Tema 5: Razonamiento no monótono
|
|
- María Soledad Palma Blázquez
- hace 6 años
- Vistas:
Transcripción
1 Tema 5: Razonamiento no monótono Félix Lara Dpto. Ciencias de la Computación Inteligencia Artificial Universidad de Sevilla Seminario de Inteligencia Artificial, Curso SIA, Razonamiento no monótono 2.1
2 Limitaciones del razonamiento basado en la lógica de primer orden Ningún lenguaje puede expresar todo el conocimiento sobre el entorno: Un conjunto de fórmulas es sólo una aproximación. Una regla general está sujeta a una serie (infinita) de restricciones no codificables. Problema importante: Las reglas de inferencia son adecuadas. Los teoremas son válidos en todos los modelos de la base de conocimiento (no descartan modelos no deseados; no refinan). Las reglas de inferencia sólo hacen expĺıcito conocimiento que estaba impĺıcito en la base de conocimiento. Otro problema: La LPO sólo utiliza hechos eternamente verdaderos o eternamente falsos. Cómo tratar la incertidumbre o la revisión? SIA, Razonamiento no monótono 2.2
3 Problemas y ejemplos (I) Un ejemplo del lenguaje natural: Como Juan no me ha dicho que Pedro es su hermano, yo presupongo que no lo es = Hermano(Juan, Pedro) = Hermano(Juan, Pedro). Otro ejemplo: Si consultamos un horario de trenes entre dos ciudades, A y B, y no encontramos ninguno que salga a las 11:00, entonces concluimos que no hay ningún tren que salga a esa hora. Este modo de proceder es típico de la consulta de bases de datos, pero difiere radicalmente del modo en que la LPO utiliza la información contenida en una base de conocimiento. SIA, Razonamiento no monótono 2.3
4 Problemas y ejemplos (II) Distinción entre enunciados universales y genéricos: Un enunciado universal es válido para todos los elementos considerados. Un enunciado genérico es válido para todos los elementos típicos (sin características especiales) considerados. Representación de relaciones (o reglas). La fórmula x(pajaro(x) Vuela(x)) es, en muchas situaciones, válida. Sin embargo, es más correcta la regla x(pajaro(x) Avestruz(x) Vuela(x)) Aún así no es fidedigna en general (pajáros muertos, crías,...) SIA, Razonamiento no monótono 2.4
5 Cualificación Cualificación: Precisión a una regla. Problema de la cualificación: Toda regla necesita infinitas restricciones (presupuestos) para ajustarse a la realidad. Sin embargo, es práctica común usar reglas y/o fórmulas como si fueran válidas. Por defecto, asumimos presupuestos (cualificaciones) que pueden ser revisados. SIA, Razonamiento no monótono 2.5
6 Reglas no monótonas Diseñar reglas R que no sean correctas ; es decir, que no tengan la propiedad R F = = F. Usualmente, la aplicación de este tipo de reglas depende del conjunto completo, no sólo de un subconjunto de premisas. Propiedad de este tipo de reglas: La base + {F } tienen menos modelos que. Los modelos de que no son modelos de F son descartados con + {F }. Las reglas que verifican esta propiedad se llaman reglas no monótonas. SIA, Razonamiento no monótono 2.6
7 Algunas soluciones Hipótesis del mundo cerrado (CWA): Si un hecho (fórmula atómica cerrada) no es demostrable, suponemos que su negación es cierta. Completación: Calcular F tal que + F impone que los elementos que verifican cierto predicado son sólo los que certifica. Razonamiento por defecto: Aplicar las reglas sin cualificación, y revisarlas en caso necesario Otros: Circunscripción, Lógica Autoepistémica. SIA, Razonamiento no monótono 2.7
8 La hipótesis del mundo cerrado (CWA) Es una formalización lógica de la correspondiente hipótesis utilizada en la consulta de bases de datos. Las bases de conocimiento ideales son completas, es decir, dado cualquier átomo cerrado, contienen (o es consecuencia lógica) a éste o a su negación. Ejemplo de BC no completa: sea la base formada por {P(A), P(A) Q(A), P(B)} Los átomos cerrados que son consecuencia lógica de son {P(A), Q(A), P(B)}. No contiene ni Q(B) ni Q(B). Idea de CWA: Si A es un átomo cerrado tal que = A, añadir A a. NO monótona: En el ejemplo, la base obtenida, + { Q(B)}, descarta los modelos de K donde Q(B) es válido. SIA, Razonamiento no monótono 2.8
9 Formalización de CWA Como obtener CWA( ): 1. Considerar T ( ) = {F : = F }. 2. Obtener el conjunto de creencias asumidas, a : A a A / T ( ) (donde A es un átomo cerrado). 3. CWA( ) = {F : + a = F } (es decir, CWA( ) = T ( + a )). En general, no se determina todo CWA( ). Se pregunta sobre la pertenencia de instancias concretas: F CWA( ) + a = F Ejemplo: Sea la base anterior Q(B) a (pues = Q(B)), luego CWA( ) = x Q(x) SIA, Razonamiento no monótono 2.9
10 Análisis y limitaciones de CWA Aplicación: Bases de datos Sea la base de conexión entre provincias de Andalucía: C(Sevilla, Huelva) C(Sevilla, Cádiz) := C(Huelva, Sevilla) C(Huelva, Cádiz)... = C(Huelva, Granada). + a = C(Huelva, Granada). = C(Huelva, Granada). SIA, Razonamiento no monótono 2.10
11 Dependencia sintáctica El método CWA depende fuertemente de la sintaxis: Si posee los símbolos de predicados {P 1,..., P n } y utilizamos Q i P i para reescribir la base a, el resultado puede ser distinto con respecto a los predicados originales. En el ejemplo anterior, si tomo D C, es D(Sevilla, Huelva) D(Sevilla, Cádiz) D(Huelva, Sevilla) D(Huelva, Cádiz)... entonces a = + { D(Sevilla, Almería),... }. Con menos hechos positivos, más eficiente (refina más). SIA, Razonamiento no monótono 2.11
12 Consistencia de CWA Problema: CWA( ) puede ser inconsistente (aunque sea consistente). Ejemplo: si = {P(A) P(B)}, entonces CWA( ) contiene a P(A) P(B), P(A), P(B); luego CWA( ) es inconsistente. Teorema. Son equivalentes: 1. CWA( ) es consistente. 2. Para toda disyunción de átomos cerrados L 1 L n tal que = L 1 L n existe i tal que = L i. SIA, Razonamiento no monótono 2.12
13 Consistencia de CWA según el lenguaje Problema: La consistencia de CWA( ) depende de los términos del lenguaje. En el lenguaje {P, A, B}, la base = {P(X) Q(X), P(A), Q(B)} tiene CWA( ) consistente. Si L = {P, A, B, C} CWA( ) no es consistente: P(C) Q(C), P(C), Q(C) CWA( ) SIA, Razonamiento no monótono 2.13
14 Clausura de dominio Consiste en: 1. Restringirse al lenguaje L( ) (símbolos no lógicos de ) y 2. Utilizando la igualdad, expresar que los únicos elementos existentes son los que tienen nombre. Si las constantes de L( ) son {C1,... C n }, añadimos a la fórmula G := x(x = C 1 x = C n ) Ventaja: Cada fórmula existencial del tipo xf(x) puede ser sustituida por F(C 1 ) F(C n ) Desventajas: Finitud del dominio, tratamiento de la igualdad... En el caso de la base de datos, anterior, la fórmula obtenida sería G := x(x = Sevilla x = Huelva...). Si F x C(x, Sevilla), entonces F es equivalente en + {G} a la fórmula C(Huelva, Sevilla) C(Sevilla, Sevilla)... SIA, Razonamiento no monótono 2.14
15 Principio de Nombres Únicos Consiste en no utilizar constantes distintas para denotar el mismo elemento. Si las constantes de L( ) son C1,..., C n, entonces equivale a añadir la fórmula C i C j i j Una forma débil puede obtenerse aplicando CWA al predicado de igualdad: = t 1 = t 2 = CWA( ) = t 1 t 2 donde t 1, t 2 son términos cerrados. En el ejemplo, como = Sevilla = Huelva, entonces CWA( ) = Sevilla Huelva. Tanto para la Clausura de dominio como para Nombres únicos es posible que la teoría obtenida sea inconsistente. SIA, Razonamiento no monótono 2.15
