Grundlagen der Theoretischen Informatik

mitgeschrieben von Martin Lenders
Dieses Dokument vom 6. Juli 2009 steht unter einer Creative Commons BY-NC-ND 3.0 Deutschland Lizenz f¨ r die Seite http://page.mi.fu-berlin.de/mlenders/mitschriften/gti/ u

Inhaltsverzeichnis
1 Turing-Maschine, Berechenbarkeit, Entscheidbarkeit 1.1 Definition der Turing-Maschine . . . . . . . . . . . . . . 1.2 Church’sche These . . . . . . . . . . . . . . . . . . . . . 1.3 Registermaschinen . . . . . . . . . . . . . . . . . . . . . 1.4 Formale Sprachen . . . . . . . . . . . . . . . . . . . . . . 1.4.1 Multiplikation von W¨rtern . . . . . . . . . . . . o 1.4.2 Multiplikation von Sprachen . . . . . . . . . . . . 1.4.3 Potenz von W¨rtern und von Sprachen . . . . . . o 1.5 Konfiguration (Momentaufnahme einer Turingmaschine) 1.6 Turingmaschine mit mehreren B¨ndern . . . . . . . . . . a 1.7 Die universelle Turingmaschine . . . . . . . . . . . . . . 1.8 Unentscheidbarkeit . . . . . . . . . . . . . . . . . . . . . 1.8.1 Universelle Sprache und Diagonalsprache . . . . 1.8.2 Das Halteproblem . . . . . . . . . . . . . . . . . 1.8.3 Reduzierbarkeit von Problemen . . . . . . . . . . 1.8.4 Das Post’sche Korrespondenzproblem (PKP) . . 1.8.5 Andere unentscheidbare Probleme . . . . . . . . 1.8.6 Satz von RICE (1953) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 5 6 7 7 8 8 8 8 9 10 10 10 12 13 13 16 16 17 17 18 20 22 22 23 25 26 27 29 30 31 31 32 32 33 34 35 35 35 36 37 38 40 41 42 43 44 44

2 Regul¨re Sprachen und endliche Automaten a 2.1 Deterministische endliche Automaten . . . . . . . . . . . . . . 2.2 Regul¨re Ausdr¨ cke . . . . . . . . . . . . . . . . . . . . . . . a u 2.3 Nichtdeterministische endliche Automaten . . . . . . . . . . . ¨ 2.4 NEA mit ε-Uberg¨ngen . . . . . . . . . . . . . . . . . . . . . a ¨ 2.4.1 Elimination von ε-Uberg¨ngen . . . . . . . . . . . . . a 2.5 Minimierung deterministischer endlicher Automaten . . . . . 2.5.1 Algorithmus zur Bestimmung des Minimalautomaten: 2.5.2 Satz von Nerode . . . . . . . . . . . . . . . . . . . . . 2.6 Das Pumping-Lemma f¨ r regul¨re Sprachen . . . . . . . . . . u a 2.7 Abschlusseigenschaften regul¨rer Sprachen . . . . . . . . . . . a 2.8 Zusammenfassung: regul¨re Sprachen . . . . . . . . . . . . . . a 3 Grammatiken 3.1 Definition von Grammatiken . . . . . . . . . . . 3.2 Die Chomsky-Hierarchie . . . . . . . . . . . . . . 3.3 Typ-0-Sprachen (rekursiv aufz¨hlbare Sprachen) a 3.4 Typ-3-Sprachen (regul¨re Sprachen) . . . . . . . a 3.5 Typ-1-Sprachen (kontextsensitive Sprachen) . . . 4 Kontextfreie Sprachen (Typ-2-Sprachen) 4.1 Tiefenstruktur von Sprachen . . . . . . . . . . . 4.2 Dyck-Sprache . . . . . . . . . . . . . . . . . . . . 4.3 Kontextfreie Grammtiken als Gleichungssysteme 4.4 Eindeutigkeit . . . . . . . . . . . . . . . . . . . . 4.5 Chomsky-Normalform . . . . . . . . . . . . . . . 4.6 Algorithus von CYK“ . . . . . . . . . . . . . . . ” 4.7 (Erweiterte) Backus-Naur-Form (E)BNF . . . . . 4.8 Pumping-Lemma f¨ r kontextfreie Sprachen . . . u 4.9 Abschlusseigenschaften kontextfreier Sprachen . . 4.10 Entscheidungsprobleme kontextfreier Sprachen . 4.11 Kellerautomaten . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

3

Inhaltsverzeichnis

4.12 Abschlusseigenschaften kontextfreier Sprachen gegen¨ ber regul¨ren Sprachen u a 4.13 Deterministische kontextfreie Sprachen . . . . . . . . . . . . . . . . . . . . . . 4.14 Deterministische Zweiwege-Kellerautomaten . . . . . . . . . . . . . . . . . . . 4.14.1 Teilwortproblem . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

48 48 48 49

4

1 Turing-Maschine, Berechenbarkeit, Entscheidbarkeit
1.1 Definition der Turing-Maschine
Steuerung

Zustand (Programmzähler)

(q, a)

Programm

Schreib−/Lesekopf

(q ′ , a′ , b)
1
X

B

B

B

0

B

B

B

Zweiseitiges, unendliches Band

Eine Turingmaschine wird beschrieben durch: • Ein Eingabealphabet Σ • ein Bandalphabet Γ ⊃ Σ • ein Leerzeichen B ∈ Γ \ Σ • eine endliche Menge Q von Zust¨nden a ¨ • eine Uberf¨ hrungsfunktion δ : Q × Γ → Q × Γ × {−1, 0, 1} u • ein Anfangszustand q0 ∈ Q • (eventuell) eine Menge von akzeptierenden Zust¨nden F ⊆ Q a δ ist das Programm“ der TM ” • δ(q, a) = (q ′ , a′ , b) bedeutet: Wenn die Maschine im Zustand q ist und unter dem Kopf das Symbol a steht, dann wird a durch a′ auf dem Band ersetzt (a′ = a ist m¨glich), das Band wird um b verschoben und die o Maschine geht in den Zustand q ′ • Die Eingabe ist eine Folge von Symbolen aus Σ (ein Wort uber Σ). Sie steht am Anfang auf dem Band; ¨ der Kopf steht uber dem ersten Symbol. Der Zustand ist q0 . ¨ Beispiel: Σ = {0, 1}, Γ = {0, 1, B, X} Erkenne die Eingabe der Form: 0 1 , f¨ r n ≥ 1 u 01, 0011, 000111, ... (richtig) 001, 1100, 0100101, ... (falsch) rechts und links von der Eingabe stehen unendlich viele B-Symbole • Phase 1: laufe einmal von links nach rechts uber das Band und uberpr¨ fe, ob dort eine Folge von 0en u ¨ ¨ gefolgt von eine Folge von 1en steht. • Phase 2: Fahre abwechselnd nach links und nach rechts und ersetze jeweils 0 und eine 1 durch X. Akzeptiere, wenn am Ende alles durch X erstzt ist und kene 0, 1 ubrig bleibt ¨
n n

5

unmarkierten Ziffer b von x ¨ Ersetze b durch b + s + u. Zustand (Programmzeile) q mit Werten s.} • Speichern von Variablen mit endlichen Wertebereich als Teil des Zustandes. Wandere nach links zur 1. B. 1. . s := a (merken) Markiere diese Ziffer auf dem Band. wenn sie in einem Zustand aus F h¨lt. 0) X egal egal (q2 . u z. . 0) (q− .KAPITEL 1. 1) (q4 . 0) (q− . X. X 1 X 0 X 1 0 1 formal: Γ = Γ1 × Γ2 × Γ3 × . 1. ersetze sie durch X fahre nach rechts und suche 1. X. entspricht dem. X. q− } q0 = q0 F = {q+ } • Die T. 1. wenn sie in einen Zustand q uber einen Symbol a mit δ(q. 0. X. 0) (q− . ¯ ¯ 0. ersetze sie durch X fahre nach rechts und suche 1. −1) (q2 . q+ . B. . B. #. 1. x} × {0. q4 . 0. . 2. 1) Kommentar fahre nach rechts uber Nullen ¨ fahre nach rechts uber Einsen ¨ fahre nach links und suche 0. 1. akzeptiere wenn keine 1 mehr vorhanden ist. TURING-MASCHINE. 0. q− q+ (q− . 1) (q+ . formal: Q = Q0 × V . 0) (q+ . 1) (q4 . . 0. B. 0. B. a. 0) • Die Maschine h¨lt. −1) (q− . unmarkierten Ziffer a. u := Ubertrag. × Γk .: {’ ’. −1) (q4 . $} Bandalphabet: Γ = Σ ∪ {B. Wertebereich der Variablen. 1. Haltezustand: h ¨ ¨ s ∈ {0. V . q1 . 1) 1 (q1 . q2 . B. Gehe zu 1 solange noch Ziffern ubrig sind. 1) (q− . 0) (q3 . 1} ¨ Eingabealphabet: Σ = {0. 1} u ∈ {0. . . Wandere nach rechts zur 1. . 1) (q4 . 0) (q+ . ¨ 4. (Markiere diese Ziffer) ¨ ¨ 3. M. B. Γi . akzeptiert die Eingabe. . 0) (q+ . 0) steht. −1) (q3 . ENTSCHEIDBARKEIT δ q0 q1 q2 q3 q4 0 (q0 . 0) (q+ . 1) (q3 . 1) B (q− . 1. X. BERECHENBARKEIT. 0) (q2 . a ¨ Q = {q0 . B. q3 . a 1. 1. a) = (q. was man intuitiv unter algorith” misch berechenbar“ versteht. 0. f¨ hrende Nullen sind egal) a u Ausgabe: bin(x + y)#bin(y)$ Programmiertechniken: • Verwenden mehrerer Spuren: Jedes Feld des Bandes wird als aus mehreren Unterfeldern bestehend betrachtet. 1. u der Variablen. 1} 6 . L¨sche alle Markierungen o s qu . Beispiel: Addition zweier Bin¨rzahlen a Eingabe: bin(x)#bin(y)$ (bin(x) := Bin¨rdarstellung einer positiven Zahl. Bandalphabet f¨ r die i-te Spur. X. B.2 Church’sche These Das was von einer Turing-Maschine berechnet werden kann. X. 1) (q2 . 1) (q1 .

x0 . ¯ − 0 0. #. s0 . 0 ¯ y1 . yi .. ¨ t1 . ¯ + 1. ¯ − 1. a i ∈ Σ l = |w| L¨nge des Wortes l ≥ 0 a ε ist das leere Wort |ε| = 0 Definition: Eine formale Sprache L ist eine Teilmenge von Σ∗ Beispiel: L = {0n 1n |n ≥ 1} L=∅ L = {ε} 7 . ¯ − u 0. ¯ − u 1. 0 q1 . ¯ + 1. − p. 0 vu . ¯ + 0. ¯ + 1. + ¨ u0 . ¯ + ¨ 0.. u0 0 1 u1 1 0 vu ¨ 0 wu ¨ 0 xu ¨ 0 y0 0 y1 z p 0 0 qu . o a w = a 1 a 2 a 3 . . + 4 • Unterprogrammtechnik 1. 0. 0.###[Programmcode] xi . ¯ 0. − ¨ 0 v0 . 1.4 Formale Sprachen Σ . #. Inhalt auf Adresse xi 1. − p. 1.3. − u ¨ B Schritt 1 0 vu . + ¨ 0 ru . endliches Alphabet (Vorrat an Zeichen) Σ∗ . ¨ 0 q0 . + z. + p. ¨ ui . 0 q0 . 0.3 Registermaschinen Simulation eines RAM-Speichers auf einer TM: ##x1 #y1 ##x2 #y2 ##. 0 vu . 0. die man mit den Buchstaben aus Σ bilden kann. $. al . ¨ 0 y0 .. . REGISTERMASCHINEN δ 0 qu ¨ 0 ru ¨ s0 u ¨ ti u ¨ ui 0 u0 0 u1 . B. # 0 ru .+ 1 v0 . . 1. 0. + ¨ 1 0 q0 . ¯ − u 1. + 0 ru . ¨ 0 y0 . ¯ + 0. 1. − u ¨ ui . alle W¨rter endlicher L¨nge l. . B. #. 0 v0 . ¯ + ¨ 0. ¨ 0 q0 . + ¨ t0 . − h. + ¨ 0 ru .. . ¯ − 0 1. 0. ¨ ui . − 0 wu . Adresse. + p. − 0 vu . ¨ t0 . + ¨ 0 yu . 0. 0 ¯ y1 . 0 q0 . #. . ¯ − u 0. #. + ¨ t1 . ¯ − u 1. + z.. ¯ 1. x0 . 1. ¯ + ¨ 1. − u ¨ $ s0 . 1. ¯ + ¨ 1. ¯ − 0. ¯ 1 0 qu .1. + ¨ ¯ 0 0 qu .. − z. ¯ − u 0. 0 q1 . ¯ + 0. 1. + ¨ 0 ru . s0 . $. ¯ − u 1. + z. #. ¯ − u 0. ¯ + 0. #.+ 2 3 z. 1.

.abba} 1.4.KAPITEL 1. ∀u ∈ Σ∗ : u · ε = ε · u = u Beispiel: u = abra v = kadabra u · v = abrakadabra v = kad ·u 1.2 Multiplikation von Sprachen L1 · L2 = {uv|u ∈ L1 . BERECHENBARKEIT. u2 ∈ L. dass auf k1 nach beliebig vielen Schritten (≥ 0) die Konfiguration k2 folgt. . . ∗ 8 . = Menge der W¨rter. . das nicht mit B anf¨ngt oder a aufh¨rt (ein Wort ∈ Γ∗ QΓ∗ \ (B(Γ ∪ Q)∗ ∪ (Γ ∪ Q)∗ B)). u · (v · w) = (u · v) · w 2. L · {ε} = L Beispiel: L1 = {a. ui ∈ L} i−mal 1 L1 = L L0 = {ε} L∗ := L0 ∪ L1 ∪ L2 ∪ . .3 Potenz von W¨rtern und von Sprachen o ui = u · u · u · . ENTSCHEIDBARKEIT 1. v ∈ L2 } Rechenregeln: 1. L · ∅ = ε · u = u 3. L1 · (L2 · L3 ) = (L1 · L2 ) · L3 2. . TURING-MASCHINE.) k1 ⊢ k2 bedeutet. · u i−mal u =u u0 = ε Li = L · L · . . die man aus bel.4. · L = {u1 · u2 · . y ∈ Γ∗ und q ∈ Q beschreibt den Zustand der Turingmaschine wo xy auf dem Band steht und der Kopf uber dem ersten Zeichen von y steht F¨ r zwei Konfigurationen k1 und k2 schreibt man u ¨ k1 ⊢ k2 wenn die Turingmaschine in einem Schrittvon k1 nach k2 ubergeht.ab} L2 = {a. (Nachfolgerrelation zwischen ¨ Konfigurationen. . .4. .ba} L1 · L2 = {aa. · ui |u1 ∈ L. vielen (≥ 0) Bestandteilen ∈ L zusammen multiplizieren kann. o 1. o Das Wort xqy mit x.aba.5 Konfiguration (Momentaufnahme einer Turingmaschine) Definition: Eine Konfiguration einer Turingmaschine ist ein Wort aus Γ∗ QΓ∗ . . .1 Multiplikation von W¨rtern o u · v = uv (Buchstaben von u und v nebeneinander geschrieben) Rechenregeln: 1.

6. . a o • Das erste Band ist das Eingabeband.T 2 Schritten h¨lt. log2 n ≤ 1} -mal 22 . In einer konstanten Anzahl von Fahrten uber das gesamte Band (ausgehend a ¨ von L) kann die Turingmaschine die Band¨nderungen auf den k B¨ndern simulieren. (n)) (mit einem a a Band in O(n2 ) Schritten). 0. ’ ’})k ∪ {L} • L markiert die Position links neben der linkesten Position die die simulierte Turingmaschine auf allen B¨ndern besucht hat.T Schritten T -mal ⇒ T 2 ∗ • 2 n-Bit Bin¨rzahlen k¨nnen auf einem k-Band-TM in n · log n · const. und dann bitweise von rechts nach links addiert. Satz: Eine k-Band-Turingmaschine die nach T Schritten h¨lt kann durch eine 1-Band-Turinmaschine simuliert a werden. a a • Die simulierte Maschine kann in T Schritten h¨chstens T Schritte nach links und rechts gehen. mit y. a L(M ) = x ∈ Σ∗ q0 x ⊢ yqz.6 Turingmaschine mit mehreren B¨ndern a • Eine Turingmaschine mit k B¨ndern hat k Schreib-/Lesek¨pfe. • Die ubrigen B¨nder sind zu Beginn leer. .log n Schritten multipliziert a o werden (Martin F¨hrer 2008.n·log n log log n (Arnold Sch¨ nu o hage ≈ 1970)) log∗ n := min{i| log2 log2 log2 . bestehender Rekord vorher const. Die Kopfposition der B¨nder ist af der a a jeweiligen Spur vermerkt. . Γ1 = Γ ∪ (Γ × {X. o a Beweis: Simulation der k B¨nder auf k Spuren eines einzigen Bandes.¨ 1. a ¨ ¨ • Die Ubergangsfunktion δ : Q × Γk → Q × Γk × {−1. Zuerst wird bin(y) auf das 2. +1}k Beispiel: bin¨re Addition von 2 n-Bit Zahlen geht mit 2 B¨ndern in O(n) Schritten (≤ konst. o • Die L¨nge des uberstrichenen Bandinhalts in jedem Simulationsschritt ist ≤ 2T + 1 a ¨ • Ein Simulationsschritt geht in ≤ const. die in h¨chstens const. z ∈ Γ∗ und q ∈ F ∗  M h¨lt in q ∈ F a → x ∈ L(M )  Eingabe x M h¨lt in q ∈ F a / → x ∈ L(M ) /   M terminiert nicht → x ∈ L(M ) / 9 . 2 i-mal Die Umkehrfunktion von log ist 2 ∗ =2↑i Definition: Die von einer Turingmaschine M mit einer Teilmenge F ⊆ Q von akzeptierenden Zust¨nden akzepa tierte Sprache L(M ) ist die Menge der W¨rtern bei deren Eingabe die Maschine einen akzeptierenden o Zustand erreicht (und dann anh¨lt). . TURINGMASCHINE MIT MEHREREN BANDERN 1. Band kopiert.

o Konventionen: a) M hat das Eingabealphabet {0. +1). .1 Universelle Sprache und Diagonalsprache Definition: Die universelle Sprache LU ist die Sprache LU = { M x|M akzeptiert x} ⊆ {0. a a • Die Beschreibung von M wird als M ∈ {0. m) geschrieben. . die auf allen Eingaben h¨lt und a mit L = L(M ) Unterscheide: abz¨hlbare (denumerable) Mengen: endlich oder gleichm¨chtig mit N a a Turingmaschine die etwas berechnet: x ∈ Σ∗ steht auf dem Eingabeband. γl1 . u Dann simuliert sie M mit dieser Eingabe und h¨lt genau dann.. qk } q1 ist der Startzustand q2 ist der einzige akzeptierende Zustand c) M hat Bandalphabet {0.7 Die universelle Turingmaschine Eine universelle Turingmaschine liest als Eingabe: 1.. 1}∗ bezeichnet. δ(q4 . a.. (qi1 . • Man nennt M die G¨delnummer von M . q2 .. 1}∗ Satz: Es gibt eine universelle Turingmaschine MU mit L(MU ) = LU Beweisskizze: MU muss zun¨chst den Anfang der Eingabe bis zum zweiten 111-Block lesen und entscheiden a ob es sich um eine g¨ ltige G¨delnummer handelt. und kann anschließend die Maschine M Schritt f¨ r u Schritt simulieren. 1} b) M hat Zustandsmenge Q = {q1 . auf dem einzigen Band).. TURING-MASCHINE. Die Beschreibung einer beliebigen Turingmaschine M 2. wenn es eine Turingmaschine M gibt. Die Eingabe f¨ r M . a Jetzt m¨ ssen wir nur noch δ kodieren: u als Liste von 5-Tupeln: δ(q. wenn M h¨lt. −1).)..8. BERECHENBARKEIT. b. 5. 1. ⇒ M = 111010100100010110000100000100100000100011. 0) = (q2 .. Wenn die simulierte Maschine M h¨lt.8 Unentscheidbarkeit 1. . γj1 . 10 . |Γ| − 1} (keine wesentlichen Einschr¨nkungen). 1. a) = (q ′ . .. dann h¨lt auch MU (in einem akzeptierenden oder nicht akzepa a tierenden Zustand. γ5 . u o MU kopiert die Beschreibung auf ein zweites Band. 3. wenn es eine Turingmaschine M mit f = fM gibt. m) wird als (q.. . L heißt entscheidbar (rekursiv). b. B. • Wenn die Maschine h¨lt. (qi1 . γj1 .. je nach M ). steht ein Wort y ∈ Σ∗ auf dem Ausgabeband (bzw.. .KAPITEL 1. engl. m1 ). ⇒ |111|0i1 10j1 10j1 10k1 10l1 10m1 |11|0i2 10j2 10j2 10k2 10l2 10m2 |11|. . a • Die von der Turingmaschine berechnete (partielle) Funktion fM ist definiert auf der Menge A = {x ∈ Σ ∗ |M h¨lt bei Eingabe um x} a fM : A → Σ∗ mit A ⊆ Σ∗ • Eine partielle Funktion f : A → Σ∗ mit A ⊆ Σ∗ oder eine totale Funktion f : Σ∗ → Σ∗ heißt berechenbar. γ5 ) = (q2 . 4.. q ′ . ENTSCHEIDBARKEIT Definition: Eine Sprache L heißt rekursiv aufz¨hlbar (semi-entscheidbar.111 1..|111| Beispiel: δ(q1 . qk1 . B. recursiv enumerable) wenn es a eine Turingmaschine M mit L = L(M ) gibt. .

i = 1. es gibt eine Turingmaschine Mk die D akzeptiert: D = L(Mk ) = {w|Mk akzeptiert w} Betrachtet das Wort wk : wk ∈ D Definition von D ⇐⇒ wk ∈ L(MK ) / wk ∈ D / Annahme: Mk akzeptiert die Sprache D ⇐⇒ Satz: Das Komplement D der Diagonalsprache D = {wi |wi ∈ L(Mi )} ist rekursiv aufz¨hlbar.  Turingmaschine M .1. und dann in einem    akzeptierenzen Zustand anh¨lt. UNENTSCHEIDBARKEIT Aufz¨hlung aller W¨rter aus {0. . Mi D w1 +− + − + + − w2 +− + − +− − w3 −+ − + + ··· wi ··· wk ··· + Satz: D ist nicht rekursiv aufz¨hlbar und damit auch nicht entscheidbar. .   Turingmaschine. . Mi . M1 M2 M3 M4 . .} Mi akzeptiert wi nicht. . aber nicht entscheidbar a 11 . M1 .. . die einen Schritt = nach links macht. 1}∗ und aller Turingmaschinen: a o w1 = ε w2 = 0 w3 = 1 w4 = 00 w5 = 01 w6 = 10 w7 = 11 w8 = 000 . a Beweis durch Widerspruch: Angenommen... a D = {wi | wi ∈ L(Mi ) / falls wi = M ist Mi falls wi keine g¨ ltige G¨delnummer ist u o Definition: Die Diagonalsprache D ist . 3.8. M2 .. . 2....

2. dann terminiert M2 . Wenn ja. Wir wollen untersuchen. ob wi ∈ D ist. Wenn x ∈ L. 2. a L L entscheidbar entscheidbar rekursiv aufz¨hlbar. TURING-MASCHINE. Frage: H¨lt die Turingmaschine nach endlich vielen Schritten? a Formuliereung des Problems als formale Sprache: H = { M |M h¨lt bei Eingabe von x} a Satz: Das Halteproblem ist unentscheidbar Beweis: indirekt. L entscheidbar ⇒ L entscheidbar ⇒ L. dann terminiert M1 . wenn die Komplement¨rsprache L = Σ∗ − L a entscheidbar ist. o U = { M x|x ∈ L(M ). MD uberpr¨ ft. u u o ¨ wenn nein. L rekursiv aufz¨hlbar.2 Das Halteproblem Gegeben: Eine Turingmaschine M und eine Eingabe x ∈ Σ∗ (oder ein Programm in C. Eine Sprache L ⊆ Σ∗ ist genau dann entscheidbar. ob die Eingabe eine g¨ ltige G¨delnummer M ist.. nicht entscheidbar a nicht rekursiv aufz¨hlbar a nicht rekursiv aufz¨hlbar a Satz: Die universelle Sprache U ist unentscheidbar. Sobald eine der simulierten Turingmaschinen M1 und M2 anh¨lt. M2 akeptiert L Lasse M1 und M2 parallel“ laufen (abwechselnd) auf derselben Eingabe x ∈ Σ∗ ” Wenn x ∈ L. ENTSCHEIDBARKEIT Beweis: 1. M h¨lt bei Eingabe von x in einem akzeptierenden Zustand} a 12 . a ⇐ M1 akzeptiert L. a Satz: 1. Java. – wenn nein → Antwort: JA. 1. 2. nicht entscheidbar a nicht rekursiv aufz¨hlbar a nicht rekursiv aufz¨hlbar a rekursiv aufz¨hlbar. BERECHENBARKEIT. wenn wi ∈ L(Mi ) / Nichtentscheidbarkeit folgt aus dem n¨chsten Satz. u o u • Wenn nein: L(Mi ) = Σ∗ wi ∈ Σ∗ → Antwort: JA • Wenn ja: Mi = M ¨ Uberpr¨ fe ob Mi wi ∈ U ⇔ wi ∈ L(Mi ) u – wenn ja → Antwort: NEIN. verdopple die Eingabe und starte die universelle Turingmaschine: Mi wi =wi akzeptiert genau dann. ist die Antwort bekannt. dann akzeptiere. der das Halteprolem entscheidet. Drehe die Angabe des Entscheidungsalgorithmus um.KAPITEL 1. wenn sowohl L als auch L rekursiv aufz¨hlbar sind. Annahme: Es gibt einen Algorithmus. ¨ Uberpr¨ fe ob wi die G¨delnummer einer g¨ ltigen Turingmaschine M ist. .. Behauptung: Dann k¨nnten wir auch die universelle Sprache U entscheiden. a Beweis: 1. L ist genau dann entscheidbar. Beweis: Mit der Entscheidbarkeit von U k¨nnte man auch die Diagonalsprache D = {wi |wi ∈ L(Mi )} entscheio / den.8. mit einer Eingabe).

3. Indirekter Beweis: Annahme wir h¨tten einen Algorithmus A. x2 ). ∀x ∈ Σ∗ Beispiel: H ≤ Hε f ( M x) = M ′ f (y) = M ∞ . (10111. B ⊆ Σ∗ A ist auf B reduzierbar A≤B wenn es eine berechenbare Funktion f : Σ∗ → Σ∗ gibt mit x ∈ A ⇔ f (x) ∈ B.yik ? @ @= @ x @111 @ @ y @@@@ @= 111111111 i4 = 3 x = 10111 1 1 10 i1 = 2 i2 = 1 i3 = 1 y = 10 111 111 0 (10. ob M x ∈ H ist. geh¨rt M x zu U oder nicht. yi ∈ Σ∗ (k ≥ 1) mit xi1 xi2 xi3 .. dann ist M x ∈ U . .8. u Teste mit dem Algorithmus A. diese Simulation muss terminieren.. ob M ∈ Hε M ′ ∈ Hε ⇔ M x ∈ H 1. (xn ... UNENTSCHEIDBARKEIT Teste zuerst. a Behauptung: Dann k¨nnten wir H entscheiden. (01. 011). u Konstruiere eine neue Turingmaschine M ′ die am Anfang das Wort x auf das Band schreibt. (10. logisch ¨quivalent zu 2. ik Beispiel (1. o M x sei Eingabe f¨ r H. falls y nicht mit der g¨ ltigen Codierung einer Turingmaschine beginnt u M ∞ := eine Turingmaschine. yn ) o Frage: Gibt es eine Folge von Indizes i1 . (01.. o Das spezielle Halteproblem Hε = { M |M h¨lt bei Eingabe ε} a Folgerung: Hε ist unentscheidbar. 101). 001) k¨ rzeste L¨sung k = 66 u o 13 . Je nachdem. 011) (001.3 Reduzierbarkeit von Problemen Definition: A.. 0) @ @@@ i1 = @@@@@1 ⇒ i3 = 1 1 i2 = @ @@ xi . dann nach links zur¨ ckkehrt und dann wie M weitermacht.4 Das Post’sche Korrespondenzproblem (PKP) Gegeben: Eine Folge von Paaren von W¨rtern (x1 .. A ≤ B ∧ B ≤ C ⇒ A ≤ C 2. 101). a ( y ist keine korrekte Eingabe f¨ r das Halteproblem“) u ” Beispiel: D ≤ U Satz: 1. 10). ob x ∈ A ist: Berechne f (x) und entscheide.. 111). ob der Haltezustand von M ein akzeptierender Zustand ist oder nicht. y2 ). (y1 . Transitivit¨t a 2. Wir wollen entscheiden.xik = yi1 yi2 . Wenn nein. (101. simuliere M auf der Eingabe / x. . 11).1. 0). A ≤ B und B entscheidbar ⇒ A entscheidbar 3.. die nie h¨lt. a 1.. (011.8.8. ob f (x) ∈ B ist. i2 . der Hε entscheidet. A ≤ B und A unentscheidbar ⇒ B unentscheidbar Beweis: 1. (10. Wenn ja.

1) = (q ′ . −1) (#q#. b. x1 x1 #q0 v# u1 q 1 v1 #u2 q 2 v2 #u3 q 3 v3 #. 1) (q#... B) = (q ′ . falls δ(q. i2 . o u o 14 . . (x′ . q ′ b). y2 ). (x2 .yik ′ ′ ′ Reduktion: Wir konstruieren uns eine Eingabe (x′ . b... b..xik = yi1 . (xn . a) = (q ′ . falls δ(q. y1 ) = (#. y1 ). b. bq ′ #).. . y0 ). y1 ). 1) (cqa. . falls δ(q. falls δ(q. x ∈ Σ∗ Alphabet f¨ r PKP = Γ ∪ Q ∪ {#} u Anfangspaar: (x1 . ↑ y1 yi Beispiel xi + 1 xi ↓ ↓ # 0 0 #0010q110# 0 0 ↑ ↑ yi yi + 1 xj 1 1 0 0 q1 10# 0q ′ 10# yi δ(a. . falls δ(q. −1) (#qa. #q ′ Bb#).. ym ) Frage f¨r MPKP: Gibt es eine Folge u i 1 . . Folge von Konfigurationen einer Turingmaschine xi ↓ q0 v#u1 q 1 v1 #u2 q 2 v2 #u3 q 3 v3 #. B) = (q ′ ... B) = (q ′ b. a) = (q ′ . +1) Gegeben: M. a) = (q ′ . B) = (q ′ . yi ) = (a. . BERECHENBARKEIT. 0. b.KAPITEL 1. (x′ . ENTSCHEIDBARKEIT Satz: PKP ist unentscheidbar Beweis: U ≤ P KP Zwischenschritt: Modifiziertes PKP zus¨tzliche Bedingung: i1 = 1 M P KP ≤ P KP a U ≤ P KP . b. q ′ cb#).. #q0 x#) Kopierpaare: (xi . a) = (q ′ . b. −1) M P KP ≤ P KP Gegeben: Eingabe f¨ r M P KP u (x1 . bq ′ ). 0) (qa. q ′ cb).. falls δ(q. −1) (cq#. falls δ(q. TURING-MASCHINE. #q ′ Bb). 0) (q#. q ′ b#). yn+1 ). . falls δ(q. 0 1 n+1 Dieses PKP hat eine L¨sung ⇔ Das urspr¨ ngliche MPKP hat eine L¨sung. . ik k ≥ 1 mit i1 = 1 Sodass xi1 xi2 . a) f¨ r a ∈ Γ ∪ {#} u Zustands¨berg¨nge: u a (qa.

xik = #|K1 #|K2 #K3 #| yi1 yi2 . yn ) berechenbar. y3 ) = (1#0#1#. q cb#)   (#q#.. (11. dadurch k¨nnen wir sicherstellen. b. b. UNENTSCHEIDBARKEIT Beispiel: (0. #q ′ Bb)  ′ (q . y0 ). b. dass Ki+1 aus Ki o durch einen Schritt vom M entsteht. . q) ∀q ∈ F.. y2 ) = (1#1#. #0) 2 ′ (x′ ..01 → #0#1#$ Die Eingabe Lemma: U ≤ M P KP ′ ′ (x′ . Beweis: Gegeben ist eine Eingabe M x f¨ r U u Wir konstruieren daraus eine Eingabe f¨ r MPKP mit folgenden Eigenschaften u MPKP hat eine L¨sung ⇔ M x ∈ U o (M akzeptiert x) Idee: MPKP simuliert die Berechnung von M L¨sungswort: #K0 #K1 #K2 #.. 010). a) = ′  ′ (q . bq ′ #)   ′ (q .. Kopierregel Zustandsregeln:  ′ (q . −1) ⇒ (cqa.. (101. bq ′ )   ′ (q . (x1 . yn+1 ) 0 n+1 ist aus (x1 . #) Satz: Das Post’sche Korrespondenzproblem ist unentscheidbar. b. y1 ). 01) x′ = xi i ′ yi = yi ′ (x′ . y1 ) = (#.8. 0)... 0) ⇒ (q#.01 → 0#1#$ . +1) ⇒ (qa. vi ∈ Γ∗ L¨schregeln: o Wenn M in einen akzeptierenden Zustand q ∈ F ger¨t.... q ′ b) δ(q.. a ∈ Γ (aq.1. b. b. (xn . . q ′ b#) δ(q. #q0 x#) Anfangsregel (a. y1 ) = (0#. B) = ′  ′ (q . (x′ . 0) ⇒ (qa.. −1) ⇒ (cq#. o Ki aufeinanderfolgende Konfigurationen von M Ki = ui q i vi xi1 xi2 .. #q ′ Bb#) K0 = q0 x qi ∈ Q. dann frisst“ dieser Zustand den Bandinhalt a ” (qa. ui . +1) ⇒ (q#.yik = #K1 #|K2 #|K3 #K4 #| Das y-Wort ist immer einen Schritt vorraus.. y0 ) beginnen 0 x′ = #0# 0 ′ ′ ′ y0 = y1 y0 = #0#1#0 x1 x3 = 0101 x′ x′ = #0#1#0#1# 0 3 ′ ′ y0 y3 = #0#1#0#0#1y1 y3 = 01001 ′ x′ n+1 = $yn+1 = #$ .. q cb)   (#qa. q) Abschlusspaar: (q##.. #0#1#0) 1 Eingabe f¨ r MPKP u mit einem neuen Symbol # nach jedem Buchstaben mit einem neuen Symbol # vor jedem Buchstaben ′ (x′ .. #0#1) 3 x′ = #x′ 0 1 ′ Dieses PKP kann nur min(x′ . ∀q ∈ F 15 .. a) a ∈ Γ ∪ {#}..

dann betrachte die komplement¨re Eigenschaft S ( nicht S“). S sei eine Eigenschaft von formalen Sprachen L. 1970) o c ¨  x = 3y − z 2   z 2 + u3 y − x4 = 0 .8. ENTSCHEIDBARKEIT 1. a wenn M + akzeptiert. die Eigenschaft S hat und eine Turingmaschine M + mit L(M + ) = L+ Wir reduzieren das spezielle Halteproblem Hε auf das Entscheidungsproblem f¨ r S: u Gegeben: Turingmaschine M Frage: H¨lt M bei Eingabe ε? a Wir konstruieren daraus eine neue Turingmaschine M ′ mit der Eigenschaft L(M ′ ) hat Eigenschaft S ⇔ M h¨lt bei Eingabe ε a • M ′ bekommt die Eingabe x ∈ Σ∗ • M ′ simuliert zun¨chst M mit leerer Eingabe. Frage: Hat L(M ) die Eigenschaft S? Annahme: ∅ hat nicht Eigenschaft S Es gibt eine Sprache L+ .5 Andere unentscheidbare Probleme • L¨sbarkeit von Polynomgleichungen uber Z. dann simuliert M ′ die M + mit der Eingabe x. . (Matijasevi´. Fall 1: M h¨lt nicht bei Eingabe ε a ⇒ M ′ h¨lt nie ⇒ L(M ) = ∅ ⇒ L(M ) hat Eigenschaft S nicht. und akzeptiert genau dann. a • Wenn M h¨lt. a Fall 2: M h¨lt bei Eingabe ε a ⇒ M ′ verh¨lt sich wie M + ⇒ L(M ) = L(M + ) = L+ ⇒ L(M ) hat Eigenschaft S. die von einigen aber nicht von allen rekursiv aufz¨hlbaren a erf¨ llt wird: u Beispiele: Ist S = ∅? Ist S = {ε}? ε ∈ S? Ist S endlich? Ist S = {0n 1n |n ≥ 1} 1. a ¯ Wenn ∅ die Eigenschaft S hat.KAPITEL 1. a ” 16 . . ′ M ist aus M berechenbar. TURING-MASCHINE.6 Satz von RICE (1953) Satz: F¨ r jede nichttriviale Eigenschaft S (im obigen Sinn) ist das folgende Problem unentscheidbar: u Gegeben: Turingmaschine M . BERECHENBARKEIT.8.

q2 . 1}∗|x enth¨lt eine gerade Anzahl an 0en und eine ungrade Anzahl an 1en} a Wir erweitern δ : Q × Σ → Q auf δ : Q × Σ∗ → Q δ(q.an ) = δ(δ(q. DFA) hat: • eine endliche Zustandsmenge Q • ein endliches Eingabealphabet Σ • eine Zustands¨ berf¨ hrungsfunktion δ : Q × Σ → Q u u • einen Startzustand q0 ∈ Q • eine Menge von akzeptierenden Zust¨nden F ⊆ Q a Arbeitsweise: Der Automat beginnt in q0 und liest in jedem Schritt das n¨chste Eingabesymbol und ¨ndert a a denm Zustand gem¨ß δ. a1 a2 . F ) Ein (deterministischen) endlicher Automat (DEA) (engl. Σ. ε) = q. q3 } q0 = q0 δ q0 q1 q2 q3 Zustandsdiagramm: 0 q1 q0 q3 q2 1 q2 q3 q0 q1 Σ = {0. δ(q. Er akzeptiert das Eingabewort. an )). (∀q ∈ Q) (n ≥ 1) 17 .. q1 . q0 .. Beispiel: Q = {q0 . wenn er sich nach dem Lesen des letzten Bucha stabens in einem Zustand ∈ F befindet. δ. a1 a2 ..1 Deterministische endliche Automaten A = (Q.: deterministic finite automaton..2 Regul¨re Sprachen und endliche Automaten a 2.an−1 . 1} F = {q3 } Eingabe: x = 0 0 1 1 0 0 1 ↑ ↑ ↑ ↑ ↑ ↑ ↑ ↑ q0 q1 q0 q2 q0 q1 q0 q2 ∈ L(A) / ∈F / L(A) = die von A akzeptierte Sprache = {x ∈ {0.

a f¨ r a ∈ Σ. 0j 1i ) = δ(δ(q0 . dann + o a ¨ u 2. dann sind auch a u • (A) · (B) • (A) + (B) • (A)∗ regul¨re Ausdr¨ cke..2 Regul¨re Ausdr¨cke a u Beispiele f¨ r regul¨re Ausdr¨ cke: u a u (0 + 1)∗ (0∗ + 01∗ )10(1∗ ) Definition: regul¨re Ausdr¨ cke sind induktiv folgendermaßen definiert. 0j ) δ(δ(q0 . .. 0i 1i ) ∈ F weil A das Wort 0i 1i akzeptieren soll. ε). 3.} schreiben Jeder regul¨re Ausdruck beschreibt eine Sprache: a • L(∅) = ∅ • L(ε) = {ε} • L(a) = {a} f¨ r a ∈ Σ u • L((A) · (B)) = L(A) · L(B) • L((A) + (B)) = L(A) ∪ L(B) 18 . 0j ).) ∗ hat h¨chste Priorit¨t. Wenn A und B regul¨re Ausdr¨ cke sund.) · kann man weglassen 4. 0i ) = δ(q0 . 00). x) ∈ F } Kann ein DEA die Sprache L = {0n 1n |b ≥ 0} akzeptieren? Wir betrachten δ(q0 . 0). a u Beispiele: ((0) + (1))∗ = {0. 1). . 0) L(A) = die von A akzeptierte Sprache = {x ∈ Σ∗ |δ(q0 ... δ(q0 . 1}∗ (((((0)∗ ) + ((0) · ((1)∗ ))) · (1)) · (0)) · ((1)∗ ) Man verwendet folgende Vereinfachungsregeln: 1. REGULARE SPRACHEN UND ENDLICHE AUTOMATEN Beispiel: δ(q2 ..0i ) Definition: Die von DEA akzeptierten Sprachen heißen regul¨re Sprachen. δ(q0 . a Andere Charakteresierungen von regul¨ren Sprachen: a • regul¨re Ausdr¨ cke a u • NEA: nichtdeterministische endliche Automaten • Typ-3-Grammatiken 2.¨ KAPITEL 2. a u 1.) Uberfl¨ ssige Klammern kann man weglassen. dann ·. Nach h¨chstens |Q| Schritten muss sich ein Zustand wiederholen o ∃i ≤ j : δ(q0 . 0)... δ(q0 .) Endliche Mengen kann man auch als {. 0i )... 010) = q0 = δ(δ(δ(δ(q2 .. 000). 1i ) = δ(q0 . 0i 1i ) ∈ F ⇒ A akzeptiert 0j 1i =δ(q0 . . sind regul¨re Ausdr¨ cke u a u 2. ε. 1i ) = δ(q0 . ∅.

... x1 ..xl ) ∈ {q1 . qn }.. 1. die von qi nach qj f¨ hren. Σ. q2 . Lik (Lkk )∗ Lkj . a) = qi } ∪ {ε} ii Die Lk k¨nnen induktiv f¨ r k = 0. keine Zwischenzust¨nde. ausgehend a ij ” von qi besucht. a) = qj } ij i=j L0 = {a ∈ Σ|δ(qi . F ) = Menge der W¨rter. .. qk } f¨ r 1 ≤ l < n} u ij k = n. und dabei als Zwischenzust¨nde (außer dem ersten o u a und letzen Zustand) nur die Zust¨nde q1 . qk besuchen und in qj enden. x1 ..... REGULARE AUSDRUCKE • L((A)∗ ) = (L(A))∗ Beispiel: 1∗ (01∗ 01∗ ) = {x ∈ {0. beginnend ij ” in qi nur Zust¨nde q1 . keine Einschr¨nkung der Zwischenzust¨nde a a L(A) = qj ∈F Ln 1j ¨ k = 0. qk a Lk = {x1 x2 . q2 .... δ. δ(qi .. a ⊆“ Betrachte ein Wort x ∈ Lk und die Folge der Zust¨nde die der Automat beim Lesen von x. ein Wort aus dieser Sprache wird. . . nur direkten Ubergang a L0 = {a ∈ Σ|δ(qi .... . dann kann man die Formel vereinfachen: k−1 k−1 Beispiel: Lk = Lik · (Lkk ) ik k−1 k−1 k−1 ∗ k Lkk = (Lkk ) Lk = ((Lkk )∗ Lkj kj 19 . qk qk qk qk qi k−1 ∈ Lik qj k−1 ∈ Lkj ∈ x besteht aus einem Anfangsst¨ ck ∈ u k−1 Endst¨ ck ∈ Lkj u k−1 Lik .... k−1 Lkk k−1 beliebig vielen (≥ 0) Zwischenst¨ cken ∈ Lkk und einem u Wenn i = k oder j = k ist. 1}∗|Anzahl der Nullen ist gerade} Satz: Jede regul¨re Sprache wird durch einen regul¨ren Ausdruck beschrieben: a a Beweis mit Kleene-Algorithmus: (Kleene. 1953) L = L(A) Lk ij A = ({q1 ....xn ) = qj . . qk−1 .xn |δ(qi .2. u ij o k−1 k−1 k−1 k−1 Lemma: Lk = Lij ∪ Lik (Lkk )∗ Lkj ij Beweis: k−1 k−1 k−1 k−1 ⊇“ Lij ⊆ Lk nach Definition. wo der Zustand qk erreicht wird... k−1 Fall 1: qk tritt nicht als Zwischenzustand auf ⇒ x ∈ Li j Fall 2: Zerlege x in Bestandteile an jeder Stelle. 2..¨ ¨ 2.. q1 . n definiert werden..

. u L(A) = Menge der akzeptierten W¨rter o 0. a) gehen. Σ.. • Eine akzeptierende Berechnung ist eine Berechnung mit qn ∈ F . a.an ∈ Σ∗ ist eine Folge (q0 . q0 .. .. a1 . kann er in irgendeinem der Zust¨nde aus der Menge δ(q.Gesund K¨lte a Gesund • Eine Berechnung des Automaten bei Eingabe von x = a1 a2 . a)| = 1 f¨ r alle q und a. u / Ein DEA entspricht dem Spezialfall wo |δ(q. δ. qn−1 .1 0 q1 1 q2 0 q3 1 q4 0. q1 } ∅ {q3 } ∅ {q4 } 1 {q0 } {q2 } ∅ {q4 } {q4 } Beispiel: 010 0101 0010000 w¨ rde akzeptiert werden. q2 . wenn es eine akzeptierende Berechnung f¨ r x gibt.. F ) ist ¨hnlich wie ein DEA. 011110000111 ∈ L(A) jedoch nicht. a) Alternativer Formalismus δ ⊆ Q × Σ × Q (dreistellige Relation) (q. außer dass: a δ : Q × Σ → 2Q (Potenzmenge von Q) Wenn ein Automat sich im Zustand q ∈ Q befindet und das Symbol a ∈ Σ liegt.. n − 1. . an . die 0101 enthalten} = (0 + 1)∗ 0101(0 + 1)∗ o δ q0 q1 q2 q3 q4 0 {q0 . q ′ ) ∈ δ 20 . • Ein Wort x ∈ Σ∗ wird von A akzeptiert. NFA) A = (Q. u u 2..3 Nichtdeterministische endliche Automaten DEA → ↑ NEA ←− regul¨rer Ausdruck a ↓ (NEA + ε) Definition: Ein nichtdeterministischer endlicher Automat (NEA) (engl.¨ KAPITEL 2.: nondeterministic finite automaton. Schranke f¨ r die L¨nge des Ausdrucks: u a (|Σ| + 1) · 4|Q| · |Q| ¨ (beim Ubergang von k auf k + 1 wird die L¨nge h¨chstens mit 4 multipliziert. qn ) mit qi ∈ Q mit q0 = Anfangszustand und qi+1 ∈ δ(qi . a Gesund Hochdruckwetter Gesund Kopfweh Gewitter Kopfweh. ai+1 ) f¨ r i = u 0.) a o Der Algorithmus von Floyd-Warshall f¨ r k¨ rzeste Wege in Graphen beruht auf dem gleichen Prinzip.1 → q0 L(A) = {W¨rter.. und a u ij sonst auch L(A). u Urspr¨ nglicher Formalismus u δ : Q × Σ → 2Q q ′ ∈ δ(q. q1 . a2 . REGULARE SPRACHEN UND ENDLICHE AUTOMATEN Durch Induktion nach k ergibt sich: Alle Sprachen Lk sind durch regul¨re Ausdr¨ cke darstellbar.

′ In der Praxis beginnt man mit q0 = {q0 } und erzeugt nur diejenigen Zustandsmengen. Σ. q1 . q4 } {q0 .3. F ) a (Potenzmengenkonstruktion) Q′ = 2 Q δ ′ : Q′ × Σ → Q′ δ(q. q0 . q3 . q2 } {q0 . δ. q4 }|q4 ∈ q ′ } ′ Beweis: δ ′ (q0 . q4 } ′ q5 {q0 . q2 } ′ q2 {q0 . q4 } {q0 . q2 .. q2 }.ak ) = {q ∈ Q | es gibt eine Berechnung f¨ r a1 . q3 .2. q2 . q1 } {q0 . δ ′ . q1 . 0) ∪ δ(q1 . o a ” Beweis durch Induktion nach k. q4 } F ′ = {q ′ ∈ {q0 . q4 } ′ q4 {q0 . q4 } ′ q7 {q0 .1 q2 0. q4 } ′ q6 {q0 .ak die im Zustand q0 beginnt und in q u endet. NICHTDETERMINISTISCHE ENDLICHE AUTOMATEN ′ Konstruktion eines ¨quivalenten DEA A′ = (Q′ . q4 } 0 q1 0 0 1 1 q2 0 → q0 0 q7 1 q3 1 0 q4 1 0 0 q6 q5 1 1 0 L = {W¨rter. die von q0 erreichbar sind. q2 } {q0 } ′ q1 {q0 . q3 } {q0 } ′ q3 {q0 . q′ 0 1 ′ q0 {q0 } {q0 . q1 . a) δ ′ (q ′ . q3 . F ′ ) zu einem gegebenen NEA A = (Q.1 q3 0. q4 }. q1 .} = m¨gliche Zust¨nde nach Lesen der ersten k Eingabezeichen.. q2 . a1 a2 . q3 } {q0 . q2 . q0 . q4 } {q0 .1 q4 ⇒ NEA hat k + 1 Zust¨nde a Jeder DEA ben¨tigt mindestens 2k−1 Zust¨nde o a 21 .. q4 } {q0 .. q1 . 0) ∪ δ(q2 . q1 . deren 4-letzter Buchstabe eine 1 ist} o 0. q4 } {q0 . 0) = δ(q0 . qq } {q0 . q1 } {q0 . 0) ∪ δ(q4 . 0) = {q0 . q1 .1 → q0 1 q1 0. q4 } {q0 . 0) = δ(q1 . 0) = ∅ ∪ {q3 } = {q3 } δ ′ ({q0 . q1 . q1 . q1 . q4 } {q0 . a) = q∈q′ ′ q0 == {q0 } F ′ = {q ′ ∈ Q|q ′ ∩ F = ∅} Behauptung: L(A′ ) = L(A) δ ′ ({q1 . q1 } ∪ ∅ ∪ {q4 } = {q0 . q4 } {q0 . Σ. q2 . q1 .

statt einen Buchstaben zu lesen. x = b1 b2 . REGULARE SPRACHEN UND ENDLICHE AUTOMATEN ¨ 2. 0 → q1 ε 1 0 ε. in einem einzigen Ubergang. b2 . qk ∈ F ¨ Satz: Zu jedem regul¨ren Ausdruck S. qi ∈ δ(qi−1 .4. einen ε-Ubergang durchf¨ hren. 0 q3 0 22 1 q4 ..¨ KAPITEL 2. u bi ∈ Σ ∪ {ε}.. q2 ... qk ) mit q0 = Startzustand. bi ). 0 1 q5 0 ε.bk .1 Elimination von ε-Uberg¨ngen a ¨ ¨ Idee: Zusammenpacken einer Folge von ε-Uberg¨ngen mit dem nachfolgenden Ubergang wo ein Buchstabe a ¨ gelesen wir. gibt es einen NEA A mit ε-Uberg¨ngen und einem einzigen akzepa a tierenden Zustand mit L(A) = L(S) Beweis: Induktion nach der Struktur von S S=a∈Σ S=∅ S=ε → → → A1 a ε S = S1 + S2 → → ε ε A2 ε ε ε L(A) = L(A1 ) ∪ L(A2 ) S = S1 · S2 A1 A2 ε A1 L(A) = L(A1 ) · L(A2 ) S = (S1 )∗ → Kleene-Algorithmus L(A) = L(A1 )∗ DEA regul¨re Ausdr¨ cke a u Potenzmengenkonstruktion NEA ¨ Elimination von ε-Uberg¨ngen a ¨ NEA mit ε-Uberg¨ngen a ¨ 2. b1 . . 1 q2 ε. Eine akzeptierende u Berechnung f¨ r x ∈ Σ∗ ist eine Folge (q0 . q1 .4 NEA mit ε-Uberg¨ngen a Unterschied: δ : Q × (Σ ∪ {ε}) → 2Q ¨ Der Automat kann auch..

MINIMIERUNG DETERMINISTISCHER ENDLICHER AUTOMATEN δ ′ (q1 .. } a a R := {q}. 0) ∪ δ(q2 . epsilon): if !(s aus R) then R := R + {s} Q := Q + {s} → q0 ε ε q1 ε q4 ε q2 δ ′ (q. a ” ¨ Berechnung der Menge Rε (q) = { Zust¨nde.. q1 .5 Minimierung deterministischer endlicher Automaten 0 → 1 a 0 1 b 1 c 0 d e 1 f 1 0 0 1 g 0 1 1 0 h 0 23 . q5 . Σ.. a) = {r ∈ Q | r kann im Automaten A von q aus durch eine Folge von k ≥ 0 ε-Uberg¨ngen. 0) ∪ δ(q5 .2.Liste der zu bearbeitedenden Zust¨nde a while !isEmpty(Q) entferne einen Zustand r aus Q forall s aus delta(r. 0) = {q3 . Σ. 0) = δ(q1 . und a ¨ einen Ubergang wo a gelesen wird. δ. q3 .Ergebnismenge Q := {q}. 0) ∪ δ(q3 . q5 } Gegeben: A = (Q. .. 0) F ′ = {q|Rε (q) ∩ F = ∅} 2. δ ′ . die von q aus durch ε-Uberg¨nge erreichbar sind.5. a) r∈Rε (q) Beispiel: δ ′ (q1 . F ) δ : Q × (Σ ∪ {ε}) → 2Q ¨ neuer Automat: A′ = (Q. erreicht werden. q2 . F ′ ) ohne ε-Uberg¨nge a ¨ δ ′ (q. } ¨ F ′ = {q ∈ Q | Von q aus kann der Automat A in k ≥ 0 ε-Uberg¨ngen einen akzeptierenden Zustand r ∈ F a erreichen } Der Automat A′ kann jede akzeptierende Berrechnung von A durch eine akzeptierende Berechnung ohne ε¨ Uberg¨ngen simulieren“ und umgekehrt. q4 }F ′ = {q1 . q0 . a) = q3 δ(r. q0 . .

dann gilt (∗): ∃x ∈ Σ∗ : (δ(q. 0) = c ∈ K2 δ(g. 0) = h ∈ K2 δ(f. f. δ(q. f. x) ∈ F ) / / Beispiel: Q = {a} ∪ {b. e. e. h} neue Klasseneinteilung: Q = {a} ∪ {c} ∪ {b. REGULARE SPRACHEN UND ENDLICHE AUTOMATEN 1. h} Neue Zerlegung: Q = {a} ∪ {c} ∪ {f } ∪ {b. 0) ∈ K4 δ(e. g. a Invariante: Wenn q und r nicht in derselben Klasse sind. wenn es keine Rolle spielt. 0) ∈ K4 δ(h. g. 0) ∈ K3 δ(h. h}. 0) = g ∈ K2 δ(h. Zwei Zust¨nde heißen ¨quivalent. x) ∈ F Der Algorithmus beginnt mit einer ganz groben Klasseneinteilung in zwei Klassen Q = F ∪ (Q − F ). 0) ist K2 = {c} ∪ {b. x) ∈ F (∗) (XOR) def 1 e 0 1 1 g 0 0 h ⊕ δ(r. h} K1 K2 K3 δ(b. 0) ∈ K4 24 .¨ KAPITEL 2. x) ∈ F ∧ δ(r. x) ∈ F q ≡ r ⇐⇒ ∃x ∈ Σ∗ . h} K1 K2 K3 K4 δ(b. dass Zust¨nde in der gleichen a Klasse nicht ¨quivalent sind. e. x) ∈ F ∧ δ(r. 0) ∈ K1 ∧ δ({b. Entfernen unerreichbarer Zust¨nde: Zust¨nde die nicht von q0 erreichbar sind a a 0 1 a b c 0 1 → 0 1 f 1 0 2. je nachdem in welche (bisherige) Klasse δ(q. y) ∈ F ) ∨ (δ(q. e. e. x) ∈ F ⇔ δ(r. 0) = a ∈ K1 δ(e. 0) ∈ K3 δ(f. Zusammenfassen von ¨quivalenten Zust¨nden. a q ≡ r ⇐⇒ ∀x ∈ Σ∗ . f. g. 0) = g ∈ K2 δ(c. g. Diese Klasseneinteilung wird nach und nach verfeinert. 0) ∈ K3 Zerlege K3 = {f } ∪ {b. δ(q. 0) = g ∈ K2 ⇒ c unterscheidet sich vom Rest. 0) ∈ K3 δ(e. c. 0) ∈ K4 δ(g. g. e. da δ(c. 0) ∈ K2 δ(g. 0) Zerlege K2 = A ∪ B. h} = K1 ∪ K2 δ(b. f. wenn sich herrausstellt. a a a a in welchem der beiden Zust¨nde man ist. g.

r in derselben Klasse Ki gibt und einen Buckstaben a ∈ Σ mit: a Klasse δ(q. 25 . a) und δ(r. 0) = h und h ≡ a weil h ∈ F. a a 2 • Der Minimalautomat kann in O(|Q| · |Σ|) Schritten berechnet werden. 0) ∈ K6 δ(h. f¨ r irgendein q ∈ Ki (unabh¨ngig von der Wahl von q). MINIMIERUNG DETERMINISTISCHER ENDLICHER AUTOMATEN δ(b.5. r ∈ Ki . 1) = f ∈ K3 δ(g.2. δ(e. der die gleiche Sprache akzeptiert. a) geh¨rt (q ∈ Ki ) o Abbruchbedingung: ∀Ki ∀q. h} 1 c → e 0 1 f 1 0 1 0 1 g 0 a≡c h≡g c≡e h≡a h≡g wenn x = ε weil δ(h. 1) = c ∈ K2 δ(e. Kj } a δ ′ (Ki . 1) = c ∈ K2 Zerlege K4 = {e} ∪ {g} ∪ {b.5. o Zust¨nde des neuen Automaten: {K1 . h} Neue Zerlegung: Q = {a} ∪ {c} ∪ {e} ∪ {f } ∪ {g} ∪ {b. δ(g. . 1) = e und c ≡ e weil δ(c.... 1) ∈ K3 Es ergibt sich keine weitere Verfeinerung 0 1 a 0 {b.1 Algorithmus zur Bestimmung des Minimalautomaten: • Beginne mit der Terlegung Q = K1 ∪ K2 in zwei Klassen K1 = F K2 = Q − F Q = K1 ∪ K2 ∪ .. δ(g. 10) ∈ F / 2. 1) = e ∈ K4 δ(h. zu der δ(q. a ∈ F / weil δ(h. 1) ∈ K3 δ(h. o u a Satz: Zu jedem DEA (zu jeder regul¨ren Sprache) gibt es einen eindeutig bestimmten (eindeutig bis auf a Bennenung der Zust¨nde) Minimalautomaten. a) geh¨ren zur gleichen Klasse. 10) ∈ F. a • Dieser hat unter allen ¨quivalenten DEA’s die kleinste Anzahl von Zust¨nden. a) geh¨rt. ∪ Kj Solange es zwei Zust¨nde q.. 0) = a. ∀a ∈ Σ: δ(q. a) = KLasse. 1) = c. 0) ∈ K6 δ(b. h} K1 K2 K3 K4 K5 K6 δ(b.

q2 . u). v). v hat dort eine 1. B. u = v u ≡L v ¨ ⇒ ≡L hat mindestens 2k Aquivalenzklassen.2 Satz von Nerode ¨ Satz: Eine Sprache L ist genau dann regul¨r. δ. A. a Beweis: ⇒“ ” L = L(A) f¨ r DEA A = (Q. F¨ r x = 0i−1 ux ∈ L. Σ. vx) ∈ F ⇔ vx ∈ L ¨ Folgerung: ≡L hat h¨chstens |Q| Aquivalnzklassen. ux) ∈ F ⇔ δ(δ(q0 . Hopcroft: Die Nerode-Relation bez¨ glich einer Sprache L. vx ∈ L u / 26 . x) ∈ F ⇔ δ(δ(q0 . d. x) ∈ F ⇔ δ(δ(q0 . F ) u Wenn δ(q0 . 0) δ(q2 . Jeder DEA hat mindestens so viele Zust¨nde. def 2. Daher k¨nnen wir die Aquivalenzklassen [u]L = {v ∈ Σ∗ | v ≡L u} o bilden. a ¨ Die Anzahl der Aquivalenzklassen ist in diesem Fall die Anzahl der Zust¨nde des Minimalautomaten. v) dann u ≡L v ∀x ∈ Σ∗ : ux ∈ L ⇔ δ(q0 . u v x = 1000100100000 ∈ L / = 1000110100000 ∈ L Beweis der Behauptung: u = v unterscheiden sich in der i-ten Position. 1}∗ | k-letzter Buchstabe ist eine 1. 1) ∪{q6 } q1 1 q2 1 q3 1 q4 2 q5 3 q6 4 q7 2 Entfernen der unerreichbaren Zust¨nde O(|Q| · |Σ|) a Es geht auch in O(|Q| · log |Q| · |Σ|) Zeit. 1) ?    δ(q3 . |x| ≥ k} = Σ∗ · 1 · Σk−1 Behauptung: u. Beispiel: L = {x ∈ {0. REGULARE SPRACHEN UND ENDLICHE AUTOMATEN [l]Q = {q1 . u Definition: Zwei W¨rter u und v heißen Nerode-¨quivalent. wenn o a u ≡L v ⇐⇒ ∀x ∈ Σ∗ : ux ∈ L ⇔ vx ∈ L ¨ ¨ Diese Relation ist eine Aquivalenzrelation. 1) ein Verfeinerungsschritt O(|Q| · |Σ|)   δ(q2 .¨ KAPITEL 2. 0) Man kann h¨chstens (|Q| − 1)-mal verfeinern o Zus¨tzlich: Verwalten der Kalssen Einteilung a        δ(q1 . v ∈ Σk . q7 } ∪ {q5 }  δ(q1 . o. q0 .5. 0) in der selben Klasse?  δ(q3 . u hat dort eine 0. u) = δ(q0 . wie ≡L o a ¨ Aquivalenzklassen hat. q3 } ∪ {q4 . wenn die Nerode-Relation endlich viele Aquivalenzklassen hat.

∀i ≥ 0: u · v i · w ∈ L. welcher Representant ui aus der Aquivalenza klasse [ui ]L gew¨hlt wird. y). sodass ∀i: uv i w ∈ L Fall 1: v enth¨lt nur Einsen uv 0 w enth¨lt weniger Einsen als Nullen. an der man pumpen“ kann. a Beispiel: L = {0n 1n | n ≥ 1} nicht regul¨r. δ(q0 . [[ui ]L ] ≡ [v]L ⇒ (ui ∈ L ⇔ v ∈ L) ⇔ ∀x ∈ Σ∗ : (ui x ∈ L ⇔ vx ∈ L) ⇒ F¨ r x = ε: ui ∈ L ⇔ v ∈ L u 2) Der Automat akzeptiert L.z.. f¨ r y ist die Aussage bewiesen. w ∈ Σ∗ : x = u · v · w.6. ε) = q0 = [ε]L IS: x = y · a a ∈ Σ. v = ε. a) = [ui a]L q0 = [ε]L F = {[ui ]L | ui ∈ L} zu zeigen: 1) Dieser Automat ist wohldefiniert : ¨ Das Ergebnis von δ. DAS PUMPING-LEMMA FUR REGULARE SPRACHEN Beweis: ⇐“ ” ¨ [u1 ]L [u2 ]L .. . a ! ⇔ui ≡L v u a 2. v = ε. a u ” Das Lemma wird in der Regel dazu verwendet.. a a ⇒∈ L Widerspruch / 00001 11 u v 1 w 00001|1 00001111 00001 1111 1 v2 i=0 i=1 i=2 ∈L . a δ: v ≡ ui ([v]L = [ui ]L ) ⇒ [va]L = [ui a]L ⇔ va ≡L ui a v ≡L ui . a) = u δ([y]. . um zu zeigen. u a a ∀x ∈ L: |x| ≥ n0 ∃u. v. . a Annahme: L w¨re regul¨r ⇒ Pumping-Lemma ist anwendbar a a ∃n0 : W¨hle x = 0n0 1n0 a ∃x = uvw. .¨ ¨ 2. ya) = δ(δ(q0 . x) = [x]L Beweis durch Induktion nach |x| IA: |x| = 0 x=ε δ(q0 .6 Das Pumping-Lemma f¨r regul¨re Sprachen F¨ r jede Regul¨re Sprache L gibt es eine n0 ∈ N (∀L ⊆ Σ∗ : L regul¨r ⇒ ∃n0 ∈ N). Behauptung: δ(q0 . die Menge F h¨ngt nicht davon ab. a ∈ Σ ⇒ va ≡L ui a def ∀x ∈ Σ∗ : vax ∈ L ⇔ ui ax ∈ L ∀y ∈ Σ∗ : vy ∈ L ⇔ ui y ∈ L ↑ y = a · x F : z. |uv| ≤ n0 Sogar diese st¨rkere Aussage gilt a In Worten: In einer rgul¨ren Sprache hat jedes gen¨ gend lange Wort eine Stelle. 27 . x) = δ(q0 .. dass eine Sprache nicht regul¨r ist. [uk ]L seine Aquivalenzklassen von ≡L Q = {[u1 ]L [u2 ]L .. [uk ]L } Σ δ([ui ]L .. a) = [ya] = [x] Weil Definition von δ unabh¨ngig von der Wahl des Representanten y in der Klasse [y] ist.

. ε) = q0 δ(q0 .. x1 . ..        Ein Zustand q ′ muss mehrfach vorkommen       δ(q0 . ⇒ Widerspruch a 0 0 Beweis: L sei regul¨r (L ∈ L3 )... xi+1 .. dessen L¨nge (n2 )2 < |uv i w| < (n2 + 1)2 ist. a 001 001 ⇒∈ L / L = {0n 1n | n ≥ 1} ist nicht regul¨r a 2 ∈L n0 0n0 = uvw uv i w Die L¨ngen der W¨rter uv i w bilden eine arithmetische Folge mit Abstand |v| ≤ n2 a o 0 Abstand zwischen zwei Quadratzahlen: (n2 + 1)2 − (n2 )2 = ¨¨2 + 2(n2 ) + 1 − (n2 )2 = 2n2 + 1 > n2 (n2¨ 0 0 0) 0 0 0 0 > n2 0 0n0 +(i−1)·|v| Es gibt ein Wort uv i w.. A. x1 x2 ...xi ). die vor Nullen stehen...xj ) = q ′ 28 + + + + + + + + + + + q′ .xn q0 Betrachte die Zust¨nde: a δ(q0 ..xn0 ) q0 u v δ(q0 . REGULARE SPRACHEN UND ENDLICHE AUTOMATEN Fall 2: v enth¨lt nur Nullen .xi ) = δ(q ′ .. . a Fall 3: v enth¨lt Nullen und Einsen a uv 2 w = u v v w enth¨lt Einsen. x1 . x1 ) δ(q0 .xJ )=q′ =q′ q′ ∃0 ≤ i < j ≤ n0 : δ(q0 . x1 x2 ) .¨ KAPITEL 2.....xj ) δ(δ(q0 ... x1 .xi+1 . DEA mit L(A) = L a n0 := |Q| |x| ≥ 0 x = x1 x2 .

Σ. dann ist auch L = Σ∗ − L regul¨r. Σδ. δ.. a u Umkehrung.. *-Operation..xi v = xi+1 . j ≥ 0} 1 2 ⊲ q0 · 2. Substitution mit regul¨ren Sprachen.. Homomorphismen und inverse Homoa morphismen. B. h.. uv w) = δ(q0 . F ) akzeptiert L A′ = (Q. y ∈ Σ∗ ) Ein Homomorphismus ist durch eine beliebige Abbildung h : Σ∗ → Γ∗ eindeutig gegeben (Σ∗ = Γ∗ ) ist nicht ausgeschlossen. · h(xn ) xi ∈ Σ h(abaabaab) = 0101010101 • Substitution Definition: Bei einer Substitution σ wird ein Buchstabe a ∈ Σ durch die Sprache σ(a) ersetzt...xn ∈ L} 29 . D. q0 . Komplement..xn ∀i ≥ 0: δ(q0 . ABSCHLUSSEIGENSCHAFTEN REGULARER SPRACHEN u = x1 . *-Operation: regul¨re Ausdr¨ cke a u • Komplement: a Wenn L regul¨r ist. Durchschnitt. y) = h(x) · h(y) (∀x. x1 x2 x3 . L2 ∈ L3 ⇒ L1 ∪ L2 ∈ L3 Beweise: • Vereinigung.σ(xn )..xj = ε w = xj+1 . a • Durchschnitt: L1 ∩ L2 = L1 ∪ L2 • Durchschnitt..: L1 .. uvw) ∈ F x i L = {01} n0 = 3 0 L = {0i 1j | i ≥ 0. Vereinigung mit DEA ¨ Produkt zweier Automaten“ (Ubung) ” Anwendungsbeispiel L = {x ∈ {0.xn ) = h(x2 ) · h(x2 ) · . Produkt. z.. Beispiel: h(a) = 01 h(b) = ε h(c) = 01 h(x1 . 1}∗ | x enth¨lt gleich viele Einsen und Nullen} a L′ = L ∩ 0∗ 1∗ = {0n 1n |n ≥ 0} nicht regul¨r a nicht regul¨r a • Homomorphismus Definition: Ein Homomorphismus h zwischen Σ∗ und Γ∗ ist eine Abbildung h : Σ∗ → Γ∗ mit der Eigenschaft h(x.7 Abschlusseigenschaften regul¨rer Sprachen a Satz: Die regul¨ren Sprachen sind abgeschlossen gegen¨ ber Vereinigung.: (a + b)(ab)∗ a∗ b∗ → b∗ a∗ (ba)∗ (a + b) a u Beispiel: k-te Buchstabe von rechts = 1 DEA ben¨tigt 2k Zust¨nde o a k-te Buchstabe von links = 1 DEA kommt mit k + 2 Zust¨nde aus.. Q − F ) akzeptiert L • Umkehrung (alle W¨rter von hinten nach vorne gelesen) o regul¨re Ausdr¨ cke Bsp. ∗ Substution ist gegeben durch die Abbildung σ : Σ → 2Γ σ(L) = {y | y ∈ σ(x1 ) · σ(x2 )σ(x3 ).7. Produkt..¨ 2. q0 . a Beweis: DEA A = (Q.

q0 .8 Zusammenfassung: regul¨re Sprachen a ¨ • DEA.} = σ(a(ab∗ b))∗ = (aab∗ b)∗ Satz: L ⊆ Σ∗ regul¨r a σ(a).. a ∈ Σ seien regul¨r ⇒ σ(L) regul¨r a a Spezialfall: |σ(a)| = 1.. 1 a a.¨ KAPITEL 2. Γ. x) = δ(q. Beweis: requl¨re Ausdr¨ cke a u R: regul¨rer Ausdruck f¨ r L. Homomorphismus. F ) δ ′ (q. abacacab. Σ. a ∈ Σ a u a u Ersetze in R jedes Vorkommen eines Buchstaben a ∈ Σ durch Ra • inverse Homomorphismen h : Σ∗ → Γ∗ Homomorphismus Satz: (L ⊆ Γ∗ ) ∈ L3 ⇒ h−1 := {x ∈ Σ∗ | h(x) ∈ L} ∈ L3 Beispiel: h(a) = 0 h(b) = 10 abaab Beweis: DEA A = (Q. q0 . REGULARE SPRACHEN UND ENDLICHE AUTOMATEN Beispiel: L = (01)∗ σ(0) = {a} σ(1) = {b. NEA: Uberpr¨ fen ob x ∈ L u • NEA. ε.} = (a(b + c))∗ —— σ(0) = a σ(1) = ab∗ b σ(L) = {aabbbbbaabaabbbb. ababac. Ra regul¨rer Ausdruck f¨ r σ(a). ac. .. h(x)).. δ. . F ) 1 ⊲ 0. c} σ(L) = {ababab.. δ ′ . b 0 b 1 b b 0a 0 a neuer DEA A′ = (Q. x ∈ Σ b 2. regul¨re Ausdr¨ cke: Erzeugen der W¨rter aus L a u o 30 ..

. V ′ → V ′ B. S.. P ∈ V + × (V ∪ Σ)∗ • einem Startsymbol S ∈ V W¨rter aus (V ∪ Σ)∗ nennt man auch Satzformen. B → a. dann schreibt man u → {ε} v ist aus u in einem Schritt ableitbar. B → b. Σ. A − B. ∃u1 . A/B. y) ∈ P.. U → 0. (A) arithmetische u Ausdr¨ cke u S → V.. S → (S) S → S/S. /.1 Definition von Grammatiken Beispiel: in Programmiersprachen. → S + S. u → v ⇔ ∃(x. b.. B} Beispiel: 5 + (13 ∗ 2) ∈ L(G) 3 ∗ (−4) ∈ L(G) / S → S + S → Z + S → U + S → 5 + S → 5 + (S) → 5 + (S ∗ S) → 5(S ∗ Z) → 5 + (Z ∗ Z) → 5 + (U Z ∗ Z) → 5 + (U U ∗ Z) → 5 + (1U ∗ U ) → 5 + (13 ∗ U ) → 5 + (13 ∗ 2) Definition: Eine Grammatik G besteht aus: • einer Menge V aus Variablensymbolen • einer Menge Σ aus Terminalsymbolen (Σ ∩ V = ∅) • einer Menge P von Ersetzungsregeln (Produktionen)... 9. c. a. dann sind auch A + B... v1 . . arithmetische Ausd¨ cke: u • Zahlen und Variablen sind arithmetische Ausdr¨ cke u • wenn A und B arithmetische Ausdr¨ cke. u2 ∈ (Σ ∪ V )∗ : u = u1 xu2 ∧ v = u1 yu2 Wenn v aus u in k ≥ 0 Schritten abgeleitet werden kann. U... Z → U. S → S ∗ S. y) ∈ P durch die rechte Seite (Konklusion) ersetzt..3 Grammatiken 3. −. S → Z... o u ∈ (V ∪ Σ)∗ . +. ⇒U → 0|1|. . Z. P.. 1. dass man ein Vorkommen einer linken Seite (Pr¨misse) x einer a Regel (x. 0. ∗. vk : u = v0 → v1 → v2 → . . A ∗ B.} V = {S. ). S → S − S.. ⇒B → a|b|c|. S) beschriebene Spache L(G) ist L(G) = {x ∈ Σ∗ | S → x} ∗ 31 . .. Z → U. wenn v aus u dadurch entsteht. dann schreibt man u → v: ∃v0 . V ′ → V ′U B → c. . V ′ . U →9 Σ = {(. U → 1..|9 B → B.. → vk = v eine Ableitung ∗ V + = V ∗ − {ε} Definition: Die von einer Grammatik G = (V.

ob dabei x hera u auskommt.3 Typ-0-Sprachen (rekursiv aufz¨hlbare Sprachen) a Satz: Typ-0-Sprachen sind genau die rekursiv aufz¨hlbaren Sprachen. f¨ r k = 0... Ist x ∈ L(G)? ” Algorithmus: Probiere alle Ableitungen der L¨nge k systematisch durch und pr¨ fe.. a) = (q ′ . F ) ” Idee: q0 x ⊢ k1 ⊢ k2 ⊢ . 2. 0) δ(q.. ← $kn−1 # ← $kn # ← . kontext-sensitive Grammtiken P ⊆ {(x. Σ. #} ∪ Produktionen P : δ(q. .KAPITEL 3. die Konklusionen der Regeln sind mindestest so lang wie die Pr¨missen. +1) δ(q.. h. Σ. b. die dem Bandalphabet entsprechen ∪{S} 32 . y) | x ∈ V + . L0 . S... L3 seien die Typ-0-Sprachen... a) = (q ′ .. ← S V = Q ∪ {$.. 3.. 1. a Beweis: ⇒“ G = (V. B.. b. L2 . Typ-1-Sprachen. x ∈ L(G) (andernfalls kann er nicht terminieren). a • Typ-2-Grammatiken: kontextfreie Grammatiken P ⊆ V × (Σ ∪ V )∗ • Typ-3-Grammatiken: rechtslineare Grammatiken P ⊆ V × (ΣV ∪ {ε}) Beispiel: S → aT |bS T → +V T →ε Die beschriebenen Sprachen dieser Grammatiken entsprechen den regul¨ren Sprachen (es gibt auch linkslina eare Grammatiken) Entsprechend gibt es Typ-0-Sprachen. Typ-1-Sprachen. trivial L3 ⊂ L2 ⊂ L1 ⊂ L0 regul¨r = kontextfrei = kontextsensitiv = rekursiv aufz¨hlbar a a L= {0n 1n } L= {0n 1n 0n } Die Sprachen aus L1 sind entscheidbar 3. Γ. ε)} D.. b. u Dieser Algorithmus akzeptiert gdw. y ∈ (Σ ∪ V \ {S})∗ . a) = (q ′ . δ.. GRAMMATIKEN 3.2 Die Chomsky-Hierarchie Nach Noam Chomsky (zeitgen¨ssischer Linguist) o • Typ-0-Grammatiken: beliebige Grammtiken • Typ-1-Grammatiken: monotone bzw. .. x ∈ Σ∗ . −1) ⇒ q ′ Vb → qVa ⇒ Vb q ′ → qVa ⇒ q ′ Vc Vb → Vc qVa . P ) sei gegeben.. ⊢ k2 Simulation durch G: x ← $q0 x# ← . .. |x| ≤ |y|} ∪ {(S. ∀c ∈ Γ {Va | a ∈ Γ} neue Variablen. L1 . ⇐“ Gegeben TM M = (Q.. q0 .

NEA) A = (Q. u Jede Ableitung eines Wortes x entspricht einer akzeptierenden Berechnung. L = {0n 1n |n ≥ 0} ist keine Typ-3-Sprache. Σ. T } Σ = {a.4 Typ-3-Sprachen (regul¨re Sprachen) a Satz: Typ-3-Sprachen sind genau die regul¨ren Sprachen a Beispiel: S → aT |bS T → bT |bS|aS|ε V = {S. a Berechnungen des Automaten werden durch Ableitungen der Grammatik dargestellt und umgekehrt. F ) ” Gesucht: Typ-3-Grammatik f¨ r L(A) u G: V =Q Σ=Σ a q q′ q → aq ′ P = {q → aq ′ | q ∈ Q.a) S = q0 ⇒“ Gegeben: G = (V. P. a) = {q ′ | (q → aq ′ ) ∈ P } F = {q ∈ V | (q → ε) ∈ P } q0 = S Zust¨nde des Automaten entsprechen den Variablen der Grammatik. TYP-3-SPRACHEN (REGULARE SPRACHEN) Anfangsregeln: Erzeuge eine beliebige Konfiguration mit einem akzeptierenden Zustand und gen¨ gend u vielen B-Symbolen rechts und links. a)} ∪ {q → ε | q ∈ F } q′ ∈δ(q. $. aber sie ist eine Typ-2-Sprache G: S → 0S1|ε S → 0S1 → 00S11 → 000S111 → 000111 33 . q ′ = δ(q. x∈Σ #→ε $q0 → ε Jede akzeptierende Berechnung f¨ r w ∈ Σ∗ kann in eine Ableitung von w transformiert werden. b} S → aT → abS → abbS → abbaT → abbabT → abbab ∈L(G) Beweis: ⇐“ Gegeben: DEA (bzw. a ∈ Σ. δ. q0 l¨schen u o ¨ VB # → #. # l¨schen.4.¨ 3. Vx → x. S) ” Gesucht: NEA A mit L(A) = L(G) A: Q=V Σ=Σ δ(q. Σ. 3. Symbole Vx in Terminalsymbole x a o o uberf¨ hren. ∀a ∈ Γ T → q. ∀q ∈ F Endregeln: B-Symbole an den R¨ndern l¨schen. q0 . S → $T # T → T Va |Va T. $VB → $.

X1 X2 X3 → BX2 X3 BX2 X3 → BAX3 BAX3 → BAD ABC → X1 BC X1 BC → X1 X2 C X1 X2 C → X1 X2 X3 Satz: Typ-1Sprachen sind entscheidbar. Beispiel: V = {S. U. aber o diese Ableitung ist in einem Schritt zu Ende. 1} S → ε|V0 T V1 V0 |010 T → V0 V1 U V0 → 0 U V1 → V1 U V1 → 1 ∗ U V0 → W V0 V0 |00 V1 W → W V1 V1 W → W V1 U 1 → 1U V0 W → V0 T U V1 → V1 U S → 0T 10 → 001U10 → 0011U0 → 0011W 00 → 00W 1100 → 00T 1100 → 000W 111000 → 00001111U000 → 000011110000 L(G) = {0n 1n 0n | n ≥ 0} Bemerkung: Man kann die Regeln einer kontextsensitiven Grammatik in die Form bringen.. GRAMMATIKEN 3. Daher muss die Schleife irgendwann terminieren x ∈ L(G) ⇔ x ∈ M 34 . dass immer nur eine einzelne Variable durch etwas Neues ersetzt wird. T. y = ε} M kann folgendermaßen induktiv konstruiert werden: Beginne mit M := {S} Schleife : ∀y ∈ M : ∀z ∈ (V ∪ Σ∗ ): y → z. a Ausnahme: S → ε ist erlaubt. B. M := M ∪ {z} w i e d e r h o l e . V1 } Σ = {0. o o M = {y ∈ (V ∪ Σ)∗ | |y| ≤ |x|. s o l a n g e neue Elemente zu M dazugekommen s i n d . außer bei der Ableitung S → ε. S darf jedoch in keiner Konklusion vorkommen. X3 . ABA C Kontext ∗ ∗ ∗ ∗ A Kontext → ABAA01DA Beispiel: Regel ABC → BAD wird ersetzt durch: neue Variablen X1 . S → y. X2 .KAPITEL 3.5 Typ-1-Sprachen (kontextsensitive Sprachen) Bei alle Regeln ist die Konklusion mindestens so lang wie die Pr¨misse. |z| ≤ |x| . z. |x| ∗ |M | ≤ i=1 (|Σ| + |V |)i endlich. x ∈ Σ∗ Frage: x ∈ L(G) (auch bekannt als das Wortproblem) Wenn x = ε x ∈ L(G) ⇔ (S → ε) ∈ P Andernfalls k¨nnen in der Ableitung von x nur Satzformen auftreten. V0 .. . Gramatik. Folgerung: in einer Ableitung k¨nnen die Satzformen nicht schrumpfen. die h¨chstend so lang wie x... Beweis: G. W.

der oberhalb der x-Achse bleibt wird Dyck-Weg genannt. 35 .4 Kontextfreie Sprachen (Typ-2-Sprachen) 4.1 Tiefenstruktur von Sprachen Das Wetter war gestern regnerisch. Subjekt (Im Deutschen kann das Pr¨dikat zerlegt werden ⇒ Analyse kann sehr schwer sein!) a 4. Satz Subjektgruppe Pr¨dikatgruppe a Nominalgruppe Verb Adverb Pr¨dikat a Artikel Hauptwort war“ ” gestern“ ” Adjektiv das“ Wetter“ regnerisch“ ” ” ” Bei einer kontextfreien Grammatik wird bei der Syntaxanalyse ein solcher Syntax-Baum“ aufgebaut.2 Dyck-Sprache D1 S → SS | (S) | ε ∗ S → SS → (S)S → (SS)S → ((S)S)S → (()S)S → (()(S))S → (()())S → (()())((S)) → (()())(()) ∈ D1 ())(() ∈ D1 / Klammertiefe: Dyck-Weg ( ( ) ( ) ) ( ( ) ) Definition: Der Weg mit n Schritten nach oben ր und n Schritten nach unten ց. ” Gestern hat | es | geregnet.

..3 Kontextfreie Grammtiken als Gleichungssysteme Man kann eine kontextfreie Grammatik auch als Gleichungssystem. positive“ Dyck-W¨rter (= a.... ) = b o ” N. dessen L¨sungen unbekannte Sprachen sind o interpretieren VS = VS · VS ∪ {ε} ∪ a · Vp · b ∪ b · Vn · a VP = VP · VP ∪ a · VP · b ∪ {ε} VN = VN · VN ∪ b · VN · a ∪ {ε} VS . VP . ” VS = {x ∈ Σ∗ | S → x} = L VP = {x ∈ Σ∗ | P → x} VN = {x ∈ Σ∗ | N → x} sind eine L¨sung des Gleichungssystems (nicht unbedingt eindeutig). k verschiedene Klammerpaare. KONTEXTFREIE SPRACHEN (TYP-2-SPRACHEN) D2 ⇒ ([()()])[] ∈ D2 Dk . a a b b S → SS | (S) | [S] | ε L = {x ∈ {a. (= b o ” 4.KAPITEL 4. negative“ Dyck-W¨rter ) = a. VN sind unbekannte“ Sprachen. b}∗ | x enth¨lt gleich viele as wie bs} a a b b b S → SS|ε|aP b|bN a P → P P |aP b|ε N → N N |bN a|ε a b a a a b P.. o S S ( S ( S ε ) ( S ) S S ε ( ( ) S S S ε ) ) ∗ ∗ ∗ 36 .

Beispiel: S → if B then S | if B then S else S | while ..4. Bl¨tter sind Terminalsymbole.. a ()()() kann durch 2 verschiedene Syntaxb¨ume / Linksableitungen / Rechtsableitungen dargestellt werden.. kann auf drei a Arten aus der Welt geschafft werden: 1. Syntaxbaum: Wurzel = S.¨¨S 3 ¨ ¨¨ ¨ ¨ + 4 5 S 4. EINDEUTIGKEIT ∗ Rechtsableitung: S → SS → S(S) → S((S)) → S (()) → (S)(()) → (SS)(()) → (()())(()) entspricht der bottom-up-Syntaxanalyse Linksableitung: S → SS → (S)S → (SS)S → ((S)S)S → (()S)S → (()(S))S → (()())S → (()())((S)) → (()())(()) entspricht der top-down-Syntaxanalyse Die Beliebigkeit bei der Auswahl. a S S ( S ε ) ( S S ε ) ( S S S ε ) ∗ S S S ( S ε anders arithmetische Ausdr¨ cke (am Beispiel 3 − 5 + 5): u S S 3 + 4 5 ) ( S S ε ( ) S S ε ) ¨ ¨ ¨¨ ¨ . Kinder einses Variablenknotens sind die Symbole auf der rechten Seite einer Regel in der passenden Reihenfolge. dargestelltes Wort wird durch die Folge a der Bl¨tter gegeben. wenn jedes Wort eine eindeutige Linksableitung / eine eideutige Rechtsableitung / einen eindeutigen Syntaxbaum hat. Rechtsableitung: Es wird immer die rechteste Variable ersetzt 3.4 Eindeutigkeit Definition: Eine kontextfreie Sprache ist eindeutig.4.. welche Variable be einer Ableitung als n¨chstes ersetzt wird. if B1 then (if B2 then )S1 else S2 if B1 then (if B2 then S1 else S2 ) Grammatik nicht eindeutig! 37 . Linksableitung: Es wird immer die linkeste Variable ersetzt 2. | .

. B. 38 . 2... S → V( SV) V( → ( V) →) 2. ” Solche Sprachen heißen inh¨rent mehrdeutig. erstelle eine neue Regel. Zerlegung von Regeln mit mehr als 2 Variablen auf der rechten Seite • Einf¨ hren von zus¨tzlichen Zwischenvariablen in mehreren Schritten u a Beispiel: A → BAAS. inklusive einer bedingten Anweisung mit else-Klausel.. A → BSV1 V1 → AV2 V2 → AS 3.. Elimination von ε-Regeln ∗ Konstruiere die Menge M aller Variablen A ∈ V . die abgeschlossen ist S → A|T A → if B then S | if B then T else A T → if B then T else T | while . KONTEXTFREIE SPRACHEN (TYP-2-SPRACHEN) A. bbeliebige Anweisung. a ¨quivalente Grammatik. wenn jede Regel lediglich folgende Gestalt haben: 1. A → b... a (mehrdeutig) (eindeutig) 4. die eindeutig ist. A.KAPITEL 4... u Beispiel: S → (S).5 Chomsky-Normalform Definition: Eine kontextfreie Grammatik ist in Chomsky-Normalform (CNF). bedingte Anweisung. u u • Ersetze a durch Va auf allen rechten Seiten • F¨ ge Regeln Va → a hinzu. F¨ r jede Regel.. die eine Variable u u aus M auf der rechten Seite enth¨lt. | andere Anweisungen. f¨ r die es keine eindeutige Grammatik gibt: u {0i 1j 01k | i = j ∨ j = k} = {0n 1n }0∗ ∪ 0∗ {1n 0n } 0n 1n 0n sind in beiden Teilsprachen“ enthalten. in der ein Vorkommen dieser Variablen a gestrichen wird. die noch auf else“ wartet. f¨ r die A → ε. ” T. Elimination von Terminalsymbolen auf der rechten Seite: • F¨ hre f¨ r jedes a ∈ Σ eine neue Variable Va ein. S → S + S|S − S|Z S → Z|S + Z|S − Z Es gibt Sprachen. aber S darf nie auf der rechten Seite einer Regel vorkommen. Satz: Zu jeder kontextfreien Grammatik G gibt es eine Grammatik G′ in CNF mit L(G′ ) = L(G) − {ε} 1. A → BC. C ∈ V A ∈ V.. b ∈ Σ Ausnahme: Die Regel S → ε ist erlaubt..

. u F¨ r die n¨chsten Ableitungsschritte geht man genauso vor.. X → x f¨ r alle X ∈ VA . wo das bereits ber¨ cksichtigt ist. • Die Regeln f¨ r A’ sind dieselben wie f¨ r A. u • Auf der rechten Seite aller Regeln wird wird jede diese Variablen A durch A′ ersetzt. A→B→C→A→B→B→C→A→B→C →D (U V A U U → U V BU U → . außer f¨ r S. u • Erstelle f¨ r jede Variable A aus M eine neue Variable A′ . u X → Y Z: Eventuell wird Y oder Z in der Ableitung zu ε gemacht.... u u Am Beispiel: U → V ′W ′ | V ′ | W ′ | ε U ′ → V ′W ′ | V ′ | W ′ V → W ′ | V ′V ′ | V ′ | ε V ′ → W ′ | V ′V ′ | V ′ . . u ∗ • Durch das Aufstellen neuer verk¨ rzter Regeln k¨nnen neue Regeln der Form A → ε entstehen. nur die ε-Regel wird gestrichen.. u • Anschließend entferne alle Regeln der Form A → B. A} f¨ r u U →VW | V | W | ε V →W | VV | ε | V A→U | VV | ε | V (B → AU BV | ABV | AU B | AB | BV | U B | B) ↓ ↓ ε ε U →VW U →W ∗ • M wird initialisiert mit den Variablen A f¨ r die es eine Regel A → ε gibt. . u o • Die entsprechende Variablen werden dann zu M hinzugef¨ gt. Elimination von K → L • F¨ r jede Regel der Form A → BC. • Erstelle neue Regeln X → BC bzw. Beispiel: Angenommen f¨ r alle Regeln K → L ergeben folgenden Zusammenhang: u ∗ A B D C E In einer Ableitung kann eine Kette von Anwendungen derartiger REgeln vorkommen. Behauptung: F¨ r alle A ∈ M gilt u LA′ = LA − {ε} ∗ (LX = {s ∈ Σ∗ | X → s}) ∗ Begr¨ndung: X → S. In diesem Fall enth¨lt die a neue Grammatik eine Regel X ′ → Y ′ oder X ′ → Z ′ .. Falls S ∈ M ist. S → S ′ ein u 4. S = ε Betrachte die rechte Seite der ersten Regel dieser Ableitung. f¨ ge u u u u daf¨ r die Regeln S → ε. CHOMSKY-NORMALFORM Beispiel: M := {V. U.4.5. A → x ∈ Σ berechne die Variablenmenge u VA = {X ∈ V | X → A}. → U V DU U ) B→V A AB a 39 . u a Lasse die Regeln f¨ r die urspr¨ nglichen Variablen A ∈ M weg.

KONTEXTFREIE SPRACHEN (TYP-2-SPRACHEN) D → AB VD = {A. si . ∃k: i ≤ k ≤ j: B ∈ Vik ∧ C ∈ Vk+1. Ist s ∈ L(G) ∗ Vij := {X ∈ V | X → si si+1 .. D. V12 = {S} V13 = ∅ oder k = 2 k=1 oder k = 2 oder V11 = {M..sj . nach L¨nge j − i + 1 der Teilkette si .. 1.. Grund: CNF-Grammatik erf¨ llt die Forderungen von Typ-1-Grammatiken u 4.. C → AB.sn s ∈ L(G) ⇔ s ∈ V1n Berechne Mengen Vij induktiv.. B.j } vorher berechnet Beispiele: Gegeben sei folgende Grammatik in CNF: Σ = {0..sn ∈ Σ∗ . S 2 S P 3 − − M 4 − − − P 5 − − − − M.. → si si+1 . E} A → AB. j 1 2 3 4 5 1 M. S ⇒ 0 + 1 + 0 ist nicht in der Sprache L(G). a A → BC. B → AB. E → AB Die Menge VA k¨nnen durch umgekehrte Graphensuche bestimmt werden: Suche alle Variablen o X.6 Algorithus von CYK“ ” Der CYK-Algorithmus (Cocke.sk |sk+1 . von denen aus A erreichbar ist.sj . S} V12 = {S} V22 = {P } V23 = ∅ V33 = {M } oder 40 .sj Vii = {X | (X → si ) ∈ P } Vij = {X | ∃(X → BC) ∈ P.KAPITEL 4...... Folgerung: Typ-2-Sprachen sind Typ-1-Sprachen. +} S → 0 | SP P → MS | + M → 0 | 1 | PP Ist das Wort s = 0 + 1 + 0 = s1 s2 s3 s4 s5 in der Sprache L(G)? i.. (D → AB)... Teilprobleme s1 s2 .sj } (1 ≤ i ≤ j ≤ n).. S} V11 = {M.. Kasami.. (basiert auf dem Prinzip dynamischer Programmierung) Eingabe: s = s1 s2 .. Younger) wird zur L¨sung des Wortproblems f¨ r kontextfreie o u Sprachen in CNF angewandt. C.

j 1 2 3 4 5 1 M...] Optional.. Der Inhalt kann auch weggelassen werden.7 (Erweiterte) Backus-Naur-Form (E)BNF Beispiel: (hypothetische) Grammatik eines Ausschnitts einer Programmiersprache arithmetischer Ausdruck ::= Term { Additionsoperator Term } ↑ Variable der Grammatik → Additonsoperator ::= Terminalsymbol oder“ Terminalsymbol ” + | − Term ::= Faktor { Multiplikationsoperator Faktor } Multiplikationsoperator ::= ∗ | / Faktor ::= Zahl | Variable | ( Arithmetischer Ausdruck | Funltionsaufruf ) Funktionsaufruf ::= Name () | Name ( Argumentliste ) Argumentliste ::= Argument {.4.j } Laufzeit: Es m¨ ssen h¨chstens n2 Mengen Vij berechnet werden.. ⇒ O(n3 ) o 4.i+1..j−1 P M P + S 0 {X | ∃(X → BC) ∈ P : B ∈ Vik ∧ C ∈ Vk+1. 41 .} beliebig viele Wiederholungen (auch 0) des Inhalts [. Argument } ::= | { } [ ] Metasymbole {. S 0 2 S P + 3 S M P + 4 S − M P + 5 S M P − M. Jede Berechnung ist eine Schleife uber u o ¨ h¨chstens n Werte k.... S 0 i < j: Vij = k=i.7. (ERWEITERTE) BACKUS-NAUR-FORM (E)BNF S S S 0 P + P + s=0+++0 i.

o yz i uv i w.. u Der Ableitungsbaum ist ein bin¨rer Baum a Wenn jeder Weg von der Wurzel zu einem Knoten. ≤ h Variablenknoten enth¨lt. u ∀x ∈ L: |x| ≥ n0 ∃y. KONTEXTFREIE SPRACHEN (TYP-2-SPRACHEN) ¨ { } [ ] m¨ ssen bei der Ubersetzung in eine kontextfreie Grammatik aufgel¨st werden. a ¨ z 2 .. v.enth¨lt mehr Uberg¨nge zwischen 0 und 1 als z a a 2 2 ¨ ⇒yz uv w enth¨lt mehr als 2 Uberg¨nge a a ⇒yz 2 uv 2 w ∈ L / Fall 2: v enth¨lt 0 und 1 analog.mindestens ein Block ¨ndert seine L¨nge. 0n0 enthalten.8 Pumping-Lemma f¨r kontextfreie Sprachen u F¨ r jede kontextfreie Sprache L gibt es eine Schranke n0 ∈ N. v = ε z Beispiel: L = {0n 1n | n ∈ N} Annahme: L sein kontextfrei ⇒ n0 x = 0n0 1n0 0n0 = yzuvw Fall 1: z enth¨lt sowohl 0 als auch 1. z 3 . a a a a ⇒yz i uv i w ∈ L f¨ r i = 1 / u ⇒ L ist nicht kontextfrei Beweis: Sei L(G). mindestens ein Block ¨ndert seine L¨nge nicht. durch Einf¨ hren von u o u neuen Variablen und zus¨tzlichen Regeln. .. z..KAPITEL 4. dann |x| ≤ 2h−1 a v 1 2 3 4 X a X 0 X X S X X X 1 b X c 42 . aus dem ein Terminalsymbol entsteht. a Also ist z und v jeweils in einem der drei Bl¨cke 0n0 . w ∈ Σ∗ : x = yzuvw ∈ L ∧ (∀i ≥ 0)yz i uv i w ∈ L ∧ z. 1n0 . a {abc} ↔ (abc)∗ [abc] ↔ (abc + ε) als regul¨rer Ausdruck a |↔+ 4. u. G in CNF Ein Ableitungsbaum f¨ r x mit |x| = n hat n − 1 innere Knoten A mit je zwei Kindern.

. L1 = {0n 1m 0m | m.. L1 ∩ L2 = L1 ∪ L2 (de-Morgan) Wenn kontextfreie Sprachen abgeschlossen bez¨ glich Komplement w¨ren. der h Variablenknoten enth¨lt a h := |V | + 1 → Dieser Weg muss eine Variable A mehrfach enthalten.9 Abschlusseigenschaften kontextfreier Sprachen Satz: Kontextfreie Sprachen sind abgeschlossen bez¨ glich ∪.4. L1 . ∗ u u Kontextfreie Sprachen sind nicht abgeschlossen bez¨ glich ∩ und Komplement Beweis: L1 = {0n 1n 0m | m. L3 ⊂ L2 ⊂ L1 ⊂ L0 regul¨r = kontextfrei = kontextsensitiv = rekursiv aufz¨hlbar a a L= {0n 1n } L= {0n 1n 0n } ⊂ entscheidbare Sprachen Halteproblem 4. L2 . die unter diesen beiden a Knoten h¨ngen heißen T1 und T2 a T2 ⊂ T1 A T2 A y z u v w ∗ S → yAw T1 : A → zAv T2 : A → u ∗ ∗ (zv = ε) S → yAw→yzAvw → yzuvw beliebig oft wiederholen S → yAw → yuw (= yz 0 uv 0 w) (i=0) ∗ ∗ ∗ ∗ ∗ S → yAw → yzAvw → yzzAvvw → yz i Av i w → yz i uv i w (i≥1) ∗ ∗ ∗ ∗ ∗ Folgerung: Die Chomsky-Hierarchie ist echt: L0 . dann gibt es einen Weg von der Wurzel. dann w¨re sie auch abgeschlossen u a a bez¨ glich ∩ u Das Komplement von {0n 1n 0n } ist kontextsensitiv. n ∈ N}. ·.9. 43 . ABSCHLUSSEIGENSCHAFTEN KONTEXTFREIER SPRACHEN Wenn |x| > 2h−2 . n ∈ N} L1 ∩ L2 = {0n 1n 0n | b ∈ N} nicht kontextfrei. S n := 2|V |−1 + 1 funktioniert T1 Die beiden Teilb¨ume.. Typ-1-Sprachen. L3 seien die Typ-0-Sprachen.

Wiederhole.11 Kellerautomaten Typ-0-Sprachen (Typ-1-Sprachen Typ-2-Sprachen Typ-3-Sprachen Linksableitung: S → ABC → bAABC → bbAAABC → bbAABC → bb B BSBC ⇐⇒ ∼ ⇐⇒ ⇐⇒ Turingmaschinen Turingmaschinen mit linearem Platzbedarf) Kellerautomaten endliche Automaten Terminalsymbole des endg¨ ltigen Wortes u aktuelle Variable zuk¨ nftige Variablen“ u ” ¨ D. bis M3 sich stabilisiert. bis keine neuen Varaiblen mehr in M aufgenommen werden. dann setze M2 = M2 ∪ {B. h. ¨ Streiche Variablen in V − M2 . Definition: Eine Variable heißt ¨ berfl¨ ssig. ¨ S →¨ AC (A ∈ M ) M2 := Menge der Variablen. a Beispiel: A → AB (einzige Regel f¨ r A) u • Menge M : Initialisiere M := {A ∈ V | (A → x) ∈ P } • Wenn ses eine Regel A → BC mit B. u u 2 Gr¨nde: 1.10 Entscheidungsprobleme kontextfreier Sprachen Seien G1 . den nur das erste Variablensymbol wird durch etwas anderes ersetzt. • Wiederhole. S → AB → ABA → . C}. 44 .. Aus der Variable l¨sst sich kein Terminalwert erzeugen. u 4.. KONTEXTFREIE SPRACHEN (TYP-2-SPRACHEN) 4. wenn sie in keiner Ableitung eines Wortes ∈ Σ∗ vorkommt. die M enthalten aus der Grammatik. • • • • Initialisiere M2 := {S} Wenn es eine Regel A → BC mit A ∈ M2 gibt. u ¨ • Entferne die Variablen in M und alle Reglen. die von S aus erreichbar sind. Ubung 11) Wir nehmen an. Anderung nur am Anfang. dass G1 in CNF vorliegt. Variablen in M = V − M sind uberfl¨ ssig aus dem zweiten Grund. C ∈ M gibt. von S nicht ereichbar. Das Ergebnis ist eine Grammatik ohne Uberfl¨ ssige Variablen. u 2.KAPITEL 4. G2 kontextfreie Grammatiken • • • • • • • • L(G1 ) = 0? L(G1 ) = 0? Ist L(G1 ) regul¨r? a L(G1 ) = Σ∗ ? L(G1 ) = L(G2 )? L(G1 ) ⊆ L(G2 )? L(G1 ) ∩ L(G2 ) = ∅? L(G1 ) = ∅? entscheidbar entscheidbar unentscheidbar unentscheidbar unentscheidbar unentscheidbar unentscheidbar (ohne Beweis) (ohne Beweis) (ohne Beweis) ¨ (s. dann setzte M := M ∪ {A}.

. Z0 ) ⊢ (q0 . Z0 ){q2 . q1 } b) Q = {q0 . 1#10. • w1 . Z0 ) Nachfolgerelation ⊢ f¨ r Konfiguration u (q. 1)} δ(q0 .zk ) ⊢ (q ′ . die mit leerem Keller akzeptieren. Definition: Eine Konfiguration eines Kellerautomaten ist ein Tripel (q. 1... dann kann er in den Zustand q ′ wechseln und die Spitze des Kellers durch z ersetzen (z = ε: Das oberste Symbol γ wird gel¨scht).zk ) (q.. 01#10. ε.zk ) ⊢ . 10. #. q2 } mit F = {q2 } δ(q0 . 1) = {q1 . 0) = {q1 . Z0 ) = {(q0 . PDA) hat • • • • • • ein Eingabealphabet Σ eine Zustandsmenge Q ein Kelleralphabet Γ ein Bodensymbol Z0 ∈ Γ einen Anfangszustand q0 ∈ Q ∗ ¨ eine Ubergangsrelation δ: Q × (Σ ∪ {ε}) × Γ → 2Q×Γ (q ′ . transitive reflexive H¨ lle von ⊢ u ∗ falls (q ′ . und er den Buchstaben a liest (bzw. Z0 ) = {(q0 . #10. 0. 0. 1.. q1 . 10)} δ(q0 . 1) = {(q0 . Z0 ) = {(q1 ..wn ∈ Σ∗ . w1 ∈ Σ falls (q ′ . Z0 )} δ(q1 .) Beispiel: (a) ⊢ (q1 .. 0Z0 )} δ(q0 .. 11)} δ(q0 . usw. w1 . z) ∈ δ(q. b) solche. ε} a)δ(q1 .. ε} a)δ(q1 . 1) = {(q0 . Z0 ) (b) ⊢ (q2 .zk ) ⊢ (q ′ . 1}} Σ = {0.. zz2 . zz2 .... z1 .. falls a = ε ist). z1 ). . z) ∈ δ(q. 1. γ) bedeutet: Wenn der PDA im Zustand q ist.. 0) = {(q0 .... 0Z0 ) ⊢ (q1 .. 1) = {(q1 . . ε) (q0 . z) ∈ δ(q. augenblicklicher Zustand. Inhalt des Stapels (Spitze ist links. 1Z0 )} δ(q0 . z) mit • q ∈ Q. w2 . 0. ε} δ(q1 . o Es gibt zwei Arten von Kellerautomaten: a) solche. 10Z0 ) ⊢ (q1 . 0)} δ(q0 .wn .. 1) = ∅ . 1. 01)} δ(q0 .wn . 0.wm . 0. ε. w1 . Z0 ){q1 . 0) = {(q1 . z1 ) 45 . w1 . w1 w2 . 0Z0 ) ⊢ (q0 . #.. noch nicht gelesener Teil des Eingabewortes und • z ∈ Γ∗ . ε. 00)} δ(q0 . die durch eine Menge F ⊆ Q von akzeptierenden Zust¨nden akzeptieren a Beispiel: L = {w#wR | w ∈ {0.. 1. 0. nichts liest.wn . ε..wn .. Z0} a) Q = {q0 . #} Γ = {0. Z0 } δ(q1 . as obere Kellersymbol γ ist. ε.11. a. ε.. z1 . w1 w2 . 10Z0 ) ⊢ (q1 . #. 0) = {(q0 .... 1. KELLERAUTOMATEN Definition: Ein (nichtdeterministischer) Kellerautomat (Push-down automaton.4.

Satz: Die PDAs. Z0 = S.weiter wie bisher ⊢ (q0 . ε) ∈ δ(q0 .. Γ. γ ∈ Γ. Σ. Z0 ) = {(qF . ohne die Eingabe gelesen wird. Z0 . Z0 Z0 )} ′ δ ′ (q. (q0 . vuv. 0Z0 ) STOP. Z0) ⊢ (q0 . u u δ(q0 . 0110. Z0 . u. z). γ)| ≤ 1 (Dann gibt es zu jeder Konfiguration h¨chstens eine Nachfolgekonfiguration. u ∈ Σ Der Kellerautomat kann nun genau die Linksableitung der Grammatik nachbilden. weil M den a Keller leert. Wenn M in einem akzeptierenden Zustand u a ubergehen.. S → ABC → uBC → uAAC → uAC → uvC → uvBC → uvuC → uvuv (q0 . 1. z ∈ Γ∗ } Definition: Ein PDA ist ein deterministischer Kellerautomat (DPDA) wenn: ∀q ∈ Q. 1} Γ = {0. der nach b) akzeptiert ” neuer Automat M ′ : • f¨ gt ein zus¨tzliches unterestes Kellersymbol ein. ε). ǫ. wo der Keller geleert wird. F¨ r jede Regel A → B1 B2 . w. ε.. S) ⊢ (q0 . δ) ein PDA. a ¨ ′ ′ • M f¨ gt ein zus¨tzliches Kellersymbol Z0 als unterstes ein. Z0} δ(q0 . γ)| + |δ(q. die von Kellerautomaten akzeptiert werden. Z0 ) = {(q0 . der mit leerm Keller akzeptiert. x. 10. F = {qF }) ein PDA. KONTEXTFREIE SPRACHEN (TYP-2-SPRACHEN) Die vom PDA M akzeptierte Sprache ist: a) L(M ) = {x ∈ Σ∗ : (q0 . ε. u u F¨ r jede Regel A → u ∈ Σ f¨ ge (q0 . ε.Bk f¨ ge (q0 . u a ⇐“ M = (Q. und ” ′ ′ ′ ′ ′ M = (Q ∪ {qF . q0 }. A) ein. a.. uvuv. AAC) ⊢ . A) := {(q0 . dass M ′ nicht nur deshalb akzeptiert. Z0 ) ⊢ (q ′ . q0 . Σ. Satz: Die kontextfreien Sprachen sind genau die Sprachen. {q0 }.) o D.) wie oben.. 0Z0) ⊢ (q0 . BC) ⊢ (q0 . unser obiges Beispiel ist eigentlich ein DPDA Beispiel: L2 = {wwR | w ∈ {0. akzeptiert durch F ⊆ Q von akzeptierenden Zust¨nden. 110. γ) = {(q1 . vuv.Bk ∈ V ∗ ) ∈ P } δ(q0 .. V = Q × Γ × Q ∪ {S} Variablen haben die Form (q. δ ′ . 110.Bk ) | (A → B1 . akzeptieren dieselbe Klasse von Sprachen. Γ ∪ {Z0 }.. die nach (a) und nach (b) akzeptieren. q ′ ∈ Q} b) L(M ) = {x ∈ Σ∗ : (q0 . q ′ ) Tripelkonstruktion“ ” 46 . q ′ ∈ F. 110. Z0 ) ⊢ (q ′ . 1. uvuv. Z0) ⊢ (q0 .. q0 . ε)} ∗ ∗ ¨ • Alle Uberg¨nge von δ werden ubernommen. Γ = V. Beweis: ⇒“ Seien M = (Q. h. 10Z0) ⊢ (q1 . u. F ) sei ein Automat. 10. x. ε. γ)} f¨ r γ ∈ {0. ⇐“ Gegeben: Kellerautomat. ε. . ¨ • Das zus¨tzliche Kellersymbol stellt sicher. ε) | (A → u) ∈ P }. Σ. die Grammatik ist in CNF. Γ. Z0} u δ(q1 . Z0 . γ) wie oben (w ∈ {0.. 0110. Beweis: ⇒“ ” • • • Wir nehmen an.Bk ) ∈ δ(q0 ... ε.. Σ. a ∈ Σ: |δ(q. 10Z0) ⊢ . ABC) ⊢ (q0 .KAPITEL 4. δ. 1}) δ(q0 . ε. q0 . der nach b) akzeptiert ′ ′ ′ δ ′ (q0 .. A) := {(q0 . B1 . a ” Gesucht: Grammatik G. 1}∗} Σ = {0. Automat akzeptiert mit leerem Keller. A) ein. 0Z0) ⊢ (q1 . Z.. B1 .

¯ F¨ r alle (q ′ . z1 . q ′ ) → w ∈ Σ∗ ⇔ (q. q ) → w ⇐⇒ ∃¯: (q0 . z)} δ(q1 . z0 ) = {(q1 . q2 . ε.. q1 ) → 0110(q1 . Z) ⊢ (q ′ . Z1 . Z0 . Z3 . ε. Regeln: F¨ r alle (q ′ . 0110. q1 ) → (q1 . 0Z0 )} (q0 . q1 ) → 1 (q0 . 10Z0) ⊢ (q1 . 1.. w. q4 ). xz)}. 0. w. 0.. q0 ) −→ (q0 . Z. z. 1}. x) = {(q1 . • q2 . ∗ ∗ ∗ ∀q1 . z) u (q. q1 )(q1 . Z0) ⊢ (q0 . x ∈ {0. 10. ε)}. 1. q1 ) → 0(q0 . 1. werden geraten. 0)} (q1 . q0 ) (q0 . 0. q1 ) → 0(q0 . Z0 . Z0 . Z1 Z2 . Z0 .4. ε. x. q1 )(q1 .wn . ε.(ql . q1 } δ(q0 .wn . z) mit |z ′ | ≥ 1. ε. x ∈ {x ∈ {0. Z0 . z ∈ {0. q2 ). q1 )(q1 . Z0 . ε)} Also werden die folgenden Produktionen gebildet (1) am Beispiel δ(q0 . zl .. q0 )(q0 .. Z0 . 0. q) → a(q ′ . q2 )(q2 . . q ). ε. Z0 . Z0 ) ⊢ (q1 . q1 ) → 011(q1 .. q3 )(q3 . q ) f¨ r alle q ∈ Q ¯ u ¯ Aus der Behauptung folgt: L(G) = L(M ) q ¯ q q w ∈ L(G) ⇔ S w⇔ ∃¯: (q0 . Beweis durch Induktion nach der L¨nge der Ableitung bzw.. ε) ∈ δ(q. Z0 ) = {(q0 . Z0 . 0Z0) ⊢ (q0 . Z0 . z ′ ) ∈ δ(q. q0 ) → 0(q0 . 10Z0) ⊢ (q1 . ε) S → (q0 . Zl . a a Beispiel: L = {wwT | w ∈ {0. 0Z0) ⊢ (q1 . q0 )(q0 .. q0 ) (q0 .) • qi>1 ist der Zustand. q1 )(q1 . ql+1 ) das soll folgende Rechnung widerspiegeln (q0 . q1 ) (3) am Beispiel δ(q0 . 0. q3 .. 0.. . 0)} (q0 . Z0 . q0 ) → 0(q0 . q1 ) −→ (q0 . a. a. q1 ) → 01(q1 .Zl ) ∗ (die ersten k Symbole sind gelesen. Z0 ) ⊢ (¯. q1 ) → 01(q0 . q1 )(q1 . 1}} δ(q1 . ε. q ′ ) → a Behauptung: (q. q1 )(q1 . ε) ⇔ w ∈ L(M ) ∗ ∗ Beh. z2 . Z0 . Z0 . der in der weiteren Rechnung angenommen wird. Z0 . 0. 0.. w1 . q1 ) → 0110 Annahme: Automat akzeptiert durch leeren Keller Startregeln: S → (q0 . nach der L¨nge der Rechnung. Z ′ = z1 z2 . 0. 0. q1 ) → 0(q0 .. q1 )(q1 . ε. 1}∗ } Q = {q0 . 0) = {(q1 .zl u ¯ (q. 0.. q ¯ (a ∈ Σ ∪ {ε}) (1) (2) (3) 47 . ε) Der Automat hat w gelesen und sieht das erste Mal. 0.. Z0 ) ⊢ (q1 . q1 )(q1 . Z2 . wk+1 . 10.(ql−1 . 1. was unter Z auf dem Stapel ist. q1 ) (2) am Beispiel δ(q0 . 110. z0} δ(q0 . sobald Zi als oberstes Startsymbol erscheint.. z) = {(q1 . Z0 . 0. z) = {(q0 ..11. q1 )(q1 . KELLERAUTOMATEN ∗ Idee: S → w1 w2 . Z0 . x.. q0 ) → (q1 .. 0.wk (q1 . z.. ql−1 . 0) = {(q1 .

z ′ ) ∈ δ1 (q1 . Z) := {((q ′ . der durch akzeptierende Zust¨nde akzeptiert. KONTEXTFREIE SPRACHEN (TYP-2-SPRACHEN) 4. +1. q2 ). u a Bew. 4. −1}: Bewegung des Kopfes Die Eingabe ist durch % und $ auf dem Eingabeband begrenzt.. u • PDA: M mit Q = Q1 × Q2 δ((q1 .. A2 sei ein u a DEA f¨ r L2 . z ′ ) ∈ δ1 (q1 .Zk . δ2 (q2 . a. Z)} δ((q1 . 1}∗} ist kontextfrei. z ′ : (q ′ . $}. Z) := {((q ′ . q2 ). aber nicht deterministisch kontextfrei Bemerkung: Deterministisch kontextfreie Sprachen sind abgeschlossen unter Komplement. ε. q0 ) a∈Σ 4. z) = (q ′ . %w1 w2 .: M1 sei ein PDA f¨ r die kontextfreie Sprache L1 . δ(q.12 Abschlusseigenschaften kontextfreier Sprachen gegen¨ber regul¨ren u a Sprachen Satz: Die kontextfreien Sprachen sind abgeschlossen gegen¨ ber dem Durchschnitt mit regul¨ren Sprachen. Z1 Z2 . a Deterministische Zweiwege-Kellerautomaten k¨nnen auf dem Eingabeband beliebig nach links uder nach rechts o fahren. a ∈ Σ ∪ {%. q2 ). ε. Z))} q0 = F = F1 × F2 Produkt der Automaten: Der neue Kellerautomat M simuliert M1 und A2 gleichzeitig: ” L(M )) = L(M1 ) ∩ L(A2 ) 1 2 (q0 .wn $ Lesekopf Ausgangskonfiguration 48 . a.14 Deterministische Zweiwege-Kellerautomaten ⇐⇒ K1 K2 K1 K2 Kellerautomaten mit zwei Kellern..13 Deterministische kontextfreie Sprachen Definition: Eine deterministische kontextfreie Sprache ist eine Sprache. b).KAPITEL 4. a)). b ∈ {0. Beispiele: • {0n #1n | n ∈ N} ist deterministisch kontextfrei • {w#wR | w ∈ Σ∗ } ist deterministisch kontextfrei • {wwR | w ∈ {0. z ′ ) : (q ′ . aber nicht unter Umkehrung. a. sind genauso m¨chtig wie Turingmaschinen. die von einem deterministischen Kellerautomaten mit einer akzeptierenden Zustandsmenge akzeptriert werden..

.wn $ 0 1 ↑ ↑ . 2. Satz: Jede Sprache... die von enem deterministischen Zweiwege-Kellerautomaten akzeptiert wird. Z. Z. . Z. i ] := true . kann in linearer Zeit von einer Registermaschine (RAM) entschieden werden... i ] = 0 then return ENT[ q. i ] i n A r b e i t [ q.. in Zustand q ′ und an Position j e n t ( q. i f ENT[ q. Z. i] der Gr¨ße O(n) sobald sie berechnet o wurden (Initialisiere zu 0). Z. W¨hrend ent(q. Der Stapel wird dabei immer weiter wachsen oder konstant bleiben. DETERMINISTISCHE ZWEIWEGE-KELLERAUTOMATEN 4. i) = (q ′ . Z1 . k (q ′ . wo das darunterliegende Stapelsymbol sichtbar wird. j) q. weil sich die Konfiguration (q. i ] then STOP . Die Technik heißt Tabellieren (engl.14. i ] := (q. i) unendlich oft wiederholt. i ) i f i n A r b e i t [ q. kann ein rekura siver Aufruf mit denselben Parametern (q. von rechts nach links • Fahre zur ersten Position von x .. // Wort wir d n i c h t a k z e p t i e r t 49 . und das oberste Stapelsymbol Z ist. ↑ n+1 ent(q. Zl . ⇒ Algorithmus terminiert nicht. ⇒ Kellerautomat terminiert nicht. z.. dann ist er zu dem Zeitpunkt. v ∈ (Σ0 )∗ } % x # $ . u. z. • Kopiere y auf den Stapel. • (A) Vergleiche die Symbole von x mit dem Sybol auf dem Stapel. q ′ ∈ Q. i ] := f a l s e return ( q ’ .Zk .1 Teilwortproblem Eingabe: x#y Frage: Kommt das Muster x im Text y vor? L = {x#uxv | x. .14. 0 ≤ i. z.. (q ′ . Z) j := i + b for l := 1. Z.4. j ) Idee: Speichere die Werte der Entladefunktion in einem Feld ENT[q. j ≤ n + 1 Wenn der Automat im Zustand q an Position i ist. o • Wenn # gelesen wird → Teilwort vorhanden → akzeptiere • Bei einem Konflikt fahre zur¨ ck zum Anfang und f¨ lle den Stapel mit den Symbolen von x auf.. Folgerung: Teilwortproblem ist in linearer Zeit l¨sbar. o Problem: Bei rekursiven Aufrufen kann die Laufzeit ∞ sein. j) i n A r b e i t [ q. memorization) Laufzeit: O(n) Jeder Eintrag von ENT wird h¨chstens einmal berechnet. b) := δ(q. j) := e n t ( q ′ . Z ∈ Γ. j ) ENT[ q. i) gestartet werden. die Symbole werden vom Stapel gel¨scht. i) aufgerufen ist.. Z. Z. o Beweis: Entladefunktion Eingabe: %w1 . L¨sche u u o erstes Symbol des Stapels und gehe zu (A). Z. wi .

KAPITEL 4. j) mit q ′ ∈ F 50 . z0 . dass der Kellerautomat. 1) = (q ′ . wenn er ein Wort akzeptieren will. z. i] (am Anfang false) wird endlose Rekursion vermieden. in einen akzeptierenden o Zustand geht und dann der Keller leert. Wir k¨nnen annehmen. KONTEXTFREIE SPRACHEN (TYP-2-SPRACHEN) Durch ein Boolsches Feld inArbeit[q. Wort wird akzeptiert ⇐⇒ ent(q0 .

Sign up to vote on this title
UsefulNot useful