9c32b04ed8864c1b76cb5762fc2a086debee04a7
1 [[!toc levels=2]]
3 Sometimes when you type in a web search, Google will suggest
4 alternatives.  For instance, if you type in "Lingusitics", it will ask
5 you "Did you mean Linguistics?".  But the engineers at Google have
6 added some playfulness to the system.  For instance, if you search for
7 "anagram", Google asks you "Did you mean: nag a ram?"  And if you
10 ## What is the "rec" part of "letrec" doing? ##
12 How could we compute the length of a list? Without worrying yet about what Lambda Calculus encoding we're using for the list, the basic idea is to define this recursively:
14 >   the empty list has length 0
16 >   any non-empty list has length 1 + (the length of its tail)
18 In OCaml, you'd define that like this:
20     let rec length = fun xs ->
21                        if xs = [] then 0
22                                   else 1 + length (List.tl xs)
23     in ... (* here you go on to use the function "length" *)
25 In Scheme you'd define it like this:
27     (letrec [(length (lambda (xs)
28                        (if (null? xs) 0
29                                       (+ 1 (length (cdr xs))) )))]
30             ... ; here you go on to use the function "length"
31     )
35 1. `null?` is Scheme's way of saying `empty?`. That is, `(null? xs)` returns true (which Scheme writes as `#t`) iff `xs` is the empty list (which Scheme writes as `'()` or `(list)`).
37 2. `cdr` is function that gets the tail of a Scheme list. (By definition, it's the function for getting the second member of a [[dotted pair|week3_unit#imp]]. As we discussed in notes for last week, it just turns out to return the tail of a list because of the particular way Scheme implements lists.) `List.tl` is the function that gets the tail of an OCaml list.
39 3.  We alternate between `[ ]`s and `( )`s in the Scheme code just to make it more readable. These have no syntactic difference.
42 The main question for us to dwell on here is: What are the `let rec` in the OCaml code and the `letrec` in the Scheme code?
44 Answer: These work a lot like `let` expressions, except that they let you use the variable `length` *inside* the body of the function being bound to it --- with the understanding that it will there be bound to *the same function* that you're *then* in the process of binding `length` to. So our recursively-defined function works the way we'd expect it to. Here is OCaml:
46     let rec length = fun xs ->
47                        if xs = [] then 0
48                                   else 1 + length (List.tl xs)
49     in length [20; 30]
50     (* this evaluates to 2 *)
52 Here is Scheme:
54     (letrec [(length (lambda (xs)
55                        (if (null? xs) 0
56                                       (+ 1 (length (cdr xs))) )))]
57       (length (list 20 30)))
58     ; this evaluates to 2
60 If you instead use an ordinary `let` (or `let*`), here's what would happen, in OCaml:
62     let length = fun xs ->
63                    if xs = [] then 0
64                               else 1 + length (List.tl xs)
65     in length [20; 30]
66     (* fails with error "Unbound value length" *)
68 Here's Scheme:
70     (let* [(length (lambda (xs)
71                      (if (null? xs) 0
72                                     (+ 1 (length (cdr xs))) )))]
73       (length (list 20 30)))
74     ; fails with error "reference to undefined identifier: length"
76 Why? Because we said that constructions of this form:
78     let
79       length match/= A
80     in B
82 really were just another way of saying:
84     (\length. B) A
86 and so the occurrences of `length` in A *aren't bound by the `\length` that wraps B*. Those occurrences are free.
88 We can verify this by wrapping the whole expression in a more outer binding of `length` to some other function, say the constant function from any list to the integer `99`:
90     let length = fun xs -> 99
91     in let length = fun xs ->
92                       if xs = [] then 0
93                                  else 1 + length (List.tl xs)
94     in length [20; 30]
95     (* evaluates to 1 + 99 *)
97 Here the use of `length` in `1 + length (List.tl xs)` can clearly be seen to be bound by the outermost `let`.
99 And indeed, if you tried to define `length` in the Lambda Calculus, how would you do it?
101     \xs. (empty? xs) 0 (succ (length (tail xs)))
103 We've defined all of `empty?`, `0`, `succ`, and `tail` in earlier discussion. But what about `length`? That's not yet defined! In fact, that's the very formula we're trying here to specify.
