summaryrefslogtreecommitdiffstats
path: root/slides1.tex
blob: 10ed29355bd5f170946ead89b4dab8c456052613 (plain)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
529
530
531
532
533
534
535
536
537
538
539
540
541
542
543
544
545
546
547
548
549
550
551
552
553
554
555
556
557
558
559
560
561
562
563
564
565
566
567
568
569
570
571
572
573
574
575
576
577
578
579
580
581
582
583
584
585
586
587
588
589
590
591
592
593
594
595
596
597
598
599
600
601
602
603
604
605
606
607
608
609
610
611
612
613
614
615
616
617
618
619
620
621
622
623
624
625
626
627
628
629
630
631
632
633
%% This is a LaTeX document.  Hey, Emacs, -*- latex -*- , get it?
\documentclass[mathserif,a4paper]{beamer}
%\documentclass[a4paper]{article}
%\usepackage[envcountsect,noxcolor]{beamerarticle}
%\usepackage[francais]{babel}
\usepackage[utf8]{inputenc}
\usepackage[T1]{fontenc}
\DeclareUnicodeCharacter{00A0}{~}
% Beamer theme:
\usetheme{Goettingen}
%\usecolortheme{albatross}
%\usecolortheme{lily}
%\setbeamercovered{transparent}
% A tribute to the worthy AMS:
\usepackage{amsmath}
\usepackage{amsfonts}
\usepackage{amssymb}
\usepackage{amsthm}
%
\usepackage{mathrsfs}
%
\usepackage{graphicx}
\usepackage{tikz}
\usetikzlibrary{matrix,arrows,snakes,calc}
%
\newcommand{\itempoint}{\strut\hbox{\color{beamerstructure}\donotcoloroutermaths$\blacktriangleright$}\nobreak\hskip.5em plus.5em\relax}
\renewcommand{\thefootnote}{\textdagger}
\newcommand{\ord}{\mathop\mathrm{ord}\nolimits}
%
%
%
\title{Mots, languages et langages rationnels}
\subtitle{Théorie des langages (INF105)}
\author[David Madore]{David A. Madore\\
{\footnotesize Télécom ParisTech}\\
\texttt{david.madore@enst.fr}}
\date{17 octobre 2018}
\mode<presentation>{%
\beamertemplatenavigationsymbolsempty
\usenavigationsymbolstemplate{\vbox{\hbox{\footnotesize\hyperlinkslideprev{$\leftarrow$}\insertframenumber/\inserttotalframenumber\hyperlinkslidenext{$\rightarrow$}}}}
}
\setbeamercolor{myhighlight}{fg=black,bg=white!90!green}
\begin{document}
\mode<article>{\maketitle}
%
\setlength\abovedisplayskip{2pt plus 2pt minus 2pt}
\setlength\belowdisplayskip{2pt plus 2pt minus 2pt}
%
\frame{\titlepage}
%
\section*{Plan}
\begin{frame}
\frametitle{Plan}
\tableofcontents
\end{frame}
%
\section{Introduction}
\begin{frame}
\frametitle{Qu'est-ce que la théorie des langages ?}

\itempoint Discipline à l'interface entre \textbf{mathématiques}
discrètes et \textbf{informatique}.

\bigskip

\itempoint Trouve ses origines dans une étude formelle de la
linguistique (Chomsky) et de la calculabilité (Turing).

\bigskip

\itempoint Cherche à développer des outils algorithmiques et concepts
abstraits pour l'étude des \textbf{chaînes de caractères}
(=~\textbf{mots}) et fichiers texte, p.ex. :
\begin{itemize}
\item recherche de motifs / remplacement,
\item différences, substitutions,
\item analyse syntaxique (p.ex. avant compilation).
\end{itemize}

\bigskip

\itempoint Ce cours se concentrera sur trois aspects :
\begin{itemize}
\item langages et expressions rationnels, automates finis,
\item grammaires hors contexte et arbres d'analyse,
\item introduction à la calculabilité.
\end{itemize}

\end{frame}
%
\section{Alphabets, mots, longueur, concaténation}
\begin{frame}
\frametitle{Alphabet, lettres, mots, langages}

Quatre concepts basiques :

\medskip

\itempoint L'\textbf{alphabet} (= jeu de caractères) est un ensemble
\emph{fini}, généralement noté $\Sigma$, sans structure particulière.

\smallskip

{\footnotesize

Souvent fixé pour toute la discussion, p.ex., $\Sigma = \{a,b,c\}$.

