Proprieta dei Linguaggi regolari
|
|
- Renata Lanza
- 7 anni fa
- Visualizzazioni
Transcript
1 Proprieta dei Linguaggi regolari Pumping Lemma. Ogni linguaggio regolare soddisfa il pumping lemma. Se qualcuno vi presenta un falso linguaggio regolare, l uso del pumping lemma mostrera una contraddizione. Proprieta di chiusura. Come costruire automi da componenti usando delle operazioni, ad esempio dati L e M possiamo costruire un automa per L M. Proprieta di decisione. Analisi computazionale di automi, cioe quando due automi sono equivalenti. Tecniche di minimizzazione. Possiamo risparmiare costruendo automi piu piccoli. 1
2 Il Pumping Lemma, informalmente Supponiamo che L 01 = {0 n 1 n : n 1} sia regolare. Allora deve essere accettato da un qualche DFA A, con, ad esempio, k stati. Supponiamo che A legga 0 k. Avra le seguenti transizioni: ǫ p 0 0 p 1 00 p k p k i < j : p i = p j Chiamiamo q questo stato. 2
3 Adesso possiamo ingannare A: Se ˆδ(q,1 i ) F l automa accettera, sbagliando, 0 j 1 i. Se ˆδ(q,1 i ) / F l automa rifiutera, sbagliando, 0 i 1 i. Quindi L 01 non puo essere regolare. Generaliziamo questo ragionamento. 3
4 Teorema 4.1. Il Pumping Lemma per Linguaggi Regolari. Sia L un linguaggio regolare. Allora n, w L : w n w = xyz tale che: 1. y ǫ 2. xy n 3. k 0, xy k z L 4
5 Prova: Supponiamo che L sia regolare. Allora L e riconosciuto da un DFA A con, ad esempio, n stati. Sia w = a 1 a 2... a m L, m > n. Sia p i = ˆδ(q 0, a 1 a 2 a i ). i < j : p i = p j 5
6 Ora w = xyz, dove 1. x = a 1 a 2 a i 2. y = a i+1 a i+2 a j 3. z = a j+1 a j+2... a m y = a i+1... a j Start p 0 x = z = a 1... a i a j+1... a m p i Quindi anche xy k z L, per ogni k 0. 6
7 Esempio: sia L eq il linguaggio delle stringhe con ugual numero di zeri e di uni. Supponiamo che L eq sia regolare. Allora w = 0 n 1 n L. Per il pumping lemma, w = xyz, xy n, y ǫ e xy k z L eq w = 000 }{{} x 0 }{{} y }{{} z In particolare, xz L eq, ma xz ha meno zeri di uni. 7
8 Supponiamo che L pr = {1 p : p e primo } sia regolare. Sia n dato dal pumping lemma. Scegliamo un numero primo p n + 2. w = p {}}{ 111 }{{} x 1 }{{} y y =m }{{} z Ora xy p m z L pr xy p m z = xz + (p m) y = p m + (p m)m = (1 + m)(p m) che non e primo a meno che uno dei fattori non sia 1. y ǫ 1 + m > 1 m = y xy n, p n + 2 p m n + 2 n = 2. 8
9 Proprieta di chiusura dei linguaggi regolari Siano L e M due linguaggi regolari. Allora i seguenti linguaggi sono regolari: Unione: L M Intersezione: L M Complemento: N Differenza: L \ M Inversione: L R = {w R : w L} Chiusura: L. Concatenazione: L.M Omomorfismo: h(l) = {h(w) : w L, h e un omom. } Omomorfismo inverso: h 1 (L) = {w Σ : h(w) L, h : Σ e un omom. } 9
10 Teorema 4.4. Per ogni coppia di linguaggi regolari L e M, L M e regolare. Prova. Sia L = L(E) e M = L(F). Allora L(E + F) = L M per definizione. Teorema 4.5. Se L e un linguaggio regolare su Σ, allora che L = Σ \ L e regolare. Prova. Sia L riconosciuto da un DFA A = (Q,Σ, δ, q 0, F). Sia B = (Q,Σ, δ, q 0, Q \ F). Allora L(B) = L. 10
11 Esempio: Sia L riconosciuto dal DFA qui sotto: 1 0 Start 0 1 { q } { q, q } {q, q } 0 1 Allora L e riconosciuto da: 1 0 Start 0 1 { q } { q, q } {q, q } 0 1 Domanda: Quali sono le espressioni regolari per L e L? 11
12 Teorema 4.8. Se L e M sono regolari, allora anche L M e regolare. Prova. Per la legge di DeMorgan, L M = L M. Sappiamo gia che i linguaggi regolari sono chiusi sotto il complemento e l unione. 12
13 Teorema 4.8. Se L e M sono regolari, allora anche L M e regolare. Prova. Sia L il linguaggio di A L = (Q L,Σ, δ L, q L, F L ) e M il linguaggio di A M = (Q M,Σ, δ M, q M, F M ) Assumiamo senza perdita di generalita che entrambi gli automi siano deterministici. Costruiremo un automa che simula A L e A M in parallelo, e accetta se e solo se sia A L che A M accettano. 13
14 Se A L va dallo stato p allo stato s leggendo a, e A M va dallo stato q allo stato t leggendo a, allora A L M andra dallo stato (p, q) allo stato (s, t) leggendo a. Input a A L Start AND Accept A M 14
15 Formalmente A L M = (Q L Q M,Σ, δ L M,(q L, q M ), F L F M ), dove δ L M ((p, q), a) = (δ L (p, a), δ M (q, a)) Si puo mostrare per induzione su w che ˆδ L M ((q L, q M ), w) = (ˆδ L (q L, w),ˆδ M (q M, w) ) 15
16 Esempio: (c) = (a) (b) 1 Start p 0 q 0,1 (a) 0 Start r 1 s 0,1 (b) 1 Start pr 1 ps 0 0 qr 1 qs 0,1 0 (c) 16
17 Teorema Se L e M sono linguaggi regolari, allora anche L \ M e regolare. Prova. Osserviamo che L \ M = L M. Sappiamo gia che i linguaggi regolari sono chiusi sotto il complemento e l intersezione. 17
