Föreläsning 8. Innehåll. Satisfierbarhet hos en formel. Logik med tillämpningar

Storlek: px
Starta visningen från sidan:

Download "Föreläsning 8. Innehåll. Satisfierbarhet hos en formel. Logik med tillämpningar"

Transkript

1 Föreläsning 8 Logik med tillämpningar Innehåll Lite mer om värderingar och tolkningar Semantiska tablåer i predikatlogiken Kapitel 3.5 Satisfierbarhet hos en formel En formel A är satisfierbar om det finns en tolkning v så att v(a) = T. Sanningsvärdet på p(t 1,,t n )berorpå värderingen av termerna v(t 1 ), v(t n ) Boken tar bara upp värderingar av stängda formler! Satisfierbar blir samma sak som Sann i tolkningen I I öppna formler måste även variabeln få ett värde i värderingen. Dvs vi får olika värderingar beroende på hur vi ger variabeln värden.

2 Semantiska tablåer för predikatlogik Grunden är densamma: En metod för att avgöra om en formel är satisfierbar. Bryter ned formler efter speciella regler och stannar i en öppen (satisfierbar formel) eller stängd tablå. Om tablån för en negerad formel stänger är formeln valid. Nu måste vi kunna hantera kvantifierade formler också. Instansiering xa(x) är en kvantifierad formel och a är en konstant. När man byter ut alla x mot a i formeln (bildar A(a)) får man en instans av xa(x). Att substituera en konstant för en kvantifierad variabel kallas för instansiering. Nya regler: xa(x) xa(x) A(a), xa(x) A(a), xa(x) Allkvantifierade formler valfri konstant xa(x) xa(x) A(a) A(a) Existenskvantifierade formler ny konstant α-regler: α α 1 α 2 A A A 1 A 2 A 1 A 2 (A 1 A 2 ) A 1 A 2 (A 1 A 2 ) A 1 A 2 A 1 A 2 A 1 A 2 A 2 A 1 När båda delarna i formeln måste satisfieras för att hela formeln skall vara satisfierbar används en alfa-regel.

3 β-regler: β β 1 β 2 B 1 B 2 B 1 B 2 (B 1 B 2 ) B 1 B 2 B 1 B 2 B 1 B 2 (B 1 B 2 ) (B 1 B 2 ) (B 2 B 1 ) Om den yttersta operatorn medför att en av delarna i formeln måste satisfieras används en beta-regel. Viktigt att komma ihåg! När vi skapar konstanter för existenskvantifierade formler måste ta en ny konstant varje gång. En allkvantifierad formel tas inte bort när man skapar en instans eftersom den gäller för alla x. Här väljer man en konstant som redan finns. x yp(x,y) x yp(x,y), yp(a 0,y) x yp(x,y), p(a 0,a 1) x yp(x,y), yp(a 1,y), p(a 0,a 1) Infinita modeller Semantiska tablåer terminerar inte alltid Problemet: Vivetinteomengrenärinfinit eller om den kommer att stängas efter x steg Semantiska tablåer är alltså inte en beslutsprocedur för validitet för predikatlogiken.

4 Vi vet i alla fall att: Sundhet A är en predikatlogisk formel, och T dess tablå. Om T är stängd, så är A osatisfierbar. Fullständighet Om A inte är satisfierbar, så är T stängd. Om A är valid, så är tablån för A stängd. Men semantiska tablåer är alltså inte en beslutsprocedur i predikatlogiken! Det finns ytterligare ett problem vi måste hantera vid konstruktionen av tablåer (vilken formel man ska välja): x yp(x,y), x(p(x) p(x)) x yp(x,y), yp(a 0,y), x(p(x) p(x)) x yp(x,y), p(a 0,a 1 ), x(p(x) p(x)) x yp(x,y), yp(a 1,y), p(a 0,a 1), x(p(x) p(x)) Tips för semantiska tablåer Använd existensregler före allregler. Tablån blir mindre om man försöker använda α-regler före β-regler. Om man hittar ett komplementerande par av formler kan man stanna redan där. För att visa satisfierbarhet räcker det att visa att ett löv är öppet. För att visa osatisfierbarhet måste man visa att alla löv är stängda.

5 Är dessa formler valida? ( xa(x) xb(x)) x(a(x) B(x)) x(a(x) B(x)) x(a(x) xb(x)) Exempel på problemlösning All fruit is tasty if it is not cooked. This apple is not cooked. Therefore it is tasty. All that glistens is not gold. This pot does not glisten. Therefore it is gold. Om en kurs är lätt så är några studenter lyckliga. Om en kurs har en tenta så är inga studenter lyckliga. Visa att om en kurs har en tenta så är kursen inte lätt. Exempel på problemlösning 2: All that glistens is not gold. This pot does not glisten. Therefore it is gold. glisten(x) - x glistens gold(x) - x is gold A 1 = All that glistens is not gold = x(glisten(x) gold(x)) A 2 = This pot does not glisten = glisten(pot) A = Therefore it is gold. = gold(pot)

6 Är slutsatsen korrekt? Vill visa {A 1,A 2 } =A,dvsattA 1 A 2 A är valid eller att A 1 A 2 Aärenmotsägelse. Kan starta tablån med formlerna A 1,A 2, A eftersom man annars använder 2 α-regler på raken för att nå det resultatet. I vårt fall startar vi alltså med x(glisten(x) gold(x)), glisten(pot), gold(pot) x(glisten(x) gold(x)), glisten(pot), gold(pot) glisten(a) gold(a), glisten(pot), gold(pot) glisten(a), gold(a), glisten(pot), gold(pot) O Tablån är öppen, alltså kan ursprungsformeln inte vara valid. Den kan falsifieras men frågan är om det är en motsägelse? Måste göra ny tablå för ursprungsformeln. Observera att ursprungsformeln är A 1 A 2 Aeller ( x(glisten(x) gold(x)) glisten(pot)) gold(pot) ( x(glisten(x) gold(x)) glisten(pot)) gold(pot) ( x(glisten(x) gold(x)) glisten(pot))) gold(pot) x(glisten(x) gold(x)) glisten(pot)) O oändlig! O Tablån öppen, alltså är formeln satisfierbar (och falsifierbar eftersom den inte var valid). Slutsats: Man får inte dra slutsatsen som antogs men det finns krukor av guld.

