{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]]

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

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

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

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

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

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

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

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

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

ALGEBRA I: NUMERI INTERI, DIVISIBILITÀ E IL TEOREMA FONDAMENTALE DELL ARITMETICA

ALGEBRA I: NUMERI INTERI, DIVISIBILITÀ E IL TEOREMA FONDAMENTALE DELL ARITMETICA ALGEBRA I: NUMERI INTERI, DIVISIBILITÀ E IL TEOREMA FONDAMENTALE DELL ARITMETICA 1. RICHIAMI SULLE PROPRIETÀ DEI NUMERI NATURALI Ho mostrato in un altra dispensa come ricavare a partire dagli assiomi di

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

Appunti di Logica Matematica

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

Dettagli

e-spare Parts User Manual Peg Perego Service Site Peg Perego [Dicembre 2011]

e-spare Parts User Manual Peg Perego Service Site Peg Perego [Dicembre 2011] Peg Perego Service Site Peg Perego [Dicembre 2011] 2 Esegui il login: ecco la nuova Home page per il portale servizi. Log in: welcome to the new Peg Perego Service site. Scegli il servizio selezionando

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

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

Lo Spettro primo di un anello. Carmelo Antonio Finocchiaro

Lo Spettro primo di un anello. Carmelo Antonio Finocchiaro Lo Spettro primo di un anello Carmelo Antonio Finocchiaro 2 Indice 1 Lo spettro primo di un anello: introduzione 5 1.1 Le regole del gioco................................ 5 1.2 Prime definizioni e risultati

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

Data Alignment and (Geo)Referencing (sometimes Registration process)

Data Alignment and (Geo)Referencing (sometimes Registration process) Data Alignment and (Geo)Referencing (sometimes Registration process) All data aquired from a scan position are refered to an intrinsic reference system (even if more than one scan has been performed) Data

Dettagli

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

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

Dettagli

4 Quarta lezione: Spazi di Banach e funzionali lineari. Spazio duale

4 Quarta lezione: Spazi di Banach e funzionali lineari. Spazio duale 4 Quarta lezione: Spazi di Banach e funzionali lineari. Spazio duale Spazi Metrici Ricordiamo che uno spazio metrico è una coppia (X, d) dove X è un insieme e d : X X [0, + [ è una funzione, detta metrica,

Dettagli

OGNI SPAZIO VETTORIALE HA BASE

OGNI SPAZIO VETTORIALE HA BASE 1 Mimmo Arezzo OGNI SPAZIO VETTORIALE HA BASE CONVERSAZIONE CON ALCUNI STUDENTI DI FISICA 19 DICEMBRE 2006 2 1 Preliminari Definizione 1.0.1 Un ordinamento parziale (o una relazione d ordine parziale)

Dettagli

Programmazione Funzionale

Programmazione Funzionale Programmazione Funzionale LP imperativi: apparenza simile modello di progettazione = macchina fisica Famiglia dei LP imperativi = progressivo miglioramento del FORTRAN Obiezione: pesante aderenza dei LP

Dettagli

Gi-Gi Art. 859 - User's Guide Istruzioni d'uso

Gi-Gi Art. 859 - User's Guide Istruzioni d'uso doc.4.12-06/03 Gi-Gi Art. 859 - User's Guide Istruzioni d'uso A belaying plate that can be used in many different conditions Una piastrina d'assicurazione che può essere utilizzata in condizioni diverse.

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

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

Informazioni su questo libro

Informazioni su questo libro Informazioni su questo libro Si tratta della copia digitale di un libro che per generazioni è stato conservata negli scaffali di una biblioteca prima di essere digitalizzato da Google nell ambito del progetto

Dettagli

Il test valuta la capacità di pensare?

Il test valuta la capacità di pensare? Il test valuta la capacità di pensare? Per favore compili il seguente questionario senza farsi aiutare da altri. Cognome e Nome Data di Nascita / / Quanti anni scolastici ha frequentato? Maschio Femmina

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

IL TEOREMA FONDAMENTALE DELL ARITMETICA: FATTORIZZAZIONE IN NUMERI PRIMI.

