Modellierung von Wissen

Größe: px
Ab Seite anzeigen:

Download "Modellierung von Wissen"

Transkript

1 Martin LMU 9. Mai 2011

2 Schmutzige Kinder Eine Anzahl Kinder, manche haben eine schmutzige Stirn vom Spielen, manche nicht. Kein Kind kann seine eigene Stirn sehen und auch nicht befühlen. Kann ein Kind herausfinden, ob es eine schmutzige Stirn hat, oder nicht? Offensichtlich nicht!

3 Schmutzige Kinder Eine Anzahl Kinder, manche haben eine schmutzige Stirn vom Spielen, manche nicht. Kein Kind kann seine eigene Stirn sehen und auch nicht befühlen. Kann ein Kind herausfinden, ob es eine schmutzige Stirn hat, oder nicht? Offensichtlich nicht! Ein Vater kommt und sagt immer wieder mit etwas Abstand dazwischen: Manche von Euch haben eine schmutzige Stirn.. Wer von Euch weiß sicher, dass er oder sie eine schmutzige Stirn hat?. Nach den ersten n 1 Fragen (n=zahl der Kinder mit schmutziger Stirn) sagen jeweils alle Kinder: Ich weiß es nicht. Nach der n-ten Frage aber meldet sich ein Kind und sagt: Ich weiß jetzt, dass ich eine schmutzige Stirn habe. Wie ist das möglich, wenn man annimmt, dass alle Kinder intelligent sind und immer die Wahrheit sagen?

4 Nur zwei Kinder Fall a Wenn eines der Kinder eine saubere Stirn hat, dann sieht das andere Kind das und kommt aufgrund der Ansage des Vaters zu dem Schluss, dass es selber eine schmutzige Stirn haben muss.

5 Nur zwei Kinder Fall a Wenn eines der Kinder eine saubere Stirn hat, dann sieht das andere Kind das und kommt aufgrund der Ansage des Vaters zu dem Schluss, dass es selber eine schmutzige Stirn haben muss. Fall b Haben beide eine schmutzige Stirn, dann können beide Kinder nach der ersten Runde schließen, dass Fall a nicht vorliegt, sonst hätte sich ja das andere Kind sofort gemeldet. Nach der zweiten Frage wissen also beide, dass sie eine schmutzige Stirn haben und melden sich.

6 Drei Kinder Fall a Eine schmutzige Stirn. Wie bei zwei Kindern.

7 Drei Kinder Fall a Eine schmutzige Stirn. Wie bei zwei Kindern. Fall b Zwei schmutzige Stirnen. Ein Kind mit schmutziger Stirn kann nach der zweiten Frage argumentieren: Hätte ich keine schmutzige Stirn, so läge Fall a vor und jemand hätte sich gemeldet. Fall c Drei schmutzige Stirnen. Jedes Kind kann argumentieren. Hätte ich keine schmutzige Stirn, so läge Fall b vor und jemand hätte sich nach der zweiten Frage gemeldet.

8 Viele Kinder Durch Induktion über Zahl t der Kinder mit schmutziger Stirn. all t = 1 Nur eine schmutzige Stirn. Wie bei zwei Kindern. all t > 1 Mehr als eine schmutzige Stirn. Ein Kind mit schmutziger Stirn sieht n 1 schmutzige Stirnen. Meldet sich nach der n 1-ten Frage kein Kind, so kann es sich jetzt getrost melden.

9 Wissenslogik Ziel: Formalisierung dieses Arguments analog zur Formalisierung von Logikpuzzeln in Aussagenlogik. Für jeden Agenten (Kind) i einen Modaloperator K i. Die Formel K i φ bedeutet dann Agent i weiß φ. Bsp.: Peter weiß, dass Jana weiß, dass mindestens ein Kind eine schmutzige Stirn hat (X ) wird zu K P K J X. Weitere Modaloperatoren: C φ für φ ist allgemein bekannt (common knowledge, geteiltes Wissen) Dφ für φ ist verteiltes Wissen (kann aus dem gemeinsamen Wissen aller Agenten geschlossen werden, distributed knowledge)

10 Syntax der Wissenslogik Gruppe von Agenten 1,..., n. Menge Φ von primitiven Aussagen(variablen). Z.B.: Kind 1 hat schmutzige Stirn könnte in Φ sein. Formeln werden aus Φ mit den einstelligen Operatoren (Negation) und K 1,... K n (Agent i weiß) und dem zweistelligen Operator (Konjunktion) gebildet. (noch kein common und distributed knowledge) Beispiel: φ ::= Φ φ K i φ φ 1 φ 2 φ ψ = ( φ ψ) φ ψ = φ ψ φ ψ = (φ ψ) (ψ φ) K 1 K 2 p K 2 K 1 K 2 p Agent 1 weiss, dass Agent 2 p weiss und es außerdem nicht der Fall ist, dass 2 weiss, dass 1 weiss, dass er, also 2, p weiß.

11 Möglichkeit und Nichtwissen K i φ bedeutet Agent i hält φ für möglich. K i φ K i φ bedeutet Agent i weiß nicht ob φ. Ein konkretes Beispiel: Dean doesn t know whether Nixon knows that Dean knows that Nixon knows that McCord burgled O Brien s office at Watergate. Formalisiert: K 1 (K 2 K 1 K 2 p) K 1 ( K 2 K 1 K 2 p)

12 Kripkestrukturen Eine Kripkestruktur (Rahmen) für n Agenten über einer Menge Φ von primitiven Aussagen besteht aus einer Menge S von möglichen Welten oder Zuständen, für jede Welt s S eine Interpretation π s : Φ {true, false} der primitiven Aussagen sie gibt für jede Welt s und primitive Aussage φ an, ob sie in der Welt gilt (true) oder nicht (false), für jeden Agenten i (wobei i {1,..., n}) eine Äquivalenzrelation K i auf S, also eine Menge von Paaren (s, t) mit s, t S, wobei stets (s, s) K i (Reflexivität), mit (s, t) K i auch (t, s) K i und mit (s, t) K a, (t, u) K i auch (s, u) K i (Transitivität) Jeder Zustand bezeichnet eine mögliche Situation, z.b., gibt es den Zustand in dem Peter und ich eine schmutzige Stirn haben und auch die, in der keiner von uns eine schmutzige Stirn hat, etc. Ist (s, t) K a, so soll das bedeuten, dass a in der Welt s die Welt t für möglich hält.

13 Semantik von Formeln M = (S, π, K 1,..., K n ) Kripkestruktur. s S und φ eine Formel. Wir definieren, wann eine Formel φ in einem Zustand s gilt, i.z.: M, s = φ: M, s = p π s (p) = true (hier ist p primitive Aussage) M, s = ψ ψ M, s = ψ und M, s = ψ M, s = ψ M, s = ψ M, s = K i ψ M, t = ψ für alle t mit (s, t) K i

14 Beispiel n = 2, S = {s, t, u}, Φ = {p}, K 1 = {(s, s), (t, t), (u, u), (s, t), (t, s)}, K 2 = {(s, s), (t, t), (u, u), (t, u), (u, t)}, π s (p) = π t (p) = true, π u (p) = false. In der Welt t wird p von Agent 1 gewusst, aber Agent 2 weiß p in Welt t nicht, da er ja die Welt u für möglich hält, in der eben p nicht gilt. Es gilt auch M, s = p K 1 p K 2 p K 1 K 2 p

