Relativierte Berechnungen und die arithmetische Hierachie
|
|
- Manfred Neumann
- vor 5 Jahren
- Abrufe
Transkript
1 Berechenbarkeit und Komplexität Wintersemester 2010/ Relativierte Berechnungen und die arithmetische Hierachie Relativierte Berechnungen und Orakel Definition 1 Eine Menge A ist entscheidbar mit Orakel B, falls A T B gilt, d.h., falls es eine Orakel-Turingmaschine M mit A = M(B) gibt. Eine Menge A ist rekursiv aufzählbar (r.a.) mit Orakel B, falls es eine Orakel-Turingmaschine M gibt, welche mit Orakel B den Definitionsbereich A hat, d.h., falls gilt A = {x N: M(x, B) }. Falls A mit Orakel B entscheidbar ist, sagt man auch, A ist entscheidbar relativ zu oder entscheidbar in B, und entsprechend sagt man auch, A sei r.a. relativ zu oder r.a. in B. Viele Resultate über unrelativierte Berechnungen lassen sich mit sehr änhnlichen Beweisen auf den Fall relativierter Berechnungen übertragen. Bemerkung 2 Wie im unrelativierten Fall kann man zeigen, dass eine Menge A genau dann mit Orakel B aufzählbar ist, falls es eine mit einem geeigneten Ausgabemechanismus ausgestattete Orakel-Turingmaschine gibt, welche mit Orakel B eine Folge x 0, x 1,... ausgibt, so dass die Menge A gleich der Menge {x 0, x 1,...} ist. Satz 3 Es seien A und B Mengen. (i) A ist genau dann entscheidbar in B, wenn A und das Komplement A von A r.a. in B sind. (ii) A ist genau dann entscheidbar in B, wenn A relativ zu B eine monotone Aufzählung der Form x 0 x 1 x 2... hat. Definition 4 Es sei B eine Menge und M 0, M 1,... sei die Standardaufzählung aller Orakel-Turingmaschinen. Die Menge H B = {e: M e (e, B) } wird als (diagonales) Halteproblem relativ zu B, als Sprung von B oder als Jump von B bezeichnet. Die Abbildung X H X heißt Sprungoperator oder Jump operator.
2 2 Wolfgang Merkle Für H B wird auch die Schreibweise B benutzt (gesprochen: B Strich, englisch B prime oder B jump). Satz 5 Für alle Mengen A und B ist A genau dann r.a. relativ zum Orakel B, wenn A m-reduzierbar auf H B ist. Beweis. Gilt A m H B vermöge einer berechenbaren Funktion f, so kann die Menge A mit Orakel B wie folgt aufgezählt werden. Für s = 0, 1,... berechne für alle x s den Wert f(x) und simuliere dann für jeweils s Schritte die Berechnung von M f(x) (f(x), B). Zähle alle x auf, bei denen diese simulierte Berechnung terminiert. Nach Konstruktion werden nur x in A aufgezählt. Andererseits gibt es für jedes x in A ein s das so groß ist, dass die Berechnung von M f(x) (f(x), B) in höchstens s Schritten terminiert. Ist umgekehrt A r.a. mit Orakel B, dann gibt es eine Orakel-Turingmaschine M, so dass der Definitionsbereich von M mit Orakel B gleich A ist, d.h., für alle x ist x genau dann in A, wenn M bei Eingabe x und Orakel B terminiert. Betrachte nun zu gegebenem x eine neue Orakel- Turingmaschine M h(x), so dass für alle y und alle Orakel X gilt M(x, X) = M h(x) (y, X), d.h., bei gegebenem Orakel X verhält sich die Orakel-Turingmaschine M h(x) bei jeder Eingabe y so wie M bei Eingabe x. Die Abbildung h kann dabei berechenbar gewählt werden und nach Konstruktion gilt für alle x x A M(x, B) M h(x) (h(x), B) h(x) H B, A ist also m-reduzierbar auf H B vermöge h. Da jede Menge auf sich selbst m-reduzierbar ist, erhalten wir folgenden Spezialfall von Satz 5. Korollar 6 Für alle Mengen B ist das Halteproblem relativ zu B r.a. mit Orakel B. Satz 7 Für alle Mengen B ist B m-reduzierbar auf H B und somit entscheidbar mit Orakel H B, aber H B ist nicht entscheidbar mit Orakel B, d.h., es gilt B m H B und H B T B.
3 Berechenbarkeit und Komplexität Wintersemester 2010/ Beweis. Es sei B eine Menge und M 0, M 1,... sei die Standardaufzählung aller Orakel-Turingmaschinen. Es sei h eine berechenbare Funktion, so dass für alle x die Orakel-Turingmaschine M h(x) bei Eingabe y und Orakel X genau dann terminiert, wenn x in X ist. Dann gilt x B M h(x) (h(x), B) h(x) H B, d.h., es gilt B m H B vermöge h und damit auch B T H B. Weiter nehmen wir für einen Beweis durch Widerspruch an, dass H B entscheidbar relativ zu B ist. Dann ist die durch { 1 + M e (e, B), falls e H B, g(e) = 0 sonst, defnierte Funktion g mit Orakel B berechenbar, im Widerspruch dazu, dass sich g an der Stelle e von der Funktion unterscheidet, welche von der Orakel-Turingmaschine M e mit Orakel B berechnet wird. Satz 8 Ist eine Menge A T-reduzierbar auf eine Menge B, dann ist das Halteproblem relativ zu A m-reduzierbar auf das Halteproblem relativ zu B, d.h., es gilt A T B impliziert H A m H B. Insbesondere folgt aus A = T B, dass H A = m H B gilt. Beweis. Es gelte A T B und M sei eine Orakel-Turingmaschine mit A = M(B). Zu einer Orakel-Turingmaschine M e betrachte eine Orakel-Turingmaschine M h(e), welche bei Eingabe y und Orakel X die Rechnung von M e bei Eingabe e simuliert, dabei aber als Antwort auf jede Orakelfrage z den Wert M(z, X) benutzt (und nicht terminiert, falls einer dieser Werte nicht definiert ist). Für alle Indizes e arbeitet M h(e) also bei jeder Eingabe wie M e bei Eingabe e, wobei in der Berechnung von M e an Stelle des tatsächlichen Orakels X das Orakel M(X) benutzt wird, falls die entsprechenden Werte von M(X) definiert sind. Die Abbildung h kann dabei berechenbar gewählt werden. Da nach Wahl von M für alle z der Wert M(z, B) definiert ist, gilt für alle y M e (e, A) = M h(e) (y, B) = M h(e) (h(e), B).
