Wyznacz wartość logiczną formuły A dla podanych wartościowań zmiennych zdaniowych występujących w tej formule q q RCHUNEK ZDŃ - ZDNI RCHUNEK ZDŃ, SEMNTYK Zadanie 1. Wyznacz watość logiczną fomuły dla odanych watościowań zmiennych zdaniowych wytęujących w tej fomule 1., 0, 1 2., 1, 0, 1, 0 3. Zadanie 2 Wyznacz tablicę

Bardziej szczegółowo

Metody optymalizacji. dr inż. Paweł Zalewski Akademia Morska w Szczecinie

Metody optymalizacji. dr inż. Paweł Zalewski Akademia Morska w Szczecinie Metody optymalizacji d inż. Paweł Zalewski kademia Moska w Szczecinie Optymalizacja - definicje: Zadaniem optymalizacji jest wyznaczenie spośód dopuszczalnych ozwiązań danego polemu ozwiązania najlepszego

Bardziej szczegółowo

Rezolucja w rachunku predykatów. Przedrostkowa koniunkcyjna postać normalna. Formu ly ustalone. Joanna Józefowska. Poznań, rok akademicki 2009/2010

Rezolucja w rachunku predykatów. Przedrostkowa koniunkcyjna postać normalna. Formu ly ustalone. Joanna Józefowska. Poznań, rok akademicki 2009/2010 Instytut Informatyki Poznań, rok akademicki 2009/2010 1 Postać klauzulowa formu l 2 Regu la rezolucji Regu la rezolucji dla klauzul ustalonych Regu la rezolucji dla klauzul ustalonych a spe lnialność Ogólna

Bardziej szczegółowo

Uzgadnianie formuł rachunku predykatów

Uzgadnianie formuł rachunku predykatów Składanie podstawień Plan wykładu Uzgadnianie Logika obliczeniowa Instytut Informatyki Plan wykładu Składanie podstawień 1 Składanie podstawień Podstawienie Motywacja Złożenie podstawień 2 Uzgadnianie

Bardziej szczegółowo

Andrzej Wiśniewski Logika I Materiały do wykładu dla studentów kognitywistyki. Wykład 9. Koniunkcyjne postacie normalne i rezolucja w KRZ

Andrzej Wiśniewski Logika I Materiały do wykładu dla studentów kognitywistyki. Wykład 9. Koniunkcyjne postacie normalne i rezolucja w KRZ Andrzej Wiśniewski Logika I Materiały do wykładu dla studentów kognitywistyki Wykład 9. Koniunkcyjne postacie normalne i rezolucja w KRZ 1 Inferencyjna równoważność formuł Definicja 9.1. Formuła A jest

Bardziej szczegółowo

Uzgadnianie wyrażeń rachunku predykatów. Adam i orzeszki. Joanna Józefowska. Poznań, rok akademicki 2009/2010

Uzgadnianie wyrażeń rachunku predykatów. Adam i orzeszki. Joanna Józefowska. Poznań, rok akademicki 2009/2010 Instytut Informatyki Poznań, rok akademicki 2009/2010 Instytut Informatyki Poznań, rok akademicki 2009/2010 1 Podstawienia Motywacja Podstawienie 2 Sk ladanie podstawień Motywacja Z lożenie podstawień

Bardziej szczegółowo

Problem. Uzgadnianie wyrażeń rachunku predykatów. Instancja wyrażenia. Podstawienie termu za zmienną. Joanna Józefowska

Problem. Uzgadnianie wyrażeń rachunku predykatów. Instancja wyrażenia. Podstawienie termu za zmienną. Joanna Józefowska Problem Instytut Informatyki jedzenie(x 1 ) lubi(adam, x 1 ) jedzenie(jabłko) jedzenie(kurczak) je(x 1, x 2 ) żyje(x 1 ) jedzenie(x 2 ) je(bogdan, orzeszki) żyje(bogdan) je(bogdan, x 2 ) je(zuzia, x 2

