SlideShare a Scribd company logo
Сложность пропозициональных доказательств
Эдуард Алексеевич Гирш
http://logic.pdmi.ras.ru/~hirsch
ПОМИ РАН
23 сентября 2010 г.
1 / 6
Полиномиальное моделирование
Определение
Пусть S, W — системы для одного и того же языка L.
S моделирует W (пишем S≤W ) ⇐⇒
S-док-ва — не длиннее W -док-в (с точностью до полинома p):
∀F ∈ L |кратчайшее S-док-во для F| ≤ p(|кратчайшее W -док-во для F|).
2 / 6
Полиномиальное моделирование
Определение
Пусть S, W — системы для одного и того же языка L.
S моделирует W (пишем S≤W ) ⇐⇒
S-док-ва — не длиннее W -док-в (с точностью до полинома p):
∀F ∈ L |кратчайшее S-док-во для F| ≤ p(|кратчайшее W -док-во для F|).
S строго моделирует W (пишем S<W ), если ещё и W ≤ S.
Например, CP (секущие плоскости) < Res (метод резолюций).
2 / 6
Полиномиальное моделирование
Определение
Пусть S, W — системы для одного и того же языка L.
S моделирует W (пишем S≤W ) ⇐⇒
S-док-ва — не длиннее W -док-в (с точностью до полинома p):
∀F ∈ L |кратчайшее S-док-во для F| ≤ p(|кратчайшее W -док-во для F|).
S строго моделирует W (пишем S<W ), если ещё и W ≤ S.
Например, CP (секущие плоскости) < Res (метод резолюций).
Определение
p-моделирование (≤p) — конструктивная версия:
за полиномиальное время можно трансформировать
W -доказательство размера w в S-доказательство размера p(w).
2 / 6
Полиномиальное моделирование
Определение
Пусть S, W — системы для одного и того же языка L.
S моделирует W (пишем S≤W ) ⇐⇒
S-док-ва — не длиннее W -док-в (с точностью до полинома p):
∀F ∈ L |кратчайшее S-док-во для F| ≤ p(|кратчайшее W -док-во для F|).
S строго моделирует W (пишем S<W ), если ещё и W ≤ S.
Например, CP (секущие плоскости) < Res (метод резолюций).
Определение
p-моделирование (≤p) — конструктивная версия:
за полиномиальное время можно трансформировать
W -доказательство размера w в S-доказательство размера p(w).
Определение
(p-)оптимальная система док-в — наименьший элемент для ≤ (≤p). 2 / 6
Системы Фреге
Определение
Системой Фреге называется система, состоящая из корректных правил вида
F1 F2 . . . Fk
G
,
Fi , G — формулы логики высказываний,
в качестве переменных можно подставлять произвольные формулы с
выбранным множеством операций (“базисом”),
вывод начинается с аксиом (где k = 0),
новые формулы выводятся ( ) правилами из ранее выведенных.
Пример
P ⊃ (Q ⊃ P)
,
(¬Q ⊃ ¬P) ⊃ ((¬Q ⊃ P) ⊃ Q)
,
P P ⊃ Q
Q
,
(P ⊃ (Q ⊃ R)) ⊃ ((P ⊃ Q) ⊃ (P ⊃ R))
.
3 / 6
Системы Фреге
Эквивалентность
Система полна, если F ∈ L =⇒ ∃ док-во F.
4 / 6
Системы Фреге
Эквивалентность
Система Фреге полна, если F ∈ L =⇒ ∗ F.
Система Фреге импликативно полна, если ˜∀(F ⊃ G) =⇒ F ∗ G.
4 / 6
Системы Фреге
Эквивалентность
Система Фреге полна, если F ∈ L =⇒ ∗ F.
Система Фреге импликативно полна, если ˜∀(F ⊃ G) =⇒ F ∗ G.
Теорема
Все корректные полные импликативно полные системы Фреге
полиномиально p-эквивалентны (т.е. p-моделируют друг друга).
4 / 6
Системы Фреге
Эквивалентность
Система Фреге полна, если F ∈ L =⇒ ∗ F.
Система Фреге импликативно полна, если ˜∀(F ⊃ G) =⇒ F ∗ G.
Теорема
Все корректные полные импликативно полные системы Фреге
полиномиально p-эквивалентны (т.е. p-моделируют друг друга).
Док-во для одинаковых базисов: промоделируем каждое правило.
4 / 6
Системы Фреге
Эквивалентность
Система Фреге полна, если F ∈ L =⇒ ∗ F.
Система Фреге импликативно полна, если ˜∀(F ⊃ G) =⇒ F ∗ G.
Теорема
Все корректные полные импликативно полные системы Фреге
полиномиально p-эквивалентны (т.е. p-моделируют друг друга).
Док-во для одинаковых базисов: промоделируем каждое правило.
При смене базиса глубокие формулы могут вырасти!
4 / 6
Системы Фреге
Эквивалентность
Система Фреге полна, если F ∈ L =⇒ ∗ F.
Система Фреге импликативно полна, если ˜∀(F ⊃ G) =⇒ F ∗ G.
Теорема
Все корректные полные импликативно полные системы Фреге
полиномиально p-эквивалентны (т.е. p-моделируют друг друга).
Док-во для одинаковых базисов: промоделируем каждое правило.
При смене базиса глубокие формулы могут вырасти!
Непрямой перевод:
F = T[G H],
F = ((G H) ∧ T[1]) ∨ (¬(G H) ∧ T[0]).
Ясно, что собственно операции переводятся на нижнем уровне,
а уровней получается O(log . . .).
4 / 6
Системы Фреге
Эквивалентность
Система Фреге полна, если F ∈ L =⇒ ∗ F.
Система Фреге импликативно полна, если ˜∀(F ⊃ G) =⇒ F ∗ G.
Теорема
Все корректные полные импликативно полные системы Фреге
полиномиально p-эквивалентны (т.е. p-моделируют друг друга).
Док-во для одинаковых базисов: промоделируем каждое правило.
При смене базиса глубокие формулы могут вырасти!
Непрямой перевод:
F = T[G H],
F = ((G H) ∧ T[1]) ∨ (¬(G H) ∧ T[0]).
Ясно, что собственно операции переводятся на нижнем уровне,
а уровней получается O(log . . .).
Остаётся научиться работать с таким представлением.
4 / 6
Секвенциальное (генценовское) исчисление
Секвенция F1, . . . , Fk → G1, . . . , Gl
Смысл:
i
Fi ⊃
j
Gj .
5 / 6
Секвенциальное (генценовское) исчисление
Секвенция F1, . . . , Fk → G1, . . . , Gl (списки как множества!).
Смысл:
i
Fi ⊃
j
Gj .
Аксиомы F → F, ослабление
Γ → ∆
F, Γ → G, ∆
.
Правила введения ∧, ∨, ¬:
Γ → F, ∆
Γ → F ∨ G, ∆
,
F, Γ → ∆ G, Γ → ∆
F ∨ G, Γ → ∆
,
F, Γ → ∆
Γ → ¬F, ∆
,
F, Γ → ∆
F ∧ G, Γ → ∆
,
Γ → F, ∆ Γ → G, ∆
Γ → F ∧ G, ∆
,
Γ → F, ∆
¬F, Γ → ∆
.
5 / 6
Секвенциальное (генценовское) исчисление
Секвенция F1, . . . , Fk → G1, . . . , Gl (списки как множества!).
Смысл:
i
Fi ⊃
j
Gj .
Аксиомы F → F, ослабление
Γ → ∆
F, Γ → G, ∆
.
Правила введения ∧, ∨, ¬:
Γ → F, ∆
Γ → F ∨ G, ∆
,
F, Γ → ∆ G, Γ → ∆
F ∨ G, Γ → ∆
,
F, Γ → ∆
Γ → ¬F, ∆
,
F, Γ → ∆
F ∧ G, Γ → ∆
,
Γ → F, ∆ Γ → G, ∆
Γ → F ∧ G, ∆
,
Γ → F, ∆
¬F, Γ → ∆
.
Правило сечения: F, Γ → ∆ Γ → F, ∆
Γ → ∆
.
5 / 6
Секвенциальное (генценовское) исчисление
Секвенция F1, . . . , Fk → G1, . . . , Gl (списки как множества!).
Смысл:
i
Fi ⊃
j
Gj .
Аксиомы F → F, ослабление
Γ → ∆
F, Γ → G, ∆
.
Правила введения ∧, ∨, ¬:
Γ → F, ∆
Γ → F ∨ G, ∆
,
F, Γ → ∆ G, Γ → ∆
F ∨ G, Γ → ∆
,
F, Γ → ∆
Γ → ¬F, ∆
,
F, Γ → ∆
F ∧ G, Γ → ∆
,
Γ → F, ∆ Γ → G, ∆
Γ → F ∧ G, ∆
,
Γ → F, ∆
¬F, Γ → ∆
.
Правило сечения: F, Γ → ∆ Γ → F, ∆
Γ → ∆
.
Эквивалентны системам Фреге.
Сечение важно для длины вывода, но не для полноты.
5 / 6
Секвенциальное (генценовское) исчисление
Секвенция F1, . . . , Fk → G1, . . . , Gl (списки как множества!).
Смысл:
i
Fi ⊃
j
Gj .
Аксиомы F → F, ослабление
Γ → ∆
F, Γ → G, ∆
.
Правила введения ∧, ∨, ¬:
Γ → F, ∆
Γ → F ∨ G, ∆
,
F, Γ → ∆ G, Γ → ∆
F ∨ G, Γ → ∆
,
F, Γ → ∆
Γ → ¬F, ∆
,
F, Γ → ∆
F ∧ G, Γ → ∆
,
Γ → F, ∆ Γ → G, ∆
Γ → F ∧ G, ∆
,
Γ → F, ∆
¬F, Γ → ∆
.
Правило сечения: F, Γ → ∆ Γ → F, ∆
Γ → ∆
.
Эквивалентны системам Фреге.
Сечение важно для длины вывода, но не для полноты.
Доказательство от противного очевидно преобразуется в прямое.5 / 6
Правило расширения
Разрешим вводить новые переменные: аксиома x ≡ F.
Фреге с правилом расширения ≡ резолюции с правилом расширения!
(Для резолюции: аксиомы (¬x ∨ a1 ∨ . . . ∨ ak) и (¬a1 ∨ x), . . . , (¬ak ∨ x).
6 / 6
Правило расширения
Разрешим вводить новые переменные: аксиома x ≡ F.
Фреге с правилом расширения ≡ резолюции с правилом расширения!
(Для резолюции: аксиомы (¬x ∨ a1 ∨ . . . ∨ ak) и (¬a1 ∨ x), . . . , (¬ak ∨ x).
Короткое доказательство принципа Дирихле:
доказываем по индукции (n + 1 → n → . . .), вводя новые переменные,
очередное m-е отображение селит m кроликов в m − 1 клеток;
тех, кто сидел, как надо (j < m), оставляем;
в клетку, где был (m + 1)-й, селим того, кто сидел в m-й клетке:
6 / 6
Правило расширения
Разрешим вводить новые переменные: аксиома x ≡ F.
Фреге с правилом расширения ≡ резолюции с правилом расширения!
(Для резолюции: аксиомы (¬x ∨ a1 ∨ . . . ∨ ak) и (¬a1 ∨ x), . . . , (¬ak ∨ x).
Короткое доказательство принципа Дирихле:
доказываем по индукции (n + 1 → n → . . .), вводя новые переменные,
очередное m-е отображение селит m кроликов в m − 1 клеток;
тех, кто сидел, как надо (j < m), оставляем;
в клетку, где был (m + 1)-й, селим того, кто сидел в m-й клетке:
q
(m)
i, j ≡ q
(m+1)
i, j ∨ (q
(m+1)
m+1, j ∧ q
(m+1)
i,m ),
q
(n+1)
i, j ≡ pi, j .
6 / 6

