Linguaggi regolari e automi a stati finiti. Linguaggi regolari e automi a stati finiti
|
|
- Carlotta Caruso
- 6 anni fa
- Visualizzazioni
Transcript
1
2 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 o sul web. Software per verificare sistemi a stati finiti, come protocolli di comunicazione.
3 oncetti di base Alfabeto: Insieme fnito e non vuoto di simboli Esempio: Σ = {0, 1} alfabeto binario Esempio: Σ = {a, b, c,..., z} insieme di tutte le lettere minuscole Esempio: Insieme di tutti i caratteri ASCII Stringa: Sequenza finita di simboli da un alfabeto Σ, e.g Stringa vuota: La stringa con zero occorrenze di simboli da Σ La stringa vuota e denotata con ɛ
4 Lunghezza di una stringa: Numero di posizioni per i simboli nella stringa. w denota la lunghezza della stringa w 0110 = 4, ɛ = 0 Potenze di un alfabeto: Σ k = insieme delle stringhe di lunghezza k con simboli da Σ Example: Σ = {0, 1} Σ 1 = {0, 1} Σ 2 = {00, 01, 10, 11} Σ 0 = {ɛ}
5 L insieme di tutte le stringhe su Σ e denotato da Σ Σ = Σ 0 Σ 1 Σ 2 Anche: Σ + = Σ 1 Σ 2 Σ 3 Σ = Σ + {ɛ} Concatenazione: Se x e y sono stringhe, allora xy e la stringa ottenuta rimpiazzando una copia di y immediatamente dopo una copia di x x = a 1 a 2... a i, y = b 1 b 2... b j xy = a 1 a 2... a i b 1 b 2... b j Esempio: x = 01101, y = 110, xy = Nota: Per ogni stringa x xɛ = ɛx = x
6 inguaggi Definizione: Se Σ e un alfabeto, e L Σ, allora L e un linguaggio Esempi di linguaggi: L insieme delle parole italiane legali L insieme dei programmi C legali L insieme delle stringhe che consistono di n zeri seguiti da n uni {ɛ, 01, 0011, ,...}
7 ltri esempi L insieme delle stringhe con un numero uguale di zeri e di uni {ɛ, 01, 10, 0011, 0101, 1001,...} L P = insieme dei numeri binari il cui valore e primo {10, 11, 101, 111, 1011,...} Il linguaggio vuoto Il linguaggio {ɛ} consiste della stringa vuota Nota: {ɛ} Nota: L alfabeto Σ e sempre finito
8 osa ci interessa? Studiare gli strumenti formali per definire (riconoscere linguaggi) linguaggi (partendo dagli automi a stati finiti) Problema: la stringa w e un elemento di un linguaggio L? Che risorse computazionali sono necessarie per rispondere a questa domanda? Applicazione: Fare il parsing di un programma C = controllare se il programma e corretto, e se lo e, produrre un albero di parsing.
9 utomi a stati finiti deterministici Un DFA e una quintupla A = (Q, Σ, δ, q 0, F ) Q e un insieme finito di stati Σ e un alfabeto finito (= simboli in input) δ e una funzione di transizione δ : Q Σ Q q 0 Q e lo stato iniziale F Q e un insieme di stati finali
10 iagramma di transizione L automa A = ({q 0, q 1, q 2 }, {0, 1}, δ, q 0, {q 1 }) come una tabella di transizione: 0 1 q 0 q 2 q 0 q 1 q 1 q 1 q 2 q 2 q 1 L automa come un diagramma di transizione: Start q 0 q 2 q 1 0, 1
11 ccettazione Un automa a stati finiti (FA) accetta una stringa w = a 1 a 2 a n se esiste un cammino nel diagramma di transizione che 1 Inizia nello stato iniziale 2 Finisce in uno stato finale (di accettazione) 3 Ha una sequenza di etichette a 1 a 2 a n Esempio: L automa a stati finiti Start q 0 q 2 q 1 0, 1 accetta ad esempio la stringa 01101
12 inguaggio accettato La funzione di transizione δ deve essere estesa alle stringhe introduciamo, ˆδ : Q Σ Q che opera su stati e stringhe (invece che su stati e simboli) intuitivamente, ˆδ(p, w) = q significa che q e lo stato raggiungibile da p avendo letto la stringa w
13 ormalmente La funzione di transizione estesa ˆδ : Q Σ Q si definisce induttivamente Base: ˆδ(q, ɛ) = q Induzione: ˆδ(q, xa) = δ(ˆδ(q, x), a) Formalmente, il linguaggio accettato da A e L(A) = {w : ˆδ(q 0, w) F } I linguaggi accettati da automi a stati finiti sono detti linguaggi regolari
14 sempio L automa Start q 0 q 2 q 1 0, 1 accetta il linguaggio L = {x01y : x, y {0, 1} }
15 sempio Esempio: DFA che accetta tutte e sole le stringhe con un numero pari di zeri e un numero pari di uni Start 1 q 0 q q 2 1 q 3 1
16 sempio Rappresentazione tabulare dell automa 0 1 q 0 q 2 q 1 q 1 q 3 q 0 q 2 q 0 q 3 q 3 q 1 q 2
17 sercizi DFA per i seguenti linguaggi sull alfabeto {0, 1}: Insieme di tutte le strighe che finiscono con 00 Insieme di tutte le stringhe con tre zeri consecutivi Insieme delle stringhe con 011 come sottostringa Insieme delle stringhe che cominciano o finiscono (o entrambe le cose) con 01
18 utomi a stati finiti deterministici (DFA) un DFA puo essere in un solo stato in ogni momento per ogni stringa di input w esiste uno ed un solo cammino nel diagramma di transizione, a partire dallo stato iniziale data una stringa w qual e il costo della decisione w L(A)?