16 Principio de Información Completa Tanto CWA, como Clausura de Dominio y el Principio de Nombres Únicos son formas de expresar un principio general: Principio de información completa: Toda la información positiva existente acerca de un predicado está disponible en la base de conocimiento. Una forma fuerte de expresar este principio es usar simultáneamente CWA + Clausura de Dominio. Si el lenguaje L( ) sólo contienen un número finito de constantes y ningún símbolo de función, CWA + Clausura de Dominio reduce la base de conocimiento a una base proposicional. SIA, Razonamiento no monótono 2.16
17 Refinamientos Refinamiento del resultado de consistencia: Si cada cláusula de tiene a lo sumo un literal positivo (cláusulas de Horn) y es consistente, entonces CWA( ) también lo es. Consecuencia: La base de datos de Andalucía tiene una extensión CWA consistente. Estrategia: Representar el conocimiento con cláusulas de Horn para tener garantizada la consistencia. SIA, Razonamiento no monótono 2.17
18 Ejemplo Sea la base formada por las siguientes fórmulas: { xpadre(x, Ana) x y(padre(x, y) zmadre(z, y)) Con esta representación no podemos asegurar la consistencia de CWA( ). La forma clausal de, C es Padre(C, Ana) Padre(x, y) Madre(f 2 (x, y), y) Padre(x, y) Madre(f 2 (x, y), y) son cláusulas de Horn. Luego CWA( C ) es consistente. La condición no es necesaria; existen bases formadas por cláusulas que no son de Horn y que tienen CWA extensiones consistentes. SIA, Razonamiento no monótono 2.18
19 Refinamientos (II) Podemos evitar el problema de la consistencia modificando la definición de CWA. Hipótesis del Mundo Cerrado Generalizada (GCWA): Dada una base de conocimiento, y un átomo cerrado, A, por definición A g si para cualesquiera átomos cerrados B 1,..., B m, se verifica que Se define, = A B 1 B m = = B 1 B m. GCWA( ) = {F : + g = F }. Si es consistente, entonces GCWA( ) es consistente. GCWA( ) = F = CWA( ) = F. Si CWA( ) es consistente, entonces CWA( ) = F GCWA( ) = F. SIA, Razonamiento no monótono 2.19
20 Refinamientos (III) Localizar CWA en uno o varios predicados. Justificación: En algunas situaciones CWA es una hipótesis exagerada, sólo es aceptable para algún predicado concreto. Si la base contiene información muy completa sobre un predicado, P, es razonable aplicar CWA respecto de P. Pero si la información contenida en acerca de P es escasa (o poco relevante) no es razonable aplicar CWA a P. Definición: Dado P un símbolo de predicado, CWAP ( ) se define de manera análoga a CWA( ) pero a sólo contiene literales negativos en el lenguaje P. Se pierde la garantía de completitud con respecto a cualquier átomo cerrado del lenguaje original. SIA, Razonamiento no monótono 2.20
21 Ejemplo Consideremos la base de conocimiento x(padre(x, Pedro) Hermano(x, Pablo)) := Padre(Antonio, Pablo) Madre(Paula, Pablo) Hermano(Paula, Pablo) Se verifica que CWA Hermano ( ) = Hermano(Paula, Pablo) pues = Hermano(Paula, Pablo). Luego CWA Hermano ( ) = Madre(Paula, Pablo) SIA, Razonamiento no monótono 2.21
22 Ejemplo (II) Nótese que CWA( ) es inconsistente, pues Madre(Paula, Pablo), Hermano(Paula, Pablo) CWA( ) Ejercicio: Analizar la consistencia de CWAPadre ( ) y de CWA Madre ( ). Que CWAP ( ) sea consistente para todo predicado P no implica que CWA( ) lo sea. Ejemplo: = {Padre(Pablo, Pedro) Hermano(Pedro, Pablo)} SIA, Razonamiento no monótono 2.22
23 Completación bajo CWA Sea un conjunto de creencias, y P un predicado de. Cómo expresar el hecho de que los únicos elementos que satisfacen P son los que se concluyen lógicamente de? Una primera aproximación sería utilizar CWA, pero este método no ofrece una fórmula lógica, sino un conjunto (posiblemente infinito). SIA, Razonamiento no monótono 2.23
24 Ejemplo Ejemplo: Supongamos que = {P(A)}, y sea C otra constante. = P(C). En este caso CWA + Clausura de Dominio nos permite obtener la base = {P(A), x(x = A x = C), P(C)} La fórmula obtenida sería P(A) x(x = A x = C) P(C) Con símbolos de función, la base obtenida no se reduce a una fórmula. Ejemplo = {P(F(A))}. SIA, Razonamiento no monótono 2.24
25 Completación de predicados. Ejemplo Siguiendo con = {P(A)}, la fórmula es equivalente a la expresión x(x = A P(x)) La fórmula que expresa que A es el único elemento es x(p(x) x = A) Se denomina la fórmula de completación de P en. En este caso, se define la completación de P en como COMP( ; P) = { x(p(x) x = A)} { x(p(x) x = A)}. La fórmula anterior se denomina completación de. Si = {P(A), P(B)}, entonces COMP( ; P) debe ser x(p(x) x = A x = B). SIA, Razonamiento no monótono 2.25
26 Aislando el predicado a completar Sólo estudiaremos un caso especial en el que es un conjunto de cláusulas. Una base aísla a P si para cada cláusula C que posee una estancia positiva de P, dicha estancia es la única estancia de P en C. Si C aísla a P, se puede escribir de la forma: y(l 1 L n P( t)) donde t = t 1,... t n son términos. SIA, Razonamiento no monótono 2.26
27 Aislando el predicado La fórmula x(e P( x)) Reescribiendo la fórmula anterior y x( x = t L 1 L n P( x)) donde x son nuevas variables. Es equivalente a x( y( x = t L 1 L n ) P( x)) donde E y( x = t L 1 L n ) es una fórmula existencial. Es la llamada forma completable. SIA, Razonamiento no monótono 2.27
28 Definición de COMP( ; P) Supongamos que aísla a P, y sean x(e 1 P( x)). x(e n P( x)) las formas completables (cerradas) de las cláusulas donde ocurre P. Son equivalentes a x(e1 E n P( x)). Su completación es COMP( ; P) = { x(p( x) E 1 E n )}. Si es consistente y aísla a P, entonces COMP(, P) es consistente. Si se añade una nueva cláusula, la completación es distinta. SIA, Razonamiento no monótono 2.28
29 Ejemplo Sea aísla a Pajaro. Avestruz(x) Pajaro(x) := Pajaro(Curro) Avestruz(Pedro) Las formas completables son: x(avestruz(x) Pajaro(x)) x(x = Curro Pajaro(x)) luego La completación con respecto a Pajaro, COMP( ; Pajaro), es { x(pajaro(x) x = Curro Avestruz(x))} SIA, Razonamiento no monótono 2.29
30 Razonando bajo completación En este caso, si añadimos el axioma de nombres únicos, la completación expresa: Los únicos pájaros son las avestruces o Curro. Pedro Curro. En este caso, también se concluye que Pedro no es un pájaro; COMP( ; Pajaro) = Pajaro(Pedro) SIA, Razonamiento no monótono 2.30
31 Completación circular Si no aísla a P, se obtienen definiciones circulares, que en algunos casos proporcionan resultados útiles: Consideremos la siguiente base, que no aísla a Fact: x = 0 Fact(x, 1) x 0 Fact(Menos(x, 1), y) Fact(x, Producto(x, y)) Su forma completable es: x = 0 z = 1 Fact(x, z) y [x 0 z = Producto(x, y) Fact(Menos(x, 1), y)] Fact(x, z) La completación es Fact(x, z) (x = 0 z = 1) y { x 0 z = Producto(x, y) Fact(Menos(x, 1), y)) Que es la definición recursiva (circular) del factorial. SIA, Razonamiento no monótono 2.31