105 What we really want to do is something like this:
107     \xs. (empty? xs) 0 (succ ((...) (tail xs)))
109 where this very same formula occupies the `...` position:
111     \xs. (empty? xs) 0 (succ (
112     \xs. (empty? xs) 0 (succ ((...) (tail xs)))
113                                   ) (tail xs)))
115 but as you can see, we'd still have to plug the formula back into itself again, and again, and again... No dice.
117 So how could we do it? And how do OCaml and Scheme manage to do it, with their `let rec` and `letrec`?
119 1.  OCaml and Scheme do it using a trick. Well, not a trick. Actually an impressive, conceptually deep technique, which we haven't yet developed. Since we want to build up all the techniques we're using by hand, then, we shouldn't permit ourselves to rely on `let rec` or `letrec` until we thoroughly understand what's going on under the hood.
121 2.  If you tried this in Scheme:
123         (define length (lambda (xs)
124                          (if (null? xs) 0
125                                         (+ 1 (length (cdr xs))) )))
127         (length (list 20 30))
129     You'd find that it works! This is because `define` in Scheme is really shorthand for `letrec`, not for plain `let` or `let*`. So we should regard this as cheating, too.
131 3.  In fact, it *is* possible to define the `length` function in the Lambda Calculus despite these obstacles, without yet knowing how to implement `letrec` in general. We've already seen how to do it, using our right-fold (or left-fold) encoding for lists, and exploiting their internal structure. Those encodings take a function and a seed value and returns the result of folding that function over the list, with that seed value. So we could use this as a definition of `length`:
133         \xs. xs (\x sofar. succ sofar) 0
135     What's happening here? We start with the value `0`, then we apply the function `\x sofar. succ sofar` to the two arguments <code>x<sub>n</sub></code> and `0`, where <code>x<sub>n</sub></code> is the last element of the list. This gives us `succ 0`, or `1`. That's the value we've accumulated "so far." Then we go apply the function `\x sofar. succ sofar` to the two arguments <code>x<sub>n-1</sub></code> and the value `1` that we've accumulated "so far." This gives us `2`. We continue until we get to the start of the list. The value we've then built up "so far" will be the length of the list.
137     We can use similar techniques to define many recursive operations on
138 lists and numbers. The reason we can do this is that our
139 fold-based encoding of lists, and Church's encodings of
140 numbers, have a internal structure that *mirrors* the common recursive
141 operations we'd use lists and numbers for.  In a sense, the recursive
142 structure of the `length` operation is built into the data
143 structure we are using to represent the list.  The non-recursive
144 definition of length, above, exploits this embedding of the recursion into
145 the data type.
147     This illustrates what will be one of the recurring themes of the course: using data structures to
148 encode the state of some recursive operation.  See our discussions later this semester of the
149 [[zipper]] technique, and [[defunctionalization]].
151 As we've seen, it does take some ingenuity to define functions like `tail` or `pred` for our right-fold encoding of lists. However it can be done. (And it's not *that* difficult.) Given those functions, we can go on to define other functions like numeric equality, subtraction, and so on, just by exploiting the structure already present in our implementation of lists and numbers.
153 With sufficient ingenuity, a great many functions can be defined in the same way. For example, the factorial function is straightforward. The function which returns the *n*th term in the Fibonacci series is a bit more difficult, but also achievable.
155 ## Some functions require full-fledged recursive definitions ##
157 However, some computable functions are just not definable in this
158 way. We can't, for example, define a function that tells us, for
159 whatever function `f` we supply it, what is the smallest natural number `x`
160 where `f x` is `true` (even if `f` itself is a function we do already know how to define).
162 Neither do the resources we've so far developed suffice to define the
163 [[!wikipedia Ackermann function]]. In OCaml:
165     let rec A = fun (m,n) ->
166       if      m = 0 then n + 1
167       else if n = 0 then A(m-1,1)
168       else               A(m-1, A(m,n-1));;
170     A(0,y) = y+1
171     A(1,y) = 2+(y+3) - 3
172     A(2,y) = 2(y+3) - 3
173     A(3,y) = 2^(y+3) - 3
174     A(4,y) = 2^(2^(2^...2)) (* where there are y+3 2s *) - 3
175     ...
