Note del corso di Calcolabilità e Linguaggi Formali - Lezione 6
|
|
- Demetrio Federici
- 8 anni fa
- Visualizzazioni
Transcript
1 Note del corso di Calcolabilità e Linguaggi Formali - Lezione 6 Alberto Carraro 30 novembre DAIS, Universitá Ca Foscari Venezia 1 Funzioni Turing-calcolabili Finora abbiamo visto le TM come dispositivi per riconoscere linguaggi. Tuttavia una importantissima loro applicazione è il loro utilizzo al fine di calcolare funzioni. Definition 1 (Funzione Turing-calcolabile). Sia f : Σ Σ una funzione parziale e sia M una TM. Diciamo che M calcola f se per ogni w Σ abbiamo che: se w dom(f), allora esiste uno stato finale p tale che la computazione che inizia in (ɛ, q 0, w) termina in (ɛ, p, f(w)). se w dom(f), allora la computazione che inizia in (ɛ, q 0, w) non termina. Una funzione è Turing-calcolabile se esiste una TM che la calcola. È chiaro quindi dalla Definizione 1 che f è una funzione Turing-calcolabile totale sse esiste un decisore M tale che per ogni w Σ esiste uno stato finale p tale che la computazione che inizia in (ɛ, q 0, w) termina in (ɛ, p, f(w)). Non è difficile ora generalizzare la Definizione 1 al caso di funzioni di arietà maggiore di 1. Sia f : (Σ ) n Σ una funzione parziale n-aria e sia M una TM. Diciamo che M calcola f se per ogni n-upla (w 1,..., w n ) di stringhe abbiamo che: se (w 1,..., w n ) dom(f), allora esiste uno stato finale p tale che la computazione che inizia in (ɛ, q 0, w 1 B Bw n ) termina in (ɛ, p, f(w 1,..., w n )). se (w 1,..., w n ) dom(f), allora la computazione che inizia in (ɛ, q 0, w 1 B Bw n ) non termina. Si noti che scrivendo w 1 B Bw n intendiamo la stringa ottenuta concatenando le stringhe w 1,..., w n intervallate dal simbolo blank. Similmente si può generalizzare la Definizione 1 anche al caso di funzioni che operano su insiemi finiti di stringhe. Sia f : P f (Σ ) Σ una funzione parziale e sia M una TM. Diciamo che M calcola f se per ogni n-upla (w 1,..., w n ) di stringhe abbiamo che: se {w 1,..., w n } dom(f), allora esiste uno stato finale p tale che per ogni permutazione σ dei numeri da 1 ad n, la computazione che inizia in (ɛ, q 0, w σ(1) B Bw σ(n) ) termina in (ɛ, p, f({w 1,..., w n })) (ovvero il risultato non dipende dall ordine in cui scrivo le stringhe di input sul nastro).
2 2 A. Carraro se {w 1,..., w n } dom(f), allora per ogni permutazione σ dei numeri da 1 ad n, la computazione che inizia in (ɛ, q 0, w σ(1) B Bw σ(n) ) non termina. Remark 1. Se f, g : Σ Σ sono funzioni Turing-calcolabili parziali, allora f g è una funzione Turing-calcolabile parziale. Definition 2 (Turing-riduzione). Siano L, L Σ due linguaggi. Diciamo che L è Turing-riducibile a L, notazione L T L, sse esiste una funzione f : Σ Σ Turing-calcolabile totale tale che w L f(w) L. Proposition 1. (i) Se L T L, allora L c T (L ) c. (ii) Se L T L T L, allora L T L. Quindi T è un preordine. Proof. (i) Supponiamo che f sia una funzione Turing-calcolabile totale tale che w L f(w) L. Allora vale anche w L c f(w) (L ) c e pertanto L c T (L ) c. (ii) Se f, g sono funzioni calcolabili e totali tali che w L f(w) L e x L g(x) L, allora g f è una funzione calcolabile e totale (per la Remark 1) e w L g(f(w)) L. Theorem 1. Siano L, L Σ due linguaggi e supponiamo L T L. Allora (i) se L è decidibile, allora anche L lo è; (ii) se L è semi-decidibile, allora anche L lo è; (iii) se (L ) c è decidibile, allora anche L c lo è; (iv) se (L ) c è semi-decidibile, allora anche L c lo è. Proof. Chiamiamo f la funzione Turing-calcolabile totale che permette di ridurre L ad L e chiamiamo N la TM che la calcola. (i) Supponiamo che L sia decidibile. Allora esiste un decisore M tale che L(M ) = L. Costruisco una TM M che fa le seguenti cose: data una stringa w Σ calcola f(w) simulando N (che è un decisore); simula M sull input f(w); se quest ultima simulazione accetta f(w), allora dico che M accetta w, altrimenti M non accetta w. Siccome tutte le TM simulate sono decisori, anche M è un decisore e L(M) = L. (ii) Supponiamo che L sia semi-decidibile. Allora esiste una TM M tale che L(M ) = L. Costruisco una TM M che fa le seguenti cose: data una stringa w Σ calcola f(w) simulando N (che è un decisore); simula M sull input f(w); se quest ultima simulazione accetta f(w), allora dico che M accetta w. Si noti che l ultima simulazione può non terminare. In questo caso chiaramente M non accetta w. Infine M è una TM tale che L(M) = L. (iii) Per il punto (i) e la Proposizione 1. (iv) Per il punto (ii) e la Proposizione 1.
