Documentos de Académico
Documentos de Profesional
Documentos de Cultura
EMALCA AMAZONIA
Agosto de 2009
Carlos Augusto Di Prisco
August 12, 2009
ii
Contenido
1 C
alculo Proposicional
1.1 El lenguaje proposicional. . . . . . . . . . . . . . .
1.2 Semantica del Calculo Proposicional. . . . . . . . .
1.3 Formas Normales. . . . . . . . . . . . . . . . . . . .
1.4 Resolucion . . . . . . . . . . . . . . . . . . . . . . .
1.4.1 Completitud del metodo de resolucion. . . .
1.5 Un sistema axiomatico para el calculo proposicional.
1.6 Calculo de secuentes. . . . . . . . . . . . . . . . . .
1
2
3
16
18
20
22
29
2 L
ogica de primer orden.
2.1 Lenguajes de primer orden y estructuras . . . . . .
2.2 Operaciones entre estructuras: . . . . . . . . . . . .
2.3 Formalizacion de un Lenguaje: . . . . . . . . . . . .
2.3.1 Verdad en una Interpretacion . . . . . . . .
2.3.2 Definibilidad en una estructura. . . . . . . .
2.4 Un sistema axiomatico para la logica de primer orden.
2.5 El teorema de completitud para la logica de primer
orden. . . . . . . . . . . . . . . . . . . . . . . . . .
37
37
38
40
43
48
50
3 Razonamiento no mon
otono
3.1 Razonamiento acumulativo
3.2 Modelos acumulativos . .
3.3 Razonamiento Preferencial
3.4 Modelos Preferenciales . .
65
68
71
75
76
iii
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
56
iv
CONTENIDO
Captulo 1
C
alculo Proposicional
Comenzaremos nuestro estudio de la logica considerando cierto tipo
sencillo de enunciados. Seran enunciados declarativos, es decir,
enunciados que declaran un cierto estado de cosas; dejando fuera
enunciados de tipo imperativo o interogativo, etc. Trataremos esos
enunciados como unidades, y estudiaremos las combinaciones que
se obtienen al usar las conectivas y, o, no, si ... entonces...,
entre otras.
El problema central que nos ocupara es el siguiente: Si tenemos
una de esas combinaciones, que podemos decir sobre la veracidad
de la misma, dada informacion sobre la veracidad de sus componentes? para ello desarrollaremos el calculo proposicional.
El calculo proposicional trata ciertas proposiciones basicas como
unidades, y las combinaciones que se obtienen a partir de ellas usando las conectivas logicas tales como la negacion (), la disyuncion
(), la conjuncion (), la implicacion () y la doble implicacion
(). Para formalizar esto, definiremos el lenguaje proposicional,
partiendo de un conjunto de smbolos, que llamaremos letras proposicionales, que combinaremos usando las conectivas.
1
CAPITULO 1. CALCULO
PROPOSICIONAL
1.1
El lenguaje proposicional.
1.2. SEMANTICA
DEL CALCULO
PROPOSICIONAL.
((p q) p),
((p (p)) (p)).
2. Muestre que las siguientes sucesiones de smbolos no son proposiciones:
(p p) p,
(p q p),
((p) q).
El uso de los parentesis evita ambiguedades como la que aparece
en la expresion (p q p). Sin embargo, es posible que mas
adelante no seamos muy rigurosos en el uso de los parentesis siempre
que esto no nos produzca problemas de ese tipo.
Observemos que como el conjunto A de letras proposicionales
es numerable, el conjunto P ROP de las proposiciones del calculo
proposicional es tambien numerable. Esto se debe a que el conjunto
de las sucesiones finitas de elementos de un conjunto numerable es
numerable.
1.2
Sem
antica del C
alculo Proposicional.
CAPITULO 1. CALCULO
PROPOSICIONAL
H (V, V ) = V
H (V, F ) = F
H (F, V ) = F
H (F, F ) = F
Usualmente se resume esta informacion en la tabla
V V
V F
F V
F F
( )
V
F
F
F
H (V, V ) = V
H (V, F ) = V
H (F, V ) = V
H (F, F ) = F
1.2. SEMANTICA
DEL CALCULO
PROPOSICIONAL.
V
V
F
F
( )
V
V
F
V
V
V
F
F
H (V, V ) = V
H (V, F ) = F
H (F, V ) = V
H (F, F ) = V
Esta informacion se resume en la tabla
V
V
F
F
V
V
F
F
V
V
F
V
CAPITULO 1. CALCULO
PROPOSICIONAL
H (V, V ) = V
H (V, F ) = F
H (F, V ) = F
H (F, F ) = V
Y la tabla correspondiente es
V V
V F
F V
F F
V
F
F
V
1.2. SEMANTICA
DEL CALCULO
PROPOSICIONAL.
q
V
V
F
F
V
V
F
F
r (p q) ((p q) r)
V
V
V
F
V
F
V
F
V
F
F
V
V
F
V
F
F
V
V
F
V
F
F
V
Definici
on 1.2.2 Un conjunto C de de conectivas es completo si
dada cualquier conectiva , existe una proposicion construida a partir de las conectivas de C cuya tabla de verdad coincide con la de
.
