reword assignment 2
[lambda.git] / week2.mdwn
1 [[!toc]]
2
3 Substitution and Alpha-Conversion
4 =================================
5
6 Intuitively, (a) and (b) express the application of the same function to the argument `y`:
7
8 <OL type=a>
9 <LI><code>(\x. \z. z x) y</code>
10 <LI><code>(\x. \y. y x) y</code>
11 </OL>
12
13 One can't just rename variables freely. (a) and (b) are different than what's expressed by:
14
15 <OL type=a start=3>
16 <LI><code>(\z. (\z. z z) y</code>
17 </OL>
18
19
20 Substituting `y` into the body of (a) `(\x. \z. z x)` is unproblematic:
21
22         (\x. \z. z x) y ~~> \z. z y
23
24 However, with (b) we have to be more careful. If we just substituted blindly, then we might take the result to be `\y. y y`. But this is the self-application function, not the function which accepts an arbitrary argument and applies that argument to the free variable `y`. In fact, the self-application function is what (c) reduces to. So if we took (b) to reduce to `\y. y y`, we'd wrongly be counting (b) to be equivalent to (c), instead of (a).
25
26 To reduce (b), then, we need to be careful to that no free variables in what we're substituting in get captured by binding &lambda;s that they shouldn't be captured by.
27
28 In practical terms, you'd just replace (b) with (a) and do the unproblematic substitution into (a).
29
30 How should we think about the explanation and justification for that practical procedure?
31
32 One way to think about things here is to identify expressions of the lambda calculus with *particular alphabetic sequences*. Then (a) and (b) would be distinct expressions, and we'd have to have an explicit rule permitting us to do the kind of variable-renaming that takes us from (a) to (b) (or vice versa). This kind of renaming is called "alpha-conversion." Look in the standard treatments of the lambda calculus for detailed discussion of this.
33
34 Another way to think of it is to identify expressions not with particular alphabetic sequences, but rather with *classes* of alphabetic sequences, which stand to each other in the way that (a) and (b) do. That's the way we'll talk. We say that (a) and (b) are just typographically different notations for a *single* lambda formula. As we'll say, the lambda formula written with (a) and the lambda formula written with (b) are literally syntactically identical.
35
36 A third way to think is to identify the lambda formula not with classes of alphabetic sequences, but rather with abstract structures that we might draw like this:
37
38 <pre><code>
39         (&lambda;. &lambda;. _ _) y
40      ^  ^  | |
41      |  |__| |
42      |_______|
43 </code></pre>
44
45 Here there are no bound variables, but there are *bound positions*. We can regard formula like (a) and (b) as just helpfully readable ways to designate these abstract structures.
46
47 A version of this last approach is known as **de Bruijn notation** for the lambda calculus.
48
49 It doesn't seem to matter which of these approaches one takes; the logical properties of the systems are exactly the same. It just affects the particulars of how one states the rules for substitution, and so on. And whether one talks about expressions being literally "syntactically identical," or whether one instead counts them as "equivalent modulu alpha-conversion."
50
51 (Linguistic trivia: however, some linguistic discussions do suppose that alphabetic variance has important linguistic consequences; see Ivan Sag's dissertation.)
52
53 In a bit, we'll discuss other systems that lack variables. Those systems will not just lack variables in the sense that de Bruijn notation does; they will furthermore lack any notion of a bound position.
54
55
56 Syntactic equality, reduction, convertibility
57 =============================================
58
59 Define N to be `(\x. x y) z`. Then N and `(\x. x y) z` are syntactically equal, and we're counting them as syntactically equal to `(\z. z y) z` as well, which we will write as:
60
61 <pre><code>N &equiv; (\x. x y) z &equiv; (\z. z y) z
62 </code></pre>
63
64 This:
65
66         N ~~> z y
67
68 means that N beta-reduces to `z y`. This:
69
70         M <~~> N
71
72 means that M and N are beta-convertible, that is, that there's something they both reduce to in zero or more steps.
73
74 Combinators and Combinatorial Logic
75 ===================================
76
77 Lambda expressions that have no free variables are known as **combinators**. Here are some common ones:
78
79 >       **I** is defined to be `\x x`
80
81 >       **K** is defined to be `\x y. x`. That is, it throws away its
82            second argument. So `K x` is a constant function from any
83            (further) argument to `x`. ("K" for "constant".) Compare K
84            to our definition of `true`.
