VL-05: Unentscheidbarkeit I. (Berechenbarkeit und Komplexität, WS 2017) Gerhard Woeginger

Größe: px
Ab Seite anzeigen:

Download "VL-05: Unentscheidbarkeit I. (Berechenbarkeit und Komplexität, WS 2017) Gerhard Woeginger"

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 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

Mehr

Theoretische Grundlagen der Informatik

Theoretische 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

Mehr

Wir haben eine Beziehung zwischen entscheidbar und rekursiv aufzählbar hergeleitet.

Wir 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

Mehr

Berechenbarkeit und Komplexität

Berechenbarkeit 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....................

Mehr

Mächtigkeit von WHILE-Programmen

Mächtigkeit von WHILE-Programmen Mächtigkeit von WHILE-Programmen Prof. Dr. Berthold Vöcking Lehrstuhl Informatik 1 Algorithmen und Komplexität RWTH Aachen 26. November 2009 Berthold Vöcking, Informatik 1 () Vorlesung Berechenbarkeit

Mehr

Berechenbarkeit und Komplexität

Berechenbarkeit 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

Mehr

Wir suchen Antworten auf die folgenden Fragen: Was ist Berechenbarkeit? Wie kann man das intuitiv Berechenbare formal fassen?

Wir 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

Mehr

Stefan Schmid TU Berlin & T-Labs, Berlin, Germany. Reduktionen in der Berechenbarkeitstheorie

Stefan 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

Mehr

Dank. Grundlagen der Theoretischen Informatik / Einführung in die Theoretische Informatik I. Probleme über Sprachen. Teil II.

Dank. 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

Mehr

Theoretische Informatik 1

Theoretische Informatik 1 Theoretische Informatik 1 Registermaschine David Kappel Institut für Grundlagen der Informationsverarbeitung TU Graz SS 2012 Übersicht Registermaschinen Algorithmusbegriff konkretisiert formale Beschreibung

Mehr

Wie viel Mathematik kann ein Computer?

Wie 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

Mehr

Diskrete Strukturen Kapitel 2: Grundlagen (Relationen)

Diskrete 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

Mehr

Algorithmen und Berechnungskomplexität II

Algorithmen 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.........................

Mehr

WS 2009/10. Diskrete Strukturen

WS 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

Mehr

Rekursive Funktionen Basisfunktionen

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

Mehr

Sprachen und Programmiersprachen

Sprachen 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-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

Mehr

Algorithmen und Programmierung

Algorithmen 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

Mehr

Kapitel 1. Grundlagen

Kapitel 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

Mehr

11. 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 und Komplexität Rekursive Aufzählbarkeit, Entscheidbarkeit Laufzeit, Klassen DTIME und P 11 Woche: Turingmaschinen, Entscheidbarkeit, P 239/ 333 Einführung in die NP-Vollständigkeitstheorie

Mehr

Kapitel 1. Grundlagen Mengen

Kapitel 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

Mehr

Vorkurs Mathematik und Informatik Mengen, natürliche Zahlen, Induktion

Vorkurs 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

Mehr

Referat rekursive Mengen vs. rekursiv-aufzählbare Mengen

Referat 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

Mehr

Theoretische Informatik 1

Theoretische Informatik 1 heoretische Informatik 1 uringmaschinen David Kappel Institut für Grundlagen der Informationsverarbeitung echnische Universität Graz 11.03.2016 Übersicht uring Maschinen Algorithmusbegriff konkretisiert

Mehr

Mengen. Eigenschaften. Spezielle Mengen (1) Prominente Mengen. ! Mengenzugehörigkeit

Mengen. 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: {

Mehr

Berechenbarkeit. Script, Kapitel 2

Berechenbarkeit. Script, Kapitel 2 Berechenbarkeit Script, Kapitel 2 Intuitiver Berechenbarkeitsbegriff Turing-Berechenbarkeit WHILE-Berechenbarkeit Church sche These Entscheidungsprobleme Unentscheidbarkeit des Halteproblems für Turingmaschinen

Mehr

Vorlesung Berechenbarkeit und Komplexität. Motivation, Übersicht und Organisatorisches

Vorlesung 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

Mehr

Informatik II. Registermaschinen. Registermaschinen. Registermaschinen. Rainer Schrader. 7. Dezember 2005

Informatik 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

Mehr

Probeklausur zur Vorlesung Berechenbarkeit und Komplexität

Probeklausur 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)

Mehr

Formale Sprachen. Grammatiken und die Chomsky-Hierarchie. Rudolf FREUND, Marian KOGLER

Formale 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.