Teorema 1.2.3 El conjunto de conectivas {, , } es completo.
Demostracion. Sea : (P ROP )k P ROP una conectiva de k
argumentos, y consideremos su tabla de verdad
CAPITULO 1. CALCULO
PROPOSICIONAL
8
p1
V
p2
V
ai1 ai2
F
...
...
...
...
...
...
pk
V
(p1 , . . . , pk )
b1
aik
bi
bk
Ejercicio 1.2.7 Demuestre que los siguientes conjuntos son conjuntos completos de conectivas, {, }, {, }
Ejercicio 1.2.8 Considere las conectivas binarias | y cuyas
tablas son
1.2. SEMANTICA
DEL CALCULO
PROPOSICIONAL.
V
V
F
F
(|) ( )
V
F
F
F
V
F
V
V
F
F
V
V
Demuestre que los conjuntos {|} y {} son completos. Demuestre ademas que | y son las u
nicas conectivas binarias que
por si mismas forman conjuntos completos.
Definici
on 1.2.9 Una asignacion de valores de verdad es una funcion
de A : A {V, F } que asigna un valor de verdad a cada letra
proposicional.
Una valuacion es una funcion V : P rop {V, F } tal que a cada
proposicion le asigna un valor V() de modo que
(i) V(()) = H (V()),
(ii) V( ) = H ((), V()),
(iii) V( ) = H ((), V()),
(iv) V( ) = H ((), V()),
(v) V( ) = H ((), V()).
Como {, } es un conjunto completo de conectivas, las funciones H , H y H se pueden definir a partir de H y H . Por
ejemplo, H (, ) = H (H (), ). Por lo tanto, las clausulas
(iii), (iv), y (v) de la definicion siguen de las dos primeras.
Definici
on 1.2.10 Una proposicion es una tautologa si V() =
V para toda valuacion V. Una proposicion es una contradiccion si
toda valuacion le da valor F . Una proposicion es satisfactible si
existe una valuacion que le asigna valor V (es decir, si no es una
contradiccion).
10
CAPITULO 1. CALCULO
PROPOSICIONAL
1.2. SEMANTICA
DEL CALCULO
PROPOSICIONAL.
11
12
CAPITULO 1. CALCULO
PROPOSICIONAL
4. M od() = M od(Cn()).
1.2. SEMANTICA
DEL CALCULO
PROPOSICIONAL.
13
14
CAPITULO 1. CALCULO
PROPOSICIONAL
, y el conjunto {, ( ), } es insatisfactible.
Recprocamente, si
/ o si , entonces ( ) ,
porque los conjuntos {, ( )} y {, ( )} son ambos
insatisfactibles).
Corolario 1.2.25 Si |= , entonces existe un subconjunto finito
0 tal que 0 |= .
Demostracion. Si 0 6|= para todo 0 con 0 finito,
por el ejercicio 1.2.20(i), tenemos que para todo 0 finito,
0 {()}es satisfactible, por lo tanto, {()} es satisfactible
y en consecuencia, 6|= , lo que contradice la hipotesis.
Ejercicio 1.2.26 Un grafo es un par (V, E) donde V es un conjunto no vaco, y E es un conjunto de pares de elementos de V .
Usualmente, los elementos de V se llaman vertices del grafo y los
1.2. SEMANTICA
DEL CALCULO
PROPOSICIONAL.
15
( ) ( )
( ) ( )
( ) ( ) ( )
( ) () ()
( )
16
CAPITULO 1. CALCULO
PROPOSICIONAL
Estas equivalencias se pueden llamar asociatividad y conmutatividad de y de (primera y segunda lneas, respectivamente);
distributividad de en y de en (en la tercera lnea); leyes de
De Morgan (en la cuarta lnea); luego tenemos las leyes de absorcion
en la quinta lnea, y finalmente la ley de la doble negacion.
Ejercicio 1.2.28 Demuestre el teorema anterior.
1.3
Formas Normales.
17
CAPITULO 1. CALCULO
PROPOSICIONAL
18
Definici
on 1.3.6 Una proposicion en forma normal conjuntiva
es una proposicion de Horn si en cada disyuncion de hay a lo
sumo un literal positivo.
Ejemplo 1.3.7 La proposicion
(p q) (p r s) (p q) t r
es de Horn, pero la siguiente no lo es,
(p q r) (q r).
Cada disyuncion en una proposicion de Horn se puede escribir
de una manera equivalente como una implicacion cuyo consecuente
es una letra proposicional (la u
nica que aparece no negada en esa
disyuncion). Por ejemplo, la primera proposicion del ejemplo es
equivalente a
(p q) (p r s) (p q ) (t ) (> r).
