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

Größe: px
Ab Seite anzeigen:

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

Transkript

1 LOOP-Programme 1 LOOP-Programme verwenden (jeweils) endlich viele Variablen aus VAR := {X 0,X 1,X 2,...}, oft nur mit X,Y,Z,U,V,W bezeichnet, die als Register fungieren. Slide 1 Def (Meyer/Ritchie). LOOP-Programme werden induktiv aufgebaut aus den (Basis-) Anweisungen mittels X :=Y Weise X den Wert von Y zu X :=X +1 Erhöhe X um 1 X := 0 Setze X auf Null Anweisungsfolgen P 1 ; P 2 FOR-Schleifen LOOPX [P]. (lies Führe P X-mal aus ) LOOP-Programme 2 Def. Eine Umgebung (ENV) ist eine Abbildung ϕ: VAR N. Die denotationale Semantik von LOOP-Programmen ist eine Abbildung [ ]: LOOP-Programme (ENV ENV) Slide 2 und ist rekursiv über den Aufbau von LOOP-Programmen definiert: { ϕ(x [X i = X j ](ϕ)(x k ) := j ) falls k = i ϕ(x k ) sonst [X i :=X i +1](ϕ)(X k ) := analog [X i = 0](ϕ)(X k ) := analog [P 1 ; P 2 ](ϕ) := [P 2 ]([P 1 ](ϕ)) [LOOP X i [P]](ϕ) := [P] ϕ(xi) (ϕ) Bem. [P](ϕ) hängt nur von ϕ auf den Variablen var(p) von P ab.

2 LOOP-Programme 3 Def. Ein LOOP-Programm P berechnet eine Funktion f : N n N, falls für gewisse Input Register X i1,...,x il und Output-Register O gilt: (x 1,...,x n ) N n : {X i1 =x i1,...,x il =x il } P {O=f(x 1,..., x n )} Slide 3 Kurzform: { X= x} P {O=f( x)} Bsp. 1. PRED(Z) berechnet z. 1:=max(z 1, 0) via verzögerter Addition: PRED(Z) : L = Z; U = 0; Z = 0; LOOPL [Z = U; U :=U+1] Leicht: {Z,U = z, u} body m {Z = u + (m. 1),U = u + m} = {Z = z} PRED(Z) {Z = z. 1} 2. SUB(Y;X) : LOOPY [PRED(X)] berechnet x. y:=max(x y, 0) in X. LOOP-Programme 4 3. Implementierung des Konditionals if X Y [Q] (Kontrollstruktur). Für ein beliebiges LOOP-Programm Q implementiere if X Y [Q] mit neuen Hilfsregistern U,V wie folgt: Slide 4 if X Y [Q] : V = X; SUB(Y;V); U = 0; U :=U+1; SUB(V;U); LOOPU [Q] Korrektheit: Nach Ausführung von if X Y [Q] gilt V=X. Y und somit: V = 0 X Y U = 1 V = 0 Also gilt: Q wird ausgeführt (genau einmal) X Y.

3 Die primitiv rekursiven Funktionen 1 Def. f : N k N heißt durch Einsetzung aus h: N m N und g 1,..., g m : N k N definiert, in Zeichen f :=E(h, g 1,..., g m ), falls gilt: f( x) = h(g 1 ( x),..., g m ( x)) Slide 5 Def. f : N k+1 N heißt durch primitive Rekursion aus g: N k N und h: N k+2 N definiert, in Zeichen f := R(g, h), falls f die folgenden Rekursionsgleichungen erfüllt (für alle x, y): f( x, 0) = g( x) f( x, y + 1) = h( x, y, f( x, y)) In f( x, y) heißen x die Parameter und y das Rekursionsargument; ferner heißt f( x, y) der Vorgängerwert von f( x, y + 1). Die primitiv rekursiven Funktionen 2 Bem. Maximales Ausfalten der Rekursionsgleichungen ergibt: f( x, y)=h( x, y 1, h( x, y 2,..., h( x, 0, g( x))...)) für f =R(g, h) Slide 6 Def. Die Menge PR der primitiv rekursiven Funktionen ist die kleinste Menge zahlentheoretischer Funktionen, die folgende Basisfunktionen enthält die Null 0 als 0-stellige Funktion aufgefaßt den Successor S: N N mit S(x) = x + 1 alle Projektionen Π m i : N m N mit Π m i ( x) = x i für 1 i m und abgeschlossen ist unter Einsetzung und primitiver Rekursion. Bem. Mittels Projektionen und Einsetzung kann man Funktionen in jedem Parameter durch primitive Rekursion definieren.

4 Die primitiv rekursiven Funktionen 3 Bem. Jede natürliche Zahl a kann als 0-stellige Funktion C 0 a aufgefaßt werden, die mittels Einsetzung aus der Null definiert werden kann. Damit gewinnt man jede n-stellige konstante Funktion C n a Slide 7 mittels Einsetzung aus C 0 a. C n a (x 1,...,x n ) := a Def (Einsetzungsschema). Für m, n N ist E m,n ein Funktional, das Funktionen h: N m N und Funktionenfolgen g 1,..., g m : N n N die Funktion E m,n (h, g 1,..., g m ): N n N zuordnet, wobei E m,n (h, g 1,..., g m )( x) := h(g 1 ( x),..., g m ( x)) Bem. Damit besitzt C n a für n 1 die Darstellung Cn a = E0,n (C 0 a, ()). Die primitiv rekursiven Funktionen 4 Bsp. 1. Die Fallunterscheidung C: N 3 N mit C(0, y, z):=y und C(x+1, y, z):=z besitzt die Rekursionsgleichungen : Slide 8 C(0, y, z) = y C(x+1, y, z) = z = Darstellung C=R(Π 2 1, h) mit h(u, y, z, v) := z = Π4 3 (u, y, z, v) 2. Der Predecessor P: N N mit P(x) = x. 1 besitzt die Rekursionsgleichungen : P(0) = 0 P(x+1) = x = Darstellung P= R(C0 0, h) mit h(u, v) := u = Π2 1 (u, v)

