Turing-Maschine Definition
|
|
- Frank Hoch
- vor 6 Jahren
- Abrufe
Transkript
1 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 { }) {R, L, N} ist, und / X gilt. Theoretische Informatik, Berechenbarkeit und Algorithmen 29
2 Turing-Maschine Konfiguration Definition: Eine Konfiguration K der Turing-Maschine M = (X, Z, z 0, Q, δ) ist ein Tripel K = (w 1, z, w 2 ), wobei w 1 und w 2 Wörter über X { } sind und z Z gilt. Eine Anfangskonfiguration liegt vor, falls w 1 = λ und z = z 0 gelten. Eine Endkonfiguration ist durch z Q gegeben. Theoretische Informatik, Berechenbarkeit und Algorithmen 30
3 Turing-Maschine Konfigurationsüberführung Definition: M 1 = (w 1, z, w 2 ) und K 2 = (v 1, z, v 2 ) seien Konfigurationen von M. Wir sagen, dass K 1 durch M in K 2 überführt wird (und schreiben dafür K 1 = K 2 ), wenn eine der folgenden Bedingungen erfüllt ist: v 1 = w 1, w 2 = xu, v 2 = x u, δ(z, x) = (z, x, N) oder w 1 = v, v 1 = vx, w 2 = xu, v 2 = u, δ(z, x) = (z, x, R) oder w 1 = vy, v 1 = v, w 2 = xu, v 2 = yx u, δ(z, x) = (z, x, L) für gewisse x, x, y X { } und u, v (X { }). Theoretische Informatik, Berechenbarkeit und Algorithmen 31
4 Turing-Maschine induzierte Funktion Definition: Sei M = (X, Z, z 0, Q, δ) eine Turing-Maschine. Die durch M induzierte Funktion f M aus X in X ist wie folgt definiert: f M (w) = v gilt genau dann, wenn es für die Anfangskonfiguration K = (λ, z 0, w) eine Endkonfiguration K = (v 1, q, v 2 ), natürliche Zahlen r, s und t und Konfigurationen K 0, K 1,..., K t derart gibt, daß r v s = v 1 v 2 und gelten. K = K 0 = K 1 = K 2 =... = K t = K Theoretische Informatik, Berechenbarkeit und Algorithmen 32
5 Turing-Maschine Beispiel 1 M 1 = ({a, b}, {z 0, q, z a, z b }, z 0, {q}, δ) δ z 0 z a z b (q,, N) (q, a, N) (q, b, N) a (z a,, R) (z a, a, R) (z b, a, R) b (z b,, R) (z a, b, R) (z b, b, R) f M1 (x 1 x 2... x n ) = x 2 x 3... x n x 1 Theoretische Informatik, Berechenbarkeit und Algorithmen 33
6 Turing-Maschine Beispiel 2 M 2 = ({a, b}, {z 0, z 1, q}, z 0, {q}, δ), δ z 0 z 1 (z 0,, N) (q,, N) a (z 1, a, R) (z 0, a, R) b (z 1, b, R) (z 0, b, R) f M2 (x 1 x 2... x n ) = { x1 x 2... x n n ungerade nicht def iniert sonst. Theoretische Informatik, Berechenbarkeit und Algorithmen 34
7 Turing-Maschine Beispiel 3 M 3 = ({a, b, c, d}, {z 0, z 1, z 2, z 3, q, z a, z b }, z 0, {q}, δ) δ z 0 z 1 z 2 z 3 z a z b (z 0,, N) (z 1,, N) (z 3,, L) a (z 0, a, N) (z 1, a, N) (z 2, a, R) (z a,, L) (z a, a, L) (z a, b, L) b (z 0, b, N) (z 1, b, N) (z 2, b, R) (z b,, L) (z b, a, L) (z b, b, L) c (z 1, c, R) (z 1, c, N) (z 2, c, N) d (z 0, d, N) (z 2, d, R) (z 2, d, N) (z 3, d, N) (q, a, N) (q, b, N) f M3 (w) = { cx1 x 2... x n für w = cdx 1 x 2... x n, x i {a, b}, 1 i n, n 1 undef iniert sonst Theoretische Informatik, Berechenbarkeit und Algorithmen 35
8 Turing-Maschine Beispiel 4 (Nachfolgerfunktion) M + = ({0, 1, 2,..., 9}, {z 0, +, q}, z 0, {q}, δ) δ z 0 + (+,, L) (q, 1, N) 0 (z 0, 0, R) (q, 1, N) 1 (z 0, 1, R) (q, 2, N) 2 (z 0, 2, R) (q, 3, N) 3 (z 0, 3, R) (q, 4, N) 4 (z 0, 4, R) (q, 5, N) 5 (z 0, 5, R) (q, 6, N) 6 (z 0, 6, R) (q, 7, N) 7 (z 0, 7, R) (q, 8, N) 8 (z 0, 8, R) (q, 9, N) 9 (z 0, 9, R) (+, 0, L) Theoretische Informatik, Berechenbarkeit und Algorithmen 36
9 Turing-Maschine Normalform und Lemma Lemma: Zu jeder Turing-Maschine M = (X, Z, z 0, Q, δ) gibt es eine Turing-Maschine M = (X {, #}, Z, z 0, {q }, δ ) mit { fm (w) für w X f M (w) = nicht def iniert sonst derart, dass jede Endkonfiguration von M die Form (λ, q, v) hat (d.h. die Maschine M hat genau einen Stopzustand, stoppt nur auf Wörtern über X und stoppt stets über dem ersten Buchstaben des Ergebnisses v). Lemma: Sind f 1 : X X und f 2 : X X zwei Turing-berechenbare Funktionen, so ist auch deren Komposition f : X X mit f(w) = f 2 (f 1 (w)) eine Turing-berechenbare Funktion. Theoretische Informatik, Berechenbarkeit und Algorithmen 37
10 k-band-turing-maschine Definition Definition: Eine k-band-turing-maschine ist ein 6-Tupel M = (k, X, Z, z 0, Q, δ), wobei k 1 eine natürliche Zahl ist, X, Z, z 0 und Q wie bei einer Turing- Maschine definiert sind, δ eine Funktion (Z \ Q) (X { }) k+1 Z (X { }) k+1 {R, L, N} k+1 {R, N} ist und / X gilt. Theoretische Informatik, Berechenbarkeit und Algorithmen 38
11 k-band-turing-maschine Konfiguration Definition: Sei M eine k-band-turing-maschine. Eine Konfiguration von M ist ein 2k + 5-Tupel (z, w e, w e, w 1, w 1, w 2, w 2,..., w k, w k, w a, w a), wobei z Z, w e, w e, w a, w a (X { }) und w i, w i (X { }) für 1 i k gelten. Eine Konfiguration heißt Anfangskonfiguration, falls z = z 0, w e = w a = w 1 = w 2 = = w k = λ und w a = w 1 = w 2 = = w k = gelten. Eine Konfiguration heißt Endkonfiguration, falls z in Q liegt. Theoretische Informatik, Berechenbarkeit und Algorithmen 39
