Automatas y Lenguajes Formales 301405 2015 1

1
Ing.(Msc). Carlos Alberto Amaya Tarazona --- Copyright 2015
AUTMATAS Y LENGUAJES FORMALES

AUTOR:
Carlos Alberto Amaya Tarazona
https://www.camayat.com
Duitama (Boyac)
Colombia
Versin 5 2015.
Tabla de contenido
LISTA DE FIGURAS................................................................................................................................ 6
LISTA DE TABLAS.................................................................................................................................. 8
INTRODUCCIN ................................................................................................................................... 9
ANEXO 1: LISTADO DE SMBOLOS USADOS....................................................................................... 12
ANEXO 2: PRESABERES: TEORA DE CONJUNTOS.............................................................................. 14
I.
GENERALIDADES: ............................................................................................................ 14
I.I OPERACIONES CON CONJUNTOS: ......................................................................................... 15
I.II EQUIVALENCIAS DE CONJUNTOS: ........................................................................................ 17
I.III RELACIONES:........................................................................................................................ 18
I.IV FUNCIONES: ........................................................................................................................ 22
PRIMERA UNIDAD: LENGUAJES REGULARES ..................................................................................... 23

CAPITULO 1: CONCEPTOS BSICOS ............................................................................................... 23
LECCIN 1: INTRODUCCIN E HISTORIA: .................................................................................. 23
LECCIN 2. - ALFABETOS, CADENAS Y LENGUAJES ................................................................. 26
LECCIN 3. AUTMATAS Y LENGUAJES ................................................................................... 29
LECCIN 4. LENGUAJES REGULARES ........................................................................................ 31
LECCIN 5. AUTMATA ............................................................................................................ 34
CAPITULO 2. AUTMATAS FINITOS............................................................................................... 37
LECCIN 6. DEFINICIN FORMAL DE AUTMATAS FINITOS .................................................... 37
LECCIN 7. AUTMATAS FINITOS DETERMINSTICOS (AFD) .................................................... 40
LECCIN 8. AUTMATAS FINITOS NO DETERMINSTICOS (AFND)............................................ 43
LECCIN 9. AUTMATA FINITO CON TRANSICIONES ........................................................... 45
3
LECCIN 10. LENGUAJE ACEPTADO POR UN AF........................................................................ 46

CAPITULO 3: EXPRESIONES Y LENGUAJES REGULARES ................................................................. 48
LECCIN 11. LENGUAJES REGULARES Y EXPRESIONES REGULARES ......................................... 48
LECCIN 12. SIGNIFICADO DE LAS EXPRESIONES REGULARES.................................................. 49
LECCIN 13. AUTMATAS FINITOS Y EXPRESIONES REGULARES ............................................. 51
LECCIN 14. EQUIVALENCIA DE AFD Y AFND ............................................................................ 57
LECCIN 15. MINIMIZACIN DE AUTMATAS ......................................................................... 60
UNIDAD 2. LENGUAJES INDEPENDIENTES DEL CONTEXTO ............................................................... 66
CAPTULO 4 CONCEPTOS GENERALES ........................................................................................... 66
LECCIN 16. GRAMTICAS REGULARES ................................................................................. 67
LECCIN 17. LENGUAJES LIBRES DE CONTEXTO Y SUS MQUINAS. ........................................ 73
LECCIN 18. ARBOLES DE DERIVACIN .................................................................................... 75
LECCIN 19. TRANSFORMACIN DE LAS GLC Y FORMAS NORMALES ...................................... 81
LECCIN 20. LIMITACIONES DE LOS LLC.................................................................................... 87
CAPITULO 5. AUTMATAS DE PILA ............................................................................................... 89
LECCIN 21. DEFINICIN DE AUTMATA CON PILA ................................................................. 89
LECCIN 22. FUNCIONAMIENTO DE LOS AUTMATAS DE PILA ............................................... 91
LECCIN 23. DISEO DE AUTMATAS DE PILA ......................................................................... 92
LECCIN 24. FUNCIONES QUE SE APLICAN SOBRE LOS STACKS. (PILAS). ................................ 96
LECCIN 25. COMBINACIN MODULAR DE AUTMATAS DE PILA .......................................... 97
CAPITULO 6: PROPIEDADES DE LOS LENGUAJES INDEPENDIENTES DE CONTEXTO...................... 98
LECCIN 26. LENGUAJE ACEPTADO POR UN AP ....................................................................... 98
LECCIN 27. RELACIN ENTRE LOS AUTMATAS DE PILA Y LENGUAJES LIBRES DE CONTEXTO100
4
LECCIN 28. PROPIEDADES DE CLAUSURA DE LOS LENGUAJES LIBRES DE CONTEXTO .......... 102
LECCIN 29. ALGORITMOS DE DECISIN PARA LOS LENGUAJES LIBRES DE CONTEXTO. ....... 103
LECCIN 30. PROBLEMAS INDECIDIBLES PARA LENGUAJES LIBRES DE CONTEXTO. .............. 105
UNIDAD 3 LENGUAJES ESTRUCTURADOS POR FRASES. ................................................................. 106
CAPITULO 7 MAQUINAS DE TURING. .......................................................................................... 107
LECCIN 31. FORMALIZACIN DE LAS MT. ............................................................................. 108
LECCIN 32. FUNCIONAMIENTO DE LA MQUINA DE TURING. ............................................. 110
LECCIN 33. DIFERENCIAS ENTRE LAS COMPUTADORAS Y LAS MQUINAS DE TURING ..... 113
LECCIN 34. LA MAQUINA UNIVERSAL DE TURING. ............................................................... 113
LECCIN 35. LENGUAJES ACEPTADOS POR LA MAQUINA DE TURING. .................................. 114
CAPITULO 8: MAQUINAS DE TURING Y COMPUTACIN. ............................................................ 117
LECCIN 36. TESIS DE CHURCH /TURING. ............................................................................... 117
LECCIN 37. VARIANTES DE UNA MAQUINA DE TURING. ...................................................... 119
LECCIN 38. PROBLEMAS DE HILBERT. ................................................................................... 121
LECCIN 39. PROBLEMAS INSOLUBLES PARA LA TEORA DE LENGUAJES.............................. 125
CAPITULO 9. FUNCIONES RECURSIVAS ....................................................................................... 126
LECCIN 40. LENGUAJES DECIDIBLES ...................................................................................... 126
LECCIN 41. PROBLEMAS DE HALTING .................................................................................. 127
LECCIN 42. DECIBILIDAD DE TEORAS LGICAS .................................................................... 129
LECCIN 43. REDUCIBILIDAD DE TURING................................................................................ 130
LECCIN 44. APLICACIONES DE LAS MAQUINAS DE ESTADOS. ALGORITMO DE TRELLIS. ..... 133
LECCIN 45: ALGORITMO DE VITERBI ..................................................................................... 145
SIMULADORES: ................................................................................................................................ 151
5
ANEXO: EJERCICIOS DE REPASO ...................................................................................................... 152

BIBLIOGRAFIA .................................................................................................................................. 183
LISTA DE FIGURAS
Pg.
Figura 1: Grafo relacin binaria
Figura 2: Una Relacin Reflexiva
Figura 3: Una Relacin Antireflexiva.
Figura 4: Una Relacin Simtrica
Figura 5: Una Relacin Antisimtrica
Figura 6: Una Relacin Transitiva
Figura 7: Una Relacin Transitiva (otra forma de representarla).
Figura 8: Proceso de traduccin realizado por un compilador
Figura 9: Clasificacin de los Lenguajes. Jerarqua de Chomsky. N
Figura 10: Mquina de estados. Estructura
Figura 11: Tabla de transicin de un Autmata Finito.
Figura 12: Diagrama de Moore para un Autmata Finito.
Figura 13: Tabla de transicin para un Autmata Finito generado con
software simulador VAS.43
Figura 14: Diagrama de Moore asociado a un AFD.
Figura 15: Diagrama de Moore asociado a un AFND.
Figura 16: Diagrama de Moore asociado a un AFND Figura 17: Lenguaje asociado a un AFD
Figura 18: Propiedades de las ER
Figura 19: ER representada en una mquina de estados
Figura 20: Grfica de transicin (GT)
Figura 21: Operadores bsicos de conversin de AF a ER
Figura 22: Transformacin de Er a AF.
Figura 23: Obtencin de una ER a partir de un AF
Figura 24: Obtencin de una ER a partir de un AF PASO 1
Figura 25: Obtencin de una ER a partir de un AF PASO 2
Figura 26: Obtencin de una ER a partir de un AF PASO 3.
Eliminacin de nodo.
Eliminacin de nodo q0.
Fusin de expresiones
Figura 29: Equivalencia de una AFND con un AFD
Figura 30: AF distintos que aceptan un miso lenguaje.
Figura 31: rbol de comparacin de AF.
Figura 32: Autmata a minimizar
6
21
22
23
23
23
24
24
33
34
38
41
41
44
47
48
50
53
53
55
55
56
57
58
58
59
59
59
60
61
62
64
Figura 33: Eliminacin de estados en un autmata AF

Figura 34: Eliminacin de otros estados en un autmata AF
Figura 36: Tabla de estados distinguibles
Figura 37: Autmata obtenido de la Gramtica 1.
Figura 38: Autmata obtenido de la Gramtica 1 generado con un simulador.
Figura 41: AFD y su gramtica.
Figura 42: rbol de derivacin para una secuencia de parntesis
bien balanceados.
Figura 43: rbol de derivacin para la cadena aabbaa
Figura 44: rbol de derivacin para la cadena aabbaa generado en JFLAP
Figura 45: Derivaciones por la izquierda, generadas en JFLAP
Figura 46: Arboles de derivacin para la gramtica G3
Figura 47: Arboles de derivacin para una gramtica ambigua
Figura 48: Arboles de derivacin para una gramtica ambigua para a5
Figura 49: Arboles de derivacin para a5
Figura 50: Arboles de derivacin para parntesis balanceados
Figura 52: Arboles de derivacin en el lema de bombeo
Figura 53: Formalizacin de un PDA
Figura 54: Transicin de un PDA
Figura 55: Estructura de un PDA para =aabb
Figura 56: Diseo de un PDA para =aabb
Figura 57: Funciones de la Pilas.
Figura 58: Unin de AP.
Figura 59: Autmata AFPD.
Figura 60: Grafo para L finito y L infinito.
Figura 61: Componentes de una MT
Figura 62: Mquina de Turing simulada en JFLAP
Figura 63: Modelo de un sistema de comunicaciones digitales
Figura 64: Cdigo secuencial
Figura 65: Codificador convolucional de m etapas
Figura 66: Mquina de estados. Registro de desplazamiento convolucional
de ratio y una etapa
(datos 000 y 100)
(datos 010 y 110)
Figura 69: Diagrama de estados para el codificador convolucional de ratio 1/2
Figura 70: Codificador convolucional de ratio 1/3 y m=3
Figura 71: rbol para un codificador convolucional de ratio 1/2
Figura 72: Diagrama de Trellis (transicin de estados).
Figura 73: Diagrama de Trellis completo (transicin de estados).
7
66
66
67
68
73
73
74
75
76
80
80
81
81
82
83
84
84
87
89
91
93
95
97
97
99
100
101
107
111
115
139
140
141
142
142
143
143
144
144
145
146
Figura 74: Datos correctos codificados

Figura 75: Distancia de Hamming
Figura 76: Distancia de Hamming Nivel 1.
Figura 79: Diagrama de Viterbi.. Trayecto de recorrido ptimo.
Figura 80: Solucin final Trellis y Viterbi. Datos de entrada 11010011.
148
150
150
151
151
152
153
LISTA DE TABLAS
Pg
Tabla 1: Smbolos usados
Tabla 2: Propiedades comunes de las relaciones binarias
Tabla 3: Evolucin Histrica de la Teora de la Computacin
Tabla 4: Recursos web referentes a la historia de la temtica
Tabla 5: Recursos web para alfabetos, cadenas y lenguajes
Tabla 6: Asociacin de gramticas, lenguaje y mquinas.
Tabla 7: Recursos web para construccin de autmatas.
Tabla 8: Recursos web para diagramas de Moore.
Tabla 9: Recursos web para AFND
Tabla 10: Recursos web para cadenas vlidas
Tabla 12: Recursos web para minimizacin de autmatas
Tabla 13: Recursos web para PDA
Tabla 14: Traza de ejecucin del AP
Tabla 16: Recursos web para MT
Tabla 17: Relacin de bits y estados
Tabla 18: Recursos web para el algoritmo de Trellis y Viterbi
Tabla 19: Recursos web para descarga de simuladores.
Tabla 20: Desarrollo de ejercicio autmata finito
Tabla 21: Desarrollo de ejercicios de expresiones Regulares (ER).
Tabla 22: Desarrollo de un ejercicio de minimizacin
Tabla 23: Desarrollo de ejercicio de un APD
Tabla 24: Cdigo Convolucional. Codificacin y decodificacin. Ejercicio.
Tabla 25: Clculo de un dato de entrada a partir de uno codificado.
Tabla 26: Cmo leer una Expresin Regular (ER)
14
22
26
28
29
36
39
41
47
50
59
69
76
98
99
116
149
153
154
175
176
178
179
180
182
185
INTRODUCCIN
El presente material acadmico y de investigacin que he consolidado, pretende ser una
gua general e introductoria, al basto y grande contenido que abarca la Teora de Autmatas
y lenguajes Formales, recorriendo las temticas, de una manera simple objetiva y efectiva,
dado el alto contenido analtico, matemtico y de comprensin que tiene las temticas a las
que hace referencia la tabla de contenido que se presenta.
El material acadmico que a continuacin se presenta, es producto de la recopilacin

analtica objetiva y crtica de experiencias en la formacin profesional en el rea de la
computacin, matemticas, ingeniera, transmisin de redes de datos, y para el caso el de la
teora de Autmatas y lenguajes Formales, que ya por varios aos y en diferentes capos de
accin se ha tenido que aplicar.
Los contenidos que s e documentan y explican, llevan al lector a que asimile dos temticas
bsicas para esta rea de conocimiento:
Que pueda comprender los conceptos y mecanismos fundamentales para la

definicin
de lenguajes: mecanismos como (expresiones regulares, gramticas
independientes del contexto y gramticas generales),
Junto al anterior bloque, el lector comprender y abordar los tres tipos de mquinas
correspondientes para el reconocimiento de esos lenguajes como son: (autmatas
finitos, autmatas a pila y mquinas de Turing) y las propiedades fundamentales de
las familias de lenguajes por ellos definidas, tambin realiza el estudio de las
condiciones necesarias para que un lenguaje sea de un tipo determinado.
La necesidad objetiva de comprender las temticas, sumada a las dificultades que muchos
lectores presentan para comprender y asociar la automatizacin a la solucin de problemas
reales mediante mquinas abstractas o a la identificacin de problemas solubles, insolubles
e indecidibles, me ha llevado a hacer uso de raciocinios sencillos sin necesidad llegara
demostraciones matemticas, jugando un papel secundario la implementacin de algoritmos.
Se presentan temticas que son base para comprender los lenguajes de programacin de
alto y bajo nivel y que propician la distincin entre lenguajes formales con reglas
sintcticas y semnticas rgidas, concretas y bien definidas, de los lenguajes naturales
9
como el ingls o el espaol, donde la sintaxis y la semntica no se pueden controlar

fcilmente. Los intentos de formalizar los lenguajes naturales, lleva a la construccin de
gramticas, como una forma de describir estos lenguajes, utilizando para ello reglas de
produccin para construir las frases del lenguaje. Se puede entonces caracterizar un
lenguaje mediante las reglas de una gramtica adecuada.
Los temas sobre autmatas, computabilidad, e incluso la complejidad algortmica fueron

incluidos de forma referencial y bsica en cada unidad, ya que como la historia lo dice y de
manifiesto propio, las ciencias de la computacin han usado gran cantidad de ideas de muy
diferentes campos para su desarrollo, y que la investigacin sobre aspectos bsicos
poda cooperar y aumentar los avances de la computacin.
Como elemento determinante para que el lector de manera progresiva y jerrquica

comprende la lgica de este tipo de anlisis matemtico, estn los conceptos previos y
claros que se deben reconocer en el rea de la matemtica y la teora de conjuntos,
funciones, relaciones y principios fundamentales de la lgica, ya que estos temas no son
tratados como temticas en el libro, pero que tienen gran importancia en los fines para los
que se cre este documento.
Muchos autores referenciados en las fuentes bibliogrficos y de los cuales se han tomado
anlisis y ejercicios clave para poder comprender la temtica, usan diferentes tipos de
nomenclaturas, frmulas y smbolos, ya que como tal, los lenguajes, expresiones regulares,
funciones entre otros deben representarse matemticamente. Para estandarizar de manera
sencilla, se presenta como Anexo a este libro, la lista de smbolos usados y su significado.
La Metodologa que se aplica para que el lector pueda sintetizar su conocimiento y

aplicabilidad en el rea, se basa en el desarrollo d ejercicios de manera simple y objetiva,
recreando mquinas abstractas en simuladores sin necesidad de documentar demasiados
conceptos inicialmente o sin hacer uso de demostraciones matemticas de teoremas,
frmulas o teoras, que quedan para que el lector luego de ver el funcionamiento de la lgica
matemtica aplicada, y a manera de ingeniera inversa, resuelva nudos analticos en este
tipo de conceptos y anlisis matemticos.
10
Como complemento a una aplicabilidad que tienen las Teora de lenguajes y autmatas, se
explica el funcionamiento del algoritmo de la modulacin codificada de Trellis y la
Decodificacin de Viterbi (algoritmos creados para el aumento de velocidad y para la mejora
de la veracidad) codificaciones de canal y de fuente en transmisin de datos como tcnicas
de deteccin y correccin de errores. Este algoritmos se explica mediante los diagramas de
rbol y grafos para cdigos convolucionales en los que se observa el paso de las
transiciones la entrada de datos y los cambios de estado.
Finalmente les he desarrollado un material en video que les apoya el desarrollo de los
ejercicios de este libro, unos tomados de otras fuentes documentales y otros de autora
propia y que estn a disposicin para su descarga o visualizacin.
11
ANEXO 1: LISTADO DE SMBOLOS USADOS

Los siguientes son los smbolos usados en el presente libro y son la base para todos los
ejercicios y temticas expuestas. Muchos autores difieren en el tipo de simbologa usada,
pero se ha procurado consolidar y usar los ms comunes acorde a su significado y
aplicabilidad.
Tabla 1: Smbolos usados
Smbolo
AZUL
NARANJA
NEGRO
ROJO
L
M
A
K
F
S
<
Nombre
Estados
Transiciones
Smbolos y
cadenas
Significado /Ejemplo
Para efectos de representar diagramas de Moore, tablas de
transicin: El libro representa los componentes diferenciando
colores: Ejemplo:
Estado inicial
Estado final
(doble crculo)
Sigma
Letra
Ele
mayscula
Eme
A
Ka
Efe
Ese
Sigma
Ro
Omega
Upsilon
Alpha
Beta
Alfabeto
Lenguaje sobre un determinado alfabeto
Lambda
Delta
Gamma
Gammar
Ge
Unin
Interseccin
Comparacin
Comparacin
Comparacin
Representa una cadena vaca
Mquina de estados Finitos

Autmata
Suele denotar el conjunto de estados de un autmata
Suele denotar el conjunto de estados finales de un autmata
Suele denotar el estado inicial de un autmata
Denota una funcin.
Funcin de transicin de un autmata
Denota una cadena o palabra sobre un alfabeto
Denota una cadena o palabra sobre un alfabeto
Otras cadenas. En algunos caso indica una Expresin Regular (ER)
Otras cadenas. Muy usado en denotar cadenas en gramticas.
Suele denotar el Alfabeto de una Pila (AP) (PDA)

Suele denotar un conjunto de cadenas de un PDA
Representa una gramtica
Menor o igual que

Mayor o igual que
Menor que
12
>
=
|
*
|A|
Ac
R
R 1
Comparacin
igualdad
mid
estrella
Pertenece
No pertenece
Incluye
Subconjunto
propio
vaco
Mayor que
Ejemplo: A B
A est incluido en B
Conjunto vaco
Indica
cantidad
Complemento
Tamao de un conjunto. Ejemplo para el conjunto A.
Relacin
Inverso
Para denotar una relacin binaria

Inverso de una Relacin R
Negacin
lgica (neg)
Implicacin en
un
solo
sentido
Una barra colocada sobre otro operador es equivalente a un

colocado a la izquierda.
Lgica proposional entonces. }
Con la flecha sencilla a la derecha en gramticas, indica las
producciones que se pueden tener.
Doble
implicacin
Lgica proposional Si A es verdadera entonces B tambin.
Forall
Exists
Mid
Se lee: Para todo

Se lee Existe
Separa producciones en una gramtica. En algunas expresiones se
lee tal que
Fuente: El Autor
Complemento de un conjunto. Ejemplo para el conjunto A.
13
ANEXO 2: PRESABERES: TEORA DE CONJUNTOS

I.
GENERALIDADES:
Las nociones bsicas de la Teora de conjuntos, son necesarias para el inicio del estudio de
la Teora de la Computacin.
Un conjunto es una coleccin de objetos llamados elementos del conjunto. Si definimos un
conjunto como A y a es un elemento de ese conjunto A, se usa la notacin a A (se lee a
es un elemento de A). Por lo contrario b A indica que b no es un elemento de A.
Si
a1,a2,,.an, son elementos de A, entonces se debe indicar as : A={a1,a2,.an}. La
caracterstica de un conjunto es dada por sus elementos ms no por el orden en que se

listan, es por ello que {a,b,c,d} y {d,a,c,b} denotan el mismo conjunto. Caso diferente cuando
veamos cadenas o expresiones de autmatas en el que el orden de las mismas denotar
cadenas diferentes.
Dado dos conjuntos A y B, estos son exactamente iguales si contienen exactamente los
mismos elementos: A={1,2,3} y B ={2,3,1}, es vlido afirmar y escribir que A=B. No se tienen
en cuenta las repeticiones de elementos ni tampoco el orden de estos.
Es relevate para este estudio diferenciar que a y {a} no son lo mismo a {a} .
E conjunto {{a,b}} tiene un nico elemento: {a,b}
Si A y B son conjuntos y todos los elementos de A son tambin elementos de B, se escribe
A B y se dice que A es un subconjunto de B. Tambin podemos decir que A est incluido
en B Ejemplo 1: Si A={1,2,3} y B={0,1,2,3,4,5,6,7} se obtiene A B y es vlido afirmar que B
no es un subconjunto de A porque los elementos 0,4,5,6,7 no lo son del conjunto A.
Una explicacin concreta de subconjunto propio: Cualquier conjunto es un subconjunto de s
mismo. Si A es un subconjunto de B pero A no es igual a B se dice que A es un subconjunto
propio de B y se nota como A B.
Teorema 1. Si A B y B A simultnameamente, entonces todos los elementos de A
estn en B y todos los elementos de B estn en A. Por lo tanto:
Si A B y B A , tenemos que A=B
Teorema 2. Si A B y B C , entonces A C
14
Conjunto Vaco: Es llamado tambin nulo y es aquel que no tiene elementos. Se denota
como . El conjunto vaco es un subconjunto de todos los conjuntos; por lo cual es vlido
denotar: A para todo conjunto A.
Tamao de un conjunto: El tamao de un conjunto es el nmero de elementos que
contiene, y se representa como: |A| para un conjunto A.
Ejemplo 2
El tamao de {1,2,3,4,5} es 5
E tamao de {{a,b,c} , {a}} es 2 siendo el primero {a,b,c} y el segundo {a}
El orden de los elementos de un conjunto es irrelevante.

Ejemplo 3 El conjunto A = {{a,b}, {c}} y el conjunto B={{c},{b,a}} son iguales: A=B
Descripcin matemtica del contenido de un conjunto: Un conjunto se puede especificar
enumerando sus elementos entre llaves y separados por comas y esto es lo que se llama
definicin por extensin. muchas veces y para el caso de la Teora de Autmatas que trata
este libro, no es posible especificar elementos de un conjunto o alfabeto porque el conjunto
es infinito y entonces se usa una definicin por comprensin, es decir, haciendo referencia a
otros conjuntos (conjuntos referenciales) y a propiedades que los elementos puedan tener.
A travs de desarrollo de la temtica, y especficamente para poder describir autmatas,
lenguajes y leer expresiones regulares, tendremos que aprender a leer funciones de
transicin, tuplas entre otros. Un buen ejercicio es empezar a interpretar lecturas y que de
forma general se definen como:
B= {x A | x cumple la propiedad P}
Sea P(x) una proposicin sobre x. La notacin {x | P(x)} se interpreta como: el conjunto de
todos los x tales que P(x), denota el conjunto de todos los x para los cuales P(x) es una
proposicin verdadera. Ejemplo 4:
{x | x y x 7} hace referencia al conjunto {0,1,2,3,4,5,6}
I.I OPERACIONES CON CONJUNTOS:

En aritmtica bsica se pueden trabajar tres operaciones: sumar restar y multiplicar dos
nmeros. E la teora de conjuntos existen tres operaciones que son anlogas a la suma,
resta y multiplicacin.
Unin de Conjuntos: La unin de conjuntos A y B se denota por A B y es un conjunto
formado por los elementos que aparecen en A, en B o en ambos:
15
A B {x | x a V x B}
Ejemplo 5: {1,2,3} {3,4} = {1, 2, 3, 4}. La unin de conjuntos es conmutativa y

asociativa.
Interseccin de conjuntos: x aparece simultneamente en A y B
A B {x | x a x B}
La interseccin es conmutativa y asociativa

Ejemplo 6: Sea el conjunto A= {1,2,3} y B = {3,4} se tiene que A B = {3}.
Ejemplo 7: {0} mientras que
Conjuntos Disjuntos: Se dice que A y B son disjuntos si
A B=
lo que es lo mismo, si su interseccin es el conjunto vaco.

Diferencia de conjuntos: A - B, que contiene los elementos de A que no estn en B, esto es:
A B {x | x a x B}
Ejemplo 8: {1,2,3,4,5} {3,4} = {1,2,5}. La resta o diferencia de conjuntos no siempre le

quita elementos al primer conjunto; por ejemplo {1,2,3}{4,5} = {1,2,3}. La diferencia de
conjuntos no es ni asociativa ni conmutativa.
Producto (Producto Cartesiano).De dos conjuntos AXB, es el conjunto de pares ordenados
(a,b) tales que:
AXB {( x, y ) | x A y B}
Ejemplo 9: {1,2}x{3,4,5} {(1,3), (1,4), (1,5), (2,3), (2,4), (2,5)}

El tamao de un producto cartesiano AB es |A| multiplicado por |B|. El producto cartesiano
no es conmutativo, pues no es lo mismo un par (a, b) que uno (b, a), ni asociativo, pues no es
lo mismo (a, (b, c)) que ((a, b), c).
16
I.II EQUIVALENCIAS DE CONJUNTOS:

Bsicamente consiste y son tiles para reemplazar expresiones pro otras equivalentes o que
tengan el mismo resultado.
Teorema 3.
A A
A
Si A B , entonces A B A
Si A B , entonces A B B
Muchos teoremas y demostraciones surgen de las combinaciones de estas cuatro

operaciones. Es suficiente con comprender que elementos pertenecen a un conjunto
validados por alguna propiedad u operacin que les preceda. Algunas propiedades derivadas
de etas operaciones son:
Idempotencia:
A A A ;
A A A
Conmutatividad:
A B B A ; A B B A
Asociatividad:
( A B) C A ( B C )
( A B )C A ( B C )
A ( B C ) ( A B) ( A C )
Distributividad:
A ( B C ) ( A B) ( A C )
Absorcin:
Leyes de Morgan:
A ( A B) A ; A ( A B) A
A B A B
se suele denotar tambin como:
( A B) C A C B C
A B A B
se suele denotar tambin como:
( A B) C A C B C
Doble complemento. ( AC ) C A
Ejemplo 10 del uso de estas equivalencias: Usando la unin y el complemento, se puede

expresar una interseccin de conjuntos. ( A B) (( A B)C )C ( AC BC )C
Conjunto Potencia: Se denota como 2 A . La coleccin de todos los subconjuntos de A es a
su vez un conjunto llamado conjunto potencia. Al conjunto potencia de A tambin se le suele
llamar conjunto de las partes de A y se nota como P(A).
O de igual forma: 2 A {x | x A}
17
Ejemplo 11: 2{1, 2,3} { ,{1}, {2}, {3}, {1,2}, {1,3}, {2,3}, {1,2,3}}
El conjunto vaco siempre forma parte de todo conjunto potencia. La notacin 2 A recuerda
que el tamao del conjunto potencia de A es 2 elevado a la potencia del tamao de A, esto
es, | 2 A | = 2| A| .
Complemento de un conjunto: de un conjunto, es un caso particular de la diferencia,
cuando el primer conjunto es considerado como el universo que contiene todos los
elementos posibles. Sea U un universo, entonces el complemento del conjunto A, denotada
por A c contiene los elementos del universo que no estn en A.
Ejemplo 12: Sea U (El Universo de los nmeros naturales), el complemento de los
nmeros mltiplos de tres (3) {3,6,9,12,15,...}c = {1,2,4,5,7,8,10,11,13,14, .}.
Se concluye que A Ac U para todo conjunto A; adems A Ac
I.III RELACIONES:
Se derivan del producto cartesiano de conjuntos. Precisamente se llama relacin a todo
subconjunto de un producto cartesiano. En esencia combinaciones de objetos de un
determinado tipo que estn relacionados de alguna forma.
Relacin Binaria: La relacin binaria definida en un conjunto A es un subconjunto del
producto cartesiano A x A.
Ejemplo 13: Sea el conjunto A = {a, b, c}. El grafo de la figura (1) representa una relacin
binaria definida en A, puesto que los pares (c,a), (b,a) (b,b) constituyen un subconjunto de A x
A.
Figura 1: Grafo relacin binaria
Fuente:<El autor>
18
Se dice que dos elementos a y b estn relacionados, y se escribe a R b, a est relacionado

con b mediante la relacin binaria R, cuando el par ordenado (a,b) pertenece al subconjunto
del producto cartesiano que define la relacin.
Ejemplo 14: La relacin contiene los pares de los nmeros naturales tales que el primer
componente es menor o igual al segundo, esto es,
= {(1,1),(1,2),(1,3),(1,4),(2,3)}
Tngase en cuenta que se llama par ordenado a una pareja de objetos escritos entre
parntesis y separados por comas.
Cuando se trabajan relaciones es importante tener en cuenta:
Por ejemplo, (a,b) es un par ordenado y a,b son los componentes del par ordenado. No es lo
mismo (ya que el orden si influye), lo siguiente:
( a, b) {a, b}
(a, b) (b, a )
Sin embargo:
{a, b} {b, a}
El orden si influye, sin embargo, no todos los subconjuntos del producto cartesiano, pueden
ser aceptados como la relacin de la condicin que exprese. Algunas caractersticas de
estas relaciones son:
Inverso de una Relacin: Se llama inverso de una relacin R, denotado por R 1 , a aquella
en donde se invierte el orden de los pares ordenados, esto es:
R 1 {( y, x) | ( x, y) R}
Ejemplo 15: El inverso de la relacin {(1,2),(2,3),(1,3)} es {(2,1),(3,2),(3,1)}
Propiedades ms comunes de las Relaciones Binarias. No se citan olas que se derivan
de las bsicas que se relacionan a continuacin.
Tabla 2: Propiedades comunes de las relaciones binarias
Propiedad
Reflexiva
Antireflexiva
Simtrica
Condicin
R es reflexiva si a A : aRa
R es antireflexiva si a A : (aRa ) aRa
R es simtrica si a, b A : (aRb) (bRa )
19
Antisimtrica
Transitiva
R es antisimtrica si a, b A : (aRb) (bRa )

R es transitiva si a, b, c A : (aRb) (bRc) (aRc)
Fuente: El Autor
La Relacin es una caracterstica que se debe aplicar

Reflexiva: Cada elemento tiene un bucle. Ejemplo 16 Si A = {a,b,cd} y R es una relacin ser
igual que o de la forma (x,x) se tiene: R={(a,a),(b,b),(c,c),(d,d)}.
Figura 2: Una Relacin Reflexiva
Fuente:<El autor>
Antireflexiva: Ningn elemento tiene un bucle. Ejemplo 17 Si A={1,2,3,4} y R es la relacin

menor que, se tiene: R={(1,2),(1,3),(1,4),(2,3),(2,4),(3,4)}
Figura 3: Una Relacin Antireflexiva.
Fuente:<El autor>
20
Simtrica: Cada relacin de ida tiene otra de vuelta. Ejemplo 18 Si A={1,2,3,4} y R es tal que
R = {(-1, -1), (-1, -3), (2, 2), (2, 4), (-3, -1), (-3, -3), (4, 2), (4, 4)}.
Figura 4: Una Relacin Simtrica
Fuente:<El autor>
Antisimtrica: Ninguna flecha de ida tiene otra de vuelta, salvo en el caso de los bucles,
que estn permitidos. Ejemplo 19 Si A = {1, 2, 3, 4} y R es la relacin ser menor o igual que,
se tiene: R = {(1, 2), (1, 3), (1, 4), (2, 3), (2, 4), (3, 4), (1, 1), (2, 2), (3, 3), (4, 4)}
Figura 5: Una Relacin Antisimtrica
Fuente:<El autor>
Transitiva: Si existen dos relaciones o flechas consecutivas, debe haber otra que una el
primer elemento con el tercero. Ejemplo 20 Si A = {1, 2, 3, 4} y R es la relacin ser mayor que,
se tiene: R = {(3, 2),(2, 1), (3, 1), (4, 1), (4, 2), (4, 3)}
Figura 6: Una Relacin Transitiva
Fuente:<El autor>
21
Otra forma de interpretar esta relacin dice que siempre que contiene los pares (x,y) y (y, z)
tambin contiene (x, z). Por ejemplo, la relacin {(1,2), (2,3), (1,1), (1,3)} es transitiva, pero
{(2,3), (1,2), (1,1)} no lo es.
Figura 7: Una Relacin Transitiva (otra forma de representarla).
Fuente:<El autor>
Un caso especial de estas relaciones y equivalencias se da cuando se encuentra una

relacin binaria R definida en un determinado conjunto y que cumple las propiedades
reflexiva, simtrica y transitiva. Entonces es una relacin de equivalencia.
I.IV FUNCIONES:
Las funciones son un caso particular de las relaciones. Simplemente son asociaciones,
combinaciones o relaciones en las que no hay dos pares ordenados que tengan el mismo
primer componente. Es decir, los pares ordenados asocian a cada primer componente un
nico segundo componente. Por ejemplo, la relacin {(1,2), (2,3), (1,3)} no es una funcin,
pero {(1,2), (2,3), (3,3)} s lo es.
En conjuntos, la notacin habitual suele ser: f(1) = 2 que significa que a partir de la entrada 1
se obtiene la salida 2. (se usa la f como indicador de la funcin). En Autmatas. La funcin
suele denotarse con el smbolo
Para la teora de autmatas. Las funciones son vistas desde la perspectiva de lenguajes
aceptados, por eso la temtica que aborda as funciones en conjuntos como las funciones
totales, inyectivas y sobreyectivas, pueden referenciarse en:
22
PRIMERA UNIDAD: LENGUAJES REGULARES

