1.3 Primitiv rekursive und µ-rekursive Funktionen
|
|
- Hinrich Brahms
- vor 6 Jahren
- Abrufe
Transkript
1 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 s(n) = n + 1 (b) Abschlusseigenschaften: (4.) Komposition: g : N k N, h 1,...,h k : N m N : f(x 1,...,x m ) = g(h 1 (x 1,...,x m ),...,h k (x 1,...,x m )) (5.) Primitive Rekursion: g : N k N, h : N k+2 N : f(0, x 1,...,x k ) = g(x 1,...,x k ) f(n+1, x 1,...,x k ) = h(f(n, x 1,...,x k ), n, x 1,...,x k ) Prof. Dr. F. Otto (Universität Kassel) Berechenbarkeit und Formale Sprachen 45 / 309
2 Alle primitiv rekursiven Funktionen sind total und (intuitiv) berechenbar. Frage: Sind dies genau die totalen und berechenbaren Funktionen? Prof. Dr. F. Otto (Universität Kassel) Berechenbarkeit und Formale Sprachen 46 / 309
3 Beispiele: (1.) add : N 2 N : add(0, x) = x (= Π 1 1 (x)) add(n+1, x) = s(add(n, x))(= s(π 3 1 (add(n, x), n, x))) (2.) mult : N 2 N : mult(0, x) = 0 mult(n+1, x) = add(mult(n, x), x) = h(mult(n, x), n, x) mit h(u, v, w) = add(π 3 1 (u, v, w),π3 3 (u, v, w)) (3.) Ist f(v, w, x, y) prim. rek., so auch g(a, b, c) = f(b, b, c, a), denn: g(a, b, c) = f(π 3 2 (a, b, c),π3 2 (a, b, c),π3 3 (a, b, c),π3 1 (a, b, c)). Prof. Dr. F. Otto (Universität Kassel) Berechenbarkeit und Formale Sprachen 47 / 309
4 (4.) u(n) = max(n 1, 0) : u(0) = 0 u(n+1) = n (5.) sub(x, 0) = x sub(x, y + 1) = u(sub(x, y)) (= Π 2 2 (u(n), n)) Dann: sub(x, y) = max(x y, 0) = x y. Prof. Dr. F. Otto (Universität Kassel) Berechenbarkeit und Formale Sprachen 48 / 309
5 (6.) ( ) n 2 = n(n 1) 2 : ( 0 ( 2) = 0, n+1 ) ( 2 = n ) 2 + n (7.) c : N 2 N : c(x, y) = ( x+y+1) ( 2 + x = add( s(add(x,y)) ),Π 2 1 (x, y)) x y c ist Bijektion von N 2 auf N. Prof. Dr. F. Otto (Universität Kassel) Berechenbarkeit und Formale Sprachen 49 / 309
6 Verallgemeinerung,..., : N k+1 N : n 0, n 1,...,n k := c(n 0, c(n 1,...,c(n k, 0)...)) Seien e, f : N N die Umkehrfunktionen zu c: e(c(x, y)) = x, f(c(x, y)) = y, c(e(n), f(n)) = n. Dann : d 0 (n) = e(n) d 1 (n) = e(f(n)). d k (n) = e(f(f(...f(n)...))) }{{} k-mal Es gilt: d i ( n 0, n 1,...,n k ) = n i (0 i k). Prof. Dr. F. Otto (Universität Kassel) Berechenbarkeit und Formale Sprachen 50 / 309
7 Lemma 1.12 Die Funktionen e und f sind primitiv rekursiv. P N ˆ= Prädikat P(n) n P gdw. P(n) gilt. Charakteristische { Funktion zu P: 1 falls P(n) χ P (n) = 0 sonst Definition P(n) ist prim. rekursiv gdw. χ P ist prim. rekursiv. Prof. Dr. F. Otto (Universität Kassel) Berechenbarkeit und Formale Sprachen 51 / 309
8 Beschränkter max-operator: q(n) := max{ x n P(x)} := max({ x x n und P(x)} {0}). Lemma 1.13 Mit P ist auch q primitiv rekursiv. Beweis: q(0) = 0 { n+1 falls P(n+1) q(n+1) = q(n) sonst = q(n)+χ P (n+1) ((n+1) q(n)). Prof. Dr. F. Otto (Universität Kassel) Berechenbarkeit und Formale Sprachen 52 / 309
9 Beschränkter Existenzquantor: Q(n) gdw. x n : P(x) Dann : Q(0) gdw. P(0) Q(n+1) gdw. d.h. χ Q (0) = χ P (0) P(n+1) oder Q(n) χ Q (n+1) = χ P (n+1)+χ Q (n) χ P (n+1) χ Q (n) Lemma 1.14 Mit P ist auch Q primitiv rekursiv. Prof. Dr. F. Otto (Universität Kassel) Berechenbarkeit und Formale Sprachen 53 / 309
10 Beweis zu e, f sind primitiv rekursiv: e (n, m, k) := max{ x n y k : c(x, y) = m} Beh. e ist primitiv rekursiv. Bew.: Definiere P(x, y, m) gdw. c(x, y) = m. Dann gilt: χ P (x, y, m) = 1 ((c(x, y) m)+(m c(x, y))), d.h., P ist primitiv rekursiv. Definiere Q(x, k, m) gdw. y k : c(x, y) = m gdw. y k : P(x, y, m). Q ist primitiv rekursiv nach Lemma e (n, m, k) = max{ x n Q(x, k, m)}, also ist e primitiv rekursiv nach Lemma Es gilt e (n, n, n) = max{ x n y n : c(x, y) = n} = e(n). f (n, m, k) := max{ y n x k : c(x, y) = m} Dann: f (n, n, n) = f(n). Prof. Dr. F. Otto (Universität Kassel) Berechenbarkeit und Formale Sprachen 54 / 309
