Cap tulo 2

L ogica y Computaci on
2.1. Objetivo de la l ogica

La importancia de la L ogica viene siendo reconocida desde la antig uedad, ya los griegos sab an que el razonamiento es un proceso sujeto a ciertos esquemas y que, al menos parcialmente, est a gobernado por leyes perfectamente formulables (Arist oteles fue el primero en intentar describir las leyes de la l ogica). Pero su importancia en la actualidad se debe sin duda al destacado papel que ha tomado recientemente en los m as diversos campos de las Ciencias de la Computaci on. 1 No debemos sorprendernos por este hecho, ya que, como expone magistralmente Hofstadter en su libro G odel, Escher y Bach. Un Eterno y Gr acil Bucle,2 . . . la l ogica naci o como un intento de mecanizar los procesos intelectivos del razonamiento . . . De hecho, si se pretenden mecanizar tareas tales como: - C alculos basados en operaciones aritm eticas (que el hombre puede memorizar y aplicar sin necesidad de razonar). - B usqueda de datos (por simple comparaci on con un patr on dado). - Clasicaci on u ordenaci on de datos (siguiendo un criterio establecido). no es necesario aplicar la L ogica (en el sentido de ciencia). Pero si pretendemos mecanizar tareas inteligentes , tareas en las que interviene destacadamente la capacidad deductiva del hombre, como las involucradas en los campos de las Ciencias de la Computaci on citados, se requiere: - Tener conocimiento sobre el dominio. - Razonar con tal conocimiento. - Conocer c omo dirigir o guiar tal razonamiento
1 Comprensi on del Lenguaje Natural, Teor a de Aut omatas y Lenguajes Formales, Diagnosis, Simulaci on de Circuitos Digitales, Planicaci on, Control Autom atico, An alisis, S ntesis y Vericaci on de Programas, Programaci on l ogica, Inteligencia Articial, Control de Procesos, Rob otica, Bases de Datos. . . 2 D.R. Hofstadtter. G odel, Escher y Bach. Un Eterno y Gracil Bucle. TUSQUETS Eds. 4a ed. 1992.

24

CAP ITULO 2. LOGICA Y COMPUTACION

para todo ello es preciso denir (con claridad y precisi on) y analizar los procesos inferenciales que el hombre ejercita de modo natural. Este es el objetivo de la l ogica. Sin embargo, las inquietudes te oricas en el campo de la automatizaci on del razonamiento, distan mucho temporalmente de las consecuciones. As , la idea de crear un lenguaje simb olico aparece en la Edad Media con Raimundo Lulio,3 pero no tuvo exito en la epoca. La raz on, como indican Gochet y Gribomont,4 es que: . . . desgraciadamente, el nivel de la Ciencia y en particular de las Matem aticas era muy bajo en la epoca . . . La historia de la L ogica Computacional puede ser trazada al menos desde Hobbes y Leibniz en el siglo XVII, Boole y Frege en el siglo XIX, Herbrand y Gentzen en 1930 y Robinson en 1960, todos ellos matem aticos.5 Sus trabajos constituyen la base de lo que hoy se entiende por Ciencias de la Computaci on. Son muchas las deniciones posibles para la l ogica y quiz as la m as est andar es la siguiente: . . . la l ogica es la ciencia que tiene como objetivo el an alisis de los m etodos de razonamiento . . . Desde su papel crucial en computaci on, encontramos nuevas deniciones que reejan nuestro inter es. 6 Recogemos la de Johan van Benthem (junto con otros autores) en su texto Logic in Action : La l ogica es una teor a de tareas informacionales claves ejecutadas por actores cognitivos que razonan, aprenden, act uan e interact uan con otros de modo inteligente. En este texto, estudiaremos la l ogica que analiza la validez de las construcciones del lenguaje natural llamadas razonamientos deductivos (o inferencias deductivas), es decir, construcciones que responden al esquema: Si . . . y . . . y . . . y . . . y . . . , entonces . . . y que utilizamos para establecer que cierta armaci on (la conclusi on ) se deriva , deduce o inere deductivamente de otras (las hip otesis ). En todo su quehacer, como ya destac o Arist oteles, la l ogica se interesa en la forma y no en el contenido de los razonamientos. Por ejemplo, consideremos los dos razonamientos deductivos siguientes, cuya validez nadie pondr a en duda: 1. Si Par s es la capital de Espa na y Roma es la capital de Italia, entonces Par s es la capital de Espa na. 2. Todos los malague nos miden m as de dos metros. Juan es malague no. Por lo tanto, Juan mide m as de dos metros.
I.M. Boch enski. Historia de la L ogica Formal. Ed. Gredos. 1976. P. Gochet, E.Gregoire y P. Gribomont. From Standard Logic to Logic Programming. Introducing a Logic Based Approach to Articial Intelligence. A.Thayse Editors JOHN WILEY & SONS. 1988. 5 J.W. Lloyd.Ed. Computational Logic. Symposium Proceedings Brussels. Basic Research Series. Springer Verlag.1990. 6 van Benthem, J; van Ditmarsch, H; van Eijck, J and Jaspars, J., Logic in Action. Springer-Verlag. 1980.
4 3

