数理逻辑学习笔记[0] 命题逻辑:语义

2024-04-22 10:58

本文主要是介绍数理逻辑学习笔记[0] 命题逻辑:语义,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

文章目录

  • 1 命题逻辑:语义
    • 1.1 命题和连接符
    • 1.2 真值函数和真值表
    • 1.3 操作和替换规则
    • 1.4 范式
    • 1.5 连接符的完备集
    • 1.6 推理及有效性
  • 勘误集
    • ml-1_1.pdf

1 命题逻辑:语义

1.1 命题和连接符

  1. Q: 数学语言,如“ x 0 x_0 x0是集合 X X X的最大元”是符号语言嘛?如何把它转化为符号语言?
    A: 不是。数学语言是自然语言+记号。 x 0 ∈ X , ∀ x ∈ X , x ≤ x 0 x_0\in X,\forall x\in X,x\le x_0 x0X,xX,xx0. 注意 x 0 ∈ X x_0\in X x0X不能遗漏!
  2. Q: 逻辑矛盾和悖论有何联系?悖论常常如何产生矛盾?
    A: 逻辑矛盾是同时断言一个陈述和它的否定。悖论是一种逻辑矛盾的形式(导致自相矛盾的陈述的一种)。
    实际上,悖论常常是自指语句,引起自相矛盾。当然也可以:“循环”地“指一圈”,导致自相矛盾。
    注:悖论不是命题。并且,存在既不是悖论也不是命题的陈述句(即不是悖论,但并不具有真假意义)。
  3. Q: 用多项式及其在某点的值类比,直观阐述简单命题、复合命题、命题变元、命题形式的关系。
    A: 简单命题相当于一个数字,如0. 复合命题相当于已知数组成的表达式,如 1 + 1 1+1 1+1. 命题变元相当于未知数,如 x x x. 命题形式相当于含未知数代数式,如 1 + x + y 1+x+y 1+x+y.
    复合命题的真值依赖于其中简单命题(原子)的真值及连接符。

1.2 真值函数和真值表

  1. Q: ( p ∨ q ) ∨ r (p\vee q)\vee r (pq)r对应的布尔函数(真值函数)定义域和值域分别是什么?将它表示成真值表为几行几列?一共有多少个与它相同定义域和值域的真值函数?
    A: f : { 1 , 0 } 3 → { 1 , 0 } f:\{1,0\}^3\to\{1,0\} f:{1,0}3{1,0}.
    (如果表头4列分别为 p , q , r , ( p ∨ q ) ∨ r p,q,r,(p\vee q)\vee r p,q,r,(pq)r,不计表头所占的1行,则)4列,8行。
    2 2 3 2^{2^3} 223个。(当然,我们认为当定义域、值域和对应法则均相同的函数是相同的,而不重复计数。即使其对应命题形式可能不同
  2. Q: “如果 1 = 2 1=2 1=2 − 1 = − 2 -1=-2 1=2”是真命题吗?
    A: (按数字和符号通常的意义理解)是真命题。因为 1 = 2 1=2 1=2为假命题,故用 → \to 连接它和任何命题都得到真命题。(这是“空虚(vacuous)的真”)
  3. Q: 如何理解“命题形式可嵌套,可潜在无限长;给定一个命题形式,则为有限长”?
    A: 嵌套:命题形式由归纳(递归)定义,即首先任一变元是命题形式,其次变元间各种(一元或二元)运算也得到命题形式。
    “潜在”意为任给一个命题形式,都存在“比它更长”的,此过程可以“无限进行”下去。但是每一个确定的命题形式都是有限长的。
    注:线性代数中无限维线性空间中“线性表出”的定义也是如此。确定的某一种线性表出方式一定只含有限个向量。但并不存在一个整数是所有表出方式中向量个数的上界。
  4. Q: 如何理解“技术性符号如( ) ...都不是必要的”?请解释:没有省略号,怎么表示 p 1 ∧ p 2 ∧ ⋯ ∧ p n p_1\wedge p_2\wedge\cdots \wedge p_n p1p2pn呢?
    A: 比如中缀表达式转化为前缀表达式( p ∨ q ∨ r p\vee q\vee r pqr转化为 ∨ ∨ p q r \vee\vee pqr pqr)则无需括号。用省略号表达命题形式只是为了表达方便,完全可以不需要。
    “没有省略号,怎么表示 p 1 ∧ p 2 ∧ ⋯ ∧ p n p_1\wedge p_2\wedge\cdots \wedge p_n p1