Bardziej szczegółowo

dr inż. Małgorzata Langer Architektura komputerów

dr inż. Małgorzata Langer Architektura komputerów Instukcja współfinansowana pzez Unię Euopejską w amach Euopejskiego Funduszu Społecznego w pojekcie Innowacyjna dydaktyka bez oganiczeń zintegowany ozwój Politechniki Łódzkiej zaządzanie Uczelnią, nowoczesna

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

Struktura danych = system relacyjny U, U uniwersum systemu - zbiór relacji (operacji) na strukturze danych

Struktura danych = system relacyjny U, U uniwersum systemu - zbiór relacji (operacji) na strukturze danych Temat: Stuktuy dzewiste 1. Stuktua słownika { } I Stuktua danych = system elacyjny U, i i U uniwesum systemu { i } i I - zbió elacji (opeacji) na stuktuze danych Fomalna definicja stuktuy danych składa

Bardziej szczegółowo

II.6. Wahadło proste.

II.6. Wahadło proste. II.6. Wahadło poste. Pzez wahadło poste ozumiemy uch oscylacyjny punktu mateialnego o masie m po dolnym łuku okęgu o pomieniu, w stałym polu gawitacyjnym g = constant. Fig. II.6.1. ozkład wektoa g pzyśpieszenia

Bardziej szczegółowo

KRYTERIA OCENIANIA ODPOWIEDZI Próbna Matura z OPERONEM. Matematyka Poziom rozszerzony

KRYTERIA OCENIANIA ODPOWIEDZI Próbna Matura z OPERONEM. Matematyka Poziom rozszerzony KRYTERIA OCENIANIA ODPOWIEDZI Póbna Matua z OPERONEM Matematyka Poziom ozszezony Listopad 0 W ni niej szym sche ma cie oce nia nia za dań otwa tych są pe zen to wa ne pzy kła do we po paw ne od po wie

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

L(x, 0, y, 0) = x 2 + y 2 (3)

L(x, 0, y, 0) = x 2 + y 2 (3) 0. Małe dgania Kótka notatka o małych dganiach wyjasniające możliwe niejasności. 0. Poszukiwanie punktów ównowagi Punkty ównowagi wyznaczone są waunkami x i = 0, ẋi = 0 ( Pochodna ta jest ówna pochodnej

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

LOGIKA Klasyczny Rachunek Zdań

LOGIKA Klasyczny Rachunek Zdań LOGIKA Klasyczny Rachunek Zdań Robert Trypuz trypuz@kul.pl 5 listopada 2013 Robert Trypuz (trypuz@kul.pl) Klasyczny Rachunek Zdań 5 listopada 2013 1 / 24 PLAN WYKŁADU 1 Alfabet i formuła KRZ 2 Zrozumieć

Bardziej szczegółowo

Wykład 1. Elementy rachunku prawdopodobieństwa. Przestrzeń probabilistyczna.

Wykład 1. Elementy rachunku prawdopodobieństwa. Przestrzeń probabilistyczna. Podstawowe pojęcia. Wykład Elementy achunku pawdopodobieństwa. Pzestzeń pobabilistyczna. Doświadczenie losowe-doświadczenie (zjawisko, któego wyniku nie możemy pzewidzieć. Pojęcie piewotne achunku pawdopodobieństwa

Bardziej szczegółowo

Modelowanie przepływu cieczy przez ośrodki porowate Wykład III

Modelowanie przepływu cieczy przez ośrodki porowate Wykład III Modelowanie pzepływu cieczy pzez ośodki poowate Wykład III 6 Ogólne zasady ozwiązywania ównań hydodynamicznego modelu pzepływu. Metody ozwiązania ównania Laplace a. Wpowadzenie wielkości potencjału pędkości

Bardziej szczegółowo

Klasyczny rachunek predykatów

Klasyczny rachunek predykatów Kultura logiczna Klasyczny rachunek predykatów Bartosz Gostkowski bgostkowski@gmail.com Alfabet klasycznego rachunku zdań reguły konsytutywne języka Alfabet klasycznego rachunku predykatów (KRP Do alfabetu

Bardziej szczegółowo

Składnia rachunku predykatów pierwszego rzędu

Składnia rachunku predykatów pierwszego rzędu Początek Gramatyka Kwantyfikatory Poprawność Logika obliczeniowa Instytut Informatyki Początek Gramatyka Kwantyfikatory Poprawność Plan wykładu 1 Na (dobry) początek Zrozumieć słowa Oswoić znaki 2 Gramatyka

Bardziej szczegółowo

ROZWIĄZUJEMY PROBLEM RÓWNOWAŻNOŚCI MASY BEZWŁADNEJ I MASY GRAWITACYJNEJ.