 2.2. TIPOS DE LOGICAS

25

El primero tiene la forma: si A y B, entonces A, y el segundo, que responde al tipo de razonamiento referido por los griegos como silogismo , tiene la forma: Todos los A son B , C es un A. Por lo tanto, C es un B La validez de estas formas de argumentaci on es el objetivo de la l ogica deductiva. La verdad o falsedad de las hip otesis y de la conclusi on (como ocurre en el primer ejemplo) no conciernen a la l ogica. Su objetivo es u nicamente: conocer si de las hip otesis es l cito inferir la conclusi on, si la informaci on que recoge la conclusi on est a impl cita en la informaci on que recogen las hip otesis, y establecer m etodos v alidos de inferencia, es decir, poder contestar a las preguntas siguientes: es l cito inferir de las hip otesis H1 , H2 , . . . , Hn la conclusi on C ?, Existen m etodos l citos de inferencia?; Existen m etodos l citos de inferencia que son automatizables?. Con esta concepci on como punto de partida, para contestar a las anteriores preguntas, habr a que establecer con claridad: 1. El tipo de construcciones del lenguaje natural que aceptamos como hip otesis y como conclusi on. 2. El grado de an alisis sobre tales construcciones. 3. El planteamiento de partida sobre la noci on de verdad o falsedad. Todo ello, dar a lugar a diversos tipos de l ogicas.

2.2.

Tipos de L ogicas

Entre las diversas l ogicas, y como referencia y fundamento de todas las dem as, se encuentra la l ogica cl asica o est andar , la m as ampliamente estudiada desde que George Boole expusiera sus ntesis podemos describir como sigue: Leyes de la Verdad en 1854 7 y a la que en s considera u nicamente frases declarativas del lenguaje natural, las cuales consideramos que solo admiten dos posibles valores de verdad: o son verdaderas o son falsas (es decir, la l ogica cl asica es bivaluada). considera que podemos pronunciarnos acerca del valor de verdad de una frase declarativa de un modo absoluto, sin recurrir a consideraciones de contexto alguno. Nos pronunciamos sobre su valor de verdad sin tener en cuenta en que momento se declaran, ni en qu e lugar, ni cu al es nuestro grado de conocimiento previo, . . . contempla la verdad composicionalmente, es decir, el valor de verdad de una frase compuesta queda totalmente determinado por la verdad de las frases simples componentes (es decir, la l ogica cl asica es veritativo-funcional o extensional).
George. Boole. An Investigation of the Laws of Thought on Which are Founded the Mathematical Theories of Logic and Probabilities. Dover, New York, 1958.
7

26

CAP ITULO 2. LOGICA Y COMPUTACION El estudio sobre tales construcciones se realiza en dos niveles de an alisis estructural, seg un se contemplen u nicamente construcciones declarativas simples y compuestas o bien, en cada armaci on simple se distinga qu e se declara y de qu e o qui en se declara. Estos dos niveles dan lugar a la l ogica cl asica proposicional y a la l ogica cl asica de predicados, respectivamente.

El t ermino l ogica no cl asica, es un t ermino gen erico usado para referir a cualquier l ogica diferente a una l ogica que posea las caracter sticas que acabamos de se nalar. Por lo tanto, ser a no cl asica cualquier l ogica que, al analizar la correcci on de los razonamientos, permita considerar contextos (temporales, de creencia, de necesidad y posibilidad, . . . ); no se limite a contemplar como valores de verdad u nicamente el 0 y el 1; no sea veritativo-funcional; . . . Aunque las l ogicas no cl asicas han adquirido mayor protagonismo por su papel en las Ciencias de la Computaci on, surgieron antes de la existencia de los ordenadores. Los l osofos griegos ya cuestionaban el etiquetar los enunciados de verdaderos sin contemplar la verdad por necesidad o la verdad por posibilidad o sin contemplar que existen enunciados cuya verdad es temporal. . . Smullyan 8 arma sobre la necesidad de las l ogicas no cl asicas: . . . no es que la l ogica cl asica d e respuestas incorrectas a ciertas cuestiones, sino que ciertas cuestiones no pueden ser expresadas en ella f acilmente , de modo natural o en un modo computacionalmente eciente . . . Hoy d a es una cuesti on abierta conseguir una rigurosa clasicaci on de las l ogicas no cl asicas. a de las l ogicas no cl asicas, son: Siguiendo a Susan Haak 9 , la mayor - Extensiones de la l ogica cl asica: Pueden hablar y analizar razonamientos que la l ogica cl asica no puede, extendiendo el vocabulario b asico de esta. Ejemplos de este tipo de l ogicas son aquellas en las que el an alisis de los razonamientos consideran contextos de tiempo (l ogicas temporales ), de conocimiento (l ogicas epist emicas ), de creencia (l ogicas dox asticas ), etc. - Desviaciones o rivales de la l ogica cl asica: Utilizan el mismo vocabulario que la l ogica cl asica, pero no mantienen algunas de las leyes de esta. Un ejemplo signicativo de l ogica rival es el de la l ogica Intuicionista o constructivista, que no contempla como ley la ley del tercero excluido (A A siempre es verdadera). Esta l ogica fue introducida por Brouwer. Para un intuicionista, A es verdadero solo si es posible dar constructivamente una realizaci on de A o probar constructivamente la existencia de A y, obviamente, existen armaciones para las que no es posible dar constructivamente una realizaci on ni de ella ni de su negaci on. Otras l ogicas de este tipo son las l ogicas difusas, abductivas, paraconsistente, probabil stica, etc. A todas ellas les prestaremos atenci on en sucesivos textos. En este solo trataremos la l ogica cl asica proposicional.

