Teoría de la computación

39 idiomas
• Artículo
• Discusión
• Leer
• Editar
• Ver historial

Herramientas

•
•
•
•
•
•
•
•
•
•
•

•
•
•

Este artículo o sección necesita ser wikificado, por favor, edítalo para que cumpla
con las convenciones de estilo.
Este aviso fue puesto el 30 de abril de 2014.

Representación artística de una máquina de

Turing. Las máquinas de Turing se utilizan frecuentemente como modelos teóricos de
computación
La teoría de la computación o teoría de la informática es un conjunto de
conocimientos racionales y sistematizados que se centran en el estudio de
la abstracción de los procesos, con el fin de reproducirlos con ayuda de sistemas
formales; es decir, a través de símbolos y reglas lógicas. La teoría de la computación
permite modelar procesos dentro de las limitaciones de dispositivos que procesan
información y que efectúan cálculos; como, por ejemplo, el ordenador. Para ello, se
apoya en la teoría de autómatas, a fin de simular y estandarizar dichos procesos, así
como para formalizar los problemas y darles solución.1
Para realizar un estudio riguroso de la computación, los informáticos trabajan con una
abstracción matemática de los ordenadores llamada modelo de computación. Hay
varios modelos en uso, pero el más comúnmente examinado es la máquina de
Turing.2 Los informáticos estudian la máquina de Turing porque es sencilla de
formular, se puede analizar y utilizar para demostrar resultados, y porque representa
lo que muchos consideran el modelo "razonable" de computación más potente
posible (véase tesis Church-Turing).3 Podría parecer que la capacidad de memoria
potencialmente infinita es un atributo irrealizable, pero cualquier problema decidible4
resuelto por una máquina de Turing siempre requerirá sólo una cantidad finita de
memoria. Así que, en principio, cualquier problema que pueda ser resuelto (decidido)
por una máquina de Turing puede ser resuelto por un ordenador que tenga una
cantidad finita de memoria.
Principales subramas[editar]
Teoría de autómatas[editar]
Artículo principal: Teoría de autómatas
Esta teoría provee modelos matemáticos que formalizan el concepto
de computadora o algoritmo de manera suficientemente simplificada y general para
que se puedan analizar sus capacidades y limitaciones. Algunos de estos modelos
juegan un papel central en varias aplicaciones de las ciencias de la computación,
incluyendo procesamiento de texto, compiladores, diseño de hardware e inteligencia
artificial.
Existen muchos otros tipos de autómatas como las máquinas de acceso
aleatorio, autómatas celulares, máquinas ábaco y las máquinas de estado abstracto;
sin embargo en todos los casos se ha mostrado que estos modelos no son más
generales que la máquina de Turing, pues la máquina de Turing tiene la capacidad
de simular cada uno de estos autómatas. Esto da lugar a que se piense en la
máquina de Turing como el modelo universal de computadora.
Teoría de la computabilidad[editar]
Artículo principal: Teoría de la computabilidad
Véase también: Indecidibilidad

Reglas de producción
Gramática Idiomas Autómatas
(restricciones)

Enumerable
Tipo-0 Máquina de Turing
recursivamente (sin restricciones)

Máquina de Turing no determinista de

Tipo-1 Sensibles al contexto
límites lineales

Tipo-2 sin contexto No-determinista Autómata con pila

Tipo-3 Regular Autómata finito and

Esta teoría explora los límites de la posibilidad de solucionar problemas mediante
algoritmos. Gran parte de las ciencias computacionales están dedicadas a resolver
problemas de forma algorítmica, de manera que el descubrimiento de
problemas imposibles es una gran sorpresa. La teoría de la computabilidad es útil
para no tratar de resolver algorítmicamente estos problemas, ahorrando así tiempo y
esfuerzo.
Los problemas se clasifican en esta teoría de acuerdo a su grado de imposibilidad:

• Los computables son aquellos para los cuales sí existe un algoritmo que
siempre los resuelve cuando hay una solución y además es capaz de
distinguir los casos que no la tienen. También se les conoce
como decidibles, resolubles o recursivos.
• Los semicomputables son aquellos para los cuales hay un algoritmo que
es capaz de encontrar una solución si es que existe, pero ningún algoritmo
que determine cuando la solución no existe (en cuyo caso el algoritmo para
encontrar la solución entraría a un bucle infinito). El ejemplo clásico por
excelencia es el problema de la parada. A estos problemas también se les
conoce como listables, recursivamente enumerables o reconocibles,
porque si se enlistan todos los casos posibles del problema, es
posible reconocer a aquellos que sí tienen solución.
• Los incomputables son aquellos para los cuales no hay ningún algoritmo
que los pueda resolver, no importando que tengan o no solución. El
ejemplo clásico por excelencia es el problema de la implicación lógica, que
consiste en determinar cuándo una proposición lógica es un teorema; para
este problema no hay ningún algoritmo que en todos los casos pueda
distinguir si una proposición o su negación es un teorema.
Hay una versión más general de esta clasificación, donde los problemas
incomputables se subdividen a su vez en problemas más difíciles que otros. La
herramienta principal para lograr estas clasificaciones es el concepto

de reducibilidad: Un problema se reduce al problema si bajo la suposición

de que se sabe resolver el problema es posible resolver al problema ; esto

se denota por , e informalmente significa que el problema no es más difícil

de resolver que el problema . Por ejemplo, bajo la suposición de que una

persona sabe sumar, es muy fácil enseñarle a multiplicar haciendo sumas repetidas,
de manera que multiplicar se reduce a sumar.
Teoría del lenguaje formal[editar]
Artículo principal: Lenguaje formal

Conjunto de inclusiones descritas por la jerarquía de

Chomsky
La teoría del lenguaje es una rama de las matemáticas que se ocupa de describir los
lenguajes como un conjunto de operaciones sobre un alfabeto. Está estrechamente
relacionada con la teoría de autómatas, ya que éstos se utilizan para generar y
reconocer lenguajes formales. Existen varias clases de lenguajes formales, cada una
de las cuales permite una especificación del lenguaje más compleja que la anterior,
es decir, la jerarquía de Chomsky,5 y cada una correspondiente a una clase de
autómatas que la reconoce. Dado que los autómatas se utilizan como modelos para
la computación, los lenguajes formales son el modo preferido de especificación para
cualquier problema que deba ser computado.
Teoría de la complejidad computacional[editar]
Artículo principal: Complejidad computacional
Véase también: Clase de complejidad
Aun cuando un problema sea computable, puede que no sea posible resolverlo en la
práctica si se requiere mucha memoria o tiempo de ejecución. La teoría de la
complejidad computacional estudia las necesidades de memoria, tiempo y otros
recursos computacionales para resolver problemas; de esta manera es posible
explicar por qué unos problemas son más difíciles de resolver que otros. Uno de los
mayores logros de esta rama es la clasificación de problemas, similar a la tabla
periódica, de acuerdo a su dificultad. En esta clasificación los problemas se separan
por clases de complejidad.
Esta teoría tiene aplicación en casi todas las áreas de conocimiento donde se desee
resolver un problema computacionalmente, porque los investigadores no solo desean
utilizar un método para resolver un problema, sino utilizar el más rápido. La teoría de
la complejidad computacional también tiene aplicaciones en áreas como
la criptografía, donde se espera que descifrar un código secreto sea un problema
muy difícil a menos que se tenga la contraseña, en cuyo caso el problema se vuelve
fácil.
Para analizar cuánto tiempo y espacio requiere un algoritmo determinado, los
informáticos expresan el tiempo o el espacio necesarios para resolver el problema en
función del tamaño del problema de entrada. Por ejemplo, encontrar un número
concreto en una larga lista de números se hace más difícil a medida que la lista de
números aumenta de tamaño. Si decimos que hay "n" números en la lista, entonces,
si la lista no está ordenada o indexada de alguna manera, puede que tengamos que
mirar todos los números para encontrar el número que buscamos. Por tanto, para
resolver este problema, el ordenador debe realizar un número de pasos que crece
linealmente con el tamaño del problema.
Para simplificar este problema, los informáticos han adoptado la notación Big O, que
permite comparar funciones de forma que no sea necesario considerar aspectos
particulares de la construcción de una máquina, sino sólo el comportamiento
asintótico a medida que los problemas se hacen grandes. Así, en nuestro ejemplo

anterior, podríamos decir que el problema requiere pasos para resolverse.

