LOGICA MATEMATICA. Sonia L Innocente. Corso di Laurea. Informatica e Tecnologie/Informatica Industriale. Argomento 1. Logica proposizionale

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "LOGICA MATEMATICA. Sonia L Innocente. Corso di Laurea. Informatica e Tecnologie/Informatica Industriale. Argomento 1. Logica proposizionale"

Transcript

1 LOGICA MATEMATICA Corso di Laurea Informatica e Tecnologie/Informatica Industriale Argomento 1. Logica proposizionale a.a (Camerino) 1 / 83

2 Outline Introduzione 1 Introduzione 2 Semantica e valutazioni 3 Cenni di sintassi 4 Connettivi, forme normali 5 Il problema della soddisfacibilità 6 Forme normali e clausole 7 Il Teorema di decomposizione 8 Il Teorema di risoluzione (Camerino) 2 / 83

3 Introduzione Tentativo di definizione Logica (matematica) = studio del pensiero (matematico) I grandi della logica: Una lista sommaria di nomi e motivazioni Aristotele (il sillogismo) Leibniz (calculus ratiocinator) Boole (l algebra del pensiero, i fondamenti algebrici della logica) Frege (i fondamenti logici della matematica) Hilbert (il metodo assiomatico e il Programma) Godel (i teoremi di incompletezza, i limiti della conoscenza matematica) Tarski (che cos è la verità) Turing (l avvento dell informatica, l intelligenza artificiale) (Camerino) 3 / 83

4 Introduzione Cerchiamo di capire la struttura di affermazioni arbitrarie e di afferrare le regole che ne assicurano o ne escludono la verità. Una premessa è doverosa, per mettere in guardia dalle differenze sottili che talora separano il rigore della logica matematica, le convenzioni della lingua comune. Il primo aiuta a studiare le seconde, ma spesso segue strade proprie. (Camerino) 4 / 83

5 Introduzione Qualche esempio delle ambiguità che distinguono il linguaggio comune e quello rigoroso della matematica. In geometria piana le due affermazioni q, q sono quadrati e q è un quadrato e q è un quadrato paiono perfettamente equivalenti: l una e l altra sono vere se e solo se, appunto, sia q che q sono quadrati. Le due affermazioni Carlo e Camilla sono sposati, Carlo è sposato e Camilla è sposata si prestano a interpretazioni diverse, perch nel linguaggio comune la prima equivale a dire che Carlo e Camilla sono sposati tra loro, la seconda a sostenere che ciascuno dei due sposato, ma eventualmente per conto proprio. (Camerino) 5 / 83

6 Introduzione Consideriamo la seguente definizione: un numero naturale n si dice primo se e solo se n > 1 e, se a è un naturale ed a divide n, allora a = 1 o a = n. Analizzando la struttura di questa definizione, si riconoscono proposizioni fondamentali n > 1, a è un naturale, a divide n, a = 1, a = n separate da connettivi... e..., se... allora...,... o... Se si indicano con p 0, p 1, p 2, p 3, p 4 le proposizioni fondamentali sopra elencate, e con,, i connettivi, la precedente definizione appare così strutturata: p 0 ((p 1 p 2 ) (p 3 p 4 )). (Camerino) 6 / 83

7 Introduzione La Logica Proposizionale La logica proposizionale si propone un analisi generale della ossatura delle proposizioni matematiche sulle basi sopra accennate. Introduciamo questa logica. Cominciamo col definirne le formule. Definizione. Alfabeto della logica proposizionale è l insieme dei seguenti elementi: variabili proposizionali p 0, p 1,..., p n,... per n naturale; connettivi (non), (e), (o), (se... allora), (se e solo se); parentesi (, ). (Camerino) 7 / 83

8 Introduzione Gli elementi dell alfabeto si dicono simboli della logica proposizionale. Si definisce invece parola una sequenza finita di simboli dell alfabeto. Ad esempio, p 0 ( ) è una parola (in verità un po disordinata). Definizione. L insieme F delle formule della logica proposizionale è il minimo insieme di parole dell alfabeto contenente ogni variabile proposizionale p n (per n naturale); tale che, se α e β sono in F, allora anche α, α β, α β, α β, α β sono in F. (Camerino) 8 / 83

9 Introduzione Esempio. p 0 ((p 1 p 2 ) (p 3 p 4 )) è una formula. Le parentesi (, ) sono usate nel modo ovvio per evitare pericoli di confusione ed ordinare le formule più elaborate. Così anche (p 0 p 1 ) (p 2 (p 3 p 4 )) è una formula, ma è diversa dalla precedente, come le parentesi appunto testimoniano. In realtà potremmo definire rigorosamente il ruolo delle parentesi, ma preferiamo qui affidarci al puro buon senso. (Camerino) 9 / 83

10 Introduzione È comunque intuitivamente accettabile che, se α, β e γ F, le formule α (β γ), (α β) γ, come anche α (β γ), (α β) γ, si possano identificare. Scriveremo allora liberamente α β γ oppure α β γ. Se poi α 0,..., α n F, le abbreviazioni α i, hanno l ovvio significato i n i n α i α 0... α n, α 0... α n. (Camerino) 10 / 83

11 Outline Semantica e valutazioni 1 Introduzione 2 Semantica e valutazioni 3 Cenni di sintassi 4 Connettivi, forme normali 5 Il problema della soddisfacibilità 6 Forme normali e clausole 7 Il Teorema di decomposizione 8 Il Teorema di risoluzione (Camerino) 11 / 83

12 Semantica e valutazioni Le valutazioni della logica proposizionale. Definizione. Valutazione è una applicazione v dell insieme {p n : n N} di tutte le variabili proposizionali in {0, 1}. Una valutazione v è, allora, parlando alla buona, un modo di intendere ogni variabile proposizionale p n come vera o falsa, nel senso che v(p n ) = 1 significa che p n è vera per v, v(p n ) = 0 significa che p n è falsa per v. (Camerino) 12 / 83

13 Semantica e valutazioni Ogni valutazione v si può estendere ad una applicazione v dell insieme F di tutte le formule in {0, 1} nel modo seguente (che esprime rigorosamente ragionevoli intuizioni del senso comune): anzitutto, per ogni n naturale, v(p n ) = v(p n ); se poi α e β sono formule, v( α) è 1 se v(α) = 0 e 0 altrimenti; v(α β) è 1 se v(α) = v(β) = 1 e 0 altrimenti; v(α β) è 1 se v(α) oppure v(β) è 1, e 0 altrimenti; v(α β) è 1 se v(α) = 0 o v(β) = 1, 0 altrimenti; v(α β) è 1 se v(α) = v(β), 0 altrimenti; (Camerino) 13 / 83

14 Semantica e valutazioni La definizione di v(α β) può forse creare qualche perplessità, perché è difficile accettare che, quando si pensa che α sia falsa, allora α β sia supposta vera indipendentemente da β. Suggeriamo però le seguenti implicazioni, che sono vere, ed hanno premesse false e conclusioni l una falsa e l altra vera: se = 5, allora = 6, se = 5, allora > 3. Nel seguito indicheremo v ancora con v per semplificare la notazione. (Camerino) 14 / 83

15 Definizione. Semantica e valutazioni Siano α F, v una valutazione. Si dice che v soddisfa α v(α) = 1. In particolare, se α e β appartengono a F, allora si ha: v = α se e solo se v = α, v = α β se e solo se v = α e v = β, v = α β se e solo se v = α o v = β, (v = α) se (Camerino) 15 / 83

16 Semantica e valutazioni v = α β se e solo se v = α o v = β, v = α β se e solo se v = α esattamente quando v = β. Se S è un insieme di formule e v è una valutazione, diciamo che v soddisfa S (v = S) se v = σ per ogni σ S. (Camerino) 16 / 83

17 Semantica e valutazioni Teorema di coincidenza Siano α una formula di F, n un naturale tale che le variabili proposizionali occorrenti in α sono tra p 0,..., p n. Siano poi v 0 e v 1 due valutazioni tali che v 0 (p i ) = v 1 (p i ) per ogni i n. Allora v 0 = α se e solo se v 1 = α. (Camerino) 17 / 83

18 Semantica e valutazioni Dimostrazione. Si procede per induzione sulla costruzione della formula α. Se α è una variabile proposizionale, deve essere α = p i per qualche i n; ma allora v 0 = p i se e solo se v 1 = p i per ipotesi. Se α è β per qualche β F soddisfacente la tesi, allora v 0 = α se e solo se v 0 = β e dunque se e solo se v 1 = β, cioè se e solo se v 1 = α. Se α è β γ dove β, γ F soddisfano la tesi, allora v 0 = α se e solo se v 0 = β e v 0 = γ, dunque se e solo se v 1 = β e v 1 = γ, cioè se e solo se v 1 = α. Gli altri casi α = β γ, α = β γ, α = β γ si trattano in modo analogo. (Camerino) 18 / 83

19 Semantica e valutazioni Definizione. Una formula α si dice soddisfacibile se e solo se esiste una valutazione v tale che v = α. Enunciamo anche il problema principale che intendiamo studiare nell ambito della logica proposizionale. Problema della soddisfacibilità (per la logica proposizionale). Determinare un algoritmo per decidere, per ogni formula α, se α è soddisfacibile o no. (Camerino) 19 / 83

20 Definizione. Semantica e valutazioni Una formula α si dice valida (o tautologia) se e solo se, per ogni valutazione v, v = α. Allora una formula α è valida se e solo se α non è soddisfacibile. Definizione. Un insieme S di formule si dice soddisfacibile se e solo se esiste una valutazione v tale che v = S (cioè, per ogni formula σ di S, v = σ). Si vede facilmente che, se S è un insieme finito di formule, allora S è soddisfacibile se e solo se σ S σ è soddisfacibile. In particolare l insieme vuoto è soddisfacibile, anzi è soddisfatto da ogni valutazione. (Camerino) 20 / 83

21 Semantica e valutazioni Equivalenza logica Definizione. Due formule α e β si dicono logicamente equivalenti se e solo se, per ogni valutazione v, v = α esattamente quando v = β. In altre parole, α e β sono logicamente equivalenti se e solo se α β è una tautologia. Osserviamo poi che la relazione di equivalenza logica è (a conferma del nome) una relazione di equivalenza nell insieme di tutte le formule. (Camerino) 21 / 83

22 Semantica e valutazioni Conseguenza logica Definizione. Siano S un insieme di formule, α una formula. Si dice che α è conseguenza di S (S = α) se e solo se, per ogni valutazione v, quando v = S, allora v = α. Per S e α come sopra, S = α se e solo se S { α} non è soddisfacibile. Se S è finito, S = α se e solo se la formula σ S σ α non è soddisfacibile. Notiamo poi che una formula α è valida se e solo se = α. (Camerino) 22 / 83

