LR PDF

Ciência da Computação
Teoria da Computação
Linguagens Regulares
Prof. Hilário Tomaz Alves de Oliveira

hilario.oliveira@unipe.edu.br 1
Roteiro
2. Linguagens Regulares
2.1 Autômatos Finitos Determinísticos.
2.2 Autômatos Finitos Não Determinísticos.
2.3 Expressões Regulares.
2.4 Equivalências entre os modelos.
2.5 Lema do Bombeamento.
2
Leitura recomendada
• Capítulo 1 – Linguagens Regulares.
3
Introdução
• A teoria da computação começa com uma pergunta: O que é um
computador?
• Parece uma questão tola, já que todos nós usamos diariamente um

computador.
• Os computadores reais são bastante complicados para nos permitir

construir uma teoria matemática manejável sobre eles diretamente.
• Começaremos com o modelo mais simples, denominado Máquina de
estados finitos ou Autômato finito. 4
Autômatos Finitos
• Autômatos Finitos (AF) são bons modelos para computadores com uma
quantidade extremamente limitada de memória.
• O que um computador pode fazer com uma memória tão pequena?
• Interagimos com tais computadores o tempo todo, pois eles residem no

centro de vários dispositivos eletromecânicos.
5
Autômatos Finitos - Aplicações
6
Exemplo - Visão superior de uma porta automática
7
Exemplo – Funcionamento (Diagrama de Estados)
8
Exemplo – Funcionamento (Tabela de Transições)
9
Autômatos Finitos
• Pensar em um controlador de porta automática como um Autômato finito é
útil porque sugere formas padrão de representação.
• Esse controlador é um computador que tem apenas um bit de memória,

capaz de registrar em qual dos dois estados o controlador está.
• Outros dispositivos comuns têm controladores com memórias bem maiores.

• Controlador de elevador:
• (1) Andar no qual o elevador está; e (2) Sinais recebidos dos botões.
10
Autômatos Finitos
• Os autômatos finitos e suas contrapartidas probabilísticas cadeias de
Markov são ferramentas úteis quando estamos tentando reconhecer
padrões em dados.
• Esses dispositivos são utilizados em processamento de voz e em

reconhecimento de caracteres.
• As cadeias de Markov têm sido usadas para modelar e fazer previsões de

mudança de preços em mercados financeiros.
11
Autômatos Finitos - Exemplo 𝑀1
• A Figura acima é chamada de diagrama de estados de 𝑀1 .

• M1 possui 3 estados.
• q1 é o estado inicial de 𝑀1 .
• q2 é o estado de aceitação (estado final) de 𝑀1 .

• As setas saindo ou entrando nos estados são as transições. 12
Autômatos Finitos - Funcionamento de 𝑀1
• 𝑀1 recebe como entrada uma cadeia de símbolos.
• Como saída, 𝑀1 aceita ou rejeita a cadeia de entrada. Ao final do

processamento da cadeia de entrada:
• Aceita: se 𝑀1 estiver em um estado de aceitação.
• Rejeita: se 𝑀1 estiver em qualquer outro estado que não seja de

aceitação.
13
• Entrada: 1101.
• O processamento de 𝑀1 será
executado da seguinte forma:
1. Começa no estado 𝑞1 ;
2. Lê o símbolo 1, segue a transição de 𝑞1 para 𝑞2 ;
6. Aceita a cadeia porque 𝑀1 está no estado de aceitação 𝑞2 no final da entrada.14
• Entrada: 1101.
• Entrada: 1101.
• Entrada: 1101.
• Entrada: 1101.
• Entrada: 1101.
• Entrada: 1101.
6. Aceita a cadeia porque 𝑀1 está no estado de aceitação 𝑞2 no final da entrada. 20
Autômatos Finitos
• Definição. Um autômato finito é uma 5-upla (Q, , , q0, F), onde:
• Q é um conjunto finito conhecido como os estados,

