Escolar Documentos
Profissional Documentos
Cultura Documentos
NUMEROS
Universidad de Guadalajara
Centro Universitario de Ciencias Exactas e Ingenieras
Enero 2013
ii
AUTORES:
Alonso Castillo Ramrez
Alonso Castillo P
erez
iii
Contenido
1. Introducci
on
2. L
ogica B
asica
2.1. Proposiciones . . . . . . . . . . . . . . . . . . . . . . . . .
2.2. Conectivos . . . . . . . . . . . . . . . . . . . . . . . . . . .
10
2.2.1. Negaci
on, conjunci
on y disyunci
on . . . . . . . . .
10
14
18
20
2.3. Cuantificadores . . . . . . . . . . . . . . . . . . . . . . . .
21
25
26
29
2.4.2. Reducci
on al absurdo . . . . . . . . . . . . . . . .
30
31
2.4.4. Demostraci
on de equivalencias . . . . . . . . . . .
32
33
2.5. Glosario . . . . . . . . . . . . . . . . . . . . . . . . . . . .
34
3. Conjuntos
35
36
40
CONTENIDO
3.2. Conceptos B
asicos de Conjuntos . . . . . . . . . . . . . .
41
46
48
57
4. Relaciones
58
4.1. Funciones . . . . . . . . . . . . . . . . . . . . . . . . . . .
59
59
4.1.2. Definici
on de funci
on . . . . . . . . . . . . . . . . .
63
67
4.1.4. Composici
on de funciones . . . . . . . . . . . . . .
69
. . . . . . . . . . . . . . .
75
. . . . . . . . . . . . . . . . .
76
82
83
. . . . . . . . .
5. N
umeros
88
89
5.1. N
umeros Naturales . . . . . . . . . . . . . . . . . . . . . .
90
90
5.1.2. Inducci
on Matem
atica . . . . . . . . . . . . . . . .
92
5.1.3. Ejercicios de N
umeros Naturales . . . . . . . . . .
98
5.2. N
umeros Enteros . . . . . . . . . . . . . . . . . . . . . . .
99
. . . . . . . . . . . . . 115
CONTENIDO
vi
135
. . . . . . . . . . . . . . . . . . . . . . . . . . . . 136
. . . . . . . . . . . . . . . . 152
. . . . . . . . . . . . . . . . . . . . . . . . . . 160
Captulo 1
Introducci
on
La capacidad de razonamiento es el factor principal que le ha permitido a la humanidad desarrollar una civilizaci
on tecnologica y cientfica. Con la raz
on, hemos podido interpretar, aprender, deducir y predecir
fen
omenos que ocurren a nuestro alrededor. Es gracias a esta cualidad humana que podemos curar enfermedades, construir computadoras y viajar
al espacio.
A pesar de ser una caracterstica inherente a la humanidad, con el
paso de los a
nos hemos mejorado nuestra habilidad de razonar de forma m
as precisa y m
as profunda. En alg
un momento de nuestra historia,
comprendimos que los lenguajes naturales, como el espa
nol, el ingles o
el frances, no son suficientes en razonamientos complejos. Por ejemplo,
consideremos los silogismos aristotelico.
Silvestre es un gato.
Los gatos son mamferos.
Silvestre es un mamferol.
El silogismo anterior consta de dos hip
otesis y una conclusi
on, la cual
parece v
alida y razonable. Cu
al es el problema entonces con el siguiente
silogismo?
Silvestre es un gato.
Un gato puede levantar autom
oviles.
Silvestre puede levantar autom
oviles.
Despues de pensarlo un poco, nos damos cuenta que el problema es
que la palabra gato en la primera premisa se usa para referirse a un
animal felino, mientras que en la segunda se usa para referirse a una
2
herramienta hidr
aulica. La existencia de palabras polisemicas (con muchos significados) nos dificulta razonar usando lenguajes naturales. Por
tal motivo, la humanidad ha creado un lenguaje que le permita formular
observaciones y hacer deducciones de manera precisa. Este lenguaje es
la matem
atica. Los terminos usados en una teora matematica tienen un
significado u
nico, preciso y total.
Esta es la primera versi
on de las notas para la clase Conjuntos y n
umeros. El objetivo de la clase es presentar los fundamentos matematicos mas
importantes a los estudiantes de primer semestre de la Licenciatura en
Matem
aticas. Abordaremos temas b
asicos de l
ogica, teora de conjuntos,
relaciones, funciones, n
umeros naturales, enteros y algunas estructuras
algebraicas.
En este texto, hacemos enfasis en las definiciones precisas de los objetos matem
aticos. Para ejemplificar la importancia y pertinencia de este
enfoque, acudiremos al concepto de funci
on trabajado en la Seccion 4.1.
En espa
nol, la palabra funci
on es polisemica; algunos de sus significados
son1 :
1. La capacidad de actuar propia de los seres vivos y de sus organos, y
de las m
aquinas o instrumentos, por ejemplo cuando preguntamos
por la funci
on del hgado en el organismo.
2. La tarea que corresponde realizar a una institucion o entidad, o a
sus
organos o personas, por ejemplo cunado alguien sugiere que el
gobierno debera hacer suya tal o cual funci
on.
3. La representaci
on de una obra teatral, proyeccion de una pelcula,
o la representaci
on de un espect
aculo en general.
Sin embargo, la matem
atica le da a esta palabra un significado muy
diferente (ver Definici
on 4.1.12). Las teoras cientficas (incluyendo a la
matem
atica) frecuente nombran sus conceptos utilizando palabras del
lenguaje natural, a las cuales asignan un nuevo sentido. Dice el filosofo
espa
nol Jose Ortega y Gasset:
Cuando el investigador descubre un fenomeno nuevo, es
decir, cuando forma un nuevo concepto, necesita darle un
nombre. Como una voz nueva no significara nada para los
dem
as, tiene que recurrir al repertorio del lenguaje usadero,
donde cada voz se encuentra ya adscrita a una significacion.
1 De
edici
on.
3
A fin de hacerse entender, elige la palabra cuyo usual sentido
tenga alguna semejanza con la nueva significacion.
Es particularmente complejo encontrar la relacion entre el significado las palabras del lenguaje coloquial y el que le asigna la matematica.
Debemos considerar que las primeras son polisemicas y que ademas, con
ellas se forma un abanico de significados ubic
andolas en distintos contextos, o utiliz
andolas como sinecdoques, metonimias o metaforas. Por
lo contrario, el concepto matem
atico debe darles un significado inequvoco, que evite cualquier paradoja o contradicci
on. El proceso de deducion
matem
atica parte de la definici
on de los conceptos. Los objetos que utilizan los lenguajes formales son ideas abstractas que carecen de existencia
propia y son s
olo lo que su definici
on establece, y nada mas.
Si, por lo contrario, quisieramos establecer una definicion de un objeto real, por ejemplo, las vacas, sera sumamente difcil. Si afirmaramos
que las vacas son cuadr
upedos, dejaramos fuera de la definicion a las
vacas que han perdido una pata o que nacieron sin ella; ademas tambien
son cuadr
upedos los chivos, los venados, etc. Que caractersticas definen
con precisi
on a las vacas? Afortunadamente la definicion de vaca no es
necesaria ya que las reconocemos sin contar con una definicion formal. Es
decir, la diferencia entre el trabajo de los veterinarios y los matematicos,
es que los primeros pueden curar las vaca aunque no cuenten con una
definici
on, mientras que los matem
aticos no podra iniciar una teora de
las vacassi no construyen primero una definici
on formal.
No obstante, las definiciones matem
aticas tienen una historia. La formalizaci
on evoluciona, se van precisando o creando nuevos conceptos que
le dan mayor alcance a una teora. La famosa frase del matematico aleman
Leopold Kronecker: Los n
umeros naturales los hizo Dios, todo lo demas
es obra humana, puede interpretarse como que los n
umeros que se utilizan para contar son tan antiguos como la civilizacion misma, pero que
la matem
atica ha trabajado permanentemente en ellos hasta llegar a su
axiomatizaci
on (Axiomas de Peano).
Por todo esto, es importante que el lector tenga cuidado para no confundir los significados formales y coloquiales de las palabras que se usan
para nombrar conceptos matem
aticos. Otros ejemplos tpicos, ademas
del de funci
on, que podran causar este tipo de confusiones son: relacion,
clase, grupo, campo, etc.
Tambien daremos importancia especial a las demostraciones de forma
rigurosa. Exploraremos diversas tecnicas las cuales se espera que le den
al estudiante las herramientas necesarias para escribir por si mismo sus
primeras demostraciones.
4
Sabemos que este enfoque podra causarle algunos problemas a los
nuevos estudiantes universitarios; sin embargo, creemos que es indispensable comenzar a formar el pensamiento matem
atico desde el principio
de la carrera.
Al ser un borrador, estas notas contienen a
un muchos errores y estan
en constante modificaci
on. Agradecemos profundamente a los estudiantes
que nos hagan saber todas sus sugerencias y comentarios.
Captulo 2
L
ogica B
asica
La matem
atica estudia una gran variedad de objetos (como n
umeros, conjuntos, funciones, polinomios, figuras geometricas, etc.) para cuyo
an
alisis es necesario tener un s
olido dominio de la l
ogica. Desarrollar la
intuici
on matem
atica requiere pr
actica y reflexi
on, as como una atmosfera de cuestionamiento y reto de las ideas, lo cual puede provocar tension
y sorpresa en el estudiante poco experimentado. Sin embargo, tambien
existe un placer gratificante al obtener la pista de una demostracion o la
soluci
on a un problema.
Al escribirse una pieza literaria, su desarrollo descansa en la imaginaci
on del escritor, quien debe conocer los fundamentos de la ficcion, de la
descripci
on de caracteres y costumbres; pero, para todo esto, necesita una
gran destreza en el manejo del lenguaje: en su gramatica y su sintaxis.
En el mundo de las matem
aticas, el lenguaje consiste en proposiciones,
cuya interacci
on establece juicios soportados principalmente en el razonamiento deductivo, el cual demuestra o refuta su validez. Por lo anterior,
la l
ogica y las tecnicas de demostraci
on conforman la gramatica esencial
del lenguaje matem
atico.
2.1 Proposiciones
2.1.
Proposiciones
El elemento medular en la l
ogica matem
atica es la nocion de proposici
on, la cual definiremos m
as adelante. La teora de las proposiciones
tiene dos ramas: la la sintaxis de las proposiciones, que se ocupa de su estructura y composici
on, y la sem
antica de las proposiciones, que se ocupa
de su interpretaci
on y la construcci
on de argumentos. Algunos conceptos
relacionados con la sintaxis son los conectivos y los cuantificadores, los
cuales estudiaremos en las Secciones 2.2 y 2.3, mientras que profundizaremos en la sem
antica de las proposiciones en la Seccion 2.4.
El vocablo termino, en el sentido l
ogico matematico, es un grupo de
palabras o smbolos usados para referirse a uno o varios objetos matematicos. Cuando un termino se refiere a un objeto particular se denomina
como singular ; act
ua en calidad de nombre propio. Por otro lado, cuando
un termino se refiere a todos los objetos de una clase determinada se le
llama general ; en este caso se comporta como un nombre com
un.