15 Beispiel mit Spielkarten Zwei Agenten 1, 2 und drei Karten A, B, C. Die Agenten erhalten jeder eine Karte; die dritte bleibt verdeckt liegen. Es gibt die folgenden sechs Welten (A, B), (A, C), (B, A), (B, C), (C, A), (C, B). Die Welt (A, B) bedeutet z.b., dass Agent 1 die Karte A hat und Agent 2 die Karte B, somit Karte C liegenbleibt. In dieser Welt hält Agent 1 die Welten (A, B) und (A, C) für möglich; insgesamt bildet die Kripkestruktur grafisch dargestellt ein Sechseck. Primitive Aussagen: 1A (1 hält Karte A), 1B, 1C, 2A, 2B, 2C. Folgende Aussagen gelten: M c, (A, B) = 1A 2B M c, (A, B) = K 1 (2B 2C) M c, (A, B) = K 1 K 2 (1A)

16 Geteiltes Wissen (common knowledge) Sei G ein Teilmenge der Agenten. Wir führen den Operator E G mit folgender Semantik ein: M, s = E G φ M, s = K i φ für alle i G Also gilt E G φ i G K iφ. Mit E k G φ bezeichnen wir E G E G... E G φ (k Anwendungen). Der Operator C G für geteiltes Wissen innerhalb von G wird dann wie folgt definiert: M, s = C G φ M, s = EG k φ für k = 1, 2, 3,...

17 Geteiltes Wissen, semantisch Welt t ist von Welt s aus in k Schritten G-erreichbar, wenn es Welten t 0, t 1,..., t k gibt mit s = t 0 und t k = t und (t j, t j+1 ) i G K i für j = 0,..., k 1. Ist dies für irgendein k der Fall, so ist t von s aus G-erreichbar.

18 Geteiltes Wissen, semantisch Welt t ist von Welt s aus in k Schritten G-erreichbar, wenn es Welten t 0, t 1,..., t k gibt mit s = t 0 und t k = t und (t j, t j+1 ) i G K i für j = 0,..., k 1. Ist dies für irgendein k der Fall, so ist t von s aus G-erreichbar. Satz: Es gilt M, s = EG k φ M, t = φ für alle t, die von s in k Schritten G-erreichbar sind. M, s = C G φ M, t = φ für alle t, die von s aus G-erreichbar sind.

19 Verteiltes Wissen Wir definieren den Operator D G (verteiltes Wissen) durch M, s = D G φ M, t = φ für alle t, sodass (s, t) i G K i Alle Welten, die auch nur einer der Agenten in G für ausgeschlossen hält, werden also nicht einbezogen. Beachte: je weniger Welten möglich sind, desto mehr Wissen.

20 Verteiltes Wissen Wir definieren den Operator D G (verteiltes Wissen) durch M, s = D G φ M, t = φ für alle t, sodass (s, t) i G K i Alle Welten, die auch nur einer der Agenten in G für ausgeschlossen hält, werden also nicht einbezogen. Beachte: je weniger Welten möglich sind, desto mehr Wissen. Im Beispiel mit den Karten (G = {1, 2}) gilt: M c, (A, B) = C G (1A 1B 1C) M c, (A, B) = C G (1B (2A 2C)) M c, (A, B) = D G (1A 2B)

21 Kripkestruktur für die schmutzigen Kinder n Agenten (die Kinder) und 2 n Zustände der Form (x 1,..., x n ) wobei die x i {0, 1} sind und besagen, ob das Kind i eine schmutzige Stirn hat. Möglicher Zustand bei n = 3: Das erste und dritte Kind haben eine schmutzige Stirn; das zweite nicht. Formal (1, 0, 1). In dieser Situation ( Welt ) hält das Kind 1 sowohl (1, 0, 1) (Reflexivität), aber auch (0, 0, 1) für möglich. Es hält aber z.b. (1, 1, 1) nicht für möglich.

22 Kripkestruktur für die schmutzigen Kinder n Agenten (die Kinder) und 2 n Zustände der Form (x 1,..., x n ) wobei die x i {0, 1} sind und besagen, ob das Kind i eine schmutzige Stirn hat. Möglicher Zustand bei n = 3: Das erste und dritte Kind haben eine schmutzige Stirn; das zweite nicht. Formal (1, 0, 1). In dieser Situation ( Welt ) hält das Kind 1 sowohl (1, 0, 1) (Reflexivität), aber auch (0, 0, 1) für möglich. Es hält aber z.b. (1, 1, 1) nicht für möglich. K i ((x 1,..., x n ), (y 1,..., y n )) x j = y j für alle j i Primitive Aussagen: Φ = {p 1,..., p n } π x (p i ) = true x i = 1 π x (p i ) = false x i = 0 p := p 1 p n

23 Beispiel M 0, (1,..., 1) = Ep M 0, (1, 1, 0,..., 0) = Ep M 0, (1, 0,..., 0) = p Ep M 0, (0,..., 0) = p

24 Veränderung des Wissens durch den Vater Durch die Ankündigung des Vaters gehen wir in eine neue Kripkestruktur M 1 über, in der (0,..., 0) fehlt. Es gilt: M 1, s = C G p M 1, (1, 0,..., 0) = K 1 p 1 M 1, (0, 1,..., 0) = K 1 p 1 Antworten also alle ich weiß es nicht, so geht man in eine neue Kripkestruktur M 2 über, in der alle Zustände mit genau einer 1 fehlen. Nach k Runden sind dann alle Zustände mit weniger als k Einsen eliminiert und somit bleibt nach der n-ten Frage nur noch die Welt (1,..., 1) übrig.

25 Eigenschaften des Wissens Gültigkeit: Schreibe M = φ wenn M, s = φ für alle s. Allgemeingültigkeit: Schreibe = φ, wenn M = φ für alle M. Es gelten die S5-Axiome : = K i φ K i (φ ψ) K i ψ (Distributionsaxiom) Wenn M = φ dann M = K i φ (Generalisierungsregel) = K i φ φ (Wahrheitsaxiom) = K i φ K i K i φ (positive Introspektion) = K i φ K i K i φ (negative Introspektion)

26 Eigenschaften des verteilten Wissens Für die weiteren Operatoren gilt das Folgende: Wenn G G dann = C G φ C G φ = E G φ i G K iφ = C G φ E G (φ C G φ) (Fixpunktax Wenn M = φ E G (ψ φ) dann M = φ C G ψ (Induktionsr Wenn G G dann = D G φ D G φ = D {i} φ K i φ Außerdem erfüllen D G und C G alle S5 Regeln. Das geteilte Wissen ist durch die beiden Regeln Fixpunktaxiom und Induktionsregel bereits eindeutig charakterisiert.

27 Ereignisbasierte Modellierung Man kann auch ohne Syntax auskommen und Aussagen als Mengen von Zuständen definieren, statt sie durch solche zu interpretieren. Man nennt solch eine Zustandsmenge Ereignis. Die Äquivalenzrelationen K i kann man auch als Partitionen der Zustandsmenge in disjunkte Ereignisse deuten. Eine Menge von primitiven Ereignissen und für jeden Agenten eine Partition der Zustandsmenge heißt Aumannstruktur. Aumannstrukturen und Kripkestrukturen sind letztendlich äquivalent. Es fehlt aber eine formalisierte Syntax. Z.B. ist K i ein Operator auf Ereignissen gegeben durch K i (e) = {s S P i (s) e} wobei P i (s) die Teilmenge der Partition P i bezeichnet, in der s liegt.

28 Zusammenfassung Wissenslogik als spezielle Modallogik mit reflexiven, symmetrischen, transitiven Rahmen. (Kripkestruktur) Geteiltes Wissen wird als unendliche Konjunktion interpretiert. Jeder weiß es, jeder weiß, dass jeder es weiß, jeder weiß, dass jeder weiß, dass jeder weiß, dass es jeder weiß, etc. Jeweils eine Runde des Schmutzige Kinder Puzzle kann als Kripkestruktur modelliert werden. Syntaxfreie Präsentiation der Wissenslogik ist als Aumannstruktur oder Ereignisbasierte Modellierung bekannt.