IL TEOREMA FONDAMENTALE DELL ARITMETICA: FATTORIZZAZIONE IN NUMERI PRIMI. IL TEOREMA FONDAMENTALE DELL ARITMETICA: FATTORIZZAZIONE IN NUMERI PRIMI. PH. ELLIA Indice Introduzione 1 1. Divisori di un numero. 2 2. Numeri primi: definizioni. 4 2.1. Fare la lista dei numeri primi.

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

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

Logica fuzzy e calcolo delle probabilità: due facce della stessa medaglia?

Logica fuzzy e calcolo delle probabilità: due facce della stessa medaglia? Logica fuzzy e calcolo delle probabilità: due facce della stessa medaglia? Danilo Pelusi 1 Gianpiero Centorame 2 Sunto: Il seguente articolo illustra le possibili analogie e differenze tra il calcolo delle

Dettagli

Numeri reali. Funzioni e loro grafici

Numeri reali. Funzioni e loro grafici Argomento Numeri reali. Funzioni e loro grafici Parte B - Funzioni e loro grafici Funzioni reali di variabile reale Definizioni. Supponiamo che A sia un sottoinsieme di R e che esista una legge che ad

Dettagli

Esercizio di Sincronizzazione tra Processi: Ponte a Senso Unico Alternato con Capacità Limitata

Esercizio di Sincronizzazione tra Processi: Ponte a Senso Unico Alternato con Capacità Limitata Esercizio di Sincronizzazione tra Processi: Ponte a Senso Unico Alternato con Capacità Limitata Supponiamo sempre di avere un ponte stretto che permette il passaggio delle auto solo in un verso per volta,

Dettagli

Virtualizzazione con Microsoft Tecnologie e Licensing

Virtualizzazione con Microsoft Tecnologie e Licensing Microsoft Virtualizzazione con Microsoft Tecnologie e Licensing Profile Redirezione dei documenti Offline files Server Presentation Management Desktop Windows Vista Enterprise Centralized Desktop Application

Dettagli

2 Formulazione dello shortest path come problema di flusso

2 Formulazione dello shortest path come problema di flusso Strumenti della Teoria dei Giochi per l Informatica A.A. 2009/10 Lecture 20: 28 Maggio 2010 Cycle Monotonicity Docente: Vincenzo Auletta Note redatte da: Annibale Panichella Abstract In questa lezione

Dettagli

Limiti e continuità di funzioni reali di una variabile

Limiti e continuità di funzioni reali di una variabile di funzioni reali di una variabile Corso di Analisi Matematica - capitolo VI Facoltà di Economia, UER Maria Caterina Bramati Université Libre de Bruxelles ECARES 22 Novembre 2006 Intuizione di ite di funzione

Dettagli

RETTE, PIANI, SFERE, CIRCONFERENZE

RETTE, PIANI, SFERE, CIRCONFERENZE RETTE, PIANI, SFERE, CIRCONFERENZE 1. Esercizi Esercizio 1. Dati i punti A(1, 0, 1) e B(, 1, 1) trovare (1) la loro distanza; () il punto medio del segmento AB; (3) la retta AB sia in forma parametrica,

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

ESERCIZI. x + 3 x 2 1. a) y = 4x2 + 3x 2x + 2 ; b) y = 6x2 x 1. (x + 2) 2 c) y =

ESERCIZI. x + 3 x 2 1. a) y = 4x2 + 3x 2x + 2 ; b) y = 6x2 x 1. (x + 2) 2 c) y = ESERCIZI Testi (1) Un urna contiene 20 palline di cui 8 rosse 3 bianche e 9 nere; calcolare la probabilità che: (a) tutte e tre siano rosse; (b) tutte e tre bianche; (c) 2 rosse e una nera; (d) almeno

Dettagli

Indice generale. Modulo 1 Algebra 2

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

Dettagli

1. Scopo dell esperienza.

1. Scopo dell esperienza. 1. Scopo dell esperienza. Lo scopo di questa esperienza è ricavare la misura di tre resistenze il 4 cui ordine di grandezza varia tra i 10 e 10 Ohm utilizzando il metodo olt- Amperometrico. Tale misura

Dettagli

ALGEBRA: LEZIONI DAL 13 OTTOBRE AL 3 NOVEMBRE

ALGEBRA: LEZIONI DAL 13 OTTOBRE AL 3 NOVEMBRE ALGEBRA: LEZIONI DAL 13 OTTOBRE AL 3 NOVEMBRE 1 DIPENDENZA E INDIPENDENZA LINEARE Se ho alcuni vettori v 1, v 2,, v n in uno spazio vettoriale V, il sottospazio 1 W = v 1,, v n di V da loro generato è

