Teoría de la computación

Ir a la navegaciónIr a la búsqueda
Este artículo o sección necesita ser wikificado, por
favor, edítalo para que las cumpla con las convenciones de estilo.
Este aviso fue puesto el 30 de abril de 2014.

La teoría de la computación es un conjunto de conocimientos racionales, sistematizados

y funcionales que se centran en el estudio de la abstracción de los procesos que ocurren
en la realidad con el fin de reproducirlos con ayuda de sistemas formales, es decir, a través
de códigos de caracteres e instrucciones lógicas, reconocibles por el ser humano, con
capacidad de ser modeladas en las limitaciones de dispositivos que procesan información
y que efectúan cálculos como, por ejemplo, el ordenador. Para ello, se apoya en la teoría
de autómatas, a fin de simular y estandarizar dichos procesos, así como para formalizar
los problemas y darles solución.[cita requerida]

Índice

 1Principales subramas

o 1.1Teoría de autómatas

o 1.2Teoría de la computabilidad

o 1.3Teoría de la complejidad computacional

 2Otras subramas

 3Historia

 4Referencias

 5Bibliografía

Principales subramas[editar]
Teoría de autómatas[editar]
Artículo principal: Teoría de autómatas

Esta teoría provee modelos matemáticos que formalizan el concepto

de computadora o algoritmo de manera suficientemente simplificada y general para que se
puedan analizar sus capacidades y limitaciones. Algunos de estos modelos juegan un
papel central en varias aplicaciones de las ciencias de la computación, incluyendo
procesamiento de texto, compiladores, diseño de hardware e inteligencia artificial.
Existen muchos otros tipos de autómatas como las máquinas de acceso
aleatorio, autómatas celulares, máquinas ábaco y las máquinas de estado abstracto; sin
embargo en todos los casos se ha mostrado que estos modelos no son más generales que
la máquina de Turing, pues la máquina de Turing tiene la capacidad de simular cada uno
de estos autómatas. Esto da lugar a que se piense en la máquina de Turing como el
modelo universal de computadora.
Teoría de la computabilidad[editar]
Artículo principal: Teoría de la computabilidad
Véase también: Indecidibilidad

Esta teoría explora los límites de la posibilidad de solucionar problemas mediante

algoritmos. Gran parte de las ciencias computacionales están dedicadas a resolver
problemas de forma algorítmica, de manera que el descubrimiento de
problemas imposibles es una gran sorpresa. La teoría de la computabilidad es útil para no
tratar de resolver algorítmicamente estos problemas, ahorrando así tiempo y esfuerzo.
Los problemas se clasifican en esta teoría de acuerdo a su grado de imposibilidad:

 Los computables son aquellos para los cuales sí existe un algoritmo que siempre
los resuelve cuando hay una solución y además es capaz de distinguir los casos que
no la tienen. También se les conoce como decidibles, resolubles o recursivos.

 Los semicomputables son aquellos para los cuales hay un algoritmo que es
capaz de encontrar una solución si es que existe, pero ningún algoritmo que determine
cuando la solución no existe (en cuyo caso el algoritmo para encontrar la solución
entraría a un bucle infinito). El ejemplo clásico por excelencia es el problema de la
parada. A estos problemas también se les conoce como listables, recursivamente
enumerables o reconocibles, porque si se enlistan todos los casos posibles del
problema, es posible reconocer a aquellos que sí tienen solución.

 Los incomputables son aquellos para los cuales no hay ningún algoritmo que los
pueda resolver, no importando que tengan o no solución. El ejemplo clásico por
excelencia es el problema de la implicación lógica, que consiste en determinar cuándo
una proposición lógica es un teorema; para este problema no hay ningún algoritmo
que en todos los casos pueda distinguir si una proposición o su negación es un
teorema.
Hay una versión más general de esta clasificación, donde los problemas incomputables se
subdividen a su vez en problemas más difíciles que otros. La herramienta principal para
lograr estas clasificaciones es el concepto de reducibilidad: Un problema se reduce al
problema si bajo la suposición de que se sabe resolver el problema es posible resolver al
problema ; esto se denota por , e informalmente significa que el problema no es más difícil
de resolver que el problema . Por ejemplo, bajo la suposición de que una persona sabe
sumar, es muy fácil enseñarle a multiplicar haciendo sumas repetidas, de manera que
multiplicar se reduce a sumar.
Teoría de la complejidad computacional[editar]
Artículo principal: Complejidad computacional