19 utomi a stati finiti non deterministici (NFA) Un NFA puo essere in vari stati nello stesso momento, oppure, visto in un altro modo, puo scommettere su quale sara il prossimo stato Formalmente, quando l automa e in un certo stato e legge un certo simbolo puo eseguire varie mosse
20 sempio Un automa che accetta tutte e solo le stringhe che finiscono in 01. 0, 1 Start q q q 1 2 Nello stato q 0 leggendo 0 puo muoversi in q 1 (e arrivato al 01 finale) oppure rimanere in q 0 Ecco cosa succede quando l automa elabora l input q 0 q 0 q 0 q 0 q 0 q 0 q 1 q 1 q 1 (stuck) q 2 (stuck) q
21 efinizione formale di NFA Formalmente, un NFA e una quintupla A = (Q, Σ, δ, q 0, F ) Q e un insieme finito di stati Σ e un alfabeto finito δ e una funzione di transizione δ : Q Σ (Q) (all insieme dei sottoinsiemi di Q) q 0 Q e lo stato iniziale F Q e un insieme di stati finali
22 sempio L NFA di due pagine fa e ({q 0, q 1, q 2 }, {0, 1}, δ, q 0, {q 2 }) dove δ e la funzione di transizione 0 1 q 0 {q 0, q 1 } {q 0 } q 1 {q 2 } q 2 Nota: dato un simbolo possono esserci anche zero mosse (tipo per q 1 e 0)
23 inguaggio Accettato intuitivamente, una stringa w e accettata da un NFA sse esiste un cammino dallo stato iniziale ad uno stato finale, etichettato con w (come abbiamo visto prima nell esempio possono esistere vari di cammini) formalmente, dobbiamo definire la funzione di transizione estesa ˆδ : Q Σ (Q), che restituisce un insieme di stati ˆδ(p, w) = X significa che X e l insieme di stati raggiungibili da p avendo letto la stringa w
24 unzione di Transizione Estesa Definiamo ˆδ : Q Σ (Q), induttivamente Base: ˆδ(q, ɛ) = {q} Induzione: ˆδ(q, xa) = δ(p, a) p ˆδ(q,x) Il linguaggio accettato da A e L(A) = {w : ˆδ(q 0, w) F }
25 Proviamo formalmente che l NFA 0, 1 Start q q q 1 2 accetta il linguaggio {x01 : x Σ }. Faremo una induzione mutua sui tre enunciati seguenti 0 w Σ q 0 ˆδ(q 0, w) 1 q 1 ˆδ(q 0, w) w = x0 2 q 2 ˆδ(q 0, w) w = x01
26 Base: Se w = 0 allora w = ɛ. Allora l enunciato (0) segue dalla defnizione Per (1) e (2) entrambi i lati sono falsi per ɛ Induzione: Assumiamo che w = xa, dove a {0, 1}, x = n e gli enunciati (0) (2) valgono per x. Si mostra che gli enunciati valgono per xa.
27 quivalenza di DFA e NFA Gli NFA sono di solito piu facili da programmare. per contro, qual e il costo della decisione w L(A)? Tuttavia, per ogni NFA N c e un DFA D, tale che L(D) = L(N), e viceversa. DFA ed NFA hanno lo stesso potere espressivo
28 quivalenza di DFA e NFA Sorprendentemente, per ogni NFA N c e un DFA D, tale che L(D) = L(N), e viceversa. Questo comporta una contruzione a sottonsiemi, un esempio importante di come un automa B puo essere costruito da un altro automa A. Dato un NFA N = (Q N, Σ, δ N, q 0, F N ) costruiremo un DFA D = (Q D, Σ, δ D, {q 0 }, F D ) tali che. L(D) = L(N)
29 I dettagli della costruzione a sottoinsiemi: Q D = {S : S Q N } F D = {S Q N : S F N } Per ogni S Q N e a Σ, δ D (S, a) = p S δ N (p, a) Nota: Q D = 2 Q N, il numero degli stati cresce in modo esponenziale. Tuttavia, la maggior parte degli stati in Q D sono garbage, cioe non raggiungibili dallo stato iniziale.
