Die primitiv rekursiven Funktionen

Größe: px
Ab Seite anzeigen:

Download "Die primitiv rekursiven Funktionen"

Transkript

1 Priv.-Doz. Dr.rer.nat.habil. Karl-Heinz Niggl Technische Universität Ilmenau Fakultät IA, Institut für Theoretische Informatik Fachgebiet Komplexitätstheorie und Effiziente Algorithmen J Die primitiv rekursiven Funktionen Im folgenden betrachten wir zahlentheoretische Funktionen, d.h. Funktionen f : N k N mit k N. Im Mittelpunkt steht dabei eine Funktionenalgebra PR (und ihre Schichten E n ) zur Definition von bestimmten zahlentheoretischen Funktionen, die sogenannten primitiv rekursiven Funktionen. Die Menge PR ist ein Beispiel für das Prinzip der induktiven Definition (vgl. das gleichnamige Dokument). Die zugrundeliegende Basis besteht aus den folgenden Funktionen: die Null 0 als 0-stellige Funktion aufgefasst der Successor S : N N mit S(x) = x + 1 alle Projektionen Π m i : N m N mit Π m i ( x) = x i für 1 i m (m 1). Die Regeln für den Zusammenbau (Definition) von neuen Funktionen aus bereits gebauten (definierten) Funktionen sind in Form zweier Schemata gegeben. Definition 1 (Einsetzung). Eine Funktion f : N k N heißt durch Einsetzung aus Funktionen h: N m N und g 1,..., g m : N k N definiert, in Zeichen f := E(h, g 1,..., g m ), falls für alle x = x 1,..., x k N gilt: f( x) = h(g 1 ( x),..., g m ( x)) Definition 2 (Primitive Rekursion). Eine Funktion f : N k+1 N heißt durch primitive Rekursion aus g : N k N und h: N k+2 N definiert, in Zeichen f := R(g, h), falls f die folgenden Rekursionsgleichungen (für alle x, y N) erfüllt: f( x, 0) = g( x) f( x, y + 1) = h( x, y, f( x, y)) In f( x, y) heißen x die Parameter und y das Rekursionsargument; ferner heißt f( x, y) der Vorgängerwert von f( x, y + 1). Definition 3 (PR). Die Klasse PR der primitiv rekursiven Funktionen ist die kleinste Menge von zahlentheoretischen Funktionen, die die Basisfunktionen 0, S sowie alle Projektionen Π m i enthält und abgeschlossen ist unter den Schemata der Einsetzung und der primitiven Rekursion. Die Menge PR kann man auch als maschinenunabhängige Beschreibung von Algorithmen zur Berechnung bestimmter zahlentheoretischer Funktionen auffassen. In der Tat sind die durch LOOP-Programme (FOR-Schleifenprogramme über Registern nach Meyer und Ritchie) berechenbaren Funktionen genau die Funktionen in PR.

2 Die primitiv rekursiven Funktionen 2 Dass jede PR-Funktion LOOP-berechenbar ist, kann man sich leicht und ohne die konkrete Syntax von LOOP-Programmen zu bemühen so klarmachen die Umkehrung ist etwas kniffliger und verwendet primitiv rekursive Kodierung und Dekodierung von n- Tupeln natürlicher Zahlen. Offenbar ist jede Basisfunktion LOOP-berechenbar. Hat man schon LOOP-Programme P h, P 1,..., P m für die Komponenten h, g 1,..., g m in f = E(h, g 1,..., g m ), so erhält man in naheliegender Weise ein LOOP-Programm P f für f: Auf Input x berechnet man nacheinander (für i = 1,..., m) die Werte y i := g i ( x) mittels P i und dann h( y) mittels P h. Seien nun LOOP-Programme P g und P h für die Komponenten g, h in f = R(g, h) bereits gegeben. Der Schlüssel zur Konstruktion eines LOOP-Programms P f für f ist die folgende Ausfaltungsdarstellung, die sich durch maximales Ausfalten der Rekursionsgleichungen für f ergibt: f( x, y) = h( x, y 1, h( x, y 2,..., h( x, 0, g( x))...)) Damit wird f( x, y) wie folgt berechnet: Nacheinander berechnet man die Werte v 0 := g( x) mittels P g und (falls y > 0) in einer Schleife die Werte v 1,..., v y v i+1 := h( x, i, v i ) für i < y jeweils mittels P h und gibt dann v y aus, denn induktiv folgt v i = f( x, i) für i y. Bemerkung. Jede natürliche Zahl a, wie üblich als 0-stellige Funktion Ca 0 aufgefasst, kann durch a-malige Anwendung des Einsetzungsschemas aus den Basisfunktionen S und 0 = C0 0 definiert werden. Damit gewinnt man jede n-stellige konstante Funktion Ca n mittels Einsetzung aus C 0 a. C n a (x 1,..., x n ) := a Dies ergibt sich durch eine präzisere Fassung des Einsetzungsschemas: Für m, n N ist E m,n ein Funktional, das Funktionen h: N m N und g 1,..., g m : N n N die Funktion E m,n (h, g 1,..., g m ): N n N zuordnet, wobei E m,n (h, g 1,..., g m )( x) := h(g 1 ( x),..., g m ( x)) Also hat C n a für n 1 die Darstellung C n a = E 0,n (C 0 a, ()). Bemerkung. Wie im Skript Induktive Definitionen erwähnt, denkt man sich die natürlichen Zahlen N ebenfalls als induktiv definierte Menge I R (B). Das aus der Schule bekannte Schema der vollständigen Induktion ist somit nichts anderes als Induktion über den Aufbau von N und das Schema der primitiven Rekursion ist nichts anderes als Rekursion über den Aufbau von N, wobei hier N k als Parametermenge X fungiert. Bemerkung. Dass das Rekursionsargument in einer primitiven Rekursion f = R(g, h) stets an der letzten Argumentstelle erscheint, hat nur vereinfachende Gründe. Mittels

3 Die primitiv rekursiven Funktionen 3 Einsetzung und Projektionen kann man leicht zeigen, dass jede Rekursion im i-ten Argument eine zulässige Instannz der primitiven Rekursion ist. Beispiele für primitiv rekursive Funktionen Die Fallunterscheidung C: N 3 N mit besitzt die Rekursionsgleichungen { y falls x = 0 C(x, y, z) := z sonst C(0, y, z) = y C(x + 1, y, z) = z und hat somit die Darstellung C = R(Π 2 1, h) mit h(u, y, z, v) := z = Π 4 3(u, y, z, v). Der Predecessor P : N N, P (x) := max{x 1, 0} hat Rekursionsgleichungen : P (0) = 0 P (x + 1) = x Hieraus liest man die Darstellung P = R(C 0 0, h) mit h(u, v) := u = Π 2 1(u, v) ab. Bemerkung. C und P sind Beispiele für sogenannte uneigentliche Rekursionen, die von den Vorgängerwerten nicht Gebrauch machen, sondern nur von der im Schema eingebauten Fallunterscheidung bzgl. des Rekursionsargumentes y nach y = 0 oder y > 0, sowie von der Dekrementierung eines Rekursionsargumentes y > 0. Die Addition add: N 2 N, add(x, y) = x+y, besitzt die Rekursionsgleichungen : add(x, 0) = x add(x, y + 1) = S(add(x, y)) Hieraus folgt add = R(Π 1 1, h) mit h(x, u, v) := S(v) = E 1,3 (S, Π 3 3)(x, u, v)). Bemerkung. Es gilt x + y = S (y) (x), wobei für eine Funktion f : N N die k-te Iterierte von f, in Zeichen f (k) : N N, wie folgt induktiv definiert ist: f (0) (x) := x f (k+1) (x) := f(f (k) (x)) Die abgeschnittene Subtraktion. : N 2 N mit x. y := max{x y, 0} besitzt wegen x. y = P (y) (x) die Rekursionsgleichungen x. 0 = x x. y + 1 = P (x. y) und damit (analog zu add) die Darstellung. = R(Π 1 1, E 1,3 (P, Π 3 3)).