32 Casos especiales Si en la base está la fórmula xp(x) la completación es innecesaria. La forma completable es: x( P(x)) (donde es la fórmula x = x), luego su completación es que es equivalente a xp(x). x( P(x)) Si en la base no aparece ninguna estancia positiva de P, entonces podemos tomar la cláusula x( P(x)) (donde es la fórmula x x). Esta cláusula aísla a P y su completación es x( P(x)) que es equivalente a x P(x). SIA, Razonamiento no monótono 2.32
33 Diferencias entre CWA y COMP CWA COMP. Si L = {A, B} y = {P(A)}, entonces CWA( ) se obtiene añadiendo P(B). La completación de se obtiene añadiendo x(p(x) x = A) Las dos fórmulas no son equivalentes: tomar M con M = A = B; M = COMP( ) pero M = CWA( ). CWA + Clausura de Dominio: + { P(B), x(x = A x = B)} = x(p(x) x = A) Completación + Unicidad de Nombres: + { x(p(x) x = A), B A} = P(B) (es decir, se concluye CWA( )). SIA, Razonamiento no monótono 2.33
34 No monotonía de la completación Si añadimos una nueva cláusula aislando a P, entonces se descartan modelos. Algunos hechos válidos según la base original dejan de serlo. Ejemplo Avestruz(x) Pajaro(x) := Pajaro(Curro) Avestruz(Pedro) La completación con respecto a Pajaro, COMP( ; Pajaro), es { x(pajaro(x) x = Curro Avestruz(x))} COMP( ; Pajaro) + {Curro Pedro} = Pajaro(Pedro). SIA, Razonamiento no monótono 2.34
35 No monotonía de la completación (II) Si = + {C}, donde C es la cláusula Gallina(x) Pajaro(x). La completación de es más x(pajaro(x) x = Curro Avestruz(x) Gallina(x)). Pero COMP( ; Pajaro) + {Curro Pedro} = Pajaro(Pedro) (existen modelos M con M = Gallina(Pedro)). SIA, Razonamiento no monótono 2.35
36 Completación en paralelo Definición de COMP( ; P1,... P n ). Supongamos que se pueden ordenar los Pi de tal manera que si la forma completable de P i es x(e i P i (x)) entonces, en E i no aparecen P i, P i+1,... P n, ni las negaciones de P 1,... P i 1 (decimos que la base es ordenable). En tal caso, si las formas completables son La completación es x(e 1 P 1 (x)). x(e n P n (x)) + { x(p 1 (x) E 1 ),, x(p n (x) E n )} Si es ordenable para {P1,..., P n }, entonces COMP( ; P 1,... P n ) es consistente. SIA, Razonamiento no monótono 2.36
37 Completación circular (II) Ejemplo de completación circular en paralelo: Sea Arco(A, B) Arco(C, A) := Conectado(x, y) Arco(x, z), Conectado(z, y) Conectado(x, y) Arco(x, y) = Conectado(B, C) (sea M tal que M = Arco(B, C)). La base no es ordenable. No obstante, si consideramos el orden {Arco, Conectado} para la completación, entonces COMP( ; Arco, Conectado) contiene a x y(arco(x, y) (x = A x = B) (x = C x = A)) x y(conectado(x, y) Arco(x, y) z(arco(x, z) Conectado(z, y))) COMP( ; Arco, Conectado) = Conectado(B, C). SIA, Razonamiento no monótono 2.37
38 Razonamiento por defecto Ejemplo: Es usual utilizar sentencias del tipo: Todos los pájaros saben volar Aunque, deberíamos añadir normalmente. Para precisar la regla, es necesario hacer un conjunto infinito de precisiones (cualificaciones). Este problema invalida formalmente cualquier tipo de razonamiento monótono. Solución: Añadir excepciones a las reglas cuando aparecen anomaĺıas: Un pajaro x sabe volar salvo que sea anormal (una excepción) Aplicable al análisis de sistemas jerárquicos (las propiedades se heredan de las superclases, salvo que expresamente se declare lo contrario). Por ejemplo, el retículo de conceptos. SIA, Razonamiento no monótono 2.38
39 Ejemplo Consideremos una base de conocimiento = H P, en la que existen predicados taxonómicos (contenidos en H ) y predicados que se refieren a propiedades (en P ). Pajaro, Avestruz,... son taxonómicos, y Vuela una propiedad de los objetos. La base P está formada por las fórmulas en las que aparece los predicados no taxonómicos, y H el resto. Sea H := Cosa(Piolin) Pajaro(x) Cosa(x) Avestruz(x) Pajaro(x) Avestruz voladora(x) Avestruz(x) SIA, Razonamiento no monótono 2.39
40 Propiedades de la jerarquía La jerarquía representada por H es: COSA PAJARO PIOLIN AVESTRUZ AVESTRUZ VOLADORA SIA, Razonamiento no monótono 2.40
41 Propiedades de la jerarquía P : (a) Ninguna cosa, salvo los pájaros pueden volar Cosa(x) Pajaro(x) Vuela(x) (b) Los pájaros, salvo las avestruces, pueden volar Pajaro(x) Avestruz(x) Vuela(x) (c) Ningún avestruz, salvo las avestruces voladoras, vuela Avestruz(x) Avestruz voladora(x) Vuela(x) Avestruz voladora(x) Vuela(x) SIA, Razonamiento no monótono 2.41
42 Razonamiento con la jerarquía Opción: Utilizar (b) como regla general (nuestro sentido común nos dice que no es válida). Idealmente, es posible listar todas las excepciones, pero en la práctica no es realizable. Cualquier revisión de un principio general puede provocar una revisión de toda la base. Problemas: Cómo evitar esa revisión contínua? Como cancelar la herencia de propiedades en la jerarquía? SIA, Razonamiento no monótono 2.42
43 Solución Entender, p.e. (b) como Típicamente, los pájaros no avestruces vuelan salvo casos anormales. Anormal(x) es un nuevo predicado para la regla. Nueva fórmula: Pajaro(x) Avestruz(x) Anormal(x) Vuela(x). Cada vez que encontremos una anormalidad a la regla, p.e. Pingüino, basta añadir a la base Pinguino(x) Anormal(x) De esta forma podemos cancelar la herencia de ciertas propiedades en la jerarquía, para evitar razonamientos como: Las cosas no vuelan. Todo pajaro es una cosa. Luego los pajaros no vuelan. SIA, Razonamiento no monótono 2.43
44 Transformando la jerarquía (I) Las cosas, salvo excepciones, no vuelan se expresa Cosa(x) Anormal 1 (x) Vuela(x) Cada excepción encontrada es un hecho añadido a la base: Anormal 1 (BOEING 747),... Así, para cancelar la herencia entre cosa y pajaro añadimos Pajaro(x) Anormal 1 (x) Si se transforman todas las fórmulas de, la revisión de la base consiste en añadir excepciones, como p.e. Avion(x) Anormal 1 (x) El proceso se puede repetir en todos los niveles. SIA, Razonamiento no monótono 2.44
45 Transformando la jerarquía (II) Las restantes herencias quedan como sigue: Pajaro(x) Anormal 2 (x) Vuela(x) Avestruz(x) Anormal 2 (x) Avestruz(x) Anormal 3 (x) Vuela(x) Avestruz voladora(x) Anormal 3 (x). La base de conocimiento de la jerarquía H es Avestruz voladora(x) Avestruz(x) Avestruz voladora(x) Anormal 3 (x) Avestruz(x) Pajaro(x) Avestruz(x) Anormal 2 (x) Pajaro(x) Cosa(x) Pajaro(x) Anormal 1 (x) Cosa(Piolin). SIA, Razonamiento no monótono 2.45
46 La jerarquía revisada La jerarquía obtenida es: ANORMAL_1 COSA ANORMAL_2 PAJARO PIOLIN AVESTRUZ ANORMAL_3 AVESTRUZ_VOLADORA SIA, Razonamiento no monótono 2.46
47 Completando la jerarquía Completamos H en paralelo utilizando los predicados: {Anormal 1, Anormal 2, Anormal 3, Avestruz voladora, Avestruz, Pajaro, Cosa} H es ordenable para este conjunto de predicados. La completación es: Cosa(x) Pajaro(x) x = Piolin Pajaro(x) Avestruz(x) Avestruz(x) Avestruz voladora(x) Avestruz voladora(x) Anormal 1 (x) Pajaro(x) Anormal 2 (x) Avestruz(x) Anormal 3 (x) Avestruz voladora(x) SIA, Razonamiento no monótono 2.47