23 Semantica e valutazioni Segue dalle precedenti osservazioni che, se si dispone di un algoritmo per il problema della soddisfacibilità, si possono agevolmente costruire algoritmi per decidere: 1. per ogni formula α, se α è valida o no; 2. per ogni insieme finito S di formule, se S è soddisfacibile o no; 3. per ogni coppia di formule α e β, se α e β sono logicamente equivalenti o no; 4. per ogni insieme finito di formule S e per ogni formula α, se α è o no conseguenza di S. (Camerino) 23 / 83

24 Semantica e valutazioni Osservazioni (i) Siano α, β e γ formule. Sono logicamente equivalenti α e α, (α β) e α β, (α β) e α β, α β e (α β) (β α), α β e α β, α (β γ) e (α β) (α γ), α (β γ) e (α β) (α γ). (Camerino) 24 / 83

25 Semantica e valutazioni Osservazioni (ii) Siano α, β, α, β formule tali che α è logicamente equivalente ad α, e β è logicamente equivalente a β. Allora anche le seguenti formule sono logicamente equivalenti: α e α, α β e α β, α β e α β, α β e α β, α β e α β. (Camerino) 25 / 83

26 Semantica e valutazioni Abbiamo prima definito i concetti di insieme soddisfacibile S di formule, e per conseguenza di un insieme S di formule. Abbiamo anche osservato che, se si dispone di un algoritmo per il problema della soddisfacibilità per le formule, è agevole dedurne altri, uno per controllare la soddisfacibilità di un insieme S di formule, ed uno per controllare le conseguenze di S, purché S sia finito. L ipotesi di finitezza di S è, del resto, assolutamente ovvia nel contesto di ricerca di algoritmi da applicare nella pratica. Vogliamo però dimostrare che, in un certo senso, il caso in cui S è infinito si può ridurre al caso finito. Vale il seguente teorema. (Camerino) 26 / 83

27 Semantica e valutazioni Teorema di Compattezza Sia S un insieme infinito di formule. Allora S è soddisfacibile se e solo se ogni sottoinsieme finito di S è soddisfacibile. In particolare si ha: Corollario. Se S è un insieme infinito di formule e α è una formula, allora α è conseguenza di S se e solo se esiste un sottoinsieme finito S 0 di S tale che α è conseguenza di S 0. (Camerino) 27 / 83

28 Semantica e valutazioni Dimostrazione del corollario. Sappiamo che S = α se e solo se S { α} non è soddisfacibile. Se vale il Teorema di compattezza, questo equivale ad affermare che esiste un sottoinsieme finito S 1 di S { α} che non è soddisfacibile, e non c è perdita di generalità nel supporre α S 1, cioè S 1 = S 0 { α} per qualche sottoinsieme finito S 0 di S (infatti, se si aggiungono nuove formule, come α, ad un insieme già insoddisfacibile, si ottiene un insieme ancora insoddisfacibile). Possiamo allora dire che S = α se e solo se esiste un sottoinsieme finito S 0 di S tale che S 0 { α} non è soddisfacibile, cioè tale che S 0 = α. (Camerino) 28 / 83

29 Outline Cenni di sintassi 1 Introduzione 2 Semantica e valutazioni 3 Cenni di sintassi 4 Connettivi, forme normali 5 Il problema della soddisfacibilità 6 Forme normali e clausole 7 Il Teorema di decomposizione 8 Il Teorema di risoluzione (Camerino) 29 / 83

30 Cenni di sintassi Teorema di completezza Definizione: α dimostrabile Dato un insieme di assiomi (ovvero di formule di F di evidente sensatezza); un insieme di regole di deduzione (ovvero di funzioni che a certe sequenze ordinate di formule associano nuove formule, ad esempio (α, α β) β) si dice che, per ogni formula α e per ogni insieme S di formule, α è dimostrabile da S, S α se e solo se esiste una sequenza finita α 0,..., α n di formule tali che α n = α e, per ogni i < n, α i è un assioma o appartiene a S o si ottiene da formule precedenti tramite le regole di deduzione. (Camerino) 30 / 83

31 Cenni di sintassi Teorema di completezza È possibile definire in modo opportuno un insieme di assiomi; un insieme di regole di deduzione; in modo tale che, α e insieme S di formule, S = α se e solo se S α (Camerino) 31 / 83

32 Cenni di sintassi Questo risultato prende il nome di Teorema di completezza. Il suo significato è chiaro. Sappiamo infatti che, se α è una formula e S è un insieme di formule, α è conseguenza di S se e solo se ogni valutazione che crede a S crede anche ad α. Il Teorema di completezza ci dice che, per una opportuna scelta di assiomi e regole di deduzione, questo equivale, per ogni S e α, alla possibilità di dimostrare (nel senso sopra descritto) α da S. (Camerino) 32 / 83

33 Outline Connettivi, forme normali 1 Introduzione 2 Semantica e valutazioni 3 Cenni di sintassi 4 Connettivi, forme normali 5 Il problema della soddisfacibilità 6 Forme normali e clausole 7 Il Teorema di decomposizione 8 Il Teorema di risoluzione (Camerino) 33 / 83

34 Connettivi, forme normali Intendiamo affrontare in questo paragrafo il problema di dare una definizione rigorosa di connettivo. Intuitivamente, connettivo (ad esempio ) è una costruzione che, a partire da certe formule (α, β nel nostro caso), definisce una nuova formula (α β, appunto). Della nuova formula non è tanto importante la rappresentazione che se ne dà, quanto il significato che le si attribuisce, e dunque quando la si ritiene vera, in relazione naturalmente ai valori di verità assegnati alle formule che la definiscono. Vediamo il successivo esempio. (Camerino) 34 / 83

35 Connettivi, forme normali Esempio v, si ha che: v(α β) = 1 se e solo se v(α) = v(β) = 1. In questo senso si identifica con la funzione tale che f : {0, 1} 2 {0, 1} f ((1, 1)) = 1, f ((0, 0)) = f ((0, 1)) = f ((1, 0)) = 0 o, equivalentemente, tale che, per ogni x 0, x 1 {0, 1}, f ((x 0, x 1 )) = v(α β) dove α e β sono formule e v è una valutazione tale che v(α) = x 0 e v(β) = x 1. (Camerino) 35 / 83

36 Connettivi, forme normali Queste considerazioni suggeriscono la seguente definizione. Connettivo Definizione. Sia n un intero positivo. Connettivo n-ario è una funzione di {0, 1} n in {0, 1}. Sia α con variabili proposizionali tra p 0,..., p n 1. Allora α definisce il seguente connettivo n-ario f n α: per ogni scelta di x 0,..., x n 1 {0, 1}, f n α(x 0,..., x n 1 ) = v(α) dove v è una valutazione tale che v(p i ) = x i i < n (Camerino) 36 / 83

37 Connettivi, forme normali Osservazioni. Siano α e β due formule con variabili proposizionali tra p 0,..., p n f n α è la funzione non nulla se e solo se α è soddisfacibile. Spiegazione Sia infatti α soddisfacibile, e sia v tale che v(α) = 1. Allora e f n α non è la funzione nulla. f n α(v(p 0 ),..., v(p n 1 )) = 1, Viceversa, assumiamo che esista x = (x 0,..., x n 1 ) {0, 1} n tale che f n α(x) = 1. Se v è una valutazione tale che v(p j ) = x j per ogni j < n, si ha v(α) = f n α(x) = 1. Così v = α. (Camerino) 37 / 83

38 Connettivi, forme normali Osservazioni. 2. f n α = f n β se e solo se α e β sono logicamente equivalenti. Spiegazione Supponiamo infatti α e β logicamente equivalenti. Allora, v, v(α) = v(β). Sia x {0, 1} n ; ricordiamo che f n α(x) = v(α), fβ n (x) = v(β) dove v è tale che v(p j ) = x j per ogni j < n; dunque f n α(x) = f n β (x). Segue f n α = f n β. Supponiamo adesso fα n = fβ n. Per ogni v, si ha v(α) = f n α(v(p 0 ),..., v(p n 1 )), v(β) = f n β (v(p 0),..., v(p n 1 )). Allora v(α) = v(β). Dunque α e β sono logicamente equivalenti. (Camerino) 38 / 83

39 Connettivi, forme normali Siamo ora in grado di dimostrare il seguente teorema. Teorema. Siano n N {0} e g un connettivo n-ario. Allora esiste una formula α con variabili proposizionali tra p 0,..., p n 1 tale che f n α = g. Inoltre α può essere scelta come una disgiunzione di congiunzioni di variabili proposizionali o negazioni di variabili proposizionali. Osservazione Il teorma mostra che n N {0}e per ogni connettivo n-ario g, una formula α costruita con il solo uso di, e (addirittura α = i k j<n λ i,j dove ciascun λ i,j è p j o la sua negazione) tale che g = fα. n In particolare i connettivi proposti,,,, sono (più che) sufficienti; anzi, e bastano per generare tutti i possibili connettivi. (Camerino) 39 / 83

40 Definizione. Connettivi, forme normali Una formula α si dice 1. basica se e solo se α è una variabile proposizionale o la sua negazione; 2. in forma normale disgiuntiva se α è una disgiunzione di congiunzioni di formule basiche: α = i k j n i λ i,j dove k e ciascun n i (i k) sono interi positivi, mentre ciascun λ i,j è una formula basica (si scrive allora α DNF ); (Camerino) 40 / 83

41 Connettivi, forme normali 3. in forma normale congiuntiva se α è una congiunzione di disgiunzioni di formule basiche: α = λ i,j i k j n i dove k e ciascun n i (i k) sono interi positivi, mentre ciascun λ i,j è una formula basica (si scrive allora α CNF ). Un altra conseguenza del precedente teorema è data dal seguente corollario. Corollario. Sia β una formula. Allora esistono una formula α DNF e una formula γ CNF logicamente equivalenti a β. (Camerino) 41 / 83

42 Outline Il problema della soddisfacibilità 1 Introduzione 2 Semantica e valutazioni 3 Cenni di sintassi 4 Connettivi, forme normali 5 Il problema della soddisfacibilità 6 Forme normali e clausole 7 Il Teorema di decomposizione 8 Il Teorema di risoluzione (Camerino) 42 / 83

43 Il problema della soddisfacibilità È già stato introdotto il problema della soddisfacibilità nella logica proposizionale, un metodo semplice è il seguente Le Tavole di verità Data una formula α, 1. si enumerano le variabili proposizionali p 0,..., p n 1 in α; 2. si enumerano tutte le possibili sequenze x 0,..., x n 1 che una valutazione v può associare a p 0,..., p n 1, 3. per ogni sequenza, si calcola il corrispondente valore di v(α). α è soddisfacibile se e solo se almeno una volta si ottiene v(α) = 1. (Camerino) 43 / 83