Grundlagen der Logik

Grundlagen der Logik Grundlagen der Logik Denken Menschen logisch? Selektionsaufgabe nach Watson (1966): Gegeben sind vier Karten von denen jede auf der einen Seite mit einem Buchstaben, auf der anderen Seite mit einer Zahl

Mehr

Mögliche Welten. Dr. Uwe Scheffler. Oktober [Technische Universität Dresden]

Mögliche Welten. Dr. Uwe Scheffler. Oktober [Technische Universität Dresden] Mögliche Welten Dr. Uwe Scheffler [Technische Universität Dresden] Oktober 2011 Eine Sprache für die Aussagenlogik Bedeutungstragende Zeichen sind p, p 1, p 2,... sie sind Aussagenvariablen und bezeichnen

Mehr

Formale Methoden 2. Gaetano Geck Lehrstuhl I Logik in der Informatik WS 2015/2016

Formale Methoden 2. Gaetano Geck Lehrstuhl I Logik in der Informatik WS 2015/2016 Formale Methoden 2 Gaetano Geck Lehrstuhl I Logik in der Informatik WS 2015/2016 Teil 1: Wiederholung 1 Mengen 2 Abbildungen 3 Exkurs Beweistechniken 4 Relationen Definition Operationen Eigenschaften Äquivalenzrelationen

Mehr

Aussagenlogik. Motivation Syntax Semantik Erfüllbarkeit SAT-Solver Kompaktheit Beweiskalküle

Aussagenlogik. Motivation Syntax Semantik Erfüllbarkeit SAT-Solver Kompaktheit Beweiskalküle Aussagenlogik Motivation Syntax Semantik Erfüllbarkeit SAT-Solver Kompaktheit Beweiskalküle Theoretische Informatik: Logik, M. Lange, FB16, Uni Kassel: 3.1 Aussagenlogik Syntax 22 Einführendes Beispiel

Mehr

Kapitel 1.5 und 1.6. Ein adäquater Kalkül der Aussagenlogik

Kapitel 1.5 und 1.6. Ein adäquater Kalkül der Aussagenlogik Kapitel 1.5 und 1.6 Ein adäquater Kalkül der Aussagenlogik Teil 1: Kalküle und Beweisbarkeit und die Korrektheit des Shoenfield-Kalküls Mathematische Logik (WS 2010/11) Kapitel 1.5 und 1.6: Kalküle 1 /

Mehr

Was bisher geschah. wahr 0 t 1 falsch 0 f 0 Konjunktion 2 min Disjunktion 2 max Negation 1 x 1 x Implikation 2 Äquivalenz 2 =

Was bisher geschah. wahr 0 t 1 falsch 0 f 0 Konjunktion 2 min Disjunktion 2 max Negation 1 x 1 x Implikation 2 Äquivalenz 2 = Was bisher geschah (Klassische) Aussagenlogik: Aussage Wahrheitswerte 0 (falsch) und 1 (wahr) Junktoren Syntax Semantik Stelligkeit Symbol Wahrheitswertfunktion wahr 0 t 1 falsch 0 f 0 Konjunktion 2 min

Mehr

Mathematische Strukturen

Mathematische Strukturen Mathematische Strukturen Lineare Algebra I Kapitel 3 16. April 2013 Kartesisches Produkt Das kartesische Produkt (benannt nach René Descartes) von n Mengen M 1,..., M n ist M 1 M n := {(x 1,..., x n )

Mehr

2.1 Lineare Temporallogiken: LTL

2.1 Lineare Temporallogiken: LTL 2.1 Lineare Temporallogiken: LTL N bezeichne die Menge der nicht-negativen ganzen Zahlen (inklusive der Null). Sei Σ ein Alphabet. Ein endliches Wort ü b e r Σ ist eine endliche Folge a 1 a 2...a n,sodassa

Mehr

Lösungen zur Übungsserie 1

Lösungen zur Übungsserie 1 Analysis 1 Herbstsemester 2018 Prof. Peter Jossen Montag, 24. September Lösungen zur Übungsserie 1 Aufgaben 1, 3, 4, 5, 6, 8 Aufgabe 1. Sei X eine endliche Menge mit n Elementen, und sei Y eine endliche

Mehr

Die Prädikatenlogik erster Stufe: Syntax und Semantik

Die Prädikatenlogik erster Stufe: Syntax und Semantik Die Prädikatenlogik erster Stufe: Syntax und Semantik 1 Mathematische Strukturen und deren Typen Definition 1.1 Eine Struktur A ist ein 4-Tupel A = (A; (R A i i I); (f A j j J); (c A k k K)) wobei I, J,

Mehr

Vorsemesterkurs Informatik

Vorsemesterkurs Informatik Vorsemesterkurs Informatik Sommersemester 2018 Ronja Düffel 14. März 2018 Theoretische Informatik Wieso, weshalb, warum??!? 1 Modellieren und Formalisieren von Problemen und Lösungen 2 Verifikation (Beweis

Mehr

4.1 Motivation. Theorie der Informatik. Theorie der Informatik. 4.1 Motivation. 4.2 Syntax der Prädikatenlogik. 4.3 Semantik der Prädikatenlogik

4.1 Motivation. Theorie der Informatik. Theorie der Informatik. 4.1 Motivation. 4.2 Syntax der Prädikatenlogik. 4.3 Semantik der Prädikatenlogik Theorie der Informatik 3. März 2014 4. Prädikatenlogik I Theorie der Informatik 4. Prädikatenlogik I 4.1 Motivation Malte Helmert Gabriele Röger 4.2 Syntax der Prädikatenlogik Universität Basel 3. März

Mehr

1.1 Motivation. Theorie der Informatik. Theorie der Informatik. 1.1 Motivation. 1.2 Syntax. 1.3 Semantik. 1.4 Formeleigenschaften. 1.

1.1 Motivation. Theorie der Informatik. Theorie der Informatik. 1.1 Motivation. 1.2 Syntax. 1.3 Semantik. 1.4 Formeleigenschaften. 1. Theorie der Informatik 19. Februar 2014 1. Aussagenlogik I Theorie der Informatik 1. Aussagenlogik I Malte Helmert Gabriele Röger Universität Basel 19. Februar 2014 1.1 Motivation 1.2 Syntax 1.3 Semantik

Mehr

Logics for Multiagent Systems

Logics for Multiagent Systems Logics for Multiagent Systems Andreas Hofmeister, Heiner Schmidt 1 Motivation Bisher wurde in dem Seminar erklärt, wie man einzelne Agenten und Systeme von (kooperierenden) Agenten entwirft und implementiert.