4 4 Wolfgang Merkle Insbesondere gilt also für alle e e H A M e (e, A) M h(e) (h(e), B) h(e) H B. Es folgt H A m H B vermöge h. Iteriert man die Anwendung des Jumpoperator X K X, mit der leeren Menge beginnend, so erhält man eine Folge von Mengen,,,.... Definition 9 Es sei [0] = und für n > 0 sei [n] = H [n 1]. Korollar 10 Für alle n > 0 gilt, dass die Menge [n] r.a., aber nicht entscheidbar mit Orakel [n 1] ist. Definition 11 Eine Relation R N k heißt entscheidbar, falls die Menge { x 1,..., x k : (x 1,..., x k ) R} entscheidbar ist. Definition 12 Es sei n N. Eine Menge A ist eine Σ n -Menge, falls es eine entscheidbare Relation R gibt, so dass für alle x N gilt x A y 1 y 2... Qy n R(x 1, y 1,..., y n ), wobei Q für einen Allquantor steht, falls n gerade ist, und sonst für einen Existenzquantor. Eine Menge A ist eine Π n -Menge, falls es eine entscheidbare Relation R gibt, so dass für alle x N gilt x A y 1 y 2... Qy n R(x 1, y 1,..., y n ), wobei Q für einen Existenzquantor steht, falls n gerade ist, und sonst für einen Allquantor. Eine Menge A ist eine n -Menge, falls A sowohl Σ n - Menge, als auch Π n -Menge ist. Die Klasse aller Σ n -, Π n - und n -Mengen wird mit Σ n, Π n bzw. n bezeichnet. Eine Menge B heißt arithmetisch, falls B in einer der Klassen Σ n oder Π n enthalten ist, die Klasse aller arithmetischen Mengen heißt arithmetische Hierarchie. Bemerkung 13 Die Klasse Σ 0 = Π 0 = 0 = 1 enthält genau die entscheidbaren Mengen. Für alle n sind die Σ n -Mengen gerade die Komplemente der Π n -Mengen und umgekehrt. Eine Menge A ist genau dann Σ 1, wenn A rekursiv aufzählbar, und A ist genau dann Π 1, wenn A das Komplement einer rekursiv aufzählbaren Menge ist.
5 Berechenbarkeit und Komplexität Wintersemester 2010/ Lemma 14 Für alle n 0 sind die Klassen Σ n, Π n und n jeweils gegen die mengentheoretischen Operationen Vereinigung und Durchschnitt abgeschlossen, d.h., liegen zwei Mengen A und B in einer dieser Klassen, dann auch deren Vereinigung A B und Durchschnitt A B. Beweis. Seien A und B zwei Σ n -Mengen mit x A y 1 y 2... Q n y n R A (x, y 1,..., y n ), x B y 1 y 2... Q n y n R B (x, y 1,..., y n ), dann gilt aus rein logischen Gründen x A B y 1 ỹ 1 y 2 ỹ 2... Q n y n Q n ỹ n [R A (x, y 1,..., y n ) or R B (x, ỹ 1,..., ỹ n )]. Für Π n -Mengen schließt man analog, und ebenso für den Fall des Durchschnitts. Die Aussage für Klassen der Form n folgt, da Mengen A und B in n nach Definition Σ n und Π n sind und dies nach den bereits bewiesenen Abschlusseigenschaften auch für A B und A B gilt. Satz 15 Für alle n 1 gilt Σ n Π n Σ n+1 Π n+1 = n+1 Σ n+1 Π n+1 Beweis. Die linke Inklusionsbeziehung gilt nach Definiton der beteiligten Klassen. Zum Beispiel ist jede Σ n -Menge auch Π n+1 -Menge, wie man durch Voranstellen eines irrelevanten Allquantors in einer entsprechenden Σ n -Darstellung sieht. Die rechte Inklusionsbeziehung gilt trivialerweise. Die Nichtinklusionen folgen aus dem folgenden Satz 16. Zum Beispiel ist [n+1] eine Σ n+1 -Menge, aber keine Σ n -Menge, da sonst [n+1] m- reduzierbar auf [n] wäre. Weiter ist [n+1] keine Π n+1 -Menge, da sonst das Komplement von [n+1] eine Σ n+1 -Menge und damit ebenso wie die Menge [n+1] selbst r.a. in [n] wäre. Dann wäre aber [n+1] entscheidbar mit Orakel [n].
6 6 Wolfgang Merkle Satz 16 (Satz von Post) Für alle n 0 und alle Mengen A sind die folgenden Aussagen äquivalent. (i) A ist eine Σ n+1 -Menge. (ii) A ist m-reduzierbar auf [n+1]. (iii) A ist r.a. in [n]. (iv) A ist r.a. in einer Σ n -Menge. (v) A ist r.a. in einer Π n -Menge. Beweis. Wir zeigen die Äquivalenz der Aussagen durch Induktion über n. Für n = 0 sind alle fünf Aussagen äquivalent dazu, dass die Menge A r.a. ist. Dies folgt für Aussage (iii) wegen [n] =, für Aussage (ii) aus Satz 5, und für die restlichen Aussagen aus Bemerkung 13. Im Induktionsschritt sei nun n > 0. (ii) (iii): Die Äquivalenz der zweiten und dritten Aussage ergibt sich als Spezialfall von Satz 5, wenn man dort die Menge B gleich [n] setzt. (iii) (iv): Aus der Äquivalenz der ersten und zweiten Aussage in der Induktionsvoraussetzung folgt sofort, dass [n] m-vollständig für die Klasse der Σ n -Mengen ist. Also ist [n] eine Σ n -Menge, woraus sofort die Implikation (iii) (iv) folgt, und jede andere Σ n -Menge ist mit Orakel [n] entscheidbar, woraus dann die Implikation (iv) (iii) folgt. (iv) (v): Wenn die Menge A relativ zu einem Orakel A in Σ n r.a. ist, dann ist auch A r.a. relativ zum Orakel Ā r.a., welches in Π n liegt, und umgekehrt. (i) (v): Sei A Σ n+1 -Menge mit x A y 1 y 2... Q n y n [R(x, y 1,..., y n )] für eine entscheidbare Relation R. Setzt man nun R( x, y 1,..., y n ) = R(x, y 1,..., y n ) und definiert man die Menge B durch x, y 1 B y 2... Q n y n [ R( x, y 1,..., y n )], so ist B eine Π 2 -Menge. Da x A genau dann gilt, wenn es ein y 1 mit x, y 1 B gibt, kann man die Menge A relativ zum Orakel B aufzählen. (iv) (i): Sei A r.a. in einer Π n -Menge B. Dann gibt es eine Orakel- Turingmaschine M und eine entscheidbare Relation R mit x A M(x, B) und z B y 1 y 2... Q n y n R(x, y 1,..., y n ).