11 Satz 1.15 Die Klasse der primitiv rekursiven Funktionen stimmt mit der Klasse der LOOP-berechenbaren Funktionen überein. Beweis: : Sei F : N r N LOOP-berechenbar. Es gibt ein LOOP-Programm P, das F berechnet. P enthalte die Variablen x 0, x 1,...,x k (k r). Behauptung: Es gibt eine prim. rekursive Funktion g P : N N: g P ( a 0, a 1,...,a k ) = b 0, b 1,...,b k, wobei a 0, a 1,...,a k die Werte von x 0, x 1,...,x k beim Start und b 0, b 1,...,b k die Werte von x 0, x 1,...,x k beim Halt von P sind. Prof. Dr. F. Otto (Universität Kassel) Berechenbarkeit und Formale Sprachen 55 / 309
12 Beweis Induktion über den Aufbau von P: (i) x i := x j ± c g P (n) = d 0 (n),...,d i 1 (n), d j (n)±c, d i+1 (n),...,d k (n) (ii) Q; R g P (n) = g R (g Q (n)) (iii) LOOP x i DO Q END g P (n) = h(d i (n), n) mit h(0, x) = x h(n+1, x) = g Q (h(n, x)) d.h. h(n, x) = g Q (g Q (...(g }{{ Q (x))...) } n-mal Nun gilt: F(n 1,...,n r ) = d 0 (g P ( 0, n 1,...,n r, 0,...,0 )). }{{} k r Prof. Dr. F. Otto (Universität Kassel) Berechenbarkeit und Formale Sprachen 56 / 309
13 : Sei F primitiv rekursiv. Behauptung: Es gibt ein LOOP-Programm, das F berechnet. Beweis: Ind. über den Aufbau von F: (i) Basisfunktionen : LOOP-berechenbar. (ii) F(n 1,...,n m ) = g(h 1 (x 1,...,x m ),...,h k (x 1,...,x m )): P F aus P g und P h1,...,p hk. (iii) F(0, x 1,...,x r ) = g(x 1,...,x r ) F(n+1, x 1,...,x r ) = h(f(n, x 1,...,x r ), n, x 1,...,x r ) P F : y := g(x 1,...,x r ); ( mit P g ) k := 0; LOOP n DO y := h(y, k, x 1,...,x r );( mit P h ) k := k + 1 END Prof. Dr. F. Otto (Universität Kassel) Berechenbarkeit und Formale Sprachen 57 / 309
14 Definition 1.16 (µ-operator) Sei f : N k+1 N. Definiere g : N k N durch Anwendung des µ-operators auf f: g(x 1,...,x k ) = min{ n f(n, x 1,...,x k ) = 0 und m < n : f(m, x 1,...,x k ) N} Dabei: min := undefiniert. Bezeichnung: g = µf. Beispiel: f(x, y) = 1. Dann: g(y) := µf(y) = min{ n f(n, y) = 0} = Ω (undef. Funktion) Prof. Dr. F. Otto (Universität Kassel) Berechenbarkeit und Formale Sprachen 58 / 309
15 Beispiel: f(x, y) = (y + 1) (x + 1) 2. g(y) = µf(y) = min{ n f(n, y) = 0 und m < n : f(m, y) N} = min{ n (y + 1) (n+1) 2 = 0} : n = 0 : (y + 1) (n+1) 2 = y, also: g(0) = 0, n = 1 : (y + 1) (n+1) 2 = y 3, also: g(y) = 1 für 1 y 3, n = 2 : (y + 1) (n+1) 2 = y 8, also: g(y) = 2 für 4 y 8. Damit: g(y) := µf(y) = min{ n (n+1) 2 > y } = max{ n n 2 y } = y. Prof. Dr. F. Otto (Universität Kassel) Berechenbarkeit und Formale Sprachen 59 / 309
16 Definition 1.17 Die Klasse der µ-rekursiven Funktionen (a) Basisfunktionen : konstante Funktionen, Π m i, s. (b) Abschluss: Komposition, prim. Rekursion, µ-operator. Satz 1.18 Die Klasse der µ-rekursiven Funktionen stimmt mit der Klasse der WHILE-berechenbaren Funktionen überein. Prof. Dr. F. Otto (Universität Kassel) Berechenbarkeit und Formale Sprachen 60 / 309
17 Beweis: Es bleibt, den µ-operator und die WHILE-Schleife zu betrachten. : WHILE-Programm: WHILE x i 0 DO Q END Die Funktion h(n, x) liefert den Zustand der Programmvariablen x = x 0,...,x k nach n Ausführungen von Q. Dann: g P (x) = h(µ(d i h)(x), x), wobei µ(d i h)(x) = min{ n d i h(n, x) = 0 und m < n : d i h(m, x) N}. Mit h ist dann g P µ-rekursiv. : Sei g(x) = µf(x). Nach I.V. gibt es ein WHILE-Programm für f. P g : x 0 := 0; y := f(0, x 1,...,x k ); WHILE y 0 DO x 0 := x 0 + 1; y := f(x 0, x 1,...,x k ); END Prof. Dr. F. Otto (Universität Kassel) Berechenbarkeit und Formale Sprachen 61 / 309