Mehr

Inferenzmethoden. Einheit 16. Modallogiken. 1. Syntax & Semantik 2. Erweiterung des Extensionsverfahrens

Inferenzmethoden. Einheit 16. Modallogiken. 1. Syntax & Semantik 2. Erweiterung des Extensionsverfahrens Inferenzmethoden Einheit 16 Modallogiken 1. Syntax & Semantik 2. Erweiterung des Extensionsverfahrens Modallogiken Erweiterung der Prädikatenlogik um Modalitäten Modellierung von Schlußfolgerungen, die

Mehr

Probeklausur Mathematische Logik

Probeklausur Mathematische Logik Lehr- und Forschungsgebiet Mathematische Grundlagen der Informatik RWTH Aachen Prof. Dr. E. Grädel SS 2017 Probeklausur Mathematische Logik Aufgabe 1 (a) (i) Sei τ = {R} für ein zweistelliges Relationssymbol

Mehr

THEORETISCHE INFORMATIK UND LOGIK

THEORETISCHE INFORMATIK UND LOGIK Rückblick: Logelei Wir kehren zurück auf das Inselreich mit Menschen von Typ W (Wahrheitssager) und Typ L (Lügner). THEORETISCHE INFORMATIK UND LOGIK 14. Vorlesung: Modelltheorie und logisches Schließen

Mehr

THEORETISCHE INFORMATIK UND LOGIK

THEORETISCHE INFORMATIK UND LOGIK THEORETISCHE INFORMATIK UND LOGIK 14. Vorlesung: Modelltheorie und logisches Schließen Markus Krötzsch Lehrstuhl Wissensbasierte Systeme TU Dresden, 31. Mai 2017 Rückblick: Logelei Wir kehren zurück auf

Mehr

Vorsemesterkurs Informatik

Vorsemesterkurs Informatik Vorsemesterkurs Informatik Vorsemesterkurs Informatik Mario Holldack WS2015/16 30. September 2015 Vorsemesterkurs Informatik 1 Einleitung 2 Aussagenlogik 3 Mengen Vorsemesterkurs Informatik > Einleitung

Mehr

Vorsemesterkurs Informatik

Vorsemesterkurs Informatik Vorsemesterkurs Informatik Ronja Düffel WS2018/19 01. Oktober 2018 Theoretische Informatik Wieso, weshalb, warum??!? 1 Modellieren und Formalisieren von Problemen und Lösungen 2 Verifikation (Beweis der

Mehr

Kapitel 1.5. Ein adäquater Kalkül der Aussagenlogik. Teil 1: Kalküle und Beweisbarkeit und die Korrektheit des Shoenfield-Kalküls

Kapitel 1.5. Ein adäquater Kalkül der Aussagenlogik. Teil 1: Kalküle und Beweisbarkeit und die Korrektheit des Shoenfield-Kalküls Kapitel 1.5 Ein adäquater Kalkül der Aussagenlogik Teil 1: Kalküle und Beweisbarkeit und die Korrektheit des Shoenfield-Kalküls Mathematische Logik (WS 2012/13) Kapitel 1.5: Kalküle 1/30 Syntaktischer

Mehr

SS Juli Übungen zur Vorlesung Logik Blatt 11

SS Juli Übungen zur Vorlesung Logik Blatt 11 SS 2011 06. Juli 2011 Übungen zur Vorlesung Logik Blatt 11 Prof. Dr. Klaus Madlener Abgabe bis 13. Juli 2011 10:00 Uhr 1. Aufgabe: [Axiomatisierung, Übung] 1. Definieren Sie eine Formel A n der Prädikatenlogik

Mehr

Aussagenlogik. Übersicht: 1 Teil 1: Syntax und Semantik. 2 Teil 2: Modellierung und Beweise. Aussagenlogik H. Kleine Büning 1/25

Aussagenlogik. Übersicht: 1 Teil 1: Syntax und Semantik. 2 Teil 2: Modellierung und Beweise. Aussagenlogik H. Kleine Büning 1/25 Aussagenlogik Übersicht: 1 Teil 1: Syntax und Semantik 2 Teil 2: Modellierung und Beweise Aussagenlogik H. Kleine Büning 1/25 Einführendes Beispiel Falls Lisa Peter trifft, dann trifft Lisa auch Gregor.

Mehr

Formale Methoden 2 (Lehrstuhl I Logik in der Informatik)

Formale Methoden 2 (Lehrstuhl I Logik in der Informatik) Formale Methoden 2 Gaetano Geck (Lehrstuhl I Logik in der Informatik) Blatt 3 Beispiellösung WS 2015/16 Aufgabe 1 [Wiederholung: Relationen] 3 Punkte Begründe jeden deiner Lösungsvorschläge. a) Wir definieren

Mehr

Semantik der Prädikatenlogik

Semantik der Prädikatenlogik Theoretische Informatik: Logik, M. Lange, FB16, Uni Kassel: 4.3 Prädikatenlogik Semantik 131 Semantik der Prädikatenlogik zur Erinnerung: Semantik der Aussagenlogik gegeben durch Interpretation I : V {0,

Mehr

Abschnitt 3: Mathematische Grundlagen

Abschnitt 3: Mathematische Grundlagen Abschnitt 3: Mathematische Grundlagen 3. Mathematische Grundlagen 3.1 3.2 Boolsche Algebra 3.3 Induktion und Rekursion Peer Kröger (LMU München) Einführung in die Programmierung WS 16/17 46 / 708 Überblick

Mehr

Logik für Informatiker

Logik für Informatiker Logik für Informatiker 2. Aussagenlogik Teil 1 25.04.2017 Viorica Sofronie-Stokkermans Universität Koblenz-Landau e-mail: sofronie@uni-koblenz.de 1 Bis jetzt Grundlegende Beweisstrategien Induktion über

Mehr

The Epistemics of Presupposition Projection. Präsuppositionsauslöser

The Epistemics of Presupposition Projection. Präsuppositionsauslöser Präsuppositionen in DEL Inhalt The Epistemics of Presupposition Projection Jan van Eijck (CWI, Amsterdam) Jan.van.Eijck@cwi.nl & Christina Unger (UiL-OTS, Utrecht) Christina.Unger@let.uu.nl 1 Hintergrund

Mehr

Diskrete Mathematik. Sebastian Iwanowski FH Wedel. Kapitel 2: Mengenlehre

Diskrete Mathematik. Sebastian Iwanowski FH Wedel. Kapitel 2: Mengenlehre Referenzen zum Nacharbeiten: Diskrete Mathematik Sebastian Iwanowski FH Wedel Kapitel 2: Mengenlehre Lang 3 Meinel 2, 4, 5, 10.2-10.4 (zur Vertiefung: Meinel 10.5-10.8 und Beutelspacher 10) Dean 2, 5-7

Mehr

Logik. Gabriele Kern-Isberner LS 1 Information Engineering. TU Dortmund Wintersemester 2014/15 WS 2014/15

Logik. Gabriele Kern-Isberner LS 1 Information Engineering. TU Dortmund Wintersemester 2014/15 WS 2014/15 Logik Gabriele Kern-Isberner LS 1 Information Engineering TU Dortmund Wintersemester 2014/15 WS 2014/15 G. Kern-Isberner (TU Dortmund) Logik WS 2014/15 1 / 125 Übersicht Modallogik 5. Grundlagen 6. Erfüllbarkeit

Mehr

Was bisher geschah Klassische Aussagenlogik zur Modellierung von Aussagen Syntax: Formeln

Was bisher geschah Klassische Aussagenlogik zur Modellierung von Aussagen Syntax: Formeln Was bisher geschah Klassische Aussagenlogik zur Modellierung von Aussagen Syntax: Formeln induktive Definition der Menge AL(P) (Baumstruktur) strukturelle Induktion (Funktionen, Nachweise) syntaktische

Mehr

Theorie der Informatik

Theorie der Informatik Theorie der Informatik 1. Aussagenlogik I Malte Helmert Gabriele Röger Universität Basel 19. Februar 2014 Motivation Aufgabe von letzter Vorlesungsstunde Worin besteht das Geheimnis Ihres langen Lebens?

Mehr

1 Aussagenlogik. 1.1 Aussagen. 15 ist eine Primzahl. 3 < 8 x < 15 (hängt von x ab, keine Aussage) Aussage = Behauptung Beispiele: Es regnet.