CAPITULO 1: CONCEPTOS BSICOS
Se da inicio a un concepto: Mquinas secuenciales, que hacen parte tambin del estudio de
la teora de autmatas y que tienen sus inicios en el campo de la Ingeniera Electrnica. El
fin de los modelos no es la de describir detalles de los componentes de hardware de un
computador, sino de determinar caractersticas poco visibles o intangibles de estas mquinas
como por ejemplo capacidad de proceso, memoria, procesamiento de datos e informacin.
Es por ello que se han dividido en diferentes reas de conocimiento este tipo de estudio
como por ejemplo: Arquitectura de computadores, Sistemas de informacin, sistemas
Distribuidos lgica Matemtica, Ensamble de mquinas, entre otros.
Iniciamos el estudio de estas maquis abstractas identificando componentes bsicos como los
lenguajes que pueden describirse como elementos que se generan a partir de cadenas
sencillas y que con operaciones entre ellas periten el desarrollo del lenguaje mismo, que
puede generar otros lenguajes ms sencillos mediante operaciones de conjuntos.
Los Lenguajes ms sencillos son los considerados lenguajes regulares, es decir, los que se
pueden generar a partir de lenguajes de un elemento con la aplicacin de ciertas
operaciones estndar realizadas un nmero finito de veces.
Estos son pues los lenguajes que pueden reconocer los dispositivos llamados Autmatas
finitos (AF) que son mquinas de cmputo con memoria muy restringida. En esta
unidad se considera como segundo aspecto la idea de que un lenguaje no sea regular,
adems de proporcionar un modelo sencillo de computacin que se puede generalizar
en las unidades siguientes.
Con las caracterizaciones anteriores y otras de los lenguajes regulares se obtienen y
estudian algoritmos para traducir una descripcin de un lenguaje a otra descripcin de un
tipo distinto; se acumula experiencia en el uso de mtodos formales para describir lenguajes
y se intenta responder a preguntas acerca de ellos, son preguntas y ejercicios sencillos con
sus respuestas y que permiten determinar la utilidad de los lenguajes regulares en
aplicaciones del mundo real.
LECCIN 1: INTRODUCCIN E HISTORIA:

Teora de la computacin: Trata con modelos de clculo abstractos (mquinas
computacionales abstractas). En Teora de la Computacin, a diferencia de las otras
23
materias, (Arquitectura de Computadores, Teora de Circuitos, Algoritmos y Estructuras de

Datos, Sistemas Operativos, etc.) lo importante no es buscar la mejor manera de hacer las
cosas (optimalidad) sino estudiar qu puede o no puede hacerse con un ordenador
(computabilidad).
La historia de la Teora de la Computacin es bastante interesante. Se ha desarrollado
gracias a confluencia, por afortunadas coincidencias, de distintos campos de conocimiento y
descubrimientos (fundamentalmente matemticos) realizados a principios del siglo XX. Bajo
el nombre Teora de la Computacin se recogen una serie de materias que constituyen hoy
en da los fundamentos tericos de la Informtica: Teora de Autmatas, Teora de los
Lenguajes Formales, Computabilidad y Complejidad Algortmica.1
Se presenta una concreta evolucin histrica de la Teora de la Computacin:
Tabla 3: Evolucin Histrica de la Teora de la Computacin
EPOCA
PRECURSORES
1845 -1918
Iniciada por Godel, Church, Post, Turing y Kleene, tiene sus races en la
Lgica Matemtica. Ya se haba inventado la Teora de Conjuntos
COMPUTABILIDAD
1936
Tesis de Church
Turing
David Hilbert (1845-1918) formul en 1928, durante el transcurso de un

congreso internacional: Si las Matemticas son completas, consistentes y
decidibles.
Una de las cuestiones ms estudiadas en la Teora de la Compatibilidad

ha sido la posibilidad de construir programas que decidan si un
determinado algoritmo posee o no una determinada propiedad.
>Calculan los algoritmos A y B la misma funcin? (Problema de la
equivalencia)
>Parar el algoritmo A para una de sus entradas? (Problema de la parada)
> Parar el algoritmo A para todas sus entradas? (Problema de la
totalidad)
> Parar el algoritmo A la funcin f? (Problema de la verificacin)
<NAVARRETE,Isabel. Teora de Autmatas y lenguajes Formales. Departamento Ingeniera. Universidad de Murcia. P 133.
Sept 2008>
24
1967
Complejidad
Algortmica
1954 - 1969
Mquinas
secuenciales y
Autmatas finitos.
Trata la dificultad computacional de las funciones computables. Qu quiere

decir que una funcin f sea ms difcil de computar que otra funcin g?
Rabin sugiri una axiomtica que fue la base para el desarrollo del estudio
de medidas de complejidad abstracta de Blum y otros
El matemtico norteamericano Shanon (que luego se hara famoso por su
Teora de la Informacin) vino a establecer las bases para la aplicacin de
la Lgica Matemtica a los circuitos combinatorios y posteriormente
Huffman en 1954 los amplio a circuitos secuenciales y utiliza conceptos
como estado de un autmata y tabla de transicin. A lo largo de las
dcadas siguientes, las ideas de Shanon se desarrollaron
considerablemente, dando lugar a la formalizacin de una Teora de las
Maquinas Secuenciales y de los Autmatas Finitos (1956). Otros trabajos
importantes sobre maquinas secuenciales son debidos a Mealy (1955) y
Moore.
Un anexo de este libro, hace referencia y explica un ejemplo aplicado a la
Teora de la Informacin.
1956 en adelante
Noam Chomsky
propone varios
modelos para
clasificar:
Gramticas y
Lenguajes formales.
Noam Chomsky propone en 1956 tres modelos para la descripcin de

lenguajes, que son la base de su futura jerarqua de los tipos de lenguajes
(1959), que ayudo tambin en el desarrollo de los lenguajes de
programacin. Chomsky estableci una clasicacion de gramticas de
acuerdo con el formato de sus producciones y distingui cuatro clases
fundamentales de lenguajes y relaciones de inclusin entre ellas.
Fuente: El Autor
Los siguientes recursos web, lo contextualizan en la historia de la temtica. Ver estos

recursos, resulta digerible a historia que un cmulo de texto repleto de fechas y estadsticas
que se tornan poco comprensibles. Les motivo que los revisen para ubicarse en la medida y
alcance de la temtica que estaos abordando.
Tabla 4: Recursos web referentes a la historia de la temtica.
DESCRIPCIN DE VIDEO
CANAL
http://youtu.be/tO-WgRXKcAo
Tras las huellas de la mente de Alan Turing. La polmica historia de esta brillante
mente. Un reto complejo para quienes quieran entender y seguir sus pasos. "Un genio
trgico".
25
Solo escchenla y quedarn sorprendidos del legado que Alan Turing ha dejado.
Historia de Alan Turing. (23 de Junio de 1912 - 7 de Junio de 1954). Matemtico
ingls. Historia contada al estilo de Diana Uribe. (Historiadora Colombiana a quin
admiro y le expreso mi ms sentido agradecimiento por contarnos todas las historias
que han marcado el rumbo de la humanidad). Le reconozco sus derechos
intelectuales por esta narracin que comparto a quienes me siguen en este reto de
comprender como funcionan las mquinas computacionales.
Cuntame una historia. Alan Turing
http://youtu.be/01LBHqKrVvg
Charla El legado de Alan Turing
http://youtu.be/nSZZRzj6zPI
Pelcula que cuenta la historia de un genio controvertido "Alan Turing". Con subttulos
en espaol.
DANGEROUS KNOWLEDGE. Conocimientos peligrosos. El documental, narrado
por David Malone, se centra en la vida de cuatro brillantes matemticos - Georg
Cantor, Ludwig Boltzmann, Kurt Gdel y Alan Turing -, lo que rode sus
descubrimientos y las reacciones de la comunidad cientfica hacia ellos, as como la
evolucin de sus personas hasta el declive. Sus trabajos han llegado a influir
enormemente incluso en mbitos no cientficos, o en la perspectiva de como
observamos el mundo en general y nuestro pequeo entorno en particularmente.
Desafortunadamente sus mentes privilegiadas no pudieron impedir que llegaran a
enloquecer hasta el punto de cometer suicidio.
O consulta esta URL:
http://www.mates.byethost4.com/audiovisuales/matematicas/documentales-bbc.html
Secretos de la segunda guerra mundial. El cdigo Eigma. El trabajo de los
criptgrafos.
http://youtu.be/uoKLtu2Am6k
PARTE 1: CANAL VIMEO
http://vimeo.com/30482156
PARTE 2: CANAL VIMEO
http://vimeo.com/30641992
http://youtu.be/EVQNosg6wEQ
Fuente: <El autor>
LECCIN 2. - ALFABETOS, CADENAS Y LENGUAJES

Procedamos a definir componentes de un lenguaje, independiente de la jerarqua o
estructura a que pertenezcan, como lo veremos ms adelante:
Definicin1. Un Alfabeto es un conjunto finito A. Sus elementos se llamaran smbolos o
letras.
Para denotar el alfabeto se usara el smbolo o en algunos casos se especificaran con las
primeras letras maysculas del abecedario, dependiendo como se formule el problema. Los
smbolos de un alfabeto pueden ser nmeros, letras, entre otros y suelen estar escritos en
minsculas.
Ejemplo: Sea A = {0,1} indica el Alfabeto A compuesto por los smbolos 0,1
No hay que confundir los smbolos del alfabeto B con los smbolos del lenguaje (o ms precisamente
meta-lenguaje) que usamos para expresarnos todos los das. Son dos cosas totalmente distintas.
Nosotros para comunicarnos usamos un lenguaje que tiene unos smbolos que son las letras del
alfabeto latino, los nmeros, las letras del alfabeto griego, y una serie de smbolos especiales propios
26
del lenguaje matemtico (el meta-lenguaje). Con este lenguaje tambin definimos los conceptos de
alfabeto y smbolo.
Definicin2. Una palabra o cadena sobre un alfabeto es una sucesin finita de elementos
de . Se suele denotar con la letra omega
Se concluye que
es una palabra sobre , si y solo si U a1....an
donde
ai , i 1,......n
Ejemplo 21: Si A = {0,1} entonces 0111 es una palabra sobre este alfabeto.
El conjunto de todas las palabras sobre un alfabeto se nota como *
Definicin3. Si * entonces la longitud de la palabra es el nmero de smbolos de
que contiene.
La longitud de se denota | |. Es decir si a1....an entonces | | = n
Definicin4. La palabra vaca es la palabra de longitud cero. Es la misma para todos los
alfabetos y se denota como
Definicin5. Al conjunto de todas las palabras o cadenas sobre el alfabeto en las que se
excluya la cadena vaca se denota como:
Tabla 5: Recursos web para alfabetos, cadenas y lenguajes.
DESCRIPCIN DE VIDEO
CANAL
CANAL
Descripcin de Lenguaje, Alfabeto

y expresin regular.
http://youtu.be/DnNT1dF4keQ
http://www.veoh.com/watch/v616083236Thn5HJn
Fuente: <El autor>
OPERACIONES SOBRE EL CONJUNTO UNIVERSAL DE CADENAS *

Las operaciones fundamentales que se derivan del tratamiento del conjunto * , son las de
concatenacin:
Ejemplo 22 Para definir la concatenacin: Dada las siguientes cadenas , formadas desde el
alfabeto :
27
Concatenacin: Si , * , a1.....an , b1.....bn , se llama concatenacin de y a

la cadena . (o simplemente ) dada por a1.....anb1.....bm . Ntese que la concatenacin
puede denotarse por un punto en medio de las dos cadenas.
Propiedades de la concatenacin: Algunas de ellas son:
| . || | | |, , *
Asociativa: .(. ) (. ). , , , *
Elemento neutro: . . , *
Otras propiedades derivadas de la concatenacin se referencian as:
Si * entonces
i 1 i ., para todo i 0
Se define una cadena inversa as:

Si a1...an * entonces la cadena inversa de es la cadena 1 an ...a1 *
Lenguajes: Un lenguaje sobre el alfabeto es un subconjunto del conjunto de las cadenas
sobre
: L *
Se notan los siguiente ejemplos de algunos lenguajes (sin definir su jerarqua que se ver en
la siguiente leccin) sobre el alfabeto
Ejemplo 23 Lenguajes: la forma de describir un lenguaje se muestra en los siguientes ejemplos:
L1 {a, b, c, } Lenguaje uno compuesto por los smbolos a,b,c de un determinado alfabeto
incluyendo la cadena vaca.
L2 {a i bi | i 0,1,2...} Lenguaje dos compuesto por las palabras formadas de una sucesin
de smbolos a, seguida de la misma cantidad de smbolos b.
L3 { 1 | *} Lenguaje tres compuesto por las palabras formadas con smbolos del
alfabeto y que consisten en dos palabras iguales, separadas por la misma palabra pero
escrita en orden inverso.
28
Algunas Operaciones sobre Lenguajes: Aplican la unin e interseccin de lenguajes, dada

la condicin de conjuntos que tienen estos lenguajes, entonces aplica tambin las
operaciones de concatenacin.
La concatenacin de dos lenguajes est dada por la siguiente expresin: dados L1
(dos lenguajes sobre el alfabeto )
y L2
L1L2 {12 | 1 L1 , 2 L2}

Algunas propiedades se definen como.
Asociativa: L1 ( L2 L3 ) ( L1L2 ) L3
Elemento Neutro: {}L L{} L
L = L = (Lenguaje que contiene cero palabras o cadenas)
L0 {}
Li 1 Li L
L* Li Clausura o estrella de Kleene de un lenguaje L es el lenguaje obtenido de

i0
acuerdo a esa expresin.
L Li Obtencin de un lenguaje con la operacin L+

i 1
L L* si L
L L* {}si L
LECCIN 3. AUTMATAS Y LENGUAJES

Un aspecto a definir y diferenciar cuando se inicia el estudio de Lenguajes y Gramticas, es
la diferencia que existe entre los lenguajes naturales (LN) y los lenguajes de programacin
(LP).
Los (LP) se rigen por reglas de sintaxis y semntica ms complejas y definidas y que
finalmente son manejadas por los computadores. En los lenguajes naturales (LN), estos no
estn tan definidos ni delimitados, ya que estn controlados por reglas gramaticales que
evolucionan y derivan nuevos lenguajes.
29
Gracias a las estructuras definidas de los lenguajes de programacin (LP) (las reglas
gramaticales (sintaxicas y semnticas) han posibilitados la construccin de traductores
automticos para estos lenguajes. Algunas definiciones que contextualizan estas temticas
referencian a los Compiladores como software que traduce un programa escrito en un
determinado lenguaje de programacin a otro lenguaje de programacin, con el objeto de
generar u programa equivalente que una mquina computacional pueda interpretar para
podrselo mostrar al usuario.
En ciencias de la computacin, intrprete o interpretador es un programa informtico capaz de
analizar y ejecutar otros programas, escritos en un lenguaje de alto nivel. Los intrpretes se
diferencian de los compiladores en que mientras estos traducen un programa desde su descripcin en
un lenguaje de programacin al cdigo de mquina del sistema, los intrpretes slo realizan la
traduccin a medida que sea necesaria, tpicamente, instruccin por instruccin, y normalmente no
guardan el resultado de dicha traduccin.2
El proceso de traduccin realizado por un compilador, es visto en la Figura 8.

PROCESO DE TRADUCTOR REALIZADO POR UN COMPILADOR:
Los pasos de definir e identificar reglas gramaticales, son claves en el proceso de traduccin.
Figura 8: Proceso de traduccin realizado por un compilador
Fuente:<El autor>
2
Tomado de https://es.wikipedia.org/wiki/Int%C3%A9rprete_%28inform%C3%A1tica%29 con acceso Julio de

2013
30
LECCIN 4. LENGUAJES REGULARES

Entramos a clasificar los lenguajes. Ya que los lenguajes en s son conjuntos de secuencias
de smbolos y cada uno comparte una cierta propiedad. La clasificacin de estos lenguajes
se dio en 1959, cuando N. Chomsky propuso una jerarqua de lenguajes, donde las clases
ms complejas incluyen a las ms simples.
En realidad lo que clasific Chomsky en cuatro familias, fueron gramticas (tngase en
cuenta que de acuerdo a las reglas de produccin de estas gramticas, estas generan
determinados lenguajes). Si se tiene una gramtica G = VN, VT, S, P) se clasifican las
gramticas y los lenguajes generados por ellas de la siguiente forma:
Figura 9: Clasificacin de los Lenguajes. Jerarqua de Chomsky. N
Fuente:<El autor>
TIPO 3: (Gramticas regulares). Los Lenguajes generados por estas gramticas se llaman
Lenguajes Regulares, y el conjunto de todos estos lenguajes es la clase L3, que es la
clase ms pequea, e incluye a los lenguajes ms simples. Un ejemplo de lenguaje regular
es el conjunto de todos los nmeros pares enteros positivos.
Estas gramticas regulares pueden ser a su vez de dos tipos:
Lineales por la derecha: Todas las producciones son de la forma:

A bC
Ab
A
31
dnde:
A,C VN
b VT
Lineales por la Izquierda: Todas las producciones son de la forma:

A Cb
Ab
A
Para cada Gramtica lineal por la derecha existe una Gramtica lineal izquierda que genera
el mismo lenguaje y viceversa.
Los Lenguajes Regulares son lenguajes formales que tienen estas caractersticas:
Puede ser descrito mediante una expresin regular (expresar de forma compacta
cmo son todas las cadenas de smbolos que le pertenecen).
Puede ser generado mediante una gramtica regular (obtener todas las cadenas de
smbolos que le pertenecen).
Puede ser reconocido mediante un autmata finito (saber si una cadena de
smbolos pertenece a l o no)
TIPO 2: (Gramticas libres del contexto). Las producciones son de la forma:
A
donde:
A VN
(VN U VT)*
Los lenguajes generados por este tipo de gramticas se llaman lenguajes libres del contexto
y la clase es L2, que incluyen a los Lenguajes Regulares. Por ejemplo, la mayora de los
lenguajes de programacin son Lenguajes Libres de Contexto.
TIPO 1: (Gramticas sensibles al contexto). Las producciones son de la forma:
A
donde , V* y V+ Se interpreta que A es una variable y ,
cadenas cualesquiera que pueden contener variables y constantes.
y son
Los lenguajes generados por las gramticas de tipo 1 se llaman lenguajes sensibles al
Contexto y su clase es L1:
32
TIPO 0: (Gramticas con estructura de frase) Son las gramticas ms generales, que por
ello tambin se llaman gramticas sin restricciones. Esto quiere decir que las producciones
pueden ser de cualquier tipo permitido, es decir, de la forma:
con (V* . VN . V*)
y en la que no puede ser vaco
Los lenguajes generados por estas gramticas son los lenguajes con estructura de frase,
que se agrupan en la clase L0: Estos lenguajes tambin se conocen en el campo de la Teora
de la Compatibilidad como lenguajes recursivamente enumerarles.
La siguiente tabla muestra la asociacin de las gramticas con el lenguaje que genera y el
tipo de mquina abstracta que la trabaja:
Tabla 6: Asociacin de gramticas, lenguaje y mquinas.
GRAMTICAS
LENGUAJES
MAQUINAS
Regular o de Tipo 3
Regular o de Tipo 3
Autmatas Finitos
Libre de contexto o de Tipo 2
Libre de contexto o de Tipo 2
Autmatas de Pila
Sensible al contexto o de Tipo

1
Sensible al contexto o de Tipo

1
Autmatas
acotados
Sin Restricciones o de Tipo 0
Sin Restricciones o de Tipo 0
Mquinas de Turing (MT).
linealmente
Fuente:<El autor>
Cuanto menor es el tipo, mayor es el poder expresivo del lenguaje generado y ms

complejidad tiene su tratamiento por parte de una mquina.
Finalmente se define un Teorema 4: (Jerarqua de Chomsky) Dado un alfabeto
, el conjunto de los lenguajes regulares sobre est incluido propiamente en el
conjunto de los lenguajes libres de contexto y este a su vez est incluido
propiamente en el conjunto de los lenguajes sensibles al contexto, que
finalmente est incluido propiamente en el conjunto de lenguajes con estructura
de frase.
Esto es:
L3 L2 L1 L0
Un lenguaje se dice que es de tipo i (i= 0;1;2;3) si y solo si es generado por una gramtica
de tipo i. La clase o familia de lenguajes de tipo i se denota por Li.
33
LECCIN 5. AUTMATA
La palabra autmata evoca algo que pretende imitar las funciones propias de los seres vivos,
especialmente relacionadas con el movimiento, por ejemplo el tpico robot antropomorfo.
Un ejemplo de una maquina real que automatiza un proceso puede ser una mquina
empacadora de algn producto que se fabrique en serie y con una serie de instrucciones,
pasos y caractersticas definidas e iguales para cada salida (producto final).
En el campo de los Traductores, Procesadores, Compiladores e Intrpretes, lo
fundamental no es la simulacin del movimiento, sino la simulacin de procesos para tratar
informacin. Este es el enfoque dado a la temtica de este curso.
Las maquinas que se estudiarn son abstracciones matemticas que capturan solamente el
aspecto referente a las secuencias de eventos que ocurren, sin tomar en cuenta ni la forma
de la maquina ni sus dimensiones (aspectos de hardware por referir una analoga).
La informacin se codifica en cadenas de smbolos, y un autmata es un dispositivo
que manipula cadenas de smbolos que se le presentan a su entrada, produciendo otras tiras
o cadenas de smbolos a su salida.
El autmata recibe los smbolos de entrada, uno detrs de otro, es decir
secuencialmente. El smbolo de salida que en un instante determinado produce un autmata,
no slo depende del ltimo smbolo recibido a la entrada, sino de toda la secuencia o
cadena, que ha recibido hasta ese instante.
En esta parte estudiaremos las maquinas abstractas ms simples, los autmatas finitos, las
cuales estn en relacin con los lenguajes regulares
Todo lo anterior conduce a definir un concepto fundamental: estado de un autmata
que trata la temtica de modelado de sistemas discretos. La nocin ms bsica de los
modelos de eventos discretos es la de estado. Un estado es una situacin en la que se
permanece un cierto lapso de tiempo.
Se expresan los modelos de estados y eventos de manera grfica. (En la Tabla 1:
Smbolos usados encontrar una descripcin grfica de estos elementos). Los estados se
representan por valos, y los eventos por flechas entre los valos, llamadas transiciones.
Dentro de cada estado se escribe su nombre, mientras que al lado de las transiciones se
escribe el nombre del evento asociado. El estado inicial est siendo indicado por un tringulo
o flecha y un estado final o de aceptacin (halt) mediante doble crculo. Los estados finales
indican que cuando se llega a ellos, la secuencia de eventos que llev hasta ah puede
considerarse como aceptable
34
Los estados son la base de un diseo de los modelos que estamos estudiando, pues
recuerdan las situaciones bsicas por las que pasa el proceso.
Algunas caractersticas de diseo a tener en cuenta al hacer modelos de estados y eventos:
Las condiciones asociadas a los estados deben ser excluyentes, esto es, no deben
verificarse varias simultneamente.
Las condiciones asociadas a los estados deben ser comprensivas. Se deben cubrir
todas las combinaciones posibles entre todos los estados.
Entre dos eventos o transiciones siempre debe haber un estado
Errores que ms frecuentemente se cometen al hacer modelos de estados y eventos:
Confundir estados con eventos o transiciones.
Implementar estados no excluyentes (por ejemplo con la misma etiqueta).
Formular estados no tiles, donde excluyan situaciones por evaluar.
MQUINA DE ESTADOS FINITOS: Describimos ahora las maquinas abstractas de ac en

adelante para el curso y les identificamos los siguientes componentes:
Figura 10: Mquina de estados. Estructura
Fuente:<El autor>
35
Una cinta de entrada;

Una cabeza de lectura (y eventualmente escritura);
Un control.
La cabeza lectora se coloca en los segmentos de cinta que contienen los caracteres que
componen la palabra de entrada, y al colocarse sobre un smbolo lo lee y manda esta
informacin al control (digmoslo as controlado por unas reglas o producciones). El
recorrido puede ser a izquierda o derecha segn el diseo de la mquina.
La aguja del control puede estar cambiando de posicin, (de un estado a otro) y hay
algunas posiciones llamadas finales (como la indicada por un punto, q3) que son
consideradas especiales, porque permiten determinar si una palabra es aceptada o
rechazada.
Tabla 7: Recursos web para construccin de autmatas.
DESCRIPCIN DE VIDEO
Construccin, diseo e
interpretacin de los
componentes de un autmata
(tuplas)
CANAL
CANAL
http://youtu.be/HF9-e28TWb0
http://www.veoh.com/watch/v61609207mprr4pFS
Fuente: <El autor>
36
CAPITULO 2. AUTMATAS FINITOS

Los autmatas finitos son capaces de reconocer solamente, un determinado tipo de
lenguajes, llamados Lenguajes Regulares, que pueden ser caracterizados tambin, mediante
un tipo de gramticas llamadas tambin regulares.
Pero para describir los lenguajes (caracterizarlos) se suelen usarlas Expresiones Regulares
(ER), que abordaremos en lecciones siguientes con detenimiento.
Otra forma de describir la sintaxis de los lenguajes es usando gramticas y sus reglas de
produccin. El objetivo de caracterizar lenguajes es proporcionar una forma concisa y
relativamente sencilla (aunque menos intuitiva) para describir los lenguajes regulares,
exponiendo detalles de su estructura que no quedan tan claros en las otras
caracterizaciones.
En el presente captulo, identificamos los componentes de los autmatas, antes de llegar a
caracterizar los lenguajes que estos puedan generar.
LECCIN 6. DEFINICIN FORMAL DE AUTMATAS FINITOS

La definicin formal implica presentar en un formato matemtico (no en grficos o
ilustraciones) los componentes de un autmata y la informacin de un diagrama de estados.
Los smbolos y notaciones matemticas usados, sern los que durante todo el desarrollo del
contenido se aplicarn para describir matemticamente estas mquinas. Otros autores usan otra
simbologa, que solo difiere en la forma mas no en la interpretacin de las definiciones formales de
estas mquinas. Se ha estandarizado las simbologa ms sencilla para efectos de didctica e
interpretacin
Definicin 6: Una mquina de estados finitos M es un quntuplo ( K, , ,s, F) donde:

K
identifica el conjunto de estados.
es el alfabeto de entrada.
sK
es el estado inicial.
F K
es un conjunto de estados finales.
: K x K es la funcin de transicin, que a partir de un estado y un smbolo del

alfabeto obtiene un nuevo estado.
REPRESENTACIN DE AUTMATAS: Los autmatas se pueden representar mediante:
37
Tabla de transiciones.
Diagrama de Moore.
Tabla de transiciones: Consiste en una tabla, con tantas filas como estados y tantas
columnas como entradas. El estado inicial en la columna izquierda est indicado con una
flecha. El estado final en la columna izquierda est indicado con un numeral. (No confundir
esto con la estrella de kleene que se ver ms adelante en la leccin de Expresiones
Regulares). Ejemplo 24 Se puede representar el autmata finito dado por:
M = ({q0, q1, q2, q3} , {0, 1} , , q0, {q1})
Para este ejemplo:
K ={ q0, q1, q2, q3}
={0,1)
s = q0
F = q1
Donde la funcin : {q0, q1, q2, q3 } {0, 1} {q0, q1, q2, q3} viene dada por:
(q0, 0) = q0
(q0, 1) = q1
(q1, 0) = q0
(q1, 1) = q2
(q2, 0) = q3
(q2, 1) = q1
(q3, 0) = q3
(q3, 1) = q2
La tabla de transicin correspondiente a este autmata ser:

Figura 11: Tabla de transicin de un Autmata Finito.
38
Diagramas de Moore: Los diagramas de Moore son otra forma de representar las funciones
de transicin y salida de un autmata. El diagrama de Moore es un grafo orientado en el que
cada nodo corresponde a un estado. Para el ejemplo 24, el diagrama de Moore equivalente
estara definido as:
Figura 12: Diagrama de Moore para un Autmata Finito.
Tabla 8: Recursos web para diagramas de Moore.

DESCRIPCIN DE
VIDEO
Construccin y diseo de
autmatas, Diagramas de
Moore, tablas de transicin.
CANAL
CANAL
http://youtu.be/3kWdHOLw-AQ
http://www.veoh.com/watch/v6168933229Fx8G4A
Fuente: <El autor>
FUNCIONAMIENTO DE LOS AUTMATAS FINITOS:
Consiste en ir pasando de un estado a otro, a medida que va recibiendo los caracteres de la

palabra de entrada. Este proceso puede ser seguido fcilmente en los diagramas de
estados. Simplemente hay que pasar de estado a estado siguiendo las flechas de las
transiciones, para cada carcter de la palabra de entrada, empezando por el estado inicial.
Para el ejemplo de la Figura 12 y la palabra de entrada 101 el autmata inicia su operacin
en el estado q0 (estado inicial) y al recibir el primer smbolo el 1 , pasa al estado final q2
(podra decirse que all finalizara pero faltan por evaluar dos smbolos ms de la cadena o
palabra ) luego del estado q2 regresa al estado q1 cuando entra el smbolo 0 y para el
siguiente smbolo 1 se cambia de estado al q2 llegando a un estado de aceptacin y
habiendo recorrido la palabra (entonces esta cadena fue aceptada).
Podemos visualizar el camino recorrido en el diagrama de estados como una trayectoria
recorrida de estado en estado en al que la trayectoria para recorrer y aceptar la palabra 101,
39
recorri en su orden los estado q0, q1, q0, q1. El hecho que los dems estados no hayan
intervenido, no quiere decir un diseo errado en la Mquina M (autmata). Para otras
cadenas o palabras, se requieran de otros estados y trayectorias.
Los estados son el nico medio de que disponen los AF para recordar los eventos que
ocurren (por ejemplo, que caracteres se han ledo hasta el momento); esto quiere decir que
son mquinas de memoria limitada. En ltima instancia, las computadoras digitales son
mquinas de memoria limitada, aunque la cantidad de estados posibles de su memoria
podra ser enorme.
LECCIN 7. AUTMATAS FINITOS DETERMINSTICOS (AFD)

La definicin dada
abreviado AFD.
en la Leccin 6, corresponde a los autmatas finitos deterministas,
Es importante definir el porqu del determinismo y para ello enfoqumonos en el papel o

cmo se interpreta la funcin de transicin : La funcin de transicin indica a qu estado
se va a pasar sabiendo cul es el estado actual y el smbolo que se est leyendo. No es
simplemente una relacin lo que implica que para un estado y un smbolo del alfabeto
dados, habr un y solo un estado siguiente.
En otras palabras la caracterstica de determinismo es la que perite saber siempre y
despus de una transicin, cul ser el siguiente estado.
Otras apreciaciones de estos AFD lo definen como otro mecanismo para describir lenguajes.
En vez de pensar en generar las cadenas (como las ERs), un AFD describe un lenguaje
mediante reconocer las cadenas del lenguaje, y ninguna otra.
Cmo es inicializado el autmata: En la figura 10 podemos verificar como se inicializa:
1. se coloca en la cinta de entrada, con un smbolo en cada celda. (en este caso es
aaabab )
2. el cabezal de lectura se apunta al smbolo ms a la izquierda de . En este caso el
smbolo a
3. el estado actual pasa a ser q0
Ciclo de ejecucin bsico del autmata: Como cualquier computador, una vez se ha
inicializado, comienza la ejecucin desde la palabra de entrada .
40
1. se lee el smbolo actual, que es el apuntado por el cabezal de lectura. Si el cabezal

apunta a una celda vaca entonces el AFD termina su ejecucin, aceptando la palabra en
caso de que el estado actual sea final y rechazando la palabra en caso contrario. Esto
ocurre cuando se ha ledo toda la palabra de entrada, y se produce una situacin similar a
tener una condicin fin de chero" en la ejecucin de un programa
2. se calcula el estado siguiente a partir del estado actual y del smbolo actual segn la
funcin de transicin, esto es, (estado actual; smbolo actual) = estado siguiente
3. el cabezal de lectura se mueve una celda a la derecha
4. el estado siguiente pasa a ser el estado actual y vuelve al paso 1
Ejemplo 24 Dado el siguiente Autmata M Finito determinista: M =(K, , q0, , F) donde:
K = {q0, q1, q2, q3}
= {x,z} q 0 Es el estado Inicial F = q3
donde la funcin de transicin est dada por: : {q0, q1, q2, q3 } {x, z} {q0, q1, q2, q3}
q0 { q3}
(q0, x ) = q1
(q2 , x ) = q3
(q1, x ) = q1
(q 3 , z ) = q2
(q1, z ) = q2
(q 3 , x ) = q1
La tabla de transicin correspondiente a este autmata ser: (tabla generada en el simulador

Visual Autmata Simulator VAS 3)
Figura 13: Tabla de transicin para un Autmata Finito generado con software simulador VAS.
y el diagrama de transicin (moore) correspondiente ser:

33
VAS. Visual Autmata Simulator. Disponible en internet <http://www.vas.org>
41
Figura 14: Diagrama de Moore asociado a un AFD.
El diagrama de transicin de un AFD tiene por cada nodo un solo arco etiquetado con cada
uno de los smbolos del alfabeto.
Algunas condiciones para que estos autmatas sean vlidos son:
el diagrama de transicin de un AFD tiene por cada nodo un slo arco etiquetado con
cada uno de los smbolos del alfabeto.
Otra condicin es que debe haber exactamente un estado inicial.
la cantidad de estados finales puede ser cualquiera, inclusive cero (para algunos
modelos), hasta un mximo de |K| (la cantidad de estados).
De manera general, si un AFD se encuentra en un estado q y recibe un smbolo pasa al
estado q " si (q, ) = q " , esto es, si ((q, ), q " )
Algunas definiciones matemticas relacionadas a los AFD son:
Definicin 7:
Si M = (K, , , s, F) es un autmata de estado finito, entonces una
configuracin es un elemento del producto cartesiano K x *
Entindase por configuracin un par (q, ) donde q es un estado y una palabra. En este
orden q ser el estado en el que se encuentra el autmata y lo que queda por leer en un
momento dado.
42
Definicin 8: Si M = (K, , , s, F) es un autmata finito determinista y * es una

palabra, entonces se llama configuracin inicial asociada a es apalabra a la configuracin
(q0, ).
Esto se explica indicando que la configuracin inicial indica que estamos en el estado inicial
y nos queda por leer toda la palabra .
Definicin 9: Esta definicin hace referencia a definir la relacin o el paso que se da en un
autmata entre dos configuraciones:
Si M = (K, , , s, F) es un autmata finito determinista y (p, ) , (q, ) son dos
configuraciones, decimos que puede pasar de (p, ) a (q, ) en una secuencia de clculo,
lo que se denota como (p, ) (q, ) si y solo si = a , donde a y (p,a) = q.
LECCIN 8. AUTMATAS FINITOS NO DETERMINSTICOS (AFND)

Una extensin a los autmatas finitos deterministas es la de permitir que de cada nodo del
diagrama de estados salga un nmero de flechas mayor o menor que As, se puede permitir
que falte la flecha correspondiente a alguno de los smbolos del alfabeto, o bien que haya
varias flechas que salgan de un solo nodo con la misma etiqueta. Inclusive se permite que
las transiciones tengan como etiqueta palabras de varias letras o hasta la palabra vaca. A
estos autmatas finitos se les llama no Determinsticos o no deterministas (abreviado
AFND). Al retirar
algunas de las restricciones que
tienen los
autmatas
finitos
Determinsticos, su diseo para un lenguaje dado puede volverse ms simple.
Dado que los AFND tienen menos restricciones que los AFD, resulta que los AFD son un
caso particular de los AFND, por lo que todo AFD es de hecho un AFND.
Los autmatas finitos no Determinsticos (AFND) aceptan exactamente los mismos lenguajes
que los autmatas determinsticos. Sin embargo, sern importantes para demostrar
teoremas y por su ms alto poder expresivo
Recordemos que para un AFD dado el estado actual y el siguiente caracter, el AFD pasa
exactamente a un siguiente estado. Por eso se lo llama determinstico. Una versin en
principio ms potente es un AFND, donde frente a un estado actual y un siguiente caracter,
es posible tener cero, uno o ms estados siguientes.
La configuracin en quntupla de elementos es la misma que las de un AFD (Leccin 6),
excepto la funcin de transicin que se define ahora como:
43
: K x (K)
Donde (K) denota el conjunto de las partes de K o conjunto potencia 2K
Ejemplo 25 Si se tiene (q,a) = {q1, q2, . , qm) lo que indica que estando en un estado
actual q y un smbolo de entrada a, el estado siguiente puede ser cualquier estado entre q1 y
qm.
Ejemplo 26 Puede darse el caso que (q,a) = lo que indica que el estado siguiente no
est definido.
Ejemplo 27 Los AFND tambin se representan mediante tablas o diagramas de transicin.