ROZWIĄZUJEMY PROBLEM RÓWNOWAŻNOŚCI MASY BEZWŁADNEJ I MASY GRAWITACYJNEJ. ROZWIĄZUJEMY PROBLEM RÓWNOWAŻNOŚCI MASY BEZWŁADNEJ I MASY GRAWITACYJNEJ. STRESZCZENIE Na bazie fizyki klasycznej znaleziono nośnik ładunku gawitacyjnego, uzyskano jedność wszystkich odzajów pól ( elektycznych,

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

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

Model klasyczny gospodarki otwartej

Model klasyczny gospodarki otwartej Model klasyczny gospodaki otwatej Do tej poy ozpatywaliśmy model sztucznie zakładający, iż gospodaka danego kaju jest gospodaką zamkniętą. A zatem bak było międzynaodowych pzepływów dób i kapitału. Jeżeli

Bardziej szczegółowo

WYKŁAD 11 OPTYMALIZACJA WIELOKRYTERIALNA

WYKŁAD 11 OPTYMALIZACJA WIELOKRYTERIALNA WYKŁAD OPTYMALIZACJA WIELOKYTEIALNA Wstęp. W wielu pzypadkach pzy pojektowaniu konstukcji technicznych dla okeślenia ich jakości jest niezędne wpowadzenie więcej niż jednego kyteium oceny. F ) { ( ), (

Bardziej szczegółowo

Modele odpowiedzi do arkusza Próbnej Matury z OPERONEM. Matematyka Poziom rozszerzony

Modele odpowiedzi do arkusza Próbnej Matury z OPERONEM. Matematyka Poziom rozszerzony Modele odpowiedzi do akusza Póbnej Matuy z OPERONEM Matematyka Poziom ozszezony Listopad 00 W kluczu są pezentowane pzykładowe pawidłowe odpowiedzi. Należy ównież uznać odpowiedzi ucznia, jeśli są inaczej

Bardziej szczegółowo

Logika Matematyczna (10)

Logika Matematyczna (10) Logika Matematyczna (10) Jerzy Pogonowski Zakład Logiki Stosowanej UAM www.logic.amu.edu.pl pogon@amu.edu.pl Rezolucja w KRZ Jerzy Pogonowski (MEG) Logika Matematyczna (10) Rezolucja w KRZ 1 / 39 Plan

Bardziej szczegółowo

Wykład: praca siły, pojęcie energii potencjalnej. Zasada zachowania energii.

Wykład: praca siły, pojęcie energii potencjalnej. Zasada zachowania energii. Wykład: paca siły, pojęcie enegii potencjalnej. Zasada zachowania enegii. Uwaga: Obazki w tym steszczeniu znajdują się stonie www: http://www.whfeeman.com/tiple/content /instucto/inde.htm Pytanie: Co to

Bardziej szczegółowo

(U.17) Zastosowania stacjonarnego rachunku zaburzeń

(U.17) Zastosowania stacjonarnego rachunku zaburzeń 3.0.004 38. U.7 Zastosowania stacjonanego achunku zabuzeń 66 Rozdział 38 U.7 Zastosowania stacjonanego achunku zabuzeń 38. Stuktua subtelna w atomie wodoopodobnym 38.. Hamiltonian i jego dyskusja Popzednio

Bardziej szczegółowo

Automatyczne dowodzenie twierdzeń metodą rezolucji

Automatyczne dowodzenie twierdzeń metodą rezolucji Automatyczne dowodzenie twierdzeń metodą rezolucji 16 kwietnia 2010 Rezolucja zdaniowa Formuły rachunku zdań: zbudowane ze zmiennych zdaniowych za pomocą spójników logicznych,,,, i nawiasów Wartości logiczne:

Bardziej szczegółowo

Dobór zmiennych objaśniających do liniowego modelu ekonometrycznego

Dobór zmiennych objaśniających do liniowego modelu ekonometrycznego Dobó zmiennych objaśniających do liniowego modelu ekonometycznego Wstępnym zadaniem pzy budowie modelu ekonometycznego jest okeślenie zmiennych objaśniających. Kyteium wybou powinna być meytoyczna znajomość

Bardziej szczegółowo

III rok kognitywistyki UAM,

III rok kognitywistyki UAM, METODY DOWODZENIA TWIERDZEŃ I AUTOMATYZACJA ROZUMOWAŃ WYKŁAD 6A: REZOLUCJA III rok kognitywistyki UAM, 2016 2017 1 Rezolucja w KRZ Dowody rezolucyjne w KRZ są równie proste, jak dowody tablicowe Metoda

Bardziej szczegółowo

DODATEK 1: Wtedy h(α) = 1 oraz h(β) = 0. Jak pamiętamy ze szkoły, obraz sumy zbiorów jest sumą obrazów tych zbiorów. Mamy zatem:

DODATEK 1: Wtedy h(α) = 1 oraz h(β) = 0. Jak pamiętamy ze szkoły, obraz sumy zbiorów jest sumą obrazów tych zbiorów. Mamy zatem: DODATEK 1: DOWODY NIEKTÓRYCH TWIERDZEŃ DOTYCZACYCH SEMANTYKI KLASYCZNEGO RACHUNKU ZDAŃ 2.2. TWIERDZENIE O DEDUKCJI WPROST (wersja semantyczna). Dla dowolnych X F KRZ, α F KRZ, β F KRZ zachodzą następujące

Bardziej 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

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

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

Energia kinetyczna i praca. Energia potencjalna

Energia kinetyczna i praca. Energia potencjalna negia kinetyczna i paca. negia potencjalna Wykład 4 Wocław Univesity of Technology 1 NRGIA KINTYCZNA I PRACA 5.XI.011 Paca Kto wykonał większą pacę? Hossein Rezazadeh Olimpiada w Atenach 004 WR Podzut

Bardziej szczegółowo

Próba określenia miary jakości informacji na gruncie teorii grafów dla potrzeb dydaktyki

Próba określenia miary jakości informacji na gruncie teorii grafów dla potrzeb dydaktyki Póba okeślenia miay jakości infomacji na guncie teoii gafów dla potzeb dydaktyki Zbigniew Osiak E-mail: zbigniew.osiak@gmail.com http://ocid.og/0000-0002-5007-306x http://via.og/autho/zbigniew_osiak Steszczenie

Bardziej szczegółowo

Uniwersytet Warszawski Teoria gier dr Olga Kiuila LEKCJA 2

Uniwersytet Warszawski Teoria gier dr Olga Kiuila LEKCJA 2 LEKCJA 2 Pzykład: Dylemat Cykoa (albo Poke Dogowy) Dwie osoby wsiadają w samochody, ozpędzają się i z dużą pędkością jadą na siebie - ten kto piewszy zahamuje lub zjedzie z tasy jest "cykoem" i pzegywa.

Bardziej szczegółowo

ROZDZIAŁ 1. Rachunek funkcyjny

ROZDZIAŁ 1. Rachunek funkcyjny ROZDZIAŁ 1 Rachunek funkcyjny Niech X 1,..., X n będą dowolnymi zbiorami. Wyrażenie (formułę) ϕ(x 1,..., x n ), w którym występuje n zmiennych x 1,..., x n i które zamienia się w zdanie logiczne, gdy zamiast

Bardziej szczegółowo

29 Rozpraszanie na potencjale sferycznie symetrycznym - fale kuliste

29 Rozpraszanie na potencjale sferycznie symetrycznym - fale kuliste 9 Rozpaszanie na potencjae sfeycznie symetycznym - fae kuiste W ozdziae tym zajmiemy się ozpaszaniem na potencjae sfeycznie symettycznym V ). Da uchu o dodatniej enegii E = k /m adiane ównanie Schödingea