7 Exempel på problemlösning 3: Om en kurs är lätt så är några studenter lyckliga. Om en kurs har en tenta så är inga studenter lyckliga. Visa att om en kurs har en tenta så är kursen inte lätt. l(x) = kursen x är lätt, s(x) = studenten x är lycklig t(x) = kursen x har en tenta A 1 = Om en kurs är lätt så är några studenter lyckliga. = x (l(x) y s(y)) A 2 = Om en kurs har en tenta så är inga studenter lyckliga. = x y(t(x) s(y)) A = Om en kurs har en tenta så är kursen inte lätt. = x(t(x) l(x)) Vi börjar med att kolla validitet: x(l(x) y s(y)), x y(t(x) s(y)), x(t(x) l(x)) x(l(x) ys(y)), x y(t(x) s(y)), (t(k) l(k)) x(l(x) ys(y)), x y(t(x) s(y)), t(k), l(k) x(l(x) ys(y)),l(k) ys(y), x y(t(x) s(y)), t(k), l(k) A 1 (x), l(k), A 2 (x,y),t(k),l(k) X A 1 (x), ys(y),a 2 (x, y), t(k), l(k) A 1 (x), s(a), x y(t(x) s(y)), t(k), l(k) A 1 (x), s(a), A 2 (x, y), y(t(k) s(y)), t(k), l(k) A 1 (x), s(a), A 2 (x, y), y(t(k) s(y)), t(k) s(a),t(k),l(k) A 1 (x), s(a), A 2 (x, y), B(y), t(k), t(k), l(k) X A 1 (x), s(a), A 2 (x, y), B(y), s(a), t(k), l(k) X

*UXSS YQLQJ±/RJLNPHGWLOOlPSQLQJDUYW

*UXSS YQLQJ±/RJLNPHGWLOOlPSQLQJDUYW *USS YQLQJ±/RJLNPHGWLOOlPSQLQJDUYW 8SSJLIW Här kommer några teoretiska frågor, skriv svaren med egna ord, dvs skriv inte av ohbilderna: a. Vad är en beslutsprocedur? En algoritm som terminerar och som

Läs mer

Innehåll. Föreläsning 7. Satslogiken är för grov. Samma sak i predikatlogik: Första ordningens predikatlogik. Logik med tillämpningar

Innehåll. Föreläsning 7. Satslogiken är för grov. Samma sak i predikatlogik: Första ordningens predikatlogik. Logik med tillämpningar Innehåll Föreläsning 7 Logik med tillämpningar 99-03-01 Första ordningens predikatlogik Objekt, predikat, kvantifierare Funktioner, termer, wffs Bindning och räckvidd Tolkningar och värderingar Satisfiering,

Läs mer

Lektion 8: Konstruktion av semantiska tablåer för PTL-formler

Lektion 8: Konstruktion av semantiska tablåer för PTL-formler Lektion 8: Konstruktion av semantiska tablåer för PTL-formler Till denna lektion hör uppgift 2, 6 och 0 i lärobokens avsnitt.6 (sid. 255). Lös uppgift 2 genom att konstruera en semantisk tablå. Följande

Läs mer

Grundläggande logik och modellteori (5DV102)

Grundläggande logik och modellteori (5DV102) Tentamen 2014-01-10 Grundläggande logik och modellteori (5DV102) M. Berglund och K. Markström Totalt antal uppgifter 10 Maximalt antal poäng 30 Krav för 3 i betyg 1 Krav för 4 i betyg 19 poäng, vara minst

Läs mer

DD1350 Logik för dataloger. Fö 7 Predikatlogikens semantik

DD1350 Logik för dataloger. Fö 7 Predikatlogikens semantik DD1350 Logik för dataloger Fö 7 Predikatlogikens semantik 1 Kryssprodukt av mängder Om A och B är två mängder så är deras kryssprodukt A B mängden av alla par (a,b), där a A och b B. Ex: A={1,2}, B={3,4},

Läs mer

Normalisering av meningar inför resolution 3. Steg 1: Eliminera alla och. Steg 2: Flytta alla negationer framför atomära formler

Normalisering av meningar inför resolution 3. Steg 1: Eliminera alla och. Steg 2: Flytta alla negationer framför atomära formler Normalisering av meningar inför resolution På samma sätt som i satslogiken är resolution i predikatlogiken en process vars syfte är att vederlägga att en klausulmängd är satisfierbar. Det förutsätter dock

Läs mer

p /\ q r DD1350 Logik för dataloger Kort repetition Fö 3 Satslogikens semantik

p /\ q r DD1350 Logik för dataloger Kort repetition Fö 3 Satslogikens semantik DD1350 Logik för dataloger Fö 3 Satslogikens semantik 1 Kort repetition Satslogik formellt språk för att uttrycka påståenden med variabler och konnektiv /\, \/,, t.ex. p /\ q r 1 Kort repetition Naturlig

Läs mer

Logik för datavetare DVK:Log Tisdagen 28 oktober 2014. Institutionen för dataoch systemvetenskap David Sundgren

Logik för datavetare DVK:Log Tisdagen 28 oktober 2014. Institutionen för dataoch systemvetenskap David Sundgren Institutionen för dataoch systemvetenskap David Sundgren Logik för datavetare DVK:Log Tisdagen 28 oktober 2014 Skrivtid: 9 00-13 00. Inga hjälpmedel utom formelsamlingen på nästa sida är tillåtna. För

Läs mer

Innehåll. Föreläsning 4-5. Logiska system. Alfabet. Calculus. Well-formed formulas. Vanliga termer i logik Satslogik. Första ordningens predikatlogik

Innehåll. Föreläsning 4-5. Logiska system. Alfabet. Calculus. Well-formed formulas. Vanliga termer i logik Satslogik. Första ordningens predikatlogik Innehåll Föreläsning 4-5 Logik med tillämpningar 010220 Vanliga termer i logik Satslogik syntax och semantik beslutsprocedurer Första ordningens predikatlogik syntax och semantik Kapitel 3-5: Topic 8-11

Läs mer

Robin Stenwall Lunds universitet

Robin Stenwall Lunds universitet Robin Stenwall Lunds universitet Vik$gt a) tänka på Innehållet i kursen formell logik förutsätts vara inhämtat (repetera om du är osäker). I allmänhet gäller att kursinnehållet, som ska instuderas på relativt

