Logica del primo ordine

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Logica del primo ordine"

Transcript

1 Logica del primo ordine Sistema formale sviluppato in ambito matematico formalizzazione delle leggi del pensiero strette relazioni con studi filosofici In ambito Intelligenza Artificiale logica come linguaggio formale per la rappresentazione di conoscenza semantica non ambigua sistemi formali di inferenza interesse per sistemi per la dimostrazione automatica di teoremi e studio di meccanismi efficienti per la dimostrazione Logica come strumento base in molti iniziali studi di AI logica del primo ordine come linguaggio di descrizione logica come sistema di ragionamento Estensioni della logica del primo ordine estensioni del potere espressivo (e strutturazione) estensione delle forme di inferenza (logiche non-monotone) Console, Botta - Dip. Informatica, Univ. Torino First Order Logic 1 Grande dibattito sul ruolo della logica in AI Diverse scuole di pensiero Logicisti: logica come strumento di base per qualunque problema di AI formalizzazione logica del problem solving automatizzazione dei sistemi formali di ragionamento logico Anti-logicisti approcci non logici alla rappresentazione della conoscenza e al ragionamento Posizione intermedia logica come strumento di analisi e per fornire una semantica realizzazione concreta mediante strumenti non logici Vedremo richiami di logica del primo ordine sintassi, semantica, inferenza sistemi di dimostrazione automatica risoluzione e strategie di risoluzione logica come linguaggio base di rappresentazione e inferenza limiti della logica del prim ordine come strumenti di base per analizzare altri formalismi di AI Console, Botta - Dip. Informatica, Univ. Torino First Order Logic 2

2 Sintassi Linguaggio caratterizzato dai seguenti insiemi: Insieme finito C di simboli di costante {c1, c2,, cn} Insieme finito V di simboli di variabile {X1, X2,, Xm} Insieme finito F di simboli di funzione {f1, f2,, fk} Insieme finito P di simboli di predicato {p1, p2,.. pl} Connettivi:,,,, Quantificatori:, Parentesi: (, ) Si definiscono quindi Termini ogni costante è un termine; ogni variabile è un termine l applicazione di un qualunque simbolo di funzione f a n termini t1,, tn produce un temine f(t1,t2,,tn) Esempi se C = {mario, maria, giovanni} V= {X,Y} F={padre, madre} sono termini: mario, maria, X, padre(x), madre(padre(maria)), Formule atomiche un predicato p P applicato a n termini è una formula atomica Console, Botta - Dip. Informatica, Univ. Torino First Order Logic 3 Esempi: se C, V, F come prima e P= {fratello, genitore, sposato} sono formule atomiche: sposato(mario), fratello(x,y), fratello(x,maria) genitore(padre(x),x), genitore(x, padre(madre(maria))), Formule ben formate (FbF) una formula atomica è una FbF se F1 e F2 sono FbF, allora lo sono anche F1, F1 F2, F1 F2, F1 F2, F1 F2, x F1, x F1, (F1) Esempi, dati C, V, F e P come negli esempi precedenti, sono FbF sposato(mario), fratello(x,y), fratello(x,maria) sposata(maria), x genitore(padre(x),x), x( genitore(x, padre(madre(maria)))) x (sposato(x,y) Z padre(z,y))) Scope di un quantificatore data x F ( x F), si dice che F è lo scope del quantificatore variabile legata se occorre nello scope di un quantificatore, altrimenti variabile libera Formule chiuse se non contengono variabili libere Formule ground, se non contengono variabili Console, Botta - Dip. Informatica, Univ. Torino First Order Logic 4

3 Semantica Consideriamo formule chiuse Interpretazione: dominio D in cui sono definite funzioni e relazioni interpretazione associa un elemento d D ad ogni simbolo di costante una funzione f: Dn a D ad ogni simbolo di funzione a n argomenti una relazione R Dn ad ogni simbolo di predicato con n argomenti Interpretazione I soddisfa una formula F (F è vera in I): se F è una formula atomica p(t1,,tn), allora I soddisfa F (F è vera in I) sse <I(t1),, I(tn)> I(p) se F è una formula composta allora (usuali tavole di verità) F1 è vera in I sse F1 non è vera in I F1 F2 è vera in I sse sia F1 che F2 sono vere in I F1 F2 è vera in I sse almeno una tra F1 e f2 è vera in I F1 F2 è falsa in I sse F1 è vera in I e F2 è falsa in I F1 F2 è vera in I sse F1 e F2 sono entrambe o vere o false in I x F1 è vera in I sse per ogni elemento d D si ha che F1[d/x] è vera in I x F1 è vera in I sse esiste un elemento d D per cui F1[d/x] è vera in I Console, Botta - Dip. Informatica, Univ. Torino First Order Logic 5 Esempio D dominio dei numeri naturali, interpretazione I definita in modo ovvio pari(2) è vera in I pari(1) è falsa in I X pari(x) è vera in I Xpari(X) è falsain I X (pari(x) dispari(x)) è vera in I X (pari(x) dispari(x)) è vera in I X (pari(x) dispari(x)) è falsa in I Data una formula F F è soddisfacibile sse esiste una interpretazione I che la rende vera; I si dice un modello di F (I = F) F insoddisfacibile sse non esiste una interpretazione che la soddisfa F valida sse ogni interpretazione soddisfa F Due formula F1 e F2 sono equivalenti (F1 F2) sse sono soddisfatte dalle stesse interpretazioni Diverse equivalenze tra formule possono essere dimostrate usando le tabelle di verità, ad esempio F1 (F2 F3) (F1 F2) (F1 F3) (prop. distributiva, idem altre ) F1 F2 ( F1 F2) (leggi di demorgan, idem scambiando or e and) X p(x) X p(x). Console, Botta - Dip. Informatica, Univ. Torino First Order Logic 6

4 Conseguenza logica una formula G è conseguenza logica di una formula F (indicato con F = G) sse ogni modello di F è anche un modello di G Esempi p(a) p(b) = p(a) p(a) p(b) = p(a) p(b) p(a) = X p(x) ma X p(x) =/= p(a) X p(x) = X p(x) X p(x) = p(a1) p(an) Teorema di dimostrazione: Se F è soddisfacibile, allora G è conseguenza logica di F sse F G è insoddidfacibile Dimostrazione se G è conseguenza logica di F allora ogni modello di F soddisfa G, quindi non soddisfa G e quindi F G è insoddisfacibile se F G è insoddisfacibile allora poiché F è soddisfacibile si deve avere che ogni modello di F non soddisfa G, ossia ogni modello di F soddisfa G e quindi G è conseguenza logica di F Console, Botta - Dip. Informatica, Univ. Torino First Order Logic 7 Esempio p(a) p(b) = p(a) I = { a=2, b=4, p=pari } p(a) p(b) è soddisfacibile (I la rende vera) p(a) è conseguenza logica perché p(a) p(b) p(a) è insoddisfacibile Infatti p(a) non può essere contemporaneamente vera e falsa a Console, Botta - Dip. Informatica, Univ. Torino First Order Logic 8