Bardziej szczegółowo

Wykład 17. 13 Półprzewodniki

Wykład 17. 13 Półprzewodniki Wykład 17 13 Półpzewodniki 13.1 Rodzaje półpzewodników 13.2 Złącze typu n-p 14 Pole magnetyczne 14.1 Podstawowe infomacje doświadczalne 14.2 Pąd elektyczny jako źódło pola magnetycznego Reinhad Kulessa

Bardziej szczegółowo

Rachunek zdań - semantyka. Wartościowanie. ezyków formalnych. Semantyka j. Logika obliczeniowa. Joanna Józefowska. Poznań, rok akademicki 2009/2010

Rachunek 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 szczegółowo

m q κ (11.1) q ω (11.2) ω =,

m q κ (11.1) q ω (11.2) ω =, OPIS RUCHU, DRGANIA WŁASNE TŁUMIONE Oga Kopacz, Adam Łodygowski, Kzysztof Tymbe, Michał Płotkowiak, Wojciech Pawłowski Konsutacje naukowe: pof. d hab. Jezy Rakowski Poznań 00/00.. Opis uchu OPIS RUCHU

Bardziej szczegółowo

Elementy logiki. Algebra Boole a. Analiza i synteza układów logicznych

Elementy logiki. Algebra Boole a. Analiza i synteza układów logicznych Elementy logiki: Algebra Boole a i układy logiczne 1 Elementy logiki dla informatyków Wykład III Elementy logiki. Algebra Boole a. Analiza i synteza układów logicznych Elementy logiki: Algebra Boole a

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

Andrzej Wiśniewski Logika I Materiały do wykładu dla studentów kognitywistyki. Wykład 10. Twierdzenie o pełności systemu aksjomatycznego KRZ

Andrzej Wiśniewski Logika I Materiały do wykładu dla studentów kognitywistyki. Wykład 10. Twierdzenie o pełności systemu aksjomatycznego KRZ Andrzej Wiśniewski Logika I Materiały do wykładu dla studentów kognitywistyki Wykład 10. Twierdzenie o pełności systemu aksjomatycznego KRZ 1 Tezy KRZ Pewien system aksjomatyczny KRZ został przedstawiony

Bardziej szczegółowo

ANALIZA DANYCH W STATA 8.0

ANALIZA DANYCH W STATA 8.0 ANALIZA DANYCH W STATA 8.0 ZAJĘCIA 3 1. Rozpoczęcie 1. Stwozyć w katalogu C:/temp katalog stata_3 2. Ściągnąć z intenetu ze stony http://akson.sgh.waw.pl/~mpoch plik zajecia3.zip (kyje się on pod tekstem

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

IMIĘ NAZWISKO... grupa C... sala Egzamin ELiTM I

IMIĘ NAZWISKO... grupa C... sala Egzamin ELiTM I IMIĘ NAZWISKO............................ grupa C... sala 10... Egzamin ELiTM I 02.02.15 1. 2. 3. 4.. 1. (8 pkt.) Niech X a,b = {(x, y) R 2 : (x b) 2 + (y 1 b )2 a 2 } dla a, b R, a > 0, b 0. Wyznaczyć:

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

Wykład 5: Handel międzynarodowy a zasoby czynników produkcji część II

Wykład 5: Handel międzynarodowy a zasoby czynników produkcji część II Handel międzynaodowy Wykład 5: Handel międzynaodowy a zasoby czynników podukcji część II Gabiela Gotkowska Plan wykładu 5 odel HO w wesji z technologią Cobba- Douglasa Wybó techniki podukcji pzez poducenta

Bardziej szczegółowo

należą do grupy odbiorników energii elektrycznej idealne elementy rezystancyjne przekształcają energię prądu elektrycznego w ciepło

należą do grupy odbiorników energii elektrycznej idealne elementy rezystancyjne przekształcają energię prądu elektrycznego w ciepło 07 0 Opacował: mg inż. Macin Wieczoek www.mawie.net.pl. Elementy ezystancyjne. należą do gupy odbioników enegii elektycznej idealne elementy ezystancyjne pzekształcają enegię pądu elektycznego w ciepło.