5 Die primitiv rekursiven Funktionen 5 3. Die Addition add: N 2 N besitzt die Rekursionsgleichungen : add(x, 0) = x add(x, y+1) = S(add(x, y)) Slide 9 = add = R(Π 1 1, h) mit h(x, u, v) := S(v) = E 1,3 (S, Π 3 3)(x, u, v)) 4. Die abgeschnittene Subtraktion. : N 2 N, x. y = max(x y, 0) besitzt die Rekursionsgleichungen : x. 0 = x x. (y+1) = P(x. y) = Darstellung. = R(Π 1 1, E 1,3 (P, Π 3 3)) Die primitiv rekursiven Funktionen 6 5. Die Multiplikation mult: N 2 N hat die Rekursionsgleichungen : mult(x, 0) = 0 mult(x, y + 1) = mult(x, y) + x Slide 10 = mult=r(c0 1, h), h(x, u, v) := v+x = E2,3 (add, Π 3 3, Π3 1 )(x, u, v)). 6. Die Exponentiation exp: N 2 N, exp(x, y) = x y besitzt die Rekursionsgleichungen : exp(x, 0) = 1 exp(x, y + 1) = exp(x, y) x = Darstellung exp = R(C 1 1, E 2,3 (mult, Π 3 3, Π 3 1)).

6 Die primitiv rekursiven Funktionen 7 Slide 11 Def. f : N n N ist explizit definierbar aus Funktionen g 1,..., g m, falls es einen (wohlgeformten) Ausdruck E mit Symbolen unter g 1,..., g m, x 1,...,x n gibt, so daß für alle a = a 1,..., a n N gilt: f( a) = I(E)( a) Notation: f( x) = E. Dabei ist die Interpretation von E als Funktion I(E): N n N induktiv über den Aufbau von Ausdrücken mit Symbolen unter g 1,...,g m, x 1,..., x n definiert: I(x i ) = Π n i I(g i (E 1,..., E mi )) = E mi,n (g i, I(E 1 ),..., I(E mi )) Bsp. f(x 1, x 2, x 3, x 4 ) = (x 1 + (x 1 x x2 3 )). (x 2 x 3 ) Lemma. f ist explizit definierbar aus g 1,...,g m f ist mittels Einsetzung aus g 1,...,g m und Projektionen definierbar. Die primitiv rekursiven Funktionen 8 Folg (Praktischer Umgang). Für die Existenz einer Darstellung f = E m,k (h, g 1,...,g m ) in PR genügt die Angabe einer expliziten Definition f =E aus Fktn. in PR. Slide 12 Für die Existenz einer Darstellung f =R(g, h) in PR genügt die Angabe von Rekursionsgleichungen für f in der Form f( x, 0) = E b f( x, y + 1) = E s wobei E b ein Ausdruck in x und Symbolen g 1,...,g b PR ist, und E s ein Ausdruck in x, y und Symbolen h 1,...,h s PR sowie in f( x, y). Dann ist g = I(E b ) und h = I(E s), wobei E s aus E s entsteht, indem man alle Vorkommen von f( x, y) durch eine neue Variable v ersetzt.

7 PR und LOOP-Programme 1 Lemma (PR LOOP). f PR LOOP-Programm P[f]: { X= x}p[f] { X= x, O=f( x)} Slide 13 Beweis. Induktion über den Aufbau von PR. f ist Basisfunktion. P[0] : O:= 0 P[S] : O:=X 1 ; O :=O+1 P[Π n i ] : O:=X i f =E(h, g 1,...,g m ) Die I.V. liefert P[h],P[g 1 ],...,P[g m ] mit: { X= x}p[g i ] { X= x, O i =g i ( x)} für i = 1,..., m { O= y}p[h] { O= y, O=h( y)} O.E. seien O verschieden und var(p[g i ]) var(p[g j ]) X für i j. P[f] : P[g 1 ];...; P[g m ]; P[h] PR und LOOP-Programme 2 f = R(g, h). Also erfüllt f die Rekursionsgleichungen f( x, 0)=g( x) und f( x, y + 1)=h( x, y, f( x, y)). Slide 14 Idee: Es gilt f( x, y)=h( x, y 1, h( x, y 2,..., h( x, 0, g( x))...)). Also muß f( x, y) von innen nach außen berechnet werden. Die I.V. liefert LOOP-Programme P[g],P[h] mit: { X= x}p[g] { X= x, O=g( x)} { X,U,V= x, u, v}p[h] { X,U,V= x, u, v, O=h( x, u, v)} O.E. haben P[g],P[h] nur die Variablen X, O gemeinsam. Damit setze P[f] : P[g]; U:=0; LOOPY [V :=O; P[h]; U :=U +1].