4 Die primitiv rekursiven Funktionen 4 Die Multiplikation mult: N 2 N, mult(x, y) = x y, hat Rekursionsgleichungen mult(x, 0) = 0 mult(x, y + 1) = mult(x, y) + x und somit folgt mult = R(C 1 0, h) mit h(x, u, v) := v +x = E 2,3 (add, Π 3 3, Π 3 1)(x, u, v)). Die Exponentiation exp: N 2 N, exp(x, y) = x y hat die Rekursionsgleichungen exp(x, 0) = 1 exp(x, y + 1) = exp(x, y) x und somit (analog zu mult) die Darstellung exp = R(C 1 1, E 2,3 (mult, Π 3 3, Π 3 1)). Praktischer Umgang mit Einsetzung und primitiver Rekursion Die obigen Beispiele zeigen zwei Aspekte der Bauart von PR. Einsetzung und primitive Rekursion sind zum einen nicht benutzerfreundlich, wenn es darum geht, für konkrete Funktionen nachzuweisen, dass sie primitiv rekursiv sind man muss ja stets die informalen Rekursionsgleichungen auf die gewünschte Form bringen. Zum anderen entsteht der Eindruck, dass man aus den jeweils angegebenen informalen Rekursionsgleichungen stets die gewünschte formale Darstellung ablesen kann. Tatsächlich sind die fraglichen Schemata nicht für den praktischen Gebrauch gedacht, sondern nur für theoretische Überlegungen zur Klasse PR, wo diese strukturierte Form von Vorteil ist. Ein Beispiel dafür war der informale Beweis, dass alle PR-Funktionen LOOP-berechenbar sind. Der Schlüssel zu einem benutzerfreundlichen Umgang mit den primitiv rekursiven Funktionen ist das folgende zur Einsetzung äquivalente und programmiersprachennahe Konzept der expliziten Definition, das die Rolle der Basisfunktionen Π m i genauer beleuchtet. Definition 4. Eine Abb. f : N n N ist explizit definierbar aus Funktionen g 1,..., g m, falls es einen (wohlgeformten) Ausdruck E mit Symbolen unter g 1,..., g m, x 1,..., x n gibt, so dass für alle a = a 1,..., a n N gilt: f( a) = I(E)( a) Schreibweise f( x) = E. Dabei ist die Interpretation von E, I(E): N n N, induktiv über den Aufbau von Ausdrücken mit Symbolen unter g 1,..., g m, x 1,..., x n definiert: I(x i ) := Π n i I(g i (E 1,..., E mi )) := E m i,n (g i, I(E 1 ),..., I(E mi )) Beispiel: f(x 1, x 2, x 3, x 4 ) = (x 1 + (x 1 x x 2 3 )). (x 2 x 3 ) Bemerkung. Explizite Definitionen unterstützen insbesondere das Vertauschen, Vervielfältigen und Weglassen von Parametern (Variablen) und das Ineinanderschachteln solcher Ausdrücke. Bemerkung. Für den praktischen Umgang mit expliziten Definitionen kann man natürlich neben den Funktionssymbolen g 1,..., g m und den Variablen x 1,..., x n in f = E auch beliebige Konstanten a N verwenden, denn man darf a mit dem Ausdruck S (a) (0) bzw. mit dem Symbol C 0 a identifizieren. Ferner schreibt man S(x) in der gewohnten Form x+1.

5 Die primitiv rekursiven Funktionen 5 Definition 5. Bezeichne Π die Menge aller Projektionen. Ist G eine Menge zahlentheoretischer Funktionen, so bezeichne F[G; Comp] die kleinste Klasse zahlentheoretischer Funktionen, die G enthält und unter Einsetzung abgeschlossen ist. Lemma 6 (Explizite Definition = Einsetzung + Projektn.). Für f : N n N gilt: f ist explizit definierbar aus g 1,..., g m f F[{g 1,..., g m } Π; Comp] Beweis. Die Implikation = folgt induktiv aus der Definition von I(E) für f( x) = E. Für die Umkehrung = definieren wir etwas allgemeiner eine Abbildung J, die jeder k-stelligen Funktion g F[{g 1,..., g m } Π; Comp] einen wohldefinierten Ausdruck J(g) in g 1,..., g m, x 1,..., x k zuordnet, für den I(J(g)) = g gilt. J(g i ) := g i (x 1,..., x k ) J(Π k i ) := x i J(E n,k (h, f 1,..., f n )) := J(h)[J(f 1 ),..., J(f n )/x 1,..., x n ] Für Ausdrücke e, e 1,..., e l bezeichne dabei e[e 1,..., e l /x 1,..., x l ] den Ausdruck, der durch simultane Ersetzung (für i = 1,..., l) aller Vorkommen von x i in e durch e i entsteht. Anwendungen: Für den Nachweis, dass f : N k N eine Darstellung f = E m,k (h, g 1,..., g m ) in PR besitzt, genügt die Angabe einer expliziten Definition f = E aus Funktionen in PR. Für den Nachweis, dass f : N k+1 N eine Darstellung f = R(g, h) in PR besitzt, genügt die Angabe von Rekursionsgleichungen für f in der Form f( x, 0) = E b f( x, y + 1) = E s wobei E b ein Ausdruck in x und bestimmten g 1,..., g b PR ist, und E s ein Ausdruck in x, y und bestimmten h 1,..., h s PR sowie in f( x, y). Im Fall f = R(g, h) sind die gesuchten Funktionen g, h PR einfach I(E b ) und I(Es ), wobei Es aus E s entsteht, indem man alle Vorkommen von f( x, y) durch eine neue Variable v ersetzt. Blicken wir nun auf die obigen Beispiele zurück, so stellen wir fest, dass die jeweiligen informalen Rekursionsgleichungen schon in der Form f( x, 0) = E b f( x, y + 1) = E s angegeben wurden und dass daraus tatsächlich die formale Gestalt f = R(g, h) gewonnen werden kann dies lässt sich auch automatisieren.

6 Die primitiv rekursiven Funktionen 6 Die n-te Grzegorcyk-Klasse E n Die erste Schichtung der primitiv rekursiven Funktionen in eine Hierarchie von echt aufsteigenden Komplexitätsklassen E 0 E 1 E 2... mit E n = PR n 0 geht auf den Mathematiker A. Grzegorczyk (1953) zurück. Definition 7. Die Klasse E n ist die kleinste Klasse zahlentheoretischer Funktionen, die die Basisfunktionen 0, S, alle Projektionen Π m i und A n enthält und abgeschlossen ist unter Einsetzung und beschränkter primitiver Rekursion. Dabei bezeichnet A n : N 2 N den n-ten Ackermannschen Zweig, der sich durch Festhalten des ersten Argumentes aus der 3-stelligen Ackermannfunktion A ergibt, d.h. A n (x, y)= A(n, x, y) für x, y N. Die Funktionen A n besitzen die folgenden Rekursionsgleichungen: A 0 (x, y) = y + 1 x falls n = 0 A n+1 (x, 0) = 0 falls n = 1 1 sonst A n+1 (x, y + 1) = A n (x, A n+1 (x, y)) Definition 8. Eine Funktion f : N k+1 N heißt durch beschränkte primitive Rekursion aus g : N k N, h: N k+2 N und b: N k+1 N definiert, in Zeichen f := BR(g, h, b), falls f die folgenden beschränkten Rekursionsgleichungen (für alle x, y N) erfüllt: f( x, 0) = g( x) f( x, y + 1) = h( x, y, f( x, y)) f( x, y) b( x, y) Bemerkung. Grzegorczyks Idee zur Definition der Schichten E n war, dass man Funktionen f in Schicht E n durch primitive Rekursion aus Funktionen g, h E n gewinnen darf, solange man eine bereits definierte Schranke b E n für f zur Verfügung hat. Damit dieser Ansatz in jeder Schicht zu neuen Funktionen führt, benötigt man eine Schar von immer schneller wachsenden Basisfunktionen A n, deren Wachstum im Limes n zu einer Funktion A führt, die schneller wächst als jede primitiv rekursive Funktion. In der Tat gilt: A 0 (x, y) = y + 1 A 1 (x, y) = x + y A 2 (x, y) = x y A 3 (x, y) = x y A 4 (x, y) = x y mit x 0 := 1 und x l+1 := x x l, d.h. xl = x und so weiter. x mit l Vorkommen von x,