48 La revisión de P P se revisa como: Cosa(x) Anormal 1 (x) Vuela(x) Pajaro(x) Anormal 2 (x) Vuela(x) Avestruz(x) Anormal 3 (x) Vuela(x) Avestruz voladora(x) Vuela(x) Se deduce, utilizando COMP( H ) + P : Avestruz voladora(piolin) Avestruz(Piolin) Pajaro(Piolin) Anormal 1 (Piolin) SIA, Razonamiento no monótono 2.48
49 Añadiendo nuevo conocimiento Si añadimos a la base Pajaro(Piolin), la fórmula Pajaro(x) Avestruz(x) cambia a Pajaro(x) Avestruz(x) x = Piolin En ese caso, se deduce Anormal 2 (Piolin) (pero no se deduce Anormal 1 (Piolin)). Por tanto se deduce de p que Vuela(Piolin) La revisión puede ser contínua. SIA, Razonamiento no monótono 2.49
50 Completación delimitada Nótese que hacemos completación sobre H solamente, no hemos completado P. Se le denomina completación delimitada. Es más natural cerrar la jerarquía taxonómica. El resultado es distinto de la completación de toda la base y es posible obtener obtener inconsistencias. Ejercicio: Calcular la completación en paralelo que se habría obtenido utilizando toda la base. SIA, Razonamiento no monótono 2.50
51 Lógica para el razonamiento por defecto Lógica de defecto = Lógica clásica + Reglas de defecto. Reglas de defecto: (R) A : B 1,..., B n C siendo A, B 1,..., B n y C fórmulas de un LPO. A = pre(r) se denomina prerrequisito. {B 1,..., B n } = just(r) se denominan justificaciones. C = conc(r) se denomina conclusión. Una regla de defecto R se denomina normal si just(r) = {conc(r)}. Interpretación intuitiva: Si A es demostrable y para cada j = 1,..., n, no es contradictorio suponer B j, entonces concluimos C. SIA, Razonamiento no monótono 2.51
52 Teorías Sea L un LPO. Una teoría de defecto de lenguaje L es un par T = (W, D) donde: 1. W es un conjunto de fórmulas cerradas de L. 2. D es un conjunto de reglas de defecto. Para cada regla de defecto, R, debe garantizarse la consistencia de just(r) antes y después de aplicar la regla. Esto se expresa formalmente mediante la noción de Extensión. SIA, Razonamiento no monótono 2.52
53 Extensiones (I) Sean 1 y 2 conjuntos de fórmulas de L y R una regla de defecto. Decimos que ( 1, 2 ) dispara la regla R, si 1. 1 = pre(r) y 2. Para cada B just(r), 2 {B} es consistente. Dada una teoría de defecto T = (W, D) decimos que E es una extensión de T si siendo, E 0 = W y para cada j, E = E 0 E 1 E 2 E j+1 = E j {conc(r) : R D, (E j, E) dispara la regla R}. Una teoría de defecto T puede tener 0, 1 o más extensiones. SIA, Razonamiento no monótono 2.53
54 Extensiones (II) Sea T = (W, D) una teoría de defecto. A cada conjunto de fórmulas, E, le asociamos un conjunto de reglas monótonas: D E = { pre(r) : R D y para toda ψ just(r), ψ / E} conc(r) Dada una fórmula ϕ decimos que ϕ CnDE (W ) si existe una sucesión finita de fórmulas ϕ 1,..., ϕ n tal que ϕ n = ϕ y para todo i = 1,..., n, 1. W {ϕ 1,..., ϕ i 1 } = ϕ, o 2. ϕ i se deduce de W {ϕ 1,..., ϕ i 1 } aplicando una regla de D E. Proposición. E es una extensión de T = (W, D) si y sólo si E = Cn DE (W ) SIA, Razonamiento no monótono 2.54
55 Extensiones (III) Sea T = (W, D) siendo W = {Q(a), S(a)} D : (R1 ) Q(x) : P(x) P(x) (R 2 ) S(x) : P(x) P(x) E1 = T (W {P(a)}) y E 2 = T (W { P(a)}) son extensiones de T. T (W ) no es una extensión de T. En general, si T = (W, D) es una teoría de defecto y D sólo contiene reglas normales, entonces 1. T tiene al menos una extensión. 2. Para cualesquiera dos extensiones E 1 y E 2 de T, E 1 E 2 es inconsistente. SIA, Razonamiento no monótono 2.55
56 Ejemplos D W Extensiones P(x) : V (x) V (x) P(Piolin) T (W {V (Piolin)}) P(Piolin) P(x) : V (x) V (x) A(Piolin) T (W ) x (A(x) V (x)) P(x) : V (x) V (x) P(Piolin) T (W {V (Piolin)}) A(x) : V (x) V (x) A(Piolin) T (W { V (Piolin)}) P(x) : V (x) A(x) V (x) P(Piolin) T (W { V (Piolin)}) A(x) : V (x) V (x) A(Piolin) (V (x) Vuela(x), P(x) Pajaro(x), A(x) Avestruz(x)). SIA, Razonamiento no monótono 2.56
57 Inferencia en Lógica de Defecto Dada una teoría de defecto T y una fórmula F decimos que: F es consecuencia crédula de T si existe una extensión E de T tal que F E. F es consecuencia escéptica de T si para toda extensión E de T tal que F E. Utilizando consecuencia crédula podemos dar un tratamiento a las teorías de anormalidad utilizadas para el razonamiento por defecto en taxonomías. SIA, Razonamiento no monótono 2.57
58 Ejemplo Recordemos la taxonomía anterior: La jerarquía revisada, H, es: Avestruz voladora(x) Avestruz(x) Avestruz voladora(x) Anormal 3 (x) Avestruz(x) Pajaro(x) Avestruz(x) Anormal 2 (x) Pajaro(x) Cosa(x) Pajaro(x) Anormal 1 (x) Cosa(Piolin) SIA, Razonamiento no monótono 2.58
59 Ejemplo (II) Ahora P se expresa mediante un conjunto D, de reglas de defecto y una fórmula: Cosa(x) Anormal 1 (x) : Vuela(x) Vuela(x) Cosa(x) : Anormal 1 (x) Anormal 1 (x) Pajaro(x) Anormal 2 (x) : Vuela(x) Vuela(x) Pajaro(x) : Anormal 2 (x) Anormal 2 (x) Avestruz(x) Anormal 3 (x) : Vuela(x) Vuela(x) Avestruz(x) : Anormal 3 (x) Anormal 3 (x) x (Avestruz voladora(x) Vuela(x)) SIA, Razonamiento no monótono 2.59
60 Razonamiento por defecto Utilizando la teoría de defecto T = ( H { x (Avestruz voladora(x) Vuela(x))}, D) obtenemos como consecuencias crédulas: Anormal 1 (Piolin) Vuela(Piolin) Avestruz voladora(piolin) Sin embargo, no podemos deducir que Pajaro(Piolin). (Recordemos que utilizando completación paralela SÍ podíamos deducirlo). SIA, Razonamiento no monótono 2.60
61 Añadiendo nuevo conocimiento Si añadimos a la base H la fórmula Pajaro(Piolin), se deduce Anormal 2 (Piolin) (pero no se deduce Anormal 1 (Piolin) (Ejercicio)) Por tanto, ahora se deduce Vuela(Piolin). Este ejemplo muestra que la Lógica de Defecto no es monótona. Ejercicio: Estudiar que ocurre si añadimos Avestruz(Piolin). SIA, Razonamiento no monótono 2.61
62 Conclusiones El razonamiento no monótono es muy útil para manejar conocimiento incompleto. En particular, para Formalizar razonamientos de sentido común. Organizar la revisión de creencias. Gestionar conocimiento actualizable. Ventajas: 1. Proporciona una representación del conocimiento concisa. 2. Facilita la revisión de la base de conocimiento. Desventajas: 1. No existen algoritmos generales para la inferencia en Lógica de Defecto de primer orden. 2. Es necesario restringir la expresividad del lenguaje para obtener algoritmos eficientes. 3. La inferencia en Lógica de Defecto tiene un alto coste computacional, superior en general al de la Lógica Clásica (incluso en el caso proposicional). SIA, Razonamiento no monótono 2.62
63 Bibliografía Bibliografía: Genesereth y Nilsson, Capítulo 6. Jürgen Dix, Ulrich Furbach, Ilkka Niemelä: Nonmonotonic Reasoning: Towards Efficient Calculi and Implementations. En Handbook of Automatic Reasoning, Capítulo 19, páginas Ilkka Niemelä: Automating Default Reasoning. ini/esslli99/niemela2.ps SIA, Razonamiento no monótono 2.63
Matemáticas Discretas Lógica
Coordinación de Ciencias Computacionales - INAOE Matemáticas Discretas Lógica Cursos Propedéuticos 2010 Ciencias Computacionales INAOE Lógica undamentos de Lógica Cálculo proposicional Cálculo de predicados
Más detallesInteligencia en Redes de Comunicaciones. Razonamiento lógico. Julio Villena Román.