8 Die Grzegorcyk-Hierarchie 1 Slide 15 A. Grzegorczyk (1953) definierte eine Schichtung von PR in eine Hierarchie E 0 E 1 E 2... mit E n = PR. n 0 Def. Die Klasse E n ist die kleinste Klasse zahlenth. Funktionen, die die Basisfunktionen 0, S, alle Projektionen Π m i und A n enthält und abgeschlossen ist unter Einsetzung und beschränkter primitiver Rekursion. Def. f : N k+1 N heißt durch beschränkte primitive Rekursion aus g: N k N, h: N k+2 N und b: N k+1 N definiert, in Zeichen f := BR(g, h, b), falls f = PR(g, h) und f b (punktweise) gilt. Idee: Eine Definition f =PR(g, h) in E n mit g, h E n ist so lange erlaubt wie f b für eine bereits definierte Fkt. b E n sichergestellt ist. Für E n E n+1 sorgen die immer schneller wachsenden Funktionen A n. Die Grzegorcyk-Hierarchie 2 Slide 16 Def. Der n-te Ackermannsche Zweig A n : N 2 N ist induktiv wie folgt definiert: A 0 (x, y) = y+1 x falls n = 0 A n+1 (x, 0) = 0 falls n = 1 1 sonst A n+1 (x, y + 1) = A n (x, A n+1 (x, y)) Bem. A 1 =add, A 2 =mult, A 3 =exp, A 4 (x, y) = x y mit x 0 := 1 und x l+1 := x x l, und so weiter. Satz (Wachstum). Zu jedem f E n, n 0, findet man eine Konstante c f, so daß stets gilt: f( x) A n+1 (max(2, x), c f ) Bem. A n+1 (x, c) = A n (x, A n (x,..., A n (x, 0)...)), c+1 Vorkommen von A n, ist eine Funktion in E n. = A n ist die Hauptfunktion in E n.

9 LOOP-Programme und PR 1 Ziel: Jede LOOP-berechenbare Funktion ist primitiv rekursiv. Benötigen: Tupel-Kodierung und Dekodierung sowie Abschluß von PR (bzw. E n, n 2) unter simultaner beschränkter Rekursion Slide 17 Lemma (Paarkodierung). Die Paarkodierung π: N N N π(x, y):=( i x+y i) + y ist eine Bijektion und besitzt die folgenden Dekodierungsfunktionen π 0, π 1 : N N: π 0 (z) := µ x z [ y z: π(x, y) = z] π 1 (z) := µ y z [ x z: π(x, y) = z] Projektion auf x Projektion auf y d.h. es gilt π(π 0 (n), π 1 (n))=n und π i (π(x 0, x 1 ))=x i. Ferner ist π monoton wachsend und es gilt x, y π(x, y) sowie π, π 0, π 1 E 2. LOOP-Programme und PR 2 Folg (Tupel-Kodierung und Dekodierung). Zu jedem m 1 findet man eine m-tupel-kodierung π m : N m N und Dekodierungen π m 1,..., π m m : N N, so daß gilt: Slide 18 (a) π m ist eine monoton wachsende Bijektion mit x i π m (x 1,..., x m ) und π m, π m 1,...,π m m E 2. (b) π m (π m 1 (z),...,π m m(z)) = z und π m i (πm (x 1,...,x m )) = x i (c) Für n 2 ist E n abgeschlossen unter simultaner beschränkter Rekursion, d.h. sind g: N k N und h: N k+1+m N sowie b: N k+1 N Funktionen in E n, so auch f 1,..., f m : N k+1 N mit f 1 b 1,..., f m b m und den folgenden Rekursionsgleichungen: f i ( x, 0) = g i ( x) f i ( x, y+1) = h i ( x, y, f 1 ( x, y),..., f m ( x, y)) (i = 1,...,m)

10 LOOP-Programme und PR 3 Beweis. Übung bis auf (c). Seien f 1,..., f m durch simultane beschränkte Rekursion aus g, h, b E n definiert, wobei n 2. Idee: Wir definieren durch beschränkte Rekursion in E n die Funktion Slide 19 f( x, y) = π m (f 1 ( x, y),..., f m ( x, y)) Nach (b) gilt f i ( x, y)=π m i (f( x, y)) und somit f 1,..., f m E n nach (a). Nach (a), (b) erfüllt f die folg. beschränkten Rekursionsgleichungen: f( x, 0) = π m (g 1 ( x),..., g m ( x)) f( x, y+1) = π m (h 1 ( x, y, T 1,...,T m ),..., h m ( x, y, T 1,..., T m )) f( x, y) π m (b 1 ( x, y),..., b m ( x, y)) wobei T i := πi m (f( x, y)) für i=1,..., n. Mittels Folg. (Praktischer Umgang) erhält man hieraus eine Darstellung f = BR(g, h, b) in E n. LOOP-Programme und PR 4 Lemma (LOOP PR). Jede durch ein LOOP-Programm berechnete Funktion ist primitiv rekursiv. Slide 20 Beweis. Wir zeigen durch Induktion über den Aufbau, daß man zu jedem LOOP-Programmen P mit var(p) X := X 1,...,X n eine Funktion f P : N n N in PR findet, so daß gilt: { X = x} P { X = y} f P ( x) = π n ( y) P ist Basisanweisung Dann setze π n (x 1,...,x i 1, x j, x i+1,...,x n ) falls P X i = X j f P ( x) := π n (x 1,...,x i 1, x i +1, x i+1,...,x n ) falls P X i = X i +1 π n (x 1,...,x i 1, 0, x i+1,...,x n ) falls P X i = 0. P P 1 ; P 2 Dann setze f P ( x) := f P2 (π n 1 (f P1 ( x)),...,π n n(f P1 ( x))).

11 LOOP-Programme und PR 5 Slide 21 P LOOPX i [Q] Idee: Nach I.V. liefert f Q ( x) den Code der Inhalte von X nach einer Runde von Q bzgl. Belegung x. Wir definieren daher durch primitive Rekursion eine Funktion it Q, so daß it Q( x, y) den Code der Inhalte von X nach y Runden von Q bzgl. initialer Belegung x liefert. Dann setze f P ( x) := it Q( x, x i ). Offenbar besitzt it Q die folgenden Rekursionsgleichungen: it Q( x, 0) = π n ( x) it Q( x, y+1) = f Q (π1 n (it Q( x, y)),..., πn n (it Q( x, y))) Nach I.V. gilt it Q PR und somit f P PR wie gewünscht.