7 Die primitiv rekursiven Funktionen 7 Die konkrete Wahl dieser Funktionenschar geht auf ein modernes Design der ursprünglichen Schichten E n zurück, die der Mathematiker Ritchie (1965) in weiterführenden Untersuchungen zugrundelegte. Die Funktion A n bildet tatsächlich die Hauptfunktion der Schicht E n in dem Sinne, dass jede Funktion in Schicht n durch eine konstante Anzahl von Kompositionen von A n mit sich selbt beschränkt werden kann. Satz 9 (E n -Wachstum). Zu jedem f E n, n 0, findet man eine Konstante c f mit: f( x) A n+1 (max(2, x), c f ) Man beachte hierbei, dass nach der Ausfaltungsdarstellung für Konstanten c gilt: A n+1 (x, c) = A n (x, A n (x,..., A n (x, A n+1 (x, 0))...)) mit c Vorkommen von A n. Die Funktion B mit B(x):=A n+1 (x, c) liegt also in E n. Der Beweis des Satzes basiert auf den nachfolgenden Lemmata, wobei ersteres die Monotonie-Eigenschaften der Funktionen A n schrittweise herausarbeitet und letzteres die Abschätzung von ineinander geschachtelten Ausdrücken der Form A n (x, c), für eine Konstante c, durch einen ebensolchen. Lemma 10 (Monotonie-Eigenschaften). Für n, x, y N gelten folgende Aussagen: (1) A n (x, 1)=x für n 2, x 0 (2) A n (1, y)=1 für n 3, y 0 (3) A n (x, y) 1 für n 3, x 1, y 0 (4) A n (x, y)>y für n 3, x 2, y 0 (5) A n (x, y+1)>a n (x, y) für n 0, x 2, y 0 (6) A n (x+1, y) A n (x, y) für n 0, x 0, y 0 (7) A n+1 (x, y) A n (x, y) für n 2, x 2, y 0. Beweis. Der Beweis ist eine Übungsaufgabe, denn jede dieser Aussagen kann leicht durch vollständige Induktion nach n und ev. im Induktionsschritt (I.S.) durch Nebeninduktion nach y bewiesen werden. Dabei erleichtert man sich das Leben, wenn man zunächst die Anfangsfälle (a) A 1 (x, y) = x + y, (b) A 2 (x, y) = x y und (c) A 3 (x, y) = x y beweist. Für (6) zeigt man zuächst A n (0, y) 1 für n 2, y 0 und dann mittels (a), (b), (2), (3) die Anfangsfälle A n (1, y) A n (0, y) und A n (2, y) A n (1, y) für n, y 0. Damit kann man im I.S. der Nebeninduktion annehmen, dass x 2 gilt. Lemma 11 (A n -Abschätzung). Für n, x 2 und k, l 0 gilt: (a) A n (A n (x, k), l) A n (x, k l) (b) A n 1 (A n (x, k), A n (x, l)) A n (x, k + l)

8 Die primitiv rekursiven Funktionen 8 Beweis. Wir zeigen (a) und (b) durch vollständige Induktion nach n 2, unter Verwendung von Lemma10, deren Teilaussagen nur mit (1),..., (7) referenziert werden. n=2. Wegen A 2 = gilt (a) aufgrund von (x k) l = x (k l). Ferner gilt (b) wegen A 1 = + und (x k) + (x l) = x (k + l). n n+1. Wir zeigen zunächst Aussage (b) für n+1, d.h. ( ) A n (A n+1 (x, k), A n+1 (x, l)) A n+1 (x, k + l), durch Nebeninduktion nach k 0. k =0. Falls n = 2, so folgt ( ) aus A 3 (x, y) = x y und x 0 x l = x 0+l. Andernfalls (n 3) folgt (b) aus A n (A n+1 (x, 0), A n+1 (x, l)) = A n (1, A n+1 (x, l)) nach Def. = 1 nach (2) A n+1 (x, 0 + l) nach (3). k k+1. Wegen A n+1 (x, 1) = x nach (1) und A n (x, A n+1 (x, l)) = A n+1 (x, l + 1) nach Definition, können wir k 1 annehmen. Also gilt A n+1 (x, k) 2 nach (4) und damit: A n (A n+1 (x, k + 1), A n+1 (x, l)) = A n (A n (x, A n+1 (x, k)), A n+1 (x, l)) A n (x, A n+1 (x, k) A n+1 (x, l)) nach Def. nach I.V.(a) A n (x, A n (A n+1 (x, k), A n+1 (x, l))) nach (7), =A 2 und (5) A n (x, A n+1 (x, k + l)) nach I.V.(b) und (5) = A n+1 (x, (k + 1) + l) nach Def. Dies beweist ( ) und somit Teil (b). Wir zeigen nun den Induktionsschritt für (a), d.h. ( ) A n+1 (A n+1 (x, k), l) A n+1 (x, k l), durch Nebeninduktion nach l. l =0. Hier gilt ( ) wegen A n+1 (A n+1 (x, k), 0) Def. = 1 Def. = A n+1 (x, 0), da n 2. l l+1. O.E. gelte k 1, denn A n+1 (A n+1 (x, 0), l + 1) n 2 = A n+1 (1, l + 1) (2) = 1 n 2 = A n+1 (x, 0 (l + 1)). Damit gilt A n+1 (x, k) 2 nach (4), und wir erhalten ( ) wie folgt: A n+1 (A n+1 (x, k), l + 1)) = A n (A n+1 (x, k), A n+1 (A n+1 (x, k), l))) nach Def. A n (A n+1 (x, k), A n+1 (x, k l)) nach NebenIV (a) und (5) A n (x, k + k l)) = A n+1 (x, k (l + 1)). nach (b) Mit Hilfe der beiden vorangehenden Lemmata kann nun Satz 9 über das Wachstum der Funktionen f E n bewiesen werden.

9 Die primitiv rekursiven Funktionen 9 Beweis von Satz 9. Wir zeigen durch Induktion über den Aufbau der Funktionen f E n, n 0, die Existenz einer Konstante c f, so dass stets folgende Abschätzung gilt: ( ) f( x) A n+1 (max(2, x), c f ) Basisfälle. Im Fall f = 0 gilt f A n+1 (2, 0). Im Fall f = S ergibt sich ( ) wie folgt: S(x) max(x, 2) + 1 = A 1 (max(x, 2), 1) Fall n = 0 max(x, 2) 2 = A 2 (max(x, 2), 1) Fall n = 1 A n+1 (max(x, 2), 2) nach (7) Fall n 2 Im Fall f = Π m i sieht man ( ) wie folgt ein: f( x) = x i max( x, 2) = A 1 (max( x, 2), 0) Fall n = 0 = A n+1 (max( x, 2), 1) nach (1) Fall n 1 Im Fall f = A n zeigt man ( ) für z := max(x, y, 2) wie folgt: f(x, y) A n (z, y) nach (6) A n (z, z) nach (5) { An (z, A = n+1 (z, 0)) falls n = 0 (nach Def.) A n (z, A n+1 (z, 1)) sonst (nach (1)) { An+1 (z, 1)) falls n = 0 Def. = A n+1 (z, 2)) sonst Induktionsschritt. Im Fall f = BR(g, h, b) E n mit g, h, b E n folgt ( ) aus der I.V. für die Schranke b. Gelte also f = E(h, g 1,..., g m ) mit h, g 1,..., g m E n, d.h. f( x) = h(g 1 ( x),..., g m ( x)). Nach I.V. und (5) gibt es Konstanten c, c 1,..., c m 2 mit (I) h( y) A n+1 (max( y, 2), c), (II) g i ( x) A n+1 (max( x, 2), c i ) für i = 1,..., m. Sei nun z := max( x, 2) und M := max(c 1,..., c m ). Nach A 1 = + und (1) gilt Also gilt nach (5) A n+1 (x, y) 2 für x 2 und y 1. ( ) 2 A n+1 (z, c i ) A n+1 (z, M) für i = 1,..., m. Hieraus erhalten wir die gesuchte Abschätzung für f wie folgt: f( x) A n+1 (max(g 1 ( x)..., g m ( x), 2), c) nach (I) A n+1 (A n+1 (z, M), c) nach (II), ( ) und (6) { An+1 (z, M + c) falls n = 0 (da A = 1 = +) A n+1 (z, M c) sonst (nach Lemma 11 (a)) A n+1 (z, M c) nach (7).