Dettagli

Esercizi Capitolo 5 - Alberi

Esercizi Capitolo 5 - Alberi Esercizi Capitolo 5 - Alberi Alberto Montresor 19 Agosto, 2014 Alcuni degli esercizi che seguono sono associati alle rispettive soluzioni. Se il vostro lettore PDF lo consente, è possibile saltare alle

Dettagli

WWW.TINYLOC.COM CUSTOMER SERVICE GPS/ RADIOTRACKING DOG COLLAR. T. (+34) 937 907 971 F. (+34) 937 571 329 sales@tinyloc.com

WWW.TINYLOC.COM CUSTOMER SERVICE GPS/ RADIOTRACKING DOG COLLAR. T. (+34) 937 907 971 F. (+34) 937 571 329 sales@tinyloc.com WWW.TINYLOC.COM CUSTOMER SERVICE T. (+34) 937 907 971 F. (+34) 937 571 329 sales@tinyloc.com GPS/ RADIOTRACKING DOG COLLAR MANUALE DI ISTRUZIONI ACCENSIONE / SPEGNERE DEL TAG HOUND Finder GPS Il TAG HOUND

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

ALCUNE REGOLARITA DAI NUMERI PRIMI (I e II PARTE ) CAROLLA GUIDO 1

ALCUNE REGOLARITA DAI NUMERI PRIMI (I e II PARTE ) CAROLLA GUIDO 1 ALCUNE REGOLARITA DAI NUMERI PRIMI (I e II PARTE ) CAROLLA GUIDO 1 Sunto Lo scopo del presente articolo e quello di evidenziare alcune regolarità riscontrabili dai numeri primi; partendo dai primi gemelli

Dettagli

EQUAZIONI E DISEQUAZIONI POLINOMIALI E COLLEGAMENTI CON LA GEOMETRIA ELEMENTARE

EQUAZIONI E DISEQUAZIONI POLINOMIALI E COLLEGAMENTI CON LA GEOMETRIA ELEMENTARE EQUAZIONI E DISEQUAZIONI POLINOMIALI E COLLEGAMENTI CON LA GEOMETRIA ELEMENTARE 1. EQUAZIONI Definizione: un equazione è un uguaglianza tra due espressioni letterali (cioè in cui compaiono numeri, lettere

Dettagli

Quando A e B coincidono una coppia ordinata é determinata anche dalla loro posizione.

Quando A e B coincidono una coppia ordinata é determinata anche dalla loro posizione. Grafi ed Alberi Pag. /26 Grafi ed Alberi In questo capitolo richiameremo i principali concetti di due ADT che ricorreranno puntualmente nel corso della nostra trattazione: i grafi e gli alberi. Naturale

Dettagli

Elementi di semantica denotazionale ed operazionale

Elementi di semantica denotazionale ed operazionale Elementi di semantica denotazionale ed operazionale 1 Contenuti! sintassi astratta e domini sintattici " un frammento di linguaggio imperativo! semantica denotazionale " domini semantici: valori e stato

Dettagli

I file di dati. Unità didattica D1 1

I file di dati. Unità didattica D1 1 I file di dati Unità didattica D1 1 1) I file sequenziali Utili per la memorizzazione di informazioni testuali Si tratta di strutture organizzate per righe e non per record Non sono adatte per grandi quantità

Dettagli

BOSCH EDC16/EDC16+/ME9

BOSCH EDC16/EDC16+/ME9 pag. 16 di 49 BOSCH EDC16/EDC16+/ME9 BOSCH EDC16/EDC16+/ME9 Identificare la zona dove sono poste le piazzole dove andremo a saldare il connettore. Le piazzole sono situate in tutte le centraline Bosch

Dettagli

Calcolo differenziale Test di autovalutazione

Calcolo differenziale Test di autovalutazione Test di autovalutazione 1. Sia f : R R iniettiva, derivabile e tale che f(1) = 3, f (1) = 2, f (3) = 5. Allora (a) (f 1 ) (3) = 1 5 (b) (f 1 ) (3) = 1 2 (c) (f 1 ) (1) = 1 2 (d) (f 1 ) (1) = 1 3 2. Sia