12 k-band-turing-maschine induzierte Funktion Definition: Sei M eine k-band-turing-maschine. Die durch M induzierte Funktion f M aus X in X ist wie folgt definiert: f M (w) = v gilt genau dann, wenn es für die Anfangskonfiguration K = (z 0, λ, w, λ,, λ,,..., λ, ) eine Endkonfiguration K = (q, w e, w e, w 1, w 1w 2, w 2,..., w k, w k, w a, w a), und Konfigurationen K 0, K 1,..., K t derart gibt, dass gelten. K = K 0 = K 1 = K 2 =... = K t = K und v = w a w a Theoretische Informatik, Berechenbarkeit und Algorithmen 40
13 k-band-turing-maschine Beispiel M = (2, {a, b}, Z = {z 0, z 1, z 2, q}, z 0, Q = {q}, δ) (a1) δ(z 0, x,, ) = (z 0, x, x,, R, R, R, N) für x X, (a2) δ(z 0,,, ) = (z 1,,,, N, L, L, N), (a3) δ(z 1,, x, y) = (z 1, x, y,, N, L, N, N) für x, y X, (a4) δ(z 1,,, y) = (z 2,, y,, N, R, N, N) für y X, (a5) δ(z 2,, x, x) = (z 2, x, x,, N, R, L, N) für x X, (a6) δ(z 2,, x, y) = (q, x, y, b, N, N, N, N) für x, y X, x y, (a7) δ(z 2,,, ) = (q,,, a, N, N, N, N), (a8) δ(z, x, y, v) = (z, y, v,, N, N, N, N) sonst f M (w) = { a w ist Palindrom b sonst Theoretische Informatik, Berechenbarkeit und Algorithmen 41
14 Turing-Berechenbarkeiten Definition: Eine Funktion f heißt Turing-berechenbar, wenn es eine Turing-Maschine M mit f = f M gibt. Definition: Eine Funktion f heißt k-turing-berechenbar, wenn es eine k-band-turing- Maschine M mit f = f M gibt. Satz: Zu jeder k-band-turing-maschine M gibt es eine Turing-Maschine M derart, dass f M = f M gilt. Theoretische Informatik, Berechenbarkeit und Algorithmen 42
15 Registermaschinen versus k-band-turing-maschinen dec(n) Dezimaldarstellung von n Satz: Sei M eine Registermaschine M mit f M : N n N. Dann gibt es eine 3-Band- Turing-Maschine M, deren Eingabealphabet außer den Ziffern 0,1,2,... 9 noch das Trennsymbol # und das Fehlersymbol F enthält und deren induzierte Funktion f M (w) = { dec(fm (m 1, m 2,..., m n )) w = dec(m 1 )#dec(m 2 )... #dec(m n ) F sonst gilt (auf einer Eingabe, die einem Zahlentupel entspricht, verhält sich M wie M und gibt bei allen anderen Eingaben eine Fehlermeldung). Theoretische Informatik, Berechenbarkeit und Algorithmen 43
16 Turing-Maschinen versus partiell-rekursive Funktionen I M = (X, Z, z 0, Q, δ) Turing-Maschine X Z = und X Z = {a 1, a 2,..., a p } ψ : (X Z) N vermöge ψ(a i1 a i2... a in ) = n j=0 i j(p + 1) n j, a ij (X Z) ψ eineindeutige Abbildung von (X Z) + auf Menge aller natürlichen Zahlen, in deren (p + 1)-adischer Darstellung keine 0 vorkommt Satz: Seien M eine Turing-Maschine und ψ die zugehörige Kodierung. Dann ist die Funktion f : N N mit f(ψ(w)) = ψ(f M (w)) partiell-rekursiv. Theoretische Informatik, Berechenbarkeit und Algorithmen 44
17 Turing-Maschinen versus partiell-rekursive Funktionen II w = b 1 b 2... b n, b i X Z für 1 i n, w (X Z) Lg(ψ(w)) = w = min{m : (p + 1) m > ψ(w)}, P rod(ψ(w), ψ(w )) = ψ(ww ) = ψ(w)(p + 1) Lg(ψ(w )) + ψ(w ), Anfang(ψ(w), i) = ψ(b 1 b 2... b i ) = ψ(w) div (p + 1) n 1, Ende(ψ(w), i) = ψ(b i b i+1... b n ) = ψ(w) mod (p + 1) n i+1, Elem(ψ(w), i) = ψ(b i ) = Ende(Anfang(ψ(w), i), 1) g(x) erste Position in x (X Z), an der Element aus Z min{i Elem(x, i) Z} r(x) = Anfang(x, g(x) 2), s(x) = P rod(elem(x, g(x) 1), Elem(x, g(x)), Elem(x, g(x) + 1)), t(x) = Ende(x, g(x) + 2) Theoretische Informatik, Berechenbarkeit und Algorithmen 45
18 Turing-Maschinen versus partiell-rekursive Funktionen III K = u azbv mit a, b X, u, v X, z Z r(ψ(k)) = ψ(u ) s(ψ(k)) = ψ(azb), t(ψ(k)) = ψ(v ), (ψ(k 1 )) = { ψ(k2 ) K 1 = azb, a, b X, z Z, K 1 = K 2 nicht def iniert sonst K = u azbv = u K 1 v = u K 2 v = K ψ(k ) = P rod(ψ(u ), (ψ(azb)), ψ(v )), = P rod(r(k), (s(k)), t(k)) Theoretische Informatik, Berechenbarkeit und Algorithmen 46
19 Turing-Maschinen versus partiell-rekursive Funktionen IV 1. Aus w ergibt sich die Anfangskonfiguration K 0 = z 0 w. 2. Funktion mit (ψ(k)) = ψ(k ) für K = K D(x, 0) = x, D wird definiert durch D(x, n + 1) = (D(x, n)) D(ψ(K), n) = ψ(k ), wenn K mittels n-facher direkter Überführung aus K entsteht { h sei Funktion mit h(x) = 0 x = ψ(k) für eine Endkonfiguration K 1 sonst h (x, y) = h(d(x, y)), (µy)[h ] liefert Anzahl der Überführungen bis Endkonfiguration erreicht ist D(ψ(K 0 ), (µy)[h ]) liefert ψ(k) der Endkonfiguration K 3. Aus ψ(k) ermitteln wir das Wort auf dem Band. Theoretische Informatik, Berechenbarkeit und Algorithmen 47
20 Zusammenfassung Satz: Für eine Funktion f sind die folgenden Aussagen gleichwertig: f ist durch ein LOOP/WHILE-Programm berechenbar. f ist partiell-rekursiv. f ist durch eine Registermaschine berechnenbar. f ist bis auf Konvertierung der Zahlendarstellung durch eine Turing-Maschine berechenbar. f ist bis auf Konvertierung der Zahlendarstellung durch eine k-band-turing-maschine berechenbar. Folgerung: Es gibt Funktionen, die nicht Turing-berechenbar sind. Theoretische Informatik, Berechenbarkeit und Algorithmen 48
