SlideShare une entreprise Scribd logo
1  sur  19
Dados Temporais
por
Ulrich Schiel
© COPIN - Coordenação de Pós Graduação em Informática - UFCG
POR QUE
LÓGICA TEMPORAL ?
separação entre
ESPAÇO X TEMPO
(Geometria x Aritmética)
(Métrica x Ordem)
Se ninguém me perguntar, eu sei;
se o quiser explicar, ja não sei
Santo Agostinho - (354-430)
O QUE É O TEMPO ????
N. Edelweiss & J. Palazzo M. de Oliveira “Modelagem de Aspectos
Temporais de Sistemas de Informação” IX Escola de Computação,
Recife, 1994
A. Galton “Temporal Logics and their Applications” Academic
Press, 1987
Z. Manna & A. Pnueli “The Temporal Logic of Reactive and
Concurrent Systems” Springer Verlag, 1991
U. Schiel “Aspectos Temporais em Sistemas de Informação”,
Relatório Técnico DSC 001/96, UFPB/DSC, 1996
BIBLIOGRAFIA
O TEMPO
em sistemas de informação
Modelagem
temporal
Modelagem
comportamental
Estuda os tempos
quando eventos ocorre
ou fatos existem
Estuda as ações
e reações do sistema
aos eventos
•Bancos de Dados Temporais
•Lógica temporal
•Lógica de intervalos
•Bancos de Dados Ativos
visão absolutista (Newton)
o tempo (e o espaço vazio)
existem a priori.
Lógica Temporal
visão relativista (Leibnitz)
As ’coisas’ existem no espaço
e determinam o tempo
Calendários
Lógica do Tempo
dicotomia filosófica de visão do
TEMPO e ESPAÇO
aqui
t
Qual é o ‘ZERO’
do eixo do tempo da visão absolutista?
agora
passado futuro
Analogamente:
O conjunto T do tempo é totalmente ordenado pela
relação ≤ (antes ou ao mesmo tempo), ou seja
∀t1, t2, t3∈T vale
• t1 ≤ t1 (reflexividade)
• t1 ≤t2 ∧ t2≤t1 ⇒ t1 = t2 (antisimétrica)
• t1 ≤t2 ∨ t2≤t1 (linearidade)
• (t1 ≤t2 ∧ t2≤t3) ⇒ t1≤t3 (transitividade)
Além do zero o tempo deve ter
uma ordem e uma métrica.
Além do zero o tempo deve ter uma métrica.
Uma métrica para o conjunto T do tempo é uma função
d : TxT ->> R
que associa a cada par de elementos de T um número real
tal que, para todo t1, t2 e t3 em T, temos
d(t1,t2) = 0 ⇔ t1 = t2
d(t1,t2) = d(t2,t1)
d(t1,t2) + d(t2,t3) ≥ d(t1,t3)
Se o tempo é um conjunto discreto a métrica é dada
por uma constante associada a dois pontos adjacentes,
denominada chronon. Pode ser um segundo, uma
hora, um século, etc.
Lógica: Primeira Ordem ou Modal
Considerações/modelos sobre o tempo:
elemento primitivo: Ponto ou Intervalo
Densidade: Discreto (enumerável) ou Contínuo
Espaço: Presente ou Futuro ou Passado ou Presente e Futuro
ou todos os tempos
Ordem: Linear ou Ramificado ou Paralelo
É uma Lógica Modal
Principais operadores modais
[] P - P será sempre verdadeiro
<> P - P será verdadeiro alguma vez
