Documentos de Académico
Documentos de Profesional
Documentos de Cultura
AUTOR:
https://www.camayat.com
Duitama (Boyacá)
Colombia
Versión 5 – 2015.
LISTA DE TABLAS.................................................................................................................................. 8
INTRODUCCIÓN ................................................................................................................................... 9
I. GENERALIDADES: ............................................................................................................ 14
I.III RELACIONES:........................................................................................................................ 18
LECCIÓN 24. FUNCIONES QUE SE APLICAN SOBRE LOS STACKS. (PILAS). ................................ 96
LECCIÓN 27. RELACIÓN ENTRE LOS AUTÓMATAS DE PILA Y LENGUAJES LIBRES DE CONTEXTO100
4
LECCIÓN 29. ALGORITMOS DE DECISIÓN PARA LOS LENGUAJES LIBRES DE CONTEXTO. ....... 103
LECCIÓN 30. PROBLEMAS INDECIDIBLES PARA LENGUAJES LIBRES DE CONTEXTO. .............. 105
LECCIÓN 33. DIFERENCIAS ENTRE LAS COMPUTADORAS Y LAS MÁQUINAS DE TURING ..... 113
LECCIÓN 44. APLICACIONES DE LAS MAQUINAS DE ESTADOS. ALGORITMO DE TRELLIS. ..... 133
LISTA DE FIGURAS
Pág.
LISTA DE TABLAS
Pág
Los contenidos que s e documentan y explican, llevan al lector a que asimile dos temáticas
básicas para esta área de conocimiento:
Junto al anterior bloque, el lector comprenderá y abordará los tres tipos de máquinas
correspondientes para el reconocimiento de esos lenguajes como son: (autómatas
finitos, autómatas a pila y máquinas de Turing) y las propiedades fundamentales de
las familias de lenguajes por ellos definidas, también realiza el estudio de las
condiciones necesarias para que un lenguaje sea de un tipo determinado.
La necesidad objetiva de comprender las temáticas, sumada a las dificultades que muchos
lectores presentan para comprender y asociar la automatización a la solución de problemas
reales mediante máquinas abstractas o a la identificación de problemas solubles, insolubles
e indecidibles, me ha llevado a hacer uso de raciocinios sencillos sin necesidad llegara
demostraciones matemáticas, jugando un papel secundario la implementación de algoritmos.
Se presentan temáticas que son base para comprender los lenguajes de programación de
alto y bajo nivel y que propician la distinción entre lenguajes formales con reglas
sintácticas y semánticas rígidas, concretas y bien definidas, de los lenguajes naturales
9
Muchos autores referenciados en las fuentes bibliográficos y de los cuales se han tomado
análisis y ejercicios clave para poder comprender la temática, usan diferentes tipos de
nomenclaturas, fórmulas y símbolos, ya que como tal, los lenguajes, expresiones regulares,
funciones entre otros deben representarse matemáticamente. Para estandarizar de manera
sencilla, se presenta como Anexo a este libro, la lista de símbolos usados y su significado.
10
Finalmente les he desarrollado un material en video que les apoya el desarrollo de los
ejercicios de este libro, unos tomados de otras fuentes documentales y otros de autoría
propia y que están a disposición para su descarga o visualización.
11
Los siguientes son los símbolos usados en el presente libro y son la base para todos los
ejercicios y temáticas expuestas. Muchos autores difieren en el tipo de simbología usada,
pero se ha procurado consolidar y usar los más comunes acorde a su significado y
aplicabilidad.
∑ Sigma Alfabeto
L Letra Ele Lenguaje sobre un determinado alfabeto ∑
mayúscula
M Eme Máquina de estados Finitos
A A Autómata
K Ka Suele denotar el conjunto de estados de un autómata
F Efe Suele denotar el conjunto de estados finales de un autómata
S Ese Suele denotar el estado inicial de un autómata
Sigma Denota una función.
Ro Función de transición de un autómata
Omega Denota una cadena o palabra sobre un alfabeto
Upsilon Denota una cadena o palabra sobre un alfabeto
Alpha Otras cadenas. En algunos caso indica una Expresión Regular (ER)
Beta Otras cadenas. Muy usado en denotar cadenas en gramáticas.
Lambda Representa una cadena vacía
∆ Delta
Gamma Suele denotar el Alfabeto de una Pila (AP) ó (PDA)
Gammar Suele denotar un conjunto de cadenas de un PDA
G Ge Representa una gramática
Unión
Intersección
≤ Comparación Menor o igual que
≥ Comparación Mayor o igual que
< Comparación Menor que
12
13
I. GENERALIDADES:
Las nociones básicas de la Teoría de conjuntos, son necesarias para el inicio del estudio de
la Teoría de la Computación.
Dado dos conjuntos A y B, estos son exactamente iguales si contienen exactamente los
mismos elementos: A={1,2,3} y B ={2,3,1}, es válido afirmar y escribir que A=B. No se tienen
en cuenta las repeticiones de elementos ni tampoco el orden de estos.
Es relevate para este estudio diferenciar que a y {a} no son lo mismo a {a} .
Teorema 2. Si A B y B C , entonces A C
14
B= {x A | x cumple la propiedad P}
Sea P(x) una proposición sobre x. La notación {x | P(x)} se interpreta como: “el conjunto de
todos los x tales que P(x)”, denota el conjunto de todos los x para los cuales P(x) es una
proposición verdadera. Ejemplo 4:
En aritmética básica se pueden trabajar tres operaciones: sumar restar y multiplicar dos
números. E la teoría de conjuntos existen tres operaciones que son análogas a la suma,
resta y multiplicación.
A B {x | x a x B}
Diferencia de conjuntos: A - B, que contiene los elementos de A que no están en B, esto es:
A B {x | x a x B}
El tamaño de un producto cartesiano A×B es |A| multiplicado por |B|. El producto cartesiano
no es conmutativo, pues no es lo mismo un par (a, b) que uno (b, a), ni asociativo, pues no es
lo mismo (a, (b, c)) que ((a, b), c).
16
Básicamente consiste y son útiles para reemplazar expresiones pro otras equivalentes o que
tengan el mismo resultado.
Teorema 3.
A A
A
Si A B , entonces A B A
Si A B , entonces A B B
Idempotencia: A A A ; A A A
Conmutatividad: A B B A ; A B B A
Asociatividad: ( A B) C A ( B C )
( A B )C A ( B C )
Distributividad: A ( B C ) ( A B) ( A C )
A ( B C ) ( A B) ( A C )
Absorción: A ( A B) A ; A ( A B) A
Leyes de Morgan:
A B A B se suele denotar también como: ( A B) C A C B C
A B A B se suele denotar también como: ( A B) C A C B C
Doble complemento. ( AC ) C A
O de igual forma: 2 A {x | x A}
17
El conjunto vacío siempre forma parte de todo conjunto potencia. La notación 2 A recuerda
que el tamaño del conjunto potencia de A es 2 elevado a la potencia del tamaño de A, esto
es, | 2 A | = 2| A| .
Ejemplo 12: Sea U (El Universo de los números naturales), el complemento de los
números múltiplos de tres (3) {3,6,9,12,15,...}c = {1,2,4,5,7,8,10,11,13,14, ….}.
I.III RELACIONES:
Ejemplo 13: Sea el conjunto A = {a, b, c}. El grafo de la figura (1) representa una relación
binaria definida en A, puesto que los pares (c,a), (b,a) (b,b) constituyen un subconjunto de A x
A.
Fuente:<El autor>
18
Ejemplo 14: La relación “≤” contiene los pares de los números naturales tales que el primer
componente es menor o igual al segundo, esto es,
≤ = {(1,1),(1,2),(1,3),(1,4),(2,3)…}
Téngase en cuenta que se llama par ordenado a una pareja de objetos escritos entre
paréntesis y separados por comas.
Por ejemplo, (a,b) es un par ordenado y a,b son los componentes del par ordenado. No es lo
mismo (ya que el orden si influye), lo siguiente:
( a, b) {a, b}
(a, b) (b, a )
El orden si influye, sin embargo, no todos los subconjuntos del producto cartesiano, pueden
ser aceptados como la relación de la condición que exprese. Algunas características de
estas relaciones son:
Inverso de una Relación: Se llama inverso de una relación R, denotado por R 1 , a aquella
en donde se invierte el orden de los pares ordenados, esto es:
R 1 {( y, x) | ( x, y) R}
Propiedades más comunes de las Relaciones Binarias. No se citan olas que se derivan
de las básicas que se relacionan a continuación.
Propiedad Condición
Reflexiva R es reflexiva si a A : aRa
Antireflexiva R es antireflexiva si a A : (aRa ) ó aRa
Simétrica R es simétrica si a, b A : (aRb) (bRa )
19
Reflexiva: Cada elemento tiene un bucle. Ejemplo 16 Si A = {a,b,cd} y R es una relación “ser
igual que” o de la forma (x,x) se tiene: R={(a,a),(b,b),(c,c),(d,d)}.
Fuente:<El autor>
Fuente:<El autor>
20
Fuente:<El autor>
Antisimétrica: Ninguna flecha de ida tiene otra de vuelta, salvo en el caso de los bucles,
que están permitidos. Ejemplo 19 Si A = {1, 2, 3, 4} y R es la relación “ser menor o igual que”,
se tiene: R = {(1, 2), (1, 3), (1, 4), (2, 3), (2, 4), (3, 4), (1, 1), (2, 2), (3, 3), (4, 4)}
Fuente:<El autor>
Transitiva: Si existen dos relaciones o flechas consecutivas, debe haber otra que una el
primer elemento con el tercero. Ejemplo 20 Si A = {1, 2, 3, 4} y R es la relación “ser mayor que”,
se tiene: R = {(3, 2),(2, 1), (3, 1), (4, 1), (4, 2), (4, 3)}
Fuente:<El autor>
21
Fuente:<El autor>
I.IV FUNCIONES:
Las funciones son un caso particular de las relaciones. Simplemente son asociaciones,
combinaciones o relaciones en las que no hay dos pares ordenados que tengan el mismo
primer componente. Es decir, los pares ordenados asocian a cada primer componente un
único segundo componente. Por ejemplo, la relación {(1,2), (2,3), (1,3)} no es una función,
pero {(1,2), (2,3), (3,3)} sí lo es.
En conjuntos, la notación habitual suele ser: f(1) = 2 que significa que a partir de la entrada 1
se obtiene la salida 2. (se usa la f como indicador de la función). En Autómatas. La función
suele denotarse con el símbolo
Para la teoría de autómatas. Las funciones son vistas desde la perspectiva de lenguajes
aceptados, por eso la temática que aborda as funciones en conjuntos como las funciones
totales, inyectivas y sobreyectivas, pueden referenciarse en:
22
Se da inicio a un concepto: Máquinas secuenciales, que hacen parte también del estudio de
la teoría de autómatas y que tienen sus inicios en el campo de la Ingeniería Electrónica. El
fin de los modelos no es la de describir detalles de los componentes de hardware de un
computador, sino de determinar características poco visibles o intangibles de estas máquinas
como por ejemplo capacidad de proceso, memoria, procesamiento de datos e información.
Es por ello que se han dividido en diferentes áreas de conocimiento este tipo de estudio
como por ejemplo: Arquitectura de computadores, Sistemas de información, sistemas
Distribuidos lógica Matemática, Ensamble de máquinas, entre otros.
Iniciamos el estudio de estas maquis abstractas identificando componentes básicos como los
lenguajes que pueden describirse como elementos que se generan a partir de cadenas
sencillas y que con operaciones entre ellas periten el desarrollo del lenguaje mismo, que
puede generar otros lenguajes más sencillos mediante operaciones de conjuntos.
Los Lenguajes más sencillos son los considerados lenguajes regulares, es decir, los que se
pueden generar a partir de lenguajes de un elemento con la aplicación de ciertas
operaciones estándar realizadas un número finito de veces.
Estos son pues los lenguajes que pueden reconocer los dispositivos llamados Autómatas
finitos (AF) que son máquinas de cómputo con memoria muy restringida. En esta
unidad se considera como segundo aspecto la idea de que un lenguaje no sea regular,
además de proporcionar un modelo sencillo de computación que se puede generalizar
en las unidades siguientes.
EPOCA PRECURSORES
1845 -1918 Iniciada por Godel, Church, Post, Turing y Kleene, tiene sus raíces en la
Lógica Matemática. Ya se había inventado la Teoría de Conjuntos
1
<NAVARRETE,Isabel. Teoría de Autómatas y lenguajes Formales. Departamento Ingeniería. Universidad de Murcia. P 133.
Sept 2008>
24
1954 - 1969 El matemático norteamericano Shanon (que luego se haría famoso por su
Teoría de la Información) vino a establecer las bases para la aplicación de
la Lógica Matemática a los circuitos combinatorios y posteriormente
Huffman en 1954 los amplio a circuitos secuenciales y utiliza conceptos
Máquinas
como estado de un autómata y tabla de transición. A lo largo de las
secuenciales y
décadas siguientes, las ideas de Shanon se desarrollaron
Autómatas finitos.
considerablemente, dando lugar a la formalización de una Teoría de las
Maquinas Secuenciales y de los Autómatas Finitos (1956). Otros trabajos
importantes sobre maquinas secuenciales son debidos a Mealy (1955) y
Moore.