Die primitiv rekursiven Funktionen

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

Mehr

1.3 Primitiv rekursive und µ-rekursive Funktionen

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

Mehr

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

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

Mehr

Primitiv rekursive und µ-rekursive Funktionen

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

Mehr

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

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

Mehr

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

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

Mehr

8. Rekursive und primitiv rekursive Funktionen

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

Mehr

Theorie der Informatik

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

Mehr

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

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

Mehr

Grundlagen der Programmierung

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

Mehr

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

2. Imperative Programmierung und Berechenbarkeit - Registermaschinen -

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

Mehr

Induktive Definitionen

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

Mehr

Berechenbarkeit und Komplexität Vorlesung 11

Berechenbarkeit und Komplexität Vorlesung 11 Berechenbarkeit und Komplexität Vorlesung 11 Prof. Dr. Wolfgang Thomas Lehrstuhl Informatik 7 RWTH Aachen 7. Dezember 2014 Wolfgang Thomas, Informatik 7 () Vorlesung Berechenbarkeit und Komplexität 7.

Mehr

7. Beispiele primitiv rekursiver Funktionen

7. Beispiele primitiv rekursiver Funktionen 7. Beispiele primitiv rekursiver Funktionen Wir beweisen eine Reihe von stärkeren Abschlusseigenschaften der (primitiv) rekursiven Funktionen und benutzen diese zum Nachweis der primitiven Rekursivität

Mehr

ALP I Rekursive Funktionen

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

Mehr

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

Mächtigkeit von WHILE-Programmen

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

Mehr

Nachklausur zur Vorlesung Einführung in die Theoretische Informatik

Nachklausur zur Vorlesung Einführung in die Theoretische Informatik Universität Heidelberg 11. Oktober 2012 Institut für Informatik Prof. Dr. Klaus Ambos-Spies Dipl.-Math. Thorsten Kräling Nachklausur zur Vorlesung Einführung in die Theoretische Informatik Musterlösungen

Mehr

GOTO simuliert Turingmaschinen

GOTO simuliert Turingmaschinen GOTO simuliert Turingmaschinen Wir wissen bisher: LOOP ( GOTO = WHILE TM Jetzt zeigen wir, dass auch WHILE = TM gilt: Die Turingmaschine M =(Z,,,,z 1,, E) berechne f. Wir simulieren M mit einem GOTO-Programm

Mehr

Funktionale Programmierung ALP I. µ-rekursive Funktionen WS 2012/2013. Prof. Dr. Margarita Esponda. Prof. Dr. Margarita Esponda

Funktionale Programmierung ALP I. µ-rekursive Funktionen WS 2012/2013. Prof. Dr. Margarita Esponda. Prof. Dr. Margarita Esponda ALP I µ-rekursive Funktionen WS 2012/2013 Primitiv-rekursive Funktionen Jede primitiv-rekursive Funktion ist Loop-berechenbar. Das bedeutet, dass jede PR-Funktion in der Loop-Programmiersprache formuliert

Mehr

Erweiterter Euklidischer Algorithmus

Erweiterter Euklidischer Algorithmus Erweiterter Euklidischer Algorithmus Algorithmus ERWEITERTER EUKLIDISCHER ALG. (EEA) EINGABE: a, b N 1 If (b = 0) then return (a, 1, 0); 2 (d, x, y) EEA(b, a mod b); 3 (d, x, y) (d, y, x a b y); AUSGABE:

Mehr

VU Software Paradigmen / SS 2015

VU Software Paradigmen / SS 2015 VU Software Paradigmen 716.060 / SS 2015 Stephan Frühwirt Institute for Software Technology i S T Institute for Software Technology Stephan Frühwirt 1 Inhalt Beweise in EXP 1. Beweise in EXP 2. 3. Abgabe

Mehr

f(x 0 ) = lim f(b k ) 0 0 ) = 0

f(x 0 ) = lim f(b k ) 0 0 ) = 0 5.10 Zwischenwertsatz. Es sei [a, b] ein Intervall, a < b und f : [a, b] R stetig. Ist f(a) < 0 und f(b) > 0, so existiert ein x 0 ]a, b[ mit f(x 0 ) = 0. Wichtig: Intervall, reellwertig, stetig Beweis.

Mehr

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

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

Mehr

Proseminar Theoretische Informatik - WS07/08 - Prof. Helmut Alt. I. Einleitung Berechnungsmodelle LOOP, WHILE, GOTO, rekursive Funktionen

Proseminar Theoretische Informatik - WS07/08 - Prof. Helmut Alt. I. Einleitung Berechnungsmodelle LOOP, WHILE, GOTO, rekursive Funktionen Proseminar Theoretische Informatik - WS07/08 - Prof. Helmut Alt I. Einleitung Berechnungsmodelle LOOP, WHILE, GOTO, rekursive Funktionen Berechenbarkeitsmodelle Welchen Sinn haben diese? Wie kann man effizient

Mehr

8 Der Kompaktheitssatz und der Satz von Löwenheim und Skolem

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

Mehr

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

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

Mehr

Typen von Programmiersprachen

Typen von Programmiersprachen Typen von Programmiersprachen Berechenbarkeitstheorie: Formalisierung des intuitiven Berechenbarkeitsbegriffs man kann vier Typen von Programmiersprachen zum Berechnen von Zahlenfunktionen unterscheiden:

Mehr

Def.: Die Menge der LOOP-Programme ist induktiv wie folgt definiert:

Def.: Die Menge der LOOP-Programme ist induktiv wie folgt definiert: 3. LOOP-, WHILE- und GOTO-Berechenbarkeit 3.1 LOOP-Programme Komponenten: Variablen: x 0, x 1, x 2,, y, z, Konstanten: 0, 1, 2, Trennsymbole: ; := Operationszeichen: +, - Schlüsselwörter: LOOP, DO, END

