【读书笔记】Coq学习-Frap (Formal Reasoning About Programs) 第二章 形式化程序语法

CHAPTER 2 Formalizing Program Syntax

2.1 具体语法 Concrete Syntax

程序的定义是从编程语言的定义开始，而编程语言的定义是从它的语法开始，语法涵盖了哪些种类的短语基本上是格式化的。

具体语法决定了哪些字符序列是可以被接受的。

以简单的算术表达式语言为例，下面的字母串是有效的（valid）：

3

x

3 + x

y x (3 + x)

以下字符串是无效的（invalid）:

1 + + 2

x y z

这不是简单靠对算术的直觉去评判的，这里遵循一种叫作“巴科斯范式（Backus-Naur Form, BNF）”的语法。

巴科斯范式Backus-Naur Form, BNF

以美国人巴科斯(Backus)和丹麦人诺尔(Naur)的名字命名的一种形式化的语法表示方法，用来描述语法的一种形成体系，是一种典型的元语言。
它有一些语法规则：
· 在双引号中的东西代表它本身
· 双引号外的字代表语法
· <必选项> # 尖括号内表示必选项
· [可选项] #方括号内表示可选项
· {0次或多次} #大括号内表示可重复0次至多次的项
· | 代表 or
· ::= 读作定义为

换句话说，我们先假设常数 (Constants)和变量 (Variables)的集合，分别基于自然数 (N)和字符串 (Strings)的集合，然后定义表达式 (Expression)，包含了常数、变量、加法和乘法。

加法和乘法是递归指定的语法。巴科斯范式用递归来表达一个或多个符号。

举个例子，我们想表达“单词是有字母组成的”，这是日常语言；

那用数学的语言说就是，单词 = 一个字母或多个字母”；

用巴科斯范式的语法表达就是，单词::=<字母>|<字母><单词>，这个表达式里就有了递归。

再例如，“一个正整数是由一个或多个数字构成的”，寻常的表达式无法表达任意位数字构成的正整数，但通过递归可以完美地诠释出来：

<number> ::= <digit>|<digit><number>

<digit> ::= 0|1|2|3|4|5|6|7|8|9

归纳定义法 Inductive Definitions

归纳定义法是一个非常重要的工具，它解释了如何从一个较小的集合建立更大的集合。上面语法中的递归性质隐含地运用了归纳定义。用更通用的话来解释归纳定义就是，它提供了一系列定义集合的推理规则 (inference rules) ，在形式上，这个集合被定义为“满足所有规则的最小集合”。

每个规则都有前提 (premises)和结论 (conclusion)，我们用四条规则来诠释上面的BNF语法，两者是完全等价的。

用于定义表达式 (Expressions)的一个集合Exp：

这个推理规则这样来解读：

如果横线以上的所有事实都是真的，那么横线以下的事实也是真的。可以将这个表达式看作“if P then Q”的逻辑，分子是前提条件P，分母是Q。这条规则隐晦地表达出需要对其中出现的所有的元变量的值都成立（n, e1, e2称为元变量, metavariables）。

刚接触语义学的人往往会对这种定义风格产生消极的情绪，但很快就会发现它是一种非常紧凑的符号，可以用来表达很多概念，也可以把它看作是数学定义的特定领域的编程语言，这么说会比较抽象，但在Coq代码中可以具体体现出来。

2.2 抽象语法 Abstract Syntax

在简短介绍了具体语法之后，本书剩余部分将会专注于抽象语法，不管具体语法了（感觉自己被耍了，算了）。现在把程序看作是抽象语法树 (Abstract Syntax Trees, ASTs)，“”在这里不再是具体语法里乘法的意思，而是笛卡尔积 (Kartesian-product)。ExpExp 表示每次分别从这两个类型的集合中取一个值组成一对，组成新的集合。

推理规则符号Inference-rule Notation

下面是一些推理逻辑的符号表达方式：

再回顾一下上一节说到的逻辑规则“如果横线上面的都是事实，那么横线下面的成立”

抽象语言用来表示递归定义很方便。下面是构造函数中包含子句类型的例子：

我们更倾向用来代替size(e)，左右两边是完全等价的。

我们用表示e的深度 (depth)，即在语法树中根root到叶leaf中向下的最长途径path。

2.3 结构归纳法原理 Structural Induction Principles

当我们归纳式地定义集合S时，我们的归纳原则是“总有一些P使得S的所有元素都成立”。

回顾前面说的推理逻辑:

为了推导Exp的结构归纳原理，做出了以下两点修改：

1. 在结论中，的项都用来代替，假设P对某些项成立；

2. 在前提条件中，，增加前提，假设P对某些项成立。这样的假设佳作inductive hypothesis (IH)

得到的的推理逻辑：

为了得到我们需要证明这四个推理逻辑都是有效的。

定理2.1 深度永远不能超过大小

符号表达式：

Proof by induction on the structure of e.

这里的证明非常简短，书中对次做出的解释是：

这种极简主义的证明常常让新来者感到惊讶和沮丧。我们在这里的立场是， 证明检查是适合机器的活动，而不是适合人的活动，因此我们将 省略在附带的Coq代码中可以找到的血腥细节，用于这个定理和与本章相关的许多其他定理。事实上，即使是在纸上发表的校样，也倾向于使用像上面那样简短的“校样”，依靠读者的经验来“填空”!不出所料，这类论证经常存在逻辑错误，导致人们接受虚假定理。出于这个原因，我们在这里坚持机器检查的证明，使用书中的章节来介绍概念、推理原则以及关键定理和引理的陈述。

2.4 可判定理论 Decidable Theories

怎么判断一个问题是可判定的呢？

对于一些决策问题(Decision Problems), F为公式的集合，是正确的公式，那么一个决定性问题是可判定的，iff（当且仅当）（存在）一些始终会停止的程序 s.t.（只有当时，输入会返回“true” ）

用人话说就是，对于一个决策问题f，如果存在一个程序，当输入f时程序会终止，那么这个f就是可判定的，T就是决策问题集合F中的可判定问题的集合。

一个常见的可判定理论是线性代数，它的决策问题集合F由下面的语法得到，标记为：

在Coq这样的证明助手中使用dicidable theory，理解一个理论如何适用于实际上不符合其语法的公式是很重要的。例如，我们想证明f(x) - f(x) = 0, 而f(x)是个远超出上述语法的复杂的函数，我们只需要引入新的变量y，使得y = f(x)，就有了新的目标 y - y = 0。一个线性代数程序可以在短时间内完成这个目标，然后我们可以重新替换y得出原来的目标。

接下来就是一些关于加法/乘法的交换律/结合律公理。

这一节结尾的例子提到了半环理论，不知道是哪一门数学课没修，脑袋里完全没有这个概念。。。

2.5 简化和重写 Simplification and Rewriting

Expression Size定义

用这个定义来证明公式：

证明：

将定义代入等式左边得出：
因常数的大小为1，所以得出：
由此公式得到证明。

通过证明我们得到了公式：

这种证明的方式就是重写，使用已经得到证明的等式，将想证明的等式左边的子项进行重写替换，使其能够匹配等式右边的子项。