1956 en adelante Noam Chomsky propone en 1956 tres modelos para la descripción de
lenguajes, que son la base de su futura jerarquía de los tipos de lenguajes
Noam Chomsky (1959), que ayudo también en el desarrollo de los lenguajes de
propone varios programación. Chomsky estableció una clasificacion de gramáticas de
modelos para acuerdo con el formato de sus producciones y distinguió cuatro clases
clasificar: fundamentales de lenguajes y relaciones de inclusión entre ellas.
Gramáticas y
Lenguajes formales.
Fuente: El Autor
http://youtu.be/tO-WgRXKcAo
Tras las huellas de la mente de Alan Turing. La polémica historia de esta brillante
mente. Un reto complejo para quienes quieran entender y seguir sus pasos. "Un genio
trágico".
25
Película que cuenta la historia de un genio controvertido "Alan Turing". Con subtítulos http://youtu.be/uoKLtu2Am6k
en español.
DANGEROUS KNOWLEDGE. “Conocimientos peligrosos”. El documental, narrado PARTE 1: CANAL VIMEO
por David Malone, se centra en la vida de cuatro brillantes matemáticos - Georg
Cantor, Ludwig Boltzmann, Kurt Gödel y Alan Turing -, lo que rodeó sus http://vimeo.com/30482156
descubrimientos y las reacciones de la comunidad científica hacia ellos, así como la
evolución de sus personas hasta el declive. Sus trabajos han llegado a influir
PARTE 2: CANAL VIMEO
enormemente incluso en ámbitos no científicos, o en la perspectiva de como
observamos el mundo en general y nuestro pequeño entorno en particularmente.
Desafortunadamente sus mentes privilegiadas no pudieron impedir que llegaran a http://vimeo.com/30641992
enloquecer hasta el punto de cometer suicidio.
O consulta esta URL:
http://www.mates.byethost4.com/audiovisuales/matematicas/documentales-bbc.html
Secretos de la segunda guerra mundial. “El código Eigma”. El trabajo de los http://youtu.be/EVQNosg6wEQ
criptógrafos.
Fuente: <El autor>
Para denotar el alfabeto se usara el símbolo ∑ o en algunos casos se especificaran con las
primeras letras mayúsculas del abecedario, dependiendo como se formule el problema. Los
símbolos de un alfabeto pueden ser números, letras, entre otros y suelen estar escritos en
minúsculas.
Ejemplo: Sea A = {0,1} indica el Alfabeto A compuesto por los símbolos 0,1
No hay que confundir los símbolos del alfabeto B con los símbolos del lenguaje (o más precisamente
meta-lenguaje) que usamos para expresarnos todos los días. Son dos cosas totalmente distintas.
Nosotros para comunicarnos usamos un lenguaje que tiene unos símbolos que son las letras del
alfabeto latino, los números, las letras del alfabeto griego, y una serie de símbolos especiales propios
26
Definición2. Una palabra o cadena sobre un alfabeto ∑ es una sucesión finita de elementos
de ∑. Se suele denotar con la letra omega
Ejemplo 21: Si A = {0,1} entonces 0111 es una palabra sobre este alfabeto.
Definición4. La palabra vacía es la palabra de longitud cero. Es la misma para todos los
alfabetos y se denota como
Definición5. Al conjunto de todas las palabras o cadenas sobre el alfabeto ∑ en las que se
excluya la cadena vacía se denota como:
Las operaciones fundamentales que se derivan del tratamiento del conjunto * , son las de
concatenación:
Ejemplo 22 Para definir la concatenación: Dada las siguientes cadenas , formadas desde el
alfabeto ∑ :
27
Se notan los siguiente ejemplos de algunos lenguajes (sin definir su jerarquía que se verá en
la siguiente lección) sobre el alfabeto ∑
L1 {a, b, c, } Lenguaje uno compuesto por los símbolos a,b,c de un determinado alfabeto
incluyendo la cadena vacía.
L2 {a i bi | i 0,1,2...} Lenguaje dos compuesto por las palabras formadas de una sucesión
de símbolos a, seguida de la misma cantidad de símbolos b.
L3 { 1 | *} Lenguaje tres compuesto por las palabras formadas con símbolos del
alfabeto ∑ y que consisten en dos palabras iguales, separadas por la misma palabra pero
escrita en orden inverso.
28
Asociativa: L1 ( L2 L3 ) ( L1L2 ) L3
L0 {}
Li 1 Li L
L L* si L
L L* {}si L
Los (LP) se rigen por reglas de sintaxis y semántica más complejas y definidas y que
finalmente son manejadas por los computadores. En los lenguajes naturales (LN), estos no
están tan definidos ni delimitados, ya que están controlados por reglas gramaticales que
evolucionan y derivan nuevos lenguajes.
29
Los pasos de definir e identificar reglas gramaticales, son claves en el proceso de traducción.
Fuente:<El autor>
2
Tomado de https://es.wikipedia.org/wiki/Int%C3%A9rprete_%28inform%C3%A1tica%29 con acceso Julio de
2013
30
Entramos a clasificar los lenguajes. Ya que los lenguajes en sí son conjuntos de secuencias
de símbolos y cada uno comparte una cierta propiedad. La clasificación de estos lenguajes
se dio en 1959, cuando N. Chomsky propuso una jerarquía de lenguajes, donde las clases
más complejas incluyen a las más simples.
Fuente:<El autor>
TIPO 3: (Gramáticas regulares). Los Lenguajes generados por estas gramáticas se llaman
“Lenguajes Regulares”, y el conjunto de todos estos lenguajes es la clase L3, que es la
clase más pequeña, e incluye a los lenguajes más simples. Un ejemplo de lenguaje regular
es el conjunto de todos los números pares enteros positivos.
A → bC
A→b
A→
31
A → Cb
A→b
A→
Para cada Gramática lineal por la derecha existe una Gramática lineal izquierda que genera
el mismo lenguaje y viceversa.
Los Lenguajes Regulares son lenguajes formales que tienen estas características:
Puede ser descrito mediante una expresión regular (expresar de forma compacta
cómo son todas las cadenas de símbolos que le pertenecen).
Puede ser generado mediante una gramática regular (obtener todas las cadenas de
símbolos que le pertenecen).
A→
Los lenguajes generados por este tipo de gramáticas se llaman lenguajes libres del contexto
y la clase es L2, que incluyen a los Lenguajes Regulares. Por ejemplo, la mayoría de los
lenguajes de programación son Lenguajes Libres de Contexto.
A →
Los lenguajes generados por las gramáticas de tipo 1 se llaman lenguajes sensibles al
Contexto y su clase es L1:
32
con (V* . VN . V*) y en la que no puede ser vacío
Los lenguajes generados por estas gramáticas son los lenguajes con estructura de frase,
que se agrupan en la clase L0: Estos lenguajes también se conocen en el campo de la Teoría
de la Compatibilidad como lenguajes recursivamente enumerarles.
La siguiente tabla muestra la asociación de las gramáticas con el lenguaje que genera y el
tipo de máquina abstracta que la trabaja:
Fuente:<El autor>
Cuanto menor es el tipo, mayor es el poder expresivo del lenguaje generado y más
complejidad tiene su tratamiento por parte de una máquina.
Esto es: L3 L2 L1 L0
Un lenguaje se dice que es de tipo i (i= 0;1;2;3) si y solo si es generado por una gramática
de tipo i. La clase o familia de lenguajes de tipo i se denota por Li.
33
La palabra autómata evoca algo que pretende imitar las funciones propias de los seres vivos,
especialmente relacionadas con el movimiento, por ejemplo el típico robot antropomorfo.
Un ejemplo de una “maquina real” que automatiza un proceso puede ser una máquina
empacadora de algún producto que se fabrique en serie y con una serie de instrucciones,
pasos y características definidas e iguales para cada salida (producto final).
Las maquinas que se estudiarán son abstracciones matemáticas que capturan solamente el
aspecto referente a las secuencias de eventos que ocurren, sin tomar en cuenta ni la forma
de la maquina ni sus dimensiones (aspectos de hardware por referir una analogía).
En esta parte estudiaremos las maquinas abstractas más simples, los autómatas finitos, las
cuales están en relación con los lenguajes regulares
Las condiciones asociadas a los estados deben ser excluyentes, esto es, no deben
verificarse varias simultáneamente.
Las condiciones asociadas a los estados deben ser comprensivas. Se deben cubrir
todas las combinaciones posibles entre todos los estados.
Fuente:<El autor>
35
La cabeza lectora se coloca en los segmentos de cinta que contienen los caracteres que
componen la palabra de entrada, y al colocarse sobre un símbolo lo “lee” y manda esta
información al control (digámoslo así controlado por unas reglas o producciones). El
recorrido puede ser a izquierda o derecha según el diseño de la máquina.
La “aguja” del control puede estar cambiando de posición, (de un estado a otro) y hay
algunas posiciones llamadas finales (como la indicada por un punto, q3) que son
consideradas especiales, porque permiten determinar si una palabra es aceptada o
rechazada.
36
Pero para describir los lenguajes (caracterizarlos) se suelen usarlas Expresiones Regulares
(ER), que abordaremos en lecciones siguientes con detenimiento.
Otra forma de describir la sintaxis de los lenguajes es usando gramáticas y sus reglas de
producción. El objetivo de caracterizar lenguajes es proporcionar una forma concisa y
relativamente sencilla (aunque menos intuitiva) para describir los lenguajes regulares,
exponiendo detalles de su estructura que no quedan tan claros en las otras
caracterizaciones.
“Los símbolos y notaciones matemáticas usados, serán los que durante todo el desarrollo del
contenido se aplicarán para describir matemáticamente estas máquinas. Otros autores usan otra
simbología, que solo difiere en la forma mas no en la interpretación de las definiciones formales de
estas máquinas. Se ha estandarizado las simbología más sencilla para efectos de didáctica e
interpretación”
∑ es el alfabeto de entrada.
Tabla de transiciones: Consiste en una tabla, con tantas filas como estados y tantas
columnas como entradas. El estado inicial en la columna izquierda está indicado con una
flecha. El estado final en la columna izquierda está indicado con un numeral. (No confundir
esto con la estrella de kleene que se verá más adelante en la lección de Expresiones
Regulares). Ejemplo 24 Se puede representar el autómata finito dado por:
Donde la función δ : {q0, q1, q2, q3 } × {0, 1} → {q0, q1, q2, q3} viene dada por:
δ(q0, 0) = q0 δ(q0, 1) = q1
δ(q1, 0) = q0 δ(q1, 1) = q2
δ(q2, 0) = q3 δ(q2, 1) = q1
δ(q3, 0) = q3 δ(q3, 1) = q2
38
Los estados son el único medio de que disponen los AF para recordar los eventos que
ocurren (por ejemplo, que caracteres se han leído hasta el momento); esto quiere decir que
son máquinas de memoria limitada. En última instancia, las computadoras digitales son
máquinas de memoria limitada, aunque la cantidad de estados posibles de su memoria
podría ser enorme.
Otras apreciaciones de estos AFD lo definen como otro mecanismo para describir lenguajes.
En vez de pensar en generar las cadenas (como las ERs), un AFD describe un lenguaje
mediante reconocer las cadenas del lenguaje, y ninguna otra.
1. se coloca en la cinta de entrada, con un símbolo en cada celda. (en este caso es
aaabab )
Ciclo de ejecución básico del autómata: Como cualquier computador, una vez se ha
inicializado, comienza la ejecución desde la palabra de entrada .
40
2. se calcula el estado siguiente a partir del estado actual y del símbolo actual según la
función de transición, esto es, (estado actual; símbolo actual) = estado siguiente
donde la función de transición está dada por: : {q0, q1, q2, q3 } × {x, z} → {q0, q1, q2, q3} →
q0 → { q3}
Figura 13: Tabla de transición para un Autómata Finito generado con software simulador VAS.
33
VAS. Visual Autómata Simulator. Disponible en internet <http://www.vas.org>
41
El diagrama de transición de un AFD tiene por cada nodo un solo arco etiquetado con cada
uno de los símbolos del alfabeto.
el diagrama de transición de un AFD tiene por cada nodo un sólo arco etiquetado con
cada uno de los símbolos del alfabeto.
la cantidad de estados finales puede ser cualquiera, inclusive cero (para algunos
modelos), hasta un máximo de |K| (la cantidad de estados).
Entiéndase por configuración un par (q, ) donde q es un estado y una palabra. En este
orden q será el estado en el que se encuentra el autómata y lo que queda por leer en un
momento dado.
42
Esto se explica indicando que la configuración inicial indica que estamos en el estado inicial
y nos queda por leer toda la palabra .
Una extensión a los autómatas finitos deterministas es la de permitir que de cada nodo del
diagrama de estados salga un número de flechas mayor o menor que Así, se puede permitir
que falte la flecha correspondiente a alguno de los símbolos del alfabeto, o bien que haya
varias flechas que salgan de un solo nodo con la misma etiqueta. Inclusive se permite que
las transiciones tengan como etiqueta palabras de varias letras o hasta la palabra vacía. A
estos autómatas finitos se les llama no Determinísticos o no deterministas (abreviado
AFND). Al retirar algunas de las restricciones que tienen los autómatas finitos
Determinísticos, su diseño para un lenguaje dado puede volverse más simple.
Dado que los AFND tienen menos restricciones que los AFD, resulta que los AFD son un
caso particular de los AFND, por lo que todo AFD es de hecho un AFND.