Ejemplo 2.1.1 (Terminos singulares). Pedro, Jose, 9, , la constante
de Euler, la ecuaci
on de Laplace, etc.
Ejemplo
2.1.2 (Terminos generales). Humano, n
umero, segmento, vecR
tor, , espacio vectorial, ecuaci
on, etc.
Recordemos que, en la gram
atica del espa
nol, la unidad mnima de
lenguaje para manifestar una idea, con su significado completo, es la
oraci
on, la cual se forma con la estructura
sujeto + predicado.
Cada parte de la estructura de una oraci
on se construye combinando
diversos terminos. Las oraciones se dividen en las siguientes clases: declarativas, imperativas, exclamativas e interrogativas. Cuando se expresa
una idea completa en una oraci
on, cuyo predicado afirma o niega alg
un
atributo del sujeto, se obtiene una oraci
on declarativa. Esta clase de oraciones son las que abordaremos en nuestro estudio logico matematico.
Ejemplo 2.1.3. Considera las siguientes oraciones como ilustraci
on:
2. Javier, apres
urese con ese problema. Esta
no es una oracion declarativa sino imperativa.
2.1 Proposiciones
interesante. Esta
es una oraci
on declarativa.
6. El promedio de x1 , x2 , , xN R es
oraci
on declarativa.
x1 +x2 ++xN
N
. Esta
es una
En matem
aticas se emplean ciertos smbolos para representar predicados de uso frecuente. Algunos ejemplos de estos smbolos son: = que
representa el predicado es igual a, < que encarna al predicado es
menor que, que sustituye al predicado es menor o igual que, y
que indica el predicado es miembro de.
Ahora podemos precisar la noci
on de proposicion.
Definici
on 2.1.4 (Proposici
on). Una proposici
on es una oraci
on declarativa, la cual se puede caracterizar como verdadera o falsa, pero no puede
tener ambos atributos.
En el Ejemplo 2.1.3, s
olo las oraciones (3.) y (6.) son proposiciones. Las
oraciones (1.) y (2.) no son proposiciones porque no son declarativas. La
oraci
on (4.) no es una proposici
on ya que, a pesar de ser declarativa, no es
posible caracterizarla como verdadera o falsa (es verdadera para algunos
tri
angulos pero falsa para otros). La oraci
on (5.) no es una proposicion
ya que es una declaraci
on subjetiva, cuya verdad o falsedad depende del
gusto y la opini
on del autor de la oraci
on.
La caracterstica de verdad o falsedad de una proposicion se denomina
su valor de verdad. Consideremos algunos ejemplos.
Ejemplo 2.1.5. Considera las siguientes oraciones declarativas:
1. Dos es un n
umero primo. Esta
es una proposicion, ya que es una
oraci
on declarativa verdadera.
2. El a
rea del crculo es mayor al
area del cuadrado. Esta
no es una
proposici
on, ya que no se puede determinar su valor de verdad:
puede ser verdadera o falsa dependiendo del crculo y el cuadrado
que se consideren.
2.1 Proposiciones
n
umero racional mientras que es n
umero irracional. Esta es una
proposici
on compuesta ya que est
a formada por varias proposiciones
simples.
2. Siempre que sea un n
umero real, ocurre que sin2 () + cos2 () = 1.
2.1 Proposiciones
2.1.1.
Ejercicios de Proposiciones
2.2 Conectivos
2.2.
10
Conectivos
En la l
ogica, existe una colecci
on de palabras y smbolos que se usan
para asociar distintas proposiciones y expresar las ideas matematicas con
precisi
on; estos elementos son los denominados conectivos l
ogicos, los cuales permiten elaborar las proposiciones compuestas. Los conectivos logicos de uso m
as frecuente son las negaciones, conjunciones, disyunciones,
condicionales y bicondicionales. La siguiente tabla caracteriza las proposiciones compuestas formadas con cada uno de estos conectivos. En la
tabla, se considera que P y Q son proposiciones cualesquiera.
Nombre del
conectivo
Smbolo
asociado
Proposici
on
Significado
no P
Conjunci
on
P Q
P yQ
Disyunci
on
P Q
P oQ
Condicional
P = Q
P implica Q
P Q
P si y solo si Q
Negaci
on
Bicondicional
2.2.1.
Negaci
on, conjunci
on y disyunci
on
2.2 Conectivos
11
Adem
as del vocablo no, se utiliza tambien la frase no es cierto
que para negar proposiciones.
Ejemplo 2.2.2. Definamos
Q = (La raz cuadrada de 9 es 2).
La negaci
on de esta proposici
on es
Q = (No es cierto que la raz cuadrada de 9 es 2).
Cuando el predicado de una proposici
on simple se representa mediante
alg
un smbolo matem
atico, se acostumbra formar la negacion cruzando
el smbolo con una raya inclinada. De esta forma, si T = (5 = 4 + 1),
entonces la negaci
on es T = (5 6= 4 + 1).
Analizando los ejemplos anteriores, podemos darnos cuenta que si
una proposici
on es verdadera, entonces su negaci
on es falsa, y que, si una
proposici
on es falsa, entonces su negaci
on es verdadera. La proposicion Q
del Ejemplo 2.2.2 es falsa (por que la raz cuadrada de 9 no es 2 sino 3),
as que Q es verdadera; por otro lado, la proposicion T = (5 = 4 + 1)
es verdadera, as que T es falsa.
La esencia del p
arrafo anterior puede capturarse en una tabla de verdad. Para el caso de las negaci
on, la tabla de verdad consiste en un arreglo
de dos renglones y dos columnas. En la primera columna se escriben los
posibles valores de verdad de una proposici
on arbitraria (verdadero, abreviado como V, y falso abreviado como F). En la segunda columna
se escriben los valores de verdad correspondientes a la negacion de dicha
proposici
on, asumiendo el valor de verdad que se encuentra en el mismo
rengl
on.
P
V
F
P
F
V
2.2 Conectivos
12
Q = (5 es un n
umero primo),
entonces
P Q = (5 es un n
umero impar y primo).
Por razones de estilo, en ciertas ocasiones en lugar del vocablo y se
utilizan las palabras pero o sin embargo.
Ejemplo 2.2.4. La conjunci
on de las proposiciones los cuadrados tienen cuatro lados y los tri
angulos tienen tres lados es
los cuadrados tienen cuatro lados, pero los triangulos tres.
Como observamos en los ejemplos anteriores, el conectivo es conmutativo en el sentido en que no importa el orden en el que aparezcan
las proposiciones; en otras palabras,
P Q Q P.
Adem
as, la conjunci
on es asociativa ya que, al combinar tres proposiciones P , Q y T , tenemos que
(P Q) T P (Q T ).
Usamos el smbolo para expresar que ambas proposiciones son logicamente equivalentes (definiremos esta idea con con mayor presicion en
la Secci
on 2.2.3).
Ejemplo 2.2.5. Sean P y Q las proposiciones del Ejemplo 2.3, y sea
T = (5 es un n
umero entero).
Ahora podemos observar que las proposiciones
(P Q) T = (5 es un n
umero impar y primo, y entero),
P (Q T ) = (5 es un n
umero impar, y primo y entero),
tienen el mismo significado.
Ejemplo 2.2.6. La conjunci
on de las proposiciones L = (6 = 3 3) y
M = (6 = 3 + 3) es
L M = (6 = 3 3 y 6 = 3 + 3) (3 3 = 3 + 3).
En este caso, L M es una proposici
on falsa debido a que L es falsa.
2.2 Conectivos
13
El ejemplo anterior nos da la pista de que la conjuncion de dos proposiciones es verdadera exclusivamente cuando ambas proposiciones son
verdaderas; si al menos una de las proposiciones es falsa, entonces su conjunci
on tambien ser
a falsa. La informaci
on sobre el valor de verdad de la
conjunci
on queda claramente establecido en la Tabla 2.3, en donde P y
Q son proposiciones arbitrarias.
P
V
V
F
F
Q
V
F
V
F
P Q
V
F
F
F
Q
V
F
V
F
P Q
V
V
V
F
2.2 Conectivos
14
W = (El sol es un planeta).
La conjunci
on de estas proposiciones es
K W = (El sol es una estrella o un planeta).
En este caso, K W es verdadera debido a que K es verdadera.
Ejemplo 2.2.8. Sean
J = (12 es un m
ultiplo de 3)
G = (12 es un m
ultiplo de 2).
Entonces la conjunci
on
J G = (12 es un m
ultiplo de 3 o de 2).
La proposici
on J G es verdadera debido a que ambas J y G son verdaderas.
Ejemplo 2.2.9. Sean
A = (8 es un n
umero impar)
B = (2 + 2 = 5).
La conjunci
on es
A B = (8 es un n
umero impar o 2 + 2 = 5).
En este ejemplo, la proposici
on A B es falsa ya que ambas A y B son
proposiciones falsas.
2.2.2.
Condicional y bicondicional
2.2 Conectivos
15
1. Si P , entonces Q.
2. P implica Q.
3. P es suficiente para que Q se cumpla.
4. Q es necesaria para que P se cumpla.
5. Q se cumple si P se cumple.
6. Q cuando P .
7. Q s
olo si P .
Ejemplo 2.2.10. Consideremos las proposiciones
P = (Pepe hace su tarea),
Q = (Llevo a Pepe al cine).
Las distintas formas de escribir P Q son:
1. Si Pepe hace su tarea, entonces lo llevo al cine.
2. Que Pepe haga su tarea implica que lo lleve al cine.
3. Que Pepe haga su tarea es suficiente para que lo lleve al cine.
4. Para que lleve a Pepe al cine es necesario que haga su tarea.
5. Llevo a Pepe al cine si hace su tarea.
6. Llevo a Pepe al cine cuando haga su tarea.
7. Llevo a Pepe al cine s
olo si hace su tarea.
Todos los enunciados anteriores son equivalentes.
Ejemplo 2.2.11. Algunos otros ejemplos de proposiciones condicionales
son los siguientes. Puedes identificar cu
al es el antecedente y el consecuente?
1. Si x es m
ultiplo de 2, entonces x es par.
2. Que = 0 o = es suficiente para que sin() = 0.
3. El log w existe cuando w es un n
umero real positivo diferente de
cero.
2.2 Conectivos
16
P
V
V
F
F
Q
V
F
V
F
P Q
V
F
V
V
2.2 Conectivos
17
son l
ogicamente equivalentes. Demostraremos este hecho mas adelante,
en la Secci
on 2.2.5.
La proposici
on formada con un conectivo bicondicional es llamada
una equivalencia, la cual se obtiene como la conjuncion de una implicacion
con su recproca; en otras palabras:
P Q corresponde a (P Q) (Q P ) .
En la configuraci
on escrita, tpicamente usamos los vocablos si y solo si
o es necesario y suficiente para representar el bicondicional.
Ejemplo 2.2.14. Algunos ejemplos de equivalencias son los siguientes.