1.4
Resoluci
on
1.4. RESOLUCION
19
20
CAPITULO 1. CALCULO
PROPOSICIONAL
1.4.1
Completitud del m
etodo de resoluci
on.
1.4. RESOLUCION
21
CAPITULO 1. CALCULO
PROPOSICIONAL
22
1.5
Un sistema axiom
atico para el c
alculo
proposicional.
(( ) ) (( ( )) ( ))
(( ) )
(( ( )) ( ))
( )
.
CAPITULO 1. CALCULO
PROPOSICIONAL
24
Demostracion.
(). Sea 1 , 2 , . . . , n una demostracion de a partir de
{}. Probaremos por induccion en i n que ` ( i ). Para
i = 1, tenemos que 1 es un axioma, 1 o 1 = . En los dos
primeros casos, como 1 ( 1 ) es un axioma (del tipo A1),
aplicando la regla de Modus Ponens, obtenemos ` ( 1 ); en
el caso restante, por el ejemplo anterior, sabemos que ` ( ).
Sea i = k, y supongamos que ` ( j ) para todo j < k.
Sabemos que k puede ser una axioma, puede ser un elemento de ,
puede ser o finalmente, puede inferirse aplicando Modus Ponens
a j y l = (j k ), donde j, l < k. Los tres primeros casos se
tratan como en el caso i = 1; y para el u
ltimo caso, por hipotesis
inductiva, ` ( j ) y ` ( (j k )). Aplicando
Modus Ponens dos veces al axioma (A2)
( (j k )) (( j ) ( k )),
obtenemos ` ( k ). Esto completa el paso inductivo, y para
i = n tenemos el resultado deseado.
() Esta implicacion es trivial, ya que si ` ( ), entonces
tambien se tiene {} ` ( ), y aplicando Modus Ponens
obtenemos {} ` .
Corolario 1.5.5
(i) { , } ` ;
(ii) { ( ), } ` .
Demostracion. (i). Partiendo del conjunto { , , },
se demuestra con dos usos de Modus Ponens. Aplicando el Teorema de Deduccion obtenemos el resultado.
(ii). Se demuestra de la misma manera.
Ejercicio 1.5.6 Demuestre que dadas proposiciones y , las
siguientes proposiciones son teoremas
(i) ; ;
26
CAPITULO 1. CALCULO
PROPOSICIONAL
28
CAPITULO 1. CALCULO
PROPOSICIONAL
1.6. CALCULO
DE SECUENTES.
29
1.6
C
alculo de secuentes.
Definici
on 1.6.1 Una valuacion V satisface un sequente ` si
le da valor V a alguna proposicion de en caso de que le de valor
V a todas las proposiciones de . Como y son finitos, esto
equivale a decir que V satisface .
Axiomas
(Reflexividad) , ` ,
CAPITULO 1. CALCULO
PROPOSICIONAL
30
Reglas
( `)
, , `
, ( ) `
(` )
` , ` ,
` , ( )
( `)
, ` , `
, ( ) `
(` )
` ,
` , ( )
( `)
` ,
, `
(` )
, `
` ,
(`)
` , , `
, ( ) `
(`)
, ` ,
` , ( )
Definici
on 1.6.2 Una derivacion en este sistema es un arbol finito
de secuentes, con axiomas en los nodos terminales, y tal que cada
secuente en el arbol sigue de los que estan inmediatamente por
encima por una de las reglas.
Una derivacion de un secuente ` es una derivacion cuya
raz es el secuente ` .
Dicho de otra manera, una derivacion de un secuente `
(en el calculo de secuentes) es una sucesion finita de secuentes
S1 , . . . , Sn tal que Sn = ` , y cada Si (i = 1, . . . , n) es un axioma o se obtiene de secuentes anteriores de la sucesion aplicando
una de las reglas.
Ejemplo 1.6.3 Derivacion de (( ) ) ` ( )
, ` , (axioma)
( ) ` , ( `)
` , (axioma)
( ) ` ( ) (` )
` ( ) (` )
( ) ` ( ) ( `)
1.6. CALCULO
DE SECUENTES.
31
CAPITULO 1. CALCULO
PROPOSICIONAL
32
, ` `
`
`
`
1.6. CALCULO
DE SECUENTES.
33
Equivalentemente, si existe una sucesion finita S1 , . . . , Sn de secuentes tal que Sn ` y cada Si (i = 1, . . . n) es un axioma, es
un elemento de S o se obtiene por una regla de secuentes anteriore
de la lista.
Teorema 1.6.8 Dado un conjunto de secuentes S y un secuente
` , las siguientes afirmaciones son equivalentes.
(i) Existe una derivacion de ` a partir de S.
(ii) Toda valuacion que satisface todo secuente de S, satisface `
.
