Aniello Murano Problemi non decidibili e riducibilità
|
|
- Albano Leone
- 8 anni fa
- Visualizzazioni
Transcript
1 Aniello Murno Problemi non decidibili e riducibilità 9 Lezione n. Prole chive: LBA e PCP Corso di Lure: Informtic Codice: Emil Docente: murno@ n.infn.it A.A LBA Liner bounded utomton DEFINIZIONE: Le liner bounded utomton (LBA) sono Mcchine di Turing con un sol limitzione: l testin sul nstro non può muoversi oltre l porzione di nstro contenente l input. Se un LBA prov muovere l su testin oltre l input, l testin rimne ferm in quel punto come ccde nell Mcchin di Turing clssic qundo l testin tent di ndre più sinistr del primo simbolo in input (o il simbolo di strt se utilizzto). Un LBA è un Mcchin di Turing con memori limitt, com è mostrto nell figur sottostnte. Può risolvere solo problemi il cui input non superi l cpienz del nstro. Usndo un lfbeto del nstro più mpio dell lfbeto di input si h che l memori disponibile viene incrementt di un fttore costnte. Perciò per un input di lunghezz n, l quntità di memori disponibile è linere in n. D questo deriv il nome di questo modello.
2 Potenz espressiv degli LBA Nonostnte questi vincoli sull memori, gli LBA sono piuttosto potenti in termini di ccettori di linguggi. Ad esempio, i decisori per A DFA e E DFA sono tutti LBA. Gli LBA sono strettmente più potenti dei PDA. Inftti, si può provre che ogni CFL può essere deciso d un LBA. Inoltre esistono linguggi ccettti d LBA che non sono context-free come d esempio L={ n b n c n } e L={ n! }. Gli LBA sono nche meno potenti delle Mcchine di Turing (si pensi qulsisi linguggio che h bisogno di memori non constnte in ggiunt ll input per poterlo processre) I linguggi ccettti dgli LBA sono generti d grmmtiche denominte context- sensitive. Problem perto: L versione deterministic degli LBA è meno potente? Gerrchi di Chomsky estes Non-recursively enumerble Recursively-enumerble Recursive Context-sensitive Context-free Regulr
3 A LBA Come ccennto, gli LBA sono piuttosto potenti in termini di ccettori di linguggi. Vedimone un esempio: A LBA è il problem di determinre se un LBA ccett il suo input. Formlmente, A LBA ={<M,w> M è un LBA che ccett un string w} Ricordimo che il problem nlogo per le MT, ovvero A TM, è indecidibile A LBA è decidibile. L dimostrzione dell decidibilità di A LBA è semplice qulor si poss sserire che il numero di configurzioni possibili è limitto, come mostrto dl Lemm che presentimo nell prossim dipositiv. PARTICOLARITA DI UN LBA LEMMA: Preso un LBA M con q stti e g simboli nell lfbeto del nstro. Ci sono esttmente qng n configurzioni distinte di M per un nstro di lunghezz n. DIMOSTRAZIONE: Ricordndo che un configurzione di M è come uno snphshot nel mezzo di un computzione. Un configurzione consiste dello stto di controllo, posizione dell testin e il contenuto del nstro. Per qunto rigurd le grndezze degli oggetti coinvolti nelle configurzioni, notimo che: M h q stti. l lunghezz del nstro è n, cosi l testin può essere l più in n posizioni differenti, g n sono le possibili stringhe di simboli del nstro che si possono trovre sul nstro. Il prodotto di queste tre quntità è il numero totle di configurzioni differenti di M con un nstro di lunghezz n, ovvero qng n.
4 DECIDIBILITA DI A LBA TEOREMA A LBA è decidibile IDEA PER LA DIMOSTRAZIONE: Prim di tutto per decidere se un LBA M ccett l input w, simulimo M su w con un MdT M Durnte il corso dell simulzione, se M si ferm e ccett o rigett, llor l prov termin perché M si ferm. L difficoltà nsce se M gir ll infinito su w. Questo si può ovvire individundo qundo l mcchin v in loop, cosi possimo fermrci e rifiutre. L ide per cpire qundo M v in loop è quest: Qundo M comput su w, M pss d un configurzione d un ltr. Se M ripete più volte un stess configurzione signific che è entrt in un loop. Poiché M è un LBA, sppimo che l cpienz del nstro è limitt. Attrverso il lemm visto nell precedente slide, sppimo che M può vere solo un numero limitto di configurzioni in bse ll cpienz del suo nstro. Quindi M h un limite di volte prim di entrre in qulche configurzione che h già ftto precedentemente. Come conseguenz del lemm, possimo dire che se M non si ferm dopo un certo numero di pssi signific che è in loop. Questo M è in grdo di rilevrlo. Dimostrzione dell decidibilità di A LBA DIMOSTRAZIONE: L Algoritmo che decide A LBA è il seguente. M := Su input <M,w>, dove M è un LBA e w è un string: 1. Simul M su w finché non si ferm o, lterntivmente, per qng n pssi. 2. Se M si ferm, bbimo i seguenti csi: I. Se M ccett llor M ccett II. Se M rifiut llor M rifiut 3. Se M non si ferm, llor M rifiut. Domnd: Perché l lgoritmo può rifiutre se l mcchin non si ferm in qng n pssi? Rispost: Per il lemm precedente, M deve ver incontrto lmeno un volt un configurzione precedentemente incontrt, dunque si trov in un loop.
