Академический Документы
Профессиональный Документы
Культура Документы
a
Luis Dissett
Primer Semestre, 2006
Indice general
1. Lgica Proposicional
o
1.1. Proposiciones, conectivos, frmulas proposicionales
o
1.1.1. Algunos conectivos . . . . . . . . . . . . . .
1.2. Frmulas proposicionales . . . . . . . . . . . . . .
o
1.3. Algunos comentarios . . . . . . . . . . . . . . . . .
1.4. Valor de verdad de proposiciones compuestas . . . .
1.5. Asignaciones de verdad . . . . . . . . . . . . . . .
1.6. Tablas de Verdad . . . . . . . . . . . . . . . . . . .
1.7. Tautolog y contradicciones . . . . . . . . . . . .
as
1.8. Consecuencia lgica . . . . . . . . . . . . . . . . .
o
1.9. Denicin de consecuencia lgica . . . . . . . . . .
o
o
1.10. Equivalencia lgica . . . . . . . . . . . . . . . . . .
o
1.11. Las leyes de la lgica . . . . . . . . . . . . . . . . .
o
1.12. Reglas de sustitucin . . . . . . . . . . . . . . . . .
o
1.13. El principio de dualidad . . . . . . . . . . . . . . .
1.14. Formas Normales . . . . . . . . . . . . . . . . . . .
1.15. Reglas de inferencia . . . . . . . . . . . . . . . . .
1.16. Las reglas . . . . . . . . . . . . . . . . . . . . . . .
1.17. Sistemas deductivos . . . . . . . . . . . . . . . . .
1.18. Ejemplo de uso de las reglas . . . . . . . . . . . . .
1.19. Otro ejemplo . . . . . . . . . . . . . . . . . . . . .
1.20. Resolucin . . . . . . . . . . . . . . . . . . . . . . .
o
1.21. Ejercicios . . . . . . . . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
1
1
1
1
2
2
2
3
3
3
4
4
5
6
6
6
7
7
9
9
10
10
11
2. Lgica de predicados
o
2.1. Deniciones bsicas . . . . . . . . . . . . . . . . . . . . .
a
2.1.1. Predicados atmicos . . . . . . . . . . . . . . . .
o
2.1.2. Variables, constantes, funciones y operaciones . .
2.1.3. Interpretaciones y dominios . . . . . . . . . . . .
2.1.4. Cuanticadores . . . . . . . . . . . . . . . . . . .
2.1.5. Variables libres y ligadas . . . . . . . . . . . . .
2.2. Verdad lgica, consecuencia lgica y equivalencia lgica
o
o
o
2.2.1. Interpretaciones y valores de verdad . . . . . . .
2.2.2. Proposiciones vlidas (lgicamente verdaderas) .
a
o
2.2.3. Consecuencia lgica . . . . . . . . . . . . . . . .
o
2.2.4. Equivalencia lgica . . . . . . . . . . . . . . . . .
o
2.2.5. Resumen de deniciones . . . . . . . . . . . . . .
2.3. Negacin de proposiciones con cuanticadores . . . . . .
o
2.4. Reglas de inferencia usando predicados . . . . . . . . . .
2.5. Teor matemticas . . . . . . . . . . . . . . . . . . . .
as
a
2.6. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
13
13
13
13
13
14
14
14
14
14
15
15
17
17
17
17
18
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
INDICE GENERAL
INDICE GENERAL
3. Teor de Conjuntos
a
3.1. Deniciones bsicas . . . . . . . . . . . . . . .
a
3.1.1. Nociones primitivas . . . . . . . . . .
3.1.2. Subconjuntos, igualdad de conjuntos .
3.1.3. Maneras de denir un conjunto . . . .
3.1.4. Conjuntos con elementos repetidos . .
3.1.5. El conjunto vac . . . . . . . . . . . .
o
3.2. La paradoja de Russell . . . . . . . . . . . . .
3.2.1. Lidiando con las paradojas . . . . . .
3.3. Operaciones . . . . . . . . . . . . . . . . . . .
3.4. Las Leyes de la Teor de Conjuntos . . . . .
a
3.5. Operaciones generalizadas . . . . . . . . . . .
3.6. Operaciones con conjuntos de
ndices . . . . .
3.7. Ejercicios . . . . . . . . . . . . . . . . . . . .
3.8. Aplicacin: denicin formal de la aritmtica
o
o
e
3.8.1. Denicin axiomtica de N . . . . . .
o
a
3.8.2. Operaciones en N . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
19
19
19
19
19
20
20
20
20
21
21
22
23
23
25
25
25
4. Relaciones
4.1. Deniciones bsicas . . . . . . . . . . . . . . . . . . . . . . . . .
a
4.1.1. Pares ordenados . . . . . . . . . . . . . . . . . . . . . .
4.1.2. Producto cartesiano . . . . . . . . . . . . . . . . . . . .
4.1.3. Producto de ms de dos conjuntos . . . . . . . . . . . .
a
4.1.4. Producto cartesiano generalizado . . . . . . . . . . . . .
4.1.5. Las funciones de proyeccin . . . . . . . . . . . . . . . .
o
4.1.6. Relaciones binarias . . . . . . . . . . . . . . . . . . . . .
4.1.7. Relaciones n-arias . . . . . . . . . . . . . . . . . . . . .
4.1.8. Propiedades de las relaciones binarias . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
27
27
27
27
27
28
28
28
28
29
29
29
30
30
30
31
31
32
32
32
33
33
34
34
34
35
35
35
36
36
36
36
37
40
40
c Luis Dissett.
ii
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
INDICE GENERAL
INDICE GENERAL
5. Funciones
5.1. Deniciones bsicas . . . . . . . . . . . . . . . . .
a
5.1.1. Tipos de funciones . . . . . . . . . . . . .
5.2. Cardinalidad . . . . . . . . . . . . . . . . . . . .
5.2.1. Conjuntos nitos e innitos . . . . . . . .
5.2.2. Caracterizando los conjuntos nitos . . .
5.2.3. Conjunto numerables . . . . . . . . . . . .
5.2.4. Ejemplos de conjuntos numerables . . . .
5.3. Caracterizaciones de numerabilidad . . . . . . . .
5.4. Los racionales . . . . . . . . . . . . . . . . . . . .
5.5. Los reales . . . . . . . . . . . . . . . . . . . . . .
5.6. El argumento de Cantor . . . . . . . . . . . . . .
5.6.1. El problema de la detencin . . . . . . . .
o
5.7. Orden entre cardinalidades . . . . . . . . . . . .
5.7.1. Propiedades de . . . . . . . . . . . . . .
5.8. El teorema de Cantor-Schrder-Bernstein (CSB)
o
5.8.1. Prolegmeno: . . . . . . . . . . . . . . . .
o
5.8.2. Demostracin de C-S-B . . . . . . . . . .
o
5.8.3. Solucin (temporal) del problema . . . . .
o
5.8.4. Solucin nal . . . . . . . . . . . . . . . .
o
5.9. Ejercicios . . . . . . . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
43
43
43
43
44
44
44
44
44
45
45
45
45
46
46
46
46
47
47
48
48
6. Induccin y clausuras
o
6.1. Induccin (sobre los naturales) . . . . . . . .
o
6.1.1. Otros puntos de partida . . . . . . . .
6.1.2. Principios de Induccin . . . . . . . .
o
6.1.3. Ejercicios . . . . . . . . . . . . . . . .
6.1.4. Una formulacin equivalente . . . . .
o
6.1.5. Casos base en en PICV . . . . . . . .
6.1.6. Aplicaciones de induccin en N . . . .
o
6.1.7. Ejercicios . . . . . . . . . . . . . . . .
6.2. Clausuras . . . . . . . . . . . . . . . . . . . .
6.2.1. Funciones n-arias . . . . . . . . . . . .
6.2.2. Conjuntos cerrados . . . . . . . . . . .
6.2.3. Conjuntos cerrados bajo una relacin .
o
6.2.4. El menor conjunto que satisface . .
6.2.5. Un problema . . . . . . . . . . . . . .
6.2.6. Una denicin alternativa . . . . . . .
o
6.2.7. Propiedades de clausura . . . . . . . .
6.2.8. Clausura bajo una relacin . . . . . .
o
6.2.9. Clausura simtrica de una relacin . .
e
o
6.2.10. Otra forma de ver las clausuras . . . .
6.2.11. Capas . . . . . . . . . . . . . . . . . .
6.3. Induccin Estructural . . . . . . . . . . . . .
o
6.3.1. Ejemplo: lgica proposicional . . . . .
o
6.3.2. Conjuntos completos de conectivos . .
6.3.3. Otro conjunto completo . . . . . . . .
6.3.4. Conjuntos no completos . . . . . . . .
6.3.5. Ejercicios . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
51
51
51
51
52
52
53
53
53
55
55
55
55
56
56
56
56
57
58
58
58
58
59
59
60
61
61
7. Correccin de programas
o
7.1. Correccin de programas iterativos . . .
o
7.1.1. Ejemplo: mezcla de dos archivos
7.1.2. Otro ejemplo: bsqueda binaria .
u
7.2. Correccin de programas recursivos . . .
o
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
63
63
64
65
68
c Luis Dissett.
iii
.
.
.
.
.
.
.
.
.
.
.
.
INDICE GENERAL
INDICE GENERAL
8. Grafos
8.1. Motivacin: los puentes de Knigsberg . . . . . . . . . . . . . . . . . . . . . . .
o
o
8.2. Deniciones bsicas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
a
8.2.1. Multigrafos, grafos simples . . . . . . . . . . . . . . . . . . . . . . . . .
8.2.2. El grafo nulo y los grafos triviales . . . . . . . . . . . . . . . . . . . . .
8.2.3. Grafos nitos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
8.3. Adyacencia, grados, vrtices aislados . . . . . . . . . . . . . . . . . . . . . . . .
e
8.3.1. Matrices de adyacencia e incidencia . . . . . . . . . . . . . . . . . . . .
8.3.2. Complemento de un grafo. Cliques y conjuntos independientes. . . . . .
8.4. Subgrafos, subgrafos inducidos . . . . . . . . . . . . . . . . . . . . . . . . . . .
8.5. Grafos conexos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
8.6. Propiedades estructurales, isomorsmo . . . . . . . . . . . . . . . . . . . . . . .
8.6.1. Clases de isomorsmo . . . . . . . . . . . . . . . . . . . . . . . . . . . .
8.6.2. Algunas clases importantes . . . . . . . . . . . . . . . . . . . . . . . . .
8.7. Subgrafos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
8.8. Los grafos con 4 vrtices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
e
8.9. Otros grafos comunes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
8.10. Grafos como modelos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
8.10.1. Conocidos mutuos y desconocidos mutuos . . . . . . . . . . . . . . . . .
8.10.2. Asignacin de tareas a distintos empleados . . . . . . . . . . . . . . . .
o
8.10.3. Reuniones de comisiones del Senado . . . . . . . . . . . . . . . . . . . .
8.10.4. Grafos multipartitos y coloracin . . . . . . . . . . . . . . . . . . . . . .
o
8.10.5. Rutas en una red de caminos . . . . . . . . . . . . . . . . . . . . . . . .
8.11. Anlisis del problema de Knigsberg (Euler) . . . . . . . . . . . . . . . . . . . .
a
o
8.11.1. Anlisis del problema (Resumen) . . . . . . . . . . . . . . . . . . . . . .
a
8.11.2. Dibujos sin levantar el lpiz . . . . . . . . . . . . . . . . . . . . . . . . .
a
8.12. Ciclos y caminos Hamiltonianos . . . . . . . . . . . . . . . . . . . . . . . . . . .
8.13. Grafos autocomplementarios . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
8.14. Problemas computacionales relacionados con cliques y conjuntos independientes
8.15. Planaridad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
8.16. La caracter
stica de Euler . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
8.16.1. Comentarios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
8.17. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
71
71
72
72
73
73
73
73
74
74
74
74
75
75
75
76
76
76
77
77
77
78
78
78
79
79
79
80
80
80
81
81
82
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
85
85
86
87
87
10.P y N P
10.1. Algoritmos ecientes: polinomial vs exponencial . . .
10.2. Tipos de problemas . . . . . . . . . . . . . . . . . . .
10.3. Medidas del tamao de una instancia . . . . . . . . .
n
10.4. Complejidad de un problema. Algoritmos ecientes.
10.5. Reducciones entre problemas . . . . . . . . . . . . .
10.6. La clase N P (Non-deterministic Polynomial) . . . .
10.6.1. Algoritmos no determin
sticos . . . . . . . . .
10.6.2. Ejemplos de problemas en N P . . . . . . . .
10.7. Problemas N P -completos . . . . . . . . . . . . . . .
10.7.1. Transformaciones entre problemas de decisin
o
10.7.2. Ejemplo de problema de decisin: SAT . . . .
o
10.7.3. SAT en forma normal conjuntiva . . . . . . .
10.7.4. Transformaciones entre SAT -F N C y SAT .
10.7.5. Relacin entre P y N P . . . . . . . . . . . .
o
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
91
91
92
93
94
94
96
96
97
97
97
101
101
101
101
c Luis Dissett.
iv
.
.
.
.
.
.
.
.
INDICE GENERAL
INDICE GENERAL
c Luis Dissett.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
102
102
102
103
104
104
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
105
105
105
106
106
106
106
107
107
107
108
108
108
108
109
109
109
109
110
111
111
112
112
112
112
112
113
114
114
INDICE GENERAL
c Luis Dissett.
INDICE GENERAL
vi
Prlogo (provisorio)
o
Estos apuntes (o mejor dicho, este borrador de apuntes) resumen el contenido de los cursos
de Matemtica Discreta que he dictado en las Facultades de Matemtica e Ingenier entre los
a
a
a
aos 2000 y 2004.
n
Espero que le sean utiles, en primer lugar, a mis alumnos en futuras versiones de estos cursos,
y tambin a otros profesores que deseen usarlos como referencia para sus cursos.
e
vii
INDICE GENERAL
c Luis Dissett.
INDICE GENERAL
viii
Cap
tulo 1
Lgica Proposicional
o
1.1.
Denicin 1. Una proposicin es una armacin que puede ser verdadera o falsa.
o
o
o
Una proposicin es atmica si es imposible descomponerla en proposiciones ms simples.
o
o
a
Para combinar proposiciones y formar nuevas proposiciones ms complejas usamos los llaa
mados conectivos lgicos.
o
1.1.1.
Algunos conectivos
1.2.
Frmulas proposicionales
o
Para trabajar con proposiciones, las representamos por frmulas, llamadas apropiadamente
o
frmulas proposicionales. En estricto rigor, una frmula proposicional es simplemente una seo
o
cuencia de s
mbolos, a la cual se asocia una proposicin.
o
1
CAP
ITULO 1. LOGICA PROPOSICIONAL
Las proposiciones atmicas son representadas por variables proposicionales, que generalmente
o
son letras maysculas: P , Q, R, S, etc. Si debemos utilizar demasiadas variables proposicionales,
u
recurrimos a sub-
ndices; as podemos tener variables proposicionales P1 , P2 , P3 ,. . . , Q1 , Q2 , Q3 ,
,
etc.
Las proposiciones compuestas son representadas como sigue: si dos proposiciones y son
representadas, respectivamente, por las frmulas proposicionales p y q, entonces representamos
o
(y leemos) las siguientes proposiciones compuestas como sigue:
Proposicin
o
Representacin
o
Lectura
Negacin de
o
(p)
no p.
Conjuncin de y
o
(p q)
p y q.
Disyuncin de y
o
(p q)
p o q.
Condicional entre y
(p q)
si p entonces q.
Bicondicional entre y
(p q)
p si y slo si q.
o
1.3.
Algunos comentarios
Note que tenderemos a identicar las frmulas proposicionales con las proposiciones que
o
representan; o sea, a veces diremos proposicin cuando lo correcto ser decir frmula propoo
a
o
sicional.
En particular, identicaremos las proposiciones atmicas con las variables proposicionales
o
que las representan.
Adems, en la medida de lo posible, cuando no se preste a confusiones, eliminaremos los
a
parntesis ms exteriores de (p q), (p q), etc. En general, intentaremos eliminar la mayor
e
a
cantidad posible de parntesis, en la medida en que esto no deje ambigua a la frmula.
e
o
1.5.
Asignaciones de verdad
c Luis Dissett.
CAP
ITULO 1. LOGICA PROPOSICIONAL
1.6.
Tablas de Verdad
Resumiremos los valores de verdad de que toma una proposicin compuesta, para todas las
o
posibles asignaciones de verdad, en una tabla de verdad . En dichas tablas, usaremos los s
mbolos
1 para indicar Verdadero y 0 para indicar Falso.
Ejemplo. La tabla de verdad para ((P Q) (R P )) es como sigue:
P
0
0
0
0
1
1
1
1
1.7.
Q
0
0
1
1
0
0
1
1
R
0
1
0
1
0
1
0
1
((P
1
1
1
1
0
0
0
0
0
0
1
1
0
0
0
0
Q)
0
1
1
1
1
1
1
1
0
1
0
1
1
1
1
1
(R
P)
Tautolog y contradicciones
as
Denicin 3. Una tautolog es una proposicin que es verdadera en toda asignacin de verdad.
o
a
o
o
Ejemplo.