•  é um conjunto finito chamado de alfabeto,
• : Q x  → Q é a função de transição,
• q0 ∈ Q é o estado inicial, e
• F ⊆ Q é o conjunto de estados de aceitação (estados finais).
21
• Podemos descrever M1 formalmente escrevendo M1 = {Q, , , q1, F}, onde:
• Q = {q1, q2, q3},
•  = {0, 1},
•  é descrita como
0 1
q1 q1 q2
q2 q3 q2
q3 q2 q2
• q1 é o estado inicial, e
• F = {q2} 22
Autômatos Finitos
• Se A é o conjunto de todas as cadeias que a máquina M aceita, dizemos que A
é a linguagem da máquina M e escrever L(M) = A.
• Dizemos que M reconhece A ou que M aceita A.
• L(M1) = {w | w termina com o símbolo 1 ou um número par de 0s após o último 1.}.
23
Qual a definição formal de 𝑀2 ?
24
Qual a definição formal de 𝑀2 ?
• Q = {q1, q2},
•  = {0, 1},
•  é descrita como
0 1
q1 q1 q2
q2 q1 q2
• q1 é o estado inicial, e
• F = {q2} 25
Autômatos Finitos - 𝑀2
• Uma boa maneira para começar a entender uma Máquina é testá-la com
algumas amostras de cadeias de entrada.
• Possíveis entradas (w):

• 0101010
• 1100011
• 1010101
• Qual a linguagem reconhecida por 𝑀2 ?
26
Autômatos Finitos - 𝑀2
• Uma boa maneira para começar a entender uma Máquina é testá-la com
algumas amostras de cadeias de entrada.
• Possíveis entradas (w):

• 0101010
• 1100011
• 1010101
• Qual a linguagem reconhecida por 𝑀2 ?

• L(𝑀2 ) = {w | w termina com 1.}
27
• 𝑀3 é muito similar à 𝑀2 , exceto pela posição do
estado de aceitação.
• Como o estado inicial também é um estado de

aceitação, então 𝑀3 aceita a cadeia vazia ().
• L(𝑀3 ) = {w | w é a cadeia vazia  ou termina com 0.}
28
• Descreva L(𝑀4 ).
29
• M5 mantém “contador da soma”

dos símbolos numéricos de
entrada.
•  = {0, 1, 2, <RESET>}
• Toda vez que recebe o símbolo

<RESET> ela reinicia o contador
de soma para 0.
• M5 aceita w se o valor do contador da soma for 0 ou múltiplo de 3. 30

Definição Formal de Computação
• Seja M= (Q, , , q0, F) um autômato finito e suponha que w = w1w2...wn
seja uma cadeia onde cada wi é um membro do alfabeto.
• M aceita w se uma sequência de estados r0, r1...rn em Q existe com três

condições:
a) r0 = q0,
b) (ri,wi+1) = ri+1, para i = 0,...,n-1; e
c) rn  F.
Dizemos que M reconhece a linguagem A se L(A) = {w | M aceita w}.

31
Linguagem Regular
• Uma linguagem é chamada de uma LINGUAGEM REGULAR

se algum autômato finito a reconhece.
32
Máquina 𝑀5 - Computação
• Seja a máquina 𝑀5 e a cadeia w: 10<RESET>22<RESET>012
• Então𝑀5 aceita conforme a definição formal

de computação, porque a sequência de
estados na qual ela entra quando está
computando sobre w é:
• 𝑞0 , 𝑞1 , 𝑞1 , 𝑞0 , 𝑞2 , 𝑞1 , 𝑞0 , 𝑞0 , 𝑞1 , 𝑞0
• O que satisfaz as três condições.
33
Máquina 𝑀5 - Computação
• L(𝑀5 ) = {w |
• a soma dos símbolos em w é múltiplo 3,
• exceto que RESET retorna o contador

para 0.}
• Como 𝑀5 reconhece essa linguagem, ela é

uma Linguagem Regular.
34
Operações Regulares
35
• Na teoria da computação os objetos são linguagens e as ferramentas
incluem operações especificamente projetadas para manipulá-las.
• Definimos três operações sobre linguagens, chamadas operações

regulares, e as usamos para estudar propriedades de linguagens regulares.
36
37
Operações Regulares – Exemplo usando
Conjuntos
38
Operação de União
• Teorema: A classe de linguagens regulares é fechada sob a operação de
união.
• Em outras palavras, se A1 e A2 são linguagens regulares, o mesmo acontece
com A1  A2.
• Ideia da Prova: Se A1 e A2 são linguagens regulares, então existem AFs M1