5 Il linguggio E LBA Abbimo visto un problem decidibile per un LBA m che non lo è per un Mcchin di Turing clssic. Esistono tuttvi problemi indecidibili per le TM che rimngono tli nche per le LBA. Un esempio è il seguente linguggio: E LBA ={<M> M è un LBA dove L(M)= } Per l dimostrzione di indecidibilità, dobbimo prim introdurre il concetto di computtion histories Computtion Histories Un Computtion Historie (CH) di un MdT M è l sequenz finit di configurzioni che M ttrvers per decidere un input. Si M un MdT e w un ingresso per M. Un CH ccettnte per M su w è un sequenz di configurzioni C 1, C 2,..., C l dove: C 1 è l configurzione di prtenz di M su w C l è un configurzione ccettnte ogni C i segue C i-1 secondo le regole di M Un CH non ccettnte è simile d un CH ccettnte trnne che C l configurzione non ccettnte. è un Not: Le MdT deterministiche hnno un sol CH per un dto input, mentre le MdT non deterministiche ne possono vere diverse.
6 Prov che E LBA è indecidibile Riducimo A TM E LBA. Per ogni MdT M e ingresso w, definimo un LBA B tle che L(B)={CH CH è ccettnte per un dt MdT M e un dto ingresso w} Se L(B) = Ø vuol dire che M non ccett w e dunque (M,w) non è in A TM. Vicevers se L(B) non è vuoto llor M ccett w e dunque (M,w) è in A TM. Per verificre che ogni sequenz in ingresso per B è un CH ccettnte devono essere verificte le condizioni descritte in precedenz. Costruimo il decisore S per A TM, supponendo che esiste un decisore R per L(B) S := su ogni ingresso <M, w>, costruisce un LBA B d (M,w) come definito sopr. esegue R su ingresso (B) se R ccett S rifiut (L(B) è vuoto M non ccett w) se R non ccett S ccett (L(B) è non vuoto M h un CH ccettnte per w) Quindi, l esistenz di un decisore per E LBA implic un decisore per A TM. Sppimo però che A TM è indecidibile, quindi non esiste un decisore per E LBA. PCP POST CORRESPONDENCE PROBLEM Il fenomeno dell indecidibilità non è un problem che rigurd solo gli utomi. Per mostrre un esempio, considerimo un problem indecidibile rigurdnte un semplice mnipolzione di stringhe: il Post correspondence problem (PCP). Il PCP fu introdotto e provto indecidibile per l prim volt d E.L.Post in A vrint of Recursivley Unsolvble problem, Bull. Amer. Mth. Soc.52 (1946) Possimo descrivere questo problem prgonndolo d un tipo di puzzle. Inizimo con un insieme di domini, ognuno contenente due stringhe, ognun su un lto. Un pezzo singolo del domino è rppresentto in questo modo: b Mentre un insieme di domini srà di questo tipo: b c b c bc c L obbiettivo è quello di costruire un list di questi domini (le ripetizioni sono mmesse) in modo che l string dei simboli scritti nell prte superiore dei domini è ugule quell dei simboli inferiori. Quest list è chimt un mtch. Ad esempio l seguente list è un mtch per questo puzzle: b b c c b bc c
7 PCP(2) Leggendo l inizio dell string ottenimo bcbc, che è ugule ll string sotto. Possimo nche rppresentre questo mtch deformndo i domini in modo che creimo l corrispondenz d sopr sotto l line. Per lcuni insiemi di domini non è sempre possibile trovre un mtch. Per esempio l insieme: non può contenere un mtch perché ogni string che si trov sopr è più lung rispetto ll string che si trov sotto. Il Post correspondence problem rigurd l possibilità di determinre se un collezione di domini h un mtch. Questo problem non è risolvibile con lgoritmi. Prim di dre l definizione formle di questo teorem con l su definizione, formulimo precismente il problem e in seguito definimo il suo linguggio. INDECIDIBILITA DEL PCP t 1 t 2 b 2 Un instnz del PCP è un insieme P di domini:,,, Un mtch è un sequenz di interi i 1, i 2,, i l, dove t i1, t i2, t in = b i1, b i2,, b in. Not: l stess coppi può pprire più volte, ovvero, può essere che per certi m j, si h che i j = i m. b t k b k Il problem del PCP è quello di determinre se P h un mtch. Il linguggio corrispondente l problem è PCP={<P> P è un istnz del Post Correspondence Problem con un mtch} TEOREMA: PCP è indecidibile
8 PCP è indecidibile Per l prov riducimo A TM l PCP ttrverso le Computtion Histories. Dti M, w, costruimo un insieme P di domino nel modo seguente: Inizimo con un domino che h nell prte di sotto l configurzione inizile di M e sopr un string vuot. Aggiungimo P dei domino l cui prte superiore corrisponde ll configurzione corrente e l prte inferiore è l configurzione successiv. Questi domino devono nche tenere conto di Il movimento dell testin. Aumentre lo spzio del nstro con degli spzi vuoti (qundo richiesto). Forzre d usre come primo domino dell soluzione del mtch quello corrispondente ll configurzione inizile di M. Per semplicità, ssumimo che ogni soluzione possibile deve sempre inizilre con il primo domino. Chimeremo il PCP con quest regol ggiuntiv modified PCP o semplicemente MPCP. Successivmente vedremo che quest non è un limitzione e che può essere rimoss. Prov di ind. per PCP: Step 1. Inizilizzzione Dti M, w, costruimo il primo domino dell insieme P come corrispondente ll configurzione inizile è q 0 w nel modo seguente: Il simbolo è un nuovo simbolo non pprtenente ll lfbeto del nstro di M e serve come mrctore