44 Esempi Il problema della soddisfacibilità 1. α è p 0 (p 0 p 1 ). Allora α è soddisfacibile. p 0 p 1 p 0 p 0 p 1 α In particolare, le valutazioni v per cui v(α) = 1 sono quelle tali che v(p 0 ) = 0 o v(p 1 ) = 1. (Camerino) 44 / 83

45 2. Il problema della soddisfacibilità Sia α la formula (p 0 p 1 ) (p 1 p 0 ). Allora α è soddisfacibile. p 0 p 1 p 0 p 1 p 1 p 0 α La formula α è soddisfacibile perché esistono valutazioni che le associano il valore 1. Tali valutazioni sono quelle v per cui v(p 0 ) = v(p 1 ). In particolare α è logicamente equivalente a p 0 p 1. (Camerino) 45 / 83

46 3. Il problema della soddisfacibilità Sia ora α la formula p 0 (p 1 p 2 ). Allora α è soddisfacibile, come mostra la seguente tabella. p 0 p 1 p 2 p 2 p 1 p 2 α La formula α è soddisfacibile perché esistono valutazioni che le associano il valore 1. (Camerino) 46 / 83

47 4. Il problema della soddisfacibilità Il metodo esposto si può applicare, più in generale, per stabilire la soddisfacibilità di una formula quale α (α β) con α e β in F, in riferimento, naturalmente, alle valutazioni di α e β. In questo caso si ha α β α α β α (α β) Perciò, per ogni valutazione v, si ha che v soddisfa α (α β) se e solo se v non soddisfa α oppure v soddisfa β. L esistenza di una tale valutazione, e quindi la soddisfacibilità di α (α β), dipende ovviamente da α e β. (Camerino) 47 / 83

48 5. Il problema della soddisfacibilità Per ogni formula α, α α è valida. α α α α Dunque, per ogni valutazione v, v soddisfa α α. 6. Per ogni formula α, α α non è soddisfacibile. α α α α Dunque, per ogni valutazione v, v non soddisfa α α. (Camerino) 48 / 83

49 7. Il problema della soddisfacibilità Se α e β sono formule, allora α β e α β sono logicamente equivalenti. α β α β α α β Allora, per ogni valutazione v, v soddisfa α β se e solo se v soddisfa α β. Di conseguenza le due formule sono logicamente equivalenti. (Camerino) 49 / 83

50 8. Il problema della soddisfacibilità Se α e β sono formule, allora β è conseguenza di {α, α β}. α β α β In particolare, una valutazione v che soddisfa α e α β soddisfa anche β. (Camerino) 50 / 83

51 Il problema della soddisfacibilità Metodo efficiente? Il metodo delle tavole di verità è dunque molto semplice. Ha però un grave difetto: infatti, se α è una formula con n variabili proposizionali p 0,..., p n 1, le possibili sequenze (v(p 0 ),..., v(p n 1 )), quando v varia tra le valutazioni, esauriscono tutto {0, 1} n, e sono dunque 2 n. L impostazione della tavola di verità di α richiede 2 n passi; segue che il metodo richiede troppo tempo e troppo spazio quando n è grande. Si pone il problema di ottenere algoritmi più pratici ed efficienti. (Camerino) 51 / 83

52 Outline Forme normali e clausole 1 Introduzione 2 Semantica e valutazioni 3 Cenni di sintassi 4 Connettivi, forme normali 5 Il problema della soddisfacibilità 6 Forme normali e clausole 7 Il Teorema di decomposizione 8 Il Teorema di risoluzione (Camerino) 52 / 83

53 Forme normali e clausole Nella ricerca di nuovi metodi più veloci per il problema della soddisfacibilità, possiamo allora cercare intanto un metodo effettivo per tradurre una arbitraria formula α in una formula in DNF o in CNF logicamente equivalente ad α. Illustremo tale metodo. (Camerino) 53 / 83

54 Forme normali e clausole Riduzione in DNF o in CNF. Sia α una formula. Per ottenere una formula in DNF o in CNF logicamente equivalente ad α si esegue il seguente programma. (a) Eliminare in α (basta ricordare che, se β e γ sono due formule, allora β γ è logicamente equivalente a (β γ) (γ β)). (b) Eliminare (per ogni scelta di β e γ, β γ è logicamente equivalente a β γ). (c) Eliminare ogni connettivo che non riguardi direttamente variabili proposizionali (ricordare che, per ogni scelta di β e γ, sono logicamente equivalenti β e β, (β γ) e β γ, (β γ) e β γ). (Camerino) 54 / 83

55 Forme normali e clausole Sappiamo che valgono le proprietà distributive tanto di rispetto a quanto di rispetto a : infatti, per ogni scelta di β, γ e δ in F, sono logicamente equivalenti le formule β (γ δ) e (β γ) (β δ), β (γ δ) e (β γ) (β δ)). Così un semplice trucco per ridurre, dopo il passo (c), la formula α in DNF è quello di sostituire in α e rispettivamente con + e, fare i calcoli come se α fosse un polinomio e, dopo aver ridotto il polinomio in forma normale (somma di prodotti di variabili proposizionali), mettere nuovamente e al posto di + e. Naturalmente, se si preferisce CNF a DNF, il trucco è lo stesso; basta avere la precauzione di sostituire stavolta con + e con. Sintetizzando, l ultimo passo del programma di riduzione a DNF o CNF è: (d) usare le proprietà distributive di ( ) rispetto a ( ). (Camerino) 55 / 83

56 Forme normali e clausole Proseguiamo la ricerca di un algoritmo per il problema della soddisfacibilità. Sia α una formula in CNF, ad esempio: α : con n, m i N e formule basiche λ i,j. i n j m i Cambiando notazione, possiamo scrivere α come un insieme (finito e non vuoto) di insiemi (finiti e non vuoti) di formule basiche ponendo: λ i,j α = {{λ i,j : j m i } : i n}. In generale, possiamo dare la seguente definizione. Definizione. Clausola è un insieme finito di formule basiche. (Camerino) 56 / 83

57 Forme normali e clausole Ogni formula in CNF definisce un insieme finito e non vuoto di clausole non vuote. Esistono altri insiemi finiti di clausole: l insieme vuoto ; gli insiemi contenenti la clausola vuota. Nel seguito porremo = clausola vuota (Camerino) 57 / 83

58 Forme normali e clausole Ricordiamo che, se v è una valutazione e α è una formula di CNF, rappresentata nella forma λ i,j, i n j m i o anche come insieme finito e non vuoto di clausole non vuote {{λ i,j : j m i } : i n}, allora v soddisfa α (v = α) se e solo se, per ogni i n, esiste j m i tale che v(λ i,j ) = 1. Poniamo allora la seguente definizione. Definizione. Siano v una valutazione, α un insieme finito di clausole. Si dice che v soddisfa α, e si scrive v = α, se e solo se, per ogni k α, esiste λ k tale che v(λ) = 1. (Camerino) 58 / 83

59 Forme normali e clausole Inoltre: ogni valutazione v soddisfa (non esiste alcuna clausola in ); se α è un insieme finito di clausole e α, allora nessuna valutazione v soddisfa α (infatti è una clausola di α, ma non esiste alcun formula basica λ in ). Possiamo adesso dare la seguente definizione. Definizione. Diciamo che un insieme finito di clausole α è soddisfacibile se e solo se esiste una valutazione v che soddisfa α. Se poi α e α sono due insiemi finiti di clausole, diciamo che α è conseguenza logica di α, e scriviamo α = α, se ogni valutazione v che soddisfa α soddisfa anche α. Ad esempio, è facile osservare che, se α α, allora α = α. Finalmente definiamo due insiemi finiti di clausole α e α logicamente equivalenti se sono soddisfatti dalle stesse valutazioni. (Camerino) 59 / 83

60 Forme normali e clausole Lemma. Siano α un insieme finito di clausole, k α, λ una variabile proposizionale tale che tanto λ quanto λ appartengono a k. Allora α e α {k} sono logicamente equivalenti. Dimostrazione. Se v = α, si ha v = α {k} perché α {k} α. Supponiamo allora v = α {k}; siccome v(λ) = 1 o v( λ) = 1, esiste comunque µ k tale che v(µ) = 1. Dunque v = α. (Camerino) 60 / 83

61 Forme normali e clausole Possiamo poi assumere che, per ogni clausola k in α e per ogni variabile proposizionale λ, λ k oppure λ k. Infatti, se α contiene una clausola k tale che, per qualche formula basica λ, tanto λ quanto λ appartengono a k, allora α è soddisfacibile se e solo se α {k} è soddisfacibile. (Camerino) 61 / 83

62 Forme normali e clausole Conviene allora introdurre, a proposito di α e della formula basica λ, la seguente notazione: α 0 λ = {k α : λ k, λ k}, α + λ α λ = {k α : λ k}, = {k α : λ k} (allora αλ 0, α+ λ, α λ formano una partizione di α: sono a due a due disgiunti e αλ 0 α+ λ α λ = α); poniamo anche: Pos λ (α) = α 0 λ {k {λ} : k α+ λ }, Neg λ (α) = α 0 λ {k { λ} : k α λ } (naturalmente, quando λ = µ è la negazione di una variabile proposizionale, si intende λ = µ) (Camerino) 62 / 83

63 Esempio. Forme normali e clausole Siano α = {{p 0, p 1, p 2 }, { p 0, p 1, p 2 }, {p 1, p 2 }, {p 0 }}, λ = p 0. Allora αλ 0 = {{p 1, p 2 }}, α + λ = {{p 0, p 1, p 2 }, {p 0 }}, α λ = {{ p 0, p 1, p 2 }}, Pos λ (α) = {{p 1, p 2 }, { p 1, p 2 }, }, Neg λ (α) = {{p 1, p 2 }, { p 1, p 2 }}. (Camerino) 63 / 83

64 Outline Il Teorema di decomposizione 1 Introduzione 2 Semantica e valutazioni 3 Cenni di sintassi 4 Connettivi, forme normali 5 Il problema della soddisfacibilità 6 Forme normali e clausole 7 Il Teorema di decomposizione 8 Il Teorema di risoluzione (Camerino) 64 / 83

65 Il Teorema di decomposizione Teorema (di decomposizione). Siano α un insieme finito di clausole, λ una variabile proposizionale. Allora α è soddisfacibile se e solo se Pos λ (α) o Neg λ (α) è soddisfacibile. (Camerino) 65 / 83