((P Q) (P Q)).
Una contradiccin es una proposicin que es falsa en toda asignacin de verdad.
o
o
o
Ejemplo.
(P P ).
Notacin. Denotaremos las tautolog por To y las contradicciones por Fo .
o
as
Ejemplo. Al tratar de demostrar que una cierta conclusin c se desprende de una serie de premisas
o
p1 , p2 , . . . , pn , en el fondo estamos tratando de probar que
(p1 p2 . . . pn ) c
es una tautolog
a.
1.8.
Consecuencia lgica
o
(3 < 2 1 + 3 = 4),
(2 < 5 1 + 3 = 4).
(2 < 4 2 + 2 = 4).
CAPITULO 1. LOGICA PROPOSICIONAL
s:F G
q:ZY
t:GH
r:Y
u : F H,
1.9.
o
a
la primera ayudant
a.
1.10.
Equivalencia lgica
o
CAP
ITULO 1. LOGICA PROPOSICIONAL
1.11.
Las siguientes equivalencias lgicas son conocidas como las leyes de la lgica:
o
o
Ley de la doble negacin
o
p p.
Leyes de de Morgan
(p q)
p q.
(p q)
p q.
Leyes conmutativas
pq
q p.
pq
q p.
Leyes asociativas
p (q r) (p q) r.
p (q r) (p q) r.
Leyes distributivas
p (q r) (p q) (p r).
p (q r) (p q) (p r).
Leyes de idempotencia
pp
p.
pp
p.
p Fo
p.
p To
p.
To .
p p
Fo .
p To
To .
p Fo
Fo .
Leyes de dominacin
o
Leyes de absorcin
o
p (p q) p.
p (p q) p.
Ley de la implicacin
o
pq
c Luis Dissett.
p q.
P.U.C. Chile, 2006
1.12. REGLAS DE SUSTITUCION
1.12.
CAP
ITULO 1. LOGICA PROPOSICIONAL
Reglas de sustitucin
o
En las leyes anteriores, es posible reemplazar todas las ocurrencias de una proposicin
o
atmica (p, q, r, etc.) por cualquier proposicin, y la ley seguir siendo vlida.
o
o
a
a
Sea P una proposicin cualquiera. Si en P se reemplazan una o ms ocurrencias de una
o
a
proposicin Q por una proposicin Q lgicamente equivalente a Q, la proposicin P reo
o
o
o
sultante ser lgicamente equivalente a P .
a o
1.13.
El principio de dualidad
Las leyes anteriores (excepto en dos casos) estn agrupadas en pares. En cada caso, una de
a
las leyes es lo que llamamos el dual de la otra.
Denicin 6. Sea F una proposicin que contiene slo los conectivos , y . Entonces la
o
o
o
proposicin dual de F (que denotamos por F d ) es la proposicin que resulta de reemplazar cada
o
o
aparicin de por (y viceversa), y cada aparicin de To por Fo (y viceversa).
o
o
Teorema (Principio de dualidad). Si F G, entonces F d Gd .
No veremos la demostracin de este teorema.
o
As basta probar una de las leyes de cada par de duales.
,
1.14.
Formas Normales
CAP
ITULO 1. LOGICA PROPOSICIONAL
1.15.
Reglas de inferencia
Queremos enunciar reglas que nos permitan justicar nuestras deducciones de conclusiones
a partir de premisas dadas.
As por ejemplo, al hacer una demostracin del tipo
,
o
(p1 p2 . . . pn ) c,
nos gustar poder asegurar que la implicacin es vlida (lgicamente verdadera), sin tener que
a
o
a
o
probar todas las combinaciones de valores de verdad (que pueden ser demasiados).
Estudiaremos a continuacin reglas de inferencia que nos permitirn ir obteniendo conclusioo
a
nes a partir de un conjunto de premisas, de modo de terminar obteniendo la conclusin deseada.
o
En lo que sigue, P , Q, R, etc., representan proposiciones cualesquiera, no necesariamente
atmicas.
o
Las primeras reglas de inferencia que consideraremos estn dadas por las equivalencias que
a
aparecen en las leyes de la lgica, a las que posiblemente habremos aplicado las reglas de sustio
tucin.
o
As si tenemos como premisa P y una ley de la lgica nos dice que P Q, entonces podemos
,
o
deducir Q.
Otras reglas que estudiaremos son:
La ley del silogismo.
La regla de contradiccin.
o
La regla de resolucin.
o
La regla de conjuncin.
o
1.16.
Las reglas
Ley del silogismo Cada vez que tengamos como premisas proposiciones de las formas P Q
y Q R, tenemos derecho a deducir P R.
En s
mbolos:
P Q
QR
P R
Modus ponens Cada vez que tengamos como premisas proposiciones de las formas P Q y
P , tenemos derecho a deducir Q.
En s
mbolos:
P Q
P
Q
Ejemplo. Supongamos que tenemos por premisas (p q) y ((p q) (q r)). Aplicando
modus ponens, vemos que
(p q) (q r)
(p q)
(q r)
c Luis Dissett.
CAP
ITULO 1. LOGICA PROPOSICIONAL
Modus tollens Cada vez que tengamos como premisas proposiciones de las formas P Q y
Q, tenemos derecho a deducir P .
En s
mbolos:
P Q
Q
P
Ejemplo. Supongamos que tenemos por premisas (p q) r y r. Aplicando modus
tollens, vemos que
(p q) r
r
(p q)
Regla de conjuncin Cada vez que tengamos como premisas proposiciones de las formas P y
o
Q, tenemos derecho a deducir P Q.
En s
mbolos:
P
Q
P Q
Ley del silogismo disyuntivo Cada vez que tengamos como premisas proposiciones de las
formas P Q y P , tenemos derecho a deducir Q.
En s
mbolos:
P Q
P
Q
Regla de contradiccin Cada vez que tengamos como premisa una proposicin de la forma
o
o
P Fo , tenemos derecho a deducir P .
En s
mbolos:
P Fo
P
Regla de simplicacin conjuntiva Cada vez que tengamos como premisa una proposicin
o
o
de la forma P Q, tenemos derecho a deducir P .
En s
mbolos:
P Q
P
Regla de amplicacin disyuntiva Cada vez que tengamos como premisa una proposicin
o
o
de la forma P , tenemos derecho a deducir P Q.
En s
mbolos:
P
P Q
Regla de demostracin condicional Cada vez que tengamos como premisas proposiciones
o
de las formas P Q y P (Q R), tenemos derecho a deducir R.
En s
mbolos:
P Q
P (Q R)
R
c Luis Dissett.
CAP
ITULO 1. LOGICA PROPOSICIONAL
Regla de demostracin por casos Cada vez que tengamos como premisas proposiciones de
o
las formas P R y Q R, tenemos derecho a deducir (P Q) R.
En s
mbolos:
P R
QR
(P Q) R
Regla del dilema constructivo Cada vez que tengamos como premisas proposiciones de las
formas P Q, R S y P R, tenemos derecho a deducir Q S.
En s
mbolos:
P Q
RS
P R
QS
Regla del dilema destructivo Cada vez que tengamos como premisas proposiciones de las
formas P Q, R S y Q S, tenemos derecho a deducir P R.
En s
mbolos:
P Q
RS
Q S
P R
1.17.
Sistemas deductivos
Llamamos sistema deductivo a cualquier conjunto de reglas (de entre las mencionadas, u
otras) que, agregadas a las leyes de la lgica, nos permitan deducir conclusiones a partir de
o
premisas.
Entre las caracter
sticas que nos interesa que tenga un posible sistema deductivo se destacan
dos:
(a) Que sea correcto (en ingls, sound ), o sea, que cualquier conclusin que se obtenga a partir
e
o
de las premisas deba ser, necesariamente, consecuencia lgica de stas; en otras palabras,
o
e
que no sea posible deducir nada que no sea consecuencia lgica de las premisas; y
o
(b) Que sea completo, o sea, que si es consecuencia lgica de las premisas, entonces puede
o
ser deducido de stas.
e
1.18.
Consideremos el sistema deductivo formado por todas las reglas enunciadas anteriormente.
Las usemos para demostrar que
pq
es consecuencia lgica de
o
{p (r q), r q, q r} .
c Luis Dissett.
CAP
ITULO 1. LOGICA PROPOSICIONAL
Premisa
(1.1)
r q
Premisa
(1.2)
qr
Premisa
(1.3)
(1.4)
rq
(r q) (r q)
(1.5)
(1.6)
(1.7)
p q
(1.8)
pq
(1.9)
(r r) q
q
1.19.
Otro ejemplo
Premisa
(1.10)
pq
Premisa
(1.11)
(1.12)
Premisa
(1.13)
s r
(1.14)
s r
(1.15)
s t
Premisa
(1.16)
q
sr
s
r
qr
1.20.
(1.17)
(1.18)
(1.19)
Resolucin
o
regla de resolucin:
o
Cada vez que tengamos como premisas proposiciones de las formas P Q y Q R, tenemos
derecho a deducir P R.
En s
mbolos:
P Q
Q R
P R
Este sistema deductivo es correcto (sound ) y completo (no lo demostraremos aqu y no slo
),
o
puede ser usado para deducir sino tambin para refutar.
e
Note que de P y P podemos deducir Fo , ya que P P Fo y P P Fo .
c Luis Dissett.
10
CAP
ITULO 1. LOGICA PROPOSICIONAL
1.21. EJERCICIOS
Arboles de refutacin
o
PENDIENTE
1.21.
Ejercicios
11
CAP
ITULO 1. LOGICA PROPOSICIONAL
1.21. EJERCICIOS
lij ).
i=0 j=0
c Luis Dissett.
12
Cap
tulo 2
Lgica de predicados
o
2.1.
Deniciones bsicas
a
2.1.1.
Predicados atmicos
o
En el ejemplo anterior, podemos distinguir entre los predicados P (x, y) por un lado, y los
predicados Q(x) y R(y) por el otro: el primero est formado por otros predicados, mientras que
a
los ultimos no pueden ser descompuestos en predicados ms pequeos.
a
n
A los predicados que no pueden ser descompuestos en predicados ms pequeos los llamarea
n
mos predicados atmicos. Usamos estos predicados para representar relaciones.
o
A veces escribimos las relaciones como s
mbolos entre los elementos que relacionan (ejemplo:
no escribimos < (x, y) sino x < y).
2.1.2.
En un predicado, encontramos s
mbolos que representan variables (x, y, z, etc.), constantes
(0, 1, 2, , y otros), funciones y operaciones, y otros predicados.
Ejemplo. En el predicado
u + f (v, 0) = 2 w
encontramos las constantes 0 y 2, las variables u, v y w, el s
mbolo de funcin f , y los s
o
mbolos
de operacin + y .
o
2.1.3.
Interpretaciones y dominios
CAP
2.1.4.
Cuanticadores
En matemticas, muchas armaciones son de la forma todos los elementos de D (un dominio
a
dado) satisfacen el predicado P (x) o bien hay al menos un elemento de D que satisface P (x).
En el primer caso, abreviaremos usando el s
mbolo y en el segundo usaremos el s
mbolo .
As si P (x) es un predicado que depende slo de x, podemos formar las proposiciones:
,
o
x(P (x))
x(P (x))
Los s
mbolos y son llamados cuanticador universal y cuanticador existencial respectivamente.
2.1.5.
2.2.
2.2.1.
2.2.2.
14
2.2.3.
Consecuencia lgica
o
(2.1)
es verdadera en I. Queremos demostrar que xy(P (x, y)) es verdadera bajo la interpretacin
o
I.
Para esto, debemos demostrar que dado cualquier elemento c D, la proposicin y(P (c, y))
o
es verdadera en I. Pero esto es cierto ya que, dado c D, debido a (2.1) se tiene P (c, d), por lo
que y(P (c, y)) es verdadera en I.
Como c D era arbitrario, hemos demostrado que xy(P (x, y)) es verdadera bajo la interpretacin I.
o
Finalmente, como I es una interpretacin arbitraria (de la que slo supusimos que hac
o
o
a
verdadera a yx(P (x, y))), hemos demostrado que
yx(P (x, y)) |= xy(P (x, y)).
2.2.4.
Equivalencia lgica
o
Si P y Q son dos proposiciones en lgica de predicados, diremos que ellas son lgicamente
o
o
equivalentes si toda interpretacin le asigna el mismo valor de verdad a ambas.
o
Notacin. Al igual que en el caso proposicional, si P y Q son lgicamente equivalentes, anotao
o
remos P Q.
Ejemplo. La proposicin
o
x(Q(x) R(x))
es lgicamente equivalente a
o
x(Q(x)) x(R(x)).
c Luis Dissett.
15
CAP
c Luis Dissett.
16
CAP
ITULO 2. LOGICA DE PREDICADOS PROPOSICIONES CON CUANTIFICADORES
2.3. NEGACION DE
2.2.5.
Resumen de deniciones
Una proposicin P es . . .
o
En lgica proposicional
o
En lgica de predicados
o
lgicamente verdadera . . .
o
si toda interpretacin
o
la hace verdadera.
lgicamente equivalente
o
a otra Q . . .
consecuencia lgica
o
de otra Q . . .
2.3.
Para negar proposiciones (o predicados) que contienen cuanticadores pueden usarse las
siguientes equivalencias:
x(P (x))
x(P (x)),
x(P (x))
x(P (x)).
2.4.
2.5.
Teor matemticas
as
a
PENDIENTE.
c Luis Dissett.
17
CAP
ITULO 2. LOGICA DE PREDICADOS
2.6. EJERCICIOS
2.6.
Ejercicios
1. Para las siguientes proposiciones, el universo consiste en todos los enteros distintos de cero,
y los signicados de los s
mbolos de funcin y operaciones aritmticas es el usual. Determine
o
e
el valor de verdad de cada proposicin, y escriba la negacin de cada una de ellas.
o
o
a)
b)
c)
d)
e)
f)
g)
h)
xy(x y = 1).
xy(x y = 1).
xy(x y = 1).
xy sen2 x + cos2 x = sen2 y + cos2 y .
xy [(2x + y = 5) (x 3y = 8].
xy [(3x y = 7) (2x + 4y = 3].
xy [(2x + y = 5) (x 3y = 8].
xy [(3x y = 7) (2x + 4y = 3].
2. Repita el ejercicio anterior, ahora tomando como universo todos los nmeros reales distintos
u
de cero.
3. Repita el ejercicio anterior, ahora tomando como universo todos los nmeros reales (incluu
yendo al cero).
4. Escriba las negaciones de las siguientes proposiciones:
a) x [p(x) q(x)].
c) x [(p(x) q(x)].
b) x [p(x) q(x)].
5. Demuestre que las proposiciones x(Q(x) R(x)) y x(Q(x)) x(R(x)) son lgicamente
o
equivalentes.
6. Demuestre que las proposiciones x(Q(x)R(x)) y x(Q(x))x(R(x)) no son lgicamente
o
equivalentes.
7. Una de las dos proposiciones presentadas anteriormente es consecuencia lgica de la otra.
o
Demuestre este hecho.
8. Demuestre las equivalencias lgicas
o
x(P (x))
x(P (x)),
x(P (x))
x(P (x)).
9. Demuestre que, dada cualquier proposicin en lgica de predicados, existe una proposicin
o
o
o
lgicamente equivalente a ella en que todos los cuanticadores estn al principio de la
o
a
proposicin, y se aplican globalmente a ella (sta es llamada la Forma Normal Prenex , y
o
e
es utilizada en inteligencia articial).
10. En cada uno de los siguientes casos, decida si la equivalencia lgica expresada es verdadera
o
o no. En caso de que su respuesta sea negativa, indique si una de las implicaciones lgicas
o
es correcta o si ambas son falsas. Justique sus respuestas.
a)
b)
c)
d)
e)
f)
11. D un ejemplo de una interpretacin que haga verdaderas x [p(x)] y x [q(x) p(x)] pero
e
o
que no haga verdadera x [q(x)]. Qu se puede concluir de este ejemplo?
e
c Luis Dissett.
18
Cap
tulo 3
Teor de Conjuntos
a
3.1.
3.1.1.
Deniciones bsicas
a
Nociones primitivas
3.1.2.
3.1.3.
CAP
ITULO 3. TEOR DE CONJUNTOS
IA
3.1.4.
3.1.5.
El conjunto vac
o
3.2.
La paradoja de Russell
Es posible usar cualquier propiedad (x) al momento de denir un conjunto por comprensin?
o
Es necesario un poco de cuidado: en 19??, Bertrand Russell demostr que el ser demasiado
o
permisivos con las propiedades usadas para denir conjuntos nos lleva a paradojas (contradicciones dentro de la teor de conjuntos). La ms famosa de estas paradojas es la siguiente,
a
a
llamada paradoja de Russell: si (x) es la propiedad x x entonces denimos el conjunto
/
A = {x : x x}
/
y nos formulamos la pregunta:
Es A un elemento de A?