3 Note del corso di Calcolabilità e Linguaggi Formali - Lezione 6 3 Concludiamo la sezione con un importante osservazione: se A implica B allora non B implica non A. Pertanto abbiamo gratuitamente il seguente corollario al Teorema 1. Corollary 1. Siano L, L Σ due linguaggi e supponiamo L T L. Allora (i) se L non è decidibile, allora nemmeno L lo è; (ii) se L non è semi-decidibile, allora nemmeno L lo è; (iii) se L c non è decidibile, allora nemmeno (L ) c lo è; (iv) se L c non è semi-decidibile, allora nemmeno (L ) c lo è. 2 Macchina di Turing universale Sappiamo, intuitivamente, che una TM può essere utilizzata per simulare un computer che esegue un singolo programma caricato in memoria. La grande potenza delle TM risiede nel fatto che tale programma può essere uno qualsiasi, e quindi anche una sorta di compilatore che legge codifiche di programmi e input ed esegue i primi dandovi in pasto i secondi. In questa sezione descriveremo in maniera formale il fenomeno sopraccitato. Il nostro prossimo obiettivo è quello di elaborare una codifica per le macchine di Turing in modo che ogni TM possa essere pensata come un semplice numero naturale. È molto comodo utilizzare l insieme N dei numeri naturali perchè abbiamo due importanti biiezioni: P f (N) = N e N N = N. Indichiamo con n, m il numero che codifica la coppia (n, m) e con (X) il numero che codifica l insieme finito X N. Utilizzando la funzione, definiamo codifiche di sequenze finite di naturali ponendo induttivamente n 1,..., n k = n 1,..., n k 1, n k. Prima di tutto è importante dire che si può imporre il vincolo che per ogni TM M = (Q, Σ, Γ, δ, q 0, B, F ) gli insiemi Q, Σ siano sottoinsiemi finiti di N e Γ = {0, 1} (ciò non è affatto restrittivo) e che q 0, B, e le direzioni {L, R} siano numeri naturali. Ora la funzione δ non è altro che un insieme finito della forma δ = {((q 1, X 1 ), (p 1, n 1, D 1 )),..., ((q k, X k ), (p k, n k, D k ))} e quindi si può codificare con un unico numero, diciamo m δ. A questo punto possiamo codificare M in maniera univoca con il numero (Q), (Σ), (Γ ), m δ, q 0, (F ). Scriviamo M i per indicare la TM con codice i. In ciò che segue, sarà comodo assegnare un numero naturale ad ogni stringa binaria (e viceversa) in modo che ogni stringa corrisponda ad uno ed un solo numero naturale. Una maniera molto semplice di farlo è ordinare in maniera totale le stringhe binarie secondo l ordine lessicografico. A questo punto ogni stringa appare nell elenco lessicografico e quindi identificheremo il numero i con l i-esima stringa nell elenco. Pertanto la codifica delle TM esibita qui sopra utilizzando i numeri naturali può essere eseguita utilizzando stringhe binarie. Prima di procedere con l utilizzo effettivo delle codifiche per le Macchine di Turing enunciamo un importante risultato, ma senza dimostrarlo, che è alla base della possibilità di costruire quella che chiameremo una Macchina di Turing Universale.
4 4 A. Carraro Proposition 2. Le biiezioni ( ) : P f (N) N e, : N N N sopraccitate sono Turing-calcolabili (usando la codifica dei naturali in stringhe). Definition 3 (Linguaggio universale). Definiamo L u = {w n,m {0, 1} : w n L(M m )}. Chiamiamo L u il linguaggio universale. Theorem 2 (Macchina di Turing universale). Esiste una TM U tale che L(U) = L u. Una macchina come quella citata nel Teorema 2 è detta macchina universale. Non daremo una prova del Teorema 2: tuttavia possiamo garantire che la redazione di tale dimostrazione è paragonabile alla scrittura di un compilatore per un qualche linguaggio di programmazione. Infine, come conseguenza del Teorema 2, il linguaggio L u è semidecidibile. 3 Linguaggi non ricorsivamente enumerabili Definition 4 (Linguaggio diagonale). Definiamo L d = {w i {0, 1} : w i L(M i )}. Chiamiamo L d il linguaggio diagonale. Theorem 3. Il linguaggio L d non è semidecidibile. Proof. Supponiamo per assurdo che esista una TM D tale che L(D) = L d. Allora esiste un numero i tale che D = M i. Ora vediamo l assurdo: se w i L d allora per definizione w i L(M i ), e quindi w i L d se w i L d allora per definizione w i L(M i ), e quindi w i L d Quindi l ipotesi che L d sia semiecidibile è assurda, perché porta al paradosso w i L d w i L d. Definiamo il linguaggio L ne = {w i {0, 1} : L(M i ) }. Proposition 3. L d T (L u ) c T (L ne ) c. Proof. Definiamo la funzione f : {0, 1} {0, 1} ponendo f(w i ) = w i,i. Chiaramente w L d f(w) (L u ) c e f è Turing-calcolabile e totale: questo dimostra che L d T (L u ) c. Dimostriamo L u T L ne. A tal scopo definiamo la funzione g : {0, 1} {0, 1} ponendo g(w n,m ) = w m. Chiaramente w L u g(w) L ne e g è Turing-calcolabile e totale: questo dimostra che L u T L ne. Infine ciò implica che (L u ) c T (L ne ) c. Theorem 4. I linguaggi (L u ) c e (L ne ) c non sono semi-decidibili.