\par}

\medskip

\itempoint Les éléments de $\Sigma$ s'appellent \textbf{lettres} ou
\textbf{caractères}.

\medskip

\itempoint Un \textbf{mot} est une suite \emph{finie} de lettres.

(L'ensemble des mots possibles se note $\Sigma^*$.)

\medskip

\itempoint Un \textbf{langage} est un ensemble (quelconque) de mots.

\end{frame}
%
\begin{frame}
\frametitle{Alphabet et lettres}

On considère un ensemble $\Sigma$ \emph{fini}, l'\textbf{alphabet},
dont les éléments s'appellent \textbf{lettres} ou \textbf{caractères}
(ou \textbf{symboles}).

\bigskip

P.ex., $\Sigma = \{0,1\}$ (alphabet \textbf{binaire}).

\bigskip

En informatique, on parle de \textbf{jeu de caractères}, p.ex., ASCII
ou Unicode.

\bigskip

Pour les exemples, on utilisera souvent quelque chose comme $\Sigma =
\{a,b\}$ ou $\{a,b,c\}$.

\end{frame}
%
\begin{frame}
\frametitle{Mots}

{\footnotesize(Rappel : $\Sigma$ est un ensemble \emph{fini}.)\par}

\medskip

\itempoint Un \textbf{mot} sur $\Sigma$ est une suite finie de lettres
(= éléments de $\Sigma$).

\smallskip

En informatique, on parle de \textbf{chaîne de caractères}.

\medskip

\itempoint On notera sans séparateur : $x_1\cdots x_n$ le mot de $n$
lettres (= longueur $n$) formé par $x_1,\ldots,x_n$.

\medskip

\itempoint \textbf{Longueur} d'un mot : $|x_1\cdots x_n| = n$.  Aussi
notée $\ell(x_1\cdots x_n)$.

\medskip

\itempoint Il existe un unique mot de longueur $0$ : le \textbf{mot
  vide}, généralement noté $\varepsilon$ (en informatique,
\texttt{\char`\"\char`\"}).

\smallskip

{\footnotesize Le symbole $\varepsilon$ \alert{ne fait pas} partie de
  l'alphabet !  C'est un symbole spécial.\par}

\medskip

\itempoint L'ensemble de tous les mots sur $\Sigma$ sera noté
$\Sigma^*$.

\smallskip

{\footnotesize L'ensemble $\Sigma^*$ est toujours infini (sauf
  si $\Sigma = \varnothing$).\par}

\smallskip

{\footnotesize P.ex. $\{a\}^* = \{\varepsilon, a, aa, aaa, aaaa,
  \ldots\}$.\par}

\end{frame}
%
\begin{frame}
\frametitle{Concaténation de mots}

{\footnotesize(Rappel : $\Sigma$ est un ensemble \emph{fini}, et
  $\Sigma^*$ l'ensemble des \textbf{mots} sur $\Sigma$ = suites
  finies.)\par}

\medskip

\itempoint Si $u = x_1\cdots x_m$ est un mot de longueur $m$,\\
et $v = y_1\cdots y_n$ est un mot de longueur $n$,\\
alors $uv := x_1\cdots x_m y_1\cdots y_n$ mot de longueur $m+n$.

\medskip

\itempoint On parle de \textbf{concaténation} ou simplement
\textbf{produit} des mots $u$ et $v$.

\medskip

\itempoint Opération associative, $\varepsilon$ est neutre, et
$|uv| = |u|+|v|$.

\medskip

\itempoint Puissances d'un mot : $u^n := u\cdots u$ (répété $n$ fois)
si $u\in\Sigma^*$, $n\in\mathbb{N}$, avec conv\textsuperscript{n} $u^0
:= \varepsilon$.  On a $u^{m+n} = u^m u^n$ et $u^{mn} = (u^m)^n$ et
$|u^n| = n|u|$.

\medskip

\itempoint Si $w = uv$, on dit que $u$ est un \textbf{préfixe} de $w$,
que $v$ est le \textbf{suffixe} correspondant.

\end{frame}
%
\begin{frame}
\frametitle{Facteurs, sous-mots, miroir}

\itempoint\textbf{Facteur} = préfixe d'un suffixe = suffixe d'un
préfixe = choix de lettres consécutives.

\smallskip

Si $w = x_1\cdots x_n$, un facteur de $w$ est un $x_i x_{i+1}\cdots
x_{j-1}$ où $i\leq j$ (longueur $j-i$), y compris le mot vide.

