VL-05: Unentscheidbarkeit I. (Berechenbarkeit und Komplexität, WS 2017) Gerhard Woeginger
|
|
- Martha Vogel
- vor 6 Jahren
- Abrufe
Transkript
1 VL-05: Unentscheidbarkeit I (Berechenbarkeit und Komplexität, WS 2017) Gerhard Woeginger WS 2017, RWTH BuK/WS 2017 VL-05: Unentscheidbarkeit I 1/37
2 Organisatorisches Nächste Vorlesung: Donnerstag, November 2, 12:15 13:45 Uhr, Aula Achtung: In der Woche Oct-30 bis Nov-3 entfallen alle Tutorien! Webseite: BuK/WS 2017 VL-05: Unentscheidbarkeit I 2/37
3 Wiederholung BuK/WS 2017 VL-05: Unentscheidbarkeit I 3/37
4 Wdh: Registermaschinen (RAM) Programm c(5) c(4) b Befehlszähler c(0) Akkumulator c(3) c(2) c(1) Speicher (unbeschränkt) Befehlssatz: LOAD, STORE, ADD, SUB, MULT, DIV INDLOAD, INDSTORE, INDADD, INDSUB, INDMULT, INDDIV CLOAD, CADD, CSUB, CMULT, CDIV GOTO, IF c(0)?x THEN GOTO j (wobei? aus {=,<,<=,>,>=} ist), END BuK/WS 2017 VL-05: Unentscheidbarkeit I 4/37
5 Wdh: RAM vs TM Satz (RAM TM) Für jede im logarithmischen Kostenmass t(n)-zeitbeschränkte RAM R gibt es ein Polynom q und zu diesem eine O ( q(n + t(n)) ) -TM M, die R simuliert Satz (TM RAM) Jede t(n)-zeitbeschränkte TM kann durch eine RAM simuliert werden, die zeitbeschränkt ist durch O(t(n) + n) im uniformen Kostenmass und O((t(n) + n) log(t(n) + n)) im logarithmischen Kostenmass BuK/WS 2017 VL-05: Unentscheidbarkeit I 5/37
6 Wdh: Hintereinanderausführung von Polynomen Beobachtung Die Klasse der Polynome ist unter Hintereinanderausführung abgeschlossen (Wenn p(x) und q(x) Polynome sind, dann ist p(q(x)) ein Polynom Des Weiteren gilt für Polynome p, q: Wenn t(n) O(p(n)) und t (n) O(q(n)) dann t(t (n)) O(p(q(n))) BuK/WS 2017 VL-05: Unentscheidbarkeit I 6/37
7 Wdh: Die Church-Turing-These Kein bekanntes vernünftiges Rechnermodell ist mächtiger als die TM: Lambda-Kalkül von Alonzo Church: gleich mächtig wie TM Kanonische Systeme von Emil Post: gleich mächtig wie TM µ-rekursive Funktionen von Kurt Gödel: gleich mächtig wie TM Alonzo Church und Alan Turing formulierten die folgende These in den 1930er Jahren: Church-Turing These Die Klasse der TM-berechenbaren Funktionen stimmt mit der Klasse der intuitiv berechenbaren Funktionen überein Wir werden deshalb nicht mehr von TM-berechenbaren Funktionen sprechen, sondern allgemein von berechenbaren Funktionen Gleichbedeutend verwenden wir den Begriff entscheidbare Funktion bzw entscheidbare oder auch entscheidbare Sprache BuK/WS 2017 VL-05: Unentscheidbarkeit I 7/37
8 Vorlesung VL-05 Unentscheidbarkeit I Unentscheidbare Probleme Exkurs: Abzählbare und e Mengen Unentscheidbare Probleme Diagonalisierung BuK/WS 2017 VL-05: Unentscheidbarkeit I 8/37
9 Unentscheidbare Probleme BuK/WS 2017 VL-05: Unentscheidbarkeit I 9/37
10 Die zentrale Frage Frage Gibt es unentscheidbare Probleme? BuK/WS 2017 VL-05: Unentscheidbarkeit I 10/37
11 Die zentrale Frage Frage Gibt es unentscheidbare Probleme? Antwort Ja, es gibt unentscheidbare Probleme BuK/WS 2017 VL-05: Unentscheidbarkeit I 10/37
12 Die zentrale Frage Frage Gibt es unentscheidbare Probleme? Antwort Ja, es gibt unentscheidbare Probleme Denn: Die Mächtigkeit der Menge aller Sprachen ist grösser als die Mächtigkeit der Menge aller Turing Maschinen BuK/WS 2017 VL-05: Unentscheidbarkeit I 10/37
13 Exkurs: Abzählbare und e Mengen BuK/WS 2017 VL-05: Unentscheidbarkeit I 11/37
14 Exkurs (1): Abzählbarkeit Definition (Abzählbare Menge) Eine Menge M heisst abzählbar, wenn M leer ist oder wenn es eine surjektive Funktion c : N M gibt BuK/WS 2017 VL-05: Unentscheidbarkeit I 12/37
15 Exkurs (1): Abzählbarkeit Definition (Abzählbare Menge) Eine Menge M heisst abzählbar, wenn M leer ist oder wenn es eine surjektive Funktion c : N M gibt Jede endliche Menge M ist abzählbar BuK/WS 2017 VL-05: Unentscheidbarkeit I 12/37
16 Exkurs (1): Abzählbarkeit Definition (Abzählbare Menge) Eine Menge M heisst abzählbar, wenn M leer ist oder wenn es eine surjektive Funktion c : N M gibt Jede endliche Menge M ist abzählbar Für eine e Menge M gibt es immer auch eine bijektive (bijektiv = surjektiv+injektiv) Abbildung c : N M: Wiederholungen von Elementen von M können bei der Abzählung einfach weggelassen werden BuK/WS 2017 VL-05: Unentscheidbarkeit I 12/37
17 Exkurs (1): Abzählbarkeit Definition (Abzählbare Menge) Eine Menge M heisst abzählbar, wenn M leer ist oder wenn es eine surjektive Funktion c : N M gibt Jede endliche Menge M ist abzählbar Für eine e Menge M gibt es immer auch eine bijektive (bijektiv = surjektiv+injektiv) Abbildung c : N M: Wiederholungen von Elementen von M können bei der Abzählung einfach weggelassen werden Die Elemente einer abzählbaren Menge können also durchnummeriert werden BuK/WS 2017 VL-05: Unentscheidbarkeit I 12/37
18 Exkurs (1): Abzählbarkeit Definition (Abzählbare Menge) Eine Menge M heisst abzählbar, wenn M leer ist oder wenn es eine surjektive Funktion c : N M gibt Jede endliche Menge M ist abzählbar Für eine e Menge M gibt es immer auch eine bijektive (bijektiv = surjektiv+injektiv) Abbildung c : N M: Wiederholungen von Elementen von M können bei der Abzählung einfach weggelassen werden Die Elemente einer abzählbaren Menge können also durchnummeriert werden Abzählbar unendliche Mengen haben somit dieselbe Mächtigkeit wie die Menge der natürlichen Zahlen N BuK/WS 2017 VL-05: Unentscheidbarkeit I 12/37
19 Exkurs (2): Abzählbarkeit Beispiele für e Mengen die Menge der ganzen Zahlen Z: { i/2 falls i gerade c(i) = (i + 1)/2 falls i ungerade 0, 1, 1, 2, 2, 3, 3, 4, 4,, BuK/WS 2017 VL-05: Unentscheidbarkeit I 13/37
20 Exkurs (2): Abzählbarkeit Beispiele für e Mengen die Menge der ganzen Zahlen Z: { i/2 falls i gerade c(i) = (i + 1)/2 falls i ungerade 0, 1, 1, 2, 2, 3, 3, 4, 4,, die Menge der rationalen Zahlen Q BuK/WS 2017 VL-05: Unentscheidbarkeit I 13/37
21 Exkurs (2): Abzählbarkeit Beispiele für e Mengen die Menge der ganzen Zahlen Z: { i/2 falls i gerade c(i) = (i + 1)/2 falls i ungerade 0, 1, 1, 2, 2, 3, 3, 4, 4,, die Menge der rationalen Zahlen Q 0, 1 1, 2 1, 1 2, 3 1,, i 1, i 1 2, i 2 3, 1 i, BuK/WS 2017 VL-05: Unentscheidbarkeit I 13/37
22 Exkurs (2): Abzählbarkeit /1 2/1 3/1 4/1 5/1 6/1 2 1/2 2/2 3/2 4/2 5/2 6/2 3 1/3 2/3 3/3 4/3 5/3 6/3 4 1/4 2/4 3/4 4/4 5/4 6/4 5 1/5 2/5 3/5 4/5 5/5 6/5 6 1/6 2/6 3/6 4/6 5/6 6/6 BuK/WS 2017 VL-05: Unentscheidbarkeit I 14/37
23 Exkurs (2): Abzählbarkeit /1 2/1 3/1 4/1 5/1 6/1 2 1/2 2/2 3/2 4/2 5/2 6/2 3 1/3 2/3 3/3 4/3 5/3 6/3 4 1/4 2/4 3/4 4/4 5/4 6/4 5 1/5 2/5 3/5 4/5 5/5 6/5 6 1/6 2/6 3/6 4/6 5/6 6/6 BuK/WS 2017 VL-05: Unentscheidbarkeit I 14/37
24 Exkurs (2): Abzählbarkeit /1 2/1 3/1 4/1 5/1 6/1 2 1/2 2/2 3/2 4/2 5/2 6/2 3 1/3 2/3 3/3 4/3 5/3 6/3 4 1/4 2/4 3/4 4/4 5/4 6/4 5 1/5 2/5 3/5 4/5 5/5 6/5 6 1/6 2/6 3/6 4/6 5/6 6/6 BuK/WS 2017 VL-05: Unentscheidbarkeit I 14/37