18 Teorema Se L e un linguaggio regolare, allora anche L R e regolare. Prova 1: Sia L riconosciuto da un FA A. Modifichiamo A per renderlo un FA per L R : 1. Giriamo tutti gli archi. 2. Rendiamo il vecchio stato iniziale l unico stato finale. 3. Creiamo un nuovo stato iniziale p 0, con δ(p 0, ǫ) = F (i vecchi stati finali). 18
19 Teorema Se L e un linguaggio regolare, allora anche L R e regolare. Prova 2: Sia L descritto da un espressione regolare E. Costruiremo un espressione regolare E R, tale che L(E R ) = (L(E)) R. Procediamo per induzione strutturale su E. Base: Se E e ǫ,, o a, allora E R = E. Induzione: 1. E = F + G. Allora E R = F R + G R 2. E = F.G. Allora E R = G R.F R 3. E = F. Allora E R = (F R ) L(E R ) = (L(E)) R 19
20 Proprieta di decisione 1. Convertire tra diverse rappresentazioni dei linguaggi regolari. 2. E L =? 3. E w L? 4. Due descrizioni definiscono lo stesso linguaggio? 20
21 Da NFA a DFA Supponiamo che un ǫ-nfa abbia n stati. Per calcolare ECLOSE(p) seguiamo al piu n 2 archi. Il DFA ha 2 n stati, per ogni stato S e ogni a Σ calcoliamo δ D (S, a) in n 3 passi. In totale abbiamo O(n 3 2 n ) passi. Se calcoliamo δ solo per gli stati raggiungibili, dobbiamo calcolare δ D (S, a) solo s volte, dove s e il numero di stati raggiungibili. In totale: O(n 3 s) passi. 21
22 Da DFA a NFA Dobbiamo solo mettere le parentesi graffe attorno agli stati. Totale: O(n) passi. Da FA a espressioni regolari Dobbiamo calcolare n 3 cose di grandezza fino a 4 n. Totale: O(n 3 4 n ). L FA puo essere un NFA. Se prima vogliamo convertire l NFA in un DFA, il tempo totale sara doppiamente esponenziale. Da espressioni regolari a FA Possiamo costruire un albero per l espressione in n passi. Possiamo costruire l automa in n passi. Eliminare le ǫ-transizioni ha bisogno di O(n 3 ) passi. Se si vuole un DFA, potremmo aver bisogno di un numero esponenziale di passi. 22
23 Testare se un linguaggio e vuoto L(A) per FA A se e solo se uno stato finale e raggiungibile dallo stato iniziale in in A. Totale: O(n 2 ) passi. Oppure, possiamo guardare un espressione regolare E e vedere se L(E) =. Usiamo il seguente metodo: E = F + G. Allora L(E) e vuoto se e solo se sia L(F) che L(G) sono vuoti. E = F.G. Allora L(E) e vuoto se e solo se o L(F) o L(G) sono vuoti. E = F. Allora L(E) non e mai vuoto, perche ǫ L(E). E = ǫ. Allora L(E) non e vuoto. E = a. Allora L(E) non e vuoto. E =. Allora L(E) e vuoto. 23
24 Controllare l appartenenza Per controllare se w L(A) per DFA A, simuliamo A su w. Se w = n, questo prende O(n) passi. Se A e un NFA e ha s stati, simulare A su w prende O(ns 2 ) passi. Se A e un ǫ-nfa e ha s stati, simulare A su w prende O(ns 3 ) passi. Se L = L(E), per l espressione regolare E di lunghezza s, prima convertiamo E in un ǫ-nfa con 2s stati. Poi simuliamo w su questo automa, in O(ns 3 ) passi. 24
Proprieta dei Linguaggi Regolari. Proprieta dei Linguaggi Regolari
roprieta dei Linguaggi Regolari Pumping Lemma. Ogni linguaggio regolare soddisfa una proprieta ben nota, il pumping lemma. Questa tecnica fornisce uno strumento utile per dimostrare che un linguaggio non
DettagliLinguaggi regolari e automi a stati finiti
utomi a stati finiti Gli automi a stati finiti sono usati come modello per Software per la progettazione di circuiti digitali. Analizzatori lessicali di un compilatore. Ricerca di parole chiave in un file
DettagliLinguaggio universale, riduzioni, e teorema di Rice. Linguaggio universale, riduzioni, e teorema di Rice
l linguaggio universale Il linguaggio universale L u e l insieme delle stringhe binarie che codificano una coppia (M,w) dove w L(M). Esiste una TM U, detta TM universale, tale che L u = L(U). U ha tre
DettagliProprieta dei linguaggi liberi da contesto. Proprieta dei linguaggi liberi da contesto
roprieta di CFL Semplificazione di una CFG: se un linguaggio e un CFL, ha una grammatica di una forma speciale. Pumping Lemma per CFL: simile ai linguaggi regolari. Proprieta di chiusura: alcune delle
DettagliEquivalenza e minimizzazione di automi. Equivalenza e minimizzazione di automi
tati equivalenti Sia A = (Q,Σ,δ,q,F) un DFA, e {p,q} Q. Definiamo p q w Σ : ˆδ(p,w) F se e solo se ˆδ(q,w) F Se p q diciamo che p e q sono equivalenti Se p q diciamo che p e q sono distinguibili In altre
DettagliProgamma sintetico. Nozioni preliminari Automi Finiti Macchine di Turing Limiti delle macchine di Turing La tesi di Church-Turing Le classi P e NP
Progamma sintetico Nozioni preliminari Automi Finiti Macchine di Turing Limiti delle macchine di Turing La tesi di Church-Turing Le classi P e NP Un problema classico Un uomo viaggia con un lupo, una pecora
DettagliAutomi e Linguaggi Formali. Cambiamenti di orario. Altre informazioni utili. Motivazione. Anno accademico