Dettagli

Funzioni in più variabili

Funzioni in più variabili Funzioni in più variabili Corso di Analisi 1 di Andrea Centomo 27 gennaio 2011 Indichiamo con R n, n 1, l insieme delle n-uple ordinate di numeri reali R n4{(x 1, x 2,,x n ), x i R, i =1,,n}. Dato X R

Dettagli

Algebra Relazionale. algebra relazionale

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

Dettagli

EQUAZIONI non LINEARI

EQUAZIONI non LINEARI EQUAZIONI non LINEARI Francesca Pelosi Dipartimento di Matematica, Università di Roma Tor Vergata CALCOLO NUMERICO e PROGRAMMAZIONE http://www.mat.uniroma2.it/ pelosi/ EQUAZIONI non LINEARI p.1/44 EQUAZIONI

Dettagli

Convessità e derivabilità

Convessità e derivabilità Convessità e derivabilità Definizione 1 (convessità per funzioni derivabili) Sia f : (a, b) R derivabile su (a, b). Diremo che f è convessa o concava su (a, b) se per ogni 0 (a,b) il grafico di f sta tutto

Dettagli

CS. Cinematica dei sistemi

CS. Cinematica dei sistemi CS. Cinematica dei sistemi Dopo aver esaminato la cinematica del punto e del corpo rigido, che sono gli schemi più semplificati con cui si possa rappresentare un corpo, ci occupiamo ora dei sistemi vincolati.

Dettagli

Linguaggio del calcolatore. Algebra di Boole AND, OR, NOT. Notazione. And e or. Circuiti e reti combinatorie. Appendice A + dispense

Linguaggio del calcolatore. Algebra di Boole AND, OR, NOT. Notazione. And e or. Circuiti e reti combinatorie. Appendice A + dispense Linguaggio del calcolatore Circuiti e reti combinatorie ppendice + dispense Solo assenza o presenza di tensione: o Tante componenti interconnesse che si basano su e nche per esprimere concetti complessi

Dettagli

Principali prove meccaniche su materiali polimerici

Principali prove meccaniche su materiali polimerici modulo: Proprietà viscoelastiche e proprietà meccaniche dei polimeri Principali prove meccaniche su materiali polimerici R. Pantani Scheda tecnica di un materiale polimerico Standard per prove meccaniche

Dettagli

IV-1 Funzioni reali di più variabili

IV-1 Funzioni reali di più variabili IV- FUNZIONI REALI DI PIÙ VARIABILI INSIEMI IN R N IV- Funzioni reali di più variabili Indice Insiemi in R n. Simmetrie degli insiemi............................................ 4 2 Funzioni da R n a R

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

Gli algoritmi. Gli algoritmi. Analisi e programmazione

Gli algoritmi. Gli algoritmi. Analisi e programmazione Gli algoritmi Analisi e programmazione Gli algoritmi Proprietà ed esempi Costanti e variabili, assegnazione, istruzioni, proposizioni e predicati Vettori e matrici I diagrammi a blocchi Analisi strutturata

Dettagli

razionali Figura 1. Rappresentazione degli insiemi numerici Numeri reali algebrici trascendenti frazionari decimali finiti

razionali Figura 1. Rappresentazione degli insiemi numerici Numeri reali algebrici trascendenti frazionari decimali finiti 4. Insiemi numerici 4.1 Insiemi numerici Insieme dei numeri naturali = {0,1,,3,,} Insieme dei numeri interi relativi = {..., 3,, 1,0, + 1, +, + 3, } Insieme dei numeri razionali n 1 1 1 1 = : n, m \{0}

Dettagli

Algoritmo euclideo, massimo comun divisore ed equazioni diofantee

Algoritmo euclideo, massimo comun divisore ed equazioni diofantee Algoritmo euclideo, massimo comun divisore ed equazioni diofantee Se a e b sono numeri interi, si dice che a divide b, in simboli: a b, se e solo se esiste c Z tale che b = ac. Si può subito notare che:

Dettagli

Alberi binari. Ilaria Castelli castelli@dii.unisi.it A.A. 2009/2010. Università degli Studi di Siena Dipartimento di Ingegneria dell Informazione