177 Many simpler functions always *could* be defined using the resources we've so far developed, although those definitions won't always be very efficient or easily intelligible.
179 But functions like the Ackermann function require us to develop a more general technique for doing recursion --- and having developed it, it will often be easier to use it even in the cases where, in principle, we didn't have to.
181 The example used to illustrate this in Chapter 9 of *The Little Schemer* is a function `looking` where:
183     (looking '(6 2 4 caviar 5 7 3))
185 returns `#t`, because if we follow the path from the head of the list argument, `6`, to the sixth element of the list, `7` (the authors of that book count positions starting from 1, though generally Scheme follows the convention of counting positions starting from 0), and then proceed to the seventh element of the list, `3`, and then proceed to the third element of the list, `4`, and the proceed to the fourth element of the list, we find the `'caviar` we are looking for. On other hand, if we say:
187     (looking '(6 2 grits caviar 5 7 3))
189 our path will take us from `6` to `7` to `3` to `grits`, which is not a number but not the `'caviar` we were looking for either. So this returns `#f`. It would be very difficult to define these functions without recourse to something like `letrec` or `define`, or the techniques developed below (and also in that chapter of *The Little Schemer*).
192 ## Using fixed-point combinators to define recursive functions ##
194 ### Fixed points ###
196 In mathematics, a **fixed point** of a function `f` is any value `ξ`
197 such that `f ξ` is equivalent to `ξ`. For example,
198 consider the squaring function `square` that maps natural numbers to their squares.
199 `square 2 = 4`, so `2` is not a fixed point.  But `square 1 = 1`, so `1` is a
200 fixed point of the squaring function. (Can you think of another?)
202 There are many beautiful theorems guaranteeing the existence of a
203 fixed point for various classes of interesting functions.  For
204 instance, imagine that you are looking at a map of Manhattan, and you
205 are standing somewhere in Manhattan.  Then the [[!wikipedia Brouwer
206 fixed-point theorem]] guarantees that there is a spot on the map that is
207 directly above the corresponding spot in Manhattan.  It's the spot on the map
208 where the blue you-are-here dot should go.
210 Whether a function has a fixed point depends on the domain of arguments
211 it is defined for.  For instance, consider the successor function `succ`
212 that maps each natural number to its successor.  If we limit our
213 attention to the natural numbers, then this function has no fixed
214 point.  (See the discussion below concerning a way of understanding
215 the successor function on which it *does* have a fixed point.)
217 In the Lambda Calculus, we say a fixed point of a term `f` is any *term* `ξ` such that:
219     ξ <~~> f ξ
221 This is a bit different than the general mathematical definition, in that here we're saying it is *terms* that are fixed points, not *values*. We like to think that some lambda terms represent values, such as our term `\f z. z` representing the numerical value zero (and also the truth-value false, and also the empty list... on the other hand, we never did explicitly agree that those three values are all the same thing, did we?). But some terms in the Lambda Calculus don't even have a normal form. We don't want to count them as *values*. Yet the way we're proposing to use the notion of a fixed point here, they too are allowed to be fixed points, and to have fixed points of their own.
223 Note that `M <~~> N` doesn't entail that `M` and `N` have a normal form (though if they do, they will have the same normal form). It just requires that there be some term that they both reduce to. It may be that *that* term itself never stops being reducible.
225 You should be able to immediately provide a fixed point of the
226 identity combinator `I`.  In fact, you should be able to provide a
227 whole bunch of distinct fixed points.
229 With a little thought, you should be able to provide a fixed point of
230 the false combinator, `KI`.  Here's how to find it: recall that `KI`
231 throws away its first argument, and always returns `I`.  Therefore, if
232 we give it `I` as an argument, it will throw away the argument, and
233 return `I`.  So `KII` ~~> `I`, which is all it takes for `I` to qualify as a
234 fixed point of `KI`.
236 What about `K`?  Does it have a fixed point?  You might not think so,
237 after trying on paper for a while.