1. Un tri
angulo es is
osceles si y s
olo si dos de sus lados tienen igual
tama
no.
2. Para poder llevar el curso de topologa es necesario y suficiente
acreditar el curso de an
alisis matem
atico.
Si P y Q son proposiciones arbitrarias, el valor de verdad de la equivalencia P Q se localiza en la Tabla 2.6.
P
V
V
F
F
Q
V
F
V
F
P Q
V
F
V
V
QP
V
V
F
V
P Q
V
F
F
V
2.2 Conectivos
18
La formulaci
on anterior podra hacer pensar al lector que existen
n
umeros pares que no sean de la forma n = 2k para alg
un entero k.
Sin embargo esto no es as; las definiciones establecen un significado preciso y total. Lo que la definici
on anterior quiere decir en realidad es que
n es un n
umero par si y s
olo si n = 2k para alg
un entero k.
2.2.3.
Tautologas y contradicciones
Q
V
F
V
F
A
V
F
V
V
B
V
F
V
V
2.2 Conectivos
19
Q
V
F
V
F
AB
V
V
V
V
Q
V
F
V
F
Q
F
V
F
V
P
F
F
V
V
P Q
V
F
V
V
( Q) ( P )
V
F
V
V
2.2 Conectivos
2.2.4.
20
Ejercicios de Conectivos
2.3 Cuantificadores
2.3.
21
Cuantificadores
2.3 Cuantificadores
22
2.3 Cuantificadores
23
2.3 Cuantificadores
24
Proposici
on: Existe una soluci
on analtica o el sistema es inestable.
Negaci
on: Ninguna soluci
on es analtica y el sistema es estable.
En el ejemplo anterior, la frase ninguna solucion es analtica es
equivalente a todas las soluciones son no analticas.
2.3 Cuantificadores
2.3.1.
25
Ejercicios de Cuantificadores
Ejercicio 2.3.1. Reescribe cada una de los siguientes proposiciones usando los smbolos , ! y apropiadamente.
a) Existe un n
umero positivo x tal que x2 = 5.
b) 2n + 1 es impar para cualquier n
umero natural n.
c) Para todo n
umero positivo M , existe un n
umero positivo N tal que
N < 1/M .
d) Existe exactamente un n
umero x tal que 5 + x = 7.
e) Para todo n
umero positivo n, tenemos que n + 1 > n.
Ejercicio 2.3.2. Escribe la negaci
on para cada una de las siguientes
proposiciones.
a) Ning
un poltico es honesto.
b) Existe un poltico que es deshonesto.
c) x2 + 3x 2 = 0 para alg
un n
umero real x.
d) Para cualquier x, si x < 0, entonces x + 1 0.
e) Todas las soluciones son positivas y existe una soluci
on impar.
Ejercicio 2.3.3. Determinar el valor de verdad (verdadero o falso) de
cada una de las siguientes proposiciones, asumiendo que x, y, y z son
n
umeros reales. Justifica tu respuesta.
a) x tenemos que x 6= .
b) x tal que x 1 y x 0.
c) x, y tenemos que xy > 0.
d) x, y tal que x + y = 0.
e) x, y tal que
x
y
= 1.
2.4 M
etodos de Demostraci
on
2.4.
26
M
etodos de Demostraci
on
De modo elemental, la l
ogica se interesa en los metodos y principios que permiten distinguir el razonamiento correcto del incorrecto. A
una proposici
on correctamente declarada, que asegura la validez de alg
un
atributo, pero de la cual no se tiene evidencia directa, se le llama teorema.
Al demostrar un teorema, lo que se pretende es comprobar la veracidad
de las proposiciones que afirman el atributo no evidente. La justificacion
se lleva a cabo mediante un proceso de inferencia, deduccion, o argumentaci
on.
La verdad de cualquier enunciado en una demostracion debe poder
rastrearse hasta alg
un conjunto de conceptos y proposiciones iniciales. A
estas proposiciones iniciales en una teora matem
atica se les llama axiomas, o postulados, las cuales se aceptan como verdaderas sin necesidad
de ser demostradas. Hay tambien un conjunto de conceptos primitivos
llamados terminos indefinidos, a partir de los cuales se definen o deducen
conceptos nuevos.
Tpicamente, un teorema es una proposici
on condicional, es decir, una
implicaci
on de la forma
P Q,
donde P es llamada la hip
otesis del teorema y Q es la conclusi
on del
teorema. Para demostrar la veracidad del teorema, supondremos que la
hip
otesis P es verdadera (si P fuera falsa, sabemos, por su tabla de verdad, que la implicaci
on siempre es verdadera). Asumiendo esto, debemos
deducir que la conclusi
on Q tambien es verdadera (si Q es falsa, el teorema es falso). Esta deducci
on se realiza encontrando una secuencia de
proposiciones P1 , P2 , ..., Pm verdaderas tales que P1 = P y
(P1 P2 ... Pm ) = Q,
es un enunciado verdadero. A estas proposiciones intermedias se les llama
premisas del argumento. En particular, P1 siempre es la hipotesis del
teorema y la premisa Pi , con i > 1, puede ser:
1. Una definici
on de alg
un concepto.
2. Un axioma o postulado.
3. Un teorema cuya veracidad se ha demostrado previamente.
4. Una proposici
on que es consecuencia inmediata de una o varias de
las premisas anteriores.
2.4 M
etodos de Demostraci
on
27
(P1 ) = 45 . (Hip
otesis del teorema).
(P2 ) Un
angulo agudo es menor que 90 . (Definicion de angulo agudo).
(P3 ) 45 < 90 . (Propiedad de orden de los n
umeros reales).
(P4 ) es un
angulo agudo. (Conclusi
on del teorema: deducida de P1 , P2
y P3 ).
Para demostrar el siguiente teorema, recordemos que un n
umero par
se define como un n
umero de la forma 2k, donde k es un n
umero entero.
Teorema 2.4.2. Si n y m son dos n
umeros pares, entonces n + m es un
n
umero par.
Demostraci
on. La cadena de proposiciones que demuestra este teorema
es la siguiente:
(P1 ) n y m son n
umeros pares. (Hip
otesis del teorema).
(P2 ) n = 2k1 y m = 2k2 , para algunos enteros k1 y k2 . (Deducido de P1
y la definici
on de n
umero par).
(P3 ) n + m = 2k1 + 2k2 = 2(k1 + k2 ). (Deducido de P2 y la propiedad
distributiva de los n
umeros enteros).
(P4 ) n + m es un n
umero par. (Conclusi
on del teorema: deducida de P3
y la definici
on de n
umero par).
Veamos otro ejemplo un poco m
as complicado. Por definicion, un polinomio h(x) es factor de g(x) si podemos encontrar un polinomio f (x) tal
que g(x) = h(x)f (x). Decimos que un n
umero r es una raz del polinomio
h(x) si h(r) = 0.
2.4 M
etodos de Demostraci
on
28
Teorema 2.4.3. Si el n
umero r es una raz del polinomio g(x) = x2 +
x + 1, entonces x r es un factor de g(x).
Demostraci
on. La cadena de proposiciones que demuestra el teorema
es la siguiente:
(P1 ) El n
umero r es una raz de g(x) (hip
otesis del teorema).
(P2 ) Por P1 , obtenemos que
g(r) = r2 + r + 1 = 0.
(P3 ) Por la definici
on de g(x), obtenemos que
g(x) g(r) = (x2 + x + 1) (r2 + r + 1).
(P4 ) Reordenando los terminos en P3 , obtenemos que
g(x) g(r) = (x2 r2 ) + (x r).
(P5 ) Por P4 y la identidad diferencia de cuadrados, obtenemos que
g(x) g(r) = (x + r)(x r) + (x r).
(P6 ) Factorizando el lado derecho de la igualdad en P5 resulta que
g(x) g(r) = (x r)[(x + r) + 1].
(P7 ) Por P2 y P6 , obtenemos que
g(x) = g(x) g(r) = (x r)[(x + r) + 1].
(P8 ) Finalmente, P7 y la definici
on de factor implican que x r es un
factor de g(x).
En la pr
actica, no escribiremos las demostraciones como una cadena explcita de proposiciones, sino como texto, y sera trabajo del lector
identificar cada uno de los elementos de la cadena.
La tecnica para hacer demostraciones estudiada anteriormente se le
llama demostraci
on directa. Existen otras estrategias, las cuales son mas
convenientes en diversas situaciones, dependiendo de la formulacion del
teorema. Algunas de estas estrategias son: la demostraci
on por contraejemplo, la demostraci
on por contrapuesta, y la reducci
on al absurdo. A
continuaci
on estudiaremos m
as a detalle cada una de estas tecnicas.
2.4 M
etodos de Demostraci
on
2.4.1.
29
Contraejemplo y contrapuesta
La idea de la demostraci
on por contraejemplo es deducir que una
proposici
on es falsa localizando un ejemplo que la refute.
Proposici
on 2.4.4. Es falso que si m y n son enteros positivos y cuadrados perfectos, entonces la suma m + n es un cuadrado perfecto.
Demostraci
on. Los enteros positivos 16 y 25 son cuadrados perfectos,
cuya suma 16+25 = 41 no es un cuadrado perfecto. La proposicion queda
demostrada.
Proposici
on 2.4.5. Es falso que todo n
umero primo es impar.
Demostraci
on. El n
umero 2 es un n
umero primo par.
En los ejemplos anteriores usamos la palabra proposicion en lugar de
teorema. El el uso de estos terminos para etiquetar distintos resultados
es subjetivo; en general, vamos a reservar la palabra teorema para
resultados menos evidentes.
La demostraci
on por contrapuesta aprovecha el hecho de que una
implicaci
on es l
ogicamente equivalente a su contrapuesta (Proposicion
2.2.18). En vista de esto, una forma de demostrar una implicacion consiste
en demostrar su contrapuesta.
Proposici
on 2.4.6. Si 7m es un n
umero impar, entonces m es un n
umero impar.
Demostraci
on. La proposici
on contrapuesta es: Si m es un n
umero par,
entonces 7m es un n
umero par. La cadena de premisas para demostrar
esto es:
(P1 ) m es un n
umero par. (Hip
otesis de la contrapuesta).
(P2 ) m = 2k para alg
un entero k. (Por P1 y la definicion de par).
(P3 ) 7m = 7(2k). (Por P2 ).
(P4 ) 7m = 2(7k). (Por P3 , y las propiedades conmutativa y distributiva
de los n
umeros enteros).
(P5 ) 7m es un n
umero par. (Conclusi
on de la contrapuesta: por P4 y la
definici
on de par).
Esto se demuestra la contrapuesta, y por equivalencia logica, la proposici
on original tambien queda demostrada.
2.4 M
etodos de Demostraci
on
30
2.4.2.