30 Costruiamo δ D dall NFA gia visto: 0 1 {q 0 } {q 0, q 1 } {q 0 } {q 1 } {q 2 } {q 2 } {q 0, q 1 } {q 0, q 1 } {q 0, q 2 } {q 0, q 2 } {q 0, q 1 } {q 0 } {q 1, q 2 } {q 2 } {q 0, q 1, q 2 } {q 0, q 1 } {q 0, q 2 }
31 Nota: Gli stati di D corrispondono a sottoinsiemi di stati di N, ma potevamo denotare gli stati di D in un altro modo, per esempio A F. 0 1 A A A B E B C A D D A A E E F F E B G A D H E F
32 Possiamo spesso evitare la crescita esponenziale degli stati costruendo la tabella di transizione per D solo per stati accessibili S come segue: Base: S = {q 0 } e accessibile in D Induzione: Se lo stato S e accessibile, lo sono anche gli stati in a Σ δ D(S, a). Esempio: Il sottoinsieme DFA con stati accessibili solamente. 1 0 Start 0 1 { q 0} { q 0, q 1 } {q 0, q2 } 0 1
33 Teorema 2.11: Sia D il DFA ottenuto da un NFA N con la costruzione a sottoinsiemi. Allora L(D) = L(N). Prova: Prima mostriamo per induzione su w che ˆδ D ({q 0 }, w) = ˆδ N (q 0, w) Base: w = ɛ. L enunciato segue dalla definizione.
34 Induzione: ˆδ D ({q 0 }, xa) def = δ D (ˆδ D ({q 0 }, x), a) i.h. = δ D (ˆδ N (q 0, x), a) cst = p ˆδ N (q 0,x) δ N (p, a) Ora segue che L(D) = L(N). def = ˆδ N (q 0, xa)
35 Teorema 2.12: Un linguaggio L e accettato da un DFA se e solo se L e accettato da un NFA. Prova: La parte se e il Teorema Per la parte solo se notiamo che un qualsiasi DFA puo essere convertito in un NFA equivalente modificando la δ D in δ N secondo la regola seguente: Se δ D (q, a) = p, allora δ N (q, a) = {p}. Per induzione su w si puo mostrare che se ˆδ D (q 0, w) = p, allora ˆδ N (q 0, w) = {p}. L enunciato del teorema segue.
36 rescita esponenziale degli stati Nella pratica il DFA ottenuto tramite la costruzione a sottoinsiemi ha approssimativamente lo stesso numero di stati del NFA equivalente. Tuttavia, esiste la possibilita che tutti i 2 n stati del DFA risultino raggiungibili dallo stato iniziale Esempio: esiste un NFA N con n + 1 stati che non ha nessun DFA D equivalente con meno di 2 n stati 0, 1 Start 1 0, 1 0, 1 0, 1 0, 1 q 0 q 1 q 2 q n
37 inguaggio riconosciuto N si trova nello stato q 0 dopo avere letto una qualsiasi sequenza di input w N si trova nello stato q i, per i >= 1, dopo avere letto w1a 1...a i 1, dove a j e un simbolo di input il linguaggio riconsciuto da N sono le sequenze in cui l ennesimo simbolo dalla fine e 1, L(N) = {x1c 2 c 3 c n : x {0, 1}, c i {0, 1}}
38 rescita esponenziale degli stati Facciamo vedere che l NFA N non ha nessun DFA D equivalente con meno di 2 n stati 0, 1 Start 1 0, 1 0, 1 0, 1 0, 1 q 0 q 1 q 2 q n Supponiamo che esista un DFA equivalente D con meno di 2 n stati. Intuitivamente, D deve ricordare gli ultimi n simboli che ha letto. Notiamo che ci sono 2 n sequenze di bit a 1 a 2 a n. Quindi deve esserci uno stato raggiungibile dallo stato iniziale leggendo due stringhe diverse di lunghezza n. Formalmente, q, a 1 a 2 a n, b 1 b 2 b n : q ˆδ N (q 0, a 1 a 2 a n ), q ˆδ N (q 0, b 1 b 2 b n ), a 1 a 2 a n b 1 b 2 b n
39 Caso 1: 1a 2 a n 0b 2 b n Allora q deve essere sia uno stato di accettazione che uno stato di non accettazione. Caso 2: a 1 a i 1 1a i+1 a n b 1 b i 1 0b i+1 b n Ora ˆδ N (q 0, a 1 a i 1 1a i+1 a n 0 i 1 ) = ˆδ N (q 0, b 1 b i 1 0b i+1 b n 0 i 1 ) e ˆδ N (q 0, a 1 a i 1 1a i+1 a n 0 i 1 ) F D ˆδ N (q 0, b 1 b i 1 0b i+1 b n 0 i 1 ) / F D