18 Satz 1.19 (Kleene) Für jede n-stellige µ-rekursive Funktion f gibt es zwei (n+1)-stellige, primitiv rekursive Funktionen p und q, sodass sich f wie folgt darstellen lässt: f(x 1,...,x n ) = p(x 1,...,x n,µq(x 1,...,x n )). Beweis: Sei f µ-rekursiv. WHILE-Programm, das f berechnet WHILE-Programm mit nur einer WHILE-Schleife, das f berechnet prim. rek. Funktionen p und q, die f wie oben darstellen. Prof. Dr. F. Otto (Universität Kassel) Berechenbarkeit und Formale Sprachen 62 / 309
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
MehrPrimitiv 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
MehrMitschrift BFS WS 13/14
Mitschrift BFS WS 13/14 Stand: 4. Juni 2014 Dieses Skript zum Teil Primitive und µ-rekursion der Vorlesung Berechenbarkeit und Formale Sprachen im Wintersemester 2013/14 bei Prof. Wanka wurde von untenstehenden
Mehr1.4 Die Ackermannfunktion
a : N 2 N : Beispiele: a(0, y) = y + 1, a(x, 0) = a(x 1, 1), x > 0, a(x, y) = a(x 1, a(x, y 1)), x, y > 0. Beh.: a(1, y) = y + 2 Bew. durch Induktion über y: a(1, 0) = a(0, 1) = 2 = 0+2. a(1, y + 1) =
MehrPrimitiv rekursive Funktionen
Primitiv rekursive Funktionen Primitiv rekursive Funktionen Historisch: Die Einführung der primitiven Rekursivität war ein erster (und erfolgloser) Versuch, den Begriff der Berechenbarkeit (oft synonym
MehrDef.: Die Menge der LOOP-Programme ist induktiv wie folgt definiert:
3. LOOP-, WHILE- und GOTO-Berechenbarkeit 3.1 LOOP-Programme Komponenten: Variablen: x 0, x 1, x 2,, y, z, Konstanten: 0, 1, 2, Trennsymbole: ; := Operationszeichen: +, - Schlüsselwörter: LOOP, DO, END
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
MehrTheorie 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
MehrTheoretische Informatik II
Theoretische Informatik II Einheit 4.2 Rekursive Funktionen 1. Primitiv- und µ-rekursive Funktionen 2. Analyse und Programmierung 3. Äquivalenz zu Turingmaschinen Berechenbarkeit auf N ohne Maschinenmodelle
Mehr8. 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
MehrPrimitive 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
Mehr1.2 LOOP-, WHILE- und GOTO-Berechenbarkeit
Die Programmiersprache LOOP (i) Syntaktische Komponenten: Variable: x 0, x 1, x 2,... Konstanten: 0, 1, 2,... Trennsymbole: ; := Operationszeichen: + Schlüsselwörter: LOOP DO END (ii) LOOP-Programme: Wertzuweisungen:
MehrTheoretische Informatik SS 03 Übung 5
Theoretische Informatik SS 03 Übung 5 Aufgabe 1 Im Buch von Schöning ist auf S. 106-108 beschrieben, wie eine Turing-Maschine durch ein GOTO-Programm simuliert werden kann. Zeigen Sie, wie dabei die Anweisungen
MehrGrundlagen der Theoretischen Informatik II
1 Grundlagen der Theoretischen Informatik II Till Mossakowski Fakultät für Informatik Otto-von-Guericke-Universität Magdeburg Sommersemester 2015 2 Prädikate Eine Funktion, die nur die Werte 0 und 1 annimmt,
MehrTheorie 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
MehrLOOP-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
Mehr6. 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
MehrALP 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
MehrGTI. 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.