Mehr

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

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

Mehr

Mitschrift BFS WS 13/14

Mitschrift BFS WS 13/14 Mitschrift BFS WS 13/14 Stand: 4. Juni 2014 Dieses Skript zum Teil Primitive und µ-rekursion der Vorlesung Berechenbarkeit und Formale Sprachen im Wintersemester 2013/14 bei Prof. Wanka wurde von untenstehenden

Mehr

3.5 Schnelle Fouriertransformation (FFT, DFT)

3.5 Schnelle Fouriertransformation (FFT, DFT) 3.5 Schnelle Fouriertransformation (FFT, DFT) 3.5.1 Grundlagen Ein Polynom P = i a ix i C[x] vom Grad n ist eindeutig durch seine Koeffizienten a i bestimmt, d.h. man hat eine Bijektion {Polynome C[x]

Mehr

Invertieren von Potenzreihen

Invertieren von Potenzreihen Invertieren von Potenzreihen Sei E(x) die Erzeugende Funktion der Reihe, 0, 0, 0,.... E(x) ist neutrales Element der Multiplikation von Potenzreihen. Definition Inverses einer Potenzreihe Sei A(x), B(x)

Mehr

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

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

Mehr

1.4 Die Ackermannfunktion

1.4 Die Ackermannfunktion a : N 2 N : Beispiele: a(0, y) = y + 1, a(x, 0) = a(x 1, 1), x > 0, a(x, y) = a(x 1, a(x, y 1)), x, y > 0. Beh.: a(1, y) = y + 2 Bew. durch Induktion über y: a(1, 0) = a(0, 1) = 2 = 0+2. a(1, y + 1) =

Mehr

Numerische Verfahren und Grundlagen der Analysis

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

Mehr

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

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

Mehr

Mengenlehre: Mächtigkeit (Ordnung) einer Menge

Mengenlehre: Mächtigkeit (Ordnung) einer Menge Mengenlehre: Mächtigkeit (Ordnung) einer Menge Def. Seien A, B Mengen. Wir sagen, dass A höchstens gleichmächtig zu B ist, falls es eine injektive Abbildung f : A B gibt. Schreibweise: A B. Wir sagen,

Mehr

= k 0+k 0 ( ). Wir addieren (0 k) zu den Seiten der Gleichung ( ): 0 = k 0.

= k 0+k 0 ( ). Wir addieren (0 k) zu den Seiten der Gleichung ( ): 0 = k 0. Def 4 Eine Menge K mit zwei Abbildungen + : K K K und : K K K (heißen Addition und Multiplikation; wir werden a b bzw a+b statt (a,b), +(a,b) schreiben) ist ein kommutativer Ring, falls: (R1) (K, +) ist

Mehr

Die Prädikatenlogik erster Stufe: Syntax und Semantik

Die Prädikatenlogik erster Stufe: Syntax und Semantik Die Prädikatenlogik erster Stufe: Syntax und Semantik 1 Mathematische Strukturen und deren Typen Definition 1.1 Eine Struktur A ist ein 4-Tupel A = (A; (R A i i I); (f A j j J); (c A k k K)) wobei I, J,

Mehr

Theoretische Informatik II

Theoretische Informatik II Theoretische Informatik II Einheit 4.2 Rekursive Funktionen 1. Primitiv- und µ-rekursive Funktionen 2. Analyse und Programmierung 3. Äquivalenz zu Turingmaschinen Berechenbarkeit auf N ohne Maschinenmodelle

Mehr

Darstellung von Gruppen

Darstellung von Gruppen Darstellung von Gruppen Definition Darstellung von Gruppen Sei G eine endlich erzeugte abelsche Gruppe mit Erzeugern S = (g 1,..., g k ) G k. Elemente des Kerns von ϕ S : Z k G, (m 1,..., m k ) k i=1 m

Mehr

Einfache Ausdrücke Datentypen Rekursive funktionale Sprache Franz Wotawa Institut für Softwaretechnologie wotawa@ist.tugraz.at

Einfache Ausdrücke Datentypen Rekursive funktionale Sprache Franz Wotawa Institut für Softwaretechnologie wotawa@ist.tugraz.at Inhalt SWP Funktionale Programme (2. Teil) Einfache Ausdrücke Datentypen Rekursive funktionale Sprache Franz Wotawa Institut für Softwaretechnologie wotawa@ist.tugraz.at Interpreter für funktionale Sprache

Mehr

Primitiv rekursive Funktionen

Primitiv rekursive Funktionen Primitiv rekursive Funktionen Primitiv rekursive Funktionen Historisch: Die Einführung der primitiven Rekursivität war ein erster (und erfolgloser) Versuch, den Begriff der Berechenbarkeit (oft synonym

Mehr

liefern eine nicht maschinenbasierte Charakterisierung der regulären

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

Mehr

Differentialformen. Lie-Ableitung von Differentialformen und Poincaré-Formel. Differentialform dp dx und ihre Invarianz bzgl. Hamiltonischer Flüsse.

Differentialformen. Lie-Ableitung von Differentialformen und Poincaré-Formel. Differentialform dp dx und ihre Invarianz bzgl. Hamiltonischer Flüsse. Differentialformen Plan Zuerst lineare Algebra: Schiefsymmetrische Formen im R n. Dann Differentialformen: Invarianz bzgl. Diffeomorphismen (und sogar beliebigen glatten Abbildungen). Äußere Ableitung.

