{x 0}, y 1 T 1 (Stat3 ) false; Discharge Qed

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "{x 0}, y 1 T 1 (Stat3 ) false; Discharge Qed"

Transcript

1 Theorem 1a. S X PX {, X} PS. Proof: Suppose not(s 0, x 0) Auto Set monot {x : x x 0 } {x : x s 0 } Use def (P) Stat1 : / {x : x s 0 } x 0 / {x : x s 0 }, x 0 Stat1 false; Discharge Qed Theorem 1b. P = { } & P {X} = {, {X}}. Proof: Suppose not(x 0) Auto Suppose P = { }, T 1a Stat0 : P { } y 0 Stat0(Stat0 ) Stat1 : y 0 P & y 0 / { }, y 0 T 1 (Stat1 ) false; Discharge P {x 0 } {, {x 0 }} {x 0}, {x 0} T 1a Stat2 : P {x 0 } {, {x 0 }} y 1 Stat2 Stat3 : y 1 P {x 0 } & y 1 / {, {x 0 }} {x 0}, y 1 T 1 (Stat3 ) false; Discharge Qed Theorem 3a. Z = {X, Y} Z = X Y & {Y} = Y. Proof: Suppose not(z 0, x 0, y 0) Auto -- La seconda parte dell enunciato di questo teorema discende direttamente dalla prima e potremmo posporne la dimostrazione; preferiamo invece trattare per primo questo caso speciale per illustrare una linea dimostrativa lievemente diversa e più semplice. Suppose {y 0 } y 0 Use def ( ) {z : y {y 0 }, z y} y 0 SIMPLF {z : z y 0 } y 0 ELEM false; Discharge Stat0 : z 0 = {x 0, y 0 } & z 0 x 0 y 0 -- Nell altro caso, cioè sotto l assurda ipotesi che z 0 = {x 0, y 0 } & z 0 x 0 y 0, due citazioni del Theorem 3 ci pemettono di ricavare da z 0 = {x 0, y 0 } che x 0 z 0 ed y 0 z 0 x 0, z 0 T 3 Auto y 0, z 0 T 3 Auto -- Una terza citazione dello stesso Theorem 3 ci permette di ricavare da z 0 x 0 y 0 che qualche elemento di z 0 = {x 0, y 0 } non è incluso in x 0 y 0, il che è palesemente assurdo. x 0 y 0, z 0 T 3 (Stat0 ) Stat1 : y z 0 y x 0 y 0 v Stat1(Stat0, Stat0 ) v {x 0, y 0 } & v x 0 y 0

2 (Stat1 )Discharge Qed Theory imageofdoubleton ( f(x), x 0, x 1 ) End imageofdoubleton Enter theory imageofdoubleton -- the image of a doubleton is a doubleton or singleton Theorem imageofdoubleton. {f(v) : v } = & {f(v) : v {x 0 }} = {f} (x 0 ) & {f(v) : v {x 0, x 1 }} = {f(x 0 ), f(x 1 )}. Proof: Suppose not() Auto SIMPLF Stat1 : {f(v) : v {x 0, x 1 }} {f(x 0 ), f(x 1 )} c Stat1(Stat1 ) c {f(v) : v {x 0, x 1 }} c {f(x 0 ), f(x 1 )} Suppose Stat2 : c / {f(v) : v {x 0, x 1 }} x 0 Stat2(Stat1 ) c = f(x 1 ) x 1 Stat2(Stat1 ) false; Discharge Stat3 : c {f(v) : v {x 0, x 1 }} & c / {f(x 0 ), f(x 1 )} x Stat3 x {x 0, x 1 } & f(x ) / {f(x 0 ), f(x 1 )} Suppose x = x 0 EQUAL f(x 0 ) / {f(x 0 ), f(x 1 )} (Stat3 )Discharge x = x 1 EQUAL Stat4 : f(x 1 ) / {f(x 0 ), f(x 1 )} (Stat4 )Discharge Qed Enter theory Set theory -- unione di unione Theorem 3b. ( X) = { y : y X}. Proof: Suppose not(x 0) Auto Use def ( ) {z : y {u : v x 0, u v}, z y} {s : r { y : y x 0 }, s r} SIMPLF Stat1 : {z : v x 0, u v, z u} {s : y x 0, s y} z 0 Stat1 Stat2 : z 0 {z : v x 0, u v, z u} z 0 {s : y x 0, s y} Suppose Stat3 : z 0 {z : v x 0, u v, z u} & z 0 / {s : y x 0, s y} Use def ( v 0) Auto v 0, u 0, z, v 0, z 0 Stat3(Stat2 ) Stat4 : z 0 / {z : u v 0, z u} & v 0 x 0 & u 0 v 0 & z 0 u 0 u 0, z 0 Stat4(Stat4 ) false; Discharge Stat5 : z 0 {s : y x 0, s y} Use def ( y 0) Auto y 0, s 0 Stat5(Stat5 ) Stat6 : z 0 {s : u y 0, s u} & y 0 x 0 u 1, s 1 Stat6(Stat5, Stat2 ) Stat7 : z 0 / {z : v x 0, u v, z u} & z 0 u 1 & u 1 y 0 y 0, u 1, z 0 Stat7(Stat6 ) false; Discharge Qed

3 -- additività e monotonicità dell unione monadica Theorem 3c. (X Y) = X Y & (Y X Y X). Proof: Suppose not(x 0, y 0) Auto Suppose (x 0 y 0 ) x 0 y 0 {x 0, y 0} T 3b ( {x 0, y 0 }) = { v : v {x 0, y 0 }} APPLY imageofdoubleton ( f(x) ) X, x 0 x 0, x 1 y 0 { v : v {x 0, y 0 }} = { x 0, y 0 } {x 0, y 0}, x 0, y 0 T 3a {x 0, y 0 } = x 0 y 0 { x 0, y 0}, x 0, y 0 T 3a { x 0, y 0 } = x 0 y 0 EQUAL false; Discharge (x 0 y 0 ) = x 0 y 0 & y 0 = x 0 y 0 & y 0 x 0 EQUAL y 0 = x 0 y 0 Discharge Qed -- Anche se può apparire inutilmente contorto, l enunciato del teorema che segue ha il pregio della versatilità ; visto che, per semplice citazione, può essere utilmente declinato in almeno tre modi: (X {Y}) = Y X, Y Z Z = Y (Z\ {Y}), Z Z = arb(z) (Z\ {arb(z)}). -- unione di unione, 2 Theorem 3d. Y Z & X {Z, Z\ {Y}} Z = Y X. Proof: Suppose not(y 0, z 0, x 0) Auto ELEM EQUAL z 0 = x 0 {y 0 } (x 0 {y 0 }) y 0 x 0,, y 0 T 3a Auto x 0, {y 0} T 3c false; Discharge Qed Theorem 3e. (X {Y}) = Y X. Proof: Suppose not(x 0, y 0) Auto y 0, x 0 {y 0}, x 0 T 3d ( ) false; Discharge Qed Theorem 3f. (Y { } ( ) Y = ) & Y Z Z = Y (Z\ {Y}). Proof: Suppose not(x 0, z 0) Auto Suppose x 0 { } x 0 = Use def ( x 0) Auto Suppose x 0 { } ELEM Stat1 : {z : y x 0, z y} y 0, z 1 Stat1 false; Discharge Stat2 : x 0 { } & {z : y x 0, z y} =

4 y 1, y 1, arb(y 1) Stat2 false; Discharge x 0 z 0 & z 0 x 0 (z 0 \ {x 0 }) x 0, z 0, z 0\ {x 0} T 3d ( ) false; Discharge Qed Theorem 3g. Z Z = arb(z) (Z\ {arb(z)}). Proof: Suppose not(z 0) Auto arb(z 0), z 0, z 0\ {arb(z 0)} T 3d false; Discharge Qed Theory doubleunion ( f(x), x 0 ) End doubleunion Enter theory doubleunion -- double union of a setformer Theorem doubleunion. ( {f(w) : w x 0 } ) = { f(w) : w x 0 }. Proof: Suppose not() Auto {f(w) : w x 0} T 3b { v : v {f(w) : w x 0 }} { f(w) : w x 0 } SIMPLF false; Discharge Qed Enter theory Set theory -- distributività dell intersezione sull unione Theorem 3h. {X z : z Y} = X Y. Proof: Suppose not(x 0, y 0) Stat0 : Auto c 1 Stat0 c 1 {x 0 z : z y 0 } c 1 x 0 y 0 Use def ( {x 0 z : z y 0}) Auto SIMPLF {x 0 z : z y 0 } = {w : z y 0, w x 0 z} Use def ( y 0) Auto Suppose Stat1 : c 1 {w : z y 0, w x 0 z} & c 1 / x 0 y 0 z 1, w Stat1 c 1 x 0 z 1 & z 1 y 0 & Stat3 : c 1 / {w : y y 0, w y} z 1, c 1 Stat3 false; Discharge Stat5 : c 1 {w : y y 0, w y} & c 1 x 0 & c 1 / {x 0 z : z y 0 } y 2, c Stat5 c 1 x 0 & c 1 y 2 & y 2 y 0 & Stat6 : c 1 / {w : z y 0, w x 0 z} y 2, c 1 Stat6 false; Discharge Qed -- intersezione monadica { } Def intersection. (X) =Def z arb(x) y X z y -- prima legge di De Morgan Theorem 23. X\if Y = then X else (Y) fi = {X\z : z Y}. Proof: Suppose not(x 0, y 0) Auto