7 Berechenbarkeit und Komplexität Wintersemester 2010/ Indem wir eine effektiv und effektiv invertierbare bijektive Abbildung zwischen der Menge der Wörter über dem Alphabet {0, 1} und der Menge der natürlichen Zahlen festlegen, können wir Wörter über {0, 1} und natürliche Zahlen miteinander identifizieren. Ist zum Beispiel w 0, w 1,... eine effektiv gegebene Folge in der jedes Wort über {0, 1} genau einmal vorkommt, so kann man w i mit der Zahl i identifizieren. Nimmt man an, dass eine Orakel-Turingmaschine in s Schritten nur auf die ersten s Bits des Orakelbands zugreifen kann, dann gilt für alle x x A w s[ M(x, w) in höchstens s Schritten & w B]. (1) entscheidbar gegeben die Werte von x, w und s Σ n+1 Dabei bedeutet M(x, w), dass die Rechnung von M bei Eingabe x terminiert, falls auf dem Orakelband eine Menge mit Präfix w steht und dass weiter bei der entsprechenden Rechnung nur auf die ersten w Stellen des Orakels zugegriffen wird. Ob M(x, w) in höchstens s Schritten gilt, kann für gegebene Werte von x, w und s durch Simulation von M effektiv entschieden werden. Um A als Σ n+1 -Menge nachzuweisen, genügt es also gemäß (1) zu zeigen, dass die Menge der Präfixe w von B eine Σ n+1 -Menge ist. Für jedes Wort w = w(0)w(1)... w(l 1) der Länge l gilt w B j l[(w(j) = 0 j / B)&(w(j) = 1 j B)] j l[w(j) = 0 j / B] & j l[w(j) = 1 j B] j l [ w(j) = 1 entscheidbar or j / B] Σ n Σ n Σ n & j l [ w(j) = 0 entscheidbar or j B]. Π n } {{ } } Π {{ n } Π n } {{ } Σ n+1 Dabei wird verwendet, dass nach Lemma 14 Klassen der Form Σ n und Π n gegen Vereinigung und Durchschnitt abgeschlossen sind. Weiter kann man zeigen, dass Voranstellen des beschränkten Quantors j l wieder zu einer Σ n -Menge führt. Indexmengen und die Stufen der arithmetischen Hierarchie Nach dem Satz von Rice sind nichttriviale Indexmengen nicht entscheidbar. In natürlicher Weise sich ergebende Indexmengen sind meist arithmetisch und darüberhinaus oft auch vollständig für eine Klasse der Form Σ n oder Π n in der arithmetischen Hierarchie.
8 8 Wolfgang Merkle Definition 17 Eine Menge B heißt m-vollständig für eine Klasse von Mengen, falls die Menge B selbst in der Klasse liegt und jede Menge in dieser Klasse m-reduzierbar auf B ist. Der Begriff T-vollständig wird entsprechend definiert. Eine Menge heißt Σ n -vollständig, falls die Menge m-vollständig für die Klasse Σ n ist. Der Begriff Π n -vollständig ist entsprechend definiert. Beispiel 18 Die Menge Nonempty = {e: W e } ist Σ 1 -vollständig. Zunächst ist Nonempty eine Σ 1 -Menge, da für alle e gilt e Nonempty x s[m e (x) terminiert in s Schritten]. Ist nun A eine weitere Σ 1 -Menge, dann gibt es eine entscheidbare Relation R, so dass für alle x gilt x A yr(x, y). Damit ist die zweistellige partielle Funktion { 1, falls R(x,y) gilt, ϕ(x, y) = sonst. partiell berechenbar, es gilt also ϕ = ϕ (2) e für einen Index e. Mit dem s-mn-theorem folgt dann, dass es eine berechenbare Funktion g gibt, so dass für alle x und y gilt ϕ (2) e (x, y) = ϕ g(e,x) (y). Nach Konstruktion ist genau dann, wenn x in A liegt der Definitionsbereich W g(e,x) von ϕ g(e,x) nichtleer, also ist A m-reduzierbar auf die Menge Nonempty vermöge der berechenbaren Funktion x g(e, x). Beispiel 19 Die Menge Fin = {e: W e ist endlich } ist Σ 2 -vollständig. Zunächst ist Fin eine Σ 2 -Menge, für alle e gilt e Fin b x s[m e (x) terminiert in s Schritten x b]. Ist nun A eine weitere Σ 2 -Menge, dann gibt es eine entscheidbare Relation R, so dass für alle x gilt x A y zr(x, y, z) und x / A y z R(x, y, z). Damit ist die zweistellige partielle Funktion 1, falls es für alle y y ein z gibt, ϕ(x, y) = so dass R(x, y, z) nicht gilt, sonst.
9 Berechenbarkeit und Komplexität Wintersemester 2010/ partiell berechenbar, es gilt also ϕ = ϕ (2) e für einen Index e. Mit dem s-mn-theorem folgt dann, dass es eine berechenbare Funktion g gibt, so dass für alle x und y gilt ϕ (2) e (x, y) = ϕ g(e,x) (y). Nach Konstruktion ist genau dann, wenn x in A liegt der Definitionsbereich W g(e,x) von ϕ g(e,x) endlich, also ist A m-reduzierbar auf die Menge Fin vermöge der berechenbaren Funktion x g(e, x). Beispiel 20 Die Menge Coempty = {e: W e = N} ist eine Π 2 -Menge. Man kann zeigen, dass die Menge Coempty m-vollständig für die Klasse der Π 2 -Mengen ist. Mit Satz 16 folgt, dass die in den Beispielen 18 bis 20 gegebenen Einordnunge optimal sind, z. B. ist Fin weder in Σ 1, noch in Π 2. Unvollständigkeit der Arithmetik Definition 21 Eine arithmetische Formel ist eine prädikatenlogische Formel über der Sprache {+,, s, 0, 1}, wobei die intendierte Bedeutung dieser logischen Symbole die natürliche ist, die Symbole stehen also für die Additions-, Multiplikations- und Nachfolgerfunktion auf N, sowie für die natürlichen Zahlen 0 und 1. Satz 22 Zu jeder Menge A in der arithmetischen Hierarchie gibt es eine arithmetische Formel ϕ mit einer freien Variable, so dass gilt x A ϕ(x). (2) Beweis. Es genügt, in einer Darstellung der Menge X als Σ n -Menge, die entscheidbare Relation in der Matrix der Formel durch eine äquivalente arithmetische Formel ϕ 0 zu ersetzen. Dies kann entweder durch Gödelisierung von Turingmaschinenberechnungen geschehen oder unter Verwendung des Satzes von Matiyasevich, welcher es sogar erlaubt, die Formel ϕ 0 als nur existenziell quantifizierte Formel zu wählen. Satz 23 (Satz von Matiyasevich) Zu jeder r.a. Menge A gibt es ein n N und Polynome f und g über Variablen x, y 1,..., y n mit Koefffizienten in N, so dass gilt x A y 1 N... y n N[f(x, y 1,..., y n ) = g(x, y 1,..., y n )].