2.3.

Expectativas y Limitaciones de la L ogica en Computaci on

La visi on de la l ogica que hemos adoptado, enfocada al an alisis de razonamientos o inferencias y con el objetivo nal de aplicaciones computacionales conlleva, como destaca el l ogico matem atico 10 Martin-L of , los cuatro aspectos siguientes:
En R. M. Smullyan. First-Order Logic. Springer-Verlag, 1968. Vuelto a publicar por Dover en 1995. Susan Haak. Philosophy of Logics. Cambridge University Press. 1978. 10 P. Martin-L of. Truth of a proposition, evidence of a judgement, validity of a proof. Synthese, 73, 1987.
9 8

 2.3. EXPECTATIVAS Y LIMITACIONES DE LA LOGICA EN COMPUTACION el lenguaje, la sem antica, una teor a de la demostraci on, y la automatizaci on de las deducciones.

27

En esta secci on, describimos cada uno de estos cuatro aspectos enmarc andolos en un contexto general y, particularizando a la l ogica cl asica, comentamos brevemente los resultados que generan expectativas y los que establecen limitaciones respecto al uso de la l ogica en computaci on.

2.3.1.

El Lenguaje

Todo m etodo formal para abordar una tarea, requiere la elecci on de las cadenas de s mbolos que constituir an el lenguaje utilizado para describir el conocimiento sobre el dominio en el que se enmarca dicha tarea. Ello conlleva la descripci on de los s mbolos y las palabras (combinaciones permitidas de s mbolos) que se utilizar an para representar las construcciones del lenguaje natural de forma no ambig ua y de modo que quede reejado el grado de an alisis pretendido. Este aspecto se recoge mediante lo que se denomina lenguaje formal que denimos en esta secci on. En adelante, llamaremos alfabeto a un conjunto numerable de s mbolos a. Un lenguaje L sobre a es un subconjunto no vac o del lenguaje universal sobre a, es decir L a =
nN

an

Llamaremos a los elementos de L palabras o f ormulas bien formadas (en adelante, fbfs). As pues, un lenguaje L viene determinado por: (i) Un conjunto numerable, a, de s mbolos, llamado alfabeto del lenguaje. (ii) Un conjunto de reglas de formaci on que determinan qu e cadenas de s mbolos del alfabeto son palabras o fbfs del lenguaje. Estas reglas de formaci on constituyen la gram atica o sintaxis del lenguaje. Si ambos conjuntos est an denidos sin hacer referencia alguna al signicado de los s mbolos, el lenguaje se denomina lenguaje formal.
r r Puesto que el alfabeto a es numerable, podemos asegurar que el cardinal del lenguaje universal sobre a es innito numerable, es decir, |a | = 0 , en consecuencia, podemos asegurar que el n umero de palabras o fbfs de cualquier lenguaje, L, sobre a es, a lo sumo innito numerable, es decir, |L| 0

El estudio de los lenguajes formales tiene un papel destacado en la construcci on de compiladores para lenguajes de programaci on. En efecto, habitualmente, la sintaxis de un lenguaje de programaci on viene dada como una gram atica, es decir, mediante un conjunto de reglas que describen qu e programas son sint acticamente l citos. Por ejemplo, en el lenguaje Pascal, las declaraciones if vienen denidas por la regla if-declaraci on := if-expresi on then-declaraci on [else-declaraci on]

Las propiedades de estas gram aticas se estudian en el marco de los lenguajes formales .

28
rr

CAP ITULO 2. LOGICA Y COMPUTACION

Advi ertase que diversos lenguajes pueden tener el mismo alfabeto (su diferencia la establecen sus diferentes reglas de formaci on).

Ejemplo 2.1 1. Dado el conjunto a = {, }, denimos el siguiente lenguaje L1 sobre a: (i) y , son fbfs de L1 . (ii) Si es una fbf de L1 entonces es tambi en una fbf de L1 . en una fbf de L1 . (iii) Si es una fbf de L1 entonces es tambi Por lo tanto, y son palabras de L1 y no es una palabra de L1 . 2. El lenguaje MIU: 11 Dado el conjunto a = {M, I, U }, L2 = a es un lenguaje sobre a. Es decir, cualquier cadena nita que consta de los s mbolos M , I , y U es una palabra de L2 . 3. El lenguaje mg : Dado el conjunto a = {, m, g}, L3 a es el lenguaje sobre a denido como sigue: Las fbfs son las cadenas de a que satisfacen - su primer y u ltimo s mbolo es . - tanto m como g intervienen exactamente una vez en la cadena y la ocurrencia de m es anterior a la ocurrencia de g Por lo tanto, mg y m g son palabras de L3 y las cadenas m g y m g m no son cadenas de L3 .