Mehr

Die Korrektheit von Mergesort

Die Korrektheit von Mergesort Die Korrektheit von Mergesort Christoph Lüth 11. November 2002 Definition von Mergesort Die Funktion Mergesort ist wie folgt definiert: msort :: [Int]-> [Int] msort xs length xs

Mehr

Theoretische Informatik SS 03 Übung 5

Theoretische Informatik SS 03 Übung 5 Theoretische Informatik SS 03 Übung 5 Aufgabe 1 Im Buch von Schöning ist auf S. 106-108 beschrieben, wie eine Turing-Maschine durch ein GOTO-Programm simuliert werden kann. Zeigen Sie, wie dabei die Anweisungen

Mehr

Logische Grundlagen der Mathematik, WS 2014/15

Logische Grundlagen der Mathematik, WS 2014/15 Logische Grundlagen der Mathematik, WS 2014/15 Thomas Timmermann 12. November 2014 Darstellung natürlicher Zahlen durch Mengen 1. Wie können wir natürliche Zahlen durch Mengen darstellen? Idee 0 = und

Mehr

VL-11: LOOP und WHILE Programme I. (Berechenbarkeit und Komplexität, WS 2017) Gerhard Woeginger

VL-11: LOOP und WHILE Programme I. (Berechenbarkeit und Komplexität, WS 2017) Gerhard Woeginger VL-11: LOOP und WHILE Programme I (Berechenbarkeit und Komplexität, WS 2017) Gerhard Woeginger WS 2017, RWTH BuK/WS 2017 VL-11: LOOP und WHILE Programme I 1/46 Organisatorisches Nächste Vorlesung: Mittwoch,

Mehr

Einführung in die Informatik I

Einführung in die Informatik I Einführung in die Informatik I LOOP Programme, rekursive Funktionen und der Turm von Hanoi Prof. Dr. Nikolaus Wulff Berechenbarkeit Mitte des 20. Jahrhunderts beantworteten Pioniere, wie Alan M. Turing

Mehr

Wiederholung. Organisatorisches. VL-11: LOOP und WHILE Programme I. (Berechenbarkeit und Komplexität, WS 2017) Gerhard Woeginger

Wiederholung. Organisatorisches. VL-11: LOOP und WHILE Programme I. (Berechenbarkeit und Komplexität, WS 2017) Gerhard Woeginger Organisatorisches VL-11: LOOP und WHILE Programme I (Berechenbarkeit und Komplexität, WS 2017) Gerhard Woeginger Nächste Vorlesung: Mittwoch, November 29, 14:15 15:45 Uhr, Roter Hörsaal Webseite: http://algo.rwth-aachen.de/lehre/ws1718/buk.php

Mehr

Kapitel III. Aufbau des Zahlensystems

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

Mehr

Aufgabe - Fortsetzung

Aufgabe - Fortsetzung Aufgabe - Fortsetzung NF: Nicht-Formel F: Formel A: Aussage x :( y : Q(x, y) R(x, y)) z :(Q(z, x) R(y, z)) y :(R(x, y) Q(x, z)) x :( P(x) P(f (a))) P(x) x : P(x) x y :((P(y) Q(x, y)) P(x)) x x : Q(x, x)

Mehr

Einführung in die Theoretische Informatik

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

Mehr

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 2010 Lösungsblatt 11 15. Juli 2010 Einführung in die Theoretische

Mehr

Mathematische Rekursion

Mathematische Rekursion Rekursion Mathematische Rekursion o Viele mathematische Funktionen sind sehr natürlich rekursiv definierbar, d.h. o die Funktion erscheint in ihrer eigenen Definition. Mathematische Rekursion o Viele mathematische

Mehr

Ausgewählte Kapitel Diskreter Mathematik mit Anwendungen

Ausgewählte Kapitel Diskreter Mathematik mit Anwendungen Wahlpflichtfach Bachelor Informatik 4. Semester Ausgewählte Kapitel Diskreter Mathematik mit Anwendungen Lektion 6: utm- und Kurt-Ulrich Witt Sommersemester 2011 Kurt-Ulrich Witt Diskrete Mathematik Lektion

Mehr

3.1.3 Newtonsche Interpolationsformel / Dividierte Differenzen

3.1.3 Newtonsche Interpolationsformel / Dividierte Differenzen KAPITEL 3 INTERPOLATION UND APPROXIMATION 4 33 Newtonsche Interpolationsformel / Dividierte Differenzen Das Verfahren von Neville ist unpraktisch, wenn man das Polynom selbst sucht oder das Polynom an

Mehr

4 Messbare Funktionen

4 Messbare Funktionen 4 Messbare Funktionen 4.1 Definitionen und Eigenschaften Definition 4.1. Seien X eine beliebige nichtleere Menge, M P(X) eine σ-algebra in X und µ ein Maß auf M. Das Paar (X, M) heißt messbarer Raum und

Mehr

Kapitel 2. Zahlenbereiche

Kapitel 2. Zahlenbereiche Kapitel 2. Zahlenbereiche 2.3. Reelle Zahlen Erweiterung des Zahlenbereichs der natürlichen Zahlen Ganze Zahlen Z := {..., 3, 2, 1, 0, 1, 2, 3,... } = N {0} N. Rationale Zahlen Q := { m n m Z, n N }. Beachte:

Mehr

Kapitel 5 KONVERGENZ

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

Mehr

Übung zur Vorlesung Berechenbarkeit und Komplexität

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

Mehr

σ-algebren, Definition des Maßraums

σ-algebren, Definition des Maßraums σ-algebren, Definition des Maßraums Ziel der Maßtheorie ist es, Teilmengen einer Grundmenge X auf sinnvolle Weise einen Inhalt zuzuordnen. Diese Zuordnung soll so beschaffen sein, dass dabei die intuitiven

Mehr

15 Grundlagen der Idealtheorie

15 Grundlagen der Idealtheorie 15 Grundlagen der Idealtheorie Definition und Lemma 15.1. Sei R ein Ring, S R. x R nennt man eine R-Linearkombination von Elementen in) S falls n N 0, s 1,..., s n S, λ 1,..., λ n R mit x = n i=1 λ is

Mehr

7.2 Moment und Varianz

7.2 Moment und Varianz 7.2 Moment und Varianz Def. 21 Es sei X eine zufällige Variable. Falls der Erwartungswert E( X p ) existiert, heißt der Erwartungswert EX p p tes Moment der zufälligen Variablen X. Es gilt dann: + x p