Inteligencia en Redes de Comunicaciones Razonamiento lógico Julio Villena Román jvillena@it.uc3m.es Índice La programación lógica Lógica de predicados de primer orden Sistemas inferenciales IRC 2009 -
Más detallesIntroducción a la Lógica
Tema 0 Introducción a la Lógica En cualquier disciplina científica se necesita distinguir entre argumentos válidos y no válidos. Para ello, se utilizan, a menudo sin saberlo, las reglas de la lógica. Aquí
Más detallesCapítulo 1: Fundamentos: Lógica y Demostraciones Clase 2: Lógica de Predicados y Métodos de Demostración
Capítulo 1: Fundamentos: Lógica y Demostraciones Clase 2: Lógica de Predicados y Métodos de Demostración Matemática Discreta - CC3101 Profesor: Pablo Barceló P. Barceló Matemática Discreta - Cap. 1: Fundamentos:
Más detallesTema 6: Teoría Semántica
Tema 6: Teoría Semántica Sintáxis Lenguaje de de las las proposiciones Lenguaje de de los los predicados Semántica Valores Valores de de verdad verdad Tablas Tablas de de verdad verdad Tautologías Satisfacibilidad
Más detallesMétodos de Inteligencia Artificial
Métodos de Inteligencia Artificial L. Enrique Sucar (INAOE) esucar@inaoep.mx ccc.inaoep.mx/esucar Tecnologías de Información UPAEP Contenido Lógica proposicional Lógica de predicados Inferencia en lógica
Más detallesTema 9: Cálculo Deductivo
Facultad de Informática Grado en Ingeniería Informática Lógica PARTE 2: LÓGICA DE PRIMER ORDEN Tema 9: Cálculo Deductivo Profesor: Javier Bajo jbajo@fi.upm.es Madrid, España 24/10/2012 Introducción a la
Más detallesCoordinación de Matemática I (MAT021) 1 er Semestre de 2013 Semana 1: Lunes 11 Viernes 16 de Marzo. Contenidos
Coordinación de Matemática I (MAT021) 1 er Semestre de 2013 Semana 1: Lunes 11 Viernes 16 de Marzo Complementos Contenidos Clase 1: Elementos de lógica: Conectivos, tablas de verdad, tautologías y contingencias.
Más detallesLógica de Predicados de Primer Orden
Lógica de Predicados: Motivación Todo natural es entero y 2 es un natural. Luego 2 es entero. p q r p, q r es claramente un razonamiento válido pero no es posible demostrarlo desde la Lógica Proposicional
Más detallesSistemas deductivos. Lógica Computacional. Curso 2005/2006. Departamento de Matemática Aplicada Universidad de Málaga
Sistemas deductivos Lógica Computacional Departamento de Matemática plicada Universidad de Málaga Curso 2005/2006 Contenido 1 Sistema axiomático de Lukasiewicz Sistema proposicional Extensión a predicados
Más detallesSemana02[1/23] Conjuntos. 9 de marzo de Conjuntos
Semana02[1/23] 9 de marzo de 2007 Introducción Semana02[2/23] La teoría de conjuntos gira en torno a la función proposicional x A. Los valores que hacen verdadera la función proposicional x A son aquellos
Más detallesResumen de las clases teóricas del turno tarde a cargo de la Prof. Alcón.
Resumen de las clases teóricas del turno tarde a cargo de la Prof. Alcón. 0.1. Elementos de lógica Una proposición es una oración declamativa a la cual se le puede asignar un valor verdad: verdadera (V)
Más detallesContinuidad y monotonía
Tema 14 Continuidad y monotonía Generalizando lo que se hizo en su momento para sucesiones, definiremos la monotonía de una función, en forma bien fácil de adivinar. Probaremos entonces dos resultados
Más detallesTema 6: Programación Lógica: semántica declarativa. Lenguajes y Paradigmas de Programación
Tema 6: Programación Lógica: semántica declarativa Lenguajes y Paradigmas de Programación Teoría de Modelos Se basa en el concepto de INTERPRETACIÓN, que consiste en: elegir un dominio D (en el que tomarán
Más detalleslogica computacional Tema 1: Introducción al Cálculo de Proposiciones
Tema 1: Introducción al Cálculo de Proposiciones Introducción al concepto de cálculo Un cálculo es una estructura pura; un sistema de relaciones. Un cálculo se compone de lo siguiente: Un conjunto de elementos
Más detallesInteligencia en Redes de Comunicaciones - 04 Razonamiento lógico
El objetivo del Tema 4 es presentar una panorámica general sobre cómo se pueden realizar razonamientos lógicos en un sistema software. 1 Esta es la tabla de contenidos del tema: se estudia la programación
Más detallesINTRODUCCION A LA INTELIGENCIA ARTIFICIAL MÓDULO 6- CÁLCULO DE PREDICADOS Y LÓGICA DE PRIMER ORDEN
INTRODUCCION A LA INTELIGENCIA ARTIFICIAL MÓDULO 6- CÁLCULO DE PREDICADOS Y LÓGICA DE PRIMER ORDEN Referencias: Inteligencia Artificial Russell and Norvig Cap.6. Artificial Intellingence Nils Nilsson Ch.4
Más detallesRudimentos de lógica
Rudimentos de lógica Eugenio Miranda Palacios 1. El método axiomático Matemáticas es el estudio de las relaciones entre ciertos objetos ideales como números, funciones y figuras geométricas. Estos objetos
Más detallesContinuidad y monotonía
Tema 14 Continuidad y monotonía Generalizando lo que se hizo en su momento para sucesiones, definiremos la monotonía de una función, en forma bien fácil de adivinar. Probaremos entonces dos resultados
Más detallesCapítulo 2 Conjuntos. 2.1 Introducción. 2.2 Determinación de conjuntos. Definición:
Capítulo 2 Conjuntos 2.1 Introducción El concepto de conjunto, de singular importancia en la ciencia matemática y objeto de estudio de una de sus disciplinas más recientes, está presente, aunque en forma
Más detallesTema 2.- Formas Cuadráticas.