1 Aussagenlogik. 1.1 Aussagen. 15 ist eine Primzahl. 3 < 8 x < 15 (hängt von x ab, keine Aussage) Aussage = Behauptung Beispiele: Es regnet. Grundlagen der Mathematik für Informatiker 1 1 Aussagenlogik 1.1 Aussagen Aussage = Behauptung Beispiele: Es regnet. Die Straße ist naß. 15 ist eine Primzahl. 3 < 8 x < 15 (hängt von x ab, keine Aussage)

Mehr

Modallogik (aussagenlogisch)

Modallogik (aussagenlogisch) Modallogik (aussagenlogisch) Zur Formulierung und Repräsentation von Aussagen, die über die Aussagenlogik hinausgehen. Meist modale Einschränkung Bald wird es regnen Möglicherweise ist die Erde eine Kugel.

Mehr

Jeder Aussage p kann ein Wahrheitswert W(p) {0, 1} zugeordnet werden. Beispiele: W(Es regnet.) =? (je nach Lage der Dinge) W(Die Straße ist naß.) =?

Jeder Aussage p kann ein Wahrheitswert W(p) {0, 1} zugeordnet werden. Beispiele: W(Es regnet.) =? (je nach Lage der Dinge) W(Die Straße ist naß.) =? Grundlagen der Mathematik für Informatiker 1 Grundlagen der Mathematik für Informatiker 2 1 Aussagenlogik 1.1 Aussagen Aussage = Behauptung Beispiele: Es regnet. Die Straße ist naß. 15 ist eine Primzahl.

Mehr

1 Aussagenlogik. 1.1 Aussagen. 15 ist eine Primzahl. 3 < 8 x < 15 (hängt von x ab, keine Aussage) Aussage = Behauptung Beispiele: Es regnet.

1 Aussagenlogik. 1.1 Aussagen. 15 ist eine Primzahl. 3 < 8 x < 15 (hängt von x ab, keine Aussage) Aussage = Behauptung Beispiele: Es regnet. Grundlagen der Mathematik für Informatiker 1 1 Aussagenlogik 1.1 Aussagen Aussage = Behauptung Beispiele: Es regnet. Die Straße ist naß. 15 ist eine Primzahl. 3 < 8 x < 15 (hängt von x ab, keine Aussage)

Mehr

Beispiel Aussagenlogik nach Schöning: Logik...

Beispiel Aussagenlogik nach Schöning: Logik... Beispiel Aussagenlogik nach Schöning: Logik... Worin besteht das Geheimnis Ihres langen Lebens? wurde ein 100-jähriger gefragt. Ich halte mich streng an die Diätregeln: Wenn ich kein Bier zu einer Mahlzeit

Mehr

Informatik Vorkurs: Etwas Mathematik. Werner Struckmann WS 2014/2015

Informatik Vorkurs: Etwas Mathematik. Werner Struckmann WS 2014/2015 Informatik Vorkurs: Etwas Mathematik Werner Struckmann WS 2014/2015 Etwas Mathematik: Was machen wir? 1. Aussagen, Logik 2. Mengen, Relationen, Funktionen 3. Zahlenmengen, Rechnen 4. Beweise 5. Dualzahlen:

Mehr

4. Alternative Temporallogiken

4. Alternative Temporallogiken 4. Alternative Temporallogiken Benutzung unterschiedlicher Temporallogiken entsprechend den verschiedenen Zeitbegriffen LTL: Linear Time Logic Ähnlich der CTL, aber jetzt einem linearen Zeitbegriff entspechend

Mehr

Logik für Informatiker

Logik für Informatiker Vorlesung Logik für Informatiker 5. Aussagenlogik Normalformen Bernhard Beckert Universität Koblenz-Landau Sommersemester 2006 Logik für Informatiker, SS 06 p.1 Normalformen Definition: Literal Atom (aussagenlogische

Mehr

Mengen. (Nicht-) Elemente einer Menge { 3, 4 } { 1, { 2 }, { 3, 4 }, { 5 } } 3 { 1, { 2 }, { 3, 4 }, { 5 } }

Mengen. (Nicht-) Elemente einer Menge { 3, 4 } { 1, { 2 }, { 3, 4 }, { 5 } } 3 { 1, { 2 }, { 3, 4 }, { 5 } } Mengen Definition (Intuitive Mengenlehre) Eine Menge ist die Zusammenfassung von Elementen unserer Anschauung zu einem wohldefinierten Ganzen. (Georg Cantor) Notation 1. Aufzählung aller Elemente: { 1,

Mehr

Logische Grundlagen der Mathematik, WS 2014/15

Logische Grundlagen der Mathematik, WS 2014/15 Logische Grundlagen der Mathematik, WS 2014/15 Thomas Timmermann 26. November 2014 Was kommt nach den natürlichen Zahlen? Mehr als die natürlichen Zahlen braucht man nicht, um einige der schwierigsten

Mehr

Mengen. Eigenschaften. Spezielle Mengen (1) Prominente Mengen. ! Mengenzugehörigkeit

Mengen. Eigenschaften. Spezielle Mengen (1) Prominente Mengen. ! Mengenzugehörigkeit Mengen! Definition (Intuitive Mengenlehre) Eine Menge ist die Zusammenfassung von Elementen unserer Anschauung zu einem wohldefinierten Ganzen. (Georg Cantor)! Notation 1. Aufzählung aller Elemente: {

Mehr

Logic in a Nutshell. Christian Liguda

Logic in a Nutshell. Christian Liguda Logic in a Nutshell Christian Liguda Quelle: Kastens, Uwe und Büning, Hans K., Modellierung: Grundlagen und formale Methoden, 2009, Carl Hanser Verlag Übersicht Logik - Allgemein Aussagenlogik Modellierung

Mehr

Was bisher geschah. Klassische Prädikatenlogik (der ersten Stufe): Syntax Modellierungsbeispiele

Was bisher geschah. Klassische Prädikatenlogik (der ersten Stufe): Syntax Modellierungsbeispiele Was bisher geschah Klassische Aussagenlogik zur Modellierung von Aussagen Syntax: induktive Definition der Menge AL(P) (Baumstruktur) strukturelle Induktion (Funktionen, Nachweise) Semantik: Belegungen

Mehr

Theorie der Informatik. Theorie der Informatik. 2.1 Äquivalenzen. 2.2 Vereinfachte Schreibweise. 2.3 Normalformen. 2.

Theorie der Informatik. Theorie der Informatik. 2.1 Äquivalenzen. 2.2 Vereinfachte Schreibweise. 2.3 Normalformen. 2. Theorie der Informatik 24. Februar 2014 2. Aussagenlogik II Theorie der Informatik 2. Aussagenlogik II 2.1 Äquivalenzen Malte Helmert Gabriele Röger 2.2 Vereinfachte Schreibweise Universität Basel 24.