En el diagrama de transicin, el no determinismo se descubre porque hay algn nodo del
que parten dos o ms arcos etiquetados con el mismo smbolo del alfabeto, o falta algn
arco para algn smbolo del alfabeto. En la Figura 15 podemos ver un ejemplo de tabla y
diagrama de transicin de un Autmata Finito No Determinista (AFND).
El AFND de la figura 15 se describe formalmente como: M = (, K, , q 1 , F) donde
= {a,b}, F = {q 4 } s = {q1} y K = {q 1 , q 2 , q 3 , q 4 }, y la funcin (que tambin se puede
describir as) est dada por:
= {(q1,a,q2),(q1,a,q3),(q2,b,q4),(q2,b,q2),(q3,a,q3),(q3,b,q4),(q4,a,q4)}
Figura 15: Diagrama de Moore asociado a un AFND.
Tabla 9: Recursos web para AFND
44
DESCRIPCIN DE VIDEO
CANAL
CANAL
Lenguaje aceptado por un

Autmata. Tablas de transicin y
descripcin de autmata finito.
http://youtu.be/eWUfPJD9A_0
http://www.veoh.com/watch/v61683101FNRSfxSP
Fuente:<El autor>
LECCIN 9. AUTMATA FINITO CON TRANSICIONES

(AFND- ) bsicamente es un AFND al que s ele permite cambiar de un estado sin
necesidad de consumir o leer un smbolo de la entrada. La funcin de transicin est
definida como:
: K x ( U { }) (K)
La tabla de transicin de un AFND- es como la de un AFND excepto que se le aade una
columna correspondiente a , de forma que en la posicin T[(q, )] estar el conjunto de
estados que determine (q, ).
Si se tiene un AFND- representado en su diagrama de transicin en la figura 16, si se
evala el estado q6 y el smbolo actual que guarda en memoria ese estado es cero (0), el
autmata puede decidir en forma no determinista entre leer la cadena vaca y llegar al
estado q7 conservando el smbolo y terminar o aceptar la palabra en el estado q8, o bien
decidir si pasa al estado q4 y luego leer un 1 y seguir el recorrido.
Figura 16: Diagrama de Moore asociado a un AFND -
45
LECCIN 10. LENGUAJE ACEPTADO POR UN AF

Los AF reconocen cierto tipo de lenguajes, pero esto depende de la configuracin del
autmata. Esta configuracin viene dada por el instante del autmata en un momento dado y
la porcin de cadena de entrada que le queda por leer (no la cadena completa).
La configuracin de un autmata finito (AF) es un elemento (q, ) (K x *) est dada por:
Configuracin inicial: (q0, ) donde q0 es el estado inicial y la palabra de entrada.
Configuracin de parada: cualquier configuracin en la que el autmata puede parar

su ejecucin, bien porque se haya procesado toda la entrada o bien porque se haya
llegado a una situacin donde no es aplicable ninguna transicin.
Configuracin de aceptacin: (qF, ) donde qF, es un estado final del autmata. Una
vez alcanzada esta configuracin el autmata puede aceptar lapalabra.
Por lo que se concluye: que un AFD reconoce o acepta una palabra si se cumplen las
siguientes condiciones:
1. Se consumen todos los caracteres de dicha palabra de entrada, siguiendo las transiciones
y pasando en consecuencia de un estado a otro;
2. al terminarse la palabra, el estado al que llega es uno de los estados finales del autmata
(los que tienen doble crculo en los diagramas, o que son parte del conjunto F en la
representacin formal).
Lenguaje aceptado por un AFD
L(M) = { x * , F,(s,x) * M (, )}.
Lenguaje aceptado por un AFND:
El lenguaje aceptado por una AFND M = (, K, ,s, F) se define como:
L(M) = { x * , F,(s,x) * M (, )}.
A diferencia del caso de AFDs, dada una cadena x, es posible llegar a varios estados
distintos (o a ninguno) luego de haberla consumido. La cadena se declara aceptada si
alguno de los estados a los que se llega es final.
46
Intuitivamente, un AFND acepta una palabra de entrada siempre que sea posible
comenzar por el estado inicial y que exista una secuencia de transiciones que nos lleven a
consumir la palabra y acabe el autmata en un estado final. Puede que tengamos otras
secuencias de transiciones que no acaben en estado final, pero basta que exista una que
acabe en estado final para que la palabra sea aceptada.
FINALMENTE: Cuando se expresa: determinar el lenguaje de un Autmata, se est

haciendo referencia a describir de manera general, matemtica y explcitamente en texto
combinado, que palabras o cadena se pude aceptar esa mquina:
L(M) = { alguna propiedad de }
Ejemplo 28 ; Dado el siguiente AFD M = (, K, , q0, F) donde

= {a,b}, F = {q2} s = {q0} y K = {q0, q 1 , q 2 } y representado en el diagrama de estados de
la figura 17.
Figura 17: Lenguaje asociado a un AFD
El autmata reconoce el lenguaje:
L = { {a,b}* = abia, i 0 }
Y se interpreta as: El autmata AFD reconoce el lenguaje de todas las cadenas posible
dentro de todo el conjunto de combinaciones posibles {a,b}* de tal manera que esas cadenas
empiecen por una a, seguidas de ninguna, una o ms bs y que finalizan con una a.
47

DESCRIPCIN DE VIDEO
Lenguaje aceptado por un

Autmata (AF). Como se debe
describir el lenguaje que
representa.
Cadenas o palabras que acepta
un autmata.
CANAL
CANAL
http://youtu.be/QdRlbzVsvLQ
http://www.veoh.com/watch/v61610759jHdGRr59
http://youtu.be/ASg_ZUXgvZk
http://www.veoh.com/watch/v61698636anxKfprR
Fuente:<El autor>
CAPITULO 3: EXPRESIONES Y LENGUAJES REGULARES

LECCIN 11. LENGUAJES REGULARES Y EXPRESIONES REGULARES
Los Lenguajes regulares son los ms simples y restringidos dentro de la jerarqua de
Chomsky. Estos lenguajes pueden adems ser descritos mediante dos representaciones que
veremos: las Expresiones Regulares y las Gramticas Regulares que sern los temas a
tratar en las siguientes lecciones. Tambin son descritos mediante AFD y AFND.
LENGUAJES REGULARES: se llaman as porque sus palabras contienen regularidades o

repeticiones de los mismos componentes, como por ejemplo en el lenguaje L1 siguiente:
L1 = { ab,abab,ababab,abababab,..} En donde las cadenas o palabras son repeticiones de
ab
Algunas propiedades se aplican a estos Lenguajes Regulares como por ejemplo si se
combinan dos lenguajes regulares, tambin se obtiene un lenguaje regular. L1 U L2 = L3
Definicin 10:
Un lenguaje L es regular si y solos i se cumple al menos una de las
siguientes condiciones:
L es finito;
L es la unin o la concatenacin de otros lenguajes regulares R1 y R2,
L = R1 U R2 o L = R1R2 respectivamente
L es la cerradura de Kleene de algn lenguaje regular, L = R*.

48
LECCIN 12. SIGNIFICADO DE LAS EXPRESIONES REGULARES

Una expresin regular (ER) es una notacin normalizada para representar lenguajes
regulares, es decir, lenguajes generados por gramticas de tipo 3. Las expresiones regulares
permiten describir con exactitud y sencillez cualquier lenguaje regular. Para definir una ER se
pueden utilizar todos los smbolos del alfabeto y, adems y . Los operadores que
tambin se pueden utilizar son:
*
()
representa la unin.
representa la concatenacin (este smbolo no se suele escribir).
representa el cierre de Kleene
modifican las propiedades de los dems operadores.
Una ER tambin se define bajo los siguientes criterios: (Se muestran tambin los lenguajes
que describen estas ER)
1. es una ER que representa el lenguaje vaco (no tiene elementos) L =
2. es una ER que representa el lenguaje L = { }
3. a es una ER que representa el lenguaje La = {a}
4. Si y son ER entonces + tambin lo es y representa al lenguaje
L
= L U L
5. Si y son ER entonces tambin lo es y representa al lenguaje

L = L L
6. Si es una ER entonces * tambin lo es y representa el lenguaje
* i 0 i
El orden de prioridad de los operadores es, de mayor a menor: * , , +

Este orden puede alterarse mediante parntesis, de forma anloga a como se hace con las
expresiones aritmticas.
Ejemplo 29 aa+b*a es una ER sobre el alfabeto ={a,b} (ntese que por simplicidad
se ha omitido el operador ) Esta Er es distinta de la ER (aa + b*)a.
49
Un ejemplo de una ER no vlida: La cadena (+a*ba) no es una ER.
Ejemplo 30
Dado
= {0,1} y la ER = 0*10*
analizando las propiedades de

concatenacin se tiene que el lenguaje que genera esa ER es:
L (0*10*) = L(0*)L(1)L(0*) = (L(0))*L(1)(L(0))* = {0}*{1}{0}* = {0n10m n,m 0}
PROPIEDADES DE LAS EXPRESIONES REGULARES (ER):
Dos ER como y son equivalentes y se denotan como = , si describen el mismos
lenguaje: L( ) = L( ).
A continuacin enumeramos una serie de propiedades que cumplen las expresiones
regulares, derivadas de las propiedades de las operaciones con lenguajes:
Figura 18: Propiedades de las ER
Fuente: <NAVARRETE, I; Teora de Autmatas y Lenguajes Formales>
Una propiedad de inclusin es la que se muestra: L( ) L( ) entonces se cumple que:

+ =
Ejemplos 31: Sea = {0,1}

1. 01+001 es una ER que representa el Lenguaje L={01,001} (acepta una cadena 01
una 001, pero no ambas ni la combinacin de las mismas).
2. 0*10* es una ER que representa a cualquier cadena binaria en la que hay un solo 1.
L={0n10m n,m 0}.
3. La ER (acb)* es representada en la figura 19: (Ntese que acepta la cadena
50
Figura 19: ER representada en una mquina de estados (acb)*
4. 00 es una ER con el Lenguaje asociado {00}

5. 01* + 0 es una ER que denota el Lenguaje L = {01i : i 0 }
6. (1 + 10)* representa el lenguaje de las cadenas que comienzan por 1 y no tienen dos
ceros consecutivos.
7. (0 + 1 )* 011 representa el lenguaje de las cadenas que terminan en 011
8. 0* 1* representa el lenguaje de las cadenas que no tienen un 1 antes de un 0
9. Si = {a,b,c} y si (a + ) b* es una ER que denota el Lenguaje
L = {ai bj : i = 0,1 : j 0 }
LECCIN 13. AUTMATAS FINITOS Y EXPRESIONES REGULARES

Hasta ahora, la relacin entre los autmatas finitos y las expresiones regulares se ha tratado
de una manera intuitiva. Ahora formalizaremos dicha relacin probando que para cualquier
expresin regular exista un autmata finito equivalente. Lo que se establece ahora con un
teorema fundamental en el estudio de los Autmatas:
Teorema5 de Kleene: Un lenguaje es regular si y slo si es aceptado por algn autmata
finito.
Hasta ahora hemos confirmado como las, ERs, AFDs y AFNDs son mecanismos
equivalentes para denotar los lenguajes regulares.
CONVERSIN DE ER a AF: Vamos a establecer unas condiciones tiles para transformar
una expresin regular en autmata finito y viceversa. El objetivo es hacer una transformacin
gradual que vaya convirtiendo la ER en AF. Para hacer la transformacin gradual de ER a
AFN se requiere utilizar alguna representacin de los lenguajes regulares que sea intermedia
entre las ER y los AFN.
51
Para ello se usan las grficas de transicin (GT). Estas ltimas son esencialmente AFND
en que las etiquetas de las flechas tienen expresiones regulares, en lugar de palabras.
Entonces se definen las grficas de transicin (GT) as: son por lo tanto quntuplos
M = (, K, , q 1 , F) donde K x ER x K
La figura 20 ilustra un ejemplo de GT.
Figura 20: Grfica de transicin (GT)
En este ejemplo en particular se evidencia que se debe aceptar palabras que tienen primero
una sucesin de as, luego repeticiones de ab, y finalmente repeticiones de bs.
La funcin completa estara dada por:
({q0, q1}, {a, b}, {(q0, a, q0), (q0, (ab)*, q1), (q1, b, q1)}, q0, {q1})
Los AFN son un subconjunto propio de las GT, puesto que las palabras en las etiquetas de
un AFN pueden ser vistas como expresiones regulares que se representan a s mismas.
Figura 21: Operadores bsicos de conversin de AF a ER
52
La figura 21 muestra un proceso de eliminacin gradual de los operadores de las ER en

donde Gn AFND con las operaciones elementales y necesarias. Para eliminar los
operadores de las ER en Gi, aplicamos reemplazamientos de ciertas transiciones por otras,
hasta que no sea posible aplicar ninguno de estos reemplazamientos.
Ejemplo 32: Tomado de:4 Dada la ER= (a + ba)* bb, obtener el AFN que acepta el lenguaje
de dicha ER.
La solucin est definida en aplicar las transformaciones como se muestran en la figura 22
(aplicando las transformaciones bsicas de la figura 20).
Figura 22: Transformacin de Er a AF.
<BRENA,R; Autmatas y lenguajes, un enfoque de diseo. 2003. Monterey. 214p>
53
CONVERSIN DE AF a ER: El procedimiento indica que se deben ir eliminado

gradualmente nodos de una GT que inicialmente es el AFN que se quiere transformar, hasta
que nicamente queden un nodo inicial y un nodo final.
El procedimiento aplica los siguientes pasos: Para ello se ilustra el siguiente ejemplo:
Ejemplo 33: Tomado de5 Dado el siguiente AF M = (, K, , q0, F) donde

= {a,b}, F = {q1, q2} s = {q0} y K = {q0, q 1 , q 2 } y representado en el diagrama de estados
de la figura 23. Se requiere obtener la ER correspondiente y que represente el lenguaje que
acepta el autmata M.
Figura 23: Obtencin de una ER a partir de un AF
PASO 1: El primer paso en este procedimiento consiste en aadir al autmata finito un

nuevo estado inicial i, mientras que el antiguo estado inicial q0 deja de ser inicial, y un nuevo
estado final f, mientras que los antiguos estados finales qi F dejan de ser finales; adems
se aade una transicin vaca del nuevo estado inicial al antiguo, (i, , q0), y varias
transiciones de los antiguos estados finales al nuevo: {(qi, , f) | qi F}.
Esta transformacin tiene por objeto que haya un estado inicial al que no llegue ninguna
transicin, y un solo estado final, del que no salga ninguna transicin. Esta condicin se
requiere para llevar a cabo el siguiente paso. Hay muchos autmatas que ya cumplen estas
condiciones sin necesidad de aadir un nuevo estado inicial o un nuevo estado final.
La figura 24 muestra estas acciones realizadas (se adiciona un nuevo estado inicial y final)
para este primer paso para el ejercicio 33 propuesto.
Bis(4).
54
Figura 24: Obtencin de una ER a partir de un AF PASO1
PASO 2: Eliminacin de nodos intermedios. Eliminamos primero el nodo q1. Para ello,
consideramos que trayectorias o rutas pasan por el nodo a eliminar. Por ejemplo, en la
figura 23 vemos solamente una trayectoria que pasa por q1, la cual va de q0 a f.
Ahora nos proponemos eliminar el nodo q1, pero sin modificar lo que se gasta para pasar
de q0 a f. Es fcil ver que para pasar de q0 a f se gasta primero una a y luego algn nmero
de repeticiones de a o b (para llegar de q1 a f no se gasta nada). Esto corresponde a la ER
a(a + b)*, que sera la etiqueta de la nueva ruta directa de q0 a f, sin pasar, por q1, como se
evidencia en a figura 25.
Figura 25: Obtencin de una ER a partir de un AF PASO2
PASO 3: Eliminacin de nodos. La figura 26 muestra el proceso de eliminacin del nodo q2.
55
Figura 26: Obtencin de una ER a partir de un AF PASO3. Eliminacin de nodo.
PASO 4: Eliminacin de nodos. La figura 27 muestra el proceso de eliminacin del nodo q0.
Figura 27: Obtencin de una ER a partir de un AF PASO4. Eliminacin de nodo q0.
PASO 5: Fusin de expresiones (paralelas). Como se muestra en la figura 28.

Figura 28: Obtencin de una ER a partir de un AF PASO5. Fusin de expresiones
Finalmente la Er obtenida corresponde a:
(bb*a)*a(a+b)* + (bb*a)*bb

DESCRIPCIN DE VIDEO
Expresin Regular (ER) que

representa el lenguaje que puede
aceptar un autmata.
CANAL
CANAL
http://youtu.be/z7vmzu9078Y
http://www.veoh.com/watch/v61691189ZDE5K4wH
Fuente:<El autor>
56
LECCIN 14. EQUIVALENCIA DE AFD Y AFND

Se pretende construir a partir de un autmata finito no-determinstico otro determinstico que
acepte el mismo lenguaje:
Ejemplo 34: Dado el siguiente AFND

M = (, K, , q0, F). Se llama autmata determinstico asociado a M, al autmata:
M = (, K , , q0 , F )
dado por (obsrvese que lo nico que no cambia es el
alfabeto):
= P(K)
q0 = {q0}
= (,a) = * (,a)
El ejemplo de la figura 29 muestra

Figura 29: Equivalencia de una AFND con un AFD
57
En el que se concluye: Teorema 6: Un AFND M y su correspondiente Autmata

determinstico
aceptan el mismo lenguaje.
De igual forma y a manera inversa para el teorema: dado un autmata finito determinstico
AFD M = (, K, , q0, F). se puede construir uno no-determinista:
M = (, K,
, q0, F).
que acepta el mismo lenguaje. Solo se debe considerar:
(q0,a) = { (q0,q)}: en el que en cada situacin solo hay un camino posible que es el que
determine la funcin de transicin .
Para los autmatas de la figura 28; Reconocen el lenguaje formado por todas las cadenas
que empiezan por 1 excepto las terminadas en dos ceros consecutivas, Adems se debe
incluir la cadena vaca. Ambos autmatas reconocen el mismo lenguaje.
Teorema 7: Dos autmatas M1 y M2 son equivalentes, M1 M2, cuando aceptan
exactamente el mismo lenguaje.
Ejemplo 35: Tomado de: 6El siguiente ejemplo muestra cmo puede darse el caso en el que
varios AF distintos acepten un mismo lenguaje. La figura 30 muestra los autmatas (a) y (b)
que aceptan el lenguaje a*. Lo que se indaga ahora es si estos son equivalentes. Lo que se
concluye tambin que para comprobar la equivalencia se debe realizar una demostracin de
igualdad de lenguajes (operacin que suele ser compleja si son lenguajes infinitos).
Figura 30: AF distintos que aceptan un miso lenguaje.
Bis (4)
58
Mtodo usado para probar los AF y determinar equivalencia: Son muchos y de diversas
formas de aplicacin. El que se propone ac es basado en el teorema:
Teorema 8: Teorema de Moore: Existe un algoritmo para decidir si dos autmatas finitos son
equivalentes o no. Este algoritmo consiste en la construccin de un rbol de comparacin de
autmatas. Este rbol permite convertir el problema de la comparacin de los lenguajes
aceptados en un problema de comparacin de estados de los autmatas.
Definicin 11: dos estados q y q son compatibles si ambos son finales o ninguno de los dos
es final. En caso contrario, son estados incompatibles.
La idea del algoritmo de comparacin de AFD1 y AFD2 de la figura 29 consiste en averiguar
si existe alguna secuencia de caracteres tal que siguindola simultneamente en AFD1 y
AFD2 se llega a estados incompatibles. Si dicha secuencia no existe, entonces los autmatas
son equivalentes.
El nico problema con esta idea estriba en que hay que garantizar que sean cubiertas todas
las posibles cadenas de caracteres w, las cuales son infinitas en general. Por ello se pens
en explorar todas las posibles combinaciones de estados mediante un rbol. Dicho rbol de
comparacin se construye de la manera siguiente, para dos autmatas:7
M = (, K, , s, F)
M = (, K, , s, F).
La figura 31 muestra el rbol de comparacin en el que se evala el diseo y

comportamiento de los estados no sin antes definir:
Figura 31: rbol de comparacin de AF.
Bis (4)
59
La explicacin del rbol es la que se describe as:
1. Inicialmente la raz del rbol es el par ordenado (s, s) que contiene los estados
iniciales de M y M respectivamente.
2. Si en el rbol hay un par (r, r), para cada caracter en se aaden como hijos suyos
los pares (r , r ) donde r = (r , ) , r (r, ) en caso de que no estn.
3. Si aparece en el rbol un par (r, r) de estados incompatibles, se interrumpe la

construccin del mismo, concluyendo que los dos autmatas no son equivalentes. En
caso contrario se contina a partir del paso 2. Si no aparecen nuevos pares (r , r ) )
que no estn ya en el rbol, se termina el proceso, concluyendo que los dos
autmatas son equivalentes.
Se concluye que los autmatas iniciales de M y M respectivamente de la figura 29 son

equivalentes.
LECCIN 15. MINIMIZACIN DE AUTMATAS

Se llama minimizacin a la obtencin de un autmata con el menor nmero posible de
estados. Una de las mejores cualidades de los AFD es que existen mtodos mecnicos para
simplificarlos, hasta poder llegar al AFD ms sencillo posible para un lenguaje dado.
En el caso de los AFD, vamos a entender por simplificacin la reduccin en el nmero de
estados, pero aceptando el mismo lenguaje que antes de la simplificacin.
Ejemplo 36: Dado el siguiente AFD M = (, K, , q0, F) donde

= {0,1},
F = {q2} s = {q0} y K = {q0, q 1 , q 2 ,q3, q4, q5, q6, q7 } y representado en el
diagrama de estados de la figura 32. Se requiere obtener el autmata mnimo

correspondiente.
Figura 32: Autmata a minimizar
60
Concepto de estados redundantes se define as:

Dos estados son equivalentes, q1 q2 si al intercambiar uno por otro en cualquier
configuracin no altera la aceptacin o rechazo de toda palabra. En el ejemplo 36 los
estados q1 y q6 son excluyentes, (ya que ambos cumplen la misma funcin) y al eliminar uno
u otro no altera la aceptacin o no de una cadena: Si se observa:
Del estado q1 sale el smbolo 0 y llega al estado q5
Esta definicin quiere decir que, si q1 q6, al cambiar q1 por q6 en la configuracin, la palabra
va a ser aceptada (se acaba en el estado final) si y slo si de todos modos iba a ser
aceptada sin cambiar q1 por q6 (se acaba en el estado final).
De manera general: El nico problema con esta definicin es que, para verificar si dos
estados dados p y q (para el ejercicio sera q1 y q6) son equivalentes, habra que examinar,
para cada palabra posible de entrada, si intercambiarlos en las configuraciones altera o no la
aceptacin de esa palabra. Esto es evidentemente imposible para un lenguaje infinito. La
61
definicin nos dice qu son los estados equivalentes, pero no cmo saber si dos estados son
equivalentes.
Cmo se soluciona: Recordemos el teorema 7: Dos autmatas M1 y M2 son equivalentes,
M1 M2, cuando aceptan exactamente el mismo lenguaje
Para saber si dos estados q1 y q6 son equivalentes, se les pone a ambos como estado inicial
de sendos autmatas M1 y M2 , y se procede a comparar dichos autmatas. Si stos ltimos
son equivalentes, quiere decir que los estados q1 y q6 son equivalentes.
Si dicha comparacin de AFDs da un resultado de equivalencia, se concluye que los estados
son redundantes.
Una vez que se sabe que dos estados son equivalentes, se puede pensar en eliminar uno de
ellos, para evitar redundancias y hacer ms eficiente a AFD. Sin embargo, la eliminacin de
un estado en el AFD plantea el problema de qu hacer con las flechas que conectan al
estado eliminado con el resto del autmata. Esta cuestin se resuelve con los siguientes
criterios:
Las flechas que salen del estado eliminado son eliminadas.

Las flechas que llegan al estado eliminado son redirigidas hacia su estado
equivalente.
MTODOS PARA LOCALIZAR ESTADOS REDUNDANTES Y MINIMIZAR AFDs
1. DEFINIMOS EL AUTMATA E IDENTIFICAMOS LO QUE VA A CAMBIAR:

Entrada: (el autmata inicial sin minimizar) : Un AFD M = (, K, , q0, F) donde
= {0,1}, F = {q2} s = {q0} y K = {q0, q 1 , q 2 ,q3, q4, q5, q6, q7 }.
Salida: (un AFD mnimo como resultado): M = (, K, , q0 , F) (ntese que el
alfabeto no cambia)
2. ELIMINAR ESTADOS INACCESIBLES DE M;
En la figura 33 se han identificado los estados q6 y q1 como candidatos a ser comparados
para eliminar (en este caso q6).
Figura 33: Eliminacin de estados en un autmata AF
62
En la figura 34 se han identificado los estados q3 y q0 como candidatos a ser comparados

para eliminar (en este caso q3).
Claramente se ve que el estado q7 es inaccesible, (o le llegan transiciones adems) por

tanto, se puede eliminar este estado y sus transiciones. El autmata ya minimizado y
concluido se observa en la figura 35
63
3. IDENTIFICAR ESTADOS DISTINGUIBLES:
Vamos a definir la nocin de estados distinguibles, que intuitivamente quiere decir que si dos
estados son distinguibles, ya no pueden ser equivalentes. La definicin es inductiva:
Los estados p y q son distinguibles si son incompatibles (es decir, uno es final y el otro no
final). Esta es la base de la induccin. Se puede verificar el ejercicio.
Teorema 9: Dos estados son equivalentes (o redundantes) si no son distinguibles. Es
relativamente sencillo verificar si dos estados son distinguibles.
4. CONSTRUCCIN DE TABLA:
Construir tabla T con filas desde q1 hasta qn y columnas desde q0 hasta qn-1
Obsrvese que en la tabla Figura 36 se omite la diagonal principal, pues no tiene caso
confrontar cada estado contra s mismo.
64
Figura 36: Tabla de estados distinguibles.
Fuente: <El autor. CAAT>
Empezamos en la parte inferior (eje horizontal) de menor a mayor desde q0 hasta qn-1
Luego el eje vertical de arriba hacia abajo: q1 hasta qn
Se aprecian signos en las celdas, que se obtienen directamente del hecho de que son
pares de estados incompatibles por lo tanto distinguibles. En otras palabras lo que hemos
hecho es: marcar (par (qi , qj)) donde un estado del par es final y el otro no.
Una manera de organizar el trabajo de verificar qu pares de estados de un AFD son
distinguibles, consiste en construir una tabla en que los renglones y las columnas son los
nombres de los estados, y en cada cruce de rengln con columna se indica con una
cuando son distinguibles.

Resultado final: Al final quedan sin marcar PAR (q3,q0) y PAR (q6,q1) y por lo tanto:
q0 q3
y q1 q6
Y el autmata cociente (mnimo) es:

M ( { [q0] , [q1] , [q2] , [q4] , [q5] } , {0,1} , , [q0] , [q2] } )
Note que se han eliminado los estados q3, q6, q7
Se conserv el mismo estado inicial q0 y el estado final q2
Todo el proceso de minimizacin adems de otras caractersticas las puede visualizar en:
65
Tabla 12: Recursos web para minimizacin de autmatas

DESCRIPCIN DE VIDEO
CANAL
CANAL
PARTE 1: Identificacin quntupla

de un autmata. Tablas de
transicin. Recorrido de una
cadena vlida. Leguaje aceptado
pro un autmata. Gramtica
PARTE 2: Graticas, Arboles de
derivacin. Expresiones Regulares
http://youtu.be/z19KDUC1oh0
http://www.veoh.com/watch/v61603854nW9bZSZW
http://youtu.be/LThVITEsLiA
http://www.veoh.com/watch/v61604786EcAYA94H
PARTE 3: Minimizacin de
autmatas
http://youtu.be/Sto4KosrUX8
http://www.veoh.com/watch/v616060295QNDkm6W
PARTE 4: Minimizacin de
autmatas (uso de simuladores).
JFLAP
http://youtu.be/d0-Nkk3Y1DU
http://www.veoh.com/watch/v61606962CRp6fnXP
UNIDAD 2. LENGUAJES INDEPENDIENTES DEL CONTEXTO

Los lenguajes independientes del contexto que tambin se conocen con el nombre de
gramticas de contexto libre son un mtodo recursivo sencillo de especificacin de reglas
gramaticales con las que se pueden generar cadenas de un lenguaje.
Es factible producir de esta manera todos los lenguajes regulares, adems de que existen
ejemplos sencillos de gramticas de contexto libre que generan lenguajes no regulares.
Las reglas gramaticales de este tipo permiten que la sintaxis tenga variedad y refinamientos
mayores que los realizados con lenguajes regulares, en gran medida sirven para
especificar la sintaxis de lenguajes de alto nivel y otros lenguajes formales.
CAPTULO 4 CONCEPTOS GENERALES

Hasta ahora, se han visto dos formas de definir lenguajes: a travs de autmatas finitos, y por
medio de expresiones regulares. Ahora veremos otra forma, usando el concepto de gramticas.
Basamos el estudio siguiente en el concepto bsico de gramtica formal como un conjunto de reglas
para formar correctamente las frases de un lenguaje (ejemplo la gramtica del espaol, ingls, francs,
etc).
66
Las caractersticas y notacin especfica de gramtica fue dada por Chomsky,N, quin bas esta
descripcin en las denominadas Reglas Gramaticales.
Definicin 12: Reglas Gramaticales: Son especficamente, reglas de reemplazo. Una regla es un
expresin de la forma en donde tanto como son cadenas de smbolos en donde pueden
aparecer tanto elementos del alfabeto como unos nuevos smbolos, llamados variables. Los
smbolos que no son variables son constantes. Por ejemplo una regla gramatical es dada como: X
aX . Otro ejemplo: Aplicar la regla a la palabra da como resultado (operacin de
reemplazo) . Otro ejemplo: Si se tienen los smbolos bbXa y se le aplica la regla X aX da como
resultado la nueva cadena bbaXa.
LECCIN 16. GRAMTICAS REGULARES
Definicin 13: Definimos o caracterizamos una gramtica regular como:
Un cudruplo (V, , R, S) en donde:
V = Es el alfabeto de variables
= Es el alfabeto de constantes
R = Es el conjunto de reglas, es un subconjunto finito de V x (V U )
S= Es el smbolo inicial y es un elemento de V
Estas gramticas regulares son de la forma:
Lineales por la derecha.- Cuando todas las producciones tienen la forma

A aB o bien A a
Lineales por la izquierda.- Cuando todas las producciones tienen la forma
A Ba o bien A a
En donde A y B son las variables que pertenecen a V y a es un carcter terminal o constante
que pertenece a .
Ejemplo 37: La gramtica G dada por V = {S,A} y ={0,1} y las producciones:
67
Producciones por la derecha:

(lineal por la derecha)
Producciones por la izquierda

(lineal por la izquierda).
1. S 0A
1. S S10
2. A 10A
2. S 0
3. A
Genera el mismo lenguaje: L(G) = 0(10)*
Ejemplo 38: Dada la siguiente gramtica con sus reglas:
4. S aA
5. S bA
6. A aB
7. A bB
8. A a
9. B aA
10. B bA
La idea para aplicar una gramtica es que se parte de

una variable, llamada smbolo inicial (que en este caso es
S), y se aplican repetidamente las reglas gramaticales,
(en este ejemplo hay 7 reglas gramaticales) hasta que ya
no haya variables en la palabra (las dos variables para
este ejemplo son a y b). En ese momento se dice que la
palabra resultante es generada por la gramtica, o en
forma equivalente, que la palabra resultante es parte del
lenguaje de esa gramtica.
Las constantes de esta gramtica son a y b.
Al analizar la gramtica, partiendo de S podemos se puede producir bA (por la segunda

regla), luego de bA podemos pasar a ba (por la quinta regla). Como ba tiene slo
constantes, podemos concluir que la palabra ba es parte del lenguaje generado por la
gramtica dada. De hecho el lenguaje generado por esta gramtica es:
L = { (a,b)* (que acepta las palabras en {a, b} de longitud par terminadas en a}
Se pueden derivar muchas otras palabras como bababa L(G) y que pertenecen tambin al
lenguaje generado por la gramtica. Formalmente esta gramtica se representara como:
({S, A,B}, {a, b}, {(S, aA), (S, bA), (A, aB), (A, bB), (A, a), (B, aA), (B, bA)}, S)
Una cadena (esto es, formada exclusivamente por constantes) es derivable a partir de
una gramtica G si existe una secuencia de pasos de derivacin:
S 1 2
68
A una secuencia de pasos de derivacin le llamamos simplemente derivacin.

