Conferencia 6. Máquinas de Turing

Introducción
Desarrollo
Conclusiones
Matemática Discreta I
Conferencia 6: Máquinas de Turing
Colectivo de Matemática Discreta I

Universidad de las Ciencias Informáticas
Disciplina Inteligencia Computacional
Colectivo de Matemática Discreta I Matemática Discreta I

Introducción
Desarrollo
Conclusiones
Objetivo
Identificar los elementos básicos de las Máquinas de

Turing a partir de la caracterización de su lenguaje,
ası́ como de su funcionamiento y definición.

Introducción
Desarrollo
Conclusiones
Sumario
Identificar alfabetos y cadenas.
Determinar si un conjunto de cadenas dadas pertenece a
la potencia de un alfabeto.
Identificar lenguajes en la teorı́a de la computabilidad.
Definir lenguajes de forma intencional y mediante el es-
tablecimiento de condiciones.
Construir Máquinas de Turing sencillas para resolver prob-
lemas y particularmente para reconocer un lenguaje deter-
minado.
Obtener el conjunto de transiciones de una Máquina de
Turing para una cadena de entrada determinada y concluir
entonces si dicha entrada es reconocida o no.
Introducción
Desarrollo
Conclusiones
Introducción
Las palabras del idioma español pueden combinarse de varias

formas. La gramática española nos dice cuándo cierta combi-
nación de palabras es una frase válida.
Es sencillo comprobar que son enunciados válidos un matemáti-
co hambriento come salvajemente, un enorme matemáti-
co salta, el conejo come rápidamente, etc. Ası́ mismo, se
puede comprobar que no es válida la frase el rápidamente
come matemático.

Introducción
Desarrollo
Conclusiones
Introducción
El uso de la gramática es de gran ayuda cuando se trata de

resolver las dos clases de problemas que aparecen conmucha
frecuencia en las aplicaciones a los lenguajes de programación:
1 ¿Cómo se puede determinar cuándo una combinación de
palabras es una frase válida en un lenguaje formal?
2 ¿Cómo se pueden generar las frases válidas de un lenguaje
formal?
Como puede observarse, el trabajo con las gramáticas es ex-
tremadamente complicado, por lo que centraremos la atención
en los lenguajes y los elementos que los componen. Para aden-
trarnos en la teorı́a del lenguaje, introducimos algunos términos.

Introducción La Teorı́a del Lenguaje
Desarrollo Máquinas de Turing
Conclusiones Máquinas de Turing para el reconocimiento de lenguajes
Teorı́a del lenguaje
Definición 1
P
Un alfabeto (o vocabulario) es un conjunto finito y no vacı́o,
cuyos elementos se llaman sı́mbolos.
P
Una cadena P (o palabra) sobre es una secuencia finita de
elementos de . La palabra vacı́a o cadena vacı́a, denotada por
λ, es la
Pcadena sin sı́mbolos.
P∗ El conjunto de todas las palabras
sobre se denota P
por .
es un subconjunto de ∗ .
P
Un lenguaje sobre

Nótese que λ, la palabra vacı́a, es la cadena que no contiene

sı́mbolos, y es diferente del conjunto vacı́o, ∅. Por tanto, {λ}
es el conjunto que contiene exactamente una palabra, la pal-
abra vacı́a. Además, λ es una cadena que puede construirse en
cualquier alfabeto.
Los lenguajes se pueden especificar de varias formas. Una de
ellas consiste en enumerar todas las palabras que conforman el
lenguaje. Otra es dar algunos criterios que una palabra debe
satisfacer para pertenecer al lenguaje.

Ejemplo 1
Los siguientes son ejemplos de alfabetos:
P
= {0, 1}, el alfabeto binario.
P
= {0, 1, 2, . . . , 9}, el alfabeto formado por los dı́gitos
decimales.
P
= {a, b, c, . . . , z}, el alfabeto formado por las letras
minúsculas.

Ejemplo 2
Los siguientes son ejemplos de cadenas:
001101
P y 111 son cadenas sobre el alfabeto binario
= {0, 1}
1345 es una cadena del conjunto de los dı́gitos decimales.
zenaida y dsghtrs , son cadenas del alfabeto formado por
las letras minúsculas del español.

