exercises/_assignment4.mdwn

   1 ## Fixed points ##
   2
   3 1.  Recall that `ω ≡ \x. x x`, and `Ω ≡ ω ω`.  Is `Ω` a fixed point for `ω`?  Find a fixed point for `ω`, and prove that it is a fixed point.
   4
   5 2.  Consider `Ω ξ` for an arbitrary term `ξ`.
   6 `Ω` is so busy reducing itself (the eternal narcissist) that it
   7 never gets around to noticing whether it has an argument, let alone
   8 doing anything with that argument.  If so, how could `Ω` have a
   9 fixed point?  That is, how could there be an `ξ` such that
  10 `Ω ξ <~~> ξ`?  To answer this
  11 question, begin by constructing `Y Ω`.  Prove that
  12 `Y Ω` is a fixed point for `Ω`.
  13
  14 3.  Find two different terms that have the same fixed point.  That is,
  15 find terms `F`, `G`, and `ξ` such that `F ξ <~~> ξ` and `G ξ
  16 <~~> ξ`.  (If you need a hint, reread the notes on fixed
  17 points.)
  18
  19
  20 ## Writing recursive functions ##
  21
  22 4.  Helping yourself to the functions given below,
  23 write a recursive function called `fact` that computes the factorial.
  24 The factorial `n! = n * (n - 1) * (n - 2) * ... * 3 * 2 * 1`.
  25 For instance, `fact 0 ~~> 1`, `fact 1 ~~> 1`, `fact 2 ~~> 2`, `fact 3 ~~>
  26 6`, and `fact 4 ~~> 24`.
  27
  28         let true = \y n. y in
  29         let false = \y n. n in
  30         let pair = \a b. \v. v a b in
  31         let fst = \a b. a in   ; aka true
  32         let snd = \a b. b in   ; aka false
  33         let zero = \s z. z in
  34         let succ = \n s z. s (n s z) in
  35         let zero? = \n. n (\p. false) true in
  36         let pred = \n. n (\p. p (\a b. pair (succ a) a)) (pair zero zero) snd in
  37         let add = \l r. r succ l in
  38         let mult = \l r. r (add l) 0 in
  39         let Y = \h. (\u. h (u u)) (\u. h (u u)) in
  40
  41         let fact = ... in
  42
  43         fac 4
  44
  45 5.  For this question, we want to implement **sets** of numbers in terms of lists of numbers, where we make sure as we construct those lists that they never contain a single number more than once. (It would be even more efficient if we made sure that the lists were always sorted, but we won't try to implement that refinement here.) To enforce the idea of modularity, let's suppose you don't know the details of how the lists are implemented. You just are given the functions defined below for them (but pretend you don't see the actual definitions). These define lists in terms of [[one of the new encodings discussed last week|/topics/week3_more_lists_]].
  46     <!--
  47     let empty? = \xs. xs (\y ys. false) true in
  48     let head = \xs. xs (\y ys. y) err in
  49     let tail = \xs. xs (\y ys. ys) empty in
  50     -->
  51
  52         ; all functions from the previous question, plus
  53         ; `num_cmp x y lt eq gt` returns lt when x<y, eq when x==y, gt when x>y
  54         let num_cmp = (\base build consume. \l r. r consume (l build base) fst)
  55                 ; where base is
  56                 (pair (\a b c. b) (K (\a b c. a)))
  57                 ; and build is
  58                 (\p. pair (\a b c. c) p)
  59                 ; and consume is
  60                 (\p. p fst p (p snd) (p snd)) in
  61         let num_equal? = \x y. num_cmp x y false true false in
  62         let neg = \b y n. b n y in
  63         let empty = \f n. n in
  64         let cons = \x xs. \f n. f x xs in
  65         let take_while = Y (\take_while. \p xs. xs (\y ys. (p y) (cons y (take_while p ys)) empty) empty) in
  66         let drop_while = Y (\drop_while. \p xs. xs (\y ys. (p y) (drop_while p ys) xs) empty) in
  67         ...
  68
  69     The functions `take_while` and `drop_while` work as described in [[Week 1's homework|assignment1]].
  70
  71     Using those resources, define a `set_cons` and a `set_equal?` function. The first should take a number argument `x` and a set argument `xs` (implemented as a list of numbers assumed to have no repeating elements), and return a (possibly new) set argument which contains `x`. (But make sure `x` doesn't appear in the result twice!) The `set_equal?` function should take two set arguments `xs` and `ys` and say whether they represent the same set. (Be careful, the lists `[1, 2]` and `[2, 1]` are different lists but do represent the same set. Hence, you can't just use the `list_equal?` function you defined in last week's homework.)
  72
  73     Here are some tips for getting started. Use `drop_while` and `num_equal?` to define a `mem?` function that returns `true` if number `x` is a member of a list of numbers `xs`, else returns `false`. Also use `take_while` and `drop_while` to define a `without` function that returns a copy of a list of numbers `xs` that omits the first occurrence of a number `x`, if there be such. You may find these functions `mem?` and `without` useful in defining `set_cons` and `set_equal?`. Also, for `set_equal?`, you are probably going to want to define the function recursively... as now you know how to do.
