Skriptes - Uni Bremen - Universität Bremen
Skriptes - Uni Bremen - Universität Bremen
Skriptes - Uni Bremen - Universität Bremen
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
<strong>Uni</strong>verselle Maschinen und unentscheidbare Probleme<br />
Lemma 16.12<br />
1) L 1 ≤ L 2 und L 2 entscheidbar ⇒ L 1 entscheidbar.<br />
2) L 1 ≤ L 2 und L 1 unentscheidbar ⇒ L 2 unentscheidbar.<br />
Beweis.<br />
1) Um „w ∈ L 1 “ zu entscheiden,<br />
• berechnet man f(w) und<br />
• entscheidet „f(w) ∈ L 2 “.<br />
2) Folgt unmittelbar aus 1).<br />
Wir werden im Folgenden noch einige Beispiele für Reduktionen sehen. Zunächst zeigen<br />
wir mit Hilfe einer Reduktion des Halteproblems folgendes sehr starke Resultat:<br />
Jede nichttriviale semantische Eigenschaft von Programmen (DTM) ist unentscheidbar.<br />
• Semantisch heißt hier: Die Eigenschaft hängt nicht von der syntaktischen Form<br />
des Programms (der DTM), sondern nur von der erkannten Sprache ab.<br />
• Nichttrivial: Es gibt Turing-erkennbare Sprachen, die die Eigenschaft erfüllen, aber<br />
nicht alle Turing-erkennbaren Sprachen erfüllen sie.<br />
Zum Beispiel ist das Anhalten auf dem leeren Wort eine semantische und nichttriviale<br />
Eigenschaft. Also ist die Unentscheidbarkeit des Halteproblems eine konkrete Instanz des<br />
hier bewiesenen, sehr allgemeinen Resultates. Da nach der Church-Turing-These DTMs<br />
äquivalent zu jedem anderen Berechnungsmodell sind, kann man diese Aussage intuitiv<br />
so verstehen, dass alle interessanten Eigenschaften, die das Verhalten von Programmen<br />
betreffen, unentscheidbar sind. Man kann beispielsweise kein Programm schreiben, das<br />
ein Programm als Eingabe erhält und entscheidet, ob dieses terminiert oder sich in einer<br />
Endlosschleife verfängt. Dies hat weitreichende Konsequenzen im Gebiet der Programmverifikation,<br />
wo man Programme automatisch auf ihre Korrektheit prüfen möchte.<br />
Ein Beispiel für eine nicht semantische Eigenschaft ist zum Beispiel: die DTM macht<br />
auf dem leeren Wort mehr als 100 Schritte.<br />
Wir setzen im Folgenden semantische Eigenschaften von DTMs mit Eigenschaften der<br />
von ihnen erkannten Sprachen gleich: eine Eigenschaft Turing-erkennbarer Sprachen ist<br />
eine Menge<br />
E ⊆ {L ⊆ Σ ∗ | L ist Turing-erkennbar}.<br />
Es folgt das angekündigte Resultat.<br />
Satz 16.13 (Satz von Rice)<br />
Es sei E eine Eigenschaft Turing-erkennbarer Sprachen, so dass gilt:<br />
∅ E {L ⊆ Σ ∗ | L ist Turing-erkennbar}.<br />
132