40 A con transizioni epsilon presentiamo un altra estensione degli automi a stati finiti, gli automi con ɛ-transizioni intuitivamente, ammettiamo che esistano transizioni etichettate con la stringa vuota (l automa esegue una mossa spontaneamente senza leggere input) questa estensione e utile perche facilita la specifica di linguaggi, ma non aggiunge potere espressivo
41 sempio Vogliamo definire un automa che accetta numeri decimali, ovvero stringhe definite come segue: 1 Un segno + o -, opzionale 2 Una stringa di cifre decimali 3 un punto decimale 4 un altra stringa di cifre decimali Una delle stringhe (2) e (4) sono opzionali (ma non entrambi)
42 A con transizioni epsilon 0,1,...,9 0,1,...,9 Start q ε,+,- q q q ε q ,1,...,9 0,1,...,9 q 4. lo stato q 0 rappresenta la situazione in cui e stato letto il segno (opzionale), ma non ancora il. lo stato q 2 rappresenta la situazione in cui e stato letto il. ma non necessariamente cifre 0,..., 9 lo stato q 4 rappresenta la situazione in cui e stata letta almeno una cifra 0,..., 9, ma non ancora. lo stato q 3 rappresenta la situazione in cui e stato letto il punto., e almeno una cifra 0,..., 9, prima o dopo
43 efinizione Formale Un ɛ-nfa e una quintupla (Q, Σ, δ, q 0, F ) dove Q, Σ, q 0, F come in NFA δ : Q (Σ {ɛ}) (Q) e una funzione da Q Σ {ɛ} all insieme dei sottoinsiemi di Q.
44 sempio L ɛ-nfa della pagina precedente E = ({q 0, q 1,..., q 5 }, {., +,, 0, 1,..., 9} δ, q 0, {q 5 }) dove la tabella delle transizioni per δ e ɛ +,-. 0,..., 9 q 0 {q 1 } {q 1 } q 1 {q 2 } {q 1, q 4 } q 2 {q 3 } q 3 {q 5 } {q 3 } q 4 {q 3 } q 5
45 inguaggio Accettato si definisce come per NFA, utilizzando pero una nozione diversa di ˆδ, funzione di transizione estesa ˆδ utilizza la nozione di ɛ-closure di uno stato
46 psilon-chiusura Chiudiamo uno stato aggiungendo tutti gli stati raggiungibili da lui tramite una sequenza ɛɛ ɛ Definizione induttiva di ECLOSE(q) Base: q ECLOSE(q) Induzione: p ECLOSE(q) and r δ(p, ɛ) r ECLOSE(q)
47 sempio di epsilon-chiusura ε ε ε 1 b ε a ε Per esempio, ECLOSE(1) = {1, 2, 3, 4, 6}
48 unzione di transizione estesa Definizione induttiva di ˆδ per automi ɛ-nfa Base: ˆδ(q, ɛ) = ECLOSE(q) Tutti gli stati raggiungibili da q con ɛ-transizioni
49 unzione di transizione estesa Definizione induttiva di ˆδ per automi ɛ-nfa Induzione: ˆδ(q, xa) = p δ(ˆδ(q,x),a) ECLOSE(p) Induttivamente, si considerano gli stati raggiungibili da q leggendo x, poi si fa una mossa in cui si legge a. Infine, si considerano tutti gli stati raggiungibili con ɛ-transizioni.
50 sempio Calcoliamo ˆδ(q 0, 5.6) per l NFA dei numeri decimali 1 ˆδ(q0, ɛ) = {q 0, q 1 }; 2 calcoliamo ˆδ(q 0, 5). Abbiamo δ(q 0, 5) δ(q 1, 5) = {q 1, q 4 }, dove q 0 e q 1 sono calcolati nel passo precedente. Applicando la epsilon da q 1 e q 4 rimaniamo in q 1 e q 4 rispettivamente. Quindi ˆδ(q 0, 5) = {q 1, q 4 }. 3 Procedendo in modo analogo si trova ˆδ(q 0, 5.6) = ECLOSE(q 3 ) = {q 3, q 5 }. Siccome q 5 e uno stato accettante, la stringa appartiene al linguaggio.