Demostracion. Fijemos una derivacion de ` a partir de S,
y sea V una valuacion que satisface todo secuente de S. Entonces,
V satisface todos los nodos terminales del arbol correspondiente, ya
sea porque son axiomas o porque son elementos de S. Examinando
cada una de las reglas, vemos que si V satisface las premisas de una
regla, entonces satisface la conclusion. Por lo tanto, V satisface la
raz del arbol, el secuente ` .
Recprocamente, supongamos que toda valuacion que satisface
cada secuente en S satisface tambien ` . Usando el mismo
procedimiento que en el teorema de completitud 1.6.4 usamos las
relgas para descomponer proposiciones de longitud maxima a partir
de ` y construimos un arbol finito de secuentes. Si todos sus
nodos terminales son axiomas o elementos de S, hemos obtenido
una demostracion de ` a partir de S.
Si el secuente ` es un nodo terminal del arbol. Consideremos el conjunto
R = { : } { : ` es derivable a partir de S}.
Para demostrar que este conjunto es satisfactible supongamos que
existe un subconjunto finito de R insatisfactible. Sea entonces
{1 , . . . , n } {1 , . . . , m } insatisfactible, con i para cada
i = 1, . . . , n y ` i derivable a partir de S para cada i = 1, . . . , m.
Tenemos entonces que
i i i i .
34
CAPITULO 1. CALCULO
PROPOSICIONAL
Y por lo tanto tambien
(i i i i ).
1.6. CALCULO
DE SECUENTES.
35
36
CAPITULO 1. CALCULO
PROPOSICIONAL
Captulo 2
L
ogica de primer orden.
2.1
R0 , R1 , ...
F0 , F1 , ...
c0 , c1 , ...
L = {R0 , R1 , . . . , F0 , F1 , c0 , c1 , . . .}
Cada smbolo relacional y cada smbolo funcional lleva asociado
un n
umero natural 1 (su n
umero de argumentos), as, tenemos
smbolos funcionales o relacionales unarios, binarios, ... n-arios, etc.
En este curso trabajaremos casi siempre con lenguajes numerables (o finitos) pero se pueden considerar lenguajes de cardinalidad
mayor.
Una interpretacion A del lenguaje L (o una estructura A para
L) consta de:
i) Un conjunto no vaco A (el universo de A).
37
CAPITULO 2. LOGICA
DE PRIMER ORDEN.
38
2.2
39
a una subestructura de B.
Ejemplos:
L
L
L
L
aritmetica = {, +, , 0, 1};
grupos = {+, 0};
orden = {};
teor. de conjuntos = {}.
Ejercicios:
1. Probar que
= (la relacion de isomorfismo es una relacion de
equivalencia.
Si es un cardinal, hay a lo sumo 2+kLk estructuras de cardinalidad no isomorfas.
CAPITULO 2. LOGICA
DE PRIMER ORDEN.
40
antisimetrica.
3. Cuales de las siguientes son verdaderas?
hN, , +, 0i hN, , , 1i
hN, , , 1i hN, , +, 0i
hN {0}, , , 1i hN, , +, 0i
hN {0}, , 1i hN, +, 0i
hN {0}, , i hN, +i
2.3
Formalizaci
on de un Lenguaje:
DE UN LENGUAJE:
2.3. FORMALIZACION
41
42
CAPITULO 2. LOGICA
DE PRIMER ORDEN.
DE UN LENGUAJE:
2.3. FORMALIZACION
2.3.1
43
i) Dados terminos t1 y t2
A |= (t1 t2 )[s]
44
CAPITULO 2. LOGICA
DE PRIMER ORDEN.
ii) Si R es un smbolo relacional nario y t1 , ...tn son terminos,
A |= R(t1 , ...tn )[s] si y solo si RA ((t1 )A [s], ..., (tn )A [s])
2. Para formulas: Sean y formulas.
Definici
on 2.3.5 Decimos que una formula es verdad en A si
A |= [s] para toda s : Var A. Esto tambien se expresa diciendo
que A es un modelo de , y se denota A |= .
Decimos que es falsa en A si A 6|= [s] para toda s : Var A.
Si es un conjunto de formulas, decimos que A es un modelo
de si toda formula de es verdad en A.
Notese que si es una formula con variables libres vi1 , . . . , vin ,
entonces el que s satisfaga en A solo depende de los valores de
s en las variables vi1 , . . . , vin . Si a1 = s(vi1 ), . . . , an = s(vin ), escribiremos A |= [a1 , ..., an ] en vez de A |= [s].
Ejercicio 2.3.6 Demuestre que si s, s0 : Var A son tales que
s(vi1 ) = s0 (vi1 ), . . . , s(vin ) = s0 (vin ),
y (vi1 , . . . vin ) es una formula cuyas variables libres estan entre
vi1 , . . . , vin , entonces
A |= [s] A |= [s0 ].
(Sugerencia: demostrarlo por induccion en las formulas).
