week2: expand on eta and extensionality
[lambda.git] / week3.mdwn
index a01df34..a1e79f5 100644 (file)
@@ -25,9 +25,14 @@ Some comments on this:
 
 2. `cdr` is function that gets the tail of a Scheme list. (By definition, it's the function for getting the second member of an ordered pair. It just turns out to return the tail of a list because of the particular way Scheme implements lists.)
 
-3.     I alternate between `[ ]`s and `( )`s in the Scheme code just to make it more readable. These have no syntactic difference.
+3.     I use `get_length` instead of the convention we've been following so far of hyphenated names, as in `make-list`, because we're discussing OCaml code here, too, and OCaml doesn't permit the hyphenated variable names. OCaml requires variables to always start with a lower-case letter (or `_`), and then continue with only letters, numbers, `_` or `'`. Most other programming languages are similar. Scheme is very relaxed, and permits you to use `-`, `?`, `/`, and all sorts of other crazy characters in your variable names.
 
-What is the `let rec` in the OCaml code and the `letrec` in the Scheme code? These work like the `let` expressions we've already seen, except that they let you use the variable `get_length` *inside* the body of the function being bound to it---with the understanding that it will there refer to the same function that you're then in the process of binding to `get_length`. So our recursively-defined function works the way we'd expect it to. In OCaml:
+4.     I alternate between `[ ]`s and `( )`s in the Scheme code just to make it more readable. These have no syntactic difference.
+
+
+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?
+
+Answer: These work like the `let` expressions we've already seen, except that they let you use the variable `get_length` *inside* the body of the function being bound to it---with the understanding that it will there refer to the same function that you're then in the process of binding to `get_length`. So our recursively-defined function works the way we'd expect it to. In OCaml:
 
        let rec get_length = fun lst ->
                if lst == [] then 0 else 1 + get_length (tail lst)
@@ -78,9 +83,9 @@ Here the use of `get_length` in `1 + get_length (tail lst)` can clearly be seen
 
 And indeed, if you tried to define `get_length` in the lambda calculus, how would you do it?
 
-       \lst. (isempty lst) zero (add one (get-length (extract-tail lst)))
+       \lst. (isempty lst) zero (add one (get_length (extract-tail lst)))
 
-we've defined all of `isempty`, `zero`, `add`, `one`, and `extract-tail` in earlier discussion. But what about `get-length`? That's not yet defined! In fact, that's the very formula we're trying here to specify.
+We've defined all of `isempty`, `zero`, `add`, `one`, and `extract-tail` in earlier discussion. But what about `get_length`? That's not yet defined! In fact, that's the very formula we're trying here to specify.
 
 What we really want to do is something like this:
 
@@ -102,7 +107,7 @@ So how could we do it? And how do OCaml and Scheme manage to do it, with their `
 
                (define get_length 
                                (lambda (lst) (if (null? lst) 0 [+ 1 (get_length (cdr lst))] )) )
-
+               
                (get_length (list 20 30))
 
        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.
@@ -111,7 +116,7 @@ So how could we do it? And how do OCaml and Scheme manage to do it, with their `
 
                \lst. lst (\x sofar. successor sofar) zero
 
-       What's happening here? We start with the value zero, then we apply the function `\x sofar. successor sofar` to the two arguments <code>x<sub>n</sub></code> and `zero`, where <code>x<sub>n</sub></code> is the last element of the list. This gives us `successor zero`, or `one`. That's the value we've accumuluted "so far." Then we go apply the function `\x sofar. successor sofar` to the two arguments <code>x<sub>n-1</sub></code> and the value `one` that we've accumulates "so far." This gives us `two`. 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.
+       What's happening here? We start with the value zero, then we apply the function `\x sofar. successor sofar` to the two arguments <code>x<sub>n</sub></code> and `zero`, where <code>x<sub>n</sub></code> is the last element of the list. This gives us `successor zero`, or `one`. That's the value we've accumuluted "so far." Then we go apply the function `\x sofar. successor sofar` to the two arguments <code>x<sub>n-1</sub></code> and the value `one` that we've accumulated "so far." This gives us `two`. 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.
 
 We can use similar techniques to define many recursive operations on lists and numbers. The reason we can do this is that our "version 3," fold-based implementation of lists, and Church's implementations of numbers, have a internal structure that *mirrors* the common recursive operations we'd use lists and numbers for.
 