De la denicin de A, tenemos que
o
A A A A.
/
O sea, la unica manera de que A sea un elemento de s mismo es . . . que no sea un elemento
de s mismo!
Cualquier parecido entre esta paradoja (debida a Bertrand Russell) y la paradoja del barbero es absolutamente intencional.
3.2.1.
20
CAP
ITULO 3. TEOR DE CONJUNTOS
IA
3.3. OPERACIONES
Ejemplo. Una forma, bastante aceptada, de eliminar paradojas como la de Russell consiste en
lo siguiente:
Se distingue entre clases (colecciones arbitrarias de elementos) y conjuntos (clases que
son elementos de otras clases).
Las clases que no son conjuntos son llamadas clases propias.
Slo se permiten frmulas del tipo
o
o
(x) : x es un conjunto y . . . (x).
Ejercicio. Por qu previene esto la paradoja de Russell?
e
3.3.
Operaciones
= {x : x A x B} ,
AB
= {x : x A x B} ,
A\B
= {x : x A x B} ,
/
P(A)
= {x : x A} .
En realidad, necesitamos axiomas que nos aseguren que las clases as denidas son efectivamente
conjuntos.
3.4.
= A.
Leyes de de Morgan
(A B)c
Ac B c .
Ac B c .
(A B)
Propiedades conmutativas
AB
= B A.
AB
= B A.
Propiedades asociativas
A (B C)
(A B) C.
A (B C)
(A B) C.
Propiedades distributivas
A (B C)
(A B) (A C).
A (B C)
c Luis Dissett.
=
=
(A B) (A C).
21
CAP
ITULO 3. TEOR DE CONJUNTOS
IA
= A.
AA
= A.
A
AU
=
=
A Ac
= U.
AA
= .
Propiedades de dominacin
o
AU
= U.
= .
Propiedades de absorcin
o
A (A B)
3.5.
A.
A (A B)
A.
Operaciones generalizadas
Las operaciones binarias denidas anteriormente (unin e interseccin) pueden fcilmente ser
o
o
a
generalizadas de modo que, en lugar de considerar dos conjuntos, consideren una cantidad (nita)
mayor. La forma de hacer esto es, por ejemplo, la siguiente: si A1 , A2 , . . . , An son conjuntos,
entonces denimos
A1
si n = 1,
Ai =
n1
i=1
Ai An si n > 1.
i=1
Si se desea unir o intersectar una cantidad innita de conjuntos, las deniciones anteriores no
son adecuadas. Para denir adecuadamente uniones e intersecciones de una cantidad innita de
conjuntos, usamos la denicin siguiente:
o
Denicin 10. Sea A un conjunto cualquiera (del que supondremos que sus elememtos son, a
o
su vez, conjuntos). Denimos dos nuevas clases (y agregamos axiomas que dicen que, si A es
conjunto, entonces estas nuevas clases tambin lo son) como sigue:
e
A = {x : y A(x y)}.
A = {x : y A(x y)}.
Ejemplos.
= (fcil).
a
= U (no tan fcil).
a
Demostracin.
o
c Luis Dissett.
CAP
ITULO 3. TEOR DE CONJUNTOS
IA
3.6. OPERACIONES CON CONJUNTOS DE
INDICES
Dado x U, cualquiera, tenemos que
x
sii y (x y)
O sea,
x
sii y (x y)
sii y((y x y)
sii y((y x y))
sii y(y (x y))
sii y(y x y).
/
x , o sea, = U.
3.6.
Sea I un conjunto de
ndices, de modo que para cada i I existe un unico Ai .
Denicin 11.
o
Ai = {x : i I(x Ai )}.
iI
Ai = {x : i I(x Ai )}.
iI
Ai y
iI
deniciones anteriores de
Ai y
i=1
Ai y
i=1
Ai y
iI
3.7.
Ai en lugar de
i=0
i=0
Notaciones como
Ai respectivamente.
i=1
Ai y
Si I = N, escribimos
Ai corresponden a nuestras
iI
Ai .
iI
Ejercicios
23
CAP
ITULO 3. TEOR DE CONJUNTOS
IA
3.7. EJERCICIOS
g) A B C A C B.
h) A B D U(D A D B).
a)
Ai
Ac .
i
iI
iI
c
b)
Ai
Ac .
i
iI
iI
Bi
b) A
iI
Bi
iI
(A Bi ).
iI
(A Bi ).
=
iI
A B = B A. (o sea, la operacin
o
es conmutativa).
A Ac = U.
A U = Ac .
A = A (por lo que el neutro para
es ).
A A = (por lo que cada conjunto es su propio inverso respecto a ).
(A B) C = A (B C) (o sea, la operacin
o
es asociativa).
Qu estructura tiene el conjunto de subconjuntos de U con la operacin
e
o
=
=
{x U : y(y S x y)} ,
{x U : y(y S x y)} .
a)
b)
c)
d)
e)
f)
g)
h)
i)
j)
k)
l)
m)
n)
n)
= .
{a} = a.
{a, b} = a b.
Si A B entonces A B.
(A B) = (A) (B).
Si x A, entonces x A.
Si x(x A x B), entonces A B.
= U.
{a} = a.
{a, b} = a b.
Si A B entonces B A.
(A B) = (A) (B).
(A) (B) (A B).
Si x A, entonces A x.
Si x(x A B x), entonces B A.
c Luis Dissett.
24
CAP
ITULO 3. TEOR 3.8. APLICACION: DEFINICION FORMAL DE LA ARITMETICA
IA DE CONJUNTOS
3.8.
3.8.1.
(0) = () = {} = {} ,
=
.
.
.
3.8.2.
Operaciones en N
c Luis Dissett.
25
c Luis Dissett.
26
Cap
tulo 4
Relaciones
4.1.
4.1.1.
Deniciones bsicas
a
Pares ordenados
Nos interesa denir formalmente la nocin de par ordenado. Intuitivamente, queremos denir
o
par ordenado como una agregacin de dos elementos de modo que dos pares ordenados sean
o
iguales si y slo si sus elementos respectivos son iguales.
o
La denicin clsica de par ordenado es la siguiente:
o
a
Denicin 12. Sean a, b U (nuestro conjunto universo).
o
Denimos el par ordenado (a, b) como
(a, b) = {{a} , {a, b}} .
Ejercicio. Demuestre que, si a, b, c, d U, entonces
(a, b) = (c, d) ((a = c) (b = d)).
4.1.2.
Producto cartesiano
4.1.3.
4.1. DEFINICIONES BASICAS
4.1.4.
CAP
ITULO 4. RELACIONES
o
o
e
idea de producto cartesiano.
Denicin 14. Sea I un conjunto de
o
ndices, de modo que para cada i I existe un unico Ai .
Denimos
Ai
iI
Ai
iI
4.1.5.
i :
iI
como
i (f ) = f (i).
La funcin i es la proyeccin sobre la i-sima coordenada.
o
o
e
Ejercicio. Explique la relacin entre estas funciones de proyeccin y las del lgebra lineal.
o
o
a
4.1.6.
Relaciones binarias
Denicin 15.
o
Una relacin (binaria) de A en B es un subconjunto de A B.
o
Una relacin (binaria) en A es un subconjunto de A A.
o
En este curso estaremos interesados mayormente en relaciones binarias denidas en un conjunto dado (excepto cuando hablemos de funciones).
Notacin. en vez de escribir (x, y) R, usualmente escribiremos xRy. En vez de escribir (x, y)
o
/
R, escribiremos x R y
4.1.7.
Relaciones n-arias
28
CAP
ITULO 4. RELACIONES
4.1.8.
Sea R A A. Dependiendo de las propiedades que satisfaga R, diremos que sta es:
e
Reeja si x A(xRx).
Irreeja si x A(x R x).
Simtrica si x, y A(xRy yRx).
e
Antisimtrica si x, y A((xRy yRx) x = y).
e
Transitiva si x, y, z A((xRy yRz) xRz).
4.2.
Ordenes parciales
es una
1. reeja en A,
2. antisimtrica, y
e
3. transitiva.
Denicin 17. Dado un orden (A, ), el orden inverso es el orden (A, ) donde
o
inversa de , i.e.,
x y y x.
es la relacin
o
Ejemplos.
4.2.1.
Ordenes estrictos
es una relacin en A
o
1. irreeja en A,
2. antisimtrica, y
e
3. transitiva.
Los rdenes estrictos estn relacionados con los rdenes parciales, de la siguiente manera:
o
a
o
Teorema.
Si (A, ) es un orden estricto, entonces (A, ), donde
y x = y), es un orden parcial.
y (x
y (x
c Luis Dissett.
29
4.2. ORDENES PARCIALES
4.2.2.
CAP
ITULO 4. RELACIONES
yy
si x
yoy
x.
x),
Ejercicio. Indique cules de los rdenes parciales dados como ejemplo son lineales.
a
o
4.2.3.
x es un
y x = y).
x).
Notas:
Si la relacin
o
es clara del contexto, la omitimos y hablamos simplemente de elementos
maximales o mximos.
a
De manera anloga se denen los conceptos de elemento minimal y elemento m
a
nimo.
4.2.4.
Cotas, supremos,
nmos
c).
-cota
Notas:
Si la relacin es clara del contexto, la omitimos y hablamos simplemente de cotas supeo
riores, supremos y conjuntos acotados superiormente.
De manera anloga se denen los conceptos de cota inferior,
a
nmo, y conjunto acotado
inferiormente.
Teorema. Si S A tiene un supremo, ste es unico.
e
Demostracin. Ejercicio.
o
Este teorema nos autoriza a hablar de el supremo de S (siempre que S tenga al menos un
supremo . . . ). Si ste es el caso, anotaremos sup(S). Si S = {x1 , x2 , . . . , xn }, entonces anotaremos
e
sup {x1 , x2 , . . . , xn } o sup(x1 , x2 , . . . , xn ).
Por supuesto, un teorema anlogo respecto a
a
nmos tambin es vlido.
e
a
c Luis Dissett.
30
CAP
ITULO 4. RELACIONES
4.2.5.
4.2.6.
Ordenes completos
El siguiente teorema nos dice que la distincin entre rdenes superior e inferiormente como
o
pletos es superua:
Teorema. Si un orden parcial es superiormente completo, entonces es inferiormente completo (y
viceversa).
Demostracin. Ejercicio.
o
Gracias a este teorema, desde ahora en adelante podemos hablar simplemente de rdenes
o
completos.
Qu rdenes parciales son completos?
eo
Ejercicio. Demuestre que (Z, ) y (N, ) son rdenes completos.
o
Ejemplo. Demostraremos que (Q, ) no es un orden completo.
En efecto: sea A el subconjunto de Q dado por
A = q Q : q2 < 2 .
Claramente, 0 A, por lo que A no es vac Por otra parte, si q A, debe tenerse q < 2, por
o.
lo que A es acotado superiormente1 .
Para demostrar que Q no satisface el axioma del supremo, basta probar que no existe ningn
u
racional s tal que s = sup A. Demostraremos esto por contradiccin.
o
Supongamos que existe s Q es tal que s = sup A. En primer lugar, como 1 A, debe
tenerse s > 0. Por tricotom debe darse alguno de los tres casos siguientes: o s2 < 2, o s2 > 2,
a,
o s2 = 2. Mostraremos que en los dos primeros casos es imposible que s sea el supremo de A.
Examinemos primero el caso en que s2 < 2. Demostraremos que, en este caso, s no es cota
superior de A; para ello, mostraremos que existe un nmero s A tal que s < s .
u
4
4s
En efecto: sea s =
= 2
. Para probar que s A, vemos que
s +2
s+ 2
s
2s2 =2
16s2
2s4 + 8s2 + 8 16s2
2(s2 2)2
=
=
> 0,
2
2 + 2)2
+ 2)
(s
(s2 + 2)2
(s2
4s
4s s(s2 + 2)
2s s3
s(2 s2 )
s=
= 2
= 2
> 0,
s2 + 2
s2 + 2
s +2
s +2
de donde s < s .
Supongamos ahora que s2 > 2. Demostraremos que, en este caso, s no es la cota superior
ms pequea de A, ya que existe una cota superior s de A tal que s < s.
a
n
s+ 2
s2 + 2
s
En efecto: sea s =
=
. Como
2
2s
ss =s
1 Tambin
e
c Luis Dissett.
s2 + 2
2s2 (s2 + 2)
s2 2
=
=
> 0,
2s
2s
2s
31
4.2. ORDENES PARCIALES
CAP
ITULO 4. RELACIONES
que s2 = 2. Pero este caso tambin es imposible, debido a la siguiente propiedad (ya conocida
e
por los griegos):
s22=
como s = m con m y n primos entre s (o sea, sin factores comunes aparte del 1).
n
Si s2 = 2, tendr
amos m2 = 2n2 , por lo que m2 es par, y por ende m es par. Pero entonces
2
m ser divisible por 4, por lo que 2n2 tambin es divisible por 4, y por lo tanto n2 ser par y
a
e
a
n tambin ser par.
e
a
Pero el hecho de que m y n sean pares contradice la hiptesis de que m y n son primos entre
o
s Esta contradiccin muestra que m y n no pueden existir.
.
o
As hemos encontrado un ejemplo que prueba que el conjunto de los racionales no satisface
,
el axioma del supremo.
4.2.7.
4.2.8.
El teorema de Knaster-Tarski
o
Teorema (Knaster-Tarski). Sea (A, ) un orden completo, con un elemento mximo y un elea
mento m
nimo.
Sea : A A una funcin -montona; en otras palabras, preserva el orden :
o
o
x
y (x)
(y).
Demostracin. Ejercicio.
o
Ejercicio. Muestre por qu se necesitan las hiptesis de que A debe tener un elemento mximo
e
o
a
y un elemento m
nimo.
4.2.9.
Una relacin binaria denida en un conjunto nito A puede ser representada de varias mao
neras:
por extensin: listando los pares que la forman.
o
como una matriz 0-1: una matriz M cuyas las y columnas estn indexadas por los elementos
a
de A, y donde
1 si xRy,
Mxy =
0 si x R y.
como un grafo dirigido: donde los elementos de A son los vrtices y, para cada par (x, y) R,
e
se tiene una arista que va desde x a y.
c Luis Dissett.
32
CAP
ITULO 4. RELACIONES
4.2.10.
Ejemplo
0 1 0 1 1
0 0 1 0 1
0 0 0 1 0
0 0 0 0 1
0 0 0 0 0
4.2.11.
Diagramas de Hasse
Consideremos el orden (P({1, 2, 3}), ). Un grafo dirigido que representa este orden es:
{1,2,3}
{1,2}
{1,3}
{2,3}
{1}
{2}
{3}
Muchas de las aristas del grafo anterior pueden ser deducidas de otras, usando el hecho de
que la relacin es un orden parcial.
o
Un orden parcial puede ser representado en forma grca de una forma simplicada, tomando
a
el grafo dirigido que lo representa (como relacin), y hacindole los siguientes cambios:
o
e
eliminar las aristas que pueden ser deducidas de otras por transitividad;
eliminar los lazos (se sabe que todos los posibles lazos estn, por reexividad);
a
c Luis Dissett.
33
CAP
ITULO 4. RELACIONES
ubicar los vrtices de modo que todas las echas vayan hacia arriba, y eliminar las echas.
e
La gura resultantes es llamada un diagrama de Hasse.
Por ejemplo, para el ejemplo anterior, el diagrama de Hasse ser
a:
{1,2,3}
{1,2}
{1,3}
{2,3}
{1}
{2}
{3}
4.2.12.
Reticulados (lattices)
Ejemplos:
(P(U), ) es un reticulado.
(N {0} , |) es un reticulado.
Ejercicio. D deniciones expl
e
citas de sup {x, y} e {x, y} para los ejemplos anteriores.
nf
A futuro veremos otros ejemplos.
4.3.
Relaciones de equivalencia
Denicin 22. Sea A un conjunto. Una relacin de equivalencia en A es una relacin denida
o
o
o
en A que es:
1. reeja en A,
2. simtrica, y
e
3. transitiva.
4.3.1.
Ejemplos
34
CAP
ITULO 4. RELACIONES
4.3.2.
Clases de equivalencia
4.3.3.
4.3.4.
Particiones
35
CAP
ITULO 4. RELACIONES
4.3.5.
Uno de los mayores usos de las relaciones de equivalencia es la denicin de nuevos objetos,
o
como conjunto cuociente de otro por una relacin de equivalencia.
o
Ejemplo. Formalmente, los enteros son denidos como el conjunto cuociente de N N por la
relacin
o
(m, n) (r, s) m + s = n + r.
4.3.6.
o
o
la mencionamos expl
citamente).
Es fcil ver que
a
Zn = {[0] , [1] , . . . , [n 1]} .
Los enteros tienen una estructura dada por dos operaciones, + y . Ser posible que Zn
a
herede esta estructura?
4.3.7.
Operaciones en Zn
[i + j] ,
[i] [j]
[i j] ,
4.3.8.