() P - P será verdadeiro no próximo estado
P até Q - P será verdadeiro até Q ocorrer
FATOS: [] P ↔ ~<> ~P
[] P → ()[] P
P até Q ↔ Q com (P → Q) ∧ ()<> Q
P com Q - P será verdadeiro com a próxima ocorrência de
Lógica Temporal
EXEMPLOS
1. Todo dia dou um passeio no parque
2. Alguma noite irei busca-la
3. Vou chorar até você voltar para, então, parar
Seja: P = é dia
Q = passeio no parque
R = vou buscar você
S = estou chorando
T = sua volta
Então temos:
1. [](P → <>Q) ?? [] (P → ~(~Q até ~P ))
2. <> (~P → R )
3. S até T ∧ (T → ()~S))
AXIOMAS
T1: []p ⇔ ~<>~p
T2: <>p ⇔ ~[]~p
T3: ()~p ⇔ ~()p
T4: p ⇒ <>p
T5: []p ⇒ p
T6: <>[]p ⇒ []<>p
Variantes da Lógica Temporal
Lógica Temporal com passado
[+] P - sempre no futuro [-] P - sempre no passado
<+> P - Alguma vez no futuro <-> P - alguma vez no passado
Lógica Temporal ramificada
T - em todo futuro A - em algum futuro
EXEMPLO: o programa pode dar um deadlock (D). Neste caso,
vou interromper o sistema (IS)
A(D ∧ () IS) Ou melhor: A(D) ∧ (D → () IS)
Raciocínio temporal
[](trovão ⇒ (-) raios) “todo trovão é precedido por raios”
Processamento de linguagem natural
(Termos quando, enquanto, ontem, sempre, depois, conjugação
dos verbos, ..)
Aplicações:
verificação de programas
corretude (safety) P ⇒ []Q
vitalidade (liveness) P ⇒ <>Q
precedência P ⇒ Q com R
programação concorrente
INTELIGÊNCIA ARTIFICIAL
PROGRAMAÇÃO
BANCOS DE DADOS
Consistência Temporal
Um carro deve ir para a revisão de 3 em 3 anos:
[](revisão(c) = ano-atual - 3 ⇒
<>(revisão(c) antes fim(ano-atual)
1) salários não podem baixar
temSalário(x, s) ⇒ [+] (V s’(temSalário(x,s’) ⇒ s<= s’) )
2) quem ja foi empregado, nunca mais pode ser admitido
<-> ( EXy(trabalhaPara(x,y))) ⇒ ~EXECUTABLE(admitir(x) )
Teoria Geral de Ações e Tempo de Allen
1) Entidades e relacionamentos vale(p,I) ↔ ∀ I’ ⊆ I (vale(p, I’)
2) Eventos (longos) ocorre(E, I) ↔ ∀ I’ ⊂ I (~ocorre(E, I’))
3) Processos: ocorrendo(P, I) ↔ ∃ I’ ⊆ I (ocorrendo(p, I’)
EXEMPLOS: - ontem choveu (processo)
ocorrendo(almoço, 12hs-14hs)
EXEMPLOS: a chuva de ontem (evento)
ocorre(SBBD2005, 3-7.10.2005)
EXEMPLOS:
vale(ESTUDANTE-PG(Valéria), 1.3.2003-28.2.2005)
Lógica de Intervalos de
Allen
BEFORE(I,J)
MEETS(I,J)
OVERLAP(I,J)
BEGIN(I,J)
DURING(I,J)
EQUIVALENT(I,J)
END(I,J)
Dados dois intervalos I e J, vale um dos predicados
Definição: [P]p ⇔def ¬<P>¬p
“toda execução de P torna p é verdadeiro”
Modelagem Comportamental
Lógica Dinâmica: [programa] pós-condição
Linguagem:
Programas: P, Q, ...
Proposições: p, q, r, ...
p ∨ q 
¬p  são proposições
<P>p 
P::Q 
P ∨ Q  são programas
P* 
p? 