Läs mer

Robin Stenwall Lunds universitet

Robin Stenwall Lunds universitet Robin Stenwall Lunds universitet Vik$gt a) tänka på Innehållet i kursen formell logik förutsätts vara inhämtat (repetera om du är osäker). I allmänhet gäller att kursinnehållet, som ska instuderas på relativt

Läs mer

Robin Stenwall Lunds universitet

Robin Stenwall Lunds universitet Robin Stenwall Lunds universitet Avsnitt 10.3 Några nyttiga ekvivalenser Två sätt att använda tautologa ekvivalenser i första-ordningens logik (1) Satser vars sanningsfuntionella former är tautologt ekvivalenta

Läs mer

Grundläggande logik och modellteori

Grundläggande logik och modellteori Grundläggande logik och modellteori Kapitel 8: Predikatlogik Henrik Björklund Umeå universitet 2. oktober, 2014 Första ordningens predikatlogik Signaturer och termer Första ordningens predikatlogik Formler

Läs mer

Grundläggande logik och modellteori (5DV102)

Grundläggande logik och modellteori (5DV102) Tentamen 2013-10-31 Grundläggande logik och modellteori (5DV102) M. Berglund och K. Markström Totalt antal uppgifter 11 Maximalt antal poäng 30 Krav för 3 i betyg 14 poäng Krav för 4 i betyg 19 poäng,

Läs mer

Grundläggande logik och modellteori

Grundläggande logik och modellteori Grundläggande logik och modellteori Kapitel 4: Konjunktiv och disjunktiv normalform Henrik Björklund Umeå universitet 15. september, 2014 CNF och DNF Konjunktiv normalform (CNF) Omskrivning av en formel

Läs mer

K2 Något om modeller, kompakthetssatsen

K2 Något om modeller, kompakthetssatsen KTH Matematik Bengt Ek Maj 2005 Kompletteringsmaterial till kursen 5B1928 Logik för D1: K2 Något om modeller, kompakthetssatsen Vi skall presentera ett enkelt (om man känner till sundhets- och fullständighetssatsen

Läs mer

Grundläggande logik och modellteori

Grundläggande logik och modellteori Grundläggande logik och modellteori Kapitel 3: Bevissystem, Hilbertsystem Henrik Björklund Umeå universitet 8. september, 2014 Bevissystem och Hilbertsystem Teorier och deduktionsproblemet Axiomscheman

Läs mer

DD1350 Logik för dataloger

DD1350 Logik för dataloger DD1350 Logik för dataloger Fö 4 Predikatlogik 1 Kort repetition Satslogik Naturlig deduktion är ett sunt och fullständigt bevissystem för satslogik Avgörbarhet Så vad saknas? Egenskaper Satslogiken är

Läs mer

Kompletteringsmaterial. K2 Något om modeller, kompakthetssatsen

Kompletteringsmaterial. K2 Något om modeller, kompakthetssatsen KTH Matematik Bengt Ek Maj 2008 Kompletteringsmaterial till kursen SF1642, Logik för D1 och IT3: K2 Något om modeller, kompakthetssatsen Vi skall presentera ett enkelt (om man känner till sundhets- och

Läs mer

Tommy Färnqvist, IDA, Linköpings universitet. 2 Strukturer 2 2.1 Domäner... 2 2.2 Tolkningar... 3

Tommy Färnqvist, IDA, Linköpings universitet. 2 Strukturer 2 2.1 Domäner... 2 2.2 Tolkningar... 3 Föreläsning 2 Semantik 729G06 Logikdelen Föreläsningsanteckningar i Programmering och logik 27 januari 2014 Tommy Färnqvist, IDA, Linköpings universitet 2.1 Innehåll Innehåll 1 Lite mer syntax 1 2 Strukturer

Läs mer

Semantik och pragmatik

Semantik och pragmatik Semantik och pragmatik OH-serie 5 http://stp.lingfil.uu.se/~matsd/uv/uv12/semp/ Mats Dahllöf Institutionen för lingvistik och filologi Januari 2012 Så här långt Konjunktion (p q): att två enklare satser

Läs mer

DD1350 Logik för dataloger

DD1350 Logik för dataloger DD1350 Logik för dataloger Fö 8 Axiomatiseringar 1 Modeller och bevisbarhet Sedan tidigare vet vi att: Om en formel Φ är valid (sann i alla modeller) så finns det ett bevis för Φ i naturlig deduktion.

Läs mer

Filosofisk Logik (FTEA21:4) föreläsningsanteckningar/kompendium. v. 2.0, den 29/ III. Metalogik 17-19

Filosofisk Logik (FTEA21:4) föreläsningsanteckningar/kompendium. v. 2.0, den 29/ III. Metalogik 17-19 Filosofisk Logik (FTEA21:4) föreläsningsanteckningar/kompendium IV v. 2.0, den 29/4 2013 III. Metalogik 17-19 Modeller för satslogiken 18.1 Vi har tidigare sagt att en modell är en tolkning av en teori

Läs mer

Tommy Färnqvist, IDA, Linköpings universitet. 1 Kursadministration 1. 2 Introduktion 2 2.1 Varför logik?... 2 2.2 Satslogik... 2

Tommy Färnqvist, IDA, Linköpings universitet. 1 Kursadministration 1. 2 Introduktion 2 2.1 Varför logik?... 2 2.2 Satslogik... 2 Föreläsning 1 Syntax 729G06 Logikdelen Föreläsningsanteckningar i Programmering och logik 21 januari 2014 Tommy Färnqvist, IDA, Linköpings universitet 1.1 Innehåll Innehåll 1 Kursadministration 1 2 Introduktion

Läs mer

Föreläsning 9: Turingmaskiner och oavgörbarhet. Turingmaskinen. Den maximalt förenklade modell för beräkning vi kommer använda är turingmaskinen.