9 Prov di ind. per PCP: Step2. trnsizione Ad ogni psso di computzione di M fccimo corrispondere dei domino in P in modo d poter copire l configurzione corrente di M dll prte di sotto dei domino (delimitt tr ) nell prte superiore e sostituimo nell prte sottostnte corrispondente l prossim configurzione C 1...C k 1 C 1...C k 1 C k C 1...C k 1 C 1...C k 1 C k Per fre questo, bbimo bisogno di fre più pssi elementri nel modo seguente: Un configurzione rcchius tr vrà sempre l form del tipo bqc. Per clcolre l prossim configurzione, occorre copire si nell prte superiore che inferiore Copire bqc sull prte superiore e l prossim configurzione sull prte inferiore Copire si nell prte superiore che inferiore. Per copire e, ggiungimo il sequente domino in P, per ogni in : Nelle slide successive indichimo come trttre le trnsizioni. Prov di ind. per PCP: Step 3. trnsizione R Per ogni trnsizione del tipo (q,c)=(p,d,r), noi ggiungimo P il seguente domino qc dp Questo domino ci permetterà di muovere d... b... bqc b... bqc... bqc bdp Per il cso specile in cui c può essere il crttere blnk -, ggiungimo in P il domino L ultimo domino srà utile qundo M leggerà spzi blnk destr dell string di input q dp
10 Prov di ind. per PCP: Step 4. trnsizione L Per ogni trnsizione del tipo (q,c)=(p,d,l), noi ggiungimo P il seguente domino bqc pbd Questo domino ci permetterà di muovere d bqc... bqc... bqc pbd Per il cso specile in cui b può essere il crttere blnk -, ggiungimo in P il domino qc pd Quest ultimo domino srà utile qundo M è ll inizio dell input e cerc di ndre sinistr Prov di ind. per PCP: Step 5. mtching con q ccept M ccett w se possimo rggiungere nel PCP l seguente situzione:...c n 1...C n 1 bq ccept Prim di terminre con l riduzione, dobbimo sistemre il ftto che l string nell prte inferiore dei domino è più lung di un configurzione dell prte superiore. Per questo motivo, ggiungimo P i domino del tipo: cq ccept q ccept e q ccept c q ccept Gli ultimi domino permetternno di scrtre uno ll volt i simboli in eccesso, fino d rrivre ll seguente situzione:...q ccept c...q ccept cq ccept
11 Prov di ind. per PCP: Step 6. Chiusur con q ccept Per finire dobbimo ggiungere il seguente ulteriore domino P: q ccept Con quest costruzione, bbimo un istnz per MPCP che mmette soluzione se e solo se M ccett w. Esempio: Step 1, Step 2 + Step 3 q q q q
12 Esempio: Step 2+3, Step q q q q q q Esempio: Step 2+4, Step q ccept q ccept q ccept q ccept 2... q ccept
13 Esempio: Step 6 q ccept q ccept D MPCP PCP Per completre l dimostrzione, dobbimo forzre il ftto che il primo domino deve essere il primo d essere usto in ogni possibile soluzione del PCP. Si un nuovo simbolo (cioè non presente in U {}). Per ogni string s, si s l string ottenut inserendo il simbolo Prim di ogni simbolo in s. Per esempio, (bc) = b c. Anlogmente, definimo s e s come l string ottenut ggiungendo solo dopo, oppure si prim che dopo, ogni simbolo di s il simbolo Dto l insieme di domino P costruiti precedentemente, si sostituiscno i domino nel modo seguente: t1/b1 = t1 / b1 ogni ltro ti/bi= ti / b1 il domino finle q ccept / = q ccept / In questo modo, il primo domino deve essere ssolutmente il primo ltrimenti non ci srà mtching
14 Esercizio Provre che il seguente problem è indecidibile. Problem del domino: Dto un insieme finito di colori e un insieme di pistrelle qudrte con i quttro lti colorti di un qulche colore tr quelli disposizione, trovre, se esiste, un modo per pistrellre un prete infinit in lunghezz e lrghezz ssicurndo che i lti dicenti delle pistrelle bbino lo stesso colore.
15 This document ws creted with Win2PDF vilble t The unregistered version of Win2PDF is for evlution or non-commercil use only. This pge will not be dded fter purchsing Win2PDF.
Aniello Murano NP- Completezza (seconda parte)
Aniello Murno NP- Completezz (second prte) 15 Lezione n. Prole chive: Np-completezz Corso di Lure: Informtic Codice: Emil Docente: murno@ n.infn.it A.A. 2008-2009 Definizione di NP- COMPLETEZZA Si ricordi
DettagliINTEGRALI IMPROPRI. f(x) dx. e la funzione f(x) si dice integrabile in senso improprio su (a, b]. Se tale limite esiste ma
INTEGRALI IMPROPRI. Integrli impropri su intervlli itti Dt un funzione f() continu in [, b), ponimo ε f() = f() ε + qundo il ite esiste. Se tle ite esiste finito, l integrle improprio si dice convergente
DettagliLINGUAGGI FORMALI Esercizi
LINGUAGGI FORMALI Esercizi PPPPPP Nicol Fnizzi LINGUAGGI DI PROGRAMMAZIONE Corso di Informtic T.P.S. Diprtimento di Informtic Università di Bri Aldo Moro [2014/01/28-13:30:23] [ 2 / 14 ] Indice 1 Introduzione
Dettagli3. Funzioni iniettive, suriettive e biiettive (Ref p.14)
. Funzioni iniettive, suriettive e iiettive (Ref p.4) Dll definizione di funzione si ricv che, not un funzione y f( ), comunque preso un vlore di pprtenente l dominio di f( ) esiste un solo vlore di y
Dettaglisi definisce Funzione Integrale; si chiama funzione integrale in quanto il suo * x
Appunti elorti dll prof.ss Biondin Gldi Funzione integrle Si y = f() un funzione continu in un intervllo [; ] e si 0 [; ]; l integrle 0 f()d si definisce Funzione Integrle; si chim funzione integrle in
DettagliIl lemma di ricoprimento di Vitali
Il lemm di ricoprimento di Vitli Si I = {I} un fmigli di intervlli ciusi contenuti in R. Diremo ce l fmigli I ricopre l insieme E nel senso di Vitli (oppure ce I è un ricoprimento di Vitli di E) se per
Dettagli1 b a. f(x) dx. Osservazione 1.2. Se indichiamo con µ il valore medio di f su [a, b], abbiamo che. f(x) dx = µ(b a) =
Note ed esercizi di Anlisi Mtemtic - (Fosci) Ingegneri dell Informzione - 28-29. Lezione del 7 novembre 28. Questi esercizi sono reperibili dll pgin web del corso ttp://utenti.unife.it/dmino.fosci/didttic/mii89.tml
DettagliSiano α(x), β(x) due funzioni continue in un intervallo [a, b] IR tali che. α(x) β(x).