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 2010 Lösungsblatt 9 2. Juli 2010 Einführung in die Theoretische

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

Semantik von Programmiersprachen SS 2017

Semantik von Programmiersprachen SS 2017 Lehrstuhl für Programmierparadigmen Denis Lohner Sebastian Ullrich denis.lohner@kit.edu sebastian.ullrich@kit.edu Semantik von Programmiersprachen SS 2017 http://pp.ipd.kit.edu/lehre/ss2017/semantik Lösungen

Mehr

T H E O R E T I S C H E I N F O R M A T I K

T H E O R E T I S C H E I N F O R M A T I K Prof. Dr. Jürgen Dassow Otto-von-Guericke-Universität Magdeburg Fakultät für Informatik T H E O R E T I S C H E I N F O R M A T I K Vorlesungsmanuskript Magdeburg, November 2005 Einleitung Dieses Manuskript

Mehr

9. Übung zur Maß- und Integrationstheorie, Lösungsskizze Aufgaben

9. Übung zur Maß- und Integrationstheorie, Lösungsskizze Aufgaben 9. Übung zur aß- und Integrationstheorie, Lösungsskizze Aufgaben A 50 (Eine Flächenberechnung mit dem Cavalierischen Prinzip). Es seien a, b > 0 und : { (x, y) R 2 : (x/a) 2 + (y/b) 2 1 }. (a) Skizzieren

Mehr

2.10 Lokale Funktionsanalyse

2.10 Lokale Funktionsanalyse 2.1 Lokale Funktionsanalyse Aufgabe Gegeben sei die Abbildung g : R 2 R 2 mit g(x, y) : (x 3 yx, y). Man bestimme alle Mengen M k : {(ξ, η) R 2 g 1 (ξ, η) hat genau k Elemente}. Wie verhält g sich in der

Mehr

17 Lineare Abbildungen

17 Lineare Abbildungen Chr.Nelius: Lineare Algebra II (SS2005) 1 17 Lineare Abbildungen Wir beginnen mit der Klärung des Abbildungsbegriffes. (17.1) DEF: M und N seien nichtleere Mengen. Eine Abbildung f von M nach N (in Zeichen:

Mehr

Das Banach-Tarski-Paradox

Das Banach-Tarski-Paradox Das Banach-Tarski-Paradox Thomas Neukirchner Nicht-messbare Mengen verdeutlichen auf eindrucksvolle Weise, dass es keinen additiven - geschweige denn σ-additiven Volumenbegriff auf der Potenzmenge P(R

Mehr

Theoretische Informatik SS 03 Übung 4

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

Mehr

Einführung in die Theoretische Informatik

Einführung in die Theoretische Informatik Technische Universität München Fakultät für Informatik Prof. Tobias Nipkow, Ph.D. Sascha Böhme, Lars Noschinski Sommersemester 2011 Lösungsblatt 9 25. Juli 2011 Einführung in die Theoretische Informatik

Mehr

Körper- und Galoistheorie

Körper- und Galoistheorie Prof. Dr. H. Brenner Osnabrück SS 2011 Körper- und Galoistheorie Vorlesung 8 Erzeugte Algebra und erzeugter Körper Satz 8.1. Sei K L eine Körpererweiterung und sei f L ein algebraisches Element. Dann ist

Mehr

Syntax von LOOP-Programmen

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

Mehr

Implizite Funktionen, der Umkehrsatz und Extrema unter Nebenbedingungen

Implizite Funktionen, der Umkehrsatz und Extrema unter Nebenbedingungen Kapitel XII Implizite Funktionen, der Umkehrsatz und Extrema unter Nebenbedingungen 53 Implizite Funktionen und allgemeine partielle Differenzierbarkeit 54 Der Umkehrsatz 55 Lokale Extrema unter Nebenbedingungen,

Mehr

1.5 Turing-Berechenbarkeit

1.5 Turing-Berechenbarkeit A.M. Turing (1937): Maschinenmodell zur exakten Beschreibung des Begriffs effektiv berechenbar Stift Mensch a c b b Rechenblatt a b b c Lese-/Schreibkopf endliche Kontrolle Turingmaschine Eine Turingmaschine

Mehr

Grundlagen Theoretischer Informatik 2 WiSe 2011/12 in Trier. Henning Fernau Universität Trier

Grundlagen Theoretischer Informatik 2 WiSe 2011/12 in Trier. Henning Fernau Universität Trier Grundlagen Theoretischer Informatik 2 WiSe 2011/12 in Trier Henning Fernau Universität Trier fernau@uni-trier.de 1 Grundlagen Theoretischer Informatik 2 Gesamtübersicht Organisatorisches; Einführung Ersetzungsverfahren:

Mehr

Turing-Maschine Definition

Turing-Maschine Definition Turing-Maschine Definition Definition: Eine Turing-Maschine ist ein Quintupel M = (X, Z, z 0, Q, δ), wobei - X und Z Alphabete sind, - z 0 Z und Q Z gelten, - δ eine Funktion von (Z \ Q) (X { }) in Z (X

Mehr

SWP Funktionale Programme

SWP Funktionale Programme SWP Funktionale Programme Berhard Aichernig und Alexander Felfernig Institut für Softwaretechnologie {bernhard.aichernig,alexander.felfernig}@ist.tugraz.at Institute for Software Technology Inhalt Einfache

Mehr

Unvollständigkeit der Arithmetik

Unvollständigkeit der Arithmetik Unvollständigkeit der Arithmetik Slide 1 Unvollständigkeit der Arithmetik Hans U. Simon (RUB) Email: simon@lmi.rub.de Homepage: http://www.ruhr-uni-bochum.de/lmi Unvollständigkeit der Arithmetik Slide