Föreläsning 9: Turingmaskiner och oavgörbarhet. Turingmaskinen. Den maximalt förenklade modell för beräkning vi kommer använda är turingmaskinen. Föreläsning 9: Turingmaskiner och oavgörbarhet Turingmaskinen Den maximalt förenklade modell för beräkning vi kommer använda är turingmaskinen. Data är ett oändligt långt band där nollor och ettor står

Läs mer

FÖRELÄSNING 3 ANDERS MÄRAK LEFFLER IDA/HCS

FÖRELÄSNING 3 ANDERS MÄRAK LEFFLER IDA/HCS 729G06 Logik FÖRELÄSNING 3 ANDERS MÄRAK LEFFLER IDA/HCS 160208 Idag C-regeln, informell (och formell) inledning till predikatlogik (Bevis kommer senare.) 2 3 Vår (Snöfritt Cykla) (Vår Snöfritt) Cykla Lätt

Läs mer

Satslogik grundläggande definitioner 3. Satslogik. Uppgift 1. Satslogikens syntax (välformade formler) Satslogikens semantik (tolkningar)

Satslogik grundläggande definitioner 3. Satslogik. Uppgift 1. Satslogikens syntax (välformade formler) Satslogikens semantik (tolkningar) Satslogik grundläggande definitioner Satslogikens syntax (välformade formler) Satslogikens semantik (tolkningar) Modeller, logisk konsekvens och ekvivalens Några notationella förenklingar Kompletta mängder

Läs mer

FÖRELÄSNING 8 ANDERS MÄRAK LEFFLER IDA/HCS

FÖRELÄSNING 8 ANDERS MÄRAK LEFFLER IDA/HCS 729G06 Logik FÖRELÄSNING 8 ANDERS MÄRAK LEFFLER IDA/HCS 160309 Idag Sammanfattning*/uppsamling 2 Mer problemöversikt (och lite definitioner) Inte ersättning för andra föreläsningar! 3 Vad är enlogik? Syntax

Läs mer

Om semantisk följd och bevis

Om semantisk följd och bevis Matematik, KTH Bengt Ek december 2017 Material till kursen SF1679, Diskret matematik: Om semantisk följd och bevis Logik handlar bla om studiet av korrekta slutledningar, dvs frågan om när det är riktigt

Läs mer

Avslutning. Vad? Hur? Anmärkningar inför tentan 2. Vad ska kunnas?

Avslutning. Vad? Hur? Anmärkningar inför tentan 2. Vad ska kunnas? Avslutning Anmärkningar inför tentan Vad ska kunnas? Avslutning 1 Vad? Anmärkningar inför tentan 1 Att ha en bra förståelse för det som behandlades på föreläsningarna och gruppövningarna räcker i princip.

Läs mer

Predikatlogik: Normalformer. Klas Markström

Predikatlogik: Normalformer. Klas Markström 1 Precis som i satslogik så är det bekvämt att kunna hitta en normalform för meningar. Om vi kan utgå från att alla meningar är på normalform så behöver vi t.e.x. inte bekymra oss om en massa specialfall

Läs mer

Filosofisk logik Kapitel 19. Robin Stenwall Lunds universitet

Filosofisk logik Kapitel 19. Robin Stenwall Lunds universitet Filosofisk logik Kapitel 19 Robin Stenwall Lunds universitet Dagens upplägg Gödels fullständighetsteorem Sundhet och fullständighet Fullständighetsbeviset Vittneskonstanter Henkinteorin Eliminationsteoremet

Läs mer

Formell logik Kapitel 9. Robin Stenwall Lunds universitet

Formell logik Kapitel 9. Robin Stenwall Lunds universitet Formell logik Kapitel 9 Robin Stenwall Lunds universitet Kapitel 9: Introduktion till kvantifiering Vi har hittills betraktat logiska resonemang vars giltighet enbart beror på meningen hos konnektiv som

Läs mer

Grundläggande logik och modellteori

Grundläggande logik och modellteori Grundläggande logik och modellteori Kapitel 7: SAT-lösare Henrik Björklund Umeå universitet 29. september, 2014 SAT En instans av SAT är en mängd av mängder av literaler. Exempel: {{p, q, r}, {p, q, s},

Läs mer

Algoritmer, datastrukturer och komplexitet

Algoritmer, datastrukturer och komplexitet Algoritmer, datastrukturer och komplexitet Övning 12 Anton Grensjö grensjo@csc.kth.se 10 december 2015 Anton Grensjö ADK Övning 12 10 december 2015 1 / 19 Idag Idag Komplexitetsklasser Blandade uppgifter

Läs mer

Grundläggande logik och modellteori

Grundläggande logik och modellteori Grundläggande logik och modellteori Kapitel 6: Binära beslutsdiagram (BDD) Henrik Björklund Umeå universitet 22. september, 2014 Binära beslutsdiagram Binära beslutsdiagram (Binary decision diagrams, BDDs)

Läs mer

Vad är det? Översikt. Innehåll. Vi behöver modeller!!! Kontinuerlig/diskret. Varför modeller??? Exempel. Statiska system

Vad är det? Översikt. Innehåll. Vi behöver modeller!!! Kontinuerlig/diskret. Varför modeller??? Exempel. Statiska system Vad är det? Översikt Discrete structure: A set of discrete elements on which certain operations are defined. Discrete implies non-continuous and therefore discrete sets include finite and countable sets

Läs mer

Logik och bevisteknik lite extra teori

Logik och bevisteknik lite extra teori Logik och bevisteknik lite extra teori Inger Sigstam 2011-04-26 1 Satslogik (eng: propositional logic) 1.1 Språket Alfabetet består av följande symboler: satssymbolerna p 0, p 1, p 2,.... konnektiverna,,,,.

Läs mer

Semantik och pragmatik (Serie 4)

Semantik och pragmatik (Serie 4) Semantik och pragmatik (Serie 4) Satser och logik. Mats Dahllöf Institutionen för lingvistik och filologi April 2015 1 / 30 Så här långt (satslogik) Konjunktion (p q): att två enklare satser båda är uppfyllda.

Läs mer

K3 Om andra ordningens predikatlogik

K3 Om andra ordningens predikatlogik KTH Matematik Bengt Ek Maj 2005 Kompletteringsmaterial till kursen 5B1928 Logik för D1: K3 Om andra ordningens predikatlogik Vi presenterar på dessa sidor kortfattat andra ordningens predikatlogik, vilket

Läs mer

TATA42: Föreläsning 3 Restterm på Lagranges form

TATA42: Föreläsning 3 Restterm på Lagranges form TATA4: Föreläsning 3 Restterm på Lagranges form Johan Thim 9 mars 9 Lagranges form för resttermen Vi har tidigare använt resttermen på ordo-form med goda resultat. Oftast i samband med gränsvärden, extrempunktsundersökningar

Läs mer

Föreläsning 8: Intro till Komplexitetsteori

Föreläsning 8: Intro till Komplexitetsteori Föreläsning 8: Intro till Komplexitetsteori Formalisering av rimlig tid En algoritm som har körtid O(n k ) för någon konstant k är rimligt snabb. En algoritm som har körtid Ω(c n ) för någon konstant c>1