El cuidado que hay que tener al denir operaciones o funciones en trminos de miembros de
e
clases de equivalencia de A/ es que dicha denicin sea independiente de los representantes.
o
En otras palabras, si por ejemplo denimos f ([a]) en trminos de a, debemos cerciorarnos
e
de que, si en lugar de a elegimos b a como representante de [a] (ya que b a [a] = [b]),
obtengamos el mismo resultado.
Supongamos que denimos f ([a]) como f ([a]) = g(a). Entonces debe tenerse:
b a g(b) = f ([b]) = f ([a]) = g(a).
Por ejemplo, en el caso de Zn al denir la suma, tendr amos que demostrar que, si a n c y
b n d, entonces [a + b] = [c + d].
c Luis Dissett.
36
CAP
ITULO 4. RELACIONES
4.3.9.
El cilindro
Consideremos la relacin denida en R [0, 1] como
o
(x, y)R1 (x , y ) x x Z y = y .
Ejercicio. Demuestre que sta es una relacin de equivalencia.
e
o
Una hormiga que viva en R [0, 1] pero que perciba los puntos como equivalentes de
acuerdo a esta relacin no pensar que el mundo es un plano, sino que considerar que cada
o
a
a
uno de los cuadrados de la gura siguiente es el mismo.
B3
"!"!
A2
B4
&%&%
$##$
A1
(''(
B2
A3
B1
A4
A
A
Identicando estos puntos (y los otros puntos equivalentes en los bordes del cuadrado), vemos
que el mundo para esta hormiga tiene una apariencia similar a la de la gura de la derecha.
En otras palabras, hemos denido un cilindro como el conjunto cuociente de R [0, 1] por
la relacin de equivalencia indicada ms arriba (o, si se quiere, como el conjunto cuociente del
o
a
cuadrado unitario [0, 1] [0, 1] por la relacin que iguala a los puntos correspondientes de los
o
extremos derecho e izquierdo del cuadrado.
La cinta de Mbius
o
Supongamos que cambiamos la relacin de equivalencia por la siguiente:
o
(x, y)R2 (x , y ) x x Z
y=y
si x x es par,
.
y + y = 1 si x x es impar.
$#$#
A1
B3
('('
B2
B4
"!!"
B1
&%%&
A4
A2
A3
La hormiga del ejemplo considerar que los bordes derecho e izquierdo de cada uno de estos
a
cuadrados son equivalentes, pero con los puntos dados vuelta (ver gura).
c Luis Dissett.
37
CAP
ITULO 4. RELACIONES
As al hacer el mapa, la hormiga descubrir que el mundo tiene la forma de una cinta de Mbius:
,
a
o
A
B
Quizs la cinta de Mbius ms conocida es el desle de hormigas pintado por M.C. Escher:
a
o
a
El toro
Tambin conocido como la dona o el Michelin, el toro se obtiene al tomar el cuociente de
e
[0, 1][0, 1] por la relacin que hace equivalente a cada punto del extremo izquierdo con el correso
pondiente punto del extremo derecho, y a cada punto del extremo superior con el correspondiente
punto del extremo inferior (las echas indican qu puntos se identican con cules):
e
a
38
CAP
ITULO 4. RELACIONES
La botella de Klein
Otro ejemplo de supercie que se puede denir usando relaciones de equivalencia es la botella
de Klein: para ello tomamos el cuociente de [0, 1] [0, 1] por la relacin que hace equivalente a
o
cada punto del extremo superior con el correspondiente punto del extremo inferior, y a cada punto
del extremo izquierdo con el punto opuesto del extremo derecho (las echas indican qu puntos
e
se identican con cules):
a
c Luis Dissett.
39
CAP
ITULO 4. RELACIONES
4.4. EJERCICIOS
4.3.10.
As como la cinta de Mbius tiene un solo lado, la botella de Klein no tiene interior y
o
exterior. Si designamos una de las supercies como adentro, es posible moverse sobre dicha
supercie y llegar a estar afuera.
As el interior de la botella tiene volumen 0, por lo que una graduacin adecuada de su
,
o
volumen est dado por la siguiente foto:
a
4.4.
Ejercicios
R=
{S : R S A A S es simtrica} .
e
40
CAP
ITULO 4. RELACIONES
4.4. EJERCICIOS
n=1
{S : R S A A S es transitiva} .
Rn , donde Rn est denido inductivamente por
a
R1
R
R,
n+1
Rn R.
Ri
iI
(x, y)R3 (x , y ) x x Z y y Z;
(x, y)R4 (x , y ) x x Z
(x, y)R5 (x , y )
y y Z si x x es par,
y + y Z si x x es impar;
(x x P y y P)
(x + x P y + y P)
(x x I y + y I)
(x + x I y y I)
(donde P y I representan los conjuntos de enteros pares e
impares respectivamente).
c Luis Dissett.
41
CAP
ITULO 4. RELACIONES
4.4. EJERCICIOS
10. Considere la siguiente relacin denida en N2 :
o
(m, n) (m , n ) m + n = m + n.
a) Demuestre que la relacin as denida es de equivalencia.
o
b) Liste algunos elementos de las clases de equivalencia [(0, 3)], [(4, 1)], [(5, 0)], [(2, 7)].
c) Formalmente, Z = N2 / . Intuitivamente, a qu entero corresponde la clase [(m, n)]?
e
d ) Demuestre que la operacin entre clases de equivalencia dada por [(m, n)] [(p, q)] =
o
[(m + p, n + q)] est bien denida (en otras palabras, esta denicin no depende
a
o
de los representantes escogidos: si (m , n ) [(m, n)] y (p , q ) [(p, q)] entonces
[(m + p , n + q )] = [(m + p, n + q)]).
e) Intuitivamente, la operacin corresponde a la suma de nmeros enteros. Dena una
o
u
operacin que corresponda al producto de nmeros enteros.
o
u
11. As como en el ejercicio anterior denimos formalmente Z, en este ejercicio queremos denir
b) Liste algunos elementos de las clases de equivalencia [(0, 2)], [(3, 1)], [(2, 3)].
c) Formalmente, Q = (Z (N {0})/ . Intuitivamente, a qu nmero racional correse u
ponde la clase [(k, n)]?
d ) Demuestre que la operacin entre clases de equivalencia dada por [(k, n)] [(l, p)] =
o
[(kl, np)] est bien denida (en otras palabras, esta denicin no depende de los rea
o
presentantes escogidos: si (k , n ) [(k, n)] y (l , p ) [(l, p)] entonces [(k l , n p )] =
[(kl, np)]).
e) Intuitivamente, la operacin corresponde a la multiplicacin de nmeros racionales.
o
o
u
Dena una operacin que corresponda a la suma de nmeros racionales.
o
u
12. Sea n N. En Z, denimos la relacin (md n) como:
o
o
xy
(md n) n divide a x y.
o
k+l
2
Aqu x representa la parte entera de x (o sea, el mayor entero que no excede x).
,
Demuestre que esta operacin no est bien denida, es decir, si x, y Zn entonces el
o
a
valor de x y depende de los representantes considerados.
c Luis Dissett.
42
Cap
tulo 5
Funciones
5.1.
Deniciones bsicas
a
5.1.1.
Tipos de funciones
5.2.
Cardinalidad
5.2.1.
CAP
ITULO 5. FUNCIONES
5.2.2.
5.2.3.
Conjunto numerables
5.2.4.
5.3.
Caracterizaciones de numerabilidad
c Luis Dissett.
44
CAP
ITULO 5. FUNCIONES
5.4.
Los racionales
Es Q numerable?
Argumento (intuitivo) en contra:
Parece haber demasiados racionales ms que naturales. Entre dos naturales consecutivos
a
siempre hay una cantidad innita de racionales!
Sin embargo, es posible hacer una lista (innita) en que cada racional aparezca (exactamente)
una vez:
1 1 2 1 3 1 2 3 4
, , , , , , , , ,... .
Q=
1 2 1 3 1 4 3 2 1
O sea, Q es numerable.
5.5.
Los reales
r1
r2
r3
donde:
=
.
.
.
md 10
o
no aparece en la lista . . .
Ejercicio. Dnde falla el argumento aqu presentado al tratar de demostrar de la misma
o
5.6.
El argumento de Cantor
5.6.1.
El problema de la detencin
o
45
CAP
ITULO 5. FUNCIONES
5.7.
El hecho de que no hay una biyeccin entre N y el intervalo [0, 1], o entre A y P(A) (y sin
o
embargo s hay una funcin 1-1 f : N [0, 1], y una de A en P(A)) nos sugiere la siguiente
o
denicin:
o
Denicin 28. Dados dos conjuntos A y B, decimos que B tiene al menos tantos elementos como
o
A (o que A no tiene ms elementos que B) si existe una funcin 1-1 f : A B.
a
o
Si este es el caso, anotamos A B.
5.7.1.
Propiedades de
La relacin
o
1. es reeja: A
A;
2. es transitiva: si A
ByB
3. es casi antisimtrica: si A
e
Bernstein (CSB)).
C entonces A
ByB
C;
En realidad,
no es un orden parcial pero determina un orden parcial en el conjunto2 de
clases de equivalencia por la relacin .
o
5.8.
Enunciamos el
Teorema (Cantor-Schrder-Bernstein). Si A B y B A entonces A B.
o
O sea: si existe una funcin inyectiva g : A B y una funcin inyectiva h : B A, entonces
o
o
existe una biyeccin f : A B.
o
Antes de ver su demostracin, estudiaremos un caso particular del teorema.
o
5.8.1.
Prolegmeno:
o
x
si x = 1, x = 1/2,
f2 (x) = 1/2 si x = 1,
1/4 si x = 1/2.
Ahora tenemos un problema con 1/4 . . . Qu hacemos?
e
2 La
clase propia?
c Luis Dissett.
46
CAP
ITULO 5. FUNCIONES TEOREMA DE CANTOR-SCHRODER-BERNSTEIN (CSB)
5.8. EL
Ahora mandemos 1/4 a 1/8. As denimos f3 : [0, 1] [0, 1) como sigue:
,
1/2
f2 (x) =
1/4
1/8
si
si
si
si
x 1, 1 , 1 ,
/
2 4
x = 1,
x = 1/2,
x = 1/4.
f (x) = l fn (x) =
m
n
1
si x 1, 2 , 1 , 1 , . . . ,
/
4 8
1 1 1
si x 1, 2 , 4 , 8 , . . . ,
entonces es posible demostrar que, efectivamente, f es una biyeccin entre [0, 1] y [0, 1).
o
Demostracin. Ejercicio.
o
5.8.2.
Demostracin de C-S-B
o
5.8.3.
si x A A ,
/
si x A A .
x
j(x)
Ahora el problema lo tenemos con los elementos de j(A A ) (lo que pasaba con 1/2 en el
ejemplo).
Si x j(A A ), en lugar de mandar x a x, los mandamos a j(x). O sea:
f2 (x) =
x
j(x)
si x A A j(A A ),
/
si x A A j(A A ).
Se ve que vamos a tener problemas con j(j(A A )), j(j(j(A A ))), etc.
c Luis Dissett.
47
CAP
ITULO 5. FUNCIONES
5.9. EJERCICIOS
5.8.4.
Solucin nal
o
Consideremos los conjuntos C0 = A A , C1 = j(C0 ), C2 = j(C1 ), C3 = j(C2 ), etc. Claramente, necesitamos aplicar j a los elementos de estos conjuntos. As sea
,
C=
Ci .
i=0
Denimos
f (x) =
x
j(x)
si x C,
/
si x C.
5.9.
Ejercicios
48
CAP
ITULO 5. FUNCIONES
5.9. EJERCICIOS
12. Demuestre que el conjunto de todas las sucesiones de nmeros enteros no es numerable.
u
13. Demuestre que el conjunto de todas las sucesiones nitas de nmeros racionales es numeu
rable.
14. Una sucesin (a0 , a1 , a2 , . . . ) de enteros se dice eventualmente peridica si existen dos
o
o
nmeros naturales n0 y p > 0 tales que, para todo n n0 , an+p = an .
u
Demuestre que el conjunto de todas las sucesiones eventualmente peridicas de enteros es
o
numerable.
15. Una sucesin (a0 , a1 , . . . ) de enteros se dice progresin aritmtica si para todo n N se
o
o
e
tiene an+2 an+1 = an+1 an .
Demuestre que el conjunto de todas las progresiones aritmticas de enteros es numerable.
e
16. Un nmero real se dice algebraico si es ra de algn polinomio con coecientes enteros. Si
u
z
u
un nmero real no es algebraico entonces es trascendente.
u
a) Demuestre que el conjunto de todos los nmeros reales algebraicos es numerable.
u
b) Demuestre que el conjunto de todos los nmeros reales trascendentes no es numerable.
u
17. Demuestre que el conjunto P(N) (el conjunto potencia de N) tiene la misma cardinalidad
que R.
18. Demuestre que el conjunto de todas las secuencias nitas de enteros positivos es numerable.
Ayuda: A la secuencia (r0 , r1 , r2 , . . . , rk ) asciele el nmero 2r0 3r1 prk , donde pk es el
o
u
k
k-simo primo (contando desde cero).
e
19. Demuestre que el conjunto de todas las secuencias nitas de racionales es numerable.
20. Demuestre que el conjunto de todas las rectas del plano que pasan por (al menos) dos
puntos con coordenadas racionales, es numerable.
21. Demuestre que cualquier conjunto innito de c
rculos disjuntos en el plano es numerable.
Por qu es importante aqu la hiptesis de disjuntos?
e
o
22. Demuestre que N puede ser escrito como la unin de una familia numerable de conjuntos
o
numerables disjuntos.
23. Demuestre que si D es un conjunto numerable de puntos del plano cartesiano, entonces es
posible escribir D como D = Dx Dy , donde Dx es nito para cada recta paralela al
eje X, y Dy es nito para cada recta paralela al eje Y .
24. Demuestre que en el conjunto P(N) (el conjunto potencia de los naturales) es posible
encontrar una cadena no numerable de subconjuntos, o sea, una familia no numerable
S P(N)
tal que A, B S(A B B A).
c Luis Dissett.
49
CAP
ITULO 5. FUNCIONES
5.9. EJERCICIOS
c Luis Dissett.
50
Cap
tulo 6
Induccin y clausuras
o
6.1.
k =
Ejemplo t
pico:
k=1
n(n + 1)
.
2
(n + 1)! = (n + 1) n!.
o
de arriba.
6.1.1.
6.1.2.
Principios de Induccin
o
Hay (al menos) tres principios de induccin para naturales que son equivalentes:
o
Principio Simple de Induccin (PSI)
o
Dado un subconjunto S de N (S N), si se cumple que:
(i) 0 S;
(ii) dado cualquier n N, si n S entonces n + 1 S;
51
( )
entonces S = N.
Aqu vemos que no hay una base expl
6.1.3.
Ejercicios
Ejercicio. Cmo puede usar el principio de induccin simple (y justicar el uso) para demostrar
o
o
que todos los nmeros naturales mayores que, digamos 10, tienen una cierta propiedad?
u
Ejercicio. Lo mismo que antes, pero ahora se desea demostrar que todos los nmeros enteros
u
mayores que, digamos 5, tienen una cierta propiedad.
Ejercicio. Lo mismo que en los dos ejercicios anteriores, pero ahora usando PICV.
Ejercicio. Demuestre la equivalencia entre los tres principios de induccin.
o
Ayuda: Encuentre una cadena c
clica de implicaciones.
6.1.4.
Los dos primeros principios de induccin pueden ser formulados de manera equivalente usando
o
predicados en lugar de conjuntos. Sea P (n) un predicado con una variable n (entera o natural).
Entonces podemos formular los dos primeros principios de induccin como sigue:
o
Principio Simple de Induccin (PSI)
o
Si se cumple que:
(i) P (0); y
(ii) para todo n N, si se cumple P (n) entonces se cumple P (n + 1);
entonces n N(P (n)).
Principio de Induccin por curso de valores
o
Si, para todo n N se cumple que:
k N(k < n P (k)) P (n),
( )
52
CAP
ITULO 6. INDUCCION Y CLAUSURAS.1. INDUCCION (SOBRE LOS NATURALES)
6
6.1.5.
) para todo
{k N : k < 0} S 0 S.
Como la hiptesis es siempre verdadera, no aporta nada, e igual hay que demostrar que 0 S,
o
a partir de nada, tal como en PSI.
En otros casos, el hecho de que {k N : k < n} S no aporta nada porque en la demostracin
o
de que n S no se ocupa la hiptesis.
o
A estos casos los llamaremos casos base de las demostraciones por PICV (y, t
picamente, 0
es un caso base de estas demostraciones, pero no es necesariamente el unico).
6.1.6.
Aplicaciones de induccin en N
o
En lo que sigue veremos aplicaciones no usuales en cursos bsicos, pero importantes y utiles:
a
Acotacin de soluciones de ecuaciones de recurrencia. No slo hay que demostrar que la soo
o
lucin (usualmente no disponible expl
o
citamente) est acotada por una expresin algebraia
o
ca que contiene constantes, sino que hay que demostrar en el proceso que tales constantes
existen (induccin constructiva).
o
Demostracin de Correccin y Trmino de programas computacionales. Se trata de demoso
o
e
trar que el programa para y que entrega en la salida el resultado esperado.