66 Il Teorema di decomposizione Osservazione Sia α una formula in CNF con variabili proposizionali tra p 0,..., p n 1. Sappiamo che α è soddisfacibile se e solo se Pos λ (α) oppure Neg λ (α) è soddisfacibile. Dunque, per controllare la soddisfacibilità di α, basta controllare quella di Pos pi (α), Neg pi (α), per qualche i < n; Pos pi (α) e Neg pi (α) hanno il vantaggio di avere una variabile proposizionale in meno perché p i non occorre né in Pos pi (α) né in Neg pi (α); conviene anzi scegliere i < n tale che p i (o p i ) ha il massimo numero di occorrenze in α. (Camerino) 66 / 83

67 Il Teorema di decomposizione Corollario 1 (regola della formula basica pura). Se α CNF (o, più in generale, α è un insieme finito di clausole), λ è una formula basica e α λ = (cioè λ non occorre mai nelle clausole di α), allora α è soddisfacibile se e solo se αλ 0 è soddisfacibile. Dimostrazione. Infatti, se α è soddisfacibile, anche αλ 0 α è soddisfacibile. Viceversa supponiamo αλ 0 soddisfacibile; siccome α λ =, Neg λ(α) = αλ 0, e dunque Neg λ(α) è soddisfacibile. Per il Teorema di decomposizione, α è soddisfacibile. (Camerino) 67 / 83

68 Il Teorema di decomposizione Corollario 2 (regola della clausola unitaria). Se α CNF e, per qualche formula basica λ, {λ} è una clausola di α, allora α è soddisfacibile se e solo se Neg λ (α) è soddisfacibile. Dimostrazione. Se {λ} α, allora {λ} α + λ e dunque = {λ} {λ} appartiene a Pos λ (α). Segue che Pos λ (α) non è soddisfacibile. La tesi è allora un caso particolare del Teorema di decomposizione. (Camerino) 68 / 83

69 Il Teorema di decomposizione Diamo adesso alcuni esempi di applicazione del Teorema di decomposizione e delle regole di Davis-Putnam. Esempi 1. Sia dapprima α = {{ p 0, p 1, p 2 }, { p 0, p 1, p 3 }, { p 4, p 5, p 6 }, { p 6, p 3, p 7 }, {p 0 }, {p 1 }, {p 4 }, {p 5 }, { p 7 }}. Allora α non è soddisfacibile. Infatti, con uso ripetuto della regola della clausola unitaria, possiamo vedere che α è soddisfacibile se e solo se risultano successivamente soddisfacibili i seguenti insiemi finiti di clausole: (Camerino) 69 / 83

70 Il Teorema di decomposizione {{ p 1, p 2 }, { p 1, p 3 }, { p 4, p 5, p 6 }, { p 6, p 3, p 7 }, {p 1 }, {p 4 }, {p 5 }, { p 7 }}, e poi {{p 2 }, {p 3 }, { p 4, p 5, p 6 }, { p 6, p 3, p 7 }, {p 4 }, {p 5 }, { p 7 }}, {{p 2 }, { p 4, p 5, p 6 }, { p 6, p 7 }, {p 4 }, {p 5 }, { p 7 }}, {{p 2 }, { p 4, p 6 }, { p 6, p 7 }, {p 4 }, { p 7 }}, {{p 2 }, {p 6 }, { p 6, p 7 }, { p 7 }}, {{p 2 }, {p 6 }, { p 6 }}, {{p 2 }, } (si considerino nell ordine le clausole unitarie {p 0 }, {p 1 }, {p 3 }, {p 5 }, {p 4 }, { p 7 }, {p 6 }). L ultimo insieme di clausole non è soddisfacibile perché contiene. (Camerino) 70 / 83

71 2. Il Teorema di decomposizione Sia adesso α = {{p 0, p 1, p 2, p 3 }, { p 0, p 1, p 2, p 3 }, { p 0, p 1, p 2 }}. Siccome α p 2 =, si può usare la regola della formula basica pura per λ = p 2. Dato che α 0 p 2 = è soddisfacibile, anche α lo è. 3. Finalmente consideriamo α = {{p 0, p 1 }, {p 0, p 2 }, { p 0, p 1 }, { p 0, p 3 }, {p 1, p 2 }, {p 1, p 3 }}. Applicando il Teorema di decomposizione per λ = p 0, si ha che α è soddisfacibile se e solo se uno dei seguenti insiemi è soddisfacibile: Pos p0 (α) = {{ p 1 }, {p 2 }, {p 1, p 2 }, {p 1, p 3 }}, Neg p0 (α) = {{ p 1 }, {p 3 }, {p 1, p 2 }, {p 1, p 3 }}. (Camerino) 71 / 83

72 Il Teorema di decomposizione Consideriamo dapprima Pos p0 (α); con la regola della clausola unitaria applicata a p 2, si ottiene: {{ p 1 }, {p 1 }, {p 1, p 3 }}, da cui si passa, ancora con la regola della clausola unitaria, stavolta applicata a p 1, a { }, che è non soddisfacibile. Segue che Pos p0 (α) non è soddisfacibile. Allo stesso modo si vede che anche Neg p0 (α) non è soddisfacibile (basta ripetere i passaggi per Pos p0 (α) invertendo i ruoli di p 2 e p 3 ). Dunque neppure α lo è. (Camerino) 72 / 83

73 Il Teorema di decomposizione Algoritmo per il problema della soddisfacibilità suggerito dal Teorema di Decomposizione Data formula α in CNF, con variabili proposizionali tra p 0,..., p n 1, è o no soddisfacibile: determinare prima Pos p0 (α), Neg p0 (α) (che hanno variabili proposizionali tra p 1,..., p n 1 ), poi Pos p1 (Pos p0 (α)), Neg p1 (Pos p0 (α)) e Pos p1 (Neg p0 (α)), Neg p1 (Neg p0 (α)), (che hanno variabili proposizionali tra p 2,..., p n 1 ), e così via. Si determina in questo modo un albero 2-adico con n livelli e, quindi, 2 n rami. Al termine di ciascun ramo si trova un insieme finito di clausole non contenenti alcuna formula basica, dunque coincidenti con oppure con { }. (Camerino) 73 / 83

74 Il Teorema di decomposizione Algoritmo per il problema della soddisfacibilità suggerito dal Teorema di Decomposizione Per il Teorema di decomposizione, α è soddisfacibile sse, ad ogni livello dell albero, almeno un nodo è soddisfacibile. Ricordiamo che è soddisfatto da ogni valutazione, mentre { } non è soddisfacibile. α è soddisfacibile se e solo se al termine di almeno un ramo si trova. In particolare il metodo richiede, se α ha n variabili proposizionali, di esplorare 2 n rami di un albero. Si presta perciò alle medesime critiche delle tavole di verità: è, in generale, troppo lento. Naturalmente, in casi particolari (come quelli relativi agli esempi precedenti), l uso del Teorema di decomposizione e delle regole di Davis-Putnam permette un rapido controllo della soddisfacibilità della formula proposta. (Camerino) 74 / 83

75 Outline Il Teorema di risoluzione 1 Introduzione 2 Semantica e valutazioni 3 Cenni di sintassi 4 Connettivi, forme normali 5 Il problema della soddisfacibilità 6 Forme normali e clausole 7 Il Teorema di decomposizione 8 Il Teorema di risoluzione (Camerino) 75 / 83

76 Il Teorema di risoluzione Definizione. Siano k 1, k 2 due clausole, λ una variabile proposizionale tale che λ k 1 e λ k 2. Si dice risolvente di k 1 e k 2 rispetto a λ, e si indica con res λ (k 1, k 2 ), la clausola (k 1 {λ}) (k 2 { λ}). Esempio. Siano k 1 = {p 0, p 1 }, k 2 = { p 0, p 2 }, λ = p 0. Allora res λ (k 1, k 2 ) = {p 1, p 2 }. Si noti che, per ogni valutazione v, se v = {k 1, k 2 }, allora v(p 1 ) = 1 oppure v(p 2 ) = 1, e dunque v = {res λ (k 1, k 2 )}. (Camerino) 76 / 83

77 Il Teorema di risoluzione Lemma 1. Siano k 1, k 2 clausole, λ una variabile proposizionale tale che λ k 1 e λ k 2. Allora {k 1, k 2 } = {res λ (k 1, k 2 )}. Risolvente di una formula Sia α CNF (o, più in generale, sia α un insieme finito di clausole), e sia λ una variabile proposizionale. Poniamo RES λ (α) = α 0 λ {res λ(k 1, k 2 } : k 1 α + λ, k 2 α λ }. (Camerino) 77 / 83

78 Il Teorema di risoluzione Lemma 2. Siano α CNF (o comunque un insieme finito di clausole), λ una variabile proposizionale. Allora α è soddisfacibile se e solo se RES λ (α) è soddisfacibile. Dimostrazione. (= ) Proviamo che, addirittura, ogni valutazione v che soddisfa α soddisfa anche RES λ (α). Sia k RES λ (α), cerchiamo µ k tale che v(µ) = 1. Se k αλ 0, allora k α, e la tesi è ovvia. Sia allora k = res λ (k 1, k 2 ) con k 1 α + λ e k 2 α λ. Allora {k 1, k 2 } α, dunque v = {k 1, k 2 }. Per il Lemma 1, v = {k}, ovvero esiste µ k tale che v(µ) = 1. (Camerino) 78 / 83

79 Il Teorema di risoluzione Dimostrazioen del Lemma 2 (seconda parte) ( =) Per il Teorema di decomposizione, basta provare che, se v è una valutazione che soddisfa RES λ (α), allora v soddisfa Pos λ (α) oppure Neg λ (α). Dunque supponiamo che v = RES λ (α) ma v = Pos λ (α), e dimostriamo che, in questo caso, v = Neg λ (α) = αλ 0 {k 2 { λ} : k 2 α λ }. Chiaramente v = α0 λ perché αλ 0 α. Sia ora k 2 α λ ; sappiamo che esiste k Pos λ(α) tale che, per ogni µ k, v(µ) = 0, e, siccome v = αλ 0, deve essere k = k 1 {λ} per un opportuna clausola k 1 α + λ. Per ipotesi v = {res λ (k 1, k 2 )}, cioè esiste µ res λ (k 1, k 2 ) tale che v(µ) = 1; ma non può essere µ k 1 {λ} = k, dunque µ k 2 {λ}. In conclusione, v = Neg λ (α). (Camerino) 79 / 83

80 Il Teorema di risoluzione Il lemma 2 suggerisce già un algoritmo per controllare la soddisfacibilità di una formula α CNF. Se le variabili proposizionali di α sono tra p 0,..., p n 1, si costruiscono successivamente α 0 = α e, per ogni i con 0 < i < n, α i+1 = RES pi (α i ). Allora, per ogni i < n, le variabili proposizionali nelle clausole di α i sono tra p i,..., p n 1, e α i è soddisfacibile sse lo è α. Le clausole di α n non contengono alcuna variabile proposizionale, e dunque α n = oppure α n = { }. Se α n =, allora α è soddisfacibile, mentre, se α n = { }, α non è soddisfacibile. (Camerino) 80 / 83