5 Forma a clausole Trasformazione delle formule in una forma sintattica particolare Una formula F è in forma prenessa se ha la forma Q1X1 QmXm(F) dove ogni Qi è un quantificatore Proprietà: ogni formula può essere trasformata in una equivalente in forma prenessa Esempi: X p(x) Y p(y) non è in forma prenessa X Y(p(X) p(y)) è equivalente in forma prenessa X Y(p(X) p(y)) è in forma prenessa F è in forma standard di Skolem se F è in forma prenessa e tutti i quantificatori sono universali Eliminazione dei quantificatori esistenziali sostituiti con costanti e funzioni di Skolem Yp(Y) sostitituito con p(s1) con s1 nuova costante X Yp(Y,X) sostituito con p(f(x),x) con f nuova funzione Proprietà: data F in forma prenessa e sua trasformata F in forma normale di Skolem si ha che F è soddisfacibile sse F è soddisfacibile (ma non sono equivalenti!) Console, Botta - Dip. Informatica, Univ. Torino First Order Logic 9 Una formula F in forma normale di Skolem è in forma a clausole se F è una congiunzione di disgiunzioni (è in forma normale congiuntiva), ossia F ha la forma F: (A1 A2 An) (B1 B2 Bn) in cui ogni Ai (Bj) è una formula atomica o la sua negazione (un atomo) Ogni disgiunzione di atomi prende il nome di clasuola Una formula è un insieme (congiunzione) di clausole Un atomo o la sua negazione prende il nome di letterale Proprietà: ogni formula in forma di Skolem può essere trasformata in una formula equivalente in forma a clausole Quindi data una formula F e la sua trasformazione in un insieme S di clausole si ha che F soddisfacibile sse S è soddisfacibile per la dimostrazione automatica di teoremi è quindi sufficiente operare su forma a clausole Console, Botta - Dip. Informatica, Univ. Torino First Order Logic 10

6 Dimostrazione automatica di teoremi Procedure automatiche per dimostrare se una formula è valida o insoddisfacibile e quindi in grado di dimostrare se una formula G è conseguenza logica di una formula F In generale per dimostrare che F è insoddisfacibile si dovrebbero verificare tutte le possibili interpretazioni Risultato importante di Herbrand [1930] consente di limitare l analisi a una classe di interpretazioni (interpretazioni di Herbrand) definire un modo automatico per la verifica di soddisfacibilità usando una forma di rappresentazione particolare delle formule: il principio di risoluzione [Robinson 65] realizzazione efficiente a calcolatore del principio di risoluzione e costruzione di dimostratori automatici di teoremi realizzazione di linguaggi di programmazione (e di rappresentazione della conoscenza) basati su tale principio (programmazione logica) Console, Botta - Dip. Informatica, Univ. Torino First Order Logic 11 Universo di Herbrand dato un insieme S di clausole, l universo di Herbrand H(S) per s è definito come H(S) contiene i simboli di costante che occorrono in S se f è un simbolo di funzione n-aria che occorre in S e h1,, hn sono elementi di H(S), allora anche f(h1,..,hn) sta in H(S) Esempio se S={p(a), p(x), q(y), q(f(y)} H(S)={a, f(a), f(f(a),.. } Base di Herbrand dato un insieme S di clausole e l universo di Herbrand H(S) per S, la base di Herbrand B(S) è l insieme delle istanze ground delle formule atomiche (atomi) che occorrono in S Esempio dati S e H(S) come nell esempio precedente B(S) ={p(a), p(f(a)), p(f(f(a)),.., q(a), q(f(a)), q(f(f(a)),. } Console, Botta - Dip. Informatica, Univ. Torino First Order Logic 12

7 Interpretazione di Herbrand interpretazione di un insieme S di clausole in cui il cui dominio è l universo di Herbrand H(S) ogni simbolo di costante è interpretato sulla corrispondente costante in H(S) ogni simbolo di funzione è interpretato come una funzione che trasforma h1,.., hn in f(h1,.., hn) (tutti in H(S)) ogni simbolo di predicato in una relazione su B(S) Osservazione definire una interpretazione di Herbrand corrisponde a dire quale sottoinsieme della base di Herbrand è vera nell interpretazione Interpretazioni di Herbrand giocano un ruolo importante in quanto ci si può limitare ad esse nella dimostrazione di teoremi, infatti: Un insieme S di clausole è insoddisfacibile sse non esiste una interpretazione di Herbrand che lo soddisfa quindi nel processo di dimostrazione ci si può limitare a considerare tali interpretazioni Vedremo principio di Risoluzione basato su tale idea Console, Botta - Dip. Informatica, Univ. Torino First Order Logic 13 Regole di inferenza Regole di inferenza: regole sintattiche che permettono di derivare formule da altre formule Esempio: modus ponens A A B B data regola di inferenza R, la possibilità di derivare una formula F da un insieme di formule K indicato con K -R- F Correttezza di R: se K -R- F allora K = F Completezza di R: se K = F allora K -R- F Esempio modus ponens è regola corretta ma non completa Una singola regola di inferenza per dedurre nuove formule da altre formule e che opera sulla forma a clausole regola opera su clausole regola di inferenza corretta e completa per la forma a clausole regola facilmente meccanizzabile Console, Botta - Dip. Informatica, Univ. Torino First Order Logic 14

8 Caso della logica proposizionale La regola di risoluzione Due letterali si dicono opposti se uno è la negazione dell altro date due clausole con letterali opposti C1: L C1 C2: L C2 un risolvente di C1 e C2 è la clausola C: C1 C2 C1: L C1 C2: L C2 C: C1 C2 Proprietà: C è conseguenza logica di C1 e C2 Esempi P Q P R P Q P R S Q R Q R S Console, Botta - Dip. Informatica, Univ. Torino First Order Logic 15 caso della logica del primo ordine sostituzioni e unificazione regola di risoluzione Sostituzione una sostituzione è un insieme finito di coppie del tipo {t1/x1,, tn/xn} in cui ogni ti è un termine e ogni Xi è una variabile (e le variabili sono distinte) sia E una espressione (termine o formula) e s= {t1/x1,, tn/xn} una sostituzione, allora Es è l espressione che si ottiene sostituendo in modo simultaneo le occorrenze di ogni Xi con ti in E Esempi P(X,Y) {a/x, f(b)/y} = P(a,f(b)) P(X,Y) {Y/X, f(b)/y} = P(Y,f(b)) Composizione di sostituzioni date due sostituzioni s1 = {t1/x1,, tn/xn} e s2 = {t 1/Y1,, t m/ym} la sostituzione composta s1 s2 (o s1s2) è definita come s1s2 = {t1s2/x1,, tns2/xn, t 1/Y1,, t m/ym} Esempio: {a/x, f(y)/z} {b/y} = {a/x, f(b)/z, b/y} Console, Botta - Dip. Informatica, Univ. Torino First Order Logic 16

9 Sostituzione più generale: una sostituzione s è più generale di una sostituzione t sse esiste una sostituzione r tale per cui t=sr esempio: s= {Y/X} più generale di t= {a/x} infatti r= {a/y} Unificatore date due espressioni (termini o formule) E1 e E2, una sostituzione s è un unificatore per E1 e E2 sse E1s = E2s Esempio s= {a/x, f(b)/y} è un unificatore per E1=p(X,f(b)) E2=p(a,Y) Unificatore più generale: sostituzione più generale che unifica due espressioni Esempio s= {Z/X, f(b)/y} è l unificatore più generale per E1=p(X,f(b)) E2=p(Z,Y) s= {a/x, f(b)/y, a/z} non è l unificatore più generale per E1=p(X,f(b)) E2=p(Z,Y) Unificazione due espressioni E1 ed E2 sono unificabili se esiste un unificatore Esempio E1=p(X,f(b)) E2=p(a,Y) sono unificabili E1=p(X,X) E2=p(Y,f(Y)) non sono unificabili Console, Botta - Dip. Informatica, Univ. Torino First Order Logic 17 Algoritmo di unificazione: algoritmo che determina l unificatore più generale di due espressioni E1 ed E2 SOST unifica(termine E1, E2, SOST s) { termine a,b; SOST s1; if (s==fail) return(fail); a=e1s; b=e2s if (a e b sono costanti e a==b) return(s); if (a è una variabile e b un termine e a non occorre in b) return(s {b/a}); if (b è una variabile e a un termine e b non occorre in a) return(s {a/b}); if (a e b sono termini composti con lo stesso simbolo di funzione e stesso numero di argomenti) { for(int i=1; i n, i++) { s1= unifica(i-esimo termine di a, i-esimo termine di b, s); s = s s1 }; return(s) } else return(fail) } Console, Botta - Dip. Informatica, Univ. Torino First Order Logic 18