More Related Content

What's hot

20081116 structuralcomplexitytheory lecture09-10
20081116 structuralcomplexitytheory lecture09-1020081116 structuralcomplexitytheory lecture09-10
20081116 structuralcomplexitytheory lecture09-10Computer Science Club
 
20081012 structuralcomplexitytheory lecture03-04
20081012 structuralcomplexitytheory lecture03-0420081012 structuralcomplexitytheory lecture03-04
20081012 structuralcomplexitytheory lecture03-04Computer Science Club
 
математик анализ хичээлийн лекц № 2
математик анализ хичээлийн лекц № 2математик анализ хичээлийн лекц № 2
математик анализ хичээлийн лекц № 2narangerelodon
 
20081123 structuralcomplexitytheory lecture11-12
20081123 structuralcomplexitytheory lecture11-1220081123 structuralcomplexitytheory lecture11-12
20081123 structuralcomplexitytheory lecture11-12Computer Science Club
 
20110515 systems of typed lambda_calculi_moskvin_lecture10
20110515 systems of typed lambda_calculi_moskvin_lecture1020110515 systems of typed lambda_calculi_moskvin_lecture10
20110515 systems of typed lambda_calculi_moskvin_lecture10Computer Science Club
 
онтологический аргумент Геделя
онтологический аргумент Геделяонтологический аргумент Геделя
онтологический аргумент ГеделяVictor Gorbatov
 
556 1 алгебра. 10кл.-кузнецова, муравьева и др_минск, 2013 -271с
556 1  алгебра. 10кл.-кузнецова, муравьева и др_минск, 2013 -271с556 1  алгебра. 10кл.-кузнецова, муравьева и др_минск, 2013 -271с
556 1 алгебра. 10кл.-кузнецова, муравьева и др_минск, 2013 -271сpsvayy
 
Скорость роста функций
Скорость роста функцийСкорость роста функций
Скорость роста функцийDEVTYPE
 
презентация по математике
презентация по математике презентация по математике
презентация по математике stoevai
 
ст лекция 2
ст лекция 2ст лекция 2
ст лекция 2student_kai
 
Теорема Алона о нулях и её применения
Теорема Алона о нулях и её примененияТеорема Алона о нулях и её применения
Теорема Алона о нулях и её примененияAlex Dainiak
 
язык работы с КМАС (Yafoll сообщение 1)
язык работы с КМАС (Yafoll сообщение 1)язык работы с КМАС (Yafoll сообщение 1)
язык работы с КМАС (Yafoll сообщение 1)Alex Shkotin
 
Основы комбинаторики II. Разбор задач
Основы комбинаторики II. Разбор задачОсновы комбинаторики II. Разбор задач
Основы комбинаторики II. Разбор задачDEVTYPE
 
20110313 systems of_typed_lambda_calculi_moskvin_lecture06
20110313 systems of_typed_lambda_calculi_moskvin_lecture0620110313 systems of_typed_lambda_calculi_moskvin_lecture06
20110313 systems of_typed_lambda_calculi_moskvin_lecture06Computer Science Club
 
практика 15
практика 15практика 15
практика 15student_kai
 
Кванторные операции над предикатами. Формула логики предикатов. Тавтологии ло...
Кванторные операции над предикатами. Формула логики предикатов. Тавтологии ло...Кванторные операции над предикатами. Формула логики предикатов. Тавтологии ло...
Кванторные операции над предикатами. Формула логики предикатов. Тавтологии ло...Ильдус Ситдиков
 

What's hot (19)

20081116 structuralcomplexitytheory lecture09-10
20081116 structuralcomplexitytheory lecture09-1020081116 structuralcomplexitytheory lecture09-10
20081116 structuralcomplexitytheory lecture09-10
 
20081012 structuralcomplexitytheory lecture03-04
20081012 structuralcomplexitytheory lecture03-0420081012 structuralcomplexitytheory lecture03-04
20081012 structuralcomplexitytheory lecture03-04
 
математик анализ хичээлийн лекц № 2
математик анализ хичээлийн лекц № 2математик анализ хичээлийн лекц № 2
математик анализ хичээлийн лекц № 2
 
20081123 structuralcomplexitytheory lecture11-12
20081123 structuralcomplexitytheory lecture11-1220081123 structuralcomplexitytheory lecture11-12
20081123 structuralcomplexitytheory lecture11-12
 
20110515 systems of typed lambda_calculi_moskvin_lecture10
20110515 systems of typed lambda_calculi_moskvin_lecture1020110515 systems of typed lambda_calculi_moskvin_lecture10
20110515 systems of typed lambda_calculi_moskvin_lecture10
 
Get Ft
Get FtGet Ft
Get Ft
 
онтологический аргумент Геделя
онтологический аргумент Геделяонтологический аргумент Геделя
онтологический аргумент Геделя
 