5 -- Ragionando per assurdo, cominciamo semplificando il lato destro della disuguaglianza e con l escludere la possibilità che il controesempio x 0, y 0 possa avere y 0 =. Use def ( {x 0\z : z y 0}) Auto SIMPLF {x 0 \z : z y 0 } = {z : w y 0, z x 0 \w} Loc def w 1 = arb(y 0 ) Suppose y 0 = {x 0\z : z y 0} T 3f Stat1 : {x 0 \z : z y 0 } z 1 Stat1 false; Discharge Stat2 : x 0 \ (y 0 ) {z : w y 0, z x 0 \w} & w 1 y 0 -- Escluso quel caso banale, l assurda ipotesi si è ridotta alla disuguaglianza che leggiamo qui sopra. Sia e 0 un elemento che differenzia i due membri della disuguaglianza. e 0 Stat2 e 0 x 0 \ (y 0 ) e 0 {z : w y 0, z x 0 \w} Use def ( (y 0) ) Auto -- Se e 0 appartiene al primo membro (e dunque non al secondo), allora è chiaro che deve appartenere a un generico elemento w 1 di y 0... Suppose e 0 x 0 \ (y 0 ) (Stat2 )ELEM Stat3 : e 0 / { z arb(y 0 ) y y 0 z y } & e 0 x 0 & Stat4 : e 0 / {z : w y 0, z x 0 \w} Suppose e 0 / w 1 w 1, e 0 Stat4(Stat2 ) false; Discharge Auto ma di qui a una contraddizione il passo è breve. w 1 Stat3 Stat5 : w y 0 e 0 w w 2 Stat5 w 2 y 0 & e 0 / w 2 w 2, e 0 Stat4 false; Discharge Stat6 : e 0 {z : w y 0, z x 0 \w} & e 0 / x 0 \ (y 0 ) -- Consideriamo ora l altro caso, che e 0 appartenga al secondo membro ma non al primo. Di nuovo giungeremo a una contraddizione, col che la dimostrazione sarà completa. w 0, z 0 Stat6 Stat7 : e 0 { z arb(y 0 ) y y 0 z y } & w 0 y 0 & e 0 x 0 \w 0 Stat7 Stat8 : y y 0 e 0 y w 0 Stat8(Stat7 ) false; Discharge Qed -- seconda legge di De Morgan Theorem 23a. X\ Y = if Y = then X else ({X\z : z Y}) fi. Proof: Suppose not(x 0, y 0) Auto

6 -- Ragionando per assurdo, cominciamo semplificando il lato destro della disuguaglianza e con l escludere la possibilità che il controesempio x 0, y 0 possa avere y 0 =. Da ciò segue subito che {x 0 \z : z y 0 }. y 0 T 3f y 0 & Stat1 : x 0 \ y 0 ({x 0 \z : z y 0 }) Suppose Stat2 : {x 0 \z : z y 0 } = arb(y 0) Stat2 false; Discharge Auto -- Richiamando la prima legge di De Morgan, troviamo che x 0 ({x 0 \z : z y 0 }) = x 0 \ {x 0 z : z y 0 }. x 0, {x 0\z : z y 0} T 23 x 0 ({x 0 \z : z y 0 }) = x 0 \ {x 0 \z : z {x 0 \z : z y 0 }} SIMPLF {x 0 \z : z {x 0 \z : z y 0 }} = {x 0 \(x 0 \z) : z y 0 } Suppose Stat3 : {x 0 \(x 0 \z) : z y 0 } {x 0 z : z y 0 } c 0 Stat3(Stat3 ) false; Discharge {x 0 \(x 0 \z) : z y 0 } = {x 0 z : z y 0 } x 0, y 0 T 3h x 0 \ {x 0 z : z y 0 } = x 0 \ y 0 EQUAL x 0 ({x 0 \z : z y 0 }) = x 0 \ y 0 -- Il lato sinistro di quest ultima uguaglianza si semplifica in inters ({x0-z: z in y0}), il che contraddice il passo Stat1. Suppose Stat4 : ({x 0 \z : z y 0 }) x 0 ({x 0 \z : z y 0 }) c 1 Stat4(Stat4 ) Stat5 : c 1 ({x 0 \z : z y 0 }) & c 1 / x 0 Use def ( ) Stat6 : c 1 { z arb({x 0 \z : z y 0 }) y {x 0 \z : z y 0 } z y } Loc def a = arb({x 0 \z : z y 0 }) Stat6(Stat6) Stat7 : a {x 0 \z : z y 0 } & c 1 a z 0 Stat7(Stat5, Stat7 ) false; Discharge false Discharge Qed Theorem 23b. (X) = if X {arb(x)} then arb(x) else arb(x) (X\ {arb(x)}) fi. Proof: Suppose not(x 0) Auto Use def ( (x ) 0) Auto Suppose x 0 = { ELEM arb(x 0 ) = & z y x0 z y } = & (x 0 ) EQUAL false; Discharge Auto Suppose Stat1 : x 0 = {arb(x 0 )} ELEM Stat2 : { z : z arb(x 0 ) y x 0 z y } {z : z arb(x 0 )} e Stat2(Stat2 ) y x 0 e y e arb(x 0 ) Suppose Stat3 : y x 0 e y y Stat3(Stat1 ) false; Discharge Stat4 : y x 0 e y & e / arb(x 0 )

7 arb(x 0) Stat4(Stat1 ) false; Discharge Stat0 : arb(x 0 \ {arb(x 0 )}) x 0 \ {arb(x 0 )} & arb(x 0 ) (x 0 \ {arb(x 0 )}) (x 0 ) Use def ( (x 0\ {arb(x ) 0)}) Auto Suppose Stat5 : (x 0 ) arb(x 0 ) (x 0 \ {arb(x 0 )}) z 0 Stat5 Stat6 : z 0 { z arb(x 0 ) y x 0 z y } & z 0 / arb(x 0 ) (x 0 \ {arb(x 0 )}) Stat6 Stat7 : y x 0 z 0 y & z 0 / (x 0 \ {arb(x 0 )}) arb(x 0\ {arb(x 0)}) Stat7(Stat0 ) Stat8 : z 0 / { z arb(x 0 \ {arb(x 0 )}) y x 0 \ {arb(x 0 )} z y } & z 0 arb(x 0 \ {arb(x 0 )}) z 0 Stat8(Stat8 ) Stat9 : y x 0 \ {arb(x 0 )} z 0 y w 2 Stat9 w 2 x 0 \ {arb(x 0 )} & z 0 / w 2 w 2 Stat7(Stat5 ) false; Discharge Stat10 : arb(x 0 ) (x 0 \ {arb(x 0 )}) (x 0 ) z 1 Stat10 Stat11 : z 1 / { z arb(x 0 ) y x 0 z y } & z 1 arb(x 0 ) (x 0 \ {arb(x 0 )}) w 3 Stat11(Stat11 ) Stat12 : y x 0 z 1 y y 0 Stat12(Stat12 ) y 0 x 0 & z 1 / y 0 (Stat0 )ELEM Stat13 : z 1 { z arb(x 0 \ {arb(x 0 )}) y x 0 \ {arb(x 0 )} z y } Stat13 Stat14 : y x 0 \ {arb(x 0 )} z 1 y y 0 Stat14(Stat0 ) false; Discharge Qed -- Tradizionalmente, la finitezza viene definita a partire dalla nozione di cardinalità di un insieme: un insieme è finito se la sua cardinalità precede il primo ordinale limite. Come scorciatoia, per poter giungere senza troppo lavoro a un accettabile elaborazione formale della finitezza, adottiamo qui la seguente definizione (ispirata dall articolo Sur les ensembles fini di Tarski, 1924): un insieme è finito se ogni famiglia non vuota di suoi sottoinsiemi possiede un elemento minimale rispetto all inclusione. Per esprimere questo concetto succintamente, ci conviene sfruttare l operatore di insieme potenza definito all inizio. -- proprietà di finitezza Def Fin. Finite(X) Def g P(PX)\ { }, m g Pm = {m} -- monotonicità della finitezza Theorem 25. Y X & Finite(Y) Finite(X). Proof: Suppose not(y 0, x 0) Auto y 0, x 0 T 1a ( ) Py 0 Px 0 Use def (Finite) Stat1 : g P(Px 0 )\ { }, m g Pm = {m} & g P(Py 0 )\ { }, m g Pm = {m} Py 0, Px 0 T 1a ( ) P(Py 0 ) P(Px 0 ) g 0, g 0 Stat1(Stat1 ) m g 0 Pm = {m} & m g 0 Pm = {m} Discharge Qed -- finitezza dell unione di due finiti Theorem 25a. Finite(X) & Finite(Y) Finite(X Y). Proof:

8 Suppose not(x 0, y 0) Auto -- Ragionando per assurdo, siano x 0 ed y 0 insiemi finiti la cui unione non è finita. Allora vi sarà un insieme non vuoto g 0 di sottoinsiemi di x 0 y 0 sprovvisto di elemento minimale rispetto all inclusione. Use def (Finite) Stat1 : g P ( P(x 0 y 0 ) ) \ { }, m g Pm = {m} & Stat2 : g P(Px 0 )\ { }, m g Pm = {m} & Stat3 : gq P(Py 0 )\ { }, m gq Pm = {m} g 0 Stat1 Stat4 : m g 0 Pm = {m} & g 0 P ( P(x 0 y 0 ) ) \ { } -- Indichiamo con g 1 l insieme delle intersezioni x 0 v con v che varia in g 0. Poichè g 0 non è vuoto, neanche g 1 può esserlo. Loc def Stat5 : g 1 = {x 0 v : v g 0 } Suppose Stat6 : x 0 arb(g 0 ) / {x 0 v : v g 0 } arb(g 0) Stat6(Stat4) false; Discharge Stat7 : x 0 arb(g 0 ) g 1 -- Allora, visto che abbiamo supposto x 0 finito e visto che g 1 è formato da sottoinsiemi di x 0, g 1 avrà un elemento minimale m 1. Suppose g 1 / P(Px 0 ) Use def (P) Stat8 : g 1 / {y : y {z : z x 0 }} g 1 Stat8(Stat8 ) Stat9 : g 1 {z : z x 0 } x 1 Stat9(Stat5, Stat9 ) Stat10 : x 1 {x 0 v : v g 0 } & x 1 / {z : z x 0 } v 1, x 0 v 1 Stat10(Stat10 ) false; Discharge Auto g 1 Stat2(Stat7 ) Stat11 : m g 1 Pm = {m} m 1 Stat11(Stat11) g 1 Pm 1 = {m 1 } -- Indichiamo con g 2 l insieme delle intersezioni y 0 v con v che varia sugli elementi di g 0 la cui intersezione con x 0 è m 1. Poichè almeno un tale v in g 0 ci dev essere, anche g 2 non può essere vuoto. Loc def Stat12 : g 2 = {y 0 v : v g 0 x 0 v = m 1 } Suppose Stat13 : {y 0 v : v g 0 x 0 v = m 1 } = ELEM Stat14 : m 1 {x 0 v : v g 0 } v 0 Stat14 Auto v 0 Stat13(Stat14 ) false; Discharge Auto -- Pertanto, visto che abbiamo supposto y 0 finito e visto che g 2 che è formato da sottoinsiemi di y 0, g 2 avrà un elemento minimale m 2.

9 Suppose Stat15 : g 2 / P(Py 0 ) Use def (P) Stat16 : g 2 / {y : y {z : z y 0 }} g 2 Stat16(Stat16 ) Stat17 : g 2 {z : z y 0 } x 2 Stat17(Stat12, Stat17 ) Stat18 : x 2 {y 0 v : v g 0 x 0 v = m 1 } & x 2 / {z : z y 0 } v 2, y 0 v 2 Stat18(Stat18 ) false; Discharge Auto g 2 Stat3(Stat11 ) Stat19 : m g 2 Pm = {m} m 2 Stat19(Stat19 ) g 2 Pm 2 = {m 2 } -- Vedremo ora che m 1 m 2 è minimale in g 0, contro l assurda ipotesi con cui eravamo partiti. Cominciamo con l osservare che m 1 m 2 appartiene in effetti a g 0, dal momento che coincide con un elemento w 0 di g 0 che ha con x 0 l intersezione m 1 e con y 0 l intersezione m 2. (Stat12 )ELEM Stat20 : m 2 {y 0 v : v g 0 x 0 v = m 1 } w 0 Stat20(Stat20, Stat4 ) m 2 = y 0 w 0 & w 0 g 0 & x 0 w 0 = m 1 & g 0 P ( P(x 0 y 0 ) ) Use def (P) Stat21 : g 0 {y : y {z : z x 0 y 0 }} y 1 Stat21(Stat20 ) Stat22 : w 0 {z : z x 0 y 0 } z 1 Stat22(Stat20 ) w 0 = m 1 m 2 -- Poichè w 0 non è minimale in g 0, indichiamone con w 1 un sottoinsieme stretto che appartenga a g 0, per cui risulterà che o x 0 w 1 è sottoinsieme stretto di x 0 w 0 oppure y 0 w 1 lo è di y 0 w 0. w 0, w 0 T 1a (Stat20 ) w 0 g 0 Pw 0 w 0 Stat4(Stat22 ) Stat23 : g 0 Pw 0 {w 0 } Use def (Pw 0) Auto w 1 Stat23(Stat23 ) Stat24 : w 1 {y : y w 0 } & w 1 w 0 & w 1 g 0 y 2 Stat24(Stat20 ) w 1 w 0 & x 0 w 1 m 1 y 0 w 1 m 2 -- Consideriamo dapprima l eventualità che x 0 w 1 x 0 w 0. Facile vedere che un siffatto elemento, inficiando la minimalità di m 1 = x 0 w 0 in g 1, ci porterebbe a una contraddizione. Suppose x 0 w 1 m 1 Suppose x 0 w 1 / g 1 EQUAL Stat5 Stat25 : x 0 w 1 / {x 0 v : v g 0 } w 1 Stat25(Stat24, Stat24 ) false; Discharge Auto Use def (Pm 1) Auto (Stat11 )ELEM Stat26 : x 0 w 1 / {z : z m 1 } x 0 w 1 Stat26(Stat20 ) false; Discharge Stat27 : x 0 w 1 = m 1 & y 0 w 1 m 2

10 -- Consideriamo allora l eventualità che y 0 w 1 y 0 w 0 mentre x 0 w 1 = x 0 w 0. In questo caso verrebbe inficiata la minimalità di m 2 = y 0 w 0 in g 2 ; in questo caso la contraddizione non ha vie d uscita e ci fornisce la conclusione che stavamo cercando attraverso l argomento per assurdo. Suppose y 0 w 1 / g 2 EQUAL Stat12 Stat28 : y 0 w 1 / {y 0 v : v g 0 x 0 v = m 1 } w 1 Stat28(Stat24, Stat27 ) false; Discharge Auto Use def (Pm 2) Auto (Stat19 )ELEM Stat29 : y 0 w 1 / {z : z m 2 } y 0 w 1 Stat29(Stat20 ) false; Discharge Qed -- finitezza dei singoletti Theorem 25b. Finite({X}) & Finite( ). Proof: Suppose not(x 0) Auto {x 0}, T 25 Finite({x 0 }) Use def (Finite) Stat1 : g P(P {x 0 })\ { }, m g Pm = {m} g 0 Stat1 Stat2 : m g 0 Pm = {m} & g 0 P(P {x 0 })\ { } Use def (P) Stat3 : g 0 {y : y P {x 0 }} x 0 T 1b Auto y 0 Stat3(Stat2 ) Stat4 : g 0 & g 0 {, {x 0 }} Suppose g 0 Stat2(Stat3 ) false; Discharge g 0 = {{x 0 }} {x 0} Stat2(Stat3 ) false; Discharge Qed -- finitezza delle paia Theorem 25c. Z = {X, Y} Finite(Z). Proof: Suppose not(z 0, x 0, y 0) Auto x 0 T 25b Auto y 0 T 25b Auto {x 0}, {y 0} T 25a Finite({x 0 } {y 0 }) & {x 0 } {y 0 } = {x 0, y 0 } EQUAL false; Discharge Qed Theory finiteinduction ( s 0, P(S) ) Finite(s 0 ) & P(s 0 ) End finiteinduction Enter theory finiteinduction Theorem finiteinduction 1. m {s s 0 P(s)} Pm = {m}. Proof: Suppose not() Auto

11 Assump Finite(s 0 ) & P(s 0 ) Use def (Finite) Stat1 : g P(Ps 0 )\ { }, m g Pm = {m} {s s 0 P(s)} Stat1 {s s 0 P(s)} / P(Ps 0 )\ { } Suppose Stat2 : s 0 / {s s 0 P(s)} s 0 Stat2 false; Discharge {s s 0 P(s)} / P(Ps 0 ) Use def (P) Stat3 : {s s 0 P(s)} / {y : y {z : z s 0 }} {s s 0 P(s)} Stat3 Stat4 : {s s 0 P(s)} {z : z s 0 } s 1 Stat4 Stat5 : s 1 {s : s s 0 P(s)} & s 1 / {z : z s 0 } s, s 1 Stat5(Stat5 ) false; Discharge Qed APPLY v1 Θ : fin Θ Skolem Theorem finiteinduction 0. {s s 0 P(s)} Pfin Θ = {fin Θ }. -- insieme finito minimale soddisfacente P ( ) Theorem finiteinduction 2. S fin Θ s 0 S & Finite(S) & P(S) S = finθ. Proof: Suppose not(s 1) Auto T finiteinduction 0 {s s 0 P(s)} Pfin Θ = {fin Θ } ELEM Stat1 : fin Θ {s s 0 P(s)} Stat1 fin Θ s 0 & P(fin Θ ) Assump Finite(s 0 ) s 0, fin Θ T 25 Finite(fin Θ ) fin Θ, s 1 T 25 P(s 1 ) s 1 = fin Θ Suppose s 1 = fin Θ EQUAL false; Discharge s 1 / {s s 0 P(s)} Pfin Θ & P(s 1 ) Suppose s 1 / Pfin Θ Use def (P) Stat2 : s 1 / {y : y fin Θ } s 1 Stat2 false; Discharge Stat3 : s 1 / {s s 0 P(s)} s 1 Stat3 false; Discharge Qed Enter theory Set theory Display finiteinduction Theory finiteinduction ( s 0, P(S) ) Finite(s 0 ) & P(s 0 ) (fin Θ ) S S fin Θ Finite(S) & s 0 S & End finiteinduction ( P(S) S = finθ )

12 -- Illustriamo l utilità del principio d induzione finita or ora introdotto dimostrando che l unione di una famiglia finita d insiemi finiti è finita. In modo analogo, ma più semplice, si dimostrerà che gli aperti di uno spazio topologico sono chiusi rispetto all intersezione monadica di famiglie finite (visto che sono chiusi rispetto all intersezione diadica). -- l unione di una famiglia finita di insiemi finiti è finita Theorem 25d. Finite(F) Finite ( {v F Finite(v)} ). Proof: Suppose not(f 0) Auto ( APPLY fin Θ : f 1 finiteinduction s 0 f 0, P(S) Finite ( {v S Finite(v)} )) ( Stat1 : S S f 1 f 0 S & Finite(S) & Finite ( {v S Finite(v)} ) ) S = f 1 f 1 Stat1(Stat1 ) Finite(f 1 ) & Finite ( {v f 1 Finite(v)} ) Loc def a = arb(f 1 ) Suppose f 1 = ELEM {v Finite(v)} = EQUAL {v f 1 Finite(v)} = {v f 1 Finite(v)} T 3f {v f 1 Finite(v)} = T 25b Finite( ) EQUAL Stat1 false; Discharge Auto (Stat1)ELEM Stat2 : a f 1 Suppose Stat3 : {v f 1 Finite(v)} if Finite(a) then {a} else fi {v f 1 \ {a} Finite(v)} e Stat3(Stat3 ) e {v f 1 Finite(v)} e / if Finite(a) then {a} else fi {v f 1 \ {a} Finite(v)} Suppose Stat4 : e {v f 1 Finite(v)} Stat4(Stat3 ) Stat5 : e / {v f 1 \ {a} Finite(v)} & e f 1 & Finite(e) & e / if Finite(a) then {a} else fi e Stat5(Stat5 ) e = a & Finite(a) EQUAL false; Discharge Auto Suppose e if Finite(a) then {a} else fi (Stat3 )ELEM Stat6 : e / {v : v f 1 Finite(v)} & e = a & Finite(a) a Stat6(Stat6, Stat2 ) false; Discharge Auto Set monot {v f 1 Finite(v)} {v f 1 \ {a} Finite(v)} (Stat3 )Discharge Auto (Stat2 )ELEM {v f 1 Finite(v)} = if Finite(a) then {a} else fi {v f 1 \ {a} Finite(v)} if Finite(a) then {a} else fi, {v f 1\ {a} Finite(v)} T 3c Auto EQUAL Stat7 : Finite ( if Finite(a) then {a} else fi {v f 1 \ {a} Finite(v)} ) f 1\ {a} Stat1(Stat2, Stat2 ) Finite ( {v f 1 \ {a} Finite(v)} ) if Finite(a) then {a} else fi, {v f 1\ {a} Finite(v)} T 25a (Stat7 ) Finite ( if Finite(a) then {a} else fi ) Stat8 : a T 25b Finite( ) & Finite({a}) Suppose Finite(a) T 3f (Stat7 ) if Finite(a) then {a} else fi = & =

13 EQUAL Stat8 false; Discharge Auto,, a T 3a (Stat7 ) if Finite(a) then {a} else fi = {a} & {a} = a EQUAL Stat8 false; Discharge Qed Theory finiteimage ( s 0, f(x) ) Finite(s 0 ) End finiteimage Enter theory finiteimage Theorem finiteimage. Finite ( {f(x) : x s 0 } ). Proof: Suppose not() Auto -- Possiamo dimostrare l enunciato utilizzando l induzione finita. Supponendo per assurdo che s 0 abbia, tramite la funzione globale f(x), immagine infinita, prendiamo un s 1 finito e minimale rispetto all inclusione che abbia, del pari, immagine {f(x) : x s 1 } infinita. Si vede facilmente che s 1, per cui togliendo ad s 1 un elemento a, troviamo che {f(x) : x s 1 \ {a}} è finito per la supposta minimalità di s 1. Visto che l unione di due insiemi finiti è finita, avremo che {f(x) : x s 1 \ {a}} {f} (a) è finita e dunque differisce da {f(x) : x s 1 }. Assump Finite(s 0 ) ( APPLY fin Θ : s 1 finiteinduction s 0 s 0, P(S) Finite ( {f(x) : x S} )) ( Stat1 : S S s 1 Finite(S) & s 0 S & Finite ( {f(x) : x S} ) ) S = s 1 s 1 Stat1 Finite ( {f(x) : x s 1 } ) Loc def Stat0 : a = arb(s 1 ) f(a) T 25b Finite ( {f} (a) ) & Finite( ) Suppose s 1 = ELEM {f(x) : x } = EQUAL false; Discharge Auto (Stat0)ELEM Stat2 : s 1 \ {a} s 1 & s 1 \ {a} s 1 Suppose {f(x) : x s 1 } = {f(x) : x s 1 \ {a}} {f} (a) s 1\ {a} Stat1(Stat2 ) Finite ( {f(x) : x s 1 \ {a}} ) {f(x) : x s 1\ {a}}, {f} (a) T 25a (Stat1 ) Finite ( {f(x) : x s 1 \ {a}} {f} (a) ) EQUAL Stat1 false; Discharge Auto

14 -- Ma in realtà {f(x) : x s 1 \ {a}} {f} (a) ed {f(x) : x s 1 } sono uguali: in effetti a s 1 e dunque f(a) {f(x) : x s 1 }; inoltre, per monotonicità {f(x) : x s 1 \ {a}} {f(x) : x s 1 } ed infine... Set monot {f(x) : x s 1 \ {a}} {f(x) : x s 1 } Suppose Stat3 : f(a) / {f(x) : x s 1 } a Stat3(Stat2, Stat2 ) false; Discharge Stat4 : {f(x) : x s 1 } {f(x) : x s 1 \ {a}} {f} (a) è facile vedere che {f(x) : x s 1 } {f(x) : x s 1 \ {a}} {f} (a),... b Stat4(Stat4 ) Stat5 : b {f(x) : x s 1 } & b / {f(x) : x s 1 \ {a}} {f} (a) x 0 Stat5(Stat5 ) f(x 0 ) / {f(x) : x s 1 \ {a}} & x 0 s 1 & f(x 0 ) f(a) Suppose x 0 = a EQUAL Stat5 false; Discharge Stat6 : f(x 0 ) / {f(x) : x s 1 \ {a}} & x 0 a & x 0 s 1 x 0 Stat6(Stat6 ) false; - Discharge -- il che ci porta alla contraddizione cercata. Qed Enter theory Set theory -- Per dimostrare l esistenza di un insieme infinito introduciamo, a partire dall insieme predefinito s inf e da una correlata nozione prk di pseudo-rango, l insieme nats dei numeri naturali intesi alla von Neumann. -- una funzione globale che associa un naturale di von Neumann a qualunque insieme Def pseudorank. prk(x) = Def arb({prk(y) {prk} (y) : y X X = {y} & y s inf}) -- numeri naturali Def natural numbers. nats = Def {prk(x) : x s inf} -- esistenza di un insieme infinito Theorem Finite(nats). Proof: Suppose not() Auto Use def (Finite) Stat0 : g P(Pnats)\ { }, m g Pm = {m}

15 Loc def -- Se per assurda ipotesi nats fosse un insieme finito, ogni famiglia non vuota di suoi sottoinsiemi finiti avrebbe un elemento minimale. Ciò sarebbe vero in particolare per la famiglia g 0 = {nats\n : n nats}, poichè in effetti, come subito verificheremo, a tale famiglia appartiene nats ed è inoltre chiaro che tutti i suoi elementi sono sottoinsiemi di nats. Stat1 : g 0 = {nats\n : n nats} -- Richiamiamo che s inf, in base all assioma che riguarda questa costante; perciò risulta prk(arb(s inf)) = e dunque nats e dunque nats g 0. Suppose nats / g 0 EQUAL Stat2 : nats / {nats\n : n nats} Stat2(Stat2 ) / nats Use def (nats) Stat3 : / {prk(x) : x s inf} Assump s inf Use def (prk) prk(arb(s inf)) = arb({prk(y) {prk} (y) : y arb(s inf) arb(s inf) = {y} & y s inf}) arb(s inf ) Stat3(Stat3) Stat4 : {prk(y) {prk} (y) : y arb(s inf) arb(s inf) = {y} & y s inf} y 0 Stat4(Stat4) false; Discharge Auto Suppose g 0 / P(Pnats) Use def (P) Stat5 : g 0 / {x : x {y : y nats}} g 0 Stat5(Stat5 ) Stat6 : g 0 {y : y nats} s 0 Stat6(Stat1, Stat1 ) Stat7 : s 0 {nats\n : n nats} & s 0 / {y : y nats} n 1, nats\n 1 Stat7(Stat7 ) false; Discharge Auto g 0 Stat0(Stat1 ) Stat8 : m g 0 Pm = {m} m 0 Stat8(Stat1, Stat1 ) {nats\n : n nats} Pm 0 = {m 0 } (Stat8 )ELEM Stat9 : m 0 {nats\n : n nats} n 0 Stat9(Stat9 ) n 0 nats & m 0 = nats\n 0 Use def (nats) Stat10 : n 0 {prk(x) : x s inf} x 0 Stat10(Stat10 ) n 0 = prk(x 0 ) & x 0 s inf Assump Stat11 : x s inf {x} s inf x 0 Stat11(Stat10 ) {x 0 } s inf Suppose prk({x 0 }) / nats Use def (nats) Stat12 : prk({x 0 }) / {prk(x) : x s inf} {x 0} Stat12(Stat11 ) false; Discharge Auto Suppose Stat13 : prk({x 0 }) prk(x 0 ) {prk} (x 0 ) Use def (prk) prk({x 0 }) = arb({prk(y) {prk} (y) : y {x 0 } {x 0 } = {y} & y s inf}) (Stat13)ELEM Stat14 : {prk(x 0 ) {prk} (x 0 )} {prk(y) {prk} (y) : y {x 0 } {x 0 } = {y} & y s inf} Suppose Stat15 : prk(x 0 ) {prk} (x 0 ) / {prk(y) {prk} (y) : y {x 0 } {x 0 } = {y} & y s inf} x 0 Stat15(Stat10 ) false; Discharge Auto

16 c 0 Stat14(Stat14 ) Stat16 : c 0 {prk(y) {prk} (y) : y {x 0 } {x 0 } = {y} & y s inf} & c 0 prk(x 0 ) {prk} (x 0 ) y 1 Stat16(Stat10 ) x 0 = y 1 & prk(y 1 ) {prk} (y 1 ) prk(x 0 ) {prk} (x 0 ) EQUAL Stat16 false; Discharge Auto (Stat8 )ELEM Stat17 : prk({x 0 }) nats & {x 0 } s inf & nats\prk({x 0 }) m 0 & nats\prk({x 0 }) / {nats\n : n nats} Pm 0 Suppose nats\prk({x 0 }) / Pm 0 Use def (P) Stat18 : nats\prk({x 0 }) / {y : y m 0 } nats\prk({x 0}) Stat18(Stat17 ) false; Discharge Stat19 : nats\prk({x 0 }) / {nats\n : n nats} prk({x 0}) Stat19(Stat17 ) false; Discharge Qed -- esistenza di un insieme infinito, 2 Theorem Finite(s inf). Proof: Suppose not() Auto APPLY finiteimage ( s 0 s inf, f(x) prk(x) ) Finite ( {prk(x) : x s inf} ) T Finite(nats) Use def (nats) nats = {prk(x) : x s inf} EQUAL false; Discharge Qed -- In sede di prima verifica delle precedenti dimostrazioni sulla finitezza era stato impiegato il nome di predicato Fin del tutto sconosciuto a Ref, onde evitare possibili interferenze, nelle dimostrazioni, di meccanismi built-in. Aggirata in questo modo una questione metodologica, si poi tornati al nome consueto. Accenniamo un altro concetto importante correlato a quello di finitezza, la cui definizione è inevitabilmente ricorsiva: Una strada percorribile, per una definizione della finitezza ereditaria è la seguente: trcl(x) = Def X {trcl(y) : y X}, HFinite(H) = Def Finite ( trcl(h) ), Altra strada percorribile, che qui prescegliamo (senza tuttavia svilupparla), è la seguente: -- finitezza ereditaria Def HFin. HerFinite(X) Def Finite(X) & x X HerFinite(x) -- Theory of finite intersection closedness. Theory fic(ss) x, y {x, y} ss x y ss End fic Enter theory fic -- We will now derive the finite intersection closedness property from the doubleton intersection closedness property.

17 -- finite intersection closedness Theorem fic 1. F ss & Finite(F) & F ( (F) ss. Proof: Suppose not(f 1) f 1 ss & Finite(f 1 ) & f 1 ) & (f 1 ) / ss -- Arguing by contradiction, consider an inclusion minimal f 0 which violates the claim of this theorem. f 0 cannot be singleton, else { v arb(f 0 ) w f 0 v w } = arb(f 0 ) would belong to ss; but then, since { v arb(f0 ) w f 0 v w } { = arb(f 0 ) v arb(f0 \ {arb(f 0 )}) w f 0 \ {arb(f 0 )} v w } is the intersection of two sets in ss, it must belong to ss by an assumption of the present THEORY, which leads to a contradiction. ELEM Finite(f 1 ) -- Use def (Fin) Finite (f1) ELEM (f 1 ) / ss ( APPLY fin Θ : f 0 finiteinduction s 0 f 1, P(S) ( (S) / ss & S )) ( ) Stat1 : S S f 0 f 1 S & Finite(S) & (S) / ss & S S = f0 ( ) f 0 Stat1 f 1 f 0 & Finite(f 0 ) & (f0 ) / ss & f 0 f 0 = f 0 ELEM (f 0 ) / ss Suppose f 0 = {arb(f 0 )} Use def ( { ) v arb(f 0 ) w f 0 v w } / ss Suppose Stat2 : { v arb(f 0 ) w f 0 v w } arb(f 0 ) v 0 Stat2 v 0 / arb(f 0 ) & Stat3 : v 0 { v arb(f 0 ) w f 0 v w } Stat3 false; Discharge Stat4 : arb(f 0 ) { v arb(f 0 ) w f 0 v w } v 1 Stat4 v 1 arb(f 0 ) & Stat5 : v 1 / { v arb(f 0 ) w f 0 v w } v 1 Stat5 Stat6 : w f 0 v 1 w w 0 Stat6 w 0 f 0 & v 1 / w 0 ELEM w 0 = arb(f 0 ) ELEM false; - Discharge Stat7 : f 0 {arb(f 0 )}

18 f 0 T 23b (f 0 ) = arb(f 0 ) (f 0 \ {arb(f 0 )}) Assump Stat8 : x, y {x, y} ss x y ss -- ELEM (f0-{arb (f0)}) = f0 f 0\ {arb(f 0)} Stat1(Stat7) (f 0 \ {arb(f 0 )}) ss f 0 Stat1 f 1 f 0 ELEM {arb(f 0 ), (f 0 \ {arb(f 0 )})} ss arb(f 0), (f 0\ {arb(f 0)}) Stat8 ELEM (f 0 ) ss ELEM false; - Discharge Qed arb(f 0 ) (f 0 \ {arb(f 0 )}) ss -- weaker formulation of doubleton intersection closedness Theorem fic 2. x ss, y ss, u x y, z ss u z & z x y. Proof: Suppose not Stat1 : x ss, y ss, u x y, z ss u z & z x y x 0, y 0, u 0 Stat1 Stat2 : z ss u 0 z & z x 0 y 0 & x 0, y 0 ss & u 0 x 0 y 0 Assump Stat3 : x, y {x, y} ss x y ss x 0, y 0 Stat3(Stat2 ) x 0 y 0 ss x 0 y 0 Stat2 false; Discharge Qed Enter theory Set theory Display fic Theory fic(ss) x, y {x, y} ss x y ss f f ss & Finite(f) & f (f) ss x ss, y ss, u x y, z ss u z & z x y End fic -- Specialized variant of the preceding theory on finite intersection closedness, for the case when the given family of sets is known to be closed under unionset formation. Theory ficu(open) {x open x / open} = x open, y open, u x y, z open u z & z x y End ficu

19 Enter theory ficu -- We will attain the finite intersection closedness property through the doubleton intersection closedness property. -- doubleton intersection closedness Theorem ficu 1. {X, Y} open X Y open. Proof: Suppose not(x 0, y 0) Auto -- It plainly holds that x 0 y 0 = {z : z open, u x 0 y 0 u z & z x 0 y 0 }, because the right-hand side of this equality is the unionset of subsets of the left-hand side and, on the other hand, for each u 0 x 0 y 0, the set {z : z open u 0 z & z x 0 y 0 } is included in the right hand side and has u 0 as a member. Suppose x 0 y 0 {z : z open, u x 0 y 0 u z & z x 0 y 0 } x 0 y 0, {z : z open, u x 0 y 0 u z & z x 0 y 0} T 3 ( ) Stat1 : x {z : z open, u x 0 y 0 u z & z x 0 y 0 } x x 0 y 0 x 1 Stat1(Stat1 ) Stat2 : x 1 {z : z open, u x 0 y 0 u z & z x 0 y 0 } & x 0 y 0 x 1 z, u Stat2(Stat2 ) false; Discharge Auto Suppose Stat3 : x 0 y 0 {z : z open, u x 0 y 0 u z & z x 0 y 0 } Use def ( {z : z open, u x 0 y 0 u z & z x 0 y 0}) Auto u 0 Stat3(Stat3 ) Stat4 : u 0 / {u : z {z : z open, u x 0 y 0 u z & z x 0 y 0 }, u z } & u 0 x 0 y 0 Assump Stat5 : x open, y open, u x y, z open u z & z x y x 0, y 0, u 0 Stat5 Stat6 : z open u 0 z & z x 0 y 0 z 0 Stat6(Stat6 ) z 0 open & u 0 z 0 & z 0 x 0 y 0 z 0, u 0 Stat4(Stat6 ) Stat7 : z 0 / {z : z open, u x 0 y 0 u z & z x 0 y 0 } z 0, u 0 Stat7(Stat6 ) false; Discharge Stat8 : {z : z open, u x 0 y 0 u z & z x 0 y 0 } / open Assump Stat9 : {x open x / open} = {z : z open, u x 0 y 0 u z & z x 0 y 0} Stat9(Stat8 ) Stat10 : {z : z open, u x 0 y 0 u z & z x 0 y 0 } open z 1 Stat10(Stat10 ) Stat11 : z 1 {z : z open, u x 0 y 0 u z & z x 0 y 0 } & z 1 / open z 2, u 2 Stat11(Stat11 ) false; Discharge Qed -- At this point, finite intersection closedness follows by straightforward application of the THEORY fic. APPLY fic(ss open)

20 -- finite intersection closedness Theorem ficu 2. f f open & Finite(f) & f (f) open. Enter theory Set theory Display ficu Theory ficu(open) {x open x / open} = x open, y open, u x y, z open u z & z x y x, y {x, y} open x y open f f open & Finite(f) & f (f) open End ficu -- Nozioni basilari sulle mappe, intese semplicemente come insiemi di coppie, sulle funzioni e sulle biiezioni. -- Map range Def maps 4. range(x) = Def { x [2] : x X } -- Map Def maps 5. Is map(x) Def p X p = [ p [1], p [2]] -- Single-valued map predicate Def maps 6. Svm(X) Def Is map(x) & p X, q X p [1] = q [1] p = q -- One-one map predicate Def maps 7. One 1 map(x) Def Svm(X) & p X, q X p [2] = q [2] p = q -- Restrictions of one-one maps are one-one Theorem 58. One 1 map(f) One 1 map(f S ). Proof: Suppose not(f, s) Stat0 : One 1 map(f) & One 1 map(f s ) Use def ( One 1 map(f) ) Auto Use def ( Svm(f) ) Auto Use def ( Is map(f) ) Auto EQUAL Stat1 : x f x = [ x [1], x [2]] & x f, y f x [1] = y [1] x = y & x f, y f x [2] = y [2] x = y Use def ( ) Stat2 : f s = { p f p [1] s } { Set monot p f p [1] s } {p f true} (Stat0 )ELEM Stat3 : f s f & One 1 map(f s ) Suppose x f s x = [ x [1], x [2]] (Stat1 )ELEM Stat4 : x f s x = [ x [1], x [2]] & x f x = [ x [1], x [2]]

Proof. Dimostrazione per assurdo. Consideriamo l insieme complementare di P nell insieme

Proof. Dimostrazione per assurdo. Consideriamo l insieme complementare di P nell insieme G Pareschi Principio di induzione Il Principio di Induzione (che dovreste anche avere incontrato nel Corso di Analisi I) consente di dimostrare Proposizioni il cui enunciato è in funzione di un numero

Dettagli

G. Pareschi ALGEBRE DI BOOLE. 1. Algebre di Boole

G. Pareschi ALGEBRE DI BOOLE. 1. Algebre di Boole G. Pareschi ALGEBRE DI BOOLE 1. Algebre di Boole Nel file precedente abbiamo incontrato la definizione di algebra di Boole come reticolo: un algebra di Boole e un reticolo limitato, complementato e distributivo.

Dettagli

10. Insiemi non misurabili secondo Lebesgue.

10. Insiemi non misurabili secondo Lebesgue. 10. Insiemi non misurabili secondo Lebesgue. Lo scopo principale di questo capitolo è quello di far vedere che esistono sottoinsiemi di R h che non sono misurabili secondo Lebesgue. La costruzione di insiemi

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

3 GRAFICI DI FUNZIONI

3 GRAFICI DI FUNZIONI 3 GRAFICI DI FUNZIONI Particolari sottoinsiemi di R che noi studieremo sono i grafici di funzioni. Il grafico di una funzione f (se non è specificato il dominio di definizione) è dato da {(x, y) : x dom

Dettagli

19. Inclusioni tra spazi L p.

19. Inclusioni tra spazi L p. 19. Inclusioni tra spazi L p. Nel n. 15.1 abbiamo provato (Teorema 15.1.1) che, se la misura µ è finita, allora tra i corispondenti spazi L p (µ) si hanno le seguenti inclusioni: ( ) p, r ]0, + [ : p

Dettagli

A i è un aperto in E. i=1

A i è un aperto in E. i=1 Proposizione 1. A è aperto se e solo se A c è chiuso. Dimostrazione. = : se x o A c, allora x o A = A o e quindi esiste r > 0 tale che B(x o, r) A; allora x o non può essere di accumulazione per A c. Dunque

Dettagli

1. PRIME PROPRIETÀ 2

1. PRIME PROPRIETÀ 2 RELAZIONI 1. Prime proprietà Il significato comune del concetto di relazione è facilmente intuibile: due elementi sono in relazione se c è un legame tra loro descritto da una certa proprietà; ad esempio,

Dettagli

Sulla monotonia delle funzioni reali di una variabile reale

Sulla monotonia delle funzioni reali di una variabile reale Liceo G. B. Vico - Napoli Sulla monotonia delle funzioni reali di una variabile reale Prof. Giuseppe Caputo Premetto due teoremi come prerequisiti necessari per la comprensione di quanto verrà esposto

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

Il principio di induzione e i numeri naturali.

Il principio di induzione e i numeri naturali. Il principio di induzione e i numeri naturali. Il principio di induzione è un potente strumento di dimostrazione, al quale si ricorre ogni volta che si debba dimostrare una proprietà in un numero infinito

Dettagli

Per lo svolgimento del corso risulta particolarmente utile considerare l insieme

Per lo svolgimento del corso risulta particolarmente utile considerare l insieme 1. L insieme R. Per lo svolgimento del corso risulta particolarmente utile considerare l insieme R = R {, + }, detto anche retta reale estesa, che si ottiene aggiungendo all insieme dei numeri reali R

Dettagli

LE SUCCESSIONI 1. COS E UNA SUCCESSIONE

LE SUCCESSIONI 1. COS E UNA SUCCESSIONE LE SUCCESSIONI 1. COS E UNA SUCCESSIONE La sequenza costituisce un esempio di SUCCESSIONE. Ecco un altro esempio di successione: Una successione è dunque una sequenza infinita di numeri reali (ma potrebbe

Dettagli

Teoria degli insiemi

Teoria degli insiemi Teoria degli insiemi pag 1 Easy Matematica di dolfo Scimone Teoria degli insiemi Il concetto di insieme si assume come primitivo, cioè non riconducibile a concetti precedentemente definiti. Sinonimi di

Dettagli

ESERCIZI SVOLTI. 1) Dimostrare che l insieme. non è ricorsivo. Soluzione: Definiamo l insieme

ESERCIZI SVOLTI. 1) Dimostrare che l insieme. non è ricorsivo. Soluzione: Definiamo l insieme ESERCIZI SVOLTI 1) Dimostrare che l insieme Allora notiamo che π non è vuoto perché la funzione ovunque divergente appartiene all insieme avendo per dominio l insieme. Inoltre π non coincide con l insieme

Dettagli

f(x) = 1 x. Il dominio di questa funzione è il sottoinsieme proprio di R dato da

f(x) = 1 x. Il dominio di questa funzione è il sottoinsieme proprio di R dato da Data una funzione reale f di variabile reale x, definita su un sottoinsieme proprio D f di R (con questo voglio dire che il dominio di f è un sottoinsieme di R che non coincide con tutto R), ci si chiede

Dettagli

Esercizio 1 Dato il gioco ({1, 2, 3}, v) con v funzione caratteristica tale che:

Esercizio 1 Dato il gioco ({1, 2, 3}, v) con v funzione caratteristica tale che: Teoria dei Giochi, Trento, 2004/05 c Fioravante Patrone 1 Teoria dei Giochi Corso di laurea specialistica: Decisioni economiche, impresa e responsabilità sociale, A.A. 2004/05 Soluzioni degli esercizi

Dettagli

Esercizi Capitolo 6 - Alberi binari di ricerca

Esercizi Capitolo 6 - Alberi binari di ricerca Esercizi Capitolo 6 - Alberi binari di ricerca Alberto Montresor 23 settembre 200 Alcuni degli esercizi che seguono sono associati alle rispettive soluzioni. Se il vostro lettore PDF lo consente, è possibile

Dettagli

1 Applicazioni Lineari tra Spazi Vettoriali

1 Applicazioni Lineari tra Spazi Vettoriali 1 Applicazioni Lineari tra Spazi Vettoriali Definizione 1 (Applicazioni lineari) Si chiama applicazione lineare una applicazione tra uno spazio vettoriale ed uno spazio vettoriale sul campo tale che "!$%!

Dettagli

Matematica generale CTF

Matematica generale CTF Equazioni differenziali 9 dicembre 2015 Si chiamano equazioni differenziali quelle equazioni le cui incognite non sono variabili reali ma funzioni di una o più variabili. Le equazioni differenziali possono

Dettagli

APPLICAZIONI LINEARI

APPLICAZIONI LINEARI APPLICAZIONI LINEARI 1. Esercizi Esercizio 1. Date le seguenti applicazioni lineari (1) f : R 2 R 3 definita da f(x, y) = (x 2y, x + y, x + y); (2) g : R 3 R 2 definita da g(x, y, z) = (x + y, x y); (3)

Dettagli

Teoria dei Giochi. Anna Torre

Teoria dei Giochi. Anna Torre Teoria dei Giochi Anna Torre Almo Collegio Borromeo 26 marzo 2015 email: anna.torre@unipv.it sito web del corso:www-dimat.unipv.it/atorre/borromeo2015.html COOPERAZIONE Esempio: strategie correlate e problema

Dettagli

risulta (x) = 1 se x < 0.

risulta (x) = 1 se x < 0. Questo file si pone come obiettivo quello di mostrarvi come lo studio di una funzione reale di una variabile reale, nella cui espressione compare un qualche valore assoluto, possa essere svolto senza necessariamente

Dettagli

Ottimizazione vincolata

Ottimizazione vincolata Ottimizazione vincolata Ricordiamo alcuni risultati provati nella scheda sulla Teoria di Dini per una funzione F : R N+M R M di classe C 1 con (x 0, y 0 ) F 1 (a), a = (a 1,, a M ), punto in cui vale l

Dettagli

Applicazioni lineari

Applicazioni lineari Applicazioni lineari Esempi di applicazioni lineari Definizione. Se V e W sono spazi vettoriali, una applicazione lineare è una funzione f: V W tale che, per ogni v, w V e per ogni a, b R si abbia f(av

Dettagli

Parte 6. Applicazioni lineari

Parte 6. Applicazioni lineari Parte 6 Applicazioni lineari A Savo Appunti del Corso di Geometria 203-4 Indice delle sezioni Applicazioni fra insiemi, 2 Applicazioni lineari tra spazi vettoriali, 2 3 Applicazioni lineari da R n a R

Dettagli

Matematica generale CTF

Matematica generale CTF Successioni numeriche 19 agosto 2015 Definizione di successione Monotonìa e limitatezza Forme indeterminate Successioni infinitesime Comportamento asintotico Criterio del rapporto per le successioni Definizione

Dettagli

1 Giochi a due, con informazione perfetta e somma zero

1 Giochi a due, con informazione perfetta e somma zero 1 Giochi a due, con informazione perfetta e somma zero Nel gioco del Nim, se semplificato all estremo, ci sono due giocatori I, II e una pila di 6 pedine identiche In ogni turno di gioco I rimuove una

Dettagli

ESERCIZI DI ALGEBRA LINEARE E GEOMETRIA

ESERCIZI DI ALGEBRA LINEARE E GEOMETRIA ESERCIZI DI ALGEBRA LINEARE E GEOMETRIA Francesco Bottacin Padova, 24 febbraio 2012 Capitolo 1 Algebra Lineare 1.1 Spazi e sottospazi vettoriali Esercizio 1.1. Sia U il sottospazio di R 4 generato dai

Dettagli

Dimensione di uno Spazio vettoriale

Dimensione di uno Spazio vettoriale Capitolo 4 Dimensione di uno Spazio vettoriale 4.1 Introduzione Dedichiamo questo capitolo ad un concetto fondamentale in algebra lineare: la dimensione di uno spazio vettoriale. Daremo una definizione

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

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

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

APPLICAZIONI LINEARI

APPLICAZIONI LINEARI APPLICAZIONI LINEARI Esercizi Esercizio 1. Sia f: R 3 R 2 (x, y, z) (x + 2y + z, y + z). (1) Verificare che f è lineare. (2) Determinare una base di ker(f) e stabilire se f è iniettiva. (3) Calcolare w

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

FUNZIONI ELEMENTARI - ESERCIZI SVOLTI

FUNZIONI ELEMENTARI - ESERCIZI SVOLTI FUNZIONI ELEMENTARI - ESERCIZI SVOLTI 1) Determinare il dominio delle seguenti funzioni di variabile reale: (a) f(x) = x 4 (c) f(x) = 4 x x + (b) f(x) = log( x + x) (d) f(x) = 1 4 x 5 x + 6 ) Data la funzione

Dettagli

Funzione reale di variabile reale

Funzione reale di variabile reale Funzione reale di variabile reale Siano A e B due sottoinsiemi non vuoti di. Si chiama funzione reale di variabile reale, di A in B, una qualsiasi legge che faccia corrispondere, a ogni elemento A x A

Dettagli

La curva grafico della funzione, partendo dal punto A(a,f(a)), si snoda con continuità, senza interruzioni, fino ad approdare nel punto B(b,f(b)).

La curva grafico della funzione, partendo dal punto A(a,f(a)), si snoda con continuità, senza interruzioni, fino ad approdare nel punto B(b,f(b)). Calcolo differenziale Il teorema di Rolle TEOREMA DI ROLLE Ipotesi f continua su [a, b] f derivabile per lo meno su (a,b) f(a) = f(b) Tesi Esiste almeno un punto c in (a, b) tale che Giustificazione con

Dettagli

Proposta di soluzione della prova di matematica Liceo scientifico di Ordinamento - 2014

Proposta di soluzione della prova di matematica Liceo scientifico di Ordinamento - 2014 Proposta di soluzione della prova di matematica Liceo scientifico di Ordinamento - 14 Problema 1 Punto a) Osserviamo che g (x) = f(x) e pertanto g () = f() = in quanto Γ è tangente all asse delle ascisse,

Dettagli

Lezione 1. Gli Insiemi. La nozione di insieme viene spesso utilizzata nella vita di tutti i giorni; si parla dell insieme:

Lezione 1. Gli Insiemi. La nozione di insieme viene spesso utilizzata nella vita di tutti i giorni; si parla dell insieme: Lezione 1 Gli Insiemi La nozione di insieme viene spesso utilizzata nella vita di tutti i giorni; si parla dell insieme: degli iscritti ad un corso di laurea delle stelle in cielo dei punti di un piano

Dettagli

Lezioni di Matematica 1 - I modulo

Lezioni di Matematica 1 - I modulo Lezioni di Matematica 1 - I modulo Luciano Battaia 16 ottobre 2008 Luciano Battaia - http://www.batmath.it Matematica 1 - I modulo. Lezione del 16/10/2008 1 / 13 L introduzione dei numeri reali si può

Dettagli

FUNZIONE ESPONENZIALE E FUNZIONE LOGARITMICA

FUNZIONE ESPONENZIALE E FUNZIONE LOGARITMICA FUNZIONE ESPONENZIALE E FUNZIONE LOGARITMICA DEFINIZIONE: Dato un numero reale a che sia a > 0 e a si definisce funzione esponenziale f(x) = a x la relazione che ad ogni valore di x associa uno e un solo

Dettagli

la funzione è definita la funzione non è definita Si osservi, infatti, che la radice di un numero negativo non esiste nel campo dei numeri reali.

la funzione è definita la funzione non è definita Si osservi, infatti, che la radice di un numero negativo non esiste nel campo dei numeri reali. 1 y 4 CAMPO DI ESISTENZA. Poiché data è una irrazionale con indice di radice pari, il cui radicando è un polinomio, essa risulta definita solo per i valori della per i quali il radicando è positivo, ovvero

Dettagli

Corrispondenze e funzioni

Corrispondenze e funzioni Corrispondenze e funzioni L attività fondamentale della mente umana consiste nello stabilire corrispondenze e relazioni tra oggetti; è anche per questo motivo che il concetto di corrispondenza è uno dei

Dettagli

Matematica 1 - Corso di Laurea in Ingegneria Meccanica

Matematica 1 - Corso di Laurea in Ingegneria Meccanica Matematica 1 - Corso di Laurea in Ingegneria Meccanica Esercitazione su massimi e minimi vincolati 9 dicembre 005 Esercizio 1. Considerare l insieme C = {(x,y) R : (x + y ) = x } e dire se è una curva

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

Iniziamo con un esercizio sul massimo comun divisore: Esercizio 1. Sia d = G.C.D.(a, b), allora:

Iniziamo con un esercizio sul massimo comun divisore: Esercizio 1. Sia d = G.C.D.(a, b), allora: Iniziamo con un esercizio sul massimo comun divisore: Esercizio 1. Sia d = G.C.D.(a, b), allora: G.C.D.( a d, b d ) = 1 Sono state introdotte a lezione due definizioni importanti che ricordiamo: Definizione

Dettagli

Per studio di funzione intendiamo un insieme di procedure che hanno lo scopo di analizzare le proprietà di una funzione f ( x) R R

Per studio di funzione intendiamo un insieme di procedure che hanno lo scopo di analizzare le proprietà di una funzione f ( x) R R Studio di funzione Per studio di funzione intendiamo un insieme di procedure che hanno lo scopo di analizzare le proprietà di una funzione f ( x) R R : allo scopo di determinarne le caratteristiche principali.

