α β ) právě tehdy, když pro jednotlivé hodnoty platí β1 αn βn. Danou relaci nazýváme relace

Podobné dokumenty
Vektory a matice. Obsah. Aplikovaná matematika I. Carl Friedrich Gauss. Základní pojmy a operace

Lineární algebra : Báze a dimenze

Texty k přednáškám z MMAN3: 4. Funkce a zobrazení v euklidovských prostorech

Pro každé formule α, β, γ, δ platí: Pro každé formule α, β, γ platí: Poznámka: Platí právě tehdy, když je tautologie.

Lineární algebra : Lineární zobrazení

Matematika I, část I. Rovnici (1) nazýváme vektorovou rovnicí roviny ABC. Rovina ABC prochází bodem A a říkáme, že má zaměření u, v. X=A+r.u+s.

1 Lineární prostory a podprostory

Riemannův určitý integrál

Úvod do lineární algebry

1 Linearní prostory nad komplexními čísly

Necht tedy máme přirozená čísla n, k pod pojmem systém lineárních rovnic rozumíme rovnice ve tvaru

Základy matematické analýzy

PŘEDNÁŠKA 2 POSLOUPNOSTI

Definice. Vektorový prostor V nad tělesem T je množina s operacemi + : V V V, tj. u, v V : u + v V : T V V, tj. ( u V )( a T ) : a u V které splňují

Parametrická rovnice přímky v rovině

Interpolace, ortogonální polynomy, Gaussova kvadratura

V předchozí kapitole jsme podstatným způsobem rozšířili naši představu o tom, co je to číslo. Nadále jsou pro nás důležité především vlastnosti

1 Báze a dimenze vektorového prostoru 1

Lineární algebra : Skalární součin a ortogonalita

Lineární algebra : Lineární prostor

TOPOLOGIE A TEORIE KATEGORIÍ (2017/2018) 4. PREDNÁŠKA - SOUČIN PROSTORŮ A TICHONOVOVA VĚTA.

Hypergrafové removal lemma a Szemérediho

transformace je posunutí plus lineární transformace má svou matici vzhledem k homogenním souřadnicím [1]

Základy elementární teorie čísel

PŘEDNÁŠKA 7 Kongruence svazů

Maticí typu (m, n), kde m, n jsou přirozená čísla, se rozumí soubor mn veličin a jk zapsaných do m řádků a n sloupců tvaru:

Nechť je číselná posloupnost. Pro všechna položme. Posloupnost nazýváme posloupnost částečných součtů řady.

Základní pojmy teorie množin Vektorové prostory

Matematická logika. Miroslav Kolařík

Vektorové podprostory, lineární nezávislost, báze, dimenze a souřadnice

Těleso racionálních funkcí

Modely Herbrandovské interpretace

Základy elementární teorie čísel

Katedra aplikované matematiky FEI VŠB Technická univerzita Ostrava luk76/la1

ALGEBRA. Téma 5: Vektorové prostory

Učební texty k státní bakalářské zkoušce Matematika Skalární součin. študenti MFF 15. augusta 2008

Výroková a predikátová logika - II

Lineární algebra : Metrická geometrie

10 Přednáška ze

Matematická logika. Miroslav Kolařík

Definice 13.1 Kvadratická forma v n proměnných s koeficienty z tělesa T je výraz tvaru. Kvadratická forma v n proměnných je tak polynom n proměnných s

Lineární algebra : Skalární součin a ortogonalita


P 1 = P 1 1 = P 1, P 1 2 =

Matice. Je dána matice A R m,n, pak máme zobrazení A : R n R m.

6 Lineární geometrie. 6.1 Lineární variety

V: Pro nulový prvek o lineárního prostoru L platí vlastnosti:

ANALYTICKÁ GEOMETRIE LINEÁRNÍCH ÚTVARŮ V ROVINĚ

Vrcholová barevnost grafu

TOPOLOGIE A TEORIE KATEGORIÍ (2017/2018) 3. PREDNÁŠKA - KOMPAKTNÍ PROSTORY.