556 1 алгебра. 10кл.-кузнецова, муравьева и др_минск, 2013 -271с
556 1  алгебра. 10кл.-кузнецова, муравьева и др_минск, 2013 -271с556 1  алгебра. 10кл.-кузнецова, муравьева и др_минск, 2013 -271с
556 1 алгебра. 10кл.-кузнецова, муравьева и др_минск, 2013 -271с
 
Скорость роста функций
Скорость роста функцийСкорость роста функций
Скорость роста функций
 
презентация по математике
презентация по математике презентация по математике
презентация по математике
 
ст лекция 2
ст лекция 2ст лекция 2
ст лекция 2
 
Теорема Алона о нулях и её применения
Теорема Алона о нулях и её примененияТеорема Алона о нулях и её применения
Теорема Алона о нулях и её применения
 
язык работы с КМАС (Yafoll сообщение 1)
язык работы с КМАС (Yafoll сообщение 1)язык работы с КМАС (Yafoll сообщение 1)
язык работы с КМАС (Yafoll сообщение 1)
 
формальные языки и грамматики
формальные языки и грамматикиформальные языки и грамматики
формальные языки и грамматики
 
Основы комбинаторики II. Разбор задач
Основы комбинаторики II. Разбор задачОсновы комбинаторики II. Разбор задач
Основы комбинаторики II. Разбор задач
 
Pr i-7
Pr i-7Pr i-7
Pr i-7
 
20110313 systems of_typed_lambda_calculi_moskvin_lecture06
20110313 systems of_typed_lambda_calculi_moskvin_lecture0620110313 systems of_typed_lambda_calculi_moskvin_lecture06
20110313 systems of_typed_lambda_calculi_moskvin_lecture06
 
практика 15
практика 15практика 15
практика 15
 
Кванторные операции над предикатами. Формула логики предикатов. Тавтологии ло...
Кванторные операции над предикатами. Формула логики предикатов. Тавтологии ло...Кванторные операции над предикатами. Формула логики предикатов. Тавтологии ло...
Кванторные операции над предикатами. Формула логики предикатов. Тавтологии ло...
 

Viewers also liked

20110204 quantum algorithms_vyali_lecture02
20110204 quantum algorithms_vyali_lecture0220110204 quantum algorithms_vyali_lecture02
20110204 quantum algorithms_vyali_lecture02Computer Science Club
 
20100919 computer vision_konushin_lecture03
20100919 computer vision_konushin_lecture0320100919 computer vision_konushin_lecture03
20100919 computer vision_konushin_lecture03Computer Science Club
 
20100810 combinatorial optimization_stein_lecture1-2
20100810 combinatorial optimization_stein_lecture1-220100810 combinatorial optimization_stein_lecture1-2
20100810 combinatorial optimization_stein_lecture1-2Computer Science Club
 
20100919 computer vision_konushin_lecture04
20100919 computer vision_konushin_lecture0420100919 computer vision_konushin_lecture04
20100919 computer vision_konushin_lecture04Computer Science Club
 
20100528 distributedinformationretrieval crestani_lecture01-02
20100528 distributedinformationretrieval crestani_lecture01-0220100528 distributedinformationretrieval crestani_lecture01-02
20100528 distributedinformationretrieval crestani_lecture01-02Computer Science Club
 
20101113 synchronizing automata_volkov_lecture02
20101113 synchronizing automata_volkov_lecture0220101113 synchronizing automata_volkov_lecture02
20101113 synchronizing automata_volkov_lecture02Computer Science Club
 
20110220 computer vision_eruhimov_lecture01
20110220 computer vision_eruhimov_lecture0120110220 computer vision_eruhimov_lecture01
20110220 computer vision_eruhimov_lecture01Computer Science Club
 
20090920 cryptoprotocols nikolenko_lecture02
20090920 cryptoprotocols nikolenko_lecture0220090920 cryptoprotocols nikolenko_lecture02
20090920 cryptoprotocols nikolenko_lecture02Computer Science Club
 
20090222 parallel programming_lecture01-07
20090222 parallel programming_lecture01-0720090222 parallel programming_lecture01-07
20090222 parallel programming_lecture01-07Computer Science Club
 
20081005 auctions nikolenko_lecture02
20081005 auctions nikolenko_lecture0220081005 auctions nikolenko_lecture02
20081005 auctions nikolenko_lecture02Computer Science Club
 
20071021 verification konev_lecture06
20071021 verification konev_lecture0620071021 verification konev_lecture06
20071021 verification konev_lecture06Computer Science Club
 
20081109 structuralcomplexitytheory lecture07-08
20081109 structuralcomplexitytheory lecture07-0820081109 structuralcomplexitytheory lecture07-08
20081109 structuralcomplexitytheory lecture07-08Computer Science Club
 
20081104 auctions nikolenko_lecture06
20081104 auctions nikolenko_lecture0620081104 auctions nikolenko_lecture06
20081104 auctions nikolenko_lecture06Computer Science Club
 
20080217 efficientalgorithms kulikov_lecture13
20080217 efficientalgorithms kulikov_lecture1320080217 efficientalgorithms kulikov_lecture13
20080217 efficientalgorithms kulikov_lecture13Computer Science Club
 
20070930 efficientalgorithms kulikov_lecture02
20070930 efficientalgorithms kulikov_lecture0220070930 efficientalgorithms kulikov_lecture02
20070930 efficientalgorithms kulikov_lecture02Computer Science Club
 
20110224 systems of_typed_lambda_calculi_moskvin_lecture01
20110224 systems of_typed_lambda_calculi_moskvin_lecture0120110224 systems of_typed_lambda_calculi_moskvin_lecture01
20110224 systems of_typed_lambda_calculi_moskvin_lecture01Computer Science Club
 