51 a ɛ-nfa a DFA Dato un ɛ-nfa costruiremo un DFA E = (Q E, Σ, δ E, q 0, F E ) tale che D = (Q D, Σ, δ D, q D, F D ) L(D) = L(E) Differenza nella costruzione e che e sufficiente considerare come stati Q D i sottoinsiemi di Q E, che sono ɛ-chiusi chiusura. Formalemente, S = ECLOSE(S) sta ad indicare che per ogni sttao q S, ECLOSURE(q) S. Nota che E CLOSE( ) =.
52 ettagli della costruzione Q D = {S : S Q E e S = ECLOSE(S)} i sottoinsiemi ɛ-chiusi q D = ECLOSE(q 0 ) gli stati raggiungibili da q 0 tramite ɛ-transizioni F D = {S : S Q D e S F E } δ D (S, a) = {ECLOSE(p) : p δ(t, a) per alcuni t S}
53 sempio ɛ-nfa E Start 0,1,...,9 0,1,...,9 q ε,+,- 0 q 1 q 2 q ε 3 q 5. 0,1,...,9 0,1,...,9 q 4.
54 DFA D corrispondente ad E 0,1,...,9 0,1,...,9 +,- { q 0, q } { q } { q, q } { q ,1,...,9., q 3, q 5 } Start.. 0,1,...,9 { q2 } { q 3, q 5 } 0,1,...,9 0,1,...,9
55 ommenti Esempio 1 il DFA si costruisce a partire dallo stato iniziale, ECLOSE(q 0 ) = {q 0, q 1 }; 2 poi si aggiungono gli insiemi di stati ɛ-chiusi, raggiungibili per ogni a Σ (e cosi via) 3 la figura non riporta lo stato trappola e le mosse verso di esso
56 Teorema 2.22: Un linguaggio L e accettato da un ɛ-nfa E se e solo se L e accettato da un DFA. Prova: Usiamo D costruito come sopra e mostriamo per induzione che ˆδ E (q 0, w) = ˆδ D (q D, w) Base: ˆδ E (q 0, ɛ) = ECLOSE(q 0 ) = q D = ˆδ(q D, ɛ)
57 Induzione: ˆδ E (q 0, xa) = = = p δ E (ˆδ E (q 0,x),a) p δ D (ˆδ D (q D,x),a) p ˆδ D (q D,xa) ECLOSE(p) ECLOSE(p) ECLOSE(p) = ˆδ D (q D, xa)
Linguaggi 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
Automi 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
Proprieta dei Linguaggi regolari
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.
Automi 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
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
Espressioni 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.
Un 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
Linguaggi 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
Automi 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
Esercizi 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}
Linguaggi 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
Progamma 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
Proprieta 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
Automi 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
Concetti 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
Equivalenza 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
Fondamenti 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
La codifica digitale
La codifica digitale Codifica digitale Il computer e il sistema binario Il computer elabora esclusivamente numeri. Ogni immagine, ogni suono, ogni informazione per essere compresa e rielaborata dal calcolatore
Sui 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.
Linguaggi 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
Espressioni 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
Automi. 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
Aniello 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
Orario 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
Esercitazioni di Reti Logiche
Esercitazioni di Reti Logiche Sintesi di Reti Sequenziali Zeynep KIZILTAN Dipartimento di Scienze dell Informazione Universita degli Studi di Bologna Anno Academico 2007/2008 Sintesi dei circuiti sequenziali
Fondamenti d Informatica: linguaggi formali. Barbara Re, Phd
Fondamenti d Informatica: linguaggi formali Barbara Re, Phd Agenda } Introdurremo } La nozione di linguaggio } Strumenti per definire un linguaggio } Espressioni Regolari 2 Linguaggio } Da un punto di
Macchine di TURING. Alan Mathison Turing ( )
Macchine di TURING Alan Mathison Turing (1912 1954) Macchine di TURING Alan Mathison Turing (1912 1954) matematico, logico e crittanalista britannico, considerato uno dei padri dell informatica e uno dei
Ma 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?
Università 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
Linguaggi 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
Automi 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:
Capitolo 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
Informatica 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
controllo 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
Espressioni 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:
Alberi: definizioni e dimostrazioni induttive.
Alberi: definizioni e dimostrazioni induttive. Gennaio 2005 Iniziamo con l introdurre la nozione di albero. Con N indichiamo l insieme dei numeri naturali (zero escluso) e con N l insieme delle liste finite
AUTOMA A STATI FINITI
Gli Automi Un Automa è un dispositivo, o un suo modello in forma di macchina sequenziale, creato per eseguire un particolare compito, che può trovarsi in diverse configurazioni più o meno complesse caratterizzate
Fondamenti di Informatica. Algoritmo. Algoritmo funzionale. Prof.ssa Enrica Gentile Informatica e Comunicazione Digitale a.a.