5 Note del corso di Calcolabilità e Linguaggi Formali - Lezione 6 5 Proof. Ora per il Teorema 3 L d non è semi-decidibile e quindi per il Corollario 1 e la Proposizione 3 ciò implica che sia (L u ) c che (L ne ) c non sono semi-decidibili. Theorem 5. Il linguaggio L ne = {w i {0, 1} : L(M i ) } è semidecidibile ma non decidibile. Proof. Tramite un argomento informale, diciamo che è possibile definire una TM M che genera in sequenza tutte le coppie di numeri naturali (i, j) e decodifica i in w i e j in M j ; simula M j con input w i ; accetta w j se w i L(M j ). È evidente che L(M) = L ne. Infine la seconda parte dell enunciato segue immediatamente dal fatto che (L ne ) c non è semi-decidibile.
Macchine 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
Dettagli1. PRIME PROPRIETÀ 2
RELAZIONI 1. Prime proprietà Il significato comune del concetto di relazione è facilmente intuibile: due elementi sono in relazione se c è un legame tra loro descritto da una certa proprietà; ad esempio,
DettagliOttimizazione vincolata
Ottimizazione vincolata Ricordiamo alcuni risultati provati nella scheda sulla Teoria di Dini per una funzione F : R N+M R M di classe C 1 con (x 0, y 0 ) F 1 (a), a = (a 1,, a M ), punto in cui vale l
DettagliLezioni di Matematica 1 - I modulo
Lezioni di Matematica 1 - I modulo Luciano Battaia 16 ottobre 2008 Luciano Battaia - http://www.batmath.it Matematica 1 - I modulo. Lezione del 16/10/2008 1 / 13 L introduzione dei numeri reali si può
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}*
DettagliNote del corso di Calcolabilità e Linguaggi Formali - Lezione 5
Note del corso di Calcolabilità e Linguaggi Formali - Lezione 5 Alberto Carraro 23 novembre 2011 DAIS, Universitá Ca Foscari Venezia http://www.dsi.unive.it/~acarraro 1 Macchine di Turing Le Macchine d
DettagliCapitolo 7: Teoria generale della calcolabilitá
Capitolo 7: Teoria generale della calcolabilitá 1 Differenti nozioni di calcolabilitá (che seguono da differenti modelli di calcolo) portano a definire la stessa classe di funzioni. Le tecniche di simulazione
DettagliProof. Dimostrazione per assurdo. Consideriamo l insieme complementare di P nell insieme
G Pareschi Principio di induzione Il Principio di Induzione (che dovreste anche avere incontrato nel Corso di Analisi I) consente di dimostrare Proposizioni il cui enunciato è in funzione di un numero
DettagliLe Macchine di Turing
Le Macchine di Turing Come è fatta una MdT? Una MdT è definita da: un nastro una testina uno stato interno un programma uno stato iniziale Il nastro Il nastro è infinito suddiviso in celle In una cella
Dettagli10. Insiemi non misurabili secondo Lebesgue.
10. Insiemi non misurabili secondo Lebesgue. Lo scopo principale di questo capitolo è quello di far vedere che esistono sottoinsiemi di R h che non sono misurabili secondo Lebesgue. La costruzione di insiemi
Dettaglix u v(p(x, fx) q(u, v)), e poi
0.1. Skolemizzazione. Ogni enunciato F (o insieme di enunciati Γ) è equisoddisfacibile ad un enunciato universale (o insieme di enunciati universali) in un linguaggio estensione del linguaggio di F (di
DettagliProb(CCCCCCCCCC) = 1 2 10
12. Contenuto di Informazione Algoritmico (AIC) - 17/05/12 Vogliamo adesso introdurre una nozione di contenuto di informazione di una stringa infinita, prodotta da una sorgente di informazione, che non
Dettagli1 Giochi a due, con informazione perfetta e somma zero
1 Giochi a due, con informazione perfetta e somma zero Nel gioco del Nim, se semplificato all estremo, ci sono due giocatori I, II e una pila di 6 pedine identiche In ogni turno di gioco I rimuove una
Dettagli1 Insiemi e terminologia
1 Insiemi e terminologia Assumeremo come intuitiva la nozione di insieme e ne utilizzeremo il linguaggio come strumento per studiare collezioni di oggetti. Gli Insiemi sono generalmente indicati con le
Dettagli1 Serie di Taylor di una funzione
Analisi Matematica 2 CORSO DI STUDI IN SMID CORSO DI ANALISI MATEMATICA 2 CAPITOLO 7 SERIE E POLINOMI DI TAYLOR Serie di Taylor di una funzione. Definizione di serie di Taylor Sia f(x) una funzione definita
DettagliLezione 9: Cambio di base
Lezione 9: Cambio di base In questa lezione vogliamo affrontare uno degli argomenti piu ostici per lo studente e cioè il cambio di base all interno di uno spazio vettoriale, inoltre cercheremo di capire
DettagliApplicazioni lineari