DE UN LENGUAJE:
2.3. FORMALIZACION
45
46
CAPITULO 2. LOGICA
DE PRIMER ORDEN.
DE UN LENGUAJE:
2.3. FORMALIZACION
(
y
(iv) (y)vt es
(yvt )
47
si v = y
si v =
6 y.
CAPITULO 2. LOGICA
DE PRIMER ORDEN.
48
2.3.2
Dada una estructura A (de L), cada formula con n variables libres
determina una relacion n aria R en A,
R = {< a1 , ..., an >: A |= [a1 , ..., an ]}.
Definici
on 2.3.14 Una relacion n aria R en A es definible si
existe una formula con nvariables libres tal que
R = R = {< a1 , ..., an >: A |= [a1 , ..., an ]}.
Ejemplos:
1. Consideremos L = {+, ., S, 0} y sea A =< N, +, ., sucesor, 0 >.
Hay solo una cantidad numerable de relaciones definibles en
A, y por lo tanto hay relaciones no definibles.
DE UN LENGUAJE:
2.3. FORMALIZACION
49
CAPITULO 2. LOGICA
DE PRIMER ORDEN.
50
2.4
Un sistema axiom
atico para la l
ogica
de primer orden.
se infiere .
2. la regla de Generalizaci
on: de se infiere (x).
Definici
on 2.4.1 Sea un conjunto de formulas y una formula.
Decimos que se deduce de o que se demuestra a partir de ,
lo que denotaremos por
` ,
si existe una sucesion 1 , 2 , . . . , n de formulas tales que n = ,
y cada i es un axioma, o es un miembro de , o se obtiene de
formulas anteriores en la sucesion por una de las reglas de inferencia.
52
CAPITULO 2. LOGICA
DE PRIMER ORDEN.
implica |= .
54
CAPITULO 2. LOGICA
DE PRIMER ORDEN.
Definici
on 2.4.6 Un conjunto de formulas es inconsistente (o
contradictorio) si para alguna formula , ` y ` . es
consistente si no es inconsistente.
Ejercicio 2.4.7 Demuestre que es inconsistente si y solo si `
para toda . (Use que ( ) es una instancia de una
tautologa).
Demuestre tambien que es inconsistente si y solo si para alguna se tiene ` ( ()).
Proposici
on 2.4.8 Sea un conjunto de formulas y y sentencias.
i) es consistente si y solo si todo subconjunto finito de es
consistente.
ii) {} es inconsistente si y solamente si ` .
iii) Si es maximal consistente entonces
a) ` si y solamente si .
b) 6 si y solamente si .
c) si y solamente si y .
d) si y solamente si 6 o .
Demostracion.
i) Consecuencia de la definicion de `.
CAPITULO 2. LOGICA
DE PRIMER ORDEN.
56
2.5
2.5.
n
en caso contrario.
S
La union 0 =
n es maximal consistente.
nu
Definici
on 2.5.4 Sea un conjunto de sentencias de L y C un
conjunto de smbolos constantes de L. Decimos que C es un conjunto de testigos para en L si para toda formula de L con
a lo sumo una variable libre (digamos, x) existe una c C tal que
` (x)(x) (c) .
CAPITULO 2. LOGICA
DE PRIMER ORDEN.
58
2.5.
60
CAPITULO 2. LOGICA
DE PRIMER ORDEN.
2.5.
Ejercicio:
1. Demostrar que es una relacion de equivalencia.
2. Demostrar que RA y F A estan bien definidas para cada smbolo
R o F.
Teorema 2.5.8 (Compacidad): Sea un conjunto de sentencias de L. tiene un modelo si y solo si cada subconjunto finito
de tiene un modelo.
Demostracion. Si cada subconjunto finito de tiene un modelo
entonces es consistente y por lo tanto tiene un modelo.
Otra consecuencia inmediata del teorema de completitud (mas
precisamente, de su demostracion) es:
Teorema 2.5.9 (Lowenheim-Skolem) Sea un conjunto de sentencias en un lenguaje L numerable. Si tiene un modelo entonces
tiene un modelo numerable.
Demostracion. Es una consecuencia inmediata de la demostracion
del teorema de completitud. Si el lenguaje L es de cardinalidad ,
entonces la misma demostracion nos da un modelo de cardinalidad
a lo sumo + 0 .
Sabemos entonces, que si hay un modelo infinito de , hay modelos infinitos del mnimo tama
no posible. Que podemos decir
de modelos grandes?
Teorema 2.5.10 (Lowenheim-Sholem-Tarski) Sea un conjunto
de sentencias en un lenguaje numerable. Si tiene un modelo
infinito entonces para cada cardinal infinito , tiene un modelo
de cardinalidad . (Si |L| = entonces si tiene modelos infinitos,
tiene modelos de toda cardinalidad + 0 ).
62
CAPITULO 2. LOGICA
DE PRIMER ORDEN.