Automi e Linguaggi Formali Anno accademico 5-6 Docente: Francesca Rossi E-mail: frossi@math.unipd.it Orario: Lunedi 5:3 7:3, LUM 5 Venerdi 3:3 6:3, LUM 5 Cambiamenti di orario non si fara lezione Venerdi
DettagliAutomi e Linguaggi Formali Automi a stack (Pushdown automata)
Automi e Linguaggi Formali Automi a stack (Pushdown automata) A.A. 2014-2015 Enrico Mezzetti emezzett@math.unipd.it Automi a stack Un Pushdown Automata (PDA) o Automa a stack Essenzialmente un ɛ-nfa con
DettagliAutomi a pila. Automi a pila
utomi a pila Un automa a pila (PDA) e in pratica un ǫ-nfa con una pila. In una transizione un PDA: 1 Consuma un simbolo di input. 2 Va in un nuovo stato (o rimane dove e ). 3 Rimpiazza il top della pila
DettagliEspressioni regolari. Espressioni regolari
spressioni regolari Un FA (NFA o DFA) e un metodo per costruire una macchina che riconosce linguaggi regolari. Una espressione regolare e un modo dichiarativo per descrivere un linguaggio regolare. Esempio:
DettagliFondamenti di Informatica per la Sicurezza a.a. 2008/09. Automi. Stefano Ferrari. Unautomaastatifinitièunmodellomatematico caratterizzato da:
Fondamenti di Informatica per la Sicurezza a.a. 2008/09 Automi Stefano Ferrari UNIVERSITÀ DEGLI STUDI DI MILANO DIPARTIMENTO DI TECNOLOGIE DELL INFORMAZIONE Stefano Ferrari Università degli Studi di Milano
DettagliEspressioni regolari
spressioni Regolari Un FA (NFA o DFA) e una macchina a stati finiti che riconosce linguaggi regolari. Una espressione regolare e un modo dichiarativo (o algebrico) per descrivere un linguaggio regolare.
DettagliAniello Murano Problemi non decidibili e riducibilità
Aniello Murano Problemi non decidibili e riducibilità 8 Lezione n. Parole chiave: Riduzione Corso di Laurea: Informatica Codice: Email Docente: murano@ na.infn.it A.A. 2008-2009 Overview Nelle lezioni
DettagliUn prefisso, un suffisso o una sottostringa di una stringa, quando non sono la stringa stessa, sono detti propri.
SIMBOLI Un simbolo è un entità primitiva astratta non meglio definita. Per ciò che ci concerne, un simbolo è atomico: se anche avesse una struttura interna, noi non la osserviamo. Le uniche caratteristiche
DettagliMa il programma in Fig. 8.2 del libro? Stampa hello, world, dato un input n se e solo se l equazione
Problemi che i calcolatori non possono risolvere E importante sapere se un programma e corretto, cioe fa uello che ci aspettiamo. E facile vedere che il programma Ma il programma in Fig. 8.2 del libro?
DettagliEspressioni regolari descrivono i linguaggi regolari. Un FA (NFA o DFA) è un metodo per costruire una macchina che riconosce linguaggi regolari.
Espressioni regolari descrivono i linguaggi regolari Un FA (NFA o DFA) è un metodo per costruire una macchina che riconosce linguaggi regolari. Una espressione regolare e un modo dichiarativo per descrivere
DettagliOrario e ricevimento. Automi e Linguaggi Formali. Altre informazioni utili. Sito del corso. Sommario del corso. Linguaggi di programmazione
Orario e ricevimento Automi e Linguaggi Formali Docente: Francesca Rossi -mail: frossi@math.unipd.it Orario: Lunedi, Martedi, Mercoledi, Giovedi 3:3-5:3 LUM25 Crediti: 8 crediti formativi, circa 64 ore
DettagliLinguaggi Liberi dal Contesto. Linguaggi Liberi dal Contesto
rammatiche e Linguaggi Liberi da Contesto Abbiamo visto che molti linguaggi non sono regolari. Consideriamo allora una classe piu ampia di linguaggi, i Linguaggi Liberi da Contesto (CFL) i CFL sono stati
DettagliAutomi a Pila e Grammatiche Libere dal Contesto. Automi a Pila e Grammatiche Libere dal Contesto
utomi a Pila Un automa a pila (PDA) e una estensione degli automi a stati finiti, che ha una memoria (una pila) Vedremo due modi equivalenti per definire il linguaggio accettato da un PDA Vedremo che la
DettagliQuiz sui linguaggi regolari
Fondamenti dell Informatica 1 semestre Quiz sui linguaggi regolari Prof. Giorgio Gambosi a.a. 2016-2017 Problema 1: Data l espressione regolare a, definita su {a, b}, descrivere il linguaggio corrispondente
DettagliLinguaggi Regolari e Linguaggi Liberi
Linguaggi Regolari e Linguaggi Liberi Linguaggi regolari Potere espressivo degli automi Costruzione di una grammatica equivalente a un automa Grammatiche regolari Potere espressivo delle grammatiche 1
DettagliPumping lemma per i linguaggi Context-free
Pumping lemma per i linguaggi Context-free Sia L un linguaggio context-free. E possibile determinare una costante k, dipendente da L, tale che qualunque stringa z! L con z > k si può esprimere come z=
DettagliSui Linguaggi Regolari: Teorema di Kleene - Pumping Lemm
Sui Linguaggi Regolari: Teorema di Kleene - Pumping Lemma N.Fanizzi - V.Carofiglio 6 aprile 2016 1 Teorema di Kleene 2 3 o 1 o 3 o 8 Teorema di Kleene Vale la seguente equivalenza: L 3 L FSL L REG Dimostrazione.