Lenguaje y Metalenguaje A un lenguaje formal se le denomina lenguaje objeto y al lenguaje utilizado para describirlo se le denomina metalenguaje. La l ogica utiliza como metalenguaje el lenguaje natural, la teor a intuitiva de conjuntos. . . . Ejemplo 2.2 Cuando en el lenguaje mg (introducido en el ejemplo anterior 2.1) utilizamos expresiones como: sea m g una fbf del lenguaje, tenemos que ser conscientes de que , y no son s mbolos del lenguaje (recordemos que solo , m y g lo son), sino que son s mbolos del metalenguaje. Utilizamos una cadena como m g para representar cualquier fbf del lenguaje y en ella , y denotan cadenas de guiones. Por lo tanto, (de acuerdo con la denici on del lenguaje mg) tendremos que poner una restricci on a y : que ambas sean cadenas no vac as de guiones (sin embargo, s puede ser una cadena vac a de guiones).
11

D. Hofstadter. G odel, Escher, Bach, un gr acil y eterno bucle. Ed. Tusquets, 1992.

 2.3. EXPECTATIVAS Y LIMITACIONES DE LA LOGICA EN COMPUTACION

29

2.3.2.

La Sem antica

En la l ogica cl asica proposicional que vamos a considerar en este texto, la sem antica tiene como n dar signicado a las fbfs del lenguaje a partir de su estructura sint actica y establecer la noci on (sem antica) de deducci on. Cuando ponemos en relaci on las fbfs del lenguaje con los entes (concretos o abstractos) por ellas designados (a los que consideramos sus signicados o valores sem anticos), damos el paso de la sintaxis a la sem antica. Establecer esta relaci on requiere como herramientas los conceptos de interpretaci on, modelo, . . . , que vamos a introducir a continuaci on. Denici on 2.1 Dado un conjunto de valores sem anticos o signicados, S , una interpretaci on, I , para un lenguaje L es una funci on que asocia un signicado o valor sem antico a cada fbf de L, es decir, una interpretaci on es una aplicaci on I : L S . El problema en estudio, el ambito en el que queramos razonar, determinar a un subconjunto, D S que destaca un subconjunto de valores sem anticos. A este subconjunto, D , se le denomina conjunto de los valores sem anticos (o significados) destacados. Como veremos, ser a este conjunto el que nos permitir a introducir el concepto de razonamiento v alido. En la l ogica cl asica, el conjunto de valores sem anticos es {verdad, falsedad} y verdad es el valor sem antico destacado. As pues, cada interpretaci on nos permite una lecturade las fbfs del lenguaje formal, le asigna un signicado a cada fbf. Denotaremos por I el conjunto de interpretaciones consideradas, es decir, I S L . En denitiva, I es el conjunto de posibles lecturas que consideramos para las palabras del lenguaje. Dado un lenguaje formal L, a una terna (S, D, I ) se le denomina una sem antica para L. Para establecer la noci on de razonamiento v alido, nos interesa conocer qu e interpretaci on lee o interpreta la fbf con un valor sem antico destacado: Denici on 2.2 Sea L un lenguaje formal y (S, D, I ) una sem antica para L. Una interpretaci on, I I , es un modelo para una fbf A del lenguaje L, si asigna a A un valor destacado, es decir, si I (A) D . El conjunto de modelos de A se denota Mod(A) y nos detalla toda la informaci on contenida en A, todas las formas posibles de modelizarla. Una interpretaci on, I I , es un contramodelo para una fbf A del lenguaje L, si asigna a A un valor no destacado, es decir, si I (A) D . El conjunto de contramodelos de A se denota C ontramod(A). Una interpretaci on, I I , es un modelo para un conjunto de fbfs L del lenguaje L si es un modelo de todas y cada una de las fbfs de , es decir, I (A) D para toda A (I asigna a todas la fbfs en un valor destacado). El conjunto de modelos de se denota Mod(). Una interpretaci on, I I , es un contramodelo modelo para un conjunto de fbfs del lenguaje L si es un contramodelo de alguna fbf de , es decir, existe A tal que I (A) D (I asigna a alguna fbf en un valor no destacado). El conjunto de contramodelos de se denota C ontramod() Denici on 2.3

30

CAP ITULO 2. LOGICA Y COMPUTACION Una fbf, A L se dice modelizable o satisfacible si existe al menos una interpretaci on I I tal que I (A) D , es decir, Mod(A) = . En consecuencia, una fbf, A L, es no modelizable o insatisfacible si para toda interpretaci on I I se tiene que I (A) D , es decir, Mod(A) = . Un conjunto de fbfs, L, se dice modelizable o satisfacible si tiene al menos un modelo, es decir, Mod() = . Un conjunto de fbfs, L, es no modelizable o insatisfacible si no tiene modelos, es decir, Mod() = .

Una vez dada la noci on de modelo, se dispone de todo lo requerido para establecer las nociones de validez, e inferencia sem antica (qu e entendemos al decir que unas fbfs son deducidas o derivadas de otras). Denici on 2.4 Una fbf, A L, se dice v alida, denotado |= A, si toda interpretaci on es un modelo para A, es decir, Mod() = I . Dado un conjunto de fbfs L y una fbf C L, se dice que C se deriva, deduce o infiere sem anticamente de , denotado |= C , si todo modelo para es un modelo para C , es decir, Mod() Mod(C ). Denominamos Teor a de Modelos para un lenguaje L, a un par (L, S ), donde S = (S, D, I ) es una sem antica para L, es decir: S es el conjunto de valores sem anticos, D S el conjunto de valores destacados, y I el conjunto de interpretaciones De nuevo, en el campo de la programaci on, la formalizaci on de la sem antica de programas permite, dada una especicaci on formal de la computaci on deseada, demostrar la correcci on de un programa respecto a la especicaci on. Ejemplo 2.3 Vamos a dar una teor a de modelos para el lenguaje mg del ejemplo 2.1. Denimos el conjunto de valores sem anticos como S = {(n, m, l) | n, m, l N} y el conjunto de valores sem anticos destacados D , como el siguiente subconjunto de S : D = {(n, m, l) S | n + m = l} As pues, (3, 24, 27) D (es un valor sem antico destacado) y (3, 24, 21) D (es un valor sem antico no destacado). Ahora denimos el conjunto de interpretaciones. I = {Ik | k N}; Ik : L3 S