OMINI NORMALI. efinizione Sino α(), β() due funzioni continue in un intervllo [, b] IR tli che L insieme del pino (figur 5. pg. ) α() β(). = {(, ) [, b] IR : α() β()} si chim dominio normle rispetto ll
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}*
DettagliIntegrali de niti. Il problema del calcolo di aree ci porterà alla de nizione di integrale de nito.
Integrli de niti. Il problem di clcolre l re di un regione pin delimitt d gr ci di funzioni si può risolvere usndo l integrle de nito. L integrle de nito st l problem del clcolo di ree come l equzione
DettagliEsercizi di Informatica Teorica Pumping lemma e proprietà di
04-pumping-lemm-regolri-01 Esercizi di Informtic Teoric Pumping lemm e proprietà di chiusur per i linguggi regolri 1 Pumping lemm per linguggi regolri richimi pumping lemm: se L è un linguggio regolre
Dettaglia cura di Luca Cabibbo e Walter Didimo
cur di Luc Cio e Wlter Didimo Esercizi di Informtic teoric - Luc Cio e Wlter Didimo 1 pumping lemm proprietà di chiusur dei linguggio regolri notzioni sul livello degli esercizi: (*) fcile, (**) non difficile
DettagliAutomi e Linguaggi Formali
Propriet dei linguggi liberi d contesto utomi e Linguggi Formli Propriet dei linguggi liberi d contesto emplificzione - CFG possono essere semplificte - e L e CFL llor l su grmmtic h un form specile Pumping
DettagliNome.Cognome classe 5D 18 Marzo 2014. Verifica di matematica
Nome Cognome cls 5D 18 Mrzo 01 Problem Verific di mtemtic In un sistem di riferimento crtesino Oy, si consideri l funzione: ln f ( > 0 0 e si determini il vlore del prmetro rele in modo tle che l funzione
DettagliANALISI REALE E COMPLESSA a.a. 2007-2008
ANALISI REALE E COMPLESSA.. 2007-2008 1 Successioni e serie di funzioni 1.1 Introduzione In questo cpitolo studimo l convergenz di successioni del tipo n f n, dove le f n sono tutte funzioni vlori reli
DettagliAUTOVALORI ED AUTOVETTORI. Sia V uno spazio vettoriale di dimensione finita n.
AUTOVALORI ED AUTOVETTORI Si V uno spzio vettorile di dimensione finit n. Dicesi endomorfismo di V ogni ppliczione linere f : V V dello spzio vettorile in sé. Se f è un endomorfismo di V in V, considert
DettagliCorso di Automi e Linguaggi Formali Gennaio- Marzo 2003
Corso di Automi e Linguggi Formli Gennio- Mrzo 2003 Docente: Frncesc Rossi, frossi@mth.unipd.it Corso di Automi e Linguggi Formli Gennio-Mrzo 2002 p.1/37 Dti del corso 5 crediti circ 40 ore in ul Orrio:
DettagliIntegrale Improprio. f(x) dx =: Osserviamo che questa definizione ha senso dal momento che per ogni y è ben definito l integrale b
Integrle Improprio In queste lezioni riprendimo l teori dell integrzione in un vribile, l ide è di estendere l integrle definito nche in csi in cui l funzione integrnd o l intervllo di integrzione non
DettagliEquivalenza tra equazioni di Lagrange e problemi variazionali
Equivlenz tr equzioni di Lgrnge e problemi AM Cherubini 20 Aprile 2007 1 / 21 Problemi Mostrimo or come si possono ricvre sistemi di equzioni con struttur lgrngin in un mbito diverso: prim si er crtterizzt
DettagliLinguaggi di Programmazione Corso C. Parte n.5 Automi a Stati Finiti. Nicola Fanizzi
Linguggi di Progrmmzione Corso C Prte n.5 Automi Stti Finiti Nicol Fnizzi (fnizzi@di.uni.it) Diprtimento di Informtic Università degli Studi di Bri Automi Stti Finiti Dto un lfeto X, un utom stti finiti
Dettagli11. Rango di una matrice.
Rngo di un mtrice Considerimo un mtrice di tipo m n d elementi reli rppresentt nel modo seguente: A = (m-) m (m-) m (m-) m (m-) m (n-) (n-) (n-) (m-),(n-) m(n-) n n n (m-)n mn Per ogni i =,,,, (m-), m,
DettagliTrasduttori a Stati Finiti
Trsduttori Stti Finiti Un Trsduttore Stti Finiti Deterministici è definito dll 7-pl - Alfeto di Ingresso (Alfeto terminle) K- Insieme degli stti δ -funzione (przile) di trnsizione
Dettagli11. Rango di una matrice.