Los autómatas finitos no Determinísticos (AFND) aceptan exactamente los mismos lenguajes
que los autómatas determinísticos. Sin embargo, serán importantes para demostrar
teoremas y por su más alto poder expresivo
Recordemos que para un AFD dado el estado actual y el siguiente caracter, el AFD pasa
exactamente a un siguiente estado. Por eso se lo llama determinístico. Una versión en
principio más potente es un AFND, donde frente a un estado actual y un siguiente caracter,
es posible tener cero, uno o más estados siguientes.
43
Ejemplo 25 Si se tiene (q,a) = {q1, q2, …. , qm) lo que indica que estando en un estado
actual q y un símbolo de entrada a, el estado siguiente puede ser cualquier estado entre q1 y
qm.
Ejemplo 26 Puede darse el caso que (q,a) = Ø lo que indica que el estado siguiente no
está definido.
44
: K x (∑ U { }) → (K)
La tabla de transición de un AFND- es como la de un AFND excepto que se le añade una
columna correspondiente a , de forma que en la posición T[(q, )] estará el conjunto de
estados que determine (q, ).
45
Los AF reconocen cierto tipo de lenguajes, pero esto depende de la configuración del
autómata. Esta configuración viene dada por el instante del autómata en un momento dado y
la porción de cadena de entrada que le queda por leer (no la cadena completa).
La configuración de un autómata finito (AF) es un elemento (q, ) (K x ∑*) está dada por:
Configuración de aceptación: (qF, ) donde qF, es un estado final del autómata. Una
vez alcanzada esta configuración el autómata puede aceptar lapalabra.
Por lo que se concluye: que un AFD reconoce o acepta una palabra si se cumplen las
siguientes condiciones:
1. Se consumen todos los caracteres de dicha palabra de entrada, siguiendo las transiciones
y pasando en consecuencia de un estado a otro;
2. al terminarse la palabra, el estado al que llega es uno de los estados finales del autómata
(los que tienen doble círculo en los diagramas, o que son parte del conjunto F en la
representación formal).
A diferencia del caso de AFDs, dada una cadena x, es posible llegar a varios estados
distintos (o a ninguno) luego de haberla consumido. La cadena se declara aceptada si
alguno de los estados a los que se llega es final.
46
L = { {a,b}* │ = abia, i ≥ 0 }
Y se interpreta así: El autómata AFD reconoce el lenguaje de todas las cadenas posible
dentro de todo el conjunto de combinaciones posibles {a,b}* de tal manera que esas cadenas
empiecen por una a, seguidas de ninguna, una o más b´s y que finalizan con una a.
47
Fuente:<El autor>
Los Lenguajes regulares son los más simples y restringidos dentro de la jerarquía de
Chomsky. Estos lenguajes pueden además ser descritos mediante dos representaciones que
veremos: las Expresiones Regulares y las Gramáticas Regulares que serán los temas a
tratar en las siguientes lecciones. También son descritos mediante AFD y AFND.
L es finito;
L es la unión o la concatenación de otros lenguajes regulares R1 y R2,
L = R1 U R2 o L = R1R2 respectivamente
48
Una expresión regular (ER) es una notación normalizada para representar lenguajes
regulares, es decir, lenguajes generados por gramáticas de tipo 3. Las expresiones regulares
permiten describir con exactitud y sencillez cualquier lenguaje regular. Para definir una ER se
pueden utilizar todos los símbolos del alfabeto ∑ y, además y . Los operadores que
también se pueden utilizar son:
+ representa la unión.
representa la concatenación (este símbolo no se suele escribir).
* representa el cierre de Kleene
() modifican las propiedades de los demás operadores.
Una ER también se define bajo los siguientes criterios: (Se muestran también los lenguajes
que describen estas ER)
L + = L U L
L = L L
* i 0 i
▪
El orden de prioridad de los operadores es, de mayor a menor: * , , +
Este orden puede alterarse mediante paréntesis, de forma análoga a como se hace con las
expresiones aritméticas.
Ejemplo 29 aa+b*a es una ER sobre el alfabeto ∑={a,b} (nótese que por simplicidad
se ha omitido el operador ▪ ) Esta Er es distinta de la ER (aa + b*)a.
49
50
Hasta ahora, la relación entre los autómatas finitos y las expresiones regulares se ha tratado
de una manera intuitiva. Ahora formalizaremos dicha relación probando que para cualquier
expresión regular exista un autómata finito equivalente. Lo que se establece ahora con un
teorema fundamental en el estudio de los Autómatas:
Hasta ahora hemos confirmado como las, ERs, AFDs y AFNDs son mecanismos
equivalentes para denotar los lenguajes regulares.
51
M = (∑, K, , q 1 , F) donde K x ER x K
En este ejemplo en particular se evidencia que se debe aceptar palabras que tienen primero
una sucesión de a’s, luego repeticiones de ab, y finalmente repeticiones de b’s.
({q0, q1}, {a, b}, {(q0, a, q0), (q0, (ab)*, q1), (q1, b, q1)}, q0, {q1})
Los AFN son un subconjunto propio de las GT, puesto que las palabras en las etiquetas de
un AFN pueden ser vistas como expresiones regulares que se representan a sí mismas.
52
Ejemplo 32: Tomado de:4 Dada la ER= (a + ba)* bb, obtener el AFN que acepta el lenguaje
de dicha ER.
4
<BRENA,R; Autómatas y lenguajes, un enfoque de diseño. 2003. Monterey. 214p>
53
El procedimiento aplica los siguientes pasos: Para ello se ilustra el siguiente ejemplo:
Esta transformación tiene por objeto que haya un estado inicial al que no llegue ninguna
transición, y un solo estado final, del que no salga ninguna transición. Esta condición se
requiere para llevar a cabo el siguiente paso. Hay muchos autómatas que ya cumplen estas
condiciones sin necesidad de añadir un nuevo estado inicial o un nuevo estado final.
La figura 24 muestra estas acciones realizadas (se adiciona un nuevo estado inicial y final)
para este primer paso para el ejercicio 33 propuesto.
5
Bis(4).
54
PASO 2: Eliminación de nodos intermedios. Eliminamos primero el nodo q1. Para ello,
consideramos que trayectorias o “rutas” pasan por el nodo a eliminar. Por ejemplo, en la
figura 23 vemos solamente una trayectoria que pasa por q1, la cual va de q0 a f.
Ahora nos proponemos eliminar el nodo q1, pero sin modificar “lo que se gasta” para pasar
de q0 a f. Es fácil ver que para pasar de q0 a f se gasta primero una a y luego algún número
de repeticiones de a o b (para llegar de q1 a f no se gasta nada). Esto corresponde a la ER
a(a + b)*, que sería la etiqueta de la nueva “ruta directa” de q0 a f, sin pasar, por q1, como se
evidencia en a figura 25.
PASO 3: Eliminación de nodos. La figura 26 muestra el proceso de eliminación del nodo q2.
55
PASO 4: Eliminación de nodos. La figura 27 muestra el proceso de eliminación del nodo q0.
56
K = P(K)
q0 = {q0}
= (∑,a) = * (∑,a)
57
De igual forma y a manera inversa para el teorema: dado un autómata finito determinístico
AFD M = (∑, K, , q0, F). se puede construir uno no-determinista: M = (∑, K, , q0, F).
que acepta el mismo lenguaje. Solo se debe considerar:
(q0,a) = { (q0,q)}: en el que en cada situación solo hay un camino posible que es el que
determine la función de transición .
Para los autómatas de la figura 28; Reconocen el lenguaje formado por todas las cadenas
que empiezan por 1 excepto las terminadas en dos ceros consecutivas, Además se debe
incluir la cadena vacía. Ambos autómatas reconocen el mismo lenguaje.
Ejemplo 35: Tomado de: 6El siguiente ejemplo muestra cómo puede darse el caso en el que
varios AF distintos acepten un mismo lenguaje. La figura 30 muestra los autómatas (a) y (b)
que aceptan el lenguaje a*. Lo que se indaga ahora es si estos son equivalentes. Lo que se
concluye también que para comprobar la equivalencia se debe realizar una demostración de
igualdad de lenguajes (operación que suele ser compleja si son lenguajes infinitos).
6
Bis (4)
58
Teorema 8: Teorema de Moore: Existe un algoritmo para decidir si dos autómatas finitos son
equivalentes o no. Este algoritmo consiste en la construcción de un árbol de comparación de
autómatas. Este árbol permite convertir el problema de la comparación de los lenguajes
aceptados en un problema de comparación de estados de los autómatas.
Definición 11: dos estados q y q´ son compatibles si ambos son finales o ninguno de los dos
es final. En caso contrario, son estados incompatibles.
El único problema con esta idea estriba en que hay que garantizar que sean cubiertas todas
las posibles cadenas de caracteres w, las cuales son infinitas en general. Por ello se pensó
en explorar todas las posibles combinaciones de estados mediante un árbol. Dicho árbol de
comparación se construye de la manera siguiente, para dos autómatas:7
7
Bis (4)
59
1. Inicialmente la raíz del árbol es el par ordenado (s, s´) que contiene los estados
iniciales de M y M´ respectivamente.
2. Si en el árbol hay un par (r, r´), para cada caracter en ∑ se añaden como hijos suyos
los pares (r , r´ ) donde r = (r , ) , r´ (r´, ) en caso de que no estén.
Esta definición quiere decir que, si q1 q6, al cambiar q1 por q6 en la configuración, la palabra
va a ser aceptada (se acaba en el estado final) si y sólo si de todos modos iba a ser
aceptada sin cambiar q1 por q6 (se acaba en el estado final).
De manera general: El único problema con esta definición es que, para verificar si dos
estados dados p y q (para el ejercicio sería q1 y q6) son equivalentes, habría que examinar,
para cada palabra posible de entrada, si intercambiarlos en las configuraciones altera o no la
aceptación de esa palabra. Esto es evidentemente imposible para un lenguaje infinito. La
61
Para saber si dos estados q1 y q6 son equivalentes, se les pone a ambos como estado inicial
de sendos autómatas M1 y M2 , y se procede a comparar dichos autómatas. Si éstos últimos
son equivalentes, quiere decir que los estados q1 y q6 son equivalentes.
Una vez que se sabe que dos estados son equivalentes, se puede pensar en eliminar uno de
ellos, para evitar redundancias y hacer más eficiente a AFD. Sin embargo, la eliminación de
un estado en el AFD plantea el problema de qué hacer con las flechas que conectan al
estado eliminado con el resto del autómata. Esta cuestión se resuelve con los siguientes
criterios:
Entrada: (el autómata inicial sin minimizar) : Un AFD M = (∑, K, , q0, F) donde
∑ = {0,1}, F = {q2} s = {q0} y K = {q0, q 1 , q 2 ,q3, q4, q5, q6, q7 }.
Salida: (un AFD mínimo como resultado): M = (∑, K”, ”, q0 “, F”) (nótese que el
alfabeto no cambia)
62
63
Vamos a definir la noción de estados distinguibles, que intuitivamente quiere decir que si dos
estados son distinguibles, ya no pueden ser equivalentes. La definición es inductiva:
Los estados p y q son distinguibles si son incompatibles (es decir, uno es final y el otro no
final). Esta es la base de la inducción. Se puede verificar el ejercicio.
4. CONSTRUCCIÓN DE TABLA:
Construir tabla T con filas desde q1 hasta qn y columnas desde q0 hasta qn-1
Obsérvese que en la tabla Figura 36 se omite la diagonal principal, pues no tiene caso
confrontar cada estado contra sí mismo.
64
Empezamos en la parte inferior (eje horizontal) de menor a mayor desde q0 hasta qn-1
Luego el eje vertical de arriba hacia abajo: q1 hasta qn
Se aprecian signos “ ” en las celdas, que se obtienen directamente del hecho de que son
pares de estados incompatibles – por lo tanto distinguibles. En otras palabras lo que hemos
hecho es: marcar (par (qi , qj)) donde un estado del par es final y el otro no.
Una manera de organizar el trabajo de verificar qué pares de estados de un AFD son
distinguibles, consiste en construir una tabla en que los renglones y las columnas son los
nombres de los estados, y en cada cruce de renglón con columna se indica con una
cuando son distinguibles.
Resultado final: Al final quedan sin marcar PAR (q3,q0) y PAR (q6,q1) y por lo tanto:
q0 q3 y q1 q6
Todo el proceso de minimización además de otras características las puede visualizar en:
65
Los lenguajes independientes del contexto que también se conocen con el nombre de
gramáticas de contexto libre son un método recursivo sencillo de especificación de reglas
gramaticales con las que se pueden generar cadenas de un lenguaje.
Es factible producir de esta manera todos los lenguajes regulares, además de que existen
ejemplos sencillos de gramáticas de contexto libre que generan lenguajes no regulares.
Las reglas gramaticales de este tipo permiten que la sintaxis tenga variedad y refinamientos
mayores que los realizados con lenguajes regulares, en gran medida sirven para
especificar la sintaxis de lenguajes de alto nivel y otros lenguajes formales.
Hasta ahora, se han visto dos formas de definir lenguajes: a través de autómatas finitos, y por
medio de expresiones regulares. Ahora veremos otra forma, usando el concepto de gramáticas.
Basamos el estudio siguiente en el concepto básico de gramática formal como un conjunto de reglas
para formar correctamente las frases de un lenguaje (ejemplo la gramática del español, inglés, francés,
etc).