Longitud de una cadena
Definición 2
P
Sea w = a1 , a2 , . . . , an una cadena
P sobre el alfabeto , donde
a1 , a2 , . . . , an son sı́mbolos de . Se define la longitud de la
cadena w como n y se denota por |w |.

Longitud de una cadena
Ejemplo 3
La longitud de las siguientes cadenas es:
|001101| = 6
|1345| = 4
|zenaida| = 7
|λ| = 0

Potencia de un alfabeto
Definición 3
P
Si es un alfabeto, podemos expresar el conjunto de todas
las cadenas de una determinada longitud de dicho alfabeto uti-
lizando una notación exponencial.
Definimos potencia k deP un alfabeto al conjunto de todasPlas
cadenas sobre el alfabeto de longitud k. Se denota por k .

Potencia de un alfabeto
Ejemplo 4
Son ejemplos de potencias de un alfabeto, las siguientes:
P0
= {λ}
P P1
P2 = {0, 1} entonces,
Si = {0, 1},
P3 = {00, 01, 10, 11},
= {000, 001, 010, 011, 100, 101, 110, 111}, etc.

Clausura de un alfabeto
Definición 4
P
El conjuntoPde todas las potencias de un alfabeto se designa
mediante ∗ y lo definiremos como clausura de un alfabeto.
El mismo será expresado de la siguiente forma:
∗
X 0
X 1
X 2
X ∞ X
[ n
= ∪ ∪ ∪... =
n=0

Clausura de un alfabeto
Ejemplo 5
P
Sea el alfabeto = {0, 1}. La clausura de dicho alfabeto es:
0, 1∗ = {λ, 0, 1, 00, 01, 10, 11, 000, 001, 010, 011, 100, . . .}
P
El conjunto de las cadenas no vacı́as de un alfabeto se designa como
P +
. Por tanto, este conjunto puede definirse de la siguiente manera:
+
X 1
X 2
X 3
X ∞ X
[ n n
[ X
= ∪ ∪ ∪... = =
n=1 n∈Z+
Por tanto:
∗
X +
X
= ∪{λ}

Lenguaje
Definición 5
cualquier subconjunto de ∗ es un
P P
Para un alfabetoP
dado
lenguaje sobre . Esto incluye el subconjunto ∅ al que lla-
maremos lenguaje vacı́o.

Lenguaje
Ejemplo 6
Son ejemplos de lenguajes los siguientes:
El Español.
Los lenguajes de programación Java, C + +, C #, etc.
P
Sobre el alfabeto = {0, 1}:
1 El conjunto de cadenas formadas por el mismo número
de ceros que de unos:
{λ, 01, 10, 0011, 0101, 0110, 1100, 1010, 1001, . . .}.
2 El conjunto de números binarios cuyo valor en decimal es
un número primo: {10, 11, 101, 111, 1011, . . .}

Notación para lenguaje
Un lenguaje puede describirse utilizando la notación intencional

de conjuntos:
{w | P(w )}
Esta expresión se lee: el conjunto de cadenas w que cumplen la
propiedad P.

Ejemplo 7
Son ejemplos de notación intencional para lenguajes los sigu-
ientes:
{w | w consta de un número igual de ceros que de unos}.
{w | w es un entero binario que es primo}.
{w | w es un programa X sintácticamente correcto}.

También es común reemplazar a w por alguna expresión con

parámetros y describir las cadenas del lenguaje estableciendo
condiciones sobre los parámetros.
Ejemplo 8
Son ejemplos de notación intencional para lenguajes los sigu-
ientes:
{0m 1n 0m | m ∈ N, n ∈ N y representan la cantidad de
ocurrencias del sı́mbolo en la cadena}
{an b m c n+m | n > 0, m > 0}.
{an | n − 1 o n − 5 sean divisibles por 8 }.

Máquina de Turing
Un paseo por la historia
Alan Mathison Turing (1912-1954) se

le considera uno de los padres de la in-
formática y se le conoce como el padre
de la computabilidad. Quién definió la
primera formalización de algoritmo y propu-
so el modelo de cómputo conocido por la
máquina de Turing.