239 However, it's a theorem of the Lambda Calculus that *every* lambda term has
240 a fixed point. Even bare variables like `x`! In fact, they will have infinitely many, non-equivalent
241 fixed points. And we don't just know that they exist: for any given
242 formula, we can explicit define many of them.
244 (As we mentioned, even the formula that you're using the define
245 the successor function will have a fixed point. Isn't that weird? There's some `ξ` such that it is equivalent to `succ ξ`?
246 Think about how it might be true.  We'll return to this point below.)
249 ### How fixed points help define recursive functions ###
251 Recall our initial, abortive attempt above to define the `length` function in the Lambda Calculus. We said:
253 >   What we really want to do is something like this:
255 >       \xs. (empty? xs) 0 (succ ((...) (tail xs)))
257 >   where this very same formula occupies the `...` position...
259 Imagine replacing the `...` with some expression `LENGTH` that computes the
260 length function. Then we have
262     \xs. (empty? xs) 0 (succ (LENGTH (tail xs)))
264 (More generally, we might have some lambda term `Φ[...SELF...]` where we
265 want the contained `SELF` to refer to that very lambda term `Φ[...SELF...]`.)
267 At this point, we have a definition of the length function, though
268 it's not complete, since we don't know what value to use for the
269 symbol `LENGTH`.  Technically, it has the status of an unbound
270 variable.
272 <a id=little-h></a>
273 Imagine now binding the mysterious variable, and calling the resulting
274 term `h`:
276     h ≡ \length \xs. (empty? xs) 0 (succ (length (tail xs)))
278 (More generally, convert `Φ[...SELF...]` to `\body. Φ[...body...]`, where
279 the variable `body` wants to be bound to the very lambda term that is that abstract's body.)
281 Now we have no unbound variables, and we have complete non-recursive
282 definitions of each of the other symbols (`empty?`, `0`, `succ`, and `tail`).
284 So `h` takes a `length` argument, and returns a function that accurately
285 computes the length of a list --- as long as the argument we supply is
286 already the length function we are trying to define.  (Dehydrated
287 water: to reconstitute, just add water!)
289 Here is where the discussion of fixed points becomes relevant.  Saying
290 that `h` is looking for an argument (call it `LENGTH`) that has the same
291 behavior as the result of applying `h` to `LENGTH` is just another way of
292 saying that we are looking for a fixed point for `h`:
294     h LENGTH <~~> LENGTH
296 Replacing `h` with its definition, we have:
298     (\xs. (empty? xs) 0 (succ (LENGTH (tail xs)))) <~~> LENGTH
300 If we can find a value for `LENGTH` that satisfies this constraint, we'll
301 have a function we can use to compute the length of an arbitrary list.
302 All we have to do is find a fixed point for `h`.
304 Let's reinforce this. The left-hand side has the form:
306     (\body. Φ[...body...]) LENGTH
308 which beta-reduces to:
310     Φ[...LENGTH...]
312 where that whole formula is convertible with the term `LENGTH` itself. In other words, the term `Φ[...LENGTH...]` contains (a term that convertible with) itself --- despite being only finitely long. (If it had to contain a term *syntactically identical to* itself, this could not be achieved.)
314 The key to achieving all this is finding a fixed point for `h`. The strategy we will present will turn out to be a general way of
315 finding a fixed point for any lambda term.
318 <a id=deriving-y></a>
319 ## Deriving Y, a fixed point combinator ##
321 How shall we begin?  Well, we need to find an argument to supply to
322 `h`.  The argument has to be a function that computes the length of a
323 list.  The function `h` is *almost* a function that computes the
324 length of a list.  Let's try applying `h` to itself.  It won't quite
325 work, but examining the way in which it fails will lead to a solution.
327     h h <~~> \xs. (empty? xs) 0 (succ (h (tail xs)))
329 The problem is that in the subexpression `h (tail xs)`, we've
330 applied `h` to a list, but `h` expects as its first argument the
331 length function.
333 So let's adjust `h`, calling the adjusted function `H`. (We'll use `u` as the variable
334 that expects to be bound to the as-yet-*unknown* argument, rather than `length`. This will make it easier
335 to discuss generalizations of this strategy.)