Reducci
on al absurdo
La tecnica de reducci
on al absurdo usa un poderoso argumento que
surgi
o en la filosofa griega hace cientos de a
nos. La estrategia se basa
en demostrar que una proposici
on es verdadera mostrando que asumir
su falsedad implica una contradicci
on (similarmente, podemos demostrar
que una proposici
on es falsa mostrando que asumir su veracidad implica
una contradicci
on). El fundamento l
ogico de esta estrategia es que una
proposici
on debe ser, inevitablemente, falsa o verdadera, pero no ambas a
la vez. Por lo tanto, si el suponer que la proposici
on P es falsa nos conduce
a un absurdo, entonces P necesariamente tiene que ser verdadera.
Veamos el mecanismo de esta estrategia.
Teorema 2.4.7. Si x es un n
umero real, entonces x2 6= 1.
Demostraci
on. Para usar la reducci
on al absurdo, supongamos que existe un n
umero real x tal que x2 = 1. En un hecho basico de los n
umeros
reales que x2 0. Entonces, nuestra suposici
on implica que 1 0, lo
cual contradice el orden de los n
umeros reales. Por lo tanto, no existe
ning
un n
umero real cuyo cuadrado sea 1.
Teorema 2.4.8. Hay un n
umero infinito de enteros pares positivos.
Demostraci
on. Supongamos que hay un n
umero finito de enteros pares
positivos. Entonces, podemos escribir una lista completa que contenga a
todos los enteros pares positivos: n1 , n2 , n3 , ..., nr . Por el Teorema 2.4.2,
sabemos que n1 + n2 + n3 + ... + nr tambien es un entero par positivo. Sin
embargo, este nuevo n
umero par no puede estar en nuestra lista, ya que
es mayor que cada uno de sus elementos: esto contradice que nuestra lista
haya contenido a todos los pares positivos. El teorema queda demostrado
por reducci
on al absurdo.
La ventaja de usar la reducci
on al absurdo es que, en muchas ocasiones, resulta m
as sencillo trabajar con la negacion completa de una
proposici
on que con la proposici
on misma. Por ejemplo, en el teorema
anterior, no queda claro que deducciones concretas se pueden hacer suponiendo que hay un n
umero infinito de enteros pares positivos; por otro
lado, el suponer la negaci
on nos permite hacer deducciones inmediatas.
2.4 M
etodos de Demostraci
on
2.4.3.
31
Proposiciones cuantificadas
En matem
aticas, algunos teoremas son enunciados cuantificados, a
un
cuando el cuantificador no aparezca explcitamente en la proposicion. Por
ejemplo, la proposici
on
Si x es un entero impar, entonces x + 1 es par.
comprende un cuantificador no explcito, pero que aparece en su traducci
on simb
olica:
(x entero) [(x impar) (x + 1 par)] .
Para un teorema con un cuantificador universal, la demostracion normalmente se construye con las condiciones abiertas, para una variable
arbitraria. Evidentemente, en este tipo de demostraciones hay que asegurarse que cada paso sea v
alido en todos los valores posibles de la variable.
Interpretemos esto en un ejemplo.
Proposici
on 2.4.9. Para todo n
umero real x, si x > 1 entonces x2 > x.
Demostraci
on. Empecemos la demostraci
on nombrando nuestra variable arbitraria: sea x un n
umero real. Aqu x no es un n
umero real en particular, sino que representa un elemento cualquiera. Ahora, debemos cuidar
que nuestras deducciones se cumplan para todos los n
umeros reales.
Si x > 1, entonces x es positivo (porque x > 1 > 0). Esto implica que
podemos multiplicar por x en ambos lados de la desigualdad sin alterarla:
xx>x1
Por lo tanto, x2 > x. Como x era arbitrario, la proposicion se cumple
para todos los n
umeros reales.
Para demostrar un teorema con un cuantificador existencial, es suficiente con describir un objeto para el cual la proposicion sea verdadera. Es
decir, la mejor forma de probar que algo existe es encontrar un ejemplar.
Ejemplo 2.4.10. Consideremos los siguientes ejemplos:
1. Para demostrar que existe un n
umero real y tal que
y 2 + 2y + 1 = 4,
necesitamos que esta igualdad sea verdadera para al menos un elemento. As, la proposici
on queda demostrada ya que es verdadera
para y = 1.
2. La proposici
on existe un n
umero par que es primo, es verdadera
porque 2 es un ejemplar.
2.4 M
etodos de Demostraci
on
2.4.4.
32
Demostraci
on de equivalencias
2.4 M
etodos de Demostraci
on
2.4.5.
33
Ejercicios de M
etodos de Demostraci
on
1
x
= 0.
2.5 Glosario
2.5.
34
Glosario
Aqu se resumen algunos de los conceptos usados frecuentemente. Algunos de estos terminos tienen una definici
on precisa y objetiva (como
proposici
on, hip
otesis y premisa), mientras que otros son terminos mas
subjetivos, cuyo uso depender
a en parte de la comunidad matematica
(como teorema, lema y corolario).
1. Proposici
on. Oraci
on declarativa que se puede clasificar como verdadera o falsa, pero no ambas. La caracterstica de verdad o falsedad
se denomina valor de verdad de la proposicion.
2. Proposici
on simple y compuesta. Una proposicion es simple si
consta de un sujeto con un termino singular. Una proposicion es
compuesta si consta de un sujeto con al menos un termino general,
o si es una combinaci
on de dos o m
as proposiciones simples.
3. Hip
otesis. La hip
otesis de una implicaci
on corresponde a la proposici
on antecedente.
4. Premisa. Proposici
on cuya validez ya ha sido probada, y se utiliza
para deducir la verdad de alguna otra proposicion o teorema.
5. Conclusi
on. La conclusi
on de una implicacion es la proposicion
consecuente.
6. Conjetura. Proposici
on cuyo valor de verdad es desconocido.
7. Definici
on. Declaraci
on inequvoca que establece el significado preciso de una palabra, frase, concepto o smbolo matematico.
8. Demostraci
on. Secuencia de razonamientos que establecen la verdad o falsedad de una proposici
on.
9. Axioma. Proposici
on que, por acuerdo, se acepta como verdadera
sin necesidad de ser demostrada.
10. Teorema. Proposici
on demostrada como verdadera, la cual se considera importante para el desarrollo de una teora.
11. Lema. Proposici
on auxiliar que se prueba con anticipacion para
usarse en la demostraci
on de uno o m
as teoremas.
12. Corolario. Proposici
on que se deduce f
acilmente de un teorema ya
demostrado.
Captulo 3
Conjuntos
El termino conjunto se refiere a uno de los conceptos matematicos mas
fundamentales. Inevitablemente se encuentra en todas las areas de las matem
aticas, desde las m
as aplicables, como la estadstica y las ecuaciones
diferenciales, hasta las m
as abstractas como la topologa y el algebra.
Sin embargo, por muchos a
nos no existi
o una definicion formal para este
concepto.
Comenzamos en la Secci
on 3.1 estudiando temas elementales relacionados con conjuntos, as como las paradojas (o contradicciones matematicas) que han surgido a lo largo de los a
nos durante la b
usqueda de una
definici
on formal. En la Secci
on 3.2 estudiaremos los conceptos de igualdad de conjuntos, subconjuntos y cardinalidad, mientras que en la Seccion
3.3 estudiaremos algunas de las operaciones b
asicas entre conjuntos.
3.1.
36
Teoras de Conjuntos
Com
unmente se dice que un conjunto es una coleccion bien definida.
De acuerdo con esto, por ejemplo, las siguientes colecciones son conjuntos:
La colecci
on D de dgitos; es decir, los n
umeros 0, 1, 2, 3, 4, 5, 6,
7, 8 y 9.
La colecci
on C de colores primarios: rojo, verde y azul.
Las anteriores son colecciones bien definidas porque podemos decir con
exactitud que objetos pertenecen a ellas, y que objetos no pertenecen a
ellas. Si alguien nos pregunta si el n
umero 3 es miembro de la coleccion D,
podemos contestar, con tranquilidad, de forma afirmativa. Similarmente,
si nos preguntan si el color amarillo pertenece a la coleccion C, podemos
responder que no es as.
Sin embargo, por otro lado, la coleci
on de buenos estudiantes de una
universidad no es un conjunto. La raz
on de esto es clara: la propiedad
de ser buen estudiante no se ha definido con presicion, y por lo tanto, si
examinamos un estudiante cualquiera, no podemos determinar de manera
concisa si pertenece o no a nuestra colecci
on.
Es costumbre usar las llaves {, } para enlistar los elementos de un
conjunto. De esta manera, el conjunto de colores primarios se escribe
C = {rojo, verde, azul} ,
mientras que el conjunto de dgitos se escribe
D = {0, 1, 2, 3, 4, 5, 6, 7, 8, 9} .
Con esta notaci
on, el orden en que escribimos los elementos del conjunto
no importa, ya que esto no altera los objetos que definen la coleccion.
As pues, el conjunto de dgitos D tambien puede escribirse como
D = {7, 2, 1, 9, 5, 4, 0, 3, 6, 8} .
Adem
as, cada miembro que pertenece a un conjunto debe ser u
nico; la
repetici
on de elementos no define nada nuevo. As pues, por ejemplo,
{1, 1, 2} = {1, 2}.
Para expresar que un objeto pertenece a un conjunto usamos el smbolo , mientras que para expresar que un objeto no pertenece a un conjunto
usamos .
/ As, por ejemplo, 4 D pero 11
/ D.
37
38
39
3.1.1.
40
3.2 Conceptos B
asicos de Conjuntos
3.2.
41
Conceptos B
asicos de Conjuntos
3.2 Conceptos B
asicos de Conjuntos
42
3.2 Conceptos B
asicos de Conjuntos
43
3.2 Conceptos B
asicos de Conjuntos
44
() Supongamos que A = B. Esto significa que A y B contienen exactamente los mismos elementos. En particular, todos los elementos de
A son elementos de B (o sea A B), y tambien todos los elementos
de B son elementos de A (o sea B A).
() Supongamos que A B y B A. Esto significa que todos los
elementos de A son elementos de B, y que todos los elementos de
B son elementos de A. Por lo tanto, A y B tienen exactamente los
mismos elementos; esto es, A = B.
Decimos que un conjunto es finito si tiene un n
umero finito de elementos.3 Por ejemplo, el conjunto de letras del abecedario o el conjunto
de dgitos son ambos finitos. En caso contrario, decimos que el conjunto
es infinito. Por ejemplo, los conjuntos N, Z, Q y R son todos infinitos.
Definici
on 3.2.14 (Cardinalidad). Sea A un conjunto finito. La cardinalidad de A, denotada como |A|, es el n
umero de elementos de A.
Ejemplo 3.2.15. Veamos algunos ejemplos.
1. La cardinalidad del conjunto vaco es 0.
2. La cardinalidad del conjunto de dgitos D es 10.
3. La cardinalidad del conjunto de letras del abecedario es 27.
Tambien es posible definir el concepto de cardinalidad para conjuntos
infinitos, pero no estudiaremos este tema hasta la Seccion 5.3.
Proposici
on 3.2.16. Sean A y B conjuntos finitos. Entonces,
1. Si A = B, entonces |A| = |B|.
2. Si A B, entonces |A| |B|.
Demostraci
on. Demostraremos cada uno de los puntos.