e M2 que as reconhecem, respectivamente.
• Vamos fazer uma prova construtiva, ou seja, vamos construir um AF M, que
reconheça A1  A2, a partir de M1 e M2.
39
Operação de União - Prova
40
41
42
Operação de União – Prova Exemplo
• M1 é um AF que reconhece as cadeias w com um número par de 1s.
0 1
qq11 q2
1
• M2 é um AF que reconhece as cadeias w com um ímpar de 0s.
1
1 0
qq13 q4
0
43
Operação de União – Prova Exemplo
• Construir um M = M1  M2
• L(M) = { w | w possui um número par de 1s ou um número ímpar de 0s}.
• M1=(Q1,1,1,q1,F1) e M2=(Q2,2,2,q3,F2) 0
q1,q3 q1,q4
0
• M =(Q1Q2,,,(q1,q3),F) 1 1
1 1
• ((r1,r2),a) = (1(r1,a),2(r2,a)) 0
q2,q3 q2,q4
• F= (F1Q2)  (Q1F2 ) 0
44
Operação de Concatenação
concatenação.
• Em outras palavras, se A1 e A2 são linguagens regulares, o mesmo acontece
com A1  A2.
• De modo análogo à prova do teorema anterior, vamos construir um

autômato M para reconhecer A1A2 a partir de M1 e M2.
• M aceita sua entrada se ela puder ser quebrada em duas partes, onde M1
aceita a primeira parte e M2 aceita a segunda parte.
45
• O problema é que M não sabe onde quebrar sua entrada.
• Para resolver esse problema introduzimos uma nova técnica chamada

NÃO-DETERMINISMO.
46
Não-determinismo
47
Não-determinismo
• Até agora em nossa discussão, todo passo de uma computação segue de
uma maneira única do passo precedente.
• Quando a máquina está em um dado estado e lê o próximo símbolo de

entrada, sabemos qual será o próximo estado.
• Chamamos isso de computação determinística.
• Em uma máquina não-determinística, várias escolhas podem existir para o

próximo estado em qualquer ponto.
• Não-determinismo é uma generalização de determinismo. 48
Exemplo 𝑁1
• L(𝑁1 ) = {w | w contém 101 ou 11 como uma subcadeia}
49
Computação Não-determinística
50
Computação de Exemplo 𝑁1
• Entrada: 010110
51
Exemplo - AFN
q2 q3 q4
q1
q5 q6 q7
52
Exemplo - AFN
q2 q3 q4
q1
q5 q6 q7
53
Exemplo - AFN
q2 q3 q4
q1
q5 q6 q7
54
Exemplo - AFN
q2 q3 q4
q1
q5 q6 q7
55
Exemplo - AFN
q2 q3 q4
q1
q5 q6 q7
56
Exemplo - AFN
q2 q3 q4
q1
q5 q6 q7
57
Exemplo - AFN
q2 q3 q4
q1
q5 q6 q7
58
Exemplo - AFN
q2 q3 q4
q1
q5 q6 q7
59
Exemplo - AFN
• Como um dos caminhos
terminou em um estado final, q2 q3 q4
então a palavra é ACEITA pelo

q1
AFND.
q5 q6 q7
60
Exemplo 𝑁2
61
AFD equivalente ao AFN 𝑁2
• Todo AFN pode ser convertido num
AFD equivalente, mas às vezes
esse AFD pode ter muito mais
estados.
• O menor AFD para a linguagem L(A)

contém oito estados.
• Entender o funcionamento do
AFN é muito mais fácil.
62
Exemplo 𝑁3
• L(𝑁3 ) = {0𝑘 | k é múltiplo de 2 ou 3}
63
Definição Formal AFN
64
Definição Formal 𝑁1
65
Definição Computação AFN
66
Equivalência entre AFD e AFN
67
Equivalência AFD e AFN
• Teorema: Todo autômato finito não-determinístico tem um autômato finito
determinístico equivalente.
• IDÉIA DA PROVA: Se uma linguagem é reconhecida por um AFN, então