337     h ≡ \length \xs. (empty? xs) 0 (succ (length (tail xs)))
338     H ≡ \u      \xs. (empty? xs) 0 (succ ((u u)  (tail xs)))
340 (We'll discuss the general case, when you're starting from `\body. Φ[...body...]` rather than this specific `h`, below.)
342 Shifting to `H` is the key creative step.  Instead of applying `u` to a list, as happened
343 when we self-applied `h`, `H` applies its argument `u` first to *itself*: `u u`.
344 After `u` gets an argument, the *result* is ready to apply to a list, so we've solved the problem noted above with `h (tail xs)`.
345 We're not done yet, of course; we don't yet know what argument `u` to give
346 to `H` that will behave in the desired way.
348 So let's reason about `H`.  What exactly is `H` expecting as its first
349 argument?  Based on the excerpt `(u u) (tail xs)`, it appears that
350 `H`'s argument, `u`, should be a function that is ready to take itself
351 as an argument, and that returns a function that takes a list as an
352 argument.  `H` itself fits the bill:
354     H H <~~> (\u \xs. (empty? xs) 0 (succ ((u u) (tail xs)))) H
356         <~~>     \xs. (empty? xs) 0 (succ ((H H) (tail xs)))
358         <~~>     \xs. (empty? xs) 0 (succ ((
359                  \xs. (empty? xs) 0 (succ ((H H) (tail xs)))
360                                                ) (tail xs)))
361         <~~>     \xs. (empty? xs) 0 (succ (
362                       (empty? (tail xs)) 0 (succ ((H H) (tail (tail xs))))
363                                                           ))
364         <~~>     \xs. (empty? xs) 0 (succ (
365                       (empty? (tail xs)) 0 (succ (
366                  \xs. (empty? xs) 0 (succ ((H H) (tail xs)))
367                                                       ) (tail (tail xs))))
368                                                           ))
369         <~~>     \xs. (empty? xs) 0 (succ (
370                       (empty? (tail xs)) 0 (succ (
371                       (empty? (tail (tail xs))) 0 (succ ((H H) (tail (tail (tail xs)))))
372                                                                         ))
373                                                           ))
374         <~~>     ...
378 ### How does the recursion work? ###
380 We've defined `H` in such a way that `H H` turns out to be the length function.
381 That is, `H H` is the `LENGTH` we were looking for.
382 In order to evaluate `H H`, we substitute `H` into the body of the
383 lambda term `H`.  Inside that lambda term, once the substitution has
384 occurred, we are once again faced with evaluating `H H`.  And so on.
386 We've got the (potentially) infinite regress we desired, defined in terms of a
387 finite lambda term with no undefined symbols.
389 Since `H H` turns out to be the length function, we can think of `H`
390 by itself as *half* of the length function (which is why we called it
391 `H`, of course).  (Thought exercise: Can you think up a recursion strategy that involves
392 "dividing" the recursive function into equal thirds `T`, such that the
393 length function <~~> `T T T`?)
395 We've starting with a particular recursive definition, and arrived at
396 a fixed point for that definition.
397 What's the general recipe?
399 1.   Start with a formula `h` that takes the recursive function you're seeking as an argument: `h ≡ \length. ...length...` (This is what we also called `\body. Φ[...body...]`.)
400 2.   Next, define `H ≡ \u. h (u u)`
401 3.   Then compute `H H ≡ ((\u. h (u u)) (\u. h (u u)))`
402 4.   That's the fixed point of `h`, the recursive function you're seeking.
404 Expressed in terms of a single formula, here is this method for taking an arbitrary `h`-style term and returning
405 that term's fixed point, which will be the recursive function that term expects as an argument:
407      Y ≡ \h. (\u. h (u u)) (\u. h (u u))
409 Let's test that `Y h` will indeed be `h`'s fixed point:
411     Y h  ≡ (\h. (\u. h (u u)) (\u. h (u u))) h
412        ~~>      (\u. h (u u)) (\u. h (u u))
413        ~~>           h ((\u. h (u u)) (\u. h (u u)))
415 But the argument of `h` in the last line is just the same as the second line, which `<~~> Y h`. So the last line `<~~> h (Y h)`. In other words, `Y h <~~> h (Y h)`. So by definition, `Y h` is a fixed point for `h`.