这篇关于数理逻辑学习笔记[0] 命题逻辑:语义的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/925593

相关文章

Java深度学习库DJL实现Python的NumPy方式

《Java深度学习库DJL实现Python的NumPy方式》本文介绍了DJL库的背景和基本功能,包括NDArray的创建、数学运算、数据获取和设置等,同时,还展示了如何使用NDArray进行数据预处理... 目录1 NDArray 的背景介绍1.1 架构2 JavaDJL使用2.1 安装DJL2.2 基本操

HarmonyOS学习(七)——UI(五)常用布局总结

自适应布局 1.1、线性布局(LinearLayout) 通过线性容器Row和Column实现线性布局。Column容器内的子组件按照垂直方向排列,Row组件中的子组件按照水平方向排列。 属性说明space通过space参数设置主轴上子组件的间距,达到各子组件在排列上的等间距效果alignItems设置子组件在交叉轴上的对齐方式,且在各类尺寸屏幕上表现一致,其中交叉轴为垂直时,取值为Vert

Ilya-AI分享的他在OpenAI学习到的15个提示工程技巧

Ilya(不是本人,claude AI)在社交媒体上分享了他在OpenAI学习到的15个Prompt撰写技巧。 以下是详细的内容: 提示精确化:在编写提示时,力求表达清晰准确。清楚地阐述任务需求和概念定义至关重要。例:不用"分析文本",而用"判断这段话的情感倾向:积极、消极还是中性"。 快速迭代:善于快速连续调整提示。熟练的提示工程师能够灵活地进行多轮优化。例:从"总结文章"到"用

【前端学习】AntV G6-08 深入图形与图形分组、自定义节点、节点动画(下)

【课程链接】 AntV G6:深入图形与图形分组、自定义节点、节点动画(下)_哔哩哔哩_bilibili 本章十吾老师讲解了一个复杂的自定义节点中,应该怎样去计算和绘制图形,如何给一个图形制作不间断的动画,以及在鼠标事件之后产生动画。(有点难,需要好好理解) <!DOCTYPE html><html><head><meta charset="UTF-8"><title>06

学习hash总结

2014/1/29/   最近刚开始学hash,名字很陌生,但是hash的思想却很熟悉,以前早就做过此类的题,但是不知道这就是hash思想而已,说白了hash就是一个映射,往往灵活利用数组的下标来实现算法,hash的作用:1、判重;2、统计次数;

零基础学习Redis(10) -- zset类型命令使用

zset是有序集合,内部除了存储元素外,还会存储一个score,存储在zset中的元素会按照score的大小升序排列,不同元素的score可以重复,score相同的元素会按照元素的字典序排列。 1. zset常用命令 1.1 zadd  zadd key [NX | XX] [GT | LT]   [CH] [INCR] score member [score member ...]

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss

【学习笔记】 陈强-机器学习-Python-Ch15 人工神经网络(1)sklearn

系列文章目录 监督学习:参数方法 【学习笔记】 陈强-机器学习-Python-Ch4 线性回归 【学习笔记】 陈强-机器学习-Python-Ch5 逻辑回归 【课后题练习】 陈强-机器学习-Python-Ch5 逻辑回归(SAheart.csv) 【学习笔记】 陈强-机器学习-Python-Ch6 多项逻辑回归 【学习笔记 及 课后题练习】 陈强-机器学习-Python-Ch7 判别分析 【学

系统架构师考试学习笔记第三篇——架构设计高级知识(20)通信系统架构设计理论与实践

本章知识考点:         第20课时主要学习通信系统架构设计的理论和工作中的实践。根据新版考试大纲,本课时知识点会涉及案例分析题(25分),而在历年考试中,案例题对该部分内容的考查并不多,虽在综合知识选择题目中经常考查,但分值也不高。本课时内容侧重于对知识点的记忆和理解,按照以往的出题规律,通信系统架构设计基础知识点多来源于教材内的基础网络设备、网络架构和教材外最新时事热点技术。本课时知识

线性代数|机器学习-P36在图中找聚类

文章目录 1. 常见图结构2. 谱聚类 感觉后面几节课的内容跨越太大,需要补充太多的知识点,教授讲得内容跨越较大,一般一节课的内容是书本上的一章节内容,所以看视频比较吃力,需要先预习课本内容后才能够很好的理解教授讲解的知识点。 1. 常见图结构 假设我们有如下图结构: Adjacency Matrix:行和列表示的是节点的位置,A[i,j]表示的第 i 个节点和第 j 个