25 Exkurs (2): Abzählbarkeit /1 2/1 3/1 4/1 5/1 6/1 2 1/2 2/2 3/2 4/2 5/2 6/2 3 1/3 2/3 3/3 4/3 5/3 6/3 4 1/4 2/4 3/4 4/4 5/4 6/4 5 1/5 2/5 3/5 4/5 5/5 6/5 6 1/6 2/6 3/6 4/6 5/6 6/6 BuK/WS 2017 VL-05: Unentscheidbarkeit I 14/37
26 Exkurs (2): Abzählbarkeit /1 2/1 3/1 4/1 5/1 6/1 2 1/2 2/2 3/2 4/2 5/2 6/2 3 1/3 2/3 3/3 4/3 5/3 6/3 4 1/4 2/4 3/4 4/4 5/4 6/4 5 1/5 2/5 3/5 4/5 5/5 6/5 6 1/6 2/6 3/6 4/6 5/6 6/6 BuK/WS 2017 VL-05: Unentscheidbarkeit I 14/37
27 Exkurs (2): Abzählbarkeit /1 2/1 3/1 4/1 5/1 6/1 2 1/2 2/2 3/2 4/2 5/2 6/2 3 1/3 2/3 3/3 4/3 5/3 6/3 4 1/4 2/4 3/4 4/4 5/4 6/4 5 1/5 2/5 3/5 4/5 5/5 6/5 6 1/6 2/6 3/6 4/6 5/6 6/6 BuK/WS 2017 VL-05: Unentscheidbarkeit I 14/37
28 Exkurs (2): Abzählbarkeit /1 2/1 3/1 4/1 5/1 6/1 2 1/2 2/2 3/2 4/2 5/2 6/2 3 1/3 2/3 3/3 4/3 5/3 6/3 4 1/4 2/4 3/4 4/4 5/4 6/4 5 1/5 2/5 3/5 4/5 5/5 6/5 6 1/6 2/6 3/6 4/6 5/6 6/6 BuK/WS 2017 VL-05: Unentscheidbarkeit I 14/37
29 Exkurs (2): Abzählbarkeit Beispiele für e Mengen die Menge der ganzen Zahlen Z: { i/2 falls i gerade c(i) = (i + 1)/2 falls i ungerade 0, 1, 1, 2, 2, 3, 3, 4, 4,, die Menge der rationalen Zahlen Q 0, 1 1, 2 1, 1 2, 3 1,, i 1, i 1 2, i 2 3, 1 i, Σ, die Menge der Wörter über einem endlichen Alphabet Σ Zum Beispiel: {0, 1} in kanonischer Reihenfolge: ɛ, 0, 1, 00, 01, 10, 11, 000, 001, 010, 011, 100, 101, BuK/WS 2017 VL-05: Unentscheidbarkeit I 15/37
30 Exkurs (3): Abzählbarkeit Weitere Beispiele für e Mengen Die Menge der Gödelnummern, da Gödelnummern Wörter über dem Alphabet {0, 1} sind BuK/WS 2017 VL-05: Unentscheidbarkeit I 16/37
31 Exkurs (3): Abzählbarkeit Weitere Beispiele für e Mengen Die Menge der Gödelnummern, da Gödelnummern Wörter über dem Alphabet {0, 1} sind Die Menge der TMen (in unserer Normalform), da jede TM durch eine eindeutige Gödelnummer beschrieben wird BuK/WS 2017 VL-05: Unentscheidbarkeit I 16/37
32 Exkurs (3): Abzählbarkeit Weitere Beispiele für e Mengen Die Menge der Gödelnummern, da Gödelnummern Wörter über dem Alphabet {0, 1} sind Die Menge der TMen (in unserer Normalform), da jede TM durch eine eindeutige Gödelnummer beschrieben wird Notation Über dem binären Alphabet Σ = {0, 1} bezeichnen wir das i-te Wort in der kanonischen Reihenfolge im Folgenden mit w i Die i-te TM in der kanonischen Reihenfolge der Gödelnummern bezeichnen wir mit M i BuK/WS 2017 VL-05: Unentscheidbarkeit I 16/37
33 Exkurs (4a): Überabzählbarkeit Nun betrachten wir die Potenzmenge P(N), die Menge aller Teilmengen von N = {1, 2, 3, } BuK/WS 2017 VL-05: Unentscheidbarkeit I 17/37
34 Exkurs (4a): Überabzählbarkeit Nun betrachten wir die Potenzmenge P(N), die Menge aller Teilmengen von N = {1, 2, 3, } Satz Die Menge P(N) ist (= nicht abzählbar) BuK/WS 2017 VL-05: Unentscheidbarkeit I 17/37
35 Exkurs (4a): Überabzählbarkeit Nun betrachten wir die Potenzmenge P(N), die Menge aller Teilmengen von N = {1, 2, 3, } Satz Die Menge P(N) ist (= nicht abzählbar) Beweis (Diagonalisierung) Zwecks Widerspruchs nehmen wir an, dass P(N) abzählbar ist BuK/WS 2017 VL-05: Unentscheidbarkeit I 17/37
36 Exkurs (4a): Überabzählbarkeit Nun betrachten wir die Potenzmenge P(N), die Menge aller Teilmengen von N = {1, 2, 3, } Satz Die Menge P(N) ist (= nicht abzählbar) Beweis (Diagonalisierung) Zwecks Widerspruchs nehmen wir an, dass P(N) abzählbar ist Es sei S 0, S 1, S 2, S 3, eine Aufzählung von P(N) BuK/WS 2017 VL-05: Unentscheidbarkeit I 17/37
37 Exkurs (4a): Überabzählbarkeit Nun betrachten wir die Potenzmenge P(N), die Menge aller Teilmengen von N = {1, 2, 3, } Satz Die Menge P(N) ist (= nicht abzählbar) Beweis (Diagonalisierung) Zwecks Widerspruchs nehmen wir an, dass P(N) abzählbar ist Es sei S 0, S 1, S 2, S 3, eine Aufzählung von P(N) Wir definieren eine 2-dimensionale unendliche Matrix (A i,j ) i,j N mit A i,j = { 1 falls j Si 0 sonst BuK/WS 2017 VL-05: Unentscheidbarkeit I 17/37
38 Exkurs (4b): Überabzählbarkeit Die Matrix A könnte etwa folgendermassen aussehen S S S S S S S BuK/WS 2017 VL-05: Unentscheidbarkeit I 18/37
39 Exkurs (4b): Überabzählbarkeit Die Matrix A könnte etwa folgendermassen aussehen {1, 2, 4, 6, } = S S S S S S S BuK/WS 2017 VL-05: Unentscheidbarkeit I 18/37
40 Exkurs (4b): Überabzählbarkeit Die Matrix A könnte etwa folgendermassen aussehen {1, 2, 4, 6, } = S {0, 1, 2, 4, 6, } = S S S S S S BuK/WS 2017 VL-05: Unentscheidbarkeit I 18/37
41 Exkurs (4b): Überabzählbarkeit Die Matrix A könnte etwa folgendermassen aussehen {1, 2, 4, 6, } = S {0, 1, 2, 4, 6, } = S S S S S S Wir definieren die Diagonalmenge S diag = {i N A i,i = 1} BuK/WS 2017 VL-05: Unentscheidbarkeit I 18/37
42 Exkurs (4b): Überabzählbarkeit Die Matrix A könnte etwa folgendermassen aussehen {1, 2, 4, 6, } = S {0, 1, 2, 4, 6, } = S S S S S S Wir definieren die Diagonalmenge S diag = {i N A i,i = 1} S diag = {1, 2, 4, } BuK/WS 2017 VL-05: Unentscheidbarkeit I 18/37
43 Exkurs (4b): Überabzählbarkeit Die Matrix A könnte etwa folgendermassen aussehen {1, 2, 4, 6, } = S {0, 1, 2, 4, 6, } = S S S S S S Wir definieren die Diagonalmenge S diag = {i N A i,i = 1} Das Komplement dieser Diagonalmenge ist S diag = N \ S diag = {i N A i,i = 0} S diag = {1, 2, 4, } BuK/WS 2017 VL-05: Unentscheidbarkeit I 18/37
44 Exkurs (4c): Überabzählbarkeit Beachte: Auch S diag ist eine Teilmenge von N BuK/WS 2017 VL-05: Unentscheidbarkeit I 19/37
45 Exkurs (4c): Überabzählbarkeit Beachte: Auch S diag ist eine Teilmenge von N S diag kommt daher in der Aufzählung S 1, S 2, von P(N) vor Es gibt also ein k N, so dass S diag = S k BuK/WS 2017 VL-05: Unentscheidbarkeit I 19/37
46 Exkurs (4c): Überabzählbarkeit Beachte: Auch S diag ist eine Teilmenge von N S diag kommt daher in der Aufzählung S 1, S 2, von P(N) vor Es gibt also ein k N, so dass S diag = S k Jetzt gibt es zwei Fälle, die jeweils zum Widerspruch führen BuK/WS 2017 VL-05: Unentscheidbarkeit I 19/37
47 Exkurs (4c): Überabzählbarkeit Beachte: Auch S diag ist eine Teilmenge von N S diag kommt daher in der Aufzählung S 1, S 2, von P(N) vor Es gibt also ein k N, so dass S diag = S k Jetzt gibt es zwei Fälle, die jeweils zum Widerspruch führen Fall 1: A k,k = 1 Def S diag Def A k S diag k S k A k,k = 0 Widerspruch! BuK/WS 2017 VL-05: Unentscheidbarkeit I 19/37
48 Exkurs (4c): Überabzählbarkeit Beachte: Auch S diag ist eine Teilmenge von N S diag kommt daher in der Aufzählung S 1, S 2, von P(N) vor Es gibt also ein k N, so dass S diag = S k Jetzt gibt es zwei Fälle, die jeweils zum Widerspruch führen Fall 1: A k,k = 1 Def S diag Def A k S diag k S k A k,k = 0 Fall 2: Widerspruch! A k,k = 0 Def S diag Def A k S diag k S k A k,k = 1 Widerspruch! BuK/WS 2017 VL-05: Unentscheidbarkeit I 19/37