85
86 >       **get-first** was our function for extracting the first element of an ordered pair: `\fst snd. fst`. Compare this to K and `true` as well.
87
88 >       **get-second** was our function for extracting the second element of an ordered pair: `\fst snd. snd`. Compare this to our definition of `false`.
89
90 >       **B** is defined to be: `\f g x. f (g x)`. (So `B f g` is the composition `\x. f (g x)` of `f` and `g`.)
91
92 >   **C** is defined to be: `\f x y. f y x`. (So `C f` is a function like `f` except it expects its first two arguments in swapped order.)
93
94 >   **W** is defined to be: `\f x . f x x`. (So `W f` accepts one argument and gives it to `f` twice. What is the meaning of `W multiply`?)
95
96 >       **&omega;** (that is, lower-case omega) is defined to be: `\x. x x`
97
98 It's possible to build a logical system equally powerful as the lambda calculus (and readily intertranslatable with it) using just combinators, considered as atomic operations. Such a language doesn't have any variables in it: not just no free variables, but no variables at all.
99
100 One can do that with a very spare set of basic combinators. These days the standard base is just three combinators: K and I from above, and also one more, **S**, which behaves the same as the lambda expression  `\f g x. f x (g x)`. behaves. But it's possible to be even more minimalistic, and get by with only a single combinator. (And there are different single-combinator bases you can choose.)
101
102 There are some well-known linguistic applications of Combinatory
103 Logic, due to Anna Szabolcsi, Mark Steedman, and Pauline Jacobson.
104 Szabolcsi supposed that the meanings of certain expressions could be
105 insightfully expressed in the form of combinators.
106
107
108 For instance, Szabolcsi argues that reflexive pronouns are argument
109 duplicators.
110
111 ![reflexive](http://lambda.jimpryor.net/szabolcsi-reflexive.jpg)
112
113 Notice that the semantic value of *himself* is exactly `W`.
114 The reflexive pronoun in direct object position combines first with the transitive verb (through compositional magic we won't go into here).  The result is an intransitive verb phrase that takes a subject argument, duplicates that argument, and feeds the two copies to the transitive verb meaning.  
115
116 Note that `W <~~> S(CI)`:
117
118 <pre><code>S(CI) &equiv;
119 S((\fxy.fyx)(\x.x)) ~~>
120 S(\xy.(\x.x)yx) ~~>
121 S(\xy.yx) &equiv;
122 (\fgx.fx(gx))(\xy.yx) ~~>
123 \gx.(\xy.yx)x(gx) ~~>
124 \gx.(gx)x &equiv;
125 W</code></pre>
126
127 Ok, here comes a shift in thinking.  Instead of defining combinators as equivalent to certain lambda terms,
128 we can define combinators by what they do.  If we have the I combinator followed by any expression X, 
129 I will take that expression as its argument and return that same expression as the result.  In pictures,
130
131     IX ~~> X
132
133 Thinking of this as a reduction rule, we can perform the following computation
134
135     II(IX) ~~> IIX ~~> IX ~~> X
136
137 The reduction rule for K is also straightforward:
138
139     KXY ~~> X
140
141 That is, K throws away its second argument.  The reduction rule for S can be constructed by examining 
142 the defining lambda term:
143
144 <pre><code>S &equiv; \fgx.fx(gx)</code></pre>
145
146 S takes three arguments, duplicates the third argument, and feeds one copy to the first argument and the second copy to the second argument.  So:
147
148     SFGX ~~> FX(GX)
149
150 If the meaning of a function is nothing more than how it behaves with respect to its arguments, 
151 these reduction rules capture the behavior of the combinators S, K, and I completely.
152 We can use these rules to compute without resorting to beta reduction.  For instance, we can show how the I combinator is equivalent to a certain crafty combination of Ss and Ks:
153
154     SKKX ~~> KX(KX) ~~> X
155
156 So the combinator `SKK` is equivalent to the combinator I.
157
158 Combinatory Logic is what you have when you choose a set of combinators and regulate their behavior with a set of reduction rules. As we said, the most common system uses S, K, and I as defined here.
