CHAPITRE 3. Calcul Propositionnel : SÉMANTIQUE Définition : Une distribution de valeurs de vérité sur P est une application

Documents pareils
Université Paris-Dauphine DUMI2E 1ère année, Applications

Continuité en un point

Groupe symétrique. Chapitre II. 1 Définitions et généralités

MESURE ET INTÉGRATION EN UNE DIMENSION. Notes de cours

Suites numériques 3. 1 Convergence et limite d une suite

Définition 0,752 = 0,7 + 0,05 + 0,002 SYSTÈMES DE NUMÉRATION POSITIONNELS =

Image d un intervalle par une fonction continue

MESURE ET PRECISION. Il est clair que si le voltmètre mesure bien la tension U aux bornes de R, l ampèremètre, lui, mesure. R mes. mes. .

De même, le périmètre P d un cercle de rayon 1 vaut P = 2π (par définition de π). Mais, on peut démontrer (difficilement!) que

DOCM Solutions officielles = n 2 10.

Cours d Analyse. Fonctions de plusieurs variables

Chapitre 7 : Intégration sur un intervalle quelconque

Théorème du point fixe - Théorème de l inversion locale

Le produit semi-direct

Cours de Master Recherche

Un K-espace vectoriel est un ensemble non vide E muni : d une loi de composition interne, c est-à-dire d une application de E E dans E : E E E

Chapitre 2 Le problème de l unicité des solutions

Calcul fonctionnel holomorphe dans les algèbres de Banach

Chapitre 10 Arithmétique réelle

Commun à tous les candidats

Cours de mathématiques

Limites finies en un point

Développements limités, équivalents et calculs de limites

AC AB. A B C x 1. x + 1. d où. Avec un calcul vu au lycée, on démontre que cette solution admet deux solutions dont une seule nous intéresse : x =

Suites numériques 4. 1 Autres recettes pour calculer les limites

OPTIMISATION À UNE VARIABLE

8.1 Généralités sur les fonctions de plusieurs variables réelles. f : R 2 R (x, y) 1 x 2 y 2

Plus courts chemins, programmation dynamique

3. Conditionnement P (B)

Rappels et compléments, première partie : Nombres complexes et applications à la géométrie

Sur certaines séries entières particulières

Examen d informatique première session 2004

Continuité d une fonction de plusieurs variables

Exercice autour de densité, fonction de répatition, espérance et variance de variables quelconques.

2.4 Représentation graphique, tableau de Karnaugh

Chapitre 2. Eléments pour comprendre un énoncé

Algèbre binaire et Circuits logiques ( )

Date : Tangram en carré page

Résolution d équations non linéaires

Optimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications

Logique : ENSIIE 1A - contrôle final

Complexité. Licence Informatique - Semestre 2 - Algorithmique et Programmation

Première partie. Préliminaires : noyaux itérés. MPSI B 6 juin 2015

Chapitre 2. Matrices

Cours Premier semestre

DÉRIVÉES. I Nombre dérivé - Tangente. Exercice 01 (voir réponses et correction) ( voir animation )

Développements limités. Notion de développement limité

Intégrale de Lebesgue

Exercice 6 Associer chaque expression de gauche à sa forme réduite (à droite) :

La fonction exponentielle

Exercices - Polynômes : corrigé. Opérations sur les polynômes

CH.6 Propriétés des langages non contextuels

F7n COUP DE BOURSE, NOMBRE DÉRIVÉ

IUT de Laval Année Universitaire 2008/2009. Fiche 1. - Logique -

Capes Première épreuve

FONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4)

Objectifs du cours d aujourd hui. Informatique II : Cours d introduction à l informatique et à la programmation objet. Complexité d un problème (2)

Calcul matriciel. Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes.

Sujet 4: Programmation stochastique propriétés de fonction de recours

Chapitre 2 Le problème de l unicité des solutions

CHAPITRE 10. Jacobien, changement de coordonnées.