DettagliLinguaggi Regolari e Linguaggi Liberi
Linguaggi Regolari e Linguaggi Liberi Potenza espressiva degli automi Potenza espressiva delle grammatiche 9/11/2004 Programmazione - Luca Tesei 1 Linguaggi Regolari Tutti i linguaggi che possono essere
DettagliAniello Murano Problemi decidibili e non decidibili
Aniello Murano Problemi decidibili e non decidibili 7 Lezione n. Parole chiave: Decidibilità Corso di Laurea: Informatica Codice: Email Docente: murano@ na.infn.it A.A. 2008-2009 Overview In questa lezione
DettagliUniversità degli Studi di Udine. 1 Automi e Linguaggi. Prova Scritta di Fondamenti dell Informatica II Alcune Soluzioni
Università degli Studi di Udine Prova Scritta di Fondamenti dell Informatica II Alcune Soluzioni 1 Automi e Linguaggi 1. Sia dato p N, p > 0 dimostri che il linguaggio è regolare. L p = { a 0 a 1... a
DettagliProprietà dei linguaggi non contestuali
Proprietà dei linguaggi non contestuali Argomenti della lezione Pumping lemma per i linguaggi non contestuali Proprietà di chiusura Argomenti della lezione Grammatiche non contestuali in forma ridotta
DettagliEsercizi di Matematica per la prova di ammissione alla Scuola Galileiana /16
Esercizi di Matematica per la prova di ammissione alla Scuola Galileiana - 015/16 Esercizio 1 Per quali valori n Z \ {0} l espressione è un numero intero positivo? (n + 5)(n + 6) 6n Soluzione. Il problema
DettagliCammini minimi fra tutte le coppie
Capitolo 12 Cammini minimi fra tutte le coppie Consideriamo il problema dei cammini minimi fra tutte le coppie in un grafo G = (V, E, w) orientato, pesato, dove possono essere presenti archi (ma non cicli)
DettagliProprietà dei linguaggi regolari
Proprietà dei linguaggi regolari Argomenti della lezione Relazione tra automi, grammatiche ed espressioni regolari Pumping lemma per i linguaggi regolari Equivalenza di automi a stati finiti Le seguenti
DettagliAutomi. Rosario Culmone, Luca Tesei. 20/10/2009 UNICAM - p. 1/55
Automi Rosario Culmone, Luca Tesei 20/10/2009 UNICAM - p. 1/55 Storia Dal latino automatus "che si muove da sé" Macchine o dispositivi reali o ipoteticamente realizzabili, i quali siano in grado di eseguire
DettagliEsercizi di Fondamenti di Informatica per la sicurezza. Stefano Ferrari
Esercizi di Fondamenti di Informatica per la sicurezza tefano Ferrari 23 dicembre 2003 2 Argomento 1 Grammatiche e linguaggi Esercizi Es. 1.1 Definiti i linguaggi: L 1 = {aa, ab, bc, c} L 2 = {1, 22, 31}
Dettaglia cura di Luca Cabibbo e Walter Didimo
a cura di Luca Cabibbo e Walter Didimo Esercizi di Informatica teorica - Luca Cabibbo e Walter Didimo 1 automi a pila automi a pila e grammatiche non contestuali notazioni sul livello degli esercizi: (*)
DettagliAniello Murano Space Complexity
Aniello Murano Space Complexity Lezione n. Parole chiave: Space Corso di Laurea: Informatica Codice: Email Docente: murano@ na.infn.it A.A. 2008-2009 Definizione Space- complexity Definizione: Sia M un
DettagliEsempio stringhe palindrome 1
Esempio stringhe palindrome 1 Automa per il riconoscimento del linguaggio L = {w c w R } A = < {s,f}, {a,b,c}, {a,b},!, s, { f } > con! che contiene le transizioni: 1. (( s, a, " ), (s, a)! [ push a] 2.