159
160 ###The equivalence of the untyped lambda calculus and combinatory logic###
161
162 We've claimed that Combinatory Logic is equivalent to the lambda calculus.  If that's so, then S, K, and I must be enough to accomplish any computational task imaginable.  Actually, S and K must suffice, since we've just seen that we can simulate I using only S and K.  In order to get an intuition about what it takes to be Turing complete, imagine what a text editor does:
163 it transforms any arbitrary text into any other arbitrary text.  The way it does this is by deleting, copying, and reordering characters.  We've already seen that K deletes its second argument, so we have deletion covered.  S duplicates and reorders, so we have some reason to hope that S and K are enough to define arbitrary functions.  
164
165 We've already established that the behavior of combinatory terms can be perfectly mimicked by lambda terms: just replace each combinator with its equivalent lambda term, i.e., replace I with `\x.x`, replace K with `\fxy.x`, and replace S with `\fgx.fx(gx)`.  How about the other direction?  Here is a method for converting an arbitrary lambda term into an equivalent Combinatory Logic term using only S, K, and I.  Besides the intrinsic beauty of this mapping, and the importance of what it says about the nature of binding and computation, it is possible to hear an echo of computing with continuations in this conversion strategy (though you wouldn't be able to hear these echos until we've covered a considerable portion of the rest of the course).
166
167 Assume that for any lambda term T, [T] is the equivalent combinatory logic term.  The we can define the [.] mapping as follows:
168
169      1. [a]               a
170      2. [(M N)]           ([M][N])
171      3. [\a.a]            I
172      4. [\a.M]            KM                 assumption: a does not occur free in M
173      5. [\a.(M N)]        S[\a.M][\a.N]
174      6. [\a\b.M]          [\a[\b.M]]
175
176 It's easy to understand these rules based on what S, K and I do.  The first rule says 
177 that variables are mapped to themselves.
178 The second rule says that the way to translate an application is to translate the 
179 first element and the second element separately.
180 The third rule should be obvious.
181 The fourth rule should also be fairly self-evident: since what a lambda term such as `\x.y` does it throw away its first argument and return `y`, that's exactly what the combinatory logic translation should do.  And indeed, `Ky` is a function that throws away its argument and returns `y`.
182 The fifth rule deals with an abstract whose body is an application: the S combinator takes its next argument (which will fill the role of the original variable a) and copies it, feeding one copy to the translation of \a.M, and the other copy to the translation of \a.N.  This ensures that any free occurrences of a inside M or N will end up taking on the appropriate value.  Finally, the last rule says that if the body of an abstract is itself an abstract, translate the inner abstract first, and then do the outermost.  (Since the translation of [\b.M] will not have any lambdas in it, we can be sure that we won't end up applying rule 6 again in an infinite loop.)
183
184 [Fussy notes: if the original lambda term has free variables in it, so will the combinatory logic translation.  Feel free to worry about this, though you should be confident that it makes sense.  You should also convince yourself that if the original lambda term contains no free variables---i.e., is a combinator---then the translation will consist only of S, K, and I (plus parentheses).  One other detail: this translation algorithm builds expressions that combine lambdas with combinators.  For instance, the translation of our boolean false `\x.\y.y` is `[\x[\y.y]] = [\x.I] = KI`.  In the intermediate stage, we have `\x.I`, which mixes combinators in the body of a lambda abstract.  It's possible to avoid this if you want to,  but it takes some careful thought.  See, e.g., Barendregt 1984, page 156.]  
185
186 [Various, slightly differing translation schemes from combinatorial logic to the lambda calculus are also possible. These generate different metatheoretical correspondences between the two calculii. Consult Hindley and Seldin for details. Also, note that the combinatorial proof theory needs to be strengthened with axioms beyond anything we've here described in order to make [M] convertible with [N] whenever the original lambda-terms M and N are convertible.]
187
188
189 Let's check that the translation of the false boolean behaves as expected by feeding it two arbitrary arguments:
190
191     KIXY ~~> IY ~~> Y
192
193 Throws away the first argument, returns the second argument---yep, it works.
194
195 Here's a more elaborate example of the translation.  The goal is to establish that combinators can reverse order, so we use the **T** combinator, where  <code>T &equiv; \x\y.yx</code>:
196
197     [\x\y.yx] = [\x[\y.yx]] = [\x.S[\y.y][\y.x]] = [\x.(SI)(Kx)] = S[\x.SI][\x.Kx] = S(K(SI))(S[\x.K][\x.x]) = S(K(SI))(S(KK)I)