20110522 systems of typed lambda_calculi_moskvin_lecture11
20110522 systems of typed lambda_calculi_moskvin_lecture1120110522 systems of typed lambda_calculi_moskvin_lecture11
20110522 systems of typed lambda_calculi_moskvin_lecture11Computer Science Club
 

Viewers also liked (18)

20110204 quantum algorithms_vyali_lecture02
20110204 quantum algorithms_vyali_lecture0220110204 quantum algorithms_vyali_lecture02
20110204 quantum algorithms_vyali_lecture02
 
20100919 computer vision_konushin_lecture03
20100919 computer vision_konushin_lecture0320100919 computer vision_konushin_lecture03
20100919 computer vision_konushin_lecture03
 
20100810 combinatorial optimization_stein_lecture1-2
20100810 combinatorial optimization_stein_lecture1-220100810 combinatorial optimization_stein_lecture1-2
20100810 combinatorial optimization_stein_lecture1-2
 
20100919 computer vision_konushin_lecture04
20100919 computer vision_konushin_lecture0420100919 computer vision_konushin_lecture04
20100919 computer vision_konushin_lecture04
 
20100528 distributedinformationretrieval crestani_lecture01-02
20100528 distributedinformationretrieval crestani_lecture01-0220100528 distributedinformationretrieval crestani_lecture01-02
20100528 distributedinformationretrieval crestani_lecture01-02
 
20101113 synchronizing automata_volkov_lecture02
20101113 synchronizing automata_volkov_lecture0220101113 synchronizing automata_volkov_lecture02
20101113 synchronizing automata_volkov_lecture02
 
20110220 computer vision_eruhimov_lecture01
20110220 computer vision_eruhimov_lecture0120110220 computer vision_eruhimov_lecture01
20110220 computer vision_eruhimov_lecture01
 
20090920 cryptoprotocols nikolenko_lecture02
20090920 cryptoprotocols nikolenko_lecture0220090920 cryptoprotocols nikolenko_lecture02
20090920 cryptoprotocols nikolenko_lecture02
 
20090222 parallel programming_lecture01-07
20090222 parallel programming_lecture01-0720090222 parallel programming_lecture01-07
20090222 parallel programming_lecture01-07
 
20081005 auctions nikolenko_lecture02
20081005 auctions nikolenko_lecture0220081005 auctions nikolenko_lecture02
20081005 auctions nikolenko_lecture02
 
20071021 verification konev_lecture06
20071021 verification konev_lecture0620071021 verification konev_lecture06
20071021 verification konev_lecture06
 
20081109 structuralcomplexitytheory lecture07-08
20081109 structuralcomplexitytheory lecture07-0820081109 structuralcomplexitytheory lecture07-08
20081109 structuralcomplexitytheory lecture07-08
 
20081104 auctions nikolenko_lecture06
20081104 auctions nikolenko_lecture0620081104 auctions nikolenko_lecture06
20081104 auctions nikolenko_lecture06
 
20080217 efficientalgorithms kulikov_lecture13
20080217 efficientalgorithms kulikov_lecture1320080217 efficientalgorithms kulikov_lecture13
20080217 efficientalgorithms kulikov_lecture13
 
20070930 efficientalgorithms kulikov_lecture02
20070930 efficientalgorithms kulikov_lecture0220070930 efficientalgorithms kulikov_lecture02
20070930 efficientalgorithms kulikov_lecture02
 
20100926 ontology konev_lecture05
20100926 ontology konev_lecture0520100926 ontology konev_lecture05
20100926 ontology konev_lecture05
 
20110224 systems of_typed_lambda_calculi_moskvin_lecture01
20110224 systems of_typed_lambda_calculi_moskvin_lecture0120110224 systems of_typed_lambda_calculi_moskvin_lecture01
20110224 systems of_typed_lambda_calculi_moskvin_lecture01
 
20110522 systems of typed lambda_calculi_moskvin_lecture11
20110522 systems of typed lambda_calculi_moskvin_lecture1120110522 systems of typed lambda_calculi_moskvin_lecture11
20110522 systems of typed lambda_calculi_moskvin_lecture11
 

More from Computer Science Club

20140531 serebryany lecture01_fantastic_cpp_bugs
20140531 serebryany lecture01_fantastic_cpp_bugs20140531 serebryany lecture01_fantastic_cpp_bugs
20140531 serebryany lecture01_fantastic_cpp_bugsComputer Science Club
 
20140531 serebryany lecture02_find_scary_cpp_bugs
20140531 serebryany lecture02_find_scary_cpp_bugs20140531 serebryany lecture02_find_scary_cpp_bugs
20140531 serebryany lecture02_find_scary_cpp_bugsComputer Science Club
 
20140531 serebryany lecture01_fantastic_cpp_bugs
20140531 serebryany lecture01_fantastic_cpp_bugs20140531 serebryany lecture01_fantastic_cpp_bugs
20140531 serebryany lecture01_fantastic_cpp_bugsComputer Science Club
 
20140511 parallel programming_kalishenko_lecture12
20140511 parallel programming_kalishenko_lecture1220140511 parallel programming_kalishenko_lecture12
20140511 parallel programming_kalishenko_lecture12Computer Science Club
 
20140427 parallel programming_zlobin_lecture11
20140427 parallel programming_zlobin_lecture1120140427 parallel programming_zlobin_lecture11
20140427 parallel programming_zlobin_lecture11Computer Science Club
 
20140420 parallel programming_kalishenko_lecture10
20140420 parallel programming_kalishenko_lecture1020140420 parallel programming_kalishenko_lecture10
20140420 parallel programming_kalishenko_lecture10Computer Science Club
 