Läs mer

Utsagor (Propositioner) sammansatta utsagor sanningstabeller logisk ekvivalens predikat (öppna utsagor) kvantifierare Section

Utsagor (Propositioner) sammansatta utsagor sanningstabeller logisk ekvivalens predikat (öppna utsagor) kvantifierare Section Föreläsning 1 Utsagor (Propositioner) sammansatta utsagor sanningstabeller logisk ekvivalens predikat (öppna utsagor) kvantifierare Section 1.1-1.3 i kursboken Definition En utsaga (proposition) är ett

Läs mer

Röd kurs. Multiplicera in i parenteser. Mål: Matteord. Exempel. 1 a) 4(x- 5) b) 5(3 + x) 3 Om 3(a + 4) = 36, vad är då 62 2 FUNKTIONER OCH ALGEBRA

Röd kurs. Multiplicera in i parenteser. Mål: Matteord. Exempel. 1 a) 4(x- 5) b) 5(3 + x) 3 Om 3(a + 4) = 36, vad är då 62 2 FUNKTIONER OCH ALGEBRA Röd kurs Mål: I den här kursen får du lära dig att: ~ multiplicera parenteser ~ använda kvadreringsregler ~ använda konjugatregeln ~ uttrycka formler på olika sätt Matteord första kvadreringsregeln andra

Läs mer

Logik I. Åsa Hirvonen Helsingfors universitet. Våren 2013

Logik I. Åsa Hirvonen Helsingfors universitet. Våren 2013 Logik I Åsa Hirvonen Helsingfors universitet Våren 2013 Inledning Logik är läran om härledning. Med hjälp av logiken kan vi säga när ett resonemang är korrekt och när det inte är det. För att kunna studera

Läs mer

Sanningsvärdet av ett sammansatt påstående (sats, utsaga) beror av bindeord och sanningsvärden för ingående påståenden.

Sanningsvärdet av ett sammansatt påstående (sats, utsaga) beror av bindeord och sanningsvärden för ingående påståenden. MATEMATISK LOGIK Matematisk logik formaliserar korrekta resonemang och definierar formellt bindeord (konnektiv) mellan påståenden (utsagor, satser) I matematisk logik betraktar vi påståenden som antingen

Läs mer

Grundläggande logik och modellteori

Grundläggande logik och modellteori Modeller och uttrycksfullhet hos predikatlogik Department of mathematics Umeå university Föreläsning 10 Dagens föreläsning 1 Innehåll på resten av kursen 2 Varför verifikation? Formella metoder för verifikation

Läs mer

:1) Vid ett besök på Knarrön (där ju var och en antingen är kung (och

:1) Vid ett besök på Knarrön (där ju var och en antingen är kung (och KTH Matematik B.Ek SF1642 LOGIK för D och IT, övningarna vt08 Exempel från gamla tentor (i 5B1928) Ö1, kungar och narrar 23.5-01:1a) Det är marknadsdag på Knarrön och många invånare från den närbelägna

Läs mer

Övningshäfte 2: Induktion och rekursion

Övningshäfte 2: Induktion och rekursion GÖTEBORGS UNIVERSITET MATEMATIK 1, MMG200, HT2017 INLEDANDE ALGEBRA Övningshäfte 2: Induktion och rekursion Övning D Syftet är att öva förmågan att utgående från enkla samband, aritmetiska och geometriska,

Läs mer

Föreläsning 8. NDAB02 Statistik; teori och tillämpning i biologi

Föreläsning 8. NDAB02 Statistik; teori och tillämpning i biologi Föreläsning 8 Statistik; teori och tillämpning i biologi 1 Dagens föreläsning o Enkel linjär regression (kap 17.1 17.5) o Skatta regressionslinje (kap 17.2) o Signifikant lutning? (kap 17.3, 17.5a) o Förklaringsgrad

Läs mer

Avslutning. Vad? Hur? Anmärkningar inför tentan 2. Vad ska ni kunna?

Avslutning. Vad? Hur? Anmärkningar inför tentan 2. Vad ska ni kunna? Avslutning Anmärkningar inför tentan Vad ska ni kunna? Avslutning 1 Vad? Anmärkningar inför tentan 1 Att ha en bra förståelse för det som behandlades på föreläsningarna, inlämningsuppgifterna och gruppövningarna

Läs mer

Föreläsning 9: NP-fullständighet

Föreläsning 9: NP-fullständighet Föreläsning 9: NP-fullständighet Olika typer av problem: 1. Beslutsproblem: A(x) =Ja. 2. Optimeringsproblem: A(x) =m Vanligen max/min. 3. Konstruktionsproblem: A(x) =En struktur. Vanligen lösningen till

Läs mer

Lösandet av ekvationer utgör ett centralt område inom matematiken, kanske främst den tillämpade.

Lösandet av ekvationer utgör ett centralt område inom matematiken, kanske främst den tillämpade. 1.1 Ekvationslösning Lösandet av ekvationer utgör ett centralt område inom matematiken, kanske främst den tillämpade. 1.1.1 Polynomekvationer Ett polynom i en variabel x är som bekant en summa av termer

Läs mer

Fritt Val Tillåtelser

Fritt Val Tillåtelser Daniel Rönnedal Abstrakt Den här uppsatsen handlar om fritt val (FV) tillåtelser (FVT). Jag går igenom den s.k. fritt val tillåtelser paradoxen och nämner några möjliga lösningar på denna. Därefter presenterar

Läs mer

PCP-satsen på kombinatoriskt manér

PCP-satsen på kombinatoriskt manér austrin@kth.se Teorigruppen Skolan för Datavetenskap och Kommunikation 2005-10-24 Agenda 1 Vad är ett bevis? Vad är ett PCP? PCP-satsen 2 Vad, hur och varför? Lite definitioner Huvudresultatet 3 Ännu mer

Läs mer

Datorlingvistisk grammatik I Institutionen för lingvistik och filologi Oktober 2007 Mats Dahllöf

Datorlingvistisk grammatik I Institutionen för lingvistik och filologi Oktober 2007 Mats Dahllöf UPPSALA UNIVERSITET Datorlingvistisk grammatik I Institutionen för lingvistik och filologi Oktober 2007 Mats Dahllöf http://stp.ling.uu.se/ matsd/uv/uv07/dg1/ Logisk semantik II 1 Predikatlogik, generella

Läs mer

En introduktion till predikatlogik

En introduktion till predikatlogik rasmus.blanck@gu.se FT1200, LC1510 och LGFI52 VT2017 (Premiss 1) (Premiss 2) (Slutsats) Alla människor är dödliga Sokrates är en människa Sokrates är dödlig Detta argument är intuitivt giltigt: Det finns

Läs mer

Grundläggande logik och modellteori

Grundläggande logik och modellteori Grundläggande logik och modellteori Kapitel 12: Logikprogrammering Henrik Björklund Umeå universitet 16. oktober, 2014 Prolog Prolog har två klasser av formler. Atomära formler: country(sweden, 9000000).