Quizás el problema abierto más importante en toda la informática es la cuestión de si
una cierta clase amplia de problemas denotada NP puede resolverse eficientemente.
Esto se discute más a fondo en Clases de complejidad P y NP, y Clases de
complejidad P y NP es uno de los siete Problemas del Premio del Milenio enunciados
por el Clay Mathematics Institute en 2000. La Descripción Oficial del
Problema Archivado el 4 de septiembre de 2015 en Wayback Machine. fue dada por
el ganador del Premio Turing Stephen Cook.
Otras subramas[editar]
• Modelos de cómputo Estudia abstracciones de hacer un cómputo. Aquí
se incluyen los clásicos modelos de la teoría de autómatas además de
 otros modelos como funciones recursivas, cálculo lambda e
inclusive lenguajes de programación.
• Teoría algorítmica de la información Centra su atención en la
complejidad para describir algorítmicamente una secuencia de datos
(cadena); aquí la complejidad está medida por la longitud de su descripción
más pequeña.
• Especificación y verificación formal Busca metodologías para garantizar
que un problema esté correctamente modelado y sistemas formales para
validar la corrección de la solución algorítmica.
• La Teoría del aprendizaje computacional busca algoritmos que hagan
que las computadoras modifiquen sus comportamientos de manera
autónoma con base en datos empíricos, y concretamente en ejemplos y
contraejemplos. A este tipo de aprendizaje se le llama aprendizaje
supervisado. De forma análoga a la teoría de la complejidad
computacional, en esta teoría las funciones se clasifican por su grado de
dificultad de ser aprendidas.
• Teoría de tipos Busca la clasificación de enunciados de acuerdo a los
tipos de valores que calculan utilizando herramientas de teoría
de lenguajes formales.
Historia[editar]
Véanse también: Entscheidungsproblem y Tesis de Church-Turing.
La teoría de la computación comienza propiamente a principios del siglo XX, poco
antes que las computadoras electrónicas fuesen inventadas. En esta época varios
matemáticos se preguntaban si existía un método universal para resolver todos los
problemas matemáticos. Para ello debían desarrollar la noción precisa de método
para resolver problemas, es decir, la definición formal de algoritmo.
Algunos de estos modelos formales fueron propuestos por precursores como Alonzo
Church (cálculo Lambda), Kurt Gödel (funciones recursivas) y Alan Turing (máquina
de Turing). Se ha mostrado que estos modelos son equivalentes en el sentido de que
pueden simular los mismos algoritmos, aunque lo hagan de maneras diferentes.
Entre los modelos de cómputo más recientes se encuentran los lenguajes de
programación, que también han mostrado ser equivalentes a los modelos anteriores;
esto es una fuerte evidencia de la conjetura de Church-Turing, de que todo algoritmo
habido y por haber se puede simular en una máquina de Turing, o equivalentemente,
usando funciones recursivas. En 2007 Nachum Dershowitz y Yuri Gurevich
publicaron una demostración de esta conjetura basándose en
cierta axiomatización de algoritmos.6
Uno de los primeros resultados de esta teoría fue la existencia de problemas
imposibles de resolver algorítmicamente, siendo el problema de la parada el más
famoso de ellos. Para estos problemas no existe ni existirá ningún algoritmo que los
pueda resolver, no importando la cantidad de tiempo o memoria se disponga en una
computadora. Asimismo, con la llegada de las computadoras modernas se constató
que algunos problemas resolubles en teoría eran imposibles en la práctica, puesto
que dichas soluciones necesitaban cantidades irrealistas de tiempo o memoria para
poderse encontrar.
Referencias