Applicazioni lineari Esempi di applicazioni lineari Definizione. Se V e W sono spazi vettoriali, una applicazione lineare è una funzione f: V W tale che, per ogni v, w V e per ogni a, b R si abbia f(av
DettagliG. Pareschi GENERALITÀ SULLE FUNZIONI. CARDINALITÀ
G. Pareschi GENERALITÀ SULLE FUNZIONI. CARDINALITÀ 1. Definizione di funzione Definizione 1.1. Siano X e Y due insiemi. Una funzione f da X a Y è un sottoinsieme del prodotto cartesiano: f X Y, tale che
DettagliTipologie di macchine di Turing
Tipologie di macchine di Turing - Macchina di Turing standard - Macchina di Turing con un nastro illimitato in una sola direzione - Macchina di Turing multinastro - Macchina di Turing non deterministica
DettagliAlgoritmi e Complessità
Algoritmi e Complessità Università di Camerino Corso di Laurea in Informatica (tecnologie informatiche) III periodo didattico Docente: Emanuela Merelli Email:emanuela.merelli@unicam.it Lezione 2 Teoria
DettagliCorrispondenze e funzioni
Corrispondenze e funzioni L attività fondamentale della mente umana consiste nello stabilire corrispondenze e relazioni tra oggetti; è anche per questo motivo che il concetto di corrispondenza è uno dei
Dettagli4 3 4 = 4 x 10 2 + 3 x 10 1 + 4 x 10 0 aaa 10 2 10 1 10 0
Rappresentazione dei numeri I numeri che siamo abituati ad utilizzare sono espressi utilizzando il sistema di numerazione decimale, che si chiama così perché utilizza 0 cifre (0,,2,3,4,5,6,7,8,9). Si dice
DettagliESERCIZI SVOLTI. 1) Dimostrare che l insieme. non è ricorsivo. Soluzione: Definiamo l insieme
ESERCIZI SVOLTI 1) Dimostrare che l insieme Allora notiamo che π non è vuoto perché la funzione ovunque divergente appartiene all insieme avendo per dominio l insieme. Inoltre π non coincide con l insieme
Dettagli1 Applicazioni Lineari tra Spazi Vettoriali
1 Applicazioni Lineari tra Spazi Vettoriali Definizione 1 (Applicazioni lineari) Si chiama applicazione lineare una applicazione tra uno spazio vettoriale ed uno spazio vettoriale sul campo tale che "!$%!
DettagliG. Pareschi ALGEBRE DI BOOLE. 1. Algebre di Boole
G. Pareschi ALGEBRE DI BOOLE 1. Algebre di Boole Nel file precedente abbiamo incontrato la definizione di algebra di Boole come reticolo: un algebra di Boole e un reticolo limitato, complementato e distributivo.
DettagliFondamenti dell Informatica Ricorsione e Iterazione Simona Ronchi Della Rocca (dal testo: Kfoury, Moll and Arbib, cap.5.2)
Fondamenti dell Informatica Ricorsione e Iterazione Simona Ronchi Della Rocca (dal testo: Kfoury, Moll and Arbib, cap.5.2) Definiamo innanzitutto una relazione d ordine tra le funzioni. Siano φ e ψ funzioni
DettagliDimensione di uno Spazio vettoriale
Capitolo 4 Dimensione di uno Spazio vettoriale 4.1 Introduzione Dedichiamo questo capitolo ad un concetto fondamentale in algebra lineare: la dimensione di uno spazio vettoriale. Daremo una definizione
DettagliProdotto libero di gruppi
Prodotto libero di gruppi 24 aprile 2014 Siano (A 1, +) e (A 2, +) gruppi abeliani. Sul prodotto cartesiano A 1 A 2 definiamo l operazione (x 1, y 1 ) + (x 2, y 2 ) := (x 1 + x 2, y 1 + y 2 ). Provvisto
DettagliRisolvere un problema significa individuare un procedimento che permetta di arrivare al risultato partendo dai dati
Algoritmi Algoritmi Risolvere un problema significa individuare un procedimento che permetta di arrivare al risultato partendo dai dati Il procedimento (chiamato algoritmo) è composto da passi elementari
DettagliL interesse nella macchina di Turing
Aniello Murano Macchina di Turing universale e problema della fermata 6 Lezione n. Parole chiave: Universal Turing machine Corso di Laurea: Informatica Codice: Email Docente: murano@ na.infn.it A.A. 2008-2009
DettagliMatematica generale CTF
Successioni numeriche 19 agosto 2015 Definizione di successione Monotonìa e limitatezza Forme indeterminate Successioni infinitesime Comportamento asintotico Criterio del rapporto per le successioni Definizione
DettagliMacchine di Turing. a n B B. Controllo Finito
Macchine di Turing Il modello standard di macchina di Turing era un controllo finito, un nastro di input, diviso in celle, e una testina che prende in considerazione una cella del nastro alla volta. Il
DettagliInformazione analogica e digitale
L informazione L informazione si può: rappresentare elaborare gestire trasmettere reperire L informatica offre la possibilità di effettuare queste operazioni in modo automatico. Informazione analogica
DettagliLEZIONE 17. B : kn k m.