66
Definición 12: Reglas Gramaticales: Son específicamente, reglas de reemplazo. Una regla es un
expresión de la forma en donde tanto como son cadenas de símbolos en donde pueden
aparecer tanto elementos del alfabeto ∑ como unos nuevos símbolos, llamados variables. Los
símbolos que no son variables son constantes. Por ejemplo una regla gramatical es dada como: X →
aX . Otro ejemplo: Aplicar la regla a la palabra da como resultado (operación de
reemplazo) . Otro ejemplo: Si se tienen los símbolos bbXa y se le aplica la regla X → aX da como
resultado la nueva cadena bbaXa.
V = Es el alfabeto de variables
∑ = Es el alfabeto de constantes
A → aB o bien A → a
A → Ba o bien A → a
67
1. S → 0A 1. S → S10
2. A → 10A 2. S → 0
3. A →
Se pueden derivar muchas otras palabras como bababa L(G) y que pertenecen también al
lenguaje generado por la gramática. Formalmente esta gramática se representaría como:
({S, A,B}, {a, b}, {(S, aA), (S, bA), (A, aB), (A, bB), (A, a), (B, aA), (B, bA)}, S)
Una cadena ∑ (esto es, formada exclusivamente por constantes) es derivable a partir de
una gramática G si existe una secuencia de pasos de derivación:
S 1 2…
68
Definición 14: El lenguaje generado por una gramática G, L(G), es igual al conjunto de las
palabras derivables a partir de su símbolo inicial. Es decir:
L (G) = { ∑* │ S * }
Teorema 10: Si L es un lenguaje generado por una gramática regular, entonces existe un
autómata finito determinístico que lo reconoce.
Teorema 11: La clase de los lenguajes generados por alguna gramática regular es
exactamente la de los lenguajes regulares.
Para el caso de las reglas A → b, se tienen transiciones (A, b,Z), donde Z es un nuevo
estado para el que no hay un no terminal asociado; Z es el ´único estado final del autómata.
Ejemplo 39: Obtener un autómata finito para la gramática regular G1 siguiente: (V, ∑, R, S). Se
denota la gramática en un formato comprimido: (en fila):
S → aA │ S → bA │ A → aB │ A → bB │A → a │ B → aA │ B →bA
Es lo mismo que:
S → aA │ bA │, A → aB │ bB │ a │ , B → aA │ bA
69
8
JFLAP Version 7.0 RELEASED August 28, 2009. Last update May 15, 2011. Disponible en internet.
<http://www.jflap.org/>
70
q0 = [S]
F = {[ ]}
Si a Ʃ y ( *V ) , entonces ([ a ], a ) [ ]
Pasar a no-finales los estados finales originales y unir estos mediante una transición
nula con el nuevo estado final.
71
Ejemplo 41: Dado el AFD de la Figura 41, determinar las reglas de producción que determinan
la gramática regular.
72
73
Los lenguajes de tipo 0 incluyen a los de tipo 1, estos a los de tipo 2, etc.
Las GLC tienen reglas menos rígidas que las gramáticas regulares. Así toda gramática
regular es GLC pero no viceversa
Algunos autores “ Brena R.” 9definen: Al proceso de aplicar una regla se le conoce como
“paso de derivación”, y se denota usando una flecha de dirección: . Una secuencia de
pasos de derivación a partir de una variable especial de la gramática llamada “símbolo
inicial” se llama simplemente “derivación”.
(V, ∑, R, S) en donde:
V = Es el alfabeto de variables
9
Bis (6)
74
S ...
El lenguaje L(G) generado por una gramática (V, ∑, R, S) es el conjunto de palabras hechas
exclusivamente de constantes, que son derivables a partir del símbolo inicial:
L { * | S ... }
Las GLC tienen la propiedad de que las derivaciones pueden ser representadas en forma de
árbol ramificado o arboles de derivación, o también arboles de compilación por usarse
extensivamente en los compiladores y son de vital importancia para la teoría de los
compiladores de los lenguajes de programación.
Se puede considerar que un árbol de derivación es más abstracto que una derivación “lineal”
es decir, una sucesión S ... en el sentido de que para un solo árbol de derivación
puede haber varias derivaciones lineales, según el orden en que se decida “expandir” los no
terminales.
Definición15: Sea: G = (V, ∑, R, S) una GLC. Entonces el árbol de derivación cumple las
siguientes propiedades:
75
3. La etiqueta de los nodos que no son hojas debe estar en V, y las de las hojas en:
∑U
4. Si un nodo n tiene etiqueta A, y los nodos n1, …., nm son sus hijos (de izquierda a
derecha), con etiquetas respectivamente A1, .., Am, entonces A → A1, …., Am R.
Definición 16: La cadena de caracteres que resulta de concatenar los caracteres terminales
encontrados en las etiquetas de los nodos hoja, en un recorrido en orden del árbol de
derivación, se llama el producto del árbol.
Ejemplo 42: Para explicar como un árbol de derivación ilustra diferentes derivaciones para una
misma cadena, es típico ejemplificar el caso de describir las secuencias de unos paréntesis
bien balanceados, en el que se presenta el caso ideal que nunca se han cerrado más
paréntesis de los que se han abierto y en el que al final los números coinciden.
S → Ss
S→
El árbol de derivación para este ejemplo estaría dado en la figura 42 (las distintas órdenes de
derivación no son los únicos responsables de que existan distintas formas de derivar una
misma cadena. Es posible que una misma cadena tenga dos árboles de derivación distintos.)
76
Analizamos la cadena o palabra = aabbaa que genera un árbol y que puede provenir de
varias cadenas de derivaciones distintas así:
Derivación por la izquierda: Cuando en cada paso siempre se sustituye primero la primera
variable (más a la izquierda) de la palabra que tenemos.
Derivación por la derecha. Cuando en cada paso siempre se sustituye primero la última
variable (más a la derecha) de la palabra que tenemos
77
Las derivaciones por la izquierda son mostradas en la figura 45. Fueron generadas con
software simulador JFLAP.
78
Se concluye: En efecto, hay GLC en las cuales para ciertas palabras hay más de un árbol de
derivación.
Definición 17: Una GLC G es ambigua si existen dos árboles de derivación distintos para G
que generan una misma cadena L(G).
Definición 18: Todo lenguaje Regular es Libre del Contexto. El conjunto de los lenguajes LC
incluye al de los regulares.
Ejemplo 45: Dada la siguiente GLC para las expresiones aritméticas de las variables:
10
MORAL, S. Modelos de Computación. p. 92
79
Cómo eliminar la ambigüedad de una GLC: Consiste en introducir nuevos estados no-
terminales de modo que se eliminen los árboles de derivación no deseados. Para el anterior
ejemplo es típica la solución introduciendo variables (T) y factores (F). La gramática
resultante es:
E → E + T │T │ ; T→T * F │ F │; F → (E) │ x │ y
Con esta nueva GLC, el árbol de derivación de la figura 46 (a) se elimina, quedando
finalmente una adaptación del árbol de la figura 46 (b) a la GLC con términos y factores.
11
(Bis)4
12
MORAL, S; Modelos de computación. 130 p.
80
Se trata de “modificar las reglas de la gramática” para que cumplan ciertas propiedades o por
simple estandarización o facilidad de implementación computacional; pero sin modificar el
lenguaje aceptado.
81
El algoritmo para eliminar los símbolos y producciones inútiles consta de dos pasos
fundamentales:
1. Eliminar las variables desde las que no se puede llegar a una palabra de ∑ y las
producciones en las que aparezcan.
2. Eliminar aquellos símbolos que no sean alcanzables desde el estado inicial, S, y las
producciones en las que estos aparezcan.
1. V´ = 0
3. Mientras V´ cambie
B se introduce en V´
7. Eliminar todas las producciones donde aparezca una variable de las eliminadas en el paso
anterior
1. J = {S}
82
∑’ = Φ
2. Mientras J ≠ Φ
6. Si B no está en V” añadir B a J y a V”
Ejemplo 47 El objetivo es eliminar todos los símbolos y variables inútiles. Dada la gramática:
S → AB, S → a, A → a
S → a, A → a
83
El hecho que gramática GLC contenga reglas de la forma A → no significa que el lenguaje
contenga forzosamente a la palabra vacía. Ejemplo de ello es la siguiente gramática cuyo
lenguaje no contiene la palabra vacía.
84
4.
Eliminación de reglas inaccesibles: Dada la gramática GLC con las siguientes reglas:
S → aXbb, X → bSa, Y → SX
La tercera regla es inútil, porque no hay nadie que produzca la Y necesaria para que dicha
regla se aplique. A reglas como éstas se les llama inaccesibles.
Definición 19: 13
Una regla X → de una gramática (V, ∑, R, S) es inaccesible si no hay una
derivación S 1 X 2 donde 1 , 2 (V U ∑)*.
Para eliminar una regla inaccesible no se necesita hacer ninguna otra modificación a la
gramática más que simplemente borrarla. La equivalencia de la gramática sin la regla
inaccesible y la original está garantizada por el hecho de que dicha regla no participa en
ninguna derivación.
Formas Normales: 14Cuando es necesario expresar una GLC siguiendo formatos más
preciso de las reglas que la simple forma A → . Estos estándares reciben el nombre de
formas normales. Y una de estas formas formales más conocidas es la forma normal de
Chomsky (FNCH). La FNCH consiste en que las reglas pueden tener dos formas:
13
BREANA, R; Autómatas y Lenguajes un enfoque de diseño. 214 p.
14
Bis (13)
86
Esta forma normal tiene por objeto facilitar el análisis sintáctico de una palabra de entrada,
siguiendo las siguientes estrategias:
El objetivo es verificar que dado un lenguaje L no cumple que sea LLC. El “teorema de
bombeo” permite verificar esta condición. Este lema de bombeo también puede verse como
una condición necesaria que deben de cumplir todos los lenguajes libres de contexto.
Lema de Bombeo para lenguajes libres de contexto: Sea L un lenguaje libre de contexto.
Entonces, existe una constante n, que depende solo de L, tal que si z L y │z│ ≥ n ,
entonces z se puede escribir de la forma uvwxy de forma que:
1. │ vx │ ≥ 1
2. │ vwx │≤ n, y
3. i 0, uv i wx i y L
Demostración. Sólo vamos a indicar una idea de cómo es la demostración. Supongamos que
la gramática no tiene producciones nulas ni unitarias (si existieses siempre se podrían
eliminar).
Asumamos un árbol de derivación de una palabra generada por la gramática. Es fácil ver
que si la longitud de es suficientemente grande, en su árbol de derivación debe de existir
87
88
Un Autómata de pila (AP) ó PushDown Automata (PDA) no es más que un AF con un poder
adicional de cálculo (memoria). Dado que los AF no son tan poderosos para ciertas
operaciones ni para aceptar los LLC, los AP si lo son
Si para las expresiones regulares se tenían ciertas maquinas abstractas, autómatas finitos,
que las reconocían, para las CFG (Gramáticas fuera de contexto) vamos a usar otro tipo de
maquina reconocedora denominada autómata de pila. Estas se diferencian de los autómatas
finitos en que se ayudan para sus transiciones de una memoria con estructura de pila. Como
en los anteriores, la transición entre estados depende del símbolo leído y del estado actual.
Cada transición implica la modificación de la pila.
K es el conjunto de estados
∑ es el alfabeto de entrada
es el alfabeto de la pila
S K es el estado inicial
Z0 es el símbolo inicial de la pila (o también se denota como Z simplemente)
F K es un conjunto de estados finales.
∆ ( K x ∑* x *) x ( K x *) es la relación (función) de transición.
89
∆ : K x (∑ U { }) x → 2 K x *
La función de transición aplica cada estado, cada símbolo de entrada (incluyendo la cadena
vacía) y cada símbolo tope de la pila en un conjunto de posibles movimientos. Cada
movimiento parte de un estado, un símbolo de la cinta de entrada y un símbolo tope de la
pila. El movimiento en sí consiste en un cambio de estado, en la lectura del símbolo de
entrada y en la sustitución del símbolo tope de la pila por una cadena de símbolos.
90
La pila funciona de manera que el ultimo caractér que se almacena en ella es el primero en
salir (“LIFO” por las siglas en ingles), como si se apilaran platos uno encima de otro, y
naturalmente el primero que quitaremos es el ´último que hemos colocado. Un aspecto
crucial de la pila es que solo podemos modificar su “tope”, que es el extremo por donde
entran o salen los caracteres. Los caracteres a la mitad de la pila no son accesibles sin quitar
antes los que están encima de ellos.
La pila tendrá un alfabeto propio, que puede o no coincidir con el alfabeto de la palabra de
entrada. Esto se justifica porque puede ser necesario introducir en la pila caracteres
especiales usados como separadores, según las necesidades de diseño del autómata.
Al iniciar la operación de un AP, la pila se encuentra vacía. Durante la operación del AP, la
pila puede ir recibiendo (y almacenando) caracteres, según lo indiquen las transiciones
ejecutadas. Al final de su operación, para aceptar una palabra, la pila debe estar
nuevamente vacía.
En los AP las transiciones de un estado a otro indican, además de los caracteres que se
consumen de la entrada, también lo que se saca del tope de la pila, así como también lo que
se mete a la pila.
(q, , ) ( K x ∑* x *) en donde:
La Notación gráfica que se asemeja a la de los autómatas finitos (AF) es la dada así:
91
Al igual que los AF, los AP tienen estados finales, que permiten distinguir cuando una
palabra de entrada es aceptada. De hecho para que una palabra de entrada sea aceptada
en un AP se deben cumplir todas las condiciones siguientes:
92
Aunque en el caso de los AP no hay metodologías tan generalmente aplicables como era el
caso de los autómatas finitos, siguen siendo válidas las ideas básicas del diseño sistemático,
en particular establecer claramente qué es lo que “recuerda” cada estado del AP antes de
ponerse a trazar transiciones a diestra y siniestra. Para los AP, adicionalmente tenemos que
establecer una estrategia clara para el manejo de la pila.