Demostracin de principios combinatorios (el Principio de los Cajones).
o
6.1.7.
Ejercicios
Primer principio de induccin
o
53
1,
T (n)
2T ( n/2 ) + 3T ( n/2 ) + 4
para n > 1.
T (n)
0,
una movida.
Demuestre que, si el nmero inicial de pasas en al menos una de las pilas es par, entonces
u
el primer jugador puede ganar sin importar cmo juegue su adversario (o sea, tiene una
o
estrategia perfecta para ganar ).
10. Recuerde que los nmeros de Fibonacci se denen
u
fn = 1
fn1 + fn2
como:
si n = 0,
si n = 1,
si n > 1,
54
CAP
ITULO 6. INDUCCION Y CLAUSURAS
6.2. CLAUSURAS
12. Demuestre que, dados dos naturales a, b > 0, existen enteros x, y tales que ax + by =
mcd(a, b).
Ayuda: Considere el conjunto S = {n Z+ : x, y Z(ax + by = n)}. Sea d el menor
elemento de S, y demuestre que d = mcd(a, b).
13. En un torneo de ftbol juegan n equipos, todos contra todos. No se permiten empates. No
u
hay revanchas.
Demuestre que, si existe un ciclo de la forma A le gana a B, B le gana a C, C le gana a
D,. . . , Z le gana a A entonces hay un ciclo de largo 3.
6.2.
Clausuras
6.2.1.
Funciones n-arias
6.2.2.
Conjuntos cerrados
6.2.3.
55
CAP
ITULO 6. INDUCCION Y CLAUSURAS
6.2. CLAUSURAS
6.2.4.
Sea U un conjunto universal dado, sea (S) una propiedad que tienen algunos subconjuntos
S de U, y sea A U un conjunto dado, jo.
Nos interesa encontrar un conjunto C U que satisfaga lo siguiente:
1. A C.
2. Se cumple (C).
3. Dado cualquier D U tal que A D y (D), debe tenerse C D.
Si existe C que cumpla estas tres propiedades, diremos que C es el menor subconjunto de U
que contiene a A y satisface . Note que ste es un elemento m
e
nimo (en el orden de la inclusin)
o
entre los conjuntos que contienen a A y satisfacen .
Note que de existir C que cumpla estas tres propiedades, es unico.
6.2.5.
Un problema
Dependiendo de cul sea la propiedad , es posible que no exista el menor conjunto que
a
contiene a A y satisface .
Ejemplo. Sean U = N, A = {0}, y (S) la propiedad S {1, 2} = .
Entonces no existe un unico elemento minimal (en el orden de la inclusin) entre los sub
o
conjuntos de U que contienen a A y satisfacen , y por ende no existe entre ellos un elemento
m
nimo.
6.2.6.
Teorema. Sea U un conjunto universal dado, sea (S) una propiedad que tienen algunos subconjuntos S de U, y sea A U un conjunto dado, jo.
Si existe un menor subconjunto C de U que contiene a A y satisface entonces
C=
{S U : A S (S)} .
Demostracin. Ejercicio.
o
Este teorema tiene una suerte de rec
proco: si
B=
{S U : A S (S)}
6.2.7.
Propiedades de clausura
Denicin 32. Diremos que una propiedad (S) denida sobre los subconjuntos de un conjunto
o
dado A es una propiedad de clausura si (S) es de la forma S es cerrado bajo cada una de
las relaciones R1 , R2 , . . . , Rk , donde k es un entero positivo y R1 , R2 , . . . , Rk son relaciones
denidas en A.
c Luis Dissett.
56
CAP
ITULO 6. INDUCCION Y CLAUSURAS
6.2.8.
6.2. CLAUSURAS
{S U : A S (S)}
satisface .
Notacin. Denotaremos la clausura de A bajo las relaciones R1 , R2 , . . . , Rn por
o
C(A; R1 , R2 , . . . , Rn ).
Ejemplos.
La clausura aditiva
La mayor de los ejemplos de clausuras pueden ser presentados como clausuras bajo
a
relaciones. Por ejemplo:
Sea S Z. La clausura aditiva de S (el menor conjunto cerrado bajo suma que contiene
a S) es la clausura de S bajo la relacin
o
(x, y, z) Z3 : x + y = z .
Expresiones aritmticas
e
El conjunto de todas las expresiones aritmticas que se pueden formar con constantes y
e
variables en un lenguaje de programacin pueden ser vistas como la clausura del conjunto
o
{X : X es una constante o variable}
bajo las relaciones:
R1
: {(E1 , E2 , E3 ) : E3 = (E1 + E2 )} ,
R2
: {(E1 , E2 , E3 ) : E3 = (E1 E2 )} ,
R3
: {(E1 , E2 , E3 ) : E3 = (E1 E2 )} ,
R4
: {(E1 , E2 ) : E2 = (E1 )} ,
.
.
.
El conjunto N
El conjunto N puede ser visto como la clausura de {} bajo la relacin sucesor:
o
= {(x, y) : y = x {x}} .
c Luis Dissett.
57
6.3. INDUCCION ESTRUCTURAL
6.2.9.
CAP
ITULO 6. INDUCCION Y CLAUSURAS
6.2.10.
A,
Si+1
Si {y U : x1 , . . . , xn Si (x1 , . . . , xn , y) R}
para i 0.
C(A; R) =
Si .
i=0
6.2.11.
Capas
C(A; R1 , R2 , . . . , Rn ) =
Ci ,
i=0
(donde la unin es disjunta), decimos que los Ci son las capas de C(A; R1 , R2 , . . . , Rn ).
o
6.3.
Induccin Estructural
o
Cmo demostrar que todos los elementos de C(A; R1 , R2 , . . . , Rn ) satisfacen una cierta proo
piedad?
Podemos usar una variante de induccin, que esencialmente se reduce a hacer induccin sobre
o
o
los Si (o sobre los Ci ).
Vimos que los nmeros naturales son la clausura del conjunto {} bajo la funcin sucesor.
u
o
Esto nos da la idea de presentar el principio de induccin en trminos de las capas de la
o
e
construccin de clausura de los naturales, y de adaptar esto a otros objetos denidos como
o
clausuras.
As podemos formular el siguiente Principio de induccin estructural:
,
o
c Luis Dissett.
58
CAP
ITULO 6. INDUCCION Y CLAUSURAS
6.3.1.
6.3.2.
Dado un conjunto C de conectivos, decimos que ste es completo si para toda proposicin
e
o
existe una proposicin , y que contiene slo conectivos de C.
o
o
Ejemplo. El conjunto {, , } es completo
Demostracin. Sea F0 el conjunto de frmulas proposicionales atmicas, y sea = F0 {(, ), , , , , , . . . }
o
o
o
el conjunto de todos los s
mbolos que pueden aparecer en una frmula proposicional (podr
o
amos
considerar otros conectivos binarios).
Sea E : dada por E () = (), y para cada conectivo binario {, , , , . . . },
sea E : dada por E (, ) = ( ).
Sea F = C(F0 ; E , E , E , E , E , . . . ) el conjunto de todas las frmulas proposicionales
o
que se pueden formar con conectivos tomados de {, , , , , . . . }.
Deniremos ahora el conjunto F de todas las frmulas proposicionales que se pueden formar
o
con conectivos tomados de {, , }.
Formalmente,
F = C(F0 ; E , E , E ).
Probaremos por induccin estructural que, para toda frmula proposicional F, se cumple
o
o
el siguiente predicado:
P () : existe una frmula proposicional F tal que .
o
Base: si F0 (o sea, si es atmica), entonces claramente, tomando = se tiene
o
F y . O sea, P () se cumple para F0 .
Paso inductivo
Supongamos que se tienen dos frmulas 1 , 2 F tales que se cumple P (1 ) y P (2 ).
o
Debemos demostrar que se cumple P ((1 )), P ((1 2 )), P ((1 2 )), P ((1 2 )), P ((1
2 )), etc.
En efecto: probaremos que se cumple P (), en cada uno de los siguientes casos:
c Luis Dissett.
59
6.3. INDUCCION ESTRUCTURAL
CAP
ITULO 6. INDUCCION Y CLAUSURAS
,
= (1 ): por HI, existe 1 F tal que 1 1 . As
= (1 ) (1 ) = .
= (1 2 ): por HI, existen 1 , 2 F tales que 1 1 , 2 2 . As
,
= (1 2 ) (1 2 ) = .
= (1 2 ): por HI, existen 1 , 2 F tales que 1 1 , 2 2 . As
,
= (1 2 ) (1 2 ) = .
= (1 2 ): por HI, existen 1 , 2 F tales que 1 1 , 2 2 . As
,
= (1 2 ) (1 2 ) (1 2 ) = ,
y as para cada conectivo binario.
Ejercicio. Complete la demostracin con cada uno de los posibles conectivos binarios faltantes.
o
6.3.3.
60
CAP
ITULO 6. INDUCCION Y CLAUSURAS
6.3.4.
Conjuntos no completos
6.3.5.
Ejercicios
(x),
f2 (x, y)
(x y),
f3 (x, y)
(x y),
f4 (x, y)
(x y),
f5 (x, y)
(x y).
n(P )
o(P )
i(P )
nmero de ( en P,
u
d(P )
nmero de ) en P.
u
61
6.3. INDUCCION ESTRUCTURAL
CAP
ITULO 6. INDUCCION Y CLAUSURAS
a) i(P ) = d(P ).
b) i(P ) = n(P ) + o(P ).
c) a(P ) = o(P ) + 1.
3. Demuestre que el conjunto de conectivos {, } es completo.
4. Denimos el conectivo | (conocido como la raya de Sheer , y que en computacin tambin
o
e
es llamado nand ) por la equivalencia p | q (p q). Demuestre que el conjunto de
conectivos {|} es completo.
5. Denimos el conectivo (ni) por la equivalencia p q (p q). Demuestre que el
conjunto de conectivos {} es completo.
6. Demuestre que el conjunto de conectivos {, } no es completo.
Indicacin: Dena adecuadamente el conjunto de frmulas que slo usan conectivos de
o
o
o
{, }, y demuestre que toda frmula P de dicho conjunto satisface (P ) = 1 donde es la
o
extensin de la asignacin de verdad que a toda frmula atmica le asigna 1 (ver ejercicio
o
o
o
o
1 para la denicin de ).
o
c Luis Dissett.
62
Cap
tulo 7
Correccin de programas
o
Dado un programa o algoritmo P , nos interesa probar que ste es correcto, es decir, que
e
satisface ciertas especicaciones.
En particular, nos interesa probar que, si se satisfacen ciertas precondiciones (proposiciones
que involucran algunas variables del programa) entonces el programa termina y se satisfacen
ciertas postcondiciones.
Estudiamos dos tipos de demostracin de correccin de programas: programas iterativos y
o
o
programas recursivos.
7.1.
Supongamos que queremos demostrar que un programa no recursivo (o sea, uno en que no
hay llamadas recursivas de un algoritmo a s mismo) es correcto. La unica dicultad proviene de
la posibilidad de que el programa contenga loops (iteraciones), por lo que nos centramos en este
caso.
Generalmente, dividimos la demostracin de que un programa iterativo es correcto en dos
o
tareas independientes, que llamamos correccin parcial y terminacin:
o
o
Correccin Parcial: si el programa termina, entonces se satisfacen las postcondiciones.
o
Terminacin: el programa se detiene.
o
Para demostrar que un algoritmo iterativo es parcialmente correcto, generalmente se demuestra que una cierta condicin (el llamado invariante del loop o invariante de los loops) se cumple
o
siempre en los distintos momentos en que la ejecucin del algoritmo se encuentra en un mismo
o
punto del loop (generalmente al principio o al nal, pero no necesariamente).
Para ello, para cada variable v que aparece en el algoritmo, denotamos por vi al valor de dicha
variable en el momento en que se alcanza el punto designado en el loop durante (o despus de)
e
la iteracin i-sima, y en el invariante del loop enunciamos relaciones entre los distintos valores
o
e
de las variables en dicho punto.
Al lema que arma que esta condicin efectivamente es un invariante para todo nmero
o
u
de iteraciones, la llamamos el lema del invariante, y como consecuencia de ste deducimos la
e
correccin parcial.
o
Para demostrar terminacin de un algoritmo iterativo, generalmente consideramos una exo
presin entera E cuyo valor va cambiando con cada iteracin del algoritmo. Llamando Ei al
o
o
valor de E tras i iteraciones del algoritmo, si logramos demostrar que Ei+1 < Ei para todo i (o
sea, que E decrece estrictamente con cada iteracin, y que existe k Z tal que i N(Ei k)
o
(o sea, que {Ei : i N} es un conjunto acotado inferiormente) entonces podremos concluir que
efectivamente el algoritmo debe terminar.
63
7.1.1.
nados crecientemente
Una vez demostrada la correccin parcial, probaremos que el algoritmo efectivamente termina.
o
Demostracin de la correccin parcial
o
o
Para cada i 0, sean fi , f1i y f2i los conjuntos de valores presentes en los distintos archivos
tras haberse producido en total i iteraciones de los distintos loops.
Para demostrar que este algoritmo es parcialmente correcto respecto a este par de condiciones,
demostramos que, despus de i iteraciones:
e
fi f1i f2i = f10 f20 ,
fi est ordenado en orden creciente, y
a
dados x fi e y f1i f2i , se tiene x y.
Ms formalmente: demostramos el siguiente lema:
a
Lema. Para todo i N, si en total los loops se ejecutan al menos i veces, entonces
(fi f1i f2i = f10 f20 ) (fi est ordenado en orden creciente) x fi , y f1i f2i (x y).
a
(7.1)
La condicin (7.1) es nuestro invariante de los loops. Note que tenemos un solo invariante
o
para los tres loops.
Demostracin del lema del invariante. Hacemos esta demostracin por induccin sobre i:
o
o
o
Base: que el invariante es verdadero para i = 0 es claro.
Supongamos que el invariante se cumple para i = n, y tratemos de demostralo para i = n + 1.
Si no hay una iteracin n + 1, el resultado es obvio, por lo que supondremos que s la hay. Hay
o
cuatro casos:
c Luis Dissett.
64
CAP
ITULO 7. CORRECCION DE PROGRAMAS
7.1. CORRECCION DE PROGRAMAS ITERATIVOS
Si f1i y f2i son no vac entonces se debe realizar una iteracin ms del primer loop. Sea
os,
o
a
x el menor entre los primeros elementos de f1i y f2i .
Si x es el primer elemento de f1i , entonces fi+1 = fi {x}, f1i+1 = f1i {x}, f2i+1 = f2i ,
por lo que fi+1 f1i+1 f2i+1 = fi f1i f2i = f10 f20 .
Por la tercera parte de la hiptesis de induccin, todos los elementos de fi son x, y como
o
o
fi est ordenado en forma ascendente y x es agregado al nal de fi para obtener fi+1 , se
a
tiene que fi+1 est ordenado en forma creciente.
a
Finalmente, todo elemento de fi es que todo elemento de f1i f2i (y por lo tanto, que
todo elemento de f1i+1 f2i+1 ). Como el unico otro elemento de fi+1 es x, y x es el menor
elemento de f1i f2i , se tiene que todos los elementos de fi+1 son que todos los elementos
de f1i f2i (y por lo tanto, que todo elemento de f1i+1 f2i+1 ).
Si f1i es no vac pero f2i lo es, la demostracin es similar a la anterior.
o,
o
Ejercicio. Complete los detalles.
Si f2i es no vac pero f1i lo es, la demostracin es idntica a la anterior, cambiando 1
o,
o
e
por 2.
Terminacin
o
Para demostrar que el algoritmo termina, consideramos la expresin Ei = |f1i | + |f2i |. Clao
ramente, sta es siempre 0.
e
Adems, esta expresin es estrictamente decreciente: como en cada iteracin uno de los ara
o
o
chivos pierde un elemento, Ei+1 < Ei .
As cada uno de los loops debe terminar en algn momento.
,
u
7.1.2.
65
if A[m] x then
lm
else
f m+1
end if
end while
if A[f ] = x then
return f
else
return 0
end if
f +l
2
< l.
66
CAP
ITULO 7. CORRECCION DE PROGRAMAS
7.1. CORRECCION DE PROGRAMAS ITERATIVOS
P (i): si el loop tiene (al menos) i iteraciones, entonces:
1. 1 fi li n, y
2. si x {A[1], . . . , A[n]}, entonces x {A[fi ], . . . , A[li ]}
P (n) es verdadera para todo n N.
Demostracin. La haremos por induccin en n.
o
o
Base: i = 0. Tenemos f0 = 1, l0 = n. La primera parte de P (0) es verdadera gracias a que
n 1 (precondicin).
o
La segunda parte de P (0) es trivialmente verdadera.
Paso inductivo:
Supongamos que, tras j iteraciones del loop se tiene P (j), o sea,
1. 1 fj lj n, y
2. si x {A[1], . . . , A[n]}, entonces x {A[fj ], . . . , A[lj ]}
Si el programa termina tras j iteraciones, entonces P (j + 1) es trivialmente cierto.