417 Works!
419 ## A fixed point for K? ##
421 Let's do one more example to illustrate.  We'll do `K` (boolean true), since we
422 wondered above whether it had a fixed point.
424 Before we begin, we can reason a bit about what the fixed point must
425 be like.  We're looking for a fixed point for `K`, i.e., `\x y. x`. The term `K`
426 ignores its second argument.  That means that no matter what we give
427 `K` as its first argument, the result will ignore the next argument
428 (that is, `K ξ` ignores its first argument, no matter what `ξ` is).  So
429 if `K ξ <~~> ξ`, `ξ` had also better ignore its first argument.  But we
430 also have `K ξ ≡ (\x y. x) ξ ~~> \y. ξ`.  This means that if `ξ` ignores
431 its first argument, then `K ξ <~~> \y. ξ` will ignore its first two arguments.
432 So once again, if `K ξ <~~> ξ`, `ξ` also had better ignore (at least) its
433 first two arguments.  Repeating this reasoning, we realize that `ξ` here
434 must be a function that ignores as many arguments as you give it.
436 Our expectation, then, is that our recipe for finding fixed points
437 will build us a term that somehow manages to ignore arbitrarily many arguments.
439     h     ≡ \x y. x
440     H     ≡ \u. h (u u)
441           ≡ \u. (\x y. x) (u u)
442         ~~> \u.    \y. u u
443     H H ~~> (\u y. u u) (\u y. u u)
444         ~~>    \y. (\u y. u u) (\u y. u u)
446 Let's check that it is in fact a fixed point for `K`:
448     K (H H) ~~> (\x y. x) ((\u y. u u) (\u y. u u))
449             ~~>    \y. (\u y. u u) (\u y. u u)
451 Yep, `H H` and `K (H H)` both reduce to the same term.
453 To see what this fixed point does, let's reduce it a bit more:
455     H H ~~> (\u y. u u) (\u y. u u)
456         ~~>    \y. (\u y. u u) (\u y. u u)
457         ~~>    \y.    \y. (\u y. u u) (\u y. u u)
458         ~~>    \y.    \y.    \y. (\u y. u u) (\u y. u u)
460 Sure enough, this fixed point ignores an endless, arbitrarily-long series of
461 arguments.  It's a write-only memory, a black hole.
463 Now that we have one fixed point, we can find others, for instance,
465     (\uy.[uu]u) (\uy.uuu)
466     ~~> \y. [(\uy.uuu) (\uy.uuu)] (\uy.uuu)
467     ~~> \y. [\y. (\uy.uuu) (\uy.uuu) (\uy.uuu)] (\uy.uuu)
468     ~~> \yyy. (\uy.uuu) (\uy.uuu) (\uy.uuu) (\uy.uuu) (\uy.uuu)
470 Continuing in this way, you can now find an infinite number of fixed
471 points, all of which have the crucial property of ignoring an infinite
472 series of arguments.
474 ## A fixed point for succ? ##
476 As we've seen, the recipe just given for finding a fixed point worked
477 great for our `h`, which we wrote as a definition for the length
478 function.  But the recipe doesn't make any assumptions about the
479 internal structure of the term it works with.  That means it can
480 find a fixed point for literally any lambda term whatsoever.
482 In particular, what could the fixed point for (our encoding of) the
483 successor function possibly be like?
485 Well, you might think, only some of the formulas that we might give to `succ` as arguments would really represent numbers. If we said something like:
487     succ pair
489 who knows what we'd get back? Perhaps there's some non-number-representing formula such that when we feed it to `succ` as an argument, we get the same formula back.
491 Yes! That's exactly right. And which formula this is will depend on the particular way you've encoded the successor function.