1. Si A = B, obviamente |A| = |B|, ya que A y B contienen exactamente los mismos elementos.
2. Si A B, entonces todos los elementos de A estan contenidos en
B. De esta forma, es imposible que A pueda tener mas elementos
que B; en otras palabras, esto significa que |A| |B|.
En la siguiente definici
on, establecemos una forma interesante de crear
un conjunto nuevo a partir de otro.
3 Daremos
una definici
on m
as satisfactoria de esto en la Secci
on 5.3.
3.2 Conceptos B
asicos de Conjuntos
45
Definici
on 3.2.17 (Conjunto potencia). Sea A un conjunto. El conjunto potencia de A, denotado como P (A), es el conjunto de todos los
subconjuntos de A.
Ejemplo 3.2.18. El conjunto potencia de es P () = {}. En este caso
|| = 0, mientras que |P ()| = 1.
Ejemplo 3.2.19. Si X = {0, 1}, el conjunto potencia de X es
P (X) = {, {0} , {1} , {0, 1}} ,
donde |X| = 2 y |P (X)| = 4.
Ejemplo 3.2.20. Si A = {x, y, z}, el conjunto potencia de A es
P (A) = {, {x} , {y} , {z} , {x, y} , {x, z} , {y, z} , A} .
Observemos que en este caso |A| = 3, mientras que |P (A)| = 8.
3.2 Conceptos B
asicos de Conjuntos
3.2.1.
46
Ejercicios de Conceptos B
asicos de Conjuntos
3.2 Conceptos B
asicos de Conjuntos
47
3.3.
48
Operaciones de Conjuntos
En esta secci
on, estudiaremos distintas formas de construir conjuntos nuevos a partir de dos o m
as conjuntos dados. A estas tecnicas que
producen nuevos conjuntos las llamaremos operaciones de conjuntos. Hay
cuatro operaciones b
asicas: la uni
on, la intersecci
on, el complemento y el
producto cartesiano. Es indispensable para un futuro matematico entender estas cuatro operaciones y sus propiedades b
asicas.
La uni
on es la operaci
on que nos permite, dados dos o mas conjuntos,
definir un conjunto que contenga a ambos.
Definici
on 3.3.1 (Uni
on). Sean A y B conjuntos. La union de A y B,
denotada como A B, es el conjunto de elementos que pertenecen a A o
pertenecen a B. En otras palabras,
A B = {x : (x A) (x B)}
donde es el conectivo l
ogico de disyunci
on.
Un diagrama de Venn es una representaci
on gr
afica que muestra todas
las relaciones l
ogicas posibles entre una colecci
on finita de conjuntos. El
diagrama de Venn que representa la uni
on de dos conjuntos es el siguiente:
49
Proposici
on 3.3.3 (Uni
on). Sean A, B y C conjuntos. La uni
on de
conjuntos cumple las siguientes propiedades:
1. A = A.
2. Conmutatividad. A B = B A.
3. Asociatividad. (A B) C = A (B C).
4. Idempotencia. A A = A.
Demostraci
on. Demostraremos cada uno de los puntos.
1. Por definici
on, A = {x : (x A) (x )}. Sin embargo, la
condici
on x nunca se cumple, porque no tiene ning
un elemento. De esta forma, es posible omitir esta condicion y escribir
A = {x : x A} = A.
2. A B = {x : (x A) (x B)} = {x : (x B) (x A)} = B
A, ya que el conectivo l
ogico es conmutativo.
3. Como el conectivo l
ogico es asociativo, tenemos que
(A B) C = {x : x A x B} C
= {x : [x A x B] x C}
= {x : x A [x B x C]}
= A (B C) .
4. A A = {x : (x A) (x A)} = {x : x A} = A.
Ejemplo 3.3.4. Sean
L = {0, 1, 2} , M = {1, 2, 3} y N = {0, 2, 3} .
Por la asociatividad que se demostr
o en la proposici
on anterior, podemos escribir L M N sin parentesis, ya que no importa que uni
on de
conjuntos calculemos primero. En este caso,
L M N = {x : (x L) (x M ) (x N )} = {0, 1, 2, 3}
La intersecci
on es la segunda operaci
on que estudiaremos.
Definici
on 3.3.5 (Intersecci
on). Sean A y B conjuntos. La intersecci
on de A y B, denotada como A B, es el conjunto de elementos que
simult
aneamente pertenecen a ambos, A y B. En otras palabras,
A B = {x : (x A) (x B)} ,
donde es el conectivo l
ogico de conjunci
on.
50
La intersecci
on de dos conjuntos est
a representada por el area mas
obscura en el siguiente diagrama de Venn:
51
52
1. (A0 ) = A.
2. 0 = U y U 0 = .
3. A A0 = y A A0 = U .
Demostraci
on. Demostraremos cada uno de los puntos.
53
1. Observemos que
(A0 )0 = {x U : (x A0 )}
= {x U : ( (x A))}
= {x U : x A}
= A,
usando el Ejercicio 2.2.4 d).
2. Por definici
on,
0 = {x U : x
/ } .
Debido a que la condici
on x
/ es universalmente cierta, podemos
omitirla. Por lo tanto,
0 = {x U } = U.
Por otro lado,
U 0 = {x U : x
/ U } = .
3. Demostraremos que AA0 = , y se dejar
a como ejercicio demostrar
que A A0 = U . Por definici
on, tenemos que,
A A0 = {x U : (x A) (x
/ A)} .
Debido a que es imposible que un elemento simultaneamente pertenezca y no pertenezca a A, concluimos que A A0 = .
Es posible combinar las operaciones de conjuntos definidas anteriormente para formar nuevos conjuntos. El siguiente teorema describe la
interacci
on de las uniones e intersecciones con el complemento.
Teorema 3.3.14 (Leyes de De Morgan). Sean A y B subconjuntos de
U . Entonces se cumple que
0
(A B) = A0 B 0 y (A B) = A0 B 0 .
Demostraci
on. Por el Ejercicio 2.2.4, sabemos que
(P Q) ( P ) ( Q) y (P Q) ( P ) ( Q),
donde P y Q son proposiciones cualesquiera. Usando estas identidades,
no es difcil completar la demostraci
on del teorema (Ejercicio 3.3.3).
El siguiente ejemplo ilustra el conjunto obtenido al combinar la intersecci
on con el complemento.
54
Figura 3.5: (B C) \ A
Ejemplo 3.3.15. Si A, B y C son conjuntos, el conjunto (B C) \ A
est
a representado por el
area m
as obscura en el diagrama de Venn de la
Figura 3.5.
La siguiente proposici
on estudia el caso cuando se operan dos conjuntos A y B tales que A B. Se recomienda al estudiante visualizar cada
una de las afirmaciones de esta proposici
on en un diagrama de Venn.
Proposici
on 3.3.16. Sean A y B subconjuntos de U . Las siguientes
afirmaciones son equivalentes:
1. A B.
2. A B = B.
3. B 0 A0 .
4. A B = A.
Demostraci
on. La forma m
as com
un de demostrar proposiciones como
esta consiste en probar que la afirmaci
on (1.) implica (2.), que (2.) implica (3.), que (3.) implica (4.), y finalmente, que (4.) implica (1.). Esto
demostrara que todas las afirmaciones son equivalentes entre s. Trabajaremos con cada parte, algunas de las cuales se dejan como ejercicio.
(1.) (2.) Ejercicio 3.3.4.
55
56
Entonces
X Y =
(w, w), (w, x), (w, y), (w, z), (x, w),
(x, x), (x, y), (x, z), (y, w), (y, x),
X X =
,
(y, y), (y, z), (z, w), (z, x), (z, y), (z, z)
y el producto
Y Y =
(1, 1), (1, 2), (1, 3), (2, 1), (2, 2),
(2, 3), (3, 1), (3, 2), (3, 3)
.
3.3.1.
57
Captulo 4
Relaciones
El gran matem
atico frances Henri Poincare dijo que los matematicos
no estudian objetos, sino relaciones entre objetos. En efecto, las relaciones
en matem
aticas, las cuales representan la formalizacion de las conexiones
e interacciones entre diversos objetos matem
aticos, tienen una importancia crucial en todas las ramas de esta ciencia.
Los tres tipos de relaciones matem
aticas m
as importantes son: las
funciones, las relaciones de equivalencia y las relaciones de orden. Este
captulo est
a dedicado al estudio de estos tres conceptos.
4.1 Funciones
4.1.
4.1.1.
59
Funciones
Relaciones binarias
La definici
on de funci
on que utilizamos ahora aparecio por primera vez
en el libro Axiom
atic Set Theory (1960) de Patrick Suppes. El siguiente
es un extracto del texto:
A
un hoy muchos textos de c
alculo diferencia e integral no
dan un definici
on de funci
on matem
aticamente satisfactoria.
Una definici
on precisa y completamente general es inmediata
dentro de nuestro enfoque te
orico de conjuntos. Una funcion
es simplemente una relaci
on de muchos a uno, esto es, una
relaci
on tal que cualquier elemento de su dominio se relaciona
exactamente con un elemento de un recorrido.1
No deja de sorprender que la frase escrita de por Suppes en 1960
siga vigente; a
un hoy existen muchos textos de c
alculo que reproducen la
definici
on de funci
on que en 1923 escribi
o el matematico frances Edouard
Goursat en su celebre obra Curso de an
alisis matem
atico:
Se dice que y es una funci
on de x si a cada valor de x
le corresponde un valor de y. Esta correspondencia se indica
mediante la ecuaci
on y = f (x).
En la definici
on anterior, el enfasis est
a en la correspondencia entre
las variables y no en la idea de conjunto. Sin embargo, ha sido a partir
de la definici
on conjuntista de funci
on que este concepto se ha vuelto
fundamental en todos los campos de la matem
atica. Incluso prodra decirse ahora que la matem
atica actual trata mucho mas con el concepto
de funci
on que con el de n
umero.
En la definici
on de Suppes se utlizan tres conceptos que requieren una
definici
on: relaci
on, dominio y recorrido (tambien llamado rango).
Iniciaremos definiendo el concepto de relaci
on, y despues definiremos
el concepto de funci
on como un tipo particular de relacion.
Definici
on 4.1.1 (Relaci
on). Una relaci
on es un conjunto en el cual
todos sus elementos son pares ordenados.
Una relaci
on formada por pares tambien suele llamarse una relaci
on
binaria, ya que el concepto puede generalizarse a cualquier conjunto de
1 Tomado de la versi
on castellana de Hernando Alfonso Castillo, profesor de la
Universidad Pedag
ogica Nacional, Bogot
a, Editorial Norma (1968).
4.1 Funciones
60
4.1 Funciones
61
R32
R33
R34
R35
R36
R37
R38
R39
R40
R41
R42
R43
R44
R45
R46
R47
R48
R49
R50
R51
R52
R53
R54
R55
R56
R57
R58
R59
R60
R61
R62
R63
=
=
=
=
=
=
=
=
=
=
=
=
=
=
=
=
=
=
=
=
=
=
=
=
=
=
=
=
=
=
=
=
4.1 Funciones
62
4.1 Funciones
4.1.2.