Mehr

Musterlösung zur Hauptklausur Theoretische Grundlagen der Informatik Wintersemester 2013/14

Musterlösung 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

Mehr

Einführung in Berechenbarkeit, Komplexität und formale Sprachen

Einführung 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...................................

Mehr

Ausgewählte unentscheidbare Sprachen

Ausgewählte 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

Mehr

Einführung in die Informatik 2

Einführung 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,

Mehr

Einführung in die Computerlinguistik Berechenbarkeit, Entscheidbarkeit, Halteproblem

Einführung 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

Mehr

Random Access Machine (RAM) Berechenbarkeit und Komplexität Random Access Machines

Random 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,

Mehr

Turing-Maschine. Berechenbarkeit und Komplexität Turing-Maschinen. Turing-Maschine. Beispiel

Turing-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

Mehr

Grundlagen der Theoretischen Informatik Musterlösungen zu ausgewählten Übungsaufgaben

Grundlagen 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

Mehr

Kapitel 3. Natürliche Zahlen und vollständige Induktion

Kapitel 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

Mehr

Formale Sprachen und Automaten

Formale 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

Mehr

Theoretische Informatik

Theoretische 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

Mehr

Einführung in die Theoretische Informatik

Einführung 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

Mehr

Primitiv rekursive und µ-rekursive Funktionen

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

Mehr

Zur Vereinfachung betrachten wir nun nur noch Funktionen f, die einen Funktionswert f nµberechnen. Sie werden alle in einer Tabelle dargestellt:

Zur 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

Mehr

Turing-Maschinen. Definition 1. Eine deterministische Turing-Maschine (kurz DTM) ist ein 6- Dem endlichen Alphabet Σ von Eingabesymbolen.

Turing-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

Mehr

Algorithmen und Datenstrukturen 1 Kapitel 4.1

Algorithmen 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

Mehr

Theoretische Informatik Kap 2: Berechnungstheorie

Theoretische 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.

Mehr

1.1 Mengen und Abbildungen

1.1 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

Mehr

Berechenbarkeitsmodelle

Berechenbarkeitsmodelle Berechenbarkeit 2 Endliche Automaten erkennen nicht alle algorithmisch erkennbaren Sprachen. Kontextfreie Grammatiken erzeugen nicht alle algorithmisch erzeugbaren Sprachen. Welche Berechnungsmodelle erlauben

Mehr

Entscheidungsprobleme. Berechenbarkeit und Komplexität Entscheidbarkeit und Unentscheidbarkeit. Die Entscheidbarkeit von Problemen

Entscheidungsprobleme. 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,

Mehr

EINFÜHRUNG IN DIE THEORETISCHE INFORMATIK 1. ALPHABETE, WÖRTER, SPRACHEN. Prof. Dr. Klaus Ambos-Spies. Sommersemester 2011

EINFÜHRUNG 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:

Mehr

Mengen und Abbildungen

Mengen 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

Mehr

Theoretische Informatik 1

Theoretische 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

Mehr

4 Die Turing-Maschine

4 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

Mehr

Automaten und Formale Sprachen

Automaten 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

Mehr

Algorithmen und Datenstrukturen Kapitel 6 Komplexitätstheorie

Algorithmen 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

Mehr

Einführung in Approximative Algorithmen und Parametrisierte Komplexität

Einführung 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

Mehr

2. Vorlesung. Die Theorie der schwarz-weissen Ketten.

2. 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

Mehr

Was bisher geschah: Formale Sprachen

Was 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)

Mehr

Theoretische Informatik SS 03 Übung 3

Theoretische 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

Mehr

Musterlösung der Hauptklausur zur Vorlesung Theoretische Grundlagen der Informatik Wintersemester 2012/13

Musterlösung 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

Mehr

Kapitel 2 MENGENLEHRE

Kapitel 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.