donde Ik ( m g) = (a, b, c), con a = k long(), b = k long( ) y c = k long(). Con esta denici on, se tiene que I6 (m g ) = (18, 6, 12), I3 (m g ) = (9, 3, 12) y I0 ( m g ) = (0, 0, 0). Tenemos pues que:

 2.3. EXPECTATIVAS Y LIMITACIONES DE LA LOGICA EN COMPUTACION

31

La interpretaci on I0 es un modelo para m g , porque I0 ( m g ) = (0 3, 0 1, 0 2) = (0, 0, 0) D , La interpretaci on I3 no es un modelo para m g , porque I3 es un contramodelo para ella. En efecto, I3 ( m g ) = (9, 3, 6) D (9 + 3 = 12), y La fbf m g es v alida, ya que para todo k N, se tiene que Ik ( m g ) = (3k, k, 4k) D (3k + k = 4k)

Todas las fbfs son modelizables, ya que I0 es un modelo para toda fbf del lenguaje.

r r Conviene destacar que el conjunto de fbfs modelizables y el conjunto de fbfs v alidas depende de cada uno de los elementos de la terna (S, D, I ). Consideremos de nuevo el ejemplo anterior. Mantenemos el mismo conjunto de valores sem anticos, S = {(n, m, l) | n, m, l N}, y el mismo conjunto de valores sem anticos destacados D = {(n, m, l) S | n + m = l}. Pero ahora consideramos el conjunto de interpretaciones I = {Ik | k N, k = 0}; Ik : L3 S}

donde cada Ik se dene de igual modo, es decir, Ik ( m g ) = (a, b, c), con a = k long (), b = k long ( ) y c = k long ( ). Ahora tenemos que: La fbf m g es insatisfacible, es decir, no tiene ning un modelo, porque para todo k = 0, se tiene que Ik ( m g ) = (3k, k, 2k ) D, ya que 3k + k = 2k . La fbf m g es v alida, ya que para todo k N, k = 0, se tiene que Ik ( m g ) = (3k, k, 4k ) D (3k + k = 4k )

2.3.3.

Teor a de la Demostraci on

Especicar un mecanismo deductivo para el lenguaje formal, es decir, un mecanismo que permita obtener una fbf de otras, sin hacer referencia a interpretaci on alguna, nos lleva a la teor a de la demostraci on. En particular, en los llamados Sistemas Axiom aticos sobre un lenguaje L, el mecanismo deductivo viene dado por: 1. Un conjunto nito o innito numerable, Axiom, de fbfs de L, llamadas axiomas (es decir, Axiom L). 2. Un conjunto de reglas de inferencia, deducci on o transformaci on que establecen cu ando una fbf de L es consecuencia inmediata de una o varias fbfs de L. Los axiomas pueden ser considerados como reglas de inferencia sin hip otesis. Las reglas de inferencia suelen ser introducidas como patrones formales o esquemas y, si bien su elecci on

32

CAP ITULO 2. LOGICA Y COMPUTACION

viene dictada por la sem antica, en su uso se realiza una abstracci on total de los signicados, es decir, se manipulan las componentes del lenguaje de un modo puramente sint actico. 12 Denici on 2.5 Una demostraci on en un sistema axiom atico, SAxiom es una secuencia nita de fbfs del lenguaje formal asociado, en la cual cada fbf es o un axioma de SAxiom o una consecuencia inmediata (seg un dictan las reglas de inferencia) de una o m as fbfs precedentes en la secuencia. Si la u ltima fbf de una demostraci on es A, se dice que la secuencia es una demostraci on de A en SAxiom . Denici on 2.6 Una fbf, A, se dice es un teorema en un sistema axiom atico SAxiom , denotado SAxiom A (o simplemente A, si no hay lugar a confusi on), si existe para ella una demostraci on. Obviamente, los axiomas de SAxiom son teoremas de SAxiom . Podemos caracterizar el conjunto de los teoremas como un conjunto minimal de fbfs que contiene al conjunto de los axiomas y es cerrado para las reglas de inferencia.
r r As pues, los teoremas son los productos manufacturados de una f abrica peculiar, en la que la materia prima son los axiomas y las m aquinas las reglas de inferencia.

r r De la denici on anterior se tiene que en una demostraci on de longitud n, si m < n y consideramos los m primeros elementos de la secuencia, tenemos una demostraci on del m- esimo elemento de la secuencia. Por tanto todas las fbfs de una demostraci on son teoremas.