En resumen, a la hora de diseñar un AP tenemos que repartir lo que requiere ser “recordado”
entre los estados y la pila. Distintos diseños para un mismo problema pueden tomar
decisiones diferentes en cuanto a qué recuerda cada cual.
Se recuerda que un AP no puede realizar ningún movimiento si la pila está vacía. Por lo que
un AP reconocerá una cadena de entrada por estado final si partiendo de su configuración
inicial (q0, t, Z0), llega a una configuración final (qf, , ) empleando movimientos válidos y se
expresa como:
La cadena será aceptada por vaciado de pila si después de leerse toda la cadena se llega a
un estado con la pila vacía, independientemente del tipo de estado en el que se encuentre el
AP.
La construcción en diseño indica utilizar la pila como “contador” para recordar la cantidad de
a´s que se consumen, y luego confrontar la cantidad de b´s. Una primera versión de este
diseño utiliza un solo estado q, con transiciones a/ /a y b / a / de q así mismo. El diseño
del autómata se ve en la figura 56.
94
Para verificar el funcionamiento del autómata, podemos simular su ejecución, listando las
situaciones sucesivas en que se encuentra, mediante una tabla que llamaremos “traza de
ejecución”. Las columnas de una traza de ejecución para un AP son: el estado en que se
encuentra el autómata, lo que falta por leer de la palabra de entrada, y el contenido de la
pila.
Por ejemplo, la traza de ejecución del AP del último ejemplo, para la palabra aabb, se
muestra a continuación en la tabla 13:
q .aabb
q .abb .a
q .bb .aa
q .b .a
q
Concluimos que el AP efectivamente puede aceptar palabras como anbn. Sin embargo, hay
un problema: ¡el AP también acepta palabras como abab, que no tienen la forma deseada!
(es fácil construir la traza de ejecución correspondiente para convencerse de ello). El
problema viene de que no hemos recordado cuando se terminan las a y principian las b, por
eso ha sido posible mezclarlas en abab. Una solución es utilizar los estados para memorizar
las situaciones de estar consumiendo a o estar consumiendo b. El diagrama de estados
correspondiente se muestra en la figura 55(b).
95
Stacks: Podemos identificar las pilas con ciertos lenguajes y ciertas funciones sobre un
alfabeto del modo siguiente:
96
97
∆ (q0, Z) = (q1,Z)
∆ (q1, x, ) = (q1,x)
∆ (q1, y, x) = (q2, )
∆ (q2, y, x) = (q2, )
∆ (q2, , Z) = (q3, Z)
Los lenguajes aceptados por los Autómatas de Pila se denominan lenguajes libres del
contexto.
98
N ( M ) { * : (q0 , , Z 0 ) ├* ( , , ), K }
En el primer caso, una palabra es aceptada, si se puede llegar a un estado final después de
consumir la entrada. En el segundo criterio, los estados finales no tienen ningún significado,
y una palabra se acepta si cuando se termina de leer la entrada la pila se queda vacía.
Para el caso del ejemplo 52 para la cadena válida o aceptada = xxx las transiciones dadas
están definidas así para el recorrido de la Pila:
(q0, xxx, Z) ├ (q1, xxx, Z) ├ (q1, xx, xZ) ├ (q1, x, xxZ) ├ (q1, , xxxZ)
La pila quedó llena xxxZ y el autómata en el estado q1 reconoció por completo la cadena.
Para la cadena válida = xxy las transiciones dadas están definidas así para el recorridao
de la Pila:
(q0, xxy, Z) ├ (q1, xxy, Z) ├ (q1, xy, xZ) ├ (q1, y, xxZ) ├ (q2, , xZ)
Aunque la pila no quedó del todo vacía (quedó xZ) se reconoció toda la cadena completa y el
autómata quedó en un estado de aceptación q2.
Para la cadena válida = xxyy las transiciones dadas están definidas así para el recorrido
de la Pila:
(q0, xxyy, Z)├ (q1, xxyy, Z)├ (q1, xyy, xZ) ├ (q1, yy, xxZ) ├ (q2, y, xZ) ├ (q2, ,Z) ├ (q3, ,Z)
La cadena es procesada por completo, en la pila queda el símbolo inicial de pila y por tanto
la cadena es aceptada.
Para la cadena no válida o no aceptada = xyy las transiciones dadas están definidas así
para el recorrido de la Pila:
(q0, xyy, Z)├ (q1, xyy, Z)├ (q1, yy, xZ) ├ (q2, y, Z)
99
Se va a verificar si los AP son efectivamente capaces de aceptar los LLC ya que un Teorema
anterior afirma: Si un lenguaje es generado por una gramática libre del contexto, entonces es
aceptado por un Autómata con Pila No-Determinístico.
Sea una gramática G = (V,∑,R,S). Entonces un Autómata de Pila M que acepta exactamente
el lenguaje generado por G se define como sigue:
Ejemplo 53 Obtener un AP que acepte el LLC generado por la gramática con reglas:
1. S → aSa
2. S → bSb
3. S → c
100
101
Por esto, se hace necesario, antes de reemplazar una variable por la cadena del lado
derecho de una regla, “desenterrar” dicha variable hasta que aparezca en el tope de la pila,
lo cual puede hacerse consumiendo caracteres de la pila (y de la entrada, desde luego)
mediante la aplicación de transiciones del tipo 3.
Unión
Concatenación
Clausura
Demostración:
Sean G1 = (V1, T1, P1, S1) y G2 = (V2, T2, P2, S2) dos gramáticas libres de contexto y L1 y L2
los lenguajes que generan. Supongamos que los conjuntos de variables son disjuntos.
Demostraremos que los lenguajes L1 U L2, L1 L2 y L1* son libres de contexto, encontrando
gramáticas de tipo 2 que los generen.
G3 = (V1 U V2 U {S3}, T1 U T2, P3, S3), donde S3 es una nueva variable, y P3 = P1 U P2 más
las producciones S3 → S1 y S3 → S2
L1L2. Una gramática que genera este lenguaje es G4 = (V1 U V2 U {S4}, T1 U T2, P4,
S4), donde S4 es una nueva variable, y P4 =P1 U P2 más la producción S4 → S1S2.
L1* Una gramática que genera este lenguaje es G5 =(V1 U {S5}, T1,P5,S5 ) donde P5
es P1 más las producciones S5 →S1S5 y S5 → .
102
S → AB
A → aAb | ab
B → cB | c
S → CD
C → aC | a
D → bDc │ bc
Demostración: Es inmediato, ya que como la clase es cerrada para la unión, si lo fuese para
el complementario, se podría demostrar, usando las leyes De Morgan que lo es también para
la intersección.
Existen una serie de problemas interesantes que se pueden resolver en la clase de los
lenguajes libres de contexto. Por ejemplo, existen algoritmos que nos dicen si un Lenguaje
Libre de Contexto (dado por una gramática de tipo 2 o un autómata con pila no
determinístico) es vacío, finito o infinito. Sin embargo, en la clase de lenguajes libres de
contexto comienzan a aparecer algunas propiedades indecidibles. A continuación, veremos
algoritmos para las propiedades decidibles y mencionaremos algunas propiedades
indecidibles importantes.
103
a) vacío
b) finito
c) infinito
Demostración.
a) En la primera parte del algoritmo para eliminar símbolos y producciones inútiles de una
gramática, se determinaban las variables que podían generar una cadena formada
exclusivamente por símbolos terminales. El lenguaje generado es vacío si y solo si la
variable inicial S es eliminada: no puede generar una palabra de símbolos terminales.
b) y c) Para determinar si el lenguaje generado por una gramática de tipo 2 es finito o infinito
pasamos la gramática a forma normal de Chomsky, sin símbolos ni producciones inútiles. En
estas condiciones todas las producciones son de la forma:
A → BC, A → a
Se construye entonces un grafo dirigido en el que los vértices son las variables y en el que
para cada producción de la forma A → BC se consideran dos arcos: uno de A a B y otro de A
a C. Se puede comprobar que el lenguaje generado es finito si y solo si el grafo construido
de esta forma no tiene ciclos dirigidos.
S → AB
A → BC | a
B → CC | b
C→a
104
Los lenguajes libres de contexto tienen una aplicación a los compiladores, aunque existen
otras aplicaciones como la compartición de información. Es aquí donde se presentan
interrogantes a las denominadas “gramáticas sensibles al contexto”.
La última Unidad de este módulo (Unidad 3: Lenguajes estructurados por frases) le llevará a
comprender como se ha demostrado que hay infinitos problemas para los que no se va a
tener una Máquina de Turing (MT) que los resuelva (ni siquiera los reconozca). También se
ha formulado la tesis de Church-Turing, que determina el límite de los computadores
actuales. Si esto es así, llegamos al caso de formular la pregunta:
Es otro contexto que podrá concluir cuando se analice la MUT (Máquina Universal de Turing)
como una máquina programable. Para demostrar esta afirmación, se puede proceder
primero simulando una MT con un computador y segundo simular un computador con una
MT.
Para el primer paso, si tenemos una MT con cinta semi-infinita, la unidad de control se
simula por el procesador, cada uno de los símbolos de cinta se codifican como la
información que se permiten guardar en la memoria del computador. Los estados, al ser
105
En las Unidades precedentes se han estudiado lo que se puede considerar las máquinas
abstractas que permiten solucionar ciertos tipos de algoritmos, los algoritmos en los
que no puede recordarse más que una cantidad fija de información y otros en los que la
información desarrollada durante la ejecución del algoritmo puede recuperararse solo en
concordancia con la regla “lifo” últimos en entrar primeros en salir, en esta unidad se
describe una maquina abstracta, llamada Máquina de Turing , que es aceptada de manera
amplia como modelo general de computación, aunque las operaciones básicas de esta
máquina son comparables en su sencillez a las de las máquinas estudiadas en las unidades
anteriores, las nuevas máquinas pueden realizar una amplia variedad de operaciones de
computo. Además de aceptar lenguajes les es posible computar funciones y de conformidad
con la tesis de Church-Turing, ejecutar casi cualquier procedimiento algorítmico concebible.
106
Los modelos abstractos de computación tienen su origen en los años 30, bastante antes de
que existieran los ordenadores modernos, en el trabajo de los lógicos Church, Gödel,
Kleene, Post, y (Alan Mathison Turing). Estos primeros trabajos han tenido una profunda
influencia no solo en el desarrollo teórico de las Ciencias de la Computación, sino que
muchos aspectos de la práctica de la computación que son ahora lugar común de los
informáticos, fueron presagiados por ellos; incluyendo la existencia de ordenadores de
propósito general, la posibilidad de interpretar programas, la dualidad entre software y
hardware, y la representación de lenguajes por estructuras formales basados en reglas de
producción.
Así como en secciones anteriores vimos como al añadir al autómata finito básico una pila de
almacenamiento auxiliar, aumentando con ello su poder de cálculo, cabría ahora
preguntarnos qué es lo que habría que añadir a un autómata de pila para que pudiera
analizar lenguajes como {anbncn}. Básicamente se trata del diseño de un Autómata con
mayor poder de reconocimiento y proceso de lenguajes, que tomas y fusiona aspectos de un
AF y de un PDA.
A Turing propuso en los años 30 un modelo de maquina abstracta, como una extensión de
los autómatas finitos, que resultó ser de una gran simplicidad y poderío a la vez. La máquina
de Turing es particularmente importante porque es la más poderosa de todas las maquinas
abstractas conocidas.
Gracias a ser tan simples, resulta más fácil demostrar que algo no se puede resolver
con ellas.
Gracias a su equivalencia con los lenguajes de programación, entonces facilitan la
demostración de que cierto problema, no se puede resolver con un lenguaje de
programación.
Mecanismo de cómputo muy sencillo de definir. Pero tan potentes como los lenguajes
de programación de muy bajo nivel.
Por ser tan de demasiado de “Bajo Nivel” no resultan prácticas para programar.
La parte final del estado de las máquinas de Turing nos lleva a analizar la “Tesis de Church”,
que dice que las Máquinas de Turing son equivalentes a cualquier modelo de computación
factible de construir.
107
108
K x ( U { L,R }
Así, si (q, a) = (p, b), donde b , esto quiere decir que estando la MT en el estado q
con la cabeza lectora sobre un caracter a, la función de transición enviar al autómata a un
estado p, y adicionalmente escribir el carácter b. Similarmente si (q, a) = (p, L) la cabeza
de la MT hará un movimiento a la izquierda además de la transición de estado.
Ejemplo 55: Sea la MT siguiente: K = {s, h}, (solo está el estado inicial, además del “halt”)
donde:
Puede verse por la función de transición que esta MT ejecuta un ciclo repetitivo en que
mueve la cabeza hacia la derecha en tanto siga leyendo un caracter a, y se detiene (hace
halt) en cuanto llega a un blanco.
Nótese que, puesto que es una función, en principio debe tenerse por cada estado y cada
caracter una transición. Esto quiere decir que cada estado debe tener una cantidad de
flechas de salida igual a | |. Por ejemplo, si = { Ц, a, b}, y K = {q, h}, entonces debe
haber flechas de salida de q con a, de q con b y también de q con Ц.