LEZIONE 17 17.1. Isomorfismi tra spazi vettoriali finitamente generati. Applichiamo quanto visto nella lezione precedente ad isomorfismi fra spazi vettoriali di dimensione finita. Proposizione 17.1.1.
DettagliVarianti Macchine di Turing
Varianti Macchine di Turing Esistono definizioni alternative di macchina di Turing. Chiamate Varianti. Tra queste vedremo: MdT a più nastri e MdT non deterministiche. Mostriamo: tutte le varianti ragionevoli
DettagliINTRODUZIONE AGLI ALGORITMI INTRODUZIONE AGLI ALGORITMI INTRODUZIONE AGLI ALGORITMI INTRODUZIONE AGLI ALGORITMI
INTRODUZIONE AGLI ALGORITMI Prima di riuscire a scrivere un programma, abbiamo bisogno di conoscere un metodo risolutivo, cioè un metodo che a partire dai dati di ingresso fornisce i risultati attesi.
DettagliSommario. Definizione di informatica. Definizione di un calcolatore come esecutore. Gli algoritmi.
Algoritmi 1 Sommario Definizione di informatica. Definizione di un calcolatore come esecutore. Gli algoritmi. 2 Informatica Nome Informatica=informazione+automatica. Definizione Scienza che si occupa dell
DettagliDOMINI A FATTORIZZAZIONE UNICA
DOMINI A FATTORIZZAZIONE UNICA CORSO DI ALGEBRA, A.A. 2012-2013 Nel seguito D indicherà sempre un dominio d integrità cioè un anello commutativo con unità privo di divisori dello zero. Indicheremo con
DettagliLe macchine di Turing
Le macchine di Turing Alan Turing (1912-1954) 1954) Il problema della decisione i L Entscheidungsproblem [il problema della decisione] è risolto se si conosce una procedura che permette di decidere la
DettagliCALCOLO COMBINATORIO
CALCOLO COMBINATORIO 1 Modi di formare gruppi di k oggetti presi da n dati 11 disposizioni semplici, permutazioni Dati n oggetti distinti a 1,, a n si chiamano disposizioni semplici di questi oggetti,
DettagliAppunti di informatica. Lezione 2 anno accademico 2015-2016 Mario Verdicchio
Appunti di informatica Lezione 2 anno accademico 2015-2016 Mario Verdicchio Sistema binario e logica C è un legame tra i numeri binari (0,1) e la logica, ossia la disciplina che si occupa del ragionamento
Dettagli2. Semantica proposizionale classica
20 1. LINGUAGGIO E SEMANTICA 2. Semantica proposizionale classica Ritorniamo un passo indietro all insieme dei connettivi proposizionali che abbiamo utilizzato nella definizione degli enunciati di L. L
DettagliCRITERI DI CONVERGENZA PER LE SERIE. lim a n = 0. (1) s n+1 = s n + a n+1. (2) CRITERI PER LE SERIE A TERMINI NON NEGATIVI
Il criterio più semplice è il seguente. CRITERI DI CONVERGENZA PER LE SERIE Teorema(condizione necessaria per la convergenza). Sia a 0, a 1, a 2,... una successione di numeri reali. Se la serie a k è convergente,
DettagliLEZIONE 23. Esempio 23.1.3. Si consideri la matrice (si veda l Esempio 22.2.5) A = 1 2 2 3 3 0
LEZIONE 23 231 Diagonalizzazione di matrici Abbiamo visto nella precedente lezione che, in generale, non è immediato che, data una matrice A k n,n con k = R, C, esista sempre una base costituita da suoi
Dettaglirisulta (x) = 1 se x < 0.
Questo file si pone come obiettivo quello di mostrarvi come lo studio di una funzione reale di una variabile reale, nella cui espressione compare un qualche valore assoluto, possa essere svolto senza necessariamente
Dettagli4. Operazioni binarie, gruppi e campi.
1 4. Operazioni binarie, gruppi e campi. 4.1 Definizione. Diremo - operazione binaria ovunque definita in A B a valori in C ogni funzione f : A B C - operazione binaria ovunque definita in A a valori in
DettagliOsservazioni sulla continuità per le funzioni reali di variabile reale
Corso di Matematica, I modulo, Università di Udine, Osservazioni sulla continuità Osservazioni sulla continuità per le funzioni reali di variabile reale Come è noto una funzione è continua in un punto
DettagliFondamenti dei linguaggi di programmazione
Fondamenti dei linguaggi di programmazione Aniello Murano Università degli Studi di Napoli Federico II 1 Riassunto delle lezioni precedenti Prima Lezione: Introduzione e motivazioni del corso; Sintassi
DettagliLezione 8. La macchina universale
Lezione 8 Algoritmi La macchina universale Un elaboratore o computer è una macchina digitale, elettronica, automatica capace di effettuare trasformazioni o elaborazioni su i dati digitale= l informazione
DettagliSiamo così arrivati all aritmetica modulare, ma anche a individuare alcuni aspetti di come funziona l aritmetica del calcolatore come vedremo.