Dettagli1 Se X e Y sono equipotenti, Sym(X) e Sym(Y ) sono isomorfi
In ogni esercizio c è la data del giorno in cui l ho proposto. 1 Se X e Y sono equipotenti, Sym(X) e Sym(Y ) sono isomorfi Se X è un insieme indichiamo con Sym(X) l insieme delle biiezioni X X. Si tratta
DettagliCorso di Crittografia Prof. Dario Catalano. Firme Digitali
Corso di Crittografia Prof. Dario Catalano Firme Digitali Introduzione n Una firma digitale e l equivalente informatico di una firma convenzionale. n Molto simile a MA, solo che qui abbiamo una struttura
DettagliFondamenti dell Informatica: Linguaggi Formali e Calcolabilità
Eserciziario per il corso di Verona, Settembre 24 Fondamenti dell Informatica: Linguaggi Formali e Calcolabilità Dott.ssa Isabella Mastroeni Dipartimento di Informatica Università degli Studi di Verona
DettagliSCUOLA GALILEIANA DI STUDI SUPERIORI CLASSE DI SCIENZE NATURALI ESAME DI AMMISSIONE, PROVA DI MATEMATICA 13 SETTEMBRE 2011
1 SCUOLA GALILEIANA DI STUDI SUPERIORI CLASSE DI SCIENZE NATURALI ESAME DI AMMISSIONE, PROVA DI MATEMATICA 13 SETTEMBRE 011 Problema 1. Sia Z l insieme dei numeri interi. a) Sia F 100 l insieme delle funzioni
DettagliInformatica teorica Lez. n 7 Macchine di Turing. Macchine di Turing. Prof. Giorgio Ausiello Università di Roma La Sapienza
Macchine di Turing Argomenti della lezione Definizione della macchina di Turing Riconoscimento e accettazione di linguaggi Macchine a più nastri La macchina di Turing èun è automa che può leggere e scrivere
DettagliSipser, Capitolo 0. Alfabeti, Stringhe, Linguaggi
Sipser, Capitolo 0 Alfabeti, Stringhe, Linguaggi Def. Un insieme è una collezione non ordinata di oggetti o elementi Gli insiemi sono scritti tra { } Gli elementi sono inseriti tra le parentesi Insiemi
DettagliAppunti sulla teoria degli automi, dei linguaggi e della calcolabilità
Appunti sulla teoria degli automi, dei linguaggi e della calcolabilità Marco Liverani Ottobre 2005 1 Introduzione Alla base dell Informatica, a fondamento della teoria su cui viene costruita la cosiddetta
DettagliDef. La lunghezza media L(C) di un codice C per una v.c. Obiettivo: Codice ottimo rispetto alla lunghezza media. Lunghezza media di un codice
Lunghezza media di un codice Def. La lunghezza media L(C) di un codice C per una v.c. X con d.d.p. P(x) è data da L(C) = x X p (x) l (x) = E[l(X)] Obiettivo: Codice ottimo rispetto alla lunghezza media
Dettagli1 Distanza di un punto da una retta (nel piano)
Esercizi 26/10/2007 1 Distanza di un punto da una retta (nel piano) Sia r = {ax + by + c = 0} una retta. Sia P = (p 1, p 2 ) R 2 un punto che non sta sulla retta r. Vogliamo vedere se si può parlare di
Dettagli11. Misure con segno.
11. Misure con segno. 11.1. Misure con segno. Sia Ω un insieme non vuoto e sia A una σ-algebra in Ω. Definizione 11.1.1. (Misura con segno). Si chiama misura con segno su A ogni funzione ϕ : A R verificante
Dettaglicontrollo stringa a a b a b b c c b a b x y z pila di memoria
Gli automi a pila Dagli automi finiti iti agli automi a pila Possiamo ottenere un automa a pila a partire da un automa finito (così come l abbiamo definito in precedenza), attraverso l introduzione di
DettagliCostruzione di espressioni regolari 4
ostruzione di espressioni regolari 4 Indicando con d uno dei possibili digits {,, 2,,9} --possiamo esprimere il sotto linguaggio dei digits come d = ( + + 2 +.. + 9) Quale linguaggio produce l espressione:
DettagliMassimo limite e minimo limite di una funzione
Massimo limite e minimo limite di una funzione Sia f : A R una funzione, e sia p DA). Per ogni r > 0, l insieme ) E f p r) = { fx) x A I r p) \ {p} } è non vuoto; inoltre E f p r ) E f p r ) se 0 < r r.