10 Die primitiv rekursiven Funktionen 10 Dabei geht in die letzte Ungleichung die folgende Überlegung ein: Für a, b 2 gilt a+b a b und somit A 1 (z, M + c) = z + (M + c) z + (M c) z (M c) = A 2 (z, M c). Eine unmittelbare Folgerung aus Satz 9 ist eine noch greifbare Kennzeichnung des Wachstums der Funktionen in E n für die Anfangsfälle n 4. Folgerung 12 (Anfangsfälle). Für jeweils eine Konstante c f (passend zu f) gilt: f E 0 = f( x) c f + max( x, 2) (konstantes Wachstum) f E 1 = f( x) c f max( x, 2) (lineares Wachstum) f E 2 = f( x) max( x, 2) c f (polynomielles Wachstum) f E 3 = f( x) max( x, 2) cf (iteriert exp. Wachstum) f E 4 = f( x) z z (super-exp. Wachstum) mit c f Vorkommen von z := max( x, 2). Dabei verwendet man die eingangs erwähnten Anfangsfälle A 1 = +, A 2 = A 3 (x, y) = x y und A 4 (x, y)=x y sowie mit c Vorkommen von A n (x, für n 2. A n+1 (x, c)=a n (x,..., A n (x, 1)...) }{{} =x Iteriert exponentielles Wachstum kann man auch wie folgt noch etwas plastischer fassen. Folgerung 13 (Iteriert exponentielles Wachstum). Für f E 3 gilt: f( x) (2 c ) max( x,2) für eine Konstante c 0. Dies folgt aus den Anfangsfällen und folgender Abschätzung: ( ) z l (2 l ) l z = 2 2l z mit l Vorkommen von 2. wobei sich ( ) aus z 0 = 1 = (2 0 ) 0 z und z 1 = z 2 z = (2 1 ) 1 z sowie induktiv für l 1 wie folgt ergibt: z l+1 = z z l I.V. 2l z 2 2z (2 z ) (2 l) l z = 2 z 2 2 2l z 2 = (2 l+1 ) (l+1) z Wir beschließen diesen Abschnitt mit der Übertragung der Einsichten aus dem letzten Abschnitt auf die Grzegorczyk-Schichten.

11 Die primitiv rekursiven Funktionen 11 Lemma 14 (Explizite Definitionen in E n ). Für f : N n N und g 1,..., g m E n gilt: f ist explizit definierbar aus g 1,..., g m f ist mittels Einsetzung aus g 1,..., g m und Projektionen definierbar. Beweis. Wie vorher, nur dass man nun die Abgeschlossenheit von E n unter Einsetzung berücksichtigt. Anwendungen: Für den Nachweis, dass f : N k N eine Darstellung f = E m,k (h, g 1,..., g m ) in E n besitzt, genügt es, f explizit aus Funktionen in E n zu definieren. Für den Nachweis, dass f : N k+1 N eine Darstellung f =BR(g, h, b) in E n besitzt, genügt die Angabe von beschränkten Rekursionsgleichungen für f in der Form f( x, 0) = E b f( x, y + 1) = E s f( x, y) E w wobei E b ein Ausdruck in x und bestimmten g 1,..., g b E n ist, E s ein Ausdruck in x, y und bestimmten h 1,..., h s E n sowie in f( x, y), und E w ein Ausdruck in x, y und bestimmten b 1,..., b w E n. Im Fall f =BR(g, h, b) sind die gesuchten Funktionen g, h, b E n einfach I(E b ) und I(E s ) und I(E w ). Beispiel: Die Addition + liegt in E 2, denn es gilt: x + 0 = x x + (y + 1) = (x + y) + 1 x + y (x + 1) (y + 1)

Die primitiv rekursiven Funktionen

Die primitiv rekursiven Funktionen Priv.-Doz. Dr.rer.nat.habil. Karl-Heinz Niggl Technische Universität Ilmenau Fakultät für Informatik und Automatisierung Institut für Theoretische Informatik Fachgebiet Komplexitätstheorie und Effiziente

Mehr

LOOP-Programme 1. Def (Meyer/Ritchie). LOOP-Programme werden induktiv aufgebaut aus den (Basis-) Anweisungen. Führe P X-mal aus ) LOOP-Programme 2

LOOP-Programme 1. Def (Meyer/Ritchie). LOOP-Programme werden induktiv aufgebaut aus den (Basis-) Anweisungen. Führe P X-mal aus ) LOOP-Programme 2 LOOP-Programme 1 LOOP-Programme verwenden (jeweils) endlich viele Variablen aus VAR := {X 0,X 1,X 2,...}, oft nur mit X,Y,Z,U,V,W bezeichnet, die als Register fungieren. Slide 1 Def (Meyer/Ritchie). LOOP-Programme

Mehr

Rekursive 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 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

Induktive Definitionen

Induktive Definitionen Priv.-Doz. Dr.rer.nat.habil. Karl-Heinz Niggl Technische Universität Ilmenau Fakultät IA, Institut für Theoretische Informatik Fachgebiet Komplexitätstheorie und Effiziente Algorithmen J Induktive Definitionen

Mehr

Theorie der Informatik Einleitung. Theorie der Informatik Basisfunktionen und Einsetzung Primitive Rekursion. 14.

Theorie der Informatik Einleitung. Theorie der Informatik Basisfunktionen und Einsetzung Primitive Rekursion. 14. Theorie der Informatik 16. April 2014 14. primitive Rekursion und µ-rekursion Theorie der Informatik 14. primitive Rekursion und µ-rekursion 14.1 Einleitung 14.2 Basisfunktionen und Einsetzung Malte Helmert

Mehr

Theorie der Informatik

Theorie der Informatik Theorie der Informatik 15. primitive Rekursion und µ-rekursion Malte Helmert Gabriele Röger Universität Basel 22. April 2015 Überblick: Vorlesung Vorlesungsteile I. Logik II. Automatentheorie und formale

Mehr

Mächtigkeit von WHILE-Programmen

Mächtigkeit von WHILE-Programmen Mächtigkeit von WHILE-Programmen und rekursive Funktionen Prof. Dr. Berthold Vöcking Lehrstuhl Informatik 1 Algorithmen und Komplexität RWTH Aachen 16. November 2010 Berthold Vöcking, Informatik 1 () Vorlesung

Mehr

Primitiv rekursive und µ-rekursive Funktionen

Primitiv rekursive und µ-rekursive Funktionen Primitiv rekursive und µ-rekursive Funktionen Slide 1 Primitiv rekursive und µ-rekursive Funktionen Hans U. Simon (RUB) Email: simon@lmi.rub.de Homepage: http://www.ruhr-uni-bochum.de/lmi Primitiv rekursive

Mehr

Primitive Rekursion. Basisfunktionen: Konstante Funktion: const 3 3 (1,1, pr 1,3(g,h) (1,1)) Projektion: proj 3 (1,1, pr. Komposition: comp 3,2

Primitive Rekursion. Basisfunktionen: Konstante Funktion: const 3 3 (1,1, pr 1,3(g,h) (1,1)) Projektion: proj 3 (1,1, pr. Komposition: comp 3,2 Primitive Rekursion Basisfunktionen: Konstante Funktion: const Stelligkeit. Wert des Ergebnisses. Unabhängig von den Parametern. const (,, pr,(g,h) (,)) Stelligkeit. Projektion: proj Gibt die Komponente

Mehr

8. Rekursive und primitiv rekursive Funktionen

8. Rekursive und primitiv rekursive Funktionen 8. Rekursive und primitiv rekursive Funktionen In diesem Abschnitt führen wir eine weitere (letzte) Formalisierung des Berechenbarkeitskonzeptes für Funktionen über den natürlichen Zahlen ein. Hatten wir

Mehr

ALP I Primitiv-Rekursive Funktionen

ALP I Primitiv-Rekursive Funktionen ALP I Primitiv-Rekursive Funktionen WS 2012/2013 Äquivalenz vieler Berechnungsmodelle Effektiv Berechenbare Funktionen Mathematische Modelle Maschinelle Modelle λ-kalkül Kombinatorische Logik Allgemein

Mehr

Primitiv rekursive und µ-rekursive Funktionen

Primitiv rekursive und µ-rekursive Funktionen Primitiv rekursive und µ-rekursive Funktionen Loop-, While- und Goto-Programme sind vereinfachte imperative Programme und stehen für imperative Programmiersprachen, bei denen Programme als Folgen von Befehlen

Mehr

Algorithmen und Datenstrukturen 4. Vorlesung

Algorithmen und Datenstrukturen 4. Vorlesung Algorithmen und Datenstrukturen 4 Vorlesung Karl-Heinz Niggl 25 April 26 FG KTuEA, TU Ilmenau AuD 25426 Lösen von Rekursionsgleichungen Die worst-case Laufzeit T A eines rekursiven Algorithmus A ist oft

Mehr

GTI. Hannes Diener. 18. Juni. ENC B-0123,

GTI. Hannes Diener. 18. Juni. ENC B-0123, GTI Hannes Diener ENC B-0123, diener@math.uni-siegen.de 18. Juni 1 / 32 Als Literatur zu diesem Thema empfiehlt sich das Buch Theoretische Informatik kurzgefasst von Uwe Schöning (mittlerweile in der 5.