Supongamos que el loop tiene al menos j + 1 iteraciones. Entonces (por la condicin de
o
trmino del loop) fj < lj y por lo tanto (gracias al Lema)
e
fj mj+1 < lj .
Debido al programa, debe tenerse fj+1 = fj y lj+1 = mj+1 , o bien fj+1 = mj+1 + 1 y lj+1 = lj .
En cualquiera de los dos casos, junto con la primera parte de la HI tenemos 1 fj+1 lj+1 n.
67
fj +lj
2
fj +lj
2
+1 <
lj fj ).
Note que, en el fondo, estamos usando el Principio del Buen Orden: el conjunto S =
{E0 , E1 , E2 , . . . } es un subconjunto no vac de los naturales, y por lo tanto tiene un primer
o
elemento Ek . Como Ei decrece estrictamente en cada pasada, el loop se ejecuta exactamente k
veces (si no, existir Ek+1 < Ek lo que ser una contradiccin).
a
a
o
7.2.
entonces
AuxRecM ergeSort(A, f, l)
ordena correctamente A[f ] . . . A[l].
Demostracin. La demostracin de que k N(P (k)) es por induccin sobre k (segundo princio
o
o
pio).
Nuestra hiptesis de de induccin es que t N(0 t < k P (t)).
o
o
c Luis Dissett.
68
CAP
ITULO 7. CORRECCION DE PROGRAMAS
7.2. CORRECCION DE PROGRAMAS RECURSIVOS
En efecto:
Base: si k = 0 entonces {A[f ] . . . A[l]} tiene un solo elemento, y como el algoritmo no hace
nada en este caso, deja dicha porcin del arreglo ordenado.
o
Paso inductivo
Sea k > 0. Entonces t = m f = f +l m y t = f (m + 1) son tales que 0 t, t < k,
2
por lo que (HI) tanto AuxRecMergeSort(A, f, m) como AuxRecMergeSort(A, m + 1, f )
correctamente ordenan los sub-arreglos A[f ] . . . A[m] y A[m + 1] . . . A[l].
As AuxRecMergeSort(A, f, m), al realizar las dos llamadas recursivas, deja ordenados
,
los sub-arreglos A[f ] . . . A[m] y A[m + 1] . . . A[l], e inmediatamente despus llama a M ezclar
e
con parmetros adecuados para dejar ordenada la porcin de arreglo A[f ] . . . A[l] (recuerde que
a
o
demostramos que M ezclar correctamente mezcla dos archivos ordenados generando uno nuevo;
es trivial adaptar dicho algoritmo, y dicha demostracin, al caso en que se tienen arreglos en
o
lugar de archivos).
69
c Luis Dissett.
70
Cap
tulo 8
Grafos
8.1.
Los habitantes de Knigsberg se preguntaban si era posible recorrer todos los puentes de la
o
ciudad, sin repetir ninguno.
71
8.2. DEFINICIONES BASICAS
CAP
ITULO 8. GRAFOS
En 1736, Leonhardt Euler resolvi este problema, considerando la siguiente versin simplicada de ste:
o
o
e
C
A
D
B
Al resolver este problema, Euler dio origen a la Teor de Grafos. Antes de entrar a estudiar
a
en detalle ste y otros problemas, deniremos algunos conceptos bsicos del rea.
e
a
a
8.2.
Deniciones bsicas
a
Denicin 33. Un grafo G es un par (V, E) donde V es un conjunto (cuyos elementos son
o
llamados vrtices) y E es otro conjunto (o multiconjunto), cuyos elementos son llamados aristas,
e
y donde cada arista es i de la forma e = {x, y} con x, y V .
Si e = {x, y} con x = y (o sea, si e = {x}) diremos que e es un lazo o rizo (en ingls, loop 1 ).
e
Los elementos de una arista e son llamados sus extremos. Una arista se dice incidente en sus
extremos.
Generalmente un grafo es dibujado en forma tal que cada vrtice queda representado por un
e
punto en el plano, y cada arista por una curva que une los representantes de sus extremos.
8.2.1.
c Luis Dissett.
72
CAP
ITULO 8. GRAFOS
8.2.2.
8.2.3.
Grafos nitos
Denicin 34. Un grafo G se dice nito si tanto V (G) como E(G) son nitos.
o
Convencin: en este curso todos los grafos son nitos, salvo que expl
o
citamente se indique
lo contrario.
8.3.
Denicin 35. Dos vrtices u y v de un grafo son adyacentes (o cada uno es vecino del otro) sii
o
e
ambos son extremos de una misma arista.
En este caso escribimos u v.
La cantidad de aristas incidentes a un vrtice v es llamada el grado de v, y lo denotamos
e
grado(v).
Nota: los lazos de la forma {v} son contados como dos aristas al calcular grado(v).x
Teorema. En todo grafo,
grado(v) = 2 |E| .
vV
8.3.1.
Denicin 37. Sea G = (V, E) un grafo sin lazos2 , y sean V = {v1 , . . . , vn }, E = {e1 , . . . , em }
o
sus conjuntos de vrtices y aristas.
e
La matriz de adyacencia de G es la matriz de n n A(G) donde aij es el nmero de aristas
u
que tienen a vi y a vj por extremos.
La matriz de incidencia de G es la matriz de n m M (G) donde mij es 1 si vi es un extremo
de ej , 0 si no.
T
picamente, en un programa un grafo es representado en memoria usando o su matriz de
adyacencia o un arreglo de listas de adyacencia (donde cada vrtice tiene una lista ligada con
e
cada uno de los vrtices vecinos).
e
En general, las matrices de incidencia no son usadas computacionalmente, pero sirven como
ayuda conceptual.
2 Pero
c Luis Dissett.
73
8.3.2.
CAP
ITULO 8. GRAFOS
8.4.
Denicin 38.
o
Un subgrafo de un grafo G = (V, E) es un grafo H = (V , E ) tal que V V y E E.
Si H es un subgrafo de G, decimos que G contiene a H, y anotamos H G.
Si H = (V , E ) es un subgrafo de G = (V, E) tal que x, y V ({x, y} E {x, y} E)
(o sea, si H tiene todas las aristas que se forman en G con vrtices de V ) entonces se dice
e
que H es el subgrafo de G inducido por V .
8.5.
Grafos conexos
Denicin 39.
o
Un grafo es conexo si cada par de vrtices en G pertenece a un camino en G. Si G no es
e
conexo se dice disconexo.
Una componente conexa de G = (V, E) es un subconjunto X de V tal que:
el subgrafo de G inducido por X es conexo, y
si X V es tal que X
8.6.
Las matrices de incidencia y adyacencia denidas anteriormente dependen del orden en que
tomemos los vrtices y las aristas; en otras palabras, dependen de los nombres que les demos a
e
los vrtices y aristas.
e
Nos interesa estudiar las propiedades estructurales de los grafos, i.e., aquellas que no cambian si cambiamos los nombres de sus vrtices y sus aristas. El concepto central aqu es el de
e
isomorsmo.
Denicin 40. Un isomorsmo entre dos grafos simples G = (V, E) y H = (V , E ) es una
o
biyeccin f : V V tal que uv E f (u)f (v) E .
o
Si existe un isomorsmo entre G y H decimos que ellos son isomorfos (lo que escribimos
G H).
=
Denicin 41. Un isomorsmo entre un grafo simple y s mismo es llamado un automorsmo.
o
3 Posibles
c Luis Dissett.
74
CAP
ITULO 8. GRAFOS
8.7. SUBGRAFOS
8.6.1.
Clases de isomorsmo
Teorema. La relacin de isomorsmo (entre los grafos simples) es una relacin de equivalencia.
o
o
Las clases de equivalencia determinadas por la relacin de isomorsmo son llamadas clases
o
de isomorsmo.
Informalmente, las clases de isomorsmo corresponden a la idea de grafos con vrtices annie
o
mos. Cuando se dibuja un miembro particular de la clase de isomorsmo (para enfatizar algn
u
aspecto estructural), simplemente se est eligiendo un representante ms conveniente de la clase,
a
a
pero todav se est discutendo el mismo grafo con vrtices annimos.
a
a
e
o
Caminos y ciclos
Denicin 42.
o
Un camino (path) es un grafo simple, cuyos vrtices pueden ser ordenados de modo que dos
e
vrtices son adyacentes sii son consecutivos en la lista.
e
Para cada n 2, el unico camino4 con n vrtices es denominado Pn .
e
Denicin 43. Un ciclo es un grafo con el mismo nmero de aristas que de vrtices, cuyos
o
u
e
vrtices pueden ser puestos alrededor de un c rculo de modo que dos vrtices son adyacentes sii
e
e
son aparecen consecutivamente a lo largo del c
rculo.
Para cada n 3, el unico ciclo5 con n vrtices es denominado Cn .
8.6.2.
Le daremos nombres a los miembros de algunas clases de isomorsmo que aparecen comnmenu
te:
El camino y el ciclo con n vrtices son denotados por Pn y Cn respectivamente.
e
Un grafo completo es un grafo simple cuyos vrtices son todos adyacentes entre s Denoe
.
tamos este grafo por Kn .
Un grafo bipartito completo o biclique es un grafo simple bipartito donde dos vrtices son
e
adyacentes sii estn en diferentes partes. Si los tamaos de las partes son r y s, denotamos
a
n
este grafo por Kr,s .
Nota: cuando se menciona un grafo sin nombrar expl
citamente sus vrtices, en general nos
e
referimos a su clase de isomorsmo.
8.7.
Subgrafos
isomorsmo.
isomorsmo.
c Luis Dissett.
75
8.8. LOS GRAFOS CON 4 VERTICES
CAP
ITULO 8. GRAFOS
8.8.
Hay 2( 2 ) grafos simples con n vrtices. As con n = 4 vemos que hay 64 grafos simples con
e
,
4 vrtices.
e
Estos grafos forman 11 clases de isomorsmos, de los cuales una (P4 ) corresponde a grafos
auto-complementarios, o sea, isomorfos a su propio complemento. La siguiente gura muestra
estas 11 clases, .
8.9.
el tringulo,
a
el volant (kite),
n
la humita (bowtie),
el dardo,
la garra (claw),
la casa,
el grafo de Petersen.
la pata (paw),
el toro (bull),
8.10.
76
CAP
ITULO 8. GRAFOS
8.10.1.
Se puede demostrar (ejercicicio!) que en todo grupo de seis personas hay, o bien tres conocidos
mutuos, o bien tres desconocidos mutuos.
Este es un caso particular de lo que se conoce con el nombre de Teorema de Ramsey, que
arma lo siguiente:
Teorema (Ramsey). Dados k, l N, existe un natural n0 tal que, dado cualquier n n0 , todo
grafo con n vrtices tiene, o bien un clique de tamao k, o bien un conjunto independiente de
e
n
tamao k.
n
Demostracin. Ejercicio.
o
8.10.2.
8.10.3.
Se desea programar las reuniones de varias comisiones del senado, de modo que dos comisiones
que tienen un miembro en comn no se reunan simultneamente. Para simplicar, supongamos
u
a
que cada comisin sesionar exactamente una hora.
o
a
Cul es el nmero m
a
u
nimo de per
odos de una hora que deben ser usadas en la programacin?
o
Idea: Esta situacin puede ser modelada con un grafo en que los vrtices son las comisiones,
o
e
y las aristas unen las comisiones que comparten miembros.
La misma idea se aplica si se desea programar los exmenes de los cursos de una universidad
a
pequea, de modo que dos cursos no tengan exmenes simultneos si tienen alumnos comunes.
n
a
a
Este ejemplo est relacionado con los concepto de coloracin y nmero cromtico de un grafo:
a
o
u
a
Denicin 45.
o
Una coloracin de un grafo G = (V, E) es una funcin c : V {1, . . . , n} (donde n N).
o
o
Si esta funcin es tal que x, y V ({x, y} E c(x) = c(y)), decimos que esta coloracin
o
o
es propia. Los nmeros {1, . . . , n} son llamados los colores de la coloracin, y decimos
u
o
que G ha sido coloreado o pintado con los colores {1, . . . , n}.
El nmero cromtico (G) de un grafo G es qel menor nmero de colores que puede tener
u
a
u
una coloracin propia.
o
c Luis Dissett.
77
8.10.4.
Denicin 46. Dado k > 1, decimos que un grafo G = (V, E) es k-partito si V es la unin de k
o
o
conjuntos independientes.
Vemos que, si un grafo G es k-partito entonces puede ser pintado con k (o ms) colores.
a
Coloracin de mapas
o
Un caso particular del problema de coloracin de grafos es el siguiente:
o
Cuntos colores se necesitan para pintar un mapa (dividido en regiones o pa
a
ses),
de modo que no haya dos regiones con frontera comn pintadas del mismo color?
u
Idea: Un mapa puede ser representado como un grafo, con las regiones como vrtices y donde
e
regiones adyacentes son las que comparten un trozo de frontera.
Los grafos correspondientes a los mapas satisfacen la siguiente denicin:
o
Denicin 47. Un grafo es planar si puede ser dibujado en el plano de modo que sus aristas no
o
se crucen. Cada dibujo (con estas caracter
sticas) de un grafo es llamado grafo plano.
8.10.5.
Un grafo puede ser usado para modelar caminos entre distintos puntos de una red caminera
(o elctrica, o hidrulica, etc.). Los vrtices son las intersecciones de caminos y las aristas son
e
a
e
los tramos de caminos entre intersecciones.
Un problema importante (y con mucha aplicacin) en Teor de Grafos es el de hallar el
o
a
camino ms corto entre dos puntos. Por ejemplo: en Santiago, cul es el camino ms corto
a
a
a
entre el Apumanque y el Museo Interactivo Mirador? Un sitio web que resuelve este problema
es http://www.mapcity.cl.
8.11.
El problema de los puentes de Knigsberg se puede expresar como sigue: Tiene el grafo de
o
la gura un camino (o circuito) que pase por cada arista exactamente una vez ?
B
Un circuito con esta caracter
stica se llama circuito Euleriano (en honor a Leonard Euler).
Un grafo con un circuito Euleriano se dice grafo Euleriano.
Supongamos que podemos recorrer las aristas de un grafo (los puentes de Knigsberg) en la
o
forma pedida, y ordenemos el camino como sigue:
c Luis Dissett.
78
CAP
ITULO 8. GRAFOS
En cada vrtice que no es ni el inicial ni el nal, el camino debe salir una vez por cada vez
e
que entra.
As el grado de cualquier vrtice excepto, posiblemente, los extremos del camino debe ser
,
e
par.
Qu pasa con los vrtices extremos?
e
e
Si los extremos no coinciden (o sea, el camino no es un circuito) entonces la primera salida
desde el vrtice inicial no es compensada por ninguna entrada. Asimismo, la ultima entrada en
e
y el vrtice inicial/nal tiene grado par, igual que los otros vrtices.
e
e
8.11.1.
Para que un grafo sea Euleriano, no puede haber ms que dos vrtices de grado impar en
a
e
el grafo.
Si el grafo tiene dos vrtices de grado impar, todo camino Euleriano debe comenzar en uno
e
de ellos y terminar en el otro.
Si el grafo no tiene vrtices de grado impar, todo camino Euleriano debe ser un circuito, y
e
puede comenzar en cualquier vrtice.
e
8.11.2.
Ms an: si no es posible dibujar una gura dada con un solo trazo, cuntos trazos son
a u
a
necesarios?
Si en una gura hay 2n vrtices de grado impar6 entonces se necesitan exactamente n trazos
e
para dibujarla.
8.12.
Dado un grafo G, un ciclo de G que pasa por todos los vrtices de G es llamado un ciclo
e
Hamiltoniano.
6 Se
puede demostrar que el n mero de vrtices de grado impar en un grafo siempre es par.
u
e
c Luis Dissett.
79
CAP
ITULO 8. GRAFOS
Anlogamente, un camino de G que pasa por todos los vrtices de G es llamado un camino
a
e
Hamiltoniano.
Un grafo con un ciclo Hamiltoniano se dice Hamiltoniano.
Dado un grafo Hamiltoniano en el que cada arista tiene asociado un costo, el problema de
hallar el ciclo Hamiltoniano de menor costo total es conocido como el problema del vendedor
viajero (un problema clsico de optimizacin).
a
o
8.13.
Grafos autocomplementarios
8.14.
Vimos que un clique en un grafo es un subgrafo isomorfo a algn grafo completo Kn , y que
u
un conjunto independiente es un subgrafo isomorfo a algn grafo trivial Kn .
u
Los siguientes problemas son importantes desde el punto de vista computacional:
Dado un grafo G y un entero positivo n, tiene G un clique (o un conjunto independiente)
de tamao n?
n
Dado un grafo G, cul es el mximo tamao posible de un clique (o conjunto indepena
a
n
diente) en G?
Dado un grafo G, hallar un clique (o conjunto independiente) de tamao mximo posible
n
a
en G.
Dado un grafo G, hallar todos los cliques (o conjuntos independientes) de tamao mximo
n
a
posible en G.