Fondamenti di Informatica Prof.ssa Enrica Gentile Informatica e Comunicazione Digitale a.a. 2011-2012 Algoritmo L algoritmo è una sequenza finita di istruzioni, mediante le quali un qualunque operatore
Pumping 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=
Sipser, 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
Quiz 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
Nozioni 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
UNA GERARCHIA DI MACCHINE
ELEMENTI DI PROGRAMMAZIONE a.a. 2015/16 UNA GERARCHIA DI MACCHINE UNA GERARCHIA DI MACCHINE macchine combinatorie macchine sequenziali (automi a numero finito di stati)... macchine di Turing Macchine di
Fondamenti 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
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
a 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: (*)
Linguaggio 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
Informatica Generale Homework di Recupero 2016
Informatica Generale Homework di Recupero 016 docente: Ivano Salvo Sapienza Università di Roma Gruppo 1 Esercizio 1.1 Scrivere un programma C che presi in input due interi positivi a ed b (a, b > 0) calcola
DAI 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
Esempio 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.
Massimo 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.
Corso di Linguaggi di Programmazione + Laboratorio Docente: Marco de Gemmis
Corso di Linguaggi di Programmazione + Laboratorio Docente: Marco de Gemmis Capitolo 2 Grammatiche e Linguaggi Si ringraziano il Prof. Giovanni Semeraro e il Dott. Pasquale Lops per la concessione del
Fondamenti di Informatica 2
Fondamenti di Informatica 2 Linguaggi e Complessità : Lezione 1 Corso Fondamenti di Informatica 2 Marco Schaerf, 2009-2010 Linguaggi e Complessità : Lezione 1 1 Logica proposizionale Linguaggio matematico
Rappresentazione delle frazioni proprie Aritmetica in binario Barbara Masucci
Architettura degli Elaboratori Rappresentazione delle frazioni proprie Aritmetica in binario Barbara Masucci Punto della situazione Ø Abbiamo visto Ø ll sistema posizionale pesato, in particolare le rappresentazioni
ELEMENTI DI PROGRAMMAZIONE a.a. 2013/14 UNA GERARCHIA DI MACCHINE
ELEMENTI DI PROGRAMMAZIONE a.a. 23/4 UNA GERARCHIA DI MACCHINE Andrea Prevete, UNINA2 24 UNA GERARCHIA DI MACCHINE macchine combinatorie macchine sequenziali (automi a numero finito di stati)... macchine
Cap. 2 - Rappresentazione in base 2 dei numeri interi
Cap. 2 - Rappresentazione in base 2 dei numeri interi 2.1 I NUMERI INTERI RELATIVI I numeri relativi sono numeri con il segno: essi possono essere quindi positivi e negativi. Si dividono in due categorie:
AUTOMI A PILA. M.P. Schutzenberger
UTOMI PIL Introdotti da. G. Oettinger in utomatic Syntactic nalysis and the pushdown store Proc. Symp. pplied Math., 1961 e da M.P. Schutzenberger in Context free languages and pushdown automata Information
Suffix 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(
CLASSE LIMITE DI UNA SUCCESSIONE DI NUMERI REALI C. MADERNA, G. MOLTENI, M. VIGNATI
CLASSE LIMITE DI UNA SUCCESSIONE DI NUMERI REALI C. MADERNA, G. MOLTENI, M. VIGNATI Consideriamo l insieme R = R {, + } ottenuto aggiungendo all insieme dei numeri reali i simboli e +. Introduciamo in
Macchina di Turing Universale
Informatica Teorica 2010/2011 M.Di Ianni Macchina di Turing Universale Vogliamo definire una macchina di Turing U che, presi in input la descrizione di una macchina di Turing ad un nastro T ed un input
ITLCC 2006/10/6 19:09 page 7 #3
ITLCC 2006/10/6 19:09 page 7 #3 Capitolo 2 Macchine di Turing SOMMARIO In questo capitolo introdurremo il modello di calcolo proposto dal logico matematico inglese Alan Turing, in un suo famoso articolo
Proprietà 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
RISOLUZIONE IN LOGICA PROPOSIZIONALE. Giovanna D Agostino Dipartimento di Matemaica e Informatica, Università di Udine
RISOLUZIONE IN LOGICA PROPOSIZIONALE Giovanna D Agostino Dipartimento di Matemaica e Informatica, Università di Udine 1. Risoluzione Definitione 1.1. Un letterale l è una variabile proposizionale (letterale
Capitolo 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
Forme Normali. Forma normale di Chomsky. E caratterizzata da regole di due tipi. A! BC dove A, B, C $ V N A! a con a $ V T. Forma normale di Greibach
Forme Normali A partire da una grammatica Context-free G è sempre possibile costruire una grammatica equivalente G ovvero L(G) = L(G ) che abbiano le produzioni in forme particolari, dette forme normali.