Mehr

Berechenbarkeit und Komplexität: Mächtigkeit von Programmiersprachen: WHILE- und LOOP-Programme

Berechenbarkeit und Komplexität: Mächtigkeit von Programmiersprachen: WHILE- und LOOP-Programme Berechenbarkeit und Komplexität: Mächtigkeit von Programmiersprachen: WHILE- und LOOP-Programme Prof. Dr. Berthold Vöcking Lehrstuhl Informatik 1 Algorithmen und Komplexität 29. November 2007 Turing-mächtige

Mehr

Induktive Definitionen

Induktive Definitionen Induktive Definitionen Induktive Definition: Konstruktive Methode zur Definition einer Menge M von Objekten aus Basisobjekten mittels (Erzeugungs-) Regeln Slide 1 Rekursion über den Aufbau: Konstruktive

Mehr

Ausgewählte Kapitel Diskreter Mathematik mit Anwendungen

Ausgewählte Kapitel Diskreter Mathematik mit Anwendungen Wahlpflichtfach Bachelor Informatik 4. Semester Ausgewählte Kapitel Diskreter Mathematik mit Anwendungen Kurt-Ulrich Witt Sommersemester 2011 Kurt-Ulrich Witt Diskrete Mathematik Lektion 4 1/33 Inhaltsverzeichnis

Mehr

1.3 Primitiv rekursive und µ-rekursive Funktionen

1.3 Primitiv rekursive und µ-rekursive Funktionen Definition 1.11 Die Klasse der primitiv rekursiven Funktionen (a) Basisfunktionen: (1.) die konstanten Funktionen c (c N) (2.) die Projektionen Π m i (x 1,...,x m ) = x i (1 i m) (3.) die Nachfolgerfunktion

Mehr

Syntax von LOOP-Programmen

Syntax von LOOP-Programmen LOOP-Berechenbarkeit Syntax von LOOP-Programmen Definition LOOP-Programme bestehen aus: Variablen: x 0, x 1, x 2, x 3,... Konstanten: 0, 1, 2, 3,... Trennsymbolen:; und := Operationen: + und Befehlen:

Mehr

ALP I Rekursive Funktionen

ALP I Rekursive Funktionen ALP I Rekursive Funktionen SS 2011 Äquivalenz vieler Berechnungsmodelle Effektiv Berechenbare Funktionen Mathematische Modelle Maschinelle Modelle Text λ-kalkül Kombinatorische Logik Allgemein rekursive

Mehr

Lösungsmenge L I = {x R 3x + 5 = 9} = L II = {x R 3x = 4} = L III = { }

Lösungsmenge L I = {x R 3x + 5 = 9} = L II = {x R 3x = 4} = L III = { } Zur Einleitung: Lineare Gleichungssysteme Wir untersuchen zunächst mit Methoden, die Sie vermutlich aus der Schule kennen, explizit einige kleine lineare Gleichungssysteme. Das Gleichungssystem I wird

Mehr

Primitiv rekursive Codier- und Decodierfunktionen

Primitiv rekursive Codier- und Decodierfunktionen Primitiv rekursive Codier- und Decodierfunktionen Paarungsfunktionen, Codierung von Zahlenfolgen 6.26 Definition Die Cauchysche Paarungsfunktion, : N 2 N wird definiert durch x, y = ((x + y)(x + y + 1)

Mehr

Rekursive Funktionen Basisfunktionen

Rekursive Funktionen Basisfunktionen Rekursive Funktionen Basisfunktionen die nullstellige Funktion Z, die den konstanten Wert 0 liefert, die Funktion S : N N, bei der jeder natürlichen Zahl ihr Nachfolger zugeordnet wird, die Funktion P

Mehr

n A n = A ist nun folgendermaßen:

n A n = A ist nun folgendermaßen: Aufgabe 3. Sei (X, d) ein beschränkter metrischer Raum, d.h. es gibt ein c > 0 mit d(x, y) c für alle x, y X. Bezeichne T (X) die Menge aller abgeschlossenen nichtleeren Teilmengen von X. Für A, B T (X)

Mehr

Grundbegriffe der Informatik

Grundbegriffe der Informatik Grundbegriffe der Informatik Einheit 4: Wörter (und vollständige Induktion) Thomas Worsch Universität Karlsruhe, Fakultät für Informatik Oktober 2008 1/29 Überblick Wörter Wörter Das leere Wort Mehr zu

Mehr

Logische Grundlagen der Mathematik, WS 2014/15

Logische 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

Mehr

Grundlagen der Programmierung

Grundlagen der Programmierung Grundlagen der Programmierung SS 05 Prof. Dr. K. Madlener Lösungshinweise zu Übungsblatt 6 Aufgabe 6.1. Sei f(x, b) = µy b.(y y x (y + 1) (y + 1) > x) f.a. x, b N. Sei weiter f(x) = f(x, x) f.a. x N. Aufgabe

Mehr

Lösungsmenge L I = {x R 3x + 5 = 9} = L II = {x R 3x = 4} = L III = { }

Lösungsmenge L I = {x R 3x + 5 = 9} = L II = {x R 3x = 4} = L III = { } Zur Einleitung: Lineare Gleichungssysteme Wir untersuchen zunächst mit Methoden, die Sie vermutlich aus der Schule kennen, explizit einige kleine lineare Gleichungssysteme. Das Gleichungssystem I wird

Mehr

Mächtigkeit 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 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

Mehr

9. Polynom- und Potenzreihenringe

9. Polynom- und Potenzreihenringe 64 Andreas Gathmann 9. Polynom- und Potenzreihenringe Bevor wir mit der allgemeinen Untersuchung von Ringen fortfahren, wollen wir in diesem Kapitel kurz zwei sehr wichtige weitere Beispiele von Ringen

Mehr

Kapitel III. Aufbau des Zahlensystems

Kapitel III. Aufbau des Zahlensystems Kapitel III. Aufbau des Zahlensystems 1 Addition und Multiplikation natürlicher Zahlen Wir wollen erklären, wie man natürliche Zahlen addiert und multipliziert und dabei nur den Begriff das Zählens verwenden.

Mehr

Konstruktion reeller Zahlen aus rationalen Zahlen

Konstruktion reeller Zahlen aus rationalen Zahlen Konstruktion reeller Zahlen aus rationalen Zahlen Wir nehmen an, daß der Körper der rationalen Zahlen bekannt ist. Genauer wollen wir annehmen: Gegeben ist eine Menge Q zusammen mit zwei Verknüpfungen

Mehr

Berechenbarkeit und Komplexität: Mächtigkeit von Programmiersprachen: WHILE- und LOOP Programme

Berechenbarkeit und Komplexität: Mächtigkeit von Programmiersprachen: WHILE- und LOOP Programme Berechenbarkeit und Komplexität: Mächtigkeit von Programmiersprachen: WHILE- und LOOP Programme Prof. Dr. Berthold Vöcking Lehrstuhl Informatik 1 Algorithmen und Komplexität 13. November 2006 Turing-mächtige

Mehr

2. Teilbarkeit. Euklidischer Algorithmus

2. Teilbarkeit. Euklidischer Algorithmus O. Forster: Einführung in die Zahlentheorie 2. Teilbarkeit. Euklidischer Algorithmus 2.1. Wir benutzen die folgenden Bezeichnungen: Z = {0, ±1, ±2, ±3,...} Menge aller ganzen Zahlen N 0 = {0, 1, 2, 3,...}

Mehr

Mathematik 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 Mathematik I für Studierende der Informatik und Wirtschaftsinformatik (Diskrete Mathematik) im Wintersemester 2017/18 26. Oktober 2017 1/35 Abbildungen Boolesche Algebra Summen- und Produktzeichen Definition

Mehr

Kapitel 1.1. Aussagenlogik: Syntax. Mathematische Logik (WS 2011/12) Kapitel 1.1: Aussagenlogik: Syntax 1/ 1

Kapitel 1.1. Aussagenlogik: Syntax. Mathematische Logik (WS 2011/12) Kapitel 1.1: Aussagenlogik: Syntax 1/ 1 Kapitel 1.1 Aussagenlogik: Syntax Mathematische Logik (WS 2011/12) Kapitel 1.1: Aussagenlogik: Syntax 1/ 1 Übersicht 1.1.1 Die Sprache der Aussagenlogik 1.1.2 Explizite vs. implizite Definitionen 1.1.3

Mehr

6. Rekursive und primitiv rekursive Funktionen. Ein maschinenunabhängiges formales Berechnungsmodell auf den natürlichen Zahlen

6. Rekursive und primitiv rekursive Funktionen. Ein maschinenunabhängiges formales Berechnungsmodell auf den natürlichen Zahlen 6. Rekursive und primitiv rekursive Funktionen Ein maschinenunabhängiges formales Berechnungsmodell auf den natürlichen Zahlen IDEE: Definiere eine Klasse von (partiell) berechenbaren Funktionen über N

Mehr

(b) Man nennt die Menge M beschränkt, wenn sie nach oben und unten beschränkt ist.