Alberi binari. Ilaria Castelli castelli@dii.unisi.it A.A. 2009/2010. Università degli Studi di Siena Dipartimento di Ingegneria dell Informazione Alberi binari Ilaria Castelli castelli@dii.unisi.it Università degli Studi di Siena Dipartimento di Ingegneria dell Informazione A.A. 2009/2010 I. Castelli Alberi binari, A.A. 2009/2010 1/20 Alberi binari

Dettagli

Zeroshell come client OpenVPN

Zeroshell come client OpenVPN Zeroshell come client OpenVPN (di un server OpenVpn Linux) Le funzionalità di stabilire connessioni VPN di Zeroshell vede come scenario solito Zeroshell sia come client sia come server e per scelta architetturale,

Dettagli

LEZIONE 14. a 1,1 v 1 + a 1,2 v 2 + a 1,3 v 3 + + a 1,n 1 v n 1 + a 1,n v n = w 1

LEZIONE 14. a 1,1 v 1 + a 1,2 v 2 + a 1,3 v 3 + + a 1,n 1 v n 1 + a 1,n v n = w 1 LEZIONE 14 141 Dimensione di uno spazio vettoriale Abbiamo visto come l esistenza di una base in uno spazio vettoriale V su k = R, C, permetta di sostituire a V, che può essere complicato da trattare,

Dettagli

x 1 + x 2 3x 4 = 0 x1 + x 2 + x 3 = 0 x 1 + x 2 3x 4 = 0.

x 1 + x 2 3x 4 = 0 x1 + x 2 + x 3 = 0 x 1 + x 2 3x 4 = 0. Problema. Sia W il sottospazio dello spazio vettoriale R 4 dato da tutte le soluzioni dell equazione x + x 2 + x = 0. (a. Sia U R 4 il sottospazio dato da tutte le soluzioni dell equazione Si determini

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

Rango: Rouchè-Capelli, dimensione e basi di spazi vettoriali.

Rango: Rouchè-Capelli, dimensione e basi di spazi vettoriali. CAPITOLO 7 Rango: Rouchè-Capelli, dimensione e basi di spazi vettoriali. Esercizio 7.1. Determinare il rango delle seguenti matrici al variare del parametro t R. 1 4 2 1 4 2 A 1 = 0 t+1 1 A 2 = 0 t+1 1

Dettagli

γ (t), e lim γ (t) cioè esistono la tangente destra e sinistra negli estremi t j e t j+1.

γ (t), e lim γ (t) cioè esistono la tangente destra e sinistra negli estremi t j e t j+1. Capitolo 6 Integrali curvilinei In questo capitolo definiamo i concetti di integrali di campi scalari o vettoriali lungo curve. Abbiamo bisogno di precisare le curve e gli insiemi che verranno presi in

Dettagli

MODULO DI ISCRIZIONE - ENROLMENT FORM

MODULO DI ISCRIZIONE - ENROLMENT FORM Under the Patronage of Comune di Portofino Regione Liguria 1ST INTERNATIONAL OPERA SINGING COMPETITION OF PORTOFINO from 27th to 31st July 2015 MODULO DI ISCRIZIONE - ENROLMENT FORM Direzione artistica

Dettagli

INTERNET e RETI di CALCOLATORI A.A. 2014/2015 Capitolo 4 DHCP Dynamic Host Configuration Protocol Fausto Marcantoni fausto.marcantoni@unicam.

INTERNET e RETI di CALCOLATORI A.A. 2014/2015 Capitolo 4 DHCP Dynamic Host Configuration Protocol Fausto Marcantoni fausto.marcantoni@unicam. Laurea in INFORMATICA INTERNET e RETI di CALCOLATORI A.A. 2014/2015 Capitolo 4 Dynamic Host Configuration Protocol fausto.marcantoni@unicam.it Prima di iniziare... Gli indirizzi IP privati possono essere

Dettagli

Logica del primo ordine

Logica del primo ordine Logica del primo ordine Sistema formale sviluppato in ambito matematico formalizzazione delle leggi del pensiero strette relazioni con studi filosofici In ambito Intelligenza Artificiale logica come linguaggio

Dettagli

(anno accademico 2008-09)