49 Exkurs (4c): Überabzählbarkeit Beachte: Auch S diag ist eine Teilmenge von N S diag kommt daher in der Aufzählung S 1, S 2, von P(N) vor Es gibt also ein k N, so dass S diag = S k Jetzt gibt es zwei Fälle, die jeweils zum Widerspruch führen Fall 1: A k,k = 1 Def S diag Def A k S diag k S k A k,k = 0 Fall 2: Widerspruch! A k,k = 0 Def S diag Def A k S diag k S k A k,k = 1 Folglich gibt es keine Aufzählung von P(N) Widerspruch! BuK/WS 2017 VL-05: Unentscheidbarkeit I 19/37
50 Georg Cantor ( ) Wikipedia: Georg Ferdinand Ludwig Philipp Cantor war ein deutscher Mathematiker Cantor lieferte wichtige Beiträge zur modernen Mathematik Insbesondere ist er der Begründer der Mengenlehre und veränderte den Begriff der Unendlichkeit BuK/WS 2017 VL-05: Unentscheidbarkeit I 20/37
51 Exkurs: Einige Verständnisfragen Welche Menge hat die grössere Kardinalität? BuK/WS 2017 VL-05: Unentscheidbarkeit I 21/37
52 Exkurs: Einige Verständnisfragen Welche Menge hat die grössere Kardinalität? 1 {1,, n} N BuK/WS 2017 VL-05: Unentscheidbarkeit I 21/37
53 Exkurs: Einige Verständnisfragen Welche Menge hat die grössere Kardinalität? 1 {1,, n} < N BuK/WS 2017 VL-05: Unentscheidbarkeit I 21/37
54 Exkurs: Einige Verständnisfragen Welche Menge hat die grössere Kardinalität? 1 {1,, n} < N endlich BuK/WS 2017 VL-05: Unentscheidbarkeit I 21/37
55 Exkurs: Einige Verständnisfragen Welche Menge hat die grössere Kardinalität? 1 {1,, n} < N endlich 2 { } P(N) BuK/WS 2017 VL-05: Unentscheidbarkeit I 21/37
56 Exkurs: Einige Verständnisfragen Welche Menge hat die grössere Kardinalität? 1 {1,, n} < N endlich 2 { } < P(N) BuK/WS 2017 VL-05: Unentscheidbarkeit I 21/37
57 Exkurs: Einige Verständnisfragen Welche Menge hat die grössere Kardinalität? 1 {1,, n} < N endlich 2 { } < P(N) BuK/WS 2017 VL-05: Unentscheidbarkeit I 21/37
58 Exkurs: Einige Verständnisfragen Welche Menge hat die grössere Kardinalität? 1 {1,, n} < N endlich 2 { } < P(N) 3 R P(N) BuK/WS 2017 VL-05: Unentscheidbarkeit I 21/37
59 Exkurs: Einige Verständnisfragen Welche Menge hat die grössere Kardinalität? 1 {1,, n} < N endlich 2 { } < P(N) 3 R = P(N) BuK/WS 2017 VL-05: Unentscheidbarkeit I 21/37
60 Exkurs: Einige Verständnisfragen Welche Menge hat die grössere Kardinalität? 1 {1,, n} < N endlich 2 { } < P(N) 3 R = P(N) BuK/WS 2017 VL-05: Unentscheidbarkeit I 21/37
61 Exkurs: Einige Verständnisfragen Welche Menge hat die grössere Kardinalität? 1 {1,, n} < N endlich 2 { } < P(N) 3 R = P(N) 4 Graphen mit n : V (G) = {1,, n} {0, 1} BuK/WS 2017 VL-05: Unentscheidbarkeit I 21/37
62 Exkurs: Einige Verständnisfragen Welche Menge hat die grössere Kardinalität? 1 {1,, n} < N endlich 2 { } < P(N) 3 R = P(N) 4 Graphen mit n : V (G) = {1,, n} = {0, 1} BuK/WS 2017 VL-05: Unentscheidbarkeit I 21/37
63 Exkurs: Einige Verständnisfragen Welche Menge hat die grössere Kardinalität? 1 {1,, n} < N endlich 2 { } < P(N) 3 R = P(N) 4 Graphen mit n : V (G) = {1,, n} = {0, 1} BuK/WS 2017 VL-05: Unentscheidbarkeit I 21/37
64 Exkurs: Einige Verständnisfragen Welche Menge hat die grössere Kardinalität? 1 {1,, n} < N endlich 2 { } < P(N) 3 R = P(N) 4 Graphen mit n : V (G) = {1,, n} = {0, 1} 5 N {R} BuK/WS 2017 VL-05: Unentscheidbarkeit I 21/37
65 Exkurs: Einige Verständnisfragen Welche Menge hat die grössere Kardinalität? 1 {1,, n} < N endlich 2 { } < P(N) 3 R = P(N) 4 Graphen mit n : V (G) = {1,, n} = {0, 1} 5 N > {R} BuK/WS 2017 VL-05: Unentscheidbarkeit I 21/37
66 Exkurs: Einige Verständnisfragen Welche Menge hat die grössere Kardinalität? 1 {1,, n} < N endlich 2 { } < P(N) 3 R = P(N) 4 Graphen mit n : V (G) = {1,, n} = {0, 1} 5 N > {R} einelementig BuK/WS 2017 VL-05: Unentscheidbarkeit I 21/37
67 Exkurs: Einige Verständnisfragen Welche Menge hat die grössere Kardinalität? 1 {1,, n} < N endlich 2 { } < P(N) 3 R = P(N) 4 Graphen mit n : V (G) = {1,, n} = {0, 1} 5 N > {R} einelementig 6 Graphen mit V (G) = N N BuK/WS 2017 VL-05: Unentscheidbarkeit I 21/37
68 Exkurs: Einige Verständnisfragen Welche Menge hat die grössere Kardinalität? 1 {1,, n} < N endlich 2 { } < P(N) 3 R = P(N) 4 Graphen mit n : V (G) = {1,, n} = {0, 1} 5 N > {R} einelementig 6 Graphen mit V (G) = N > N BuK/WS 2017 VL-05: Unentscheidbarkeit I 21/37
69 Exkurs: Einige Verständnisfragen Welche Menge hat die grössere Kardinalität? 1 {1,, n} < N endlich 2 { } < P(N) 3 R = P(N) 4 Graphen mit n : V (G) = {1,, n} = {0, 1} 5 N > {R} einelementig 6 Graphen mit V (G) = N > N BuK/WS 2017 VL-05: Unentscheidbarkeit I 21/37
70 Exkurs: Einige Verständnisfragen Welche Menge hat die grössere Kardinalität? 1 {1,, n} < N endlich 2 { } < P(N) 3 R = P(N) 4 Graphen mit n : V (G) = {1,, n} = {0, 1} 5 N > {R} einelementig 6 Graphen mit V (G) = N > N 7 endliche Graphen N BuK/WS 2017 VL-05: Unentscheidbarkeit I 21/37
71 Exkurs: Einige Verständnisfragen Welche Menge hat die grössere Kardinalität? 1 {1,, n} < N endlich 2 { } < P(N) 3 R = P(N) 4 Graphen mit n : V (G) = {1,, n} = {0, 1} 5 N > {R} einelementig 6 Graphen mit V (G) = N > N 7 endliche Graphen??? N BuK/WS 2017 VL-05: Unentscheidbarkeit I 21/37
72 Exkurs: Einige Verständnisfragen Welche Menge hat die grössere Kardinalität? 1 {1,, n} < N endlich 2 { } < P(N) 3 R = P(N) 4 Graphen mit n : V (G) = {1,, n} = {0, 1} 5 N > {R} einelementig 6 Graphen mit V (G) = N > N 7 endliche Graphen??? N keine Menge BuK/WS 2017 VL-05: Unentscheidbarkeit I 21/37
73 Exkurs: Einige Verständnisfragen Welche Menge hat die grössere Kardinalität? 1 {1,, n} < N endlich 2 { } < P(N) 3 R = P(N) 4 Graphen mit n : V (G) = {1,, n} = {0, 1} 5 N > {R} einelementig 6 Graphen mit V (G) = N > N 7 endliche Graphen??? N keine Menge 8 Gödelnummern P({0, 1} ) BuK/WS 2017 VL-05: Unentscheidbarkeit I 21/37
74 Exkurs: Einige Verständnisfragen Welche Menge hat die grössere Kardinalität? 1 {1,, n} < N endlich 2 { } < P(N) 3 R = P(N) 4 Graphen mit n : V (G) = {1,, n} = {0, 1} 5 N > {R} einelementig 6 Graphen mit V (G) = N > N 7 endliche Graphen??? N keine Menge 8 Gödelnummern < P({0, 1} ) BuK/WS 2017 VL-05: Unentscheidbarkeit I 21/37
75 Exkurs: Einige Verständnisfragen Welche Menge hat die grössere Kardinalität? 1 {1,, n} < N endlich 2 { } < P(N) 3 R = P(N) 4 Graphen mit n : V (G) = {1,, n} = {0, 1} 5 N > {R} einelementig 6 Graphen mit V (G) = N > N 7 endliche Graphen??? N keine Menge 8 Gödelnummern < P({0, 1} ) BuK/WS 2017 VL-05: Unentscheidbarkeit I 21/37
76 Ende des Exkurses Zum Ende des Exkurses eine Testfrage für hochmotivierte Hörer: Gibt es eine Mächtigkeit zwischen N und R? BuK/WS 2017 VL-05: Unentscheidbarkeit I 22/37