8.15.
Planaridad
Puede un grafo ser dibujado en el plano, sin que se crucen las aristas?
Ejemplo. Es posible unir tres casas a las distribuidoras de TV Cable, telfono e Internet sin
e
que se crucen los cables?
c Luis Dissett.
80
CAP
ITULO 8. GRAFOS
8.16.
8.16. LA CARACTER
ISTICA DE EULER
La caracter
stica de Euler
Teorema (Euler, 1758). Si G es un grafo plano conexo con n vrtices, e aristas y f caras, entonces
e
n e + f = 2.
Demostracin. Por induccin en n.
o
o
8.16.1.
Comentarios
Teorema. Si G es un grafo plano que adems es simple y tiene ms de dos vrtices, entonces
a
a
e
e(G) 3n(G) 6. Si adems G no tiene tringulos, entonces e(G) 2n(G) 4.
a
a
Demostracin. Basta considerar el caso en que G es conexo (si no lo es, agrguense aristas hasta
o
e
que lo sea; el nuevo nmero de aristas satisface la cota y por lo tanto el original tambin).
u
e
Sea G simple y con al menos 3 vrtices, y sean n = n(G), e = e(G) y f = f (G).
e
Por ser G es simple y tener al menos 3 vrtices, cada cara tiene largo 3, de donde
e
f
2e =
i=1
de donde e 3n 6.
Anlogamente, si G no tiene tringulos, l(Fi ) 4, de donde 2e 4(en+2), o sea e 2n4.
a
a
Ejemplos. La no planaridad de K5 y de K3,3 puede ser demostrada usando el teorema recin
e
visto: para K5 , e = 10 > 9 = 3n 6. Como K3,3 no tiene tringulos y e = 9 > 8 = 2n 4, estos
a
grafos tienen demasiadas aristas para ser planares.
c Luis Dissett.
81
CAP
ITULO 8. GRAFOS
8.17. EJERCICIOS
8.17.
Ejercicios
82
CAP
ITULO 8. GRAFOS
8.17. EJERCICIOS
Ayuda: Considere los complementos de los grafos dados. Qu propiedad es satisfecha por
e
slo uno de los complementos?
o
20. Sea G un grafo simple, conexo, no completo (o sea, G Kn para ningn n). Demuestre que
u
=
todo vrtice de G pertenece a algn subgrafo inducido de G con 3 vrtices que es isomorfo
e
u
e
a P3 .
21. Demuestre que Kn tiene n! automorsmos, y que Km,n tiene m!n! automorsmos si m = n,
y 2(n!) si m = n.
22. Cuntos automorsmos tiene Pn ? Cuntos automorsmos tiene Cn ?
a
a
23. Demuestre o refute mediante un contraejemplo: si G es un grafo nito simple donde todo
vrtice tiene grado 2, entonces G es un ciclo.
e
c Luis Dissett.
83
CAP
ITULO 8. GRAFOS
8.17. EJERCICIOS
24. Demuestre que un grafo es bipartito si y slo si su conjunto de vrtices puede ser partido
o
e
en dos conjuntos independientes.
25. Demuestre que un grafo es bipartito si y slo si es 2-coloreable.
o
26. Demuestre que un grafo es bipartito completo si y slo si es bipartito y la adicin de
o
o
cualquier arista har que dejara de serlo.
a
27. Demuestre que Km,n Km + Kn .
=
28. Dado un grafo G = (V, E), la identidad es un automorsmo de G, pero no necesariamente
el unico. Demuestre que el conjunto Aut(G) de automorsmos de G forma un grupo con
la composicin.
o
29. Sea G = (V, E) un grafo. Demuestre que la relacin
o
denida en V por x
hay un camino en G entre x e y es una relacin de equivalencia en V .
o
Nota: las clases de equivalencia denidas en V por
de G.
30. Demuestre que las componentes conexas de G son subconjuntos maximales de vrtices que
e
inducen subgrafos conexos (en otras palabras, S V es una componente conexa sii S
induce un subgrafo conexo y todo S tal que S S V induce un subgrafo disconexo).
31. Demuestre que las siguientes propiedades son invariantes bajo isomorsmos (o sea, si G
=
G entonces G tiene la propiedad sii G la tiene):
a) ser conexo,
b) ser bipartito,
c) ser completo,
d ) ser k-coloreable (para k N).
32. Demuestre que las siguientes funciones son invariantes bajo isomorsmos (o sea, si G G
=
entonces f (G ) = f (G) para cada una de las siguientes funciones f ):
a) (G),
b) (G).
33. Demuestre el Teorema de Euler: dada una inmersin plana de G = (V, E), y siendo R el
o
conjunto de las regiones determinadas por ella en el plano, se tiene que |V | |E| + |R| = 2.
c Luis Dissett.
84
Cap
tulo 9
Complejidad de algoritmos y
problemas
9.1.
Problemas e instancias
Cuando hablamos de resolver un problema no nos referimos a, por ejemplo, decidir si en
la lista de nmeros {12, 18, 28, 45, 52, 61, 73, 84, 89, 97, 104} hay dos nmeros cuya suma tambin
u
u
e
sea elemento de la lista.
A esto lo llamamos resolver una instancia de un problema. Por un problema, entendemos
todas las posibles instancias, ms una pregunta asociada.
a
Por resolver un problema nos referimos a encontrar un algoritmo que, dada una instancia del
problema, conteste correctamente la pregunta asociada. La forma de escribir un algoritmo de
modo que un computador pueda ejecutarlos es un programa.
Un mismo problema puede ser resuelto de distintas maneras (pueden utilizarse distintos
algoritmos para resolverlo). Algunas son mejores que otras . . .
Ejemplo. Tome una gu telefnica de Santiago y busque a todos los Dissett en ella. Probablea
o
mente Ud. puede pensar en una manera ms astuta de resolver este problema que comenzar por
a
Aaby, Aarn, Aazos, Abaln, Abarca, Abaroa, Abarza, . . .
o
o
u
ITULO
9.2. NOTACION ASINTOTICA 9. COMPLEJIDAD DE ALGORITMOS Y PROBLEMAS
CAP
Complejidad de un algoritmo
Sea A un algoritmo que resuelve un problema dado . Nos interesa estudiar la funcin
o
TA : N R+ que indica el tiempo mximo que puede tomar A en resolver instancias de
a
0
tamao n.
n
En realidad, el tiempo que tome resolver una instancia de depende de demasiados factores,
por ejemplo la arquitectura de la mquina en que ejecutamos el programa (mi otro computador
a
es un Athlon XP 64 con 8 CPUs de 4 GHz cada una :-P)
As que en realidad no nos interesa medir el tiempo exacto, sino una aproximacin.
o
Por ejemplo, nos puede interesar medir cuntas operaciones se realizan al resolver una insa
tancia dada.
O cuntas operaciones de algn tipo dado (t
a
u
picamente, las ms costosas en tiempo). Por
a
ejemplo, al buscar datos en una base de datos, da lo mismo si se hacen 100 o 1000 o 10000
clculos usando datos de la RAM . . . una sola lectura desde el disco duro toma ms tiempo que
a
a
miles de clculos hechos por la CPU.
a
Es importante elegir bien qu se va a contar. Esto permite aproximar de alguna manera, y
e
salvo por algn factor constante por determinar cunto tiempo toma el algoritmo en resolver
u
a
una determinada instancia.
Complejidad de un problema
Dado un problema , llamamos la complejidad de a la funcin T : N R+ dada por
o
0
T (n) = m {TA (n) : A es un algoritmo que resuelve } .
n
Ejemplo. Se puede demostrar (t
picamente visto, por ejemplo, en un curso de Estructuras de
Datos) que, dado cualquier algoritmo de ordenacin basado en comparaciones, su complejidad
o
es por lo menos c n log n para alguna constante c > 0.
As como existen algoritmos para ordenar basados en comparaciones con complejidad
,
C n log n con C constante (por ejemplo, Heapsort o Mergesort), decimos que el problema de
ordenar un arreglo en base a comparaciones tiene complejidad esencialmente n log n (salvo por
algn factor constante).
u
9.2.
Notacin asinttica
o
o
La notacin O
o
Ya que los factores constantes casi no nos interesan al estudiar complejidad, queremos
reejar este hecho en las funciones que representan complejidad de problemas y algoritmos. De
hecho, esto es util no slo al estudiar el tiempo utilizado por un algoritmo, sino tambin al
o
e
considerar otros recursos, por ejemplo, memoria o acceso a algn dispositivo espec
u
co.
Una notacin util para esto es la llamada notacin O grande.
o
o
Denicin 49. Sea f : N R+ una funcin cualquiera. Denimos O(f (n)) como el conjunto 1
o
o
o
t : N R+ | (c R+ )(n0 N)(n N)(n n0 t(n) c f (n)) .
0
Al valor n0 N lo llamaremos el umbral .
Ejemplo. Veamos que 3n2 + 5n + 6 O(n2 ). En efecto, vemos que, si n 6, tenemos
3n2 + 5n + 6 3n2 + n n + n n = 5n2 ,
por lo que tomando c = 5 y n0 = 6 se satisface la denicin de O(n2 ).
o
Pero tambin podemos satisfacerla tomando c = 14, n0 = 1. O tambin c = 7, n0 = 2.
e
e
Ejercicio. Demuestre que siempre es posible usar un umbral n0 = 1.
1 Note
que, por ejemplo, decimos g(n) O(f (n)), no g(n) = O(f (n)).
c Luis Dissett.
86
CAP
ITULO 9. COMPLEJIDAD DE ALGORITMOS Y PROBLEMAS
9.3. COMPLEJIDAD DE ALGORITMOS ITERATIVOS
Ejercicio. Demuestre que, dados a y b dos nmeros reales cualesquiera mayores que 1, y f : N
u
R+ una funcin cualquiera, se tiene:
o
0
O(f (n) loga n) = O(f (n) logb n)
(y lo mismo vale para y ).
As cuando tengamos una funcin g(n) O(f (n) loga n) escribiremos simplemente g(n)
,
o
O(f (n) log n), ya que la base es irrelevante.
Las notaciones y
Sea f : N R+ una funcin cualquiera. Denimos (f (n)) como el conjunto
o
o
t : N R+ | (c R+ )(n0 N)(n N)(n n0 t(n) c f (n)) .
0
Finalmente, denimos (f (n)) como:
(f (n)) = O(f (n)) (f (n)).
Ejercicio. Demuestre que (f (n)) es el conjunto de todas las funciones t : N R+ tales que
0
(c1 , c2 R+ )(n0 N)(n N)(n n0 c1 f (n) t(n) c2 f (n)).
Generalmente, no nos interesa encontrar la funcin espec
o
ca sino hallar una funcin simple
o
f (n) tal que TA (n) O(f (n)) (o, de preferencia, tal que TA (n) (f (n))).
Por funcin simple entendemos una funcin elemental (potencia, logaritmo, parte entera)
o
o
o que sea expresable como combinacin de una pequea cantidad de stas.
o
n
e
9.3.
FALTA . . .
9.4.
n
tamao de la instancia es menor que un cierto valor l
n
mite (el caso base de la recursin).
o
As la complejidad de un algoritmo recursivo satisface una ecuacin de recurrencia o inecua,
o
cin de recurrencia, en que T (n) (el tiempo o la cantidad de operaciones que toma resolver una
o
instancia de tamao n) est dado en trminos de los valores de T (k) para valores de k < n.
n
a
e
Ejemplo (la complejidad de mergesort). Nos interesa estudiar el tiempo que toma ordenar un
archivo usando OM (ordenamiento por mezcla).
Sea
Tom (n)
:=
Tom (n)
c
Tom
(9.1)
n
2
+ Tom
n
2
+ TM (n),
n 2,
(9.2)
donde TM (n) es el tiempo que toma, en el peor caso, el algoritmo de mezcla M en mezclar
dos archivos de largos que sumen n, y c es una constante que sirve de cota para el tiempo que
mergesort se demora en ordenar una un archivo de largo 1.
c Luis Dissett.
87
(9.3)
n
n
+ Tom
+ dn, n 2,
(9.4)
Tom (n) Tom
2
2
Es imposible resolver exactamente esta ecuacin, pero s es posible demostrar que la solucin de
o
o
la siguiente ecuacin de recurrencia es una cota superior para Tom ():
o
T (1)
= c
(9.5)
n
n
T (n) = T
+T
+ dn, n 2,
2
2
Tenemos una ecuacin de recurrencia, pero no del tipo que asocia n con (n + 1) . . .
o
Queremos hallar cotas para la solucin de esta ecuacin.
o
o
Conjetura: existe alguna constante a 0 tal que, para todo n 1:
(9.6)
Induccin constructiva
o
Si tratamos de demostrar nuestra conjetura por induccin, encontraremos que la hiptesis
o
o
de induccin no nos permite demostrar el paso inductivo como debiera, por lo que intentamos
o
replantearla como sigue:
Conjetura: existen algunas constantes a 0 y b R tales que, para todo n 1:
T (n) a n log2 (n) + bn.
Demostracin. El proceso de demostracin de la conjetura es relativamente largo. Partiremos
o
o
demostrando que la induccin es cierta (y determinando las constantes a y b) si n es una potencia
o
de 2.
O sea, partimos demostrando que, si n = 2k entonces
T (n) a n k + bn.
Esto puede hacerse por PSI o por PICV.
Concluimos que debe tenerse b to , a c (por lo que podemos escoger a = c, b = to ). O
sea, podemos probar por PSI o por PICV que, si n es una potencia de 2, entonces
T (n) cn log2 (n) + to n.
El siguiente paso es demostrar que T (n) es una funcin que no decrece, o sea, que T (n)
o
T (n + 1) para todo n 1 (esto tambin se hace por PICV).
e
Finalmente, si n no es una potencia de 2, usamos el hecho de que
n2
log2 (n)
log2 (n)+1
22
log2 (n)
22
log2 (n)
log2 (n)
log2 (n)
log2 (n)
(c log2 (n) + 1 + to )
88
CAP
ITULO 9. COMPLEJIDAD DE ALGORITMOS Y PROBLEMAS
9.4. COMPLEJIDAD DE ALGORITMOS RECURSIVOS
c0
a1 T
n
b
+ a2 T (
n
b
) + f (n)
si 0 n < n0 ,
si n n0 .
c0
a1 T
n
b
+ a2 T (
n
b
) + cn
(nd )
(nlogb a )
si 0 n < n0 ,
si n n0 ,
si a < bd ,
si a = bd ,
si a > bd .
c Luis Dissett.
89
c Luis Dissett.
90
Cap
tulo 10
P y NP
10.1.
CAP
ITULO 10. P Y N P
10.2.
Tipos de problemas
Los problemas computacionales pueden dividirse en varios tipos. Cuatro tipos importantes
de problemas son:
problemas de decisin;
o
problemas de bsqueda;
u
problemas de evaluacin;
o
problemas de optimizacin.
o
Ilustraremos cada uno de estos tipos de problemas mostrando una variante del llamado problema
de programacin entera, de gran importancia prctica.
o
a
Problemas de decisin Formalmente, un problema de decisin est formado por un dominio
o
o
a
(conjunto de posibles instancias) D, y un subconjunto L de D, llamado lenguaje o problema.
Se busca un algoritmo A que, aplicado a cualquier w D, responde:
SI si w L,
NO si w D L.
m T : A b , 0 .
n c x
x
x
Problemas de optimizacin Formalmente, un problema de optimizacin est formado por
o
o
a
un dominio (conjunto de posibles instancias) D, donde cada instancia I est formada por
a
un conjunto F (I) de soluciones factibles y una funcin de costo c : F (I) Z.
o
Se busca un algoritmo A que, aplicado a cualquier I D, entregue algn x F (I) que
u
minimice el valor de c(x).
c Luis Dissett.
92
CAP
ITULO 10. P Y N P
10.3.
Dada una instancia I de un problema, nos interesa tener una medida de su tamao.
n
En principio, quisiramos medir la cantidad de bytes (o bits, o palabras) que ocupa la inse
tancia, pero nos conformaremos con cualquier medida razonable de tamao (qu exactamente
n
e
es razonable lo discutiremos ms adelante).
a
Las mediciones del tamao de una instancia en trminos de la cantidad de memoria que
n
e
ocupa el representarla en el computador las llamaremos las medidas naturales del tamao.
n
Supongamos ahora que hemos jado una forma de medir tamaos de instancias. Nos referin
remos al tamao de una instancia I, medido de esa forma, por |I|.
n
As dado un algoritmo A, su complejidad es la funcin
,
o
CA : N N
denida por
CA (n) = mx {TA (I) : |I| = n} .
a
93
10.4.
10.5.
iS
94
CAP
ITULO 10. P Y N P
iS
el mayor valor de esta suma, entre los que satisfacen esta restriccin.
o
Versin de decisin: Dados dos nmeros enteros positivos n y C, y n enteros positivos
o
o
u
{x1 , . . . , xn } existe un subconjunto S de {1, . . . , n} que satisfaga
xi = C?
iS
C() =
M(i),(i+1) + M(n),(1) .
i=1
El valor C() representa el costo de un recorrido del vendedor viajero por n ciudades, en
que el costo de ir de la ciudad i a la j est dado por Mi,j y el viajereo recorre las ciudades
a
en orden ((1), (2), . . . , (n), (1)).