493 One (by now obvious) upshot is that the recipes that enable us to name
494 fixed points for any given formula `h` aren't *guaranteed* to give us
495 *terminating, normalizing* fixed points. They might give us formulas `ξ` such that
496 neither `ξ` nor `h ξ` have normal forms. (Indeed, what they give us
497 for the `square` function isn't any of the Church numerals, but is
498 rather an expression with no normal form.) However, if we take care we
499 can ensure that we *do* get terminating fixed points. And this gives
500 us a principled, fully general strategy for doing recursion. It lets
501 us define even functions like the Ackermann function, which were until
502 now out of our reach. It would also let us define list
503 functions on [[the encodings we discussed last week|week3_lists#other-lists]], where it
504 wasn't always clear how to force the computation to "keep going."
506 ## Varieties of fixed-point combinators ##
508 Many fixed-point combinators have been discovered. (And as we've seen, some
509 fixed-point combinators give us models for building infinitely many
510 more, non-equivalent fixed-point combinators.)
512 Two of the simplest:
514     Θ′ ≡ (\u h. h (\n. u u h n)) (\u h. h (\n. u u h n))
515     Y′ ≡ \h. (\u. h (\n. u u n)) (\u. h (\n. u u n))
517 Applying either of these to a term `h` gives a fixed point `ξ` for `h`, meaning that `h ξ` <~~> `ξ`. The combinator `Θ′` has the advantage that `h (Θ′ h)` really *reduces to* `Θ′ h`. Whereas `h (Y′ h)` is only *convertible with* `Y′ h`; that is, there's a common formula they both reduce to. For most purposes, though, either will do.
519 You may notice that both of these formulas have eta-redexes inside them: why can't we simplify the two `\n. u u h n` inside `Θ′` to just `u u h`? And similarly for `Y′`?
521 Indeed you can, getting the simpler:
523     Θ ≡ (\u h. h (u u h)) (\u h. h (u u h))
524     Y ≡ \h. (\u. h (u u)) (\u. h (u u))
526 We stated the more complex formulas for the following reason: in a language whose evaluation order is *call-by-value*, the evaluation of `Θ (\body. BODY)` and `Y (\body. BODY)` won't terminate. But evaluation of the eta-unreduced primed versions may.
528 Of course, if you define your `\body. BODY` stupidly, your formula won't terminate, no matter what fixed point combinator you use. For example, let `Ψ` be any fixed point combinator in:
530     Ψ (\body. \n. body n)
532 When you try to evaluate the application of that to some argument `M`, it's going to try to give you back:
534     (\n. BODY n) M
536 where `BODY` is equivalent to the very formula `\n. BODY n` that contains it. So the evaluation will proceed:
538     (\n. BODY n) M ~~>
539     BODY M <~~>
540     (\n. BODY n) M ~~>
541     BODY M <~~>
542     ...
544 You've written an infinite loop! (This is like the function `eternity` in Chapter 9 of *The Little Schemer*.)
546 However, when we evaluate the application of our:
548     Ψ (\body. (\xs. (empty? xs) 0 (succ (body (tail xs))) ))
550 to some list, we're *not* going to go into an infinite evaluation loop of that sort. At each cycle, we're going to be evaluating the application of:
552     \xs. (empty? xs) 0 (succ (body (tail xs)))
554 to *the tail* of the list we were evaluating its application to at the previous stage. Assuming our lists are finite (and the encodings we've been using so far don't permit otherwise), at some point one will get a list whose tail is empty, and then the evaluation of that formula to that tail will return `0`. So the recursion eventually bottoms out in a base value.
557 ## Fixed-point Combinators Are a Bit Intoxicating ##
559 [[tatto|/images/y-combinator-fixed.png]]
561 There's a tendency for people to say "Y-combinator" to refer to fixed-point combinators generally. We'll probably fall into that usage ourselves. Speaking correctly, though, the Y-combinator is only one of many fixed-point combinators.
563 We used `Ψ` above to stand in for an arbitrary fixed-point combinator. We don't know of any broad conventions for this. But this seems a useful one.