77 Ende des Exkurses Zum Ende des Exkurses eine Testfrage für hochmotivierte Hörer: Gibt es eine Mächtigkeit zwischen N und R? Wikipedia: Paul Joseph Cohen ( ) was an American mathematician He is best known for his proofs (1963/64) that the continuum hypothesis and the axiom of choice are independent from Zermelo-Fraenkel set theory, for which he was awarded the 1966 Fields Medal BuK/WS 2017 VL-05: Unentscheidbarkeit I 22/37
78 Unentscheidbare Probleme BuK/WS 2017 VL-05: Unentscheidbarkeit I 23/37
79 Wie viele verschiedene Entscheidungsprobleme gibt es? Jedes Entscheidungsproblem mit binär kodierter Eingabe entspricht einer Sprache über dem Alphabet {0, 1} (und umgekehrt) BuK/WS 2017 VL-05: Unentscheidbarkeit I 24/37
80 Wie viele verschiedene Entscheidungsprobleme gibt es? Jedes Entscheidungsproblem mit binär kodierter Eingabe entspricht einer Sprache über dem Alphabet {0, 1} (und umgekehrt) Es sei L die Menge aller Entscheidungsprobleme über {0, 1} BuK/WS 2017 VL-05: Unentscheidbarkeit I 24/37
81 Wie viele verschiedene Entscheidungsprobleme gibt es? Jedes Entscheidungsproblem mit binär kodierter Eingabe entspricht einer Sprache über dem Alphabet {0, 1} (und umgekehrt) Es sei L die Menge aller Entscheidungsprobleme über {0, 1} Ein Entscheidungsproblem L L ist eine Teilmenge von {0, 1} BuK/WS 2017 VL-05: Unentscheidbarkeit I 24/37
82 Wie viele verschiedene Entscheidungsprobleme gibt es? Jedes Entscheidungsproblem mit binär kodierter Eingabe entspricht einer Sprache über dem Alphabet {0, 1} (und umgekehrt) Es sei L die Menge aller Entscheidungsprobleme über {0, 1} Ein Entscheidungsproblem L L ist eine Teilmenge von {0, 1} L ist somit die Menge aller Teilmengen von {0, 1} Also ist L die Potenzmenge von {0, 1} Also gilt L = P({0, 1} ) BuK/WS 2017 VL-05: Unentscheidbarkeit I 24/37
83 Wie viele verschiedene Entscheidungsprobleme gibt es? Jedes Entscheidungsproblem mit binär kodierter Eingabe entspricht einer Sprache über dem Alphabet {0, 1} (und umgekehrt) Es sei L die Menge aller Entscheidungsprobleme über {0, 1} Ein Entscheidungsproblem L L ist eine Teilmenge von {0, 1} L ist somit die Menge aller Teilmengen von {0, 1} Also ist L die Potenzmenge von {0, 1} Also gilt L = P({0, 1} ) Wir beobachten: {0, 1} hat dieselbe Mächtigkeit wie N BuK/WS 2017 VL-05: Unentscheidbarkeit I 24/37
84 Wie viele verschiedene Entscheidungsprobleme gibt es? Jedes Entscheidungsproblem mit binär kodierter Eingabe entspricht einer Sprache über dem Alphabet {0, 1} (und umgekehrt) Es sei L die Menge aller Entscheidungsprobleme über {0, 1} Ein Entscheidungsproblem L L ist eine Teilmenge von {0, 1} L ist somit die Menge aller Teilmengen von {0, 1} Also ist L die Potenzmenge von {0, 1} Also gilt L = P({0, 1} ) Wir beobachten: {0, 1} hat dieselbe Mächtigkeit wie N L = P({0, 1} ) hat somit dieselbe Mächtigkeit wie P(N) BuK/WS 2017 VL-05: Unentscheidbarkeit I 24/37
85 Wie viele verschiedene Entscheidungsprobleme gibt es? Jedes Entscheidungsproblem mit binär kodierter Eingabe entspricht einer Sprache über dem Alphabet {0, 1} (und umgekehrt) Es sei L die Menge aller Entscheidungsprobleme über {0, 1} Ein Entscheidungsproblem L L ist eine Teilmenge von {0, 1} L ist somit die Menge aller Teilmengen von {0, 1} Also ist L die Potenzmenge von {0, 1} Also gilt L = P({0, 1} ) Wir beobachten: {0, 1} hat dieselbe Mächtigkeit wie N L = P({0, 1} ) hat somit dieselbe Mächtigkeit wie P(N) Die Menge L der Entscheidungsprobleme ist also BuK/WS 2017 VL-05: Unentscheidbarkeit I 24/37
86 Die Existenz unentscheidbarer Probleme Zusammengefasst: Es gibt viele Sprachen BuK/WS 2017 VL-05: Unentscheidbarkeit I 25/37
87 Die Existenz unentscheidbarer Probleme Zusammengefasst: Es gibt viele Sprachen Es gibt nur abzählbar viele TMen BuK/WS 2017 VL-05: Unentscheidbarkeit I 25/37
88 Die Existenz unentscheidbarer Probleme Zusammengefasst: Es gibt viele Sprachen Es gibt nur abzählbar viele TMen Schlussfolgerung Es existieren unentscheidbare Sprachen BuK/WS 2017 VL-05: Unentscheidbarkeit I 25/37
89 Die Existenz unentscheidbarer Probleme Zusammengefasst: Es gibt viele Sprachen Es gibt nur abzählbar viele TMen Schlussfolgerung Es existieren unentscheidbare Sprachen Die reine Existenz von unentscheidbaren Problemen ist eigentlich nicht bedrohlich: Es könnte sich dabei ja ausschliesslich um völlig uninteressante, künstliche, nicht praxis-relevante Probleme handeln BuK/WS 2017 VL-05: Unentscheidbarkeit I 25/37
90 Die Existenz unentscheidbarer Probleme Zusammengefasst: Es gibt viele Sprachen Es gibt nur abzählbar viele TMen Schlussfolgerung Es existieren unentscheidbare Sprachen Die reine Existenz von unentscheidbaren Problemen ist eigentlich nicht bedrohlich: Es könnte sich dabei ja ausschliesslich um völlig uninteressante, künstliche, nicht praxis-relevante Probleme handeln Leider werden wir sehen, dass sich diese Hoffnung nicht bestätigt BuK/WS 2017 VL-05: Unentscheidbarkeit I 25/37
91 Das Halteproblem BuK/WS 2017 VL-05: Unentscheidbarkeit I 26/37
92 Das Halteproblem Das Halteproblem besteht darin, zu entscheiden, ob ein gegebenes Programm mit einer gegebenen Eingabe terminiert In unserer Notation mit TMen ergibt sich die folgende formale Problemdefinition: Definition (Halteproblem) H = { M w M hält auf w} BuK/WS 2017 VL-05: Unentscheidbarkeit I 27/37
93 Das Halteproblem Das Halteproblem besteht darin, zu entscheiden, ob ein gegebenes Programm mit einer gegebenen Eingabe terminiert In unserer Notation mit TMen ergibt sich die folgende formale Problemdefinition: Definition (Halteproblem) H = { M w M hält auf w} Es wäre sehr nützlich, wenn Compiler das Halteproblem entscheiden könnten Wir werden jedoch sehen, dass dieses grundlegende Problem unentscheidbar ist BuK/WS 2017 VL-05: Unentscheidbarkeit I 27/37
94 Die Diagonalsprache (1) Zum Beweis der Unentscheidbarkeit des Halteproblems machen wir einen Umweg über die sogenannte Diagonalsprache Definition (Diagonalsprache): D = { w {0, 1} w = w i und M i akzeptiert w nicht} Anders gesagt: Das i-te Wort w i in der kanonischen Reihenfolge ist genau dann in D, wenn die i-te TM M i dieses Wort w i nicht akzeptiert BuK/WS 2017 VL-05: Unentscheidbarkeit I 28/37
95 Die Diagonalsprache (1) Zum Beweis der Unentscheidbarkeit des Halteproblems machen wir einen Umweg über die sogenannte Diagonalsprache Definition (Diagonalsprache): D = { w {0, 1} w = w i und M i akzeptiert w nicht} Anders gesagt: Das i-te Wort w i in der kanonischen Reihenfolge ist genau dann in D, wenn die i-te TM M i dieses Wort w i nicht akzeptiert Satz Die Diagonalsprache D ist unentscheidbar BuK/WS 2017 VL-05: Unentscheidbarkeit I 28/37
96 Die Diagonalsprache (2): Intuition Warum trägt die Sprache den Namen Diagonalsprache? Betrachte eine unendliche binäre Matrix A mit A i,j = { 1 falls Mi das Wort w j akzeptiert 0 sonst BuK/WS 2017 VL-05: Unentscheidbarkeit I 29/37
