数理逻辑(离散数学)学习笔记(1)

放在前面的话,不一定是废话

这是我在b站上发现的一个非常好的学习数理逻辑的视频(刚想把这个视频的链接放上去,却发现该视频已失效~~我只知道是上海交通大学的一位男老师讲的,在此表示感谢!!)。我用了1个月的时间将其看完并整理在了我的笔记本上。马上要研究生毕业了,我做了如此多的纸质笔记我怕会丢失掉,故决心将其转移到我的博客中。一来可以永久保留自己的笔记,二来分享我的学习成果,结识更多牛逼之人,岂不美哉!
这个视频的课程虽然只讲了两个部分,第一部分:命题逻辑;第二部分:谓词逻辑。但是已经让我感到受益匪浅了。

命题逻辑

基本概念:

真值:一个命题所取的值,即:真,假;
蕴含关系真值表:

aba→b
001
011
100
111
对上表的理解:a→b的含义就是如果a,那么b。举例理解,如果m <1,那么m <3。显然这句话是真假命题,取决于m的取值。下面列表分析由于m值的取值不同所导致的真假情况。
ma(m< 1)b(m<3)命题真假
0111
2011(?)
4001(?)
故有此可知命题为真的三种情况都可以被理解了。下面我们将例子倒置过来,即:如果m < 3,那么 m <1。显然这是一个假命题。我们在对m取不同值分析真假情况。
ma(m< 3)b(m<1)命题真假
0111
2100
4001(?)
标有?的我在后面做解释。→读作蕴含。蕴含关系的前后并不需要有什么关系的。例如,如果m>4,那么n小于1。

等价关系真值表:

aba↔b
001
010
100
111
这个理解起来还是比较符合直观感受的。所以不解释了。其中↔读作等价

真值表汇总:

ab¬a(非)a∧b(合取)a∨b(析取)a→b(蕴含)a↔b(等价)
0010011
0110110
1000100
1101111
命题与非命题的判断依据是:命题只有真假两种状态,且只能是这两种状态中的一个,而不是说我们知道真假的语句才是命题。
命题常元与命题变元的判断依据是:只有真假两种状态,若一命题只能为真或者只能为假则是命题常元,若命题随某一因变量的改变而为真或者为假,则是命题变量。

自然语言中的“和”:小明喜欢吃苹果和小伟喜欢吃梨,这里的“和”是逻辑连接词。小张和小徐是兄弟,这里的“和”是
语义的和。
有三点需要注意:

1、在命题逻辑中,允许两个没有任何内联关系的命题之间用联结词得到新的命题。
2、a∨b的逻辑关系是:a∨b为真当且仅当a和b中至少有一个为真。但是自然语言中的“或”既可能是相容性的(相容性即a为真,b为真,则a∨b为真),也有可能是排斥性(相容性即a为真,b为真,则a∨b为假)。命题逻辑中的“或”(析取)采用的是相容性的或。
3、不相容的“或”称为异或,当且仅当一真一假时命题为真。其真值表为如下所示。

异或关系真值表:

aba异或b
000
011
101
110

复合命题:不能表示成含命题联结词的命题称为简单命题或原子命题,否则称为复合命题(否定词除外)。复合命题是由使用命题联结词联结简单命题而得到的。
自然语言形式化表示:

自然语言形式逻辑表达式
a,除非b¬a→b
只有a,才ba→b
仅当a,才bb→a

命题公式

有以下归纳定义得到:
基础:命题常量或命题变量是命题公式,称为命题公式的原子项;
归纳:如果A、B是命题公式,则(¬A),(A∧B),(A∨B),(A→B)和(A↔B)也是命题公式;
完备化:所有命题公式都通过基础和归纳得到;

解析:命题公式的定义是通过递归来定义的。在递归中分有三步:基础、归纳和完备化。这三步缺一不可。在定义中所有的命题都要通过括号来括起来。所以在写的时候也应该用括号括起来。这称为合式公式(即符合规范的式子)。

例1:证明:((x∨y)→((¬x)→((¬x)↔(y∧z))))是一个合式公式。
证: (1) x是公式;(2) y是公式;(3) (x∨y)是公式<由1、2得>;(4) ¬x是公式<由1得>;(5) z是公式;
(6) (y∧z)是公式<由2、5得>;(7) ((¬x)↔(y∧z))是公式<由4、6得>;(8) (x∨y)→((¬x)→((¬x)↔(y∧z)))是公式<由6、7得>。证毕。
为了书写方便,命题公式得最外层的括号通常省略。并规定各个命题联结符的优先级为:¬>∧>∨>→>↔运算顺序为从左往右
所以上例的合式公式可以写成:x∨y→¬x→(¬x↔y∧z)
命题指的是语句的内容,而语句不是命题。在通常交流时可以说这个语句是命题。

  • 0
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
离散数学中的数理逻辑是一种用于研究命题、推理和证明的数学分支,它主要关注命题的真值和命题之间的逻辑关系。以下是一些可能的创新方向: 1. 引入模糊逻辑:传统的数理逻辑只能处理精确的命题和逻辑关系,而现实中往往存在不确定性和模糊性。引入模糊逻辑,可以更好地处理这些模糊的命题和逻辑关系,如模糊命题的真值和模糊逻辑关系的推理。 2. 结合机器学习方法:机器学习方法在自然语言处理、图像识别等领域已经取得了很好的效果。将机器学习方法与数理逻辑结合,可以更好地处理复杂的逻辑问题,如逻辑规则的学习和自动证明等。 3. 引入非经典逻辑:传统的数理逻辑主要是基于古典逻辑的,而非经典逻辑可以更好地处理一些非传统的逻辑问题,如模态逻辑、时序逻辑、多值逻辑等。 4. 考虑上下文信息:命题的真值往往受到上下文信息的影响。因此,考虑上下文信息的数理逻辑可以更好地处理这些复杂的逻辑问题。 5. 引入多元逻辑:传统的数理逻辑主要是二元的,即只考虑两个命题之间的逻辑关系。而引入多元逻辑,可以更好地处理多个命题之间的逻辑关系,如三元逻辑、四元逻辑等。 举个例子,假设我们要判断一篇文章是否为“假新闻”。传统的数理逻辑可以通过对文章的各个命题进行分析和推理,来判断文章是否存在逻辑矛盾或不符合事实的情况。但是现实中的“假新闻”往往存在模糊性和复杂性,传统的数理逻辑很难处理这些情况。因此,我们可以引入模糊逻辑,通过对文章的各个命题的模糊度进行量化和分析,来判断文章是否为“假新闻”。同时,我们还可以结合机器学习方法,通过对大量“假新闻”和“真新闻”的数据进行学习和训练,来自动判断一篇文章是否为“假新闻”。这种创新的数理逻辑方法可以更好地处理现实中的复杂逻辑问题。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值