Costruzione 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:
1 Giochi di Ehrenfeucht-Fraissé e Logica del Prim ordine
1 Giochi di Ehrenfeucht-Fraissé e Logica del Prim ordine In questo tipo di giochi l arena è costituita da due grafi orientati G = (V, E), G = (V, E ). Lo scopo del I giocatore è di mostrare, in un numero
Espressioni Regolari
Espressioni Regolari Le espressioni regolari sono costituite dalle stringhe sull alfabeto Σ = Σ {+,,*,(,),φ} ottenute secondo le seguenti regole: 1. φ e ciascun membro di Σ sono Epressioni Regolari 2.
Programmazione Greedy I codici di Huffman
Programmazione Greedy I codici di Huffman Codifica dell informazione La rappresentazione ordinaria dell informazione prevede l impiego di un numero costante di bit; per esempio ad ogni carattere del codice
Architettura degli Elaboratori
Architettura degli Elaboratori Rappresentazione dell Informazione Barbara Masucci Cosa studiamo oggi Ø Un moderno elaboratore è un sistema elettronico digitale programmabile Ø Il suo comportamento è flessibile
Precorsi di matematica
Precorsi di matematica Francesco Dinuzzo 12 settembre 2005 1 Insiemi Il concetto di base nella matematica moderna è l insieme. Un insieme è una collezione di elementi. Gli elementi di un insieme vengono
Lezione 4. Problemi trattabili e soluzioni sempre più efficienti. Gianluca Rossi
Lezione 4 Problemi trattabili e soluzioni sempre più efficienti Gianluca Rossi Trattabile o intrattabile? Consideriamo ora il problema, ben noto a tutti gli studenti a partire dalla scuola media, di calcolare
Corso di Laurea Magistrale in Ingegneria Informatica A.A Linguaggi Formali e Compilatori. Automi. Giacomo PISCITELLI
Corso di Laurea Magistrale in Ingegneria Informatica A.A. 2013-2014 Linguaggi Formali e Compilatori Automi Giacomo PISCITELLI Generalità sugli Automi Automi In informatica teorica e in matematica discreta,
Fondamenti di informatica per la sicurezza anno accademico docente: Stefano Ferrari
Corso di Laurea in icurezza dei sistemi e delle reti informatiche Fondamenti di informatica per la sicurezza anno accademico 2004 2005 docente: tefano Ferrari 14.01.2005 del secondo compitino vers. D valutazioni
La codifica dei numeri
La codifica dei numeri La rappresentazione dei numeri con il sistema decimale può essere utilizzata come spunto per definire un metodo di codifica dei numeri all interno degli elaboratori: la sequenza
Un ripasso di aritmetica: Conversione dalla base 10 alla base 2
Un ripasso di aritmetica: Conversione dalla base 10 alla base 2 Dato un numero N rappresentato in base dieci, la sua rappresentazione in base due sarà del tipo: c m c m-1... c 1 c 0 (le c i sono cifre
Forma Normale di Chomsky
2. Eliminazione delle produzioni unitarie Forma Normale di Chomsky Una produzione si dice unitaria se è della forma A! B. Le produzioni unitarie in pratica consistono in una ridenominazione di variabili,
Automa a Stati Finiti (ASF)
Automa a Stati Finiti (ASF) E una prima astrazione di macchina dotata di memoria che esegue algoritmi Introduce il concetto fondamentale di STATO che informalmente può essere definito come una particolare
8. Completamento di uno spazio di misura.
8. Completamento di uno spazio di misura. 8.1. Spazi di misura. Spazi di misura completi. Definizione 8.1.1. (Spazio misurabile). Si chiama spazio misurabile ogni coppia ordinata (Ω, A), dove Ω è un insieme
Sommario Codifica dei dati Macchina Astratta Definizioni Esempi
Sommario Codifica dei dati Macchina Astratta Definizioni Esempi 1 2 Codifica dei dati È possibile introdurre la teoria della computabilità facendo riferimento ad algoritmi che elaborano numeri naturali
Linguaggi formali e compilazione
Linguaggi formali e compilazione Corso di Laurea in Informatica A.A. 2014/2015 Linguaggi formali e compilazione sul corso Sito web: http://algogroup.unimore.it/people/mauro/dida/2014-2015 / Ricevimento:
Complementi ed Esercizi di Informatica Teorica II
Complementi ed Esercizi di Informatica Teorica II Vincenzo Bonifaci 21 maggio 2008 4 Problemi di ottimizzazione: il Bin Packing Il problema bin packing è il seguente: dato un insieme di n oggetti di dimensioni
INSIEMI E RELAZIONI. 1. Insiemi e operazioni su di essi
INSIEMI E RELAZIONI 1. Insiemi e operazioni su di essi Il concetto di insieme è primitivo ed è sinonimo di classe, totalità. Sia A un insieme di elementi qualunque. Per indicare che a è un elemento di
Fondamenti d Informatica: Le Macchine di Turing. Barbara Re, Phd
Fondamenti d Informatica: Le Macchine di Turing Barbara Re, Phd Agenda } Introdurremo } il formalismo delle Macchine di Turing nelle varie versioni } la nozione di calcolabilità e di decidibilità 2 La
Appunti del Corso Analisi 1
Appunti del Corso Analisi 1 Anno Accademico 2011-2012 Roberto Monti Versione del 5 Ottobre 2011 1 Contents Chapter 1. Cardinalità 5 1. Insiemi e funzioni. Introduzione informale 5 2. Cardinalità 7 3.
