• Keine Ergebnisse gefunden

Was bisher geschah

N/A
N/A
Protected

Academic year: 2022

Aktie "Was bisher geschah"

Copied!
10
0
0

Wird geladen.... (Jetzt Volltext ansehen)

Volltext

(1)

Was bisher geschah

§ Goto-Programme

§ Syntax: = Liste von Befehlen aus

B“ tInci,Deci,Gotok,GotoZi k,Stopu

§ Semantik: small step

Konfigurationenpl,sqmitl PN,sPNN(PC, Speicherbeleg.) Konfigurations¨uberg¨ange stepp ur Befehl, step˚p ur Programm

§ While/Loop-Programme

§ Syntax: Baum mit Bl¨attern austInci,Deci,Skipu inneren Knoten Whilei p / Loopi p, Seqp q, IfZi p q

§ Semantik: big step,

KonfigurationensPNN (Speicherbelegung) Konfigurations¨uberg¨ange sempĎ`

NN˘2

ur Programm Turing = Menge aller durch eine DTM berechenbaren Funktionen GOTO = Menge aller durch ein Goto-Programm berechenbaren Fkt.

WHILE = Menge aller durch ein While-Programm berechenbaren Fkt.

LOOP = Menge aller durch ein Loop-Programm berechenbaren Fkt.

TOTAL = Menge aller f¨ur jede Eingabe (PNp

kq) definierter Fkt.

(2)

Ackermann-Funktion

(Wilhelm Friedrich Ackermann, 1928)

A:N2 ÑN mit@px,yq PN2 :

Ap0,yq “ y`1 Apx`1,0q “ Apx,1q

Apx`1,y`1q “ Apx,Apx`1,yqq

Beispiele (Tafel):Ap0,0q,Ap0,1q,Ap0,2q, Ap1,0q,Ap1,1q,Ap1,2q,Ap1,0q,Ap2,1q,Ap2,2q

(3)

Eigenschaften der Ackermann-Funktion

1. @x,y PN:Apx,yq ąy

Beweis durch Induktion nach x, innen Induktion nachy 2. @x,y PN:Apx,y`1q ąApx,yq

(Monotonie im zweiten Argument)

Beweis (ohne Induktion) Fallunterscheidung x“0 ,x ą0 3. @x,y PN:Apx`1,yq ěApx,y`1q

Beweis durch Induktion nach y ( ¨UA)

4. @x,y PN:Apx`1,yq ąApx,yq (Monotonie im ersten Argument)

5. @x,x1,y,y1 PN:ppx ďx1^yďy1q Ñ pApx,yq ďApx1,y1qqq (Monotonie in beiden Argumenten)

(4)

Eigenschaften der Ackermann-Funktion (1)

1.@x,y PN:Apx,yq ąy

Beweis durch Induktion nachx, innen Induktion nach y:

IAx: x “0:@yPN:Ap0,yq “y`1ąy ISx: IH x:@y PN:Apx,yq ąy

IB x: @y PN:Apx`1,yq ąy

Beweis x: @y PN:Apx`1,yq ąy durch Induktion ¨uber y IAy: y 0:Apx`1,0q “Apx,1qpIHxqą 1ą0

ISy: IH y:Apx`1,yq ąy

IB y:Apx`1,y`1q ąy`1 Beweis y:

Apx`1,y`1q “Apx,Apx`1,yqq

pIHxq

ą Apx`1,yqpIHyqą y und damitApx 1,y 1q ąy 1

(5)

Eigenschaften der Ackermann-Funktion (2)

2.@x,y PN:Apx,y`1q ąApx,yq

Beweis (ohne Induktion) Fallunterscheidungx “0 , xą0

a x “0:Ap0,y`1q “y`2ąy`1“Ap0,yq b x ą0:Apx,y`1q “Apx´1,Apx,yqqą1. Apx,yq

(6)

Eigenschaften der Ackermann-Funktion (2)

@x,y PN:Apx`1,yq ąApx,yq

Beweis:

Apx`1,yqě3 Apx,y`1qě2 Apx,yq

1-4 ergeben zusammengefasst:

Monotonie in beiden Argumenten:

@x,x1,y,y1PN:ppxďx1^y ďy1q Ñ pApx,yq ďApx1,y1qqq

(7)

Wachstum von Funktionen in LOOP

Loop-Programmp (berechnet Funktion NÑN)

Menge aller inp vorkommenden Register (Variablen): varppq

@xPvarppq:

§ xa Wert im Registerx zu Beginn der Ausf¨uhrung vonp

§ xe Wert im Registerx nach Ende der Ausf¨uhrung von p (Warum ist xe immer definiert?)