@@ -121,7 +126,7 @@ With sufficient ingenuity, a great many functions can be defined in the same way
 
 ##However...##
 
-Some computable functions are just not definable in this way. The simplest function that *simply cannot* be defined using the resources we've so far developed is the Ackermann function:
+Some computable functions are just not definable in this way. The simplest function that *simply cannot* be defined using the resources we've so far developed is the [[!wikipedia Ackermann function]]:
 
        A(m,n) =
                | when m == 0 -> n + 1
@@ -129,9 +134,9 @@ Some computable functions are just not definable in this way. The simplest funct
                | else -> A(m-1, A(m,n-1))
 
        A(0,y) = y+1
-       A(1,y) = y+2
-       A(2,y) = 2y + 3
-       A(3,y) = 2^(y+3) -3
+       A(1,y) = 2+(y+3) - 3
+       A(2,y) = 2(y+3) - 3
+       A(3,y) = 2^(y+3) - 3
        A(4,y) = 2^(2^(2^...2)) [where there are y+3 2s] - 3
        ...
 
@@ -141,11 +146,90 @@ But functions like the Ackermann function require us to develop a more general t
 
 ##How to do recursion with lower-case omega##
 
-...
+Recall our initial, abortive attempt above to define the `get_length` function in the lambda calculus. We said "What we really want to do is something like this:
+
+       \lst. (isempty lst) zero (add one (... (extract-tail lst)))
+
+where this very same formula occupies the `...` position."
+
+We are not going to exactly that, at least not yet. But we are going to do something close to it.
+
+Consider a formula of the following form (don't worry yet about exactly how we'll fill the `...`s):
+
+       \h \lst. (isempty lst) zero (add one (... (extract-tail lst)))
+
+Call that formula `H`. Now what would happen if we applied `H` to itself? Then we'd get back:
+
+       \lst. (isempty lst) zero (add one (... (extract-tail lst)))
+
+where any occurrences of `h` inside the `...` were substituted with `H`. Call this `F`. `F` looks pretty close to what we're after: a function that takes a list and returns zero if it's empty, and so on. And `F` is the result of applying `H` to itself. But now inside `F`, the occurrences of `h` are substituted with the very formula `H` we started with. So if we want to get `F` again, all we have to do is apply `h` to itself---since as we said, the self-application of `H` is how we created `F` in the first place.
+
+So, the way `F` should be completed is:
+
+       \lst. (isempty lst) zero (add one ((h h) (extract-tail lst)))
+
+and our original `H` is:
+
+       \h \lst. (isempty lst) zero (add one ((h h) (extract-tail lst)))
+
+The self-application of `H` will give us `F` with `H` substituted in for its free variable `h`.
+
+Instead of writing out a long formula twice, we could write:
+
+       (\x. x x) LONG-FORMULA
+
+and the initial `(\x. x x)` is just what we earlier called the <code>&omega;</code> combinator (lower-case omega, not the non-terminating <code>&Omega;</code>). So the self-application of `H` can be written:
+
+<pre><code>&omega; (\h \lst. (isempty lst) zero (add one ((h h) (extract-tail lst))))</code></pre>
+
+and this will indeed implement the recursive function we couldn't earlier figure out how to define.
+
+In broad brush-strokes, `H` is half of the `get_length` function we're seeking, and `H` has the form:
+
+       \h other-arguments. ... (h h) ...
+
+We get the whole `get_length` function by applying `H` to itself. Then `h` is replaced by the half `H`, and when we later apply `h` to itself, we re-create the whole `get_length` again.
+
+##Neat! Can I make it easier to use?##
+
+Suppose you wanted to wrap this up in a pretty interface, so that the programmer didn't need to write `(h h)` but could just write `g` for some function `g`. How could you do it?
+
+Now the `F`-like expression we'd be aiming for---call it `F*`---would look like this:
+
+       \lst. (isempty lst) zero (add one (g (extract-tail lst)))
+
+or, abbreviating:
+
+       \lst. ...g...
+
+Here we have just a single `g` instead of `(h h)`. We'd want `F*` to be the result of self-applying some `H*`, and then binding to `g` that very self-application of `H*`. We'd get that if `H*` had the form:
+
+       \h. (\g lst. ...g...) (h h)
+
+The self-application of `H*` would be:
+
+       (\h. (\g lst. ...g...) (h h)) (\h. (\g lst. ...g...) (h h))
+
+or:
+
+       (\f. (\h. f (h h)) (\h. f (h h))) (\g lst. ...g...)
+
+The left-hand side of this is known as **the Y-combinator** and so this could be written more compactly as:
+
+       Y (\g lst. ...g...)
+
+or, replacing the abbreviated bits:
+
+       Y (\g lst. (isempty lst) zero (add one (g (extract-tail lst))))
+
+So this is another way to implement the recursive function we couldn't earlier figure out how to define.
+
 
 ##Generalizing##
 
-In general, a **fixed point** of a function f is a value *x* such that f<em>x</em> is equivalent to *x*. For example, what is a fixed point of the function from natural numbers to their squares? What is a fixed point of the successor function?
+Let's step back and fill in some theory to help us understand why these tricks work.
+
+In general, we call a **fixed point** of a function f any value *x* such that f <em>x</em> is equivalent to *x*. For example, what is a fixed point of the function from natural numbers to their squares? What is a fixed point of the successor function?
 