MehrPrimitive Rekursion. Alexander Hölzle
Primitive Rekursion Alexander Hölzle 14.01.2007 Inhaltsverzeichnis Motivation i 1 Rekursive Funktionen 1 1.1 Nicht berechenbare Funktionen........................ 1 1.2 Primitiv rekursive Funktionen.........................
MehrTheorie der Informatik (CS206) Fortsetzung LOOP-Programme, primitiv-rekursive Funktionen
Theorie der Informatik (CS206) Fortsetzung LOOP-Programme, primitiv-rekursive Funktionen 26. März 2012 Proff Malte Helmert und Christian Tschudin Departement Mathematik und Informatik, Universität Basel
MehrBerechenbarkeits- und Komplexitätstheorie
Berechenbarkeits- und Komplexitätstheorie Verschiedene Berechenbarkeitsbegriffe, Entscheidbarkeit von Sprachen, Wachstumsordnungen und Komplexitätsklassen Inhaltsübersicht und Literatur Verschiedene Berechenbarkeitsbegriffe:
Mehr6. REKURSIVE FUNKTIONEN Ein maschinenunabhängiges formales Berechnungsmodell auf den natürlichen Zahlen
EINFÜHRUNG IN DIE THEORETISCHE INFORMATIK Prof. Dr. Klaus Ambos-Spies Sommersemester 2012 6. REKURSIVE FUNKTIONEN Ein maschinenunabhängiges formales Berechnungsmodell auf den natürlichen Zahlen Theoretische
MehrEinwegfunktionen. Problemseminar. Komplexitätstheorie und Kryptographie. Martin Huschenbett. 30. Oktober 2008
Problemseminar Komplexitätstheorie und Kryptographie Martin Huschenbett Student am Institut für Informatik an der Universität Leipzig 30. Oktober 2008 1 / 33 Gliederung 1 Randomisierte Algorithmen und
MehrProgrammieren für Fortgeschrittene
Technische Universität Braunschweig Dr. Werner Struckmann Institut für Programmierung und Reaktive Systeme Wintersemester 2011/12 Programmieren für Fortgeschrittene Rekursive Spezifikationen Die folgende
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: ; :=
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
MehrRekursive 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
MehrAufgabentypen: Spickerblatt: kontextfrei (Typ 2): zusätzlich: u ist eine!"# v 1
Info4 Stoff Aufgabentypen: Grammatik CH einordnen NFA DFA Grammatik Chomsky-NF CYK-Algorithmus: Tabelle / Ableitungsbäume Grammatik streng kf. Grammatik Grammatik Pumping Lemma Beweis, dass Gr. nicht reg,
MehrRekursive und primitiv-rekursive Funktionen
Rekursive und primitiv-rekursive Funktionen Patrik Lengacher 02. Mai 2012 Dieses Handout richtet sich nach Kapitel 6.1 in [R]. Grundsätzlich wird dieselbe Notation wie in den vorhergehenden Vorträgen verwendet.
MehrGTI. 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
Mehr4 Messbare Funktionen
4 Messbare Funktionen 4.1 Definitionen und Eigenschaften Definition 4.1. Seien X eine beliebige nichtleere Menge, M P(X) eine σ-algebra in X und µ ein Maß auf M. Das Paar (X, M) heißt messbarer Raum und
MehrAufgaben und Lösungen Ausarbeitung der Übungsstunde zur Vorlesung Analysis I
Aufgaben und Lösungen Ausarbeitung der Übungsstunde zur Vorlesung Analysis I Wintersemester 2008/2009 Übung 11 Einleitung Es wird eine 15-minütige Mikroklausur geschrieben. i) Sei D R oderd C. Wann heißt
MehrTheoretische Informatik: Berechenbarkeit und Formale Sprachen
Prof. Dr. F. Otto 24.03.2011 Fachbereich Elektrotechnik/Informatik Universität Kassel Klausur zur Vorlesung Theoretische Informatik: Berechenbarkeit und Formale Sprachen WS 2010/2011 Name:................................