Dettagli

APPUNTI DI MATEMATICA LE FRAZIONI ALGEBRICHE ALESSANDRO BOCCONI

APPUNTI DI MATEMATICA LE FRAZIONI ALGEBRICHE ALESSANDRO BOCCONI APPUNTI DI MATEMATICA LE FRAZIONI ALGEBRICHE ALESSANDRO BOCCONI Indice 1 Le frazioni algebriche 1.1 Il minimo comune multiplo e il Massimo Comun Divisore fra polinomi........ 1. Le frazioni algebriche....................................

Dettagli

Lezione 6. Divisibilità e divisori. Teorema di divisione euclidea. Algoritmo delle divisioni successive.

Lezione 6. Divisibilità e divisori. Teorema di divisione euclidea. Algoritmo delle divisioni successive. Lezione 6 Prerequisiti: L'insieme dei numeri interi. Lezione 5. Divisibilità e divisori. Teorema di divisione euclidea. Algoritmo delle divisioni successive. Questa è la prima lezione dedicata all'anello

Dettagli

L espressione torna invece sempre vera (quindi la soluzione originale) se cambiamo contemporaneamente il verso: 1 < 0.

L espressione torna invece sempre vera (quindi la soluzione originale) se cambiamo contemporaneamente il verso: 1 < 0. EQUAZIONI E DISEQUAZIONI Le uguaglianze fra espressioni numeriche si chiamano equazioni. Cercare le soluzioni dell equazione vuol dire cercare quelle combinazioni delle lettere che vi compaiono che la

Dettagli

Semantica Assiomatica

Semantica Assiomatica Semantica Assiomatica Anche nella semantica assiomatica, così come in quella operazionale, il significato associato ad un comando C viene definito specificando la transizione tra stati (a partire, cioè,

Dettagli

2.1 Definizione di applicazione lineare. Siano V e W due spazi vettoriali su R. Un applicazione

2.1 Definizione di applicazione lineare. Siano V e W due spazi vettoriali su R. Un applicazione Capitolo 2 MATRICI Fra tutte le applicazioni su uno spazio vettoriale interessa esaminare quelle che mantengono la struttura di spazio vettoriale e che, per questo, vengono dette lineari La loro importanza

Dettagli

LEZIONE 23. Esempio 23.1.3. Si consideri la matrice (si veda l Esempio 22.2.5) A = 1 2 2 3 3 0

LEZIONE 23. Esempio 23.1.3. Si consideri la matrice (si veda l Esempio 22.2.5) A = 1 2 2 3 3 0 LEZIONE 23 231 Diagonalizzazione di matrici Abbiamo visto nella precedente lezione che, in generale, non è immediato che, data una matrice A k n,n con k = R, C, esista sempre una base costituita da suoi

Dettagli

Esercizi sull Association Analysis

Esercizi sull Association Analysis Data Mining: Esercizi sull Association Analysis 1 Esercizi sull Association Analysis 1. Si consideri il mining di association rule da un dataset T di transazioni, rispetto a delle soglie minsup e minconf.

Dettagli

4. Operazioni binarie, gruppi e campi.

4. Operazioni binarie, gruppi e campi. 1 4. Operazioni binarie, gruppi e campi. 4.1 Definizione. Diremo - operazione binaria ovunque definita in A B a valori in C ogni funzione f : A B C - operazione binaria ovunque definita in A a valori in

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

Esistenza di funzioni continue non differenziabili in alcun punto

Esistenza di funzioni continue non differenziabili in alcun punto UNIVERSITÀ DEGLI STUDI DI CAGLIARI FACOLTÀ DI SCIENZE MATEMATICHE, FISICHE E NATURALI CORSO DI LAUREA IN MATEMATICA Esistenza di funzioni continue non differenziabili in alcun punto Relatore Prof. Andrea

Dettagli

Teoria dei Giochi. Anna Torre

Teoria dei Giochi. Anna Torre Teoria dei Giochi Anna Torre Almo Collegio Borromeo 9 marzo 2010 email: anna.torre@unipv.it sito web del corso:www-dimat.unipv.it/atorre/borromeo2010.html TEOREMI DI ESISTENZA TEOREMI DI ESISTENZA Teorema

Dettagli

LEZIONE 16. Proposizione 16.1.2. Siano V e W spazi vettoriali su k = R, C. Se f: V W

LEZIONE 16. Proposizione 16.1.2. Siano V e W spazi vettoriali su k = R, C. Se f: V W LEZIONE 16 16.1. Applicazioni lineari iniettive e suriettive. Ricordo le seguenti due definizioni valide per applicazioni di qualsiasi tipo ϕ: X Y fra due insiemi. L applicazione ϕ si dice iniettiva se

Dettagli

Sui concetti di definizione, teorema e dimostrazione in didattica della matematica

Sui concetti di definizione, teorema e dimostrazione in didattica della matematica Liceo Scientifico Statale P. Paleocapa, Rovigo XX Settimana della Cultura Scientifica e Tecnologica 19 marzo 2010 Sui concetti di definizione, teorema e dimostrazione in didattica della matematica Prof.

Dettagli

5. La teoria astratta della misura.

5. La teoria astratta della misura. 5. La teoria astratta della misura. 5.1. σ-algebre. 5.1.1. σ-algebre e loro proprietà. Sia Ω un insieme non vuoto. Indichiamo con P(Ω la famiglia di tutti i sottoinsiemi di Ω. Inoltre, per ogni insieme

Dettagli

FUNZIONI / ESERCIZI SVOLTI

FUNZIONI / ESERCIZI SVOLTI ANALISI MATEMATICA I - A.A. 0/0 FUNZIONI / ESERCIZI SVOLTI ESERCIZIO. Data la funzione f () = determinare l insieme f (( +)). Svolgimento. Poiché f (( +)) = { dom f : f () ( +)} = { dom f : f () > } si

Dettagli

2 Progetto e realizzazione di funzioni ricorsive

2 Progetto e realizzazione di funzioni ricorsive 2 Progetto e realizzazione di funzioni ricorsive Il procedimento costruttivo dato dal teorema di ricorsione suggerisce due fatti importanti. Una buona definizione ricorsiva deve essere tale da garantire

Dettagli

VC-dimension: Esempio

VC-dimension: Esempio VC-dimension: Esempio Quale è la VC-dimension di. y b = 0 f() = 1 f() = 1 iperpiano 20? VC-dimension: Esempio Quale è la VC-dimension di? banale. Vediamo cosa succede con 2 punti: 21 VC-dimension: Esempio

Dettagli

La teoria dei vantaggi comparati. La teoria dei vantaggi comparati

La teoria dei vantaggi comparati. La teoria dei vantaggi comparati La teoria dei vantaggi comparati La teoria dei vantaggi comparati fu elaborata dall economista inglese David Ricardo (1772-1823) nella sua opera principale: On the Principles of Political Economy and Taxation

Dettagli

ALGEBRA I: CARDINALITÀ DI INSIEMI

ALGEBRA I: CARDINALITÀ DI INSIEMI ALGEBRA I: CARDINALITÀ DI INSIEMI 1. CONFRONTO DI CARDINALITÀ E chiaro a tutti che esistono insiemi finiti cioè con un numero finito di elementi) ed insiemi infiniti. E anche chiaro che ogni insieme infinito

Dettagli

1 Insiemi e terminologia

1 Insiemi e terminologia 1 Insiemi e terminologia Assumeremo come intuitiva la nozione di insieme e ne utilizzeremo il linguaggio come strumento per studiare collezioni di oggetti. Gli Insiemi sono generalmente indicati con le

Dettagli

11) convenzioni sulla rappresentazione grafica delle soluzioni

11) convenzioni sulla rappresentazione grafica delle soluzioni 2 PARAGRAFI TRATTATI 1)La funzione esponenziale 2) grafici della funzione esponenziale 3) proprietá delle potenze 4) i logaritmi 5) grafici della funzione logaritmica 6) principali proprietá dei logaritmi

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

CONVESSITÀ NELLA GEOMETRIA DEL TAXI DI MINKOWSKI

CONVESSITÀ NELLA GEOMETRIA DEL TAXI DI MINKOWSKI CONVESSITÀ NELLA GEOMETRIA DEL TAXI DI MINKOWSKI ELISABETTA AVIZZANO NICOLETTA CAPOTORTO CHIARA CEROCCHI GIORGIO CICCARELLA IVAN COLAVITA EMANUELE DI CARO SERENA NUNZIATA AMANDA PISELLI ANDREA PIEPOLI

Dettagli

Prodotto libero di gruppi

Prodotto libero di gruppi Prodotto libero di gruppi 24 aprile 2014 Siano (A 1, +) e (A 2, +) gruppi abeliani. Sul prodotto cartesiano A 1 A 2 definiamo l operazione (x 1, y 1 ) + (x 2, y 2 ) := (x 1 + x 2, y 1 + y 2 ). Provvisto

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

LEZIONE 7. Esercizio 7.1. Quale delle seguenti funzioni è decrescente in ( 3, 0) e ha derivata prima in 3 che vale 0? x 3 3 + x2. 2, x3 +2x +3.