Mehr

Konvergenz im quadratischen Mittel und die Parsevelsche Gleichung

Konvergenz im quadratischen Mittel und die Parsevelsche Gleichung Konvergenz im quadratischen Mittel und die Parsevelsche Gleichung Skript zum Vortrag im Proseminar Analysis bei Dr. Gerhard Mülich Christian Maaß 6.Mai 8 Im letzten Vortrag haben wir gesehen, dass das

Mehr

Programmieren für Fortgeschrittene

Programmieren für Fortgeschrittene Technische Universität Braunschweig Dr. Werner Struckmann Institut für Programmierung und Reaktive Systeme Wintersemester 2011/12 Programmieren für Fortgeschrittene Rekursive Spezifikationen Die folgende

Mehr

2.2 Allgemeine (vergleichsbasierte) Sortierverfahren

2.2 Allgemeine (vergleichsbasierte) Sortierverfahren . Allgemeine (vergleichsbasierte) Sortierverfahren Vergleichsbaum: Der Aufbau des Verbleichsbaum ist für jeden Algorithmus und jede Eingabelänge n gleich. Jede Permutation der Eingabe, muss zu einem anderen

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

5 Stetigkeit und Differenzierbarkeit

5 Stetigkeit und Differenzierbarkeit 5 Stetigkeit und Differenzierbarkeit 5.1 Stetigkeit und Grenzwerte von Funktionen f(x 0 ) x 0 Graph einer stetigen Funktion. Analysis I TUHH, Winter 2006/2007 Armin Iske 127 Häufungspunkt und Abschluss.

Mehr

Erfüllbarkeit von Formelmengen

Erfüllbarkeit von Formelmengen Theoretische Informatik: Logik, M. Lange, FB16, Uni Kassel: 3.6 Aussagenlogik Kompaktheit 75 Erfüllbarkeit von Formelmengen bisher nur Erfüllbarkeit einzelner Formeln betrachtet erweitere Begriff auf Mengen

Mehr

1.5 Turing-Berechenbarkeit

1.5 Turing-Berechenbarkeit A.M. Turing (1937): Maschinenmodell zur exakten Beschreibung des Begriffs effektiv berechenbar Stift Mensch a c b b Rechenblatt a b b c Lese-/Schreibkopf endliche Kontrolle Turingmaschine Eine Turingmaschine

Mehr

Theoretische Grundlagen des Software Engineering

Theoretische Grundlagen des Software Engineering Theoretische Grundlagen des Software Engineering 12: Termersetzungssysteme schulz@eprover.org Reduktionssysteme Definition: Reduktionssystem Ein Reduktionssystem ist ein Tupel (A, ) Dabei gilt: A ist eine

Mehr

Formale Systeme. Prof. Dr. Bernhard Beckert, WS 2017/ KIT Die Forschungsuniversita t in der Helmholtz-Gemeinschaft

Formale Systeme. Prof. Dr. Bernhard Beckert, WS 2017/ KIT Die Forschungsuniversita t in der Helmholtz-Gemeinschaft Formale Systeme Prof. Dr. Bernhard Beckert, WS 2017/2018 Pra dikatenlogik: Tableaukalku l (ohne Gleichheit) KIT I NSTITUT F U R T HEORETISCHE I NFORMATIK www.kit.edu KIT Die Forschungsuniversita t in der

Mehr

Formale Systeme. Prof. Dr. Bernhard Beckert, WS 2016/ KIT Die Forschungsuniversita t in der Helmholtz-Gemeinschaft

Formale Systeme. Prof. Dr. Bernhard Beckert, WS 2016/ KIT Die Forschungsuniversita t in der Helmholtz-Gemeinschaft Formale Systeme Prof. Dr. Bernhard Beckert, WS 2016/2017 Pra dikatenlogik: Tableaukalku l (ohne Gleichheit) KIT I NSTITUT F U R T HEORETISCHE I NFORMATIK www.kit.edu KIT Die Forschungsuniversita t in der

Mehr

Lineare Hülle. span(a) := λ i v i : so dass k N, λ i R und v i A.

Lineare Hülle. span(a) := λ i v i : so dass k N, λ i R und v i A. Lineare Hülle Def A sei eine nichtleere Teilmenge des Vektorraums (V,+, ) Die lineare Hülle von A (Bezeichung: span(a)) ist die Menge aller Linearkombinationen der Elemente aus A { k } span(a) := λ i v

Mehr

2 Differenzierbare Mannigfaltigkeiten

2 Differenzierbare Mannigfaltigkeiten $Id: diff.tex,v 1.12 2014/06/09 16:32:35 hk Exp hk $ 2 Differenzierbare Mannigfaltigkeiten 2.3 Berandete und unberandete Mannigfaltigkeiten In der letzten Sitzung haben wir uns mit orientierbaren Mannigfaltigkeiten

Mehr

1 Umkehrfunktionen und implizite Funktionen

1 Umkehrfunktionen und implizite Funktionen Mathematik für Physiker III WS 2012/2013 Freitag 211 $Id: implizittexv 18 2012/11/01 20:18:36 hk Exp $ $Id: lagrangetexv 13 2012/11/01 1:24:3 hk Exp hk $ 1 Umkehrfunktionen und implizite Funktionen 13

Mehr

( )= c+t(n-1) n>1. Stand der Vorlesung Komplexität von Algorithmen (Kapitel 3)

( )= c+t(n-1) n>1. Stand der Vorlesung Komplexität von Algorithmen (Kapitel 3) Stand der Vorlesung Komplexität von Algorithmen (Kapitel 3) Motivation: IT gestützte Steuerung, Überwachung, Fertigung, Produktion,. : erfordert effiziente Berechnungsvorschriften Ziel: Methoden kennen

Mehr

Kapitel 6. Fixpunkte und semantische Bereiche

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

Mehr