Contenu connexe

Tendances

Listas em Prolog
Listas em PrologListas em Prolog
Listas em Prolog
Natã Melo
 
Serie trigonometrica e exponencial de fourier
Serie trigonometrica e exponencial de fourierSerie trigonometrica e exponencial de fourier
Serie trigonometrica e exponencial de fourier
Wigor Almeida
 
Cálculo diferencial e integral de várias variáveis unid iii
Cálculo diferencial e integral de várias variáveis   unid iiiCálculo diferencial e integral de várias variáveis   unid iii
Cálculo diferencial e integral de várias variáveis unid iii
Bruno Luz
 
Apostila de-estatistica-experimental-20141234567
Apostila de-estatistica-experimental-20141234567Apostila de-estatistica-experimental-20141234567
Apostila de-estatistica-experimental-20141234567
Erick Amâncio
 

Tendances (20)

Função de Distribuição Acumulada
Função de Distribuição AcumuladaFunção de Distribuição Acumulada
Função de Distribuição Acumulada
 
Exercícios - Princípio da Indução Finita (PIF)
Exercícios - Princípio da Indução Finita (PIF)Exercícios - Princípio da Indução Finita (PIF)
Exercícios - Princípio da Indução Finita (PIF)
 
Longest palindromic subsequence (LPS)
Longest palindromic subsequence (LPS)Longest palindromic subsequence (LPS)
Longest palindromic subsequence (LPS)
 
Exercícios Resolvidos: Integração por substituição trigonométrica
Exercícios Resolvidos: Integração por substituição trigonométricaExercícios Resolvidos: Integração por substituição trigonométrica
Exercícios Resolvidos: Integração por substituição trigonométrica
 
Listas em Prolog
Listas em PrologListas em Prolog
Listas em Prolog
 
Exercícios Resolvidos: Equação da reta tangente
Exercícios Resolvidos: Equação da reta tangenteExercícios Resolvidos: Equação da reta tangente
Exercícios Resolvidos: Equação da reta tangente
 
Exercícios Resolvidos: Reta normal
Exercícios Resolvidos: Reta normalExercícios Resolvidos: Reta normal
Exercícios Resolvidos: Reta normal
 
Implicação Lógica
Implicação LógicaImplicação Lógica
Implicação Lógica
 
Apresentacao series temporais
Apresentacao series temporaisApresentacao series temporais
Apresentacao series temporais
 
Tabela derivadas e integrais
Tabela derivadas e integraisTabela derivadas e integrais
Tabela derivadas e integrais
 
Introdução à Lógica de Predicados
Introdução à Lógica de PredicadosIntrodução à Lógica de Predicados
Introdução à Lógica de Predicados
 
Correlação Estatística
Correlação EstatísticaCorrelação Estatística
Correlação Estatística
 
Matemática Discreta - Introdução
Matemática Discreta - IntroduçãoMatemática Discreta - Introdução
Matemática Discreta - Introdução
 
Propagação de Incerteza em Medições
Propagação de Incerteza em MediçõesPropagação de Incerteza em Medições
Propagação de Incerteza em Medições
 
Serie trigonometrica e exponencial de fourier
Serie trigonometrica e exponencial de fourierSerie trigonometrica e exponencial de fourier
Serie trigonometrica e exponencial de fourier
 
Cálculo diferencial e integral de várias variáveis unid iii
Cálculo diferencial e integral de várias variáveis   unid iiiCálculo diferencial e integral de várias variáveis   unid iii
Cálculo diferencial e integral de várias variáveis unid iii
 
Distribuição Gama de Probabilidade - Resolução de Questão
Distribuição Gama de Probabilidade - Resolução de QuestãoDistribuição Gama de Probabilidade - Resolução de Questão
Distribuição Gama de Probabilidade - Resolução de Questão
 
Os讀書會20170504
Os讀書會20170504Os讀書會20170504
Os讀書會20170504
 
Lógica e Matemática Computacional - Aula 03
Lógica e Matemática Computacional - Aula 03Lógica e Matemática Computacional - Aula 03
Lógica e Matemática Computacional - Aula 03
 
Apostila de-estatistica-experimental-20141234567
Apostila de-estatistica-experimental-20141234567Apostila de-estatistica-experimental-20141234567
Apostila de-estatistica-experimental-20141234567
 

En vedette

Md9 estruturas algébricas
Md9 estruturas algébricasMd9 estruturas algébricas
Md9 estruturas algébricas
Ulrich Schiel
 
Matemática Discreta - Parte V relações
Matemática Discreta - Parte V relaçõesMatemática Discreta - Parte V relações
Matemática Discreta - Parte V relações
Ulrich Schiel
 
Matemática Discreta - Parte VI funções
Matemática Discreta - Parte VI funçõesMatemática Discreta - Parte VI funções
Matemática Discreta - Parte VI funções
Ulrich Schiel
 
Matemática Discreta - Parte VII estruturas algébricas
Matemática Discreta - Parte VII estruturas algébricasMatemática Discreta - Parte VII estruturas algébricas
Matemática Discreta - Parte VII estruturas algébricas
Ulrich Schiel
 
Matemática Discreta - Parte IV teoria dos-conjuntos
Matemática Discreta - Parte IV teoria dos-conjuntosMatemática Discreta - Parte IV teoria dos-conjuntos
Matemática Discreta - Parte IV teoria dos-conjuntos
Ulrich Schiel
 

En vedette (11)

Informação+Sistemas=Sistemas de Informação?
Informação+Sistemas=Sistemas de Informação?Informação+Sistemas=Sistemas de Informação?
Informação+Sistemas=Sistemas de Informação?
 