20140413 parallel programming_kalishenko_lecture09
20140413 parallel programming_kalishenko_lecture0920140413 parallel programming_kalishenko_lecture09
20140413 parallel programming_kalishenko_lecture09Computer Science Club
 
20140329 graph drawing_dainiak_lecture02
20140329 graph drawing_dainiak_lecture0220140329 graph drawing_dainiak_lecture02
20140329 graph drawing_dainiak_lecture02Computer Science Club
 
20140329 graph drawing_dainiak_lecture01
20140329 graph drawing_dainiak_lecture0120140329 graph drawing_dainiak_lecture01
20140329 graph drawing_dainiak_lecture01Computer Science Club
 
20140310 parallel programming_kalishenko_lecture03-04
20140310 parallel programming_kalishenko_lecture03-0420140310 parallel programming_kalishenko_lecture03-04
20140310 parallel programming_kalishenko_lecture03-04Computer Science Club
 
20140216 parallel programming_kalishenko_lecture01
20140216 parallel programming_kalishenko_lecture0120140216 parallel programming_kalishenko_lecture01
20140216 parallel programming_kalishenko_lecture01Computer Science Club
 

More from Computer Science Club (20)

20141223 kuznetsov distributed
20141223 kuznetsov distributed20141223 kuznetsov distributed
20141223 kuznetsov distributed
 
Computer Vision
Computer VisionComputer Vision
Computer Vision
 
20140531 serebryany lecture01_fantastic_cpp_bugs
20140531 serebryany lecture01_fantastic_cpp_bugs20140531 serebryany lecture01_fantastic_cpp_bugs
20140531 serebryany lecture01_fantastic_cpp_bugs
 
20140531 serebryany lecture02_find_scary_cpp_bugs
20140531 serebryany lecture02_find_scary_cpp_bugs20140531 serebryany lecture02_find_scary_cpp_bugs
20140531 serebryany lecture02_find_scary_cpp_bugs
 
20140531 serebryany lecture01_fantastic_cpp_bugs
20140531 serebryany lecture01_fantastic_cpp_bugs20140531 serebryany lecture01_fantastic_cpp_bugs
20140531 serebryany lecture01_fantastic_cpp_bugs
 
20140511 parallel programming_kalishenko_lecture12
20140511 parallel programming_kalishenko_lecture1220140511 parallel programming_kalishenko_lecture12
20140511 parallel programming_kalishenko_lecture12
 
20140427 parallel programming_zlobin_lecture11
20140427 parallel programming_zlobin_lecture1120140427 parallel programming_zlobin_lecture11
20140427 parallel programming_zlobin_lecture11
 
20140420 parallel programming_kalishenko_lecture10
20140420 parallel programming_kalishenko_lecture1020140420 parallel programming_kalishenko_lecture10
20140420 parallel programming_kalishenko_lecture10
 
20140413 parallel programming_kalishenko_lecture09
20140413 parallel programming_kalishenko_lecture0920140413 parallel programming_kalishenko_lecture09
20140413 parallel programming_kalishenko_lecture09
 
20140329 graph drawing_dainiak_lecture02
20140329 graph drawing_dainiak_lecture0220140329 graph drawing_dainiak_lecture02
20140329 graph drawing_dainiak_lecture02
 
20140329 graph drawing_dainiak_lecture01
20140329 graph drawing_dainiak_lecture0120140329 graph drawing_dainiak_lecture01
20140329 graph drawing_dainiak_lecture01
 
20140310 parallel programming_kalishenko_lecture03-04
20140310 parallel programming_kalishenko_lecture03-0420140310 parallel programming_kalishenko_lecture03-04
20140310 parallel programming_kalishenko_lecture03-04
 
20140223-SuffixTrees-lecture01-03
20140223-SuffixTrees-lecture01-0320140223-SuffixTrees-lecture01-03
20140223-SuffixTrees-lecture01-03
 
20140216 parallel programming_kalishenko_lecture01
20140216 parallel programming_kalishenko_lecture0120140216 parallel programming_kalishenko_lecture01
20140216 parallel programming_kalishenko_lecture01
 
20131106 h10 lecture6_matiyasevich
20131106 h10 lecture6_matiyasevich20131106 h10 lecture6_matiyasevich
20131106 h10 lecture6_matiyasevich
 
20131027 h10 lecture5_matiyasevich
20131027 h10 lecture5_matiyasevich20131027 h10 lecture5_matiyasevich
20131027 h10 lecture5_matiyasevich
 
20131027 h10 lecture5_matiyasevich
20131027 h10 lecture5_matiyasevich20131027 h10 lecture5_matiyasevich
20131027 h10 lecture5_matiyasevich
 
20131013 h10 lecture4_matiyasevich
20131013 h10 lecture4_matiyasevich20131013 h10 lecture4_matiyasevich
20131013 h10 lecture4_matiyasevich
 
20131006 h10 lecture3_matiyasevich
20131006 h10 lecture3_matiyasevich20131006 h10 lecture3_matiyasevich
20131006 h10 lecture3_matiyasevich
 
20131006 h10 lecture3_matiyasevich
20131006 h10 lecture3_matiyasevich20131006 h10 lecture3_matiyasevich
20131006 h10 lecture3_matiyasevich
 