10 10 Wolfgang Merkle Ohne Beweis, siehe Craig Smorynski, Logical Number Theory, Springer- Verlag Definition 24 Eine arithmetische Formel ϕ ist ein arithmetischer Satz, falls ϕ keine freien Variablen enthält. Ein arithmetischer Satz ist wahr (im Standardmodell der natürlichen Zahlen), falls der Satz eine wahre Aussage über die natürlichen Zahlen darstellt, wenn man die Symbole +,, s, 0 und 1 in der natürlichen Weise interpretiert und alle Quantoren über die Menge N laufen. Es sei T die Menge der wahren arithmetischen Sätze. Legt man eine geeignete effektive Bijektion zwischen der Menge der arithmetischen Formeln und den natürlichen Zahlen fest, so kann man T mit einer Teilmenge von N identifizieren. Satz 25 Die Menge T der wahren arithmetischen Sätze ist nicht arithmetisch. Beweis. Für einen Beweis durch Widerspruch nehmen wir an, dass T arithmetisch ist. Dann gibt es ein n, so dass T eine Σ n -Menge ist, und somit T m-reduzierbar auf [n+1]. Nach Satz 22 läßt sich die arithmetische Menge [n+2] durch eine arithmetische Formel ϕ gemäß (2) darstellen kann. Definierte man nun für alle e 0 den Term t e durch t e s(s(... (s (0))...)), e mal so wird t e zur natürlichen Zahl e ausgewertet. Nach Wahl von ϕ gilt also für alle e, e [n+2] ϕ(t e ). Da die Abbildung e ϕ(t e ) berechenbar gewählt werden kann, wäre die Menge [n+2] m-reduzierbar auf die Menge [n+1], im Widerspruch zu Satz 7. Korollar 26 Die Menge T der wahren arithmetischen Sätze ist weder entscheidbar noch r.a. Die Aussage des Korollars wird auch als Unvollständigkeit der Arithmetik bezeichnet, da das Korollar impliziert, dass es kein Axiomensystem mit einer endlichen oder zumindest entscheidbaren Mengen von Axiomen und mit endlich vielen effektiven Schlussregeln gibt, das in dem Sinne vollständig ist, dass man im Axiomensystem alle wahren, aber keine falschen Sätze der Artihmetik ableiten kann.
14. Rekursiv aufzählbare Mengen
14. Rekursiv aufzählbare Mengen In diesem Abschnitt fassen wir einige Eigenschaften der rekursiv aufzählbaren d.h. der nach Churchscher These (effektiv) aufzählbaren Mengen zusammen. In Korollar 11.8 haben
MehrEinführung in Berechenbarkeit, Komplexität und Formale Sprachen
Einführung in Berechenbarkeit, Komplexität und Formale Sprachen V8, 5.11.09 Willkommen zur Vorlesung Einführung in Berechenbarkeit, Komplexität und Formale Sprachen Friedhelm Meyer auf der Heide 1 Rückblick
MehrEinführung in die Theoretische Informatik
Technische Universität München Fakultät für Informatik Prof. Tobias Nipkow, Ph.D. Dr. Werner Meixner, Dr. Alexander Krauss Sommersemester 2010 Lösungsblatt 11 15. Juli 2010 Einführung in die Theoretische
MehrEinführung in die Theoretische Informatik
Technische Universität München Fakultät für Informatik Prof. Tobias Nipkow, Ph.D. Sascha Böhme, Lars Noschinski Sommersemester 2011 Lösungsblatt 9 25. Juli 2011 Einführung in die Theoretische Informatik
MehrWir haben eine Beziehung zwischen entscheidbar und rekursiv aufzählbar hergeleitet.
Rückschau 12.11.04 Wir haben eine Beziehung zwischen entscheidbar und rekursiv aufzählbar hergeleitet. Wir haben das Prinzip der Diagonalisierung eingeführt und mit DIAG eine erste nicht rek. aufz. Sprache
MehrEntscheidungsprobleme
Entscheidungsprobleme übliche Formulierung gegeben: Eingabe x aus einer Grundmenge U Frage: Hat x eine bestimmte Eigenschaft P? Beispiel: gegeben: Frage: n N Ist n eine Primzahl? Formalisierung: Grundmenge
MehrUnvollständigkeit der Arithmetik
Unvollständigkeit der Arithmetik Slide 1 Unvollständigkeit der Arithmetik Hans U. Simon (RUB) Email: simon@lmi.rub.de Homepage: http://www.ruhr-uni-bochum.de/lmi Unvollständigkeit der Arithmetik Slide
MehrUniverselle Maschinen und universelle Funktionen
Universelle Maschinen und universelle Funktionen UNIVERSELLE FUNKTIONEN DEFINITION. Sei F eine Klasse von partiellen Funktionen über N. Eine partielle Funktion ϕ (n+1) ist n-universell für F, wenn (i)
MehrAutomaten, Formale Sprachen und Berechenbarkeit I Wichtige Begriffe
Automaten, Formale Sprachen und Berechenbarkeit I Wichtige Begriffe Eine partielle Funktion ist eine Relation f A B; für jedes x dom(f) gibt es ein y range(f) mit x f y; wir schreiben statt f A B und x
MehrRekursions- und Lerntheorie WiSe 2010/11; Univ. Trier
Rekursions- und Lerntheorie WiSe 2010/11; Univ. Trier Henning Fernau Universität Trier fernau@uni-trier.de Rekursions- und Lerntheorie, Fernau, Universität Trier, WiSe 2010 1/16 Rekursions- und Lerntheorie
MehrDie Unentscheidbarkeit extensionaler Eigenschaften von Turingmaschinen: der Satz von Rice
Die Unentscheidbarkeit extensionaler Eigenschaften von Turingmaschinen: der Satz von Rice Holger Arnold Dieser Text befasst sich mit der Frage, unter welchen Bedingungen das Problem, zu bestimmen, ob die
MehrReduktionen. Formalisierung von Sprache A ist nicht schwerer als Sprache B.