Md9 estruturas algébricas
Md9 estruturas algébricasMd9 estruturas algébricas
Md9 estruturas algébricas
 
Musica
MusicaMusica
Musica
 
MODELOS DE DADOS - Parte 1 introdução
MODELOS DE DADOS - Parte 1 introduçãoMODELOS DE DADOS - Parte 1 introdução
MODELOS DE DADOS - Parte 1 introdução
 
Md7 banco dados
Md7 banco dadosMd7 banco dados
Md7 banco dados
 
MODELOS DE DADOS - Parte 3 Bancos de Dados
MODELOS DE DADOS - Parte 3 Bancos de DadosMODELOS DE DADOS - Parte 3 Bancos de Dados
MODELOS DE DADOS - Parte 3 Bancos de Dados
 
Matemática Discreta - Parte V relações
Matemática Discreta - Parte V relaçõesMatemática Discreta - Parte V relações
Matemática Discreta - Parte V relações
 
Matemática Discreta - Parte VI funções
Matemática Discreta - Parte VI funçõesMatemática Discreta - Parte VI funções
Matemática Discreta - Parte VI funções
 
Matemática Discreta - Parte VII estruturas algébricas
Matemática Discreta - Parte VII estruturas algébricasMatemática Discreta - Parte VII estruturas algébricas
Matemática Discreta - Parte VII estruturas algébricas
 
MODELOS DE DADOS - Parte 2 Sistemas de Informação
MODELOS DE DADOS - Parte 2 Sistemas de InformaçãoMODELOS DE DADOS - Parte 2 Sistemas de Informação
MODELOS DE DADOS - Parte 2 Sistemas de Informação
 
Matemática Discreta - Parte IV teoria dos-conjuntos
Matemática Discreta - Parte IV teoria dos-conjuntosMatemática Discreta - Parte IV teoria dos-conjuntos
Matemática Discreta - Parte IV teoria dos-conjuntos
 

Similaire à Lógica temporal

13 introducao a analise de algoritmos
13   introducao a analise de algoritmos13   introducao a analise de algoritmos
13 introducao a analise de algoritmos
Ricardo Bolanho
 
Aula 05 - Transformada de Laplace.pdf
Aula 05 - Transformada de Laplace.pdfAula 05 - Transformada de Laplace.pdf
Aula 05 - Transformada de Laplace.pdf
PedroTVSouza
 
Redes Neurais Aplicacoes
Redes Neurais AplicacoesRedes Neurais Aplicacoes
Redes Neurais Aplicacoes
semanact2007
 
Dinâmica Molecular
Dinâmica MolecularDinâmica Molecular
Dinâmica Molecular
jcfa06
 

Similaire à Lógica temporal (20)

Sinais 2
Sinais 2Sinais 2
Sinais 2
 
Sistemas 2009 1
Sistemas 2009 1Sistemas 2009 1
Sistemas 2009 1
 
Capítulo 4 - Resposta no domínio do tempo.pdf
Capítulo 4 - Resposta no domínio do tempo.pdfCapítulo 4 - Resposta no domínio do tempo.pdf
Capítulo 4 - Resposta no domínio do tempo.pdf
 
Aula 3
Aula   3Aula   3
Aula 3
 
13 introducao a analise de algoritmos
13   introducao a analise de algoritmos13   introducao a analise de algoritmos
13 introducao a analise de algoritmos
 
Aula 05 - Transformada de Laplace.pdf
Aula 05 - Transformada de Laplace.pdfAula 05 - Transformada de Laplace.pdf
Aula 05 - Transformada de Laplace.pdf
 
Defesa de dissertação
Defesa de dissertaçãoDefesa de dissertação
Defesa de dissertação
 
Controle con matlab - material adicional 1.pdf
Controle con matlab - material adicional 1.pdfControle con matlab - material adicional 1.pdf
Controle con matlab - material adicional 1.pdf
 
Aula_07_Complexidade_de_Algoritmos.ppt
Aula_07_Complexidade_de_Algoritmos.pptAula_07_Complexidade_de_Algoritmos.ppt
Aula_07_Complexidade_de_Algoritmos.ppt
 
Aula_07_Complexidade_de_Algoritmos (1).ppt
Aula_07_Complexidade_de_Algoritmos (1).pptAula_07_Complexidade_de_Algoritmos (1).ppt
Aula_07_Complexidade_de_Algoritmos (1).ppt
 