  74
  75
  76 6.  Questions about trees.
  77
  78
  79 ## Arithmetic infinity? ##
  80
  81 The next few questions involve reasoning about Church arithmetic and
  82 infinity.  Let's choose some arithmetic functions:
  83
  84     succ = \n s z. s (n s z)
  85     add = \l r. r succ l in
  86     mult = \l r. r (add l) 0 in
  87     exp = \base r. r (mult base) 1 in
  88
  89 There is a pleasing pattern here: addition is defined in terms of
  90 the successor function, multiplication is defined in terms of
  91 addition, and exponentiation is defined in terms of multiplication.
  92
  93
  94 1.  Find a fixed point `ξ` for the successor function.  Prove it's a fixed
  95 point, i.e., demonstrate that `succ ξ <~~> ξ`.
  96
  97     We've had surprising success embedding normal arithmetic in the lambda
  98 calculus, modeling the natural numbers, addition, multiplication, and
  99 so on.  But one thing that some versions of arithmetic supply is a
 100 notion of infinity, which we'll write as `inf`.  This object usually
 101 satisfies the following constraints, for any finite natural number `n`:
 102
 103         n + inf == inf
 104         n * inf == inf
 105         n ^ inf == inf
 106         leq n inf == true
 107
 108     (Note, though, that with some notions of infinite numbers, operations like `+` and `*` are defined in such a way that `inf + n` is different from `n + inf`, and does exceed `inf`.)
 109
 110 2. Prove that `add 1 ξ <~~> ξ`, where `ξ` is the fixed
 111 point you found in (1).  What about `add 2 ξ <~~> ξ`?
 112
 113 Comment: a fixed point for the successor function is an object such that it
 114 is unchanged after adding 1 to it.  It makes a certain amount of sense
 115 to use this object to model arithmetic infinity.  For instance,
 116 depending on implementation details, it might happen that `leq n ξ` is
 117 true for all (finite) natural numbers `n`.  However, the fixed point
 118 you found for `succ` may not be a fixed point for `mult n` or for
 119 `exp n`.
 120
 121
 122 ## Mutually-recursive functions ##
 123
 124 10. (Challenging.) One way to define the function `even?` is to have it hand off
 125 part of the work to another function `odd?`:
 126
 127         let even? = \x. (zero? x)
 128                         ; if x == 0 then result is
 129                         true
 130                         ; else result turns on whether x-1 is odd
 131                         (odd? (pred x))
 132
 133     At the same tme, though, it's natural to define `odd?` in such a way that it
 134 hands off part of the work to `even?`:
 135
 136         let odd? = \x. (zero? x)
 137                        ; if x == 0 then result is
 138                        false
 139                        ; else result turns on whether x-1 is even
 140                        (even? (pred x))
 141
 142     Such a definition of `even?` and `odd?` is called **mutually recursive**. If you
 143 trace through the evaluation of some sample numerical arguments, you can see
 144 that eventually we'll always reach a base step. So the recursion should be
 145 perfectly well-grounded:
 146
 147         even? 3
 148         ~~> (zero? 3) true (odd? (pred 3))
 149         ~~> odd? 2
 150         ~~> (zero? 2) false (even? (pred 2))
 151         ~~> even? 1
 152         ~~> (zero? 1) true (odd? (pred 1))
 153         ~~> odd? 0
 154         ~~> (zero? 0) false (even? (pred 0))
 155         ~~> false
 156
 157     But we don't yet know how to implement this kind of recursion in the Lambda
 158 Calculus.
 159
 160     The fixed point operators we've been working with so far worked like this:
 161
 162         let ξ = Y h in
 163         ξ <~~> h ξ
 164
 165     Suppose we had a pair of fixed point operators, `Y1` and `Y2`, that operated on
 166 a *pair* of functions `h` and `g`, as follows:
 167
 168         let ξ1 = Y1 h g in
 169         let ξ2 = Y2 h g in
 170         ξ1 <~~> h ξ1 ξ2 and
 171         ξ2 <~~> g ξ1 ξ2
 172
 173     If we gave you such a `Y1` and `Y2`, how would you implement the above
 174 definitions of `even?` and `odd?`?
 175
 176
 177 11. (More challenging.) Using our derivation of `Y` from [[this week's notes|topics/week4_fixed_point_combinators_]] as a model, construct a pair `Y1` and `Y2` that behave in the way described above.
 178
 179     Here is one hint to get you started: remember that in the notes, we constructed a fixed point for `h` by evolving it into `H` and using `H H` as `h`'s fixed point. We suggested the thought exercise, how might you instead evolve `h` into some `T` and then use `T T T` as `h`'s fixed point. Try solving this problem first. It may help give you the insights you need to define a `Y1` and `Y2`.