Analogico vs. Digitale. LEZIONE II La codifica binaria. Analogico vs digitale. Analogico. Digitale
Analogico vs. Digitale LEZIONE II La codifica binaria Analogico Segnale che può assumere infiniti valori con continuità Digitale Segnale che può assumere solo valori discreti Analogico vs digitale Il computer
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 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
Sviluppi e derivate delle funzioni elementari
Sviluppi e derivate delle funzioni elementari In queste pagine dimostriamo gli sviluppi del prim ordine e le formule di derivazioni delle principali funzioni elementari. Utilizzeremo le uguaglianze lim
modificato da andynaz Cambiamenti di base Tecniche Informatiche di Base
Cambiamenti di base Tecniche Informatiche di Base TIB 1 Il sistema posizionale decimale L idea del sistema posizionale: ogni cifra ha un peso Esempio: 132 = 100 + 30 + 2 = 1 10 2 + 3 10 1 + 2 10 0 Un numero
Macchine di Turing. Francesco Paoli. Istituzioni di logica, Francesco Paoli (Istituzioni di logica, ) Macchine di Turing 1 / 29
Macchine di Turing Francesco Paoli Istituzioni di logica, 2016-17 Francesco Paoli (Istituzioni di logica, 2016-17) Macchine di Turing 1 / 29 Alan M. Turing (1912-1954) Francesco Paoli (Istituzioni di logica,
Esercizi 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
Compressione Dati. Teorema codifica sorgente: Entropia fornisce un limite sia inferiore che superiore al numero di bit per simbolo sorgente.. p.
Compressione Dati Teorema codifica sorgente: Entropia fornisce un limite sia inferiore che superiore al numero di bit per simbolo sorgente.. p.1/21 Compressione Dati Teorema codifica sorgente: Entropia
Rappresentazione di numeri relativi (interi con segno) Rappresentazione di numeri interi relativi (con N bit) Segno e Valore Assoluto
Rappresentazione di numeri relativi (interi con segno) E possibile estendere in modo naturale la rappresentazione dei numeri naturali ai numeri relativi. I numeri relativi sono numeri naturali preceduti
Linguaggi. Rosario Culmone, Luca Tesei. 20/10/2009 UNICAM - p. 1/32
Linguaggi Rosario Culmone, Luca Tesei 20/10/2009 UNICAM - p. 1/32 Alfabeto Un alfabeto è un insieme finito di simboli. Useremo Σ per denotare un alfabeto. Esempi di alfabeto sono: l alfabeto latino adottato
LOGICA MATEMATICA PER INFORMATICA (A.A. 12/13)
LOGICA MATEMATICA PER INFORMATICA (A.A. 12/13) DISPENSA N. 4 Sommario. Dimostriamo il Teorema di Completezza per il Calcolo dei Predicati del I ordine. 1. Teorema di Completezza Dimostriamo il Teorema
Elementi 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.
Logica proposizionale
Definire un linguaggio formale Logica proposizionale Sandro Zucchi 2013-14 Definiamo un linguaggio formale LP (che appartiene a una classe di linguaggi detti linguaggi della logica proposizionale) Per
Complementi 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
Esempio: quanto mi piace questo corso! qufuafantofo mifi pifiafacefe qufuefestofo coforsofo!
Esercizio 1 Scrivere un programma che acquisisca da tastiera una sequenza di caratteri terminata da! e riporti sul monitor una sequenza derivata dalla precedente secondo le regole dell alfabeto farfallino
Esercizi sullo studio di funzione
Esercizi sullo studio di funzione Seconda parte Come visto nella prima parte, per poter descrivere una curva, data la sua equazione cartesiana esplicita y f () occorre procedere secondo l ordine seguente: