{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

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

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

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

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

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

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

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

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

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

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

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

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

Algoritmi e strutture di dati 2

Algoritmi e strutture di dati 2 Algoritmi e strutture di dati 2 Paola Vocca Lezione 2: Tecniche golose (greedy) Lezione1- Divide et impera 1 Progettazione di algoritmi greedy Tecniche di dimostrazione (progettazione) o Greedy algorithms

Dettagli

ALCUNE APPLICAZIONI DEL CALCOLO DIFFERENZIALE

ALCUNE APPLICAZIONI DEL CALCOLO DIFFERENZIALE ALCUNE APPLICAZIONI DEL CALCOLO DIFFERENZIALE Sia I un intervallo di R e siano a = inf(i) R { } e b = sup(i) R {+ }; i punti di I diversi dagli estremi a e b, ( e quindi appartenenti all intervallo aperto

Dettagli

Sezione 1 / Section 1. Elementi d identità: il marchio Elements of identity: the logo

Sezione 1 / Section 1. Elementi d identità: il marchio Elements of identity: the logo Sezione 1 / Section 1 2 Elementi d identità: il marchio Elements of identity: the logo Elements of identity: the logo Indice 2.01 Elementi d identità 2.02 Versioni declinabili 2.03 Versioni A e A1, a colori

Dettagli

Appunti di Complementi di Matematica. Jacobo Pejsachowicz (a cura di Nathan Quadrio)

Appunti di Complementi di Matematica. Jacobo Pejsachowicz (a cura di Nathan Quadrio) Appunti di Complementi di Matematica Jacobo Pejsachowicz (a cura di Nathan Quadrio) 1 Indice 1 Cenni della teoria degli insiemi 4 1.1 Classi ed insiemi........................... 4 1.2 Operazioni fra gli

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

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

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

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

G. Pareschi GENERALITÀ SULLE FUNZIONI. CARDINALITÀ

G. Pareschi GENERALITÀ SULLE FUNZIONI. CARDINALITÀ G. Pareschi GENERALITÀ SULLE FUNZIONI. CARDINALITÀ 1. Definizione di funzione Definizione 1.1. Siano X e Y due insiemi. Una funzione f da X a Y è un sottoinsieme del prodotto cartesiano: f X Y, tale che

Dettagli

Alcune nozioni preliminari di teoria elementare di insiemi e funzioni

Alcune nozioni preliminari di teoria elementare di insiemi e funzioni Alcune nozioni preliminari di teoria elementare di insiemi e funzioni Alberto Pinto Corso di Matematica - NUCT 1 Insiemi 1.1 Generalità Diamo la definizione di insieme secondo Georg Cantor, matematico

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

TOPOLOGIA ALBERTO SARACCO

TOPOLOGIA ALBERTO SARACCO TOPOLOGIA ALBERTO SARACCO Abstract. Le presenti note saranno il più fedeli possibile a quanto detto a lezione. I testi consigliati sono Jänich [1], Kosniowski [2] e Singer- Thorpe [3]. Un ottimo libro

Dettagli

I numeri reali. Note per il corso di Analisi Matematica 1. G. Mauceri. a.a. 2003-04

I numeri reali. Note per il corso di Analisi Matematica 1. G. Mauceri. a.a. 2003-04 I numeri reali Note per il corso di Analisi Matematica 1 G. Mauceri a.a. 2003-04 2 I numeri reali Contents 1 Introduzione 3 2 Gli assiomi di campo 3 3 Gli assiomi dell ordine 4 4 Valore assoluto 5 5 I

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

1. Intorni di un punto. Punti di accumulazione.

1. Intorni di un punto. Punti di accumulazione. 1. Intorni di un punto. Punti di accumulazione. 1.1. Intorni circolari. Assumiamo come distanza di due numeri reali x e y il numero non negativo x y (che, come sappiamo, esprime la distanza tra i punti

Dettagli

TNCguide OEM Informativa sull introduzione di documentazione aggiuntiva nella TNCguide