21 Beschreibung von Entscheidbarkeitsproblemen Entscheidungsproblem P beschreibbar als Aussageform, d.h. Ausdruck A P (x 1, x 2,..., x n ) mit einer oder mehreren Variablen x i, der bei Ersetzen der Variablen x i durch Elemente a i aus dem Grundbereich X i in eine Aussage A P (a 1, a 2,..., a n ) überführt wird, die den Wahrheitswert wahr oder falsch annimmt durch ein Gegeben:, d.h. Belegung a 1, a 2,..., a n der Variablen, und durch die Frage: nach der Gültigkeit von A P (a 1, a 2,..., a n ). Menge M P = {(a 1, a 2,..., a n ) : A P (a 1, a 2,..., a n )} Funktion ϕ P (x 1, x 2,..., x n )) = { 1 (x1, x 2,..., x n ) M P 0 sonst Theoretische Informatik, Berechenbarkeit und Algorithmen 49
22 Beschreibung des Halteproblems für Turing-Maschinen A P (x, y) x stoppt bei Abarbeitung von y (wobei x ist mit einer Turing-Maschine und y mit einem Wort zu belegen sind) Gegeben: Turing-Maschine M, Wort w Frage: Gilt M stoppt bei Abarbeitung von w? Gegeben: Turing-Maschine M, Wort w Frage: Stoppt M bei Abarbeitung von w? Gegeben: Frage: Turing-Maschine M, Wort w Ist f M (w) definiert? M P = {(M, w) M stoppt auf w} { ϕ P (M, w) = 1 M stoppt auf w 0 sonst Theoretische Informatik, Berechenbarkeit und Algorithmen 50
23 Algorithmische Entscheidbarkeit Definition: Wir sagen, dass ein Problem P algorithmisch entscheidbar (oder kurz nur entscheidbar) ist, wenn die zum Problem gehörende charakteristische Funktion ϕ P Turing-berechenbar ist. Anderenfalls heißt P (algorithmisch) unentscheidbar. Definition: Wir sagen, dass eine Menge M (algorithmisch) entscheidbar (oder rekursiv) ist, wenn die zugehörige charakteristische Funktion ϕ M Turing-berechenbar ist. Anderenfalls heißt M (algorithmisch) unentscheidbar. Problem P genau dann entscheidbar, wenn zugehörige Menge M P entscheidbar Theoretische Informatik, Berechenbarkeit und Algorithmen 51
24 Berechnungsprobleme Berechnungsproblem für eine Funktion f : X Y wird nach dem Wert f(x) gefragt M f = {(x, y) : f(x) = y} Gegeben: Frage: x X und y Y Nimmt f an der Stelle x den Wert y an? ϕ f (x, y) = { 1 f(x) = y 0 sonst Bemerkung: f ist berechenbar genau dann, wenn ϕ f berechenbar genau dann, wenn M f entscheidbar ist Theoretische Informatik, Berechenbarkeit und Algorithmen 52
25 Unentscheidbare Probleme I Satz: Das Halteproblem für Turing-Maschinen ist unentscheidbar. Satz: Das Problem Gegeben: Frage: LOOP/WHILE-Programm Π, n N Ist Φ Π,1 (n) definiert? ist unentscheidbar. Theoretische Informatik, Berechenbarkeit und Algorithmen 53
26 Beweis der Unentscheidbarkeit des Halteproblems I M = (X, Z, z 0, Q, δ) Turing-Maschine x 0 =, X = {x 1, x 2,..., x n }, Z = {z 0, z 1,..., z m }, Q = {z k+1, z k+2,..., z m }, δ ij = (z i, x j, z ij, x ij, r ij ) für δ(z i, x j ) = (z ij, x ij, r ij ), 0 i k, 0 j n Beschreibung von M durch x 1, x 2,..., x n, z 0, z 1,..., z k, δ 00, δ 01,..., δ 0n, δ 10, δ 11,..., δ 1n,..., δ kn Kodierung: x j 01 j+1 0 für 0 j n, z i 01 i für 0 i k, R 010 3, L , N , ( 010 4, ) ,, Theoretische Informatik, Berechenbarkeit und Algorithmen 54
27 Beweis der Unentscheidbarkeit des Halteproblems II Turing-Maschine M 2 a, b, z 0, z 1, ( z 0,, z 0,, N ), ( z 0, a, z 1, a, R ), ( z 0, b, z 1, b, R ), ( z 1,, q,, N ), ( z 1, a, z 0, a, R ), ( z 1, b, z 0, b, R ) Kodierung: 010, a , b , z , z , q , R 010 3, L , N , ( 010 4, ) ,, Theoretische Informatik, Berechenbarkeit und Algorithmen 55
28 Beweis der Unentscheidbarkeit des Halteproblems III S Menge aller Turing-Maschinen M = (X, Z, z 0, Q, δ) mit X = {0, 1}, Z = {z 0, z 1,..., z m }, Q = {z m } für ein m 1. w M Wort, das M S mittels Kodierung beschreibt Hilfssatz 1. Das Problem Gegeben: w {0, 1} Frage: Ist w Kodierung einer Turing-Maschine aus S? ist entscheidbar. f : {0, 1} { {0, 1} mit 0 w = wm für ein M S, f f(w) = M (w M ) ist nicht definiert nicht def iniert sonst Hilfssatz 2. f ist nicht Turing-berechenbar. Theoretische Informatik, Berechenbarkeit und Algorithmen 56
29 Unentscheidbare Probleme II Definition: i) Zwei Turing-Maschinen M 1 und M 2 heißen äquivalent, wenn f M1 = f M2 gilt. ii) Zwei LOOP/WHILE-Programme Π 1 und Π 2 heißen äquivalent, wenn Φ Π1,1 = Φ Π2,1 gilt. Satz: Das Äquivalenzproblem für Turing-Maschinen bzw. LOOP/WHILE-Programme ist unentscheidbar. Theoretische Informatik, Berechenbarkeit und Algorithmen 57
30 Unentscheidbare Probleme III Satz: Das 10. Hilbertsche Problem Gegeben: eine natürliche Zahl n 1, ein Polynom p(x 1, x 2,..., x n ) = c i1 i 2...i n x i 1 1 x i x i n n in n Variablen mit ganzzahligen Koeffizienten Frage: Gibt es eine Lösung von p(x 1, x 2,..., x n ) = 0 in Z n? ist unentscheidbar. Theoretische Informatik, Berechenbarkeit und Algorithmen 58
31 Unentscheidbare Probleme IV Satz: Das Postsche Korrespondenzproblem Gegeben: Alphabet X mit mind. zwei Buchstaben, n 1, Menge {(u 1, v 1 ), (u 2, v 2 ),..., (u n, v n )} mit u i, v i X + für 1 i n Frage: ist unentscheidbar. Gibt es eine Folge i 1 i 2... i m mit 1 i j n für 1 j m derart, dass u i1 u i2... u im = v i1 v i2... v im gilt? Theoretische Informatik, Berechenbarkeit und Algorithmen 59
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
MehrWir haben eine Beziehung zwischen entscheidbar und rekursiv aufzählbar hergeleitet.