Matematická analýza 1

4 Počítání modulo polynom

Predik atov a logika - pˇredn aˇska () Predik atov a logika - pˇredn aˇska / 16

Množinu všech slov nad abecedou Σ značíme Σ * Množinu všech neprázdných slov Σ + Jazyk nad abecedou Σ je libovolná množina slov nad Σ

Necht L je lineární prostor nad R. Operaci : L L R nazýváme

MATICE. a 11 a 12 a 1n a 21 a 22 a 2n A = = [a ij]

Polynomy nad Z p Konstrukce faktorových okruhů modulo polynom. Alena Gollová, TIK Počítání modulo polynom 1/30

Operace s maticemi. 19. února 2018

Pomocný text. Polynomy

6.1 Vektorový prostor

PŘEDNÁŠKA 5 Konjuktivně disjunktivní termy, konečné distributivní svazy

PRIMITIVNÍ FUNKCE. Primitivní funkce primitivní funkce. geometrický popis integrály 1 integrály 2 spojité funkce konstrukce prim.

Každé formuli výrokového počtu přiřadíme hodnotu 0, půjde-li o formuli nepravdivou, a hodnotu 1, půjde-li. α neplatí. β je nutná podmínka pro α

z = a bi. z + v = (a + bi) + (c + di) = (a + c) + (b + d)i. z v = (a + bi) (c + di) = (a c) + (b d)i. z v = (a + bi) (c + di) = (ac bd) + (bc + ad)i.

1 Vektorové prostory.

6. Lineární nezávislost a báze p. 1/18

Limita a spojitost funkce a zobrazení jedné reálné proměnné

Pavel Horák, Josef Janyška LINEÁRNÍ ALGEBRA UČEBNÍ TEXT

Pojem binární relace patří mezi nejzákladnější matematické pojmy. Binární relace

15. Moduly. a platí (p + q)(x) = p(x) + q(x), 1(X) = id. Vzniká tak struktura P [x]-modulu na V.

14. přednáška. Přímka

Množiny, relace, zobrazení

6. Vektorový počet Studijní text. 6. Vektorový počet

PRIMITIVNÍ FUNKCE DEFINICE A MOTIVACE

Greenova funkce pro dvoubodové okrajové úlohy pro obyčejné diferenciální rovnice

1 Mnohočleny a algebraické rovnice

NAIVNÍ TEORIE MNOŽIN, okruh č. 5

Dnešní látka Variačně formulované okrajové úlohy zúplnění prostoru funkcí. Lineární zobrazení.

Charakteristika tělesa

Matematická analýza pro informatiky I.

Cvičení z Lineární algebry 1

ANALYTICKÁ GEOMETRIE V ROVINĚ

Báze a dimenze vektorových prostorů

Lineární algebra - I. část (vektory, matice a jejich využití)

EUKLIDOVSKÉ PROSTORY

Výroková a predikátová logika - II

Afinní transformace Stručnější verze

67. ročník matematické olympiády III. kolo kategorie A. Přerov, března 2018

Úvod do informatiky. Miroslav Kolařík

Vektorový prostor. Př.1. R 2 ; R 3 ; R n Dvě operace v R n : u + v = (u 1 + v 1,...u n + v n ), V (E 3 )...množina vektorů v E 3,

Obyčejnými diferenciálními rovnicemi (ODR) budeme nazývat rovnice, ve kterých

VI. Maticový počet. VI.1. Základní operace s maticemi. Definice. Tabulku

Kongruence na množině celých čísel

Kapitola 1. Úvod. 1.1 Značení. 1.2 Výroky - opakování. N... přirozená čísla (1, 2, 3,...). Q... racionální čísla ( p, kde p Z a q N) R...

Matematika 2 pro PEF PaE

INTEGRACE KOMPLEXNÍ FUNKCE

Teorie množin. pro fajnšmekry - TeMno. Lenka Macálková BR Solutions Orličky. Lenka (Brkos 2010) TeMno

Věta o dělení polynomů se zbytkem

Četba: Texty o lineární algebře (odkazy na webových stránkách přednášejícího).

8.3). S ohledem na jednoduchost a názornost je výhodné seznámit se s touto Základní pojmy a vztahy. Definice

Transkript:

Monotónní a Lineární Funkce 1. Relace předcházení a to Uvažujme dva vektory hodnot proměnných α = α,, 1 αn ( ) a β = ( β β ) 1,, n x,, 1 xn. Říkáme, že vekto r hodnot α předchází vektor hodnot β (značíme α β ) právě tehdy, když pro jednotlivé hodnoty platí α,, 1 β1 αn βn. Danou relaci nazýváme relace předcházení. vektor Například vektor hodnot α = ( 0,1,0,1) β = (1,1, 0,1) zároveň platí předchází, protože pro jednotlivé hodnoty α1 = 0 1 = β1, α2 = 1 1 = β2, α3 = 0 0 = β3, α4 = 1 1= β4. 1,0 jsou v relaci Oproti tomu například vektory ( 0,1 ) a ( ) předcházení nesrovnatelné. Relace předcházení je vzhledem k množině všech n- rozměrných vektorů hodnot proměnných ( x,, 1 xn ) částečným uspořádáním.