10 Risoluzione Date due clausole C1 e C2 con letterali opposti C1: L C1 C2: L C2 con L e L unificabili e s unificatore più generale Un risolvente è la calusola C: (C1 C2 )s C1: L C1 C2: L C2 Esempi C: (C1 C2 )s p(x) q(x) p(a) r(b) p(x,y) q(f(x),y) q(f(a),z) r(b) q(a) r(b) p(a,z) r(b) Anche nel caso della logica del prim ordine il risolvente è conseguenza logica delle due clausole Risoluzione è regola di inferenza corretta e completa Console, Botta - Dip. Informatica, Univ. Torino First Order Logic 19 Dimostrazione per refutazione Dimostrazione di teoremi: data teoria T, dimostrare che A segue logicamente da T Equivalente a dimostrare che T A inconsistente si considera l insieme di clausole formato da T e A si verifica se da questo insieme si riesce a derivare una contraddizione contraddizione: due clausole formate da un singolo letterale L e L che quando risolte producono la clausola vuota Esempio dati T= {p(x) q(x) r(x), p(a), s(a), s(x) q(x) } e A=r(a) in forma a clausole { p(x) q(x) r(x), p(a), s(a), s(x) q(x) } verificare che { p(x) q(x) r(x), p(a), s(a), s(x) q(x) } { r(a) } è inconsistente p(x) q(x) r(x), p(a) q(a) r(a) s(x) q(x) p(a) s(a) s(a) p(a) s(a) Console, Botta - Dip. Informatica, Univ. Torino First Order Logic 20

11 Dimostrazione = ricerca insieme di clausole applicare risoluzione tra calusole produce nuove clausole: grafo (albero) di risoluzione obiettivo: arrivare alla clausola vuota stretegia: costruzione dell albero effettuando la ricerca della clausola vuota spazio di ricerca ampio: strategie di risoluzione strategia dell insieme di supporto poiché T è consistente è inutile risolvere tra di loro clausole di T T insieme di supporto ad ogni passo si risolvono clausole in cui al più una è nell insieme di supporto input-resolution si definicse come insieme di input quello formato dalle clausole di T e A ad ogni passo una delle due clausole deve essere una di input risoluzione lineare ad ogni passo risolvo la clausola ottenuta dalla risoluzione precedente con una delle altre (di input o ottenuta ad un passo precedente) risoluzione linear-input ad ogni passo risolvo la clausola ottenuta dalla risoluzione precedente con una di quelle di input Console, Botta - Dip. Informatica, Univ. Torino First Order Logic 21 Osservazione: non tutte le strategie sono complete Es. linear-input in generale non è completa; è completa solo su linguaggi ristretti (clausole di Horn) Strategie di ricerca simili a quelle usate in problem solving in AI profondità ampiezza ricerca euristica varie euristiche lunghezza delle clausole predicati presenti nelle clausole... Console, Botta - Dip. Informatica, Univ. Torino First Order Logic 22

12 Applicazioni AI della logica classica Dimostrazione automatica di teoremi Logica come linguaggio di rappresentazione della conoscenza e dimostrazione di teoremi come forma di ragionamento Logic Programming Limiti della logica come forma di rappresentazione struttura piatta delle clausole Altri linguaggi di rappresentazione hanno semantica in termini logici ad esempio frame o reti semantiche possono essere formalizzati in termini logici Quindi logica permette di caratterizzare le forme di ragionamento Limiti della logica nel modellare il ragionamento umano logiche non-standard Console, Botta - Dip. Informatica, Univ. Torino First Order Logic 23

LOGICA DEI PREDICATI. Introduzione. Predicati e termini individuali. Termini individuali semplici e composti

LOGICA DEI PREDICATI. Introduzione. Predicati e termini individuali. Termini individuali semplici e composti Introduzione LOGICA DEI PREDICATI Corso di Intelligenza Artificiale A.A. 2009/2010 Prof. Ing. Fabio Roli La logica dei predicati, o logica del primo ordine (LPO) considera schemi proposizionali composti

Dettagli

Appunti di Logica Matematica

Appunti di Logica Matematica Appunti di Logica Matematica Francesco Bottacin 1 Logica Proposizionale Una proposizione è un affermazione che esprime un valore di verità, cioè una affermazione che è VERA oppure FALSA. Ad esempio: 5

Dettagli

Linguaggi Elementari

Linguaggi Elementari Linguaggi Elementari Marzo 2007 In questi appunti verranno introdotte le conoscenze essenziali relative ai linguaggi del primo ordine e alla loro semantica. Verrà anche spiegato come preprocessare un problema

Dettagli

Linguaggi. Claudio Sacerdoti Coen 11/04/2011. 18: Semantica della logica del prim ordine. Universitá di Bologna

Linguaggi. Claudio Sacerdoti Coen 11/04/2011. 18: Semantica della logica del prim ordine. <sacerdot@cs.unibo.it> Universitá di Bologna Linguaggi 18: Semantica della logica del prim ordine Universitá di Bologna 11/04/2011 Outline Semantica della logica del prim ordine 1 Semantica della logica del prim ordine Semantica

Dettagli

LOGICA MATEMATICA E CONCETTUALIZZAZIONE

LOGICA MATEMATICA E CONCETTUALIZZAZIONE STEFANO FERILLI Monografia su LOGICA MATEMATICA E CONCETTUALIZZAZIONE Università degli Studi di Bari Facoltà di Scienze Matematiche, Fisiche e Naturali Corso di Laurea in Informatica Corso di Ingegneria

Dettagli

Risoluzione. Eric Miotto Corretto dal prof. Silvio Valentini 15 giugno 2005

Risoluzione. Eric Miotto Corretto dal prof. Silvio Valentini 15 giugno 2005 Risoluzione Eric Miotto Corretto dal prof. Silvio Valentini 15 giugno 2005 1 Risoluzione Introdurremo ora un metodo per capire se un insieme di formule è soddisfacibile o meno. Lo vedremo prima per insiemi

Dettagli

Trasformazione in clausole

Trasformazione in clausole DEPARTMENT OF INFORMATION ENGINEERING UNIVERSITY OF PADOVACorso Principio di A.A. Intelligenza di 2005-2006 Risoluzione Artificiale ing. Marco Falda marco.falda@unipd.it atomi letterali) Una A1 A2 L An

Dettagli

Algebra e Logica Matematica. Calcolo delle proposizioni Logica del primo ordine

Algebra e Logica Matematica. Calcolo delle proposizioni Logica del primo ordine Università di Bergamo Anno accademico 2006 2007 Ingegneria Informatica Foglio Algebra e Logica Matematica Calcolo delle proposizioni Logica del primo ordine Esercizio.. Costruire le tavole di verità per

Dettagli

x u v(p(x, fx) q(u, v)), e poi

x u v(p(x, fx) q(u, v)), e poi 0.1. Skolemizzazione. Ogni enunciato F (o insieme di enunciati Γ) è equisoddisfacibile ad un enunciato universale (o insieme di enunciati universali) in un linguaggio estensione del linguaggio di F (di

Dettagli

(anno accademico 2008-09)

(anno accademico 2008-09) Calcolo relazionale Prof Alberto Belussi Prof. Alberto Belussi (anno accademico 2008-09) Calcolo relazionale E un linguaggio di interrogazione o e dichiarativo: at specifica le proprietà del risultato

Dettagli

Albero semantico. Albero che mette in corrispondenza ogni formula con tutte le sue possibili interpretazioni.