81 Il Teorema di risoluzione Definizione. Sia α CNF. Si dice confutazione di α una sequenza finita k 0,..., k m di clausole tali che k m = e, per ogni i m, k i α o esistono j, h < i ed una variabile proposizionale λ tali che λ k j, λ k h e k i = res λ (k j, k h ). Teorema di risoluzione. Sia α CNF. Allora α non è soddisfacibile sse esiste una confutazione di α. (Camerino) 81 / 83

82 Esempio. Il Teorema di risoluzione Sia α = {{ p 0, p 1, p 2 }, { p 0, p 1, p 3 }, { p 4, p 5, p 6 }, { p 6, p 3, p 7 }, {p 0 }, {p 1 }, {p 4 }, {p 5 }, { p 7 }}. Abbiamo già provato, con l uso delle regole di Davis-Putnam, che α non è soddisfacibile. Ecco una confutazione di α: k 0 = { p 0, p 1, p 3 } α, k 1 = { p 6, p 3, p 7 } α, k 2 = { p 0, p 1, p 6, p 7 } = res p3 (k 0, k 1 ), k 3 = {p 0 } α, k 4 = { p 1, p 6, p 7 } = res p0 (k 3, k 2 ), k 5 = {p 1 } α, k 6 = { p 6, p 7 } = res p1 (k 5, k 4 ), (Camerino) 82 / 83

83 Il Teorema di risoluzione k 7 = { p 7 } α, k 8 = { p 6 } = res p7 (k 6, k 7 ), k 9 = { p 4, p 5, p 6 } α, k 10 = { p 4, p 5 } = res p6 (k 9, k 8 }, k 11 = {p 4 } α, k 12 = { p 5 } = res p4 (k 11, k 10 ), k 13 = {p 5 } α, k 14 = = res p5 (k 13, k 12 ). Si può comunque mostrare che anche il metodo ora descritto, per quanto più rapido dei precedenti in qualche caso particolare ha tuttavia lo stesso difetto: è troppo lento. (Camerino) 83 / 83

CORSO DI LAUREA IN MATEMATICA

CORSO DI LAUREA IN MATEMATICA CORSO DI LAUREA IN MATEMATICA ESERCITAZIONI DI ANALISI MATEMATICA I BREVI RICHIAMI DELLA TEORIA DEI LIMITI. Confronto di infinitesimi. Sia A sottoinsieme di R, sia 0 punto di accumulazione di A nella topologia

Dettagli

M.P. Cavaliere ELEMENTI DI MATEMATICA E LOGICA MATEMATICA DISCRETA INSIEMI

M.P. Cavaliere ELEMENTI DI MATEMATICA E LOGICA MATEMATICA DISCRETA INSIEMI M.P. Cavaliere ELEMENTI DI MATEMATICA E LOGICA MATEMATICA DISCRETA INSIEMI Assumiamo come primitivo il concetto di insieme e quello di appartenenza di un elemento a un insieme. La notazione x A indica

Dettagli

LEZIONE 4. { x + y + z = 1 x y + 2z = 3

LEZIONE 4. { x + y + z = 1 x y + 2z = 3 LEZIONE 4 4.. Operazioni elementari di riga. Abbiamo visto, nella precedente lezione, quanto sia semplice risolvere sistemi di equazioni lineari aventi matrice incompleta fortemente ridotta per righe.

Dettagli

SOTTOSPAZI E OPERAZIONI IN SPAZI DIVERSI DA R n

SOTTOSPAZI E OPERAZIONI IN SPAZI DIVERSI DA R n SPAZI E SOTTOSPAZI 1 SOTTOSPAZI E OPERAZIONI IN SPAZI DIVERSI DA R n Spazi di matrici. Spazi di polinomi. Generatori, dipendenza e indipendenza lineare, basi e dimensione. Intersezione e somma di sottospazi,

Dettagli

1 Definizione di sistema lineare omogeneo.

1 Definizione di sistema lineare omogeneo. Geometria Lingotto. LeLing1: Sistemi lineari omogenei. Ārgomenti svolti: Definizione di sistema lineare omogeneo. La matrice associata. Concetto di soluzione. Sistemi equivalenti. Operazioni elementari

Dettagli

1 IL LINGUAGGIO MATEMATICO

1 IL LINGUAGGIO MATEMATICO 1 IL LINGUAGGIO MATEMATICO Il linguaggio matematico moderno è basato su due concetti fondamentali: la teoria degli insiemi e la logica delle proposizioni. La teoria degli insiemi ci assicura che gli oggetti

Dettagli

Precorso di Matematica. Parte I : Fondamenti di Matematica

Precorso di Matematica. Parte I : Fondamenti di Matematica Facoltà di Ingegneria Precorso di Matematica Parte I : Fondamenti di Matematica 1. Teoria degli insiemi e cenni di logica Il concetto di insieme costituisce l elemento fondante di gran parte delle esposizioni

Dettagli

Matematica e-learning - Corso Zero di Matematica. Gli Insiemi. Prof. Erasmo Modica A.A.

Matematica e-learning - Corso Zero di Matematica. Gli Insiemi. Prof. Erasmo Modica  A.A. Matematica e-learning - Gli Insiemi Prof. Erasmo Modica http://www.galois.it erasmo@galois.it A.A. 2009/2010 1 Simboli Matematici Poiché in queste pagine verranno utilizzati differenti simboli matematici,

Dettagli

Il Teorema di Kakutani

Il Teorema di Kakutani Il Teorema di Kakutani Abbiamo visto, precedentemente, il seguente risultato: 1 Sia X uno spazio di Banach. Se X è separabile, la palla è debolmente compatta. B X = {x X x 1} Il Teorema di Kakutani è un

Dettagli

TEOREMA DEL RESTO E REGOLA DI RUFFINI

TEOREMA DEL RESTO E REGOLA DI RUFFINI TEOREMA DEL RESTO E REGOLA DI RUFFINI ALCUNI TEOREMI IMPORTANTI Prendiamo una divisione intera tra numeri: 6 : 3 = 2. Il resto di questa divisione è 0, e questo significa che moltiplicando il quoziente

Dettagli

Metodi per la risoluzione di sistemi lineari

Metodi per la risoluzione di sistemi lineari Metodi per la risoluzione di sistemi lineari Sistemi di equazioni lineari. Rango di matrici Come è noto (vedi [] sez.0.8), ad ogni matrice quadrata A è associato un numero reale det(a) detto determinante

Dettagli

m = a k n k + + a 1 n + a 0 Tale scrittura si chiama rappresentazione del numero m in base n e si indica

m = a k n k + + a 1 n + a 0 Tale scrittura si chiama rappresentazione del numero m in base n e si indica G. Pareschi COMPLEMENTI ED ESEMPI SUI NUMERI INTERI. 1. Divisione con resto di numeri interi 1.1. Divisione con resto. Per evitare fraintendimenti nel caso in cui il numero a del Teorema 0.4 sia negativo,

Dettagli

Sistemi di 1 grado in due incognite

Sistemi di 1 grado in due incognite Sistemi di 1 grado in due incognite Problema In un cortile ci sono polli e conigli: in totale le teste sono 7 e zampe 18. Quanti polli e quanti conigli ci sono nel cortile? Soluzione Indichiamo con e con

Dettagli

Introduzione alla TEORIA DEI NUMERI

Introduzione alla TEORIA DEI NUMERI Renato Migliorato Introduzione alla teoria dei numeri Introduzione alla TEORIA DEI NUMERI Avvertenza: questo è l inizio di un testo pensato come supporto al corso di Matematiche Complementari I ed ancora

Dettagli

4 0 = 4 2 = 4 4 = 4 6 = 0.

4 0 = 4 2 = 4 4 = 4 6 = 0. Elementi di Algebra e Logica 2008. Esercizi 4. Gruppi, anelli e campi. 1. Determinare la tabella additiva e la tabella moltiplicativa di Z 6. (a) Verificare dalla tabella moltiplicativa di Z 6 che esistono

Dettagli

Linguaggi e Grammatiche Liberi da Contesto

Linguaggi e Grammatiche Liberi da Contesto N.Fanizzi-V.Carofiglio Dipartimento di Informatica Università degli Studi di Bari 22 aprile 2016 1 Linguaggi Liberi da Contesto 2 Grammatiche e Linguaggi Liberi da Contesto G = (X, V, S, P) è una grammatica

Dettagli

Precorso di Matematica

Precorso di Matematica UNIVERSITÀ DEGLI STUDI ROMA TRE FACOLTA DI ARCHITETTURA Precorso di Matematica Anna Scaramuzza Anno Accademico 2005-2006 4-10 Ottobre 2005 INDICE 1. ALGEBRA................................. 3 1.1 Equazioni

Dettagli

I. Foglio di esercizi su vettori linearmente dipendenti e linearmente indipendenti. , v 2 = α v 1 + β v 2 + γ v 3. α v 1 + β v 2 + γ v 3 = 0. + γ.

I. Foglio di esercizi su vettori linearmente dipendenti e linearmente indipendenti. , v 2 = α v 1 + β v 2 + γ v 3. α v 1 + β v 2 + γ v 3 = 0. + γ. ESERCIZI SVOLTI DI ALGEBRA LINEARE (Sono svolti alcune degli esercizi proposti nei fogli di esercizi su vettori linearmente dipendenti e vettori linearmente indipendenti e su sistemi lineari ) I. Foglio

Dettagli

In una palazzina abitata da 20 famiglie, 10 di esse hanno il cane, 2 non hanno n è cane n è gatto mentre 12 famiglie hanno il gatto.

In una palazzina abitata da 20 famiglie, 10 di esse hanno il cane, 2 non hanno n è cane n è gatto mentre 12 famiglie hanno il gatto. Attività In una palazzina abitata da 20 famiglie, 10 di esse hanno il cane, 2 non hanno n è cane n è gatto mentre 12 famiglie hanno il gatto. È possibile che si realizzi la situazione descritta? Motiviamo...