Mehr

Abschnitt 3: Mathematische Grundlagen

Abschnitt 3: Mathematische Grundlagen Abschnitt 3: Mathematische Grundlagen 3. Mathematische Grundlagen 3.1 3.2 Induktion und Rekursion 3.3 Boolsche Algebra Peer Kröger (LMU München) Einführung in die Programmierung WS 14/15 48 / 155 Überblick

Mehr

Grundlagen Theoretischer Informatik I SoSe 2011 in Trier. Henning Fernau Universität Trier

Grundlagen Theoretischer Informatik I SoSe 2011 in Trier. Henning Fernau Universität Trier Grundlagen Theoretischer Informatik I SoSe 2011 in Trier Henning Fernau Universität Trier fernau@uni-trier.de 1 Grundlagen Theoretischer Informatik I Gesamtübersicht Organisatorisches; Einführung Logik

Mehr

Probeklausur Mathematische Logik

Probeklausur Mathematische Logik Lehr- und Forschungsgebiet Mathematische Grundlagen der Informatik RWTH Aachen Prof. Dr. E. Grädel SS 2015 Probeklausur Mathematische Logik Aufgabe 1 (a) (i) Seien R, zweistellige Relationssymbole. Ist

Mehr

Kapitel 1.1. Aussagenlogik: Syntax. Mathematische Logik (WS 2011/12) Kapitel 1.1: Aussagenlogik: Syntax 1/ 1

Kapitel 1.1. Aussagenlogik: Syntax. Mathematische Logik (WS 2011/12) Kapitel 1.1: Aussagenlogik: Syntax 1/ 1 Kapitel 1.1 Aussagenlogik: Syntax Mathematische Logik (WS 2011/12) Kapitel 1.1: Aussagenlogik: Syntax 1/ 1 Übersicht 1.1.1 Die Sprache der Aussagenlogik 1.1.2 Explizite vs. implizite Definitionen 1.1.3

Mehr

Diskrete Mathematik. Sebastian Iwanowski FH Wedel. Kapitel 2: Mengenlehre. Referenzen zum Nacharbeiten:

Diskrete Mathematik. Sebastian Iwanowski FH Wedel. Kapitel 2: Mengenlehre. Referenzen zum Nacharbeiten: DM2 Slide 1 Diskrete Mathematik Sebastian Iwanowski FH Wedel Kapitel 2: Mengenlehre Referenzen zum Nacharbeiten: Lang 3 Meinel 2, 4, 5, 10.2-10.4 (zur Vertiefung: Meinel 10.5-10.8 und Beutelspacher 10)

Mehr

Formale Logik. PD Dr. Markus Junker Abteilung für Mathematische Logik Universität Freiburg. Wintersemester 16/17 Sitzung vom 14.

Formale Logik. PD Dr. Markus Junker Abteilung für Mathematische Logik Universität Freiburg. Wintersemester 16/17 Sitzung vom 14. Formale Logik PD Dr. Markus Junker Abteilung für Mathematische Logik Universität Freiburg Wintersemester 16/17 Sitzung vom 14. Dezember 2016 Die formale Sprache der Prädikatenlogik: Zeichen Benutzt werden

Mehr

Was bisher geschah: klassische Aussagenlogik

Was bisher geschah: klassische Aussagenlogik Was bisher geschah: klassische Aussagenlogik Syntax Symbole und Struktur Junktoren: t, f (nullstellig), (einstellig),,,, (zweistellig) aussagenlogische Formeln AL(P) induktive Definition: IA atomare Formeln

Mehr

Aufgabe. Gelten die folgenden Äquivalenzen?. 2/??

Aufgabe. Gelten die folgenden Äquivalenzen?. 2/?? Äquivalenz Zwei Formeln F und G heißen (semantisch) äquivalent, falls für alle Belegungen A, die sowohl für F als auch für G passend sind, gilt A(F ) = A(G). Hierfür schreiben wir F G.. 1/?? Aufgabe Gelten

Mehr

Formale Methoden II. Gerhard Jäger. SS 2008 Universität Bielefeld. Teil 1, 16. April Formale Methoden II p.1/30

Formale Methoden II. Gerhard Jäger. SS 2008 Universität Bielefeld. Teil 1, 16. April Formale Methoden II p.1/30 Formale Methoden II SS 2008 Universität Bielefeld Teil 1, 16. April 2008 Gerhard Jäger Formale Methoden II p.1/30 Sätze und Aussagen (1) Schon wieder Verona Feldbusch! (2) Hat die Vorlesung schon angefangen?

Mehr

Abschnitt 3: Mathematische Grundlagen

Abschnitt 3: Mathematische Grundlagen Abschnitt 3: Mathematische Grundlagen 3. Mathematische Grundlagen 3.1 Mengen und Abbildungen 3.2 Induktion und Rekursion 3.3 Ausdrücke 3 Mathematische Grundlagen Einf. Progr. (WS 08/09) 102 Überblick 3.

Mehr

Aussagenlogik. Übersicht: 1 Teil 1: Syntax und Semantik. 2 Teil 2: Modellierung und Beweise. Aussagenlogik H. Kleine Büning 1/37

Aussagenlogik. Übersicht: 1 Teil 1: Syntax und Semantik. 2 Teil 2: Modellierung und Beweise. Aussagenlogik H. Kleine Büning 1/37 Aussagenlogik Übersicht: 1 Teil 1: Syntax und Semantik 2 Teil 2: Modellierung und Beweise Aussagenlogik H. Kleine Büning 1/37 Modellierungsaufgabe Es gibt drei Tauben und zwei Löcher. Jede Taube soll in

Mehr

2 Lösungen zu Kapitel 2

2 Lösungen zu Kapitel 2 2 Lösungen zu Kapitel 2 2. Lösung. Die Funktion f ist nicht injektiv. So gibt es (unendlich) viele Paare (x, y) mit f(x, y) = 0, etwa (0, 0) und (/2, ). Die Funktion f ist surjektiv. Zum Beispiel gilt

Mehr

Mathematische Grundlagen der Computerlinguistik

Mathematische Grundlagen der Computerlinguistik Centrum für Informations- und Sprachverarbeitung (CIS) 10. Juni 2014 Table of Contents 1 2 Äquivalenz Der Begriff der Äquivalenz verallgemeinert den Begriff der Gleichheit. Er beinhaltet in einem zu präzisierenden

Mehr

Theorie der Informatik. Theorie der Informatik. 6.1 Einführung. 6.2 Alphabete und formale Sprachen. 6.3 Grammatiken. 6.4 Chomsky-Hierarchie

Theorie der Informatik. Theorie der Informatik. 6.1 Einführung. 6.2 Alphabete und formale Sprachen. 6.3 Grammatiken. 6.4 Chomsky-Hierarchie Theorie der Informatik 17. März 2014 6. Formale Sprachen und Grammatiken Theorie der Informatik 6. Formale Sprachen und Grammatiken Malte Helmert Gabriele Röger Universität Basel 17. März 2014 6.1 Einführung

Mehr

Einführung in die Theoretische Informatik

Einführung in die Theoretische Informatik Einführung in die Theoretische Informatik Woche 4 Harald Zankl Institut für Informatik @ UIBK Wintersemester 2014/2015 Zusammenfassung Zusammenfassung der letzten LV Modus Ponens A B B A MP Axiome für

Mehr

Vorkurs Mathematik und Informatik Mengen, natürliche Zahlen, Induktion

Vorkurs Mathematik und Informatik Mengen, natürliche Zahlen, Induktion Vorkurs Mathematik und Informatik Mengen, natürliche Zahlen, Induktion Saskia Klaus 07.10.016 1 Motivation In den ersten beiden Vorträgen des Vorkurses haben wir gesehen, wie man aus schon bekannten Wahrheiten

Mehr

Logik I. Symbole, Terme, Formeln

Logik I. Symbole, Terme, Formeln Logik I Symbole, Terme, Formeln Wie jede geschriebene Sprache basiert die Prädikatenlogik erster Stufe auf einem Alphabet, welches aus den folgenden Symbolen besteht: (a) Variabeln wie zum Beispiel v 0,v

Mehr

Satz 1.18 (Kompaktheitssatz der Aussagenlogik)

Satz 1.18 (Kompaktheitssatz der Aussagenlogik) Satz 1.18 (Kompaktheitssatz der Aussagenlogik) Σ F ist erfüllbar genau dann, wenn jede endliche Teilmenge von Σ erfüllbar ist. Σ F ist unerfüllbar genau dann, wenn es eine unerfüllbare endliche Teilmenge