Máquina de Turing
¿Quién es Alan Turing y en qué consiste una

Máquina de Turing?
(Libro: Matemáticas Discretas para Ingenieros en Ciencias In-
formáticas, páginas 195-203)

Máquina de Turing
Definición 6
Una Máquina de Turing (MT), es una tupla de la forma
P
MT = {Q, , Γ, q0 , F , δ}
donde:
Q : Conjunto finito de estados.
P
: Alfabeto de entrada.
Γ : Alfabeto de la cinta.
q0 : Estado inicial.
F : Conjunto de estados finales.
δ : Función de transición, δ : Q × Γ → Q × Γ × {I , D, N}.

Máquina de Turing
¿Cuándo se detiene una MT? La MT se detiene cuando llega

a un estado q con el cabezal apuntando a un caracter c tales
que la función de transición δ no está definida para esa tupla
(δ(q, c) no está definida). Entonces pueden suceder dos cosas:
que sea un estado final q ∈ F o no q ∈ / F . El hecho de que
q ∈ F indica que la MT terminó exitosamente, no ası́ en caso
de que q ∈/ F.
Pero, ¿qué significa todo esto? Veamos:

Máquina de Turing
Ejemplo 8
P
Diseñar una MT que lleve las cadenas del alfabeto =
{a, b, A, B}P
a mayúsculas:
MT = {Q, , Γ, q0 , F , δ} donde:
Q = q0 , q1
P
= {a, b, A, B}
Γ = {a, b, A, B, #}
F = {q1 }
δ:

Máquina de Turing
Ejemplo 8 (continuación)
(q0 , a) = (q0 , A, D): en el estado q0 cambia el caracter a por A, se
mantiene en el mismo estado y mueve el cabezal a la derecha.
(q0 , A) = (q0 , A, D): en el estado q0 mantiene el caracter A, se
(q0 , b) = (q0 , B, D): en el estado q0 cambia el caracter b por B, se
(q0 , B) = (q0 , B, D): en el estado q0 mantiene el caracter B, se
(q0 , #) = (q1 , #, N): en el estado q0 tras haber convertido toda la
cadena de entrada, pues llegó a la primera celda vacı́a, mantiene el
caracter especial #, pasa al estado final q1 y deja el cabezal en la
misma posición.

Máquina de Turing
Consideremos que la cadena de entrada a la MT anterior sea
abAbBa, al estar en el estado q0 y el cabezal apuntando al car-
acter a se aplica la función de transición (q0 , a) = (q0 , A, D)
y se llega a la configuración que se muestra a continuación.
Primer paso en la ejecución de la MT, debido a que (q0 , a) =

(q0 , A, D).

Máquina de Turing
A continuación se muestran las configuraciones que se van obte-
niendo producto de la aplicación de la función de transición en cada
paso.
Resultado de aplicar los pasos del 2 al 7 (léase de izquierda a derecha

y de arriba a abajo).
Máquina de Turing
(...finalizando el Ejemplo 8)
Puede observarse que al alcanzar la Máquina de Turing la confi-
guración que se muestra en la última cinta de la figura anterior
llega el estado q1 , al no estar definida la función de transición para
dicho estado y el caracter # ((q1 , #) no está definida) la MT se
detiene, pero el estado q1 ∈ F lo que indica que el proceso para
llevar la cadena de entrada a mayúsculas fue exitoso. Esto es de
vital importancia, porque en caso de que el estado q1 no fuese un
estado final, y al no estar definida (q1 , #) la MT se detiene pero
indicando que el proceso no fue exitoso.

Configuración
Definición 7
Una configuración correspondiente a una MT es una cadena
z = αqβ, donde α, β ∈ δ ∗ , o sea (α y β son cadenas del alfabeto
de cinta Γ con longitud mayor o igual que cero) y q ∈ Q . En
z, q representa el estado en el que se encuentra la MT y la
posición del cabezal está apuntando al primer caracter de β.

Configuración
Ejemplo 9
Sea la siguiente cinta de una MT:
En dicha cinta se representa la configuración en la que z =

ABqAbBa, en la que α = AB y β = AbBa, de modo que la
MT se encuentra en el estado q y el cabezal está apuntando al
caracter A (primer caracter de β).