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

Adam Meissner SZTUCZNA INTELIGENCJA

Adam Meissner SZTUCZNA INTELIGENCJA Instytut Automatyki i Inżynierii Informatycznej Politechniki Poznańskiej Adam Meissner Adam.Meissner@put.poznan.pl http://www.man.poznan.pl/~ameis SZTUCZNA INTELIGENCJA Elementy wnioskowania automatycznego

Bardziej szczegółowo

Wstęp do filogenetyki molekularnej. Krzysztof Turowski

Wstęp do filogenetyki molekularnej. Krzysztof Turowski Wstęp do filogenetyki molekulanej Kzysztof Tuowski Co to jest filogeneza? Filogeneza (z g. filos gatunek, ód i genesis pochodzenie) to doga ozwoju odowego, pochodzenie i zmiany ewolucyjne gupy oganizmów,

Bardziej szczegółowo

KONKURS Z MATEMATYKI DLA UCZNIÓW SZKÓŁ PODSTAWOWYCH

KONKURS Z MATEMATYKI DLA UCZNIÓW SZKÓŁ PODSTAWOWYCH Konkusy w województwie podkapackim w oku szkolnym 08/09 KONKURS Z MTEMTYKI L UZNIÓW SZKÓŁ POSTWOWYH ETP REJONOWY KLUZ OPOWIEZI Zasady pzyznawania punktów za każdą popawną odpowiedź punkt za błędną odpowiedź

Bardziej szczegółowo

Logiczne podstawy informatyki 1. Wojciech Buszkowski. Zakład Teorii Obliczeń Wydział Matematyki i Informatyki UAM

Logiczne podstawy informatyki 1. Wojciech Buszkowski. Zakład Teorii Obliczeń Wydział Matematyki i Informatyki UAM Logiczne podstawy informatyki 1 LOGICZNE PODSTAWY INFORMATYKI Wojciech Buszkowski Zakład Teorii Obliczeń Wydział Matematyki i Informatyki UAM Logiczne podstawy informatyki 2 1. Rezolucja zdaniowa 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

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

Podstawy Sztucznej Inteligencji (PSZT)

Podstawy Sztucznej Inteligencji (PSZT) Podstawy Sztucznej Inteligencji (PSZT) Paweł Wawrzyński Wnioskowanie logiczne i systemy eksperckie Systemy posługujące się logiką predykatów: część 3/3 Dzisiaj Uogólnienie Poprawność i pełność wnioskowania

Bardziej szczegółowo

Jak logik przewozi kozę przez rzekę?

Jak logik przewozi kozę przez rzekę? Jak logik przewozi kozę przez rzekę? 1. Koza i kapusta 1.1. Problem Na lewym brzegu rzeki, na przystani promowej, znajdują się: chłop, koza i kapusta. Prom jest samoobsługowy (może obsługiwać go tylko

Bardziej szczegółowo

Internet Semantyczny. Logika opisowa

Internet Semantyczny. Logika opisowa Internet Semantyczny Logika opisowa Ontologie Definicja Grubera: Ontologia to formalna specyfikacja konceptualizacji pewnego obszaru wiedzy czy opisu elementów rzeczywistości. W Internecie Semantycznym

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

ZWIĄZEK FUNKCJI OMEGA Z DOMINACJĄ STOCHASTYCZNĄ

ZWIĄZEK FUNKCJI OMEGA Z DOMINACJĄ STOCHASTYCZNĄ Studia konomiczne. Zeszyty Naukowe Uniwesytetu konomicznego w Katowicach ISSN 283-86 N 237 25 Infomatyka i konometia 2 wa Michalska Uniwesytet konomiczny w Katowicach Wydział Infomatyki i Komunikacji Kateda

Bardziej szczegółowo

Andrzej Wiśniewski Logika II. Materiały do wykładu dla studentów kognitywistyki

Andrzej Wiśniewski Logika II. Materiały do wykładu dla studentów kognitywistyki Andrzej Wiśniewski Logika II Materiały do wykładu dla studentów kognitywistyki Wykład 5. Wprowadzenie do semantyki teoriomodelowej cz.5. Wynikanie logiczne 1 Na poprzednim wykładzie udowodniliśmy m.in.:

Bardziej 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

Zastosowanie teorii pierścieni w praktyce

Zastosowanie teorii pierścieni w praktyce Upozczenie wyażeń 2x+(y x) = x+y Spotkania z Matematyka Zatoowanie teoii pieścieni w paktyce Alekande Deniiuk denijuk@matman.uwm.edu.pl Uniweytet Wamińko-Mazuki w Olztynie Wydział Matematyki i Infomatyki

Bardziej szczegółowo

Kognitywistyka II r. Teoria rzetelności wyników testu. Teorie inteligencji i sposoby jej pomiaru (4) Rzetelność czyli dokładność pomiaru

Kognitywistyka II r. Teoria rzetelności wyników testu. Teorie inteligencji i sposoby jej pomiaru (4) Rzetelność czyli dokładność pomiaru Kognitywistyka II Teoie inteligencji i sposoby jej pomiau (4) Teoia zetelności wyników testu Rzetelność czyli dokładność pomiau W języku potocznym temin zetelność oznacza niezawodność (dokładność). W psychometii

Bardziej szczegółowo

9.1 POMIAR PRĘDKOŚCI NEUTRINA W CERN

9.1 POMIAR PRĘDKOŚCI NEUTRINA W CERN 91 POMIAR PRĘDKOŚCI NEUTRINA W CERN Rozdział należy do teoii pt "Teoia Pzestzeni" autostwa Daiusza Stanisława Sobolewskiego http: wwwtheoyofspaceinfo Z uwagi na ozważania nad pojęciem czasu 1 możemy pzyjąć,

Bardziej szczegółowo

LIST EMISYJNY nr 3 /2014 Ministra Finansów

LIST EMISYJNY nr 3 /2014 Ministra Finansów LIST EMISYJNY n /0 Minista Finansów z dnia stycznia 0. w spawie emisji kótkookesowych oszczędnościowych obligacji skabowych o opocentowaniu stałym ofeowanych w sieci spzedaży detalicznej Na podstawie at.

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

Definicja: zmiennych zdaniowych spójnikach zdaniowych:

Definicja: zmiennych zdaniowych spójnikach zdaniowych: Definicja: Alfabet języka logiki zdań składa się z nieskończonego (najczęściej zakładamy: przeliczalnego) zbioru P, o którym myślimy jak o zbiorze zmiennych zdaniowych i skończonego zbioru symboli, o których

Bardziej szczegółowo

Logika I. Wykład 4. Semantyka Klasycznego Rachunku Zdań

Logika I. Wykład 4. Semantyka Klasycznego Rachunku Zdań Andrzej Wiśniewski Logika I Materiały do wykładu dla studentów kognitywistyki Wykład 4. Semantyka Klasycznego Rachunku Zdań 1 Skróty: Język Klasycznego Rachunku Zdań zamiast Klasyczny Rachunek Zdań piszę

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: zmiennych zdaniowych spójnikach zdaniowych:

Definicja: zmiennych zdaniowych spójnikach zdaniowych: Definicja: Alfabet języka logiki zdań składa się z nieskończonego (najczęściej zakładamy: przeliczalnego) zbioru P, o którym myślimy jak o zbiorze zmiennych zdaniowych i skończonego zbioru symboli, o których

Bardziej szczegółowo

Rachunki relacji. Rachunki relacji. RRK Relacyjny Rachunek Krotek

Rachunki relacji. Rachunki relacji. RRK Relacyjny Rachunek Krotek Rachunki relacji Rachunki relacji 1. RRK Relacyjny Rachunek Krotek 2. RRD Relacyjny Rachunek Dziedzin 3. Datalog Database Prolog Tadeusz Pankowski www.put.poznan.pl/~tadeusz.pankowski T. Pankowski, Rachunki

Bardziej szczegółowo

Definicje i przykłady

Definicje i przykłady Rozdział 1 Definicje i przykłady 1.1 Definicja równania różniczkowego 1.1 DEFINICJA. Równaniem różniczkowym zwyczajnym rzędu n nazywamy równanie F (t, x, ẋ, ẍ,..., x (n) ) = 0. (1.1) W równaniu tym t jest