Reduktionen Formalisierung von Sprache A ist nicht schwerer als Sprache B. Idee: Algorithmus/DTM für B kann genutzt werden, um A zu entscheiden/akzeptieren. WS 2018/19 Reduktionen 1 Zwei einfache Sprachen
MehrLogik und Beweisbarkeit
Logik und Beweisbarkeit VL 10 Martin Mundhenk Univ. Jena, Institut für Informatik 22. Januar 2019 Vorlesung 11: Beweissysteme 3. Berechenbarkeitstheorie VL08: URM-berechenbare Funktionen und die These
MehrUE GRUNDBEGRIFFE DER MATHEMATISCHEN LOGIK SS 2016
SS 206 VERA FISCHER Die Gesamtnote ergibt sich je zur Hälfte aus der Teilnote Kreuzerlliste und der Teilnote Zwischentest, gerundet auf freundlichen Weise. Für eine positive Benotung müssen beide Teilnoten
MehrEinführung in die Berechenbarkeitstheorie
Einführung in die Berechenbarkeitstheorie Timo Kötzing 4. November 2013 1 Einleitung Dieses Dokument bietet eine kurze Einführung in die Grundlagen der Berechenbarkeitstheorie (für eine Ausführliche Behandlung
Mehr2.5 Halteproblem und Unentscheidbarkeit
38 25 Halteproblem und Unentscheidbarkeit Der Berechenbarkeitsbegriff ist auf Funktionen zugeschnitten Wir wollen nun einen entsprechenden Begriff für Mengen einführen Definition 255 Eine Menge A Σ heißt
MehrRekursions- und Lerntheorie WiSe 2010/11; Univ. Trier
Rekursions- und Lerntheorie WiSe 2010/11; Univ. Trier Henning Fernau Universität Trier fernau@uni-trier.de Rekursions- und Lerntheorie, Fernau, Universität Trier, WiSe 2010 1/17 Rekursions- und Lerntheorie
MehrÜbungsblatt 1. Lorenz Leutgeb. 30. März 2015
Übungsblatt Lorenz Leutgeb 30. März 205 Aufgabe. Annahmen ohne Einschränkungen: P Σ und P Γ. Per Definitionem der Reduktion: P P 2 f : Σ Γ wobei f total und berechenbar, genau so, dass: w Σ : w P f(w)
MehrKlausur zur Vorlesung Mathematische Logik
Universität Heidelberg 13. Februar 2014 Institut für Informatik Prof. Dr. Klaus Ambos-Spies Dipl.-Math. Thorsten Kräling Klausur zur Vorlesung Mathematische Logik Musterlösung Aufgabe 1 (Aussagenlogik
MehrUnentscheidbarkeit. 1. Wann sind Sprachen unentscheidbar? 1, A 0, A } = {
Unentscheidbarkeit 1. Wann sind Sprachen unentscheidbar? Eine Menge A heisst entscheidbar, falls die charakteristische Funktion von A, nämlich A : {0,1}, berechenbar ist, d.h. gilt: A = { 1, A 0, A } Eine
Mehr1. Mengentheoretische Grundbegriffe. naiver Mengenbegriff : Eine Menge ist eine Zusammenfassung M von bestimmten, wohlunterschiedenen
1. Mengentheoretische Grundbegriffe Cantors (1845 1918) naiver Mengenbegriff : Slide 1 Eine Menge ist eine Zusammenfassung M von bestimmten, wohlunterschiedenen Objekten unserer Anschauung oder unseres
MehrEinführung in die mathematische Logik
Prof. Dr. H. Brenner Osnabrück SS 2014 Einführung in die mathematische Logik Vorlesung 16 S-Homomorphismen und elementare Äquivalenz Definition 16.1. Zwei S-Strukturen M und N über einem erststufigen Symbolalphabet
MehrRekursive Aufzählbarkeit Die Reduktion
Rekursive Aufzählbarkeit Die Reduktion Prof. Dr. Berthold Vöcking Lehrstuhl Informatik 1 Algorithmen und Komplexität RWTH Aachen November 2011 Berthold Vöcking, Informatik 1 () Vorlesung Berechenbarkeit
MehrUnentscheidbarkeitssätze der Logik
Unentscheidbarkeitssätze der Logik Elmar Eder () Unentscheidbarkeitssätze der Logik 1 / 30 Die Zahlentheorie ist nicht formalisierbar Satz (Kurt Gödel) Zu jedem korrekten formalen System der Zahlentheorie
MehrEinführung in Berechenbarkeit, Komplexität und Formale Sprachen
Einführung in Berechenbarkeit, Komplexität und Formale Sprachen V7, 3.11.09 Willkommen zur Vorlesung Einführung in Berechenbarkeit, Komplexität und Formale Sprachen Friedhelm Meyer auf der Heide 1 Rückblick
MehrKapitel 1. Grundlagen Mengen
Kapitel 1. Grundlagen 1.1. Mengen Georg Cantor 1895 Eine Menge ist die Zusammenfassung bestimmter, wohlunterschiedener Objekte unserer Anschauung oder unseres Denkens, wobei von jedem dieser Objekte eindeutig
MehrEinführung in die mathematische Logik
Prof. Dr. H. Brenner Osnabrück SS 2014 Einführung in die mathematische Logik Vorlesung 22 Repräsentierbarkeit in einer Theorie Wir haben schon in der zwanzigsten Vorlesung davon gesprochen, wann eine arithmetische
MehrBerechenbarkeit und Komplexität: Rekursive Aufzählbarkeit und die Technik der Reduktion
Berechenbarkeit und Komplexität: Rekursive Aufzählbarkeit und die Technik der Reduktion Prof. Dr. Berthold Vöcking Lehrstuhl Informatik 1 Algorithmen und Komplexität 26. November 2007 Semi-Entscheidbarkeit
MehrBerechenbarkeit und Komplexität: Rekursive Aufzählbarkeit und die Technik der Reduktion
Berechenbarkeit und Komplexität: Rekursive Aufzählbarkeit und die Technik der Reduktion Prof. Dr. Berthold Vöcking Lehrstuhl Informatik 1 Algorithmen und Komplexität 7. Dezember 2006 Rekursiv vs. rekursiv
MehrKapitel 1. Grundlagen
Kapitel 1. Grundlagen 1.1. Mengen Georg Cantor 1895 Eine Menge ist die Zusammenfassung bestimmter, wohlunterschiedener Objekte unserer Anschauung oder unseres Denkens, wobei von jedem dieser Objekte eindeutig
MehrEntscheidungsprobleme
Entscheidungsprobleme übliche Formulierung gegeben: Eingabe x aus einer Grundmenge M Frage: Hat x eine bestimmte Eigenschaft P? Beispiel: gegeben: Frage: n N Ist n eine Primzahl? Formalisierung: Grundmenge
MehrLogik I. Symbole, Terme, Formeln
Logik I Symbole, Terme, Formeln Wie jede geschriebene Sprache basiert die Prädikatenlogik erster Stufe auf einem Alphabet, welches aus den folgenden Symbolen besteht: (a) Variabeln wie zum Beispiel v 0,v
MehrHandout zu Gödel: Die Unvollständigkeitssätze
Handout zu Gödel: Die Unvollständigkeitssätze Juanfernando Angel-Ramelli, Christine Schär, Katja Wolff December 4, 2014 Contents 1 Einleitung 1 1.1 Gödels Theoreme (1931)..............................