63
Definici
on de funci
on
4.1 Funciones
64
1. La relaci
on K1 no es una funci
on porque hay un punto en A del
cual no parte ninguna flecha; es decir, dom(K1 ) 6= A.
2. La relaci
on K2 no es una funci
on porque al primer punto del dominio le corresponden dos puntos distintos del rango.
Ejemplo 4.1.14. Sea D el conjunto de dgitos. Consideremos la relaci
on
display del Ejemplo 4.1.3 (a la cual renombraremos con la letra G):
(0, 6), (1, 2), (2, 5), (3, 5), (4, 4),
G=
.
(5, 5), (6, 6), (7, 3), (8, 7), (9, 6)
Esta relaci
on es una funci
on sobre D porque:
1. Todos los dgitos aparecen como primera coordenada de alg
un par
en la relaci
on. As, dom(G) = D.
2. No existen pares con primeras coordenadas iguales y segundas coordenadas distintas.
Desde ahora, llamaremos a esta relaci
on G la funci
on display.
Ejemplo 4.1.15. La relaci
on
U = {(1, 2), (3, 4), (3, 5)},
no es una funci
on porque no se cumple la propiedad ( 2.) de la definici
on
de funci
on. La raz
on de esto es que 3 es un elemento del dominio al que
le corresponden dos elementos distintos del rango: 4 y 5.
Ejemplo 4.1.16. S
olo nueve de las relaciones de la Tabla 4.1 son funciones. Explcitamente, estas funciones son:
R9 , R10 , R11 , R13 , R14 , R15 , R16 , R17 y R18 .
Por que las otras 55 relaciones de la tabla no son funciones?
Ejemplo 4.1.17. Consideremos la funci
on F : R R definida como
F = {(x, y) R R : y = x2 }.
Este conjunto es una funci
on:
1. dom(F ) = R, porque para cualquier x R tenemos que (x, x2 ) F .
2. Si (x, y), (x, z) F , entonces y = x2 y z = x2 . Por lo tanto, y = z.
4.1 Funciones
65
4.1 Funciones
66
Definici
on 4.1.23 (Imagen de un conjunto). Sea F : A B una funci
on
y C A. Definimos a la imagen del conjunto C como
F (C) = {F (a) B : a C} .
Claramente, F (C) ran(F ).
Con la notaci
on anterior, el uso de los smbolos F (A) y ran(F ) es
intercambiable; es decir, para cualquier funci
on F : A B se cumple
que F (A) = ran(F ).
Definici
on 4.1.24 (Preimagen de un conjunto). Sea F : A B una
funci
on y E B. Se llama preimagen del conjunto E al conjunto
F 1 (E) = {a A : F (a) E}
En la definici
on de arriba, el smbolo F 1 (E) no debe causar confusi
on. En esta situaci
on, el smbolo se utiliza exclusivamente para denotar
a la preimagen de un conjunto, y poco tiene que ver con la funci
on inversa
que se definir
a m
as adelante.
Ejemplo 4.1.25. Sea F : A B una funci
on. Si y B,
F 1 ({b}) = {a A : F (a) = b};
es decir, F 1 ({b}) es el conjunto de las preim
agenes de b. Para simplificar
la notaci
on, escribimos simplemente F 1 (b).
Ejemplo 4.1.26. Sea G la funci
on display del Ejemplo 4.1.14,
(0, 6), (1, 2), (2, 5), (3, 5), (4, 4),
G=
.
(5, 5), (6, 6), (7, 3), (8, 7), (9, 6)
1. La im
agenes de cada x dom(G), son:
G(0)
= G(6) = G(9) = 6,
G(1)
G(2)
= G(3) = G(5) = 5,
G(4)
4,
G(7)
3,
G(8)
7.
2,
4.1 Funciones
4.1.3.
67
Tipos de funciones
Definici
on 4.1.27 (Funci
on inyectiva). Decimos que una funci
on F :
A B es inyectiva si (a1 , b), (a2 , b) F implica que a1 = a2 .
Otras formas l
ogicamente equivalentes de formular la definicion de
una funci
on inyectiva F : A B son:
1. F es inyectiva si y s
olo si F (a1 ) = F (a2 ) implica que a1 = a2 .
2. F es inyectiva si y s
olo si a1 6= a2 implica que F (a1 ) 6= F (a2 ).
3. F es inyectiva si y s
olo si cada elemento del dominio de F tiene una
imagen distinta en el rango de F .
Definici
on 4.1.28 (Funci
on sobreyectiva). Decimos que una funci
on
F : A B es sobreyectiva si para toda b B existe a A tal que
b = F (a). En otras palabras, F es sobreyectiva si ran(F ) = B.
La definici
on de funci
on sobreyectiva depende del conjunto al que
consideremos como codominio. Por ejemplo, la funcion
F0 : {0, 1} {a, b, c}, F0 = {(0, a), (1, b)},
no es sobreyectiva porque c no tiene ninguna preimagen. Sin embargo,
modificando el codominio de la funci
on, podemos definir una funcion
sobreyectiva como
F1 : {0, 1} {a, b}, F1 = {(0, a), (1, b)}.
A pesar de que ambas funciones, F1 y F0 , est
an definidas exactamente
por los mismos pares, una es sobreyectiva y la otra no. La conclusion es
que, para determinar si una funci
on es sobreyectiva, es muy importante
conocer el codominio de la funci
on.
Definici
on 4.1.29 (Funci
on biyectiva). Decimos que una funci
on es biyectiva, si es a la vez inyectiva y sobreyectiva.
Ejemplo 4.1.30. Las funciones R10 , R11 , R13 , R15 , R16 y R17 de la Tabla
4.1 son inyectivas. Puedes explicar por que las funciones R9 , R14 y R18
no lo son?
Ejemplo 4.1.31. Ninguna de las funciones del Ejemplo 4.1.16 es sobreyectiva.
Ejemplo 4.1.32. Consideremos las funciones definidas en los siguientes
diagramas. Las flechas determinan la imagen de los puntos del dominio.
4.1 Funciones
68
4.1 Funciones
69
4. La funci
on de la Figura 4.7 es biyectiva.
4.1.4.
Composici
on de funciones
Definici
on 4.1.35 (Composici
on de funciones). Sean F : A B y
G : B C funciones. La composici
on de F con G es la funci
on
GF :AC
definida como
G F = {( a, G(F (a)) ) : a A}.
4.1 Funciones
70
4.1 Funciones
71
Sea G la funci
on display
(0, 6), (1, 2), (2, 5), (3, 5), (4, 4),
.
G=
(5, 5), (6, 6), (7, 3), (8, 7), (9, 6)
La compsici
on de F con G asigna a cada dgito escrito en sistema binario
el n
umero de segmentos que se encienden en el display para mostrar dicho
n
umero en decimal. Explcitamente, los pares de G F son:
(0000, 6), (0001, 2), (0010, 5), (0011, 5), (0100, 4),
GF =
.
(0101, 5), (0110, 6), (0111, 3), (1000, 7), (1001, 6)
Ejemplo 4.1.38. Consideremos las funciones F : R R y G : R R
definidas como F (x) = x2 y G(x) = x3 para x R. Entonces,
(G F )(x) = G(F (x)) = G(x2 ) = (x2 )3 = x6 .
La siguiente definici
on hace referencia a relaciones en general, aunque
nuestro interes principal estar
a en el caso particular de las funciones.
Definici
on 4.1.39 (Relaci
on inversa). Sea R : A B una relaci
on. La
relaci
on inversa de R, denotada como R1 , es la relaci
on
R1 = {(b, a) B A : (a, b) R}.
Es claro que, por definici
on, el dominio de R coincide con el rango de
R1 , y viceversa:
dom(R1 )
ran(R
ran(R),
dom(R).
Proposici
on 4.1.40. Sea R : A B una relaci
on. Entonces,
(R1 )1 = R.
Demostraci
on. Por definici
on,
(R1 )1 = {(a, b) A B : (b, a) R1 }.
Nuevamente por definici
on, sabemos que
(b, a) R1 (a, b) R;
por lo tanto, podemos reemplazar la propiedad que define al conjunto
(R1 )1 para obtener que
(R1 )1 = {(a, b) A B : (a, b) R} = R.
4.1 Funciones
72
4.1 Funciones
73
4.1 Funciones
74
4.1 Funciones
4.1.5.
75
Ejercicios de Funciones
4.2.
76
Relaciones de Equivalencia
77
1. La relaci
on es reflexiva porque todos los pares (1, 1), (2, 2), (3, 3) y
(4, 4) pertenecen a R1 .
2. La relaci
on es simetrica porque los pares (1, 2), (2, 1), (3, 4) y (4, 3)
pertenecen a R1 .
3. La relaci
on es transitiva porque (a, b), (c, d) R1 implica que
(a, d) R1 .
Ejemplo 4.2.5. Consideremos la relaci
on sobre el conjunto de personas
definida por la regla: A tiene el mismo color de ojos que B.
1. Esta relaci
on es reflexiva, porque cualquier persona tiene el mismo
color de ojos que ella misma.
2. Es simetrica, porque si la persona A tiene el mismo color de ojos
que la persona B, entonces la persona B tiene el mismo color de
ojos que la persona A.
3. Es transitiva, porque si la persona A tiene el mismo color de ojos
que la persona B, y la persona B tiene el mismo color de ojos que
la persona C, entonces la persona A tiene el mismo color de ojos
que la persona C.
Ejemplo 4.2.6. Las siguientes relaciones no son de equivalencia.
1. La relaci
on x es menor o igual que y, denotada como , sobre
los n
umeros reales, no es simetrica.
2. La relaci
on A es compa
nero de clase de B, sobre el conjunto de
alumnos de CUCEI, no es ni reflexiva ni transitiva.
3. La relaci
on A es padre de B, sobre el conjunto de personas, no
es ni reflexiva, ni simetrica, ni transitiva.
Definici
on 4.2.7 (Clase de equivalencia). Sea R una relaci
on de equivalencia sobre un conjunto A. La clase de equivalencia de un elemento
a A, denotada como [a], es el subconjunto de A definido como
[a] = {x A : xRa}.
Debido a que cualquier relaci
on de equivalencia R sobre A es reflexiva,
tenemos que a [a] para toda a A.
Definici
on 4.2.8 (Conjunto cociente). Sea R una relaci
on de equivalencia sobre un conjunto A. El conjunto cociente de A por R, denotado
como A/R, es el conjunto de clases de equivalencia de los elementos de
A. En otras palabras,
A/R = {[a] : a A}.
78
La idea detr
as de la definici
on del conjunto cociente A/R, es la de
considerar a todos los elementos de A que no sean equivalentes entre s.
Proposici
on 4.2.9. Sea R una relaci
on de equivalencia sobre A. Las
clases de equivalencia [a] y [b] son iguales si y s
olo si aRb.
Demostraci
on.
