当前位置: 首页 > news >正文

命题逻辑的基本概念

本文及其系列文章用于离散数学(1)科目的期末考试复习

命题逻辑

命题

命题是一个陈述句,并且可以判断真或假

命题常元,就是\(True\)\(False\)

命题变项(变元) 一般用大写字母表示,如\(P、Q\)

简单命题(原子命题) 指的是不包含任何联结词的命题,不可再分割

符合命题 指的是简单命题用联结词构成的新命题

联结词

否定词\(\neg\),即not

\[\begin{array}{|c|c|}P&{\neg P}\\0&1\\1&0\end{array} \]

合取词\(\land\),即and

\[\begin{array}{|cc|c|}P&Q&{P\land Q}\\0&0&0\\0&1&0\\1&0&0\\1&1&1\end{array} \]

析取词\(\lor\),即or

\[\begin{array}{|cc|c|}P&Q&{P\lor Q}\\0&0&0\\0&1&1\\1&0&1\\1&1&1\end{array} \]

蕴含词\(\rightarrow\),可以理解为“推导出”

\[\begin{array}{|cc|c|}P&Q&{P\rightarrow Q}\\0&0&1\\0&1&1\\1&0&0\\1&1&1\end{array} \]

双条件词\(\leftrightarrow\),可以理解为“当且仅当”

\[\begin{array}{|cc|c|}P&Q&{P\leftrightarrow Q}\\0&0&1\\0&1&0\\1&0&0\\1&1&1\end{array} \]

一般认为,联结词的运算优先级排列为\(\neg ,\land , \lor ,\rightarrow ,\leftrightarrow\)

合式公式定义

这是一个递归定义。

  1. 简单命题是合式公式
  2. 如果\(A\)是合式公式,那么\(\neg A\)也是合式公式
  3. 如果\(A,B\)是合式公式,那么\(A\land B,A\lor B,A\rightarrow B,A\leftrightarrow B\)是合式公式
  4. 当且仅当经过有限次使用\(1,2,3\)所组成的符号串才是合式公式

公式分类

对于某个命题公式\(X\)

  • 如果\(X\)在任何的解释\(I\)下都为真,
    那么称之为重言式(永真式)

  • 如果\(X\)在任何的解释\(I\)下都为假,那么称之为永假式

  • 如果存在一种解释\(I_0\)使得\(X\)为真,那么称之为可满足式

代入规则

对于某个公式\(X\),如果打算用公式\(Q\)来替换\(X\)中的\(P\),那么这时候我可以记做\(\frac{P}{Q}\)

比如,在公式\(((R\lor S)\land((R\lor S)\rightarrow (P\lor Q)))\rightarrow (P\lor Q)\)中,我们需要用\(A,B\)来代换\((R\lor S),(P \lor Q)\),这个时候我们会记\(\frac{A}{(R\lor S)},\frac{B}{(P \lor Q)}\),用来确保过程用于规范。

为了保证带入后公式的真假性不发生变化,代入规则 要求如下:

  1. 公式中被替换掉只能是命题变元,不能是不能够完全代入的复合命题

  2. 如果对某个命题变项施以带入,那么对于公式中出现的所有同一命题变项代换同一个公式

波兰表达式

一般我们认为,离散数学中的波兰表达式用表达式的二叉树的表示方式比较方便。

\(P\lor Q\)为例子

  • 中缀表达式就是常见的表达式,\(P\lor Q\),表达二叉树的中序遍历
  • 前缀表达式就是\(\lor \,P\, Q\),表达二叉树的前序遍历
  • 后缀表达式就是\(P \, Q \, \lor\),表达二叉树的后序遍历

特别注意,如果遇到类似\(P\lor Q\lor R\)这样的情况,表达树是唯一的,因为我们一般会从前往后计算,所以这个式子本质上是这样的\((P\lor Q)\lor R\)

http://www.gsyq.cn/news/192298.html

相关文章:

  • AlphaFold技术深度解析:5大核心算法如何重塑蛋白质结构预测
  • 揭秘Azure Stack HCI集成难题:如何实现无缝MCP混合部署与运维优化
  • DeepAudit智能安全工具生态:构建全方位代码审计防护体系
  • 终极Python开发环境:VSCode快速配置完整指南
  • Three.js与DDColor结合?探索前端可视化与AI修图的融合可能
  • 幽冥大陆(八十二)Python 水果识别训练视频识别 —东方仙盟练气期
  • 树的直径相关性质及练习题
  • 手机能跑大模型吗?ms-swift支持MPS加速iPhone推理尝试
  • 掌握Python依赖管理:pipreqs终极使用指南
  • 5个步骤快速上手SuperSonic插件开发:打造专属ChatBI功能
  • 终极指南:人大金仓 JDBC 驱动 8.6.0 完整配置手册
  • 机器学习:python旅游景点数据分析预测系统 时间序列预测算法 旅游预测分析 prophet库 Flask框架 Echarts可视化 旅游人次预测、人均购物金额预测、人均住宿金额预测
  • spark基于python旅游推荐系统 景点推荐系统 爬虫 可视化 机器学习 协同过滤算法 Django框架 旅游推荐(附源码+文档)
  • Qwen3-14B终极指南:如何选择最适合企业的大语言模型
  • 三相电压型逆变电路换相机制深度解析与仿真实战
  • 【稀缺技巧曝光】:资深架构师私藏的VSCode模型可见性过滤优化方案
  • 容器化Firefox浏览器终极部署指南:快速搭建跨平台Web浏览器环境
  • Places365场景分类终极指南:3分钟掌握深度学习视觉识别
  • 清华镜像站没说的秘密:如何快速拉取600+大模型用于微调训练
  • Subnautica Nitrox多人联机模组:架构解密与高效部署全攻略
  • 【AI大模型对话】06.实现项目 代码接收本地AI大模型的返回信息
  • GitHub镜像网站新突破:ms-swift集成600+大模型,轻松部署AI应用
  • MB-Lab终极指南:Blender角色创建插件快速上手
  • CachyOS 内核优化实用操作指南:释放你的系统性能潜力
  • PaddleGAN视频超分辨率终极指南:一键让模糊视频秒变高清大片
  • 全球离线地图TIF资源完整指南:1-6级无缝覆盖终极方案
  • 输入植物照片,用图像识别判断植物种类,给出浇水施肥建议养活盆栽小白。
  • 3分钟掌握Node.js硬件控制:onoff让IoT开发如此简单
  • Wan2.1视频生成:开启创意无限的新纪元
  • M3-Agent记忆系统:重新定义多模态AI的持续学习能力