97 Die Diagonalsprache (2): Intuition Warum trägt die Sprache den Namen Diagonalsprache? Betrachte eine unendliche binäre Matrix A mit A i,j = { 1 falls Mi das Wort w j akzeptiert 0 sonst Beispiel: w 0 w 1 w 2 w 3 w 4 M M M M M BuK/WS 2017 VL-05: Unentscheidbarkeit I 29/37
98 Die Diagonalsprache (2): Intuition Warum trägt die Sprache den Namen Diagonalsprache? Betrachte eine unendliche binäre Matrix A mit A i,j = { 1 falls Mi das Wort w j akzeptiert 0 sonst Beispiel: w 0 w 1 w 2 w 3 w 4 M M M M M Die Diagonalsprache lässt sich auf der Diagonale der Matrix ablesen Es gilt D = {w i A i,i = 0} BuK/WS 2017 VL-05: Unentscheidbarkeit I 29/37
99 Die Diagonalsprache (3): Der Beweis Satz Die Diagonalsprache D ist unentscheidbar Beweis: Wir nehmen zwecks Widerspruchs an, dass D entscheidbar ist Dann gibt es eine TM M j, die D entscheidet BuK/WS 2017 VL-05: Unentscheidbarkeit I 30/37
100 Die Diagonalsprache (3): Der Beweis Satz Die Diagonalsprache D ist unentscheidbar Beweis: Wir nehmen zwecks Widerspruchs an, dass D entscheidbar ist Dann gibt es eine TM M j, die D entscheidet Wir starten die TM M j mit der Eingabe w j Es ergeben sich zwei Fälle, die jeweils direkt zum Widerspruch führen BuK/WS 2017 VL-05: Unentscheidbarkeit I 30/37
101 Die Diagonalsprache (3): Der Beweis Satz Die Diagonalsprache D ist unentscheidbar Beweis: Wir nehmen zwecks Widerspruchs an, dass D entscheidbar ist Dann gibt es eine TM M j, die D entscheidet Wir starten die TM M j mit der Eingabe w j Es ergeben sich zwei Fälle, die jeweils direkt zum Widerspruch führen Fall 1: w j D M j entsch D M j akzeptiert w j BuK/WS 2017 VL-05: Unentscheidbarkeit I 30/37
102 Die Diagonalsprache (3): Der Beweis Satz Die Diagonalsprache D ist unentscheidbar Beweis: Wir nehmen zwecks Widerspruchs an, dass D entscheidbar ist Dann gibt es eine TM M j, die D entscheidet Wir starten die TM M j mit der Eingabe w j Es ergeben sich zwei Fälle, die jeweils direkt zum Widerspruch führen Fall 1: w j D M j entsch D Def von D M j akzeptiert w j w j D Widerspruch! BuK/WS 2017 VL-05: Unentscheidbarkeit I 30/37
103 Die Diagonalsprache (3): Der Beweis Satz Die Diagonalsprache D ist unentscheidbar Beweis: Wir nehmen zwecks Widerspruchs an, dass D entscheidbar ist Dann gibt es eine TM M j, die D entscheidet Wir starten die TM M j mit der Eingabe w j Es ergeben sich zwei Fälle, die jeweils direkt zum Widerspruch führen Fall 1: w j D M j entsch D Fall 2: w j D M j entsch D Def von D M j akzeptiert w j M j akzeptiert w j nicht w j D Widerspruch! BuK/WS 2017 VL-05: Unentscheidbarkeit I 30/37
104 Die Diagonalsprache (3): Der Beweis Satz Die Diagonalsprache D ist unentscheidbar Beweis: Wir nehmen zwecks Widerspruchs an, dass D entscheidbar ist Dann gibt es eine TM M j, die D entscheidet Wir starten die TM M j mit der Eingabe w j Es ergeben sich zwei Fälle, die jeweils direkt zum Widerspruch führen Fall 1: w j D M j entsch D Fall 2: w j D M j entsch D Somit is D unentscheidbar Def von D M j akzeptiert w j M j akzeptiert w j nicht w j D Widerspruch! Def von D w j D Widerspruch! BuK/WS 2017 VL-05: Unentscheidbarkeit I 30/37
105 Das Halteproblem für JAVA-Programme Eingabe: Ausgabe: String method (Name der zu überprüfenden JAVA-Methode) Array parameters von Objekten (Parameter, die an die Methode übergeben werden) true, falls method wirklich eine Methode in einer verfügbaren Klasse bezeichnet, falls parameters die richtige Zahl von Parametern mit den richtigen Typen enthält und falls die Methode method bei Eingabe parameters (irgendwann) anhält false sonst BuK/WS 2017 VL-05: Unentscheidbarkeit I 31/37
106 In JAVA: 1 class Halt static boolean halt ( String method, 5 Object [] parameters ) Wir können annehmen, dass die Methode halt Zugriff auf den Quellcode von method hat BuK/WS 2017 VL-05: Unentscheidbarkeit I 32/37
107 Unentscheidbarkeit des Halteproblems (1) Satz Es gibt kein JAVA-Programm, welches das Halteproblem löst BuK/WS 2017 VL-05: Unentscheidbarkeit I 33/37
108 Unentscheidbarkeit des Halteproblems (2) Angenommen, es gibt ein Programm, welches das Halteproblem löst Wir können annehmen, dass dies mittels einer Methode static boolean halt(string method, Object[] parameters) in einer Klasse Halt geschieht BuK/WS 2017 VL-05: Unentscheidbarkeit I 34/37
109 Unentscheidbarkeit des Halteproblems (2) Angenommen, es gibt ein Programm, welches das Halteproblem löst Wir können annehmen, dass dies mittels einer Methode static boolean halt(string method, Object[] parameters) in einer Klasse Halt geschieht Wir definieren eine neue Methode diag in einer Klasse Diag: 1 class Diag 2 static void diag ( String method ) 3 Object [] parameters = method ; 4 // Eingaben bestehen nur aus 5 // dem einen String method 6 if ( Halt halt ( method, parameters ) ) 7 while ( true ) ; 8 // Wenn Methode method bei 9 // Eingabe method anhaelt, 10 // dann laufe in Endlosschleife BuK/WS 2017 VL-05: Unentscheidbarkeit I 34/37
110 Unentscheidbarkeit des Halteproblems (3) Was passiert beim Aufruf Diagdiag( foo ) wenn foo Name einer Methode, die String als Parameter erwartet? BuK/WS 2017 VL-05: Unentscheidbarkeit I 35/37
111 Unentscheidbarkeit des Halteproblems (3) Was passiert beim Aufruf Diagdiag( foo ) wenn foo Name einer Methode, die String als Parameter erwartet? Diagdiag( foo ) hält Halthalt( foo, foo ) gibt false zurück foo( foo ) hält nicht BuK/WS 2017 VL-05: Unentscheidbarkeit I 35/37
112 Unentscheidbarkeit des Halteproblems (3) Was passiert beim Aufruf Diagdiag( foo ) wenn foo Name einer Methode, die String als Parameter erwartet? Diagdiag( foo ) hält Halthalt( foo, foo ) gibt false zurück foo( foo ) hält nicht Also beim Aufruf Diagdiag( Diagdiag ): Diagdiag( Diagdiag ) hält Diagdiag( Diagdiag ) hält nicht Widerspruch! BuK/WS 2017 VL-05: Unentscheidbarkeit I 35/37
113 Hilbert s Hotel BuK/WS 2017 VL-05: Unentscheidbarkeit I 36/37
114 Organisatorisches Nächste Vorlesung: Donnerstag, November 2, 12:15 13:45 Uhr, Aula Achtung: In der Woche Oct-30 bis Nov-3 entfallen alle Tutorien! Webseite: BuK/WS 2017 VL-05: Unentscheidbarkeit I 37/37
Einführung 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
MehrTheoretische Grundlagen der Informatik
Theoretische Grundlagen der Informatik Turing-Maschine, Berechenbarkeit INSTITUT FÜR THEORETISCHE 0 KIT 07.11.2011 Universität des Dorothea Landes Baden-Württemberg Wagner - Theoretische und Grundlagen
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
MehrBerechenbarkeit und Komplexität
Skript zur Vorlesung Berechenbarkeit und Komplexität an der RWTH Aachen Prof. Dr. Berthold Vöcking Lehrstuhl Informatik 1 Oktober 2009 Inhaltsverzeichnis 1 Einführung 1 1.1 Modellierung von Problemen....................