Denici on 2.7 Una deducci on de una fbf A desde un conjunto de fbfs en un sistema axiom atico SAxiom , denotado SAxiom A, es una secuencia nita de fbfs del lenguaje formal asociado, en la cual cada fbf es o un axioma de SAxiom , una fbf de o una consecuencia inmediata (seg un dictan las reglas de inferencia) de una o m as fbfs precedentes en la secuencia. Las fbfs de se suelen llamar hip otesis o premisas, en cuyo caso decimos que A es una conclusi on de las hip otesis.
r r As pues, en una deducci on, los productos manufacturados por una deducci on (en nuestra peculiar f abrica), utilizan como materia prima no solo los axiomas, sino tambi en las hip otesis, es decir, las fbfs de (las m aquinas siguen siendo las reglas de inferencia).

r r Es obvia, por tanto la relaci on existente entre demostraciones y deducciones. Si en un sistema axiom atico SAxiom se tiene que A entonces toda deducci on de A desde es una demostraci on de A en un sistema SAxiom tal que SAxiom tiene las mismas reglas de inferencia que S y sus axiomas son los axiomas de SAxiom junto con todas las fbfs de . La noci on de demostraci on como deducci on l ogica de un teorema a partir de un conjunto de axiomas fue divulgada por primera vez por Euclides en sus Elementos , 13 sin embargo no se dispone de una denici on rigurosa hasta Leibniz en el siglo XVII.

El nivel puramente sint actico es la base de la fuerte conexi on entre L ogica y Computaci on, ya que en esta u ltima, los procesos simb olicos juegan un destacado papel. 13 Euclides. The Thirteen Books of The Elements. Dover, New York, 1956.

12

 2.3. EXPECTATIVAS Y LIMITACIONES DE LA LOGICA EN COMPUTACION Propiedad de Monoton a

33

En el Ejercicio 3 se propone demostrar una propiedad destacada del concepto de deducci on , la propiedad de monoton a : Si y A entonces A. Es decir: si aumentamos el conjunto de hip otesis, se mantiene o aumenta el conjunto de conclusiones. Las l ogicas que poseen esta propiedad se denominan l ogicas no mon otonas. La L ogica cl asica es mon otona. Sin embargo, existen l ogicas (no cl asicas) que no son mon otonas y que son u tiles (m as a un, imprescindibles) para modelizar el razonamiento del sentido com un, en el que en ocasiones hemos de revisar nuestras conclusiones al aumentar nuestro conocimiento. La relaci on de consecuencia deductiva que acabamos de denir, tiene tambi en otras dos propiedades inmediatas: es reflexiva, es decir: para toda fbf A se tiene que A es transitiva, es decir: Si A y {A} B , entonces B Ejemplo 2.4 footnoteD. Hofstadter. G odel, Escher, Bach, un gr acil y eterno bucle. Ed. Tusquets, 1992. Denamos un sistema axiom atico sobre el lenguaje MIU (dado en el ejemplo 2.1), al que tambi en llamaremos el sistema MIU: Axioma: MI Reglas de inferencia: R1. De una fbf I , se tiene como consecuencia inmediata IU . R2. De una fbf M , se tiene como consecuencia inmediata M . R3. De una fbf III , se tiene como consecuencia inmediata U . R4. De una fbf U U , se tiene como consecuencia inmediata . donde y representan cualquier cadena de s mbolos del alfabeto {M, I, U } (incluida la cadena vac a). Veamos que MUIUI es un teorema del sistema axiom atico MIU. Para comprobarlo, todo lo que tenemos que hacer es dar una demostraci on, es decir, mostrar como generarlo a partir del axioma MI y las reglas de inferencia: : 1. MI 2. MII 3. MIIII 4. MUI 5. MUIUI Ax.1 De 1. y R2 De 2. y R2 De 3. y R3 De 4. y R2

34

CAP ITULO 2. LOGICA Y COMPUTACION

Ahora podemos armar que MUIUI es un teorema del Sistema MIU. Este enunciado no es un teorema de MIU, sino una armaci on verdadera acerca del sistema MIU, es decir, es un metateorema acerca de MIU. Con este ejemplo, reejamos las acciones en el sistema como un juego puramente sint actico, sin pretender reejar aspecto alguno de la realidad, sin esperar que los teoremas tengan ning un signicado (no hemos dotado al lenguaje MIU de ninguna sem antica). Ejemplo 2.5 [De Hofstadter 14 ] Denamos ahora un sistema axiom atico sobre el lenguaje mg (dado en el ejemplo 2.1), al que llamamos asimismo el sistema mg: Axiomas: Toda fbf de mg que responde al esquema m g es un axioma. Regla de inferencia: De una fbf de mg que responde al esquema mg, se tiene como consecuencia inmediata m g. A diferencia de MIU, para el lenguaje mg, hemos denido una sem antica y un sistema axiom atico. Los tres aspectos expuestos hasta ahora (lenguaje, sem antica y teor a de la demostraci on), suelen ser agrupados diciendo que disponemos de una teor a formal. antiDenici on 2.8 Sea una teor a formal T = (L, (S, D, I ), SAxiom ), donde (S, D, I ) es una sem ca para el lenguaje L y SAxiom es un sistema axiom atico para el lenguaje L. Una interpretaci on, I I es un modelo para la teor a T , si es un modelo para el conjunto de teoremas de T . En una teor a formal, la teor a de modelos (descrita por (S, D, I )) y la teor a de la demostraci on (descrita por SAxiom ), se desarrollan con el objetivo (no siempre alcanzable) de que coincidan, es decir, de modo que si una fbf es derivable sem anticamente tambi en sea derivable sint acticamente, y viceversa. Esta interacci on es precisamente lo que hace de la l ogica una herramienta atractiva. Las propiedades que relacionan una teor a de modelos y una teor a de la demostraci on sobre un lenguaje formal son referidas como correcci on de la teor a (la derivabilidad sint actica asegura la derivabilidad sem antica) y completitud de la teor a (la derivabilidad sem antica asegura la derivabilidad sint actica). Denici on 2.9 Una teor a formal se dice correcta si cumple que Si A entonces |= A En particular, en una teor a correcta todo teorema es una fbf v alida. Una teor a formal se dice completa si cumple que Si |= A entonces A En particular, en una teor a completa toda fbf v alida es un teorema.