TNCguide OEM Informativa sull introduzione di documentazione aggiuntiva nella TNCguide Newsletter Application 4/2007 OEM Informativa sull introduzione di documentazione aggiuntiva nella APPLICABILITÀ: CONTROLLO NUMERICO itnc 530 DA VERSIONE SOFTWARE 340 49x-03 REQUISITI HARDWARE: MC 420

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

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

U Corso di italiano, Lezione Dodici

U Corso di italiano, Lezione Dodici 1 U Corso di italiano, Lezione Dodici U Al telefono M On the phone U Al telefono D Pronto, Hotel Roma, buongiorno. F Hello, Hotel Roma, Good morning D Pronto, Hotel Roma, buongiorno. U Pronto, buongiorno,

Dettagli

Insiemi con un operazione

Insiemi con un operazione Capitolo 3 Insiemi con un operazione 3.1 Gruppoidi, semigruppi, monoidi Definizione 309 Un operazione binaria su un insieme G è una funzione: f : G G G Quindi, un operazione binaria f su un insieme G è

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

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

Probabilità e bridge. Michele Impedovo

Probabilità e bridge. Michele Impedovo Probabilità e bridge Michele Impedovo Riassunto Nel gioco del bridge è di fondamentale importanza prevedere come sono distribuite le carte di un certo seme tra i due avversari. Questo articolo propone

Dettagli

REGISTRATION GUIDE TO RESHELL SOFTWARE

REGISTRATION GUIDE TO RESHELL SOFTWARE REGISTRATION GUIDE TO RESHELL SOFTWARE INDEX: 1. GENERAL INFORMATION 2. REGISTRATION GUIDE 1. GENERAL INFORMATION This guide contains the correct procedure for entering the software page http://software.roenest.com/

Dettagli

Introduzione a Matlab

Introduzione a Matlab Introduzione a Matlab Ruggero Donida Labati Dipartimento di Tecnologie dell Informazione via Bramante 65, 26013 Crema (CR), Italy ruggero.donida@unimi.it Perché? MATLAB is a high-level technical computing

Dettagli

User Guide Guglielmo SmartClient

User Guide Guglielmo SmartClient User Guide Guglielmo SmartClient User Guide - Guglielmo SmartClient Version: 1.0 Guglielmo All rights reserved. All trademarks and logos referenced herein belong to their respective companies. -2- 1. Introduction

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

APPUNTI DEL CORSO DI ANALISI MATEMATICA 1

APPUNTI DEL CORSO DI ANALISI MATEMATICA 1 APPUNTI DEL CORSO DI ANALISI MATEMATICA 1 Gino Tironi Stesura provvisoria del 24 settembre, 2007. ii Indice 1 Insiemi e logica 1 1.1 Preliminari......................................... 1 1.2 Cenni di

Dettagli

Esercizi di Algoritmi e Strutture Dati

Esercizi di Algoritmi e Strutture Dati Esercizi di Algoritmi e Strutture Dati Moreno Marzolla marzolla@cs.unibo.it 18 marzo 2011 Problema basato su 10.5 del libro di testo La CINA (Compagnia Italiana per il Noleggio di Automobili) dispone di

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

Integrali di Riemann e di Cauchy

Integrali di Riemann e di Cauchy Integrali di Riemann e di Cauchy Gianni Gilardi Pavia, 14 novembre 1997 L integrale nell ambito delle teorie di Riemann e di Cauchy, fra loro equivalenti, può essere introdotto in vari modi e queste pagine

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

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

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 CMPIONE Edizioni del Quadrifoglio à t i n U 1 Insiemi La teoria degli

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

Definizione DEFINIZIONE

Definizione DEFINIZIONE Definizione Funzione reale di due variabili reali Indichiamo con R 2 l insieme di tutti i vettori bidimensionali. Dato un sottoinsiemed R 2, una funzione f: D R è una legge che assegna a ogni punto (x,

Dettagli

Capitolo 7: Domanda con il reddito in forma di moneta

Capitolo 7: Domanda con il reddito in forma di moneta Capitolo 7: Domanda con il reddito in forma di moneta 7.1: Introduzione L unica differenza tra questo capitolo e il precedente consiste nella definizione del reddito individuale. Assumiamo, infatti, che

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

Utilizzo I mintermini si usano quando si considererà la funzione di uscita Q come Somma di Prodotti (S. P.) ossia OR di AND.