MehrLOOP-Programme: Syntaktische Komponenten
LOOP-Programme: Syntaktische Komponenten LOOP-Programme bestehen aus folgenden Zeichen (syntaktischen Komponenten): Variablen: x 0 x 1 x 2... Konstanten: 0 1 2... Operationssymbole: + Trennsymbole: ; :=
MehrNachklausur zur Vorlesung Einführung in die Theoretische Informatik
Universität Heidelberg 11. Oktober 2012 Institut für Informatik Prof. Dr. Klaus Ambos-Spies Dipl.-Math. Thorsten Kräling Nachklausur zur Vorlesung Einführung in die Theoretische Informatik Musterlösungen
MehrKapitel 1. Grundlagen
Kapitel 1. Grundlagen 1.1. Mengen Georg Cantor 1895 Eine Menge ist die Zusammenfassung bestimmter, wohlunterschiedener Objekte unserer Anschauung oder unseres Denkens, wobei von jedem dieser Objekte eindeutig
Mehr10. Der Äquivalenzsatz
10. Der Äquivalenzsatz In diesem Abschnitt zeigen wir, dass die von uns betrachteten verschiedenen Formalisierungen des Berechenbarkeitsbegriffs äquivalent sind, d.h. alle zu derselben Klasse (partiell)
MehrBerechenbarkeitstheorie 19. Vorlesung
1 Berechenbarkeitstheorie Dr. Institut für Mathematische Logik und Grundlagenforschung WWU Münster WS 15/16 Alle Folien unter Creative Commons Attribution-NonCommercial 3.0 Unported Lizenz. Erinnerung:
MehrVorkurs Mathematik und Informatik Mengen, natürliche Zahlen, Induktion
Vorkurs Mathematik und Informatik Mengen, natürliche Zahlen, Induktion Saskia Klaus 07.10.016 1 Motivation In den ersten beiden Vorträgen des Vorkurses haben wir gesehen, wie man aus schon bekannten Wahrheiten
MehrEinführung in die Logik
Einführung in die Logik Klaus Madlener und Roland Meyer 24. April 2013 Inhaltsverzeichnis 1 Aussagenlogik 1 1.1 Syntax................................. 1 1.2 Semantik............................... 3 1.3
MehrGrundlagen der Theoretischen Informatik
Grundlagen der Theoretischen Informatik Turingmaschinen und rekursiv aufzählbare Sprachen (V) 16.07.2015 Viorica Sofronie-Stokkermans e-mail: sofronie@uni-koblenz.de 1 Übersicht 1. Motivation 2. Terminologie
Mehrf(1, 1) = 1, f(x, y) = 0 sonst üblicherweise Konjunktion, manchmal auch
Belegungen, Wahrheitsfunktionen 1. Wie viele binäre Funktionen gibt es auf der Menge {0, 1} (d.h., Funktionen von {0, 1} 2 nach {0, 1})? Geben Sie alle diese Funktionen an, und finden Sie sinnvolle Namen
MehrSemi-Entscheidbarkeit und rekursive Aufzählbarkeit
Semi-Entscheidbarkeit und rekursive Aufzählbarkeit Prof. Dr. Berthold Vöcking Lehrstuhl Informatik 1 Algorithmen und Komplexität RWTH Aachen 9. November 2009 Berthold Vöcking, Informatik 1 () Vorlesung
MehrMathematik I für Studierende der Informatik und Wirtschaftsinformatik (Diskrete Mathematik) im Wintersemester 2017/18
Mathematik I für Studierende der Informatik und Wirtschaftsinformatik (Diskrete Mathematik) im Wintersemester 2017/18 19. Oktober 2017 1/27 Zu der Vorlesung gibt es ein Skript, welches auf meiner Homepage
MehrAufgaben aus den Übungsgruppen 8(Lösungsvorschläge)
Universität des Saarlandes Theoretische Informatik (WS 2015) Fakultät 6.2 Informatik Team der Tutoren Aufgaben aus den Übungsgruppen 8(Lösungsvorschläge) 1 Berechenbarkeitstheorie Aufgabe 8.1 (Wahr oder
Mehr1 Einführung. 2 Typ-0- und Typ-1-Sprachen. 3 Berechnungsmodelle. 4 Unentscheidbarkeit. 5 Unentscheidbare Probleme. 6 Komplexitätstheorie
1 Einführung 2 Typ-0- und Typ-1-Sprachen 3 Berechnungsmodelle 4 Unentscheidbarkeit 5 Unentscheidbare Probleme 6 Komplexitätstheorie 139 Unentscheidbarkeit Überblick Zunächst einmal definieren wir formal
MehrDie Prädikatenlogik erster Stufe: Syntax und Semantik
Die Prädikatenlogik erster Stufe: Syntax und Semantik 1 Mathematische Strukturen und deren Typen Definition 1.1 Eine Struktur A ist ein 4-Tupel A = (A; (R A i i I); (f A j j J); (c A k k K)) wobei I, J,
MehrReferat rekursive Mengen vs. rekursiv-aufzählbare Mengen
Kapitel 1: rekursive Mengen 1 rekursive Mengen 1.1 Definition 1.1.1 informal Eine Menge heißt rekursiv oder entscheidbar, wenn ihre charakteristische Funktion berechenbar ist. 1.1.2 formal Eine Menge A
MehrNotengebung. Teilnote Kreuzerlliste: 60% 69% 4; 70% 79% 3; 80% 89% 2; 90% 100% 1. Falls Sie weitere Fragen haben, bitte melden Sie sich bei mir.
Notengebung Die Gesamtnote für die Übung ergibt sich je zur Hälfte aus der Teilnote Kreuzerlliste und der Teilnote Zwischentest, gerundet auf freundliche Weise; für eine positive Benotung müssen beide
MehrAnmerkungen zu Mengen und Abbildungen
Anmerkungen zu Mengen und Abbildungen Kartesisches Produkt von n Mengen und n-stellige Relationen Sind M 1, M,, M n nichtleere Mengen, so ist ihr kartesisches Produkt erklärt als Menge aller geordneter
Mehr10. UNENTSCHEIDBARE PROBLEME:
EINFÜHRUNG IN DIE THEORETISCHE INFORMATIK Prof. Dr. Klaus Ambos-Spies Sommersemester 2011 10. UNENTSCHEIDBARE PROBLEME: DIAGONALISIERUNG UND REDUKTION Theoretische Informatik (SoSe 2011) 10. Unentscheidbare
MehrEinführung in die Theoretische Informatik Tutorium IX
Einführung in die Theoretische Informatik Tutorium IX Michael R. Jung 16. & 17. 12. 2014 EThI - Tutorium IX 1 1 Entscheidbarkeit, Semi-Entscheidbarkeit und Unentscheidbarkeit 2 EThI - Tutorium IX 2 Definitionen
Mehr3. Vortrag: Arithmetische Relationen und Gödelisierung
3. Vortrag: Arithmetische Relationen und Gödelisierung 1. Arithmetische und arithmetische Mengen und Relationen 2. Verkettung von Zahlen 3. Gödelisierung Arithmetische und arithmetische Mengen und Relationen
MehrDefinition 98 Eine Turingmaschine heißt linear beschränkt (kurz: LBA), falls für alle q Q gilt:
5.2 Linear beschränkte Automaten Definition 98 Eine Turingmaschine heißt linear beschränkt (kurz: LBA), falls für alle q Q gilt: (q, c, d) δ(q, ) = c =. Ein Leerzeichen wird also nie durch ein anderes
MehrInformatik III. Christian Schindelhauer Wintersemester 2006/ Vorlesung
Informatik III Christian Schindelhauer Wintersemester 2006/07 27. Vorlesung 08.02.2007 1 Komplexitätstheorie - Platzklassen Platzkomplexität Definition Simulation mehrerer Bänder Savitchs Theorem PSPACE
MehrGrundbegriffe der Informatik
Grundbegriffe der Informatik Einheit 3: Alphabete, Abbildungen, Aussagenlogik Thomas Worsch Karlsruher Institut für Technologie, Fakultät für Informatik Wintersemester 2010/2011 1/32 Überblick Alphabete
MehrTheoretische Grundlagen der Informatik
Theoretische Grundlagen der Informatik Vorlesung am 17.November 2011 INSTITUT FÜR THEORETISCHE 0 KIT 17.11.2011 Universität des Dorothea Landes Baden-Württemberg Wagner - Theoretische und Grundlagen der
MehrTheoretische Informatik: Berechenbarkeit und Formale Sprachen
Prof. Dr. F. Otto 26.09.2011 Fachbereich Elektrotechnik/Informatik Universität Kassel Klausur zur Vorlesung Theoretische Informatik: Berechenbarkeit und Formale Sprachen SS 2011 Name:................................