Rückschau 12.11.04 Wir haben eine Beziehung zwischen entscheidbar und rekursiv aufzählbar hergeleitet. Wir haben das Prinzip der Diagonalisierung eingeführt und mit DIAG eine erste nicht rek. aufz. Sprache
MehrAusgewählte unentscheidbare Sprachen
Proseminar Theoretische Informatik 15.12.15 Ausgewählte unentscheidbare Sprachen Marian Sigler, Jakob Köhler Wolfgang Mulzer 1 Entscheidbarkeit und Semi-Entscheidbarkeit Definition 1: L ist entscheidbar
MehrEinführung in 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
MehrBerechenbarkeit. Script, Kapitel 2
Berechenbarkeit Script, Kapitel 2 Intuitiver Berechenbarkeitsbegriff Turing-Berechenbarkeit WHILE-Berechenbarkeit Church sche These Entscheidungsprobleme Unentscheidbarkeit des Halteproblems für Turingmaschinen
MehrReferat rekursive Mengen vs. rekursiv-aufzählbare Mengen
Kapitel 1: rekursive Mengen 1 rekursive Mengen 1.1 Definition 1.1.1 informal Eine Menge heißt rekursiv oder entscheidbar, wenn ihre charakteristische Funktion berechenbar ist. 1.1.2 formal Eine Menge A
MehrTheoretische Informatik
Theoretische Informatik Lektion 10: Entscheidbarkeit Kurt-Ulrich Witt Wintersemester 2013/14 Kurt-Ulrich Witt Theoretische Informatik Lektion 10 1/15 Inhaltsverzeichnis Kurt-Ulrich Witt Theoretische Informatik
MehrEinführung in 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...................................
MehrBerechenbarkeit und Komplexität
Berechenbarkeit und Komplexität Prof. Dr. Dietrich Kuske FG Theoretische Informatik, TU Ilmenau Wintersemester 2010/11 1 Organisatorisches zur Vorlesung Informationen, aktuelle Version der Folien und Übungsblätter
MehrLOOP-Programme: Syntaktische Komponenten
LOOP-Programme: Syntaktische Komponenten LOOP-Programme bestehen aus folgenden Zeichen (syntaktischen Komponenten): Variablen: x 0 x 1 x 2... Konstanten: 0 1 2... Operationssymbole: + Trennsymbole: ; :=
MehrBerechenbarkeits- und Komplexitätstheorie
Berechenbarkeits- und Komplexitätstheorie Verschiedene Berechenbarkeitsbegriffe, Entscheidbarkeit von Sprachen, Wachstumsordnungen und Komplexitätsklassen Inhaltsübersicht und Literatur Verschiedene Berechenbarkeitsbegriffe:
MehrTheoretische Informatik SS 03 Übung 3
Theoretische Informatik SS 03 Übung 3 Aufgabe 1 a) Sind die folgenden Funktionen f : partiell oder total: f(x, y) = x + y f(x, y) = x y f(x, y) = x y f(x, y) = x DIV y? Hierbei ist x DIV y = x y der ganzzahlige
MehrWie viel Mathematik kann ein Computer?
Wie viel Mathematik kann ein Computer? Die Grenzen der Berechenbarkeit Dr. Daniel Borchmann 2015-02-05 Wie viel Mathematik kann ein Computer? 2015-02-05 1 / 1 Mathematik und Computer Computer sind schon
MehrKapitel 1. Grundlagen Mengen
Kapitel 1. Grundlagen 1.1. Mengen Georg Cantor 1895 Eine Menge ist die Zusammenfassung bestimmter, wohlunterschiedener Objekte unserer Anschauung oder unseres Denkens, wobei von jedem dieser Objekte eindeutig
MehrKapitel 1. Grundlagen
Kapitel 1. Grundlagen 1.1. Mengen Georg Cantor 1895 Eine Menge ist die Zusammenfassung bestimmter, wohlunterschiedener Objekte unserer Anschauung oder unseres Denkens, wobei von jedem dieser Objekte eindeutig
MehrTheorie der Informatik
Theorie der Informatik 15. primitive Rekursion und µ-rekursion Malte Helmert Gabriele Röger Universität Basel 22. April 2015 Überblick: Vorlesung Vorlesungsteile I. Logik II. Automatentheorie und formale
MehrTuring-Maschinen. Definition 1. Eine deterministische Turing-Maschine (kurz DTM) ist ein 6- Dem endlichen Alphabet Σ von Eingabesymbolen.
Turing-Maschinen Nachdem wir endliche Automaten und (die mächtigeren) Kellerautomaten kennengelernt haben, werden wir nun ein letztes, noch mächtigeres Automatenmodell kennenlernen: Die Turing-Maschine
MehrUniversität Karlsruhe Institut für Theoretische Informatik. Klausur: Informatik III
Name Vorname Matrikelnummer Universität Karlsruhe Institut für Theoretische Informatik o. Prof. Dr. P. Sanders 10.4.2007 Klausur: Informatik III Aufgabe 1. Multiple Choice 11 Punkte Aufgabe 2. Minimalautomaten
MehrFakultät für Informatik Universität Magdeburg Jürgen Dassow. Vorbemerkungen
Vorbemerkungen if (x > y) z = x; else z = y; Wenn es blaue Tiger regnet, dann fressen alle Kirschbäume schwarze Tomaten. q(1) = 1, q(i) = q(i 1) + 2i 1 für i 2 Welchen Wert hat q(6)? 24 ist durch 2 teilbar.