20100923 proof complexity_hirsch_lecture02

  • 1. Сложность пропозициональных доказательств Эдуард Алексеевич Гирш http://logic.pdmi.ras.ru/~hirsch ПОМИ РАН 23 сентября 2010 г. 1 / 6
  • 2. Полиномиальное моделирование Определение Пусть S, W — системы для одного и того же языка L. S моделирует W (пишем S≤W ) ⇐⇒ S-док-ва — не длиннее W -док-в (с точностью до полинома p): ∀F ∈ L |кратчайшее S-док-во для F| ≤ p(|кратчайшее W -док-во для F|). 2 / 6
  • 3. Полиномиальное моделирование Определение Пусть S, W — системы для одного и того же языка L. S моделирует W (пишем S≤W ) ⇐⇒ S-док-ва — не длиннее W -док-в (с точностью до полинома p): ∀F ∈ L |кратчайшее S-док-во для F| ≤ p(|кратчайшее W -док-во для F|). S строго моделирует W (пишем S<W ), если ещё и W ≤ S. Например, CP (секущие плоскости) < Res (метод резолюций). 2 / 6
  • 4. Полиномиальное моделирование Определение Пусть S, W — системы для одного и того же языка L. S моделирует W (пишем S≤W ) ⇐⇒ S-док-ва — не длиннее W -док-в (с точностью до полинома p): ∀F ∈ L |кратчайшее S-док-во для F| ≤ p(|кратчайшее W -док-во для F|). S строго моделирует W (пишем S<W ), если ещё и W ≤ S. Например, CP (секущие плоскости) < Res (метод резолюций). Определение p-моделирование (≤p) — конструктивная версия: за полиномиальное время можно трансформировать W -доказательство размера w в S-доказательство размера p(w). 2 / 6
  • 5. Полиномиальное моделирование Определение Пусть S, W — системы для одного и того же языка L. S моделирует W (пишем S≤W ) ⇐⇒ S-док-ва — не длиннее W -док-в (с точностью до полинома p): ∀F ∈ L |кратчайшее S-док-во для F| ≤ p(|кратчайшее W -док-во для F|). S строго моделирует W (пишем S<W ), если ещё и W ≤ S. Например, CP (секущие плоскости) < Res (метод резолюций). Определение p-моделирование (≤p) — конструктивная версия: за полиномиальное время можно трансформировать W -доказательство размера w в S-доказательство размера p(w). Определение (p-)оптимальная система док-в — наименьший элемент для ≤ (≤p). 2 / 6
  • 6. Системы Фреге Определение Системой Фреге называется система, состоящая из корректных правил вида F1 F2 . . . Fk G , Fi , G — формулы логики высказываний, в качестве переменных можно подставлять произвольные формулы с выбранным множеством операций (“базисом”), вывод начинается с аксиом (где k = 0), новые формулы выводятся ( ) правилами из ранее выведенных. Пример P ⊃ (Q ⊃ P) , (¬Q ⊃ ¬P) ⊃ ((¬Q ⊃ P) ⊃ Q) , P P ⊃ Q Q , (P ⊃ (Q ⊃ R)) ⊃ ((P ⊃ Q) ⊃ (P ⊃ R)) . 3 / 6
  • 8. Системы Фреге Эквивалентность Система Фреге полна, если F ∈ L =⇒ ∗ F. Система Фреге импликативно полна, если ˜∀(F ⊃ G) =⇒ F ∗ G. 4 / 6
  • 9. Системы Фреге Эквивалентность Система Фреге полна, если F ∈ L =⇒ ∗ F. Система Фреге импликативно полна, если ˜∀(F ⊃ G) =⇒ F ∗ G. Теорема Все корректные полные импликативно полные системы Фреге полиномиально p-эквивалентны (т.е. p-моделируют друг друга). 4 / 6
  • 10. Системы Фреге Эквивалентность Система Фреге полна, если F ∈ L =⇒ ∗ F. Система Фреге импликативно полна, если ˜∀(F ⊃ G) =⇒ F ∗ G. Теорема Все корректные полные импликативно полные системы Фреге полиномиально p-эквивалентны (т.е. p-моделируют друг друга). Док-во для одинаковых базисов: промоделируем каждое правило. 4 / 6
  • 11. Системы Фреге Эквивалентность Система Фреге полна, если F ∈ L =⇒ ∗ F. Система Фреге импликативно полна, если ˜∀(F ⊃ G) =⇒ F ∗ G. Теорема Все корректные полные импликативно полные системы Фреге полиномиально p-эквивалентны (т.е. p-моделируют друг друга). Док-во для одинаковых базисов: промоделируем каждое правило. При смене базиса глубокие формулы могут вырасти! 4 / 6
  • 12. Системы Фреге Эквивалентность Система Фреге полна, если F ∈ L =⇒ ∗ F. Система Фреге импликативно полна, если ˜∀(F ⊃ G) =⇒ F ∗ G. Теорема Все корректные полные импликативно полные системы Фреге полиномиально p-эквивалентны (т.е. p-моделируют друг друга). Док-во для одинаковых базисов: промоделируем каждое правило. При смене базиса глубокие формулы могут вырасти! Непрямой перевод: F = T[G H], F = ((G H) ∧ T[1]) ∨ (¬(G H) ∧ T[0]). Ясно, что собственно операции переводятся на нижнем уровне, а уровней получается O(log . . .). 4 / 6