Dettagli

Metodo di Gauss-Jordan 1

Metodo di Gauss-Jordan 1 Metodo di Gauss-Jordan 1 Nota Bene: Questo materiale non debe essere considerato come sostituto delle lezioni. Ārgomenti svolti: Riduzione per righe e matrici equivalenti per righe. Forma echelon e sistemi

Dettagli

Geometria Superiore Esercizi 1 (da consegnare entro... )

Geometria Superiore Esercizi 1 (da consegnare entro... ) Geometria Superiore Esercizi 1 (da consegnare entro... ) In questi esercizi analizziamo il concetto di paracompattezza per uno spazio topologico e vediamo come questo implichi l esistenza di partizioni

Dettagli

04 - Numeri Complessi

04 - Numeri Complessi Università degli Studi di Palermo Scuola Politecnica Dipartimento di Scienze Economiche, Aziendali e Statistiche Appunti del corso di Matematica 04 - Numeri Complessi Anno Accademico 2015/2016 M. Tumminello,

Dettagli

Prodotti scalari e matrici

Prodotti scalari e matrici Prodotti scalari e matrici 1 Forme bilineari e matrici In questa sezione vogliamo studiare la corrispondenza biunivoca che esiste tra l insieme delle forme bilineari su di un certo spazio vettoriale V

Dettagli

1.5 DIVISIONE TRA DUE POLINOMI

1.5 DIVISIONE TRA DUE POLINOMI Matematica C Algebra. Le basi del calcolo letterale.5 Divisione tra due polinomi..5 DIVISIONE TRA DUE POLINOMI Introduzione Ricordiamo la divisione tra due numeri, per esempio 47:4. Si tratta di trovare

Dettagli

SISTEMI LINEARI. x 2y 2z = 0. Svolgimento. Procediamo con operazioni elementari di riga sulla matrice del primo sistema: 1 1 1 3 1 2 R 2 R 2 3R 0 4 5.

SISTEMI LINEARI. x 2y 2z = 0. Svolgimento. Procediamo con operazioni elementari di riga sulla matrice del primo sistema: 1 1 1 3 1 2 R 2 R 2 3R 0 4 5. SISTEMI LINEARI Esercizi Esercizio. Risolvere, se possibile, i seguenti sistemi: x y z = 0 x + y + z = 3x + y + z = 0 x y = 4x + z = 0, x y z = 0. Svolgimento. Procediamo con operazioni elementari di riga

Dettagli

Chi non risolve esercizi non impara la matematica.

Chi non risolve esercizi non impara la matematica. 5.5 esercizi 9 Per trovare la seconda equazione ragioniamo così: la parte espropriata del primo terreno è x/00, la parte espropriata del secondo è y/00 e in totale sono stati espropriati 000 m, quindi

Dettagli

Giovanna Carnovale. October 18, Divisibilità e massimo comun divisore

Giovanna Carnovale. October 18, Divisibilità e massimo comun divisore MCD in N e Polinomi Giovanna Carnovale October 18, 2011 1 Divisibilità e massimo comun divisore 1.1 Divisibilità in N In questa sezione introdurremo il concetto di divisibilità e di massimo comun divisore

Dettagli

I RADICALI QUADRATICI

I RADICALI QUADRATICI I RADICALI QUADRATICI 1. Radici quadrate Definizione di radice quadrata: Si dice radice quadrata di un numero reale positivo o nullo a, e si indica con a, il numero reale positivo o nullo (se esiste) che,

Dettagli

2. APPUNTI SUI FASCI DI CIRCONFERENZE (raccolti dal prof. G. Traversi)

2. APPUNTI SUI FASCI DI CIRCONFERENZE (raccolti dal prof. G. Traversi) 2. APPUNTI SUI FASCI DI CIRCONFERENZE (raccolti dal prof. G. Traversi) La circonferenza è la curva di 2^ grado che viene individuata univocamente da tre punti non allineati e possiede la seguente proprietà:

Dettagli

LEZIONE 23. ax 2 + bxy + cy 2 + dx + ey + f

LEZIONE 23. ax 2 + bxy + cy 2 + dx + ey + f LEZIONE 23 23.1. Riduzione delle coniche a forma canonica. Fissiamo nel piano un sistema di riferimento Oxy e consideriamo un polinomio di grado 2 in x, y a meno di costanti moltiplicative non nulle, diciamo

Dettagli

ax 1 + bx 2 + c = 0, r : 2x 1 3x 2 + 1 = 0.

ax 1 + bx 2 + c = 0, r : 2x 1 3x 2 + 1 = 0. . Rette in R ; circonferenze. In questo paragrafo studiamo le rette e le circonferenze in R. Ci sono due modi per descrivere una retta in R : mediante una equazione cartesiana oppure mediante una equazione

Dettagli

Vettori e matrici. Lorenzo Pareschi. Dipartimento di Matematica & Facoltá di Architettura Universitá di Ferrara

Vettori e matrici. Lorenzo Pareschi. Dipartimento di Matematica & Facoltá di Architettura Universitá di Ferrara Vettori e matrici Lorenzo Pareschi Dipartimento di Matematica & Facoltá di Architettura Universitá di Ferrara http://utentiunifeit/lorenzopareschi/ lorenzopareschi@unifeit Lorenzo Pareschi Univ Ferrara

Dettagli

Codice Gray. (versione Marzo 2007)

Codice Gray. (versione Marzo 2007) Codice Gray (versione Marzo 27) Data una formula booleana con n variabili, per costruire una tavola di verità per questa formula è necessario generare tutte le combinazioni di valori per le n variabili.

Dettagli

7 2 =7 2=3,5. Casi particolari. Definizione. propria se < impropria se > e non è multiplo di b. apparente se è un multiplo di. Esempi.

7 2 =7 2=3,5. Casi particolari. Definizione. propria se < impropria se > e non è multiplo di b. apparente se è un multiplo di. Esempi. NUMERI RAZIONALI Q Nell insieme dei numeri naturali e nell insieme dei numeri interi relativi non è sempre possibile effettuare l operazione di divisione. Infatti, eseguendo la divisione 7 2 si ottiene

Dettagli

Metodi e Modelli per l Ottimizzazione Combinatoria Ripasso sulla Programmazione Lineare e il metodo del Simplesso (parte I)

Metodi e Modelli per l Ottimizzazione Combinatoria Ripasso sulla Programmazione Lineare e il metodo del Simplesso (parte I) Metodi e Modelli per l Ottimizzazione Combinatoria Ripasso sulla Programmazione Lineare e il metodo del Simplesso (parte I) Luigi De Giovanni Giacomo Zambelli 1 Problemi di programmazione lineare Un problema

Dettagli

Linguaggi di Programmazione Corso C. Parte n.3 Linguaggi Liberi da Contesto e Linguaggi Contestuali. Nicola Fanizzi

Linguaggi di Programmazione Corso C. Parte n.3 Linguaggi Liberi da Contesto e Linguaggi Contestuali. Nicola Fanizzi Linguaggi di Programmazione Corso C Parte n.3 Linguaggi Liberi da Contesto e Linguaggi Contestuali Nicola Fanizzi (fanizzi@di.uniba.it) Dipartimento di Informatica Università degli Studi di Bari Grammatiche

Dettagli

CORSO DI LAUREA IN MATEMATICA ESERCIZI SUI LIMITI 2

CORSO DI LAUREA IN MATEMATICA ESERCIZI SUI LIMITI 2 CORSO DI LAUREA IN MATEMATICA ESERCITAZIONI DI ANALISI MATEMATICA I ESERCIZI SUI LIMITI CALCOLARE IL VALORE DEI SEGUENTI LIMITI sine 4 log e e sin e 5 tan sin 5 7 tan 9 sin + e e + 4 6 8 + 0 n + log +

Dettagli

Elementi di logica. SCOPO: introdurre nozioni di logica & vocabolario per una corretta interpretazione delle dimostrazioni.

Elementi di logica. SCOPO: introdurre nozioni di logica & vocabolario per una corretta interpretazione delle dimostrazioni. Elementi di logica SCOPO: introdurre nozioni di logica & vocabolario per una corretta interpretazione delle dimostrazioni. Quantificatori: elementi fondamentali del linguaggio matematico. quantificatore

Dettagli

Percorso 2010: Introduzione alla Logica Proposizionale

Percorso 2010: Introduzione alla Logica Proposizionale Percorso 2010: Introduzione alla Logica Proposizionale Francesca Poggiolesi Facoltà di Medicina e Chirurgia 26 Agosto 2010, Firenze Dal test alla logica Alcuni esempi di test 1 Dal test alla logica Alcuni

Dettagli

Esercizio. Sia a R non nullo e siano m, n numeri interi non nulli con m n. Allora a m /a n è uguale a. [1] 1/a n m [2] 1/a m n [3] 1/a n m [4] a n m

Esercizio. Sia a R non nullo e siano m, n numeri interi non nulli con m n. Allora a m /a n è uguale a. [1] 1/a n m [2] 1/a m n [3] 1/a n m [4] a n m Sia a R non nullo e siano m, n numeri interi non nulli con m n. Allora a m /a n è uguale a [1] 1/a n m [2] 1/a m n [3] 1/a n m [4] a n m Vale la [1] perché per le proprietà delle potenze risulta a m a

Dettagli

LEZIONE 3. Typeset by AMS-TEX

LEZIONE 3. Typeset by AMS-TEX LEZIONE 3 3 Risoluzione di sistemi Supponiamo che AX = B sia un sistema di equazioni lineari Ad esso associamo la sua matrice completa (A B Per la Proposizione 236 sappiamo di poter trasformare, con operazioni

Dettagli

FUNZIONI ELEMENTARI, DISEQUAZIONI, NUMERI REALI, PRINCIPIO DI INDUZIONE Esercizi risolti

FUNZIONI ELEMENTARI, DISEQUAZIONI, NUMERI REALI, PRINCIPIO DI INDUZIONE Esercizi risolti FUNZIONI ELEMENTARI, DISEQUAZIONI, NUMERI REALI, PRINCIPIO DI INDUZIONE Esercizi risolti Discutendo graficamente la disequazione x > 3 + x, verificare che l insieme delle soluzioni è un intervallo e trovarne

Dettagli

INDICAZIONI PER LA RICERCA DEGLI ASINTOTI VERTICALI

INDICAZIONI PER LA RICERCA DEGLI ASINTOTI VERTICALI 2.13 ASINTOTI 44 Un "asintoto", per una funzione y = f( ), è una retta alla quale il grafico della funzione "si avvicina indefinitamente", "si avvicina di tanto quanto noi vogliamo", nel senso precisato

Dettagli

x 2 + (x+4) 2 = 20 Alle equazioni di secondo grado si possono applicare i PRINCIPI di EQUIVALENZA utilizzati per le EQUAZIONI di PRIMO GRADO.

x 2 + (x+4) 2 = 20 Alle equazioni di secondo grado si possono applicare i PRINCIPI di EQUIVALENZA utilizzati per le EQUAZIONI di PRIMO GRADO. EQUAZIONI DI SECONDO GRADO Un'equazione del tipo x 2 + (x+4) 2 = 20 è un'equazione DI SECONDO GRADO IN UNA INCOGNITA. Alle equazioni di secondo grado si possono applicare i PRINCIPI di EQUIVALENZA utilizzati

Dettagli

APPUNTI DI MATEMATICA ALGEBRA \ CALCOLO LETTERALE \ MONOMI (1)

APPUNTI DI MATEMATICA ALGEBRA \ CALCOLO LETTERALE \ MONOMI (1) LGEBR \ CLCOLO LETTERLE \ MONOMI (1) Un monomio è un prodotto di numeri e lettere; gli (eventuali) esponenti delle lettere sono numeri naturali (0 incluso). Ogni numero (reale) può essere considerato come

Dettagli

Esercizi sui sistemi di equazioni lineari.