MehrGrundlagen der Theoretischen Informatik Musterlösungen zu ausgewählten Übungsaufgaben
Dieses Dokument soll mehr dazu dienen, Beispiele für die formal korrekt mathematische Bearbeitung von Aufgaben zu liefern, als konkrete Hinweise auf typische Klausuraufgaben zu liefern. Die hier gezeigten
MehrExplizite Formeln für rekursiv definierte Folgen
Schweizer Mathematik-Olympiade Explizite Formeln für rekursiv definierte Folgen Aktualisiert: 6 Juni 014 In diesem Skript wird erklärt, wie man explizite Formeln für rekursiv definierte Folgen findet Als
Mehr1 falls n ein Anfangsabschnitt der Dezimalbruchentwicklung von π ist, f(n) = 0 sonst
21 2 Berechenbarkeit Dieses Kapitel entspricht im Wesentlichen dem Kapitel 2 (Berechenbarkeitstheorie) in [9] Jeder, der programmieren kann, weiß, dass es so etwas wie einen intuitiven Berechenbarkeitsbegriff
MehrInformatik II. Registermaschinen. Registermaschinen. Registermaschinen. Rainer Schrader. 7. Dezember 2005
Informatik II Rainer Schrader Zentrum für Angewandte Informatik Köln 7. Dezember 25 / 82 2 / 82 Gliederung Aufbau und Eigenschaften universelle RAM s RAM-Berechenbarkeit Nichtentscheidbarkeit Reduzierbarkeit
MehrKlausur zur Vorlesung Mathematische Logik
Universität Heidelberg 13. Februar 2014 Institut für Informatik Prof. Dr. Klaus Ambos-Spies Dipl.-Math. Thorsten Kräling Klausur zur Vorlesung Mathematische Logik Musterlösung Aufgabe 1 (Aussagenlogik
MehrLösungen zu Aufgabenblatt 7P
Analysis Prof. Dr. Peter Becker Fachbereich Informatik Sommersemester 205 9. Mai 205 Lösungen zu Aufgabenblatt 7P Aufgabe (Stetigkeit) (a) Für welche a, b R sind die folgenden Funktionen stetig in x 0
Mehr11.1 Kontextsensitive und allgemeine Grammatiken
Theorie der Informatik 7. April 2014 11. Kontextsensitive und Typ-0-Sprachen Theorie der Informatik 11. Kontextsensitive und Typ-0-Sprachen 11.1 Kontextsensitive und allgemeine Grammatiken Malte Helmert
Mehrε δ Definition der Stetigkeit.
ε δ Definition der Stetigkeit. Beweis a) b): Annahme: ε > 0 : δ > 0 : x δ D : x δ x 0 < δ f (x δ f (x 0 ) ε Die Wahl δ = 1 n (n N) generiert eine Folge (x n) n N, x n D mit x n x 0 < 1 n f (x n ) f (x
MehrTheoretische Informatik Kap 2: Berechnungstheorie
Gliederung der Vorlesung 0. Grundbegriffe 1. Formale Sprachen/Automatentheorie 1.1. Grammatiken 1.2. Reguläre Sprachen 1.3. Kontextfreie Sprachen 2. Berechnungstheorie 2.1. Berechenbarkeitsmodelle 2.2.
MehrBerechenbarkeitsmodelle
Berechenbarkeit 2 Endliche Automaten erkennen nicht alle algorithmisch erkennbaren Sprachen. Kontextfreie Grammatiken erzeugen nicht alle algorithmisch erzeugbaren Sprachen. Welche Berechnungsmodelle erlauben
MehrAbschluss unter Operationen
Abschluss unter Operationen Definition Definition: Es seien L eine Menge von Sprachen und τ eine n-stellige Operation, die über Sprachen definiert ist. Dann heißt L abgeschlossen unter τ, wenn für beliebige
MehrTheoretische Informatik II
Theoretische Informatik II Einheit 4.2 Rekursive Funktionen 1. Primitiv- und µ-rekursive Funktionen 2. Analyse und Programmierung 3. Äquivalenz zu Turingmaschinen Berechenbarkeit auf N ohne Maschinenmodelle
Mehr2. Algorithmen. 2.1 Typen von Algorithmen: Entscheidungs-, Aufzählungs- und Berechnungsverfahren. 2.2 Anforderungen an Algorithmen
2. Algorithmen 2.1 Typen von Algorithmen: Entscheidungs-, Aufzählungs- und Berechnungsverfahren 2.2 Anforderungen an Algorithmen 2.3 Berechenbarkeit, Entscheidbarkeit, Aufzählbarkeit: Alternative Charakterisierungen
MehrWelcher der folgenden Sätze ist eine Aussage, welcher eine Aussageform, welcher ist keines von beiden:
Übungsaufgaben 1. Aufgabe 1 Welcher der folgenden Sätze ist eine Aussage, welcher eine Aussageform, welcher ist keines von beiden: a. x ist eine gerade Zahl. Aussageform b. 10 ist Element der Menge A.
MehrVorlesung Berechenbarkeit und Komplexität. Motivation, Übersicht und Organisatorisches
Berechenbarkeit und Komplexität: Motivation, Übersicht und Organisatorisches Prof. Dr. Berthold Vöcking Lehrstuhl Informatik 1 Algorithmen und Komplexität RWTH Aachen Berechenbarkeit die absoluten Grenzen
MehrSurjektive, injektive und bijektive Funktionen.