Läs mer

Lösningar och kommentarer till uppgifter i 1.1

Lösningar och kommentarer till uppgifter i 1.1 Lösningar och kommentarer till uppgifter i 1.1 1106 d) 1107 d) 5t(t t 1) t (t 3) + t 3 5t 3 10t 5t (t 3 3t ) + t 3 5t 3 10t 5t t 3 + 3t + t 3 6t 3 7t 5t Kommentarer: Starta med att multiplicera in faktorerna

Läs mer

Grundläggande Logik och Modellteori

Grundläggande Logik och Modellteori Grundläggande Logik och Modellteori Temporallogik Klas Markström och Lars-Daniel Öhman Institutionen för matematik och matematisk statistik Umeå universitet HT2014 Klas Markström och Lars-Daniel Öhman

Läs mer

Omtentamen i Metod C-kurs

Omtentamen i Metod C-kurs Omtentamen i Metod C-kurs Kurskoder: PSGC20 och PSGCVA Datum: 2014-04-16 kl 08.15-13.15 Tillåtna hjälpmedel: Valfri modell av miniräknare Formelsamling med tillhörande tabeller (Sid 524-545 ur kursbok)

Läs mer

Talmängder. Målet med första föreläsningen:

Talmängder. Målet med första föreläsningen: Moment 1..1, 1.., 1..4, 1..5, 1.. 1..5, 1..6 Viktiga exempel 1.7, 1.8, 1.8,1.19,1. Handräkning 1.7, 1.9, 1.19, 1.4, 1.9 b,e 1.0 a,b Datorräkning 1.6-1.1 Målet med första föreläsningen: 1 En första kontakt

Läs mer

Filosofisk logik Kapitel 15. Robin Stenwall Lunds universitet

Filosofisk logik Kapitel 15. Robin Stenwall Lunds universitet Filosofisk logik Kapitel 15 Robin Stenwall Lunds universitet Dagens upplägg Första ordningens mängdlära Naiv mängdlära Abstraktionsaxiomet (eg. comprehension) Extensionalitetsaxiomet Små mängder Ordnade

Läs mer

Datorövning 2. - Tag med lärobok och övningshäfte till övningen. - Fyll före övningenen i svaren på frågorna på sidan 5 i denna handledning.

Datorövning 2. - Tag med lärobok och övningshäfte till övningen. - Fyll före övningenen i svaren på frågorna på sidan 5 i denna handledning. Kontinuerliga system vt 2015 Datorövning 2 Inledning Syftet med denna datorövning är att du med hjälp av Maple skall få ökad förståelse av vissa begrepp presenterade i kapitel H. Exempelvis behandlas skalärprodukt,

Läs mer

Lite om bevis i matematiken

Lite om bevis i matematiken Matematik, KTH Bengt Ek februari 2013 Material till kursen SF1662, Diskret matematik för CL1: Lite om bevis i matematiken Inledning Bevis är centrala i all matematik Utan (exakta definitioner och) bevis

Läs mer

Sidor i boken f(x) = a x 2 +b x+c

Sidor i boken f(x) = a x 2 +b x+c Sidor i boken 18-151 Andragradsfunktioner Här ska vi studera andragradsfunktionen som skrivs f(x) = ax +bx+c där a, b, c är konstanter (reella tal) och där a 0. Grafen (kurvan) till f(x), y = ax + bx +

Läs mer

Robin Stenwall Lunds universitet

Robin Stenwall Lunds universitet Robin Stenwall Lunds universitet Dagens föreläsning Informella bevismetoder för kvantifikatorer Universell elimination Existentiell introduktion Existentiell elimination Universell introduktion General

Läs mer

DIFFERENTIALEKVATIONER. INLEDNING OCH GRUNDBEGREPP

DIFFERENTIALEKVATIONER. INLEDNING OCH GRUNDBEGREPP DIFFERENTIALEKVATIONER INLEDNING OCH GRUNDBEGREPP Differentialekvation (DE) är en ekvation som innehåller derivator av en eller flera okända funktioner ORDINÄRA DIFFERENTIAL EKVATIONER i) En differentialekvation

Läs mer

Sidor i boken V.L = 8 H.L. 2+6 = 8 V.L. = H.L.

Sidor i boken V.L = 8 H.L. 2+6 = 8 V.L. = H.L. Sidor i boken 119-11 Andragradsekvationer Dagens tema är ekvationer, speciellt andragradsekvationer. Men först några ord om ekvationer i allmänhet. En ekvation är en likhet som innehåller ett (möjligen

Läs mer

Kan du det här? o o. o o o o. Derivera potensfunktioner, exponentialfunktioner och summor av funktioner. Använda dig av derivatan i problemlösning.

Kan du det här? o o. o o o o. Derivera potensfunktioner, exponentialfunktioner och summor av funktioner. Använda dig av derivatan i problemlösning. Kan du det här? o o o o o o Vad innebär det att x går mot noll? Vad händer då x går mot oändligheten? Vad betyder sekant, tangent och ändringskvot och vad har dessa begrepp med derivatan att göra? Derivera

Läs mer

Funktionella beroenden - teori

Funktionella beroenden - teori Relationell databasdesign, FB Teori 7-12 Funktionella beroenden - teori Vid utformning av databassystem är det av största vikt att man kan resonera systematiskt om funktionella beroenden bl.a. för att

Läs mer

Moment 1.15, 2.1, 2.4 Viktiga exempel 2.2, 2.3, 2.4 Övningsuppgifter Ö2.2ab, Ö2.3. Polynomekvationer. p 2 (x) = x 7 +1.