14

D. Hofstadter. G odel, Escher, Bach, un gr acil y eterno bucle. Ed. Tusquets, 1992.

 2.3. EXPECTATIVAS Y LIMITACIONES DE LA LOGICA EN COMPUTACION

r r Conseguir una teor a correcta es un objetivo f acilmente alcanzable, basta elegir como axiomas fbfs v alidas y exigir que las reglas de inferencia respeten la validez, es decir, que las consecuencias inmediatas de fbfs v alidas sean fbfs v alidas 15 . Por el contrario, la completitud es m as dif cil ya que hemos de asegurar que no hemos olvidado ning un axioma, ni ninguna regla necesaria para la completitud. A un m as, la completitud no siempre es alcanzable, ello se debe a que con ella se pretende (nada menos!) caracterizar sint acticamente la validez, es decir caracterizar sint acticamente nuestra comprensi on (recogida en la sem antica) sobre ciertos aspectos del mundo real; lo cual es a veces imposible, por excesivamente ambicioso.

35

Ejemplo 2.6 - El lenguaje mg dado en el ejemplo 2.1, con la sem antica dada en el ejemplo 2.3 y el sistema axiom atico dado en el ejemplo 2.4, es una teor a correcta y completa. - Como probaremos m as adelante, tanto la l ogica cl asica proposicional como la l ogica de predicados de primer orden, disponen de sistemas axiom aticos correctos y completos. un sistema axiom atico en - El Teorema de incompletitud de G odel 16 arma que no existe ning 17 el que todas las verdades de la teor a de n umeros sean demostrables. A un cuando dispongamos de una teor a completa, desafortunadamente, la mayor a de los teoremas de completitud para un sistema de demostraci on dado, prueban que si una fbf (o inferencia) es v alida, existe para ella una demostraci on (o deducci on) en el sistema, pero no indican c omo encontrarla. Consecuentemente, para hacer de la l ogica una herramienta no solo atractiva sino tambi en efectiva, es preciso considerar un cuarto aspecto, el aspecto computacional.

2.3.4.

La Automatizaci on de las Deducciones

Esta componente es tambi en de naturaleza sint actica y est a estrechamente ligada al aparato deductivo. Es la componente intr nsecamente computacional, ya que pretende disponer de un procedimiento de decisi on (algoritmo ) tal que, dada una fbf, A, (respectivamente, un conjunto de fbfs, , y una fbf C ), decida en un n umero nito de etapas si A es o no v alida (respectivamente, si C se deduce o no de ).
r r Nuestro objetivo es encontrar procedimientos de decisi on. Los problemas en los que estamos interesados son problemas de decisi on, es decir, problemas en los que sea cual sea la inferencia de entrada, la salida sea SI o NO.

La b usqueda de tales procedimientos se denomina en la bibliograf a Demostraci on Autom atica de Teoremas, y a los algoritmos se les denomina ATPs (Automated Theorem Provers). Si una l ogica dispone de un ATP, se dice que es decidible. La l ogica proposicional cl asica es decidible, pero Church y Turing demostraron independientemente en 1936 que la l ogica cl asica de predicados de primer orden no lo es.
Si en nuestra particular f abrica la materia prima (Axiomas) es de color azul y las m aquinas (Reglas de Inferencia) respetan el color, los productos fabricados (Teoremas) ser an azules. 16 E. Mendelson. Introduction to Mathematical Logic. Wadsworth & Brook/Cole, third edition, 1987. J. H. Gallier. Logic for Computer Science: Foundations for Automatic Theorem Proving. Wiley & Sons, 1987. D. Hofstadter. G odel, Escher, Bach, un gr acil y eterno bucle. Ed. Tusquets, 1992. 17 M as precisamente, el Teorema de incompletitud de G odel arma que toda axiomatizaci on recursivamente enumerable y consistente de la Aritm etica es incompleta.
15