Esercizi sui sistemi di equazioni lineari. Esercizi sui sistemi di equazioni lineari Risolvere il sistema di equazioni lineari x y + z 6 x + y z x y z Si tratta di un sistema di tre equazioni lineari nelle tre incognite x, y e z Poichè m n, la

Dettagli

Probabilità. Ing. Ivano Coccorullo

Probabilità. Ing. Ivano Coccorullo Ing. Ivano Coccorullo PROBABILITA Teoria della Eventi certi, impossibili e casuali Nella scienza e nella tecnologia è fondamentale il principio secondo il quale ogni volta che si realizza un insieme di

Dettagli

L'algebra Booleana. Generalità. Definizioni

L'algebra Booleana. Generalità. Definizioni L'algebra Booleana Generalità L algebra booleana è stata sviluppata da George Boole nel 1854, ed è diventata famosa intorno al 1938 poiché permette l analisi delle reti di commutazione, i cui soli stati

Dettagli

Disequazioni in una incognita. La rappresentazione delle soluzioni

Disequazioni in una incognita. La rappresentazione delle soluzioni Disequazioni in una incognita Una disequazione in una incognita è una disuguaglianza tra due espressioni contenenti una variabile (detta incognita) verificata solo per particolari valori attribuirti alla

Dettagli

ESERCIZI SVOLTI SUL CALCOLO INTEGRALE

ESERCIZI SVOLTI SUL CALCOLO INTEGRALE ESERCIZI SVOLTI SUL CALCOLO INTEGRALE * Tratti dagli appunti delle lezioni del corso di Matematica Generale Dipartimento di Economia - Università degli Studi di Foggia Prof. Luca Grilli Dott. Michele Bisceglia

Dettagli

a + 2b + c 3d = 0, a + c d = 0 c d

a + 2b + c 3d = 0, a + c d = 0 c d SPAZI VETTORIALI 1. Esercizi Esercizio 1. Stabilire quali dei seguenti sottoinsiemi sono sottospazi: V 1 = {(x, y, z) R 3 /x = y = z} V = {(x, y, z) R 3 /x = 4} V 3 = {(x, y, z) R 3 /z = x } V 4 = {(x,

Dettagli

Circonferenze del piano

Circonferenze del piano Circonferenze del piano 1 novembre 1 Circonferenze del piano 1.1 Definizione Una circonferenza è il luogo dei punti equidistanti da un punto fisso, detto centro. La distanza di un qualunque punto della

Dettagli

Corso di Laurea in Matematica per l Informatica e la Comunicazione Scientifica

Corso di Laurea in Matematica per l Informatica e la Comunicazione Scientifica Corso di Laurea in Matematica per l Informatica e la Comunicazione Scientifica Soluzione del compito di Matematica Discreta 1 del 25 luglio 200 1. Qual è il numero di applicazioni f : A = {1,..., 5} B

Dettagli

Le equazioni di I grado

Le equazioni di I grado Le equazioni di I grado ITIS Feltrinelli anno scolastico 007-008 R. Folgieri 007-008 1 Le equazioni abbiamo una uguaglianza tra due quantità (espressioni algebriche, perché nei due termini ci possono essere

Dettagli

Una proposizione che si pone alla base di una teoria matematica senza darne una giustificazione. Sono le «regole del gioco».

Una proposizione che si pone alla base di una teoria matematica senza darne una giustificazione. Sono le «regole del gioco». Ripasso Scheda per il recupero Il metodo assiomatico-deduttivo OMNE he cos è un assioma? he cos è un concetto primitivo? he cos è un teorema? he cosa significa affrontare lo studio della geometria secondo

Dettagli

Equazioni lineari con due o più incognite

Equazioni lineari con due o più incognite Equazioni lineari con due o più incognite Siano date le uguaglianze: k 0; x + y = 6; 3a + b c = 8. La prima ha un termine incognito rappresentato dal simbolo letterale k; la seconda ha due termini incogniti

Dettagli

Algebra di Boole Algebra di Boole

Algebra di Boole Algebra di Boole 1 L algebra dei calcolatori L algebra booleana è un particolare tipo di algebra in cui le variabili e le funzioni possono solo avere valori 0 e 1. Deriva il suo nome dal matematico inglese George Boole

Dettagli

Corso di Calcolo Numerico

Corso di Calcolo Numerico Corso di Calcolo Numerico Dott.ssa M.C. De Bonis Università degli Studi della Basilicata, Potenza Facoltà di Ingegneria Corso di Laurea in Ingegneria Meccanica Risoluzione di Equazioni Algebriche Le equazioni

Dettagli

EQUAZIONI MATRICIALI

EQUAZIONI MATRICIALI EQUAZIONI MATRICIALI a cura di Gioella Lorenzon, Edoardo Sech, Lorenzo Spina, Jing Jing Xu Realizzato nell'ambito del progetto Archimede con la supervisione del Prof. Fabio Breda I.S.I.S.S. M.Casagrande,

Dettagli

Punti nel piano cartesiano

Punti nel piano cartesiano Punti nel piano cartesiano In un piano consideriamo due rette perpendicolari che chiamiamo x e. Solitamente, disegniamo la retta x (ascisse) orizzontalmente e orientata da sinistra a destra, la retta e

Dettagli

Un insieme si dice finito quando l operazione consistente nel contare i suoi elementi ha termine.

Un insieme si dice finito quando l operazione consistente nel contare i suoi elementi ha termine. INSIEMI Insieme Le nozioni di insieme e di elemento di un insieme sono considerati come concetti primitivi, cioè non definibili mediante concetti più semplici, né riconducibili ad altri concetti definiti

Dettagli

SISTEMI LINEARI MATRICI E SISTEMI 1

SISTEMI LINEARI MATRICI E SISTEMI 1 MATRICI E SISTEMI SISTEMI LINEARI Sistemi lineari e forma matriciale (definizioni e risoluzione). Teorema di Rouché-Capelli. Sistemi lineari parametrici. Esercizio Risolvere il sistema omogeneo la cui

Dettagli

La funzione di Hilbert e i numeri di Betti tra Algebra e Geometria

La funzione di Hilbert e i numeri di Betti tra Algebra e Geometria La funzione di Hilbert e i numeri di Betti tra Algebra e Geometria Alfio Ragusa Dipartimento di Matematica e Informatica Università di Catania Gennaio 2014 Alfio Ragusa (Univ. Catania) La funzione di Hilbert

Dettagli

1 Calcolo dei predicati del I ordine. Semantica

1 Calcolo dei predicati del I ordine. Semantica 1 Calcolo dei predicati del I ordine. Semantica Ricordiamo la sintassi del calcolo dei predicati. 1.1 Sintassi. Sintassi. Un linguaggio del calcolo dei predicati L = (Pred, Fun, Const) consiste di (1)

Dettagli

Appunti ed esercizi sulle coniche

Appunti ed esercizi sulle coniche 1 LA CIRCONFERENZA 1 Appunti ed esercizi sulle coniche Versione del 1 Marzo 011 1 La circonferenza Nel piano R, fissati un punto O = (a, b) e un numero r > 0, la circonferenza (o cerchio) C di centro O

Dettagli

Anno 3 Equazione dell'ellisse

Anno 3 Equazione dell'ellisse Anno Equazione dell'ellisse 1 Introduzione In questa lezione affronteremo una serie di problemi che ci chiederanno di determinare l equazione di un ellisse sotto certe condizioni. Al termine della lezione

Dettagli

= < < < < < Matematica 1

= < < < < < Matematica  1 NUMERI NATURALI N I numeri naturali sono: 0,1,2,3,4,5,6,7,8,9,10,11,12,13,... L insieme dei numeri naturali è indicato con la lettera. Si ha cioè: N= 0,1,2,3,4,5,6,7,.... L insieme dei naturali privato

Dettagli

Completezza e compattezza

Completezza e compattezza 1 Completezza e compattezza Spazi metrici completi Data una successione x : N X, j x j, una sua sottosuccessione è la composizione x ν, ove ν : N N è strettamente crescente. Data una successione (x j )

Dettagli

Anno 2. Poligoni inscritti e circoscritti: proprietà e teoremi sui poligoni principali

Anno 2. Poligoni inscritti e circoscritti: proprietà e teoremi sui poligoni principali Anno 2 Poligoni inscritti e circoscritti: proprietà e teoremi sui poligoni principali 1 Introduzione In questa lezione tratteremo i poligoni inscritti e circoscritti a una circonferenza, descrivendone

Dettagli

( x) Definizione: si definisce dominio (o campo di esistenza) di una funzione f ( x) l insieme dei valori

( x) Definizione: si definisce dominio (o campo di esistenza) di una funzione f ( x) l insieme dei valori Definizione: si definisce dominio (o campo di esistenza) di una funzione f ( ) l insieme dei valori che la variabile può assumere affinché la funzione f ( ) abbia significato. Vediamo di individuare alcune

Dettagli

1 Relazione di congruenza in Z

1 Relazione di congruenza in Z 1 Relazione di congruenza in Z Diamo ora un esempio importante di relazione di equivalenza: la relazione di congruenza modn in Z. Definizione 1 Sia X = Z, a,b Z ed n un intero n > 1. Si dice a congruo

Dettagli

Studio di funzioni goniometriche. di Carmelo Di Stefano 1

Studio di funzioni goniometriche. di Carmelo Di Stefano 1 Studio di funzioni goniometriche di Carmelo Di Stefano 1 Sommario. Lo studio della goniometria è considerato, non del tutto a torto, uno dei più noiosi da parte degli studenti. L argomento viene visto

Dettagli

Disequazioni di secondo grado

Disequazioni di secondo grado Disequazioni di secondo grado. Disequazioni Definizione: una disequazione è una relazione di disuguaglianza tra due espressioni. Detti p() e g() due polinomi definiti in un insieme A, una disequazione

Dettagli

COMPLETAMENTO DI SPAZI METRICI

COMPLETAMENTO DI SPAZI METRICI COMPLETAMENTO DI SPAZI METRICI 1. Successioni di Cauchy e spazi metrici completi Definizione 1.1. Una successione x n n N a valori in uno spazio metrico X, d si dice di Cauchy se, per ogni ε > 0 esiste

Dettagli

Numeri cardinali. Definizione 1.1 Due insiemi A e B, non vuoti, si dicono equipotenti, e si scrive A B, se esiste un applicazione f : A B biunivoca.