Definicin 14: El lenguaje generado por una gramtica G, L(G), es igual al conjunto de las
palabras derivables a partir de su smbolo inicial. Es decir:
L (G) = { * S * }
AUTMATAS FINITOS Y GRAMTICAS REGULARES: Se establece la equivalencia entre

las gramticas regulares y los lenguajes regulares -y por ende los autmatas finitos.
Teorema 10: Si L es un lenguaje generado por una gramtica regular, entonces existe un
autmata finito determinstico que lo reconoce.
Teorema 11: La clase de los lenguajes generados por alguna gramtica regular es
exactamente la de los lenguajes regulares.
La prueba de estos teoremas consiste en proponer un procedimiento para, a partir de una
gramtica dada, construir un autmata finito, y viceversa.
OBTENCIN DE UN AUTMATA FINITO A PARTIR DE UNA GRAMTICA DADA:
Procedimiento 1: Consiste en asociar a los smbolos no terminales de la gramtica (las
variables) los estados de un autmata. As, para cada regla A bC en la gramtica
tenemos una transicin (A, b,C) en el autmata.
Para el caso de las reglas A b, se tienen transiciones (A, b,Z), donde Z es un nuevo
estado para el que no hay un no terminal asociado; Z es el nico estado final del autmata.
Ejemplo 39: Obtener un autmata finito para la gramtica regular G1 siguiente: (V, , R, S). Se
denota la gramtica en un formato comprimido: (en fila):
S aA S bA A aB A bB A a B aA B bA
Es lo mismo que:
S aA bA ,
A aB bB a ,
69
B aA bA
En la Figura 38, haciendo uso del simulador JFLAP8 , que dentro de sus opciones nos
permite introducir una gramtica y generar el AF, se muestra el resultado de la conversin
automtica de G AF (de Gramtica a Autmata Finito).
Fuente: <Generado con JFLAP El Autor>
Procedimiento 2: Ejemplo 40: Dado el Lenguaje L generado por la gramtica G2 = (V, , R, S)

(definida lineal por la derecha para el ejemplo) as: S 0A A 10A A se desea
construir un autmata finito no determinstico AFND que acepte el lenguaje L.
El autmata resultante ser: M = (, K, , s, F) donde:
8
JFLAP Version 7.0 RELEASED August 28, 2009. Last update May 15, 2011. Disponible en internet.
<http://www.jflap.org/>
70
K {[ ] : ( S ) (A V , , talesque. A R)}
q0 = [S]
F = {[ ]}
Viene definida por:
Si A es una variable ([ A], ) {[ ] : ( A ) R
Si a y ( *V ) , entonces ([ a ], a ) [ ]
La aceptacin de una palabra en este autmata simula la aplicacin de reglas de derivacin

en la gramtica original. Al construir el autmata no determinstico correspondiente se puede
transformar en uno equivalente con un solo estado final as:
Basta con aadir un nuevo estado final
Pasar a no-finales los estados finales originales y unir estos mediante una transicin
nula con el nuevo estado final.
71
OBTENCIN DE LA GRAMTICA A PARTIR DE UN AUTMATA FINITO:

A partir de un AFD M = (, K, , s, F) obtener la gramtica regular correspondiente. El
procedimiento sigue la siguiente secuencia:
Para cada transicin de la forma (( , ), q ) habr en la gramtica una regla X X q ,
donde Xi es la variable en la gramtica que corresponde al estado i del AFD.
1. La forma X permite terminar una derivacin.
2. La aplicacin de este tipo de reglas debe corresponder al consumo del ultimo
caractr de una palabra aceptada en el AFD.
3. Al terminar una palabra aceptada en un AFD, necesariamente nos encontraremos en
un estado final o de aceptacin halt.
4. Hay que incorporar a la gramtica, por cada transicin (( , ), q ) donde q F una
regla adicional X adems de la regla X X q .
Ejemplo 41: Dado el AFD de la Figura 41, determinar las reglas de produccin que determinan
la gramtica regular.
72
Figura 41: AFD y su gramtica.
Finalmente la gramtica regular generada con sus respectivas reglas es la mostrada en la

Figura 40 y que se gener con software de simulacin JFLAP.
DESCRIPCIN DE VIDEO
Autmatas y Gramticas,
representacin y descripcin.
CANAL
CANAL
http://youtu.be/FcsxGEFF5RI
http://www.veoh.com/watch/v61736035WqpFzqBM
Fuente. <El autor>
LECCIN 17. LENGUAJES LIBRES DE CONTEXTO Y SUS MQUINAS.

Gramticas y lenguajes libres de contexto: Los Lenguajes Libres de Contexto (abreviado
LLC) forman una clase de lenguajes ms amplia que los Lenguajes Regulares, de acuerdo
con la Jerarqua de Chomsky. Estos LLC relacionan las Gramticas libres de contexto (GLC)
con los Autmatas de Pila.
Dentro de la jerarqua de Chomsky las gramticas se clasificaron de acuerdo a la propuesta
de definir formas estandartes de reglas que se asocian a varias clases de lenguajes, que
orden de manera tal que forman una jerarqua, es decir, los lenguajes ms primitivos estn
incluidos en los ms complejos. Casi todos los lenguajes de programacin estn basados en
los LLC
Las clases de gramticas que se pueden asociar a familias de leguajes, de acuerdo a
Chomsky son:
73
1. Gramticas regulares, o de tipo 3: Las reglas son de la forma A aB o bien A a,

donde A y B son variables y a es constante. Estas gramticas son capaces de
describir los lenguajes regulares.
2. Gramticas Libres de Contexto (GLC), o de tipo 2: Las reglas son de la forma X
donde X es una variable y es una cadena que puede contener variables y
constantes. Estas gramticas producen los Lenguajes Libres de Contexto (LLC).
3. Gramticas sensitivas al contexto o de tipo 1: Las reglas son de la forma
A , donde A es una variable y y son cadenas cualesquiera que

pueden variables y constantes.
4. Gramticas no restringidas o de tipo 0: Con reglas de la forma donde no
puede ser vaco, que generan los lenguajes recursivamente enumerables.
Los lenguajes de tipo 0 incluyen a los de tipo 1, estos a los de tipo 2, etc.
LENGUAJES Y GRAMTICAS LIBRES DE CONTEXTO (LLC Y GLC):
Las GLC tienen reglas menos rgidas que las gramticas regulares. As toda gramtica
regular es GLC pero no viceversa
Para introducirnos en este estudio, aplicamos la misma filosofa de representacin de las
gramticas regulares en donde las reglas son tcnicas de reemplazo: Aplicar una regla como
X de una gramtica, consiste en reemplazar X por en una palabra. Por ejemplo dado
la regla S aSb se puede aplicar a una palabra como abSab, en donde si se reemplaza S
por aSb se tiene abaSbab.
Algunos autores Brena R. 9definen: Al proceso de aplicar una regla se le conoce como
paso de derivacin, y se denota usando una flecha de direccin: . Una secuencia de
pasos de derivacin a partir de una variable especial de la gramtica llamada smbolo
inicial se llama simplemente derivacin.
Formalizacin de las GLC: Una gramtica libre de contexto es una cudrupla:
(V, , R, S) en donde:
V = Es el alfabeto de variables
Bis (6)
74
= Es el alfabeto de constantes, tambin llamadas terminales. En el que V y son

disyuntos, es decir: V =
R = Es el conjunto de reglas, es un subconjunto finito de V x (V U )*
S= Es el smbolo inicial y es un elemento de V
Y donde las producciones tiene la forma A siendo A V y ( V U )*
Una cadena ( V U )* es derivable a partir de una gramtica (V, , R, S) si hay al

menos una secuencia de pasos de derivacin que la produce a partir del smbolo inicial S,
as:
S ...
El lenguaje L(G) generado por una gramtica (V, , R, S) es el conjunto de palabras hechas
exclusivamente de constantes, que son derivables a partir del smbolo inicial:
L { * | S ... }
LECCIN 18. ARBOLES DE DERIVACIN

Las GLC tienen la propiedad de que las derivaciones pueden ser representadas en forma de
rbol ramificado o arboles de derivacin, o tambin arboles de compilacin por usarse
extensivamente en los compiladores y son de vital importancia para la teora de los
compiladores de los lenguajes de programacin.
Se puede considerar que un rbol de derivacin es ms abstracto que una derivacin lineal
es decir, una sucesin S ... en el sentido de que para un solo rbol de derivacin
puede haber varias derivaciones lineales, segn el orden en que se decida expandir los no
terminales.
La definicin formal de estos rboles de derivacin est dada por:
Definicin15: Sea: G = (V, , R, S) una GLC. Entonces el rbol de derivacin cumple las
siguientes propiedades:
1. Cada nodo tiene una etiqueta.
75
2. La raz tiene etiqueta S.

3. La etiqueta de los nodos que no son hojas debe estar en V, y las de las hojas en:
U
4. Si un nodo n tiene etiqueta A, y los nodos n1, ., nm son sus hijos (de izquierda a
derecha), con etiquetas respectivamente A1, .., Am, entonces A A1, ., Am R.
Definicin 16: La cadena de caracteres que resulta de concatenar los caracteres terminales
encontrados en las etiquetas de los nodos hoja, en un recorrido en orden del rbol de
derivacin, se llama el producto del rbol.
Es decir, al efectuar un recorrido en orden del rbol de derivacin recuperamos la cadena a
partir de la cual se construy dicho rbol. As, el problema de compilar una cadena de
caracteres consiste en construir el rbol de derivacin a partir del producto de ste.
Ejemplo 42: Para explicar como un rbol de derivacin ilustra diferentes derivaciones para una
misma cadena, es tpico ejemplificar el caso de describir las secuencias de unos parntesis
bien balanceados, en el que se presenta el caso ideal que nunca se han cerrado ms
parntesis de los que se han abierto y en el que al final los nmeros coinciden.
Una GLC simple que describira este caso sera:
S Ss
S
Y que formalmente se escribira como:
= {(,)},
V = {S},
R = {(S, (S) S), (S, )}
Una derivacin de la cadena = (())() a partir de S podra ser:

S (S)S ((S)S)S (()S)S (())S (())(S)S (())()S (())()
Y otra podra ser:
S (S)S
(S)(S)S
(S)()S
(S)()
((S)S)()
(()S)()
(())()
El rbol de derivacin para este ejemplo estara dado en la figura 42 (las distintas rdenes de
derivacin no son los nicos responsables de que existan distintas formas de derivar una
misma cadena. Es posible que una misma cadena tenga dos rboles de derivacin distintos.)
76
Figura 42: rbol de derivacin para una secuencia de parntesis bien balanceados.
Ejemplo 43: Para la siguiente gramtica: S aAS, S a, A SbA , A SS,
A ba
Analizamos la cadena o palabra = aabbaa que genera un rbol y que puede provenir de
varias cadenas de derivaciones distintas as:
Derivacin por la izquierda: Cuando en cada paso siempre se sustituye primero la primera
variable (ms a la izquierda) de la palabra que tenemos.
Derivacin por la derecha. Cuando en cada paso siempre se sustituye primero la ltima
variable (ms a la derecha) de la palabra que tenemos
El rbol de derivacin se muestra en la figura 43:
Figura 43: rbol de derivacin para la cadena aabbaa
Haciendo uso de software de simulacin JFLAP se puede recrear el ejercicio como se

videncia en la Figura 44.
77
Figura 44: rbol de derivacin para la cadena aabbaa generado en JFLAP
Al mismo rbol dado en las figuras 42 y 43 de la Gramtica, le corresponden las siguientes

derivaciones:
Derivacin por la izquierda:
S aAS aSbAS aabAS aabbaS aabbaa
Las derivaciones por la izquierda son mostradas en la figura 45. Fueron generadas con
software simulador JFLAP.
Figura 45: Derivaciones por la izquierda, generadas en JFLAP
Derivacin por la derecha:

S aAS aAa aSbAa aSbbaa aabbaa
78
Ejemplo 44: Para la Gramtica G3 = S aSbS bSaS Sus rboles de derivacin son
los mostrados en la figura 46.
Figura 46: Arboles de derivacin para la gramtica G3
AMBIGEDAD EN GLC: La existencia en una gramtica de varias derivaciones para una

misma palabra no produce ningn problema, siempre que den lugar al mismo rbol. Sin
embargo, existe otro problema que si puede ser ms grave: la ambigedad. Una gramtica
se dice ambigua si existen dos rboles de derivacin distintos para una misma palabra. Esto
es un problema, ya que la gramtica no determina la estructura sintctica de los elementos
de la palabra, no determina como se agrupan los distintos elementos para formar la palabra
completa.10
Se concluye: En efecto, hay GLC en las cuales para ciertas palabras hay ms de un rbol de
derivacin.
Definicin 17: Una GLC G es ambigua si existen dos rboles de derivacin distintos para G
que generan una misma cadena L(G).
Definicin 18: Todo lenguaje Regular es Libre del Contexto. El conjunto de los lenguajes LC
incluye al de los regulares.
Si L * es un lenguaje regular, entonces L es LC
Ejemplo 45: Dada la siguiente GLC para las expresiones aritmticas de las variables:
10
MORAL, S. Modelos de Computacin. p. 92
79
1. E E + E
2. E E * E
3. E x
4. E y
Con esta gramtica, para la expresin x+y * x existen dos rboles de

derivacin (Figura 47). El hecho de que existan dos rboles de
derivacin para una misma expresin es indeseable, pues cada rbol
indica una manera distinta de estructurar la expresin.
En efecto, en el rbol de la izquierda, al resultado de la suma (x + y) se
multiplica con x, mientras que en el de la derecha sumamos x al
resultado de multiplicar x con y; por lo tanto el significado que se asocia
a ambas expresiones puede ser distinto.11
La ambigedad es una propiedad de la gramtica mas no del lenguaje generado.

Figura 47: Arboles de derivacin para una gramtica ambigua
Cmo eliminar la ambigedad de una GLC: Consiste en introducir nuevos estados noterminales de modo que se eliminen los rboles de derivacin no deseados. Para el anterior
ejemplo es tpica la solucin introduciendo variables (T) y factores (F). La gramtica
resultante es:
E E + T T ;
TT * F F ;
F (E) x y
Con esta nueva GLC, el rbol de derivacin de la figura 46 (a) se elimina, quedando
finalmente una adaptacin del rbol de la figura 46 (b) a la GLC con trminos y factores.
Ejemplo 46: 12La gramtica S AA, A aSa, A a representada en la figura 48 es
ambigua: la palabra a5 tiene dos rboles de derivacin distintos.
Figura 48: Arboles de derivacin para una gramtica ambigua para a 5

11
12
(Bis)4
MORAL, S; Modelos de computacin. 130 p.
80
Es suficiente que haya una palabra con dos rboles de derivacin distintos para que la
gramtica sea ambigua. Esto quiere decir que existe otra gramtica de tipo 2 no ambigua y
que genera el mismo lenguaje. El lenguaje generado es
{a 23i : i 0}
y otra gramtica
no ambigua que tambin genera este lenguaje es:

S aa, S aaU, U aaaU , U aaa
asociado que se muestra en la figura 49.
Aqu a solo tiene un rbol de derivacin
Figura 49: Arboles de derivacin para a5
LECCIN 19. TRANSFORMACIN DE LAS GLC Y FORMAS NORMALES

Se trata de modificar las reglas de la gramtica para que cumplan ciertas propiedades o por
simple estandarizacin o facilidad de implementacin computacional; pero sin modificar el
lenguaje aceptado.
Eliminacin de smbolos y producciones intiles: Un smbolo x (V U ) se dice que es
til si y solo si existe una cadena de derivaciones en G tal que:
81
S x
Es decir si interviene en la derivacin de alguna palabra del lenguaje generado por la
gramtica. Una produccin se dice til si y solo si todos sus smbolos son tiles. Esto es
equivalente a que pueda usarse en la derivacin de alguna palabra del lenguaje asociado a
la gramtica. Est claro que eliminando todos los smbolos y producciones intiles el
lenguaje generado por la gramtica no cambia.
El algoritmo para eliminar los smbolos y producciones intiles consta de dos pasos
fundamentales:
1. Eliminar las variables desde las que no se puede llegar a una palabra de y las
producciones en las que aparezcan.
2. Eliminar aquellos smbolos que no sean alcanzables desde el estado inicial, S, y las
producciones en las que estos aparezcan.
El primer paso se realiza con el siguiente algoritmo (V' es un conjunto de variables):
1. V = 0
2. Para cada produccin de la forma A A se introduce en V.
3. Mientras V cambie
4. Para cada produccin B
5. Si todas las variables de pertenecen a V,
B se introduce en V
6. Eliminar las variables que estn en V y no en V'
7. Eliminar todas las producciones donde aparezca una variable de las eliminadas en el paso
anterior
El segundo paso se realiza con el siguiente algoritmo:

V y J son conjuntos de variables. J son las variables por analizar.
es un conjunto de smbolos terminales
1. J = {S}
82
V = {S}
=
2. Mientras J
3. Extraer un elemento de J : A, (J = J {A}).
4. Para cada produccin de la forma A
5.Para cada variable B en
6. Si B no est en V aadir B a J y a V
7. Poner todos los smbolos terminales de a en
8. Eliminar todas las variables que no estn en V
y todos los smbolos terminales que no estn en .
9. Eliminar todas las producciones donde aparezca
un smbolo o variable de los eliminado
Ejemplo 47 El objetivo es eliminar todos los smbolos y variables intiles. Dada la gramtica:
S AB, S a, A a
En el primer algoritmo se elimina B y la produccin S AB.
Entonces en el segundo se elimina la variable A y la produccin A a.
Sin embargo, si aplicamos primero el segundo algoritmo, entonces no se elimina nada. Al
aplicar despus el primero de los algoritmos se elimina B y la produccin S AB. En
definitiva, nos queda la gramtica
S a, A a
Producciones Nulas: Son de la forma A . El objetivo sigue siendo el que no se

modifique el lenguaje ni la estructura de los rboles de derivacin. La idea que permite
eliminar las reglas A es la de irse un paso atrs para examinar de dnde provino el noterminal A que se quiere eliminar, y por cada regla B A de la gramtica agregar una
83
regla B , en que directamente ya se reemplaz A por . Una vez hecho esto, se

pueden suprimir todas las reglas de la forma A , pues resultan redundantes.
El hecho que gramtica GLC contenga reglas de la forma A no significa que el lenguaje
contenga forzosamente a la palabra vaca. Ejemplo de ello es la siguiente gramtica cuyo
lenguaje no contiene la palabra vaca.
S (A), A (A), A AA, A
En caso de que el lenguaje en cuestin realmente contenga a la palabra vaca, no es posible
estrictamente eliminar todas las producciones vacas sin alterar el significado de la
gramtica. En estos casos vamos a expresar el lenguaje como la unin { } U L G donde G
es la gramtica transformada.
Producciones unitarias: Son las que tienen la forma A B donde A,B V
Ejemplo 48 Dada la gramtica GLC con las reglas siguientes:
S (S),
S BB,
S (),
BS
Su rbol de derivacin fue simulado en JFLAP. Admite parntesis balanceados como

cadenas vlidas. En la figura 50 se evalu la cadena = { ( ( ( ) ) ) }
Se tiene una regla S BB, y luego B se transforma en S por la regla B S. Se evidencia

ac que no es necesario usar estas reglas intermediarias cuando es posible generar
directamente SS a partir de S. La idea de eliminar las reglas de la forma A B viene de
84
observar que dichas reglas no producen nada til, simplemente introducen smbolos
intermediarios, que es posible eliminar.
Si en una gramtica hay las reglas A B y B i entonces es posible aadir reglas
i sin modificar el lenguaje. Ahora bien, si hacemos esto siempre que sea posible, las
reglas de la forma A B se vuelven intiles, pues toda derivacin:
. . . A B i . . . y que puede transformarse en:
. . . A i . . .
sin modificar el lenguaje. Esto prueba que la gramtica
equivalente es original.
Si se aplica este tipo de transformaciones al ejemplo 48 la regla intil, que tratamos de

eliminar, es B S. Se producen las nuevas reglas siguientes:
1. B (S), al combinar B S con S (S)

2. B BB, al combinar B S con S BB
3. B (), al combinar B S con S ()
4.
La gramtica final queda determinada por las reglas:
S (S),
S BB,
S (),
B (S),
B BB,
B ()
Su rbol de derivacin fue simulado en JFLAP. Admite parntesis balanceados como

cadenas vlidas. En la figura 51 se evalu la cadena = { ( ( ( ) ) ) } al igual que se hizo en
la figura 50. El lenguaje no se modific lego de eliminar producciones unitarias.
85
Eliminacin de reglas inaccesibles: Dada la gramtica GLC con las siguientes reglas:
S aXbb, X bSa, Y SX
La tercera regla es intil, porque no hay nadie que produzca la Y necesaria para que dicha
regla se aplique. A reglas como stas se les llama inaccesibles.
Definicin 19:
Una regla X de una gramtica (V, , R, S) es inaccesible si no hay una
13
derivacin S 1 X 2 donde 1 , 2 (V U )*.

En trminos prcticos, si vemos que una variable X no aparece en el lado derecho de
ninguna regla de la gramtica, podemos asegurar sin arriesgarnos que la regla X es
inaccesible.
Para eliminar una regla inaccesible no se necesita hacer ninguna otra modificacin a la
gramtica ms que simplemente borrarla. La equivalencia de la gramtica sin la regla
inaccesible y la original est garantizada por el hecho de que dicha regla no participa en
ninguna derivacin.
Formas Normales: 14Cuando es necesario expresar una GLC siguiendo formatos ms
preciso de las reglas que la simple forma A . Estos estndares reciben el nombre de
formas normales. Y una de estas formas formales ms conocidas es la forma normal de
Chomsky (FNCH). La FNCH consiste en que las reglas pueden tener dos formas:
13
14
BREANA, R; Autmatas y Lenguajes un enfoque de diseo. 214 p.

Bis (13)
86
1. A a, con a
2. A BC, con B,C V
Esta forma normal tiene por objeto facilitar el anlisis sintctico de una palabra de entrada,
siguiendo las siguientes estrategias:
Se trata de construir un rbol de derivacin de de arriba hacia abajo (llamado topdown).
Inicialmente el smbolo inicial S puede producir la palabra .
Se procede a dividir la palabra de entrada en dos pedazos, , para luego
tomar una regla S AB, y tratar de verificar si se puede derivar a a partir de A y b a
partir de B, es decir: S . . . si:
1. , hay una regla S .
2. , hay una regla S AB, con A . . . , y
B ...
LECCIN 20. LIMITACIONES DE LOS LLC

El objetivo es verificar que dado un lenguaje L no cumple que sea LLC. El teorema de
bombeo permite verificar esta condicin. Este lema de bombeo tambin puede verse como
una condicin necesaria que deben de cumplir todos los lenguajes libres de contexto.
Lema de Bombeo para lenguajes libres de contexto: Sea L un lenguaje libre de contexto.
Entonces, existe una constante n, que depende solo de L, tal que si z L y z n ,
entonces z se puede escribir de la forma uvwxy de forma que:
1. vx 1
2. vwx n,
3. i 0, uv i wx i y L
Demostracin. Slo vamos a indicar una idea de cmo es la demostracin. Supongamos que
la gramtica no tiene producciones nulas ni unitarias (si existieses siempre se podran
eliminar).
Asumamos un rbol de derivacin de una palabra generada por la gramtica. Es fcil ver
que si la longitud de es suficientemente grande, en su rbol de derivacin debe de existir
87
un camino de longitud mayor que el nmero de variables. Sea N un nmero que garantice
que se verifica esta propiedad. En dicho camino, al menos debe de haber una variable
repetida. Supongamos que esta variable es A, y que la figura 52 representa el rbol de
derivacin y dos apariciones consecutivas de A.
Figura 52: Arboles de derivacin en el lema de bombeo
Fuente: <MORAL, S; Modelos de computacin>
88
CAPITULO 5. AUTMATAS DE PILA

Un Autmata de pila (AP) PushDown Automata (PDA) no es ms que un AF con un poder
adicional de clculo (memoria). Dado que los AF no son tan poderosos para ciertas
operaciones ni para aceptar los LLC, los AP si lo son
Si para las expresiones regulares se tenan ciertas maquinas abstractas, autmatas finitos,
que las reconocan, para las CFG (Gramticas fuera de contexto) vamos a usar otro tipo de
maquina reconocedora denominada autmata de pila. Estas se diferencian de los autmatas
finitos en que se ayudan para sus transiciones de una memoria con estructura de pila. Como
en los anteriores, la transicin entre estados depende del smbolo ledo y del estado actual.
Cada transicin implica la modificacin de la pila.
LECCIN 21. DEFINICIN DE AUTMATA CON PILA
A continuacin daremos la definicin formal de autmata con pila no determinstico (APND).

Al contrario que en los autmatas finitos, los autmatas con pila no determinsticos y
determinsticos no aceptan las mismas familias de lenguajes. Precisamente son los no
determinsticos los asociados con los lenguajes libres de contexto. Los determinsticos
aceptan una familia ms restringida de lenguajes.
Definicin 20: La formalizacin de un autmata de pila es un sptuplo ( K , , , , s, F ) en
donde:
K es el conjunto de estados
es el alfabeto de entrada
es el alfabeto de la pila
S K es el estado inicial
Z0 es el smbolo inicial de la pila (o tambin se denota como Z simplemente)
F K es un conjunto de estados finales.
( K x * x *) x ( K x *) es la relacin (funcin) de transicin.
89
Observar que el autmata es no determinista ya que dado un estado, un smbolo del alfabeto
de entrada y otro del alfabeto de la pila, puede pasar a distintos estados y reemplazar el tope
de la pila por distintas cadenas i , avanzando o no la cabeza lectora una posicin:
: K x ( U { }) x 2 K x *
La figura 53 muestra la estructura de un Autmata de Pila (PDA)
Figura 53: Formalizacin de un PDA
La funcin de transicin aplica cada estado, cada smbolo de entrada (incluyendo la cadena
vaca) y cada smbolo tope de la pila en un conjunto de posibles movimientos. Cada
movimiento parte de un estado, un smbolo de la cinta de entrada y un smbolo tope de la
pila. El movimiento en s consiste en un cambio de estado, en la lectura del smbolo de
entrada y en la sustitucin del smbolo tope de la pila por una cadena de smbolos.
90
LECCIN 22. FUNCIONAMIENTO DE LOS AUTMATAS DE PILA
La pila funciona de manera que el ultimo caractr que se almacena en ella es el primero en
salir (LIFO por las siglas en ingles), como si se apilaran platos uno encima de otro, y
naturalmente el primero que quitaremos es el ltimo que hemos colocado. Un aspecto
crucial de la pila es que solo podemos modificar su tope, que es el extremo por donde
entran o salen los caracteres. Los caracteres a la mitad de la pila no son accesibles sin quitar
antes los que estn encima de ellos.
La pila tendr un alfabeto propio, que puede o no coincidir con el alfabeto de la palabra de
entrada. Esto se justifica porque puede ser necesario introducir en la pila caracteres
especiales usados como separadores, segn las necesidades de diseo del autmata.
Al iniciar la operacin de un AP, la pila se encuentra vaca. Durante la operacin del AP, la
pila puede ir recibiendo (y almacenando) caracteres, segn lo indiquen las transiciones
ejecutadas. Al final de su operacin, para aceptar una palabra, la pila debe estar
nuevamente vaca.
En los AP las transiciones de un estado a otro indican, adems de los caracteres que se
consumen de la entrada, tambin lo que se saca del tope de la pila, as como tambin lo que
se mete a la pila.
Se entiende por configuracin de un autmata con pila a su situacin en un instante
considerado expresada formalmente por medio de una tripla.
(q, , ) ( K x * x *) en donde:
q K es el estado actual del autmata.

* es la subcadena de entrada que an no se ha analizado.
* es el contenido actual de la pila
Se presenta un caso en el que:
Si = no queda nada por analizar

Si = se ha reconocido la cadena
La Notacin grfica que se asemeja a la de los autmatas finitos (AF) es la dada as:
Para las transacciones se usa: / / en donde:
= es la entrada (secuencia de caracteres) que se consume.

91
= es lo que se saca de la pila.