  • 13. Системы Фреге Эквивалентность Система Фреге полна, если F ∈ L =⇒ ∗ F. Система Фреге импликативно полна, если ˜∀(F ⊃ G) =⇒ F ∗ G. Теорема Все корректные полные импликативно полные системы Фреге полиномиально p-эквивалентны (т.е. p-моделируют друг друга). Док-во для одинаковых базисов: промоделируем каждое правило. При смене базиса глубокие формулы могут вырасти! Непрямой перевод: F = T[G H], F = ((G H) ∧ T[1]) ∨ (¬(G H) ∧ T[0]). Ясно, что собственно операции переводятся на нижнем уровне, а уровней получается O(log . . .). Остаётся научиться работать с таким представлением. 4 / 6
  • 14. Секвенциальное (генценовское) исчисление Секвенция F1, . . . , Fk → G1, . . . , Gl Смысл: i Fi ⊃ j Gj . 5 / 6
  • 15. Секвенциальное (генценовское) исчисление Секвенция F1, . . . , Fk → G1, . . . , Gl (списки как множества!). Смысл: i Fi ⊃ j Gj . Аксиомы F → F, ослабление Γ → ∆ F, Γ → G, ∆ . Правила введения ∧, ∨, ¬: Γ → F, ∆ Γ → F ∨ G, ∆ , F, Γ → ∆ G, Γ → ∆ F ∨ G, Γ → ∆ , F, Γ → ∆ Γ → ¬F, ∆ , F, Γ → ∆ F ∧ G, Γ → ∆ , Γ → F, ∆ Γ → G, ∆ Γ → F ∧ G, ∆ , Γ → F, ∆ ¬F, Γ → ∆ . 5 / 6
  • 16. Секвенциальное (генценовское) исчисление Секвенция F1, . . . , Fk → G1, . . . , Gl (списки как множества!). Смысл: i Fi ⊃ j Gj . Аксиомы F → F, ослабление Γ → ∆ F, Γ → G, ∆ . Правила введения ∧, ∨, ¬: Γ → F, ∆ Γ → F ∨ G, ∆ , F, Γ → ∆ G, Γ → ∆ F ∨ G, Γ → ∆ , F, Γ → ∆ Γ → ¬F, ∆ , F, Γ → ∆ F ∧ G, Γ → ∆ , Γ → F, ∆ Γ → G, ∆ Γ → F ∧ G, ∆ , Γ → F, ∆ ¬F, Γ → ∆ . Правило сечения: F, Γ → ∆ Γ → F, ∆ Γ → ∆ . 5 / 6
  • 17. Секвенциальное (генценовское) исчисление Секвенция F1, . . . , Fk → G1, . . . , Gl (списки как множества!). Смысл: i Fi ⊃ j Gj . Аксиомы F → F, ослабление Γ → ∆ F, Γ → G, ∆ . Правила введения ∧, ∨, ¬: Γ → F, ∆ Γ → F ∨ G, ∆ , F, Γ → ∆ G, Γ → ∆ F ∨ G, Γ → ∆ , F, Γ → ∆ Γ → ¬F, ∆ , F, Γ → ∆ F ∧ G, Γ → ∆ , Γ → F, ∆ Γ → G, ∆ Γ → F ∧ G, ∆ , Γ → F, ∆ ¬F, Γ → ∆ . Правило сечения: F, Γ → ∆ Γ → F, ∆ Γ → ∆ . Эквивалентны системам Фреге. Сечение важно для длины вывода, но не для полноты. 5 / 6
  • 18. Секвенциальное (генценовское) исчисление Секвенция F1, . . . , Fk → G1, . . . , Gl (списки как множества!). Смысл: i Fi ⊃ j Gj . Аксиомы F → F, ослабление Γ → ∆ F, Γ → G, ∆ . Правила введения ∧, ∨, ¬: Γ → F, ∆ Γ → F ∨ G, ∆ , F, Γ → ∆ G, Γ → ∆ F ∨ G, Γ → ∆ , F, Γ → ∆ Γ → ¬F, ∆ , F, Γ → ∆ F ∧ G, Γ → ∆ , Γ → F, ∆ Γ → G, ∆ Γ → F ∧ G, ∆ , Γ → F, ∆ ¬F, Γ → ∆ . Правило сечения: F, Γ → ∆ Γ → F, ∆ Γ → ∆ . Эквивалентны системам Фреге. Сечение важно для длины вывода, но не для полноты. Доказательство от противного очевидно преобразуется в прямое.5 / 6
  • 19. Правило расширения Разрешим вводить новые переменные: аксиома x ≡ F. Фреге с правилом расширения ≡ резолюции с правилом расширения! (Для резолюции: аксиомы (¬x ∨ a1 ∨ . . . ∨ ak) и (¬a1 ∨ x), . . . , (¬ak ∨ x). 6 / 6
  • 20. Правило расширения Разрешим вводить новые переменные: аксиома x ≡ F. Фреге с правилом расширения ≡ резолюции с правилом расширения! (Для резолюции: аксиомы (¬x ∨ a1 ∨ . . . ∨ ak) и (¬a1 ∨ x), . . . , (¬ak ∨ x). Короткое доказательство принципа Дирихле: доказываем по индукции (n + 1 → n → . . .), вводя новые переменные, очередное m-е отображение селит m кроликов в m − 1 клеток; тех, кто сидел, как надо (j < m), оставляем; в клетку, где был (m + 1)-й, селим того, кто сидел в m-й клетке: 6 / 6
  • 21. Правило расширения Разрешим вводить новые переменные: аксиома x ≡ F. Фреге с правилом расширения ≡ резолюции с правилом расширения! (Для резолюции: аксиомы (¬x ∨ a1 ∨ . . . ∨ ak) и (¬a1 ∨ x), . . . , (¬ak ∨ x). Короткое доказательство принципа Дирихле: доказываем по индукции (n + 1 → n → . . .), вводя новые переменные, очередное m-е отображение селит m кроликов в m − 1 клеток; тех, кто сидел, как надо (j < m), оставляем; в клетку, где был (m + 1)-й, селим того, кто сидел в m-й клетке: q (m) i, j ≡ q (m+1) i, j ∨ (q (m+1) m+1, j ∧ q (m+1) i,m ), q (n+1) i, j ≡ pi, j . 6 / 6