(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 =

Mehr

GTI. µ-rekursive Funktionen. Hannes Diener. 20. Juni 2. Juli. ENC B-0123,

GTI. µ-rekursive Funktionen. Hannes Diener. 20. Juni 2. Juli. ENC B-0123, GTI µ-rekursive Funktionen Hannes Diener ENC B-0123, diener@math.uni-siegen.de 20. Juni 2. Juli 1 / 31 µ-rekursive Funktionen Kommen wir als nächstes zu unserem dritten Ansatz zur Berechenbarkeit. Diesmal

Mehr

Kapitel 1: Die Basistheoreme

Kapitel 1: Die Basistheoreme Kapitel 1: Die Basistheoreme 1.1 Stackprogramme Vorauss.: 1) Variablen X 1,X 2,... (auch X,Y,Z,U,V,O, ev. indiziert) 2) Beliebiges, aber fest gewähltes Alphabet Σ := {a 1,...,a k } Slide 1 Jedes X i fungiert

Mehr

Vorkurs Mathematik. Vorlesung 8. Angeordnete Körper

Vorkurs Mathematik. Vorlesung 8. Angeordnete Körper Prof. Dr. H. Brenner Osnabrück WS 2009/2010 Vorkurs Mathematik Vorlesung 8 Angeordnete Körper Definition 8.1. Ein Körper K heißt angeordnet, wenn es eine totale Ordnung auf K gibt, die die beiden Eigenschaften

Mehr

Die Prädikatenlogik erster Stufe: Syntax und Semantik

Die 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,

Mehr

1.2 Eigenschaften der ganzen Zahlen

1.2 Eigenschaften der ganzen Zahlen Lineare Algebra I WS 2015/16 c Rudolf Scharlau 13 1.2 Eigenschaften der ganzen Zahlen Dieser Abschnitt handelt von den gewöhlichen ganzen Zahlen Z und ihren Verknüpfungen plus und mal. Man kann die natürlichen

Mehr

LOOP-Programme: Syntaktische Komponenten

LOOP-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: ; :=

Mehr

Theoretische Informatik SS 03 Übung 4

Theoretische Informatik SS 03 Übung 4 Fakten aus Übung 3 Theoretische Informatik SS 03 Übung 4 In Übung 3 wurden einigen Fakten bewiesen, die für diese Übung benötigt werden. Folgende Konstrukte können mit LOOP-Programmen simuliert werden:

Mehr

Einführung in die Logik

Einführung 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

Mehr

Konstruktion der reellen Zahlen

Konstruktion der reellen Zahlen Konstruktion der reellen Zahlen Zur Wiederholung: Eine Menge K (mit mindestens zwei Elementen) heißt Körper, wenn für beliebige Elemente x, y K eindeutig eine Summe x+y K und ein Produkt x y K definiert

Mehr

Zunächst ein paar einfache "Rechen"-Regeln: Lemma, Teil 1: Für beliebige Funktionen f und g gilt:

Zunächst ein paar einfache Rechen-Regeln: Lemma, Teil 1: Für beliebige Funktionen f und g gilt: Der Groß-O-Kalkül Zunächst ein paar einfache "Rechen"-Regeln: G. Zachmann Informatik 1 - WS 05/06 Komplexität 22 Additionsregel Lemma, Teil 1: Für beliebige Funktionen f und g gilt: Zu beweisen: nur das

Mehr

b liegt zwischen a und c.

b liegt zwischen a und c. 2 DIE ANORDNUNGSAXIOME 5 (2.4) a, b, c R : (a < b 0 < c) ac < bc Monotoniegesetz der Multiplikation Bezeichnungen a > b : b < a (> wird gelesen: größer als ) a b : a < b oder a = b a b : a > b oder a =

Mehr

3.3 Austauschsatz, Basisergänzungssatz und Dimension

3.3 Austauschsatz, Basisergänzungssatz und Dimension 66 Kapitel III: Vektorräume und Lineare Abbildungen 3.3 Austauschsatz, Basisergänzungssatz und Dimension Montag, 15. Dezember 2003 Es sei V ein Vektorraum. Jedes Teilsystem eines linear unabhängigen Systems

Mehr

Ordinalzahlen. Sei (X, ) eine total geordnete Menge und a X. Dann

Ordinalzahlen. Sei (X, ) eine total geordnete Menge und a X. Dann Ordinalzahlen Im Rahmen der Ordnungsrelationen wurden bisher die Begriffe Partialordnung und Totalordnung (lineare Ordnung) erwähnt. Ein weiterer wichtiger Ordnungsbegriff ist die Wohlordnung. Wohlgeordnete

Mehr

Skript und Übungen Teil II

Skript und Übungen Teil II Vorkurs Mathematik Herbst 2009 M. Carl E. Bönecke Skript und Übungen Teil II Das erste Semester wiederholt die Schulmathematik in einer neuen axiomatischen Sprache; es ähnelt damit dem nachträglichen Erlernen

Mehr

2 Riemannsche Flächen

2 Riemannsche Flächen $Id: flaechen.tex,v 1.12 2016/12/01 19:00:20 hk Exp $ 2 Riemannsche Flächen 2.4 Direkte Limites und Halme von Garben Am Ende der letzten Sitzung hatten wir die Windungspunkte einer holomorphen Funktion

Mehr

liefern eine nicht maschinenbasierte Charakterisierung der regulären

liefern eine nicht maschinenbasierte Charakterisierung der regulären Reguläre Ausdrücke 1 Ziel: L=L M für NFA M L=L(r) für einen regulären Ausdruck r Reguläre Ausdrücke über einem Alphabet Σ Slide 1 liefern eine nicht maschinenbasierte Charakterisierung der regulären Sprachen

Mehr

Kapitel 6. Fixpunkte und semantische Bereiche

Kapitel 6. Fixpunkte und semantische Bereiche Kapitel 6 Fixpunkte und semantische Bereiche Sowohl bei der Definition der operationalen Semantik als auch bei der Definition der mathematischen Semantik haben wir mehr oder weniger explizit Fixpunkte

Mehr

Numerische Verfahren und Grundlagen der Analysis

Numerische Verfahren und Grundlagen der Analysis Numerische Verfahren und Grundlagen der Analysis Rasa Steuding Hochschule RheinMain Wiesbaden Wintersemester 2011/12 R. Steuding (HS-RM) NumAna Wintersemester 2011/12 1 / 26 1. Folgen R. Steuding (HS-RM)

Mehr

6 Reelle und komplexe Zahlenfolgen

6 Reelle und komplexe Zahlenfolgen Mathematik für Physiker I, WS 200/20 Freitag 0.2 $Id: folgen.tex,v. 200/2/06 :2:5 hk Exp $ $Id: reihen.tex,v. 200/2/0 4:4:40 hk Exp hk $ 6 Reelle und komplexe Zahlenfolgen 6. Cauchyfolgen Wir kommen nun

Mehr

2. Imperative Programmierung und Berechenbarkeit - Registermaschinen -

2. Imperative Programmierung und Berechenbarkeit - Registermaschinen - 2. Imperative Programmierung und Berechenbarkeit - Registermaschinen - 2.1 Definition 2.2 Loop-Programme 2.3 While Programme 2.4 While Programme und rekursive Funktionen Im Wesentlichen: Tafel! Maschinenmodell

