001 上一章注释[001]
【写在月25日20:53,发布后发现上下标给我全滤了?,我调整一下,过会儿再看
硬核程度:
涉及领域:计算理论
大标题:三种函数外加三种操作怎样解决所有可计算问题?为什么偏递归函数可以制造无限循环?
可能是全最不报菜名、最不装比的解释。
以下开始:
首先,什么是可计算?
可计算就是指,有一个算法,我们把它交付给计算后,计算可以像执行一个函数一样,接受我们给它的输入,然后返回输出,这个输出就是我们想要的答案。
为了方便描述,先行约定一下数学符号。
假设我们有一个乘法器,叫做lt,它可以接受一对整数作为输入,把它们相乘后输出一个整数。
比如,输入(3,4)输出2
输入(6,2)输出2
输入(0,6)输出0
这时,我们把这些输入数对叫做dn,输出的一个数叫做dn。如果我们用z来代表全体整数集,那么这个平平无奇的乘法器就可以用数学符号表示为:
lt:z^2z
中间的这个表示这个lt是一个ttlfntn,也许可以称作“全函数”吧,意思是每一个dn里的输入,都能对应一个dn里的输出。
与全函数相对应的是,是“偏函数”。对于偏函数,对于有些输入,它并不能给出输出。比如一个除法器,当我们给它(6,0)时,它输出不了任何东西。这个除法器可以表示为:
dv:z^2—z
这里的单横线代表这是一个偏函数(其实应该用半箭头表示,但在这里打不出来)
好了,定义好符号之后,就可以清爽地描述我们的三种基本函数:后继函数、零函数、投影函数。
后继函数::nn,()=+,n代表自然数集。我们给它2,它输出3;给它3它输出4。总之就是往上+
零函数:zer:nnn,zer()=0。不管给它什么,它都输出0
投影函数:prjn:nnn,prjn(,,n)=。它接受长度为n的输入,输出第个自然数。比如,prj22(,3)=3。
好了,盖大楼的砖块一共就这么三种,接下来把它们组合在一起就行了。
我们定义一个叫“组合”的函数f,它的功能是把n个函数组合在一起:
f:nn—n
具体的,如果每一个被组合的函数g都可以接受同一组参数(,,),那么组合n个g函数的操作可以被表示为:
f[g,,gn]:n—n
展开为:
f[g,,gn](,,)=f(g(,,),,gn(,,))
举个栗子:
我们构造一个函数ne,ne()=,即:不论给它什么输入,它都输出为,那么:
ne()=(0)=(zer())
即:[zer]=ne
验证一下:
[zer]()=(zer())=(0)=
()(e) 和zer两个基本函数组成了我们要的ne,完美。
如果栗子再复杂一点,我们想要一个加法器dd,dd(,y)=+y,怎么用那三种基本函数组合?
也很简单,从具体输入入:
dd(3,2)=(dd(3,))=((dd(3,0)))=((3))
似乎只需要组合多个后继函数就可以了呢。
当然,这里面有一个毛病,在于我们在没有定义好dd的前提下,先入为主地认为dd(3,0)=3
所以我们不能认为自己就这么简单地构造了dd,只能退而求其次地得到以下关系:
dd(,y+)=(dd(,y)),这个式子是十分严谨的。
更具体地,要想算出dd(,y+),就要知道dd(,0)=,我们称dd(,0)=为基准条件;dd(,y+)=(dd(,y))为递归条件。
看起来就差临门一脚了,只要我们能用三种基本函数构造出dd(,0)=,就能得到dd(,y+),也就能构造出我们想要的加法器。
也很显然,dd(,0)==prj
于是,我们的加法器有了。
这种看起来很像左脚踩右脚登天的构造方式叫做“原始递归”,它的定义是这样的:
基准函数f:nn—n
递归函数g:nn+2—n
使用f和g的原始递归=pn(f,g):nn+—n
对于:
基准条件:(,n,0)=f(,,n)
递归条件:(,,n,y+)=g(,,n,y,(,,n,y))
回到我们的加法器dd:
dd:n2n
dd(,y)=+y=p(f,g)
基准条件:dd(,0)=f()=prj
递归条件:dd(,y+)=g(,y,dd(,y))=(dd(,y)),g=[prj33]
dd=p(prj,[prj33])
完美无瑕。
类似地,乘法器lt=p(zer,dd[prj3,prj33])
前继函数,减法器等等基本运算都可以据此定义,只需要prj,zer,三种原始函数和组合,原始递归p这两种基本操作。所有完全函数都可以据此构造。
那么“偏函数”呢?
构造偏函数还需要额外的一个操作:最化。
如果我们有一个函数f:n^n+—n(这里^代表上标,虽然不好看,但实在是敲得太麻烦没有耐心了),具体的f(,n,),其中,n是固定参数,是可变参数。
那么最化操作为:μ^nf:n^n—n它会找到给它输入的n个参数里,最的一个,并输出
比如f(5,4,3,2,,0)=0
如果遇到重复参数,那么就输出第一个最的。
比如f(5,4,3,2,,)=
()(e) 假设我们有一个投影函数长这样:
prj2:n2—n(prj2中的2是上标,是下标,下同,写不动摆烂了)
那么μ^prj2:n—n
举个栗子:
假如我们给prj2弄一个最化操作:μ^prj2(),其中是固定参数。
如果我们穷举一下可变参数,就会发现:
prj2(,0)=
prj2(,)=
我们永远也拿不到0,也就不存在最化。也就是,对于μ^prj2而言,并不是每一个输入都对应一个输出,所以应用最化操作,我们成功地构建了一个偏函数。
加减乘三种操作都在上文构建过了,现在就只剩下一个除了。除法dv需要用最化操作来构建。
假设,我们收到两参数和b,想求/b,那么其中存在如下关系:
=qxb+r,其中0r<b
我们想要的就是满足式子qxb的最大的q,这等同于满足(q+)xb>,于是带余除法被转化为了一个最化问题:
找到最的q使其满足(q+)xb>
也就是构造一个函数f:n^3—n
f(,b,q)=如果(q+)b,=0如果(q+)b>
f(,b,q)=letneql(lt((q),b),)
f=let[[prj33],prj32],prj3]
其中letneql=zerb
zer=b[zer,prj]
b是减法器
对f进行最化操作即可得到我们想要的结果。
验证一下:
f(,5,0)=letneql(lt(,5),)=不等于0,所以0不是输出。
f(,5,)=letneql(lt(,5),)=0,最,所以是输出。
dv(,5)=//5=没错,十分完美。
如果我们想计算一下//0:
f(,0,0)=letneql(lt(,0),)=不等于0,所以0不是输出。
f(,0,)=letneql(lt(2,0),)=不等于0,所以0不是输出。
无论我们给f(,0,)传入什么,都找不到最的,所以dv(,0)=//0无解,符合现实。
如果把最化操作运用在原始递归函数上,得到的新函数就叫做偏递归函数。
好了,现在加减乘除我们都有了,只要是可计算的算法,我们都能执行。
至于无限循环怎么制造出来,从μ^prj2()和dv的栗子都可以看出来,如果最化操作找不到最值,就永远不会给出输出,这相当于wle语句的功能。
——————————————————
下一章是正常内容