DALLE PESATE ALL ARITMETICA FINITA IN BASE 2 Si è trovato, partendo da un problema concreto, che con la base 2, utilizzando alcune potenze della base, operando con solo addizioni, posso ottenere tutti
DettagliCorso di Informatica Generale (C. L. Economia e Commercio) Ing. Valerio Lacagnina Rappresentazione in virgola mobile
Problemi connessi all utilizzo di un numero di bit limitato Abbiamo visto quali sono i vantaggi dell utilizzo della rappresentazione in complemento alla base: corrispondenza biunivoca fra rappresentazione
DettagliMATEMATICA. { 2 x =12 y 3 y +8 x =0, si pone il problema di trovare, se esistono, un numero x ed un numero y che risolvano entrambe le equazioni.
MATEMATICA. Sistemi lineari in due equazioni due incognite. Date due equazioni lineari nelle due incognite x, y come ad esempio { 2 x =12 y 3 y +8 x =0, si pone il problema di trovare, se esistono, un
DettagliAnno 1. Le relazioni fondamentali (equivalenza, d'ordine, inverse, fra insiemi)
Anno 1 Le relazioni fondamentali (equivalenza, d'ordine, inverse, fra insiemi) 1 Introduzione In questa lezione imparerai a utilizzare le diverse tipologie di relazione e a distinguerle a seconda delle
DettagliSemantica operazionale dei linguaggi di Programmazione
Semantica operazionale dei linguaggi di Programmazione Oggetti sintattici e oggetti semantici Rosario Culmone, Luca Tesei Lucidi tratti dalla dispensa Elementi di Semantica Operazionale R. Barbuti, P.
DettagliFUNZIONI CONVESSE. + e x 0
FUNZIONI CONVESSE Sia I un intervallo aperto di R (limitato o illimitato) e sia f(x) una funzione definita in I. Dato x 0 I, la retta r passante per il punto P 0 (x 0, f(x 0 )) di equazione y = f(x 0 )
DettagliCapitolo 2. Operazione di limite
Capitolo 2 Operazione di ite In questo capitolo vogliamo occuparci dell operazione di ite, strumento indispensabile per scoprire molte proprietà delle funzioni. D ora in avanti riguarderemo i domini A
DettagliFunzioni funzione dominio codominio legge argomento variabile indipendente variabile dipendente
Funzioni In matematica, una funzione f da X in Y consiste in: 1. un insieme X detto dominio di f 2. un insieme Y detto codominio di f 3. una legge che ad ogni elemento x in X associa uno ed un solo elemento
DettagliALGEBRA I: CARDINALITÀ DI INSIEMI
ALGEBRA I: CARDINALITÀ DI INSIEMI 1. CONFRONTO DI CARDINALITÀ E chiaro a tutti che esistono insiemi finiti cioè con un numero finito di elementi) ed insiemi infiniti. E anche chiaro che ogni insieme infinito
DettagliParte 2. Determinante e matrice inversa
Parte. Determinante e matrice inversa A. Savo Appunti del Corso di Geometria 013-14 Indice delle sezioni 1 Determinante di una matrice, 1 Teorema di Cramer (caso particolare), 3 3 Determinante di una matrice
DettagliDispense di Informatica per l ITG Valadier
La notazione binaria Dispense di Informatica per l ITG Valadier Le informazioni dentro il computer All interno di un calcolatore tutte le informazioni sono memorizzate sottoforma di lunghe sequenze di
DettagliCAPITOLO 16 SUCCESSIONI E SERIE DI FUNZIONI
CAPITOLO 16 SUCCESSIONI E SERIE DI FUNZIONI Abbiamo studiato successioni e serie numeriche, ora vogliamo studiare successioni e serie di funzioni. Dato un insieme A R, chiamiamo successione di funzioni
DettagliAlgoritmi e strutture dati. Codici di Huffman
Algoritmi e strutture dati Codici di Huffman Memorizzazione dei dati Quando un file viene memorizzato, esso va memorizzato in qualche formato binario Modo più semplice: memorizzare il codice ASCII per
DettagliLimiti e continuità di funzioni reali di una variabile
di funzioni reali di una variabile Corso di Analisi Matematica - capitolo VI Facoltà di Economia, UER Maria Caterina Bramati Université Libre de Bruxelles ECARES 22 Novembre 2006 Intuizione di ite di funzione
Dettagli7 - Esercitazione sulle derivate
7 - Esercitazione sulle derivate Luigi Starace gennaio 0 Indice Dimostrare il teorema 5.5.3.a................................................b............................................... Dimostrazioni.a
DettagliEquazioni alle differenze finite (cenni).