() Supongamos que [a] = [b]. Como a [a], tenemos que a [b]. La
definici
on de clase de equivalencia implica que aRb.
() Para demostrar el converso, supongamos que aRb. Usaremos la Proposici
on 3.2.13. Primero probaremos que [a] [b]. Sea x [a] un
elemento arbitrario. Entonces xRa, y por transitividad, xRb. Por
lo tanto, x [b], lo que demuestra que [a] [b]. Sea ahora y [b]
un elemento arbitrario. Entonces yRb. Por simetra, como aRb, tenemos que bRa. Luego, por transitividad, yRa y y [a]. Esto demuestra que [b] [a]. Por lo tanto [a] = [b].
Ejemplo 4.2.10. La relaci
on del Ejemplo 4.2.4 tiene dos clases de equivalencia: la clase de 1 (que es igual a la clase de 2 porque (1, 2) R1 ) y
la clase de 3 (que es igual a la clase de 4). Por lo tanto,
A/R1 = { [1], [3] },
donde
[1] = [2] = {1, 2} y [3] = [4] = {3, 4}.
Ejemplo 4.2.11. Todas las clases de equivalencia de la relaci
on de igualdad sobre R contienen solamente un n
umero, es decir [x] = {x}, x R.
Ejemplo 4.2.12. Las clases de equivalencia de la relaci
on A tiene el
mismo color de ojos que B sobre el conjunto de personas, est
an determinadas por los posibles colores de ojos. As pues, si Juan tiene ojos negros,
Elisa ojos cafes, Daniela ojos verdes y Pedro ojos azules, entonces (considerando cierta variaci
on en los colores), el conjunto cociente en este
caso es igual a
{[Juan], [Elisa], [Daniela], [P edro]}.
Si Hugo tambien tiene ojos verdes, el representante de su clase es intercambiable por la Proposici
on 4.2.9; es decir [Daniela] = [Hugo].
La siguiente definici
on no hace referencia a relaciones de equivalencia;
su relevancia se establecer
a en los u
ltimos teoremas de esta seccion.
79
Definici
on 4.2.13 (Partici
on). Sea A un conjunto. Una particion de A
es un conjunto P tal que:
1. Los elementos de P son subconjuntos no vacos de A.
2. La uni
on de los elementos de P es igual a A.
3. La intersecci
on de cualquier par de elementos distintos de P es
vaca.
Ejemplo 4.2.14. Consideremos el conjunto de dgitos,
D = {0, 1, 2, 3, 4, 5, 6, 7, 8, 9}.
Dos particiones distintas de D son:
P1 = {{0, 1}, {2, 3, 7}, {5, 9}, {4, 6}, {8}},
P2 = {{0, 1, 2, 3, 4, 5}, {6}, {7}, {8}, {9}}.
Es sencillo comprobar que P1 y P2 cumplen las propiedades (1.)-(3.) de
la definici
on: claramente, la uni
on de sus elementos es D mientras que
la intersecci
on de cualquier par de elementos distintos es vaca.
Ejemplo 4.2.15. Sea 2Z el conjunto de enteros pares e I el conjunto de
enteros impares,
2Z = {2n : n Z} = {0, 2, 4, 8, ...},
I = {2n + 1 : n Z} = {1, 3, 5, ...}.
El conjunto
P = {2Z, I}
es una partici
on de Z, ya que 2Z I = Z mientras que 2Z I = .
Ejemplo 4.2.16. Consideremos la relaci
on de equivalencia R1 sobre A =
{1, 2, 3, 4} del Ejemplo 4.2.4. El conjunto cociente
A/R1 = {[1], [3]} = {{1, 2}, {3, 4}}.
es una partici
on de A porque
A = {1, 2} {3, 4} y {1, 2} {3, 4} = .
El ejemplo anterior ilustra un hecho m
as general.
Teorema 4.2.17. Sea R una relaci
on de equivalencia sobre un conjunto
A. Entonces el conjunto cociente A/R es una partici
on de A.
80
Demostraci
on. Sea
A/R = {[x] : x A}
el conjunto cociente. Demostraremos que se cumplen las tres propiedades
de la definici
on de partici
on de un conjunto:
1. Los elementos de A/R son subconjuntos no vacos de A porque las
clases de equivalencia son subconjuntos no vacos de A.
2. Debemos demostrar que A es igual a la union de todas sus clases
de equivalencia; en smbolos,
A = aA [a].
Claramente, aA [a] A porque todos los elementos de cualquier
clase de equivalencia son elementos de A. Para demostrar que A
aA [a], sea x A un elemento arbitrario. Debido a que x [x],
tenemos que x aA [a]. La igualdad queda demostrada.
3. Demostraremos que la intersecci
on de dos clases de equivalencia
distintas es vaca. Sean [a], [b] A/R clases de equivalencia, [a] 6=
[b]. Usaremos reducci
on al absurdo. Supongamos que
[a] [b] 6= .
Entonces, existe c [a] [b]. Por definici
on, c [a] y c [b], as que
cRa y cRb. Por simetra y transitividad, tenemos que aRb. Pero
ahora, la Proposici
on 4.2.9 implica que [a] = [b], lo que contradice
que las clases sean distintas. Por lo tanto, [a] [b] = .
El siguiente teorema describe c
omo es posible definir una relacion de
equivalencia sobre un conjunto usando una particion del conjunto.
Teorema 4.2.18. Sea P una partici
on de un conjunto A. Entonces la
relaci
on R sobre A definida como
R = {(a, b) A A : E P tal que a, b E},
es una relaci
on de equivalencia. Adem
as, se cumple que P = A/R.
Demostraci
on. Mostraremos que R es reflexiva, simetrica y transitiva.
1. Reflexividad. Como la uni
on de los elementos de P es igual a A,
para cualquier a A existe E P tal que a E. Por lo tanto, aRa
para toda a A.
81
4.2.1.
82
4.3.
83
Relaciones de Orden
En esta secci
on generalizaremos otra de las relaciones mas importantes
sobre el conjunto de n
umeros: la relaci
on que los ordena. Al igual que
antes, estamos interesados en relaciones sobre conjuntos.
Definici
on 4.3.1 (Relaci
on antisimetrica). Una relaci
on R sobre un conjunto A es antisimetrica, si aRb y bRa implica que a = b.
En otras palabras, R es antisimetrica si siempre que (a, b) R, a 6= b,
tenemos que (b, a)
/ R.
Ejemplo 4.3.2. La relaci
on sobre los n
umeros reales es antisimetrica:
si x y, y x, entonces x = y.
Ejemplo 4.3.3. Si X es un conjunto, la relaci
on sobre el conjunto
potencia P (X) es antisimetrica: si B C y C B, entonces B = C
(Proposici
on 3.2.13).
La siguiente definici
on generaliza los dos ejemplos anteriores.
Definici
on 4.3.4 (Relaci
on de orden). Sea R una relaci
on sobre un conjunto A. Decimos que R es una relaci
on de orden sobre A si R es reflexiva,
antisimetrica y transitiva.
Definici
on 4.3.5 (Conjunto ordenado). Un conjunto ordenado2 es un
par (A, R), donde A es un conjunto y R una relaci
on de orden sobre A.
Ejemplo 4.3.6. La relaci
on sobre los n
umeros reales es una relaci
on
de orden, ya que es reflexiva, antisimetrica y transitiva.
En lo sucesivo, cuando R sea una relaci
on de orden, en lugar de escribir aRb para indicar que (a, b) R, escribiremos a b. Esta notacion
est
a inspirada en la relaci
on . Como es usual, escribimos a b cuando
a b y a 6= b.
Con esta nueva notaci
on, las propiedades de una relacion de orden
sobre A son:
1. Reflexividad. Para cualquier a A, se cumple que a a.
2. Antisimetra. Si a b y b a entonces a = b.
3. Transitividad. Si a b y b c entonces a c.
2 Algunos autores usan el t
ermino conjunto parcialmente ordenado para distinguirlo
de los conjuntos totalmente ordenados que se definir
a m
as adelante.
84
85
86
87
4.3.1.
88
Captulo 5
N
umeros
Los n
umeros surgieron originalmente como consecuencia de la necesidad pr
actica de contar objetos. Inicialmente, se contaba con ayuda de los
medios disponibles: dedos, piedras, marcas talladas, etc. Le tomo cientos
de a
nos a la humanidad establecer conceptos como la infinitud de los
n
umeros, la existencia del cero1 y los n
umeros negativos.
En este captulo, estudiaremos el concepto matematico de n
umero
desde diversos puntos de vista. En la Secci
on 5.1, estudiaremos las propiedades b
asicas de los n
umeros naturales y el Principio de Inducci
on
Matem
atica, el cual nos proporciona una nueva y poderosa tecnica de
demostraci
on. En la Secci
on 5.2, estudiaremos los conceptos importantes
relacionados con los n
umeros enteros, como la divisibilidad y las ecuaciones de n
umeros enteros (llamadas ecuaciones diof
anticas). En la seccion
5.3 estudiaremos m
as a fondo el concepto de cardinalidad de un conjunto, ya sea finito o infinito. Finalmente, en la secci
on 5.4 estudiaremos las
congruencias m
odulo n.
1 Durante el primer siglo antes de Cristo, las culturas Olmeca y Maya fueron las
primeras en considerar al cero como un n
umero.
5.1 N
umeros Naturales
5.1.
90
N
umeros Naturales
5.1.1.
Axiomas de Peano
Recordemos que los axiomas son proposiciones aceptadas como verdaderas sin necesidad de ser demostradas. Podemos decir que los axiomas,
junto con las definiciones, son las reglas del juego matematico, de las
cuales debemos partir para comenzar la construccion de una enorme red
l
ogica formada por teoremas, lemas y proposiciones.
Es muy importante establecer de forma clara y explcita las reglas del
juego, pues en caso contrario, a la larga, estas se podran tornar confusas.
Los axiomas de Peano fueron introducidos por el matematico italiano
Giuseppe Peano en el siglo XIX.
Axioma 5.1.1 (Axiomas de Peano). Existe un conjunto N, llamado el
conjunto de los n
umeos naturales, que satisface las siguientes propiedades:
1. Existe un smbolo constante 0, llamado cero, que pertenece a N.
2. Para cualquier n N, existe un elemento s(n) N, llamado el
sucesor de n.
3. No existe ning
un n N tal que s(n) = 0.
4. Si s(n) = s(m), n, m N, entonces m = n.
5. Si S N es un subconjunto tal que:
a) 0 S,
b) Para toda k S, tenemos que s(k) S,
entonces S = N.
5.1 N
umeros Naturales
91
5.1 N
umeros Naturales
92
5.1.2.
Inducci
on Matem
atica
La inducci
on matem
atica es una tecnica de demostracion para proposiciones que involucran al conjunto de los n
umeros naturales. Algunos
ejemplos de proposiciones de este tipo son:
1. Para toda n N, n 6= 0, la igualdad 1 + 3 + 5 + + (2n 1) = n2
se cumple.
2. Para toda n N, n 6= 0, la igualdad
n
n+1 se cumple.