= es lo que se mete en la pila
Ejemplo 49 Dada la siguiente transicin: a / / A Indica que se consume de la entrada un

caractr a, no se saca nada de la pila y se mete A a la pila.
La funcin de transicin de estados de un AP puede ser representada por un diagrama
donde los nodos representan los estados y los arcos transiciones. Si se da la transicin, el
arco queda rotulado de la siguiente manera: Figura 54.
Figura 54: Transicin de un PDA
Si el estado actual es q0 y la cabeza lectora apunta un smbolo a, y el tope de la pila es X,

entonces cambiar al nuevo estado q0, avanzar la cabeza lectora, y sustituir el smbolo del
tope X en la pila por la cadena
LECCIN 23. DISEO DE AUTMATAS DE PILA

Al igual que los AF, los AP tienen estados finales, que permiten distinguir cuando una
palabra de entrada es aceptada. De hecho para que una palabra de entrada sea aceptada
en un AP se deben cumplir todas las condiciones siguientes:
La palabra de entrada se debe haber agotado (consumido totalmente).
Al AP se debe encontrar en un estado final.
La pila debe estar vaca.
Transiciones de un PDA: Las posibles operaciones con la cinta y la pila son:
La cinta se desplaza en un solo sentido y su cabeza solo puede leer.
La pila, est limitada en un extremo por definicin, cuando se lee un elemento de la
pila, este desaparece o se saca y cuando se escribe en la pila se introduce un
elemento.
En cualquier caso, si se vaca la pila, entonces el autmata se detiene.
92
El problema de diseo de los AP consiste en obtener un AP M que acepte exactamente un

lenguaje L dado. Por exactamente queremos decir, como en el caso de los autmatas finitos,
que, por una parte, todas las palabras que acepta efectivamente pertenecen a L, y por otra
parte, que M es capaz de aceptar todas las palabras de L.
Aunque en el caso de los AP no hay metodologas tan generalmente aplicables como era el
caso de los autmatas finitos, siguen siendo vlidas las ideas bsicas del diseo sistemtico,
en particular establecer claramente qu es lo que recuerda cada estado del AP antes de
ponerse a trazar transiciones a diestra y siniestra. Para los AP, adicionalmente tenemos que
establecer una estrategia clara para el manejo de la pila.
En resumen, a la hora de disear un AP tenemos que repartir lo que requiere ser recordado
entre los estados y la pila. Distintos diseos para un mismo problema pueden tomar
decisiones diferentes en cuanto a qu recuerda cada cual.
Definicin 21: Un movimiento de un AP es una transicin entre configuraciones
Ejemplo 50 El movimiento (q, a , Z ) (q, , ) es un movimiento vlido siempre y

cuando (q, ) (q, a, Z) con q K,
a ( U ) ,
*,
, *.
Se recuerda que un AP no puede realizar ningn movimiento si la pila est vaca. Por lo que
un AP reconocer una cadena de entrada por estado final si partiendo de su configuracin
inicial (q0, t, Z0), llega a una configuracin final (qf, , ) empleando movimientos vlidos y se
expresa como:
(q0, t, Z0) * (qf, , ), qf F, *
La cadena ser aceptada por vaciado de pila si despus de leerse toda la cadena se llega a
un estado con la pila vaca, independientemente del tipo de estado en el que se encuentre el
AP.
RESUMEN DE LAS TRANSICIONES DE UN PDA:
Leer un smbolo de entrada

Extraer un smbolo de la pila
Insertar un smbolo en la pila
Pasar a un estado nuevo
93
Ejemplo 51 Disear un AP que acepte exactamente el lenguaje con palabras de la forma anbn,
para cualquier nmero natural n.
La figura 55 muestra el diseo inicial para este ejercicio:
Figura 55: Estructura de un PDA para w=aabb
La construccin en diseo indica utilizar la pila como contador para recordar la cantidad de
as que se consumen, y luego confrontar la cantidad de bs. Una primera versin de este
diseo utiliza un solo estado q, con transiciones a/ /a y b / a / de q as mismo. El diseo
del autmata se ve en la figura 56.
94
Figura 56: Diseo de un PDA para w=aabb
Para verificar el funcionamiento del autmata, podemos simular su ejecucin, listando las
situaciones sucesivas en que se encuentra, mediante una tabla que llamaremos traza de
ejecucin. Las columnas de una traza de ejecucin para un AP son: el estado en que se
encuentra el autmata, lo que falta por leer de la palabra de entrada, y el contenido de la
pila.
Por ejemplo, la traza de ejecucin del AP del ltimo ejemplo, para la palabra aabb, se
muestra a continuacin en la tabla 13:
Tabla 14: Traza de ejecucin del AP
Estado
q
q
q
q
q
Por Leer
pila
.aabb
.abb
.bb
.b
.a
.aa
.a
Fuente: <BRENA.R; Autmatas y lenguajes un enfoque de diseo>
Concluimos que el AP efectivamente puede aceptar palabras como anbn. Sin embargo, hay
un problema: el AP tambin acepta palabras como abab, que no tienen la forma deseada!
(es fcil construir la traza de ejecucin correspondiente para convencerse de ello). El
problema viene de que no hemos recordado cuando se terminan las a y principian las b, por
eso ha sido posible mezclarlas en abab. Una solucin es utilizar los estados para memorizar
las situaciones de estar consumiendo a o estar consumiendo b. El diagrama de estados
correspondiente se muestra en la figura 55(b).
95
LECCIN 24. FUNCIONES QUE SE APLICAN SOBRE LOS STACKS. (PILAS).
Stacks: Podemos identificar las pilas con ciertos lenguajes y ciertas funciones sobre un
alfabeto del modo siguiente:
Comenzamos aadiendo un nuevo smbolo Z0 que no est en .
Las pilas (stacks) son elementos del lenguaje: Z0 . El smbolo Z0 se identificar
con el significado: Fondo de la Pila. (No es que est vaca que es diferente).
Se definen las siguientes funciones. Figura 57.
Figura 57: Funciones de la Pilas.
Fuente: <El autor, creado con Lyx 2.0.6>
96

DESCRIPCIN DE VIDEO
9Configuracin, descripcin.
Componentes de un PDA. Parte 1
de 3
Configuracin, descripcin.
de 3
Configuracin, descripcin.
de 3
CANAL
CANAL
http://youtu.be/q5G0WnL5JUA
http://www.veoh.com/watch/v61736354aeFD3q7R
http://youtu.be/yfXfKKZZl1g
http://www.veoh.com/watch/v61736979F2m9HbgG
http://youtu.be/1YdZpLloFb8
http://www.veoh.com/watch/v61737911GZHgFEnT
Fuente:<El autor>
LECCIN 25. COMBINACIN MODULAR DE AUTMATAS DE PILA

Como ya se ha estudiado los autmatas finitos no determinsticos (AFND) reconocen los
mismos lenguajes que los autmatas finitos determinsticos (AFD). Sin embargo no ocurre lo
mismo con autmatas de pila no determinsticos (APND) y autmatas de pila determinsticos
(APD). Algunos lenguajes slo pueden ser reconocidos por un APND, pero no por un APD.
En los AP tambin es posible aplicar mtodos de combinacin modular de autmatas, as
como se pueden hacer con los autmatas finitos. En particular, es posible obtener AP que
acepten la unin y concatenacin de los lenguajes aceptados por dos AP dados.
En el caso de la unin, dados dos AP M1 y M2 que aceptan respectivamente los lenguajes L1
y L2, podemos obtener un AP que acepte la unin L1 U L2, introduciendo un nuevo estado
inicial q0 con transiciones / / a los dos antiguos estados iniciales q1 y q2, como se
ilustra en la figura 58.
Figura 58: Unin de AP.
97
Ejemplo 52 : En el caso de obtener un AFPD que acepte le lenguaje:

L1 = {xnym: n,m 0, n m} Habra que determinar si este lenguaje es producto de la unin
de: {xnym: n = m} y {xnym: n > m} En los que habra que obtener los AP de cada uno y
combinarlos con el mtodo descrito anteriormente.
El Autmata generado para L1 se muestra en la figura 59.
Figura 59: Autmata AFPD.
(q0, Z)
(q1,Z)
(q1, x, )
(q1,x)
(q1, y, x)
(q2, )
(q2, y, x)
(q2, )
(q2, , Z)
(q3, Z)
CAPITULO 6: PROPIEDADES DE LOS LENGUAJES INDEPENDIENTES DE CONTEXTO

LECCIN 26. LENGUAJE ACEPTADO POR UN AP
Los lenguajes aceptados por los Autmatas de Pila se denominan lenguajes libres del
contexto.
1. Lenguaje aceptado por estados finales:
L(M ) { * : (q0 , , Z 0 ) ( , , ), F , *}
98
2. Leguaje aceptado por pila vaca:
N ( M ) { * : (q0 , , Z 0 ) * ( , , ), K }
En el primer caso, una palabra es aceptada, si se puede llegar a un estado final despus de
consumir la entrada. En el segundo criterio, los estados finales no tienen ningn significado,
y una palabra se acepta si cuando se termina de leer la entrada la pila se queda vaca.
Para el caso del ejemplo 52 para la cadena vlida o aceptada = xxx las transiciones dadas
estn definidas as para el recorrido de la Pila:
(q0, xxx, Z) (q1, xxx, Z) (q1, xx, xZ) (q1, x, xxZ) (q1, , xxxZ)
La pila qued llena xxxZ y el autmata en el estado q1 reconoci por completo la cadena.
Para la cadena vlida = xxy las transiciones dadas estn definidas as para el recorridao
de la Pila:
(q0, xxy, Z) (q1, xxy, Z) (q1, xy, xZ) (q1, y, xxZ) (q2, , xZ)
Aunque la pila no qued del todo vaca (qued xZ) se reconoci toda la cadena completa y el
autmata qued en un estado de aceptacin q2.
Para la cadena vlida = xxyy las transiciones dadas estn definidas as para el recorrido
de la Pila:
(q0, xxyy, Z) (q1, xxyy, Z) (q1, xyy, xZ) (q1, yy, xxZ) (q2, y, xZ) (q2, ,Z) (q3, ,Z)
La cadena es procesada por completo, en la pila queda el smbolo inicial de pila y por tanto
la cadena es aceptada.
Para la cadena no vlida o no aceptada = xyy las transiciones dadas estn definidas as
para el recorrido de la Pila:
(q0, xyy, Z) (q1, xyy, Z) (q1, yy, xZ) (q2, y, Z)
A pesar de que se est en un estado de aceptacin la cadena no se termin de escanear, la
transicin (q2, y, Z) no est definida en este autmata. Por tanto la cadena no es reconocida
por el autmata.
99
LECCIN 27. RELACIN ENTRE LOS AUTMATAS DE PILA Y LENGUAJES LIBRES DE

CONTEXTO
Se va a verificar si los AP son efectivamente capaces de aceptar los LLC ya que un Teorema
anterior afirma: Si un lenguaje es generado por una gramtica libre del contexto, entonces es
aceptado por un Autmata con Pila No-Determinstico.
Teorema. Los autmatas de pila aceptan exactamente los LLC.
Vamos a examinar la prueba de esta afirmacin, no solamente por el inters por la
rigurosidad matemtica, sino sobre todo porque provee un mtodo de utilidad prctica para
transformar una GLC en un AP. La prueba de este teorema se puede dividir en dos partes:
1. Si M es un AP, entonces L(M) es un LLC
2. Si L es un LLC, entonces hay un AP M tal que L(M) = L
Vamos a presentar nicamente la prueba con la parte 2, que consideramos de mayor
relevancia prctica.
Sea una gramtica G = (V,,R,S). Entonces un Autmata de Pila M que acepta exactamente
el lenguaje generado por G se define como sigue:
M = ({p, q},, V U , , p, {q})
donde contiene las siguientes transiciones:
1. Una transicin ((p, , ), (q, S))

2. Una transicin ((q, ,A), (q, x)) para cada A x R
3. Una transicin ((q, , ), (q, )) para cada
Ejemplo 53 Obtener un AP que acepte el LLC generado por la gramtica con reglas:
1. S aSa
2. S bSb
3. S c
Las transiciones del AP correspondiente estn dadas en la tabla siguiente:
100
1 (p, , )
2 (p, ,S)
3 (q, ,S)
4 (q, ,S)
5 (q,a, a)
6 (q,b, b)
7 (q,c, c)
(q,S)
(q,aSa)
(q,bSb)
(q,c)
(q, )
(q, )
(q, )
El funcionamiento de este AP ante la palabra abcba aparece en la siguiente tabla:
Estado
p
q
q
q
q
q
q
q
q
q
Falta leer Pila

abcba
abcba
S
abcba
aSa
bcba
Sa
bcba
bSba
cba
Sba
cba
cba
ba
ba
a
a
Se justifica intuitivamente el mtodo que se introdujo para obtener un AP equivalente

a una gramtica dada. Si se observa las transiciones del AP, veremos que solamente tiene
dos estados, p y q, y que el primero de ellos desaparece del clculo en el primer paso; de
esto concluimos que el AP no utiliza los estados para recordar caractersticas de la entrada,
y por lo tanto reposa exclusivamente en el almacenamiento de caracteres en la pila. En
efecto, podemos ver que las transiciones del tipo 2, lo que hacen es reemplazar en la pila
una variable por la cadena que aparece en el lado derecho de la regla correspondiente.
Dado que la (nica) transicin de tipo 1 (transicin 1 del ejemplo) coloca el smbolo inicial en
la pila, a continuacin lo que hacen las reglas de tipo 2 es realmente efectuar toda la
derivacin dentro de la pila de la palabra de entrada, reemplazando un lado izquierdo de
una regla por su lado derecho. Una vez hecha la derivacin de la palabra de entrada, la cual
estara dentro de la pila, sin haber an gastado un solo caracter de la entrada podemos
compararla caracter por caracter con la entrada, por medio de las transiciones de tipo 3.
101
Existe sin embargo un problema tcnico: si observamos la corrida para la palabra abcba,
nos daremos cuenta de que no estamos aplicando las reglas en el orden descrito en el
prrafo anterior, esto es, primero la transicin del grupo 1, luego las del grupo 2 y finalmente
las del grupo 3, sino que ms bien en la cuarta lnea de la tabla se consume un caracter a
(aplicacin de una transicin del grupo 3) seguida de la aplicacin de una transicin del
grupo 2. Esto no es casualidad; lo que ocurre es que las variables no pueden ser
reemplazadas por el lado derecho de una regla si dichas variables no se encuentran en el
tope de la pila. En efecto, recurdese que los AP solo pueden accesar el caracter que se
encuentra en el tope de la pila.
Por esto, se hace necesario, antes de reemplazar una variable por la cadena del lado
derecho de una regla, desenterrar dicha variable hasta que aparezca en el tope de la pila,
lo cual puede hacerse consumiendo caracteres de la pila (y de la entrada, desde luego)
mediante la aplicacin de transiciones del tipo 3.
LECCIN 28. PROPIEDADES DE CLAUSURA DE LOS LENGUAJES LIBRES DE CONTEXTO

Los lenguajes libres de contexto son cerrados para las operaciones:
Unin
Concatenacin
Clausura
Demostracin:
Sean G1 = (V1, T1, P1, S1) y G2 = (V2, T2, P2, S2) dos gramticas libres de contexto y L1 y L2
los lenguajes que generan. Supongamos que los conjuntos de variables son disjuntos.
Demostraremos que los lenguajes L1 U L2, L1 L2 y L1* son libres de contexto, encontrando
gramticas de tipo 2 que los generen.
L1 U L2. Una gramtica que genera este lenguaje es:
G3 = (V1 U V2 U {S3}, T1 U T2, P3, S3), donde S3 es una nueva variable, y P3 = P1 U P2 ms
las producciones S3 S1 y S3 S2
L1L2. Una gramtica que genera este lenguaje es G4 = (V1 U V2 U {S4}, T1 U T2, P4,
S4), donde S4 es una nueva variable, y P4 =P1 U P2 ms la produccin S4 S1S2.
L1* Una gramtica que genera este lenguaje es G5 =(V1 U {S5}, T1,P5,S5 ) donde P5
es P1 ms las producciones S5 S1S5 y S5 .
102
Algunas propiedades de clausura de los lenguajes regulares no se verifican en la clase de

los lenguajes libres de contexto, como las que expresan el siguiente teorema.
Teorema: La clase de los lenguajes libres de contexto no es cerrada para la interseccin.
Demostracin. Sabemos que el lenguaje L = {aibici i 1} no es libre de contexto. Por otra
parte los lenguajes L2 ={ aibicj | i 1 y j 1} y L3 ={ aibicj | i 1 y j 1} si lo son.
El primero de ellos es generado por la gramtica:
S AB
A aAb | ab
B cB | c
y el segundo, por la gramtica:
S CD
C aC | a
D bDc bc
Como L2 L3 = L1, se deduce que la clase de lenguajes libres de contexto no es cerrada
para la interseccin.
Definicin: La clase de lenguajes libres de contexto no es cerrada para el complementario.
Demostracin: Es inmediato, ya que como la clase es cerrada para la unin, si lo fuese para
el complementario, se podra demostrar, usando las leyes De Morgan que lo es tambin para
la interseccin.
LECCIN 29. ALGORITMOS DE DECISIN PARA LOS LENGUAJES LIBRES DE CONTEXTO.

Existen una serie de problemas interesantes que se pueden resolver en la clase de los
lenguajes libres de contexto. Por ejemplo, existen algoritmos que nos dicen si un Lenguaje
Libre de Contexto (dado por una gramtica de tipo 2 o un autmata con pila no
determinstico) es vaco, finito o infinito. Sin embargo, en la clase de lenguajes libres de
contexto comienzan a aparecer algunas propiedades indecidibles. A continuacin, veremos
algoritmos para las propiedades decidibles y mencionaremos algunas propiedades
indecidibles importantes.
103
Teorema Existen algoritmos para determinar si un lenguaje libre de contexto es:

a) vaco
b) finito
c) infinito
Demostracin.
a) En la primera parte del algoritmo para eliminar smbolos y producciones intiles de una
gramtica, se determinaban las variables que podan generar una cadena formada
exclusivamente por smbolos terminales. El lenguaje generado es vaco si y solo si la
variable inicial S es eliminada: no puede generar una palabra de smbolos terminales.
b) y c) Para determinar si el lenguaje generado por una gramtica de tipo 2 es finito o infinito
pasamos la gramtica a forma normal de Chomsky, sin smbolos ni producciones intiles. En
estas condiciones todas las producciones son de la forma:
A BC, A a
Se construye entonces un grafo dirigido en el que los vrtices son las variables y en el que
para cada produccin de la forma A BC se consideran dos arcos: uno de A a B y otro de A
a C. Se puede comprobar que el lenguaje generado es finito si y solo si el grafo construido
de esta forma no tiene ciclos dirigidos.
Ejemplo 54 Consideremos la gramtica con producciones,
S AB
A BC | a
B CC | b
Ca
El grafo asociado es el de la figura 60 (a). No tiene ciclos y el lenguaje es finito. Si aadimos
la produccin C AB, el grafo tiene ciclos figura 60 (b) y el lenguaje generado es infinito.
104
Figura 60: Grafo para L finito y L infinito.
LECCIN 30. PROBLEMAS INDECIDIBLES PARA LENGUAJES LIBRES DE CONTEXTO.

Para continuar el apartado de algoritmos de decisin para gramticas libres de contexto
daremos algunos problemas que son indecidibles, es decir, no hay ningn algoritmo que los
resuelva. En ellos se supone que G, G1 y G2 son gramticas libres de contexto dadas y R es
un lenguaje regular.
Los lenguajes libres de contexto tienen una aplicacin a los compiladores, aunque existen
otras aplicaciones como la comparticin de informacin. Es aqu donde se presentan
interrogantes a las denominadas gramticas sensibles al contexto.
Para gramticas sensibles al contexto, el problema de decidir si el lenguaje que genera es
vaco o no tambin es un problema indecidible.
LMITE DE LOS COMPUTADORES ACTUALES
La ltima Unidad de este mdulo (Unidad 3: Lenguajes estructurados por frases) le llevar a
comprender como se ha demostrado que hay infinitos problemas para los que no se va a
tener una Mquina de Turing (MT) que los resuelva (ni siquiera los reconozca). Tambin se
ha formulado la tesis de Church-Turing, que determina el lmite de los computadores
actuales. Si esto es as, llegamos al caso de formular la pregunta:
Qu tipo de mquina es un computador actual?
Es otro contexto que podr concluir cuando se analice la MUT (Mquina Universal de Turing)
como una mquina programable. Para demostrar esta afirmacin, se puede proceder
primero simulando una MT con un computador y segundo simular un computador con una
MT.
Para el primer paso, si tenemos una MT con cinta semi-infinita, la unidad de control se
simula por el procesador, cada uno de los smbolos de cinta se codifican como la
informacin que se permiten guardar en la memoria del computador. Los estados, al ser
105
finitos, se pueden guardar en una tabla (en realidad sera el estado del procesador, que
incluye el contador de programa) y las transiciones se simulan mediante un programa. La
cinta se simulara con la memoria. El inconveniente de que un computador tiene una
memoria finita se soluciona suponiendo que siempre es posible aadirle, de forma
indefinida, ms memoria. De esta forma un computador simulara el funcionamiento de una
MT cualquiera.
El segundo paso, pasar de un computador a una MT de varias cintas, es tambin casi
inmediato. El programa y los datos de entrada al programa que se introducen en la memoria
antes de ejecutarse en el computador se pueden codificar como un par (M, ), donde M es
la secuencia de instrucciones que hay que computar y son los datos de entrada al
programa, almacenndose en la primera cinta. En la segunda cinta almacenaremos las
posiciones de memoria a las que va a acceder el programa para su lectura/escritura. En la
tercera cinta almacenaremos el contador de programa (el estado), que es el que determina la
direccin de la computacin. De esta forma la MT simulara el funcionamiento de un
computador muy bsico. La memoria cach, los registros, la UAL (Unidad aritmeticolgica)
son ampliaciones que se han hecho para mejorar la eficiencia.
UNIDAD 3 LENGUAJES ESTRUCTURADOS POR FRASES.

En las Unidades precedentes se han estudiado lo que se puede considerar las mquinas
abstractas que permiten solucionar ciertos tipos de algoritmos, los algoritmos en los
que no puede recordarse ms que una cantidad fija de informacin y otros en los que la
informacin desarrollada durante la ejecucin del algoritmo puede recuperararse solo en
concordancia con la regla lifo ltimos en entrar primeros en salir, en esta unidad se
describe una maquina abstracta, llamada Mquina de Turing , que es aceptada de manera
amplia como modelo general de computacin, aunque las operaciones bsicas de esta
mquina son comparables en su sencillez a las de las mquinas estudiadas en las unidades
anteriores, las nuevas mquinas pueden realizar una amplia variedad de operaciones de
computo. Adems de aceptar lenguajes les es posible computar funciones y de conformidad
con la tesis de Church-Turing, ejecutar casi cualquier procedimiento algortmico concebible.
El objetivo de esta unidad ser reconocer la importancia y el poder computacional de las
Mquinas de Turing en el contexto de la solucin de problemas computacionales de
reconocimiento de lenguajes.
106
CAPITULO 7 MAQUINAS DE TURING.
Los modelos abstractos de computacin tienen su origen en los aos 30, bastante antes de
que existieran los ordenadores modernos, en el trabajo de los lgicos Church, Gdel,
Kleene, Post, y (Alan Mathison Turing). Estos primeros trabajos han tenido una profunda
influencia no solo en el desarrollo terico de las Ciencias de la Computacin, sino que
muchos aspectos de la prctica de la computacin que son ahora lugar comn de los
informticos, fueron presagiados por ellos; incluyendo la existencia de ordenadores de
propsito general, la posibilidad de interpretar programas, la dualidad entre software y
hardware, y la representacin de lenguajes por estructuras formales basados en reglas de
produccin.
As como en secciones anteriores vimos como al aadir al autmata finito bsico una pila de
almacenamiento auxiliar, aumentando con ello su poder de clculo, cabra ahora
preguntarnos qu es lo que habra que aadir a un autmata de pila para que pudiera
analizar lenguajes como {anbncn}. Bsicamente se trata del diseo de un Autmata con
mayor poder de reconocimiento y proceso de lenguajes, que tomas y fusiona aspectos de un
AF y de un PDA.
A Turing propuso en los aos 30 un modelo de maquina abstracta, como una extensin de
los autmatas finitos, que result ser de una gran simplicidad y podero a la vez. La mquina
de Turing es particularmente importante porque es la ms poderosa de todas las maquinas
abstractas conocidas.
Utilidad de las Mquinas de Turing (MT):
Gracias a ser tan simples, resulta ms fcil demostrar que algo no se puede resolver
con ellas.
Gracias a su equivalencia con los lenguajes de programacin, entonces facilitan la
demostracin de que cierto problema, no se puede resolver con un lenguaje de
programacin.
Mecanismo de cmputo muy sencillo de definir. Pero tan potentes como los lenguajes
de programacin de muy bajo nivel.
Por ser tan de demasiado de Bajo Nivel no resultan prcticas para programar.
La parte final del estado de las mquinas de Turing nos lleva a analizar la Tesis de Church,
que dice que las Mquinas de Turing son equivalentes a cualquier modelo de computacin
factible de construir.
107
LECCIN 31. FORMALIZACIN DE LAS MT.

Corresponde a su modelizacin matemtica en trminos de la teora de conjuntos.
Una MT es un septuplo (K, , , , s) en donde:
K = es el conjunto de estados tal que h K ;
= es el alfabeto de entrada, donde ;
= es el alfabeto de la cinta, donde y ;
s K es el estado inicial;
T K es el estado final;
B es el smbolo blanco (el smbolo B no puede hacer parte de ) aparece en
todas las casillas excepto en aquellas que contienen los smbolos de entrada.
: (K {h} x ) K x ( U { L,R } )
Los componentes de una MT se pueden ver en la figura:
Figura 61: Componentes de una MT
108
La funcin de transicin del control finito debe considerar como entradas el estado actual,
que es un elemento de K pero que no puede ser h as como el caracter ledo en la cinta,
que es elemento de .
Por eso a la izquierda de la flecha aparece la expresin : (K {h} x ). Luego, el resultado
de la funcin de transicin debe incluir el siguiente estado, que es elemento de K. Otro
resultado de la funcin de transicin es la accin a ejecutar por la MT, que puede ser una
escritura o un movimiento a la izquierda o a la derecha. La accin mover cabeza a la
izquierda se representa por el smbolo L, y similarmente R para la derecha. En el caso de la
escritura, en vez de usar un smbolo o comando especial, simplemente se indica el caracter
que se escribe, el cual es un elemento de . Desde luego, para que no haya confusin se
requiere que ni L ni R estn en .
Resumiendo, el resultado de la funcin de transicin debe ser un elemento de:
K x ( U { L,R }
As, si (q, a) = (p, b), donde b , esto quiere decir que estando la MT en el estado q
con la cabeza lectora sobre un caracter a, la funcin de transicin enviar al autmata a un
estado p, y adicionalmente escribir el carcter b. Similarmente si (q, a) = (p, L) la cabeza
de la MT har un movimiento a la izquierda adems de la transicin de estado.
Ejemplo 55: Sea la MT siguiente: K = {s, h}, (solo est el estado inicial, adems del halt)
donde:
={a}, ={a, }, (s, a) =
(s,R), (s, ) = (h,R)
Puede verse por la funcin de transicin que esta MT ejecuta un ciclo repetitivo en que
mueve la cabeza hacia la derecha en tanto siga leyendo un caracter a, y se detiene (hace
halt) en cuanto llega a un blanco.
Ntese que, puesto que es una funcin, en principio debe tenerse por cada estado y cada
caracter una transicin. Esto quiere decir que cada estado debe tener una cantidad de
flechas de salida igual a | |. Por ejemplo, si = { , a, b}, y K = {q, h}, entonces debe
haber flechas de salida de q con a, de q con b y tambin de q con .
En la prctica, sin embargo, una gran cantidad de flechas tiende a hacer menos
comprensible un diagrama, por lo que solamente incluiremos las flechas necesarias,
suponiendo en consecuencia que las dems flechas pueden tener una salida cualquiera, sin
afectar esto el funcionamiento de la MT. Por ejemplo, a partir del estado inicial podemos
109
suponer, sin arriesgarnos, que no es posible encontrar ms que el caracter blanco, por lo
que no tiene caso dibujar flechas del estado inicial con a, con b, etc.
LECCIN 32. FUNCIONAMIENTO DE LA MQUINA DE TURING.

La Mquina de Turing es un mecanismo de computacin notoriamente primitivo, y sin
embargo permite llevar a cabo cualquier cmputo que podamos hacer en nuestro PC.
Las caractersticas que definen su funcionamiento son:
Tiene, como los autmatas que hemos visto antes, un control finito, una cabeza
lectora y una cinta donde puede haber caracteres, y donde eventualmente viene la
palabra de entrada.
La cinta es de longitud infinita hacia la derecha, hacia donde se extiende
indefinidamente, llenndose los espacios con el caracter blanco (que
representaremos con ).
La cinta no es infinita hacia la izquierda, por lo que hay un cuadro de la cinta que es
el extremo izquierdo, como el que se muestra en la figura 61.
En la MT la cabeza lectora es de lectura y escritura, por lo que la cinta puede ser
modificada en curso de ejecucin.
En la MT la cabeza se mueve bidireccionalmente (izquierda y derecha), por lo que
puede pasar repetidas veces sobre un mismo segmento de la cinta.
La operacin de la MT consta de los siguientes pasos:
1. Lee un caracter en la cinta
2. Efecta una transicin de estado
3. Realiza una accin en la cinta
Las acciones que puede ejecutar en la cinta la MT pueden ser:
Escribe un smbolo en la cinta, o
Mueve la cabeza a la izquierda o a la derecha
Estas dos acciones son excluyentes, es decir, se hace una o la otra, pero no ambas a la vez.
La palabra de entrada en la MT est escrita inicialmente en la cinta, como es habitual en
nuestros autmatas, pero iniciando a partir de la segunda posicin de la cinta, siendo el
primer cuadro un caracter blanco. Como la cinta es infinita, inicialmente toda la parte de la
cinta a la derecha de la palabra de entrada est llena del caracter blanco ().
110
Por definicin, al iniciar la operacin de la MT, la cabeza lectora est posicionada en el

caracter blanco a la izquierda de la palabra de entrada, el cual es el cuadro ms a la
izquierda de la cinta.
Decimos que en la MT se llega al final de un clculo cuando se alcanza un estado especial
llamado halt en el control finito, como resultado de una transicin. Representaremos al halt
por h. 1 Al llegar al halt, se detiene la operacin de la MT, y se acepta la palabra de
entrada. As, en la MT no hay estados finales. En cierto sentido el halt sera entonces el
nico estado final, solo que adems detiene la ejecucin.
Cuando queremos que una palabra no sea aceptada, desde luego debemos evitar que la MT
llegue al halt. Podemos asegurarnos de ello haciendo que la MT caiga en un ciclo infinito.
El lenguaje aceptado por una MT es simplemente el conjunto de palabras aceptadas por ella.
Al disear una MT que acepte un cierto lenguaje, en realidad diseamos el autmata finito
que controla la cabeza y la cinta, el cual es un autmata con salida (acepta cadenas vlidas).
As podemos usar la notacin grfica utilizada para aquellos autmatas para indicar su
funcionamiento. En particular, cuando trazamos una flecha que va de un estado p a un
estado q con etiqueta /L, quiere decir que cuando la entrada al control finito (esto es, el
caracter ledo por la cabeza de la MT) es , la cabeza lectora hace un movimiento a la
izquierda, indicada por el caracter L (left, en ingls); similarmente cuando se tiene una flecha
con /R el movimiento es a la derecha. Cuando la flecha tiene la etiqueta / , donde es
un caracter, entonces la accin al recibir el caracter consiste en escribir el caracter en la
cinta. Con estos recursos es suficiente para disear algunas MT, como en el ejemplo que se
visualiza en el recurso web.
Ejemplo 56: Disee una MT que reconozca
{0 n 1 n : n 1 } y en el que ejecute:
Cambia un 0 por una X y se mueve hacia la derecha, pasando por encima de los ceros
e Y, hasta llegar al primer 1.
Cambia el 1 por la Y y se mueve hacia la izquierda por encima de todos los Y y de

todos los ceros hasta llegar a una X y se repite el proceso hasta que solo queden Xs
y Ys.
El autmata se visualiza en la figura 62.

Figura 62: Mquina de Turing simulada en JFLAP.
111
Fuente:<JFLAP El Autor>
La funcin se define as:
Sea T = {q4] (es decir el estado final)
(q0,0) = (q1, X, D)
(q1,0) = (q1, 0, D)
(q1,X) = (q1, X, D)
(q1,1) = (q2, Y, I)
(q2,Y) = (q2, Y, I)
(q2,0) = (q2, 0, I)
(q2,X) = (q0, X, D)
(q0,Y) = (q3, Y, D)
(q3,Y) = (q3, Y, D)
(q3,B) = (q4, B, D)
Sea = 0011
q00011 Xq111 X0q111 Xq20Y1
q2XoY1 Xq00Y1 XXq1Y1
XXYq11 XXq2YY Xq2XYY
XXq0YY XXYq3Y
XXYYq3B XXYYBq4B
En el simulador JFLAP la R (Right) es igual a simular D (derecha) y la L (Left) es igual a

simular I (izquierda)
La MT para por que qued en un estado de aceptacin y la cadena es reconocida.
Tabla 16: Recursos web para MT

DESCRIPCIN DE VIDEO
CANAL
CANAL
112
Construccin de Mquinas de
Turing (MT). Parte 1 de 2.
Construccin de Mquinas de
Turing (MT). Parte 2 de 2.
http://youtu.be/Sg3Q2Qm3IL0
http://www.veoh.com/watch/v61738230cQreJHP3
http://youtu.be/lb7h724tlFg
http://www.veoh.com/watch/v61738916pmGbXGyk
Fuente:<El autor>
LECCIN 33. DIFERENCIAS ENTRE LAS COMPUTADORAS Y LAS MQUINAS DE TURING
Aparte de la capacidad de memoria, las diferencias entre una MT y una computadora

de estructura Von Neuman son:
En cuanto a estados: En una MT el n de estados depende del algoritmo. En una

computadora, un estado viene representado por el contenido de la memoria, y una situacin
por un estado y un puntero a una direccin (la que contiene a la instruccin que va a
ejecutarse). La ejecucin de la instruccin pasa a la mquina a otro estado y la variable de
enlace adopta otro argumento (la direccin siguiente si la instruccin no era de bifurcacin y
la mquina es secuencial natural).
En cuanto a memoria: En una MT la memoria es la cinta de E/S ms el "soporte fsico" de
los estados de la Unidad de Control (UC). En una MT es la secuencia de quntuplas que hay
que seguir para hacer el clculo. El mismo algoritmo, expresado en lenguaje- mquina
"tipo" para una computadora "tipo", o sea, programa en lenguaje mquina, es algo
distinto que la secuencia de quntuplas. Y se debe a la marcada diferencia entre n-upla e
instruccin. Para formalizar el concepto de programa en lenguaje mquina no es, pues,
buen modelo una MT.
En cuanto al orden de ejecucin de las instrucciones: En la estructura Von Neumann el
secuenciamiento lo marca el orden de colocacin de las instrucciones en la memoria interna
y viene asegurado por el contador de programa. En una MT el orden de ejecucin lo marca
en todo instante el estado de la mquina y el carcter de la cinta apuntado, que son los dos
datos que determinan la quntupla que ha de ser ejecutada.
LECCIN 34. LA MAQUINA UNIVERSAL DE TURING.

113
Hasta aqu hemos considerado cada esquema funcional asociado a su MT propia. Pero es
posible concebir una MT capaz de ejecutar cualquier algoritmo; es decir capaz de realizar los
clculos que realizara cualquier otra MT, o sea, capaz de simular (tener el mismo
comportamiento) cualquier MT particular.
Esta mquina Universal no debe ser diseada para realizar un clculo especfico, sino para
procesar cualquier informacin (realizar cualquier clculo especfico -MT particular- sobre
cualquier configuracin inicial de entrada correcta para esa MT particular).
El principio fundamental de los computadores de propsito general es que no se cablea un

computador para cada problema que se desea resolver, sino que se cablea un nico
computador capaz de interpretar programas escritos en algn lenguaje. Ese lenguaje tiene
su propio modelo de funcionamiento y el computador simula lo que hara ese programa en
una cierta entrada. Tanto el programa como la entrada conviven en la memoria. El programa
tiene su propio alfabeto (caracteres ASCII, por ejemplo) y manipula elementos de un cierto
tipo de datos (incluyendo por ejemplo nmeros enteros), los que el computador codifica en
su propio lenguaje (bits), en el cual tambin queda expresada la salida que despus el
usuario interpretara en trminos de los tipos de datos de su lenguaje de programacin. El
computador debe tener, en su propio cableado, suficiente poder para simular cualquier
programa escrito en ese lenguaje de programacin, por ejemplo no podra simular un
programa en Java si no tuviera una instruccin Goto o similar.
Resultara sumamente tener un modelo similar para MTs. En particular, elegimos las MTs
como nuestro modelo de mquina \ cableada" y a la vez como nuestro modelo de lenguaje
de programacin. La Mquina Universal de Turing (MUT) recibir dos entradas: una MT M y
una entrada , codificadas de alguna forma, y simular el funcionamiento de M sobre . La
simulacin se detendr, se colgar, o correr para siempre segn M lo haga con En caso
de terminar, dejar en la cinta la codificacin de lo que M dejara en la cinta frente a .15
LECCIN 35. LENGUAJES ACEPTADOS POR LA MAQUINA DE TURING.

El lenguaje aceptado o reconocido por una Mquina de Turing (MT), que se denota como
L(MT), es el conjunto de palabras formadas con el alfabeto *, que hace que la mquina de
Turing se detenga al alcanzar un estado final.
15
NAVARRO, A: Fundamentos de la ciencia de la computacin. 178 p.
114
En un principio la cabeza de la mquina de Turing est situada a la izquierda de la cadena a

reconocer, y su estado es el estado inicial q0.
Una cadena de entrada es aceptada por una MT M si el cmputo que se indica la
configuracin inicial q0 termina en una configuracin instantnea 1p 2, p es un estado
de aceptacin, en la cual M se detiene completamente. El lenguaje L(M) aceptado por una
MT M se define como:
L(M) = { : q0 * 1p 2, p }
M se para en 1p 2 Si la cadena de entrada en una maquina M pertenece a L(M), la

maquina M siempre se detiene.
Los lenguajes formales que son aceptados por una mquina de Turing son exactamente
aquellos que pueden ser generados por una gramtica formal. El clculo Lambda es una
forma de definir funciones. Las funciones que pueden se computadas con el clculo Lambda
son exactamente aquellas que pueden ser computadas con una mquina de Turing. Estos
tres formalismos, las mquinas de Turing, los lenguajes formales y el clculo Lambda son
formalismos muy dismiles y fueron desarrollados por diferentes personas. Sin embargo,
ellos son todos equivalentes y tienen el mismo poder de expresin. Generalmente se toma
esta notable coincidencia como evidencia de que la tesis de Church-Turing es cierta, que la
afirmacin de que la nocin intuitiva de algoritmo o procedimiento efectivo de cmputo
corresponde a la nocin de cmputo en una mquina de Turing.
Los computadores electrnicos, basados en la arquitectura Von Neumann as como las
mquinas cunticas tendran exactamente el mismo poder de expresin que el de una
mquina de Turing si dispusieran de recursos ilimitados de tiempo y espacio. Como
consecuencia, los lenguajes de programacin tienen a lo sumo el mismo poder de expresin
que el de los programas para una mquina de Turing y en la prctica no todos lo alcanzan.
Los lenguajes con poder de expresin equivalente al de una mquina de Turing se
denominan Turing completos.
Gramticas estructuradas por frases:
Parte izquierda de las reglas: combinacin de smbolos terminales y no
terminales, con al menos un no terminal.
Parte derecha de las reglas: combinacin de smbolos terminales y no terminales de
cualquier longitud (incluso 0).
115
Las mquinas de Turing aceptan lenguajes estructurados por frases.