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

Dettagli

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

LA FUNZIONE ESPONENZIALE E IL LOGARITMO

LA FUNZIONE ESPONENZIALE E IL LOGARITMO LA FUNZIONE ESPONENZIALE E IL LOGARITMO APPUNTI PER IL CORSO DI ANALISI MATEMATICA I G. MAUCERI Indice 1. Introduzione 1 2. La funzione esponenziale 2 3. Il numero e di Nepero 9 4. L irrazionalità di e

Dettagli

Il problema della fattorizzazione nei domini di Dedekind

Il problema della fattorizzazione nei domini di Dedekind Il problema della fattorizzazione nei domini di Dedekind Stefania Gabelli Dipartimento di Matematica, Università degli Studi Roma Tre Note per i corsi di Algebra Commutativa a.a. 2010/2011 1 Indice 1 Preliminari

Dettagli

Fondamenti di Teoria delle Basi di Dati

Fondamenti di Teoria delle Basi di Dati Fondamenti di Teoria delle Basi di Dati Riccardo Torlone Parte 6: Potenza espressiva del calcolo Calcolo su domini, discussione Pregi: dichiaratività Difetti: "verbosità": tante variabili! espressioni

Dettagli

Algoritmi combinatori per l interpolazione polinomiale in dimensione 2.

Algoritmi combinatori per l interpolazione polinomiale in dimensione 2. Algoritmi combinatori per l interpolazione polinomiale in dimensione 2. L.Cerlienco e M.Mureddu Università di Cagliari, Italy 1 Introduzione. Sia K un campo, X := {x 1, x 2,..., x n } un insieme di indeterminate

Dettagli

5 Radici primitive dell unità e congruenze del tipo

5 Radici primitive dell unità e congruenze del tipo 5 Radici primitive dell unità e congruenze del tipo X m a (mod n ) Oggetto di questo paragrafo è lo studio della risolubilità di congruenze del tipo: X m a (mod n) con m, n, a Z ed m, n > 0. Per l effettiva

Dettagli

group HIGH CURRENT MULTIPLEX NODE

group HIGH CURRENT MULTIPLEX NODE HIGH CURRENT MULTIPLEX NODE edizione/edition 04-2010 HIGH CURRENT MULTIPLEX NODE DESCRIZIONE GENERALE GENERAL DESCRIPTION L'unità di controllo COBO è una centralina elettronica Multiplex Slave ; la sua

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

GEOMETRIA I Corso di Geometria I (seconda parte)

GEOMETRIA I Corso di Geometria I (seconda parte) Corso di Geometria I (seconda parte) anno acc. 2009/2010 Cambiamento del sistema di riferimento in E 3 Consideriamo in E 3 due sistemi di riferimento ortonormali R e R, ed un punto P (x, y, z) in R. Lo

Dettagli

Lezione 9: Strutture e allocazione dinamica della memoria

Lezione 9: Strutture e allocazione dinamica della memoria Lezione 9: Strutture e allocazione dinamica della memoria Laboratorio di Elementi di Architettura e Sistemi Operativi 9 Maggio 2012 Allocazione dinamica della memoria Memoria dinamica È possibile creare

Dettagli

TEORIA DELL UTILITÀ E DECISION PROCESS

TEORIA DELL UTILITÀ E DECISION PROCESS TEORIA DELL UTILITÀ E DECISION PROCESS 1 UTILITÀ Classicamente sinonimo di Desiderabilità Fisher (1930):... uno degli elementi che contribuiscono ad identificare la natura economica di un bene e sorge

Dettagli

Parte 2. Determinante e matrice inversa

Parte 2. Determinante e matrice inversa Parte. Determinante e matrice inversa A. Savo Appunti del Corso di Geometria 013-14 Indice delle sezioni 1 Determinante di una matrice, 1 Teorema di Cramer (caso particolare), 3 3 Determinante di una matrice

Dettagli

DIPARTIMENTO DI ELETTRONICA E INFORMAZIONE. La Ricorsione. Marco D. Santambrogio marco.santambrogio@polimi.it Ver. aggiornata al 29 Maggio 2014

DIPARTIMENTO DI ELETTRONICA E INFORMAZIONE. La Ricorsione. Marco D. Santambrogio marco.santambrogio@polimi.it Ver. aggiornata al 29 Maggio 2014 La Ricorsione Marco D. Santambrogio marco.santambrogio@polimi.it Ver. aggiornata al 29 Maggio 2014 Obiettivi La ricorsione Ricordate la sigla GNU GNU = GNU is Not Unix GNU = GNU is Not Unix GNU = GNU is

Dettagli

Istruzione N. Versione. Ultima. modifica. Funzione. Data 18/12/2009. Firma. Approvato da: ASSEMBLAGGIO COLLAUDO TRAINING IMBALLO. service 07.