Versin de decisin: Dados dos enteros positivos n y P , una matriz M de n n formada
o
o
por enteros positivos, existe una permutacin ((1), (2), . . . , (n)) tal que
o
n1
M(i),(i+1) + M(n),(1) P ?
C() =
i=1
Podemos interpretar esta pregunta como sigue: dado, adems de los datos de la versin de
a
o
optimizacin, un presupuesto P , existe un recorrido del vendedor viajero que tenga un
o
costo que el presupuesto P ?
Solucin:
o
Asumamos que el grafo tiene n nodos, y que los valores de los pesos de las aristas son
nmeros de m bits.
u
Para poder resolver el problema tenemos que resolver 2 cosas:
c Luis Dissett.
95
CAP
ITULO 10. P Y N P
10.6.
10.6.1.
Algoritmos no determin
sticos
Un algoritmo no determin
stico de tiempo polinomial para un problema consta de dos
mdulos: un mdulo adivinador y un mdulo vericador , y se comporta as dada una entrada
o
o
o
:
w,
c Luis Dissett.
96
CAP
ITULO 10. P Y N P
10.6.2.
Ejemplos de problemas en N P
o
P V VD : el problema del vendedor viajero, versin de decisin. Aqu el certicado es un
o
o
circuito de costo k.
CLIQU ED : dado un grafo G y un entero positivo k, tiene G un clique (subgrafo completo)
de tamao k? Aqu el certicado es la lista de los k vrtices.
n
e
Compuesto: dado n N, un certicado de que n es compuesto es uno de sus factores.
Ejercicio. Es posible dar un certicado eciente de que un nmero es primo?
u
10.7.
Problemas N P -completos
10.7.1.
97
CAP
ITULO 10. P Y N P
98
CAP
ITULO 10. P Y N P
PARTICION
Dados un nmero entero positivo n y un conjunto de n enteros positivos A = {x1 , ..., xn }
u
Existe un conjunto S A que satisfaga
xi =
xi ?.
iS
iAS
Se desea mostrar que es posible transformar el problema de SUMA DE UN SUBCONJUNTO al problema de PARTICION, o sea, dada una instancia I del primero, encontrar una
instancia I del segundo, en forma tal que la respuesta (SI o NO) a ambas sea la misma.
Muestre como operar esta transformacin si se tiene la instancia I de SUMA DE UN
a
o
SUBCONJUNTO dada por
n = 20, C = 1000, A = {14, 25, 29, 38, 40, 47, 59, 73, 99, 100, 125, 126, 132, 133, 134, 144, 158, 164, 173, 177}.
Nota: Puede usar el hecho de que
14+25+29+38+40+47+59+73+99+100+125+126+132+133+134+144+158+164+173+177 = 1990.
Solucin:
o
Primero que todo deniremos la variable s =
claramente 2 casos:
a) 2 C = s. En este caso el problema de SUMA DE UN SUBCONJUNTO se reduce
al problema de PARTICION.
b) 2 C = s. Tmese
o
1)
99
CAP
ITULO 10. P Y N P
c Luis Dissett.
100
CAP
ITULO 10. P Y N P
10.7.2.
10.7.3.
Otro problema de decisin (que denotaremos SAT -F N C) es similar a SAT , pero exigiendo
o
que todas las frmulas estn expresadas en Forma Normal Conjuntiva.
o
a
Dado F0 (el conjunto de proposiciones atmicas), un literal es toda frmula atmica (variable
o
o
o
proposicional) o negacin de una frmula atmica. Por ejemplo, si F0 = {p, q, r}, entonces los
o
o
o
literales son p, q, r, p, q y r.
Recordemos que una frmula proposicional est en Forma Normal Conjuntiva (FNC) si es
o
a
una conjuncin de disyunciones de literales:
o
mi
lij ).
i=0 j=0
10.7.4.
10.7.5.
Relacin entre P y N P
o
Se tiene trivialmente P N P .
Tenemos muchos problemas en N P que no sabemos si estn en P o no (SAT , CLIQU ED ,
a
P V VD , etc.).
Conjetura de Steve Cook (1971): P NP , es decir, habr problemas en NP que
a
no estn en P .
a
Candidatos? Todos los problemas N P -completos. ?Sabemos si existen problemas N P -completos?
S el primero fue SAT F N C; despus vinieron otros como CLIQU ED , CG(3), P V VD , . . .
:
e
c Luis Dissett.
101
CAP
ITULO 10. P Y N P
10.8.
El teorema de Cook
10.8.1.
10.8.2.
c Luis Dissett.
102
CAP
ITULO 10. P Y N P
x3
x2
x1
x1
x2
x3
10.8.3.
Todo eso est muy bien, pero cuando Cook demostr que SAT -F N C es N P -completo lo
a
o
hizo sin tener un problema N P -completo en el cual apoyarse.
Cmo lo hizo?
o
Sea un problema en N P . Eso quiere decir que existe un polinomio p(n) y un algoritmo
no determin
stico A (modelado matemticamente por una mquina de Turing) que, dada una
a
a
c Luis Dissett.
103
CAP
ITULO 10. P Y N P
10.9.
xAS
3-colorabilidad: Dado un grafo G, es posible pintar los vrtices de G con 3 colores de modo
e
que vrtices adyacentes tengan colores distintos?
e
10.9.1.
a
n
n
Por otro lado, hay N subconjuntos a vericar. Esto da tiempo O(n3 N . El coeciente
(N +1)n
a
a
binomial da 1(nN ) que es menor o igual a nN . Esto podr sugerir que, como N est jo, que el
tiempo es polinomial en n. Sin embargo, el problema original es el de encontrar el recubrimiento
o
ptimo, y en ese problema no aparece el N como parmetro. El N sali de manera intermedia y
a
o
depende de n (y de la instancia), de hecho, N puede ser arbitrariamente cercano a n (en el peor
caso). As tenemos un tiempo O(nn ).
,
c Luis Dissett.
104
Cap
tulo 11
Denicin 50. Sean a, b Z. Decimos que b divide a a (o tambin que a es divisible por b, o que
o
e
a es un mltiplo de b, o que b es un factor de a, o que b es un divisor de a) si y slo si existe
u
o
k Z tal que a = bk.
Notacin. Denotamos el que b divide a a por b | a.
o
11.1.1.
El algoritmo de la divisin
o
divisin de a por b.
o
Demostracin. Considrese el conjunto
o
e
S = {a bx : x Z y a bx 0} .
Si a 0 entonces a S, y si a < 0 entonces a |b| a S, por lo que en cualquier caso
S = .
Como adems todos los elementos de S son 0, S es acotado inferiormente. Por el principio
a
del menor entero, S debe tener un elemento m
nimo. Llamemos a ste r.
e
Sea q Z algn entero tal que a bq = r (dicho entero debe existir, por la denicin de S).
u
o
Claramente, r 0. Pasamos a demostrar que r < |b|. Si as no fuera, entonces r = r |b| =
105
11.1.2.
11.1.3.
El algoritmo de Euclides.
PENDIENTE
11.1.4.
11.2.
Aritmtica modular
e
106
CAP
ITULO 11. ARITMETICA MODULAR Y CRIPTOGRAF
IA
11.2.1.
11.3. CUERPOS
Relacin entre Z y Zn
o
Tanto Z como Zn son anillos. Qu propiedades algebraicas se mantienen entre uno y otro?
e
Consideremos f : Z Zn , denida por:
aa
md n.
o
md n
o
md n
o
md n = ((a1
o
md n) + (a2
o
(a1 a2 )
md n = ((a1
o
md n) (a2
o
md n))
o
md n))
o
md n
o
md n
o
11.2.2.
Inversos en Zn
Dec
amos que Zn es un anillo, o sea, tiene estructura similar a un cuerpo, pero no todo
elemento = 0 tiene (necesariamente) un inverso multiplicativo.
Qu elementos en Zn {0} = {1, . . . , n 1} tienen inverso multiplicativo?
e
Veamos:
Teorema. a Zn {0} tiene inverso multiplicativo en Zn (o sea, existe x Zn tal que a x
md n = 1) si y slo si mcd(a, n) = 1.
o
o
Demostracin. Sea d = mcd(a, n).
o
Supondremos primero que x Zn es el inverso multiplicativo de a mdulo n. Entonces existe
o
k Z tal que ax = kn + 1. Pero entonces 1 = ax kn, de donde d | 1 (ya que, como d | a y
d | n, se tiene d | ax y d | kn). As d = 1.
,
Supongamos ahora que d = 1. Entonces podemos asegurar la existencia de dos numeros
n
enteros x, y tales que ax + ny = 1 (ver problema 2, I3)1 Pero entonces ax = ny + 1, o sea,
ax 1 (md n), de donde x = a1 en Zn .
o
=
11.3.
Cuerpos
o
Corolario. Zn es un cuerpo si y slo si n es primo.
o
Demostracin. Ejercicio.
o
Ejemplo. n = 5.
+5
0
1
2
3
4
1 Ms
a
0
0
1
2
3
4
1
1
2
3
4
0
2
2
3
4
0
1
3
3
4
0
1
2
5
0
1
2
3
4
4
4
0
1
2
3
0
0
0
0
0
0
1
0
1
2
3
4
2
0
2
4
1
3
3
0
3
1
4
2
4
0
4
3
2
1
a n: el Algoritmo Extendido de Euclides nos da una forma eciente de calcular estos enteros.
u
c Luis Dissett.
107
11.4. INTRODUCCION A CAP
LA CRIPTOGRAF
ITULO 11. ARITMETICA MODULAR Y CRIPTOGRAF
IA
IA
Ejemplo. n = 4, Z4 no es cuerpo
+4
0
1
2
3
0
0
1
2
3
1
1
1
3
0
2
2
3
0
1
4
0
1
2
3
3
3
0
1
2
0
0
0
0
0
1
0
1
2
3
2
0
2
0
2
3
0
3
2
1
11.3.1.
Teorema (Pequeo teorema de Fermat). Sea p primo. Para todo a {1, 2, . . . , p 1} se tiene
n
ap1 md p = 1.
o
Ejemplo. Consideremos p = 11. Se tiene:
110 md 11 = 210 md 11 = = 1010 md 11 = 1.
o
o
o
11.3.2.
1. 0 x < ab
2. x md a = u
o
3. x md b = v
o
Para demostrar el teorema hay que demostrar existencia y unicidad.
11.4.
Introduccin a la Criptograf
o
a
11.4.1.
108
CAP
ITULO 11. ARITMETICA MODULAR Y CRIPTOGRAF ON A LA CRIPTOGRAF
11.4. INTRODUCCI
IA
IA
11.4.2.
Codicacin en RSA
o
El agente A:
Elige dos nmeros primos grandes p y q, y calcula N = p q.
u
Elige e tal que: mcd(e, (p 1)(q 1)) = 1, primo relativo con (p 1)(q 1) (en particular,
puede ser otro primo).
Calcula s, t tales que: se + t(p 1)(q 1) = 1.
Esto se puede hacer en tiempo polinomial con el algoritmo extendido de Euclides.
Publica N y e
Dice a los otros: al enviarme mensajes M , encr
ptenlos usando la siguiente funcin de
o
encriptacin:
o
E(M ) = M e md n.
o
El resto de la divisin de M e por n se puede calcular en tiempo polinomial (pendiente)..
o
11.4.3.
Decodicacin en RSA
o
A se guarda p, q, s, t!!!!
Para leer el mensaje, A aplica la funcin de desencriptacin:
o
o
?
11.4.4.
11.4.5.
Firma de mensajes
(M,D(M ))
B.
109
11.4. INTRODUCCION A CAP
LA CRIPTOGRAF
ITULO 11. ARITMETICA MODULAR Y CRIPTOGRAF
IA
IA
11.4.6.
Vericacin de la rma
o
por A.
B puede vericar ecientemente todo esto.
Hay que probar que el protocolo es correcto, es decir, que
1. D(E(M )) = M ;
2. E(D(M )) = M .
= M md n
o
= M (si n es grande)
Hay que probar que:
M (t)(p1)(q1)+1 md n = M md n.
o
o
Lema. Sean p primo, a, K Z, K 0. Entonces:
aK(p1)+1 md p = a md p.
o
o
(generalizacin del pequeo teorema de Fermat)
o
n
Demostracin.
o
aK(p1)+1 md p
o
(1 (a md p)) md p
o
o
= a md p.
o
md p1
o
110
= M md p2
o
(11.1)
= M md p1
o
(11.2)
P.U.C. Chile, 2006
CAP
ITULO 11. ARITMETICA MODULAR Y CRIPTOGRAF
11.5. EXPONENCIACION MODULAR
IA
Cmo las combinamos para obtener lo deseado?.
o
Por el Teorema Chino del Resto, como mcd(p1 , p2 ) = 1, la siguiente funcin es 1-1 y sobre:
o
: Zp1 p2
Zp1 Zp2
(x md p1 , x md p2 )
o
o
11.5.
Exponenciacin modular
o
11.5.1.
111
11.6. OTROS TEOREMASCAP
IMPORTANTES, Y DEMOSTRACIONES PENDIENTES
ITULO 11. ARITMETICA MODULAR Y CRIPTOGRAF
IA
11.5.2.
o
Sean b, e y n tres nmeros de k bits c/u. Si llamamos xi , yi , zi a los valores de x, y, z despus
u
e
de i iteraciones, y |a| a la cantidad de bits de a, vemos que:
i log2 n + 1 k.
|yi | k 2i .
|zi | k(1 + 2 + + 2i1 ) k 2i .
El tiempo que toma, en cada iteracin, calcular z y e y 2 es aproximadamente, O((k 2i )2 ) =
o
O(k 2 22i ).
Al nal del loop, cada una de estas operaciones toma O(k 2 22k ).
Esto es exponencial en k!
Es posible mejorar esto? Si en lugar de dejar crecer y y z indiscriminadamente, los mantenemos chicos (no ms de k bits en cada iteracin), las multiplicaciones no sern tan costosas.
a
o
a
11.5.3.
11.5.4.
11.6.
11.6.1.
Teorema. Todo nmero entero positivo N tiene una unica representacin como producto de
u
o
potencias de nmeros primos (excepto por reordenamiento de los factores). En otras palabras,
u
dado N Z+ , es posible escribir en forma unica
N = pe1 pes
s
1
con s 1, p1 , < p2 < . . . < ps primos.
c Luis Dissett.
112
CAP 11.6. 11. ARITMETICA MODULAR Y CRIPTOGRAF
ITULO OTROS TEOREMAS IMPORTANTES, Y DEMOSTRACIONES PENDIENTES
IA
Ejemplo. 2200 = 23 52 111 .
El teorema se demuestra usando los siguientes tres siguientes resultados, ms induccin por
a
o
curso de valores:
Lema. Sean a, b, c Z, tales que a = 0, a | bc. Si mcd(a, b) = 1, entonces a divide a c.
Corolario. Sean p, a, b Z, p primo. Si p | ab, entonces p | a o p | b.
Ejemplo. 3 | 12 3 | 2 6 3 | 2 o 3 | 6.
El ultimo ingrediente que necesitamos para demostrar el TFA es el siguiente:
11.6.2.
p1
fa (b)
b=1
b=1
p1
p1
((ab)
md p)
o
b=1
p1
/ md p
o
b=1
p1
[(ab)
md p])
o
md p
o
b=1
b)
md p
o
b)
md p
o
b=1
p1
p1
(ab))
md p
o
b=1
b=1
Luego:
p1
p1
b) ap1 )
((
md p = (
o
b=1
c Luis Dissett.
b)
md p
o
b=1
113
11.6. OTROS TEOREMASCAP
IMPORTANTES, Y DEMOSTRACIONES PENDIENTES
ITULO 11. ARITMETICA MODULAR Y CRIPTOGRAF
IA
p1
(((
p1
b)
md p) ((ap1 )
o
md p))
o
md p =
o
b=1
b)
md p.
o
b=1
p1
md p = 1.
o
11.6.3.
11.6.4.
Unicidad
Supongamos 0 x, x < ab, y que:
1. x md a = u
o
3. x md a = u
o
2. x md b = v
o
4. x md b = v
o
p(x) =
vi pi (x),
i=1
114
CAP 11.6. 11. ARITMETICA MODULAR Y CRIPTOGRAF
ITULO OTROS TEOREMAS IMPORTANTES, Y DEMOSTRACIONES PENDIENTES
IA
Ejercicio. Encuentre una frmula para pi (x).
o
Sabemos que existe una CLE: s a + t b = 1, con s, t Z.
Esta CLE es computable ecientemente.
Los valores sa y tb juegan el rol de los pi en la interpolacin de Lagrange: sa y tb satisfacen
o
tb md a
o
1,
tb md b
o
0,
sa md a
o
0,
sa md b
o
1.
md ab
o
c Luis Dissett.
115