\smallskip

{\footnotesize P.ex. $\varepsilon$, $bbc$, $cab$ et $abbcab$ sont
  facteurs de $abbcab$ mais pas $abc$.\par}

\bigskip

\itempoint\textbf{Sous-mot} = choix de lettres non
nécess\textsuperscript{t} consécutives (mais dans l'ordre).

\smallskip

Si $w = x_1\cdots x_n$, un facteur de $w$ est un $x_{i_1} x_{i_2}
\cdots x_{i_k}$ où $1\leq i_1<\cdots<i_k\leq n$ (longueur $k$), y
compris le mot vide.

\smallskip

{\footnotesize P.ex. $\varepsilon$, $abc$ et $abbcab$ sont sous-mots
  de $abbcab$ mais pas $cba$.\par}

\smallskip

{\footnotesize Tout facteur est un sous-mot.\par}

\bigskip

\itempoint\textbf{Mot miroir} = inverser l'ordre des lettres.

\smallskip

Si $w = x_1\cdots x_n$, alors $w^{\textsf{R}} := x_n\cdots x_1$.

\smallskip

{\footnotesize Noter $(uv)^{\textsf{R}} = v^{\textsf{R}}
  u^{\textsf{R}}$.\par}

\smallskip

{\footnotesize \textbf{Palindrome} : mot $w$ tel que $w =
  w^{\textsf{R}}$.\par}

\end{frame}
%
\section{Langages et opérations sur les langages}
\begin{frame}
\frametitle{Notion de langage}

\itempoint Un \textbf{langage} $L$ sur $\Sigma$ est un ensemble
(quelconque !) de mots sur $\Sigma$.

\smallskip

Autrement dit, $L \subseteq \Sigma^*$ (rappel : $\Sigma^* =
\{\text{mots sur~$\Sigma$}\}$).

\medskip

\itempoint Un langage peut être fini ou infini.

\smallskip

Deux cas extrêmes : $\varnothing$ (langage vide, ne contient aucun
mot), $\Sigma^*$ (langage plein, contient tous les mots).

\smallskip

On distinguera bien $\{\varepsilon\}$ (contient un seul mot, le mot
vide) et $\varnothing$ (ne contient aucun mot).

\medskip

{\footnotesize

\itempoint Autres exemples sur $\Sigma = \{a,b\}$ : le langage $\{abb,
abab, abbbb\}$, celui des mots commençant par $a$, celui des mots
finissant par $b$, celui des mots ne contenant aucun $a$, celui des
mots dont la longueur est un nombre premier.  Aussi $\Sigma$ = mots de
longueur $1$.

\par}

\medskip

\itempoint Opérations booléennes : $L_1\cup L_2$ (réunion), $L_1\cap
L_2$ (intersection), $\Sigma^*\setminus L$ (complémentaire, parfois
noté $\overline{L}$).

{\footnotesize

\itempoint Remarque : on a $L_1 \cap L_2 = \overline{\overline{L_1}
  \cup \overline{L_2}}$.

\par}

\medskip

{\footnotesize

\itempoint On peut identifier un langage à une \textbf{propriété} des
mots.

\par}

\end{frame}
%
\begin{frame}
\frametitle{Concaténation, puissances, étoile de Kleene}

\itempoint Concaténation de langages : $L_1 L_2$ est l'ensemble $\{w_1
w_2 : w_1\in L_1, w_2\in L_2\}$ des concaténations d'un mot quelconque
de $L_1$ et d'un mot quelconque de $L_2$.

\medskip

\itempoint Puissances : $L^n := L\cdots L$ (avec $n$ facteurs) est
l'ens. des concat\textsuperscript{ons} de $n$ mots de $L$.
(Conv\textsuperscript{n} : $L^0 = \{\varepsilon\}$.)

\medskip

{\footnotesize

\itempoint Attention : $L^n$ \alert{n'est pas} $\{w^n : w\in L\}$ en
général.

\par}

\medskip

\itempoint \textbf{Étoile de Kleene} : $L^* :=
\bigcup_{n\in\mathbb{N}} L^n$ est l'ensemble des concaténations de
mots de $L$ (éventuellement zéro).

\smallskip

{\footnotesize

On retrouve bien $\Sigma^* = \{\text{mots sur~$\Sigma$}\}$.

\par}

\smallskip

{\footnotesize

\itempoint Variante : $L^+ := \bigcup_{n\geq 1} L^n = LL^*$ est
l'ensemble des concaténations d'au moins un mot de $L$.