MehrTheoretische Informatik SS 03 Übung 3
Theoretische Informatik SS 03 Übung 3 Aufgabe 1 a) Sind die folgenden Funktionen f : partiell oder total: f(x, y) = x + y f(x, y) = x y f(x, y) = x y f(x, y) = x DIV y? Hierbei ist x DIV y = x y der ganzzahlige
MehrWir suchen Antworten auf die folgenden Fragen: Was ist Berechenbarkeit? Wie kann man das intuitiv Berechenbare formal fassen?
Einige Fragen Ziel: Wir suchen Antworten auf die folgenden Fragen: Wie kann man das intuitiv Berechenbare formal fassen? Was ist ein Algorithmus? Welche Indizien hat man dafür, dass ein formaler Algorithmenbegriff
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
MehrDie primitiv rekursiven Funktionen
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
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
MehrUnterlagen zur Veranstaltung Algorithmen, Komplexität, Formale Sprachen WS 2005//06. Prof. Dr. R. Reischuk Institut für Theoretische Informatik
Unterlagen zur Veranstaltung Algorithmen, Komplexität, Formale Sprachen Universität zu Lübeck WS 2005//06 Prof. Dr. R. Reischuk Institut für Theoretische Informatik Oktober 2005 1 2 AKF, UzL WS2004/05
MehrTheoretische 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:
MehrEinführung in die Informatik I
Einführung in die Informatik I Berechenbarkeit und Komplexität Prof. Dr. Nikolaus Wulff Berechenbarkeit Im Rahmen der Turingmaschine fiel zum ersten Mal der Begriff Berechenbarkeit. Ein Funktion f heißt
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
MehrÜbung 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
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:
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
MehrLogik für Informatiker. 1. Grundlegende Beweisstrategien. Viorica Sofronie-Stokkermans Universität Koblenz-Landau
Logik für Informatiker 1. Grundlegende Beweisstrategien Viorica Sofronie-Stokkermans Universität Koblenz-Landau e-mail: sofronie@uni-koblenz.de 1 Mathematisches Beweisen Mathematische ussagen - haben oft
MehrTheoretische Informatik und Logik
Fakultät Informatik, Institut für Theoretische Informatik, Lehrstuhl Automatentheorie Skript Theoretische Informatik und Logik Modul INF-D-330, INF-B-290 Teil 1 - Berechenbarkeit Teil 2 - Komplexitätstheorie
MehrSyntax 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:
MehrDie Church-Turing-These
Die Church-Turing-These Elmar Eder () Die Church-Turing-These 1 / 12 Formale Systeme Formale Systeme µ-partiellrekursive Funktionen Logikkalküle SLD-Resolution (Prolog) Chomsky-Grammatiken Turing-Maschinen
Mehrσ-algebren, Definition des Maßraums
σ-algebren, Definition des Maßraums Ziel der Maßtheorie ist es, Teilmengen einer Grundmenge X auf sinnvolle Weise einen Inhalt zuzuordnen. Diese Zuordnung soll so beschaffen sein, dass dabei die intuitiven
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
MehrTerme. Dann ist auch f(t 1. Terme. Dann ist P (t 1
Prädikatenlogik 1. Syntax und Semantik Man kann die Prädikatenlogik unter einem syntaktischen und einem semantischen Gesichtspunkt sehen. Bei der Behandlung syntaktischer Aspekte macht man sich Gedanken
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:................................
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: ; :=
MehrZusammenfassung Grundzüge der Informatik 4
Zusammenfassung Grundzüge der Informatik 4 Sommersemester 04 Thorsten Wink 21. September 2004 Version 1.2 Dieses Dokument wurde in L A TEX 2εgeschrieben. Stand: 21. September 2004 Inhaltsverzeichnis 1
Mehr(P3 ) Ist M D mit d M und S(M) M, dann gilt M = D.
Kapitel 2 Die natürlichen Zahlen 2.1 Peano-Systeme Definition 2.1. Ein Tripel (D, S, d) mit den Eigenschaften (P1) d D, (P2) S : D D, (P3) S(n) d für alle n D, (P4) S ist injektiv, (P5) Ist M D mit d M
MehrKapitel 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.