2. T řída monotónních funkcí S pomocí relace předcházení můžeme specifikovat vybranou množinu logických funkcí. f x1,, xn P2 nazveme monotónní, jestliže pro každé dva vektory hodnot proměnných α, β takových, že α β, pro funkční f α f β. Množinu všech Logickou funkci ( ) hodnoty funkce f platí ( ) ( ) monotónních funkcí nazýváme třída monotónních funkcí a značíme M. Mezi monotónní funkce patří například logické funkce 0,1, x, x1 x2, x1 x2. Monotónnost jde opět ověřit s pomocí tabulky pravdivostních hodnot dané funkce. Ukažme si postup na funkci x x. 1 2 x 1 2 x x1 x2 0 0 0 0 1 0 1 0 0 1 1 1 Nejdříve si vytvoříme tabulku pravdivostních hodnot funkce. Existují dvě posloupnosti vektorů hodnot v relaci předcházení: ( 0,0) ( 0,1) ( 1,1) ( 0,0) ( 1,0 ) ( 1,1). a Pro dané posloupnosti vektorů hodnot srovnáme jejich funkční hodnoty. Platí f ( 0,0) = 0 f ( 0,1) = 0 f ( 1,1) = 1 a f ( 0,0) = 0 f ( 1,0 ) = 0 f ( 1,1) = 1. Vidíme, že funkce je monotónní.

Věta 3.4.6 Třída všech monotónních funkcí je funkcionálně uzavřená. Důkaz. M je evidentní. Musíme tedy dokázat ještě To, že [ M ] opačnou inkluzi. Vezměme libovolnou funkci F [ M ], potom musí existovat monotónní funkce f, f1,, fm M tak, že F x,, x = f f x,, x,, f x,, x. ( n ) ( ) ( ) ( ) 1 n 1 1 n m 1 Poznamenejme, že obecně funkce F, f, f1,, fm nemusí být funkcemi stejného počtu proměnných, za n však můžeme vzít maximální počet proměnných v jedné z funkcí a do ostatních přidat fiktivní proměnné, aniž by se hodnoty funkce změnily. Nechť α = ( α,, 1 αn ) a ( ) vektory hodnot proměnných ( x x ) i= 1,, m platí fi,,, β = β1 βn α β, jsou,, 1 n. Pro každé M a tudíž fi( α ) fi( β ). Pak ( f1( α ),, fm( α) ) f1( β),, fm( β ) ( ) a protože funkce f je také monotónní, platí ( 1( α ),, m( α) ) 1( β),, m( β ) ( ) f f f f f f. cbd. a tedy F( α ) F( β )

Vektory α = α α α α α β = β β β β β (,,,,,, ), (,,,,,, ) 1 i 1 i i+ 1 n 1 i 1 i i+ 1 n budeme nazývat sousední podle i-té souřadnice, jestliže αi βi a pro každé j i, j = 1,, n platí α j = β j. Příklad. Vezměme vektory α = ( 1, 0,1) jsou sousední podle první souřadnice. a β = ( 0,0,1). Tyto vektory Věta 3.4.7 (lemma o nemonotónní funkci) Nechť logická funkce f ( x,, 1 xn ) nepatří do třídy monotónních funkcí. Potom dosazením funkcí 0, 1, x za její proměnné lze získat nemonotónní funkci x. Důkaz. Důkaz této věty se skládá ze dvou částí. V první části dok ážeme tvrzení, že exis tují dva sousední vektory hodnot α, β takové, že vektor α předchází vektor β a zároveň f α > f β. platí ( ) ( ) Z předpokladu věty, funkce f nepatří do třídy monotónních (1) (1) funkcí, potom musí existovat dva vektory α, β takové, (1) (1) že zároveň platí α β a ( (1) ) ( (1) f α > f β ). Jsou-li (1) (1) vektory α, β sousední, potom je tvrzení dokázáno.