Mehr

Kapitel 2 Mathematische Grundlagen

Kapitel 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

Mehr

ELEMENTARE DISKRETE MATHEMATIK Kapitel 4: Mächtigkeit von Mengen

ELEMENTARE 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

Mehr

Klausuraufgaben. 1. Wir betrachten die folgende Sprache über dem Alphabet {a, b}

Klausuraufgaben. 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,

Mehr

Theoretische Informatik

Theoretische Informatik Theoretische Informatik für die Studiengänge Ingenieur-Informatik berufsbegleitendes Studium Lehramt Informatik (Sekundar- und Berufsschule) http://theo.cs.uni-magdeburg.de/lehre04s/ Lehrbeauftragter:

Mehr

1 Prädikatenlogik: Korrektheit, Vollständigkeit, Entscheidbarkeit

1 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

Mehr

Einführung in die Informatik Algorithms

Einführung 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

Mehr

Topologische Räume und stetige Abbildungen Teil 2

Topologische 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

Mehr

Formale Methoden 1. Gerhard Jäger 23. Januar Uni Bielefeld, WS 2007/2008 1/18

Formale 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

Mehr

Ideen 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 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

Mehr

Die Komplexitätsklassen P und NP

Die 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

Mehr

Mengenlehre gibt es seit den achtziger Jahren des 19. Jahrhunderts. Sie wurde von

Mengenlehre 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

Mehr

Formale Grundlagen 2008W. Vorlesung im 2008S Institut für Algebra Johannes Kepler Universität Linz

Formale 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

Mehr

Kapitel: Die Chomsky Hierarchie. Die Chomsky Hierarchie 1 / 14

Kapitel: 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

Mehr

Universität Karlsruhe Institut für Theoretische Informatik. Klausur: Informatik III

Universität 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

Mehr

Prinzipielle Grenzen der Berechenbarkeit

Prinzipielle 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)

Mehr

1.2 LOOP-, WHILE- und GOTO-Berechenbarkeit

1.2 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:

Mehr

Unendlich ist nicht gleich unendlich

Unendlich 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.

Mehr

Digitales Rechnen, die Turing Maschine und das von Neumann Prinzip

Digitales 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

Mehr

3. Diskrete Mathematik

3. 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,

Mehr

LOOP-Programme: Syntaktische Komponenten

LOOP-Programme: Syntaktische Komponenten LOOP-Programme: Syntaktische Komponenten LOOP-Programme bestehen aus folgenden Zeichen (syntaktischen Komponenten): Variablen: x 0 x 1 x 2... Konstanten: 0 1 2... Operationssymbole: + Trennsymbole: ; :=

Mehr

Wenn ich pro Sekunde eine natürliche Zahl aufzählen kann, kann ich in 2000 Sekunden alle natürlichen Zahlen aufsagen.

Wenn 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

Mehr

Zur Ästhetik mathematischer Beweisführung

Zur 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

Mehr

Theoretische Informatik 1

Theoretische 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

Mehr

Mengen, Funktionen und Logik

Mengen, 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,

Mehr

Kapitel IV. Endliche, abzählbare und überabzählbare Mengen. IV.1 Abzählbare Mengen

Kapitel 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

Mehr

Lineare 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. 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

Mehr

Theoretische Informatik Mitschrift

Theoretische Informatik Mitschrift Theoretische Informatik Mitschrift 2. Grammatiken und die Chomsky-Hierarchie Beispiel: Syntaxdefinition in BNF :=

Mehr

1 Random Access Maschine

1 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,

Mehr

Wortproblem für kontextfreie Grammatiken

Wortproblem 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?

Mehr

Reduzierbarkeit und das Post'sche Korrespondenzproblem

Reduzierbarkeit 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)

Mehr

Einführung in die Theoretische Informatik

Einführung 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

Mehr

4.13. Permutationen. Definition. Eine Permutation der Elementen {1,..., n} ist eine bijektive Abbildung

4.13. 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

Mehr

Theoretische Informatik. Alphabete, Worte, Sprachen

Theoretische 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

Mehr

Naive Mengenlehre. ABER: Was ist eine Menge?

Naive 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)

Mehr

Herzlich willkommen!!!

Herzlich 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

Mehr

Grundlagen der Theoretischen Informatik

Grundlagen 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

Mehr

Eine Menge A ist die Zusammenfassung gleichartiger Elemente zu einer Gesamtheit. Eine Menge kann definiert werden durch

Eine 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