AL 011. Equazioni alle differenze finite (cenni). Sia a n } n IN una successione di numeri reali. (Qui usiamo la convenzione IN = 0, 1,,...}). Diremo che è una successione ricorsiva o definita per ricorrenza
DettagliIniziamo con un esercizio sul massimo comun divisore: Esercizio 1. Sia d = G.C.D.(a, b), allora:
Iniziamo con un esercizio sul massimo comun divisore: Esercizio 1. Sia d = G.C.D.(a, b), allora: G.C.D.( a d, b d ) = 1 Sono state introdotte a lezione due definizioni importanti che ricordiamo: Definizione
DettagliLEZIONE 16. Proposizione 16.1.2. Siano V e W spazi vettoriali su k = R, C. Se f: V W
LEZIONE 16 16.1. Applicazioni lineari iniettive e suriettive. Ricordo le seguenti due definizioni valide per applicazioni di qualsiasi tipo ϕ: X Y fra due insiemi. L applicazione ϕ si dice iniettiva se
DettagliEsercizi su lineare indipendenza e generatori
Esercizi su lineare indipendenza e generatori Per tutto il seguito, se non specificato esplicitamente K indicherà un campo e V uno spazio vettoriale su K Cose da ricordare Definizione Dei vettori v,,v
DettagliRELAZIONI BINARIE. Proprietà delle relazioni Data una relazione R, definita in un insieme non vuoto U, si hanno le seguenti proprietà :
RELAZIONI INARIE Dati due insiemi non vuoti, A detto dominio e detto codominio, eventualmente coincidenti, si chiama relazione binaria (o corrispondenza) di A in, e si indica con f : A, (oppure R ) una
DettagliBIT? Cosa c è dietro a questo nome? Che cos è il bit? Perché si usa? Come si converte un numero binario?
BIT? Cosa c è dietro a questo nome? Che cos è il bit? Perché si usa? Come si converte un numero binario? Cosa c è dietro a questo nome? BIT è un acronimo e deriva da BInary digit, cioè cifra binaria Che
DettagliCos è un Calcolatore?
Cos è un Calcolatore? Definizione A computer is a machine that manipulates data according to a (well-ordered) collection of instructions. 24/105 Riassumendo... Un problema è una qualsiasi situazione per
Dettagli2 FUNZIONI REALI DI VARIABILE REALE
2 FUNZIONI REALI DI VARIABILE REALE 2.1 CONCETTO DI FUNZIONE Definizione 2.1 Siano A e B due insiemi. Una funzione (o applicazione) f con dominio A a valori in B è una legge che associa ad ogni elemento
DettagliALGEBRA DELLE PROPOSIZIONI
Università di Salerno Fondamenti di Informatica Corso di Laurea Ingegneria Corso B Docente: Ing. Giovanni Secondulfo Anno Accademico 2010-2011 ALGEBRA DELLE PROPOSIZIONI Fondamenti di Informatica Algebra
Dettagli3 GRAFICI DI FUNZIONI
3 GRAFICI DI FUNZIONI Particolari sottoinsiemi di R che noi studieremo sono i grafici di funzioni. Il grafico di una funzione f (se non è specificato il dominio di definizione) è dato da {(x, y) : x dom
DettagliFunzioni - Parte II. 1 Composizione di Funzioni. Antonio Lazzarini. Prerequisiti: Funzioni (Parte I).
Funzioni - Parte II Antonio Lazzarini Prerequisiti: Funzioni (Parte I). 1 Composizione di Funzioni Sappiamo che é possibile denire diverse operazioni ra i numeri: addizione, sottrazione, moltiplicazione,
DettagliLezione 2 Circuiti logici. Mauro Piccolo piccolo@di.unito.it
Lezione 2 Circuiti logici Mauro Piccolo piccolo@di.unito.it Bit e configurazioni di bit Bit: una cifra binaria (binary digit) 0 oppure 1 Sequenze di bit per rappresentare l'informazione Numeri Caratteri
DettagliSemantica Assiomatica
Semantica Assiomatica Anche nella semantica assiomatica, così come in quella operazionale, il significato associato ad un comando C viene definito specificando la transizione tra stati (a partire, cioè,
DettagliCorso di Analisi Matematica Serie numeriche
Corso di Analisi Matematica Serie numeriche Laurea in Informatica e Comunicazione Digitale A.A. 2013/2014 Università di Bari ICD (Bari) Analisi Matematica 1 / 25 1 Definizione e primi esempi 2 Serie a
Dettagli2) Codici univocamente decifrabili e codici a prefisso.