198
199 We can test this translation by seeing if it behaves like the original lambda term does.
200 The orginal lambda term lifts its first argument (think of it as reversing the order of its two arguments):
201
202         S(K(SI))(S(KK)I) X Y ~~>
203         (K(SI))X ((S(KK)I) X) Y ~~>
204         SI ((KK)X (IX)) Y ~~>
205         SI (KX) Y ~~>
206         IY (KXY) ~~>
207         Y X
208
209 Voil&agrave;: the combinator takes any X and Y as arguments, and returns Y applied to X.
210
211 One very nice property of combinatory logic is that there is no need to worry about alphabetic variance, or
212 variable collision---since there are no (bound) variables, there is no possibility of accidental variable capture, 
213 and so reduction can be performed without any fear of variable collision.  We haven't mentioned the intricacies of
214 alpha equivalence or safe variable substitution, but they are in fact quite intricate.  (The best way to gain 
215 an appreciation of that intricacy is to write a program that performs lambda reduction.)
216
217 Back to linguistic applications: one consequence of the equivalence between the lambda calculus and combinatory 
218 logic is that anything that can be done by binding variables can just as well be done with combinators.
219 This has given rise to a style of semantic analysis called Variable Free Semantics (in addition to 
220 Szabolcsi's papers, see, for instance,
221 Pauline Jacobson's 1999 *Linguistics and Philosophy* paper, "Towards a variable-free Semantics").  
222 Somewhat ironically, reading strings of combinators is so difficult that most practitioners of variable-free semantics 
223 express their meanings using the lambda-calculus rather than combinatory logic; perhaps they should call their
224 enterprise Free Variable Free Semantics.
225
226 A philosophical connection: Quine went through a phase in which he developed a variable free logic.
227
228   Quine, Willard. 1960. "Variables explained away" <cite>Proceedings of the American Philosophical Society</cite>.  Volume 104: 343--347.  Also in W. V. Quine.  1960. <cite>Selected Logical Papers</cite>.  Random House: New
229   York.  227--235.
230
231 The reason this was important to Quine is similar to the worries that Jim was talking about
232 in the first class in which using non-referring expressions such as Santa Claus might commit 
233 one to believing in non-existant things.  Quine's slogan was that "to be is to be the value of a variable."
234 What this was supposed to mean is that if and only if an object could serve as the value of some variable, we 
235 are committed to recognizing the existence of that object in our ontology.
236 Obviously, if there ARE no variables, this slogan has to be rethought.
237
238 Quine did not appear to appreciate that Shoenfinkel had already invented combinatory logic, though
239 he later wrote an introduction to Shoenfinkel's key paper reprinted in Jean
240 van Heijenoort (ed) 1967 <cite>From Frege to Goedel, a source book in mathematical logic, 1879--1931</cite>.
241
242 Cresswell has also developed a variable-free approach of some philosophical and linguistic interest
243 in two books in the 1990's.
244
245 A final linguistic application: Steedman's Combinatory Categorial Grammar, where the "Combinatory" is 
246 from combinatory logic (see especially his 2000 book, <cite>The Syntactic Processs</cite>).  Steedman attempts to build
247 a syntax/semantics interface using a small number of combinators, including T &equiv; `\xy.yx`, B &equiv; `\fxy.f(xy)`,
248 and our friend S.  Steedman used Smullyan's fanciful bird 
249 names for the combinators, Thrush, Bluebird, and Starling.
250
251 Many of these combinatory logics, in particular, the SKI system, 
252 are Turing complete. In other words: every computation we know how to describe can be represented in a logical system consisting of only a single primitive operation!
253
254 Here's more to read about combinatorial logic.
255 Surely the most entertaining exposition is Smullyan's [[!wikipedia To_Mock_a_Mockingbird]].
256 Other sources include
257
258 *       [[!wikipedia Combinatory logic]] at Wikipedia
259 *       [Combinatory logic](http://plato.stanford.edu/entries/logic-combinatory/) at the Stanford Encyclopedia of Philosophy
260 *       [[!wikipedia SKI combinatory calculus]]
261 *       [[!wikipedia B,C,K,W system]]
262 *       [Chris Barker's Iota and Jot](http://semarch.linguistics.fas.nyu.edu/barker/Iota/)
263 *       Jeroen Fokker, "The Systematic Construction of a One-combinator Basis for Lambda-Terms" <cite>Formal Aspects of Computing</cite> 4 (1992), pp. 776-780.
