【数理逻辑】谓词逻辑的等值演算与推理演算 ( 个体词 | 谓词 | 量词 | 谓词逻辑公式 | 两个基本公式 | 命题符号化技巧 | 命题符号化示例 ) ★★(二)

简介: 【数理逻辑】谓词逻辑的等值演算与推理演算 ( 个体词 | 谓词 | 量词 | 谓词逻辑公式 | 两个基本公式 | 命题符号化技巧 | 命题符号化示例 ) ★★(二)

三、 两个基本公式




1、 公式一


个体域中 所有 有性质 F FF 的 个体 , 都 具有 性质 G GG ;



使用谓词逻辑如下表示 :


① F ( x ) F(x)F(x) : x xx 具有性质 F FF ;

② G ( x ) G(x)G(x) : x xx 具有性质 G GG ;

③ 命题符号化为 :

∀ x ( F ( x ) → G ( x ) ) \forall x ( F(x) \rightarrow G(x) )

∀x(F(x)→G(x))




2、 公式二


个体域 中 存在有性质 F FF 同时有性质 G GG 的个体 ;



使用谓词逻辑如下表示 :


① F ( x ) F(x)F(x) : x xx 具有性质 F FF ;

② G ( x ) G(x)G(x) : x xx 具有性质 G GG ;

③ 命题符号化为 :

∃ x ( F ( x ) ∧ G ( x ) ) \exist x ( F(x) \land G(x) )

∃x(F(x)∧G(x))






四、 命题符号化技巧




1、 命题符号化方法


命题符号化方法 :


① 写出个体域 : 先把 个体域 写明白 , 即 表明 ∀ x \forall x∀x , 代表 所有的什么事物 , 如果是一切事物 , 那么必须注明是全总个体域 ;


② 写出性质个关系谓词 : 使用 F , G , H F , G , HF,G,H 表明 个体的 性质 或 关系 ;


③ 命题符号 : 将 命题符号化 结果 注明 , 最好带上详细的解释 ;





2、 谓词逻辑组合


由 全称量词 或 存在量词 个体词 谓词 组合成的 谓词逻辑 , 也可以当做 一个 谓词逻辑 F ( x ) F(x)F(x) 或 G ( x , y ) G(x, y)G(x,y) 部件 再次进行组合 ;


如下 谓词逻辑 :


∀ x ( F ( x ) → ∀ y ( G ( y ) → H ( x , y ) ) ) \forall x (F(x) \rightarrow \forall y ( G(y) \rightarrow H(x,y) ))

∀x(F(x)→∀y(G(y)→H(x,y)))


其中 ∀ y ( G ( y ) → H ( x , y ) ) \forall y ( G(y) \rightarrow H(x,y) )∀y(G(y)→H(x,y)) 是已经组合过的 谓词逻辑 , 现在将其当做一个 性质 , 或者 谓词逻辑部件 A AA , 再次组合成 更加 复杂 和 庞大的 谓词逻辑 , 得到如下 :


∀ x ( F ( x ) → A ) \forall x (F(x) \rightarrow A)

∀x(F(x)→A)


因此 , 上述 谓词逻辑 展开后 , 就得到了最开始的


∀ x ( F ( x ) → ∀ y ( G ( y ) → H ( x , y ) ) ) \forall x (F(x) \rightarrow \forall y ( G(y) \rightarrow H(x,y) ))

∀x(F(x)→∀y(G(y)→H(x,y)))





3、 当且仅当谓词逻辑


当且仅当 谓词逻辑 符号化 :


( 1 ) 第三变量 : 一定要引入 第三方 的变量 ;



( 2 ) 性质 或 关系 正向 推演 : 一般模式是


① 对于所有的 x xx 与 存在的一个 y yy 有 某种性质或关系 ,

② 对于所有的 x xx 和 所有的 z zz 存在某种性质或关系 ;

③ y yy 与 z zz 具有相等的属性 ;



( 3 ) 性质 或 关系 反向推演 : 一般模式是


① 对于所有的 x xx 与 存在的一个 y yy 有 某种性质或关系 ,

② y yy 与 所有的 z zz 有另一种性质 或 关系 , 一般是相等 或 不等 关系 ,

③ 可以推出 x xx 和 z zz 有 或者 没有 某种 性质 或 关系 ;






五、 命题符号化示例


目录
相关文章
|
3月前
|
机器学习/深度学习
【机器学习】如何判断函数凸或非凸?(面试回答)
文章介绍了如何判断函数是凸函数还是非凸函数,包括凸函数的定义、几何意义、判定方法(一元函数通过二阶导数判断,多元函数通过Hessian矩阵的正定性判断),以及凸优化的概念和一些经典的凸优化问题。
170 1
【机器学习】如何判断函数凸或非凸?(面试回答)
|
3月前
【高数】常数项级数概念与性质
【高数】常数项级数概念与性质
|
6月前
|
算法 Java C++
试题 算法训练 二元函数
试题 算法训练 二元函数
36 0
|
11月前
构造命题公式的真值表
构造命题公式的真值表
130 0
|
11月前
lingo软件求解线性规划举例
lingo软件求解线性规划举例
147 0
|
机器学习/深度学习
数学问题-标量三重积&向量三重积
数学问题-标量三重积&向量三重积
258 0
|
移动开发 JavaScript
集合论—关系的运算和性质
集合论—关系的运算和性质
【矩阵分析】矩阵幂级数 发散 条件 || 幂级数 与 解析函数 的关系 || 幂级数 收敛半径r 的求法
【矩阵分析】矩阵幂级数 发散 条件 || 幂级数 与 解析函数 的关系 || 幂级数 收敛半径r 的求法
【矩阵分析】矩阵幂级数 发散 条件 || 幂级数 与 解析函数 的关系 || 幂级数 收敛半径r 的求法
|
机器学习/深度学习
【数论】计算s里有几个n,去除s里的n
【数论】计算s里有几个n,去除s里的n
86 0
|
机器学习/深度学习 数据挖掘 程序员
程序员的数学【多元函数微分学】(一)
本文其实值属于:程序员的数学【AIoT阶段二】 的一部分内容,本篇把这部分内容单独截取出来,方便大家的观看,本文介绍 多元函数微分学
174 0
程序员的数学【多元函数微分学】(一)