MehrTheoretische Informatik für Wirtschaftsinformatik und Lehramt
Theoretische Informatik für Wirtschaftsinformatik und Lehramt Entscheidungsprobleme Priv.-Doz. Dr. Stefan Milius stefan.milius@fau.de Theoretische Informatik Friedrich-Alexander Universität Erlangen-Nürnberg
MehrModelltheorie (Einige Impulse)
Modelltheorie (Einige Impulse) Formale Systeme werden oft entworfen, um mathematische Strukturen zu beschreiben. In der Modelltheorie geht es um das Studium der Beziehungen zwischen formalen Systemen und
MehrAlphabet der Prädikatenlogik
Relationen und Alphabet der Das Alphabet der besteht aus Individuenvariablen Dafür verwenden wir kleine Buchstaben vom Ende des deutschen Alphabets, auch indiziert, z. B. x, y, z, x 1, y 2,.... Individuenkonstanten
MehrVorkurs: Mathematik für Informatiker
Vorkurs: Mathematik für Informatiker Teil 3 Wintersemester 2017/18 Steven Köhler mathe@stevenkoehler.de mathe.stevenkoehler.de 2 c 2017 Steven Köhler Wintersemester 2017/18 Inhaltsverzeichnis Teil 1 Teil
MehrVorlesung Berechenbarkeit und Komplexität alias Theoretische Informatik: Komplexitätstheorie und effiziente Algorithmen. Wintersemester 2011/12
Vorlesung Berechenbarkeit und Komplexität alias Theoretische Informatik: und effiziente Algorithmen Wintersemester 2011/12 Prof. Barbara König Übungsleitung: Henning Kerstan & Jan Stückrath Barbara König
Mehr6.4 Entscheidbarkeit. nein sein müssen, ist klar. THEO 6.4 Entscheidbarkeit 205/307 c Ernst W. Mayr
6.4 Entscheidbarkeit Wortproblem Leerheit Äquivalenz Schnittproblem Typ 3 ja ja ja ja DCFL ja ja ja nein (*) Typ 2 ja ja nein (*) nein Typ 1 ja nein (*) nein nein Typ 0 nein (*) nein nein nein (*) Diese
MehrLogische Grundlagen der Mathematik, WS 2014/15
Logische Grundlagen der Mathematik, WS 2014/15 Thomas Timmermann 12. November 2014 Darstellung natürlicher Zahlen durch Mengen 1. Wie können wir natürliche Zahlen durch Mengen darstellen? Idee 0 = und
MehrMengenlehre und vollständige Induktion
Fachschaft MathPhys Heidelberg Mengenlehre und vollständige Induktion Vladislav Olkhovskiy Vorkurs 018 Inhaltsverzeichnis 1 Motivation 1 Mengen.1 Grundbegriffe.................................. Kostruktionen
MehrVorkurs: Mathematik für Informatiker
Vorkurs: Mathematik für Informatiker Teil 3 Wintersemester 2017/18 Steven Köhler mathe@stevenkoehler.de mathe.stevenkoehler.de 2 c 2017 Steven Köhler Wintersemester 2017/18 Inhaltsverzeichnis Teil 1 Teil
MehrBA-INF 011 Logik und Diskrete Strukturen WS 2013/14 Mögliche Klausuraufgaben Stand vom
Prof. Dr. Norbert Blum Elena Trunz Informatik V BA-INF 011 Logik und Diskrete Strukturen WS 2013/14 Mögliche Klausuraufgaben Stand vom 5.2.2014 Bitte beachten Sie, dass die tatsächlichen Klausuraufgaben
MehrBeispiel: NTM. M = ({q 0,q 1,q 2 }, {0, 1}, {0, 1, #},δ, q 0, #, {q 2 }) q 2
Beispiel: NTM M = ({q 0,q 1,q 2 }, {0, 1}, {0, 1, #},δ, q 0, #, {q 2 }) 0,1,R 0,0,R q0 1,0,R q1 #,#,R q2 0,0,L Zustand 0 1 # q 0 {(1, R, q 0 )} {(0, R, q 1 )} q 1 {(0, R, q 1 ),(0, L, q 0 )} {(1, R, q
MehrGTI. Hannes Diener Juli. ENC B-0123,
GTI Hannes Diener ENC B-0123, diener@math.uni-siegen.de 4.-9. Juli 1 / 29 Entscheidungsprobleme und Halteproblem In diesem Kapitel wollen wir uns an Stelle von Berechenbarkeit von Funktion, welche bei
Mehr1.5 Turing-Berechenbarkeit
A.M. Turing (1937): Maschinenmodell zur exakten Beschreibung des Begriffs effektiv berechenbar Stift Mensch a c b b Rechenblatt a b b c Lese-/Schreibkopf endliche Kontrolle Turingmaschine Eine Turingmaschine
Mehr3 Werkzeuge der Mathematik
3.1 Mengen (18.11.2011) Definition 3.1 Die Menge heißt leere Menge. :=»x M x x Definition 3.2 Es seien N und M Mengen. Wir definieren: und analog M N : (x M x N). N M : (x N x M). Wir sagen M ist Teilmenge
MehrAnwendungen der Logik, SS 2008, Martin Goldstern
Anwendungen der Logik, SS 2008, Martin Goldstern Total geordnete Körper Ein total geordneter Körper ist ein Körper (K, +,, 0, 1, ) mit einer totalen (=linearen) Ordnung, die mit den Operationen verträglich
Mehr1 Einführung. 2 Typ-0- und Typ-1-Sprachen. 3 Berechnungsmodelle. 4 Unentscheidbarkeit. 5 Unentscheidbare Probleme. 6 Komplexitätstheorie
1 Einführung 2 Typ-0- und Typ-1-Sprachen 3 Berechnungsmodelle 4 Unentscheidbarkeit 5 Unentscheidbare Probleme 6 Komplexitätstheorie WS 11/12 155 Überblick Zunächst einmal definieren wir formal den Begriff
MehrInformatik III. Christian Schindelhauer Wintersemester 2006/ Vorlesung
Informatik III Christian Schindelhauer Wintersemester 2006/07 13. Vorlesung 07.12.2006 1 Überblick: Die Church- Turing-These Turing-Maschinen 1-Band Turing-Maschine Mehrband-Turing-Maschinen Nichtdeterministische
MehrSS Juli Übungen zur Vorlesung Logik Blatt 11
SS 2011 06. Juli 2011 Übungen zur Vorlesung Logik Blatt 11 Prof. Dr. Klaus Madlener Abgabe bis 13. Juli 2011 10:00 Uhr 1. Aufgabe: [Axiomatisierung, Übung] 1. Definieren Sie eine Formel A n der Prädikatenlogik
MehrInformatik III. Arne Vater Wintersemester 2006/ Vorlesung
Informatik III Arne Vater Wintersemester 2006/07 11. Vorlesung 30.11.2006 1 Beziehungen zwischen den Sprachen Jede reguläre Sprache ist eine kontextfreie Sprache. Jede kontextfreie Sprache ist eine entscheidbare
MehrMächtigkeit von LOOP-Programmen. Prof. Dr. Berthold Vöcking Lehrstuhl Informatik 1 Algorithmen und Komplexität RWTH Aachen
Mächtigkeit von LOOP-Programmen Prof. Dr. Berthold Vöcking Lehrstuhl Informatik 1 Algorithmen und Komplexität RWTH Aachen 1 / 23 Die Programmiersprache LOOP Syntax Elemente eines LOOP-Programms Variablen
MehrAbschnitt 3.2: Der Satz von Ehrenfeucht
Abschnitt 3.2: Der Satz von Ehrenfeucht In diesem Abschnitt wird gezeigt, dass ein enger Zusammenhang zwischen EF-Spielen und der Ausdrucksstärke der Logik erster Stufe besteht. Zur Formulierung dieses
MehrTheoretische Informatik Mitschrift
Theoretische Informatik Mitschrift 9. Berechenbarkeit, Entscheidbarkeit, Aufzählbarkeit 9.1 Grundbegriffe bereits gezeigt: Spracherkennung durch Turingmaschine = Berechnung der semi-charakteristischen
MehrVorkurs: Mathematik für Informatiker
Vorkurs: Mathematik für Informatiker Teil 3 Wintersemester 2016/17 Steven Köhler mathe@stevenkoehler.de mathe.stevenkoehler.de 2 c 2016 Steven Köhler Wintersemester 2016/17 Inhaltsverzeichnis Teil 1 Teil
MehrEinführung in die mathematische Logik
Prof. Dr. H. Brenner Osnabrück SS 2014 Einführung in die mathematische Logik Vorlesung 7 Sprachen erster Sufe Die in der letzten Vorlesung erwähnten Konstruktionsmöglichkeiten für Aussagen sind im Wesentlichen
Mehr(b) Man nennt die Menge M beschränkt, wenn sie nach oben und unten beschränkt ist.