Configuracin de una mquina de Turing:
Contenido de la cinta: entre corchetes.
A la izquierda del smbolo actual se incluye el estado.
Aceptacin: secuencia de configuraciones de la mquina que empieza con
]Y] y termina con [h [i
Teorema: Todo lenguaje estructurado por frases es aceptado por una mquina de Turing.
Para cada gramtica G existe una mquina de Turing no determinista M de 2 cintas que
aceptas el lenguaje generado por G.
Construccin de la mquina:
1. Se copia la cadena de entrada en la primera cinta.
2. Se escribe S (smbolo inicial) en la cinta 2.
3. Se aplican las reglas de reescritura de forma no determinista a la cadena de la cinta 2.
4. Si la cinta 2 contiene slo smbolos terminales, se compara con la cadena de la cinta 1.
Si son iguales, el proceso ha terminado. Si no, provocar una terminacin anormal.
Las mquinas de Turing originan las siguientes clases de lenguajes:
L es recursivamente enumerable (RE) si existe una MT M tal que L(M) = L
Sea M una mquina de Turing; se dice que L=L(M) es un lenguaje recursivamente
enumerable si:
x L, M se DETIENE en q
x L,
M se DETIENE en q o bien NO se DETIENE,
L es un lenguaje recursivo si existe una MT M tal que L(M) = L y M se DETIENE con todas
las cadenas de entrada.
Se dice que L es un lenguaje recursivo si existe al menos una MT M tal que L = L(M) y
x L, M se DETIENE en q
x L,
M se DETIENE en q
116
Todo lenguaje recursivo es recursivamente enumerable, pero la afirmacin reciproca no es

(en general) vlida.
CAPITULO 8: MAQUINAS DE TURING Y COMPUTACIN.

LECCIN 36. TESIS DE CHURCH /TURING.
La Teora de la Computabilidad se ocupa de dividir el universo de todos los lenguajes sobre
, en aquellos lenguajes que pueden ser reconocidos por algoritmos efectivos y los que no.
Ello conduce a las funciones no computables, es decir, a los problemas no resolubles.
La Teora de la Computabilidad est compuesta por los siguientes niveles:
Primer nivel: divide los problemas en tres clases:
Primer tipo: Problemas imposibles, no tienen solucin.
Segundo tipo: Problemas ejecutables solo si disponemos de recursos ilimitados.
Tercer tipo: Problemas que se pueden ejecutarse sin necesidad de recursos ilimitados
Segundo nivel: se clasifican en funcin del tiempo que tardan en ejecutarse. Se conocen
con el nombre de problemas indecidibles, impracticables o solucionables.
Tercer nivel: comprende aquellos problemas que por ejemplo requiere un tiempo
linealmente proporcional a su tamao.
PRINCIPIO DE CHURCH-TURING:
Todo proceso fsico puede ser simulado por un dispositivo universal de computacin."
117
ENUNCIADOS: CHURCH
"La clase de las funciones que pueden ser calculadas mediante un algoritmo coincide
con la clase de las funciones recursivas." (Tesis de Church).
Apoyado en esta tesis junto a la definicin de funcin definible, encontr varios ejemplos de
problemas cuya resolucin era irresoluble llegando a manifestar que el
Entscheidungsproblem era uno de estos problemas
"Una funcin es recursiva si y slo si es total y efectivamente computable. Una
funcin es parcialmente recursiva si y slo si es efectivamente computable."
Es decir, una funcin de enteros positivos es efectivamente calculable slo si es
recursiva
ENUNCIADOS: TURING
"Una funcin es efectivamente computable si y slo si la funcin es Turingcomputable."
Es decir, si una funcin es computable entonces puede ser computada por una
mquina de Turing.
El objetivo de Turing era el de enfrentarse al problema planteado por Hilbert (el
Entscheidumgsproblem) utilizando para ello el concepto abstracto de una mquina, una
mquina terica.
Turing describa en su artculo que a travs de su mquina haba conseguido caracterizar de
un modo matemtico el nmero de funciones calculables, usando para ello un algoritmo, este
hecho se conoce como:
La clase de las funciones que pueden ser calculadas mediante un mtodo definido
coincide con la clase de las funciones calculables mediante una Mquina de Turing.
CHURCH Y TURING
"Todos los modelos computacionales efectivos son equivalentes a una mquina de
Turing
"Todo lo que es computable por un humano es computable por una mquina de
Turing"
118
"Toda funcin que pueda ser considerada naturalmente como computable, puede ser
computada por una mquina de Turing
TESIS FSICA DE CHURCH-TURING
"Toda funcin que pueda ser fsicamente computable, puede ser computada por una
mquina de Turing"
ORIGEN
El origen de la tesis de Church-Turing se encuentra en el hecho de que Turing
deseaba demostrar que el problema de la decisin (Entscheidungsproblem), para el
clculo de predicados, careca de solucin, es decir, era insoluble.
Se usa la palabra "tesis" en lugar de "teorema" ya que el concepto de ser computable
es algo informal, sin embargo que el concepto de mquina de Turing es formal y
preciso.
Aqu nos encontramos con un gran problema, puesto que la idea de la Mquina de
Turing no es equivalente a cada una de las definiciones de "computabilidad"
existentes.
TESIS EXTENDIDA DE CHURCH-TURING
"La mquina de Turing es tan eficiente como cualquier dispositivo de computar. Es
decir, si una funcin es calculable por un dispositivo hardware en tiempo para una
funcin de entrada de tamao n, entonces es computable por una mquina de Turing
en tiempo para un k fijo y dependiente del problema"
XITO DE LA TESIS
La tesis de Church-Turing ha sido tan exitosa que la mayora la supone verdadera.
Los trminos derivados de ella, como mtodo efectivo y computable son comnmente
utilizados, cuando en realidad computable se refiere a Turing-computable, en el salto
entre uno y otro se encuentra la tesis de Church, y entre muchos otros conceptos y
trminos comnmente utilizados en la teora de la computabilidad o funciones
recursivas
LECCIN 37. VARIANTES DE UNA MAQUINA DE TURING.
119
Hay otras definiciones de las mquinas de Turing que son equivalentes. Algunos de esos
modelos alternativos son mucho ms complicados aunque todos tienen la misma potencia
computacional (o de clculo). Muchas de ellas dotan de mayor flexibilidad al diseo de una
mquina de Turing que resuelva un problema en particular.
Es posible extender el mecanismo de la MT sin alterar lo que se puede hacer con la MT
bsica. Esto simplifica mucho dibujar MTs que realicen ciertas tareas, con la seguridad de
que podramos hacerlo con MTs bsicas de ser necesario. Algunas de estas extensiones
son:
MTs que usan varias cintas, MTs con varios cabezales, MTs con cinta infinita hacia ambos
lados, MTs con cinta k-dimensional, etc. De todos esos mecanismos, el ms til es la MT con
k cintas, Una MT de k cintas tiene un cabezal en cada cinta. En cada paso, lee
simultneamente los k caracteres bajo los cabezales, y toma una decisin basada en la kupla. Esta consiste de pasar a un nuevo estado y realizar una accin en cada cinta.
Su comportamiento y propiedades son:

La mquina dispone de tantos cabezales independientes como cintas
Una cinta (la primera) contiene la entrada. Las dems estn en blanco
Cada movimiento viene determinado por el estado y por los smbolos ledos por los
distintos cabezales:
Cambiando de estado
Sustituyendo los smbolos en las cintas accedidas
Desplazando (L;R) o no (S) la posicin del cabezal de cada cinta (nueva opcin)
Teorema: Un lenguaje L es reconocido por una mquina de Turing multicinta si y solo si L es
reconocido por una mquina de Turing estndar.
Esta mquina multicinta se formaliza as: (K, , , , q0, B, F)
Mquina no determinista: Mquina de Turing con una nica cinta y control finito nico.
Teorema: Un lenguaje L es reconocido por una mquina de Turing no determinista si y solo
si L es reconocido por una mquina de Turing estndar.
Mquina multicabezal: Un nico movimiento permite desplazar independientemente las n
cabezas de la mquina sobre la nica cinta.
120
Mquina de Turing de Cinta infinita en una Direccin: Mquina de Turing que usa una cinta
que se extiende infinitamente en una nica direccin. Generalmente, se tiene una cinta que
se extiende infinitamente hacia la derecha. No est permitido realizar ningn movimiento
hacia la izquierda a partir de la celda del extremo izquierdo. Desde luego, cualquier mquina
de Turing de esta forma puede ser simulada por una de las que responden a la definicin
original. Para cada computacin, simplemente se marca una de las celdas de la cinta infinita
por los dos lados, como la celda que se encuentra en el lmite izquierdo.
Mquina de Turing en Dos Direcciones: Una mquina de Turing con una cinta infinita en
un sentido puede simular una mquina de Turing con la cinta infinita en los dos sentidos pero
con dos pistas. Sea M una mquina de Turing con una cinta infinita en los dos sentidos. La
mquina de Turing M, que tiene una cinta infinita en un sentido, puede simular a M si tiene
una cinta con dos pistas. La cinta superior contiene la informacin correspondiente a la parte
derecha de la cinta M, a partir de un punto de referencia dado. La pista inferior contiene la
parte izquierda de la cinta M (en orden inverso).
LECCIN 38. PROBLEMAS DE HILBERT.

En 1928 durante un congreso internacional D. Hilbert plante las siguientes cuestiones:
Las matemticas son 'completas', esto es, cada afirmacin matemtica se puede probar?
Las matemticas son 'consistentes', esto es, es posible probar paralelamente una
afirmacin y su negacin?
Las matemticas son 'decidibles', esto es, se puede encontrar un mtodo definido aplicable
a cualquier afirmacin matemtica, que nos de cmo resultado si es o no cierta la
aseveracin evaluada?
La intencin de Hilbert era conseguir un modelo matemtico formal, completo y consistente,

en el que a travs de un algoritmo, se pudiese determinar la veracidad o falsedad de
cualquier proposicin formal. Este problema recibi el nombre de Entscheidungsproblem,
resolverlo significara que para cualquier problema bien definido existira un algoritmo capaz
de resolverlo.
121
Los problemas de Hilbert son una lista de 23 problemas matemticos compilados por el
matemtico alemn David Hilbert para la conferencia en Pars del Congreso Internacional de
Matemticos de 1900. Los problemas estaban todos por resolver en aquel momento, y varios
resultaron ser muy influyentes en la matemtica del siglo XX. Hilbert present diez de los
problemas (1, 2, 6, 7, 8, 13, 16, 19, 21 y 22) en la conferencia, en un acto el 8 de agosto en
La Sorbona.
Naturaleza e influencia de los problemas:
Aunque se han producido intentos de repetir el xito de la lista de Hilbert, ningn otro
conjunto tan variado de problemas o conjeturas ha tenido un efecto comparable en el
desarrollo del tema y obtenido una fraccin importante de su celebridad. Por ejemplo, las
conjeturas de Weil son famosas pero fueron poco publicitadas. Quiz el propio
temperamento de Andr Weil evit que intentase ponerse en posicin de competir con
Hilbert. John von Neumann produjo una lista, pero no obtuvo reconocimiento universal.
A primera vista, este xito podra atribuirse a la eminencia del autor de los problemas. Hilbert
estaba en la cspide de su poder y reputacin en aquel momento y continu dirigiendo la
sobresaliente escuela de matemtica en la Universidad de Gttingen. Un examen ms
cuidadoso revela que el asunto no es tan simple.
La matemtica de aquel tiempo era an discursiva: la tendencia a sustituir palabras por
smbolos y apelaciones a la intuicin y conceptos mediante axiomtica pura segua
subyugada, aunque se volvera fuerte durante la siguiente generacin. En 1900, Hilbert no
pudo acudir a la teora axiomtica de conjuntos, la integral de Lebesgue, los espacios
topolgicos o la tesis de Church, que cambiaran sus respectivos campos de forma
permanente. el anlisis funcional, fundado en cierto modo por el propio Hilbert como nocin
central de los testigos del espacio de Hilbert, no se haba diferenciado an del clculo de
variaciones; hay en la lista dos problemas de matemtica variacional, pero nada, como
podra asumirse inocentemente, sobre teora espectral (el problema 19 tiene una conexin
con la hipoelipticidad).
La lista no fue predictiva en ese sentido: no consigui plasmar o anticipar el fulgurante
ascenso que experimentaran la topologa, la teora de grupos y la teora de la medida en el
siglo XX, as como no previ la manera en que iba a avanzar la lgica matemtica. Por tanto,
su valor documental es el de ensayo: una visin parcial, personal. Sugiere algunos
programas de investigacin y algunas direcciones a seguir sin fin concreto.
De hecho, muchas de las preguntas daban una falsa idea del matemtico profesional del
siglo XXI, o incluso de 1950, en que la forma de una solucin a una buena pregunta tomara
la forma de un artculo publicado en una publicacin matemtica. Si este fuera el caso de
122
todos los veintitrs problemas, se hubiera simplificado el comentario hasta el punto de poder
dar una referencia a una revista, o considera la pregunta como abierta todava. En algunos
casos el lenguaje usado por Hilbert se sigue considerando un tanto "negociable", en cuanto
al significado real de la formulacin del problema (en ausencia, repetimos, de fundamentos
axiomticos, basados en matemtica pura, empezando con el propio trabajo de Hilbert sobre
geometra euclidiana, pasando por el Principia Mathematica, y terminando con el grupo
Bourbaki y el "terrorismo intelectual" para terminar el trabajo). Los problemas Primero y
Quinto se encuentran, quiz sorprendentemente, en un estado de formulacin de una
claridad menos que total (vanse las notas). En casos como el Vigsimo, el problema se
podra leer de forma razonable en una versin "interna", relativamente accesible, en la que el
lector puede saber a qu estaba apuntando Hilbert; o como una penumbra "externa" y
especulativa.
Dicho todo esto, por tanto, la razn ms importante es la gran rapidez con la que acept la
lista de Hilbert la comunidad matemtica de aquel momento (lo cual es una frmula menos
convencional que ahora, ya que por entonces haban pocos lderes investigadores, que
generalmente se encontraban en unos pocos pases Europeos y se conocan todos entre
ellos). Los problemas se estudiaron con gran atencin; resolver uno labr reputaciones.
El estilo fue al menos tan influyente como el contenido de los problemas. Hilbert solicitaba
clarificaciones. Pidi soluciones en principio a preguntas algortmicas, no a algoritmos
prcticos. Pidi un fortalecimiento de los cimientos de partes de la matemtica que a los no
practicantes an se antojaban guiadas por intuiciones opacas (el clculo de Schubert y la
geometra enumerativa).
Estas actitudes fueron adoptadas por muchos seguidores, aunque tambin fueron discutidas,
y continan sindolo. Treinta aos despus, Hilbert haba endurecido su postura: vase
ignorabimus.
Los veintitrs problemas de Hilbert son:
Problema 1. La hiptesis del continuo (esto es, no existe conjunto cuyo tamao est
estrictamente entre el de los enteros y el de los nmeros reales) Se ha probado la
imposibilidad de probarlo como cierto o falso mediante los axiomas de Zermelo-Fraenkel. No
hay consenso al respecto de considerar esto como solucin al problema.
Problema 2. Probar que los axiomas de la aritmtica son consistentes (esto es, que la
aritmtica es un sistema formal que no supone una contradiccin). Parcialmente resuelto:
hay quienes sostienen que se ha demostrado imposible de establecer en un sistema
consistente, finitista y axiomtico Sin embargo, Gentzen prob en 1936 que la consistencia
123
de la aritmtica se deriva del buen fundamento del ordinal 0, un hecho sujeto a la intuicin
combinatoria.
Problema 3. Se puede probar que dos tetraedros tienen igual volumen (bajo ciertas
asunciones)? Resuelto. Resultado: no, probado usando invariantes de Dehn
Problema 4. Construir todas las mtricas cuyas rectas sean geodsicas. Demasiado vago
para decidir si se ha resuelto o no.
Problema 5. Son los grupos continuos grupos diferenciales de forma automtica?.
Resuelto por Andrew Gleason
Problema 6. Axiomatizar toda la fsica. Sin resolver. No matemtico
Problema 7. Es a b trascendental, siendo a 0,1 algebraico y b irracional algebraico?.
Resuelto. Resultado: s, ilustrado por el teorema de Gelfond o el teorema de GelfondSchneider
Problema 8. La hiptesis de Riemann (la parte real de cualquier cero no trivial de la funcin
zeta de Riemann es ) y la conjetura de Goldbach (cada nmero par mayor que 2 se puede
escribir como la suma de dos nmeros primos). Abierto
Problema 9. Encontrar la ley ms general del teorema de reciprocidad en cualquier cuerpo
numrico algebraico. Parcialmente resuelto
Problema 10. Encontrar un algoritmo que determine si una ecuacin diofntica polinmica
dada con coeficientes enteros tiene solucin entera. Resuelto. Resultado: no, el teorema de
Matiyasevich implica que no existe tal algoritmo.
Problema 11. Resolver las formas cuadrticas con coeficientes numricos algebraicos.
Parcialmente resuelto
Problema 12. Extender el teorema de Kronecker sobre extensiones abelianas de los
nmeros racionales a cualquier cuerpo numrico de base. Abierto
Problema 13. Resolver todas las ecuaciones de 7 grado usando funciones de dos
parmetros. Resuelto. Lo prob posible Vladimir Arnold.
Problema 14. Probar la finitud de ciertos sistemas completos de funciones. Resuelto.
Resultado: no, en general, debido a un contraejemplo
Problema 15. Fundamento riguroso del clculo enumerativo de Schubert. Parcialmente
resuelto
124
Problema 16. Topologa de las curvas y superficies algebraicas. Abierto

Problema 17. Expresin de una funcin definida racional como cociente de sumas de
cuadrados. Resuelto. Resultado: se estableci un lmite superior para el nmero de trminos
cuadrados necesarios
Problema 18. Existe un poliedro irregular y que construya otros poliedros? Cul es el
apilamiento compacto ms denso?. Resuelto.
Problema 19. Son siempre analticas las soluciones de los Lagrangianos? Resuelto.
Resultado: s
Problema 20. Tienen solucin todos los problemas variacionales con ciertas condiciones
de contorno?. Resuelto. Ha supuesto un rea importante de investigacin durante el siglo
XX, culminando con las soluciones al caso no lineal.
Problema 21. Probar la existencia de ecuaciones lineales diferenciales que tengan un grupo
monodrmico prescrito Resuelto. Resultado: s o no, dependiendo de una formulacin ms
exacta del problema.
Problema 22. Uniformizacin de las relaciones analticas por medio de funciones
automrficas. Resuelto
Problema 23. Extensin de los mtodos del clculo de variaciones Resuelto
LECCIN 39. PROBLEMAS INSOLUBLES PARA LA TEORA DE LENGUAJES

Problemas de decisin: Un problema de decisin (PD) es aquel formulado por una
pregunta (referida a alguna propiedad) que requiere una respuesta de tipo si/no.
Problemas de decisin.
Un problema de decisin es:
Soluble si existe un algoritmo total para determinar si la propiedad es verdadera
(Existe una MT que siempre para al resolver el problema).
Parcialmente soluble si existe un algoritmo parcial para determinar si la propiedad
es verdadera (existe una MT que resuelve el problema, pero puede no parar).
125
Insoluble si no existe un procedimiento efectivo para determinar si la propiedad es

verdadera (no existe una MT).
Ejemplos de problemas de decisin:
Existe un algoritmo para decidir si un nmero natural cualquiera es par?
Si es soluble.
Existe un algoritmo para decidir si dos autmatas finitos cualesquiera son

equivalentes?
Si es un problema soluble.
Existe un algoritmo para determinar si una gramtica es ambigua o no?
No es insoluble.
CAPITULO 9. FUNCIONES RECURSIVAS

LECCIN 40. LENGUAJES DECIDIBLES
Un lenguaje decidible es aquel lenguaje L para el cual existe una mquina de Turing que le
puede aceptar cualquier cadena { L}.
Hay lenguajes formados por cadenas tales que una mquina de Turing logra un estado final
con las cadenas que reconoce y acepta, solamente. En este caso se dice que la mquina de
Turing semidecide al lenguaje. Los lenguajes semidecididos por una MT se llaman recursivos
numerables. Las gramticas sin restricciones son las que generan los lenguajes recursivos
numerables. De aqu en adelante ser suficiente referirse a los lenguajes recursivos
numerables, pues estos generalizan a los lenguajes recursivos, los cuales generalizan a los
lenguajes libres de contexto, y estos a los lenguajes regulares. Lo anterior tiene relacin
directa con que los autmatas de Turing generalizan a los de la pila y estos a su vez a los
autmatas finitos. Por otro lado, pese a que lenguajes formales ms generales que los
recursivos numerables no son reconocidos por un autmata de Turing, no existe hasta el
momento ningn autmata ms poderoso capaz de reconocerlos
En trminos de procedimientos, las cadenas de un lenguaje decidible corresponden a
procedimientos que terminan, ya sea realizando lo que indica la palabra o sealando que no
tienen la capacidad de realizarlo. Para un lenguaje semidecidible, las cadenas decididas por
126
la MT son instrucciones realizadas por la MT. De manera complementaria, las cadenas no

decidibles por la MT corresponden a procedimientos que no terminan utilizando una mquina
de Turing. A partir de lo dicho aqu tenemos la definicin de algoritmo:
Un algoritmo es una implementacin de una mquina de Turing tal que el conjunto

de sus entradas es el lenguaje decidible.
Es decir, si un dado un conjunto de entradas bajo las cuales una MT logra un estado de
parada para cada entrada, la maquina corresponde a la implementacin de un algoritmo.
Esta es la Tesis de Church Turing. No es un teorema pues no se puede demostrar
matemticamente, de manera general y categrica. Es solo la afirmacin de que el concepto
informal del algoritmo corresponde a un objeto matemtico. Al ser solo una afirmacin no
demostrable, puede suceder que luego fuera refudada. Para que esto ocurra, se necesitara
encontrar un autmata ms potente que uno de Turing tal que fuese la implementacin de un
algoritmo. Si bien hay algunas propuestas interesantes que pretende generalizar a la MT,
hasta la fecha ninguna de ellas ha sido aceptada para sustituir nuestro actual concepto de
procedimiento comprable.
Por otro lado, mientras que los lenguajes computables son una infinidad numerable, los
lenguajes no computables son una infinidad no numerable. Por ello, son ms los lenguajes
no computables o indecidibles. Una teora lgica (TL) se define a partir de un conjunto de
enunciados dados llamados axiomas, unas reglas de inferencia y un esquema de derivacin.
A partir de los axiomas y aplicando la regla de inferencia y el esquema de derivacin se
infieren los teoremas de la teora. El conjunto de teoremas de la teora forma un lenguaje
formal.
Si es posible definir una mquina de Turing tal que reconozca al lenguaje de los teoremas,
este lenguaje es decidible y la teora tambin lo es en consecuencia. Dicho en otras
palabras, si el conjunto de teoremas visto como un lenguaje es reconocido por una mquina
de Turing, entonces la TL es decidible. Y viceversa. Puede hablarse entonces de manera
indistinta de teoras lgicas o de lenguajes decididles, como aquellos para los que existe una
mquina de Turing capaz de reconocerlos. Luego la correspondencia entre la sintaxis de una
teora lgica (lenguaje formal) y reconocimiento simblico del mismo por parte de un
autmata queda establecida.
LECCIN 41. PROBLEMAS DE HALTING
127
El problema de Halting es el primer problema indecidible mediante mquinas de Turing.

Equivale a construir un programa que te diga si un problema de ordenador finaliza alguna
vez o no (entrando a un bucle infinito, por ejemplo)
Bsicamente, Turing defini las bases de las computadoras modernas y planteo un problema
sobre ellas, llegando a la conclusin de que no hay ningn algoritmo que lo resuelva. Es el
problema de la detencin (Halting problem); el problema de saber si un problema se cuelga
cuando corre en la computadora. Turing demostr que el problema de la detencin es
indicidible, es decir, demostr que haba problemas que una maquina no poda resolver.
Es meritorio el hecho que gracias a la equivalencias de mquinas de Turing y computadoras,
se haya determinado que existen clculos que no pueden ser detenidos en un tiempo
razonable en ninguna computadora imaginable, o incluso, que no puede resolverse en lo
absoluto, por ejemplo el problema de correspondencia de Post o el problema de predecir si
una mquina de Turing cualquiera va a llegar a un estado final (conocido como el problema
de Halting en ingls, o problema de la parada). Por todo esto el problema de Halting es un
diagnostico que indica que un problema de decisin no es decidible.
El problema de la parada o problema de la detencin para mquinas de Turing es el

ejemplo de problema irresoluble ms conocido. Consiste en determinar si una mquina de
Turing se detendr con cierta entrada, o bien quedar en un ciclo infinito. Este fue el primer
problema que se demostr formalmente que no tena solucin.
El concepto de problema indecidible o irresoluble se aplica a problemas de decisin, es
decir, problemas a los que podemos decir si tienen solucin o no. Dentro de estos
problemas, existe un conjunto al que no le podemos asignar una respuesta, ni afirmativa ni
negativa: no existe un algoritmo que nos permita determinar si el problema tiene solucin.
Una de las razones por la que es importante conocer que el problema de la parada no tiene
solucin, es que nos permite decidir si otros problemas son resolubles o no. El razonamiento
a seguir sera: si suponiendo que un problema es decidible, podemos demostrar que el
problema de la parada tiene solucin, entonces podemos llegar a la conclusin de que el
problema en cuestin no la tiene, por reduccin al absurdo.
Definicin:
Sea M una mquina de Turing arbitraria con un alfabeto de entrada . Puede decidirse si la
mquina M se detendr con la entrada ?
Solucin:
128
La respuesta a esta pregunta es negativa. No se puede determinar si una mquina de Turing

se detiene con una entrada arbitraria.
LECCIN 42. DECIBILIDAD DE TEORAS LGICAS
Decibilidad de las teoras lgicas. El desarrollo de la teora de la computabilidad ha ido

ntimamente ligado al desarrollo de la lgica matemtica. Esto ha sido as porque la
decibilidad de los distintos sistemas lgicos es una cuestin fundamental. Es bastante fcil
ver que el clculo proposicional es decidible. Church y Turing demostraron en 1936 que el
clculo de predicados no era decidible. Por otro lado, para cada una de las distintas teoras
se ha ido estudiando su posible decibilidad. Como ejemplo ms ilustrativo, Tarski demostr
que la teora de los nmeros reales era decidible.
Por otro lado, son muchos los problemas interesantes que se han demostrado computables.
Todas las funciones construidas por recursividad primitiva o minimalizacin a partir de
funciones calculables resultan ser calculables como consecuencia de los trabajos de Church
y Turing. Pero adems, otras funciones ms complejamente definidas tambin son
computables, siendo el resultado ms significativo en relacin con esta cuestin el dado por
el siguiente teorema:
Primer teorema de Recursin. Todo operador entre funciones calculables que sea recursivo
(esto es que se defina la imagen de f mediante una funcin calculable en trminos de una
parte finita de f), tiene una funcin parcial computable que es el menor punto fijo, es decir,
esta funcin es un punto fijo y cualquier otro punto fijo del operador es una extensin de esa
funcin.
Este teorema recibe su nombre porque podemos definir una funcin mediante una ecuacin
recursiva ms general que la permitida por la recursividad primitiva, a saber dnde es un
operador recursivo. El primer teorema de recursin nos dice que esta definicin es posible;
hay una funcin recursiva que satisface esta ecuacin. Como en matemticas se requiere
que la definicin sea unvoca, se dice que dicha ecuacin define el menor punto fijo del
operador. As, y de acuerdo al primer teorema de recursin, la clase de las funciones
calculables es cerrada bajo una muy general forma de definicin por recursin.
A menudo se utiliza la tcnica de reducir un problema a otro para comprobar si tiene o no
solucin efectiva. La estrategia en el caso de la respuesta negativa es la siguiente, si se
reduce de forma efectiva un problema sin solucin efectiva a otro problema (mediante una
funcin calculable), entonces este nuevo problema tampoco tendr solucin efectiva. La
razn es muy simple, si tuviese solucin efectiva, componiendo el algoritmo solucin con el
129
algoritmo de transformacin obtendramos una solucin para el problema efectivamente

irresoluble. En sentido inverso, si se reduce un problema a otro para el que se conoce una
solucin efectiva, entonces componiendo se obtiene una solucin para el primer problema.
Esta tcnica es muy til y se utiliza a menudo. Por otro lado, esta misma tcnica es muy
empleada en el campo de la complejidad algortmica. Para asegurarse de que un problema
est en una clase de complejidad, basta reducir el problema a otro de dicha clase sin ms
que asegurarse que la reduccin se realiza en la correspondiente clase de complejidad.
FUNCIONES COMPUTABLES:
Las llamadas mquinas de Turing no constituyen ni el primero ni el nico formalismo para
expresar cmputos, pero s el que ms ha perdurado.
Su creador, el matemtico ingls Alan Turing (1912-1954) estaba convencido de que no
exista un algoritmo para el problema de decisin planteado por Hilbert y su intencin era
demostrar dicha no existencia.
El modelo en el que se inspir fue el de una persona real llevando a cabo un clculo
mecnico, por ejemplo una multiplicacin de dos grandes nmeros en el sistema decimal.
Las funciones computables son usadas para discutir computabilidad sin referirse a ningn
modelo de computacin concreto, como el de la mquina de Turing o el de la mquina de
registros.
Segn la Tesis de Church-Turing, la clase de funciones computables es equivalente a la
clase de funciones definidas por funciones recursivas, clculo lambda, o algoritmos de
Markov.
Alternativamente se pueden definir como los algoritmos que pueden ser calculados por una
mquina de Turing, una mquina de Post, o una mquina de registros.
En teora de la complejidad computacional, el problema de determinar la complejidad de una
funcin computable esta conocido como un problema de funciones.
LECCIN 43. REDUCIBILIDAD DE TURING

La reducibilidad ha permitido llegar a determinar la indecibilidad en algunos problemas
computacionales: Una manera ms simple de determinar la indecibilidad es utilizando el
mtodo de reduccin, el cual est implcito en nuestra manera de pensar a la hora de
solucionar ciertos problemas: dado un problema P1, este se reduce a solucionar P2. Es decir,
130
si solucionamos P2, tenemos solucionado P1. De esta manera hemos convertido un problema
en otro.
Ejemplo:57 Se presenta un ejemplo que explica la solucin de estos problemas indecidibles
mediante Reducibilidad:
Se cita un ejemplo:
P1.- Hay hambre en el mundo.
P2.- Hay que redistribuir parte de la riqueza
El problema del hambre en el mundo se reduce a redistribuir riqueza. P2 es un problema
mucho ms general, pues adems de solucionar el hambre tambin solucionara otros ms.
Hay que hacer notar que este mtodo no hace referencia a la manera en la que se soluciona
P1 o P2, sino que determina como la solucin de P2 conduce a solucionar P1. Tambin se
puede ver que P2 es un problema ms general que P1. De hecho este mtodo no
funcionara en el sentido inverso: siempre se reduce un problema a otro ms general.
Otro ejemplo ms tpico: El jefe al fin se ha decidido a dar las vacaciones, pero estamos a 30
de julio y queremos ir con la familia, que resulta que est en Australia. El problema entonces
se reduce a encontrar un billete de avin a este destino.
En trminos de mquinas de Turing, dado un lenguaje L1, que define un problema, su
decisin se reduce a otro lenguaje L2 que es decidible. Para ello se debe encontrar un
algoritmo que convierta una cadena de L1 en otra cadena de L2 (L2 puede tener ms
cadenas aceptables, pero nos interesan las que se pueden obtener por el algoritmo desde
L1), decidindose entonces si pertenece a L2.
Para demostrar la indecidibilidad de un lenguaje L, se va a utilizar la reduccin ante dos
situaciones distintas:
Que P1 sea RE, el problema se reduce a otro P2 que tambin es RE.
Que P1 no sea RE, el problema se reduce a otro P2 que tampoco es RE.
Demostrar que un lenguaje L2 es recursivamente enumerable, se har por reduccin
al absurdo. Para ello partimos de un lenguaje L1 del que conoceremos de antemano
su no decidibilidad (normalmente se utilizarn Lu o Ld, aunque puede ser cualquier
otro del que se haya demostrado su indecidibilidad). Tenemos, en las dos situaciones
antes descritas:
131
Que haya que demostrar que L2 es RE. Para ello partimos de la certeza de que L1 es RE
(por ejemplo Lu) y lo reducimos a L2. Se supondr que este ltimo es decidible, es decir, que
se puede encontrar una MT que, siendo la entrada una cadena de L1, esta se puede
convertir en una cadena de L2, y decidir si esta ltima pertenece a L2 o no. Si se
encuentra al algoritmo de conversin, se habr encontrado una MT que es capaz de reducir
L1 a L2, y por tanto, la manera de decidir L1. Pero esto es una contradiccin, pues sabemos
de antemano que L1 es RE, por lo que, forzosamente, L2 no puede ser decidible. Se llega a
la conclusin de que L2 tambin es RE.
Que haya que demostrar que L2 no es RE. Para ello partimos de la certeza de que L1 no es
RE (por ejemplo Ld) y lo reducimos a L2. Se supondr que este ltimo es RE, es decir, que
se puede encontrar una MT que, siendo la entrada una cadena de L1, esta se puede
convertir en una cadena de L2, y aceptarla si esta ltima pertenece a L2. Si se encuentra
un algoritmo de conversin, se habr encontrado una MT que es capaz de reducir L1 a L2,
y por tanto la manera de aceptar L1. Pero esto es una contradiccin, pues sabemos de
antemano que L1 no es RE (ninguna MT puede aceptarlo), por lo que, forzosamente, L2
no puede ser RE. Se llega a la conclusin de que L2 tampoco es RE.
132
LECCIN 44. APLICACIONES DE LAS MAQUINAS DE ESTADOS. ALGORITMO DE TRELLIS.