Kapitel 1: Aussagen, Mengen, Funktionen Surjektive, injektive und bijektive Funktionen. Definition. Sei f : M N eine Funktion. Dann heißt f surjektiv, falls die Gleichung f(x) = y für jedes y N mindestens
MehrKurseinheit 1 Einleitung, Rekursive und rekursiv-aufzählbare Mengen
Kurseinheit 1 Einleitung, Rekursive und rekursiv-aufzählbare Mengen Fragen 1. Erkläre die Begriffe: Potenzmenge, partielle Funktion, Vorbereich, Nachbereich, Graph, Inverse, Definitionsbereich, Bildbereich,
Mehr11. Woche: Turingmaschinen und Komplexität Rekursive Aufzählbarkeit, Entscheidbarkeit Laufzeit, Klassen DTIME und P
11 Woche: Turingmaschinen und Komplexität Rekursive Aufzählbarkeit, Entscheidbarkeit Laufzeit, Klassen DTIME und P 11 Woche: Turingmaschinen, Entscheidbarkeit, P 239/ 333 Einführung in die NP-Vollständigkeitstheorie
MehrEinführung in die Theoretische Informatik
Einführung in die Theoretische Informatik Johannes Köbler Institut für Informatik Humboldt-Universität zu Berlin WS 2011/12 Die Registermaschine (random access machine, RAM) 0 I 0 1 I 1 2 I 2 m I m Programm
MehrTheoretische Informatik II
Theoretische Informatik II Einheit 5 Theorie der Berechenbarkeit 1. Turing-Berechenbarkeit 2. Rekursive Funktionen 3. Funktionale und logische Programme 4. Elementare Berechenbarkeitstheorie 5. Unlösbare
MehrGrundlagen der Theoretischen Informatik
Grundlagen der Theoretischen Informatik Sommersemester 2015 23.04.2015 Viorica Sofronie-Stokkermans e-mail: sofronie@uni-koblenz.de 1 Bis jetzt 1. Terminologie 2. Endliche Automaten und reguläre Sprachen
MehrKapitel 1.3. Normalformen aussagenlogischer Formeln und die Darstellbarkeit Boolescher Funktionen durch aussagenlogische Formeln
Kapitel 1.3 Normalformen aussagenlogischer Formeln und die Darstellbarkeit Boolescher Funktionen durch aussagenlogische Formeln Mathematische Logik (WS 2011/12) Kapitel 1.3: Normalformen 1/ 29 Übersicht
MehrReduzierbarkeit und das Post'sche Korrespondenzproblem
Reduzierbarkeit und das Post'sche Korrespondenzproblem Agenda Motivation Reduzierbarkeit Definition Bedeutung Post'sches Korrespondenzproblem (PKP) Modifiziertes Post'sches Korrespondenzproblem (MPKP)
MehrDie Church-Turing-These
Die Church-Turing-These Elmar Eder () Die Church-Turing-These 1 / 12 Formale Systeme Formale Systeme µ-partiellrekursive Funktionen Logikkalküle SLD-Resolution (Prolog) Chomsky-Grammatiken Turing-Maschinen
MehrPrimitiv 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
MehrTheoretische Informatik 1
heoretische Informatik 1 uringmaschinen David Kappel Institut für Grundlagen der Informationsverarbeitung echnische Universität Graz 11.03.2016 Übersicht uring Maschinen Algorithmusbegriff konkretisiert
MehrEinführung in die Theoretische Informatik
Einführung in die Theoretische Informatik Woche 10 Harald Zankl Institut für Informatik @ UIBK Wintersemester 2014/2015 Zusammenfassung Zusammenfassung der letzten LV Satz Sei G = (V, Σ, R, S) eine kontextfreie
MehrRekursive und primitiv rekursive Funktionen. Ein maschinenunabhängiges formales Berechnungsmodell auf den natürlichen Zahlen
Rekursive und primitiv rekursive Funktionen Ein maschinenunabhängiges formales Berechnungsmodell auf den natürlichen Zahlen IDEE: Definiere eine Klasse von (partiell) berechenbaren Funktionen über N induktiv
Mehr1 Einführung. 2 Typ-0- und Typ-1-Sprachen. 3 Berechnungsmodelle. 4 Unentscheidbarkeit. 5 Unentscheidbare Probleme. 6 Komplexitätstheorie
1 Einführung 2 Typ-0- und Typ-1-Sprachen 3 Berechnungsmodelle 4 Unentscheidbarkeit 5 Unentscheidbare Probleme 6 Komplexitätstheorie 15 Ziele vgl. AFS: Berechnungsmodelle für Typ-0- und Typ-1-Sprachen (Nicht-)Abschlußeigenschaften
MehrFormale Sprachen. Grammatiken und die Chomsky-Hierarchie. Rudolf FREUND, Marian KOGLER
Formale Sprachen Grammatiken und die Chomsky-Hierarchie Rudolf FREUND, Marian KOGLER Grammatiken Das fundamentale Modell zur Beschreibung von formalen Sprachen durch Erzeugungsmechanismen sind Grammatiken.
MehrGrundlagen der Theoretischen Informatik
FH Wedel Prof. Dr. Sebastian Iwanowski GTI22 Folie 1 Grundlagen der Theoretischen Informatik Sebastian Iwanowski FH Wedel Kap. 2: Logik, Teil 2.2: Prädikatenlogik FH Wedel Prof. Dr. Sebastian Iwanowski
MehrFormale Sprachen und Automaten
Turingmaschinen Formale Sprachen und Automaten Das Konzept der Turingmaschine wurde von dem Englischen Mathematiker Alan M. Turing (1912-1954) ersonnen. Turingmaschinen, Typ-0- und Typ-1-Grammatiken Der
MehrTheoretische Grundlagen der Informatik
Theoretische Grundlagen der Informatik Turing-Maschine, Berechenbarkeit INSTITUT FÜR THEORETISCHE 0 KIT 07.11.2011 Universität des Dorothea Landes Baden-Württemberg Wagner - Theoretische und Grundlagen
MehrVorkurs: Mathematik für Informatiker
Vorkurs: Mathematik für Informatiker Teil 3 Wintersemester 2016/17 Steven Köhler mathe@stevenkoehler.de mathe.stevenkoehler.de 2 c 2016 Steven Köhler Wintersemester 2016/17 Inhaltsverzeichnis Teil 1 Teil
MehrDefinition (Reguläre Ausdrücke) Sei Σ ein Alphabet, dann gilt: (ii) ε ist ein regulärer Ausdruck über Σ.
Reguläre Ausdrücke Definition (Reguläre Ausdrücke) Sei Σ ein Alphabet, dann gilt: (i) ist ein regulärer Ausdruck über Σ. (ii) ε ist ein regulärer Ausdruck über Σ. (iii) Für jedes a Σ ist a ein regulärer
Mehr1 Angeordnete Körper. 1.1 Anordnungen und Positivbereiche
1 1 Angeordnete Körper 1.1 Anordnungen und Positivbereiche Definition 1.1. Eine zweistellige Relation auf einer Menge heißt partielle Ordnung, falls für alle Elemente a, b, c der Menge gilt: (i) a a (ii)
MehrTheoretische Informatik
Theoretische Informatik Wintersemester 2016/2017 2V, Mittwoch, 12:00-13:30 Uhr, F303 2Ü, Dienstag, 12:00-13:30 Uhr, BE08 2Ü, Dienstag, 15:00-16:30 Uhr, B212 2Ü, Mittwoch, 8:30-10:00 Uhr, B312 Fachprüfung:
MehrFormale Sprachen und Automaten
Formale Sprachen und Automaten Kapitel 5: Typ 1 und Typ 0 Vorlesung an der DHBW Karlsruhe Thomas Worsch Karlsruher Institut für Technologie, Fakultät für Informatik Wintersemester 2012 Kapitel 5 Typ 1
MehrRegulär variierende Funktionen
KAPITEL 4 Regulär variierende Funktionen Unser nächstes Ziel ist es, die Max-Anziehungsbereiche der Extremwertverteilungen zu beschreiben. Dies wird im nächsten Kapitel geschehen. Wir haben bereits gesehen,
MehrTheoretische Informatik 1
Theoretische Informatik 1 Registermaschine David Kappel Institut für Grundlagen der Informationsverarbeitung TU Graz SS 2012 Übersicht Registermaschinen Algorithmusbegriff konkretisiert formale Beschreibung
MehrVorsemesterkurs Informatik
Vorsemesterkurs Informatik Vorsemesterkurs Informatik Mario Holldack WS2015/16 30. September 2015 Vorsemesterkurs Informatik 1 Einleitung 2 Aussagenlogik 3 Mengen Vorsemesterkurs Informatik > Einleitung
MehrLogische und funktionale Programmierung
Logische und funktionale Programmierung Vorlesung 2: Prädikatenkalkül erster Stufe Babeş-Bolyai Universität, Department für Informatik, Cluj-Napoca csacarea@cs.ubbcluj.ro 14. Oktober 2016 1/38 DIE INTERPRETATION
MehrZusammenfassung Grundzüge der Informatik 4
Zusammenfassung Grundzüge der Informatik 4 Sommersemester 04 Thorsten Wink 21. September 2004 Version 1.2 Dieses Dokument wurde in L A TEX 2εgeschrieben. Stand: 21. September 2004 Inhaltsverzeichnis 1
MehrWir suchen Antworten auf die folgenden Fragen: Was ist Berechenbarkeit? Wie kann man das intuitiv Berechenbare formal fassen?