Argomenti della Lezione ) Codici di sorgente 2) Codici univocamente decifrabili e codici a prefisso. 3) Disuguaglianza di Kraft 4) Primo Teorema di Shannon 5) Codifica di Huffman Codifica di sorgente Il
DettagliLaurea Specialistica in Informatica - Università di Ferrara 2008-2009 [1]
Laurea Specialistica in Informatica - Università di Ferrara 2008-2009 [1] Macchine di Turing modello di calcolo introdotto dall ingegner Alan Turing nel 1936, per simulare il processo di calcolo umano
DettagliLaboratorio di Architettura degli Elaboratori A.A. 2015/16 Circuiti Logici
Laboratorio di Architettura degli Elaboratori A.A. 2015/16 Circuiti Logici Per ogni lezione, sintetizzare i circuiti combinatori o sequenziali che soddisfino le specifiche date e quindi implementarli e
DettagliCONCETTO DI LIMITE DI UNA FUNZIONE REALE
CONCETTO DI LIMITE DI UNA FUNZIONE REALE Il limite di una funzione è uno dei concetti fondamentali dell'analisi matematica. Tramite questo concetto viene formalizzata la nozione di funzione continua e
DettagliAppunti ed esercizi di combinatoria. Alberto Carraro
Appunti ed esercizi di combinatoria Alberto Carraro December 2, 2009 01 Le formule principali per contare Disposizioni Sia A un insieme di n 1 elementi distinti Le sequenze di 1 k n elementi scelti senza
Dettagli4. Operazioni elementari per righe e colonne
4. Operazioni elementari per righe e colonne Sia K un campo, e sia A una matrice m n a elementi in K. Una operazione elementare per righe sulla matrice A è una operazione di uno dei seguenti tre tipi:
DettagliOGNI SPAZIO VETTORIALE HA BASE
1 Mimmo Arezzo OGNI SPAZIO VETTORIALE HA BASE CONVERSAZIONE CON ALCUNI STUDENTI DI FISICA 19 DICEMBRE 2006 2 1 Preliminari Definizione 1.0.1 Un ordinamento parziale (o una relazione d ordine parziale)
DettagliAppunti sulla Macchina di Turing. Macchina di Turing
Macchina di Turing Una macchina di Turing è costituita dai seguenti elementi (vedi fig. 1): a) una unità di memoria, detta memoria esterna, consistente in un nastro illimitato in entrambi i sensi e suddiviso
DettagliFondamenti di Informatica. Computabilità e Macchine di Turing. Prof. Franco Zambonelli Gennaio 2011
Fondamenti di Informatica Computabilità e Macchine di Turing Prof. Franco Zambonelli Gennaio 2011 Letture Consigliate: Roger Penrose, La Mente Nuova dell Imperatore, Sansoni Editrice. Martin Davis, Il
DettagliAlgebra e Logica Matematica. Calcolo delle proposizioni Logica del primo ordine
Università di Bergamo Anno accademico 2006 2007 Ingegneria Informatica Foglio Algebra e Logica Matematica Calcolo delle proposizioni Logica del primo ordine Esercizio.. Costruire le tavole di verità per
DettagliIl database management system Access
Il database management system Access Corso di autoistruzione http://www.manualipc.it/manuali/ corso/manuali.php? idcap=00&idman=17&size=12&sid= INTRODUZIONE Il concetto di base di dati, database o archivio
DettagliLEZIONE 31. B i : R n R. R m,n, x = (x 1,..., x n ). Allora sappiamo che è definita. j=1. a i,j x j.
LEZIONE 31 31.1. Domini di funzioni di più variabili. Sia ora U R n e consideriamo una funzione f: U R m. Una tale funzione associa a x = (x 1,..., x n ) U un elemento f(x 1,..., x n ) R m : tale elemento
DettagliFondamenti di Informatica 2. Le operazioni binarie
Corso di per il corso di Laurea di Ingegneria Gestionale Le operazioni binarie Università degli Studi di Udine - A.A. 2010-2011 Docente Ing. Sandro Di Giusto Ph.D. 1 L'algebra binaria Il fatto di aver
DettagliAlgoritmi e diagrammi di flusso
Algoritmi e diagrammi di flusso Un algoritmo può essere descritto come una sequenza finita ed ordinata di operazioni che descrivono la soluzione di un problema. Per sequenza finita si intende che un algoritmo
DettagliEsponenziali elogaritmi
Esponenziali elogaritmi Potenze ad esponente reale Ricordiamo che per un qualsiasi numero razionale m n prendere n>0) si pone a m n = n a m (in cui si può sempre a patto che a sia un numero reale positivo.
DettagliFunzioni. Parte prima. Daniele Serra
Funzioni Parte prima Daniele Serra Nota: questi appunti non sostituiscono in alcun modo le lezioni del prof. Favilli, né alcun libro di testo. Sono piuttosto da intendersi a integrazione di entrambi. 1
DettagliLe parole dell informatica: modello di calcolo, complessità e trattabilità
Le parole dell informatica: modello di calcolo, complessità e trattabilità Angelo Montanari Dipartimento di Matematica e Informatica Università degli Studi di Udine Ciclo di seminari su un Vocabolario
DettagliAnno 1. Definizione di Logica e operazioni logiche
Anno 1 Definizione di Logica e operazioni logiche 1 Introduzione In questa lezione ci occuperemo di descrivere la definizione di logica matematica e di operazioni logiche. Che cos è la logica matematica?
DettagliUna ricetta per il calcolo dell asintoto obliquo. Se f(x) è asintotica a mx+q allora abbiamo f(x) mx q = o(1), da cui (dividendo per x) + o(1), m =
Una ricetta per il calcolo dell asintoto obliquo Se f() è asintotica a m+q allora abbiamo f() m q = o(1), da cui (dividendo per ) m = f() q + 1 f() o(1) = + o(1), mentre q = f() m = o(1). Dunque si ha
Dettagli2 Progetto e realizzazione di funzioni ricorsive
2 Progetto e realizzazione di funzioni ricorsive Il procedimento costruttivo dato dal teorema di ricorsione suggerisce due fatti importanti. Una buona definizione ricorsiva deve essere tale da garantire
DettagliAlessandro Pellegrini
Esercitazione sulle Rappresentazioni Numeriche Esistono 1 tipi di persone al mondo: quelli che conoscono il codice binario e quelli che non lo conoscono Alessandro Pellegrini Cosa studiare prima Conversione
DettagliVariabili e tipi di dato
Variabili e tipi di dato Tutte le variabili devono essere dichiarate, specificandone il tipo La dichiarazione deve precedere l uso Il tipo è un concetto astratto che esprime: L allocazione di spazio per
Dettagli