Hemos visto como la Teora de Autmatas, que engloba tambin al estudio de las Mquinas
secuenciales, tiene su origen en el campo de la Ingeniera Elctrica. El matemtico
norteamericano Shannon Claude 16(siendo lo ms notable de su trabajo todo lo referente a la
Teora de la informacin17, un desarrollo que fue publicado en 1948 bajo el nombre de Una
Teora Matemtica de la Comunicacin), dio los primeros usos a una mquina de estados.
Ms tarde en otros trabajos destacados, vino a establecer las bases para la aplicacin de la
Lgica Matemtica a los circuitos combinatorios y posteriormente Huffman en 1954 los
ampli a circuitos secuenciales y utiliza conceptos como estado de un autmata y tabla de
transicin.
A lo largo de las dcadas siguientes, las ideas de Shannon se desarrollaron
considerablemente, dando lugar a la formalizacin de una Teora de las Mquinas
Secuenciales y de los Autmatas Finitos (1956). Otros trabajos importantes sobre maquinas
secuenciales son debidos a Mealy (1955) y Moore.
El artculo original disponible, que emiti Sahnnon acerca de la Teora Matemtica de la
Comunicacin es referenciado en el paper A Mathematical Theory of Communication18
En la siguiente leccin veremos una aplicabilidad dada a estas mquinas de estados
enfocada a resolver problemas que se presentan en la Teora de la informacin. Uno de
ellos se da en la transmisin de datos que reside en la potencia, por lo que para mantener
una probabilidad de error mnima es necesario buscar alternativas al hecho de aumentar el
voltaje en la fuente. Una alternativa muy eficiente es la codificacin (el envo de un nmero
de smbolos inferior a los posibles) y su posterior decodificacin. Se describirn algunos
mtodos para la codificacin y decodificacin de la informacin para ser transmitida, por un
canal.
ALGORITMO DE TRELLIS Y VITERBI:
19
16
<C. E. Shannon, ``A mathematical theory of communication,'' Bell System Technical Journal, vol. 27, pp. 379423 and 623-656, July and October, 194>
17
< W. Weaver and C. E. Shannon, The Mathematical Theory of Communication, Urbana, Illinois: University of
Illinois Press, 1949, republished in paperback 1963 .>
18
Reprinted with corrections from The Bell System Technical Journal, Vol. 27, pp. 379423, 623656, July,
October, 1948. Disponible en internet < http://cm.bell-labs.com/cm/ms/what/shannonday/shannon1948.pdf >.
133
Especficamente se presenta el estudio de los algoritmos de Trellis y Viterbi: El importante

crecimiento que ha tenido la transmisin digital de informacin en los ltimos tiempos puede
explicarse gracias a las numerosas ventajas que posee con respecto a los mtodos
analgicos. Hasta unos aos, la transmisin digital de seales analgicas (voz, vdeo, etc.)
resultaba tcnica y econmicamente costosa. Sin embargo, recientemente han sucedido
hechos que originaron importantes avances en esta rea de las comunicaciones:
Las grandes mejoras en los algoritmos de compresin han perfeccionado la codificacin de
seales analgicas en forma digital, reduciendo drsticamente el ancho de banda requerido
para la transmisin de seales de audio y vdeo con una calidad aceptable.
Las altas escalas de integracin logradas en la construccin de circuitos integrados, as

como el desarrollo de circuitos especficos, han disminuido notablemente el costo del
procesamiento digital de seales.
El desarrollo en las tcnicas de codificacin ha aumentado la robustez y la confiabilidad de
las comunicaciones digitales.
APLICACIONES DEL ALGORITMO: Como resultado de estos avances, las fronteras del
mundo de las comunicaciones digitales se han expandido en todos los sentidos: (a) las
distancias entre transmisor y receptor se han incrementado considerablemente
(comunicaciones satelitales, telemetra de sondas espaciales, etc.); (b) es posible establecer
comunicaciones de buena calidad en ambientes de gran interferencia (telefona celular); (c)
los espacios lgicos (y fsicos) necesarios para almacenar la informacin se han reducido
radicalmente (DVD).
Entre todos los avances que han permitido este extraordinario desarrollo de las
comunicaciones, se encuentran las tcnicas de codificacin. Estas mejoran el
comportamiento de los sistemas de comunicaciones mediante la inclusin de redundancia en
la informacin a transmitir. Esta informacin adicional permite detectar, corregir y/o prevenir
errores en transmisiones por canales ruidosos.
Entre los mtodos de proteccin ms utilizados en la actualidad se encuentran los

codificadores convolucionales con decodificacin de Viterbi (CC-DV).
19
The Viterbi Algorithm: A Personal History. Disponible en internet: <http://arxiv.org/pdf/cs/0504020v2.pdf>
134
La Modulacin Codificada de Trellis (Trellis coded modulation) mejor conocida por la

sigla TCM, se ha desarrollado a lo largo de las ltimas cuatro dcadas. Este sistema
combina las tcnicas de codificacin y la modulacin para transmisiones digitales sobre
canales con banda limitada. Su ventaja principal, y por la que ha hecho una revolucin en las
telecomunicaciones, radica en el hecho que permite una ganancia significativa de
codificacin sobre las modulaciones convencionales de multinivel, sin comprometer la
eficiencia del ancho de banda.
El primer esquema de TCM fue propuesto en 1976 por Gottfried Ungerboeck. Seguido por
una publicacin en la revista information theory del IEEE en el ao de 1982, con la cual se
dio una revolucin en las investigaciones de su teora y mtodos, adems se estableci un
lugar a las posibles implementaciones de TCM.
La decodificacin de Viterbi fue propuesta por Andrew Viterbi en su trabajo Error Bounds
for Convolucional Codes and an Asymptotically Optimum Decoding Algorithm publicado en
la IEEE Transactions on Information Theory, en Abril de 1967.
Comparado con otros esquemas de proteccin, CC-DV permite mejorar sustancialmente la
performance de los sistemas de comunicaciones, esto es, disminuir notablemente la tasa de
errores de bits (Bit Error Rate - BER). Obviamente, esta importante mejora es posible gracias
a un incremento de complejidad en la implementacin de los decodificadores. Sin embargo,
gracias a los grandes avances en la tecnologa, en la actualidad es posible implementar CCDV sin ninguna dificultad
CC-DV son utilizados en los sistemas de telefona celular digital como es el caso del
estndar IS-95 (utilizado en nuestro medio por CTI), como as tambin en comunicaciones
de satlites geoestacionarios como las redes VSAT (Very Small Aperture Terminal). Las
ganancias que se logran con estos sistemas de codificacin se reflejan en la reduccin del
consumo de los transmisores o en la reduccin del tamao de las antenas (o simplemente en
la mejora de las tasas de transmisin).
CODIFICACION Y DECODIFICACION: El codificador del canal CC, persigue el objetivo de

lograr una veracidad dada durante la transmisin o conservacin de la informacin,
introduciendo una redundancia adicional, con ayuda de determinados algoritmos, como los
convolucionales y Trellis; y teniendo en consideracin la intensidad y las leyes estadsticas
de las transferencias en el canal de comunicacin. Esta codificacin recibe el nombre de
redundante.
La teora de la codificacin redundante se basa en los principios que Shannon formul para
canales ruidosos al considerar que existe una probabilidad de error en la transmisin de
135
rfagas de smbolos para cualquier velocidad, dentro de la capacidad del canal e

independientemente del tipo de informacin que se envi. Entonces, es indispensable saber
cules de los bits recibidos estn errados, especialmente si se requiere una altsima
veracidad por la transmisin de datos.
Con la introduccin de una cierta cantidad de smbolos redundantes dentro de una cadena,
la parte emisora permite anticiparse al ruido del canal que pueda perjudicar la informacin,
de este modo, en tal caso, se le brinda a la parte receptora la posibilidad de corregir errores.
Figura 63: Modelo de un sistema de comunicaciones digitales
Despus del codificador de canal CC, la seal codificada es modulada para su transmisin,
por una lnea de comunicacin o para su conservacin, en una cierta memoria.
En la lnea de comunicacin a la seal se le aaden interferencias, de esta forma al
dispositivo demodulador, llegan del canal de comunicacin, seales distorsionadas por el
ruido. El dispositivo decodificador del canal y el dispositivo decodificador de fuente, ofrecen
el mensaje decodificado al destinatario. En el proceso de decodificacin de canal, son muy
usados los algoritmos de Viterbi, siempre y cuando en el proceso de codificacin del canal se
halla empleado los cdigos convolucionales o la codificacin de Trellis.
CDIGOS SECUENCIALES: Son cdigos que representan nmeros o letras asignados en
serie. Sealan el orden en el cual han ocurrido los hechos: por ejemplo un sistema bancario
debe ser capaz de mantener un seguimiento del orden de las transacciones, de manera que
sea claro que transaccin procesar primero, cual despus y as sucesivamente; por lo tanto
136
se debe especificar el nmero de secuencia en el diseo con el propsito de ordenar las

transacciones.
Los cdigos secuenciales son utilizados tambin con el propsito de identificacin, pero se
asignan en el orden en el cual los clientes entran al sistema.
Los de secuencia asignados en un orden cuidadoso no permiten insercin de nuevos
miembros entre los ya existentes, Los analistas especifican la asignacin de cdigos de
secuencia a intervalos de 10 / 20, o algn otro rango a fin de permitir expansiones
posteriores.
Los cdigos pueden dividirse en subconjuntos o subcdigos, caracteres que son parte del
nmero de identificacin que tienen un significado especial. Los subcdigos indican al
usuario informacin adicional sobre el artculo, Ejemplo La clase de producto, el proveedor,
esta informacin se lleva a travs de dgitos significativos.
Figura 64: Cdigo secuencial
CDIGOS CONVOLUCIONALES: Al problema del canal en donde se aade un ruido

aleatorio a nuestra informacin, que tomaremos en nuestro caso AWGN (Additive White
Gaussian Noise), necesitamos un proceso mediante el que podamos decidir qu mensaje,
de los posibles, ha sido enviado. Si no tuvisemos restricciones en potencia bastara con
aumentar el voltaje de las seales en la fuente para tener una demodulacin ms fiable a la
salida, ya que la potencia de ruido no aumenta. Shannon concluy que no haca falta
aumentar la potencia sino disminuir el nmero de mensajes, enviar solo una fraccin de
ellos. Los mensajes posibles son 2n en el caso de transmisin binaria (siendo n el nmero de
bits de la palabra codificada), lo que Shannon propone es enviar 2Rn mensajes con R<1. De
esta forma, si R es menor que la capacidad del canal C (es una caracterstica propia de cada
canal), puedo crear un sistema de comunicaciones con una PE (probabilidad de error) muy
baja cuando n .
El problema est en cmo elegir los 2Rn vectores que se van a enviar, es decir, en la
decisin. Al sistema que realiza dicha decisin se le llama codificador.
137
Los cdigos convolucionales realizan esta seleccin, son cdigos lineales que tienen la
propiedad de que la suma de dos palabras de cdigo cualesquiera tambin es una palabra
de cdigo. Luego, el codificador convolucional, es una manera de reducir el nmero de
mensajes que enviamos por el canal, cumpliendo de esta forma la recomendacin de
Shannon. (Bsicamente el codificador convolucional es una mquina de estados que aplica
la Teora de Autmatas).
La codificacin convolucional es una codificacin continua en la que la secuencia de bits
codificada depende de los bits previos.
El cdigo se genera pasando la secuencia de informacin a transmitir por un registro de
desplazamiento lineal. En general, el registro de desplazamiento consiste en m etapas de k
bits y n generadores de funciones algebraicas, como se muestra en la figura 65:
Figura 65: Codificador convolucional de m etapas
El cdigo queda especificado por tres parmetros (n, k, m):

n es el nmero de bits de la palabra codificada.
k es el nmero de bits de la palabra de datos.
m es la memoria del cdigo o longitud restringida
138
El nmero de bits por palabra de datos k, cumple: R=k/n.

A este cociente se le denomina ratio del codificador. He definido para esta aplicacin un
codificador convolucional (2,1,3), es decir: un bit para representar la palabra de datos, dos
bits de palabra de codificacin por cada bit de palabra de datos y tres bits de longitud de
registro. En nuestro caso el ratio es .
Figura 66: Mquina de estados. Registro de desplazamiento convolucional de ratio = y una etapa
En la simulacin comprobamos que esta codificacin es ptima para disminuir nuestra

probabilidad de error en un porcentaje considerable. Cuanto mayor sea n, ms segura ser
la transmisin y menor ser la probabilidad de error, eso s, del mismo modo, ms complejo
ser el diagrama de estados del codificador y ms difcil su posterior decodificacin. Hay que
encontrar, como siempre en transmisin, el compromiso idneo entre calidad y complejidad.
Un codificador convolucional puede ser fcilmente representado por un diagrama de estados
de transicin ya que tiene memoria finita. Para ello, procedemos al desarrollo de los
diferentes estados de la mquina. Fijamos que en el instante inicial el codificador est
cargado con todo ceros, veamos los distintos estados posibles:
Cargado todo con ceros, le metemos un cero y un uno:

Figura 67: Mquina de estados. Registro de desplazamiento convolucional (datos 000 y 100)
139
Seguimos con el caso de que hemos introducido un uno porque con el cero observamos que
se forma un bucle. Ahora en la situacin (1, 0, 0) veamos cmo codifica el sistema usando
una mquina de estados si le introducimos un cero y cmo si es un uno el bit que entra al
canal:
Figura 68: Mquina de estados. Registro de desplazamiento convolucional (datos 010 y 110)
Y as sucesivamente hasta completar un ciclo y con l, la mquina de estados.
DIAGRAMA DE ESTADOS: Una forma compacta de representar el cdigo es mediante el

diagrama de estados.
En los diagramas, cada estado del codificador convolucional se representa mediante una
caja y las transiciones entre los estados vienen dadas por lneas que conectan dichas cajas.
Para saber de una manera rpida en qu estado se encuentra el codificador, basta con
observar los dos bits del registro de memoria ms alejados de la entrada. Puede
comprobarse interpretando la mquina de estados correspondiente. Para el codificador de la
Figura 69, el diagrama de estados correspondiente es:
Figura 69: Diagrama de estados para el codificador convolucional de ratio 1/2
140
RBOLES: Para la descripcin, utilizaremos un caso particular con m=3, k=1 y n=2.
Consideramos el codificador convolucional de la figura 70
Figura 70: Codificador convolucional de ratio 1/3 y m=3
El rbol resultante se muestra en la figura 71
Figura 71: rbol para un codificador convolucional de ratio 1/2
141
DIAGRAMAS DE TRELLIS:
Una manera de representar las distintas transiciones y los caminos que stas describen es
mediante un Diagrama de Trellis. Una descripcin de Trellis de un codificador convolucional
muestra cmo cada posible entrada al codificador influye en ambas salidas y a la transicin
de estado del codificador. Un cdigo de longitud restringida m tiene un Trellis con 2k(m-1)
estados en cada intervalo ti. As que tendremos cuatro estados en ti. De cada estado parten
otros dos, uno si el bit enviado es un 1 y otro si es un 0.
Veamos las transiciones de estados correspondientes al Diagrama de Trellis usado en este
proyecto. Las flechas continuas muestran cmo el codificador cambia su estado si la entrada
es un cero, y las flechas discontinuas cmo lo hace si la entrada es un uno:
Figura 72: Diagrama de Trellis (transicin de estados).
142
El sistema tiene memoria: la codificacin actual depende de los datos que se envan ahora y
que se enviaron en el pasado. Por lo tanto, el diagrama completo que obtenemos con
nuestro codificador.
Figura 73: Diagrama de Trellis completo (transicin de estados).
El proceso de codificacin evoluciona segn el diagrama de estados. Entran al codificador k

bits a la vez y la correspondiente n salida se transmiten por el canal. Este procedimiento se
143
repite hasta legar el ltimo grupo de k bits que se codifican en una salida de n bits.
Aceptamos para una mayor sencillez a la hora de decodificar, que despus del ltimo envo
de k bits, entran al codificador un grupo de k(m-1) ceros, y sus correspondientes salidas son
enviadas.
En nuestro caso (2,1,3), una vez enviado el ltimo bit, tendremos que enviar dos ceros para
finalizar la secuencia en cero y de esta forma volver a poner el codificador a cero. As, queda
listo para otro envo futuro y se facilita por lo tanto el proceso.
Ejemplo58: Codificacin Convolucional de ratio = 1/2 y diagrama de Trellis:
Sea una entrada de datos de 8 bits. Una vez elegido el codificador convolucional con ratio
1/2, procedemos como se ha explicado en la teora para obtener la secuencia de 16 bits
correspondientes a la palabra codificada.
Datos a la entrada: 1 1 0 0 1 0 1 1
Hemos dicho que el codificador parte del estado todo cero. Fijndonos en la mquina de
estados de las figura 69, partimos del estado 00, si entra un 1, se ha explicado como entra
al codificador, cul es la salida codificada (11) y a qu estado pasa (10). A este nuevo estado
le llamaremos estado presente. En nuestro ejemplo:
1 Dato entrada:
Dato codificado:
Estado presente:
1
11
10
2 Dato entrada:
Dato codificado:
Estado presente:
1
10
11
3 Dato entrada:
Dato codificado:
Estado presente:
0
10
01
4 Dato de entrada: 0
Dato codificado:
11
Estado presente:
00
Continuando el proceso llegamos a un cdigo de estados presentes y a la secuencia
codificada que entra al canal:
144
Estado presente:
Entrada codificada:
10 11 01 00 10 01 10 11
11 10 10 11 11 01 00 10
Representamos cmo sera el camino de Trellis seguido por los datos correctos ya
codificados. Para esto nos fijamos en la secuencia de estados presentes:
Figura 74: Datos correctos codificados
LECCIN 45: ALGORITMO DE VITERBI
145
La codificacin convolucional se decodifica con ayuda del algoritmo de Viterbi. El proceso

consiste en desechar algunos de todos los caminos posibles. Lo que se consigue aplicando
este mtodo es reducir el nmero de clculos. Segn el algoritmo de Viterbi, para reducir el
nmero de clculos, cada vez que dos trayectos (tambin llamados ramas) se junten en un
estado en el Diagrama de Trellis, el de mayor mtrica acumulada se desecha en la bsqueda
del trayecto ptimo. Esto se debe a que el estado actual resume la historia de todos los
estados anteriores en cuanto a su influencia en los estados posteriores. Esto se hace en los
2k-1 estados, se pasa al intervalo ti+1 y se repite el proceso. 00 01 10 Realmente, esta
eliminacin de posibles caminos no comienza hasta el tercer nivel de representacin. Esto se
debe a que hasta ese instante, no han podido converger dos ramas en un estado ya que por
cada k bits de palabra de datos (k =1 en el ejemplo) surgen 2k estados. Es decir, del primer
estado (el 00 por definicin) tendremos dos estados en el siguiente nivel de
representacin, y por cada uno de estos, otros dos en el posterior nivel. Por tanto ser en el
tercer nivel cuando empecemos a tomar decisiones porque ahora s convergern dos ramas
en cada estado.
Decodificador de Viterbi, para el ejemplo 58
Una vez conocida la secuencia de 16 bits correspondientes a la palabra codificada en el
ejemplo anterior, suponemos una secuencia recibida con una serie de errores producidos por
el ruido en el canal (en rojo los bits errneos en la. recepcin). Dado que tambin
conocemos el Trellis que sigue la palabra enviada, podremos observar grficamente en el
proceso de decodificacin de Viterbi cmo se van obteniendo los caminos que conducen al
resultado ptimo. De esta manera:
Tabla 17: Relacin de bits y estados.
Datos
Estado Presente
10
11
01
00
10
01
10
11
Codificado
11
10
10
11
11
01
00
10
Recibido
10
10
11
11
01
01
00
10
146
Veamos las distintas representaciones grficas que desarrollan el proceso segn dicta
nuestra mquina de estados. Sobre cada lnea de unin de estados colocaremos en rojo el
nmero de errores acumulados en relacin con la seal recibida.
El nmero de errores se calcula en base a la distancia de Hamming, la cual se describe a
continuacin:
DISTANCIA DE HAMMING.
En los cdigos no recurrentes (o sea que utilizan estructura de bloques) son formados con
agrupaciones de n bits llamadas bloques, cada bloque se diferencia de otro de acuerdo con
la distancia que exista entre ellos. Como lo muestra la siguiente figura 75:
Figura 75: Distancia de Hamming.
La distancia Hamming comnmente notada simplemente dH se cuenta como la cantidad de

bits que cambian de un bloque a otro. El cubo ayuda a representar la distancia Hamming
para un cdigo de bloque de tres bits.
Continuando con el ejemplo: En el momento de hacer la eleccin coloreamos en azul los
caminos desechados:
1.- El primer y segundo nivel son fijos para cualquier entrada. Del estado 00 tenemos dos
posibles ramas, hacia el estado 00 y hacia el 10
147
2.- Todava no tenemos que realizar ninguna decisin ya que, como hemos dicho, estos
caminos son los mismos independientemente de la entrada.
3.- A partir del tercer nivel, en cada estado convergern dos ramas, analizamos los errores
en la mtrica de cada camino posible en relacin con la seal recibida.
148
4.- Segn el nmero de errores acumulados en relacin con la seal recibida, elegimos un
camino u otro. Nos quedamos con el de menor error acumulado. As pues, partimos de
menos ramas para el siguiente nivel del proceso.
5.- De cada nodo parten de nuevo otras dos ramas Colocamos nicamente los errores
correspondientes al ltimo nivel, para una mejor visualizacin:
6.- Procedemos del mismo modo que para el tercer nivel y nos quedamos con las ramas de
menor error acumulado:
7.- Con esta metodologa aplicada al resto de niveles, las cuatro ramas seleccionadas que
llegaran a los cuatro ltimos estados dada su menor acumulacin de error acumulada sern:
Por lo tanto, el trayecto ptimo es aquel que finaliza en el estado 11, ya que tiene tres
errores acumulados frente a los cuatro de los otros estados. As pues, el trayecto recorrido
ptimo es
Figura 79: Diagrama de Viterbi.. Trayecto de recorrido ptimo.
149
Observamos que coincide exactamente con la secuencia de datos enviada y codificada.

Podemos concluir que mediante el Algoritmo de Viterbi hemos reconstruido perfectamente
nuestra secuencia de datos a partir de una secuencia codificada con errores introducidos por
el ruido del canal. La solucin final de la mquina de estados para el codificador
convolucional en la que para el ejercicio se tenan como datos de entrada: 1 1 0 1 0 0 1 1 se
ve en la figura 80:
Figura 80: Solucin final Trellis y Viterbi. Datos de entrada 11010011.
150
Una explicacin del algoritmo, puede ser visualizada en los recursos de la tabla 17.
Tabla 18: Recursos web para el algoritmo de Trellis y Viterbi
DESCRIPCIN DE VIDEO
Cdigo convolucional de m=3 , K=1
CANAL
CANAL
http://youtu.be/ZnCbur8zQiU
https://vimeo.com/75887185
Sigue al autor
facebook.com/carlosalberto.amayatarazona
@carlosamayat
http://www.camayat.com/
SIMULADORES:
151
3002260425
Los simuladores son compatibles con cualquier sistema operativo. Solo requieren que tenga
instalado el plugin de java en su navegador web. Puede realizar la descarga de los
simuladores desde los siguientes recursos:
Tabla 19: Recursos web para descarga de simuladores.
SIMULADOR
DESDE LOS REPOSITORIOS DE LA

UNIVERSIDAD
DESDE LA PAGINA DEL

AUTOR DEL SOFTWARE
http://www.java.com/es/do
wnload/index.jsp
JFLAP V 7.0
http://datateca.unad.edu.co/contenidos/301405/SI
MULADORES/JFLAP.zip
http://www.jflap.org/getjflap.html
Gua o Tutorial:
http://www.jflap.org/tutorial/
VISUAL AUTMATA
SIMULATOR (VAS)
MULADORES/VISUAL_AUTOMATA_SIMULATOR
.zip
http://download.cnet.com/VisualAutomata-Simulator/3000-2053_454760.html
Tutorial:
http://sistemas.uniandes.edu.co/~isis1106/dokuwiki
/lib/exe/fetch.php?media=tutoriales:tutorial_vas.pdf
CHALCHALERO
MULADORES/chalchalero.zip
http://www.ucse.edu.ar/fma/sepa/ch
alchalero.htm
KAKUY
MULADORES/KAKUY.zip
http://www.ucse.edu.ar/fma/sepa/
LyX The Document

Processor
http://www.lyx.org/
Un procesador de documentos (para edicin de contenidos matemticos).
Automaton Simulator
Video de instalacin.
http://ozark.hendrix.edu/~burch/proj/autosim/
http://datateca.unad.edu.co/contenidos/301405/SIMULADORES/VIDEO_SIMULADORES.
zip
ANEXO: EJERCICIOS DE REPASO

152
Se presentan ejercicios que han sido banco de evaluaciones formuladas en el curso: Se

recomienda que repase, evale y sintetice el anlisis de cada uno.
Ejercicio 1: Una de las operaciones que se puede formar con las palabras de un alfabeto es
La potencia. Dada una palabra w * se define inductivamente la potencia n-sima de w,
que se denota w n , como: w 0 = cadena vaca, w n = w . w n 1 para n > 0
Si w = aba es un palabra sobre el alfabeto {a,b} entonces:
A.
B.
C.
D.
= aabb
= abaaba
2
= abab
2
= ababab
2
Ejercicio 2: Indique cul de las siguientes afirmaciones referidas a lenguajes del alfabeto
= {0,1,2} son ciertas:
1.
2.
3.
4.
El lenguaje de las cadenas con a lo sumo una pareja de 0s consecutivos y a los

sumo una pareja de 1s consecutivos no es regular.
El lenguaje de las cadenas equilibradas con igual nmero de 0s y de 1s tales
que ningn prefijo de cualquiera de ellas posee ms de dos 0s que 1s ni ms de
dos 1s que 0s es un lenguaje regular.
No existe ningn autmata determinista que reconozca el lenguaje de las
cadenas en las que toda pareja de 0s contiguos aparece antes de cualquier
pareja de 1s contiguos.
Si L es un lenguaje regular tambin lo es el lenguaje consistente en las inversas
de las cadenas de L.
Ejercicio 3: Sea el alfabeto = {a,b} con la Expresin Regular: a(a+b), identifique las
cadenas vlidas que se pueden generar:
A.
B.
C.
D.
{aba, aab,}
{a, aab, abb}
{aa, ab,}
{a, b, aa, bb}
Ejercicio 3.1 Para el siguiente autmata, identifique cul es la Expresin Regular (ER) que
mejor lo representa:
153
A.
B.
C.
D.
(ab+ba) + a
(ab + aba)*
a +(ab)*
ab +(ab)*
ANALICE LA RELACIN ENTRE EL EJERCICIO 3 Y 3.1

Ejercicio 4: Cules afirmaciones son vlidas y que surgen de un anlisis de las ER
(Expresiones Regulares):
1. La ER (0+1)*01 genera cadenas vlidas para el autmata del ejercicio doce (12)
pero no para las del autmata del ejercicio once (11).
2. La ER (0+1)*01 genera las mismas cadenas para el Autmata del ejercicio dos (2)
y del ejercicio doce (12)
3. La ER (0+1)*11(01)* genera cadenas vlidas para el autmata del ejercicio dos
(2) pero no para las del autmata del ejercicio doce (12).
4. La ER (1*00*1(00*1)*1)*1*00*1(00*1)* genera las mismas cadenas para el
Autmata del ejercicio doce (12) y del ejercicio once (11).
Ejercicio 5: Se denomina estrella de Kleene, cierre reflexivo transitivo u operacin asterisco

sobre un alfabeto al conjunto de todas las cadenas que se pueden construir a partir de
los smbolos del alfabeto ; en notacin matemtica esta definicin se expresa as.
Dado el alfabeto:
= {a,b} una representacin vlida de la expresin regular y su lenguaje
sera:
A.
Expresin Regular:
; Como Lenguaje: {
154
,b,bbb,bbbbbb,}
B.
Expresin Regular:
en
C.
y terminan en
Expresin
; Como Lenguaje: empiezan
ba
Regular:
Como
lenguaje:
{a,aa,ab,aaa,aab,aba,abb, }
D.
Expresin Regular:
en
. ; Como Lenguaje: empiezan en
y terminan
Ejercicio 6: Se denomina cadena, palabra o frase a una secuencia finita de smbolos de un

alfabeto . Estas cadenas son denotadas como w.
Dado el siguiente autmata finito determinstico (AFD) A = (Q, , f, q 0 , F)
Q es un conjunto de estados.
es el alfabeto de entrada
f: Q X Q es la funcin (total) de transicin.
q 0 Q es el estado inicial.
F Q es el conjunto de estados finales.
Y que para el ejercicio =
{a,b}
Q ={ q 0 q 1 }
,
F = {q 1 } se representa mediante el
siguiente diagrama de Moore:
El conjunto de palabras aceptadas por este autmata son:

2
A.
{ a | {a,b} }
B.
{ a | {a,b} }
155
donde:
C.
Todas las palabras que terminan en
a y que estn precedidas por una
b
Todas las palabras que terminan en dos as
D.
Ejercicio 7: Tome como vlida la ER (Expresin Regular) = a + bc + b 3 a Cul es el

lenguaje descrito por ? Y Qu expresin regular corresponde al lenguaje universal sobre
el alfabeto {a,b,c}?
2.
3.
L () = {a, bc, bbba} y es un lenguaje infinito no deterministico sobre la cadena

{a,b,c}
L () = {a, bc, bbba} y es un lenguaje finito sobre el alfabeto {a,b,c}
La expresin regular (ER) que describe el lenguaje universal sobre este alfabeto
4.
es (a+b) +c
La expresin regular (ER) que describe el lenguaje universal sobre este alfabeto
1.
*
es (a+b+c)
Ejercicio 8: Para el siguiente Autmata Finito denotado como: A 2 = (, K, , q 1 , F) donde
= {0,1}, F = {q 2 } y K = {q 1 , q 2 , q 3 , q 4 }, identifique correctamente el Lenguaje que genera
y la expresin regular:
A. L = (A 2 ) = {0, 001, 01111, } = { 1(10)
B. L = (A 2 ) = {1, 101, 10101, } = { 1(01)
/n 0}
/n 0}
156
La expresin regular es: 0(01)
C. L = (A 2 ) = {0, 111, 11100, } = { 1(10)
D. L = (A 2 ) = {0, 001, 00100, } = { 1(01)
/n = 0}
/n 0}
Ejercicio 9: Sea el vocabulario {a,b} y la expresin regular aa*bb* Indique cuales cadenas
que se relacionan a continuacin son vlidas para esa ER:
A.
B.
C.
D.
{ab, aab, aab, a, aa,bb}

{a, b, ab, ba, aab, bba, aaab}
{ba, ab, b, a}
{ab, aab, aaab, abbb, abb, aa,bb}
Para el siguiente Autmata, asocie la expresin regular que lo identifica.
A.
B.
C.
D.
(10 + 0)* 10
(10 + 0)
(10 + 0)*
(0+1+0*)
Ejercicio 10: Una de las operaciones que permiten las Expresiones Regulares
Cierre u operacin estrella. Si
expresin regular que denota {
es una expresin regular, entonces

. Es decir denota las cadenas:
157
es el
es una
A. , ,
B. , ,
C. , ,
D.
,
,
,
,
,
, ,
,
, ,
.
Ejercicio 11: El siguiente Autmata Finito (AF) es origen de:
A.
B.
C.
D.
La conversin de un AFND del ejercicio doce (12) a un AFD

La conversin de un AFD del ejercicio doce (12) a un AFND
La minimizacin del Autmata Finito (AF) del ejercicio doce (12).
La maximizacin (aceptacin de cada transicin) del Autmata Finito (AF) del
ejercicio doce (12).
Ejercicio 12: Analice el siguiente Autmata y determine cules apreciaciones son vlidas en
su anlisis:
1. La funcin de transicin puede no estar definida para alguna combinacin (x,q) y, por
el contrario, puede definir para otras combinaciones (x,q) ms de un estado.
2. La funcin de transicin define para cada posible combinacin (x,q) un estado nuevo.
158
3. Es un autmata no determinstico (AFND), con un conjunto finito de estados y

smbolos de entrada, un estado inicial, un conjunto de estados finales, y una funcin
de transicin de estados.
4. Es un autmata determinstico (AFD), con un conjunto finito de estados y smbolos de
entrada, un estado inicial, un conjunto de estados finales, y una funcin de transicin
de estados.
Ejercicio 13: Dado los siguientes dos autmatas A y B, analice los enunciados dados e
identifique cuales son verdaderos.
1. El Autmata B tiene un error de diseo. Un AF no puede tener dos estados de

aceptacin.
2. Solo el Autmata A reconoce la cadena vaca lambda
3. Los dos Autmatas reconocen el mismo Lenguaje.
4. El Autmata A es un AFND y el Autmata B es un AFD.
Ejercicio 14: Se construy el siguiente autmata finito M para que cumpliera:

L(M) = {x m y n z p | m,n y p son enteros no negativos }
Pero no fue vlido porque:

A. Tiene dos estados de aceptacin o finales.
159
B. No acepta las cadenas {xyz} {yz} {xxxy}

C. No acepta las cadenas {x} {xxxzzz} {z}
D. Acepta solo las cadenas que combinen los elementos {x,z} del alfabeto
Ejercicio 15: Sea el alfabeto = {0,1} y el autmata de la figura:
Para el ejercicio analice la cadena sin tener en cuenta si es vlida o no, (aceptada o
no aceptada)
Determine cul interpretacin es vlida al analizar la cadena 00101
A. El autmata puede procesar la cadena 00101 de 4 formas distintas.
B. Slo existe un modo en el que el autmata puede procesar la cadena 00101.
C. Al procesar la cadena 00101, el ltimo estado visitado es siempre el estado 3 o bien
el estado 2.
D. Se generan miles cadenas 00101 ya que el autmata es infinito.
Ejercicio 16: Para el siguiente autmata finito determinstico (AFD), identifique que
afirmaciones son vlidas para la expresin:
Tenga en cuenta que se denomina cadena, palabra o frase a una secuencia finita de
smbolos de un alfabeto . Estas cadenas son denotadas como w.
A. Reconoce las palabras sobre a,b que terminan en un nmero par de as contiguas
160
B. Reconoce solo las frases sobre a,b que empiezan por
C. Reconoce las palabras sobre a,b que tienen un nmero par de as contiguas.
D. Reconoce solo las cadenas sobre a,b que empiezan por a
Ejercicio 17: Analice la codificacin de la siguiente Mquina: Si lee 0101, la salida

correspondiente es:
A.
B.
C.
D.
0110
0111
0101
0011
Ejercicio 18: Para el siguiente autmata,

M =(K, , q 1 , , F) donde: Q = { q 1 , q 2 , q 3 , q 4 } A = {a, b}
Cules igualdades son vlidas para la funcin de transicin

1.
(q2 , a ) = q 2
(q2 , b ) = q 3
161
2.
3.
4.
(q 4 , a ) = q 4
(q 3 , a ) =
(q 1 , a ) = q 2
(q 4 , b ) = q 4
(q 3 , b ) = q 3
(q 1 , b ) = q 4
Ejercicio 19: Identifique de los cuatro autmatas que se muestran a continuacin, (A, B, C o
D), cul reconoce las cadenas que contienen la subcadena aba y cuya definicin formal
sera la siguiente:
K = {1,2}
={a,b}
s={1}
F={2}
={((1,a),1),((1,b),1),((1,aba),2),((2,a),2),((2,b),2)}
Ejercicio 20: Para el siguiente AFND representado en un diagrama de transicin, identifique

la tabla de transicin correcta que lo representa:
162
Ejercicio 21: Dado el Autmata con la siguiente tabla de transicin, identifique las cadenas
que son vlidas para el lenguaje que acepta.
163
A.
B.
C.
D.
Solo acepta cadenas vacas (lambda).