Einige Fragen Ziel: Wir suchen Antworten auf die folgenden Fragen: Wie kann man das intuitiv Berechenbare formal fassen? Was ist ein Algorithmus? Welche Indizien hat man dafür, dass ein formaler Algorithmenbegriff
MehrTheoretische Informatik 2
Theoretische Informatik 2 Johannes Köbler Institut für Informatik Humboldt-Universität zu Berlin WS 2009/10 Entscheidbare und semi-entscheidbare Sprachen Definition Eine NTM M hält bei Eingabe x, falls
MehrGrundlagen der Theoretischen Informatik
Grundlagen der Theoretischen Informatik Sommersemester 2016 20.04.2016 Viorica Sofronie-Stokkermans e-mail: sofronie@uni-koblenz.de 1 Bis jetzt 1. Terminologie 2. Endliche Automaten und reguläre Sprachen
MehrTHEORETISCHE INFORMATIK
THEORETISCHE INFORMATIK Vorlesungsskript Jiří Adámek @ Institut für Theoretische Informatik Technische Universität Braunschweig Dezember 28 Inhaltsverzeichnis Endliche Automaten. Mathematische Grundbegriffe......................
MehrDie Abbildung (x 1 ;x 2 ) 7! (x 1 ;x 2 ; 1) ist eine Einbettung von R 2 in P 2 (als Mengen). Punkte mit z 6= 0 sind endliche" Punkte mit inhomogenen K
Kapitel IV Projektive Geometrie In diesem Kapitel wird eine kurze Einführung in die projektive Geometrie gegeben. Es sollen unendlich ferne Punkte mit Hilfe von homogene Koordinaten eingeführt werden und
MehrKapitel: Die Chomsky Hierarchie. Die Chomsky Hierarchie 1 / 14
Kapitel: Die Chomsky Hierarchie Die Chomsky Hierarchie 1 / 14 Allgemeine Grammatiken Definition Eine Grammatik G = (Σ, V, S, P) besteht aus: einem endlichen Alphabet Σ, einer endlichen Menge V von Variablen
MehrPrimitiv rekursive und µ-rekursive Funktionen
Primitiv rekursive und µ-rekursive Funktionen Loop-, While- und Goto-Programme sind vereinfachte imperative Programme und stehen für imperative Programmiersprachen, bei denen Programme als Folgen von Befehlen
Mehr2 Die Dimension eines Vektorraums
2 Die Dimension eines Vektorraums Sei V ein K Vektorraum und v 1,..., v r V. Definition: v V heißt Linearkombination der Vektoren v 1,..., v r falls es Elemente λ 1,..., λ r K gibt, so dass v = λ 1 v 1
Mehr8. Turingmaschinen und kontextsensitive Sprachen
8. Turingmaschinen und kontextsensitive Sprachen Turingmaschinen (TM) von A. Turing vorgeschlagen, um den Begriff der Berechenbarkeit formal zu präzisieren. Intuitiv: statt des Stacks bei Kellerautomaten
MehrUmformung NTM DTM. Charakterisierung rek. aufz. Spr. Chomsky-3-Grammatiken (T5.3) Chomsky-0-Grammatik Rek. Aufz.
Chomsky-0-Grammatik Rek. Aufz. Satz T5.2.2: Wenn L durch eine Chomsky-0- Grammatik G beschrieben wird, gibt es eine NTM M, die L akzeptiert. Beweis: Algo von M: Schreibe S auf freie Spur. Iteriere: Führe
MehrFolgerungen aus dem Auflösungsatz
Folgerungen aus dem Auflösungsatz Wir haben in der Vorlesung den Satz über implizite Funktionen (Auflösungssatz) kennen gelernt. In unserer Formulierung lauten die Resultate: Seien x 0 R m, y 0 R n und
MehrÜbungen zu Partielle Differentialgleichungen, WS 2016
Übungen zu Partielle Differentialgleichungen, WS 2016 Ulisse Stefanelli 16. Januar 2017 1 Beispiele 1. Betrachten Sie die Beispiele von nichtlinearen PDG und Systemen, die wir im Kurs diskutiert haben,
MehrRekursiv aufzählbare Sprachen
Kapitel 4 Rekursiv aufzählbare Sprachen 4.1 Grammatiken und die Chomsky-Hierarchie Durch Zulassung komplexer Ableitungsregeln können mit Grammatiken größere Klassen als die kontextfreien Sprachen beschrieben
Mehr7 Der kleine Satz von Fermat
7 Der kleine Satz von Fermat Polynomkongruenz modulo p. Sei p eine Primzahl, n 0 und c 0,..., c n Z. Wir betrachten die Kongruenz ( ) c 0 + c 1 X +... + c n 1 X n 1 + c n X n 0 mod p d.h.: Wir suchen alle
MehrFormale Grundlagen 2008W. Vorlesung im 2008S Institut für Algebra Johannes Kepler Universität Linz
Formale Grundlagen Institut für Algebra Johannes Kepler Universität Linz Vorlesung im 2008S http://www.algebra.uni-linz.ac.at/students/win/fg Inhalt Definition Sei A eine Menge und ɛ A A A eine zweistellige
MehrEinführung in die Informatik Algorithms
Einführung in die Informatik Algorithms Eigenschaften von Algorithmen Wolfram Burgard 14.1 Motivation und Einleitung In der Informatik sucht man im Normalfall nach Verfahren zur Lösung von Problemen. Eine
Mehr2.4 Kontextsensitive und Typ 0-Sprachen
Definition 2.43 Eine Typ 1 Grammatik ist in Kuroda Normalform, falls alle Regeln eine der folgenden 4 Formen haben: Dabei: A, B, C, D V und a Σ. Satz 2.44 A a, A B, A BC, AB CD. Für jede Typ 1 Grammatik
MehrMitschrift BFS WS 13/14
Mitschrift BFS WS 13/14 Stand: 4. Juni 2014 Dieses Skript zum Teil Primitive und µ-rekursion der Vorlesung Berechenbarkeit und Formale Sprachen im Wintersemester 2013/14 bei Prof. Wanka wurde von untenstehenden
MehrInhaltsverzeichnis INHALTSVERZEICHNIS 1
INHALTSVERZEICHNIS 1 Inhaltsverzeichnis 1 Die Parabel 2 1.1 Definition................................ 2 1.2 Bemerkung............................... 3 1.3 Tangenten................................ 3 1.4
Mehr1 Prädikatenlogik: Korrektheit, Vollständigkeit, Entscheidbarkeit
1 Prädikatenlogik: Korrektheit, Vollständigkeit, Entscheidbarkeit 1.1 Korrektheit Mit dem Kalkül der Prädikatenlogik, z.b. dem Resolutionskalkül, können wir allgemeingültige Sätze beweisen. Diese Sätze
MehrGrundlagen der Mathematik
Grundlagen der Mathematik Übungsaufgaben zu Kapitel 1 Einführung 1.1.1 Für reelle Zahlen a und b gilt (a+b) (a-b) = a 2 -b 2. Was ist die Voraussetzung? Wie lautet die Behauptung? Beweisen Sie die Behauptung.