Configuración
Ejemplo 10
Sea la siguiente cinta de una MT:
La configuración inicial de la MT representada en la figura an-

terior es z0 = q0 abAbBa, siendo α = λ la cadena vacı́a de
longitud 0, β = abAbBa la cadena de entrada, q0 el estado ini-
cial y el cabezal se encuentra apuntando al caracter a (primero
de la cadena de entrada).
Configuración
Ejemplo 11
La configuración representada en la última cinta del ejemplo 8 es
z = ABABBAq1 , siendo α = ABABBA la cadena transformada
a mayúsculas, β = λ la cadena vacı́a, q1 el estado final. En casos
como este, cuando β = λ el cabezal se encuentra apuntando al
caracter especial # que está justo a continuación de la cadena,
como bien muestra la figura del ejemplo 8 (última cinta).

Derivación
Definición 8
P
En una Máquina de Turing MT = {Q, , Γ, q0 , F , δ} una
derivación consiste en el paso inmediato de una configuración
z a otra z0 al aplicar una vez la función de transición δ, y se
representa como z ` z0.

Derivación
Ejemplo 12
La primera derivación en la MT del ejemplo 8 se representarı́a
entonces como:q0 abAbBa ` Aq0 bAbBa. La que indica que es-
tando la MT en el estado q0 y con el cabezal apuntando al ca-
racter a, al aplicar la función de transición (q0 , a) = (q0 , A, D)
la MT cambia el caracter a por el A, se mantiene en el estado
q0 y mueve el cabezal hacia la derecha.

Derivación
Ejemplo 13
La secuencia de pasos descritos arriba en las figuras del ejem-
plo 8 se representarı́a entonces como la siguiente secuencia
de derivaciones: q0 abAbBa ` Aq0 bAbBa ` ABq0 AbBa `
ABAq0 bBa ` ABABq0 Ba ` ABABBq0 a ` ABABBAq0 `
ABABBAq1 .

Cómputo
Definición 9
Un P cómputo de la Máquina de Turing MT =
{Q, , Γ, q0 , F , δ} de n pasos, es una secuencia de derivaciones
como: z ` z1 ` z2 ` . . . ` zn .
En el ejemplo 13 se muestra un cómputo de 7 pasos.

Cómputo
Definición 10
P
Sea la Máquina de Turing MT = {Q, , Γ, q0 , F , δ}, y dos con-
figuraciones z y z0 para dicha MT. Entonces podemos escribir
z ` ∗z0 si existe un cómputo de 0 o más pasos que comienza
en la configuración z y termina en la configuración z0.

Cómputo
Es importante destacar que siempre es posible pasar de una

configuración z a ella misma sin aplicar la función de transición,
o sea, z ` ∗z; estos son los únicos casos en que se asume que
el cómputo es de 0 pasos.
En el ejemplo 13 se demuestra que q0 abAbBa ` ∗ABABBAq1 .

Reconociendo una cadena
Decimos que una MT reconoce o acepta una cadena si se

cumplen las siguientes condiciones:
1 Se consumen todos los caracteres de dicha cadena de
entrada, siguiendo las transiciones y pasando en
consecuencia de un estado a otro.
2 Al terminarse la cadena, el estado al que llega es uno de
los estados finales del autómata (los que tienen doble
cı́rculo en los diagramas, o que son parte del conjunto F
en la representación formal).

Reconociendo una cadena
El lenguaje reconocido por una Máquina de Turing es el conjunto

de todasPlas cadenas formadas por caracteres del alfabeto de
entrada que son aceptadas por dicha MT, y viceversa, todas
las cadenas que son aceptadas por la MT pertenecen al lenguaje
que ella reconoce. Veamos:

Lenguaje reconocido
Definición 10
L(MT ) es el lenguaje reconocido P por la Máquina de Turing
MT cuando para toda cadena w ∈ ∗ se tiene que w ∈ L si y
solo si la cadena w es aceptada por MT. Es decir:
∗
X
L(MT ) = w ∈ | q0 w ` ∗αqf β, qf ∈ F , α ∈ Γ∗ , α ∈ Γ∗

Lenguaje reconocido
Para llevar a cabo el diseño de una MT deben tenerse en cuenta

varios elementos.
Considérese el problema de construir una MT que acepte exac-
tamente un lenguaje dado.
Este problema es comúnmente llamado problema de diseño. No
es conveniente proceder por ensayo y error, puesto que en gen-
eral hay que considerar demasiadas posibilidades, y es muy fácil
equivocarse.