Rngo di un mtrice Considerimo un mtrice di tipo m n d elementi reli rppresentt nel modo seguente: A = (m-) m (m-) m (m-) m (m-) m (n-) (n-) (n-) (m-),(n-) m(n-) n n n (m-)n mn Per ogni i =,,,, (m-), m,
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
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
DettagliCorso di Analisi Matematica Calcolo integrale per funzioni di una variabile
Corso di Anlisi Mtemtic Clcolo integrle per funzioni di un vribile Lure in Informtic e Comuniczione Digitle A.A. 2013/2014 Università di Bri ICD (Bri) Anlisi Mtemtic 1 / 40 1 L integrle come limite di
DettagliProblemi 24/11/ ) = n=
Problemi /11/006 Problem 1 Clcolre l somm dei primi n numeri nturli elevti l cubo: Si di l rispost in funzione di n 1 3 + 3 + 3 3 + + n 3 k 3 Problem Semplificre il prodotto 1 + 1 ) 1 + 1 ) 1 + 1 ) 1 +
DettagliIl volume del cilindro è dato dal prodotto della superficie di base per l altezza, quindi
Mtemtic per l nuov mturità scientific A. Bernrdo M. Pedone 3 Questionrio Quesito 1 Provre che un sfer è equivlente i /3 del cilindro circoscritto. r 4 3 Il volume dell sfer è 3 r Il volume del cilindro
Dettagliacuradi Luca Cabibbo e Walter Didimo Esercizi di Informatica teorica - Luca Cabibbo e Walter Didimo 1
curdi Luc Cio e Wlter Didimo Esercizi di Informtic teoric - Luc Cio e Wlter Didimo 1 pumping lemm proprietà di chiusur dei linguggio regolri notzioni sul livello degli esercizi:(*)fcile, (**) non difficile
DettagliEsempio Data la matrice E estraiamo due minori di ordine 3 differenti:
Minori di un mtrice Si A K m,n, si definisce minore di ordine p con p N, p
DettagliNon Determinismo. Dipartimento di Elettronica e Informazione Politecnico di Milano. 21 marzo 2017
Non Determinismo Diprtimento di Elettronic e Informzione Politecnico di Milno 21 mrzo 2017 Modelli operzionli non deterministici Modelli deterministici vs. modelli non deterministici Solitmente, un lgoritmo
Dettaglia cura di Luca Cabibbo e Walter Didimo
cur di Luc Cio e Wlter Didimo Esercizi di Informtic teoric - Luc Cio e Wlter Didimo 1 espressioni regolri e grmmtiche regolri proprietà decidiili dei linguggi regolri teorem di Myhill-Nerode notzioni sul
DettagliEsercizi di Informatica Teorica
03-utomi--stti-finiti-0 Esercizi di Informtic Teoric Automi stti finiti Autom stti finiti (ASF) richimi utom stti finiti ASF = dove Σ = {σ, σ 2,, σ n } è un lfeto (finito) di input K= {, q,,
Dettagli, x 2. , x 3. è un equazione nella quale le incognite appaiono solo con esponente 1, ossia del tipo:
Sistemi lineri Un equzione linere nelle n incognite x 1, x 2, x,, x n è un equzione nell qule le incognite ppiono solo con esponente 1, ossi del tipo: 1 x 1 + 2 x 2 + x +!+ n x n = b con 1, 2,,, n numeri
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
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
DettagliLezione 7: Rette e piani nello spazio
Lezione 7: Rette e pini nello spzio In quest lezione i metteremo in un riferimento rtesino ortonormle dello spzio. I primi oggetti geometrii he individuimo sono le rette e i pini. Per qunto rigurd le rette
DettagliAPPLICAZIONI LINEARI e MATRICI ASSOCIATE
APPLICAZIONI LINEARI e MATRICI ASSOCIATE Dt un ppliczione f: V W con V e W spzi vettorili si dice che f è un ppliczione linere o omomorfismo f(v + v 2 ) = f(v ) + f(v 2 ) v, v 2 V f(αv) = α f(v) v V e
Dettagli15. Cambiamenti di base in uno spazio vettoriale.
5 Cmbimenti di bse in uno spzio vettorile 5 Esempio Si VR uno spzio vettorile di dimensione e si B = (u, u, u ) un su bse Sino v = 5u + 6u, v = u u + 5u, v = u + u + u, v = u 4u 7u Si M l mtrice vente
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
DettagliAutomi a stati finiti
Automi stti finiti Diprtimento di Elettronic e Informzione Politecnico di Milno 17 mrzo 2017 Modelli operzionli Un semplice modello di clcolo I modelli operzionli di clcolo sono definiti come mcchine strtte
DettagliUnità 3 Metodi particolari per il calcolo di reti
Unità 3 Metodi prticolri per il clcolo di reti 1 Cos c è nell unità Metodi prticolri per il clcolo di reti con un solo genertore Prtitore di tensione Prtitore di corrente Metodi di clcolo di reti con più
DettagliEsercizi sulle serie di Fourier
Esercizi sulle serie di Fourier Corso di Fisic Mtemtic,.. 3- Diprtimento di Mtemtic, Università di Milno Novembre 3 Sviluppo in serie di Fourier (esponenzile) In questi esercizi, si richiede di sviluppre
DettagliLinguaggi di Programmazione e Compilatori I Appello del 9/7/2004
Linguggi di Progrmmzione e Compiltori I Appello del 9/7/ Scrivere in stmptello COGNOME e NOME su ogni foglio consegnto e sul testo, che v consegnto insieme l compito. Not Nel testo le espressioni regolri
Dettagli13 - Integrali Impropri
Università degli Studi di Plermo Fcoltà di Economi Diprtimento di Scienze Economiche, Aziendli e Sttistiche Appunti del corso di Mtemtic 3 - Integrli Impropri Accdemico 25/26 M. Tumminello, V. Lcgnin,
DettagliEsercizio 1. Dimostrare che se (X, d) è uno spazio metrico anche (X, d ) lo è, dove d =
I seguenti esercizi sono stti proposti, e qusi tutti risolti, ttrverso l miling list del corso di Geometri IV durnte l nno ccdemico 2004/2005. Esercizio 1. Dimostrre che se (X, d) è uno spzio metrico nche
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
DettagliEsercizi svolti Limiti. Prof. Chirizzi Marco.