Es un AFND y acepta cualquier cadena que inicie con cero (0).
{101, 210, 20,110, 200}
{22, 0,1,001122, 12, 012, 022}
Ejercicio 22: Indique cul de las siguientes afirmaciones referidas a los autmatas de la
figura, son ciertas. (Observe que hay una transicin
que no lee ningn smbolo de la
cadena de entrada):
1. Los autmatas reconocen el lenguaje formado por todas las cadenas que
empiezan por 1 y que no terminan en dos ceros consecutivos.
2. Ambos autmatas reconocen el mismo lenguaje incluyendo la cadena vaca.
3. El autmata A es ms potente por ser No Determinista.
4. Cualquier autmata no determinista que reconozca el mismo lenguaje que el
autmata B tiene al menos cuatro estados.
Ejercicio 23: Dado el siguiente autmata: Analice las siguientes afirmaciones:
164
El conjunto de cadenas que es capaz de aceptar este autmata es {b,bb,bbb} PORQUE

este AFD est compuesto por un smbolo b que converge a tres estados de aceptacin q 3 , q
4
y q 5 y a un estado final q 5 .
Ejercicio 24: El autmata representado en el ejercicio catorce anterior, corresponde a un

AUTMATA FINITO NO DETERMINISTA CON LANDA TRANSICIONES (AFND - al que
se le permite cambiar de estado sin necesidad de consumir o leer un smbolo de entrada
PORQUE cumple con uno de los requisitos para no ser determinista cuando al analizar el
autmata en el estado q 1 en un cierto instante y si el smbolo actual es b, en el instante
siguiente, el autmata puede decidir de forma no determinista entre leer el smbolo b y
cambiar al estado q 4 , o bien, cambiar al estado q 2 sin mover el cabezal de lectura.
Ejercicio 25: Cuando se trata de simplificar Autmatas, se deben tener en cuenta
aspectos como: (Identifique cul paso o concepto es vlido en este proceso de
Minimizacin).
A. Se entiende por minimizacin de autmatas finitos al proceso de obtencin de un
autmata con el menor nmero de transiciones posibles.
B. Dos estados son equivalentes si al intercambiar uno por otro en cualquier
configuracin no altera la aceptacin o rechazo de toda la palabra.
C. Para saber si dos estados q1 y q2 son equivalentes, se les pone a ambos como
estado final de los autmatas M1 y M2, y se procede a comparar dichos autmatas.
Si estos ltimos son equivalentes, quiere decir que los estados q1 y q2 son
equivalentes
D. Dos estados son distinguibles si son compatibles (es decir, si ambos son finales o
ambos son inciales).
Ejercicio 26: La relacin entre un AP y un LLC (Lenguaje Libre de contexto) permite que
dada una Gramtica G, existe entonces un AP que acepta exactamente el lenguaje
generado por G. Dado el siguiente autmata de pila (AP) cuyo funcionamiento se representa
en la siguiente tabla, identifique la gramtica correcta y sus reglas que aceptan el LLC dado
por el AP.
165
A.
B.
C.
D.
S >
S >
S >
S >
0A0 | 1S2 | 1 | 0
0A0 | 1S2 | 10
0A0 | 1S1 | 2
0A0 | 1S0 | 2 | 0
Ejercicio 27: Dadas las siguientes gramticas, ascielas a los enunciados que se presentan
de forma correcta. Tenga en cuenta que como Smbolo inicial se toma a S que son los
estados iniciales y como smbolos no terminales los estados en el orden de su
nombramiento. El conjunto finito de smbolos terminales son los smbolos del alfabeto del
autmata.
166
1. La Gramtica D corresponde a una representacin vlida del lenguaje que acepta el

Autmata del ejercicio dos (2).
2. La Gramtica C corresponde a una representacin vlida del lenguaje que acepta el
Autmata con lambda transiciones del ejercicio tres (3).
3. La Gramtica A corresponde a una representacin vlida del lenguaje que acepta los
Autmatas del ejercicio doce (12).
4. La Gramtica B corresponde a una representacin vlida del lenguaje que acepta el
Autmata del ejercicio cuatro (4).
Ejercicio 28: Dada la siguiente gramtica G= (VN= {S, A}, VT= {0,1}, S, P) donde P son las
producciones:
Cules sentencias de lenguaje son generadas correctamente:

1.
2.
3.
4.
S >
S >
S >
S >
0A > 00A > 001S > 0010 A > 00100

0A > 00A > 001 A > 0010
0A > 01S > 010 A > 0100
0A > 0A > 00A > 000
Ejercicio 29: Las Gramticas regulares pueden ser de dos formas: Lineales por la derecha y
Lineales por la izquierda. Tambin pueden ser ambiguas si existen dos rboles de derivacin
distintos para una misma palabra. Dada la Gramtica G = {S, A}, T= {0,1} representada en
los dos rboles de derivacin siguiente, identifique el tipo de producciones y el lenguaje que
generan:
167
1. El rbol de Derivacin A representa una gramtica lineal por la derecha.

2. El rbol de Derivacin B representa una gramtica lineal por la izquierda y genera el
lenguaje 0(10)*
3. El rbol de Derivacin A representa una gramtica lineal por la izquierda y genera el
lenguaje 0(10)*
4. El rbol de Derivacin A no es lineal, es ambigua (puede tener producciones por la
izquierda y la derecha) y genera el lenguaje (10)*
Ejercicio 30: Para el autmata del ejercicio anterior, (ejercicio 201 1ESTE ES) determine
que afirmacin es vlida si se presenta la siguiente gramtica. Para el anlisis, asigne un
nombre a los estados del autmata que apliquen a la gramtica dada.
S xS
S yA
S zB
A yA
A yB
B zB
B
A.
B.
C.
D.
El autmata y la gramtica son equivalentes

El autmata y la gramtica no definen un estado de aceptacin.
La gramtica no referencia ningn estado ni transicin vlida del autmata.
No es equivalente el autmata con la gramtica ya que la gramtica no genera la
cadena vaca
Ejercicio 31: Sean L 1 el lenguaje generado por la gramtica G 1 y L 2 el lenguaje generado

por la gramtica G 2
S xABy
S xAyzy | xAy
A xzS | B
A xzS | yz |
B yz |
Gramtica G 1
Gramtica G 2
168
Indique cul de las siguientes afirmaciones es cierta (donde

estricta):
1.
2.
3.
4.
denota la inclusin
Mediante G 1 se puede generar todas las cadenas de L 2

Las gramticas son idnticas
Las gramticas generan el mismo lenguaje.
Las gramticas son distintas, y L 1 L 2
Ejercicio 32: Las gramticas del ejercicio anterior (ejercicio 31), tienen dos particularidades
que son vlidas afirmarlas:
1.
2.
Las reglas de las gramticas difieren por que tienen diferentes terminales.
La palabra generable por la gramtica G 1 y G 2 es xxzyzy
3.
4.
La palabra generable por la gramtica G 1 y G 2 es xyzyzy

La lista de reglas estn denotadas de forma comprimida.
Ejercicio 33: Considere la gramtica G = {S aS | aA | a , A aA | bS } Cul es la

longitud de las cadenas que puede generar y cules son esas cadenas, identifquelas?
A.
B.
C.
D.
10 y son {, a, aa, ab, ba, bb, aba, abab, bbb, b}

5 y son {, a, aa, ab, ba }
7 y son {a,aa,aaa,aaaa, abaa, aaba, abab}
6 y son {a, aa, ab, ba, bb, aba }
Ejercicio 34: Dada la siguiente gramtica regular G , identifique el conjunto de cadenas o

palabras vlidas que puede generar el Autmata Finito que lo representa: (Para el desarrollo
del ejercicio se sugiere graficar o recrear el autmata)
S aA | bA
A aB | bB | a
B aA | bA
A.
B.
C.
D.
{a,b}
El conjunto de cadenas que pueda generar la ER = a*b*a
{aa, aaaa, bbba, ba, bba, baaa, baba}
{baaaa, aaaaa, bba}
169
Ejercicio 35: Cuando se disean AP o se formalizan, se utilizan notaciones grficas

parecidas a la de los diagramas de los AF. Con respecto a esto: qu aspectos de diseos
son vlidos para formalizar un AP.?
1. Si se da la transicin a/x/c indica que se saca de la pila un carcter a, luego se
avanza una posicin x en la pila, y se mete c a la pila.
2. Si se da la transicin a/x/c indica que se consume de la entrada un carcter a,
se avanza una posicin x y se mete c a la pila.
3. Para que una palabra de entrada sea aceptada en un AP debe cumplir tres
condiciones. Una de ellas es que el AP se debe encontrar en un estado final.
4. Si se da la transicin a/x/c indica que se consume de la entrada un carcter a,
no se saca nada de la pila, y se mete c a la pila.
Ejercicio 36: Al combinar los diagramas de transiciones de las siguientes mquinas M 1 y M

2
Para formar el diagrama de transiciones de la mquina compuesta por:

Da como solucin la siguiente mquina M.
170
El funcionamiento correcto de la mquina M es.

A. Busca el primer smbolo distinto de x / Si ese smbolo es y; lo cambia por otra y
Regresa a uno (1).
B. Busca el primer smbolo distinto de y / Si ese smbolo es x; lo cambia por otra x
Regresa a cuatro (4).
C. Busca el primer smbolo distinto de x / Si ese smbolo es y; lo cambia por una x
Regresa a dos (2) para evaluar la memoria y finalizar en h (halt).
D. Busca el primer smbolo distinto de y / Si ese smbolo es x; lo cambia por una y
Regresa a uno (1).
/
/
/
/
Ejercicio 37: Con referencia a la funcionalidad y creacin de una Mquina Universal de

Turing (MUT), es vlido afirmar:
1.
2.
3.
4.
Una Mquina Universal de Turing es capaz de decidir cualquier lenguaje

independiente del contexto.
En el estado de parada de una MUT no puede salir ningn arco
En una MUT el lenguaje aceptado por esta mquina no puede contener una
cadena vaca.
La MUT se dise para realizar clculos especficos.
Ejercicio 38: Un problema de decisin (PD) es aquel formulado por una pregunta (referida a
alguna propiedad) que requiere una respuesta de tipo si/no. Para la Teora de Lenguajes,
un problema de decisin es insoluble cuando:
1. Si no existe un procedimiento efectivo para determinar si la propiedad es verdadera
(no existe una Mquina de Turing MT).
2. Si no se representa con una Tabla de transiciones el problema.
3. Si no existe un algoritmo total para determinar si la propiedad y objetivo del problema
es verdadera.
4. Si no se representa con un diagrama de Moore el problema.
Ejercicio 39: Dada la siguiente Mquina de Turing (MT), determine que afirmaciones son
vlidas para su anlisis:
171
1. Si la primera letra no es una a la MT cae en un ciclo infinito leyendo y escribiendo

a
2. La mquina acepta palabras que empiezan con b
3. La mquina acepta palabras que empiezan con a
4. Si la primera letra no es una a, la MT cae en un ciclo infinito leyendo y escribiendo
b
Ejercicio 40: Con referencia a una Mquina de Turing (MT) de dos direcciones: Una
Mquina de Turing con una cinta infinita en un sentido puede simular una Mquina de Turing
con la cinta infinita en los dos sentidos. Sea M una Mquina de Turing con una cinta infinita
en los dos sentidos, entonces:
Para que se logre o se d esta mquina se debe cumplir:
1. La Mquina de Turing M que tiene una Cinta Infinita en un sentido, puede

simular a M si tiene una cinta con dos pistas.
2. La cinta superior contiene informacin correspondiente a la parte derecha de
la cinta M a partir de un punto de referencia dado.
3. La pista inferior contiene tanto la parte izquierda como la derecha de la cinta
M (en orden inverso).
4. La pista inferior y superior leen los datos simultneamente en ambos
sentidos. Luego y dependiendo de los estado repetitivos, se detiene una pista
y contina la que menos celdas tenga ocupada.
Ejercicio 41: Para el siguiente Autmata Finito denotado como:
A 2 = (E = {1,2,3}, Q = {q 1 , q 2 , q 3 }, f, q 1 , F = {q 2 } ) donde f vine dada por la
siguiente tabla:
1. Corrija la tabla de transicin indicando el estado inicial y final.

2. Construya el diagrama de Moore correspondiente.
3. Identifique que tipo de autmata es (AFD o AFND) y justifique su respuesta.
172
4. Identifique los elementos (tupla que es). Debe explicar y describir cada
elemento y la funcin y significado en el autmata. Conceptos y definiciones
adicionales.
5. Identifique la ER que lo representa. Explique los operadores y cmo actan
en la funcin.
6. Identifique el lenguaje que genera.
7. Muestre en el simulador (grficamente) como recorre una cadena vlida.
Explique cada secuencia.
8. Muestre el diagrama de Moore generado en JFLAp y en VAS y comente que
similitudes o diferencias encuentra al realizarlo en los dos simuladores.
(herramientas que ofrezca uno u otro).
9. Genere la tabla de transicin en VAS y plsmela en el documento, comprela
con la plasmada en el ejercicio.
Tabla 20: Desarrollo de ejercicio autmata finito
DESCRIPCIN DE VIDEO
Desarrollo de ejercicio 41
CANAL
http://youtu.be/sW-Lx9p1xfc
Ejercicio 42: identifique las cadenas vlidas que generan las siguientes ER: muestre
algunas, pero ms que las cadenas identifique el lenguaje que representa. Genere el
diagrama de moore o grafique la mquina correspondiente.
si A = {0,1}
a)
b)
c)
d)
e)
f)
g)
0*+1*(01)
10* + 10
01* + 0
(1.11*0) *
(1 + 10) + 0
1* 0*10
00* 11*
173
h) (0+1)*11(1+0)*
Tabla 21: Desarrollo de ejercicios con Expresiones Reulares..

DESCRIPCIN DE VIDEO
CANAL
http://youtu.be/sW-Lx9p1xfc
Ejercicio 43: Calcular el autmata mnimo correspondiente al siguiente autmata
finito
1. Enuncie el autmata en notacin matemtica

2. Identifique los componentes del autmata (que tipo de tupla es)
3. Identifique la tabla de transicin correspondiente
Cada fila la corresponde a un estado q Q
El estado inicial se precede del smbolo
Cada estado final se precede del smbolo #
Cada columna corresponde a un smbolo de entrada x
Se debe identificar la funcin
4. Identifique el lenguaje que reconoce y enuncie cinco posibles cadenas
vlidas que terminen en el estado halt
5. Encuentre la expresin regular vlida.
El propsito de las ER (que no son ms que simples frmulas)
174
es representar
cada una de ellas un lenguaje.

1. Encuentre su gramtica que sea vlida para la funcin de transicin
(describa sus componentes y como se escriben matemticamente).
Justifquela si la convierte a la Izquierda o a la derecha. Plsmela en el
simulador y recrela. (Debe quedar documentado en el texto el paso a paso
que realizan en el simulador)
Las gramticas son mecanismos generadores de lenguajes, es decir, nos dicen
cmo podemos obtener o construir palabras de un determinado lenguaje.
2. Realice el rbol de Derivacin de esa gramtica
Un rbol ordenado y etiquetado es un rbol de derivacin para una gramtica libre de
contexto
3. Identifique si ese rbol o gramtica es ambigua o no y plasme las razones
de su afirmacin
4. Si el rbol de transicin es demasiado grande, a su criterio seleccione una
regla en la que se detenga por cualquier rama (izquierda o derecha) y
plsmelo hasta ah. (es decir seleccione una cadena vlida para este tem).
ACTIVIDADES PARA EL EJERCICIO A MINIMIZAR O YA MINIMIZADO:
5.
6.
7.
8.
Explicar el proceso de Minimizacin (que estados se suprimen y porque)

Que transiciones se reemplazan o resultan equivalentes.
Escribir la funcin de transicin del nuevo autmata.
Identificar la expresin regular (explicarla en la lectura matemtica que se
le debe hacer).
9. Compruebe una cadena vlida para esa expresin regular.
10.Identificar el lenguaje que reconoce y cinco posibles cadenas vlidas
11.Identificar su gramtica. Demustrela para una cadena vlida del autmata.
12.Compare la gramtica con el autmata antes de minimizar (ya sea por la
izquierda o derecha).
13.El autmatas nuevo expresarlo o graficarlo con su respectivo diagrama de
Moore.
14.Identificar sus tablas de Transicin (plasmarlas)
15.Plasmar los pasos de minimizacin en el simulador (comprelos con el
proceso manual que est explicando) y capturar los procesos en imgenes
para ser documentadas en el texto.
Tabla 22: Desarrollo de un ejercicio de minimizacin.
175
DESCRIPCIN DE VIDEO
CANAL
http://youtu.be/JZPAHHA2PnE
Ejercicio 44: Disee un APD que acepte el Lenguaje L =

donde a,b,c 0
{0a 1a+b 2b 3c+1 }
1. Describa el autmata en notacin matemtica

2. Grafquelo en JFLAP y realice el Traceback para las transiciones. (Las
columnas para un AP son: El estado en que se encuentra el autmata, lo que
falta por leer de la palabra de entrada, y el contenido de la pila).
3. Plasme las imgenes y capturas en el documento. (Documente el proceso)
4. Muestre el diagrama correspondiente de estados.
5. Identifique los contenidos (el recorrido para cada interaccin) de la pila y el
estado de parada. Realcelo con la cadena cuando: a = 1, b= 2, c=1
Tabla 23: Desarrollo de ejercicio. APD.

DESCRIPCIN DE VIDEO
CANAL
Diseo (no desarrollo) del ejercicio

44
http://youtu.be/z3qeIEpJuq0
Ejercicio 45: Gramticas: Sean L 1 el lenguaje generado por la gramtica G 1
S 0A 1
A 1A | 1B
B 0S
Gramtica G 1
1. Identifique que tipo de gramtica es. Justifique su respuesta

2. Identifique los elementos (tupla) que es.
176
3. Obtener el autmata Finito para la gramtica (plasme los diagramas de

Moore)
4. Identifique el Lenguaje que generan. Identifique si es lineal por la derecha
o la izquierda.
5. Plasme la secuencia y rbol de derivacin la cadena 0101 (Use el simulador
para verificarla). E identifique que producciones intervienen. Para justificar sus
respuestas puede apoyarse en la simulacin que le d el software JFLAP.
Ejercicio 46: Disee una MT que reconozca el lenguaje de cadenas Mquina que
acepta el lenguaje de palabras sobre {0,1} que comienzan y acaban con el mismo
smbolo
1.
2.
3.
4.
5.
Identifique los componentes de la Mquina de Turing (descrbala).

Disela en un Diagrama de Moore
Recorra la mquina con al menos una cadena vlida.
Identifique una cadena que no sea vlida y justifquela porque.
Ejecute el RunTest a la cadena aceptada (mustrela en la captura de imagen
para el trabajo)
6. Identifique en que momento la mquina se detiene
Ejercicio 47: Tomando como referencia la aplicabilidad de las mquinas de estados, la
Teora de la Informacin trata una de las tcnicas de deteccin y correccin de

errores, por los teoremas de Trellis y Viterbi con cdigos convolucionales para
canales con ruido.
Dado el siguiente dato de entrada. 1 0 1 0 0 1 1 0
1. Determine los estados presentes: (represente la mquina de estados) del

cdigo convolucional para k=1 , m= 3, n=2 para cada estado
2. Determine las entradas codificadas:
3. Realice el diagraman de rbol
4. Realice el diagrama general de estados
5. Realice el diagrama de trellis con la ruta correcta.
6. Asuma que hubo error en los bits 4,6 y 8 con distancia de Hamming 1.
Realice el diagrama de Treslis y Viterbi corrigiendo el dato (ruta correcta). Pare ello
debe mostrar la ruta correcta identificando las distancias de haming y la seleccin
dada para seguir la ruta
177
Tabla 24: Cdigo convolucional. Codificacin y decodificacin..
DESCRIPCIN DE VIDEO
Desarrollo completo Ejercicio 47
CANAL
http://youtu.be/eWkTdnDtiKo
Ejercicio 48: Tomando como referencia la aplicabilidad de las mquinas de estados, la
Teora de la Informacin trata una de las tcnicas de deteccin y correccin de

errores, por los teoremas de Trellis y Viterbi con cdigos convolucionales para
canales con ruido.
Se obtiene el sguete dato codificado: (Como se muestra en la tabla), con errores en
el par de bits codificados 2,5 y 7 con distancia de haming 1.
Tabla 25: Clculo de un dato de entrada a partir de un dato codificado con error.
DESCRIPCIN DE VIDEO
CANAL
178
Desarrollo completo Ejercicio 48
http://youtu.be/6N5bsYNGUNw
Ejercicio 49: Calcular el autmata mnimo correspondiente al siguiente autmata
finito.
ACTIVIDADES ANTES DE MINIMIZAR.

1. Enuncie el autmata en notacin matemtica
2. Identifique los componentes del autmata (que tipo de tupla es)
3. Identifique la tabla de transicin correspondiente
Cada fila la corresponde a un estado q Q
El estado inicial se precede del smbolo
Cada estado final se precede del smbolo #
Cada columna corresponde a un smbolo de entrada x
Se debe identificar la funcin
4. Identifique el lenguaje que reconoce y enuncie cinco posibles cadenas
vlidas que terminen en el estado halt
5. Encuentre la expresin regular vlida.
El propsito de las ER (que no son ms que simples frmulas)
179
es representar
cada una de ellas un lenguaje.

6. Encuentre su gramtica que sea vlida para la funcin de transicin
(describa sus componentes y como se escriben matemticamente).
Justifquela si la convierte a la Izquierda o a la derecha. Plsmela en el
simulador y recrela. (Debe quedar documentado en el texto el paso a paso
que realizan en el simulador)
Las gramticas son mecanismos generadores de lenguajes, es decir, nos dicen
cmo podemos obtener o construir palabras de un determinado lenguaje.
7. Realice el rbol de Derivacin de esa gramtica
Un rbol ordenado y etiquetado es un rbol de derivacin para una gramtica libre de
contexto
8. Identifique si ese rbol o gramtica es ambigua o no y plasme las razones
de su afirmacin
9. Si el rbol de transicin es demasiado grande, a su criterio seleccione una
regla en la que se detenga por cualquier rama (izquierda o derecha) y
plsmelo hasta ah. (es decir seleccione una cadena vlida para este tem).
ACTIVIDADES PARA EL EJERCICIO A MINIMIZAR O YA MINIMIZADO:
10.Explicar el proceso de Minimizacin (que estados se suprimen y porque)
11.Que transiciones se reemplazan o resultan equivalentes.
12.Escribir la funcin de transicin del nuevo autmata.
13.Identificar la expresin regular (explicarla en la lectura matemtica que se
le debe hacer).
14.Compruebe una cadena vlida para esa expresin regular.
15.Identificar el lenguaje que reconoce y cinco posibles cadenas vlidas
16.Identificar su gramtica. Demustrela para una cadena vlida del autmata.
17.Compare la gramtica con el autmata antes de minimizar (ya sea por la
izquierda o derecha).
18.El autmatas nuevo expresarlo o graficarlo con su respectivo diagrama de
Moore.
19.Identificar sus tablas de Transicin (plasmarlas)
20.Plasmar los pasos de minimizacin en el simulador (comprelos con el
proceso manual que est explicando) y capturar los procesos en imgenes
para ser documentadas en el texto.
180
Ejercicio 50: Dada la siguiente tabla de transicin:
(Ntese que hay interacciones con smbolo vaco, diferente a cadena vaca)
PARTE 1
1. Exprese el autmata en notacin matemtica. Identifique que tipo de
autmata es (AFD o AFND) y justifique su respuesta. (No se trata de dar el
concepto de determinismo)
2. Identifique los elementos (tupla que es). Debe explicar y describir cada
elemento y la funcin y significado en el autmata. Conceptos y definiciones
adicionales.
3. Identifique el lenguaje que genera.
4. Muestre en el simulador (grficamente) como recorre una cadena vlida.
Explique cada secuencia.
5. Muestre el diagrama de Moore generado en JFLAp y en VAS y comente que
similitudes o diferencias encuentra al realizarlo en los dos simuladores.
(herramientas que ofrezca uno u otro).
PARTE 2: Para cada una de las Expresiones Regulares siguientes (ER) realice:
6. Identifique el lenguaje que representa: (tenga en cuenta como se plasma o
identifica un lenguaje aceptado: mdulo pgina 47 leccin 10)
7. Genere tres cadenas vlidas y dos no vlidas
181
8. Plasme las tres cadenas vlidas para cada ER en una tabla (identificando
jerarqua de operadores regulares, identificando colores). Para ello apyese
en el video: http://youtu.be/JZPAHHA2PnE (minuto 14 al 33)
9. Identifique en la misma tabla por que las dos cadenas seleccionadas no se
aceptan o en que parte se trunca la jerarqua y orden de los operadores.
10. Seleccione una ER (solo una) y exprtela o genere el autmata o el
diagrama de Moore que sea vlido.
EXPRESIONES REGULARES:
Primera:
(a+b)*b(b+a)b(b+a)*
Segunda: (0+1)*11(1+0)0(1+10*)*
Tercera:
0*1*+(01)*+(11*00*+01)
Cuarta:
Una ER libre (la que desee construir)
Quinta:
La ER de la tabla de transicin del autmata de la Parte 1
Tabla 26: Cmo leer ER
DESCRIPCIN DE VIDEO
Desarrollo Ejercicio 50
CANAL
http://youtu.be/wGTxhnPXcw4
182
BIBLIOGRAFIA
RODRIGUEZ
COSTA Sergio, (1996,2009). Las Mquinas de Turing. Extrado el
19 Febrero de 2009 desde http://www.rastersoft.com/articulo/turing.html
BOVET JEAN, (2004, 2006) Visual Autmata Simulator. Extrado el 25 de Marzo
de 2011 desde http://www.automatas.org/
JFLAP, (2004, 2008) JFLAP Version 7.0 Release August 28, 2009. Extrado el
30 de Mayo de 2011 desde http://www.jflap.org/
PROYECTO SEPA, Software para la enseanza de Parsing. (n.d.). Extrado el
18 de Marzo de 2011 desde http://www.ucse.edu.ar/fma/sepa/
MORAL. SERAFIN, Teora de Autmatas y lenguajes Formales. (n.d.). Extrado
el 2 de Noviembre de 2010 desde
http://decsai.ugr.es/~smc/docencia/mci/automata.pdf
Cuevas, O, (1999, 2001), Teora de Autmatas y Lenguajes Formales. Segunda
Edicin, Espaa 2001. Facultad de ingeniera, Ciencias y Administracin.
Universidad de la Frontera.
Alfonseca, J; Sancho, M (1990), Teora de Lenguajes, Gramticas
Autmatas. Segunda Edicin, Espaa 2001. Ediciones universidad y Cultura
Isasi, P, (1997), Lenguajes, gramticas y autmatas. Un Enfoque prctico.

Segunda Edicin, Espaa 2004. Addison- Wesley.
Hopcroft, J, (2002), Introduccin a la Teora de Autmatas y lenguajes de
Computacin. Segunda Edicin, Espaa 2002. Addison Wesley Iberoamericana
Kelley, D, (1995), Teora de autmatas y Lenguajes Formales. Prentice Hall
Brokshear, J; (1993), Teora de la computacin, Lenguajes Formales,
Autmatas y complejidad. Primera Edicin, Mxico 1993. Ediciones AddisonWesley Iberoamericana.
John, M; (2004), Lenguajes formales y teora de la computacin. Tercera
Edicin, Mxico 2004. Ediciones Mc Graw Hill.
183
Brena, R; (2003), Autmatas y Lenguajes. Un enfoque en diseo. Tecnolgico

de Monterey. P 214.
Navarro, G; (2006), Fundamentos de la ciencias de la computacin (Lenguajes
Formales, Computabilidad y Complejidad). Apuntes y ejercicios. Departamento
de Ciencias de la Computacin. Universidad de Chile. P 178.
Cueva, J; (2001), Lenguajes Gramticas y Autmatas. Departamento de
Informtica Universidad de Oviedo. P 106.
Navarrete,
I;
(2008);
Teora
Departamento de Ingeniera de
Universidad de Murcia. P 133.
de
la
Autmatas
y
Informacin y
Lenguajes
Formales.
las Comunicaciones.
A Mathematical Theory of Communication by Claude E. Shannon. Disponible en

internet: <http://cm.bell-labs.com/cm/ms/what/shannonday/paper.html>
184

Automatas y Lenguajes Formales 301405 2015 1

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Automatas y Lenguajes Formales 301405 2015 1

Uploaded by

Copyright:

Available Formats

1

Ing.(Msc). Carlos Alberto Amaya Tarazona --- Copyright 2015

AUTMATAS Y LENGUAJES FORMALES

Ing.(Msc). Carlos Alberto Amaya Tarazona --- Copyright 2015

PRIMERA UNIDAD: LENGUAJES REGULARES ..................................................................................... 23

Ing.(Msc). Carlos Alberto Amaya Tarazona --- Copyright 2015

LECCIN 10. LENGUAJE ACEPTADO POR UN AF........................................................................ 46

Ing.(Msc). Carlos Alberto Amaya Tarazona --- Copyright 2015

Ing.(Msc). Carlos Alberto Amaya Tarazona --- Copyright 2015

ANEXO: EJERCICIOS DE REPASO ...................................................................................................... 152

Ing.(Msc). Carlos Alberto Amaya Tarazona --- Copyright 2015

Figura 33: Eliminacin de estados en un autmata AF

Ing.(Msc). Carlos Alberto Amaya Tarazona --- Copyright 2015

Figura 74: Datos correctos codificados

Ing.(Msc). Carlos Alberto Amaya Tarazona --- Copyright 2015

El material acadmico que a continuacin se presenta, es producto de la recopilacin

Que pueda comprender los conceptos y mecanismos fundamentales para la

Ing.(Msc). Carlos Alberto Amaya Tarazona --- Copyright 2015

como el ingls o el espaol, donde la sintaxis y la semntica no se pueden controlar

Los temas sobre autmatas, computabilidad, e incluso la complejidad algortmica fueron

Como elemento determinante para que el lector de manera progresiva y jerrquica

La Metodologa que se aplica para que el lector pueda sintetizar su conocimiento y

Ing.(Msc). Carlos Alberto Amaya Tarazona --- Copyright 2015

Ing.(Msc). Carlos Alberto Amaya Tarazona --- Copyright 2015

ANEXO 1: LISTADO DE SMBOLOS USADOS

Representa una cadena vaca

Mquina de estados Finitos

Suele denotar el Alfabeto de una Pila (AP) (PDA)

Menor o igual que

Ing.(Msc). Carlos Alberto Amaya Tarazona --- Copyright 2015

Tamao de un conjunto. Ejemplo para el conjunto A.

Para denotar una relacin binaria

Una barra colocada sobre otro operador es equivalente a un

Lgica proposional Si A es verdadera entonces B tambin.

Se lee: Para todo

Complemento de un conjunto. Ejemplo para el conjunto A.

Ing.(Msc). Carlos Alberto Amaya Tarazona --- Copyright 2015

ANEXO 2: PRESABERES: TEORA DE CONJUNTOS

a1,a2,,.an, son elementos de A, entonces se debe indicar as : A={a1,a2,.an}. La

caracterstica de un conjunto es dada por sus elementos ms no por el orden en que se

Ing.(Msc). Carlos Alberto Amaya Tarazona --- Copyright 2015

El orden de los elementos de un conjunto es irrelevante.

I.I OPERACIONES CON CONJUNTOS:

Ing.(Msc). Carlos Alberto Amaya Tarazona --- Copyright 2015

Ejemplo 5: {1,2,3} {3,4} = {1, 2, 3, 4}. La unin de conjuntos es conmutativa y

La interseccin es conmutativa y asociativa

lo que es lo mismo, si su interseccin es el conjunto vaco.

Ejemplo 8: {1,2,3,4,5} {3,4} = {1,2,5}. La resta o diferencia de conjuntos no siempre le

Ejemplo 9: {1,2}x{3,4,5} {(1,3), (1,4), (1,5), (2,3), (2,4), (2,5)}

Ing.(Msc). Carlos Alberto Amaya Tarazona --- Copyright 2015

I.II EQUIVALENCIAS DE CONJUNTOS:

Muchos teoremas y demostraciones surgen de las combinaciones de estas cuatro

se suele denotar tambin como:

se suele denotar tambin como:

Ejemplo 10 del uso de estas equivalencias: Usando la unin y el complemento, se puede

Ing.(Msc). Carlos Alberto Amaya Tarazona --- Copyright 2015

Ing.(Msc). Carlos Alberto Amaya Tarazona --- Copyright 2015

Se dice que dos elementos a y b estn relacionados, y se escribe a R b, a est relacionado

Ing.(Msc). Carlos Alberto Amaya Tarazona --- Copyright 2015

R es antisimtrica si a, b A : (aRb) (bRa )

La Relacin es una caracterstica que se debe aplicar

Figura 2: Una Relacin Reflexiva

Antireflexiva: Ningn elemento tiene un bucle. Ejemplo 17 Si A={1,2,3,4} y R es la relacin

Figura 3: Una Relacin Antireflexiva.