Moment 1.15, 2.1, 2.4 Viktiga exempel 2.2, 2.3, 2.4 Övningsuppgifter Ö2.2ab, Ö2.3. Polynomekvationer. p 2 (x) = x 7 +1. Moment.5, 2., 2.4 Viktiga exempel 2.2, 2.3, 2.4 Övningsuppgifter Ö2.2ab, Ö2.3 Ett polynom vilket som helst kan skrivas Polynomekvationer p(x) = a 0 +a x+a 2 x 2 +...+a n x n +a n x n Talen a 0,a,...a n

Läs mer

u(x) + xv(x) = 0 2u(x) + 3xv(x) = sin(x) xxx egentliga uppgifter xxx 1. Sök alla lösningar till den homogena differentialekvationen

u(x) + xv(x) = 0 2u(x) + 3xv(x) = sin(x) xxx egentliga uppgifter xxx 1. Sök alla lösningar till den homogena differentialekvationen Differentialekvationer I Modellsvar till räkneövning 6 Den frivilliga uppgiften U1 påminner om nyttiga kunskaper, och räknas inte för extrapoäng (fråga vid behov). U1. Lös funktionerna u(x) och v(x) från

Läs mer

Föreläsningsmanus i matematisk statistik för lantmätare, vecka 5 HT06

Föreläsningsmanus i matematisk statistik för lantmätare, vecka 5 HT06 Föreläsningsmanus i matematisk statistik för lantmätare, vecka 5 HT06 Bengt Ringnér September 20, 2006 Inledning Detta är preliminärt undervisningsmaterial. Synpunkter är välkomna. 2 Väntevärde standardavvikelse

Läs mer

Andragradsekvationer. + px + q = 0. = 3x 7 7 3x + 7 = 0. q = 7

Andragradsekvationer. + px + q = 0. = 3x 7 7 3x + 7 = 0. q = 7 Andragradsekvationer Tid: 70 minuter Hjälpmedel: Formelblad. Alla andragradsekvationer kan skrivas på formen Vilket värde har q i ekvationen x = 3x 7? + E Korrekt svar. B (q = 7) x + px + q = 0 (/0/0)

Läs mer

Algoritmer, datastrukturer och komplexitet

Algoritmer, datastrukturer och komplexitet Algoritmer, datastrukturer och komplexitet Övningsmästarprovsövning 2 Anton Grensjö grensjo@csc.kth.se 20 november 2017 1 Dagordning 1. Genomgång av uppgiftens lösning 2. Genomgång av bedömningskriterier

Läs mer

polynomfunktioner potensfunktioner exponentialfunktioner

polynomfunktioner potensfunktioner exponentialfunktioner Vi ar lärt oss derivera en funktion, främst polynom, med jälp av derivatans definition. Vi ar funnit denna teknik ganska krävande. Desto trevligare blir det då att konstatera att det finns enkla deriveringsregler,

Läs mer

Om modeller och teorier

Om modeller och teorier Matematik, KTH Bengt Ek december 2017 Material till kursen SF1679, Diskret matematik: Om modeller och teorier Hittills i kursen har vi studerat flera olika typer av matematiska strukturer, bl.a. (partial)ordnade

Läs mer

DIFFERENTIALEKVATIONER. INLEDNING OCH GRUNDBEGREPP

DIFFERENTIALEKVATIONER. INLEDNING OCH GRUNDBEGREPP Armin Halilovic: EXTRA ÖVNINGAR DIFFERENTIALEKVATIONER. INLEDNING OCH GRUNDBEGREPP Differentialekvation (DE) är en ekvation som innehåller derivator av en eller flera okända funktioner. ORDINÄRA DIFFERENTIALEKVATIONER

Läs mer

Sidor i boken 110-113, 68-69 2, 3, 5, 7, 11,13,17 19, 23. Ett andragradspolynom Ett tiogradspolynom Ett tredjegradspolynom

Sidor i boken 110-113, 68-69 2, 3, 5, 7, 11,13,17 19, 23. Ett andragradspolynom Ett tiogradspolynom Ett tredjegradspolynom Sidor i boken 110-113, 68-69 Räkning med polynom Faktorisering av heltal. Att primtalsfaktorisera ett heltal innebär att uppdela heltalet i faktorer, där varje faktor är ett primtal. Ett primtal är ett

Läs mer

Sats. Om t är en rätvinklig triangel så är summan av kvadraterna på kateterna i t lika med kvadraten på hypotenusan.

Sats. Om t är en rätvinklig triangel så är summan av kvadraterna på kateterna i t lika med kvadraten på hypotenusan. Lunds tekniska högskola Datavetenskap Lennart Andersson Föreläsningsanteckningar EDAF10 3 Predikatlogik 3.1 Motivering I satslogiken är de minsta beståndsdelarna satslogiska variabler som kan anta värdena

Läs mer

Frågan om P=NP? Är P=NP? Bakgrund. "Snabb lösning"?!

Frågan om P=NP? Är P=NP? Bakgrund. Snabb lösning?! Frågan om P=NP? Är P=NP? Institutionen för system- och rymdteknik Luleå tekniska universitet Luleå, Sverige Kan varje [beräknings-] problem vars lösning kan verifieras snabbt av en dator även lösas snabbt

Läs mer

1. För tiden mellan två besök gäller. V(X i ) = 1 λ 2 = 25. X i Exp (λ) E(X i ) = 1 λ = 5s λ = 1 5

1. För tiden mellan två besök gäller. V(X i ) = 1 λ 2 = 25. X i Exp (λ) E(X i ) = 1 λ = 5s λ = 1 5 LÖSNINGAR TILL Matematisk statistik Tentamen: 29 7 kl 8 3 Matematikcentrum FMSF45 Matematisk statistik AK för D,I,Pi,F, 9 h Lunds universitet MASB3 Matematisk statistik AK för fysiker, 9 h. För tiden mellan

Läs mer

Formler och tabeller till kursen MSG830

Formler och tabeller till kursen MSG830 Formler och tabeller till kursen MSG830 Deskriptiva mått För ett datamängd x 1,, x n denieras medelvärde standardavvikelse standardfelet (SEM) Sannolikheter x = 1 n n i=1 = x 1 + + x n n s = 1 n (x i x)

Läs mer

MÖNSTER OCH TALFÖLJDER

MÖNSTER OCH TALFÖLJDER MÖNSTER OCH TALFÖLJDER FÖRELÄSNINGENS INNEHÅLL OCH SYFTE Genomgång av viktiga matematiska begrepp, uttryck och symboler med anknytning till mönster och talföljder. Skälet till att välja detta innehåll

