Filosofisk logik Kapitel 15

Slides:



Advertisements
Liknande presentationer
F. Drewes, Inst. f. datavetenskap1 Föreläsning 13: Resolution •Resolution i satslogiken •Resolution i predikatlogiken.
Advertisements

Selektion, iteration och datastrukturer
Talföljder formler och summor
hej och välkomna EKVATIONER Ta reda på det okända talet.
Ellära Fysik 1 / A Översiktlig beskrivning av en del av innehållet i Ellära – Fysik A För djupare studier hänvisar jag till kurslitteratur som finns.
1 Logikprogrammering ons 11/9 David Hjelm. 2 Repetition Listor är sammansatta termer. De består av en ordnad mängd element. Elementen i en lista kan vara.
Logikprogrammering, Mån 23/9 Rebecca Jonson. Repetition P :- Q, R. Deklarativ syn: –P är sann om Q och R är sanna. –Av Q och R följer P Procedurell syn:
Institutionen för matematik, KTH Mats Boij 5B1118 Diskret matematik 5 november B1118 Diskret matematik Tredje föreläsningen - Kombinatorik.
Institutionen för matematik, KTH Mats Boij 5B1118 Diskret matematik 19 novnember B1118 Diskret matematik Sjunde föreläsningen Grupper.
Repetition inför provet
Datastrukturer och algoritmer Föreläsning 11. Datastrukturer och algoritmer VT08 Innehåll  Mängd  Lexikon  Heap  Kapitel , , 14.4.
Föreläsning 2. Operatorer Tilldelning Kodblock { } if – satsen Logiska uttryck Att programmera.
Objektorienterad tänkande
Föreläsning 2 Datalogi för E1 2D1343
FL2 732G70 Statistik A Detta är en generell mall för att göra PowerPoint presentationer enligt LiUs grafiska profil. Du skriver in din rubrik,
732G22 Grunder i statistisk metodik
© Patrick Blackburn, Johan Bos & Kristina Striegnitz FL 7: Cut och negation (kap. 10) Teori –Förklarar hur man kontrollerar Prologs backtracking-beteende.
Programspråkssemantik Hur programspråk ska tolkas.
Pekare och speciell programstruktur i inbyggda system
Logikprogrammering och Prolog
Logisk (denotationell) semantik Sanning, satsrelationer, predikat
Formell logik Kapitel 1 och 2
Felkalkyl Ofta mäter man inte direkt den storhet som är den intressanta, utan en grundläggande variabel som sedan används för att beräkna det som man är.
Logikkurs 1.
Grundlägande statistik,ht 09, AN1 F5 Kombinatorik (KW 1.6) Ex.: På en matsedel finns tre förrätter, två huvudrätter och två efterrätter. På hur många olika.
Lennart Edblom, Frank Drewes, Inst. f. datavetenskap 1 Föreläsning 6: Semantik Statisk semantik Attributgrammatiker Dynamisk semantik Axiomatisk.
Semantik – introduktion
Grundläggande programmering
F. Drewes, Inst. f. datavetenskap1 Föreläsning 11: Funktionella språk Funktioner och variabler i matematiken Funktionella språk LISP, ML och.
En mycket vanlig frågeställning gäller om två storheter har ett samband eller inte, många gånger är det helt klart: y x För en mätserie som denna är det.
Logikprogrammering 21/10 Binära träd
Formell logik Kapitel 9 Robin Stenwall Lunds universitet.
Logik med tillämpningar
Föreläsning 7 Fysikexperiment 5p Poissonfördelningen Poissonfördelningen är en sannolikhetsfördelning för diskreta variabler som är mycket.
Föreläsning 4 Listor, tupler, och for-loopar. Listor En lista är en föränderlig ordnad samling objekt. Listor skapas med hakparenteser. lista = [12,13,14,15]
Matematisk statistik och signal-behandling - ESS011 Föreläsning 3 Igor Rychlik 2015 (baserat på föreläsningar av Jesper Rydén)
Styrteknik: Boolesk algebra D1:1
Föreläsning 11 Logik med tillämpningar Innehåll u Generell resolution u Kapitel i Ben-Ari.
1 Mjukvaru-utveckling av interaktiva system God utveckling av interaktiva system kräver abstrakt funktionell beskrivning noggrann utvecklingsmetod Slutanvändare.
Föreläsning 9 Logik med tillämpningar Innehåll u Semantiska tablåer i predikatlogiken u Klausulform u Herbrandmodeller u Kapitel 3.5,
Föreläsning 13 Logik med tillämpningar Innehåll u Aritmetik i Prolog u Rekursiva och iterativa program u Typpredikat u Metalogiska predikat.
Logikprogrammering 23/10 Binära träd In- och uthantering David Hjelm.
Föreläsning 16 Logik med tillämpningar Innehåll u Information kring kursvärdering och tentagenomgång u Genomgång av övningstenta 2.
Logik med tillämpningar
1 Semantik – introduktion Semantik = läran om mening Tvärvetenskapligt filosofi lingvistik psykologi AI Lingvistik motsägelser mångtydighet metaforer Filosofi.
Pontus Johansson 1 grammatiker 21.1 G 1 (BBS 7)
F. Drewes, Inst. f. datavetenskap1 Föreläsning 12: -kalkylen allmänt om -kalkylen syntax semantik att programmera i -kalkylen.
Några allmänna räkneregler för sannolikheter
1 Matlab, föreläsning 1 Oktober MATLAB Perspektiv på materialdesign Lina Kjellqvist Rum: K324 Telefon:
Föreläsning 1-2 Logik med tillämpningar
Lennart Edblom, Frank Drewes, Inst. f. datavetenskap 1 Föreläsning 13: Resolution Resolution i satslogiken Resolution i predikatlogiken.
Krav på vetenskaplig tolkning
1 Stokastiska variabler. 2 Variabler En variabel är en egenskap hos en individ /objekt. En variabel kan, som vi tidigare sett, vara kvalitativ eller kvantitativ.
Lars Madej  Talmönster och talföljder  Funktioner.
Manada.se Kapitel 6 Linjära och exponentiella modeller.
FTEA12:2 Filosofisk Metod Grundläggande argumentationsanalys II.
Normativa moralteorier är abstrakta strukturer som klassificerar människor, handlingar och utfall (sakförhållanden) i värdetermer, och framställer ett.
Enkel Linjär Regression. 1 Introduktion Vi undersöker relationer mellan variabler via en matematisk ekvation. Motivet för att använda denna teknik är:
Konfirmation av teorier 1. Syntaktiskt – semantiskt perspektiv Syntaktiskt: symboler betraktas utan avseende på vad/om de representerar Giltiga slutledningar.
KPP053, HT2015 MATLAB, Föreläsning 4
Populärt brukar algebra ibland kallas för bokstavsräkning
Algoritmer och datastrukturer Föreläsning 8 Tidskomplexitet (Weiss kap
Formell logik Kapitel 1 och 2
Robin Stenwall Lunds universitet
Formell logik Kapitel 3 och 4
Formell logik Kapitel 7 och 8
Formell logik Föreläsning 1
Grammatisk terminologi I
Grundlägande statistik,ht 09, AN
Presentationens avskrift:

Filosofisk logik Kapitel 15 Robin Stenwall Lunds universitet

Dagens upplägg Första ordningens mängdlära Naiv mängdlära Små mängder Abstraktionsaxiomet (eg. comprehension) Extensionalitetsaxiomet Små mängder Ordnade par Mängdteoretiska operationer Union Snitt Mängdteoretiska modeller Relationer Funktioner Delmängder Potensmängder

Vad är en mängd? Mängdläran är läran om mängder. Men vad är en mängd? (A) En mängd är en klass: extensionen av ett predikat, ett begrepp eller ett villkor (allt som uppfyller villkoret). En logisk tolkning som förknippas med Frege. (B) En mängd är en samling av ting, samlade i tanken till ett annat ting. Mängden som sådan har ingen nödvändig koppling till något begrepp. En matematisk tolkning som förknippas med Cantor.

Naiv mängdlära En mängd är ett objekt, vartill en eller flera antal andra objekt står i relationen medlemskap (med ett undantag). Om b är en mängd och a är ett objekt skriver vi: a  b, omm a är en medlem i b (alt. a är ett element i b) OBS! (a  b) skriver vi som a  b

Naiv mängdlära Låt x, y, z… vara variabler över domänen av alla objekt, och a, b, c, vara variabler över domänen av mängder. Vi kan specificera en mängd på två sätt: (i) genom att räkna upp dess medlemmar. Om b innehåller talen 1, 6 och 7, och ingenting annat, så skriver vi 1, 6, 7. Detta sätt korresponderar mot tolkning (B). (ii) genom att ge ett villkor som alla dess medlemmar och inga andra uppfyller. Om t.ex. b är mängden av alla udda tal, predikatet T(x) uttrycker att x är ett tal, och U(x) att x är udda, skriver vi b = xT(x)  U(x) (uttalas ”b är mängden av de x sådana att T(x) och U(x)”). Detta sätt korresponderar mot tolkning (A).