264 <http://people.cs.uu.nl/jeroen/article/combinat/combinat.ps>
265
266
267 Evaluation Strategies and Normalization
268 =======================================
269
270 In the assignment we asked you to reduce various expressions until it wasn't possible to reduce them any further. For two of those expressions, this was impossible to do. One of them was this:
271
272         (\x. x x) (\x. x x)
273
274 As we saw above, each of the halves of this formula are the combinator <code>&omega;</code>; so this can also be written:
275
276 <pre><code>&omega; &omega;</code></pre>
277
278 This compound expression---the self-application of <code>&omega;</code>---is named &Omega;. It has the form of an application of an abstract (<code>&omega;</code>) to an argument (which also happens to be <code>&omega;</code>), so it's a redex and can be reduced. But when we reduce it, we get <code>&omega; &omega;</code> again. So there's no stage at which this expression has been reduced to a point where it can't be reduced any further. In other words, evaluation of this expression "never terminates." (This is the standard language, however it has the unfortunate connotation that evaluation is a process or operation that is performed in time. You shouldn't think of it like that. Evaluation of this expression "never terminates" in the way that the decimal expansion of &pi; never terminates. These are static, atemporal facts about their mathematical properties.)
279
280 There are infinitely many formulas in the lambda calculus that have this same property. &Omega; is the syntactically simplest of them. In our meta-theory, it's common to assign such formulas a special value, <big><code>&perp;</code></big>, pronounced "bottom." When we get to discussing types, you'll see that this value is counted as belonging to every type. To say that a formula has the bottom value means that the computation that formula represents never terminates and so doesn't evaluate to any orthodox, computed value.
281
282 From a "Fregean" or "weak Kleene" perspective, if any component of an expression fails to be evaluable (to an orthodox, computed value), then the whole expression should be unevaluable as well.
283
284 However, in some such cases it seems *we could* sensibly carry on evaluation. For instance, consider:
285
286 <pre><code>
287 (\x. y) (&omega; &omega;)
288 </code></pre>
289
290 Should we count this as unevaluable, because the reduction of <code>(&omega; &omega;)</code> never terminates? Or should we count it as evaluating to `y`?
291
292 This question highlights that there are different choices to make about how evaluation or computation proceeds. It's helpful to think of three questions in this neighborhood:
293
294 >       Q1. When arguments are complex, as <code>(&omega; &omega;)</code> is, do we reduce them before substituting them into the abstracts to which they are arguments, or later?
295
296 >       Q2. Are we allowed to reduce inside abstracts? That is, can we reduce:
297
298 >               (\x y. x z) (\x. x)
299
300 >       only this far:
301
302 >               \y. (\x. x) z
303
304 >       or can we continue reducing to:
305
306 >               \y. z
307
308 >       Q3. Are we allowed to "eta-reduce"? That is, can we reduce expressions of the form:
309
310 >               \x. M x
311
312 >       where x does not occur free in `M`, to `M`?
313
314 With regard to Q3, it should be intuitively clear that `\x. M x` and `M` will behave the same with respect to any arguments they are given. It can also be proven that no other functions can behave differently with respect to them. However, the logical system you get when eta-reduction is added to the proof theory is importantly different from the one where only beta-reduction is permitted.
315
316 If we answer Q2 by permitting reduction inside abstracts, and we also permit eta-reduction, then where none of <code>y<sub>1</sub>, ..., y<sub>n</sub></code> occur free in M, this:
317
318 <pre><code>\x y<sub>1</sub>... y<sub>n</sub>. M y<sub>1</sub>... y<sub>n</sub></code></pre>
319
320 will eta-reduce by n steps to:
321
322         \x. M
323
324 When we add eta-reduction to our proof system, we end up reconstruing the meaning of `~~>` and `<~~>` and "normal form", all in terms that permit eta-reduction as well. Sometimes these expressions will be annotated to indicate whether only beta-reduction is allowed (<code>~~><sub>&beta;</sub></code>) or whether both beta- and eta-reduction is allowed (<code>~~><sub>&beta;&eta;</sub></code>).
325
326 The logical system you get when eta-reduction is added to the proof system has the following property:
327
328 >       if `M`, `N` are normal forms with no free variables, then <code>M &equiv; N</code> iff `M` and `N` behave the same with respect to every possible sequence of arguments.