Cpitolo II Limiti delle funzioni di un vribile Esercizi svolti Limiti Prof. Chirizzi rco www.elettrone.ltervist.org 1) Verificre che risult: = Dobbimo provre che per ogni ε positivo, rbitrrimente piccolo,
DettagliCapitolo 2. Il problema del calcolo delle aree
Cpitolo 2 Il prolem del clcolo delle ree Introduzione Il prolem del clcolo delle ree nsce più di 2000 nni f qundo i greci tentrono di clcolre le ree con un metodo detto di esustione. Tle metodo può essere
DettagliRAPPRESENTAZIONE GRAFICA DELLA PARABOLA a ( ) { } f con, è la parabola di equazione y = ax + bx + c. Vogliamo disegnarla. 2
APPENDICE 1 AL CAPITOLO 3: RAPPRESENTAZIONE GRAFICA DELLA PARABOLA Per 0 l insieme,y / y = + + c, grfico dell funzione f = + + c { } f con, è l prol di equzione y = + + c Voglimo disegnrl non è difficile
DettagliANALISI 1 1 VENTIDUESIMA LEZIONE Integrali impropri
ANALISI 1 1 VENTIDUESIMA LEZIONE Integrli impropri 1 prof. Cludio Sccon, Diprtimento di Mtemtic Applict, Vi F. Buonrroti 1/C emil: sccon@mil.dm.unipi.it web: http://www2.ing.unipi.it/ d6081/index.html
DettagliESPONENZIALI E LOGARITMI
ESPONENZIALI E LOGARITMI 1 se 0, per ogni R ; Teori in sintesi ESPONENZIALI Potenze con esponente rele L potenz è definit: se >0: Sono definite: se >0: Non sono definite: Csi prticolri: Le proprietà delle
DettagliLaurea triennale in Scienze della Natura a.a. 2009/2010. Regole di Calcolo
Lure triennle in Scienze dell Ntur.. 2009/200 Regole di Clcolo In queste note esminimo lcune conseguenze degli ssiomi reltivi lle operzioni e ll ordinmento nell insieme R dei numeri reli. L obiettivo principle
Dettagliacuradi Luca Cabibbo e Walter Didimo Esercizi di Informatica teorica - Luca Cabibbo e Walter Didimo 1
curdi Luc Cio e Wlter Didimo Esercizi di Informtic teoric - Luc Cio e Wlter Didimo 1 utomi stti finiti utomi stti finiti non deterministici utomi e grmmtiche regolri notzioni sul livello degli esercizi:(*)fcile,
DettagliCapitolo 5. Integrali. 5.1 Integrali di funzioni a gradinata
Cpitolo 5 Integrli 5.1 Integrli di funzioni grdint Un concetto molto semplice m di fondmentle importnz per l trttzione dell integrle di Riemnn è quello di divisione di un intervllo [, b]. In sostnz si
DettagliProva n. 1 LEGER TEST
Prov n. 1 LEGER TEST Descrizione L prov si svolge su un percorso delimitto d due coni, posti ll distnz di 20 mt l uno dll ltro. Il cndidto deve percorrere spol l distnz tr i due coni, pssndo dll velocità
DettagliNote del corso di Calcolabilità e Linguaggi Formali - Lezione 6
Note del corso di Calcolabilità e Linguaggi Formali - Lezione 6 Alberto Carraro 30 novembre DAIS, Universitá Ca Foscari Venezia http://www.dsi.unive.it/~acarraro 1 Funzioni Turing-calcolabili Finora abbiamo
Dettagliacuradi Luca Cabibbo e Walter Didimo Esercizi di Informatica teorica - Luca Cabibbo e Walter Didimo 1
curdi Luc Cio e Wlter Didimo Esercizi di Informtic teoric - Luc Cio e Wlter Didimo 1 espressioni regolri e grmmtiche regolri proprietà decidiili dei linguggi regolri teorem di Myhill-Nerode notzioni sul
DettagliDeterminanti e caratteristica di una matrice (M.S. Bernabei & H. Thaler
Determinnti e crtteristic di un mtrice (M.S. Bernbei & H. Thler Determinnte Il determinnte può essere definito solmente nel cso di mtrici qudrte Per un mtrice qudrt 11 (del primo ordine) il determinnte
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
DettagliIl principio di induzione e i numeri naturali.
Il principio di induzione e i numeri naturali. Il principio di induzione è un potente strumento di dimostrazione, al quale si ricorre ogni volta che si debba dimostrare una proprietà in un numero infinito
DettagliOsserviamo che per trovare le costanti A e B possiamo anche ragionare così: se moltiplichiamo l equazione x + 1 (x + 2)(x + 3) = A.