8 Punktmengen Für die Menge M = { 1 n ; n N } ist 1 = max(m), denn 1 M und 1 n 1 für alle n N. Die Menge M besitzt aber kein Minimum, denn zu jeder Zahl x = 1 n M existiert ein y M mit y < x, etwa y =
MehrPeano-Axiome und Peano-Strukturen
Peano-Axiome und Peano-Strukturen Filippo Leonardi 27. März 2012 1 Peano-Arithmetik Der Folgende Abschnitt beruht auf Abschnitt 3.3 in [Rau08] und benützt dieselbe Notation. In diesem Abschnitt arbeiten
Mehr7. Beispiele primitiv rekursiver Funktionen
7. Beispiele primitiv rekursiver Funktionen Wir beweisen eine Reihe von stärkeren Abschlusseigenschaften der (primitiv) rekursiven Funktionen und benutzen diese zum Nachweis der primitiven Rekursivität
MehrTuring-Maschine Definition
Turing-Maschine Definition Definition: Eine Turing-Maschine ist ein Quintupel M = (X, Z, z 0, Q, δ), wobei - X und Z Alphabete sind, - z 0 Z und Q Z gelten, - δ eine Funktion von (Z \ Q) (X { }) in Z (X
Mehr1.5 Turing-Berechenbarkeit
A.M. Turing (1937): Maschinenmodell zur exakten Beschreibung des Begriffs effektiv berechenbar Stift Mensch a c b b Rechenblatt a b b c Lese-/Schreibkopf endliche Kontrolle Turingmaschine Eine Turingmaschine
MehrEinführung in die mathematische Logik
Prof. Dr. H. Brenner Osnabrück SS 2014 Einführung in die mathematische Logik Vorlesung 21 Repräsentierbarkeit der Halteeigenschaft Ein Durchlauf eines Registerprogramms P bis zum Rechenschritt t wird am
MehrGrundlagen Theoretischer Informatik 2 WiSe 2011/12 in Trier. Henning Fernau Universität Trier
Grundlagen Theoretischer Informatik 2 WiSe 2011/12 in Trier Henning Fernau Universität Trier fernau@uni-trier.de 1 Grundlagen Theoretischer Informatik 2 Gesamtübersicht Organisatorisches; Einführung Ersetzungsverfahren:
MehrInformatik III. Christian Schindelhauer Wintersemester 2006/ Vorlesung
Informatik III Christian Schindelhauer Wintersemester 2006/07 15. Vorlesung 14.12.2006 1 Reduktionen Unentscheidbare Probleme Das Halteproblem Das Leerheitsproblem einer Turingmaschine Ein einfaches nicht
MehrMathematik I für Studierende der Informatik und Wirtschaftsinformatik (Diskrete Mathematik) im Wintersemester 2015/16
Mathematik I für Studierende der Informatik und Wirtschaftsinformatik (Diskrete Mathematik) im Wintersemester 2015/16 15. Oktober 2015 Zu der Vorlesung gibt es ein Skript, welches auf meiner Homepage veröffentlicht
MehrVor(schau)kurs für Studienanfänger Mathematik: Aussagen und Mengen
Vor(schau)kurs für Studienanfänger Mathematik: Aussagen und Mengen 09.10.2014 Herzlich Willkommen zum 2. Teil des Vorschaukurses für Mathematik! Organisatorisches Der Vorkurs besteht aus sechs Blöcken
Mehr2 Mengen und Abbildungen
2.1 Mengen Unter einer Menge verstehen wir eine Zusammenfassung von Objekten zu einem Ganzen. Die Objekte heiÿen Elemente. Ist M eine Menge und x ein Element von M so schreiben wir x M. Wir sagen auch:
MehrHalteproblem/Kodierung von Turing-Maschinen
Halteproblem/Kodierung von Turing-Maschinen Unser Ziel ist es nun zu zeigen, dass das sogenannte Halteproblem unentscheidbar ist. Halteproblem (informell) Eingabe: Turing-Maschine M mit Eingabe w. Frage:
MehrKlausur zur Vorlesung Einführung in die Theoretische Informatik
Universität Heidelberg 19. Juli 2012 Institut für Informatik Prof. Dr. Klaus Ambos-Spies Dipl.-Math. Thorsten Kräling Klausur zur Vorlesung Einführung in die Theoretische Informatik LÖSUNGEN Es können
MehrSatz von Rice. Lemma 39
Unentscheidbarkeit Satz von Rice Das nächste Resultat zeigt, dass jede Eigenschaft der von einer Turing-Maschine berechneten Funktion unentscheidbar ist. Das bedeutet, es gibt keine Methode, mit der man
Mehr8 1. GEOMETRIE DIFFERENZIERBARER MANNIGFALTIGKEITEN
8 1. GEOMETRIE DIFFERENZIERBARER MANNIGFALTIGKEITEN (vi) Konvergenz von Folgen ist in topologischen Räumen folgendermaßen definiert: Ist (a n ) M eine Folge, so heißt sie konvergent gegen a M, wenn es
MehrRekursive und primitiv rekursive Funktionen. Ein maschinenunabhängiges formales Berechnungsmodell auf den natürlichen Zahlen
Rekursive und primitiv rekursive Funktionen Ein maschinenunabhängiges formales Berechnungsmodell auf den natürlichen Zahlen IDEE: Definiere eine Klasse von (partiell) berechenbaren Funktionen über N induktiv
Mehr