En la práctica, sin embargo, una gran cantidad de flechas tiende a hacer menos
comprensible un diagrama, por lo que solamente incluiremos las flechas “necesarias”,
suponiendo en consecuencia que las demás flechas pueden tener una salida cualquiera, sin
afectar esto el funcionamiento de la MT. Por ejemplo, a partir del estado inicial podemos
109
Tiene, como los autómatas que hemos visto antes, un control finito, una cabeza
lectora y una cinta donde puede haber caracteres, y donde eventualmente viene la
palabra de entrada.
La cinta es de longitud infinita hacia la derecha, hacia donde se extiende
indefinidamente, llenándose los espacios con el caracter blanco (que
representaremos con “ Ц”).
La cinta no es infinita hacia la izquierda, por lo que hay un cuadro de la cinta que es
el extremo izquierdo, como el que se muestra en la figura 61.
En la MT la cabeza lectora es de lectura y escritura, por lo que la cinta puede ser
modificada en curso de ejecución.
En la MT la cabeza se mueve bidireccionalmente (izquierda y derecha), por lo que
puede pasar repetidas veces sobre un mismo segmento de la cinta.
Estas dos acciones son excluyentes, es decir, se hace una o la otra, pero no ambas a la vez.
110
Cuando queremos que una palabra no sea aceptada, desde luego debemos evitar que la MT
llegue al halt. Podemos asegurarnos de ello haciendo que la MT caiga en un ciclo infinito.
El lenguaje aceptado por una MT es simplemente el conjunto de palabras aceptadas por ella.
Al diseñar una MT que acepte un cierto lenguaje, en realidad diseñamos el autómata finito
que controla la cabeza y la cinta, el cual es un autómata con salida (acepta cadenas válidas).
Así podemos usar la notación gráfica utilizada para aquellos autómatas para indicar su
funcionamiento. En particular, cuando trazamos una flecha que va de un estado p a un
estado q con etiqueta /L, quiere decir que cuando la entrada al control finito (esto es, el
caracter leído por la cabeza de la MT) es , la cabeza lectora hace un movimiento a la
izquierda, indicada por el caracter L (left, en inglés); similarmente cuando se tiene una flecha
con /R el movimiento es a la derecha. Cuando la flecha tiene la etiqueta / , donde es
un caracter, entonces la acción al recibir el caracter consiste en escribir el caracter en la
cinta. Con estos recursos es suficiente para diseñar algunas MT, como en el ejemplo que se
visualiza en el recurso web.
111
112
113
Esta máquina Universal no debe ser diseñada para realizar un cálculo específico, sino para
procesar cualquier información (realizar cualquier cálculo específico -MT particular- sobre
cualquier configuración inicial de entrada correcta para esa MT particular).
Resultaría sumamente tener un modelo similar para MTs. En particular, elegimos las MTs
como nuestro modelo de máquina \ cableada" y a la vez como nuestro modelo de lenguaje
de programación. La Máquina Universal de Turing (MUT) recibirá dos entradas: una MT M y
una entrada , codificadas de alguna forma, y simulará el funcionamiento de M sobre . La
simulación se detendrá, se colgará, o correrá para siempre según M lo haga con En caso
de terminar, dejará en la cinta la codificación de lo que M dejaría en la cinta frente a .15
El lenguaje aceptado o reconocido por una Máquina de Turing (MT), que se denota como
L(MT), es el conjunto de palabras formadas con el alfabeto ∑*, que hace que la máquina de
Turing se detenga al alcanzar un estado final.
15
NAVARRO, A: Fundamentos de la ciencia de la computación. 178 p.
114
L(M) = { ∑ : q0 ├* 1p 2, p }
Los lenguajes formales que son aceptados por una máquina de Turing son exactamente
aquellos que pueden ser generados por una gramática formal. El cálculo Lambda es una
forma de definir funciones. Las funciones que pueden se computadas con el cálculo Lambda
son exactamente aquellas que pueden ser computadas con una máquina de Turing. Estos
tres formalismos, las máquinas de Turing, los lenguajes formales y el cálculo Lambda son
formalismos muy disímiles y fueron desarrollados por diferentes personas. Sin embargo,
ellos son todos equivalentes y tienen el mismo poder de expresión. Generalmente se toma
esta notable coincidencia como evidencia de que la tesis de Church-Turing es cierta, que la
afirmación de que la noción intuitiva de algoritmo o procedimiento efectivo de cómputo
corresponde a la noción de cómputo en una máquina de Turing.
Los computadores electrónicos, basados en la arquitectura Von Neumann así como las
máquinas cuánticas tendrían exactamente el mismo poder de expresión que el de una
máquina de Turing si dispusieran de recursos ilimitados de tiempo y espacio. Como
consecuencia, los lenguajes de programación tienen a lo sumo el mismo poder de expresión
que el de los programas para una máquina de Turing y en la práctica no todos lo alcanzan.
Los lenguajes con poder de expresión equivalente al de una máquina de Turing se
denominan Turing completos.
115
Teorema: Todo lenguaje estructurado por frases es aceptado por una máquina de Turing.
Para cada gramática G existe una máquina de Turing no determinista M de 2 cintas que
aceptas el lenguaje generado por G.
Construcción de la máquina:
x L, M se DETIENE en q
x L, M se DETIENE en q o bien NO se DETIENE,
L es un lenguaje recursivo si existe una MT M tal que L(M) = L y M se DETIENE con todas
las cadenas de entrada.
Se dice que L es un lenguaje recursivo si existe al menos una MT M tal que L = L(M) y
x L, M se DETIENE en q
x L, M se DETIENE en q
116
Segundo nivel: se clasifican en función del tiempo que tardan en ejecutarse. Se conocen
con el nombre de problemas indecidibles, impracticables o solucionables.
Tercer nivel: comprende aquellos problemas que por ejemplo requiere un tiempo
linealmente proporcional a su tamaño.
PRINCIPIO DE CHURCH-TURING:
Todo proceso físico puede ser simulado por un dispositivo universal de computación."
117
"La clase de las funciones que pueden ser calculadas mediante un algoritmo coincide
con la clase de las funciones recursivas." (Tesis de Church).
Apoyado en esta tesis junto a la definición de función definible, encontró varios ejemplos de
problemas cuya resolución era irresoluble llegando a manifestar que el
‘Entscheidungsproblem’ era uno de estos problemas
ENUNCIADOS: TURING
Es decir, si una función es computable entonces puede ser computada por una
máquina de Turing.
La clase de las funciones que pueden ser calculadas mediante un método definido
coincide con la clase de las funciones calculables mediante una Máquina de Turing.
CHURCH Y TURING
"Toda función que pueda ser físicamente computable, puede ser computada por una
máquina de Turing"
ORIGEN
ÉXITO DE LA TESIS
119
MTs que usan varias cintas, MTs con varios cabezales, MTs con cinta infinita hacia ambos
lados, MTs con cinta k-dimensional, etc. De todos esos mecanismos, el más útil es la MT con
k cintas, Una MT de k cintas tiene un cabezal en cada cinta. En cada paso, lee
simultáneamente los k caracteres bajo los cabezales, y toma una decisión basada en la k-
upla. Esta consiste de pasar a un nuevo estado y realizar una acción en cada cinta.
Máquina no determinista: Máquina de Turing con una única cinta y control finito único.
Máquina de Turing en Dos Direcciones: Una máquina de Turing con una cinta infinita en
un sentido puede simular una máquina de Turing con la cinta infinita en los dos sentidos pero
con dos pistas. Sea M una máquina de Turing con una cinta infinita en los dos sentidos. La
máquina de Turing M’, que tiene una cinta infinita en un sentido, puede simular a M si tiene
una cinta con dos pistas. La cinta superior contiene la información correspondiente a la parte
derecha de la cinta M, a partir de un punto de referencia dado. La pista inferior contiene la
parte izquierda de la cinta M (en orden inverso).
¿Las matemáticas son 'completas', esto es, cada afirmación matemática se puede probar?
¿Las matemáticas son 'consistentes', esto es, es posible probar paralelamente una
afirmación y su negación?
¿Las matemáticas son 'decidibles', esto es, se puede encontrar un método definido aplicable
a cualquier afirmación matemática, que nos de cómo resultado si es o no cierta la
aseveración evaluada?
Aunque se han producido intentos de repetir el éxito de la lista de Hilbert, ningún otro
conjunto tan variado de problemas o conjeturas ha tenido un efecto comparable en el
desarrollo del tema y obtenido una fracción importante de su celebridad. Por ejemplo, las
conjeturas de Weil son famosas pero fueron poco publicitadas. Quizá el propio
temperamento de André Weil evitó que intentase ponerse en posición de competir con
Hilbert. John von Neumann produjo una lista, pero no obtuvo reconocimiento universal.
A primera vista, este éxito podría atribuirse a la eminencia del autor de los problemas. Hilbert
estaba en la cúspide de su poder y reputación en aquel momento y continuó dirigiendo la
sobresaliente escuela de matemática en la Universidad de Göttingen. Un examen más
cuidadoso revela que el asunto no es tan simple.
La matemática de aquel tiempo era aún discursiva: la tendencia a sustituir palabras por
símbolos y apelaciones a la intuición y conceptos mediante axiomática pura seguía
subyugada, aunque se volvería fuerte durante la siguiente generación. En 1900, Hilbert no
pudo acudir a la teoría axiomática de conjuntos, la integral de Lebesgue, los espacios
topológicos o la tesis de Church, que cambiarían sus respectivos campos de forma
permanente. el análisis funcional, fundado en cierto modo por el propio Hilbert como noción
central de los testigos del espacio de Hilbert, no se había diferenciado aún del cálculo de
variaciones; hay en la lista dos problemas de matemática variacional, pero nada, como
podría asumirse inocentemente, sobre teoría espectral (el problema 19 tiene una conexión
con la hipoelipticidad).
De hecho, muchas de las preguntas daban una falsa idea del matemático profesional del
siglo XXI, o incluso de 1950, en que la forma de una solución a una buena pregunta tomaría
la forma de un artículo publicado en una publicación matemática. Si este fuera el caso de
122
Dicho todo esto, por tanto, la razón más importante es la gran rapidez con la que aceptó la
lista de Hilbert la comunidad matemática de aquel momento (lo cual es una fórmula menos
convencional que ahora, ya que por entonces habían pocos líderes investigadores, que
generalmente se encontraban en unos pocos países Europeos y se conocían todos entre
ellos). Los problemas se estudiaron con gran atención; resolver uno labró reputaciones.
El estilo fue al menos tan influyente como el contenido de los problemas. Hilbert solicitaba
clarificaciones. Pidió soluciones en principio a preguntas algorítmicas, no a algoritmos
prácticos. Pidió un fortalecimiento de los cimientos de partes de la matemática que a los no
practicantes aún se antojaban guiadas por intuiciones opacas (el cálculo de Schubert y la
geometría enumerativa).
Estas actitudes fueron adoptadas por muchos seguidores, aunque también fueron discutidas,
y continúan siéndolo. Treinta años después, Hilbert había endurecido su postura: véase
ignorabimus.
Problema 1. La hipótesis del continuo (esto es, no existe conjunto cuyo tamaño esté
estrictamente entre el de los enteros y el de los números reales) Se ha probado la
imposibilidad de probarlo como cierto o falso mediante los axiomas de Zermelo-Fraenkel. No
hay consenso al respecto de considerar esto como solución al problema.
Problema 2. Probar que los axiomas de la aritmética son consistentes (esto es, que la
aritmética es un sistema formal que no supone una contradicción). Parcialmente resuelto:
hay quienes sostienen que se ha demostrado imposible de establecer en un sistema
consistente, finitista y axiomático Sin embargo, Gentzen probó en 1936 que la consistencia
123
Problema 3. ¿Se puede probar que dos tetraedros tienen igual volumen (bajo ciertas
asunciones)? Resuelto. Resultado: no, probado usando invariantes de Dehn
Problema 4. Construir todas las métricas cuyas rectas sean geodésicas. Demasiado vago
para decidir si se ha resuelto o no.
Problema 8. La hipótesis de Riemann (la parte real de cualquier cero no trivial de la función
zeta de Riemann es ½) y la conjetura de Goldbach (cada número par mayor que 2 se puede
escribir como la suma de dos números primos). Abierto
Problema 9. Encontrar la ley más general del teorema de reciprocidad en cualquier cuerpo
numérico algebraico. Parcialmente resuelto
Problema 10. Encontrar un algoritmo que determine si una ecuación diofántica polinómica
dada con coeficientes enteros tiene solución entera. Resuelto. Resultado: no, el teorema de
Matiyasevich implica que no existe tal algoritmo.
Problema 11. Resolver las formas cuadráticas con coeficientes numéricos algebraicos.
Parcialmente resuelto
Problema 13. Resolver todas las ecuaciones de 7º grado usando funciones de dos
parámetros. Resuelto. Lo probó posible Vladimir Arnold.
124
Problema 17. Expresión de una función definida racional como cociente de sumas de
cuadrados. Resuelto. Resultado: se estableció un límite superior para el número de términos
cuadrados necesarios
Problema 18. ¿Existe un poliedro irregular y que construya otros poliedros? ¿Cuál es el
apilamiento compacto más denso?. Resuelto.
Problema 19. ¿Son siempre analíticas las soluciones de los Lagrangianos? Resuelto.
Resultado: sí
Problema 20. ¿Tienen solución todos los problemas variacionales con ciertas condiciones
de contorno?. Resuelto. Ha supuesto un área importante de investigación durante el siglo
XX, culminando con las soluciones al caso no lineal.