Albero semantico. Albero che mette in corrispondenza ogni formula con tutte le sue possibili interpretazioni. Albero semantico Albero che mette in corrispondenza ogni formula con tutte le sue possibili interpretazioni. A differenza dell albero sintattico (che analizza la formula da un punto di vista puramente

Dettagli

Algebra di Boole ed Elementi di Logica

Algebra di Boole ed Elementi di Logica Algebra di Boole ed Elementi di Logica 53 Cenni all algebra di Boole L algebra di Boole (inventata da G. Boole, britannico, seconda metà 8), o algebra della logica, si basa su operazioni logiche Le operazioni

Dettagli

Alcune nozioni di base di Logica Matematica

Alcune nozioni di base di Logica Matematica Alcune nozioni di base di Logica Matematica Ad uso del corsi di Programmazione I e II Nicola Galesi Dipartimento di Informatica Sapienza Universitá Roma November 1, 2007 Questa é una breve raccolta di

Dettagli

Predicati e Quantificatori

Predicati e Quantificatori Predicati e Quantificatori Limitazioni della logica proposizionale! Logica proposizionale: il mondo è descritto attraverso proposizioni elementari e loro combinazioni logiche! I singoli oggetti cui si

Dettagli

Rappresentazione della conoscenza. ha poco potere espressivo in quanto ha un ontologia limitata: il mondo consiste di fatti, es.

Rappresentazione della conoscenza. ha poco potere espressivo in quanto ha un ontologia limitata: il mondo consiste di fatti, es. Scaletta argomenti: Rappresentazione della conoscenza Logica del primo ordine Logiche non-monotone Reti semantiche Frame e script Regole di produzione Logica del Primo Ordine - Logica proposizionale ha

Dettagli

Logica dei predicati

Logica dei predicati IV Logica dei predicati 14. FORMULE PREDICATIVE E QUANTIFICATORI 14.1. Dalla segnatura alle formule predicative Il simbolo (x).ϕ(x) [per ogni x, ϕ(x) è vera] denota una proposizione definita, e non c è

Dettagli

LOGICA PER LA PROGRAMMAZIONE. Franco Turini turini@di.unipi.it

LOGICA PER LA PROGRAMMAZIONE. Franco Turini turini@di.unipi.it LOGICA PER LA PROGRAMMAZIONE Franco Turini turini@di.unipi.it IPSE DIXIT Si consideri la frase: in un dato campione di pazienti, chi ha fatto uso di droghe pesanti ha utilizzato anche droghe leggere. Quali

Dettagli

Logica del primo ordine

Logica del primo ordine Università di Bergamo Facoltà di Ingegneria Intelligenza Artificiale Paolo Salvaneschi A7_4 V1.3 Logica del primo ordine Il contenuto del documento è liberamente utilizzabile dagli studenti, per studio

Dettagli

Esercitazioni per il corso di Logica Matematica

Esercitazioni per il corso di Logica Matematica Esercitazioni per il corso di Logica Matematica Luca Motto Ros 14 marzo 2005 Nota importante. Queste pagine contengono appunti personali dell esercitatore e sono messe a disposizione nel caso possano risultare

Dettagli

CAPITOLO 3 TRASFORMARE FORMULE E DEDURRE DA TEORIE.

CAPITOLO 3 TRASFORMARE FORMULE E DEDURRE DA TEORIE. pag. 1 Capitolo 3 CAPITOLO 3 TRASFORMARE FORMULE E DEDURRE DA TEORIE. 1. Sistemi di trasformazione. La nozione di relazione binaria che abbiamo già esaminato nel capitolo precedente è anche alla base della

Dettagli

Linguaggi del I ordine - semantica. Per dare significato ad una formula del I ordine bisogna specificare

Linguaggi del I ordine - semantica. Per dare significato ad una formula del I ordine bisogna specificare Linguaggi del I ordine - semantica Per dare significato ad una formula del I ordine bisogna specificare Un dominio Un interpretazione Un assegnamento 1 Linguaggi del I ordine - semantica (ctnd.1) Un modello

Dettagli

Si basano sul seguente Teorema: S = A sse S { A} è insoddisfacibile.

Si basano sul seguente Teorema: S = A sse S { A} è insoddisfacibile. Deduzione automatica La maggior parte dei metodi di deduzione automatica sono metodi di refutazione: anziché dimostrare direttamente che S A, si dimostra che S { A} è un insieme insoddisfacibile (cioè

Dettagli

Algebra Booleana 1 ALGEBRA BOOLEANA: VARIABILI E FUNZIONI LOGICHE

Algebra Booleana 1 ALGEBRA BOOLEANA: VARIABILI E FUNZIONI LOGICHE Algebra Booleana 1 ALGEBRA BOOLEANA: VARIABILI E FUNZIONI LOGICHE Andrea Bobbio Anno Accademico 2000-2001 Algebra Booleana 2 Calcolatore come rete logica Il calcolatore può essere visto come una rete logica

Dettagli

La programmazione con vincoli in breve. La programmazione con vincoli in breve

La programmazione con vincoli in breve. La programmazione con vincoli in breve Obbiettivi Introdurre la nozione di equivalenza di CSP. Dare una introduzione intuitiva dei metodi generali per la programmazione con vincoli. Introdurre il framework di base per la programmazione con

Dettagli

Analisi e specifica dei requisiti

Analisi e specifica dei requisiti Capitolo 3 Analisi e specifica dei requisiti In questo capitolo presentiamo alcuni linguaggi e metodi usati nella fase di analisi e specifica dei requisiti. I requisiti descrivono ciò che l utente si aspetta

Dettagli

Il calcolo dei predicati per R.C. Agenti logici: la logica del prim ordine. Esempio: il mondo dei blocchi. Concettualizzazione

Il calcolo dei predicati per R.C. Agenti logici: la logica del prim ordine. Esempio: il mondo dei blocchi. Concettualizzazione Il calcolo dei predicati per R.C. Agenti logici: la logica del prim ordine Sintassi, semantica, inferenza Maria Simi a.a. 2014-2015 Nella logica dei predicati abbiamo assunzioni ontologiche più ricche:

Dettagli

In ricordo dei miei genitori

In ricordo dei miei genitori In ricordo dei miei genitori Daniele Mundici Logica: Metodo Breve B Daniele Mundici Dipartimento di Matematica U. Dini Università di Firenze UNITEXT La Matematica per il 3+2 ISSN print edition: 2038-5722

Dettagli

f: AxB f(x)=y, f={ per ogni x in A esiste unica y in B f(x)=y} f={<1,2>, <2,3>, <3,3>} : {1,2,3} {1,2,3} f(1)=2, f(2)=3, f(3)=3

f: AxB f(x)=y, f={<x,y> per ogni x in A esiste unica y in B f(x)=y} f={<1,2>, <2,3>, <3,3>} : {1,2,3} {1,2,3} f(1)=2, f(2)=3, f(3)=3 Insieme delle parti di A : Funzione : insieme i cui elementi sono TUTTI i sottoinsiemi di A f: AxB f(x)=y, f={ per ogni x in A esiste unica y in B f(x)=y} f={, , } : {1,2,3} {1,2,3}

Dettagli

Calcolo Relazionale Basi di dati e sistemi informativi 1. Calcolo Relazionale. Angelo Montanari

Calcolo Relazionale Basi di dati e sistemi informativi 1. Calcolo Relazionale. Angelo Montanari Calcolo Relazionale Basi di dati e sistemi informativi 1 Calcolo Relazionale Angelo Montanari Dipartimento di Matematica e Informatica Università di Udine Calcolo Relazionale Basi di dati e sistemi informativi