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
MehrBerechenbarkeit und Komplexität
Berechenbarkeit und Komplexität Prof. Dr. Dietrich Kuske FG Theoretische Informatik, TU Ilmenau Wintersemester 2010/11 1 Organisatorisches zur Vorlesung Informationen, aktuelle Version der Folien und Übungsblätter
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
MehrStefan Schmid TU Berlin & T-Labs, Berlin, Germany. Reduktionen in der Berechenbarkeitstheorie
Stefan Schmid TU Berlin & T-Labs, Berlin, Germany Reduktionen in der Berechenbarkeitstheorie Problem: Wie komme ich von hier zum Hamburger Hbf? 2 Beispiel P1 Wie komme ich von hier zum Hamburger Hbf? kann
MehrDank. Grundlagen der Theoretischen Informatik / Einführung in die Theoretische Informatik I. Probleme über Sprachen. Teil II.
Dank Vorlesung Grundlagen der Theoretischen Informatik / Einführung in die Theoretische Informatik I Bernhard Beckert Diese Vorlesungsmaterialien basieren ganz wesentlich auf den Folien zu den Vorlesungen
MehrTheoretische Informatik 1
Theoretische Informatik 1 Registermaschine David Kappel Institut für Grundlagen der Informationsverarbeitung TU Graz SS 2012 Übersicht Registermaschinen Algorithmusbegriff konkretisiert formale Beschreibung
MehrWie viel Mathematik kann ein Computer?
Wie viel Mathematik kann ein Computer? Die Grenzen der Berechenbarkeit Dr. Daniel Borchmann 2015-02-05 Wie viel Mathematik kann ein Computer? 2015-02-05 1 / 1 Mathematik und Computer Computer sind schon
MehrDiskrete Strukturen Kapitel 2: Grundlagen (Relationen)
WS 2016/17 Diskrete Strukturen Kapitel 2: Grundlagen (Relationen) Hans-Joachim Bungartz Lehrstuhl für wissenschaftliches Rechnen Fakultät für Informatik Technische Universität München http://www5.in.tum.de/wiki/index.php/diskrete_strukturen_-_winter_16
MehrAlgorithmen und Berechnungskomplexität II
Skript zur Vorlesung Algorithmen und Berechnungskomplexität II Prof. Dr. Heiko Röglin Institut für Informatik Sommersemester 2014 30. Juni 2014 Inhaltsverzeichnis 1 Einleitung 1 1.1 Probleme und Funktionen.........................
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
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
MehrSprachen und Programmiersprachen
Sprachen und Programmiersprachen Natürliche Sprachen versus Programmiersprachen / Spezifikationssprachen Syntax legt die grammatikalische Korrektheit fest. Semantik legt die Bedeutung von syntaktisch korrekten
Mehr"Zahlen-Irrtum I": Es gibt nur halb so viele gerade Zahlen (2, 4, 6,.) wie Natürliche Zahlen (1, 2, 3, 4,.).
"ZAHLEN "Zahlen-Irrtum I": Es gibt nur halb so viele gerade Zahlen (2, 4, 6,.) wie Natürliche Zahlen (1, 2, 3, 4,.). Beide Zahlenmengen enthalten genau gleich viele Zahlen. Denn jeder Natürlichen Zahl
MehrAlgorithmen und Programmierung
Algorithmen und Programmierung Kapitel 5 Formale Algorithmenmodelle A&P (WS 14/15): 05 Formale Algorithmenmodelle 1 Überblick Motivation Formale Algorithmenmodelle Registermaschine Abstrakte Maschinen
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
Mehr11. Woche: Turingmaschinen und Komplexität Rekursive Aufzählbarkeit, Entscheidbarkeit Laufzeit, Klassen DTIME und P
11 Woche: Turingmaschinen und Komplexität Rekursive Aufzählbarkeit, Entscheidbarkeit Laufzeit, Klassen DTIME und P 11 Woche: Turingmaschinen, Entscheidbarkeit, P 239/ 333 Einführung in die NP-Vollständigkeitstheorie
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
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
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
MehrTheoretische Informatik 1
heoretische Informatik 1 uringmaschinen David Kappel Institut für Grundlagen der Informationsverarbeitung echnische Universität Graz 11.03.2016 Übersicht uring Maschinen Algorithmusbegriff konkretisiert
MehrMengen. Eigenschaften. Spezielle Mengen (1) Prominente Mengen. ! Mengenzugehörigkeit
Mengen! Definition (Intuitive Mengenlehre) Eine Menge ist die Zusammenfassung von Elementen unserer Anschauung zu einem wohldefinierten Ganzen. (Georg Cantor)! Notation 1. Aufzählung aller Elemente: {
MehrBerechenbarkeit. Script, Kapitel 2
Berechenbarkeit Script, Kapitel 2 Intuitiver Berechenbarkeitsbegriff Turing-Berechenbarkeit WHILE-Berechenbarkeit Church sche These Entscheidungsprobleme Unentscheidbarkeit des Halteproblems für Turingmaschinen
MehrVorlesung Berechenbarkeit und Komplexität. Motivation, Übersicht und Organisatorisches
Berechenbarkeit und Komplexität: Motivation, Übersicht und Organisatorisches Prof. Dr. Berthold Vöcking Lehrstuhl Informatik 1 Algorithmen und Komplexität RWTH Aachen Berechenbarkeit die absoluten Grenzen
MehrInformatik II. Registermaschinen. Registermaschinen. Registermaschinen. Rainer Schrader. 7. Dezember 2005
Informatik II Rainer Schrader Zentrum für Angewandte Informatik Köln 7. Dezember 25 / 82 2 / 82 Gliederung Aufbau und Eigenschaften universelle RAM s RAM-Berechenbarkeit Nichtentscheidbarkeit Reduzierbarkeit
MehrProbeklausur zur Vorlesung Berechenbarkeit und Komplexität
RWTH Aachen Lehrgebiet Theoretische Informatik Reidl Ries Rossmanith Sanchez Tönnis WS 2012/13 Probeklausur 25.01.2013 Probeklausur zur Vorlesung Berechenbarkeit und Komplexität Aufgabe 1 (1+2+6+3 Punkte)
MehrFormale Sprachen. Grammatiken und die Chomsky-Hierarchie. Rudolf FREUND, Marian KOGLER
Formale Sprachen Grammatiken und die Chomsky-Hierarchie Rudolf FREUND, Marian KOGLER Grammatiken Das fundamentale Modell zur Beschreibung von formalen Sprachen durch Erzeugungsmechanismen sind Grammatiken.
MehrMusterlösung zur Hauptklausur Theoretische Grundlagen der Informatik Wintersemester 2013/14
Institut für Theoretische Informatik Prof. Dr. Jörn Müller-Quade Musterlösung zur Hauptklausur Theoretische Grundlagen der Informatik Wintersemester 23/4 Vorname Nachname Matrikelnummer Hinweise Für die
MehrEinführung in Berechenbarkeit, Komplexität und formale Sprachen
Johannes Blömer Skript zur Vorlesung Einführung in Berechenbarkeit, Komplexität und formale Sprachen Universität Paderborn Wintersemester 2011/12 Inhaltsverzeichnis 1 Einleitung 2 1.1 Ziele der Vorlesung...................................
MehrAusgewählte unentscheidbare Sprachen
Proseminar Theoretische Informatik 15.12.15 Ausgewählte unentscheidbare Sprachen Marian Sigler, Jakob Köhler Wolfgang Mulzer 1 Entscheidbarkeit und Semi-Entscheidbarkeit Definition 1: L ist entscheidbar
MehrEinführung in die Informatik 2
Einführung in die Informatik 2 Mathematische Grundbegriffe Sven Kosub AG Algorithmik/Theorie komplexer Systeme Universität Konstanz E 202 Sven.Kosub@uni-konstanz.de Sprechstunde: Freitag, 12:30-14:00 Uhr,
MehrEinführung in die Computerlinguistik Berechenbarkeit, Entscheidbarkeit, Halteproblem
Einführung in die Computerlinguistik Berechenbarkeit, Entscheidbarkeit, Halteproblem Dozentin: Wiebke Petersen 14.1.2009 Wiebke Petersen Einführung CL (WiSe 09/10) 1 Hinweis zu den Folien Der Text dieser
MehrRandom Access Machine (RAM) Berechenbarkeit und Komplexität Random Access Machines
Random Access Machine (RAM) Berechenbarkeit und Komplexität Random Access Machines Wolfgang Schreiner Wolfgang.Schreiner@risc.jku.at Research Institute for Symbolic Computation (RISC) Johannes Kepler University,
MehrTuring-Maschine. Berechenbarkeit und Komplexität Turing-Maschinen. Turing-Maschine. Beispiel
Berechenbarkeit und Komplexität Turing-Maschinen Wolfgang Schreiner Wolfgang.Schreiner@risc.jku.at Research Institute for Symbolic Computation (RISC) Johannes Kepler University, Linz, Austria http://www.risc.jku.at
MehrGrundlagen der Theoretischen Informatik Musterlösungen zu ausgewählten Übungsaufgaben
Dieses Dokument soll mehr dazu dienen, Beispiele für die formal korrekt mathematische Bearbeitung von Aufgaben zu liefern, als konkrete Hinweise auf typische Klausuraufgaben zu liefern. Die hier gezeigten
MehrKapitel 3. Natürliche Zahlen und vollständige Induktion
Kapitel 3 Natürliche Zahlen und vollständige Induktion In Kapitel 1 haben wir den direkten Beweis, den modus ponens, kennen gelernt, der durch die Tautologie ( A (A = B) ) = B gegeben ist Dabei war B eine
MehrFormale Sprachen und Automaten
Formale Sprachen und Automaten Kapitel 5: Typ 1 und Typ 0 Vorlesung an der DHBW Karlsruhe Thomas Worsch Karlsruher Institut für Technologie, Fakultät für Informatik Wintersemester 2012 Kapitel 5 Typ 1
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
MehrEinführung in die Theoretische Informatik
Einführung in die Theoretische Informatik Johannes Köbler Institut für Informatik Humboldt-Universität zu Berlin WS 2011/12 Die Registermaschine (random access machine, RAM) 0 I 0 1 I 1 2 I 2 m I m Programm
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
MehrZur Vereinfachung betrachten wir nun nur noch Funktionen f, die einen Funktionswert f nµberechnen. Sie werden alle in einer Tabelle dargestellt:
Informatik 13: Gierhardt Theoretische Informatik III Berechenbarkeit Nicht-berechenbare Funktionen Nach der Church-Turing-These kann alles, was berechenbar ist, mit einer Turing-Maschine oder einer While-Maschine
MehrTuring-Maschinen. Definition 1. Eine deterministische Turing-Maschine (kurz DTM) ist ein 6- Dem endlichen Alphabet Σ von Eingabesymbolen.