LEZIONE 7. Esercizio 7.1. Quale delle seguenti funzioni è decrescente in ( 3, 0) e ha derivata prima in 3 che vale 0? x 3 3 + x2. 2, x3 +2x +3. 7 LEZIONE 7 Esercizio 7.1. Quale delle seguenti funzioni è decrescente in ( 3, 0) e ha derivata prima in 3 che vale 0? x 3 3 + x2 2 6x, x3 +2x 2 6x, 3x + x2 2, x3 +2x +3. Le derivate sono rispettivamente,

Dettagli

Analisi dei Dati 12/13 Esercizi proposti 3 soluzioni

Analisi dei Dati 12/13 Esercizi proposti 3 soluzioni Analisi dei Dati 1/13 Esercizi proposti 3 soluzioni 0.1 Un urna contiene 6 palline rosse e 8 palline nere. Si estraggono simultaneamente due palline. Qual è la probabilità di estrarle entrambe rosse? (6

Dettagli

Algebra di Boole. Le operazioni, nell algebra booleana sono basate su questi tre operatori: AND ( ), OR ( + ),NOT ( )

Algebra di Boole. Le operazioni, nell algebra booleana sono basate su questi tre operatori: AND ( ), OR ( + ),NOT ( ) Algebra di Boole L algebra di Boole prende il nome da George Boole, matematico inglese (1815-1864), che pubblicò un libro nel 1854, nel quale vennero formulati i principi dell'algebra oggi conosciuta sotto

Dettagli

Comparatori. Comparatori di uguaglianza

Comparatori. Comparatori di uguaglianza Comparatori Scopo di un circuito comparatore é il confronto tra due codifiche binarie. Il confronto può essere effettuato per verificare l'uguaglianza oppure una relazione d'ordine del tipo "maggiore",

Dettagli

ESERCIZI APPLICAZIONI LINEARI

ESERCIZI APPLICAZIONI LINEARI ESERCIZI APPLICAZIONI LINEARI PAOLO FACCIN 1. Esercizi sulle applicazioni lineari 1.1. Definizioni sulle applicazioni lineari. Siano V, e W spazi vettoriali, con rispettive basi B V := (v 1 v n) e B W

Dettagli

TX Figura 1: collegamento tra due antenne nello spazio libero.

TX Figura 1: collegamento tra due antenne nello spazio libero. Collegamenti Supponiamo di avere due antenne, una trasmittente X e una ricevente X e consideriamo il collegamento tra queste due antenne distanti X X Figura : collegamento tra due antenne nello spazio

Dettagli

Note del corso di Calcolabilità e Linguaggi Formali - Lezione 6

Note del corso di Calcolabilità e Linguaggi Formali - Lezione 6 Note del corso di Calcolabilità e Linguaggi Formali - Lezione 6 Alberto Carraro 30 novembre DAIS, Universitá Ca Foscari Venezia http://www.dsi.unive.it/~acarraro 1 Funzioni Turing-calcolabili Finora abbiamo

Dettagli

Esercizi Capitolo 2 - Analisi di Algoritmi

Esercizi Capitolo 2 - Analisi di Algoritmi Esercizi Capitolo - Analisi di Algoritmi Alberto Montresor 19 Agosto, 014 Alcuni degli esercizi che seguono sono associati alle rispettive soluzioni. Se il vostro lettore PDF lo consente, è possibile saltare

Dettagli

CONTINUITÀ E DERIVABILITÀ Esercizi risolti

CONTINUITÀ E DERIVABILITÀ Esercizi risolti CONTINUITÀ E DERIVABILITÀ Esercizi risolti. Determinare kπ/ [cos] al variare di k in Z. Ove tale ite non esista, discutere l esistenza dei iti laterali. Identificare i punti di discontinuità della funzione

Dettagli

Esercizi svolti. 1. Si consideri la funzione f(x) = 4 x 2. a) Verificare che la funzione F(x) = x 2 4 x2 + 2 arcsin x è una primitiva di

Esercizi svolti. 1. Si consideri la funzione f(x) = 4 x 2. a) Verificare che la funzione F(x) = x 2 4 x2 + 2 arcsin x è una primitiva di Esercizi svolti. Si consideri la funzione f() 4. a) Verificare che la funzione F() 4 + arcsin è una primitiva di f() sull intervallo (, ). b) Verificare che la funzione G() 4 + arcsin π è la primitiva

Dettagli

Alberi auto-aggiustanti

Alberi auto-aggiustanti Alberi auto-aggiustanti Dispensa didattica per il corso di Algoritmi e Strutture Dati a.a. 2007/2008 ver. 1.3 Ing. Claudio Mazzariello, Prof. Carlo Sansone 27 Maggio 2008 A differenza di altre possibili

Dettagli

Applicazioni del calcolo differenziale allo studio delle funzioni

Applicazioni del calcolo differenziale allo studio delle funzioni Capitolo 9 9.1 Crescenza e decrescenza in piccolo; massimi e minimi relativi Sia y = f(x) una funzione definita nell intervallo A; su di essa non facciamo, per ora, alcuna particolare ipotesi (né di continuità,

Dettagli

Politecnico di Milano. Facoltà di Ingegneria Industriale. Corso di Analisi e Geometria 2. Sezione D-G. (Docente: Federico Lastaria).

Politecnico di Milano. Facoltà di Ingegneria Industriale. Corso di Analisi e Geometria 2. Sezione D-G. (Docente: Federico Lastaria). Politecnico di Milano. Facoltà di Ingegneria Industriale. Corso di Analisi e Geometria 2. Sezione D-G. (Docente: Federico Lastaria). Aprile 20 Indice Serie numeriche. Serie convergenti, divergenti, indeterminate.....................

Dettagli

LEZIONE 31. B i : R n R. R m,n, x = (x 1,..., x n ). Allora sappiamo che è definita. j=1. a i,j x j.

LEZIONE 31. B i : R n R. R m,n, x = (x 1,..., x n ). Allora sappiamo che è definita. j=1. a i,j x j. LEZIONE 31 31.1. Domini di funzioni di più variabili. Sia ora U R n e consideriamo una funzione f: U R m. Una tale funzione associa a x = (x 1,..., x n ) U un elemento f(x 1,..., x n ) R m : tale elemento

Dettagli

Lezione 9: Cambio di base

Lezione 9: Cambio di base Lezione 9: Cambio di base In questa lezione vogliamo affrontare uno degli argomenti piu ostici per lo studente e cioè il cambio di base all interno di uno spazio vettoriale, inoltre cercheremo di capire

Dettagli

0 < a < 1 a > 1. In entrambi i casi la funzione y = log a (x) si può studiare per punti e constatare che essa presenta i seguenti andamenti y

0 < a < 1 a > 1. In entrambi i casi la funzione y = log a (x) si può studiare per punti e constatare che essa presenta i seguenti andamenti y INTRODUZIONE Osserviamo, in primo luogo, che le funzioni logaritmiche sono della forma y = log a () con a costante positiva diversa da (il caso a = è banale per cui non sarà oggetto del nostro studio).

Dettagli

1. Limite finito di una funzione in un punto

1. Limite finito di una funzione in un punto . Limite finito di una funzione in un punto Consideriamo la funzione: f ( ) = il cui dominio risulta essere R {}, e quindi il valore di f ( ) non è calcolabile in =. Quest affermazione tuttavia non esaurisce

Dettagli

Operazioni sui database

Operazioni sui database Operazioni sui database Le operazioni nel modello relazionale sono essenzialmente di due tipi: Operazioni di modifica della base di dati (update) Interrogazioni della base di dati per il recupero delle

Dettagli

CRITERI DI CONVERGENZA PER LE SERIE. lim a n = 0. (1) s n+1 = s n + a n+1. (2) CRITERI PER LE SERIE A TERMINI NON NEGATIVI

CRITERI DI CONVERGENZA PER LE SERIE. lim a n = 0. (1) s n+1 = s n + a n+1. (2) CRITERI PER LE SERIE A TERMINI NON NEGATIVI Il criterio più semplice è il seguente. CRITERI DI CONVERGENZA PER LE SERIE Teorema(condizione necessaria per la convergenza). Sia a 0, a 1, a 2,... una successione di numeri reali. Se la serie a k è convergente,

Dettagli

Esponenziali elogaritmi

Esponenziali elogaritmi Esponenziali elogaritmi Potenze ad esponente reale Ricordiamo che per un qualsiasi numero razionale m n prendere n>0) si pone a m n = n a m (in cui si può sempre a patto che a sia un numero reale positivo.

Dettagli

Corso di Sistemi di Gestione di Basi di Dati. Esercitazione sul controllo di concorrenza 12/02/2004

Corso di Sistemi di Gestione di Basi di Dati. Esercitazione sul controllo di concorrenza 12/02/2004 Corso di Sistemi di Gestione di Basi di Dati Esercitazione sul controllo di concorrenza 12/02/2004 Dott.ssa Antonella Poggi Dipartimento di Informatica e Sistemistica Antonio Ruberti Università di Roma

Dettagli

Verifica parte IIA. Test (o analisi dinamica) Mancanza di continuità. Esempio

Verifica parte IIA. Test (o analisi dinamica) Mancanza di continuità. Esempio Test (o analisi dinamica) Verifica parte IIA Rif. Ghezzi et al. 6.3-6.3.3 Consiste nell osservare il comportamento del sistema in un certo numero di condizioni significative Non può (in generale) essere

Dettagli

Esercizi di Macroeconomia per il corso di Economia Politica

Esercizi di Macroeconomia per il corso di Economia Politica Esercizi di Macroeconomia per il corso di Economia Politica (Gli esercizi sono suddivisi in base ai capitoli del testo di De Vincenti) CAPITOLO 3. IL MERCATO DEI BENI NEL MODELLO REDDITO-SPESA Esercizio.

Dettagli

Algebra di Boole e reti logiche. Giovedì 8 ottobre 2015

Algebra di Boole e reti logiche. Giovedì 8 ottobre 2015 Algebra di Boole e reti logiche Giovedì 8 ottobre 2015 Punto della situazione Abbiamo visto le varie rappresentazioni dei numeri in binario e in altre basi e la loro aritmetica Adesso vedremo la logica

Dettagli

MATEMATICA DEL DISCRETO elementi di teoria dei grafi. anno acc. 2009/2010

MATEMATICA DEL DISCRETO elementi di teoria dei grafi. anno acc. 2009/2010 elementi di teoria dei grafi anno acc. 2009/2010 Grafi semplici Un grafo semplice G è una coppia ordinata (V(G), L(G)), ove V(G) è un insieme finito e non vuoto di elementi detti vertici o nodi di G, mentre

Dettagli

Prova di Laboratorio di Programmazione

Prova di Laboratorio di Programmazione Prova di Laboratorio di Programmazione 6 febbraio 015 ATTENZIONE: Non è possibile usare le classi del package prog.io del libro di testo. Oltre ai metodi richiesti in ciascuna classe, è opportuno implementare

Dettagli