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 4.  Assume that `Ψ` is some fixed point combinator; we're not telling you which one. (You can just write `Psi` in your homework if you don't know how to generate the symbol `Ψ`.) Prove that `Ψ Ψ` is a fixed point of itself, that is, that `Ψ Ψ <~~> Ψ Ψ (Ψ Ψ)`.
  20
  21 <!-- Proof: YY --> Y(YY) --> YY(Y(YY)); YY(YY) --> YY(Y(YY)) -->
  22
  23
  24 ## Writing recursive functions ##
  25
  26 5.  Helping yourself to the functions given below,
  27 write a recursive function called `fact` that computes the factorial.
  28 The factorial `n! = n * (n - 1) * (n - 2) * ... * 3 * 2 * 1`.
  29 For instance, `fact 0 ~~> 1`, `fact 1 ~~> 1`, `fact 2 ~~> 2`, `fact 3 ~~>
  30 6`, and `fact 4 ~~> 24`.
  31
  32         let true = \y n. y in
  33         let false = \y n. n in
  34         let pair = \a b. \v. v a b in
  35         let fst = \a b. a in   ; aka true
  36         let snd = \a b. b in   ; aka false
  37         let zero = \s z. z in
  38         let succ = \n s z. s (n s z) in
  39         let zero? = \n. n (\p. false) true in
  40         let pred = \n. n (\p. p (\a b. pair (succ a) a)) (pair zero zero) snd in
  41         let add = \l r. r succ l in
  42         let mult = \l r. r (add l) 0 in
  43         let Y = \h. (\u. h (u u)) (\u. h (u u)) in
  44
  45         let fact = ... in
  46
  47         fac 4
  48
  49 6.  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_]].
  50     <!--
  51     let empty? = \xs. xs (\y ys. false) true in
  52     let head = \xs. xs (\y ys. y) err in
  53     let tail = \xs. xs (\y ys. ys) empty in
  54     -->
  55
  56         ; all functions from the previous question, plus
  57         ; `num_cmp x y lt eq gt` returns lt when x<y, eq when x==y, gt when x>y
  58         let num_cmp = (\base build consume. \l r. r consume (l build base) fst)
  59                 ; where base is
  60                 (pair (\a b c. b) (K (\a b c. a)))
  61                 ; and build is
  62                 (\p. pair (\a b c. c) p)
  63                 ; and consume is
  64                 (\p. p fst p (p snd) (p snd)) in
  65         let num_equal? = \x y. num_cmp x y false true false in
  66         let neg = \b y n. b n y in
  67         let empty = \f n. n in
  68         let cons = \x xs. \f n. f x xs in
  69         let take_while = Y (\take_while. \p xs. xs (\y ys. (p y) (cons y (take_while p ys)) empty) empty) in
  70         let drop_while = Y (\drop_while. \p xs. xs (\y ys. (p y) (drop_while p ys) xs) empty) in
  71         ...
  72
  73     The functions `take_while` and `drop_while` work as described in [[Week 1's homework|assignment1]].
  74
  75     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.)
  76
  77     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.
  78
  79
  80 7.  Questions about trees.
  81
  82
  83 ## Arithmetic infinity? ##
  84
  85 The next few questions involve reasoning about Church arithmetic and
  86 infinity.  Let's choose some arithmetic functions:
  87
  88     succ = \n s z. s (n s z)
  89     add = \l r. r succ l in
  90     mult = \l r. r (add l) 0 in
  91     exp = \base r. r (mult base) 1 in
  92
  93 There is a pleasing pattern here: addition is defined in terms of
  94 the successor function, multiplication is defined in terms of
  95 addition, and exponentiation is defined in terms of multiplication.
  96
  97
  98 8.  Find a fixed point `ξ` for the successor function.  Prove it's a fixed
  99 point, i.e., demonstrate that `succ ξ <~~> ξ`.
 100
 101     We've had surprising success embedding normal arithmetic in the lambda
 102 calculus, modeling the natural numbers, addition, multiplication, and
 103 so on.  But one thing that some versions of arithmetic supply is a
 104 notion of infinity, which we'll write as `inf`.  This object usually
 105 satisfies the following constraints, for any finite natural number `n`:
 106
 107         n + inf == inf
 108         n * inf == inf
 109         n ^ inf == inf
 110         leq n inf == true
 111
 112     (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`.)
 113
 114 9. Prove that `add 1 ξ <~~> ξ`, where `ξ` is the fixed
 115 point you found in (1).  What about `add 2 ξ <~~> ξ`?
 116
 117 Comment: a fixed point for the successor function is an object such that it
 118 is unchanged after adding 1 to it.  It makes a certain amount of sense
 119 to use this object to model arithmetic infinity.  For instance,
 120 depending on implementation details, it might happen that `leq n ξ` is
 121 true for all (finite) natural numbers `n`.  However, the fixed point
 122 you found for `succ` may not be a fixed point for `mult n` or for
 123 `exp n`.
 124
 125
 126 ## Mutually-recursive functions ##
 127
 128 10. (Challenging.) One way to define the function `even?` is to have it hand off
 129 part of the work to another function `odd?`:
 130
 131         let even? = \x. (zero? x)
 132                         ; if x == 0 then result is
 133                         true
 134                         ; else result turns on whether x-1 is odd
 135                         (odd? (pred x))
 136
 137     At the same tme, though, it's natural to define `odd?` in such a way that it
 138 hands off part of the work to `even?`:
 139
 140         let odd? = \x. (zero? x)
 141                        ; if x == 0 then result is
 142                        false
 143                        ; else result turns on whether x-1 is even
 144                        (even? (pred x))
 145
 146     Such a definition of `even?` and `odd?` is called **mutually recursive**. If you
 147 trace through the evaluation of some sample numerical arguments, you can see
 148 that eventually we'll always reach a base step. So the recursion should be
 149 perfectly well-grounded:
 150
 151         even? 3
 152         ~~> (zero? 3) true (odd? (pred 3))
 153         ~~> odd? 2
 154         ~~> (zero? 2) false (even? (pred 2))
 155         ~~> even? 1
 156         ~~> (zero? 1) true (odd? (pred 1))
 157         ~~> odd? 0
 158         ~~> (zero? 0) false (even? (pred 0))
 159         ~~> false
 160
 161     But we don't yet know how to implement this kind of recursion in the Lambda
 162 Calculus.
 163
 164     The fixed point operators we've been working with so far worked like this:
 165
 166         let ξ = Y h in
 167         ξ <~~> h ξ
 168
 169     Suppose we had a pair of fixed point operators, `Y1` and `Y2`, that operated on
 170 a *pair* of functions `h` and `g`, as follows:
 171
 172         let ξ1 = Y1 h g in
 173         let ξ2 = Y2 h g in
 174         ξ1 <~~> h ξ1 ξ2 and
 175         ξ2 <~~> g ξ1 ξ2
 176
 177     If we gave you such a `Y1` and `Y2`, how would you implement the above
 178 definitions of `even?` and `odd?`?
 179
 180
 181 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.
 182
 183     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`.