 In the lambda calculus, we say a fixed point of an expression `f` is any formula `X` such that:
 
@@ -153,7 +237,7 @@ In the lambda calculus, we say a fixed point of an expression `f` is any formula
 
 What is a fixed point of the identity combinator I?
 
-It's a theorem of the lambda calculus that every formula has a fixed point. In fact, it will have infinitely many, syntactically distinct fixed points. And we don't just know that they exist: for any given formula, we can name many of them.
+It's a theorem of the lambda calculus that every formula has a fixed point. In fact, it will have infinitely many, non-equivalent fixed points. And we don't just know that they exist: for any given formula, we can name many of them.
 
 Yes, even the formula that you're using the define the successor function will have a fixed point. Isn't that weird? Think about how it might be true.
 
@@ -165,12 +249,152 @@ who knows what we'd get back? Perhaps there's some non-number-representing formu
 
 Yes! That's exactly right. And which formula this is will depend on the particular way you've implemented the successor function.
 
-Moreover, the recipes that enable us to name fixed points for any given formula aren't *guaranteed* to give us *terminating* fixed points. They might give us formulas X such that neither `X` nor `f X` have normal forms. (Indeed, what they give us for the square function isn't any of the Church numbers, but is rather an expression with no normal form.) However, if we take care we can ensure that we *do* get terminating fixed points. And this gives us a principled, fully general strategy for doing recursion. It lets us define even functions like the Ackermann function, which were until now out of our reach. It would let us define arithmetic and list functions on the "version 1" and "version 2" implementations, where it wasn't always clear how to force the computation to "keep going."
+Moreover, the recipes that enable us to name fixed points for any given formula aren't *guaranteed* to give us *terminating* fixed points. They might give us formulas X such that neither `X` nor `f X` have normal forms. (Indeed, what they give us for the square function isn't any of the Church numerals, but is rather an expression with no normal form.) However, if we take care we can ensure that we *do* get terminating fixed points. And this gives us a principled, fully general strategy for doing recursion. It lets us define even functions like the Ackermann function, which were until now out of our reach. It would also let us define arithmetic and list functions on the "version 1" and "version 2" implementations, where it wasn't always clear how to force the computation to "keep going."
+
+OK, so how do we make use of this?
+
+Recall again our initial, abortive attempt above to define the `get_length` function in the lambda calculus. We said "What we really want to do is something like this:
+
+       \lst. (isempty lst) zero (add one (... (extract-tail lst)))
+
+where this very same formula occupies the `...` position."
+
+If we could somehow get ahold of this very formula, as an additional argument, then we could take the argument and plug it into the `...` position. Something like this:
+
+       \self (\lst. (isempty lst) zero (add one (self (extract-tail lst))) )
+
+This is an abstract of the form:
+
+       \self. BODY
+
+where `BODY` is the expression:
+
+       \lst. (isempty lst) zero (add one (self (extract-tail lst)))
+
+containing an occurrence of `self`.
+
+Now consider what would be a fixed point of our expression `\self. BODY`? That would be some expression `X` such that:
+
+       X <~~> (\self.BODY) X
+
+Beta-reducing the right-hand side, we get:
+
+       X <~~> BODY [self := X]
+
+Think about what this says. It says if you substitute `X` for `self` in our formula BODY:
+
+       \lst. (isempty lst) zero (add one (X (extract-tail lst)))
+
+what you get is "equivalent" to (that is, convertible with) X itself. That is, the `X` inside the above expression is equivalent to the whole expression. So the expression *does*, in a sense, contain itself!
+
+Let's go over that again. If we had a fixed point `X` for our expression `\self. ...self...`, then by the definition of a fixed-point, this has to be true:
+
+       X <~~> (\self. ...self...) X
+
+but beta-reducing the right-hand side, we get something of the form:
+
+       X <~~> ...X...
+
+So on the right-hand side we have a complex expression, that contains some occurrences of whatever our fixed-point `X` is, and `X` is convertible with *that very complex, right-hand side expression.*
+
+So we really *can* define `get_length` in the way we were initially attempting, in the bare lambda calculus, where Scheme and OCaml's souped-up `let rec` constructions aren't primitively available. (In fact, what we're doing here is the natural way to implement `let rec`.)