Mehr

Vollständigkeit. 1 Konstruktion der reellen Zahlen

Vollständigkeit. 1 Konstruktion der reellen Zahlen Vortrag im Rahmen des Proseminars zur Analysis, 17.03.2006 Albert Zeyer Ziel des Vortrags ist es, die Vollständigkeit auf Basis der Konstruktion von R über die CAUCHY-Folgen zu beweisen und äquivalente

Mehr

Mathematik für Informatiker 1 Wintersemester 2013/14 Übungsblatt 12

Mathematik für Informatiker 1 Wintersemester 2013/14 Übungsblatt 12 Dipl.Inf. Malte Isberner Dr. Oliver Rüthing Dipl.Inf. Melanie Schmidt Dr. Hubert Wagner Übungen zur Vorlesung Mathematik für Informatiker 1 Wintersemester 2013/14 Übungsblatt 12 Die Lösungshinweise dienen

Mehr

Dezimaldarstellung ganzer Zahlen (Division mit Rest) 1 Division mit Rest in der Hochschule

Dezimaldarstellung ganzer Zahlen (Division mit Rest) 1 Division mit Rest in der Hochschule Berufsfeldbezogenes Fachseminar - Zahlentheorie Lisa Laudan Prof. Dr. Jürg Kramer Wintersemester 2014/2015 Dezimaldarstellung ganzer Zahlen (Division mit Rest) 1 Division mit Rest in der Hochschule 1.1

Mehr

Höhere Mathematik I für die Fachrichtung Informatik. Lösungsvorschläge zum 4. Übungsblatt

Höhere Mathematik I für die Fachrichtung Informatik. Lösungsvorschläge zum 4. Übungsblatt KARLSRUHER INSTITUT FÜR TECHNOLOGIE INSTITUT FÜR ANALYSIS Dr. Christoph Schmoeger Heiko Hoffmann WS 0/4 Höhere Mathematik I für die Fachrichtung Informatik Lösungsvorschläge zum 4. Übungsblatt Aufgabe

Mehr

Wie in der reellen Analysis üblich notiert man Folgen f in der Form

Wie in der reellen Analysis üblich notiert man Folgen f in der Form 2.1.3 Folgen und Konvergenz Viele aus der Analysisvorlesung bekannte Begriffe lassen sich in den Bereich der metrischen Räume verallgemeinern. Diese Verallgemeinerung hat sich als sehr nützliches mathematisches

Mehr

Kapitel 5 KONVERGENZ

Kapitel 5 KONVERGENZ Kapitel 5 KONVERGENZ Fassung vom 21. April 2002 Claude Portenier ANALYSIS 75 5.1 Metrische Räume 5.1 Metrische Räume DEFINITION 1 Sei X eine Menge. Eine Abbildung d : X X! R + heißt Metrik oder Distanz

Mehr

13 Auswahlaxiom und Zornsches Lemma

13 Auswahlaxiom und Zornsches Lemma 13 Auswahlaxiom und Zornsches Lemma Handout zur Funktionalanalysis I von H. Glöckner, 25.11.2008 Wichtige Teile der modernen Mathematik beruhen auf dem sogenannten Auswahlaxiom der Mengenlehre. Dieses

Mehr

Hausaufgaben. zur Vorlesung. Vollständige Induktion. 1. Beweist folgende Formeln (zu beweisen ist nur die Gleichheit mit dem. i=1 (4 + i)!

Hausaufgaben. zur Vorlesung. Vollständige Induktion. 1. Beweist folgende Formeln (zu beweisen ist nur die Gleichheit mit dem. i=1 (4 + i)! WS 015/1 Hausaufgaben zur Vorlesung Vollständige Induktion 1. Beweist folgende Formeln zu beweisen ist nur die Gleichheit mit dem! -Zeichen : a 5 + + 7 + 8 + + 4 + n n 4 + i! nn+9 b 1 + + 9 + + n 1 n 1

Mehr

3 Abbildungen. 14 I. Zahlen, Konvergenz und Stetigkeit

3 Abbildungen. 14 I. Zahlen, Konvergenz und Stetigkeit 14 I. Zahlen, Konvergenz und Stetigkeit 3 Abbildungen 3.1 Definition. Es seien zwei Mengen M, N gegeben. Unter einer Abbildung f : M N von M nach N versteht man eine Vorschrift, die jedem Element M genau

Mehr

Institut für Analysis WiSe 2018/2019 Prof. Dr. Dirk Hundertmark Dr. Markus Lange. Analysis 1. Aufgabenzettel 4

Institut für Analysis WiSe 2018/2019 Prof. Dr. Dirk Hundertmark Dr. Markus Lange. Analysis 1. Aufgabenzettel 4 Institut für Analysis WiSe 2018/2019 Prof. Dr. Dirk Hundertmark 08.11.2018 Dr. Markus Lange Analysis 1 Aufgabenzettel 4 Abgabe bis 14. November 2018, 19:00 Uhr Erinnerung: Die Anmeldung für den Übungsschein

Mehr

Übung zur Vorlesung Berechenbarkeit und Komplexität

Übung zur Vorlesung Berechenbarkeit und Komplexität RWTH Aachen Lehrgebiet Theoretische Informatik Reidl Ries Rossmanith Sanchez Tönnis WS 2012/13 Übungsblatt 7 26.11.2012 Übung zur Vorlesung Berechenbarkeit und Komplexität Aufgabe T15 Entwickeln Sie ein

Mehr

Rekursionsbäume Aufstellen eines Baumes dessen Knoten die Laufzeit auf jeder Rekursionsstufe darstellen und Aufsummieren

Rekursionsbäume Aufstellen eines Baumes dessen Knoten die Laufzeit auf jeder Rekursionsstufe darstellen und Aufsummieren Algorithmen und Datenstrukturen 74 3 Rekursionen Vor allem bei rekursiven Algorithmen besitzt die Laufzeitfunktion eine naheliegende rekursive Formulierung, d.h. die Laufzeitfunktion ist konstant für den

Mehr

(alternierendes Vorzeichen) a n := ( 1)n n + 1 a n := 3n 2 7n a n := n(n 1)(n 2), n 3

(alternierendes Vorzeichen) a n := ( 1)n n + 1 a n := 3n 2 7n a n := n(n 1)(n 2), n 3 ANALYSIS FÜR PHYSIK UND VERWANDTE FÄCHER I 43 2. Folgen und Reihen Folgen und Reihen werden in jedem Analysislehrbuch besprochen, siehe etwa [H, Kapitel III], [K, Kapitel 5], [J2, Kapitel 23] oder [M,

Mehr

Mächtigkeit von WHILE-Programmen

Mächtigkeit von WHILE-Programmen Mächtigkeit von WHILE-Programmen Prof. Dr. Berthold Vöcking Lehrstuhl Informatik 1 Algorithmen und Komplexität RWTH Aachen 1 / 23 Turingmaschine (TM) M = (Q, Σ, Γ, B, q 0, q, δ) Unendliches Band... 0 c

Mehr

8 Der Kompaktheitssatz und der Satz von Löwenheim und Skolem

8 Der Kompaktheitssatz und der Satz von Löwenheim und Skolem 8 Der Kompaktheitssatz und der Satz von Löwenheim und Skolem 8.1 Der Kompaktheitssatz Kompaktheitssatz Endlichkeitssatz Der Kompaktheitssatz ist auch unter dem Namen Endlichkeitssatz bekannt. Unter Verwendung

Mehr

Karlsruher Institut für Technologie (KIT) WS 2012/13 Institut für Analysis Prof. Dr. Tobias Lamm Dr. Patrick Breuning

Karlsruher Institut für Technologie (KIT) WS 2012/13 Institut für Analysis Prof. Dr. Tobias Lamm Dr. Patrick Breuning Karlsruher Institut für Technologie (KIT) WS 202/3 Institut für Analysis 26..202 Prof. Dr. Tobias Lamm Dr. Patrick Breuning Höhere Mathematik I für die Fachrichtung Physik 7. Übungsblatt Aufgabe Untersuchen