Läs mer

LINJÄRA AVBILDNINGAR

LINJÄRA AVBILDNINGAR LINJÄRA AVBILDNINGAR Xantcha november 05 Linjära avbildningar Definition Definition En avbildning T : R Ñ R (eller R Ñ R ) är linjär om T pau ` bvq at puq ` bt pvq för alla vektorer u, v P R (eller u,

Läs mer

729G11 Artificiell Intelligens Marcus Johansson Marjo581. Fuzzy logic. Marcus Johansson Marjo581

729G11 Artificiell Intelligens Marcus Johansson Marjo581. Fuzzy logic. Marcus Johansson Marjo581 Fuzzy logic 880328-2535 Innehåll Fuzzy logic... 1 1. Inledning... 4 2. Jämförelse mellan fuzzy logic och tvåvärdeslogik.... 4 3. Fuzzy sets.... 4 4. Linvistiska variabler... 5 5. Operatorer... 5 6. If-

Läs mer

Robin Stenwall Lunds universitet

Robin Stenwall Lunds universitet Robin Stenwall Lunds universitet Dagens föreläsning Informella bevismetoder för kvantifikatorer Universell elimination Existentiell introduktion Existentiell elimination Universell introduktion General

Läs mer

Föreläsning 5. NDAB02 Statistik; teori och tillämpning i biologi

Föreläsning 5. NDAB02 Statistik; teori och tillämpning i biologi Föreläsning 5 Statistik; teori och tillämpning i biologi 1 Dagens föreläsning o Andelar (kap 24) o Binomialfördelning (kap 24.1) o Test och konfidensintervall för en andel (kap 24.5, 24.6, 24.8) o Test

Läs mer

Föreläsning 7+8: NP-problem. Begreppet effektiv algoritm är alltså synonymt med går i polynomisk tid i den här kursen. Är detta en rimlig uppdelning?

Föreläsning 7+8: NP-problem. Begreppet effektiv algoritm är alltså synonymt med går i polynomisk tid i den här kursen. Är detta en rimlig uppdelning? Formalisering av rimlig tid Föreläsning 7+8: NP-problem En algoritm som har körtid O(n k ) för någon konstant k är rimligt snabb. En algoritm som har körtid Ω(c n ) för någon konstant c>1 är för långsam.

Läs mer

TENTAMEN I REGRESSIONSANALYS OCH TIDSSERIEANALYS

TENTAMEN I REGRESSIONSANALYS OCH TIDSSERIEANALYS STOCKHOLMS UNIVERSITET Statistiska institutionen Marcus Berg VT2014 TENTAMEN I REGRESSIONSANALYS OCH TIDSSERIEANALYS Fredag 23 maj 2014 kl. 12-17 Skrivtid: 5 timmar Godkända hjälpmedel: Kalkylator utan

Läs mer

Fuzzy Logic: Den oskarpa skarpheten

Fuzzy Logic: Den oskarpa skarpheten Fuzzy Logic: Den oskarpa skarpheten Av: 1 Innehåll Inledning... 3 Vad är Fuzzy Logic?... 4 Fuzzy sets... 4 Medlemsskapsfunktion... 5 Operatorer... 7 Union... 7 Snitt... 8 Komplement... 8 Exempel med de

Läs mer

TATM79: Föreläsning 1 Notation, ekvationer, polynom och summor

TATM79: Föreläsning 1 Notation, ekvationer, polynom och summor TATM79: Föreläsning 1 Notation, ekvationer, polynom och summor Johan Thim 22 augusti 2018 1 Vanliga symboler Lite logik Implikation: P Q. Detta betyder att om P är sant så är Q sant. Utläses P medför Q

Läs mer

Föreläsning 8+9: NP-problem. Begreppet effektiv algoritm är alltså synonymt med går i polynomisk tid i den här kursen. Är detta en rimlig uppdelning?

Föreläsning 8+9: NP-problem. Begreppet effektiv algoritm är alltså synonymt med går i polynomisk tid i den här kursen. Är detta en rimlig uppdelning? Formalisering av rimlig tid Föreläsning 8+9: NP-problem En algoritm som har körtid O(n k ) för någon konstant k är rimligt snabb. En algoritm som har körtid Ω(c n ) för någon konstant c>1 är för långsam.

Läs mer

Linjära ekvationer med tillämpningar

Linjära ekvationer med tillämpningar UMEÅ UNIVERSITET Institutionen för matematik och matematisk statistik Olof Johansson, Nina Rudälv 2006-10-17 SÄL 1-10p Linjära ekvationer med tillämpningar Avsnitt 2.1 Linjära ekvationer i en variabel

Läs mer

Explorativ övning 7 KOMPLEXA TAL

Explorativ övning 7 KOMPLEXA TAL Explorativ övning 7 KOMPLEXA TAL Övningens syfte är att bekanta sig med komplexa tal. De komplexa talen, som är en utvidgning av de reella talen, kom till på 1400 talet då man försökte lösa kvadratiska

Läs mer

Tentamen i logik 729G06 Programmering och logik

Tentamen i logik 729G06 Programmering och logik Tentamen i logik 729G06 Programmering och logik 2016-08-19 Poänggränser: På tentan kan du som mest få 25 poäng. Om du har fått 12 poäng är du garanterad åtminstone godkänt betyg, 19 väl godkänt. Tillåtna

Läs mer

Veckoblad 1, Linjär algebra IT, VT2010

Veckoblad 1, Linjär algebra IT, VT2010 Veckoblad, Linjär algebra IT, VT Under den första veckan ska vi gå igenom (i alla fall stora delar av) kapitel som handlar om geometriska vektorer. De viktigaste teoretiska begreppen och resultaten i kapitlet

Läs mer

Algebra, exponentialekvationer och logaritmer

Algebra, exponentialekvationer och logaritmer Höstlov Uppgift nr 1 Ge en lösning till ekvationen 0 434,2-13x 3 Ange både exakt svar och avrundat till två decimalers noggrannhet. Uppgift nr 2 Huvudräkna lg20 + lg50 Uppgift nr 3 Ge en lösning till ekvationen

Läs mer

En introduktion till logik

En introduktion till logik rasmus.blanck@gu.se FT1200, LC1510 och LGFI52 VT2017 Först: Tack till Martin Kaså, som gett mig tillstånd att använda och bearbeta dessa ljusbilder. Vad är logik? Slogan: Logik undersöker vilka argument

Läs mer