【CS106】编译原理笔记4 —— 用普遍性泵引理（Pumping lemma）证明语言的正则性

笔者：YY同学

生命不息，代码不止。好玩的项目尽在GitHub

---

---

语言正则性判断

什么是正则语言（Regular Language）？
简单来说，如果可以用 DFA、NFA 或者使用正规表达式来描述的语言就是正则语言。


那么问题来了，如何证明一种语言不是正则语言呢？
比如现在有一种语言 $L$ ，满足
L = { a n b n , n > 0 } L=\{a^nb^n,n>0\} L={anbn,n>0}
那么 $L$ 是不是正则语言呢，我们就不知道了，因为我们没有办法画出 DFA 和 NFA 或者写出 RE。可见上述证明的方法只是一个充分不必要条件。

---

提供一种尝试的思路 —— 反证法

我们以上述情形为例，我们假设 $L$ 是正则语言，那么一定可以根据 $L$ 画出相应的一个 DFA，由于 DFA 的 State 个数的有限性，我们假设该 DFA 含有 $k$ 个描述字符 $a$ 的 State，此时 我们取 $n=k+1$ 此时 $w=a^{k+1}{b}^{k+1}$ 仍然会被 DFA 所接受。


由于 DFA 的单状态性导致每读取一个字符，State 就会往后跳一个。因此对于 $k+1$ 个 $a$ 字符，只有 $k$ 个 State，根据抽屉原理，一定存在一个 State 至少被访问 2 次，如图（接受第 $i$ 个 $a$ 的 State 会被访问至少 2 次）：





而此时 $i<k$，所以当 $a$ 的个数达到 $i$ 的时候开始读取 $b$ 字符也会被整个 DFA 所接受。但是根据条件，当 $a$ 和 $b$ 的个数不相等的时候，该字符集不属于 $L$ 语言，因此不能被 DFA 所接受，从而产生了矛盾。


所以结论：之前的假设不成立，即 $L$ 不是正则语言。

---

就这？

有了之前的思路，我们可以做进一步深入思考，将结论一般化：
我们假设正则语言 $L$ 所生产的 DFA 个数为 $n$，那么当我们找到 $L$ 语言的一个子表达 $w$ 满足 $|w|\ge n$，即长度大于 $n$。而 State 只有 $n$ 个，State 之间的连线只有 $n-1$ 条。


根据抽屉原理，必然存在一个 State 被访问至少 2 次。我们把多次访问形成的环（Loop）记为 $y$，则 $w$ 肯定可以被写成 $w=xyz$ 的拼接形式，其中 $|xy|\le n，|y|\ge 1$（总的 State 为 $n$ 并且 环的长度至少为 1 ）


我们知道环所在的部分是可以不执行或者执行多次的，因此 $w=x{y}^{t}z(t\ge 0)$ 也应该被 $L$ 语言的 DFA 所接受。


至此，我们有了普遍性的泵引理（Pumping Lemma）。

---

普遍性泵引理（Pumping Lemma）

假设 $L\subseteq {\Sigma }^{\ast }$ 是正则语言，存在字符串 $|w|\ge n$（其中 n 为泵长度，可理解为正则语言等效的 DFA 的状态个数），如果可以将 w 写成 $w=xyz$ 的形式时，以下说法成立：

• $|xy|\le n$
• $|y|\ge 1$
• $\forall k\ge 0:x{y}^{k}z\in L$

---

泵引理证明非正则语言实例

看一个例题：证明 $L$ 不是正则语言
L = { a i b j c k , i + j > k } L=\{a^ib^jc^k,i+j>k\} L={aibjck,i+j>k}
我们的思路一般是先假设 $L$ 是正则语言，然后通过反证法说明 $L$ 与泵引理第三条矛盾从而证明 $L$ 的非正则性。


我们取泵长度为 $n=i+j$，取 $k=i+j-1$，假设 $L$ 是正则语言，显然子字符集 $w=a^i{b}^j{c}^{i+j-1}$ 会被 $L$ 的 DFA 所接受。显然地，$|w|\ge n$，因此 $w$ 一定可以被写成 $w=xyz$ 的形式，且满足$|xy|\le n$，$|y|\ge 1$。


但此时我们分析后会发现：$a$ 和 $b$ 的字符总长度是大于等于泵长度 $n$ 的 $(i+j>=n)$。这意味着 $n$ 个 DFA 中只有 $n-1$ 条路经，根据抽屉原理，想要读完全部的 $a$ 和 $b$ 必然会产生 loop（因为多一个字符），而多出的字符必然会进入 $y$ 中，因此 $y$ 中必然存在至少一个字符 $a$ 或者字符 $b$。所以由泵引理第三条，当 $k=0$ 的时候，理论上 $w=xz$ 会被 DFA 所接受，但是事实上此时 ( $a$ 和 $b$ 的字符总和 ) $\le (i+j-1)=$ ( $c$ 的字符总和 )，因此 $w$ 不能被DFA所接受，这与泵引理第三条矛盾。


结论：所以原假设错误，即 $L$ 不是正则语言。