DettagliLunghezza media. Teorema Codice D-ario prefisso per v.c. X soddisfa. L H D (X). Uguaglianza vale sse D l i. = p i. . p.1/27
Lunghezza media Teorema Codice D-ario prefisso per v.c. X soddisfa L H D (X). Uguaglianza vale sse D l i = p i.. p.1/27 Lunghezza media Teorema Codice D-ario prefisso per v.c. X soddisfa L H D (X). Uguaglianza
DettagliLinguaggi di Programmazione Corso C. Parte n.3 Linguaggi Liberi da Contesto e Linguaggi Contestuali. Nicola Fanizzi
Linguaggi di Programmazione Corso C Parte n.3 Linguaggi Liberi da Contesto e Linguaggi Contestuali Nicola Fanizzi (fanizzi@di.uniba.it) Dipartimento di Informatica Università degli Studi di Bari Grammatiche
DettagliNozioni Preliminari e Terminologia. Alfabeti Stringhe Linguaggi
Nozioni Preliminari e Terminologia Alfabeti Stringhe Linguaggi Insiemi Def. Un insieme è una collezione non ordinata di oggetti o elementi Gli insiemi sono scritti tra { } Gli elementi sono inseriti tra
DettagliI Prodotti. Notevoli
I Prodotti Muovimi nella pagina Notevoli Prof.ssa G. Messina 1 I PRODOTTI NOTEVOLI Dopo questa unità: imparerai a riconoscere e ad applicare le regole dei prodotti notevoli Obiettivi Prerequisiti Prof.ssa
DettagliConcetti di base sugli automi e sui linguaggi formali
Concetti di base sugli automi e sui linguaggi formali Andrea Burattin 18 marzo 2005 Sommario Piccolo insieme di concetti sul funzionamento degli automi (a stati finiti, a pila,...), delle grammatiche libere
DettagliElezione di un leader in una rete ad anello
Elezione di un leader in una rete ad anello Corso di Algoritmi Distribuiti Prof. Roberto De Prisco Lezione n a cura di Rosanna Cassino e Sergio Di Martino Introduzione In questa lezione viene presentato
DettagliAniello Murano Automi e Pushdown
Aniello Murano Automi e Pushdown 2 Lezione n. Parole chiave: Automi e PDA Corso di Laurea: Informatica Codice: Email Docente: murano@ na.infn.it A.A. 2008-2009 Calcolabilità, complessità e macchine computazionali
DettagliCorso di Laurea in Matematica Geometria 2. Foglio di esercizi n. 5 a.a Soluzioni
Corso di Laurea in Matematica Geometria 2 Foglio di esercizi n. 5 a.a. 2015-16 Soluzioni Gli esercizi sono presi dal libro di Manetti. Per svolgere questi esercizi, studiare con cura i paragrafi 10.1,
DettagliDAI NUMERI NATURALI AI NUMERI RAZIONALI
DAI NUMERI NATURALI AI NUMERI RAZIONALI 1. L insieme dei numeri naturali Nel sistema assiomatico ZF, l Assioma dell infinito stabilisce che: Esiste un insieme A, i cui elementi sono insiemi e tale che
DettagliIL TEOREMA FONDAMENTALE DELL ARITMETICA: DIMOSTRAZIONE VELOCE.
IL TEOREMA FONDAMENTALE DELL ARITMETICA: DIMOSTRAZIONE VELOCE. PH. ELLIA Indice Introduzione 1 1. Divisori di un numero. 1 2. Il Teorema Fondamentale dell Aritmetica. 2 3. L insieme dei numeri primi è
DettagliPROGRAMMAZIONE (Corso A)
PROGRAMMAZIONE (Corso A) http://www.di.uniba.it/~proga/ Argomenti della lezione Diagrammi di flusso - Flow chart Diagrammi struturati - Sequenza, selezione, iterazione Teorema di Boehm-Jacopini Flow-chart
DettagliLINGUAGGI CONTEXT FREE. Lezione Lezione
LINGUAGGI CONTEXT FREE Lezione 25-11-2010 Lezione 30-11-2010 2 INTRODUZIONE GERARCHIA DI CHOMSKY 3 4 DEFINIZIONE DEI LINGUAGGI CONTEXT FREE LINGUAGGI CF I linguaggi di tipo 2 sono detti context free (CF)
DettagliLinguaggi e Grammatiche Liberi da Contesto
N.Fanizzi-V.Carofiglio Dipartimento di Informatica Università degli Studi di Bari 22 aprile 2016 1 Linguaggi Liberi da Contesto 2 Grammatiche e Linguaggi Liberi da Contesto G = (X, V, S, P) è una grammatica
DettagliAutomi Automi finiti: macchine a stati su sistemi di transizioni finiti Modellare con TS e specificare con automi: si usa lo stesso tipo di
Automi Automi finiti: macchine a stati su sistemi di transizioni finiti Modellare con TS e specificare con automi: si usa lo stesso tipo di rappresentazione per descrivere programmi e specifiche. ω-automi:
DettagliConcetti fondamentali
Concetti fondamentali elemento insieme sequenza tutto si riconduce a questi insieme: esempi {,3,5,7,9} insieme dei numeri dispari positivi minori di dieci {Antonio, Beatrice, Carlo, Daria} insieme dei
DettagliAniello Murano Decidibilità delle teorie logiche
Aniello Murano Decidibilità delle teorie logiche 11 Lezione n. Parole chiave: Teorie logiche Corso di Laurea: Informatica Codice: Email Docente: murano@ na.infn.it A.A. 2008-2009 Prefazione Nelle lezioni
DettagliALGEBRE DI BOOLE. (d) x, y X x y oppure y x.
ALGEBRE DI BOOLE Un insieme parzialmente ordinato è una coppia ordinata (X, ) dove X è un insieme non vuoto e " " è una relazione binaria definita su X tale che (a) x X x x (riflessività) (b) x, y, X se
DettagliElementi di Sintassi dei Linguaggi di Programmazione. Appunti per gli studenti di Fondamenti di Programmazione (corsi A-B-C)
Elementi di Sintassi dei Linguaggi di Programmazione Appunti per gli studenti di Fondamenti di Programmazione (corsi A-B-C) Corso di Laurea in Informatica Università di Pisa a.a. 2004/05 R. Barbuti, P.