Relation d ordre. Manipulation des relations d ordre. Lycée Pierre de Fermat 2012/2013 Feuille d exercices

4. Martingales à temps discret

a et b étant deux nombres relatifs donnés, une fonction affine est une fonction qui a un nombre x associe le nombre ax + b

Cours 02 : Problème général de la programmation linéaire

Calcul différentiel sur R n Première partie

RÉSOLUTION DE SYSTÈMES À DEUX INCONNUES

Fonctions homographiques

Carl-Louis-Ferdinand von Lindemann ( )

Durée de L épreuve : 2 heures. Barème : Exercice n 4 : 1 ) 1 point 2 ) 2 points 3 ) 1 point

CHAPITRE VI ALEAS. 6.1.Généralités.

ÉPREUVE COMMUNE DE TIPE Partie D

Exemple 4.4. Continuons l exemple précédent. Maintenant on travaille sur les quaternions et on a alors les décompositions

Moments des variables aléatoires réelles

LES MÉTHODES DE POINT INTÉRIEUR 1

3 Approximation de solutions d équations

Présentation d'un résultat sous la forme X = X ± Δ X : Chiffres significatifs

Programmation linéaire

Géométrie dans l espace Produit scalaire et équations

NOMBRES COMPLEXES. Exercice 1 :

Exercices Alternatifs. Une fonction continue mais dérivable nulle part

Exercices Alternatifs. Une fonction continue mais dérivable nulle part

Précision d un résultat et calculs d incertitudes

Dérivation : Résumé de cours et méthodes

CHAPITRE IV. L axiome du choix

Programmation linéaire

Représentation d un entier en base b

Communauté. Découverte. Collaboration. Plan stratégique de la Bibliothèque publique de Winnipeg

Qu est-ce qu une probabilité?

Mesure et Intégration (Notes de cours de L3)

Tests d indépendance en analyse multivariée et tests de normalité dans les modèles ARMA

Notion de fonction. Série 1 : Tableaux de données. Série 2 : Graphiques. Série 3 : Formules. Série 4 : Synthèse

Chap. 3: Le modèle de données entité-association (E.A.)

1 Définition et premières propriétés des congruences

Continuité et dérivabilité d une fonction

Modélisation et simulation

Domaine B1: Travail en réseau avec l'utilisation des outils de travail collaboratif.

Compte rendu des TP matlab

RO04/TI07 - Optimisation non-linéaire

Polynômes à plusieurs variables. Résultant

Transcription:

Université Paris 7 U3MI36 CHAPITRE 3 Calcul Propositionnel : SÉMANTIQUE 1 Distributions de valeurs de vérité. Tables de vérité 3.1 Définition : Une distribution de valeurs de vérité sur P est une application de P dans l ensemble { 0, 1 }. Remarques : distribution de valeurs de vérité valuation évaluation. Une distribution de valeurs de vérité sur P est un élément de l ensemble { 0, 1 } P. Se donner une distribution de valeurs de vérité δ {0, 1 } P, c est attribuer à chaque variable propositionnelle A une valeur δ(a) qui est 0 ou 1. Ceci étant fait, il est alors possible, d une façon et d une seule, de prolonger δ à l ensemble de toutes les formules propositionnelles. Théorème : Pour toute distribution de valeurs de vérité δ {0, 1 } P, il existe une unique application δ : F {0, 1 } qui coïncide avec δ sur P ( c est-à-dire prolonge δ 2 )etvérifie les propriétés suivantes pour toutes formules F et G: (i) δ( F ) = 1 si et seulement si δ(f )=0 (ii) δ((f G) ) = 0 si et seulement si δ(f )= δ(g) =0 (iii) δ((f G) ) = 1 si et seulement si δ(f )= δ(g) =1 (iv) = G) ) = 0 si et seulement si δ(f )=1et δ(g) =0 (v) δ((f G) ) = 1 si et seulement si δ(f )= δ(g) Observons tout d abord que les conditions (i) à (v) peuvent s exprimer en utilisant les opérations d addition et multiplication du corps à deux éléments Z/2Z auquel on identifie naturellement l ensemble { 0, 1 }. Ces conditions sont alors équivalentes à : 1 Ce Chapitre s inspire de notes manuscrites de Catherine Muhlrad-Greif et se réfère au Chapitre 1 du Tomes I de COURS DE LOGIQUE de Cori-Lascar Ed MASSON 2 Soit A, B, C des ensembles tels que B A. Soit f une application de A dans C et g une application de B dans C. On dit que f prolonge g si f(x) =g(x) pour tout x B. On écrit dans ce cas f B = g.

2 quelles que soient les formules F et G: (i ) δ( F )=1+ δ(f ); (ii ) δ((f G))= δ(f )+ δ(g)+ δ(f ) δ(g); (iii ) δ((f G))= δ(f ) δ(g); (iv ) = G))=1+ δ(f )+ δ(f ) δ(g); (v ) δ((f G))=1+ δ(f )+ δ(g); On voit alors que la fonction δ est définie par induction sur l ensemble des formules, ce qui garantit son existence et son unicité (prop 2.5). Ici ϕ 0 = δ, les fonctions f, g, h, i et j à valeurs dans Z/2Z sont ici définies par : pour tous F, G, x et y, f(f, x) =1+x, g(f,g,x,y)=xy, h(f,g,x,y)=x+y+xy, i(f,g,x,y)=1+x+y et j(f,g,x,y)=1+x+y. Remarques : δ(f ) est la valeur de vérité de F pour la distribution δ. En pratique, on ne fera pas de distinction entre la distribution δ et son prolongement δ. Lorsque δ(f ) = 1 on dira que F est satisfaisable par δ, ou que δ satisfait F. Pour chaque formule F nous désignerons par (F ) l ensemble des distributions de valeurs de vérité qui satisfont F : (F )={δ {0, 1 } P ; δ(f )=1}. 3.2 Pour calculer la valeur de vérité d une formule, nous n avons besoin que des valeurs prises par la distribution de valeurs de vérité sur les variables occurrant dans la formule. Proposition : Pour toute formule F = F [A 1,...,A n ] ( ne comportant pas de variable propositionnelle en dehors de A 1,..., A n ), et toutes distributions de valeurs de vérité λ et µ {0, 1 } P,siλ et µ coïncident sur { A 1,...,A n }, alors λ(f )= µ(f ). Démonstration par induction sur la formule F. Notation : On considère P = {A 1,...,A n }. Pour chaque n-uplet (ɛ 1,...,ɛ n ) {0, 1 } n nous appelons δ ɛ1... ɛ n la distribution de valeurs de vérité définie par δ ɛ1... ɛ n (A i )=ɛ i, pour tout i {1,...,n.} On remarquera que pour toute distribution de valeurs de vérité δ sur P il existe (ɛ 1,...,ɛ n ) {0, 1 } n tel que δ = δ ɛ1... ɛ 3 n. 3 ɛ i = δ(a i ).

3 Définitions : On considère une formule F = F [A 1,...,A n ]. matrice suivante ( représentée sous forme de tableau ) : Alors, la A 1 A 2... A n F 0 0... 0 δ00... 0 (F ) 0 0... 1 δ00... 1 (F )..... ɛ 1 ɛ 2... ɛ n δɛ1 ɛ 2... ɛ n (F )..... 1 1... 1 δ11... 1 (F ) est une table de vérité de F, elle consigne les variables propositionnelles qui peuvent occurrer dans F, le nom de la formule F, les diverses distributions de valeurs de vérité sur A 1,...,A n et la valeur de vérité de F pour chacune de ces distributions. On remarquera que, avec les conventions relatives à la notation F [A 1,...,A n ], il n y a pas d unicité de la table de vérité d une formule. Il y a cependant une table minimale. Considérons F =(A B). Alors F = F [A, B, C] et le tableau : A B C F 0 0 0 0 0 0 1 0 0 1 0 0 0 1 1 0 1 0 0 0 1 0 1 0 1 1 0 1 1 1 1 1 est une table de vérité de F. On peut écrire F = F [A,B,C,D] et le tableau :

4 A B C D F 0 0 0 0 0 0 0 0 1 0 0 0 1 0 0 0 0 1 1 0 0 1 0 0 0 0 1 0 1 0 0 1 1 0 0 0 1 1 1 0 1 0 0 0 0 1 0 0 1 0 1 0 1 0 0 1 0 1 1 0 1 1 0 0 1 1 1 0 1 1 1 1 1 0 1 1 1 1 1 1 est aussi une table de vérité de F. On peut aussi bien écrire F = F [A, B] et le tableau : A B F 0 0 0 0 1 0 1 0 0 1 1 0 est aussi bien une table de vérité de F. C est la table de vérité minimale de F. Tautologies. Formules logiquement équivalentes. 3.3 Définitions : Une tautologie est une formule qui prend la valeur 1 pour toute distribution de valeur de vérité. Une antilogie (ouantitautologie ) est une formule qui prend la valeur 0 pour toute distribution de valeur de vérité. Etant données deux formules F et G, F est logiquement équivalente à G si et seulement si la formule F G est une tautologie. La notation pour logiquement équivalente est : F G. Proposition : a) Quelles que soient les formules F et G, les propositions (i), (ii) et (iii) qui suivent sont équivalentes :

5 (i) F G. (ii) (F )= (G). (iii) pour toute distribution de valeurs de vérité δ {0, 1 } P δ(f )= δ(g) 4. b) La relation binaire est une relation d équivalence sur F. Une question immédiate est de déterminer les classes d équivalences pour la relation et de trouver leur nombre. La réponse sera donnée dans le chapitre suivant. 3.4 Substitution Théorème : Soient δ une distribution de valeurs de vérité, n un entier naturel, F, G 1,...,G n, des formules, et A 1,...,A n des variables propositionnelles deux à deux distinctes. Appelons λ la distribution de valeurs de vérité définie par : { δ(x) si X {A1,...,A Pour tout X P, λ(x) = n } δ(g i ) si X = A i ( ) On a alors : δ(f G1 /A 1,...,G n/a n )= λ(f ). G 1,..., G n Fet A 1,..., A n P étant fixés, on fait la démonstration par induction sur la formule F. Corollaire : Quelles que soient les formules F, G 1,...,G n, et les variables propositionnelles deux à deux distinctes A 1,...,A n,sif est une tautologie, alors la formule F G1 /A 1,...,G n/a n en est également une. Etant donné une distribution de valeurs de vérité quelconque δ, en définissant la distribution λ comme dans le théorème précédent, on a : δ(f G1 /A 1,...,G n/a n )= λ(f )=1 puisque F est une tautologie. Théorème : Considérons une formule F, une sous-formule G de F et une formule H logiquement équivalente à G. Alors la formule F, obtenue à partir de F en substituant à la sous-formule G la formule H, est logiquement équivalente à F. Démonstration par induction sur la formule F. 4 c-à-d : Pour tout (ɛ 1,...,ɛ n ) {0, 1 } n, δ ɛ1... ɛ n (F )= δ ɛ1... ɛ n (G)

6 Quelques tautologies : A, B et C désignent des variables propositionnelles ( et on peut le corollaires ci-dessus, leur substituer des formules quelconques ); 1 désigne une quelconque tautologie et 0 une antilogie. 0. (A A) 1. ((A A) A) 2. ((A A) A) 3. ((A B) (B A)) 4. ((A B) (B A)) 5. ((A (B C)) ((A B) C)) 6. ((A (B C)) ((A B) C)) 7. ((A (B C)) ((A B) (A C))) 8. ((A (B C)) ((A B) (A C))) 9. ((A (A B)) A) 10. ((A (A B)) A) 11. ( (A B) ( A B)) 12. ( (A B) ( A B)) 13. ((A 0) A) 14. ((A 1) A) 15. ((A 1) 1) 16. ((A 0) 0) 17. ((A= B) ( B= A)) 18. (A A) Comme conséquences, en substituant, on a les tautologies suivantes : (F F ) ((F F ) F ) ((F F ) F ) ((F G) (G F )) ((F G) (G F )) ((F (G H)) ((F G) H)) ((F (G H)) ((F G) H)) ((F (G H)) ((F G) (F H))) ((F (G H)) ((F G) (F H))) ((F (F G)) F ) ((F (F G)) F ) ( (F G) ( F G)) ( (F G) ( F G)) ((F 0) F ) ((F 1) F ) ((F 1) 1)

7 ((F 0) 0) ((F = G) ( G= F )) (F F ) (F G H) ( F G H) (F G H) ( F G H)) ( F i ) F i ( F i ) F i F, G, H, et les F i étant des formules quelconques.