Dettagli

Algebra e Geometria. Ingegneria Meccanica e dei Materiali Sez (2) Ingegneria dell Automazione Industriale Sez (2)

Algebra e Geometria. Ingegneria Meccanica e dei Materiali Sez (2) Ingegneria dell Automazione Industriale Sez (2) Algebra e Geometria Ingegneria Meccanica e dei Materiali Sez (2) Ingegneria dell Automazione Industriale Sez (2) Traccia delle lezioni che saranno svolte nell anno accademico 2012/13 I seguenti appunti

Dettagli

Dispense per il laboratorio di rappresentazione e algoritmi

Dispense per il laboratorio di rappresentazione e algoritmi Dispense per il laboratorio di rappresentazione e algoritmi 1. Introduzione All interno di un elaboratore esistono diversi livelli di descrizione delle informazioni. Il livello più basso è rappresentato

Dettagli

Problemi computazionali

Problemi computazionali Problemi computazionali Intrattabilità e classi computazionali Decidibilità e Trattabilità Problemi decidibili possono richiedere tempi di risoluzione elevati: Torri di Hanoi Decidibilità e Trattabilità

Dettagli

Elementi di Informatica e Programmazione

Elementi di Informatica e Programmazione Elementi di Informatica e Programmazione Il concetto di Algoritmo e di Calcolatore Corsi di Laurea in: Ingegneria Civile Ingegneria per l Ambiente e il Territorio Università degli Studi di Brescia Cos

Dettagli

Indecidibilità, indefinibilità e incompletezza. 1

Indecidibilità, indefinibilità e incompletezza. 1 Indecidibilità, indefinibilità e incompletezza. 1 Possiamo ora trattare unitariamente alcuni dei principali risultati negativi della logica: il teorema di Church sull'indecidibilità della logica, il teorema

Dettagli

Universita' degli Studi di Udine UNA PROPOSTA PER L'INTRODUZIONE DI CAPACITA' DI META-RAPPRESENTAZIONE IN UN LINGUAGGIO DI PROGRAMMAZIONE LOGICA

Universita' degli Studi di Udine UNA PROPOSTA PER L'INTRODUZIONE DI CAPACITA' DI META-RAPPRESENTAZIONE IN UN LINGUAGGIO DI PROGRAMMAZIONE LOGICA Universita' degli Studi di Udine FACOLTA' DI SCIENZE MATEMATICHE FISICHE E NATURALI UNA PROPOSTA PER L'INTRODUZIONE DI CAPACITA' DI META-RAPPRESENTAZIONE IN UN LINGUAGGIO DI PROGRAMMAZIONE LOGICA Relatore:

Dettagli

Errori più comuni. nelle prove scritte

Errori più comuni. nelle prove scritte Errori più comuni nelle prove scritte Gli errori più frequenti, e reiterati da chi sostiene diverse prove, sono innanzi tutto meta-errori, cioè errori che non riguardano tanto l applicazione delle tecniche,

Dettagli

Dall italiano alla logica proposizionale

Dall italiano alla logica proposizionale Rappresentare l italiano in LP Dall italiano alla logica proposizionale Sandro Zucchi 2009-10 In questa lezione, vediamo come fare uso del linguaggio LP per rappresentare frasi dell italiano. Questo ci

Dettagli

Appunti di LOGICA MATEMATICA (a.a.2009-2010; A.Ursini) Algebre di Boole. 1. Definizione e proprietá

Appunti di LOGICA MATEMATICA (a.a.2009-2010; A.Ursini) Algebre di Boole. 1. Definizione e proprietá Appunti di LOGICA MATEMATICA (a.a.2009-2010; A.Ursini) [# Aii [10 pagine]] Algebre di Boole Un algebra di Boole è una struttura 1. Definizione e proprietá B =< B,,, ν, 0, 1 > in cui B è un insieme non

Dettagli

La Logica Proposizionale. (Algebra di Boole)

La Logica Proposizionale. (Algebra di Boole) 1 ISTITUTO DI ISTRUZIONE SUPERIORE ANGIOY La Logica Proposizionale (Algebra di Boole) Prof. G. Ciaschetti 1. Cenni storici Sin dagli antichi greci, la logica è intesa come lo studio del logos, che in greco

Dettagli

FOCUS GROUP. Trento, 06.02.2004 e 13.02.2004

FOCUS GROUP. Trento, 06.02.2004 e 13.02.2004 FOCUS GROUP Trento, 06.02.2004 e 13.02.2004 Progetto Divulgazione della logica come base per la comprensione dell informatica Documentazione C19.2004 Luisa Bortolotti perché un focus group? perché da tempo

Dettagli

b) Costruire direttamente le relazioni e poi correggere quelle che presentano anomalie

b) Costruire direttamente le relazioni e poi correggere quelle che presentano anomalie TEORIA RELAZIONALE: INTRODUZIONE 1 Tre metodi per produrre uno schema relazionale: a) Partire da un buon schema a oggetti e tradurlo b) Costruire direttamente le relazioni e poi correggere quelle che presentano

Dettagli

6.6 Il calcolo relazionale su tuple

6.6 Il calcolo relazionale su tuple Capitolo 6 Approfondimento Web 1 6.6 Il calcolo relazionale su tuple In questo paragrafo e nel successivo descriviamo un altro linguaggio di interrogazione formale per il modello relazionale chiamato calcolo

Dettagli

Lezione 8. La macchina universale

Lezione 8. La macchina universale Lezione 8 Algoritmi La macchina universale Un elaboratore o computer è una macchina digitale, elettronica, automatica capace di effettuare trasformazioni o elaborazioni su i dati digitale= l informazione

Dettagli

CAPITOLO 8 GENERARE I TEOREMI DI TEORIE SEMPLICI

CAPITOLO 8 GENERARE I TEOREMI DI TEORIE SEMPLICI pag. 128 Cap. 8 : GENERARE I TEOREMI DI TEORIE SEMPLICI G. Gerla CAPITOLO 8 indice GENERARE I TEOREMI DI TEORIE SEMPLICI 1. Come costruire un sistema inferenziale corretto Sia T una teoria, cioè un qualunque

Dettagli

Planning as Model Checking Presentazione della Tesina di Intelligenza Artificiale

Planning as Model Checking Presentazione della Tesina di Intelligenza Artificiale Planning as Model Checking Presentazione della Tesina di Intelligenza Artificiale di Francesco Maria Milizia francescomilizia@libero.it Model Checking vuol dire cercare di stabilire se una formula è vera

Dettagli

Che cosa abbiamo fatto fin ora. Perché? Agente basato su conoscenza. Introduzione alla rappresentazione della conoscenza

Che cosa abbiamo fatto fin ora. Perché? Agente basato su conoscenza. Introduzione alla rappresentazione della conoscenza Che cosa abbiamo fatto fin ora Introduzione alla rappresentazione della conoscenza ovvero Come costruire agenti basati su conoscenza e dotati di capacità di ragionamento Maria Simi, 2014/2015 Abbiamo trattato:

Dettagli

Dispense del corso di ALGEBRA 1 a.a. 2008 2009

Dispense del corso di ALGEBRA 1 a.a. 2008 2009 Dispense del corso di ALGEBRA 1 a.a. 2008 2009 2 Indice I INSIEMI E NUMERI 5 1 Insiemi e applicazioni 7 1.1 Insiemi..................................... 7 1.2 Operazioni tra insiemi.............................

Dettagli

Il problema della ver-calità. Maffini Achille Liceo Scientifico Ulivi (PR)

Il problema della ver-calità. Maffini Achille Liceo Scientifico Ulivi (PR) Il problema della ver-calità Maffini Achille Liceo Scientifico Ulivi (PR) 1 I problemi della ver-calità: una consegna Quali problemi individui nella costruzione di un curricolo veramente verticale? Su

Dettagli

LA KB delle logiche descrittive. Che tipo di ragionamenti? Problemi decisionali per DL. Sussunzione. Soddisfacilità di concetti (CS)

LA KB delle logiche descrittive. Che tipo di ragionamenti? Problemi decisionali per DL. Sussunzione. Soddisfacilità di concetti (CS) Ragionamento nelle logiche descrittive M. Simi, 2014-2015 LA KB delle logiche descrittive K = (T, A) T (T-BOX), componente terminologica A (A-BOX), componente asserzionale Una interpretazione I soddisfa

Dettagli

Rappresentazione della conoscenza. Lezione 11. Rappresentazione della Conoscenza Daniele Nardi, 2008Lezione 11 0

Rappresentazione della conoscenza. Lezione 11. Rappresentazione della Conoscenza Daniele Nardi, 2008Lezione 11 0 Rappresentazione della conoscenza Lezione 11 Rappresentazione della Conoscenza Daniele Nardi, 2008Lezione 11 0 Sommario Pianificazione Deduttiva nel calcolo delle situazioni (Reiter 3.3) Teoria del calcolo

Dettagli

Capitolo I STRUTTURE ALGEBRICHE ELEMENTARI

Capitolo I STRUTTURE ALGEBRICHE ELEMENTARI Capitolo I STRUTTURE ALGEBRICHE ELEMENTARI In matematica, per semplificare la stesura di un testo, si fa ricorso ad un linguaggio specifico. In questo capitolo vengono fornite in maniera sintetica le nozioni

Dettagli

UNIVERSITA DEGLI STUDI DI BARI FACOLTA DI SCIENZE MATEMATICHE FISICHE E NATURALI CORSO DI LAUREA IN INFORMATICA A.A. 2005/06 DELLA CONOSCENZA

UNIVERSITA DEGLI STUDI DI BARI FACOLTA DI SCIENZE MATEMATICHE FISICHE E NATURALI CORSO DI LAUREA IN INFORMATICA A.A. 2005/06 DELLA CONOSCENZA UNIVERSITA DEGLI STUDI DI BARI FACOLTA DI SCIENZE MATEMATICHE FISICHE E NATURALI CORSO DI LAUREA IN INFORMATICA A.A. 2005/06 TESI DI LAUREA IN INGEGNERIA DELLA CONOSCENZA E SISTEMI ESPERTI THETA-SUSSUNZIONE

Dettagli

Ricorsione in SQL-99. Introduzione. Idea di base

Ricorsione in SQL-99. Introduzione. Idea di base Ricorsione in SQL-99 Introduzione In SQL2 non è possibile definire interrogazioni che facciano uso della ricorsione Esempio Voli(lineaAerea, da, a, parte, arriva) non è possibile esprimere l interrogazione

Dettagli

Corso di LOGICA II: indagini semantiche su modalità e quantificazione. Uno studio di logica della necessità e della possibilità

Corso di LOGICA II: indagini semantiche su modalità e quantificazione. Uno studio di logica della necessità e della possibilità Corso di LOGICA II: indagini semantiche su modalità e quantificazione. Uno studio di logica della necessità e della possibilità Luisa Bortolotti Trento, 30.04.04 Lezione 26 : IL SISTEMA K-G (3) 2. MODALITA

Dettagli

Corso di LOGICA II: indagini semantiche su modalità e quantificazione. Uno studio di logica della necessità e della possibilità

Corso di LOGICA II: indagini semantiche su modalità e quantificazione. Uno studio di logica della necessità e della possibilità Corso di LOGICA II: indagini semantiche su modalità e quantificazione. Uno studio di logica della necessità e della possibilità Luisa Bortolotti Trento, 16.04.04 Lezione 24 : IL SISTEMA K-G (1) CAPITOLO

Dettagli

Cenni di Logica matematica

Cenni di Logica matematica Cenni di Logica matematica May 8, 2007 1 Calcolo proposizionale Una proposizione è una frase che è o vera oppure falsa ma non entrambe. Esempio 1.1 Le seguenti frasi sono proposizioni. 1. Milano è la capitale

Dettagli

Dispense del corso di Logica a.a. 2015/16: Problemi di primo livello. V. M. Abrusci

Dispense del corso di Logica a.a. 2015/16: Problemi di primo livello. V. M. Abrusci Dispense del corso di Logica a.a. 2015/16: Problemi di primo livello V. M. Abrusci 12 ottobre 2015 0.1 Problemi logici basilari sulle classi Le classi sono uno dei temi della logica. Esponiamo in questa

Dettagli

Intelligenza Artificiale Ing. Tiziano Papini

Intelligenza Artificiale Ing. Tiziano Papini Intelligenza Artificiale Ing. Tiziano Papini Email: papinit@dii.unisi.it Web: http://www.dii.unisi.it/~papinit Constraint Satisfaction Introduzione Intelligenza Artificiale - CSP Tiziano Papini - 2011

Dettagli

Università degli Studi di Napoli Federico II. Facoltà di Scienze MM.FF.NN. Corso di Laurea in Informatica

Università degli Studi di Napoli Federico II. Facoltà di Scienze MM.FF.NN. Corso di Laurea in Informatica Università degli Studi di Napoli Federico II Facoltà di Scienze MM.FF.NN. Corso di Laurea in Informatica Anno Accademico 2009/2010 Appunti di Calcolabilità e Complessità Lezione 9: Introduzione alle logiche

Dettagli

Correttezza. Corso di Laurea Ingegneria Informatica Fondamenti di Informatica 1. Dispensa 10. A. Miola Novembre 2007

Correttezza. Corso di Laurea Ingegneria Informatica Fondamenti di Informatica 1. Dispensa 10. A. Miola Novembre 2007 Corso di Laurea Ingegneria Informatica Fondamenti di Informatica 1 Dispensa 10 Correttezza A. Miola Novembre 2007 http://www.dia.uniroma3.it/~java/fondinf1/ Correttezza 1 Contenuti Introduzione alla correttezza

Dettagli

MATEMATICA. { 2 x =12 y 3 y +8 x =0, si pone il problema di trovare, se esistono, un numero x ed un numero y che risolvano entrambe le equazioni.

MATEMATICA. { 2 x =12 y 3 y +8 x =0, si pone il problema di trovare, se esistono, un numero x ed un numero y che risolvano entrambe le equazioni. MATEMATICA. Sistemi lineari in due equazioni due incognite. Date due equazioni lineari nelle due incognite x, y come ad esempio { 2 x =12 y 3 y +8 x =0, si pone il problema di trovare, se esistono, un

Dettagli

La competenza semantica La semantica frasale

La competenza semantica La semantica frasale La competenza semantica La semantica frasale (1) Gianni è arrivato ieri mattina! (2) Gianni è arrivato ieri (implicazione) Linguistica generale, Parte a.a. 2007-2008 (1 ') Nessuno studente è arrivato ieri

Dettagli

Il primo teorema di incompletezza di Gödel

Il primo teorema di incompletezza di Gödel Il primo teorema di incompletezza di Gödel Stefano Nasini Dept. of Statistics and Operations Research Universitat Politécnica de Catalunya 1. Introduzione Questo documento vuole essere una spiegazione

Dettagli

Alcuni Preliminari. Prodotto Cartesiano

Alcuni Preliminari. Prodotto Cartesiano Alcuni Preliminari Prodotto Cartesiano Dati due insiemi A e B, si definisce il loro prodotto cartesiano A x B come l insieme di tutte le coppie ordinate (a,b) con a! A e b! B. Es: dati A= {a,b,c} e B={,2,3}

Dettagli

Percorsi di matematica per il ripasso e il recupero

Percorsi di matematica per il ripasso e il recupero Giacomo Pagina Giovanna Patri Percorsi di matematica per il ripasso e il recupero 2 per la Scuola secondaria di secondo grado UNITÀ CAMPIONE Edizioni del Quadrifoglio à t i n U 1 Sistemi di primo grado

Dettagli

Dispense del corso di ALGEBRA 1 a.a. 2007 2008. Parte 1: NOZIONI DI BASE

Dispense del corso di ALGEBRA 1 a.a. 2007 2008. Parte 1: NOZIONI DI BASE Dispense del corso di ALGEBRA 1 a.a. 2007 2008 Parte 1: NOZIONI DI BASE 1 Indice 1 Nozioni introduttive 3 1.1 Insiemi..................................... 3 1.2 Operazioni tra insiemi.............................

Dettagli

Calcolo dei Sequenti Predicativo: Note ed Esercizi

Calcolo dei Sequenti Predicativo: Note ed Esercizi Calcolo dei Sequenti Predicativo: Note ed Esercizi mace@dsi.unive.it 15 novembre 2007 1 Logica predicativa: sintassi La logica proposizionale è piuttosto limitata. La logica predicativa estende quella

Dettagli

Laurea in Ingegneria Informatica Facoltà di Ingegneria Università di Roma La Sapienza. Dispense del Corso di Intelligenza Artificiale

Laurea in Ingegneria Informatica Facoltà di Ingegneria Università di Roma La Sapienza. Dispense del Corso di Intelligenza Artificiale Laurea in Ingegneria Informatica Facoltà di Ingegneria Università di Roma La Sapienza Dispense del Corso di Intelligenza Artificiale Anno Accademico 2003/04 Linguaggi per l Intelligenza Artificiale Daniele

Dettagli

Semantica dei programmi. La semantica dei programmi è la caratterizzazione matematica dei possibili comportamenti di un programma.

Semantica dei programmi. La semantica dei programmi è la caratterizzazione matematica dei possibili comportamenti di un programma. Semantica dei programmi La semantica dei programmi è la caratterizzazione matematica dei possibili comportamenti di un programma. Semantica operazionale: associa ad ogni programma la sequenza delle sue

Dettagli

Precorsi: Introduzione naïve alla logica ed alla teoria degli insiemi. Carlo Collari, Lapo Dini, Daniele Angella

Precorsi: Introduzione naïve alla logica ed alla teoria degli insiemi. Carlo Collari, Lapo Dini, Daniele Angella Precorsi: Introduzione naïve alla logica ed alla teoria degli insiemi. Carlo Collari, Lapo Dini, Daniele Angella CAPITOLO 1 Introduzione Per poter seguire un corso universitario di matematica, uno studente,

Dettagli

Corso di Informatica

Corso di Informatica Corso di Informatica Modulo T3 1-Sottoprogrammi 1 Prerequisiti Tecnica top-down Programmazione elementare 2 1 Introduzione Lo scopo di questa Unità è utilizzare la metodologia di progettazione top-down

Dettagli

Algebra booleana. Si dice enunciato una proposizione che può essere soltanto vera o falsa.

Algebra booleana. Si dice enunciato una proposizione che può essere soltanto vera o falsa. Algebra booleana Nel lavoro di programmazione capita spesso di dover ricorrere ai principi della logica degli enunciati e occorre conoscere i concetti di base dell algebra delle proposizioni. L algebra

Dettagli

Indice generale. Modulo 1 Algebra 2

Indice generale. Modulo 1 Algebra 2 Indice generale Modulo 1 Algebra 2 Capitolo 1 Scomposizione in fattori. Equazioni di grado superiore al primo 1.1 La scomposizione in fattori 2 1.2 Raccoglimento a fattor comune 3 1.3 Raccoglimenti successivi

Dettagli

LOGICA E LINGUAGGIO. Caserta, 21 febbraio 2011. Dott. Michele Bovenzi

LOGICA E LINGUAGGIO. Caserta, 21 febbraio 2011. Dott. Michele Bovenzi LOGICA E LINGUAGGIO Caserta, 2 febbraio 2 Dott. Michele Bovenzi Una breve introduzione La logica nasce nell antichità come disciplina che studia i principi e le regole del ragionamento, ne valuta la correttezza

Dettagli

Sudoku: ancora un esercizio

Sudoku: ancora un esercizio Sudoku: ancora un esercizio Silvio Ranise LORIA & INRIA-Lorraine Nancy (France) 17 Gennaio 2007 Un esempio (sempre lo stesso) 5 3 7 6 1 9 5 9 8 6 8 6 3 4 8 3 1 7 2 6 6 2 8 4 1 9 5 8 7 9 Regole (sempre

Dettagli

È fatta male? Perché? Come si può correggere?

È fatta male? Perché? Come si può correggere? UNA TABELLA N Inv Stanza Resp Oggetto Produttore Descrizione 1012 256 Ghelli Mac Mini Apple Personal Comp 1015 312 Albano Dell XPS M1330 Dell Notebook 2 GHZ 1034 256 Ghelli Dell XPS M1330 Dell Notebook

Dettagli

I PROBLEMI ALGEBRICI

I PROBLEMI ALGEBRICI I PROBLEMI ALGEBRICI La risoluzione di problemi è una delle attività fondamentali della matematica. Una grande quantità di problemi è risolubile mediante un modello algebrico costituito da equazioni e

Dettagli

Interpretazione astratta

Interpretazione astratta Interpretazione astratta By Giulia Costantini (819048) e Giuseppe Maggiore (819050) Contents Interpretazione astratta... 2 Idea generale... 2 Esempio di semantica... 2 Semantica concreta... 2 Semantica

Dettagli

Algoritmi e Strutture Dati

Algoritmi e Strutture Dati schifano@fe.infn.it Laurea di Informatica - Università di Ferrara 2011-2012 [1] Strutture dati Dinamiche: Le liste Una lista è una sequenza di elementi di un certo tipo in cui è possibile aggiungere e/o

Dettagli

Algebra Booleana ed Espressioni Booleane

Algebra Booleana ed Espressioni Booleane Algebra Booleana ed Espressioni Booleane Che cosa è un Algebra? Dato un insieme E di elementi (qualsiasi, non necessariamente numerico) ed una o più operazioni definite sugli elementi appartenenti a tale

Dettagli

Calcolatori: Algebra Booleana e Reti Logiche

Calcolatori: Algebra Booleana e Reti Logiche Calcolatori: Algebra Booleana e Reti Logiche 1 Algebra Booleana e Variabili Logiche I fondamenti dell Algebra Booleana (o Algebra di Boole) furono delineati dal matematico George Boole, in un lavoro pubblicato

Dettagli

NORMALIZZAZIONE DI SCHEMI RELAZIONALI. Prof.ssa Rosalba Giugno

NORMALIZZAZIONE DI SCHEMI RELAZIONALI. Prof.ssa Rosalba Giugno NORMALIZZAZIONE DI SCHEMI RELAZIONALI Prof.ssa Rosalba Giugno PROBLEMA GENERALE La progettazione concettuale e logica produce uno schema relazionale che rappresenta la realta dei dati nella nostra applicazione.

Dettagli

CONCETTO DI LIMITE DI UNA FUNZIONE REALE

CONCETTO DI LIMITE DI UNA FUNZIONE REALE CONCETTO DI LIMITE DI UNA FUNZIONE REALE Il limite di una funzione è uno dei concetti fondamentali dell'analisi matematica. Tramite questo concetto viene formalizzata la nozione di funzione continua e

Dettagli

Esercitazione. Proposizioni. April 16, 2015. Esercizi presi dal libro di Rosen (useremo 0 per False e 1 per True). Problema 15, sezione 1.1.