Definici
on 2.5.11 Dos estructuras A y B de L son elementalmente equivalentes si para toda sentencia de L se tiene
A |= si y solo si B |= .
Esto lo denotaremos por A B.
Corolario 2.5.12 Si A es infinita y es un cardinal infinito entonces existe B de cardinalidad tal que A B.
Demostracion. Ejercicio.
Definici
on 2.5.13 Una coleccion K de estructuras para un lenguaje
L es una clase elemental si para alguna sentencia de L se tiene
K = {A : A |= }.
Decimos que K es una clase elemental generalizada si para un conjunto de sentencias de L se tiene
K = {A : A |= }.
2.5.
Ejemplo 2.5.14
1. Sea L = {R}
64
CAPITULO 2. LOGICA
DE PRIMER ORDEN.
b) Muestre que hay modelos numerables de T h(N) no isomorfos a N.
3. Considere R como cuerpo ordenado. Demuestre que existe
una extension de R a un cuerpo ordenado R no arquimediano
tal que R R (en el lenguaje de 1er orden para cuerpos
ordenados) {, +, , 0, 1}.
4. Si T es un conjunto de sentencias en el lenguaje {+, , 0, 1}
que tiene modelos que son cuerpos de caracterstica arbitrariamente grande, entonces T tiene como modelo a un cuerpo
de caracterstica 0.
Captulo 3
Razonamiento no mon
otono
En este captulo iniciaremos el estudio del razonamiento no monotono.
Se trata de estudiar sistemas de inferencia en los cuales se pueden
tener conjuntos de proposiciones tales que haya consecuencias de que no son consecuencias de . En otras palabras, al agregar hipotesis adicionales se pueden perder inferencias. Situaciones
como esta se dan naturalmente en varios casos. Por ejemplo, cuando
se trata de sacar conclusiones a partir de la informacion disponible;
es posible que en un momento dado tengamos informacion , a
partir de la cual sacamos la conclusion , pero mas adelante, con
informacion adicional , ya no sea posible sacar la conclusion
a partir de . Un ejemplo de esto es el procedimiento para
hacer diagnosticos medicos. Observando una serie de sntomas, el
medico concluye que el paciente puede tener la enfermedad A o la
enfermedad B, con resultados de examenes adicionales, (con mas
informacion), el medico, descarta la enfermedad B.
Basaremos el estudio de la logica no monotona en el concepto
de relacion de consecuencia, y usaremos el smbolo | para denotar
relaciones de consecuencia no monotonas. Decimos que
|
si es una consecuencia normal o plausible de : si tenemos ,
entonces, en condiciones normales, tambien tendremos . Haremos
65
66
67
`C para toda (Inclusion),
Si C() `C , entonces `C (Idempotencia),
Si P ROP , entonces `C implica `C (Monotona).
Ejercicio 3.0.17 Sea C una operacion monotona que satisface inclusion.
(i) Muestre que la propiedad de idempotencia es equivalente a la
siguiente propiedad llamada corte (Cut):
C( ) y C(), entonces C().
(ii) Exprese esta propiedad en terminos de la relacion `C .
(iii) Muestre que si , entonces C() = C(). Mas a
un,
esta propiedad es equivalente a la propiedad de corte (siempre
que C sea monotona y tenga la propiedad de inclusion).
Estudiaremos relaciones de consecuencia | como relaciones binarias que relacionan pares de conjuntos de proposiciones, y escribiremos | para indicar que el par (, ) esta en la relacion
|. Nos limitaremos a estudiar relaciones de consecuencia para las
cuales el antecedente es un conjunto finito de proposiciones y el
consecuente es una sola proposicion. Usando las conectivas y
, el caso de relaciones con antecedente y consecuente finitos se
puede reducir al caso de una proposicion en el antecedente y una
proposicion en el consecuente. Por esa razon, en las secciones siguientes trabajaremos con relaciones de consecuencia definidas de ese
modo, | .
Hemos visto que dada una operacion C : P(P ROP ) P(P ROP ),
no necesariamente monotona, podemos definir una relacion de consecuencia correspondiente |C poniendo
|C si y solo si C().
68
3.1
Razonamiento acumulativo
El razonamiento acumulativo es en cierta forma el sistema de razonamiento no monotono mas debil posible. Para definirlo comenzamos
con la propiedad de inclusion y la de corte ( llamada tambien transitividad acumulativa) y eliminamos la propiedad de monotona sustituyendola por una version debil de monotona llamada monotona
cautelosa (llamada tambien monotona acumulativa). La esencia
del razonamiento acumulativo son estas dos reglas, corte y monotona cautelosa, que pueden ser vistas como recprocas. Tambien
tendremos dos reglas que indican como se comporta la relacion de
consecuencia respecto a la equivalencia logica.