Lenguaje reconocido
Más aún, hay dos maneras de equivocarse al diseñar una MT:

1 Que sobren cadenas, esto es, que la máquina acepte
algunas cadenas que no deberı́a aceptar. En este caso
decimos que la solución es incorrecta.
2 Que falten cadenas, esto es, que haya cadenas en el
lenguaje considerado que no son aceptadas por la
máquina, cuando deberı́an serlo. En este caso decimos
que la solución es incompleta.

Lenguaje reconocido
Recuérdese que la única forma de memoria que tienen las MT

es el estado en que se encuentran. Ası́, el diseño de la MT ini-
cia con la propuesta de un conjunto de estados que recuerdan
condiciones importantes en el problema considerado. Posterior-
mente se proponen las transiciones que permiten pasar de un
estado a otro; esta última parte es relativamente sencilla una
vez que se cuenta con los estados y sus condiciones asociadas.

MT para el reconocimiento de lenguajes
Ejemplo 14
P
Diseñar una MT en el alfabeto = {a, b} que acepte las
palabras en que la cantidad de a es impar.
Las condiciones relevantes para este problema, que deben ser
recordadas por los estados correspondientes, son:
El número de a recibidas hasta el momento es par (estado
P);
El número de a recibidas hasta el momento es impar
(estado I );

Al iniciar la operación del autómata no se ha recibido aún ninguna
a, por lo que debemos encontrarnos en el estado P (considerando el
cero como un número par), y por lo tanto el estado P es inicial.
Los estados P e I aparecen en la siguiente figura. Esta es la primera
etapa del diseño de una MT. En nuestro método de diseño es im-
portante trazar las transiciones únicamente después de haber deter-
minado cuáles son los estados y sus caracterı́sticas.

Ahora ya podemos trazar las transiciones, lo cual es una tarea relati-
vamente sencilla, si ya tenemos el diseño de los estados. Por ejemplo,
si estamos en P y recibimos una a, claramente debemos irnos a I ,
porque la cantidad de a pasa de ser par a impar. Similarmente se
hacen las otras transiciones. Veamos

Para determinar qué estados son finales, debemos fijarnos en cuáles
corresponden con el enunciado original de las palabras aceptadas.
En este caso vemos que el estado I es el que corresponde, por lo
que es final, mientras que P no corresponde y no es final.

Ejemplo 15
La definición gráfica de la MT definida
P analı́ticamente en el ejemplo
8 (que lleve las cadenas del alfabeto = {a, b, A, B} a mayúsculas)
serı́a la siguiente.

Ejemplo 16
Diseñe una MT que reconozca P el lenguaje L formado por todas
las cadenas sobre el alfabeto = {w , x, y } que cumplen con la
siguiente condición:
l = {w m , x n , y p | m ≥ 0, n ≥ 1, p > 0}
(Téngase en cuenta que w m significa una cantidad m de apariciones

del caracter w )

La MT que da solución a la problemática es la siguiente:

Ejemplo 17
Diseñe una MT que reconozca
P el lenguaje formado por todas las
cadenas sobre el alfabeto = {0, 1} que cumplen con las siguientes
condiciones:
está formado por todas las cadenas donde el primer y el

último dı́gito son diferentes.
el primer y el segundo dı́gito son diferentes; el último y el

penúltimo dı́gito son diferentes.
para toda cadena w de L se cumple que |w | > 3.


Una posible solución serı́a:

Finalizando...
¿Por qué se cree que la Máquina de Turing es una buena
formalización del concepto de algoritmo?
Porque cada programa de una Máquina de Turing puede
ser implementado.
Porque todos los algoritmos conocidos han podido ser
implementados en Máquinas de Turing.
Porque todos los otros intentos por formalizar este
concepto fueron reducidos a las Máquinas de Turing.
Los mejores intentos resultaron ser equivalentes a las
Máquinas de Turing.
Todos los intentos razonables fueron reducidos
eficientemente.
Tesis de Church: Algoritmo = Máquina de Turing.
Introducción
Desarrollo
Conclusiones
Conclusiones
¿Qué aprendimos en la
clase de hoy?