Esercitazione. Proposizioni. April 16, 2015. Esercizi presi dal libro di Rosen (useremo 0 per False e 1 per True). Problema 15, sezione 1.1. Esercitazione Proposizioni April 16, 2015 Esercizi presi dal libro di Rosen (useremo 0 per False e 1 per True). Problema 15, sezione 1.1. 1. Consideriamo le proposizioni: - p : Gli orsi grizzly sono stati

Dettagli

Corso di Laurea in Matematica. Dispense del corso di ALGEBRA I

Corso di Laurea in Matematica. Dispense del corso di ALGEBRA I Corso di Laurea in Matematica Dispense del corso di ALGEBRA I a.a. 2012 2013 2 Cos è l anima?. Al negativo è facile da definire: per l appunto ciò che si affretta a rintanarsi quando sente parlare di serie

Dettagli

Gli algoritmi: definizioni e proprietà

Gli algoritmi: definizioni e proprietà Dipartimento di Elettronica ed Informazione Politecnico di Milano Informatica e CAD (c.i.) - ICA Prof. Pierluigi Plebani A.A. 2008/2009 Gli algoritmi: definizioni e proprietà La presente dispensa e da

Dettagli

LE FUNZIONI A DUE VARIABILI

LE FUNZIONI A DUE VARIABILI Capitolo I LE FUNZIONI A DUE VARIABILI In questo primo capitolo introduciamo alcune definizioni di base delle funzioni reali a due variabili reali. Nel seguito R denoterà l insieme dei numeri reali mentre

Dettagli

Algebra Relazionale. algebra relazionale

Algebra Relazionale. algebra relazionale Algebra Relazionale algebra relazionale Linguaggi di Interrogazione linguaggi formali Algebra relazionale Calcolo relazionale Programmazione logica linguaggi programmativi SQL: Structured Query Language

Dettagli

Lezioni di Geometria e Algebra. Fulvio Bisi, Francesco Bonsante, Sonia Brivio

Lezioni di Geometria e Algebra. Fulvio Bisi, Francesco Bonsante, Sonia Brivio Lezioni di Geometria e Algebra Fulvio Bisi, Francesco Bonsante, Sonia Brivio CAPITOLO 0 Preliminari.. Insiemistica e logica Il presente Capitolo introduttivo ha lo scopo di ripassare alcuni argomenti

Dettagli

Componenti di un sistema KNOWLEDGE-BASED

Componenti di un sistema KNOWLEDGE-BASED Componenti di un sistema KNOWLEDGE-BASED DYNAMIC DATABASE PROBLEM FORMALIZATION CONTROL STRATEGY IL DATABASE DESCRIVE LA SITUAZIONE CORRENTE NELLA DETERMINAZIONE DELLA SOLUZIONE AL PROBLEMA. LA FORMALIZZAZIONE

Dettagli

I FONDAMENTI DELLA MATEMATICA

I FONDAMENTI DELLA MATEMATICA I FONDAMENTI DELLA MATEMATICA Concettina Gaccetta 1 Sunto: La scoperta delle geometrie non euclidee ha dimostrato la possibilità di formulare più teorie ugualmente coerenti, riferite agli stessi enti matematici.

Dettagli

Questionario per casa 6 Febbraio 2012

Questionario per casa 6 Febbraio 2012 1 Il numero 4 2004 + 2 4008 è uguale a a) 4 4012 b) 4 4008 c) 4 2004 d) 2 4009 e) 2 2012 Questionario per casa 6 Febbraio 2012 2 La statura media dei 20 studenti di una certa classe è 163,5 cm. Se ciascuno

Dettagli

Funzioni. Lorenzo Pareschi. Dipartimento di Matematica & Facoltá di Architettura Universitá di Ferrara

Funzioni. Lorenzo Pareschi. Dipartimento di Matematica & Facoltá di Architettura Universitá di Ferrara Funzioni Lorenzo Pareschi Dipartimento di Matematica & Facoltá di Architettura Universitá di Ferrara http://utenti.unife.it/lorenzo.pareschi/ lorenzo.pareschi@unife.it Lorenzo Pareschi (Univ. Ferrara)

Dettagli

APPUNTI DI MATEMATICA ALGEBRA \ INSIEMISTICA \ TEORIA DEGLI INSIEMI (1)

APPUNTI DI MATEMATICA ALGEBRA \ INSIEMISTICA \ TEORIA DEGLI INSIEMI (1) ALGEBRA \ INSIEMISTICA \ TEORIA DEGLI INSIEMI (1) Un insieme è una collezione di oggetti. Il concetto di insieme è un concetto primitivo. Deve esistere un criterio chiaro, preciso, non ambiguo, inequivocabile,

Dettagli

S::= Aa bb bc A::= 1B 0 B::= 0A 1 C::= Cc d Si scriva un riconoscitore in Prolog del linguaggio generato da G. Suggerimento: si elimini la ricorsione

S::= Aa bb bc A::= 1B 0 B::= 0A 1 C::= Cc d Si scriva un riconoscitore in Prolog del linguaggio generato da G. Suggerimento: si elimini la ricorsione COMPITO DI LINGUAGGI SIMBOLICI DOCENTE MICHELA MILANO - 11 GENNAIO 2001 Esercizio 1 Si scriva un metaprogramma Prolog che lavori su un programma Prolog P ricevendo in ingresso da utente una lista La di

Dettagli

Matematica Discreta. Gianfranco Niesi. Appunti per il corso di. C.S. in Informatica. Dipartimento di Matematica A.A. 2005-2006

Matematica Discreta. Gianfranco Niesi. Appunti per il corso di. C.S. in Informatica. Dipartimento di Matematica A.A. 2005-2006 Appunti per il corso di Matematica Discreta C.S. in Informatica UNIVERSITÀ DI GENOVA A.A. 2005-2006 Gianfranco Niesi Dipartimento di Matematica URL: http://www.dima.unige.it/ niesi 4 ottobre 2005 2 Indice

Dettagli

Problemi, Algoritmi e Programmi

Problemi, Algoritmi e Programmi MASTER Information Technology Excellence Road (I.T.E.R.) Problemi, Algoritmi e Programmi Maurizio Palesi Salvatore Serrano Master ITER Informatica di Base Maurizio Palesi, Salvatore Serrano 1 Introduzione

Dettagli

Anello commutativo. Un anello è commutativo se il prodotto è commutativo.

Anello commutativo. Un anello è commutativo se il prodotto è commutativo. Anello. Un anello (A, +, ) è un insieme A con due operazioni + e, dette somma e prodotto, tali che (A, +) è un gruppo abeliano, (A, ) è un monoide, e valgono le proprietà di distributività (a destra e

Dettagli

Fondamenti di Informatica. Cenni di Algebra di Boole. Prof. Franco Zambonelli Gennaio 2011

Fondamenti di Informatica. Cenni di Algebra di Boole. Prof. Franco Zambonelli Gennaio 2011 Fondamenti di Informatica Cenni di Algebra di Boole Prof. Franco Zambonelli Gennaio 2011 Letture Consigliate: Roger Penrose, La Mente Nuova dell Imperatore, Sansoni Editrice. Martin Davis, Il Calcolatore

Dettagli

Percorsi di matematica per il ripasso e il recupero

Percorsi di matematica per il ripasso e il recupero Giacomo Pagina Giovanna Patri Percorsi di matematica per il ripasso e il recupero 1 per la Scuola secondaria di secondo grado UNITÀ CAMPIONE Edizioni del Quadrifoglio à t i n U 2 Logica delle proposizioni

Dettagli