36

CAP ITULO 2. LOGICA Y COMPUTACION

En la l ogica proposicional cl asica, como veremos a lo largo de los siguientes cap tulos, validez, demostraci on y computaci on son equivalentes. Para la l ogica cl asica de predicados de primer orden, la demostraci on autom atica de teoremas solo podr a aspirar a encontrar procedimientos llamados de semidecisi on, es decir, procedimientos que garantizan la respuesta armativa si su entrada es una fbf (respectivamente, una deducci on) v alida pero, cuando la entrada no es v alida puede dar respuesta o no terminar. Una l ogica tal se dice semidecidible. Una medida de la eciencia de un algoritmo es su complejidad computacional la cual, dada una entrada, E , se expresa mediante una funci on que relaciona el tama no de la entrada, T (E ), y el n umero de etapas o recursos de computaci on, R(E ), requeridas para proporcionar la salida. Una vez determinados T (E ) y R(E ), es preciso establecer la relaci on existente entre ellas. La eciencia de los procedimientos en que estamos interesados puede depender de muchos factores 18 : El lenguaje en el que las fbfs han de ser expresadas. El conjunto de reglas de inferencia disponibles en el m etodo. La t ecnica de elecci on de una regla en el conjunto posible de estas, y la elecci on de una o m as fbfs a la que aplicar la regla. El espacio requerido por el m etodo para efectuar una demostraci on. La posibilidad de usar teoremas auxiliares en la demostraci on. Pero de nuevo, en cuanto a la consecuci on de eciencia, nos encontramos con una limitaci on: Aunque los computadores actuales son capaces de ejecutar con rapidez multitud de c alculos, existen problemas cuya complejidad es tal que requieren excesivo tiempo o bien excesivo espacio de memoria para ser resueltos con un computador. Esto signica que, aunque se disponga de algoritmos para resolverlos, todos ellos requieren (en el peor caso) 19 una cantidad exponencial de espacio de memoria y/o un n umero exponencial de etapas en t erminos del tama no del problema. Tales problemas son referidos como intratables, en contraposici on a los problemas denominados tratables para los que se dispone de algoritmos que, para todas las entradas, requieren a lo sumo una cantidad polin omica de tiempo y memoria. Restringi endonos a la l ogica, incluso para una l ogica decidible como la l ogica cl asica proposicional, no se conoce si el problema de comprobar la satisfacibilidad de una fbf (existencia de un modelo para la fbf), referido como SAT, o de comprobar la validez de una fbf, referido como TAUT, 20 son tratables, pero se conjetura que no lo son. Podemos concluir pues que la demostraci on autom atica de teoremas ha de centrarse en la b usqueda de ATPs que solo tomen un tiempo excesivo para determinar la validez de una fbf o inferencia en casos excepcionales, y que se ejecuten satisfactoriamente en la mayor a de las entradas.

18 19

W. Zhang. Cut elimination and automatic proof procedures. Theoretical Computer Science, 91, 1991. es decir el valor m aximo de R(E ) para cada T (E ) 20 Se denomina TAUT, debido a que las fbfs v alidas en la l ogica cl asica proposicional se llaman tautolog as.

2.4. EJERCICIOS

37

2.4.

Ejercicios

1. Dena los lenguajes L1 y L3 del ejemplo 2.1, como conjuntos inductivos libremente generados. Describa el arbol asociado a cada fbf de L1 y L3 . 2. Razone si son o no ciertas las armaciones siguientes: MUIIU es un teorema del sistema MIU. MU es un teorema del sistema MIU. UMII es un teorema del sistema MIU. Todo teorema del sistema MIU tiene como primer s mbolo M .

3. Demuestre que en un sistema axiom atico son ciertas las siguientes armaciones: i) (Propiedad de monoton a ) Si y A entonces A. ii) (Propiedad de Compacidad ) Si A entonces existe nito tal que y A iii) Si A y existe tal que para toda fbf B se tiene que B , entonces A. 4. Considere el lenguaje mg dado en el ejemplo 2.1, con la sem antica descrita en el ejemplo 2.3 y el sistema axiom atico descrito en el ejemplo 2.4, es una teor a correcta? es completa? 5. Sea Vprop = {p, q, r, . . . , p0 , q0 , r0 , . . . , pn , qn , rn , . . . , }, y sea S = {(, ), [, ]}. Sea O1 = {, , , , } y a1 = Vprop S O1 . Sea O2 = {, } y a2 = Vprop S O1 O2 . considere los lenguajes:21 a ) L1 a 1 en el que sus elementos son elementos de Vprop , o bien de la forma (X ), o de la forma [X ] para X L1 o bien de la forma X donde X L1 o de la forma (X Y ) donde X, Y L1 y {, , , }. b ) L2 a sticas de los de L1 pero adem as 2 en el que sus elementos cumplen las caracter puede contener elementos de la forma X donde X L2 y {, }. A partir del conjunto base Vprop , determine un conjunto de constructores denidos a partir ausuras de dependientes de O1 y de O1 O2 respectivamente, para expresar L1 y L2 como cl inductivas libremente generadas. 6. Se considera el conjunto de valores sem anticos S = {0, 1 2 , 1}. a ) Cu antas funciones f : S S (de aridad uno) pueden denirse sobre S ? Es decir, cu antos operadores monarios distintos pueden denirse sobre una l ogica trivaluada? b ) Cu antas de las funciones anteriores no son constantes? c ) Cu antas funciones f : S S S (de aridad dos) pueden denirse sobre S ? Es decir, cu antos operadores binarios distintos pueden denirse sobre una l ogica trivaluada? d ) Generalice los resultados anteriores para el caso en el que el cardinal de S sea n, esto es, para una l ogica n-valuada.
Los lenguajes L1 y L2 son los lenguajes de la l ogica proposicional cl asica y la l ogica modal proposicional cl asica respectivamente.
21

38

CAP ITULO 2. LOGICA Y COMPUTACION