Introducción
Desarrollo
Conclusiones
Estudio Independiente
Estudio Independiente
Estudiar todas las definiciones y ejemplos de la Conferencia para
ser evaluados de forma oral en la próxima clase.

Introducción
Desarrollo
Conclusiones
Matemática Discreta I
Conferencia 6: Máquinas de Turing
Colectivo de Matemática Discreta I

Universidad de las Ciencias Informáticas
Disciplina Inteligencia Computacional

Conferencia 6. Máquinas de Turing

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Conferencia 6. Máquinas de Turing

Cargado por

Copyright:

Formatos disponibles

Introducción

Colectivo de Matemática Discreta I

Disciplina Inteligencia Computacional

Colectivo de Matemática Discreta I Matemática Discreta I

Identificar los elementos básicos de las Máquinas de

Colectivo de Matemática Discreta I Matemática Discreta I

Las palabras del idioma español pueden combinarse de varias

Colectivo de Matemática Discreta I Matemática Discreta I

El uso de la gramática es de gran ayuda cuando se trata de

Colectivo de Matemática Discreta I Matemática Discreta I

Teorı́a del lenguaje

Colectivo de Matemática Discreta I Matemática Discreta I

Teorı́a del lenguaje

Nótese que λ, la palabra vacı́a, es la cadena que no contiene

Colectivo de Matemática Discreta I Matemática Discreta I

Teorı́a del lenguaje

Colectivo de Matemática Discreta I Matemática Discreta I

Teorı́a del lenguaje

Colectivo de Matemática Discreta I Matemática Discreta I

Longitud de una cadena

Colectivo de Matemática Discreta I Matemática Discreta I

Longitud de una cadena

Colectivo de Matemática Discreta I Matemática Discreta I

Colectivo de Matemática Discreta I Matemática Discreta I

Colectivo de Matemática Discreta I Matemática Discreta I

Colectivo de Matemática Discreta I Matemática Discreta I

Colectivo de Matemática Discreta I Matemática Discreta I

Colectivo de Matemática Discreta I Matemática Discreta I

Colectivo de Matemática Discreta I Matemática Discreta I

Notación para lenguaje

Un lenguaje puede describirse utilizando la notación intencional

Colectivo de Matemática Discreta I Matemática Discreta I

Notación para lenguaje

Colectivo de Matemática Discreta I Matemática Discreta I

Notación para lenguaje

También es común reemplazar a w por alguna expresión con

Colectivo de Matemática Discreta I Matemática Discreta I

Un paseo por la historia

Alan Mathison Turing (1912-1954) se

Colectivo de Matemática Discreta I Matemática Discreta I

¿Quién es Alan Turing y en qué consiste una

Colectivo de Matemática Discreta I Matemática Discreta I

Colectivo de Matemática Discreta I Matemática Discreta I

¿Cuándo se detiene una MT? La MT se detiene cuando llega

Colectivo de Matemática Discreta I Matemática Discreta I

Colectivo de Matemática Discreta I Matemática Discreta I

Colectivo de Matemática Discreta I Matemática Discreta I

Primer paso en la ejecución de la MT, debido a que (q0 , a) =

Colectivo de Matemática Discreta I Matemática Discreta I

Resultado de aplicar los pasos del 2 al 7 (léase de izquierda a derecha

Colectivo de Matemática Discreta I Matemática Discreta I

Colectivo de Matemática Discreta I Matemática Discreta I

En dicha cinta se representa la configuración en la que z =

Colectivo de Matemática Discreta I Matemática Discreta I

La configuración inicial de la MT representada en la figura an-

Colectivo de Matemática Discreta I Matemática Discreta I

Colectivo de Matemática Discreta I Matemática Discreta I

Colectivo de Matemática Discreta I Matemática Discreta I

Colectivo de Matemática Discreta I Matemática Discreta I

Colectivo de Matemática Discreta I Matemática Discreta I

Colectivo de Matemática Discreta I Matemática Discreta I

Es importante destacar que siempre es posible pasar de una

Colectivo de Matemática Discreta I Matemática Discreta I