MehrLösungen der Übungsaufgaben von Kapitel 3
Analysis I Ein Lernbuch für den sanften Wechsel von der Schule zur Uni 1 Lösungen der Übungsaufgaben von Kapitel 3 zu 3.1 3.1.1 Bestimmen Sie den Abschluss, den offenen Kern und den Rand folgender Teilmengen
MehrDie Ackermannfunktion
Die Ackermannfunktion Slide 1 Die Ackermannfunktion Hans U. Simon (RUB) Email: simon@lmi.rub.de Homepage: http://www.ruhr-uni-bochum.de/lmi Die Ackermannfunktion Slide 2 Eine Frage zu Anfang Ist jede intuitiv
MehrMächtigkeit von WHILE-Programmen
Mächtigkeit von WHILE-Programmen Prof. Dr. Berthold Vöcking Lehrstuhl Informatik 1 Algorithmen und Komplexität RWTH Aachen 26. November 2009 Berthold Vöcking, Informatik 1 () Vorlesung Berechenbarkeit
MehrTheoretische Informatik
Theoretische Informatik Lektion 10: Entscheidbarkeit Kurt-Ulrich Witt Wintersemester 2013/14 Kurt-Ulrich Witt Theoretische Informatik Lektion 10 1/15 Inhaltsverzeichnis Kurt-Ulrich Witt Theoretische Informatik
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN
TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik PROF. DR.DR. JÜRGEN RICHTER-GEBERT, VANESSA KRUMMECK, MICHAEL PRÄHOFER Aufgabe 45. Polynome sind stets stetig. Höhere Mathematik für Informatiker II (Sommersemester
MehrTheoretische Informatik 1
Theoretische Informatik 1 Registermaschine David Kappel Institut für Grundlagen der Informationsverarbeitung TU Graz SS 2012 Übersicht Registermaschinen Algorithmusbegriff konkretisiert formale Beschreibung
MehrMitschrift Mathematik, Vorlesung bei Dan Fulea, 2. Semester
Mitschrift Mathematik, Vorlesung bei Dan Fulea, 2. Semester Christian Nawroth, Erstellt mit L A TEX 23. Mai 2002 Inhaltsverzeichnis 1 Vollständige Induktion 2 1.1 Das Prinzip der Vollstandigen Induktion................
MehrElemente der Algebra und Zahlentheorie Musterlösung, Serie 3, Wintersemester vom 15. Januar 2006
Prof. E.-W. Zink Institut für Mathematik Humboldt-Universität zu Berlin Elemente der Algebra und Zahlentheorie Musterlösung, Serie 3, Wintersemester 2005-06 vom 15. Januar 2006 2te, korrigierte und erweiterte
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
Mehr2. Universelle Algebra
2. Universelle Algebra Die Theorie der universellen Algebra verallgemeinert die Theorien der klassischen Algebren. Obwohl ursprünglich nur eine Sorte betrachtet wurde, werden wir hier gleich den mehrsortigen
MehrAusgewählte Kapitel Diskreter Mathematik mit Anwendungen
Wahlpflichtfach Bachelor Informatik 4. Semester Ausgewählte Kapitel Diskreter Mathematik mit Anwendungen Lektion 6: utm- und Kurt-Ulrich Witt Sommersemester 2011 Kurt-Ulrich Witt Diskrete Mathematik Lektion
Mehr5 Stetigkeit und Differenzierbarkeit
5 Stetigkeit und Differenzierbarkeit 5.1 Stetigkeit und Grenzwerte von Funktionen f(x 0 ) x 0 Graph einer stetigen Funktion. Analysis I TUHH, Winter 2006/2007 Armin Iske 127 Häufungspunkt und Abschluss.