Pokud ne, potom se musí lišit v určitém konečném počtu t hodnot proměnných, přičemž dané proměnné nabývají ve (1) vektoru (1) α hodnoty 0 a ve vektoru β hodnoty 1. Potom (2) ( t) musí existovat t-1 vektorů α,, α, takových, že (1) (2) ( t ) (1) α α α β a každé dva po sobě jdoucí vektory této posloupnosti jsou sousední. (1) (1) Díky tomu, že pro vektory α, β platí ( (1) ) ( (1) f α > f β ), musí v této posloupnosti existovat dvojice sousedních vektoru, označme je α, β, pro kterou f α > f β Tím je první část dokázána. platí ( ) ( ). Nyní vezmeme dva sousední vektory α, β. Nechť se liší v i-té souřadnici. Můžeme tedy psát α = α α α α β = α α α α (,,,0,,, ), (,,,1,,, ) 1 i 1 i+ 1 n 1 i 1 i+ 1 n Vytvořme funkci ( ) ( α,, α,, α,, α ). Φ =. x f 1 i 1 x i+ 1 n Ukážeme, že tato funkce je námi hledaná nemonotónní funkce x. Dosadíme za proměnnou x hodnoty 0 a 1. Φ 0 = f α a to je jistě z našeho předpokladu ostře větší ( ) ( )

než Φ ( 1) = f ( β ) právě tehdy, když ( 0). Ovšem nerovnost ( ) ( Φ =1 a zároveň ( 1) 0 však vlastnost pro hodnoty funkce x. Φ 0 >Φ 1) platí Φ =. Toto je cbd. Příklad. Uvažujme funkci ( ) f x, x = ( x x ). Nejdříve 1 2 1 2 musíme ukázat, že tato funkce není monotónní. Vezměme α = 1, 0 β = 0,0. Tyto vektory jsou například vektory ( ) a ( ) sousední podle první souřadnice. Platí, že vektor (0,0) předchází vektoru (1,0) a f ( 0,0) = 1 > 0 = f ( 1,0 ), tedy funkce není monotónní. Φ = =. Dosazením hodnot 0 a 1 za proměnnou x ověříme, že funkce Φ ( x) = x. Opravdu, Φ ( 0) = ( 0 0) = 1 a Φ = =0. Nyní definujme funkci ( x) f ( x,0) ( x 0) () 1 ( 1 0)

3. Třída lineárních logických funkcí Lineární logickou funkci nazveme každou funkci ve tvaru (,, ) =,,,, { 0,1} f x1 xn c0 c1x1 cnxn c0 c1 c n tedy funkci, jejíž Žegalkinův polynom obsahuje pouze lineární členy. Tuto množinu funkcí nazýváme třída lineárních logických funkcí a značíme L. Tato třída je funkcionálně uzavřená. Věta 3.4.8 (lemma o nelineární funkci) Nechť logická funkce f ( x,, 1 xn ) nepatří do třídy lineárních funkcí. Potom dosazením funkcí 0,1, x a x za její proměnné a případně negováním funkce f, můžeme vyjádřit nelineární funkci logického součinu dvou proměnných. Důkaz. Funkce f nepatří do třídy lineárních funkcí. Potom Žegalkinův polynom funkce f musí obsahovat alespoň jeden nelineární člen, bez újmy na obecnosti předpokládejme, že je to člen xx 1 2. Potom vytkneme-li postupně ze všech možných členů polynomu logický součin xx 1 2, z možných zbylých proměnnou x1 a x2 potom polynom funkce f můžeme upravit do tvaru

(1,2) (1) ( 1,, n) = 1 2 ( 3,, n) 1 ( 3,, n) (2) (0) (,, ) (,, ) f x x x x f x x x f x x x f x x f x x 2 3 n 3 (1,2) (1) (2) (0) přičemž f, f, f, f jsou logické funkce n-2 proměnných x, 3, xn, které vznikly po řadě vytknutím (1,2) jednotlivých členů xx 1 2, x1, x 2a platí f ( x,, 3 xn ) 0 (v opačném případě bychom popřeli náš předpoklad, že funkce f obsahuje lineární člen xx - "vypadl" by nám). Potom musí existovat (n-2)-tice hodnot α 3, α tak, že ( ) n 1 2, n (1,2) f α,, 3 α n = 1. Můžeme tedy vytvořit funkci dvou proměnných ( ) ( ) Φ x1, x2 = f x1, x2, α3,, αn = x1x2 ax1 bx2 c, kde abc,, { 0,1}. Z této funkce vytvoříme další funkci dvou proměnných (, ) (, ) Ψ x x =Φ x b x a ab c 1 2 1 2 a ukážeme si, že je naši hledanou nelineární funkcí, která je ekvivalentní logickému součinu v našem případě xx 1 2.