A manera de motivacion podemos decir que el razonamiento
acumulativo es un razonamiento no monotono basado en le idea de
69
que si una proposicion es normalmente consecuencia de un conjunto de premisas, esto no cambia si agregamos a las premisas
hipotesis adicionales que son a su vez normalmente consecuencias
de las premisas. En otras palabras, la relacion | no se altera
a
nadiendo al antecedente una de sus consecuencias normales.
Fijamos un conjunto U de valuaciones, y de ahora en adelante,
solamente nos referiremos a las valuaciones de U. Por ejemplo,
significara que toda valuacion de U satisface .
Definici
on 3.1.1 Una relacion de consecuencia | es acumulativa
si contiene todas las instancias del axioma de reflexividad y es cerrada bajo las las reglas de inferencia ELI (equivalencia logica por la
izquierda), DD (debilitamiento por la derecha), Corte (Cut), y MC
(monotona cautelosa) que definimos a continuacion.
| (Reflexividad )
, |
|
, |
|
| , |
|
| , |
|
(Corte)
(Monotona Cautelosa)
70
(| )
(| M P )
3.2
71
Modelos acumulativos
es suave.
La condicion de suavidad es necesaria para garantizar la validez
de la monotona cautelosa.
72
Definici
on 3.2.7 Sea W = hS, l, i un modelo acumulativo dado.
La relacion de consecuencia definida por W se denota
| W y se
define asi: |w si y solo si s | para cada s minimal en
.
Lema 3.2.8 Sea W = hS, l, i un modelo acumulativo. Dadas
proposiciones y del lenguaje,
\
(
) =
.
Lema 3.2.9 (Correccion) Para todo modelo acumulativo W , la
relacion de consecuencia |W es una relacion acumulativa, es decir,
satisface todas las reglas del sistema C.
Demostracion.
Para la regla de corte, supongamos que todo elemento minimal
\
en
satisface y todo elemento minimal de (
) satisface .
Pero todo elemento minimal de
, al satisfacer tambien satisface
\
. Y al ser minimal en
, como (
)
, tambien es
\
minimal en ( ). Para la regla de monotona cautelosa usamos
la condicion de suavidad. Supongamos que
| W y
| W .
Queremos probar que |W , es decir, que para cada s minimal
\
\
en (
), s | . Un tal s (
) pertenece a
. Veamos que
es minimal en
. Si s no es minimal en
, por la condicion de
suavidad, existe un s0 s minimal en
. Pero |W , entonces
0
0
\
s | y por lo tanto s
. Por el Lema 3.2.8, s0 (
),
lo que contradice la minimalidad de s en este conjunto. Entonces,
s ews minimal en
, y como |W , concluimos que s | .
Las demas reglas se verifican facilmente.
Nuestro objetivo ahora es demostrar el recproco. Es decir, que
toda relacion de consecuencia acumulativa es la relacion definida
por un modelo acumulativo.
Sea
| una relacion de consecuencia acumulativa. Construiremos un modelo acumulativo W tal que la relacion |W es exactamente la relacion |. Necesitamos algunas definiciones (relativas a
la relacion | fijada) y algunos resultados previos.
73
Definici
on 3.2.10 Una valuacion m U es un mundo normal
para si m para toda del lenguaje tal que | .
Lema 3.2.11 Supongamos que | es una relacion de consecuencia
que satisface reflexividad, DD y (| ), y sean y proposiciones
del lenguaje. Todo mundo normal para satisface si y solo si
| .
Demostracion. La implicacion de izquierda a derecha sigue de
la definicion de mundo normal para . Para demostrar la otra
implicacion supongamos que
6| , y construyamos un mundo
normal para que no satisface . Definamos = {} { : |
}. Solamente tenemos que verificar que es satisfactible. En caso
contrario, por compacidad, existe un subconjunto finito de que no
es satisfactible, y por lo tanto, existe un conjunto D { : | }
tal que dD . Pero entonces, (dD ), y por
reflexividad y DD,
| (dD ). Usando
| , obtenemos
| dD , y usando
| M P (cuya demostracion usa solamente
| y DD) consluimos
| , contradiciendo nuestra hipotesis.
Definici
on 3.2.12 Diremos que es equivalente a , y escribimos
para denotarlo, si | y | .
Ejercicio 3.2.13 Demuestre que al relacion es una relacion de
equivalencia.
Denotaremos con
a la clase de equivalencia de .
Definici
on 3.2.14
si y solamente si 0
tal que |
0
.
Ejercicio 3.2.15 Muestre que la relacion esta bien definida, es
decir, la definicion de no depende del representante de la clase.
Lema 3.2.16 La relacion es antisimetrica.
74
y
si y solamente si
y
6= .
Ejercicio 3.2.17 Muestre que la funcion l esta bien definida (es
decir, l(
) no depende del represententante de la clase de ).
Lema 3.2.18 Para toda P ROP ,
es un minimum de
.
Demostracion: Ejercicio.