Mehr

Kapitel 1.2. Aussagenlogik: Semantik. Mathematische Logik (WS 2011/12) Kapitel 1.2: Aussagenlogik: Semantik 1 / 57

Kapitel 1.2. Aussagenlogik: Semantik. Mathematische Logik (WS 2011/12) Kapitel 1.2: Aussagenlogik: Semantik 1 / 57 Kapitel 1.2 Aussagenlogik: Semantik Mathematische Logik (WS 2011/12) Kapitel 1.2: Aussagenlogik: Semantik 1 / 57 Übersicht 1.2.1 Interpretationen der al. Formeln 1.2.2 Zentrale semantische Begriffe 1.2.3

Mehr

Kapitel 1. Grundlagen Mengen

Kapitel 1. Grundlagen Mengen Kapitel 1. Grundlagen 1.1. Mengen Georg Cantor 1895 Eine Menge ist die Zusammenfassung bestimmter, wohlunterschiedener Objekte unserer Anschauung oder unseres Denkens, wobei von jedem dieser Objekte eindeutig

Mehr

Tutorium: Diskrete Mathematik

Tutorium: Diskrete Mathematik Tutorium: Diskrete Mathematik Vorbereitung der Bonusklausur am 24.11.2016 (Teil 2) 23. November 2016 Steven Köhler mathe@stevenkoehler.de mathe.stevenkoehler.de 2 c 2016 Steven Köhler 23. November 2016

Mehr

3. Grundlegende Begriffe von Logiken - Aussagenlogik

3. Grundlegende Begriffe von Logiken - Aussagenlogik 3. Grundlegende Begriffe von Logiken - Aussagenlogik Wichtige Konzepte und Begriffe in Logiken: Syntax (Signatur, Term, Formel,... ): Festlegung, welche syntaktischen Gebilde als Formeln (Aussagen, Sätze,

Mehr

Kapitel 1. Grundlagen

Kapitel 1. Grundlagen Kapitel 1. Grundlagen 1.1. Mengen Georg Cantor 1895 Eine Menge ist die Zusammenfassung bestimmter, wohlunterschiedener Objekte unserer Anschauung oder unseres Denkens, wobei von jedem dieser Objekte eindeutig

Mehr

Diskrete Strukturen. Sebastian Thomas RWTH Aachen https://www2.math.rwth-aachen.de/ds17/ Mathematische Logik

Diskrete Strukturen. Sebastian Thomas RWTH Aachen https://www2.math.rwth-aachen.de/ds17/ Mathematische Logik Diskrete Strukturen Sebastian Thomas RWTH Aachen https://www2.math.rwth-aachen.de/ds17/ Mathematische Logik Aussagen Begriff Aussage: Ausdruck, welcher entweder wahr oder falsch ist e Die RWTH Aachen hat

Mehr

Ein und derselbe Satz kann in Bezug auf unterschiedliche Situationen s 1. und s 2 unterschiedliche Wahrheitswerte haben.

Ein und derselbe Satz kann in Bezug auf unterschiedliche Situationen s 1. und s 2 unterschiedliche Wahrheitswerte haben. 2 Aussagenlogik () 2.3 Semantik von [ Gamut 4-58, Partee 7-4 ] Ein und derselbe Satz kann in Bezug auf unterschiedliche Situationen s und s 2 unterschiedliche Wahrheitswerte haben. Beispiel: Es regnet.

Mehr

THEORETISCHE INFORMATIK UND LOGIK

THEORETISCHE INFORMATIK UND LOGIK Prädikatenlogik als Universalsprache Die Entwicklung der Logik hat ein zentrales Motiv: Logik als eine universelle, präzise Sprache THEORETISCHE INFORMATIK UND LOGIK 15. Vorlesung: Logisches Schließen

Mehr

1. Einführung in Temporallogik CTL

1. Einführung in Temporallogik CTL 1. Einführung in Temporallogik CTL Temporallogik dient dazu, Aussagen über Abläufe über die Zeit auszudrücken und zu beweisen. Zeit wird in den hier zunächst behandelten Logiken als diskret angenommen

Mehr

Logik Vorlesung 2: Semantik der Aussagenlogik

Logik Vorlesung 2: Semantik der Aussagenlogik Logik Vorlesung 2: Semantik der Aussagenlogik Andreas Maletti 24. Oktober 2014 Überblick Inhalt 1 Motivation und mathematische Grundlagen 2 Aussagenlogik Syntax und Semantik Äquivalenz und Normalformen

Mehr

Kapitel 2. Mathematische Grundlagen. Skript zur Vorlesung Einführung in die Programmierung

Kapitel 2. Mathematische Grundlagen. Skript zur Vorlesung Einführung in die Programmierung LUDWIG- MAXIMILIANS- UNIVERSITY MUNICH DEPARTMENT INSTITUTE FOR INFORMATICS DATABASE Kapitel 2 Mathematische Grundlagen Skript zur Vorlesung Einführung in die Programmierung im Wintersemester 2012/13 Ludwig-Maximilians-Universität

Mehr

Logik Vorlesung 2: Semantik der Aussagenlogik

Logik Vorlesung 2: Semantik der Aussagenlogik Logik Vorlesung 2: Semantik der Aussagenlogik Andreas Maletti 24. Oktober 2014 Überblick Inhalt 1 Motivation und mathematische Grundlagen 2 Aussagenlogik Syntax und Semantik Äquivalenz und Normalformen

Mehr

Kapitel 1. Grundlagen

Kapitel 1. Grundlagen Kapitel 1. Grundlagen 1.1. Mengen Georg Cantor 1895 Eine Menge ist die Zusammenfassung bestimmter, wohlunterschiedener Objekte unserer Anschauung oder unseres Denkens, wobei von jedem dieser Objekte eindeutig

Mehr

1 Aussagenlogischer Kalkül

1 Aussagenlogischer Kalkül 1 Aussagenlogischer Kalkül Ein Kalkül in der Aussagenlogik soll die Wahrheit oder Algemeingültigkeit von Aussageformen allein auf syntaktischer Ebene zeigen. Die Wahrheit soll durch Umformung von Formeln

Mehr

Einführung in die Logik

Einführung in die Logik Einführung in die Logik Klaus Madlener und Roland Meyer 24. April 2013 Inhaltsverzeichnis 1 Aussagenlogik 1 1.1 Syntax................................. 1 1.2 Semantik............................... 3 1.3

Mehr

Formale Methoden 1. Gerhard Jäger 14. November Uni Bielefeld, WS 2007/2008 1/17

Formale Methoden 1. Gerhard Jäger 14. November Uni Bielefeld, WS 2007/2008 1/17 1/17 Formale Methoden 1 Gerhard Jäger Gerhard.Jaeger@uni-bielefeld.de Uni Bielefeld, WS 2007/2008 14. November 2007 2/17 Komposition von Relationen und Funktionen seien R A B und S B C Relationen neue

Mehr

Vorlesung Diskrete Strukturen Relationen

Vorlesung Diskrete Strukturen Relationen Vorlesung Diskrete Strukturen Relationen Bernhard Ganter WS 2009/10 Relationen Es seien A und B Mengen. Eine (binäre) Relation zwischen A und B ist eine Teilmenge von A B. Ein wichtiger Spezialfall ist

Mehr

Gliederung. Mengen und operationen. Relationen. Funktionen. Kardinalität von Mengen. Formale Grundlagen der Informatik Knorr/Fuchs SS 2000