Problema 21. Probar la existencia de ecuaciones lineales diferenciales que tengan un grupo
monodrómico prescrito Resuelto. Resultado: sí o no, dependiendo de una formulación más
exacta del problema.
Problemas de decisión.
125
Si es soluble.
Si es un problema soluble.
No es insoluble.
Un lenguaje decidible es aquel lenguaje L para el cual existe una máquina de Turing que le
puede aceptar cualquier cadena { L}.
Hay lenguajes formados por cadenas tales que una máquina de Turing logra un estado final
con las cadenas que reconoce y acepta, solamente. En este caso se dice que la máquina de
Turing semidecide al lenguaje. Los lenguajes semidecididos por una MT se llaman recursivos
numerables. Las gramáticas sin restricciones son las que generan los lenguajes recursivos
numerables. De aquí en adelante será suficiente referirse a los lenguajes recursivos
numerables, pues estos generalizan a los lenguajes recursivos, los cuales generalizan a los
lenguajes libres de contexto, y estos a los lenguajes regulares. Lo anterior tiene relación
directa con que los autómatas de Turing generalizan a los de la pila y estos a su vez a los
autómatas finitos. Por otro lado, pese a que lenguajes formales más generales que los
recursivos numerables no son reconocidos por un autómata de Turing, no existe hasta el
momento ningún autómata más poderoso capaz de reconocerlos
Es decir, si un dado un conjunto de entradas bajo las cuales una MT logra un estado de
parada para cada entrada, la maquina corresponde a la implementación de un algoritmo.
Esta es la Tesis de Church – Turing. No es un teorema pues no se puede demostrar
matemáticamente, de manera general y categórica. Es solo la afirmación de que el concepto
informal del algoritmo corresponde a un objeto matemático. Al ser solo una afirmación no
demostrable, puede suceder que luego fuera refudada. Para que esto ocurra, se necesitaría
encontrar un autómata más potente que uno de Turing tal que fuese la implementación de un
algoritmo. Si bien hay algunas propuestas interesantes que pretende generalizar a la MT,
hasta la fecha ninguna de ellas ha sido aceptada para sustituir nuestro actual concepto de
procedimiento comprable.
Por otro lado, mientras que los lenguajes computables son una infinidad numerable, los
lenguajes no computables son una infinidad no numerable. Por ello, son más los lenguajes
no computables o indecidibles. Una teoría lógica (TL) se define a partir de un conjunto de
enunciados dados llamados axiomas, unas reglas de inferencia y un esquema de derivación.
A partir de los axiomas y aplicando la regla de inferencia y el esquema de derivación se
infieren los teoremas de la teoría. El conjunto de teoremas de la teoría forma un lenguaje
formal.
Si es posible definir una máquina de Turing tal que reconozca al lenguaje de los teoremas,
este lenguaje es decidible y la teoría también lo es en consecuencia. Dicho en otras
palabras, si el conjunto de teoremas visto como un lenguaje es reconocido por una máquina
de Turing, entonces la TL es decidible. Y viceversa. Puede hablarse entonces de manera
indistinta de teorías lógicas o de lenguajes decididles, como aquellos para los que existe una
máquina de Turing capaz de reconocerlos. Luego la correspondencia entre la sintaxis de una
teoría lógica (lenguaje formal) y reconocimiento simbólico del mismo por parte de un
autómata queda establecida.
127
Básicamente, Turing definió las bases de las computadoras modernas y planteo un problema
sobre ellas, llegando a la conclusión de que no hay ningún algoritmo que lo resuelva. Es el
problema de la detención (Halting problem); el problema de saber si un problema se cuelga
cuando corre en la computadora. Turing demostró que el problema de la detención es
indicidible, es decir, demostró que había problemas que una maquina no podía resolver.
Una de las razones por la que es importante conocer que el problema de la parada no tiene
solución, es que nos permite decidir si otros problemas son resolubles o no. El razonamiento
a seguir sería: si suponiendo que un problema es decidible, podemos demostrar que el
problema de la parada tiene solución, entonces podemos llegar a la conclusión de que el
problema en cuestión no la tiene, por reducción al absurdo.
Definición:
Sea M una máquina de Turing arbitraria con un alfabeto de entrada Σ. ¿Puede decidirse si la
máquina M se detendrá con la entrada ?
Solución:
128
Por otro lado, son muchos los problemas interesantes que se han demostrado computables.
Todas las funciones construidas por recursividad primitiva o minimalización a partir de
funciones calculables resultan ser calculables como consecuencia de los trabajos de Church
y Turing. Pero además, otras funciones más complejamente definidas también son
computables, siendo el resultado más significativo en relación con esta cuestión el dado por
el siguiente teorema:
Primer teorema de Recursión. Todo operador entre funciones calculables que sea recursivo
(esto es que se defina la imagen de f mediante una función calculable en términos de una
parte finita de f), tiene una función parcial computable que es el menor punto fijo, es decir,
esta función es un punto fijo y cualquier otro punto fijo del operador es una extensión de esa
función.
Este teorema recibe su nombre porque podemos definir una función mediante una ecuación
recursiva más general que la permitida por la recursividad primitiva, a saber dónde es un
operador recursivo. El primer teorema de recursión nos dice que esta definición es posible;
hay una función recursiva que satisface esta ecuación. Como en matemáticas se requiere
que la definición sea unívoca, se dice que dicha ecuación define el menor punto fijo del
operador. Así, y de acuerdo al primer teorema de recursión, la clase de las funciones
calculables es cerrada bajo una muy general forma de definición por recursión.
FUNCIONES COMPUTABLES:
El modelo en el que se inspiró fue el de una persona real llevando a cabo un cálculo
mecánico, por ejemplo una multiplicación de dos grandes números en el sistema decimal.
Las funciones computables son usadas para discutir computabilidad sin referirse a ningún
modelo de computación concreto, como el de la máquina de Turing o el de la máquina de
registros.
Alternativamente se pueden definir como los algoritmos que pueden ser calculados por una
máquina de Turing, una máquina de Post, o una máquina de registros.
Se cita un ejemplo:
Hay que hacer notar que este método no hace referencia a la manera en la que se soluciona
P1 o P2, sino que determina como la solución de P2 conduce a solucionar P1. También se
puede ver que P2 es un problema más general que P1. De hecho este método no
funcionaría en el sentido inverso: siempre se reduce un problema a otro más general.
Otro ejemplo más típico: El jefe al fin se ha decidido a dar las vacaciones, pero estamos a 30
de julio y queremos ir con la familia, que resulta que está en Australia. El problema entonces
se reduce a encontrar un billete de avión a este destino.
131
Que haya que demostrar que L2 no es RE. Para ello partimos de la certeza de que L1 no es
RE (por ejemplo Ld) y lo reducimos a L2. Se supondrá que este último es RE, es decir, que
se puede encontrar una MT que, siendo la entrada una cadena ω de L1, esta se puede
convertir en una cadena ω’ de L2, y aceptarla si esta última pertenece a L2. Si se encuentra
un algoritmo de conversión, se habrá encontrado una MT que es capaz de reducir L1 a L2,
y por tanto la manera de aceptar L1. Pero esto es una contradicción, pues sabemos de
antemano que L1 no es RE (ninguna MT puede aceptarlo), por lo que, forzosamente, L2
no puede ser RE. Se llega a la conclusión de que L2 tampoco es RE.
132
Hemos visto como la Teoría de Autómatas, que engloba también al estudio de las Máquinas
secuenciales, tiene su origen en el campo de la Ingeniería Eléctrica. El matemático
norteamericano Shannon Claude 16(siendo lo más notable de su trabajo todo lo referente a la
Teoría de la información17, un desarrollo que fue publicado en 1948 bajo el nombre de Una
Teoría Matemática de la Comunicación), dio los primeros usos a una máquina de estados.
Más tarde en otros trabajos destacados, vino a establecer las bases para la aplicación de la
Lógica Matemática a los circuitos combinatorios y posteriormente Huffman en 1954 los
amplió a circuitos secuenciales y utiliza conceptos como estado de un autómata y tabla de
transición.
19
ALGORITMO DE TRELLIS Y VITERBI:
16
<C. E. Shannon, ``A mathematical theory of communication,'' Bell System Technical Journal, vol. 27, pp. 379-
423 and 623-656, July and October, 194>
17
< W. Weaver and C. E. Shannon, The Mathematical Theory of Communication, Urbana, Illinois: University of
Illinois Press, 1949, republished in paperback 1963 .>
18
Reprinted with corrections from The Bell System Technical Journal, Vol. 27, pp. 379–423, 623–656, July,
October, 1948. Disponible en internet < http://cm.bell-labs.com/cm/ms/what/shannonday/shannon1948.pdf >.
133
APLICACIONES DEL ALGORITMO: Como resultado de estos avances, las fronteras del
mundo de las comunicaciones digitales se han expandido en todos los sentidos: (a) las
distancias entre transmisor y receptor se han incrementado considerablemente
(comunicaciones satelitales, telemetría de sondas espaciales, etc.); (b) es posible establecer
comunicaciones de buena calidad en ambientes de gran interferencia (telefonía celular); (c)
los espacios lógicos (y físicos) necesarios para almacenar la información se han reducido
radicalmente (DVD).
Entre todos los avances que han permitido este extraordinario desarrollo de las
comunicaciones, se encuentran las técnicas de codificación. Estas mejoran el
comportamiento de los sistemas de comunicaciones mediante la inclusión de redundancia en
la información a transmitir. Esta información adicional permite detectar, corregir y/o prevenir
errores en transmisiones por canales ruidosos.
19
The Viterbi Algorithm: A Personal History. Disponible en internet: <http://arxiv.org/pdf/cs/0504020v2.pdf>
134
El primer esquema de TCM fue propuesto en 1976 por Gottfried Ungerboeck. Seguido por
una publicación en la revista information theory del IEEE en el año de 1982, con la cual se
dio una revolución en las investigaciones de su teoría y métodos, además se estableció un
lugar a las posibles implementaciones de TCM.
La decodificación de Viterbi fue propuesta por Andrew Viterbi en su trabajo “Error Bounds
for Convolucional Codes and an Asymptotically Optimum Decoding Algorithm” publicado en
la IEEE Transactions on Information Theory, en Abril de 1967.
CC-DV son utilizados en los sistemas de telefonía celular digital como es el caso del
estándar IS-95 (utilizado en nuestro medio por CTI), como así también en comunicaciones
de satélites geoestacionarios como las redes VSAT (Very Small Aperture Terminal). Las
ganancias que se logran con estos sistemas de codificación se reflejan en la reducción del
consumo de los transmisores o en la reducción del tamaño de las antenas (o simplemente en
la mejora de las tasas de transmisión).
La teoría de la codificación redundante se basa en los principios que Shannon formuló para
canales ruidosos al considerar que existe una probabilidad de error en la transmisión de
135
Con la introducción de una cierta cantidad de símbolos redundantes dentro de una cadena,
la parte emisora permite anticiparse al ruido del canal que pueda perjudicar la información,
de este modo, en tal caso, se le brinda a la parte receptora la posibilidad de corregir errores.
Después del codificador de canal CC, la señal codificada es modulada para su transmisión,
por una línea de comunicación o para su conservación, en una cierta memoria.
Los códigos secuenciales son utilizados también con el propósito de identificación, pero se
asignan en el orden en el cual los clientes entran al sistema.
Los códigos pueden dividirse en subconjuntos o subcódigos, caracteres que son parte del
número de identificación que tienen un significado especial. Los subcódigos indican al
usuario información adicional sobre el artículo, Ejemplo La clase de producto, el proveedor,
esta información se lleva a través de dígitos significativos.
El problema está en cómo elegir los 2Rn vectores que se van a enviar, es decir, en la
decisión. Al sistema que realiza dicha decisión se le llama codificador.
137
138
A este cociente se le denomina ratio del codificador. He definido para esta aplicación un
codificador convolucional (2,1,3), es decir: un bit para representar la palabra de datos, dos
bits de palabra de codificación por cada bit de palabra de datos y tres bits de longitud de
registro. En nuestro caso el ratio es ½.
Figura 66: Máquina de estados. Registro de desplazamiento convolucional de ratio = ½ y una etapa
Figura 67: Máquina de estados. Registro de desplazamiento convolucional (datos 000 y 100)
139
Figura 68: Máquina de estados. Registro de desplazamiento convolucional (datos 010 y 110)
En los diagramas, cada estado del codificador convolucional se representa mediante una
caja y las transiciones entre los estados vienen dadas por líneas que conectan dichas cajas.
Para saber de una manera rápida en qué estado se encuentra el codificador, basta con
observar los dos bits del registro de memoria más alejados de la entrada. Puede
comprobarse interpretando la máquina de estados correspondiente. Para el codificador de la
Figura 69, el diagrama de estados correspondiente es:
140
141
DIAGRAMAS DE TRELLIS:
Una manera de representar las distintas transiciones y los caminos que éstas describen es
mediante un Diagrama de Trellis. Una descripción de Trellis de un codificador convolucional
muestra cómo cada posible entrada al codificador influye en ambas salidas y a la transición
de estado del codificador. Un código de longitud restringida m tiene un Trellis con 2k(m-1)
estados en cada intervalo ti. Así que tendremos cuatro estados en ti. De cada estado parten
otros dos, uno si el bit enviado es un ‘1’ y otro si es un ‘0’.
142
En nuestro caso (2,1,3), una vez enviado el último bit, tendremos que enviar dos ceros para
finalizar la secuencia en cero y de esta forma volver a poner el codificador a cero. Así, queda
listo para otro envío futuro y se facilita por lo tanto el proceso.