Istruzione N. Versione. Ultima. modifica. Funzione. Data 18/12/2009. Firma. Approvato da: ASSEMBLAGGIO COLLAUDO TRAINING IMBALLO. service 07. Istruzione N 62 Data creazione 18/ 12/2009 Versione N 00 Ultima modifica TIPO ISTRUZIONE ASSEMBLAGGIO COLLAUDO TRAINING MODIFICA TEST FUNZIONALE RIPARAZIONE/SOSTITUZIONE IMBALLO TITOLO DELL ISTRUZIONE

Dettagli

LEZIONE 17. B : kn k m.

LEZIONE 17. B : kn k m. LEZIONE 17 17.1. Isomorfismi tra spazi vettoriali finitamente generati. Applichiamo quanto visto nella lezione precedente ad isomorfismi fra spazi vettoriali di dimensione finita. Proposizione 17.1.1.

Dettagli

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

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

Dettagli

Spazi metrici e spazi topologici

Spazi metrici e spazi topologici Topologia 1 2007/2008 D. Dikranjan, UDINE Spazi metrici e spazi topologici D. Dikranjan L origine della topologia é dovuta a H. Poincaré, M. Fréchet e F. Hausdorff circa un secolo fa. Adesso questa disciplina

Dettagli

Middleware Laboratory. Dai sistemi concorrenti ai sistemi distribuiti

Middleware Laboratory. Dai sistemi concorrenti ai sistemi distribuiti Dai sistemi concorrenti ai sistemi distribuiti Problemi nei sistemi concorrenti e distribuiti I sistemi concorrenti e distribuiti hanno in comune l ovvio problema di coordinare le varie attività dei differenti

Dettagli

Cicli in Visual Basic for Application. For contatore = inizio To fine istruzioni Next contatore

Cicli in Visual Basic for Application. For contatore = inizio To fine istruzioni Next contatore Cicli in Visual Basic for Application Le strutture del programma che ripetono l'esecuzione di una o più istruzioni sono chiamate Cicli. Alcune strutture per i cicli sono costruite in modo da venire eseguite

Dettagli

Universita' di Ferrara Dipartimento di Matematica e Informatica. Algoritmi e Strutture Dati. Rappresentazione concreta di insiemi e Hash table

Universita' di Ferrara Dipartimento di Matematica e Informatica. Algoritmi e Strutture Dati. Rappresentazione concreta di insiemi e Hash table Universita' di Ferrara Dipartimento di Matematica e Informatica Algoritmi e Strutture Dati Rappresentazione concreta di insiemi e Hash table Copyright 2006-2015 by Claudio Salati. Lez. 9a 1 Rappresentazione

Dettagli

Appunti di Algebra Lineare

Appunti di Algebra Lineare Appunti di Algebra Lineare Indice 1 I vettori geometrici. 1 1.1 Introduzione................................... 1 1. Somma e prodotto per uno scalare....................... 1 1.3 Combinazioni lineari e

Dettagli

ESAME DI STATO 2010 SECONDA PROVA SCRITTA PER IL LICEO SCIENTIFICO DI ORDINAMENTO

ESAME DI STATO 2010 SECONDA PROVA SCRITTA PER IL LICEO SCIENTIFICO DI ORDINAMENTO Archimede ESAME DI STATO SECONDA PROVA SCRITTA PER IL LICEO SCIENTIFICO DI ORDINAMENTO ARTICOLO Il candidato risolva uno dei due problemi e risponda a 5 quesiti del questionario. Sia ABCD un quadrato di

Dettagli

/*dichiarazioni*/ // le frasi sono contenute in stringhe, cioè array di char char f1[max]; int i, giusto,len;

/*dichiarazioni*/ // le frasi sono contenute in stringhe, cioè array di char char f1[max]; int i, giusto,len; /* Date in ingresso una frase, dire se una è palindroma */ #include #define MAX 100 int main() /*dichiarazioni*/ // le frasi sono contenute in stringhe, cioè array di char char f1[max]; int i,

Dettagli