Álgebra. 004 005. Ingenieros Industriales. Departamento de Matemática Aplicada II. Universidad de Sevilla. Tema.- Formas Cuadráticas. Definición y representación matricial. Clasificación de las formas
Más detallesTEMA 1: LÓGICA. p p Operador conjunción. Se lee y y se representa por. Su tabla de verdad es: p q p q
TEMA 1: LÓGICA. Definición. La lógica es la ciencia que estudia el razonamiento formalmente válido. Para ello tiene un simbolismo que evita las imprecisiones del lenguaje humano y permite comprobar la
Más detallesTEORIA DE CONJUNTOS. Profesor: JOHN JAIRO HERRERA
Conceptos históricos TEORIA DE CONJUNTOS Profesor: JOHN JAIRO HERRERA En el último cuarto del siglo XIX se vivió un episodio apasionante de la historia de las matemáticas que las ligaría desde entonces
Más detallesÍndice Proposiciones y Conectores Lógicos Tablas de Verdad Lógica de Predicados Inducción
Curso 0: Matemáticas y sus Aplicaciones Tema 5. Lógica y Formalismo Matemático Leandro Marín Dpto. de Matemática Aplicada Universidad de Murcia 2012 1 Proposiciones y Conectores Lógicos 2 Tablas de Verdad
Más detallesLógica proposicional. Ivan Olmos Pineda
Lógica proposicional Ivan Olmos Pineda Introducción Originalmente, la lógica trataba con argumentos en el lenguaje natural es el siguiente argumento válido? Todos los hombres son mortales Sócrates es hombre
Más detallesTema AA-4: Sesgo inductivo
Razonamiento Automático Curso 2002 2003 Tema AA-4: Sesgo inductivo Miguel A. Gutiérrez Naranjo José A. Alonso Jiménez Dpto. de Ciencias de la Computación e Inteligencia Artificial Universidad de Sevilla
Más detallesCapítulo 4. Lógica matemática. Continuar
Capítulo 4. Lógica matemática Continuar Introducción La lógica estudia la forma del razonamiento, es una disciplina que por medio de reglas y técnicas determina si un teorema es falso o verdadero, además
Más detallesLICENCIATURA EN MATEMÁTICA. Práctico N 1 Lenguaje de la lógica. proposicional VICTOR GALARZA ROJAS 1 5 / 0 5 /
Práctico N 1 Lenguaje de la lógica LICENCIATURA EN MATEMÁTICA proposicional VICTOR GALARZA ROJAS 1 5 / 0 5 / 2 0 1 0 PRÁCTICO N 1 1. Fundamentación: fundamentar la expresión Por lo tanto del siguiente
Más detallesEspacios topológicos. 3.1 Espacio topológico
Capítulo 3 Espacios topológicos 3.1 Espacio topológico Definición 3.1.1. Un espacio topológico es un par (X, τ), donde X es un conjunto, y τ es una familia de subconjuntos de X que verifica las siguientes
Más detallesSemana 09 [1/28] Sucesiones. 29 de abril de Sucesiones
Semana 09 [1/28] 29 de abril de 2007 Semana 09 [2/28] Definición Sucesión Una sucesión real es una función: f : N R n f (n) Observaciones Para distinguir a una sucesión de las demás funciones, se ocupará
Más detallesIntrod. al Pens. Científico Nociones básicas de la lógica ClasesATodaHora.com.ar
ClasesATodaHora.com.ar > Exámenes > UBA - UBA XXI > Introd. al Pensamiento Científico Introd. al Pens. Científico Nociones básicas de la lógica ClasesATodaHora.com.ar Razonamientos: Conjunto de propiedades
Más detalles10.4 Sistemas de ecuaciones lineales
Programa Inmersión, Verano 2016 Notas escritas por Dr. M Notas del cursos. Basadas en los prontuarios de MATE 001 y MATE 02 Clase #11: martes, 14 de junio de 2016. 10.4 Sistemas de ecuaciones lineales
Más detallesDependencia e Independencia Lineal en R n
Dependencia e Independencia Lineal en R n Departamento de Matemáticas, IR/ITESM 12 de enero de 2011 Índice 8.1. Objetivos................................................ 1 8.2. Motivación...............................................
Más detallesAlgebra lineal y conjuntos convexos
Apéndice A Algebra lineal y conjuntos convexos El método simplex que se describirá en el Tema 2 es de naturaleza algebraica y consiste en calcular soluciones de sistemas de ecuaciones lineales y determinar
Más detallesDepartamento de Ingeniería Matemática - Universidad de Chile
1. Lógica Ingeniería Matemática FACULTAD DE CIENCIAS FÍSICAS Y MATEMÁTICAS UNIVERSIDAD DE CHILE Introducción al Álgebra 08-1 Importante: Visita regularmente http://www.dim.uchile.cl/~algebra. Ahí encontrarás
Más detallesFormalismos de Representación de Conocimientos
Formalismos de Representación de Conocimientos Oscar Corcho García ocorcho@fi.upm.es Despacho 2107 Departamento de Inteligencia Artificial Facultad de Informática Universidad Politécnica de Madrid Campus
Más detallesALGEBRA y ALGEBRA LINEAL. Primer Semestre CAPITULO I LOGICA Y CONJUNTOS.
ALGEBRA y ALGEBRA LINEAL 520142 Primer Semestre CAPITULO I LOGICA Y CONJUNTOS. DEPARTAMENTO DE INGENIERIA MATEMATICA Facultad de Ciencias Físicas y Matemáticas Universidad de Concepción 1 La lógica es
Más detallesFormulación del problema de la ruta más corta en programación lineal
Formulación del problema de la ruta más corta en programación lineal En esta sección se describen dos formulaciones de programación lineal para el problema de la ruta más corta. Las formulaciones son generales,
Más detallesRepresentación del conocimiento. Lógica y representación del conocimiento.
Representación del conocimiento Lógica y representación del conocimiento. Contenidos 1. Papel de la lógica en la representación del conocimiento. 2. Principios de Ingeniería de Conocimiento en Lógica de
Más detallesDefinición 11.1 Sea f : A E F una aplicación r-veces diferenciable en un punto a A. o
Capítulo 11 Teoremas de Taylor Una vez más nos disponemos a extender a las funciones de varias variables resultados ya conocidos para funciones de una variable, los teoremas de aproximación de Taylor.
Más detallesTEMA 1.- PROBABILIDAD.- CURSO
TEMA 1.- PROBABILIDAD.- CURSO 2016-2017 1.1.- Introducción. Definición axiomática de probabilidad. Consecuencias de los axiomas. 1.2.- Probabilidad condicionada. 1.3.- Independencia de sucesos. 1.4.- Teoremas
Más detallesCONTINUIDAD DE FUNCIONES. SECCIONES A. Definición de función continua. B. Propiedades de las funciones continuas. C. Ejercicios propuestos.
CAPÍTULO IV. CONTINUIDAD DE FUNCIONES SECCIONES A. Definición de función continua. B. Propiedades de las funciones continuas. C. Ejercicios propuestos. 121 A. DEFINICIÓN DE FUNCIÓN CONTINUA. Una función
Más detallesAnillo de polinomios con coeficientes en un cuerpo
Capítulo 2 Anillo de polinomios con coeficientes en un cuerpo En el conjunto Z se ha visto cómo la relación ser congruente módulo m para un entero m > 1, es compatible con las operaciones suma y producto.
Más detallesEn general, un conjunto A se define seleccionando los elementos de un cierto conjunto U de referencia que cumplen una determinada propiedad.
nidad 3: Conjuntos 3.1 Introducción Georg Cantor [1845-1918] formuló de manera individual la teoría de conjuntos a finales del siglo XIX y principios del XX. Su objetivo era el de formalizar las matemáticas
Más detallesLógica Proposicional IIC1253. IIC1253 Lógica Proposicional 1/64
Lógica Proposicional IIC1253 IIC1253 Lógica Proposicional 1/64 Inicio de la Lógica Originalmente, la Lógica trataba con argumentos en el lenguaje natural. Ejemplo Es el siguiente argumento válido? Todos
Más detalles2.2 Rectas en el plano
2.2 Al igual que ocurre con el punto, en geometría intrínseca, el concepto de recta no tiene definición, sino que constituye otro de sus conceptos iniciales, indefinibles. Desde luego se trata de un conjunto
Más detallesNúmeros naturales y recursividad
Números naturales y recursividad Rafael F. Isaacs G. * Fecha: 12 de abril de 2004 Números naturales Cuál es el primer conjunto de números que estudiamos desde la escuela primaria? Se sabe que los números
Más detallesResumen de las clases teóricas del turno tarde a cargo de la Prof. Alcón.