Notamment, $\Sigma^+ = \{\text{mots non vides}\}$.

\par}

\end{frame}
%
\begin{frame}
\frametitle{Classes de langages}

Une \textbf{classe de langages} est un ensemble de langages.  On ne
fera pas leur théorie générale.

\bigskip

Mais on étudiera dans ce cours quatre grandes classes de langages, de
la plus petite à la plus grande (inclusions successives) :

\smallskip

\itempoint Les \textbf{langages rationnels} définis par les
expressions rationnelles.  Cette classe coïncidera avec celle des
\textbf{langages reconnaissables} définis par les automates finis.

\smallskip

\itempoint Les \textbf{langages algébriques} définis par les
grammaires hors contexte.

\smallskip

\itempoint Les \textbf{langages décidables} définis par des
algorithmes quelconques (mais terminant à coup sûr en temps fini).

\smallskip

\itempoint Les \textbf{langages semi-décidables} définis par des
algorithmes quelconques (terminant pour indiquer l'appartenance d'un
mot au langage).

\end{frame}
%
\section{Langages rationnels et expressions rationnelles}
\begin{frame}
\frametitle{Notion de langage rationnel}

\itempoint Les \textbf{langages rationnels} sont ceux qui s'obtiennent
à partir des langages $\varnothing$, $\{\varepsilon\}$ et $\{x\}$
(pour $x\in\Sigma$) à partir des opérations de
\begin{itemize}
\item réunion (de deux langages),
\item concaténation (de deux langages),
\item étoile de Kleene (d'un langage),
\end{itemize}
appliquées un nombre fini de fois.

\bigskip

\itempoint Intuitivement, ce sont les langages qui admettent une
description à partir des lettres de l'alphabet et des connecteurs « ou
bien » (disjonction), « suivi de » (concaténation) et « répétitions
illimitées de » (étoile).

\bigskip

\itempoint Exemple : $\{d\}(\{c\}^*) = \{d, dc, dcc, dccc, \ldots\}$
est le langage constitué des mots formés d'un $d$ suivi d'une
répétition quelconque de la lettre $c$.

\end{frame}
%
\begin{frame}
\frametitle{Expressions rationnelles}

\itempoint Les \textbf{expressions rationnelles}
(= \textbf{régulières}) sont un moyen pour \emph{(dé)noter}
commodément un langage rationnel.

\smallskip

{\footnotesize

\itempoint P.ex. : $dc{*}$ est une r.e. dénotant le langage rationnel
$\{d\}(\{c\}^*) = \{d, dc, dcc, dccc, \ldots\}$.  À lire comme « un
$d$ suivi d'un nombre quelconque de $c$ ».

\par}

\medskip

\itempoint Souvent utilisées en informatique pour spécifier des motifs
de recherche.  (Nombreuses variations de syntaxe.)

\medskip

\itempoint Ce sont des mots sur l'alphabet « étendu » $\Sigma \cup
\{\bot, \underline{\varepsilon}, {(}, {)}, {|}, {*}\}$, les derniers
étant appelés \textbf{métacaractères} (n'appartiennent pas
à $\Sigma$).

\medskip

\itempoint Le ${|}$ dénote la disjonction (réunion des langages).

\itempoint Le ${*}$ dénote l'étoile de Kleene.

\itempoint Les parenthèses corrigent la priorité (étoile prioritaire
sur concaténation prioritaire sur disjonction).

\itempoint $\underline{\varepsilon}$ dénote le (langage formé du seul)
mot vide.

\itempoint $\bot$ dénote le langage vide (rarement utile...).

\end{frame}
%
\begin{frame}
\frametitle{Expressions rationnelles (suite)}

Exemples d'expressions rationnelles sur $\Sigma = \{a,b,c,d\}$ :