Numeri cardinali. Definizione 1.1 Due insiemi A e B, non vuoti, si dicono equipotenti, e si scrive A B, se esiste un applicazione f : A B biunivoca. Numeri cardinali 1 Insiemi equipotenti e cardinalità Partiamo da un semplice esempio. Sia A = {a, b, c, d, e, f} l insieme delle prime sei lettere dell alfabeto. Che tipo di operazione facciamo per concludere

Dettagli

EQUAZIONI DI PRIMO GRADO

EQUAZIONI DI PRIMO GRADO Cognome... Nome... Equazioni di primo grado EQUAZIONI DI PRIMO GRADO Un'equazione di primo grado e un'uguaglianza tra due espressioni algebriche di primo grado, vera solo per alcuni valori che si attribuiscono

Dettagli

0.1 Esercizi calcolo combinatorio

0.1 Esercizi calcolo combinatorio 0.1 Esercizi calcolo combinatorio Esercizio 1. Sia T l insieme dei primi 100 numeri naturali. Calcolare: 1. Il numero di sottoinsiemi A di T che contengono esattamente 8 pari.. Il numero di coppie (A,

Dettagli

LE DISEQUAZIONI LINEARI

LE DISEQUAZIONI LINEARI LE DISEQUAZIONI LINEARI Per ricordare H Una disequazione si rappresenta come una disuguaglianza fra due espressioni algebriche A e B ; essa assume dunque la forma A Per risolvere una disequazione

Dettagli

Tempo a disposizione: 150 minuti. 1 È dato l endomorfismo f : R 3 R 3 definito dalle relazioni

Tempo a disposizione: 150 minuti. 1 È dato l endomorfismo f : R 3 R 3 definito dalle relazioni Università degli Studi di Catania Anno Accademico 2014-2015 Corso di Laurea in Informatica Prova in itinere di Matematica Discreta (12 CFU) 17 Aprile 2015 Prova completa Tempo a disposizione: 150 minuti

Dettagli

Questo paragrafo e quello successivo trattano gli stessi argomenti del capitolo B6 relativo alla soluzione grafica dei sistemi di primo grado.

Questo paragrafo e quello successivo trattano gli stessi argomenti del capitolo B6 relativo alla soluzione grafica dei sistemi di primo grado. D1. Retta D1.1 Equazione implicita ed esplicita Ogni equazione di primo grado in due incognite rappresenta una retta sul piano cartesiano (e viceversa). Si può scrivere un equazione di primo grado in due

Dettagli

Anno 2. Radicali algebrici e aritmetici: condizioni di esistenza

Anno 2. Radicali algebrici e aritmetici: condizioni di esistenza Anno 2 Radicali algebrici e aritmetici: condizioni di esistenza 1 Introduzione Perché studiare i radicali? In matematica ogni volta che facciamo un operazione dobbiamo anche vedere se è possibile tornare

Dettagli

Osservazioni sulle funzioni composte

Osservazioni sulle funzioni composte Osservazioni sulle funzioni composte ) 30 dicembre 2009 Scopo di questo articolo è di trattare alcuni problemi legati alla derivabilità delle funzioni composte nel caso di funzioni di R n in R m Non si

Dettagli

FUNZIONI. y Y. Def. L insieme Y è detto codominio di f. Es. Siano X = R, Y = R e f : x y = 1 x associo il suo inverso). (ad un numero reale

FUNZIONI. y Y. Def. L insieme Y è detto codominio di f. Es. Siano X = R, Y = R e f : x y = 1 x associo il suo inverso). (ad un numero reale FUNZIONI Siano X e Y due insiemi. Def. Una funzione f definita in X a valori in Y è una corrispondenza (una legge) che associa ad ogni elemento X al piú un elemento in Y. X Y Def. L insieme Y è detto codominio

Dettagli

Esercizi svolti. risolvere, se possibile, l equazione xa + B = O, essendo x un incognita reale

Esercizi svolti. risolvere, se possibile, l equazione xa + B = O, essendo x un incognita reale Esercizi svolti 1. Matrici e operazioni fra matrici 1.1 Date le matrici 1 2 1 6 A = B = 5 2 9 15 6 risolvere, se possibile, l equazione xa + B = O, essendo x un incognita reale Osservazione iniziale: qualunque

Dettagli

Anno 3. Funzioni esponenziali e logaritmi: le 4 operazioni

Anno 3. Funzioni esponenziali e logaritmi: le 4 operazioni Anno 3 Funzioni esponenziali e logaritmi: le 4 operazioni 1 Introduzione In questa lezione impareremo a conoscere le funzioni esponenziali e i logaritmi; ne descriveremo le principali caratteristiche e

Dettagli

Parte V: Rilassamento Lagrangiano

Parte V: Rilassamento Lagrangiano Parte V: Rilassamento Lagrangiano Tecnica Lagrangiana Consideriamo il seguente problema di Programmazione Lineare Intera: P 1 min c T x L I Ax > b Cx > d x > 0, intera in cui A = matrice m x n C = matrice

Dettagli

Richiami sulla rappresentazione dei numeri in una base fissata

Richiami sulla rappresentazione dei numeri in una base fissata Silvia Bonettini - Appunti di Analisi Numerica 1 Richiami sulla rappresentazione dei numeri in una base fissata In questo capitolo si vogliono richiamare i concetti principali riguardanti la reppresentazione

Dettagli

Le disequazioni frazionarie (o fratte)

Le disequazioni frazionarie (o fratte) Le disequazioni frazionarie (o fratte) Una disequazione si dice frazionaria (o fratta) se l'incognita compare al denominatore. Esempi di disequazioni fratte sono: 0 ; ; < 0 ; ; Come per le equazioni fratte,

Dettagli

UNIVERSITÀ di ROMA TOR VERGATA

UNIVERSITÀ di ROMA TOR VERGATA UNIVERSITÀ di ROMA TOR VERGATA Corso di Statistica, anno 00- P.Baldi Lista di esercizi. Corso di Laurea in Biotecnologie Esercizio Si sa che in una schedina del totocalcio i tre simboli, X, compaiono con

Dettagli

Collegamento generatori di tensione. Collegamento parallelo. Sia dato il sistema di figura 1: Fig. 1 -

Collegamento generatori di tensione. Collegamento parallelo. Sia dato il sistema di figura 1: Fig. 1 - Collegamento generatori di tensione Collegamento parallelo Sia dato il sistema di figura : Fig. - vogliamo trovare il bipolo equivalente al parallelo dei tre generatori di tensione, il bipolo, cioè, che

Dettagli

Algoritmi. Pagina 1 di 5

Algoritmi. Pagina 1 di 5 Algoritmi Il termine algoritmo proviene dalla matematica e deriva dal nome di in algebrista arabo del IX secolo di nome Al-Khuwarizmi e sta ad indicare un procedimento basato su un numero finito operazioni

Dettagli

I coefficienti delle incognite sono proporzionali fra loro ma NON coi termini noti, e il sistema è dunque IMPOSSIBILE (si dice anche: INCOMPATIBILE).

I coefficienti delle incognite sono proporzionali fra loro ma NON coi termini noti, e il sistema è dunque IMPOSSIBILE (si dice anche: INCOMPATIBILE). RISOLUZIONI DEGLI ESERCIZI SUI SISTEMI DI 1 GRADO IMPOSSIBILI E INDETERMINATI Per ciascuno dei seguenti sistemi, stabilisci se è determinato, impossibile, o indeterminato. In caso di indeterminazione,

Dettagli

Riconoscere e formalizzare le dipendenze funzionali

Riconoscere e formalizzare le dipendenze funzionali Riconoscere e formalizzare le dipendenze funzionali Giorgio Ghelli 25 ottobre 2007 1 Riconoscere e formalizzare le dipendenze funzionali Non sempre è facile indiduare le dipendenze funzionali espresse

Dettagli

SISTEMI LINEARI, METODO DI GAUSS

SISTEMI LINEARI, METODO DI GAUSS SISTEMI LINEARI, METODO DI GAUSS Abbiamo visto che un sistema di m equazioni lineari in n incognite si può rappresentare in forma matriciale come A x = b dove: A è la matrice di tipo (m, n) dei coefficienti

Dettagli

Fondamenti e didattica di Matematica Finanziaria

Fondamenti e didattica di Matematica Finanziaria Fondamenti e didattica di Matematica Finanziaria Silvana Stefani Piazza dell Ateneo Nuovo 1-20126 MILANO U6-368 silvana.stefani@unimib.it SILSIS 1 Unità 3 Tassi equivalenti Tassi effettivi e nominali Capitalizzazione

Dettagli

Rappresentazione della Conoscenza. Lezione 2. Rappresentazione della Conoscenza Daniele Nardi, 2008Lezione 2 0

Rappresentazione della Conoscenza. Lezione 2. Rappresentazione della Conoscenza Daniele Nardi, 2008Lezione 2 0 Rappresentazione della Conoscenza Lezione 2 Rappresentazione della Conoscenza Daniele Nardi, 2008Lezione 2 0 Logica come linguaggio di rappresentazione della conoscenza Sommario richiami sintassi e semantica

Dettagli

Anno 2. Equivalenza fra triangoli, parallelogramma e trapezio

Anno 2. Equivalenza fra triangoli, parallelogramma e trapezio Anno 2 Equivalenza fra triangoli, parallelogramma e trapezio 1 Introduzione In questa lezione parleremo dell equivalenza tra alcune figure piane; in particolare parleremo di triangoli, trapezi e parallelogrammi.

Dettagli

VBA è un linguaggio di scripting derivato da Visual Basic, da cui prende il nome. Come ogni linguaggio ha le sue regole.

VBA è un linguaggio di scripting derivato da Visual Basic, da cui prende il nome. Come ogni linguaggio ha le sue regole. Excel VBA VBA Visual Basic for Application VBA è un linguaggio di scripting derivato da Visual Basic, da cui prende il nome. Come ogni linguaggio ha le sue regole. 2 Prima di iniziare. Che cos è una variabile?

Dettagli

Bono Marco Spirali triangolari e quadrate 1. Spirali triangolari e quadrate

Bono Marco Spirali triangolari e quadrate 1. Spirali triangolari e quadrate Bono Marco Spirali triangolari e quadrate 1 Spirali triangolari e quadrate Spirali triangolari Proviamo a costruire delle spirali triangolari: per iniziare partiamo da un solo punto, come nella figura

Dettagli

2x 5y +4z = 3 x 2y + z =5 x 4y +6z = A =

2x 5y +4z = 3 x 2y + z =5 x 4y +6z = A = Esercizio 1. Risolvere il sistema lineare 2x 5y +4z = x 2y + z =5 x 4y +6z =10 (1) Soluz. La matrice dei coefficienti è 1 4 6, calcoliamone il rango. Il determinante di A è (applico la regola di Sarrus):

Dettagli