Naiv mängdlära Extensionalitetsaxiomet Från tolkning (A) och (B) ovan går det att motivera att mängden a är identisk med mängden b omm de har exakt samma medlemmar. Detta kallas för extensionalitetsaxiomet och betyder att en mängd bestäms entydigt av att vi för alla objekt bestämmer om de ingår i mängden eller inte. Vi skriver axiomet i FOL som följande: ab(x(x  a  x  b)  a = b) OBS! Ordningen har ingen betydelse. Detta innebär att det är meningslöst att påstå att en mängd innehåller två exemplar av någonting: antingen ingår objektet eller så gör det inte det, och det finns ingenting sådant som att ingå ”två gånger”.

Naiv mängdlära Abstraktionsaxiomet (eng. comprehension) Den andra principen i den naiva (intuitiva mängdläran). Den säger att för varje formel P(x) i FOL med fri variabel x entydigt bestämmer en mängd – närmare bestämt mängden av alla ting som gör P(x) till en sann sats om x tar någon av dem som värde: ax(x  a  P(x)) OBS! Detta är egentligen ett axiomschema snarare än ett enskilt axiom eftersom P(x) kan vara vilken formel som helst. Om a är mängden av objekt som uppfyller villkoret P(x), så skriver vi a = x  P(x).

Naiv mängdlära Abstraktionsaxiomet Som nämndes innan är ett annat sätt att specificera en mängd att räkna upp dess medlemmar: a = c, d, e. Detta kan ses som en förkortning av: a = x  x = c  x = d  x = e Från detta följer att c, d, e, d, c = d, c, e, e då: x((x = c  x = d  x = e  x = d  x = c)  (x = d  x = c  x = e  x = e)) är en logisk sanning.

Övning 1 Är följande satser sanna eller falska? Låt U = x | NaturligtTal(x), A = 2, 4, 6, 8, 10, B = 1, 3, 6, 7, 8, C = 1, 2, 3, 4 Är följande satser sanna eller falska? (a) 2  A (b) 11  B (c) 4  B (d) A  U (e) A = x | JämntTal(x) (f) 3, 4, 5, 6 = x | x  3 och x  6 (g) 3  C (h) 3  C

Små mängder Tomma mängden Från den naiva mängdlärans två axiom följer existensen av många mängder. Den minsta mängden är den tomma mängden:  =df. x  x  x Denna kan vara svår att tolka som något som vi vanligen ser som en ”mängd” eller ”samling”, men den är lätt att tolka som extensionen av ett begrepp (begreppet att inte vara självidentiskt).

Små mängder Singletonmängden (alt. enhetsmängden) Något större är singletonmängden av varje objekt c, varmed vi menar den mängd som bara innehåller c och inget annat. Denna definieras som: c =df. x x = c Mängder med två element definieras som: c, d =df. x x = c  x = d för varje par av element c, d. OBS! Existensen av alla dessa mängder följer från abstraktionsaxiomet, och deras unikhet från extensionalitetsaxiomet.

Ordnade par Med hjälp av existensen av par och singletonmängder kan vi också definiera ordnade par. Ett ordnat par är ett där både ordningen och antalet förekomster av varje objekt har betydelse. De skrivs vanligtvis som c, d. Den princip som ett sådant objekt måste uppfylla är: a, b = c, d  (a = c  b = d) Detta skiljer sig från oordnade par som istället uppfyller: a, b = c, d  x((x = a  x = b)  (x = c  x = d)) vilket följer ur extensionalitetsaxiomet.

Några nyttiga mängdteoretiska operationer Från två mängder a och b kan vi bilda följande nya mängder: Snittet av a och b (a  b, eng. intersection). Denna mängd innehåller allt som finns i både a och b: a  b =df. x x  a  x  b Unionen av a och b (a  b). Denna mängd innehåller det som finns i a och det som finns i b (alt. den mängd som innehåller de objekt som är element i a eller b): a  b =df. x x  a  x  b Differensen av a och b (a \ b, alt. a – b). Denna mängd innehåller alla element i a som inte är element i b: a \ b =df. x x  a  x  b

Övning 2 Låt U = {1, 2, 3, 4, 5, 6, 7, 8, 9, 10}, A = {2, 4, 6, 8, 10}, B = {1, 3, 6, 7, 8} och C = {3, 7} A ∩ B = {?} A ∪ C = {?} A \ B = {?} Låt A = {1, 3, 3, 7, 8, 9, 1, 2} och B = {1, 4}. Lista elementen för följande mängder: A  B = {?} A  B = {?}