Mehr

heißt Exponentialreihe. Die durch = exp(1) = e (Eulersche Zahl). n! + R m+1(x) R m+1 (x) = n! m m + 2

heißt Exponentialreihe. Die durch = exp(1) = e (Eulersche Zahl). n! + R m+1(x) R m+1 (x) = n! m m + 2 9 DIE EXPONENTIALREIHE 48 absolut konvergent. Beweis. Wegen x n+ n! n + )!x n = x n + < 2 für n 2 x folgt dies aus dem Quotientenkriterium 8.9). Definition. Die Reihe x n heißt Exponentialreihe. Die durch

Mehr

V. Claus, Juli 2005 Einführung in die Informatik II 45

V. Claus, Juli 2005 Einführung in die Informatik II 45 Um die Größenordnung einer reellwertigen oder ganzzahligen Funktion zu beschreiben, verwenden wir die so genannten Landau-Symbole (nach dem deutschen Mathematiker Edmund Landau, 1877-1938). Hierbei werden

Mehr

Einführung in die Theoretische Informatik

Einführung in die Theoretische Informatik Technische Universität München Fakultät für Informatik Prof. Tobias Nipkow, Ph.D. Sascha Böhme, Lars Noschinski Sommersemester 2011 Lösungsblatt 8 18. Juli 2011 Einführung in die Theoretische Informatik

Mehr

Unvollständigkeit der Arithmetik

Unvollständigkeit 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

Mehr

Einführung in die Theoretische Informatik

Einführung 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

Mehr

MATHEMATIK FÜR NATURWISSENSCHAFTLER I WINTERSEMESTER 2016/ OKTOBER 2016

MATHEMATIK FÜR NATURWISSENSCHAFTLER I WINTERSEMESTER 2016/ OKTOBER 2016 MATHEMATIK FÜR NATURWISSENSCHAFTLER I WINTERSEMESTER 2016/17 MARK HAMILTON LMU MÜNCHEN 1.1. Grundbegriffe zu Mengen. 1. 17. OKTOBER 2016 Definition 1.1 (Mengen und Elemente). Eine Menge ist die Zusammenfassung

Mehr

Folgen. Kapitel 2. Folgen. Peter Becker (H-BRS) Analysis Sommersemester / 543

Folgen. Kapitel 2. Folgen. Peter Becker (H-BRS) Analysis Sommersemester / 543 Kapitel 2 Folgen Peter Becker (H-BRS) Analysis Sommersemester 2016 89 / 543 Inhalt Inhalt 1 Folgen Definition kriterien in C, R d und C d Peter Becker (H-BRS) Analysis Sommersemester 2016 90 / 543 Definition

Mehr

Tutorium: Diskrete Mathematik

Tutorium: Diskrete Mathematik Tutorium: Diskrete Mathematik Vorbereitung der Bonusklausur am 01.12.2017 (Teil 1) 22. November 2017 Steven Köhler mathe@stevenkoehler.de mathe.stevenkoehler.de 2 c 2017 Steven Köhler 22. November 2017

Mehr

D-MATH, D-PHYS, D-CHAB Analysis I HS 2017 Prof. Manfred Einsiedler. Lösung 3

D-MATH, D-PHYS, D-CHAB Analysis I HS 2017 Prof. Manfred Einsiedler. Lösung 3 D-MATH, D-PHYS, D-CHAB Analysis I HS 2017 Prof. Manfred Einsiedler Lösung 3 Hinweise 1. Verwenden Sie in a) für die ersten beiden Gleichungen die Eindeutigkeit des additiven Inversen (Folgerung (b)) und

Mehr

30 Die Gammafunktion und die Stirlingsche Formel

30 Die Gammafunktion und die Stirlingsche Formel 3 Die Gammafunktion und die Stirlingsche Formel 35 Charakterisierung der Gammafunktion 36 Darstellung der Gammafunktion 38 Beziehung zwischen der Gammafunktion und der Zetafunktion 3 Stirlingsche Formel

Mehr

Die Lösungen der Gleichung b x = log b (x)

Die Lösungen der Gleichung b x = log b (x) Die Lösungen der Gleichung b = log b () wgnedin@math.uni-koeln.de 17. Januar 2014 In der ersten Vorlesung des Wintersemesters wurde folgende Frage gestellt: Wieviele Lösungen hat die Gleichung ( ) 1 =

Mehr

11 Dezimalbruchdarstellung reeller Zahlen; Mächtigkeitsvergleich von Mengen

11 Dezimalbruchdarstellung reeller Zahlen; Mächtigkeitsvergleich von Mengen 11 Dezimalbruchdarstellung reeller Zahlen; Mächtigkeitsvergleich von Mengen 11.1 g-adische Entwicklung von Zahlen aus [0, 1[ 11.2 g-adische Entwicklung reeller Zahlen 11.3 g-adische Entwicklung nicht-negativer

Mehr

Darstellung ganzer Zahlen als Bitvektoren

Darstellung ganzer Zahlen als Bitvektoren Darstellung ganzer Zahlen als Bitvektoren Jan Peleska Jan Bredereke Universität Bremen, Fachbereich Informatik Vers. 1.2 1 Darstellung natürlicher Zahlen z N 0 und Addition 1.1 Dualzahlen dargestellt durch

Mehr

Syntax. 1 Jedes A AS AL ist eine (atomare) Formel. 2 Ist F eine Formel, so ist auch F eine Formel. 3 Sind F und G Formeln, so sind auch

Syntax. 1 Jedes A AS AL ist eine (atomare) Formel. 2 Ist F eine Formel, so ist auch F eine Formel. 3 Sind F und G Formeln, so sind auch Formale der Informatik 1 Kapitel 15 Folgerbarkeit, Äquivalenzen und Normalformen Frank Heitmann heitmann@informatik.uni-hamburg.de 8. Juni 2015 Syntax Definition (Syntax der Aussagenlogik) Mit AS AL sei

Mehr

Seite 1. Folgen. Folgen. Klaus Messner,

Seite 1. Folgen. Folgen. Klaus Messner, Seite 1 Klaus Messner, klaus_messner@web.de Seite 2 Begriffe Die Schreibweise stellt eine Folge dar. Die a i nennt man glieder und i ist der Index bzw. die Nummer eines speziellen glieds. In den Lehrbüchern

Mehr

Da diese Zahlenmenge nicht unter Subtraktion abgeschlossen ist, erweitert man sie zur Menge der ganzen Zahlen

Da diese Zahlenmenge nicht unter Subtraktion abgeschlossen ist, erweitert man sie zur Menge der ganzen Zahlen Kapitel 2 Die reellen Zahlen Die reellen Zahlen werden zunächst und vorübergehend als Dezimalzahlen eingeführt. Die wichtigsten Eigenschaften werden aus dieser Darstellung hergeleitet, mit denen dann die

Mehr

Prof. Dr. Elmar Grosse-Klönne Institut für Mathematik

Prof. Dr. Elmar Grosse-Klönne Institut für Mathematik Prof. Dr. Elmar Grosse-Klönne Institut für Mathematik Lineare Algebra Analytische Geometrie I* Übungsaufgaben, Blatt Musterlösungen Aufgabe. Es seien A, B, C Teilmengen einer Menge X. Zeige: i A B C =

Mehr

$Id: stetig.tex,v /06/26 15:40:18 hk Exp $

$Id: stetig.tex,v /06/26 15:40:18 hk Exp $ $Id: stetig.tex,v 1.11 2012/06/26 15:40:18 hk Exp $ 9 Stetigkeit 9.1 Eigenschaften stetiger Funktionen Am Ende der letzten Sitzung hatten wir eine der Grundeigenschaften stetiger Funktionen nachgewiesen,

Mehr

10. Der Äquivalenzsatz

10. 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)

Mehr

Programmierung 1 (Wintersemester 2012/13) Lösungsblatt 10 (Kapitel 11)

Programmierung 1 (Wintersemester 2012/13) Lösungsblatt 10 (Kapitel 11) Fachrichtung 6.2 Informatik Universität des Saarlandes Tutorenteam der Vorlesung Programmierung 1 Programmierung 1 (Wintersemester 2012/13) Lösungsblatt 10 (Kapitel 11) Hinweis: Dieses Übungsblatt enthält

Mehr

1 Konvergenz im p ten Mittel

1 Konvergenz im p ten Mittel Konvergenz im p ten Mittel 1 1 Konvergenz im p ten Mittel In diesem Paragraphen werden zunächst in Abschnitt 1.1 die L p Räume eingeführt. Diese erweisen sich als vollständige, lineare Räume über R. In

Mehr