DettagliAPPUNTI DI TEORIA DEGLI INSIEMI. L assioma della scelta e il lemma di Zorn Sia {A i } i I
APPUNTI DI TEORIA DEGLI INSIEMI MAURIZIO CORNALBA L assioma della scelta e il lemma di Zorn Sia {A i } i I un insieme di insiemi. Il prodotto i I A i è l insieme di tutte le applicazioni α : I i I A i
DettagliLinguaggi formali, automi e logiche
Linguaggi formali, automi e logiche Angelo Montanari 1 Automi a stati finiti su parole finite In questo capitolo vengono richiamati gli elementi di base della teoria degli automi a stati finiti (automi
DettagliRELAZIONI, FUNZIONI, INSIEMI NUMERICI. 1. Relazioni. Siano X e Y due insiemi non vuoti. Si definisce il prodotto cartesiano
RELAZIONI, FUNZIONI, INSIEMI NUMERICI C. FRANCHI 1. Relazioni Siano X e Y due insiemi non vuoti. Si definisce il prodotto cartesiano X Y := {(x, y) x X, y Y } dove con (x, y) si intende la coppia ordinata
DettagliSommario. Caratterizzazione alternativa di NP: il verificatore polinomiale esempi di problemi in NP
Sommario Caratterizzazione alternativa di NP: il verificatore polinomiale esempi di problemi in NP I conjecture that there is no good algorithm for the traveling salesman problem. My reasons are the same
DettagliMatematica II: Calcolo delle Probabilità e Statistica Matematica
Matematica II: Calcolo delle Probabilità e Statistica Matematica ELT A-Z Docente: dott. F. Zucca Esercitazione # 6 1 Test ed intervalli di confidenza per una popolazione Esercizio n. 1 Il calore (in calorie
Dettaglic A (a c = b) Le ipotesi che abbiamo ci dicono che esistono h, k A tali che:
Definizione 1. Dato un insieme A, un operazione su A è una applicazione da A A a valori in A. Definizione 2. Se A è un insieme con una operazione, dati a, b A diciamo che a divide b (e scriviamo a b) se
DettagliLa macchina universale
La macchina universale Una immediata conseguenza della dimostrazione è la seguente Corollario il linguaggio L H = {M (w) M rappresenta una macchina di Turing che si ferma con input w} sull alfabeto {0,1}*
Dettagli64=8 radice perché 8 2 = 64
RADICI E NUMERI IRRAZIONALI 1. Che cosa vuol dire estrarre la radice quadrata di un numero? Estrarre la radice quadrata di un numero vuol dire calcolare quel numero, che elevato al quadrato, dà per risultato
DettagliAlcune nozioni preliminari di teoria elementare di insiemi e funzioni
Alcune nozioni preliminari di teoria elementare di insiemi e funzioni Alberto Pinto Corso Propedeutico - METS A.A. 2013/2014 1 Insiemi 1.1 Generalità Diamo la definizione di insieme secondo Georg Cantor,
Dettagli(b) le operazioni, sono distributive: (c) le operazioni, hanno un elemento neutro: cioè esistono O e I P(X) tali che A P(X) : A O = A, A I = A.
Elementi di Algebra e Logica 2008. 7. Algebre di Boole. 1. Sia X un insieme e sia P(X) l insieme delle parti di X. Indichiamo con, e rispettivamente le operazioni di intersezione, unione e complementare
DettagliAlcuni equivalenti dell Assioma della Scelta
Alcuni equivalenti dell Assioma della Scelta Giugno 2010 Gabriele Gullà Sommario Dimostreremo l equivalenza fra l assioma della scelta ed altri enunciati della matematica piú o meno noti. Enunciati: 1)
DettagliTEN Radici quadrate modulo p e modulo p k. Radici quadrate modulo p, con p > 2.
TEN 2008. Radici quadrate modulo p e modulo p k. Radici quadrate modulo p, con p > 2. Lemma 1. Sia n Z. Sia p > 2 un numero primo. (a) n è un quadrato modulo p se e solo se n p 1 2 1 mod p; (b) Sia n 0
DettagliOttimizzazione Discreta Esercizi V: Soluzioni
Ottimizzazione Discreta Esercizi V: Soluzioni Grafi e cammini minimi A.A. 214/215 Esercizio 1 (a) Nella terminologia della teoria dei grafi, si chiede di dimostrare che ogni grafo non orientato G = (V,E),
DettagliM.P. Cavaliere ELEMENTI DI MATEMATICA E LOGICA MATEMATICA DISCRETA INSIEMI
M.P. Cavaliere ELEMENTI DI MATEMATICA E LOGICA MATEMATICA DISCRETA INSIEMI Assumiamo come primitivo il concetto di insieme e quello di appartenenza di un elemento a un insieme. La notazione x A indica
DettagliM.P. Cavaliere ELEMENTI DI MATEMATICA E LOGICA MATEMATICA DISCRETA STRUTTURE ALGEBRICHE
M.P. Cavaliere ELEMENTI DI MATEMATICA E LOGICA MATEMATICA DISCRETA STRUTTURE ALGEBRICHE Operazioni in un insieme Sia A un insieme non vuoto; una funzione f : A A A si dice operazione binaria (o semplicemente
DettagliQuiz sui linguaggi CF
Fondamenti dell Informatica 1 semestre Quiz sui linguaggi CF Prof. Giorgio Gambosi a.a. 2014-2015 Problema 1: Si consideri la seguente grammatica context free G, dove S, NP, V P, P P, A sono i simboli
DettagliUnità aritmetica e logica
Aritmetica del calcolatore Capitolo 9 Unità aritmetica e logica n Esegue le operazioni aritmetiche e logiche n Ogni altra componente nel calcolatore serve questa unità n Gestisce gli interi n Può gestire
DettagliLa matematica non è un opinione, lo è oppure...?
La matematica non è un opinione, lo è oppure...? Giulio Giusteri Dipartimento di Matematica e Fisica Università Cattolica del Sacro Cuore Brescia 26 Febbraio 2010 Vecchie conoscenze Dedurre... dedurre...