329
330 This implies that, when `M` and `N` are (closed normal forms that are) syntactically distinct, there will always be some sequences of arguments <code>L<sub>1</sub>, ..., L<sub>n</sub></code> such that:
331
332 <pre><code>M L<sub>1</sub> ... L<sub>n</sub> x y ~~> x
333 N L<sub>1</sub> ... L<sub>n</sub> x y ~~> y
334 </code></pre>
335
336 So closed beta-plus-eta-normal forms will be syntactically different iff they yield different values for some arguments. That is, iff their extensions differ.
337
338 So the proof theory with eta-reduction added is called "extensional," because its notion of normal form makes syntactic identity of closed normal forms coincide with extensional equivalence.
339
340 See Hindley and Seldin, Chapters 7-8 and 14, for discussion of what should count as capturing the "extensionality" of these systems, and some outstanding issues.
341
342
343 The evaluation strategy which answers Q1 by saying "reduce arguments first" is known as **call-by-value**. The evaluation strategy which answers Q1 by saying "substitute arguments in unreduced" is known as **call-by-name** or **call-by-need** (the difference between these has to do with efficiency, not semantics).
344
345 When one has a call-by-value strategy that also permits reduction to continue inside unapplied abstracts, that's known as "applicative order" reduction. When one has a call-by-name strategy that permits reduction inside abstracts, that's known as "normal order" reduction. Consider an expression of the form:
346
347         ((A B) (C D)) (E F)
348
349 Its syntax has the following tree:
350
351           ((A B) (C D)) (E F)
352                    /     \
353                   /       \
354         ((A B) (C D))  \
355                 /\        (E F)
356            /  \        /\
357           /    \      E  F
358         (A B) (C D)
359          /\    /\
360         /  \  /  \
361         A   B C   D
362
363 Applicative order evaluation does what's called a "post-order traversal" of the tree: that is, we always go down when we can, first to the left, and we process a node only after processing all its children. So `(C D)` gets processed before `((A B) (C D))` does, and `(E F)` gets processed before `((A B) (C D)) (E F)` does.
364
365 Normal order evaluation, on the other hand, will substitute the expresion `(C D)` into the abstract that `(A B)` evaluates to, without first trying to compute what `(C D)` evaluates to. That computation may be done later.
366
367 With normal-order evaluation (or call-by-name more generally), if we have an expression like:
368
369         (\x. y) (C D)
370
371 the computation of `(C D)` won't ever have to be performed. Instead, `(\x. y) (C D)` reduces directly to `y`. This is so even if `(C D)` is the non-evaluable <code>(&omega; &omega;)</code>!
372
373 Call-by-name evaluation is often called "lazy." Call-by-value evaluation is also often called "eager" or "strict". Some authors say these terms all have subtly different technical meanings, but I haven't been able to figure out what it is. Perhaps the technical meaning of "strict" is what I above called the "Fregean" or "weak Kleene" perspective: if any argument of a function is non-evaluable or non-normalizing, so too is the application of the function to that argument.
374
375
376 Most programming languages, including Scheme and OCaml, use the call-by-value evaluation strategy. (But they don't permit evaluation to continue inside an unappplied function.) There are techniques for making them model call-by-name evaluation, when necessary. But by default, arguments will always be evaluated before being bound to the parameters (the `\x`s) of a function.
377
378 For languages like Scheme that permit functions to take more than one argument at a time, a further question arises: whether the multiple arguments are evaluated left-to-right, or right-to-left, or nothing is guaranteed about what order they are evaluated in. Different languages make different choices about this.
379
380 Some functional programming languages, such as Haskell, use the call-by-name evaluation strategy.
381
382 The lambda calculus can be evaluated either way. You have to decide what the rules shall be.
383
384 As we'll see in several weeks, there are techniques for *forcing* call-by-value evaluation of a computation, and also techniques for forcing call-by-name evaluation. If you liked, you could even have a nested hierarchy, where blocks at each level were forced to be evaluated in alternating ways.
385
386 Call-by-value and call-by-name have different pros and cons.
387
388 One important advantage of normal-order evaluation in particular is that it can compute orthodox values for:
389
390 <pre><code>
391 (\x. y) (&omega; &omega;)<p>
392 \z. (\x. y) (&omega; &omega;)
393 </code></pre>
394
395 Indeed, it's provable that if there's *any* reduction path that delivers a value for a given expression, the normal-order evalutation strategy will terminate with that value.