Resumen de las clases teóricas del turno tarde a cargo de la Prof. Alcón. 0.1. Definiciones básicas: subconjunto, conjunto vacío, complemento, conjunto de partes A lo largo de esta sección consideraremos
Más detallesLógica Matemática, Sistemas Formales, Cláusulas de Horn
Lógica Matemática, Sistemas Formales, Cláusulas de Horn Lic. José Manuel Alvarado La lógica se ocupa de las argumentaciones válidas. Las argumentaciones ocurren cuando se quiere justificar una proposición
Más detallesEjercicios de Lógica Proposicional *
Ejercicios de Lógica Proposicional * FernandoRVelazquezQ@gmail.com Notación. El lenguaje proposicional que hemos definido, aquel que utiliza los cinco conectivos,,, y, se denota como L {,,,, }. Los términos
Más detallesLos fundamentos de la matemática y los teoremas de Gödel
Los fundamentos de la matemática y los teoremas de Gödel Mario A. Natiello Centre for Mathematical Sciences Lund University Sweden Los fundamentos de la matemática y los teoremas de Gödel p.1/23 Contenido
Más detallesConjuntos finitos y conjuntos numerables
Tema 3 Conjuntos finitos y conjuntos numerables En este tema vamos a usar los números naturales para contar los elementos de un conjunto, o dicho con mayor precisión, para definir los conjuntos finitos
Más detallesIntroducción. El uso de los símbolos en matemáticas.
Introducción El uso de los símbolos en matemáticas. En el estudio de las matemáticas lo primero que necesitamos es conocer su lenguaje y, en particular, sus símbolos. Algunos símbolos, que reciben el nombre
Más detallesMáquinas de Turing IIC3242. IIC3242 Máquinas de Turing 1 / 45
Máquinas de Turing IIC3242 IIC3242 Máquinas de Turing 1 / 45 Complejidad Computacional Objetivo: Medir la complejidad computacional de un problema. Vale decir: Medir la cantidad de recursos computacionales
Más detallesLógicas para la inteligencia natural y artificial
1er día virtual de la comunidad de Inteligencia Artificial Lógicas para la inteligencia natural y artificial México DF, 18 de junio de 2015 Contenido La lógica humana: comprender y razonar sobre lo natural
Más detallesCapítulo II. Pruebas en Matemáticas
Capítulo II Pruebas en Matemáticas Ahora nos concentramos en afirmaciones matemáticas y sus pruebas. Se encuentra que tratar de escribir pruebas justificando cada paso se vuelve rápidamente inmanejable,
Más detallesTeoremas de Convergencia
Capítulo 24 Teoremas de Convergencia El teorema de la convergencia monótona (Lema 21.3) establece ciertas condiciones sobre una sucesión de funciones medibles para que se puedan permutar los símbolos y
Más detallesConjuntos, relaciones y funciones Susana Puddu
Susana Puddu 1. Repaso sobre la teoría de conjuntos. Denotaremos por IN al conjunto de los números naturales y por ZZ al de los enteros. Dados dos conjuntos A y B decimos que A está contenido en B o también
Más detallesLÓGICAS NO-CLASICAS. Carlos Muñoz Gutiérrez. Departamento de Lógica y Filosofía de la Ciencia 77
LÓGICAS NO-CLASICAS Carlos Muñoz Gutiérrez. Departamento de Lógica y Filosofía de la Ciencia 77 Motivación de las - La Lógica (Clásica) de Primer Orden sólo es un modelo adecuado para el razonamiento matemático
Más detallesMay 4, 2012 CAPÍTULO 5: OPTIMIZACIÓN
May 4, 2012 1. Optimización Sin Restricciones En toda esta sección D denota un subconjunto abierto de R n. 1.1. Condiciones Necesarias de Primer Orden. Proposición 1.1. Sea f : D R diferenciable. Si p
Más detallesSemana 14 [1/19] Polinomios. 8 de junio de Polinomios
Semana 14 [1/19] 8 de junio de 2007 División Semana 14 [2/19] Teorema de la División Al ser (K[x], +, ) un anillo, ocurre un fenómeno similar al de : Las divisiones deben considerar un posible resto. Teorema
Más detallesTema 2. Fundamentos de la Teoría de Lenguajes Formales
Departamento de Tecnologías de la Información Tema 2. Fundamentos de la Teoría de Lenguajes Formales Ciencias de la Computación e Inteligencia Artificial Índice 2.1. Alfabeto 2.2. Palabra 2.3. Operaciones
Más detallesRESPUESTAS REPARTIDO 3 PARA ESCRITO TEORICO Diego Danieli 2IA UTU BUCEO AXIOMAS - TEOREMAS CÓMO SE CONSTRUYE LA GEOMETRIA MODERNA?
AXIOMAS - TEOREMAS CÓMO SE CONSTRUYE LA GEOMETRIA MODERNA? FUNDAMENTOS 1 Comenzó siendo un conjunto de reglas y conocimientos obtenidos por la experiencia, usados por los constructores y medidores de terrenos.
Más detallesREGLAS Y LEYES LOGICAS
LOGICA II REGLAS Y LEYES LOGICAS Una regla lógica, o regla de inferencia (deductiva), es una forma válida de razonamiento que es empleada para inferir deductivamente ciertos enunciados a partir de otros.
Más detalles1.1.1 Conectivos lógicos, formas proposicionales y tablas de verdad.
Tema 1 Lógica. 1.1 Cálculo proposicional. Definición 1.1 Una proposición es una frase o sentencia declarativa que es verdadera o falsa pero no ambas cosas a la vez. Los dos posibles valores de verdad que
Más detallesTeoría de la Probabilidad Tema 2: Teorema de Extensión
Teoría de la Probabilidad Tema 2: Teorema de Extensión Alberto Rodríguez Casal 25 de septiembre de 2015 Definición Una clase (no vacía) A de subconjuntos de Ω se dice que es un álgebra si A es cerrada
Más detallesEs claro que es una relación de equivalencia. Para ver que tener la misma cardinalidad y la cardinalidad están bien definidas queremos ver que
Capítulo II Cardinalidad Finita II.1. Cardinalidad Definimos I n para n N como I n = {k N : 1 k n}. En particular I 0 =, puesto que 0 < 1. Esto es equivalente a la definición recursiva { si n = 0 I n =
Más detallesReglas de l Hôpital Teorema del Valor Medio Generalizado. Tema 7
Tema 7 Reglas de l Hôpital Estudiamos en este tema el método práctico más efectivo para calcular ites de funciones en los que se presenta una indeterminación del tipo [0/0], o [ / ]. Este método se atribuye
Más detallesTEMA 1: NÚMEROS NATURALES. SISTEMA DE NUMERACIÓN
1 TEMA 1: NÚMEROS NATURALES. SISTEMA DE NUMERACIÓN 1. INTRODUCCIÓN Los números naturales aparecen debido a la necesidad que tiene el hombre para contar. Para poder construir este conjunto N, podemos seguir
Más detallesEn matemáticas el concepto de conjunto es considerado primitivo y no se da una definición de este, por lo tanto la palabra CONJUNTO debe aceptarse
En matemáticas el concepto de conjunto es considerado primitivo y no se da una definición de este, por lo tanto la palabra CONJUNTO debe aceptarse lógicamente como un término no definido. Un conjunto se
Más detallesSOBRE LOGICA MATEMATICA. Sandra M. Perilla-Monroy. Departamento de Ciencias Básicas, Universidad Santo Tomás, Bogotá, Colombia.
SOBRE LOGICA MATEMATICA Sandra M. Perilla-Monroy Departamento de Ciencias Básicas, Universidad Santo Tomás, Bogotá, Colombia. Resumen. sandraperilla@usantotomas.edu.co Carrera 9 No 51-11 Bogotá Colombia
Más detallesUn enunciado es toda frase u oración que se emite
OBJETIO 2: Aplicar la lógica proposicional y la lógica de predicados en la determinación de la validez de una proposición dada. Lógica Proposicional La lógica proposicional es la más antigua y simple de
Más detallesEspacios Topológicos 1. Punto de Acumulación. Al conjunto de puntos de acumulación de A se le denomina el conjunto derivado de A (A a Notación).
Espacios Topológicos 1 Punto de Acumulación Definición: Sea A un subconjunto arbitrario de R n, se dice que x R n es un punto de acumulación de A si toda bola abierta con centro x contiene un punto A distinto
Más detallesAmpliación Matemática Discreta. Justo Peralta López
Justo Peralta López UNIVERSIDAD DE ALMERíA DEPARTAMENTO DE ÁGEBRA Y ANÁLISIS MATEMÁTICO 1 Introducción 2 Definición semántica de las proposiciones 3 Diagrama de valores de certeza 4 Evaluación de fórmulas.
Más detalles2. CONCEPTOS BÁSICOS DE LA PROBABILIDAD
2. CONCEPTOS BÁSICOS DE LA PROBABILIDAD Un diagrama de Venn Objetivos Introducir los conceptos básicos de experimentos y sucesos, y la definición axiomática y propiedades de la probabilidad. Para leer
Más detallesEspacios métricos completos
5 Espacios métricos completos Comenzamos introduciendo las sucesiones de Cauchy, que relacionamos con las sucesiones convergentes. En el caso de que coincidan, se trata de un espacio métrico completo.
Más detallesLógica Proposicional. Guía Lógica Proposicional. Tema III: Cuantificadores
Guía Lógica Proposicional Tema III: Cuantificadores 1.7.2. CUANTIFICADORES Los cuantificadores permiten afirmaciones sobre colecciones enteras de objetos en lugar de tener que enumerar los objetos por
Más detallesINTRODUCCION AL ALGEBRA.
INTRODUCCION AL ALGEBRA. 2- TEORIA DE CONJUNTOS. Apuntes de la Cátedra. Alberto Serritella. Colaboraron: Cristian Mascetti. Vanesa Bergonzi Edición Previa CECANA CECEJS CET Junín 2010. UNNOBA Universidad
Más detallesEl rincón de los problemas
Junio de 008, Número 14, páginas 113-11 ISSN: 1815-0640 El rincón de los problemas Pontificia Universidad Católica del Perú umalasp@pucp.edu.pe Problema Proponer una actividad lúdica que ilustre que si
Más detallesFunciones de Variable Real
Tema 1 Funciones de Variable Real 1.1. La Recta Real Los números reales se pueden ordenar como los puntos de una recta. Los enteros positivos {1, 2, 3, 4,...} que surgen al contar, se llaman números naturales
Más detallesMáquinas de Turing IIC3242. IIC3242 Máquinas de Turing 1 / 42
Máquinas de Turing IIC3242 IIC3242 Máquinas de Turing 1 / 42 Complejidad Computacional Objetivo: Medir la complejidad computacional de un problema. Vale decir: Medir la cantidad de recursos computacionales
Más detallesCurso Extraordinario INTELIGENCIA ARTIFICIAL Y SISTEMAS EXPERTOS
Curso Extraordinario INTELIGENCIA ARTIFICIAL Y SISTEMAS EXPERTOS Contenidos del Curso Introducción a la I.A. Cómo razonamos?. Algunas experiencias con el razonamiento automático El problema de representación
Más detallesCAPÍTULO 4: DERIVADAS DE ORDEN SUPERIOR. En este capítulo D denota un subconjunto abierto de R n.
April 15, 2009 En este capítulo D denota un subconjunto abierto de R n. 1. Introducción Definición 1.1. Dada una aplicación f : D R, definimos la derivada parcial segunda de f como D ij f = 2 f = ( ) x
Más detallesConjuntos Los conjuntos se emplean en muchas áreas de las matemáticas, de modo que es importante una comprensión de los conjuntos y de su notación.
NÚMEROS REALES Conjuntos Los conjuntos se emplean en muchas áreas de las matemáticas, de modo que es importante una comprensión de los conjuntos y de su notación. Un conjunto es una colección bien definida
Más detallesLógica Proposicional. Sergio Stive Solano Sabié. Marzo de 2012
Lógica Proposicional Sergio Stive Solano Sabié Marzo de 2012 Lógica Proposicional Sergio Stive Solano Sabié Marzo de 2012 Proposiciones Definición 1.1 Una proposición (o declaración) es una oración declarativa
Más detallesNOCIONES PRELIMINARES (*) 1
CONJUNTOS NOCIONES PRELIMINARES (*) 1 Conjunto no es un término definible, pero da idea de una reunión de cosas ( elementos ) que tienen algo en común. En matemática los conjuntos se designan con letras
Más detallesLÓGICA COMPUTACIONAL
CURSO 2006-2007 OBJETIVOS Y TEMARIO 1. Presentación y objetivos. 2. Temario. Breve descripción. 1. Presentación y objetivos La asignatura «Lógica Computacional» presenta para este año un programa que está
Más detallesEjercicios Lógica. Inteligencia Artificial 23 de septiembre de Ejercicios de Lógica Proposicional
Ejercicios Lógica Inteligencia Artificial 23 de septiembre de 2008 1. Ejercicios de Lógica Proposicional 1.1. Ejercicio 1.1 De los siguientes enunciados, indica cuáles son declarativos. Para aquellos que
Más detallesComplejidad computacional (Análisis de Algoritmos)
Definición. Complejidad computacional (Análisis de Algoritmos) Es la rama de las ciencias de la computación que estudia, de manera teórica, la optimización de los recursos requeridos durante la ejecución
Más detallesCapítulo 1 Lógica Proposicional
Capítulo 1 Lógica Proposicional 1.1 Introducción El ser humano, a través de su vida diaria, se comunica con sus semejantes a través de un lenguaje determinado (oral, escrito, etc.) por medio de frases
Más detallesFunciones y Cardinalidad
Funciones y Cardinalidad Definición 1 Llamaremos función f entre dos conjuntos A y B a una relación que verifica las siguientes propiedades: i) Dom(f) = A ii) Si (a, b), (a, c) f entonces b = c Dicho de
Más detallesMétodos para Probar la Invalidez de un Argumento
I. Método del Contraejemplo (o de Analogía) Pasos: Simbolizar el argumento Ponerlo en lenguaje común Encontrar una instancia que pruebe invalidez Ejemplos: Métodos para Probar la Invalidez de un Argumento
Más detallesLógica de primer orden: Repaso y notación
Lógica de primer orden: Repaso y notación IIC3263 IIC3263 Lógica de primer orden: Repaso y notación 1 / 29 Lógica de primer orden: Vocabulario Una fórmula en lógica de primer orden está definida sobre
Más detallesLógica de Predicados. Ing. Nerio Villalobos Finol
Lógica de Predicados Ing. Nerio Villalobos Finol 3 Lógica de Predicados 1. Introducción Como ya hemos visto, la lógica proposicional trata de las proposiciones y de sus combinaciones, pero sin considerar
Más detallesMATEMÁTICAS DISCRETAS. UNIDAD1 Lógica y Demostraciones
MATEMÁTICAS DISCRETAS UNIDAD1 Lógica y Demostraciones Para el estudio de esta unidad debe ubicarse en el Capítulo 1 del texto base, lea atentamente cada uno de los subtemas indicados en el índice de la
Más detallesLímites y Continuidad
Tema 2 Límites y Continuidad Introducción En este tema se trata el concepto de límite de una función real de variable real y sus propiedades, así como algunas de las técnicas fundamentales para el cálculo
Más detallesIIC2213. IIC2213 Teorías 1 / 42
Teorías IIC2213 IIC2213 Teorías 1 / 42 Qué es una teoría? Una teoría es un cúmulo de información. Debe estar libre de contradicciones. Debe ser cerrada con respecto a lo que se puede deducir de ella. Inicialmente
Más detallesUna introducción a la Lógica Borrosa Matemática
Una introducción a la Lógica Borrosa Matemática Marco Cerami Instituto de Investigación en Inteligencia Artificial (IIIA - CSIC) Bellaterra (Spain) cerami@iiia.csic.es SIMBa, 14 Febrero 2011 Marco Cerami
Más detallesMatemáticas Básicas para Computación
Matemáticas Básicas para Computación MATEMÁTICAS BÁSICAS PARA COMPUTACIÓN 1 Sesión No. 5 Nombre: Tablas de verdad Objetivo Al término de la sesión el participante aplicará los conceptos de lógica a través
Más detalles