Metódos de Pesquisa em C
Metódos de Pesquisa em CMetódos de Pesquisa em C
Metódos de Pesquisa em C
 
Análise exploratória e modelação com r parte 3
Análise exploratória e modelação com r  parte 3Análise exploratória e modelação com r  parte 3
Análise exploratória e modelação com r parte 3
 
Prova1d
Prova1dProva1d
Prova1d
 
Topicos de econometria de séries temporais 2020_1
Topicos de econometria de séries temporais 2020_1Topicos de econometria de séries temporais 2020_1
Topicos de econometria de séries temporais 2020_1
 
pcom_aula22_24.pdf
pcom_aula22_24.pdfpcom_aula22_24.pdf
pcom_aula22_24.pdf
 
Redes Neurais Aplicacoes
Redes Neurais AplicacoesRedes Neurais Aplicacoes
Redes Neurais Aplicacoes
 
Dinâmica Molecular
Dinâmica MolecularDinâmica Molecular
Dinâmica Molecular
 
Pequeno teorema de fermat
Pequeno teorema de fermatPequeno teorema de fermat
Pequeno teorema de fermat
 
06 complexidade de problemas
06   complexidade de problemas06   complexidade de problemas
06 complexidade de problemas
 
48-aula48-modelosTemporais.pdf
48-aula48-modelosTemporais.pdf48-aula48-modelosTemporais.pdf
48-aula48-modelosTemporais.pdf
 