88 Roberto Turso - Anlisi 2 Osservimo che per trovre le costnti A e B possimo nche rgionre così: se moltiplichimo l equzione + ( + 2)( + 3) = A + 2 + B + 3 per + 2, dopo ver semplificto, ottenimo + + 3
DettagliCORSO ZERO DI MATEMATICA
UNIVERSITÀ DEGLI STUDI DI PALERMO FACOLTÀ DI ARCHITETTURA CORSO ZERO DI MATEMATICA ESPONENZIALI E LOGARITMI Dr. Ersmo Modic ersmo@glois.it www.glois.it POTENZA CON ESPONENTE REALE Definizione: Dti un numero
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
DettagliEsercizi di Informatica Teorica
6-myhill-nerode- Esercizi di Informtic Teoric Linguggi regolri: espressioni regolri e grmmtiche, proprietà decidiili e teorem di Myhill-Nerode Teorem di Myhill-Nerode richimi teorem si L un linguggio sull
Dettagli5.4 Il teorema fondamentale del calcolo integrale
Esercizi 5.3. Si f : R R un funzione continu, e supponimo che f bbi sintoti obliqui per ±. Provre che f è uniformemente continu in R.. Esibire un funzione f : R R limitt e di clsse C, m non uniformemente
DettagliPOTENZA CON ESPONENTE REALE
PRECORSO DI MATEMATICA VIII Lezione ESPONENZIALI E LOGARITMI E. Modic mtemtic@blogscuol.it www.mtemtic.blogscuol.it POTENZA CON ESPONENTE REALE Definizione: Dti un numero rele > 0 ed un numero rele qulunque,
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
Dettaglia cura di Luca Cabibbo e Walter Didimo
cur di Luc Cbibbo e Wlter Didimo Esercizi di Informtic teoric - Luc Cbibbo e Wlter Didimo 1 richimi teorici sulle grmmtiche di Chomsky esercizi vri esercizi su grmmtiche ed espressioni regolri esercizi
DettagliAcidi Deboli. Si definisce acido debole un acido con K a < 1 che risulta perciò solo parzialmente dissociato in soluzione. Esempi di acidi deboli:
Acidi Deboli Si definisce cido debole un cido con < 1 che risult perciò solo przilmente dissocito in soluzione. Esempi di cidi deboli: Acido cetico (H OOH) 1.75 1-5 Acido scorbico (vitmin ) 1 6.76 1-5.5
Dettaglistringhe sull alfabeto Σ in cui a a b si alternano, iniziando da a e terminando con b.
Corso di Linguggi Formli e Automi Anno Accdemico 2014 2015 Prof. Giovnni Pighizzini Esercizi Vri Esercizio 1 Si Σ = {, }. Costruite un utom che ccetti il linguggio costituito d tutte le stringhe sull lfeto
DettagliTEORIA ELEMENTARE DEL PROBLEMA DI CAUCHY
TEORIA ELEMENTARE DEL PROBLEMA DI CAUCHY DANIELE ANDREUCCI DIP. METODI E MODELLI, UNIVERSITÀ LA SAPIENZA VIA A.SCARPA 16, 00161 ROMA, ITALY ndreucci@dmmm.unirom1.it 1. Notzione fondmentle e prime definizioni
DettagliCALCOLO NUMERICO. Francesca Mazzia. Integrazione. Dipartimento Interuniversitario di Matematica. Università di Bari
CALCOLO NUMERICO Frncesc Mzzi Diprtimento Interuniversitrio di Mtemtic Università di Bri Integrzione 1 Integrzione Problem: pprossimre integrli definiti del tipo: f(x)dx, Sceglimo n + 1 punti nell intervllo
DettagliFacoltà di Economia - Università di Sassari Anno Accademico 2004-2005. Dispense Corso di Econometria Docente: Luciano Gutierrez.
Fcoltà di Economi - Università di Sssri Anno Accdemico 2004-2005 Dispense Corso di Econometri Docente: Lucino Gutierrez Algebr Linere Progrmm: 1.1 Definizione di mtrice e vettore 1.2 Addizione e sottrzione
Dettagli" Osservazione. 6.1 Integrale indefinito. R Definizione (Primitiva) E Esempio 6.1 CAPITOLO 6
CAPITOLO 6 Clcolo integrle 6. Integrle indefinito L nozione fondmentle del clcolo integrle è quell di funzione primitiv di un funzione f (). Tle nozione è in qulche modo speculre ll nozione di funzione
DettagliSPAZI VETTORIALI. 1. Spazi e sottospazi vettoriali
SPAZI VETTORIALI 1. Spzi e sottospzi vettorili Definizione: Dto un insieme V non vuoto e un corpo K di sostegno si dice che V è un K-spzio vettorile o uno spzio vettorile su K se sono definite un operzione
DettagliF (r(t)), d dt r(t) dt
Cmpi vettorili Un cmpo vettorile è un funzione vlori vettorili F : A R, con A R n, ove in questo cso l imensione el ominio e el coominio è l stess. F ( 1, 2,..., n ) (f 1 ( 1, 2,..., n ), f 2 ( 1, 2,...,
DettagliDimostrazione del teorema di Gauss Green nel piano
imostrzione del teorem di Guss Green nel pino Gli eventuli lettori sono pregti di segnlrmi gli eventuli errori di stmp. Grzie! L.V. Ricordimo che: dominio è l chiusur di un perto; dominio normle regolre
DettagliCalcolo integrale in due e più variabili
Clcolo integrle in due e più vribili 9 dicembre 2010 1 Definizione di integrle Il primo psso st nell definizione e determinzione dell integrle per funzioni due vribili prticolrmente semplici: le funzioni
DettagliProva scritta del 28 febbraio Risultati
LINGUGGI E COMPILTORI COMPILTORI Prov scritt del 28 febbrio 2011 Risultti MRTINELLI 18 D EPIFNIO 20 BOINO 24 DELÌU 27 VINO 27 PIETRELLI 23 NDREOCCI 30 DI SCHINO 20 ROMEO 24 MERCURI 27 NICOLIELLO 21 HIB
Dettagli1 Integrale delle funzioni a scala
INTEGRALE DELLE FUNZIONI DI UNA VARIABILE Teori di Riemnn 1 Integrle delle funzioni scl (1.1) Definizione Si dice suddivisione di un intervllo chiuso e limitto [, b] un sottoinsieme {,..., n } di [, b]