Jedes Loop-Programmp definiert eine Funktion gp:NÑN durch

@nPN:gppnq “max

$

&

% ÿ

xPvarppq

xe ˇ ˇ ˇ ˇ ˇ ˇ

ÿ

xPvarppq

xa ďn , . -

(8)

Wachstum von Funktionen in LOOP (IA f¨ ur Inc)

Satz:@pPLoop Dk PN@nPN:gppnqăApk,nq Beweis durch Induktion ¨uber Struktur vonp:

IA: Skip, Inc, Dec

pInci: Ansatzk 1

semp “ tps,sri :“spiq `1sq |sPNNu

n ÿ

xPvarppq

spxq “spiq ` ÿ

xPvarppqztiu

spxq

gppnq ÿ

xPvarppq

sri:“spiq `1spxq “1`spiq ` ÿ

xPvarppqztiu

spxq

1` ÿ

xPvarppq

spxq “1`năn`2Ap1,nq

Skip, Dec analog mitk0

(9)

Wachstum von Funktionen in LOOP (IS f¨ ur Seq)

z.z: Programm Seqpp,qq

Ansatz:k “maxpkp´1,kqq `2 Beweis:

§ IH:Dkp@nPN:gppnq ăApkp,nq und Dkq@n PN:gqpnq ăApkq,nq

§ IB: Dk@nPN:gSeqpp,qqpnq ďApk,nq

§ Beweis: f¨urk1 “maxpkp´1,kqq gilt gSeqpp,qqpnq ď fqpgppnqq

pIHq

ă Apkq,Apkp,nqq

p5q

ď Apk1,Apk1`1,nqq

pDef.Aq

“ Apk1`1,n`1qp2qď Apk1`2,nq F¨urk “k1`2“maxpkp´1,kqq `2 gilt

(10)

Ackermann-Funktion R LOOP

Satz:APWHILEzLOOP

Beweis:

§ ARLOOP (indirekt) Annahme: APLOOP

Dann gilt auch f¨ur die Funktion

d :NÑNmit @nPN:dpnq “Apn,nq:

d PLOOP. ( ¨UA: Warum?)

Also existiert ein Loop-Programm p mitdpnq ďgppnq und nach Satz auf F. 102 giltDk@n PN:gppnq ăApk,nq Widerspruch bei n“k:dpkqďgppkqăApk,kq “dpkq

§ APWHILE

Referenzen

ÄHNLICHE DOKUMENTE

Menge von Fakten (Aussagen, Merkmalswerten) Menge m¨ oglicher Aussagen (oder Aktionen) L¨ osung: zum konkreten Fall passende Aussagen

Aktualisierung: Berechnung der Aktivierung aller Neuronen wiederholen, bis stabiler Zustand erreicht oder Abbruch Konvergenz : Erreichen eines stabilen Zustandes (¨ andert sich

Anwendung: Rechnen mit bedingten Wahrscheinlichkeiten I 1/3 aller Studenten haben ein Notebook.. I 1/10 aller Studenten

Wissensrepr¨ asentation und -verarbeitung durch I K¨ unstliche Neuronale Netze (insbes. auch CNN) I Zustands¨ ubergangssysteme.. I

Der Eisverk¨ aufer ist traurig, wenn nicht viel Eis gekauft

Regul¨ are Ausdr¨ ucke erm¨ oglichen eine endliche Darstellung unendlicher Sprachen.. Aber: Nicht jede (unendliche) Sprache ist

Menge aller m¨ oglichen Berechnungen von M bei Eingabe von w bilden einen Baum (evtl. mit unendlich langen Pfaden)..

(der Beweis f¨ ur die Korrektheit eines Programms sieht ganz anders aus als das Programm selbst).. Satz: Die Relation step p ist eine