Bardziej szczegółowo

dr inż. Zbigniew Szklarski

dr inż. Zbigniew Szklarski ykład 5: Paca i enegia d inż. Zbigniew Szklaski szkla@agh.edu.pl http://laye.uci.agh.edu.pl/z.szklaski/ Enegia a paca Enegia jest to wielkość skalana, okeślająca stan, w jakim znajduje się jedno lub wiele

Bardziej szczegółowo

1. Ciało sztywne, na które nie działa moment siły pozostaje w spoczynku lub porusza się ruchem obrotowym jednostajnym.

1. Ciało sztywne, na które nie działa moment siły pozostaje w spoczynku lub porusza się ruchem obrotowym jednostajnym. Wykład 3. Zasada zachowania momentu pędu. Dynamika punktu mateialnego i były sztywnej. Ruch obotowy i postępowy Większość ciał w pzyodzie to nie punkty mateialne ale ozciągłe ciała sztywne tj. obiekty,

Bardziej szczegółowo

Programowanie logiczne a negacja

Programowanie logiczne a negacja Programowanie logiczne a negacja Adrian Woźniak 12 stycznia 2006r. SPIS TREŚCI Programowanie logiczne a negacja Spis treści 1 Wstęp 2 2 Wnioskowanie negatywnych informacji 2 2.1 Reguła CWA (Closed World

Bardziej szczegółowo

Logika predykatów pierwszego rzędu PROLOG. Zarządzanie wiedzą. Wykład Reprezentacja wiedzy logika predykatów. Joanna Kołodziejczyk.

Logika predykatów pierwszego rzędu PROLOG. Zarządzanie wiedzą. Wykład Reprezentacja wiedzy logika predykatów. Joanna Kołodziejczyk. Wykład Reprezentacja wiedzy logika predykatów maj 2010 Logika predykatów pierwszego rzędu Plan wykładu Logika predykatów pierwszego rzędu Porównanie z rachunkiem zdań Rachunek zdań ograniczona ekspresja

Bardziej szczegółowo

INSTYTUT ANALIZ REGIONALNYCH

INSTYTUT ANALIZ REGIONALNYCH Rozpoządzenie Minista Edukacji aodowej z dnia 3 stycznia 200 w spawie sposobu opacowania spawozdania z wysokości śednich wynagodzeń nauczycieli jest niezgodne z at 30a ustawy Kata auczyciela Auto: d Bogdan

Bardziej szczegółowo

LOGIKA ALGORYTMICZNA

LOGIKA 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 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

Andrzej Wiśniewski Logika II. Materiały do wykładu dla studentów kognitywistyki. Wykład 15. Trójwartościowa logika zdań Łukasiewicza

Andrzej Wiśniewski Logika II. Materiały do wykładu dla studentów kognitywistyki. Wykład 15. Trójwartościowa logika zdań Łukasiewicza Andrzej Wiśniewski Logika II Materiały do wykładu dla studentów kognitywistyki Wykład 15. Trójwartościowa logika zdań Łukasiewicza 1 Wprowadzenie W logice trójwartościowej, obok tradycyjnych wartości logicznych,

Bardziej szczegółowo

Metody dowodzenia twierdzeń i automatyzacja rozumowań Tabele syntetyczne: definicje i twierdzenia

Metody dowodzenia twierdzeń i automatyzacja rozumowań Tabele syntetyczne: definicje i twierdzenia Metody dowodzenia twierdzeń i automatyzacja rozumowań Tabele syntetyczne: definicje i twierdzenia Mariusz Urbański Instytut Psychologii UAM Mariusz.Urbanski@.edu.pl Metoda tabel syntetycznych (MTS) MTS

Bardziej szczegółowo

PRĄD ELEKTRYCZNY I SIŁA MAGNETYCZNA

PRĄD ELEKTRYCZNY I SIŁA MAGNETYCZNA PĄD LKTYCZNY SŁA MAGNTYCZNA Na ładunek, opócz siły elektostatycznej, działa ównież siła magnetyczna popocjonalna do pędkości ładunku v. Pzekonamy się, że siła działająca na magnes to siła działająca na

Bardziej szczegółowo