Lema 3.2.19 | si y solo si |W .
Demostracion. Tenemos que
es el u
nico elemento minimal de
75
3.3
Razonamiento Preferencial
CAPITULO 3. RAZONAMIENTO NO MONOTONO
76
|, |
|
2.
|, |
|
3.
|, |
|
4.
|, |
|
3.4
Modelos Preferenciales
77
Definici
on 3.4.2 Dado un modelo preferencial hS, l, i, si es
una proposicion, decimos que s S satisface si l(s) . Usaremos
para denotar el conjunto {s S : s | } Decimos que
hS, I, i tiene la propiedad de suavidad si para toda proposicion ,
el conjunto
es suave, es decir, para todo s
, se tiene que s es
minimal en
o existe s0 s minimal en
.
Lema 3.4.3 Si W = hS, I, i es un modelo prefencial, entonces
para , P ROP se tiene
=
.
Definici
on 3.4.4 Dado W = hS, I, i, definimos la relacion |W
de la manera siguiente:
| W si y solo si s
| para todo s
minimal en
.
Lema 3.4.5 (Correccion) Si W = hS, I, i es un modelo preferencial, la relacion de consecuencia
| W definida por W es una
relacion preferencial, es decir, satisface todas las reglas del sistema
P.
Demostracion. Ya que los modelos preferenciales son modelos
acumulativos, basta verificar la validez de la regla |.
Sea | una relacion de consecuencia preferencial. Defnimos el
siguiente modelo W = hS, l, i:
1. S = {hm, i : m es un mundo normal para },
2. l((hm, i) = m, y
3. hm, i hn, i si y solamente si y m 2
Probaremos que W es un modelo preferencial, y luego que la
relacion |W coincide con |.
Definimos una relacion binaria entre proposiciones.
78
Definici
on 3.4.6 si | (y en este caso decimos que
no es menos com
un que ).
Ejercicio 3.4.7 Demuestre que si | satisface Reflexividad y ELI,
entonces para todo par de proposiciones , , .
Demuestre que si | es preferencial, entonces es reflexiva y
transitiva.
Lema 3.4.8 Si y m es un mundo normal para que satisface , entonces m es un mundo normal para .
Demostracion. Supongamos que
| . Por (2) del ejercicio
3.3.3, tenemos que
| . Si m es normal para , debe
satisfacer , y como satisface , entonces satisface tambien
.
Lema 3.4.9 Si , y m es un mundo normal para que
satisface , entonces es un mundo normal para .
Demostracion. Por el lema anterior, basta ver que m satisface
. Por (4) del ejercicio 3.3.3 tenemos que | . Pero m es
un mundo normal para que satisfece , entonces debe satisfacer
.
Lema 3.4.10 La relacion es un orden parcial estricto, es decir,
es una relacon irreflexiva y transitiva.
Demostracion. La relacion es irreflexiva, ya que (m, )
(m, ) implicara que m 6 , pero m es un mundo normal para ,
y por reflexividad, | y por lo tanto m .
Veamos que es transitiva. Supongamos que hm1 , 1 i hm2 , 2 i
y hm2 , 2 i hm3 , 3 i. Por la definicion de , tenemops que
1 2 3 . Como la relacion es transitiva, concluimos que
1 3 , y por otra parte, como m1 es un mundo normal para 1
que no satisface 2 , por el Lema 3.4.9, m1 no puede satisfacer 3 .
79
80
81
82
Bibliografa
[1] Barwise, J. ed., Handbook of Mathematical Logic. North
Holland, 1977.
[2] Carnielli, W. and Richard Epstein; Computabilidade,
funcoes computaveis, logica e os fundamentos da
matematica. UNESP, 2006.
[3] van Dalen, D., Logic and structure. Fourth Edition,
Springer, 2004.
[4] S. Kraus, D. Lehmann y M. Magidor, Nonmonotonic
Reasoning, Preferencial Models and Cumulative Logics.
Artificial Intelligence 44 (1990) 167-207.
[5] D. Makinson, General patterns in nonmonotonic reasoning. In Handbook of Logic in Artificial Intelligence and
Logic Programming, Vol. 3, Nonmonotonic Reasoning and
Uncertain Reasoning (D.M. Gabbay et al Eds.). Clarendon
Press, Oxford, 1994.
[6] Mendelson, E., Introduction to Mathematical Logic. D.
Van Nostrand, 1979. Fourth Edition Chapman and Hall,
1997.
[7] Miraglia, F., Calculo Proposicional: uma integracao da
algebra e da logica. Centro de Logica, Epistemologia e
Historia da Ciencia. Colecao CLE no. 1, 1987.
83
84
BIBLIOGRAFIA
[8] Nerode, A. y R. Shore, Logic for Applications. Springer,
1997.
[9] Franco de Oliveira, A. J., Logica e artimetica (2a Edicao),
Gradiva, 1996.