Turing-Maschinen Nachdem wir endliche Automaten und (die mächtigeren) Kellerautomaten kennengelernt haben, werden wir nun ein letztes, noch mächtigeres Automatenmodell kennenlernen: Die Turing-Maschine
MehrAlgorithmen und Datenstrukturen 1 Kapitel 4.1
Algorithmen und Datenstrukturen 1 Kapitel 4.1 Technische Fakultät robert@techfak.uni-bielefeld.de Vorlesung, U. Bielefeld, Winter 2005/2006 Kapitel 4: Maschinenmodelle [Dieses Kapitel hält sich eng an
MehrTheoretische Informatik Kap 2: Berechnungstheorie
Gliederung der Vorlesung 0. Grundbegriffe 1. Formale Sprachen/Automatentheorie 1.1. Grammatiken 1.2. Reguläre Sprachen 1.3. Kontextfreie Sprachen 2. Berechnungstheorie 2.1. Berechenbarkeitsmodelle 2.2.
Mehr1.1 Mengen und Abbildungen
Lineare Algebra I WS 2015/16 c Rudolf Scharlau 3 1.1 Mengen und Abbildungen In diesem Abschnitt stellen wir die grundlegende mathematische Sprache und Notation zusammen, die für jede Art von heutiger Mathematik
MehrBerechenbarkeitsmodelle
Berechenbarkeit 2 Endliche Automaten erkennen nicht alle algorithmisch erkennbaren Sprachen. Kontextfreie Grammatiken erzeugen nicht alle algorithmisch erzeugbaren Sprachen. Welche Berechnungsmodelle erlauben
MehrEntscheidungsprobleme. Berechenbarkeit und Komplexität Entscheidbarkeit und Unentscheidbarkeit. Die Entscheidbarkeit von Problemen
Berechenbarkeit und Komlexität Entscheidbarkeit und Unentscheidbarkeit Wolfgang Schreiner Wolfgang.Schreiner@risc.uni-linz.ac.at Research Institute for Symbolic Comutation (RISC) Johannes Keler University,
MehrEINFÜHRUNG IN DIE THEORETISCHE INFORMATIK 1. ALPHABETE, WÖRTER, SPRACHEN. Prof. Dr. Klaus Ambos-Spies. Sommersemester 2011
EINFÜHRUNG IN DIE THEORETISCHE INFORMATIK Prof. Dr. Klaus Ambos-Spies Sommersemester 2011 1. ALPHABETE, WÖRTER, SPRACHEN Theoretische Informatik (SoSe 2011) 1. Alphabete, Wörter, Sprachen 1 / 25 Vorbemerkung:
MehrMengen und Abbildungen
1 Mengen und bbildungen sind Hilfsmittel ( Sprache ) zur Formulierung von Sachverhalten; naive Vorstellung gemäß Georg Cantor (1845-1918) (Begründer der Mengenlehre). Definition 1.1 Eine Menge M ist eine
MehrTheoretische Informatik 1
Theoretische Informatik 1 Bernhard Nessler Institut für Grundlagen der Informationsverabeitung TU Graz SS 2007 Übersicht 1 Allgemein Teilgebiete der Informatik ohne Theoretische Grundlagen 2 Fragen an
Mehr4 Die Turing-Maschine
16 4 Die Turing-Maschine 4.1 Wörter und Gödelisierung Ein Alphabet ist eine endliche Menge verschiedener Objekte {a 1, a 2,..., a k }, die wir auch Buchstaben nennen. Dies können die uns bekannten Buchstaben
MehrAutomaten und Formale Sprachen
Automaten und Formale Sprachen Prof. Dr. Dietrich Kuske FG Theoretische Informatik, TU Ilmenau Wintersemester 2011/12 WS 11/12 1 Organisatorisches zur Vorlesung Informationen, aktuelle Version der Folien
MehrAlgorithmen und Datenstrukturen Kapitel 6 Komplexitätstheorie
Algorithmen und Datenstrukturen Kapitel 6 Komplexitätstheorie Einführung in P und NP Frank Heitmann heitmann@informatik.uni-hamburg.de 11. November 2015 Frank Heitmann heitmann@informatik.uni-hamburg.de
MehrEinführung in Approximative Algorithmen und Parametrisierte Komplexität
Einführung in Approximative Algorithmen und Parametrisierte Komplexität Tobias Lieber 10. Dezember 2010 1 / 16 Grundlegendes Approximationsalgorithmen Parametrisierte Komplexität 2 / 16 Grundlegendes Definition
Mehr2. Vorlesung. Die Theorie der schwarz-weissen Ketten.
2. Vorlesung. Die Theorie der schwarz-weissen Ketten. Die Theorie der schwarzen Steinchen haben wir jetzt halbwegs vertanden. Statt mit schwarzen Steinen wie die Griechen, wollen wir jetzt mit schwarzen
MehrWas bisher geschah: Formale Sprachen
Was bisher geschah: Formale Sprachen Alphabet, Wort, Sprache Operationen und Relationen auf Wörtern und Sprachen Darstellung unendlicher Sprachen durch reguläre Ausdrücke (Syntax, Semantik, Äquivalenz)
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
MehrMusterlösung der Hauptklausur zur Vorlesung Theoretische Grundlagen der Informatik Wintersemester 2012/13
Institut für Kryptographie und Sicherheit Prof. Dr. Jörn Müller-Quade Musterlösung der Hauptklausur zur Vorlesung Theoretische Grundlagen der Informatik Wintersemester 22/3 Vorname Nachname Matrikelnummer
MehrKapitel 2 MENGENLEHRE
Kapitel 2 MENGENLEHRE In diesem Kapitel geben wir eine kurze Einführung in die Mengenlehre, mit der man die ganze Mathematik begründen kann. Wir werden sehen, daßjedes mathematische Objekt eine Menge ist.