MehrMusterlösung zur Hauptklausur Theoretische Grundlagen der Informatik Wintersemester 2013/14
Institut für Theoretische Informatik Prof. Dr. Jörn Müller-Quade Musterlösung zur Hauptklausur Theoretische Grundlagen der Informatik Wintersemester 23/4 Vorname Nachname Matrikelnummer Hinweise Für die
MehrDas 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
Mehr4. Induktives Definieren - Themenübersicht
Induktives Definieren 4. Induktives Definieren - Themenübersicht Induktives Definieren Natürliche Zahlen Operationen auf natürlichen Zahlen Induktive Algorithmen Induktiv definierte Mengen Binärbäume Boolesche
MehrPrinzipielle Grenzen der Berechenbarkeit
Arno Schwarz Prinzipielle Grenzen der Berechenbarkeit Lange Zeit haben Philosophen und Mathematiker geglaubt, dass jedes mathematische Problem algorithmisch lösbar sei. So vertrat z.b. David Hilbert (1862-1943)
MehrBeschreibungskomplexität von Grammatiken Definitionen
Beschreibungskomplexität von Grammatiken Definitionen Für eine Grammatik G = (N, T, P, S) führen wir die folgenden drei Komplexitätsmaße ein: Var(G) = #(N), Prod(G) = #(P ), Symb(G) = ( α + β + 1). α β
MehrBerechenbarkeits- und Komplexitätstheorie
Berechenbarkeits- und Komplexitätstheorie Verschiedene Berechenbarkeitsbegriffe, Entscheidbarkeit von Sprachen, Wachstumsordnungen und Komplexitätsklassen Inhaltsübersicht und Literatur Verschiedene Berechenbarkeitsbegriffe:
MehrMusterlösung der Hauptklausur zur Vorlesung Theoretische Grundlagen der Informatik Wintersemester 2012/13
Institut für Kryptographie und Sicherheit Prof. Dr. Jörn Müller-Quade Musterlösung der Hauptklausur zur Vorlesung Theoretische Grundlagen der Informatik Wintersemester 22/3 Vorname Nachname Matrikelnummer
MehrStefan Schmid TU Berlin & T-Labs, Berlin, Germany. Reduktionen in der Berechenbarkeitstheorie
Stefan Schmid TU Berlin & T-Labs, Berlin, Germany Reduktionen in der Berechenbarkeitstheorie Problem: Wie komme ich von hier zum Hamburger Hbf? 2 Beispiel P1 Wie komme ich von hier zum Hamburger Hbf? kann
MehrZusammenstellung von Fragen der Vordiplomsprüfung Theoretische Informatik (Kurse 1653/54)
Zusammenstellung von Fragen der Vordiplomsprüfung Theoretische Informatik (Kurse 1653/54) Vorbemerkungen Die nachfolgenden Fragen sind eine Zusammenstellung aus ca. 25 (+1) Protokollen von Januar 1990
MehrDef.: Die Menge der LOOP-Programme ist induktiv wie folgt definiert:
3. LOOP-, WHILE- und GOTO-Berechenbarkeit 3.1 LOOP-Programme Komponenten: Variablen: x 0, x 1, x 2,, y, z, Konstanten: 0, 1, 2, Trennsymbole: ; := Operationszeichen: +, - Schlüsselwörter: LOOP, DO, END
MehrC orthogonal und haben die Länge 1). Dann ist die Länge von w = x u + y v gegeben durch w 2 Def. = w,w =
1 v Die Länge Def. Sei (V,, ) ein Euklidscher Vektorraum. Für jeden Vektor v V heißt die Zahl v,v die Länge von v und wird v bezeichnet. Bemerkung. Die Länge des Vektors ist wohldefiniert, da nach Definition
MehrEINFÜHRUNG IN DIE THEORETISCHE INFORMATIK 2. ALGORITHMEN. Prof. Dr. Klaus Ambos-Spies. Sommersemester 2014
EINFÜHRUNG IN DIE THEORETISCHE INFORMATIK Prof. Dr. Klaus Ambos-Spies Sommersemester 2014 2. ALGORITHMEN Theoretische Informatik (SoSe 2014) 2. Algorithmen 1 / 53 Übersicht 1 Typen von Algorithmen: Entscheidungs-,
Mehr40 Lokale Extrema und Taylor-Formel
198 VI. Differentialrechnung in mehreren Veränderlichen 40 Lokale Extrema und Taylor-Formel Lernziele: Resultate: Satz von Taylor und Kriterien für lokale Extrema Methoden aus der linearen Algebra Kompetenzen:
Mehr1.2 LOOP-, WHILE- und GOTO-Berechenbarkeit
Die Programmiersprache LOOP (i) Syntaktische Komponenten: Variable: x 0, x 1, x 2,... Konstanten: 0, 1, 2,... Trennsymbole: ; := Operationszeichen: + Schlüsselwörter: LOOP DO END (ii) LOOP-Programme: Wertzuweisungen:
MehrAutomaten, Spiele und Logik
Automaten, Spiele und Logik Woche 13 11. Juli 2014 Inhalt der heutigen Vorlesung Linearzeit Temporale Logik (LTL) Alternierende Büchi Automaten Nicht-Determinisierung (Miyano-Ayashi) Beschriftete Transitionssysteme
Mehr16 Vektorfelder und 1-Formen
45 16 Vektorfelder und 1-Formen 16.1 Vektorfelder Ein Vektorfeld v auf D R n ist eine Abbildung v : D R n, x v(x). Beispiele. Elektrisches und Magnetisches Feld E(x), B(x), Geschwindigkeitsfeld einer Strömung
Mehr