temos de mostrar a existência de um AFD que também a reconhece.
• A ideia é converter o AFN num AFD equivalente que simule o AFN.
68
• Vamos converter um AFN em um AFD equivalente que o simule.
• Se k é o número de estados do AFN, ele tem 2k subconjuntos de estados.
• Cada subconjunto corresponde a uma das possibilidades de que o AFD tem

que se lembrar, portanto o AFD que simula o AFN terá 2k estados.
69
• Considere o AFN 𝑁4 seguinte:
70
• O conjunto de estados Q’ do AFD equivalente terá 23 = 8 estados.
• Q’ = {∅, {1}, {2}, {3}, {1,2}, {1,3}, {2,3}, {1,2,3}}
• O estado inicial é E({1}) ➔ o conjunto de estados que são atingíveis a partir

do estado 1 viajando ao longo de setas 𝜀, mais o próprio símbolo 1.
• E({1}) = {1, 3}
71
• Os novos estados de aceitação são aqueles contendo o estado de
aceitação de 𝑁4 .
• F’ = {{1}, {1,2}, {1,3}, {1,2,3}}
• Finalmente, determinamos a função de transição do novo AFD.

• Cada um dos estados do AFD vai para um lugar dada a entrada do símbolo a e
um lugar quando a entrada é o símbolo b.
72
• O estado {1} vai para estado ∅ na entrada a, porque não existe nenhuma
transição para a entrada a no estado {1}.
• No AFD, o estado {2} vai para {2,3} com a entrada a, porque no 𝑁4 , o

estado 2 vai para ambos 2 e 3 com a entrada a e não consegui ir mais
longe.
• O estado {3} vai para {1,3} na entrada a, pois em 𝑁4 o estado 3 vai para o
estado 1 na entrada a e 1, por sua vez, vai para 3 com uma seta 𝜀.
73
AFD equivalente ao AFN 𝑁4
74
AFD (simplificado) equivalente ao AFN 𝑁4
• Podemos simplificar o AFD observando que nenhuma seta aponta para os
estados {1} e {1,2}, portanto eles podem ser removidos sem afetar o AFD.
75
Linguagem Regular
• Uma linguagem é REGULAR se e somente se algum autômato

finito não-determinístico a reconhece.
76
Fecho sob as Operações Regulares
77
Operação de União
união.
• IDÉIA DA PROVA: Temos as linguagens regulares A1 e A2 e desejamos

provar que A1  A2 também é regular.
78
Construção de um AFN para reconhecer A1  A2
79
concatenação.
• IDÉIA DA PROVA: Temos as linguagens regulares A1 e A2 e desejamos

provar que A1 ∘ A2 também é regular.
80
Construção de um AFN para reconhecer A1 ∘ A2
81
Operação Estrela
• Teorema: A classe de linguagens regulares é fechada sob a operação
estrela.
• IDÉIA DA PROVA: Dada a linguagem A1 desejamos provar que A1* também

é regular.
82
Construção de um AFN para reconhecer A1*
83
Expressões Regulares
84
• Na aritmética, podemos usar as operações + e  para montar expressões
tais como (5 + 3)  4.
• Similarmente, podemos usar as operações regulares para montar expressões

descrevendo linguagens, que são chamadas Expressões Regulares (ER).
• Exemplo:
• (0  1)0*
85
• O valor de uma expressão aritmética é um número.
• No exemplo passado (5 + 3)  4 é 32.
• O valor de uma expressão regular é uma linguagem.
• No exemplo (0  1)0* ➔ (0  1) ∘ 0*
• A linguagem das cadeias binárias que começam com 1 ou 0 seguido por um

número qualquer de 0s.
86
• Exemplo: (0  1)*
• Essa ER começa com a linguagem (0  1) e aplica a operação *.
• L(ER) = todas as cadeias constituídas de 0s e 1s.
• Se  = {0,1}, pode escrever  como uma abreviação para (0  1)
• * = (0  1)*
• Qual a linguagem descrita pela ER (0*)  (*1)?

87
Expressões Regulares - Precedência
• A ordem de precedência dos operadores é
• (R)
• R*
• R1R2
• R1  R2
• Então ab*c|d é analisada como sendo ((a(b*))c)|d
88
Expressões Regulares - Definição
89
Expressões Regulares - Operadores
• Operadores de repetição:
• R∗ ➔ Zero ou mais ocorrências de R
• R+ ➔ Uma ou mais ocorrências de R (abreviação de RR*)
• R𝐾 ➔ k repetições de R
90
Expressões Regulares - Operadores
• Se tomarmos R como uma expressão regular qualquer, temos as
identidades a seguir.
• R∅ =R
• R∘𝜀=R
• O inverso pode não ser verdadeiro.
• R  𝜀 pode não ser R
• R ∘ ∅ pode não ser R

91
Expressões Regulares - Exemplo
• Suponha que nosso alfabeto é formado por letras, números, ‘@’, e ‘.’
• Por simplicidade ‘a’ representa letras e números.
• A expressão regular a seguir pode ser usada para extrair endereços de e-
mail: aa*(.aa*)*@aa*.aa*(.aa*)*
• cs143@cs.stanford.edu
• barack.obama@whitehouse.gov
• htao@cin.ufpe.br
• hilario.oliveira@unipe.br 92
• Podemos simplificar essa ER para reconhecer e-mails.
• aa*(.aa*)*@aa*.aa*(.aa*)*
• Exemplos:
• hilario.oliveira@unipe.br
93
• Podemos simplificar essa ER para reconhecer e-mails.
• aa*(.aa*)*@aa*.aa*(.aa*)*
• a+ (. a+ )*@ a+ . a+ (. a+ )*
• Exemplos:
• Podemos simplificar essa ER para reconhecer e-mails
• aa*(.aa*)*@aa*.aa*(.aa*)*
• a+ (. a+ )*@ a+ . a+ (. a+ )*
• Exemplos:
• Podemos simplificar essa ER para reconhecer e-mails
• aa*(.aa*)*@aa*.aa*(.aa*)*
• a+ (. a+ )*@ a+ . a+ (. a+ )*
• a+ (. a+ )*@ a+ (. 𝑎+ )+
• Exemplos:
• htao@cin.ufpe.br, hilario.oliveira@unipe.br
96
Equivalência entre ER e Autômatos
97
Equivalência ER e Autômatos
• Expressões regulares e autômatos finitos são equivalentes em seu poder
descritivo.
• Teorema: Uma linguagem é regular se e somente se alguma expressão

regular a descreve.
• Este teorema tem duas direções.
• Todo ER pode ser convertida para um AF
• Todo AF pode ser convertido para uma ER*.

98
• LEMA: Se uma linguagem é descrita por uma expressão regular, então ela
é regular.
• IDEIA DE PROVA: Vamos supor que tenhamos uma expressão regular R

descrevendo alguma linguagem A.
• Mostramos como converter R em um AFN que reconhece A.
99
• PROVA: Vamos converter R em um AFN. Consideramos os seis casos na
descrição formal de expressões regulares.
100
101
4. R1  R2
5. R1  R2
6. R*
• Para os três últimos casos usamos as construções dadas nas provas de

que a classe de linguagens regulares é fechada sob as operações
regulares. 102
Equivalência ER e Autômatos - Exemplos
103
Equivalência ER e Autômatos - Exemplos
104
• Construindo um AFN a
partir da expressão
regular (a  b)*
105
Linguagens não-regulares
• Para entender o poder dos autômatos finitos e das expressões regulares
você precisa entender também suas limitações.
• Exemplo: B = { 0𝑛 1𝑛 | n ≥ 0}
• Existe um método para provar que linguagens, como a anterior, não são
regulares.
• LEMA DO BOMBEAMENTO.
106
Dúvidas
107
Próximos Assuntos ....
• Aula 4 – Linguagens Livres de Contexto.
108

LR PDF

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

LR PDF

Enviado por

Direitos autorais:

Formatos disponíveis

Ciência da Computação

Prof. Hilário Tomaz Alves de Oliveira

2.1 Autômatos Finitos Determinísticos.

2.2 Autômatos Finitos Não Determinísticos.

2.3 Expressões Regulares.

2.4 Equivalências entre os modelos.

2.5 Lema do Bombeamento.

• Parece uma questão tola, já que todos nós usamos diariamente um

• Os computadores reais são bastante complicados para nos permitir

• O que um computador pode fazer com uma memória tão pequena?

• Interagimos com tais computadores o tempo todo, pois eles residem no

• Esse controlador é um computador que tem apenas um bit de memória,

• Outros dispositivos comuns têm controladores com memórias bem maiores.

• Esses dispositivos são utilizados em processamento de voz e em

• As cadeias de Markov têm sido usadas para modelar e fazer previsões de

• A Figura acima é chamada de diagrama de estados de 𝑀1 .

• q2 é o estado de aceitação (estado final) de 𝑀1 .

• Como saída, 𝑀1 aceita ou rejeita a cadeia de entrada. Ao final do

• Aceita: se 𝑀1 estiver em um estado de aceitação.

• Rejeita: se 𝑀1 estiver em qualquer outro estado que não seja de

• Q é um conjunto finito conhecido como os estados,

• F ⊆ Q é o conjunto de estados de aceitação (estados finais).

• Dizemos que M reconhece A ou que M aceita A.

• L(M1) = {w | w termina com o símbolo 1 ou um número par de 0s após o último 1.}.

• Possíveis entradas (w):

• Qual a linguagem reconhecida por 𝑀2 ?

• Possíveis entradas (w):

• Qual a linguagem reconhecida por 𝑀2 ?

• Como o estado inicial também é um estado de

• L(𝑀3 ) = {w | w é a cadeia vazia  ou termina com 0.}

• M5 mantém “contador da soma”

• Toda vez que recebe o símbolo

• M5 aceita w se o valor do contador da soma for 0 ou múltiplo de 3. 30

• M aceita w se uma sequência de estados r0, r1...rn em Q existe com três

b) (ri,wi+1) = ri+1, para i = 0,...,n-1; e

Dizemos que M reconhece a linguagem A se L(A) = {w | M aceita w}.

• Uma linguagem é chamada de uma LINGUAGEM REGULAR

• Então𝑀5 aceita conforme a definição formal

• a soma dos símbolos em w é múltiplo 3,

• exceto que RESET retorna o contador

• Como 𝑀5 reconhece essa linguagem, ela é

• Definimos três operações sobre linguagens, chamadas operações

• Ideia da Prova: Se A1 e A2 são linguagens regulares, então existem AFs M1

• De modo análogo à prova do teorema anterior, vamos construir um

• Para resolver esse problema introduzimos uma nova técnica chamada

• Quando a máquina está em um dado estado e lê o próximo símbolo de

• Em uma máquina não-determinística, várias escolhas podem existir para o

• L(𝑁1 ) = {w | w contém 101 ou 11 como uma subcadeia}

então a palavra é ACEITA pelo

• O menor AFD para a linguagem L(A)

• L(𝑁3 ) = {0𝑘 | k é múltiplo de 2 ou 3}

• IDÉIA DA PROVA: Se uma linguagem é reconhecida por um AFN, então

• Se k é o número de estados do AFN, ele tem 2k subconjuntos de estados.

• Cada subconjunto corresponde a uma das possibilidades de que o AFD tem

• O estado inicial é E({1}) ➔ o conjunto de estados que são atingíveis a partir

• Finalmente, determinamos a função de transição do novo AFD.

• No AFD, o estado {2} vai para {2,3} com a entrada a, porque no 𝑁4 , o

• Uma linguagem é REGULAR se e somente se algum autômato

• IDÉIA DA PROVA: Temos as linguagens regulares A1 e A2 e desejamos

• IDÉIA DA PROVA: Temos as linguagens regulares A1 e A2 e desejamos

• IDÉIA DA PROVA: Dada a linguagem A1 desejamos provar que A1* também

• Similarmente, podemos usar as operações regulares para montar expressões

• No exemplo passado (5 + 3)  4 é 32.

• Qual a linguagem descrita pela ER (0)  (1)?

• Então abc|d é analisada como sendo ((a(b))c)|d