DettagliFONDAMENTI DI PROGRAMMAZIONE (A,B,C,D) Appello del 25/06/2002 Soluzioni proposte
FONDAMENTI DI PROGRAMMAZIONE (A,B,C,D) Appello del 25/06/2002 Soluzioni proposte ESERCIZIO 1 (5 punti) Si Λ =, b, c. Descrivere un utom che riconosce il seguente linguggio su Λ : L = s 1... s n n 1, s
Dettagli7. Derivate Definizione 1
7. Derivte Il concetto di derivt è importntissimo e molto nturle. Per vere un esempio concreto, penste l moto di un mcchin: se f(t) è l funzione che esprime qunt strd vete percorso fino d un certo istnte
DettagliDefinizione (primitiva, integrale indefinito). Data una funzione f diremo che una funzione F è una primitiva di f se
Cpitolo 6 Integrli L opertore derivt D ssoci d un funzione f l su derivt: Df f 0 Ci ciedimo se è possiile invertire quest operzione, vle dire trovre un funzione l cui derivt si un funzione ssegnt Definizione
DettagliTeoria in sintesi ESPONENZIALI. Potenze con esponente reale. La potenza. Sono definite: Non sono definite: Casi particolari :
Teori in sintesi ESPONENZIALI Potenze con esponente rele L potenz è definit: se >, per ogni R se, per tutti e soli gli R se
DettagliIntroduzione all algebra
Introduzione ll lgebr E. Modic ersmo@glois.it Liceo Scientifico Sttle S. Cnnizzro Corso P.O.N. Modelli mtemtici e reltà A.S. 2010/2011 Premess Codificre e Decodificre Nell vit quotidin ci cpit spesso di
DettagliSOLUZIONE PROBLEMA 1. Punto 1 Osserviamo anzitutto che la funzione
SOLUZIONE PROBLEMA 1 Punto 1 Osservimo nzitutto che l funzione g(x) = (x b)e,-,. è continu e derivbile in R in qunto composizione di funzioni continue e derivbili. Per discutere l presenz di punti di mssimo
DettagliSi noti che da questa definizione segue che il punto C è il punto medio del segmento PP'. Figura 1
APITOLO 3 LE SIMMETRIE 3. Richimi di teori Definizione. Si dto un punto del pino; si chim simmetri centrle di centro (che si indic con il simbolo s ) l corrispondenz dl pino in sé che d ogni punto P del
DettagliLa parabola. Fuoco. Direttrice y
L prol Definizione: si definise prol il luogo geometrio dei punti del pino equidistnti d un punto fisso detto fuoo e d un rett fiss dett direttrie. Un rppresentzione grfi inditiv dell prol nel pino rtesino
Dettagli1 Lavoro sperimentale (di Claudia Sortino)
1 Lvoro sperimentle (di Cludi Sortino) Prtendo d un nlisi epistemologic del prolem, ho preprto un test che ho successivmente proposto due quinte clssi di un istituto industrile. QUESTIONARIO SULL INTEGRAZIONE
Dettagli4. L argomento oggetto indiretto 4.1. La funzione oggetto indiretto
4. L rgomento oggetto indiretto 4.1. L funzione oggetto indiretto Dopo ver visto i due rgomenti diretti soggetto e oggetto diretto, in quest unità ci occuperemo dell rgomento indiretto più frequente, l
DettagliUNITÀ DI GUIDA E SLITTE
UNITÀ DI GUIDA E SLITTE TIPOLOGIE L gmm di unità di guid e di slitte proposte è molto mpi. Rggruppimo le guide in fmiglie: Unità di guid d ccoppire cilindri stndrd Si trtt di unità indipendenti, cui viene
DettagliIntegrali impropri in R
Integrli impropri in Flvino Bttelli Diprtimento di Scienze Mtemtiche Università Politecnic delle Mrche Ancon Integrli impropri Indichimo con = {1, 2, 3,...} l insieme dei numeri nturli, con 0 = {0, 1,
DettagliIntegrali. Il concetto di integrale nasce per risolvere due classi di problemi:
Integrli Il concetto di integrle nsce per risolvere due clssi di problemi: clcolo delle ree di figure delimitte d curve, clcolo di volumi, clcolo del lvoro di un forz, clcolo dello spzio percorso,... integrle
DettagliPolitecnico di Milano Facoltà di Ingegneria dell Automazione INFORMATICA INDUSTRIALE Appello COGNOME E NOME. 11 febbraio 2008 RIGA COLONNA MATRICOLA
Politecnico i Milno Fcoltà i Ingegneri ell Automzione INFORMATICA INDUSTRIALE Appello COGNOME E NOME ebbrio 2008 RIGA COLONNA MATRICOLA Il presente plico pinzto, composto i quttro ogli (ronte/retro)eve
DettagliFoglio N.3. PRIMITIVE. Pn (x) Q m (x) dx
Integrli di Funzioni Rzionli: Foglio N3 PRIMITIVE Pn (x) Q m (x) dx dove P n (x) e Q m (x) sonopolinomidigrdon ed m rispettivmente Un funzione rzionle il cui denomintore P n (x) è un polinomio di grdo
DettagliIntegrali dipendenti da un parametro e derivazione sotto il segno di integrale.
1 Integrli dipendenti d un prmetro e derivzione sotto il segno di integrle. Considerimo l funzione f(x, t) : A [, b] R definit nel rettngolo A [, b], essendo A un sottoinsieme perto di R e [, b] un intervllo
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
DettagliLa scomposizione in fattori dei polinomi
Progetto Mtemtic in Rete L scomposizione in fttori dei polinomi Scomporre in fttori un polinomio signific scriverlo come prodotto di polinomi di grdo inferiore. Esempio: ( )( ) Osservimo che l uguglinz,
Dettagli( X, Y ) che danno un livello costante di utilità (curva di livello). Fissando per esempio il valore U 0 per
Funzioni di utilità (finlmente un po di geroglifici, dopo i grffiti) NB: non fte leggere queste pgine un mtemtico, ltrimenti mi msscr!. Definizione e proprietà Considerimo due eni e di interesse per un
Dettagli