Mängdteoretiska modeller Den vanligaste användningen av mängdlära är för att ”bygga” abstrakta objekt. Mängderna utgör en mycket rik struktur vari man kan tolka mer eller mindre vad som helst. Alt. mängdläran ger modeller för nästan alla teorier. Så länge man bryr sig om logisk struktur så räcker mängdläran ofta för att specificera en teori fullständigt. Med modell avses här tolkning. Mer specifikt är en modell av en teori en tolkning av den teorin i en annan teori, dvs en översättning av predikat P(x1, …, xn) i den första teorin till formler S(x1, …, xn) i den andra, där x1, …, xn är fria variabler.

Mängdteoretiska modeller Relationer Ett exempel på sådant modellerande är tolkningen av relationer som mängder. En n-ställig relation R(x1, …, xn) kan tolkas som en mängd r vars element är ordnade n- tuplar x1, …, xn, sådana att R(x1, …, xn)  x1, …, xn  r Det följer att två relationer R, S för vilka R(x1, …, xn)  S(x1, …, xn) håller, tolkas som samma mängd r. Vi uttrycker detta genom att säga att r ger extensionen av R (och därmed även S).

Mängdteoretiska modeller Relationer Många typer av relationer har speciella namn som är bra att lägga på minnet. Dessa relationer kan sägas ha en viss egenskap. Allt vad det betyder att P(x) har en viss egenskap är att vissa satser som innehåller P är sanna. Nedan är en lista på viktiga relationer: Reflexivitet: xR(x, x) Irreflexivitet: xR(x, x) Transitivitet: xyz((R(x,y)  R(y, z))  R(x, z)) Symmetri: xy(R(x, y)  R(y, x)) Asymmetri: xy(R(x, y)  R(y, x)) Antisymmetri: xy((R(x, y)  R(y, x))  x = y)

Övning 3 Ge exempel på en relation som är reflexiv, symmetrisk och transitiv. Vilka egenskaper besitter följande relationer: (a)  (b) likhet (som i x liknar y) (c) längre än (som i x är längre än y)

Mängdteoretiska modeller Relationer En särskilt viktig typ av tvåställig relation är ekvivalensrelationerna. Vi säger att R är en ekvivalens omm R är reflexiv, symmetrisk och transitiv (ex. ”lika lång som”, ”lika gammal som”, ”samma färg som” etc). De är användbara eftersom de delar upp domänen i ting som är lika i något avseende. Givet någon ekvivalensrelation R på en mängd D, kan vi kategorisera tillsammans de objekt som tolkas som ekvivalenta under R på följande sätt: för varje x  D, låt xR vara följande mängd: y  D  x, y  R xR är alltså mängden av allt i domänen D som x står i relationen R till. xR kallas x’s ekvivalensklass under relationen R.

Mängdteoretiska modeller Funktioner En funktion kan ses som en sorts relation: en som tillskriver någonting till någonting (far(max), sum(5, 4)). Eftersom funktioner är en sorts relationer så kan vi modellera dem i mängdläran med hjälp av ordnade par. Enligt LPL sägs relationen R på mängden D vara en funktion om den satisfierar följande villkor: x1yR(x, y) Om funktionen även uppfyller följande villkor så kallar vi den en total funktion: xyR(x, y) (alltså x!yR(x, y))

Delmängder En viktig relation som kan hålla mellan mängder är delmängdsrelationen. Denna skriver vi som a  b (uttalas ”a är en delmängd i b”) och definierar som: a  b =df. x(x  a  x  b) Det följer från definitionen och extensionalitetsaxiomet att a = b  a  b  b  a. Vi har också alltid att för vilken mängd a som helst:   a och, a  a OBS! ”a  b” säger inte samma sak som ”a  b”.

Potensmängder Med hjälp av delmängder kan vi för varje mängd a bilda potensmängden (a) (kallas för Weierstrass p), definierad som: (a) =df. {x | x  a} (a) är alltså mängden av a’s alla delmängder. Eftersom   a och a  a, så gäller alltid att: a  (a)   (a) OBS! (a) måste innehålla ett element för varje kombination av element i a, vilket betyder att om a har n element, så måste (a) ha 2n element.

Övning 4 Vilka element innehåller följande potensmängder? (a) {a} (b)  (c) {a, b} (d) {} (e) {a} (f) {a, b, c} (g) {a, b}