DettagliCircuiti digitali. Operazioni Logiche: Algebra di Boole. Esempio di circuito. Porte Logiche. Fondamenti di Informatica A Ingegneria Gestionale
Operazioni Logiche: lgebra di oole Fondamenti di Informatica Ingegneria Gestionale Università degli Studi di rescia Docente: Prof. lfonso Gerevini Circuiti digitali Il calcolatore può essere visto come
DettagliTeoria della Complessità Computazionale. Accettazione/riconoscimento di linguaggi in tempo/spazio
Teoria della Complessità Computazionale. Obiettivo: classifcare i problemi (risolubili con algoritmi) in base alle risorse di calcolo che richiedono per essere risolti. Risorse: tempo e spazio (memoria)
DettagliCorso di Laurea in Matematica Geometria 2. Foglio di esercizi n. 1 a.a Soluzioni
Corso di Laurea in Matematica Geometria 2 Foglio di esercizi n. 1 a.a. 2015-16 Soluzioni Gli esercizi sono presi dal libro di Manetti. Per svolgere questi esercizi, studiare con cura i paragrafi 3.1, 3.2,
DettagliComplementi di Analisi Matematica Ia. Carlo Bardaro
Complementi di Analisi Matematica Ia Carlo Bardaro Capitolo 1 Elementi di topologia della retta reale 1.1 Intorni, punti di accumulazione e insiemi chiusi Sia x 0 IR un fissato punto di IR. Chiameremo
Dettagli1 Principio di Induzione
1 Principio di Induzione Per numeri naturali, nel linguaggio comune, si intendono i numeri interi non negativi 0, 1,, 3, Da un punto di vista insiemistico costruttivo, a partire dall esistenza dell insieme
Dettagli5 di tutti i possibili risultati relativi a un determinato esperimento si chiama spazio probabilistico
Gli eventi Torniamo ora a occuparci degli eventi. Qualunque sia la concezione utilizzata per determinare la probabilità di un evento, si lavora all'interno di un insieme determinato di casi possibili.
DettagliA.A CORSO DI ALGEBRA 1. PROFF. P. PIAZZA, E. SPINELLI. SOLUZIONE ESERCIZI FOGLIO 5.
A.A. 2015-2016. CORSO DI ALGEBRA 1. PROFF. P. PIAZZA, E. SPINELLI. SOLUZIONE ESERCIZI FOGLIO 5. Esercizio 5.1. Determinare le ultime tre cifre di n = 13 1625. (Suggerimento. Sfruttare il Teorema di Eulero-Fermat)
DettagliCapitolo 5: Macchine di Turing e calcolabilitá secondo Turing
Capitolo 5: Macchine di Turing e calcolabilitá secondo Turing 1 Macchina di Turing (MDT ) Un dispositivo che accede a un nastro (potenzialmente) illimitato diviso in celle contenenti ciascuna un simbolo
DettagliFunzioni implicite - Esercizi svolti
Funzioni implicite - Esercizi svolti Esercizio. È data la funzione di due variabili F (x, y) = y(e y + x) log x. Verificare che esiste un intorno I in R del punto di ascissa x 0 = sul quale è definita
DettagliGrafi e reti di flusso
Grafi e reti di flusso Molti problemi di ottimizzazione sono caratterizzati da una struttura di grafo: in molti casi questa struttura emerge in modo naturale, in altri nasce dal particolare modo in cui
DettagliParte n.4 Linguaggi: Gerarchia ed Operazioni
Linguaggi di Programmazione Corso C Parte n.4 Linguaggi: Gerarchia ed Operazioni Nicola Fanizzi (fanizzi@di.uniba.it) Dipartimento di Informatica Università degli Studi di Bari Gerarchia di Chomsky Sia
DettagliSuffix Trees. Docente: Nicolò Cesa-Bianchi versione 21 settembre 2017
Complementi di Algoritmi e Strutture Dati Suffix Trees Docente: Nicolò Cesa-Bianchi versione 21 settembre 2017 In generale, possiamo trovare tutte le occorrenze di un pattern y in un testo x in tempo O(
DettagliAlgoritmi e Strutture Dati - II modulo Soluzioni degli esercizi
Algoritmi e Strutture Dati - II modulo Soluzioni degli esercizi Francesco Pasquale 6 maggio 2015 Esercizio 1. Su una strada rettilinea ci sono n case nelle posizioni 0 c 1 < c 2 < < c n. Bisogna installare
Dettagli3/10/ Divisibilità e massimo comun divisore
MCD in N e Polinomi 3/10/2013 1 Divisibilità e massimo comun divisore 1.1 Divisibilità in N In questa sezione introdurremo il concetto di divisibilità e di massimo comun divisore di due numeri naturali
DettagliDimostrazione. Indichiamo con α e β (finiti o infiniti) gli estremi dell intervallo I. Poniamo
C.6 Funzioni continue Pag. 114 Dimostrazione del Corollario 4.25 Corollario 4.25 Sia f continua in un intervallo I. Supponiamo che f ammetta, per x tendente a ciascuno degli estremi dell intervallo, iti
DettagliMacchine di Turing, problemi ricorsivi e ricorsivamente enumerabili
Macchine di Turing, problemi ricorsivi e ricorsivamente enumerabili roblemi che i calcolatori non possono risolvere E importante sapere se un programma e corretto, cioe fa quello che ci aspettiamo. E facile
Dettagli