MehrLogik Vorlesung 10: Herbrand-Theorie
Logik Vorlesung 10: Herbrand-Theorie Andreas Maletti 9. Januar 2015 Überblick Inhalt 1 Motivation und mathematische Grundlagen 2 Aussagenlogik Syntax und Semantik Äquivalenz und Normalformen Weitere Eigenschaften
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
MehrTechnische Universität München Zentrum Mathematik. Übungsblatt 12
Technische Universität München Zentrum Mathematik Mathematik (Elektrotechnik) Prof. Dr. Anusch Taraz Dr. Michael Ritter Übungsblatt 1 Hausaufgaben Aufgabe 1.1 Sei f : R R gegeben durch f(x 1, x ) = x 3
Mehr6.5 Die Taylor-Reihe. Start: Erinnerung an den Satz über die geometrische Reihe. Für die endliche geometrische Reihe gilt die Summenformel
6.5 Die Taylor-Reihe Start: Erinnerung an den Satz über die geometrische Reihe. Für die endliche geometrische Reihe gilt die Summenformel N q n = qn+ q für q C \ {}. Für q < ist die unendliche geometrische
MehrKapitel 1 Natürliche Zahlen
Kapitel 1 Natürliche Zahlen 1 1 1 Natürliche Zahlen 1.1 Endliche und unendliche Mengen... 3 1.2 Die Theorie der natürlichen Zahlen.. 23 1.1 Endliche und unendliche Mengen 3 1 Natürliche Zahlen Eines der
MehrBerechenbarkeitsmodelle
Berechenbarkeit 2 Endliche Automaten erkennen nicht alle algorithmisch erkennbaren Sprachen. Kontextfreie Grammatiken erzeugen nicht alle algorithmisch erzeugbaren Sprachen. Welche Berechnungsmodelle erlauben
Mehr2 Zufallsvariable, Verteilungen, Erwartungswert
2 Zufallsvariable, Verteilungen, Erwartungswert Bisher: Zufallsexperimente beschrieben durch W-Räume (Ω, A, P) Häufig interessiert nur eine zufällige Größe X = X(ω), die vom Ergebnis ω des Zufallsexperiments
Mehrx x y x y Informatik II Schaltkreise Schaltkreise Schaltkreise Rainer Schrader 3. November 2008
Informatik II Rainer Schrader Zentrum für Angewandte Informatik Köln 3. November 008 1 / 47 / 47 jede Boolesche Funktion lässt mit,, realisieren wir wollen wir uns jetzt in Richtung Elektrotechnik und
MehrBerechenbarkeit/Entscheidbarkeit
Berechenbarkeit/Entscheidbarkeit Frage: Ist eine algorithmische Problemstellung lösbar? was ist eine algorithmische Problemstellung? formale Sprachen benötigen einen Berechenbarkeitsbegriff Maschinenmodelle
MehrTheoretische Grundlagen des Software Engineering
Theoretische Grundlagen des Software Engineering 12: Termersetzungssysteme schulz@eprover.org Reduktionssysteme Definition: Reduktionssystem Ein Reduktionssystem ist ein Tupel (A, ) Dabei gilt: A ist eine
MehrGrundlagen der Theoretischen Informatik
Grundlagen der Theoretischen Informatik 4. Kellerautomaten und kontextfreie Sprachen (III) 17.06.2015 Viorica Sofronie-Stokkermans e-mail: sofronie@uni-koblenz.de 1 Übersicht 1. Motivation 2. Terminologie
Mehr6 Polynominterpolation
Vorlesungsskript HM-Numerik (SS 2014): Kapitel 6 Version: 1 Juli 2014 6 Polynominterpolation Gegeben: Wertepaare { (x i,f i ) R 2 i = 0,,n } Gesucht: Einfache Funktion g : R R mit g(x i ) = f i i {0,1,,n}
MehrÜbung Theoretische Grundlagen
Übung Theoretische Grundlagen Berechenbarkeit/Entscheidbarkeit Nico Döttling November 26, 2009 INSTITUT FÜR KRYPTOGRAPHIE UND SICHERHEIT KIT University of the State of Baden-Wuerttemberg and National Laboratory
MehrGewöhnliche inhomogene Differentialgleichungen der 1. und 2. Ordnung. Christopher Schael
Gewöhnliche inhomogene Differentialgleichungen der 1. und. Ordnung 1.1.) Anleitung DGL der 1. Ordnung 1.) DGL der 1. Ordnung In diesem Abschnitt werde ich eine Anleitung zur Lösung von inhomogenen und
Mehr10 Extremwerte mit Nebenbedingungen
10 Extremwerte mit Nebenbedingungen 49 10 Extremwerte mit Nebenbedingungen Wir betrachten nun Extremwertaufgaben, bei denen nach dem Extremwert einer fx 1,, x n gesucht wird, aber die Menge der zulässigen
MehrStetigkeit. Definitionen. Beispiele
Stetigkeit Definitionen Stetigkeit Sei f : D mit D eine Funktion. f heißt stetig in a D, falls für jede Folge x n in D (d.h. x n D für alle n ) mit lim x n a gilt: lim f x n f a. Die Funktion f : D heißt
MehrA N A L Y S I S I F Ü R T P H, U E ( ) 1. Übungstest (FR, ) (mit Lösung )
Institut für Analysis und Scientific Computing TU Wien W. Auzinger WS 05/6 A N A L Y S I S I F Ü R T P H, U E (03.088). Übungstest (FR, 6..05) (mit Lösung ) Aufgabe. a ) Wandeln Sie die periodische Dezimalzahl
MehrSurjektive, injektive und bijektive Funktionen.