MehrKapitel 2 Mathematische Grundlagen
Kapitel 2 Mathematische Grundlagen Ziel: Einführung/Auffrischung einiger mathematischer Grundlagen 2.1 Mengen, Relationen, Ordnungen Definition: Eine Menge ist eine Zusammenfassung von wohlbestimmten und
MehrELEMENTARE DISKRETE MATHEMATIK Kapitel 4: Mächtigkeit von Mengen
ELEMENTARE DISKRETE MATHEMATIK Kapitel 4: Mächtigkeit von Mengen MAA.01011UB MAA.01011PH Vorlesung mit Übung im WS 2016/17 Christoph GRUBER Günter LETTL Institut für Mathematik und wissenschaftliches Rechnen
MehrKlausuraufgaben. 1. Wir betrachten die folgende Sprache über dem Alphabet {a, b}
Klausuraufgaben 1. Wir betrachten die folgende Sprache über dem Alphabet {a, b} L = {a n b m n > 0, m > 0, n m} a) Ist L kontextfrei? Wenn ja, geben Sie eine kontextfreie Grammatik für L an. Wenn nein,
MehrTheoretische Informatik
Theoretische Informatik für die Studiengänge Ingenieur-Informatik berufsbegleitendes Studium Lehramt Informatik (Sekundar- und Berufsschule) http://theo.cs.uni-magdeburg.de/lehre04s/ Lehrbeauftragter:
Mehr1 Prädikatenlogik: Korrektheit, Vollständigkeit, Entscheidbarkeit
1 Prädikatenlogik: Korrektheit, Vollständigkeit, Entscheidbarkeit 1.1 Korrektheit Mit dem Kalkül der Prädikatenlogik, z.b. dem Resolutionskalkül, können wir allgemeingültige Sätze beweisen. Diese Sätze
MehrEinführung in die Informatik Algorithms
Einführung in die Informatik Algorithms Eigenschaften von Algorithmen Wolfram Burgard 14.1 Motivation und Einleitung In der Informatik sucht man im Normalfall nach Verfahren zur Lösung von Problemen. Eine
MehrTopologische Räume und stetige Abbildungen Teil 2
TU Dortmund Mathematik Fakultät Proseminar zur Linearen Algebra Ausarbeitung zum Thema Topologische Räume und stetige Abbildungen Teil 2 Anna Kwasniok Dozent: Prof. Dr. L. Schwachhöfer Vorstellung des
MehrFormale Methoden 1. Gerhard Jäger 23. Januar Uni Bielefeld, WS 2007/2008 1/18
1/18 Formale Methoden 1 Gerhard Jäger Gerhard.Jaeger@uni-bielefeld.de Uni Bielefeld, WS 2007/2008 23. Januar 2008 2/18 Das Pumping-Lemma Sein L eine unendliche reguläre Sprache über ein endliches Alphabet
MehrIdeen der Informatik. Was ist ein Computer? Was ist ein Programm? Können Computer Alles? Kurt Mehlhorn und Adrian Neumann
Ideen der Informatik Was ist ein Computer? Was ist ein Programm? Können Computer Alles? Kurt Mehlhorn und Adrian Neumann Was ist ein Computer? 2 Übersicht Was ist ein Computer, ein Programm? Turings Antwort
MehrDie Komplexitätsklassen P und NP
Die Komplexitätsklassen P und NP Prof. Dr. Berthold Vöcking Lehrstuhl Informatik 1 Algorithmen und Komplexität RWTH Aachen 3. Dezember 2009 Berthold Vöcking, Informatik 1 () Vorlesung Berechenbarkeit und
MehrMengenlehre gibt es seit den achtziger Jahren des 19. Jahrhunderts. Sie wurde von
Grundbegriffe der Mengenlehre 2 Mengenlehre gibt es seit den achtziger Jahren des 19. Jahrhunderts. Sie wurde von Georg Cantor begründet. Der Begriffsapparat der Mengenlehre hat sich als so nützlich für
MehrFormale Grundlagen 2008W. Vorlesung im 2008S Institut für Algebra Johannes Kepler Universität Linz
Formale Grundlagen Institut für Algebra Johannes Kepler Universität Linz Vorlesung im 2008S http://www.algebra.uni-linz.ac.at/students/win/fg Inhalt Definition Sei A eine Menge und ɛ A A A eine zweistellige
MehrKapitel: Die Chomsky Hierarchie. Die Chomsky Hierarchie 1 / 14
Kapitel: Die Chomsky Hierarchie Die Chomsky Hierarchie 1 / 14 Allgemeine Grammatiken Definition Eine Grammatik G = (Σ, V, S, P) besteht aus: einem endlichen Alphabet Σ, einer endlichen Menge V von Variablen
MehrUniversität Karlsruhe Institut für Theoretische Informatik. Klausur: Informatik III
Name Vorname Matrikelnummer Universität Karlsruhe Institut für Theoretische Informatik o. Prof. Dr. P. Sanders 26. Feb. 2007 Klausur: Informatik III Aufgabe 1. Multiple Choice 10 Punkte Aufgabe 2. Teilmengenkonstruktion
MehrPrinzipielle Grenzen der Berechenbarkeit
Arno Schwarz Prinzipielle Grenzen der Berechenbarkeit Lange Zeit haben Philosophen und Mathematiker geglaubt, dass jedes mathematische Problem algorithmisch lösbar sei. So vertrat z.b. David Hilbert (1862-1943)
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:
MehrUnendlich ist nicht gleich unendlich
Unendlich ist nicht gleich unendlich Prof. Dr. Wolfram Koepf Fachbereich Mathematik Universität Kassel koepf@mathematik.uni-kassel.de http://www.mathematik.uni-kassel.de/ koepf Schülerseminar Zahlen 14.
MehrDigitales Rechnen, die Turing Maschine und das von Neumann Prinzip
Digitales Rechnen, die Turing Maschine und das von Neumann Prinzip Doppelvorlesung Wolfgang Hagen 1 Agenda der Doppel- Vorlesung: Rechnen (und Schalten) mit Binärzahlen Was ist das Hilbertsche Hotel? (Abzählbarkeit
Mehr3. Diskrete Mathematik
Diophantos von Alexandria um 250 Georg Cantor 1845-1918 Pythagoras um 570 v. Chr Pierre de Fermat 1607/8-1665 Seite 1 Inhalt der Vorlesung Teil 3: Diskrete Mathematik 3.1 Zahlentheorie: Abzählbarkeit,
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: ; :=
MehrWenn ich pro Sekunde eine natürliche Zahl aufzählen kann, kann ich in 2000 Sekunden alle natürlichen Zahlen aufsagen.
Schülerzirkel Mathematik Fakultät für Mathematik. Universität Regensburg Unendliche Mengen Immer eins mehr als du 1 Was ist unendlich? Michi sagt zu Anna: Wenn ich pro Sekunde eine natürliche Zahl aufzählen
MehrZur Ästhetik mathematischer Beweisführung
Zur Ästhetik mathematischer Beweisführung Jens-Peter M. Zemke zemke@tu-harburg.de Institut für Numerische Simulation Technische Universität Hamburg-Harburg 23.10.2006 TUHH Jens-Peter M. Zemke Zur Ästhetik
MehrTheoretische Informatik 1
heoretische Informatik 1 eil 2 Bernhard Nessler Institut für Grundlagen der Informationsverabeitung U Graz SS 2009 Übersicht 1 uring Maschinen uring-berechenbarkeit 2 Kostenmaße Komplexität 3 Mehrband-M
MehrMengen, Funktionen und Logik
Wirtschaftswissenschaftliches Zentrum Universität Basel Mathematik für Ökonomen 1 Dr. Thomas Zehrt Mengen, Funktionen und Logik Literatur Referenz: Gauglhofer, M. und Müller, H.: Mathematik für Ökonomen,
MehrKapitel IV. Endliche, abzählbare und überabzählbare Mengen. IV.1 Abzählbare Mengen
Kapitel IV Endliche, abzählbare und überabzählbare Mengen Wir haben schon einige Mengen in den Kapiteln I und II kennengelernt, etwa die Zahlenmengen N, Z, Q und R. Jede dieser Zahlenmengen enthält unendlich
MehrLineare Algebra I. - 1.Vorlesung - Prof. Dr. Daniel Roggenkamp & Falko Gauß. Monday 12 September 16
Lineare Algebra I - 1.Vorlesung - Prof. Dr. Daniel Roggenkamp & Falko Gauß 1. Mengen und Abbildungen: Mengen gehören zu den Grundlegendsten Objekten in der Mathematik Kurze Einführung in die (naive) Mengelehre
MehrTheoretische Informatik Mitschrift
Theoretische Informatik Mitschrift 2. Grammatiken und die Chomsky-Hierarchie Beispiel: Syntaxdefinition in BNF :=
Mehr1 Random Access Maschine
1 RANDOM ACCESS MASCHINE 1 1 Random Access Maschine Neue Hardware: Random Access Maschine = RAM. Der Name hat nichts mit Zufall zu tun, sondern mit wahlfreiem Zugriff. Die RAM besteht aus einem Eingabeband,
MehrWortproblem für kontextfreie Grammatiken
Wortproblem für kontextfreie Grammatiken G kontextfreie Grammatik. w Σ w L(G)? Wortproblem ist primitiv rekursiv entscheidbar. (schlechte obere Schranke!) Kellerautomat der L(G) akzeptiert Ist dieser effizient?
MehrReduzierbarkeit und das Post'sche Korrespondenzproblem
Reduzierbarkeit und das Post'sche Korrespondenzproblem Agenda Motivation Reduzierbarkeit Definition Bedeutung Post'sches Korrespondenzproblem (PKP) Modifiziertes Post'sches Korrespondenzproblem (MPKP)
MehrEinführung in die Theoretische Informatik
Technische Universität München Fakultät für Informatik Prof. Tobias Nipkow, Ph.D. Dr. Werner Meixner, Dr. Alexander Krauss Sommersemester 2 Lösungsblatt 3. April 2 Einführung in die Theoretische Informatik
Mehr4.13. Permutationen. Definition. Eine Permutation der Elementen {1,..., n} ist eine bijektive Abbildung
43 Permutationen Definition Eine Permutation der Elementen {,, n} ist eine bijektive Abbildung σ : {,,n} {,,n} Es ist leicht zu sehen, dass die Hintereinanderführung zweier Permutationen ergibt wieder
MehrTheoretische Informatik. Alphabete, Worte, Sprachen
Theoretische Informatik Alphabete, Worte, Sprachen Alphabete, Worte, Sprachen 1. Alphabete und Worte Definitionen, Beispiele Operationen mit Worten Induktionsbeweise 2. Sprachen Definition und Beispiele
MehrNaive Mengenlehre. ABER: Was ist eine Menge?
Naive Mengenlehre Im Wörterbuch kann man unter dem Begriff Menge etwa die folgenden Bestimmungen finden : Ansammlung, Konglomerat, Haufen, Klasse, Quantität, Bündel,... usf. Die Mengenlehre ist der (gegenwärtig)
MehrHerzlich willkommen!!!
Komplexitätstheorie Sommersemester 2013 Prof. Dr. Georg Schnitger AG Theoretische Informatik Johann Wolfgang Goethe-Universität Frankfurt am Main Herzlich willkommen!!! Einführung 1 / 30 Kapitel 1: Einführung
MehrGrundlagen der Theoretischen Informatik
Grundlagen der Theoretischen Informatik Sommersemester 2015 23.04.2015 Viorica Sofronie-Stokkermans e-mail: sofronie@uni-koblenz.de 1 Bis jetzt 1. Terminologie 2. Endliche Automaten und reguläre Sprachen
MehrEine Menge A ist die Zusammenfassung gleichartiger Elemente zu einer Gesamtheit. Eine Menge kann definiert werden durch
1.2 Mengenlehre Grundlagen der Mathematik 1 1.2 Mengenlehre Definition: Menge, Element, Variablenraum Eine Menge A ist die Zusammenfassung gleichartiger Elemente zu einer Gesamtheit. Eine Menge kann definiert
Mehr