Sea una entrada de datos de 8 bits. Una vez elegido el codificador convolucional con ratio
1/2, procedemos como se ha explicado en la teoría para obtener la secuencia de 16 bits
correspondientes a la palabra codificada.
Datos a la entrada: 1 1 0 0 1 0 1 1
Hemos dicho que el codificador parte del estado todo cero. Fijándonos en la máquina de
estados de las figura 69, partimos del estado 00, si entra un 1, se ha explicado como entra
al codificador, cuál es la salida codificada (11) y a qué estado pasa (10). A este nuevo estado
le llamaremos estado presente. En nuestro ejemplo:
1º Dato entrada: 1
Dato codificado: 11
Estado presente: 10
2º Dato entrada: 1
Dato codificado: 10
Estado presente: 11
3º Dato entrada: 0
Dato codificado: 10
Estado presente: 01
4º Dato de entrada: 0
Dato codificado: 11
Estado presente: 00
144
Representamos cómo sería el camino de Trellis seguido por los datos correctos ya
codificados. Para esto nos fijamos en la secuencia de estados presentes:
145
Datos 1 1 0 0 1 0 1 1
Estado Presente 10 11 01 00 10 01 10 11
Codificado 11 10 10 11 11 01 00 10
Recibido 10 10 11 11 01 01 00 10
146
DISTANCIA DE HAMMING.
En los códigos no recurrentes (o sea que utilizan estructura de bloques) son formados con
agrupaciones de n bits llamadas bloques, cada bloque se diferencia de otro de acuerdo con
la distancia que exista entre ellos. Como lo muestra la siguiente figura 75:
1.- El primer y segundo nivel son fijos para cualquier entrada. Del estado 00 tenemos dos
posibles ramas, hacia el estado 00 y hacia el 10
147
3.- A partir del tercer nivel, en cada estado convergerán dos ramas, analizamos los errores
en la métrica de cada camino posible en relación con la señal recibida.
148
4.- Según el número de errores acumulados en relación con la señal recibida, elegimos un
camino u otro. Nos quedamos con el de menor error acumulado. Así pues, partimos de
menos ramas para el siguiente nivel del proceso.
5.- De cada nodo parten de nuevo otras dos ramas Colocamos únicamente los errores
correspondientes al último nivel, para una mejor visualización:
6.- Procedemos del mismo modo que para el tercer nivel y nos quedamos con las ramas de
menor error acumulado:
7.- Con esta metodología aplicada al resto de niveles, las cuatro ramas seleccionadas que
llegarían a los cuatro últimos estados dada su menor acumulación de error acumulada serán:
Por lo tanto, el trayecto óptimo es aquel que finaliza en el estado 11, ya que tiene tres
errores acumulados frente a los cuatro de los otros estados. Así pues, el trayecto recorrido
óptimo es
149
150
Una explicación del algoritmo, puede ser visualizada en los recursos de la tabla 17.
Sigue al autor
SIMULADORES:
151
http://www.java.com/es/do
wnload/index.jsp
JFLAP V 7.0 http://datateca.unad.edu.co/contenidos/301405/SI http://www.jflap.org/getjflap.html
MULADORES/JFLAP.zip Guía o Tutorial:
http://www.jflap.org/tutorial/
Tutorial:
http://sistemas.uniandes.edu.co/~isis1106/dokuwiki
/lib/exe/fetch.php?media=tutoriales:tutorial_vas.pdf
152
Ejercicio 1: Una de las operaciones que se puede formar con las palabras de un alfabeto es
“La potencia”. Dada una palabra w ∑* se define inductivamente la potencia n-ésima de w,
que se denota w n , como: w 0 = cadena vacía, w n = w . w n 1 para n > 0
Si w = aba es un palabra sobre el alfabeto {a,b} entonces:
A. 2
= aabb
B. 2
= abaaba
C. 2
= abab
D. 2
= ababab
Ejercicio 2: Indique cuál de las siguientes afirmaciones referidas a lenguajes del alfabeto ∑
= {0,1,2} son ciertas:
1. El lenguaje de las cadenas con a lo sumo una pareja de 0´s consecutivos y a los
sumo una pareja de 1´s consecutivos no es regular.
2. El lenguaje de las cadenas equilibradas con igual número de 0´s y de 1´s tales
que ningún prefijo de cualquiera de ellas posee más de dos 0´s que 1´s ni más de
dos 1´s que 0´s es un lenguaje regular.
3. No existe ningún autómata determinista que reconozca el lenguaje de las
cadenas en las que toda pareja de 0´s contiguos aparece antes de cualquier
pareja de 1´s contiguos.
4. Si L es un lenguaje regular también lo es el lenguaje consistente en las inversas
de las cadenas de L.
Ejercicio 3: Sea el alfabeto ∑= {a,b} con la Expresión Regular: a(a+b), identifique las
cadenas válidas que se pueden generar:
A. {aba, aab,}
B. {a, aab, abb}
C. {aa, ab,}
D. {a, b, aa, bb}
Ejercicio 3.1 Para el siguiente autómata, identifique cuál es la Expresión Regular (ER) que
mejor lo representa:
153
1. La ER (0+1)*01 genera cadenas válidas para el autómata del ejercicio doce (12)
pero no para las del autómata del ejercicio once (11).
2. La ER (0+1)*01 genera las mismas cadenas para el Autómata del ejercicio dos (2)
y del ejercicio doce (12)
3. La ER (0+1)*11(01)* genera cadenas válidas para el autómata del ejercicio dos
(2) pero no para las del autómata del ejercicio doce (12).
4. La ER (1*00*1(00*1)*1)*1*00*1(00*1)* genera las mismas cadenas para el
Autómata del ejercicio doce (12) y del ejercicio once (11).
154
Q es un conjunto de estados.
∑ es el alfabeto de entrada
f: Q X ∑ → Q es la función (total) de transición.
q 0 Q es el estado inicial.
F Q es el conjunto de estados finales.
n *
A. L = (A 2 ) = {0, 001, 01111, …} = { 1(10) /n ≤ 0} La expresión regular es: 0(01)
n *
B. L = (A 2 ) = {1, 101, 10101, …} = { 1(01) /n ≥ 0} La expresión regular es: 1(01)
156
Ejercicio 9: Sea el vocabulario {a,b} y la expresión regular aa*bb* Indique cuales cadenas
que se relacionan a continuación son válidas para esa ER:
A. (10 + 0)* 10
B. (10 + 0)
C. (10 + 0)*
D. (0+1+0*)
Ejercicio 10: Una de las operaciones que permiten las “Expresiones Regulares” es el
“Cierre u operación estrella”. Si es una expresión regular, entonces *
es una
Ejercicio 12: Analice el siguiente Autómata y determine cuáles apreciaciones son válidas en
su análisis:
1. La función de transición puede no estar definida para alguna combinación (x,q) y, por
el contrario, puede definir para otras combinaciones (x,q) más de un estado.
2. La función de transición define para cada posible combinación (x,q) un estado nuevo.
158
Ejercicio 13: Dado los siguientes dos autómatas A y B, analice los enunciados dados e
identifique cuales son verdaderos.
159
Para el ejercicio analice la cadena sin tener en cuenta si es válida o no, (aceptada o
no aceptada)
Ejercicio 16: Para el siguiente autómata finito determinístico (AFD), identifique que
afirmaciones son válidas para la expresión:
Tenga en cuenta que se denomina cadena, palabra o frase a una secuencia finita de
símbolos de un alfabeto ∑. Estas cadenas son denotadas como w.
A. Reconoce las palabras sobre a,b que terminan en un número par de a´s contiguas
160
A. 0110
B. 0111
C. 0101
D. 0011
1. δ (q2 , a ) = q 2 δ (q2 , b ) = q 3
161
Ejercicio 19: Identifique de los cuatro autómatas que se muestran a continuación, (A, B, C o
D), cuál reconoce las cadenas que contienen la subcadena aba y cuya definición formal
sería la siguiente:
K = {1,2}
Σ={a,b}
s={1}
F={2}
={((1,a),1),((1,b),1),((1,aba),2),((2,a),2),((2,b),2)}
162
163
Ejercicio 22: Indique cuál de las siguientes afirmaciones referidas a los autómatas de la
figura, son ciertas. (Observe que hay una transición que no lee ningún símbolo de la
cadena de entrada):
1. Los autómatas reconocen el lenguaje formado por todas las cadenas que
empiezan por 1 y que no terminan en dos ceros consecutivos.
2. Ambos autómatas reconocen el mismo lenguaje incluyendo la cadena vacía.
3. El autómata A es más potente por ser No Determinista.
4. Cualquier autómata no determinista que reconozca el mismo lenguaje que el
autómata B tiene al menos cuatro estados.
164
4 y q 5 y a un estado final q 5 .
Ejercicio 26: La relación entre un AP y un LLC (Lenguaje Libre de contexto) permite que
dada una Gramática G, existe entonces un AP que acepta exactamente el lenguaje
generado por G. Dado el siguiente autómata de pila (AP) cuyo funcionamiento se representa
en la siguiente tabla, identifique la gramática correcta y sus reglas que aceptan el LLC dado
por el AP.
165
Ejercicio 27: Dadas las siguientes gramáticas, asócielas a los enunciados que se presentan
de forma correcta. Tenga en cuenta que como Símbolo inicial se toma a “S” que son los
estados iniciales y como símbolos no terminales los estados en el orden de su
nombramiento. El conjunto finito de símbolos terminales son los símbolos del alfabeto ∑ del
autómata.
166
Ejercicio 28: Dada la siguiente gramática G= (VN= {S, A}, VT= {0,1}, S, P) donde P son las
producciones:
Ejercicio 29: Las Gramáticas regulares pueden ser de dos formas: Lineales por la derecha y
Lineales por la izquierda. También pueden ser ambiguas si existen dos árboles de derivación
distintos para una misma palabra. Dada la Gramática G = {S, A}, T= {0,1} representada en
los dos árboles de derivación siguiente, identifique el tipo de producciones y el lenguaje que
generan:
167
Ejercicio 30: Para el autómata del ejercicio anterior, (ejercicio 201 – 1ESTE ES) determine
que afirmación es válida si se presenta la siguiente gramática. Para el análisis, asigne un
nombre a los estados del autómata que apliquen a la gramática dada.
S → xS
S → yA
S → zB
A → yA
A → yB
B → zB
B→
A → xzS | B A → xzS | yz |
B → yz |
Gramática G 1 Gramática G 2
168
Ejercicio 32: Las gramáticas del ejercicio anterior (ejercicio 31), tienen dos particularidades
que son válidas afirmarlas:
1. Las reglas de las gramáticas difieren por que tienen diferentes terminales.
2. La palabra generable por la gramática G 1 y G 2 es xxzyzy
3. La palabra generable por la gramática G 1 y G 2 es xyzyzy
4. La lista de reglas están denotadas de forma comprimida.
S → aA | bA
A → aB | bB | a
B → aA | bA
A. {a,b}
B. El conjunto de cadenas que pueda generar la ER = a*b*a
C. {aa, aaaa, bbba, ba, bba, baaa, baba}
D. {baaaa, aaaaa, bba}
169
170
Ejercicio 38: Un problema de decisión (PD) es aquel formulado por una pregunta (referida a
alguna propiedad) que requiere una respuesta de tipo “si/no”. Para la Teoría de Lenguajes,
un problema de decisión es “insoluble” cuando:
Ejercicio 39: Dada la siguiente Máquina de Turing (MT), determine que afirmaciones son
válidas para su análisis:
171
Ejercicio 40: Con referencia a una Máquina de Turing (MT) de dos direcciones: Una
Máquina de Turing con una cinta infinita en un sentido puede simular una Máquina de Turing
con la cinta infinita en los dos sentidos. Sea M una Máquina de Turing con una cinta infinita
en los dos sentidos, entonces:
172
Ejercicio 42: identifique las cadenas válidas que generan las siguientes ER: muestre
algunas, pero más que las cadenas identifique el lenguaje que representa. Genere el
diagrama de moore o grafique la máquina correspondiente.
si A = {0,1}
a) 0*+1*(01)
b) 10* + 10
c) 01* + 0
d) (1.11*0) *
e) (1 + 10) + 0
f) 1* 0*10
g) 00* 11*
173
174
175
Ejercicio 44: Diseñe un APD que acepte el Lenguaje L = {0a 1a+b 2b 3c+1 }
donde a,b,c ≥ 0
S → 0A │ 1
A → 1A | 1B
B → 0S
Gramática G 1
176
Ejercicio 46: Diseñe una MT que reconozca el lenguaje de cadenas Máquina que
acepta el lenguaje de palabras sobre {0,1} que comienzan y acaban con el mismo
símbolo
177
Tabla 25: Cálculo de un dato de entrada a partir de un dato codificado con error.
178
179
180
(Nótese que hay interacciones con símbolo vacío, diferente a cadena vacía)
PARTE 1
PARTE 2: Para cada una de las Expresiones Regulares siguientes (ER) realice:
181
EXPRESIONES REGULARES:
Primera: (a+b)*b(b+a)b(b+a)*
Segunda: (0+1)*11(1+0)0(1+10*)*
Tercera: 0*1*+(01)*+(11*00*+01)
182
JFLAP, (2004, 2008) JFLAP Version 7.0 Release August 28, 2009. Extraído el
30 de Mayo de 2011 desde http://www.jflap.org/
183
184