Kapitel 1: Aussagen, Mengen, Funktionen Surjektive, injektive und bijektive Funktionen. Definition. Sei f : M N eine Funktion. Dann heißt f surjektiv, falls die Gleichung f(x) = y für jedes y N mindestens
MehrKapitel 10. Lineare Abbildungen Definition linearer Abbildungen Eigenschaften und Beispiele Alle linearen Abbildungen R n V Bild von Unterräumen
Kapitel 10. Lineare Abbildungen Definition linearer Abbildungen Eigenschaften und Beispiele Alle linearen Abbildungen R n V Bild von Unterräumen Vorschau: Lineare Abbildungen Wer Vektorräume studiert,
Mehrε δ Definition der Stetigkeit.
ε δ Definition der Stetigkeit. Beweis a) b): Annahme: ε > 0 : δ > 0 : x δ D : x δ x 0 < δ f (x δ f (x 0 ) ε Die Wahl δ = 1 n (n N) generiert eine Folge (x n) n N, x n D mit x n x 0 < 1 n f (x n ) f (x
MehrWS 2009/10. Diskrete Strukturen
WS 2009/10 Diskrete Strukturen Prof. Dr. J. Esparza Lehrstuhl für Grundlagen der Softwarezuverlässigkeit und theoretische Informatik Fakultät für Informatik Technische Universität München http://www7.in.tum.de/um/courses/ds/ws0910
MehrWURZEL Werkstatt Mathematik Polynome Grundlagen Teil II
Die WURZEL Werkstatt Mathematik Polynome Grundlagen Teil II Polynome nur zu addieren, multiplizieren oder dividieren ist auf die Dauer langweilig. Polynome können mehr. Zum Beispiel ist es manchmal gar
MehrWS 2009/10. Diskrete Strukturen
WS 2009/10 Diskrete Strukturen Prof. Dr. J. Esparza Lehrstuhl für Grundlagen der Softwarezuverlässigkeit und theoretische Informatik Fakultät für Informatik Technische Universität München http://www7.in.tum.de/um/courses/ds/ws0910
MehrFunktionale Programmierung Teil 2 Methodik: Spezifikation, Implementierung, Verifikation
Grundlagen der Programm- und Systementwicklung Funktionale Programmierung Teil 2 Methodik: Spezifikation, Implementierung, Verifikation Technische Universität München Institut für Informatik Software &
Mehr2.2 Allgemeine (vergleichsbasierte) Sortierverfahren
. Allgemeine (vergleichsbasierte) Sortierverfahren Vergleichsbaum: Der Aufbau des Verbleichsbaum ist für jeden Algorithmus und jede Eingabelänge n gleich. Jede Permutation der Eingabe, muss zu einem anderen
MehrDIE SÄTZE VON SCHUR-ZASSENHAUS UND P. HALL
DIE SÄTZE VON SCHUR-ZASSENHAUS UND P. HALL LARS KINDLER Dies sind Notizen für ein Seminar an der Universität Duisburg-Essen im Sommersemster 2011. Als Quelle diente das Buch A Course in the Theory of Groups
Mehr1 Konvexe Funktionen. 1.1 Definition. 1.2 Bedingung 1.Ordnung. Konvexität und Operationen, die die Konvexität bewahren Seite 1
Konvexität und Operationen, die die Konvexität bewahren Seite 1 1 Konvexe Funktionen 1.1 Definition Eine Funktion f heißt konvex, wenn domf eine konvexe Menge ist und x,y domf und 0 θ 1: f(θx + (1 θ)y)
MehrWS 2009/10. Diskrete Strukturen
WS 2009/10 Diskrete Strukturen Prof. Dr. J. Esparza Lehrstuhl für Grundlagen der Softwarezuverlässigkeit und theoretische Informatik Fakultät für Informatik Technische Universität München http://www7.in.tum.de/um/courses/ds/ws0910
Mehr18 Höhere Ableitungen und Taylorformel
8 HÖHERE ABLEITUNGEN UND TAYLORFORMEL 98 8 Höhere Ableitungen und Taylorformel Definition. Sei f : D R eine Funktion, a D. Falls f in einer Umgebung von a (geschnitten mit D) differenzierbar und f in a
Mehr