396
397 An expression is said to be in **normal form** when it's not possible to perform any more reductions (not even inside abstracts).
398 There's a sense in which you *can't get anything more out of* <code>&omega; &omega;</code>, but it's not in normal form because it still has the form of a redex.
399
400 A computational system is said to be **confluent**, or to have the **Church-Rosser** or **diamond** property, if, whenever there are multiple possible evaluation paths, those that terminate always terminate in the same value. In such a system, the choice of which sub-expressions to evaluate first will only matter if some of them but not others might lead down a non-terminating path.
401
402 The untyped lambda calculus is confluent. So long as a computation terminates, it always terminates in the same way. It doesn't matter which order the sub-expressions are evaluated in.
403
404 A computational system is said to be **strongly normalizing** if every permitted evaluation path is guaranteed to terminate. The untyped lambda calculus is not strongly normalizing: <code>&omega; &omega;</code> doesn't terminate by any evaluation path; and <code>(\x. y) (&omega; &omega;)</code> terminates only by some evaluation paths but not by others.
405
406 But the untyped lambda calculus enjoys some compensation for this weakness. It's Turing complete! It can represent any computation we know how to describe. (That's the cash value of being Turing complete, not the rigorous definition. There is a rigrous definition. However, we don't know how to rigorously define "any computation we know how to describe.") And in fact, it's been proven that you can't have both. If a computational system is Turing complete, it cannot be strongly normalizing.
407
408 A computational system is said to be **weakly normalizing** if there's always guaranteed to be *at least one* evaluation path that terminates. The untyped lambda calculus is not weakly normalizing either, as we've seen.
409
410 The *typed* lambda calculus that linguists traditionally work with, on the other hand, is strongly normalizing. (And as a result, is not Turing complete.) It has expressive power (concerning types) that the untyped lambda calculus lacks, but it is also unable to represent some (terminating!) computations that the untyped lambda calculus can represent.
411
412 Other more-powerful type systems we'll look at in the course will also fail to be Turing complete, though they will turn out to be pretty powerful.
413
414 Further reading:
415
416 *       [[!wikipedia Evaluation strategy]]
417 *       [[!wikipedia Eager evaluation]]
418 *       [[!wikipedia Lazy evaluation]]
419 *       [[!wikipedia Strict programming language]]<p>
420 *       [[!wikipedia Church-Rosser theorem]]
421 *       [[!wikipedia Normalization property]]
422 *       [[!wikipedia Turing completeness]]
423
424
425 Decidability
426 ============
427
428 The question whether two formulas are syntactically equal is "decidable": we can construct a computation that's guaranteed to always give us the answer.
429
430 What about the question whether two formulas are convertible? Well, to answer that, we just need to reduce them to normal form, if possible, and check whether the results are syntactically equal. The crux is that "if possible." Some computations can't be reduced to normal form. Their evaluation paths never terminate. And if we just kept trying blindly to reduce them, our computation of what they're convertible to would also never terminate.
431
432 So it'd be handy to have some way to check in advance whether a formula has a normal form: whether there's any evaluation path for it that terminates.
433
434 Is it possible to do that? Sure, sometimes. For instance, check whether the formula is syntactically equal to &Omega;. If it is, it never terminates.
435
436 But is there any method for doing this in general---for telling, of any given computation, whether that computation would terminate? Unfortunately, there is not. Church proved this in 1936; Turing also essentially proved it at the same time. Geoff Pullum gives a very reader-friendly outline of the proofs here:
437
438 *       [Scooping the Loop Snooper](http://www.cl.cam.ac.uk/teaching/0910/CompTheory/scooping.pdf), a proof of the undecidability of the halting problem in the style of Dr Seuss by Geoffrey K. Pullum
439
440 Interestingly, Church also set up an association between the lambda calculus and first-order predicate logic, such that, for arbitrary lambda formulas `M` and `N`, some formula would be provable in predicate logic iff `M` and `N` were convertible. So since the right-hand side is not decidable, questions of provability in first-order predicate logic must not be decidable either. This was the first proof of the undecidability of first-order predicate logic.
441
442
443 ##[[Lists and Numbers]]##
444
445