Ψ ( x1, x2) =Φ( x1 b, x2 a) ab c= ( )( ) ( ) ( ) x b x a a x b b x a c ab c= 1 2 1 2 x x ax bx ab ax ab bx ab c ab c = 1 2 1 2 1 2 xx 1 2. cbd. Příklad. f x1 x2 x3 = x1 xxx 1 2 3 xx 2 3 1. Tato funkce již je ve tvaru Žegalkinova polynomu a na první pohled je patrné, že není lineární protože obsahuje dva nelineární členy a to xxx 1 2 3a xx 2 3. (Pokud by funkce nebyla ve tvaru Žegalkinova polynomu, musí se nejdříve do tohoto tvaru převést.) Můžeme tedy z této funkce vytvořit funkci logického součinu. Možností máme několik, buď xx 1 2nebo xx 1 3 a nebo xx 2 3. Zvolme dvojčlen xx 1 2. Potom funkci můžeme vytýkáním upravit Vezměme funkci (,, ) ( ) f x, x, x = x x x x x x 1= 1 2 3 1 1 2 3 2 3 () xx ( x) x 1 x ( x) 1 1 2 3 1 2 3 a tedy f (1,2) ( x ) (1) ( ) (2) ( ) (0) 3 = x3, f x3 = 1, f x3 = x3, f ( x3) = 1. (1,2) Funkce f je různá od hodnoty nula pro proměnnou

α 3 = 1. Dosaďme tedy do funkce f za proměnnou hodnotu α =, čímž vytvoříme funkci 3 1 x 3 (, ) (,, α ) (,,1) Φ x x = f x x = f x x = x x x x 1. 1 2 1 2 3 1 2 1 2 1 2 Konkrétní hodnoty konstant a, b, c jsou a= b= c= 1. Nyní z této funkce vytvoříme další funkci dvou proměnných (, ) (, ) Ψ x x =Φ x b x a ab c 1 2 1 2 a ukážeme, že je ekvivalentní funkci ( x1, x2) ( x1 1, x2 1) 1 1 1 ( x )( x ) ( x ) ( x ) Ψ =Φ = 1 2 1 2 xx 1 2. Konkrétně tedy 1 1 1 1 1 1 1 1 1 1= xx 1 2 1x1 1x2 1 1 1x1 1 1 1x2 1 1 1 1 1 1= xx x x x x 1 1 1 1 1 1 = xx. 1 2 1 1 2 2 1 2 V případě, že zvolíme jiný nelineární člen, například xx 2 3, je postup analogický. ( ) ( ) ( f x, x, x = x xxx xx 1= xx x 1 x 1) 1 2 3 1 1 2 3 2 3 2 3 1 1 a tedy (2,3) (2) (3) (0) f ( x1) = x1 1, f ( x1) = 0, f ( x1) = 0, f ( x1) = x1 1 (2,3). Funkce f je různá od hodnoty nula pro proměnnou α 1 = 0. Dosaďme tedy do funkce f za proměnnou x 1 hodnotu 0, čímž vytvoříme funkci

( ) Φ x, x = x x 1. 2 3 2 3 Konkrétní hodnoty konstant a, b, c jsou a= b= 0, c= 1. Nyní z této funkce vytvoříme funkci ( x x ) ( x x ) Ψ, =Φ 0, 0 0 0 1 2 3 2 3 a ukážeme, že je to funkce xx 2 3: ( ) Ψ x, x = xx 1 1= xx. 2 3 2 3 2 3

4. Třídy T, T, S, M, L jsou vzájemně různé 0 1 Podotkněme, že uvedené funkcionálně uzavřené třídy T0, T1, S, M, L jsou po dvou navzájem různé, což lze vidět z následující tabulky. Vezměme tři nejjednodušší elementární funkce 0, 1 a x. Následující tabulka ukazuje zastoupení těchto funkcí v jednotlivých třídách (znaménko + znamená, že funkce do třídy patří, - funkce do třídy nepatří). T 0 T 1 S M L 0 + - - + + 1 - + - + + x - - + - + Díky tomu, že ani v jedné z tříd nejsou funkce zastoupeny stejně, můžeme tvrdit, že třídy jsou vzájemně různé.