Utilizzo I mintermini si usano quando si considererà la funzione di uscita Q come Somma di Prodotti (S. P.) ossia OR di AND. IPSI G. Plana Via Parenzo 46, Torino efinizione di Mintermine onsiderata una qualunque riga della tabella di verità in cui la funzione booleana di uscita Q vale, si definisce mintermine il prodotto logico

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

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

d) Età e) Codice Fiscale Fiscal Code

d) Età e) Codice Fiscale Fiscal Code PRIMA DI RISPONDERE A UNA QUALUNQUE DI QUESTE DOMANDE, LEGGETE ATTENTAMENTE LA DICHIARAZIONE IN CALCE ALLA PROPOSTA CHE SIETE TENUTI A FIRMARE. RISPONDERE IN MODO ESAURIENTE A TUTTE LE DOMANDE. BEFORE

Dettagli

By E.M. note sull'uso di GAMBAS

By E.M. note sull'uso di GAMBAS By E.M. note sull'uso di GAMBAS GAMBAS viene installato sotto Xubuntu nella directory: /usr/share/gambas2 link problema su uso dell'esempio SerialPort http://gambasrad.org/zforum/view_topic?topic_id=1057

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

Prolog: aritmetica e ricorsione

Prolog: aritmetica e ricorsione Capitolo 13 Prolog: aritmetica e ricorsione Slide: Aritmetica e ricorsione 13.1 Operatori aritmetici In logica non vi è alcun meccanismo per la valutazione di funzioni, che è fondamentale in un linguaggio

Dettagli

I tipi di dato astratti

I tipi di dato astratti I tipi di dato astratti.0 I tipi di dato astratti c Diego Calvanese Fondamenti di Informatica Corso di Laurea in Ingegneria Elettronica A.A. 001/00.0 0 I tipi di dato astratti La nozione di tipo di dato

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

Due dimostrazioni alternative nella teoria di Ramsey

Due dimostrazioni alternative nella teoria di Ramsey Due dimostrazioni alternative nella teoria di Ramsey 28 Marzo 2007 Introduzione Teoria di Ramsey: sezione della matematica a metà tra la combinatoria e la teoria degli insiemi. La questione tipica è quella

Dettagli

Estendere Lean e Operational Excellence a tutta la Supply Chain

Estendere Lean e Operational Excellence a tutta la Supply Chain Estendere Lean e Operational Excellence a tutta la Supply Chain Prof. Alberto Portioli Staudacher www.lean-excellence.it Dipartimento Ing. Gestionale Politecnico di Milano alberto.portioli@polimi.it Lean

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

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

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

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

Note di matematica per microeconomia

Note di matematica per microeconomia Note di matematica per microeconomia Luigi Balletta Funzioni di una variabile (richiami) Una funzione di variabile reale ha come insieme di partenza un sottoinsieme di R e come insieme di arrivo un sottoinsieme

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

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

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

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

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

CONFIGURATION MANUAL

CONFIGURATION MANUAL RELAY PROTOCOL CONFIGURATION TYPE CONFIGURATION MANUAL Copyright 2010 Data 18.06.2013 Rev. 1 Pag. 1 of 15 1. ENG General connection information for the IEC 61850 board 3 2. ENG Steps to retrieve and connect

Dettagli

16.3.1 Alberi binari di ricerca

16.3.1 Alberi binari di ricerca 442 CAPITOLO 16. STRUTTURE DI DATI DINAMICHE root 7 5 11 2 8 13 10 Figura 16.11 Esempio di albero binario: ogni nodo contiene il dato da immagazzinare e tre puntatori che definiscono le sue relazioni di

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

16. Vari modi di convergenza delle successioni di funzioni reali misurabili.

16. Vari modi di convergenza delle successioni di funzioni reali misurabili. 16. Vari modi di convergenza delle successioni di funzioni reali misurabili. L argomento centrale di questa ultima parte del corso è lo studio in generale della convergenza delle successioni negli spazi

Dettagli

DUE PROPOSTE ANALISI MATEMATICA. Lorenzo Orio

DUE PROPOSTE ANALISI MATEMATICA. Lorenzo Orio DUE PROPOSTE DI ANALISI MATEMATICA Lorenzo Orio Introduzione Il lavoro propone argomenti di analisi matematica trattati in maniera tale da privilegiare l intuizione e con accorgimenti nuovi. Il tratta

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

Nessuna perdita di tempo

Nessuna perdita di tempo Océ TCS500 Nessuna perdita di tempo Sistema per la stampa, la copia e l acquisizione Grande Formato a colori Pronto per ogni lavoro: Sempre il risultato corretto estremamente produttivo Eccellente produttività

Dettagli

1. I limiti delle funzioni.

1. I limiti delle funzioni. 1. I iti delle funzioni. 1.1. Considerazioni introduttive. La nozione di ite di una funzione reale di variabile reale costituisce una naturale generalizzazione della nozione di ite di una successione.

Dettagli

INFORMAZIONE AGLI UTENTI DI APPARECCHIATURE DOMESTICHE O PROFESSIONALI

INFORMAZIONE AGLI UTENTI DI APPARECCHIATURE DOMESTICHE O PROFESSIONALI INFORMAZIONE AGLI UTENTI DI APPARECCHIATURE DOMESTICHE O PROFESSIONALI Ai sensi dell art. 13 del Decreto Legislativo 25 luglio 2005, n. 151 "Attuazione delle Direttive 2002/95/CE, 2002/96/CE e 2003/108/CE,

Dettagli

Il BACKUP è disponibile in http://www.dbgroup.unimo.it/sia/esercizio_21_novembre_2013/esercizio_21_novembre_2013.bak

Il BACKUP è disponibile in http://www.dbgroup.unimo.it/sia/esercizio_21_novembre_2013/esercizio_21_novembre_2013.bak ESEMPIO DELLE VENDITE: MISURE ED AGGREGABILITA E l esempio discusso nelle dispense è Dispense : http://www.dbgroup.unimo.it/sia/sia_2014_progettazionediundw_misure.pdf esteso e dettagliato. Il BACKUP è

Dettagli

Aggiornamento dispositivo di firma digitale

Aggiornamento dispositivo di firma digitale Aggiornamento dispositivo di firma digitale Updating digital signature device Questo documento ha il compito di descrivere, passo per passo, il processo di aggiornamento manuale del dispositivo di firma

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

Società per la Biblioteca Circolante Programma Inglese Potenziato

Società per la Biblioteca Circolante Programma Inglese Potenziato Società per la Biblioteca Circolante Programma Inglese Potenziato STRUTTURE GRAMMATICALI VOCABOLI FUNZIONI COMUNICATIVE Presente del verbo be: tutte le forme Pronomi Personali Soggetto: tutte le forme

Dettagli

Serie numeriche. 1 Definizioni e proprietà elementari

Serie numeriche. 1 Definizioni e proprietà elementari Serie numeriche Definizioni e proprietà elementari Sia { } una successione, definita per ogni numero naturale n n. Per ogni n n, consideriamo la somma s n degli elementi della successione di posto d s

Dettagli

C. Borelli - C. Invernizzi

C. Borelli - C. Invernizzi Rend. Sem. Mat. Univ. Pol. Torino Vol. 57, 3 (999) C. Borelli - C. Invernizzi SULLA STABILITÀ DELL EQUAZIONE FUNZIONALE DEI POLINOMI Sommario. In this paper we obtain some stability results generalizing

Dettagli

TOPOLOGIE. Capitolo 2. 2.1 Spazi topologici

TOPOLOGIE. Capitolo 2. 2.1 Spazi topologici Capitolo 2 TOPOLOGIE Ogni spazio che si considera in gran parte della matematica e delle sue applicazioni è uno spazio topologico di qualche tipo: qui introduciamo in generale le nozioni di base della

Dettagli

CUTPOINTS BRIDGES BLOCKS BLOCK GRAPHS - CUTPOINT GRAPHS

CUTPOINTS BRIDGES BLOCKS BLOCK GRAPHS - CUTPOINT GRAPHS CUTPOINTS BRIDGES BLOCKS BLOCK GRAPHS - CUTPOINT GRAPHS INTRODUZIONE Per conoscere la struttura di un grafo connesso è importante individuare nel grafo la distribuzione di certi punti detti cutpoints (punti

Dettagli

LA SACRA BIBBIA: OSSIA L'ANTICO E IL NUOVO TESTAMENTO VERSIONE RIVEDUTA BY GIOVANNI LUZZI

LA SACRA BIBBIA: OSSIA L'ANTICO E IL NUOVO TESTAMENTO VERSIONE RIVEDUTA BY GIOVANNI LUZZI Read Online and Download Ebook LA SACRA BIBBIA: OSSIA L'ANTICO E IL NUOVO TESTAMENTO VERSIONE RIVEDUTA BY GIOVANNI LUZZI DOWNLOAD EBOOK : LA SACRA BIBBIA: OSSIA L'ANTICO E IL NUOVO Click link bellow and

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

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

APPUNTI DI MATEMATICA LE DISEQUAZIONI NON LINEARI

APPUNTI DI MATEMATICA LE DISEQUAZIONI NON LINEARI APPUNTI DI MATEMATICA LE DISEQUAZIONI NON LINEARI Le disequazioni fratte Le disequazioni di secondo grado I sistemi di disequazioni Alessandro Bocconi Indice 1 Le disequazioni non lineari 2 1.1 Introduzione.........................................

Dettagli

portfolio www.zero3studio.it info@zero3studio.it

portfolio www.zero3studio.it info@zero3studio.it portfolio www.zero3studio.it info@zero3studio.it comunicazione visiva, progettazione grafica e sviluppo web visual communication, graphic design and web development www.zero3studio.it info@zero3studio.it

Dettagli

Smobilizzo pro-soluto di Lettere di Credito Import

Smobilizzo pro-soluto di Lettere di Credito Import definizione L operazione presuppone l emissione di una lettera di credito IMPORT in favore dell esportatore estero, con termine di pagamento differito (es. 180 gg dalla data di spedizione con documenti

Dettagli

Esercitazioni in Maple

Esercitazioni in Maple Esercitazioni in Maple 6 giugno 2007 Capitolo 1 Prima esercitazione 1.1 Anelli di polinomi Per cominciare bisogna dichiarare un anello di polinomi. Possiamo lavorare con un qualsiasi anello di tipo dove

Dettagli

DNV BUSINESS ASSURANCE

DNV BUSINESS ASSURANCE DNV BUSINESS ASSURANCE CERTIFICATO CE DI TIPO EC TYPE-EXAMINATION CERTIFICATE Certificato No. / Certificate No. 2666-2013-CE-ITA-ACCREDIA Questo certificato è di 5 pagine / This certificate consists of

Dettagli

100 mm - 107,5 mm PCB Width: 3.937 in - 4.232 in (100 mm - 107.5 mm)

100 mm - 107,5 mm PCB Width: 3.937 in - 4.232 in (100 mm - 107.5 mm) STC107 STC107 Larghezza Scheda: Tipo Supporto: Colore Standard: Spessore Scheda: 100 mm - 107,5 mm PCB Width: 3.937 in - 4.232 in (100 mm - 107.5 mm) ESTRUSO Type of Support: EXTRUDED VERDE Standard Color:

Dettagli