+
+This all turns on having a way to generate a fixed-point for our "starting formula":
+
+       \self (\lst. (isempty lst) zero (add one (self (extract-tail lst))) )
+
+Where do we get it?
+
+Suppose we have some **fixed-point combinator** 
+<code>&Psi;</code>. That is, some function that returns, for any expression `f` we give it as argument, a fixed point for `f`. In other words:
+
+<pre><code>&Psi; f <~~> f (&Psi; f)</code></pre>
+
+Then applying <code>&Psi;</code> to the "starting formula" displayed above would give us our fixed point `X` for the starting formula:
+
+<pre><code>&Psi; (\self (\lst. (isempty lst) zero (add one (self (extract-tail lst))) ))</code></pre>
+
+And this is the fully general strategy for 
+defining recursive functions in the lambda calculus. You begin with a "body formula":
+
+       ...self...
+
+containing free occurrences of `self` that you treat as being equivalent to the body formula itself. In the case we're considering, that was:
+
+       \lst. (isempty lst) zero (add one (self (extract-tail lst)))
+
+You bind the free occurrence of `self` as: `\self. BODY`. And then you generate a fixed point for this larger expression:
+
+<pre><code>&Psi; (\self. BODY)</code></pre>
+
+using some fixed-point combinator <code>&Psi;</code>.
+
+Isn't that cool?
+
+##Okay, then give me a fixed-point combinator, already!##
+
+Many fixed-point combinators have been discovered. (And given a fixed-point combinator, there are ways to use it as a model to build infinitely many more, non-equivalent fixed-point combinators.)
+
+Two of the simplest:
+
+<pre><code>&Theta;&prime; &equiv; (\u f. f (\n. u u f n)) (\u f. f (\n. u u f n))
+Y&prime; &equiv; \f. (\u. f (\n. u u n)) (\u. f (\n. u u n))</code></pre>
+
+<code>&Theta;&prime;</code> has the advantage that <code>f (&Theta;&prime; f)</code> really *reduces to* <code>&Theta;&prime; f</code>.
+
+<code>f (Y&prime; f)</code> is only convertible with <code>Y&prime; f</code>; that is, there's a common formula they both reduce to. For most purposes, though, either will do.
+
+You may notice that both of these formulas have eta-redexes inside them: why can't we simplify the two `\n. u u f n` inside <code>&Theta;&prime;</code> to just `u u f`? And similarly for <code>Y&prime;</code>?
+
+Indeed you can, getting the simpler:
+
+<pre><code>&Theta; &equiv; (\u f. f (u u f)) (\u f. f (u u f))
+Y &equiv; \f. (\u. f (u u)) (\u. f (u u))</code></pre>
+
+I stated the more complex formulas for the following reason: in a language whose evaluation order is *call-by-value*, the evaluation of <code>&Theta; (\self. BODY)</code> and `Y (\self. BODY)` will in general not terminate. But evaluation of the eta-unreduced primed versions will.
+
+Of course, if you define your `\self. BODY` stupidly, your formula will never terminate. For example, it doesn't matter what fixed point combinator you use for <code>&Psi;</code> in:
+
+<pre><code>&Psi; (\self. \n. self n)</code></pre>
+
+When you try to evaluate the application of that to some argument `M`, it's going to try to give you back:
+
+       (\n. self n) M
+
+where `self` is equivalent to the very formula `\n. self n` that contains it. So the evaluation will proceed:
+
+       (\n. self n) M ~~>
+       self M ~~>
+       (\n. self n) M ~~>
+       self M ~~>
+       ...
+
+You've written an infinite loop!
+
+However, when we evaluate the application of our:
+
+<pre><code>&Psi; (\self (\lst. (isempty lst) zero (add one (self (extract-tail lst))) ))</code></pre>
+
+to some list `L`, 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:
+
+       \lst. (isempty lst) zero (add one (self (extract-tail lst)))
+
+to *the tail* of the list we were evaluating its application to at the previous stage. Assuming our lists are finite (and the implementations we're using 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 `zero`. So the recursion eventually bottoms out in a base value.
+
+##Fixed-point Combinators Are a Bit Intoxicating##
+
+![tatoo](/y-combinator.jpg)
+
+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.
+
+I used <code>&Psi;</code> above to stand in for an arbitrary fixed-point combinator. I don't know of any broad conventions for this. But this seems a useful one.
+
+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:
 
-[Explain in terms of an arbitrary fixed point combinator &Psi;.]
+       \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))
 
-[Give some examples: first, versions of Y and &Theta; usable with call-by-value. Then do the internal eta-reductions and say these work for call-by-name only.]
+then this is a fixed-point combinator:
 
-[Explain how what we've done relates to the version using lower-case &omega;.]
+       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