Véase también: Clase de complejidad

Aun cuando un problema sea computable, puede que no sea posible resolverlo en la
práctica si se requiere mucha memoria o tiempo de ejecución. La teoría de la complejidad
computacional estudia las necesidades de memoria, tiempo y otros recursos
computacionales para resolver problemas; de esta manera es posible explicar por qué
unos problemas son más difíciles de resolver que otros. Uno de los mayores logros de esta
rama es la clasificación de problemas, similar a la tabla periódica, de acuerdo a su
dificultad. En esta clasificación los problemas se separan por clases de complejidad.
Esta teoría tiene aplicación en casi todas las áreas de conocimiento donde se desee
resolver un problema computacionalmente, porque los investigadores no solo desean
utilizar un método para resolver un problema, sino utilizar el más rápido. La teoría de la
complejidad computacional también tiene aplicaciones en áreas como la criptografía,
donde se espera que descifrar un código secreto sea un problema muy difícil a menos que
se tenga la contraseña, en cuyo caso el problema se vuelve fácil.

Otras subramas[editar]
 Modelos de cómputo Estudia abstracciones de hacer un cómputo. Aquí se
incluyen los clásicos modelos de la teoría de autómatas además de otros modelos
como funciones recursivas, cálculo lambda e inclusive lenguajes de programación.

 Teoría algorítmica de la información Centra su atención en la complejidad para

describir algorítmicamente una secuencia de datos (cadena); aquí la complejidad está
medida por la longitud de su descripción más pequeña.

 Especificación y verificación formal Busca metodologías para garantizar que un

problema esté correctamente modelado y sistemas formales para validar
la corrección de la solución algorítmica.

 La Teoría del aprendizaje computacional busca algoritmos que hagan que las
computadoras modifiquen sus comportamientos de manera autónoma con base en
datos empíricos, y concretamente en ejemplos y contraejemplos. A este tipo de
aprendizaje se le llama aprendizaje supervisado. De forma análoga a la teoría de la
complejidad computacional, en esta teoría las funciones se clasifican por su grado de
dificultad de ser aprendidas.

 Teoría de tipos Busca la clasificación de enunciados de acuerdo a los tipos de

valores que calculan utilizando herramientas de teoría de lenguajes formales.

Historia[editar]
Véanse también: Entscheidungsproblem y Tesis de Church-Turing.

La teoría de la computación comienza propiamente a principios del siglo XX, poco antes
que las computadoras electrónicas fuesen inventadas. En esta época varios matemáticos
se preguntaban si existía un método universal para resolver todos los problemas
matemáticos. Para ello debían desarrollar la noción precisa de método para resolver
problemas, es decir, la definición formal de algoritmo.
Algunos de estos modelos formales fueron propuestos por precursores como Alonzo
Church (cálculo Lambda), Kurt Gödel (funciones recursivas) y Alan Turing (máquina de
Turing). Se ha mostrado que estos modelos son equivalentes en el sentido de que pueden
simular los mismos algoritmos, aunque lo hagan de maneras diferentes. Entre los modelos
de cómputo más recientes se encuentran los lenguajes de programación, que también han
mostrado ser equivalentes a los modelos anteriores; esto es una fuerte evidencia de
la conjetura de Church-Turing, de que todo algoritmo habido y por haber se puede simular
en una máquina de Turing, o equivalentemente, usando funciones recursivas. En 2007
Nachum Dershowitz y Yuri Gurevich publicaron una demostración de esta conjetura
basándose en cierta axiomatización de algoritmos.1
Uno de los primeros resultados de esta teoría fue la existencia de problemas imposibles de
resolver algorítmicamente, siendo el problema de la parada el más famoso de ellos. Para
estos problemas no existe ni existirá ningún algoritmo que los pueda resolver, no
importando la cantidad de tiempo o memoria se disponga en una computadora. Asimismo,
con la llegada de las computadoras modernas se constató que algunos problemas
resolubles en teoría eran imposibles en la práctica, puesto que dichas soluciones
necesitaban cantidades irrealistas de tiempo o memoria para poderse encontrar.

Referencias[editar]
1. ↑ Nachum Dershowitz & Yuri Gurevich (2008). «A natural axiomatization of
computability and proof of Church's Thesis». Bulletin of Symbolic Logic 14 (3): 299-
350. ISSN 1079-8986.
Bibliografía[editar]
 American Mathematical Society. «2010 Mathematics Subject Classification».
Consultado el 7 de marzo de 2010.

 Boolos, George; Burgess, John; & Jefrey, Richard (2007). Computability and Logic.
Cambridge. ISBN 978-0-521-70146-4.

 Cooper, S. Barry (2004). Computability Theory. Chapman & Hall/CRC. ISBN 1-58488-
237-9.

 Kelley, Dean (1995). Teoría de autómatas y lenguajes formales. Prentice

Hall. ISBN 978-0-691-13382-9.

 Sipser, Michael (2005). Introduction to the Theory of Computation (2 edición).

Course Technology. ISBN 978-0534950972.