Gliederung. Mengen und operationen. Relationen. Funktionen. Kardinalität von Mengen. Formale Grundlagen der Informatik Knorr/Fuchs SS 2000 Gliederung Mengen und operationen Relationen Funktionen Kardinalität von Mengen Mengen, Relationen, Funktionen 1 Mengen Definition (Naive Mengenlehre) Eine Menge ist die Zusammenfassung von Elementen unserer

Mehr

Was bisher geschah: klassische Aussagenlogik

Was bisher geschah: klassische Aussagenlogik Was bisher geschah: klassische Aussagenlogik Syntax Symbole und Struktur Junktoren: t, f,,,,, aussagenlogische Formeln AL(P) induktive Definition: IA Atome (Aussagenvariablen) p, q, r,... P IS zusammengesetzte

Mehr

Logik für Informatiker

Logik für Informatiker Logik für Informatiker 2. Aussagenlogik Teil 4 7.05.2012 Viorica Sofronie-Stokkermans Universität Koblenz-Landau e-mail: sofronie@uni-koblenz.de 1 Bis jetzt Syntax der Aussagenlogik: Definition der Menge

Mehr

2 Mengen, Abbildungen und Relationen

2 Mengen, Abbildungen und Relationen Vorlesung WS 08 09 Analysis 1 Dr. Siegfried Echterhoff 2 Mengen, Abbildungen und Relationen Definition 2.1 (Mengen von Cantor, 1845 1918) Eine Menge M ist eine Zusammenfassung von wohlbestimmten und wohl

Mehr

Erfüllbarkeit von Formelmengen

Erfüllbarkeit von Formelmengen Theoretische Informatik: Logik, M. Lange, FB16, Uni Kassel: 3.6 Aussagenlogik Kompaktheit 75 Erfüllbarkeit von Formelmengen bisher nur Erfüllbarkeit einzelner Formeln betrachtet erweitere Begriff auf Mengen

Mehr

Vor(schau)kurs für Studienanfänger Mathematik: Aussagen und Mengen

Vor(schau)kurs für Studienanfänger Mathematik: Aussagen und Mengen Vor(schau)kurs für Studienanfänger Mathematik: Aussagen und Mengen 09.10.2014 Herzlich Willkommen zum 2. Teil des Vorschaukurses für Mathematik! Organisatorisches Der Vorkurs besteht aus sechs Blöcken

Mehr

Logische Grundlagen der Mathematik, WS 2014/15

Logische Grundlagen der Mathematik, WS 2014/15 Logische Grundlagen der Mathematik, WS 0/ Thomas Timmermann 8. Januar 0 Kardinalzahlen und die Mächtigkeit von Mengen Gleichmächtigkeit von Menge Zur Erinnerung: Wir wollen unendlich große Mengen hinsichtlich

Mehr

2.3 Deduktiver Aufbau der Aussagenlogik

2.3 Deduktiver Aufbau der Aussagenlogik 2.3 Deduktiver Aufbau der Aussagenlogik Dieser Abschnitt beschäftigt sich mit einem axiomatischen Aufbau der Aussagenlogik mittels eines Deduktiven Systems oder eines Kalküls. Eine syntaktisch korrekte

Mehr

- Theorie der uninterpretierten

- Theorie der uninterpretierten Theorie der uninterpretierten Funktionen Entscheidungsverfahren mit Anwendungen in der Softwareverifikation STEPHAN FALKE INSTITUT FÜR THEORETISCHE INFORMATIK (ITI) 0 KIT 13. Universität Mai 2013 des S.

Mehr

Logik für Informatiker

Logik für Informatiker Logik für Informatiker Wintersemester 2007/08 Thomas Schwentick Teil C: Nichtklassische Logiken 9. Temporallogiken Version von: 4. Februar 2008(11:55) Inhalt 9.1 Vorüberlegungen 9.2 Lineare Zeit: LTL 9.3

Mehr

f(1, 1) = 1, f(x, y) = 0 sonst üblicherweise Konjunktion, manchmal auch

f(1, 1) = 1, f(x, y) = 0 sonst üblicherweise Konjunktion, manchmal auch Belegungen, Wahrheitsfunktionen 1. Wie viele binäre Funktionen gibt es auf der Menge {0, 1} (d.h., Funktionen von {0, 1} 2 nach {0, 1})? Geben Sie alle diese Funktionen an, und finden Sie sinnvolle Namen

Mehr

Logik für Informatiker

Logik für Informatiker Logik für Informatiker 2. Aussagenlogik Teil 3 06.05.2012 Viorica Sofronie-Stokkermans Universität Koblenz-Landau e-mail: sofronie@uni-koblenz.de 1 Bis jetzt Syntax (Formeln) Semantik Wertebelegungen/Valuationen/Modelle

Mehr

Vorlesung Diskrete Strukturen Relationen

Vorlesung Diskrete Strukturen Relationen Vorlesung Diskrete Strukturen Relationen Bernhard Ganter Institut für Algebra TU Dresden D-01062 Dresden bernhard.ganter@tu-dresden.de WS 2009/10 1 Bernhard Ganter, TU Dresden Modul Einführung in die Mathematik

Mehr

Formalisierung von Sudoku Formalisieren Sie das Sudoku-Problem:

Formalisierung von Sudoku Formalisieren Sie das Sudoku-Problem: Formalisierung von Sudoku Formalisieren Sie das Sudoku-Problem: 4 4 4 4 4 1 1 1 1 2 2 3 3 5 5 5 5 5 5 6 6 6 7 7 8 8 9 9 9 9 9 8 6 Verwenden Sie dazu eine atomare Formel A[n, x, y] für jedes Tripel (n,

Mehr

Übersichtsblatt Hertrampf/Bahrdt. 1 Mathematische Aussagen. Theoretische Informatik I WS2018/19

Übersichtsblatt Hertrampf/Bahrdt. 1 Mathematische Aussagen. Theoretische Informatik I WS2018/19 Theoretische Informatik I WS2018/19 Übersichtsblatt Hertrampf/Bahrdt Institut für Formale Methoden der Informatik Theoretische Informatik Universität Stuttgart 1 Mathematische Aussagen Um mathematische

Mehr

Formale Logik. PD Dr. Markus Junker Abteilung für Mathematische Logik Universität Freiburg. Wintersemester 16/17 Sitzung vom 8.

Formale Logik. PD Dr. Markus Junker Abteilung für Mathematische Logik Universität Freiburg. Wintersemester 16/17 Sitzung vom 8. Formale Logik PD Dr. Markus Junker Abteilung für Mathematische Logik Universität Freiburg Wintersemester 16/17 Sitzung vom 8. Februar 2017 Modallogik: Aussagen über Formeln Es gibt verschiedene modallogische

Mehr

Werkzeuggestützte Softwareprüfungen: Model Checking I - CTL. Vortrag von Florian Heyer

Werkzeuggestützte Softwareprüfungen: Model Checking I - CTL. Vortrag von Florian Heyer Werkzeuggestützte Softwareprüfungen: Vortrag von Florian Heyer Gliederung Wiederholung Einführung CTL im Detail Anwendungsbeispiele Abschluss 2 Model Checking (Wiederholung) Überprüfung einer Systembeschreibung

Mehr

Modal Logik. Arne Usadel. January 21, Hochschule Ravensburg-Weingarten

Modal Logik. Arne Usadel. January 21, Hochschule Ravensburg-Weingarten Was ist und Einfuehrung Hochschule Ravensburg-Weingarten January 21, 2007 Was ist und Einfuehrung Inhaltsverzeichnis 1 Was ist und Einfuehrung 2 3 Modaloperatoren und Negation Disjunktion und Konjunktion

Mehr