Lógica temporal

  • 1. Dados Temporais por Ulrich Schiel © COPIN - Coordenação de Pós Graduação em Informática - UFCG
  • 2. POR QUE LÓGICA TEMPORAL ? separação entre ESPAÇO X TEMPO (Geometria x Aritmética) (Métrica x Ordem)
  • 3. Se ninguém me perguntar, eu sei; se o quiser explicar, ja não sei Santo Agostinho - (354-430) O QUE É O TEMPO ????
  • 4. N. Edelweiss & J. Palazzo M. de Oliveira “Modelagem de Aspectos Temporais de Sistemas de Informação” IX Escola de Computação, Recife, 1994 A. Galton “Temporal Logics and their Applications” Academic Press, 1987 Z. Manna & A. Pnueli “The Temporal Logic of Reactive and Concurrent Systems” Springer Verlag, 1991 U. Schiel “Aspectos Temporais em Sistemas de Informação”, Relatório Técnico DSC 001/96, UFPB/DSC, 1996 BIBLIOGRAFIA
  • 5. O TEMPO em sistemas de informação Modelagem temporal Modelagem comportamental Estuda os tempos quando eventos ocorre ou fatos existem Estuda as ações e reações do sistema aos eventos •Bancos de Dados Temporais •Lógica temporal •Lógica de intervalos •Bancos de Dados Ativos
  • 6. visão absolutista (Newton) o tempo (e o espaço vazio) existem a priori. Lógica Temporal visão relativista (Leibnitz) As ’coisas’ existem no espaço e determinam o tempo Calendários Lógica do Tempo dicotomia filosófica de visão do TEMPO e ESPAÇO
  • 7. aqui t Qual é o ‘ZERO’ do eixo do tempo da visão absolutista? agora passado futuro Analogamente:
  • 8. O conjunto T do tempo é totalmente ordenado pela relação ≤ (antes ou ao mesmo tempo), ou seja ∀t1, t2, t3∈T vale • t1 ≤ t1 (reflexividade) • t1 ≤t2 ∧ t2≤t1 ⇒ t1 = t2 (antisimétrica) • t1 ≤t2 ∨ t2≤t1 (linearidade) • (t1 ≤t2 ∧ t2≤t3) ⇒ t1≤t3 (transitividade) Além do zero o tempo deve ter uma ordem e uma métrica.
  • 9. Além do zero o tempo deve ter uma métrica. Uma métrica para o conjunto T do tempo é uma função d : TxT ->> R que associa a cada par de elementos de T um número real tal que, para todo t1, t2 e t3 em T, temos d(t1,t2) = 0 ⇔ t1 = t2 d(t1,t2) = d(t2,t1) d(t1,t2) + d(t2,t3) ≥ d(t1,t3) Se o tempo é um conjunto discreto a métrica é dada por uma constante associada a dois pontos adjacentes, denominada chronon. Pode ser um segundo, uma hora, um século, etc.
  • 10. Lógica: Primeira Ordem ou Modal Considerações/modelos sobre o tempo: elemento primitivo: Ponto ou Intervalo Densidade: Discreto (enumerável) ou Contínuo Espaço: Presente ou Futuro ou Passado ou Presente e Futuro ou todos os tempos Ordem: Linear ou Ramificado ou Paralelo
  • 11. É uma Lógica Modal Principais operadores modais [] P - P será sempre verdadeiro <> P - P será verdadeiro alguma vez () P - P será verdadeiro no próximo estado P até Q - P será verdadeiro até Q ocorrer FATOS: [] P ↔ ~<> ~P [] P → ()[] P P até Q ↔ Q com (P → Q) ∧ ()<> Q P com Q - P será verdadeiro com a próxima ocorrência de Lógica Temporal
  • 12. EXEMPLOS 1. Todo dia dou um passeio no parque 2. Alguma noite irei busca-la 3. Vou chorar até você voltar para, então, parar Seja: P = é dia Q = passeio no parque R = vou buscar você S = estou chorando T = sua volta Então temos: 1. [](P → <>Q) ?? [] (P → ~(~Q até ~P )) 2. <> (~P → R ) 3. S até T ∧ (T → ()~S))
  • 13. AXIOMAS T1: []p ⇔ ~<>~p T2: <>p ⇔ ~[]~p T3: ()~p ⇔ ~()p T4: p ⇒ <>p T5: []p ⇒ p T6: <>[]p ⇒ []<>p
  • 14. Variantes da Lógica Temporal Lógica Temporal com passado [+] P - sempre no futuro [-] P - sempre no passado <+> P - Alguma vez no futuro <-> P - alguma vez no passado Lógica Temporal ramificada T - em todo futuro A - em algum futuro EXEMPLO: o programa pode dar um deadlock (D). Neste caso, vou interromper o sistema (IS) A(D ∧ () IS) Ou melhor: A(D) ∧ (D → () IS)
  • 15. Raciocínio temporal [](trovão ⇒ (-) raios) “todo trovão é precedido por raios” Processamento de linguagem natural (Termos quando, enquanto, ontem, sempre, depois, conjugação dos verbos, ..) Aplicações: verificação de programas corretude (safety) P ⇒ []Q vitalidade (liveness) P ⇒ <>Q precedência P ⇒ Q com R programação concorrente INTELIGÊNCIA ARTIFICIAL PROGRAMAÇÃO
  • 16. BANCOS DE DADOS Consistência Temporal Um carro deve ir para a revisão de 3 em 3 anos: [](revisão(c) = ano-atual - 3 ⇒ <>(revisão(c) antes fim(ano-atual) 1) salários não podem baixar temSalário(x, s) ⇒ [+] (V s’(temSalário(x,s’) ⇒ s<= s’) ) 2) quem ja foi empregado, nunca mais pode ser admitido <-> ( EXy(trabalhaPara(x,y))) ⇒ ~EXECUTABLE(admitir(x) )
  • 17. Teoria Geral de Ações e Tempo de Allen 1) Entidades e relacionamentos vale(p,I) ↔ ∀ I’ ⊆ I (vale(p, I’) 2) Eventos (longos) ocorre(E, I) ↔ ∀ I’ ⊂ I (~ocorre(E, I’)) 3) Processos: ocorrendo(P, I) ↔ ∃ I’ ⊆ I (ocorrendo(p, I’) EXEMPLOS: - ontem choveu (processo) ocorrendo(almoço, 12hs-14hs) EXEMPLOS: a chuva de ontem (evento) ocorre(SBBD2005, 3-7.10.2005) EXEMPLOS: vale(ESTUDANTE-PG(Valéria), 1.3.2003-28.2.2005)
  • 18. Lógica de Intervalos de Allen BEFORE(I,J) MEETS(I,J) OVERLAP(I,J) BEGIN(I,J) DURING(I,J) EQUIVALENT(I,J) END(I,J) Dados dois intervalos I e J, vale um dos predicados
  • 19. Definição: [P]p ⇔def ¬<P>¬p “toda execução de P torna p é verdadeiro” Modelagem Comportamental Lógica Dinâmica: [programa] pós-condição Linguagem: Programas: P, Q, ... Proposições: p, q, r, ... p ∨ q  ¬p  são proposições <P>p  P::Q  P ∨ Q  são programas P*  p? 