565 As we said, there are many other fixed-point combinators as well. For example, Jan Willem Klop pointed out that if we define `L` to be:
567     \a b c d e f g h i j k l m n o p q s t u v w x y z r. (r (t h i s i s a f i x e d p o i n t c o m b i n a t o r))
569 then this is a fixed-point combinator:
571     L L L L L L L L L L L L L L L L L L L L L L L L L L
574 ## Sink: watching Y in action ##
576 For those of you who like to watch ultra slow-mo movies of bullets
577 piercing apples, here's a stepwise computation of the application of a
578 recursive function.  We'll use a function `sink`, which takes one
579 argument.  If the argument is boolean true (i.e., `\y n. y`), it
580 returns itself (a copy of `sink`); if the argument is boolean false
581 (`\y n. n`), it returns `I`.  That is, we want the following behavior:
583     sink false <~~> I
584     sink true false <~~> I
585     sink true true false <~~> I
586     sink true true true false <~~> I
588 To get this behavior, we want `sink` to be the fixed point
589 of `\sink. \b. b sink I`. That is, `sink ≡ Y (\sb.bsI)`:
591     1. sink false
592     2. Y (\sb.bsI) false
593     3. (\h. (\u. h [u u]) (\u. h (u u))) (\sb.bsI) false
594     4. (\u. (\sb.bsI) [u u]) (\u. (\sb.bsI) (u u)) false
595     5. (\sb.bsI) [(\u. (\sb.bsI) (u u)) (\u. (\sb.bsI) (u u))] false
596     6. (\b. b [(\u. (\sb.bsI) (u u))(\u. (\sb.bsI) (u u))] I) false
597     7. false [(\u. (\sb.bsI) (u u))(\u. (\sb.bsI) (u u))] I
598              --------------------------------------------
599     8. I
601 So far so good.  The crucial thing to note is that as long as we
602 always reduce the outermost redex first, we never have to get around
603 to computing the underlined redex: because `false` ignores its first
604 argument, we can throw it away unreduced.
606 Now we try the next most complex example:
608     1. sink true false
609     2. Y (\sb.bsI) true false
610     3. (\h. (\u. h [u u]) (\u. h (u u))) (\sb.bsI) true false
611     4. (\u. (\sb.bsI) [u u]) (\u. (\sb.bsI) (u u)) true false
612     5. (\sb.bsI) [(\u. (\sb.bsI) (u u)) (\u. (\sb.bsI) (u u))] true false
613     6. (\b. b [(\u. (\sb.bsI) (u u)) (\u. (\sb.bsI) (u u))] I) true false
614     7. true [(\u. (\sb.bsI) (u u)) (\u. (\sb.bsI) (u u))] I false
615     8. [(\u. (\sb.bsI) (u u)) (\u. (\sb.bsI) (u u))] false
617 We've now arrived at line (4) of the first computation, so the result
618 is again `I`.
620 You should be able to see that `sink` will consume as many `true`s as
621 we throw at it, then turn into the identity function when it
622 encounters the first `false`.
624 The key to the recursion is that, thanks to `Y`, the definition of
625 `sink` contains within it the ability to fully regenerate itself as
626 many times as is necessary.  The key to *ending* the recursion is that
627 the behavior of `sink` is sensitive to the nature of the input: if the
628 input is the magic function `false`, the self-regeneration machinery
629 will be discarded, and the recursion will stop.
631 That's about as simple as recursion gets.
634 ## Base cases, and their lack ##
636 As any functional programmer quickly learns, writing a recursive
637 function divides into two tasks: figuring out how to handle the
638 recursive case, and *remembering to insert a base case*.  The
639 interesting and enjoyable part is figuring out the recursive pattern,
640 but the base case cannot be ignored, since leaving out the base case
641 creates a program that runs forever.  For instance, consider computing
642 a factorial: `n!` is `n * (n-1) * (n-2) * ... * 1`.  The recursive
643 case says that the factorial of a number `n` is `n` times the
644 factorial of `n-1`.  But if we leave out the base case, we get
646     3! = 3 * 2! = 3 * 2 * 1! = 3 * 2 * 1 * 0! = 3 * 2 * 1 * 0 * -1! ...
648 That's why it's crucial to declare that `0!` = `1`, in which case the
649 recursive rule does not apply.  In our terms,
651     fact ≡ Y (\fact n. (zero? n) 1 (fact (pred n)))
653 If `n` is `0`, `fact` reduces to `1`, without computing the recursive case.