\begin{itemize}
\item $a|b|cd$ dénote le langage $\{a\} \cup \{b\} \cup \{c\}\{d\} =
  \{a,b,cd\}$.
\item $a(b|cd)$ dénote le langage $\{a\}(\{b\} \cup \{c\}\{d\})
  \penalty0 = \{a\}\{b,cd\} \penalty0 = \{ab,acd\}$, et est
  équivalente à $ab|acd$.
\item $a{*}$ dénote $\{a\}^* = \{\varepsilon, a, aa, aaa,\ldots\}$.
\item $aa{*}$ dénote $\{a\}\{a\}^* = \{a, aa, aaa, aaaa,\ldots\} =
  \{a\}^+$.
\item $(a|b){*}$ dénote le langage $(\{a\}\cup\{b\})^* = \{a,b\}^*$
  des mots quelconques sur l'alphabet $\{a,b\}$ (= mots ne contenant
  que des $a$ et des $b$).
\item $(a|bb){*}$ dénote le langage $\{a,bb\}^*$ des mots du précédent
  dont les $b$ viennent par paires.
\item $aba(a|b|c|d){*}$ ...mots ayant $aba$ pour
  préfixe.
\item $(a|b|c|d){*}aba$ ...mots ayant $aba$ pour suffixe.
\item $(a|b|c|d){*}aba(a|b|c|d){*}$ ...mots ayant $aba$ pour facteur.
\end{itemize}

\end{frame}
%
\begin{frame}
\frametitle{Expressions rationnelles (suite)}

Autres exemples d'expressions rationnelles sur $\Sigma =
\{a,b,c,d\}$ :

\begin{itemize}
\item $(a|b|c|d){*}a(a|b|c|d){*}b(a|b|c|d){*}a(a|b|c|d){*}$ ...mots
  ayant $aba$ pour sous-mot.
\item $(ba{*}){*}$ dénote le langage $(\{b\}\{a\}^*)^* =
  \{b,ba,baa,\ldots\}^*$ des mots formés d'un certain nombre de $b$
  chacun suivi d'un certain nombre de $a$.
\item $a{*}(ba{*}){*}$ est en fait équivalente à $(a|b){*}$
  (dénotant le langage $\{a,b\}^*$).
\item $(a|b)\underline{\varepsilon}(c|d)$ est équivalente à
  $(a|b)(c|d)$ et dénote $\{ac,bc,ad,bd\}$.
\item $(a|b)\bot(c|d)$ dénote le langage $\{a,b\} \varnothing \{c,d\}$
  qui est vide.
\end{itemize}

\end{frame}
%
\begin{frame}
\frametitle{Expressions rationnelles : définition formelle}

Formellement, par induction sur la complexité :

\itempoint $\bot$ est une r.e. dénotant $\varnothing$,

\itempoint $\underline{\varepsilon}$ est une r.e. dénotant
$\{\varepsilon\}$,

\itempoint si $x\in\Sigma$ alors $x$ est une r.e. dénotant $\{x\}$,

\itempoint si $r_1,r_2$ sont deux r.e. dénotant $L_1$ et $L_2$
alors $r_1 r_2$ est une r.e. dénotant $L_1 L_2$,

\itempoint ...et $(r_1|r_2)$ est une r.e. dénotant $L_1\cup L_2$,

\itempoint si $r$ est une r.e. dénotant $L$ alors $(r){*}$ est une
r.e. dénotant $L^*$.

\bigskip

\itempoint Un langage rationnel est un langage dénoté par une r.e. ;
si $r$ est une r.e., on note $L(r)$ le langage qu'elle dénote.

\smallskip

{\footnotesize

(+ règles sur l'omission des parenthèses...)

\par}

\bigskip

\itempoint On dit que $w$ \textbf{vérifie} $r$ quand $w \in L(r)$.

\smallskip

\itempoint On dit que $r$ et $r'$ sont \textbf{équivalentes} quand
$L(r) = L(r')$.

\end{frame}
%
\begin{frame}
\frametitle{Questions algorithmiques}

On veut maintenant se poser les questions suivantes :

\begin{itemize}
\item Donnés $w$ (un mot) et $r$ (une r.e.), comment décider
  algorithm\textsuperscript{t} si $w \in L(r)$ ?
\item Données $r$ et $r'$ (deux r.e.), comment décider
  algorithm\textsuperscript{t} si $L(r) = L(r')$ ?
\item Donnée $r$, existe-t-il une r.e. $r'$ telle que $L(r') =
  \Sigma^* \setminus L(r)$ (i.e., le langage complémentaire d'un
  rationnel est-il rationnel) et si oui, comment la trouver
  algorithm\textsuperscript{t} ?
\item Données $r_1$ et $r_2$, existe-t-il une r.e. $r$ telle que $L(r)
  = L(r_1) \cap L(r_2)$ (i.e., l'intersection de deux langages
  rationnels est-il rationnel) et si oui, comment la trouver
  algorithm\textsuperscript{t} ?
\end{itemize}

La résolution de ces problèmes passera par la notion
d'\textbf{automate fini}.

\end{frame}
%
\end{document}