1
12
1
1
1
+ 23
+ 34
+ + n(n+1)
=
3. Para toda n N, el n
umero n2 + n + 41 es primo.
5.1 N
umeros Naturales
93
12 + 1 + 41 = 43,
32 + 3 + 41 = 53,
42 + 4 + 41 = 61,
52 + 5 + 41 = 71,
62 + 6 + 41 = 83,
72 + 7 + 41 = 97,
82 + 8 + 41 = 113,
92 + 9 + 41 = 131,
102 + 10 + 41 = 151,
112 + 11 + 41 = 173.
5.1 N
umeros Naturales
94
5.1 N
umeros Naturales
95
(5.1)
se cumple.
Demostraci
on. Usaremos el Principio de Induccion Matematica.
1. Base de la inducci
on. La f
ormula 5.1 con n = 1 es 1 = 12 , la cual
claramente es v
alida.
2. Hip
otesis de la inducci
on. Supongamos que la formula 5.1 se cumple
para k N:
1 + 3 + 5 + + (2k 1) = k 2 .
3. Debemos demostrar que la f
ormula 5.1 es v
alida para k + 1. Usando
la hip
otesis de la inducci
on, tenemos que
1 + 3 + + (2k 1) + (2k + 1) = k 2 + (2k + 1).
Factorizando el lado derecho de la igualdad, obtenemos que
1 + 3 + + (2k 1) + (2k + 1) = (k + 1)2 .
Esto demuestra la validez de la f
ormula para k + 1.
Demostraremos ahora la proposici
on (2.) de nuestra lista inicial.
Proposici
on 5.1.5. Para cualquier n N, n 6= 0, la igualdad
1
1
1
1
n
+
+
+ +
=
12 23 34
n(n + 1)
n+1
se cumple.
Demostraci
on. Denotemos la suma como s(n):
s(n) =
1
1
1
1
+
+
+ +
.
12 23 34
n(n + 1)
5.1 N
umeros Naturales
96
1. Base de la inducci
on. Observemos que s(1) =
1
as que s(1) = 1+1
.
1
2
por definicion,
2. Hip
otesis de la inducci
on. Supongamos que la igualdad se cumple
para k N; es decir,
k
.
s(k) =
k+1
3. Demostraremos que
k+1
.
k+2
Por definici
on de s(k + 1) y s(k), tenemos que
s(k + 1) =
1
1
1
1
+
+ +
+
,
12 23
k(k + 1) (k + 1)(k + 2)
1
= s(k) +
.
(k + 1)(k + 2)
s(k + 1) =
s(k + 1) =
Proposici
on 5.1.6. Para cualquier n N, n 6= 0, se cumple que
n 2n1 .
(5.2)
Demostraci
on. Usaremos el Principio de Induccion Matematica.
1. Base de la inducci
on. La desigualdad 5.2 es verdadera para 1,
porque 1 211 .
2. Hip
otesis de la inducci
on. Supongamos que la desigualdad (5.2) se
cumple para k N:
k 2k1 .
(5.3)
3. Demostraremos que la desigualdad tambien es valida para k + 1.
Multiplicando ambos lados de la desigualdad (5.3) por 2:
2k 2 2(k1) = 2k .
5.1 N
umeros Naturales
97
Por el Ejercicio 5.1.2, sabemos que (k + 1) 2k. As, por la transitividad de tenemos que
k + 1 2k .
Proposici
on 5.1.7. Sea un n
umero positivo. Entonces, para toda n
N, n 2, se cumple la desigualdad de Bernoulli:
n
(1 + ) > 1 + n.
(5.4)
Demostraci
on. Usaremos el Principio de Induccion Matematica.
1. Base de la inducci
on. El caso la base de la induccion es para 2 (ya
que no se cumple en los casos anteriores). Observemos que
2
(1 + ) > 1 + 2 1 + 2 + 2 > 1 + 2
2 > 0.
Esta u
ltima desigualdad siempre es verdadera, y por consiguiente,
2
(1 + ) > 1 + 2 se cumple.
2. Supongamos que la desigualdad de Bernoulli es valida para un
n
umero natural fijo k; es decir,
k
(1 + ) > 1 + k.
(5.5)
(1 + )
> 1 + (k + 1)
(5.6)
es v
alida. Multiplicando ambos lados de la desigualdad (5.5) por el
n
umero positivo (1 + ) obtenemos que
(1 + )
k+1
> (1 + k) (1 + )
(5.7)
(5.8)
Esta u
ltima desigualdad siempre es v
alida para y k positivos. Por
lo tanto, por (5.7) y (5.8), obtenemos la validez de la desigualdad
(5.6).
Palabras clave de la secci
on: axiomas de Peano, sucesor de un
n
umero natural, propiedades de las operaciones de los n
umeros naturales,
principio de inducci
on matem
atica.
5.1 N
umeros Naturales
5.1.3.
98
Ejercicios de N
umeros Naturales
1 + 2 + 3 + ... + n =
12 22 + 32 + (1)
n+1
n2 = (1)
n (n + 1)
.
2
c) Para toda n N, el n
umero 52n 1 es divisible entre 8.
d) Para toda n N, tenemos que
n (n + 1)
1 + 2 + 3 + + n =
2
3
2
.
5.2 N
umeros Enteros
5.2.
99
N
umeros Enteros
5.2 N
umeros Enteros
100
3. Transitividad. Supongamos que (a, b)R(c, d) y (c, d)R(e, f ). Entonces a + d = b + c y c + f = d + e. Por lo tanto,
a + d = b + c = a + d + e = b + c + e
= a + c + f = b + c + e
= a + f = b + e.
Esto demuestra que (a, b)R(e, f ).
Definimos a Z como el el conjunto de los n
umeros enteros como el
conjunto cociente de R:
Z = N2 /R = {[(a, b)] : a, b N}.
Hablando estrctamente, los elementos de Z son clases de equivalencia
como [(3, 8)], [(0, 9)] y [(15, 4)]. Sin embargo, para cualquier clase siempre
podemos encontrar un representante de la forma [n, 0] o [(0, n)], donde
n N. Por ejemplo, las clases [(3, 8)] y [(0, 5)] son iguales porque 3 + 5 =
0 + 8 (ver Proposici
on 4.2.9). Entonces, podemos escribir
Z = {[(n, 0)], [(0, n)] : n N}.
Para regresar a la notaci
on usual, identificamos a n con la clase [(n, 0)], y
a n con la clase [(n, 0)]. As pues, 3 es igual a la clase de equivalencia
de todos los pares (a, b) N tales que a = b + 3. Con esta nueva notacion,
podemos considerar que N es un subconjunto de Z.
Ejemplo 5.2.2. Las siguientes clases de equivalencia de Z son iguales:
[(5, 8)] = [(4, 7)] = [(11, 14)] = [(2, 5)] = 3,
[(15, 10)] = [(25, 20)] = [(8, 3)] = [(6, 1)] = 5,
[(5, 11)] = [(14, 20)] = [(11, 17)] = [(0, 6)] = 6,
[(5, 4)] = [(4, 3)] = [(11, 10)] = [(6, 5)] = 1,
[(n, n)] = 0, n N
La suma y la multiplicaci
on tambien est
an definidas en Z y cumplen
las propiedades asociativa, conmutativa y distributiva; ademas, 0 y 1 a
un
son los neutros aditivos y multiplicativos respectivamente. El conjunto Z
tiene una nueva propiedad respecto a la suma:
10. Inverso aditivo. Para cualquier a Z existe b Z tal que a + b = 0.
5.2 N
umeros Enteros
5.2.1.
101
Divisibilidad
La ecuaci
on x + a = b, a, b Z, tiene soluci
on en Z, la cual es
x = b + (a) = b a.
Sin embargo, Z es a
un insuficiente para resolver ecuaciones como ax = b,
donde a, b Z, a 6= 0. Estas ecuaciones s
olo tienen solucion en Z si a es
un divisor de b.
Definici
on 5.2.3 (Divisor). Sean a, b Z, con a 6= 0. Decimos que a es
divisor (o factor) de b si existe t Z tal que b = at. Escribimos a | b si
a es divisor de b, y a - b si a no es divisor de b.
Si a | b, tambien decimos que b es m
ultiplo de a, o que b es divisible
entre a.
La definici
on de divisor involucra a la multiplicacion y no a la division,
como su podra sugerir. La raz
on de esto es que la division no es una
operaci
on bien definida en Z; es decir, la divisi
on de dos n
umeros enteros
no siempre es un entero. De cualquier forma, en ocasiones podra resultar
c
omodo pensar que a es divisor de b, si divisi
on a/b pertenece a Z. Por
ejemplo, 5 es divisor de 10 porque 10 = 5 2, o, equivalentemente, porque
10/5 = 2 es un entero.
Ejemplo 5.2.4. Consideremos los siguientes ejemplos.
1. 1 | n para toda n Z, porque n = 1 n.
2. n | 0 para toda n Z, porque 0 = 0 n.
3. Si 2n 2Z es un n
umero par, claramente 2 | 2n.
Los principales objetos de estudio del
area de las matematicas conocida como Teora de N
umeros son los n
umeros primos.
Definici
on 5.2.5 (N
umero Primo). Sea p Z, p > 1. Decimos que p es
un n
umero primo si sus u
nicos divisores positivos son 1 y el mismo.
Definici
on 5.2.6 (Compuesto). Si t Z, t > 1, no es un n
umero primo,
decimos que t es un n
umero compuesto.
Los primeros n
umeros primos son bastante conocidos:
2, 3, 5, 7, 11, 13, 17, 19, 23, ...
El misterioso comportamiento de esta secuencia ha obsesionado a los
matem
aticos durante siglos. Numerosos esfuerzos fallidos se han hecho
5.2 N
umeros Enteros
102
5.2 N
umeros Enteros
103
En el algoritmo de la divisi
on, el entero q es llamado el cociente de a
entre b, mientras que r es llamado el residuo.
Ejemplo 5.2.9. Consideremos los siguientes ejemplos.
1. Si a = 5 y b = 2, entonces a = 3b + 1.
2. Si a = 0 y b = 250, entonces a = 0b + 0.
3. Si a = 23 y b = 5, entonces a = 4b + 3.
Definici
on 5.2.10 (M
aximo Com
un Divisor). Sean a, b Z, a 6= 0,
b 6= 0. Decimos que d Z, d > 1, es el m
aximo com
un divisor de a y b,
si se cumplen las siguientes propiedades:
1. Es divisor com
un: d | a y d | b.
2. Si c es un entero tal que c | a y c | b, entonces c | d.
Denotamos al m
aximo com
un divisor de a y b como mcd (a, b).
Definici
on 5.2.11 (Primos Relativos). Decimos que a, b Z son primos
relativos si mcd (a, b) = 1.
Una forma de obtener el m
aximo com
un divisor de dos n
umeros es
escribir todos los divisores de ambos n
umeros, y observar cual es el mayor
de los divisores comunes. Por ejemplo, para encontrar mcd (12, 18) vemos
que
Divisores de 12 : 1, 2, 3, 4, 6, 12.
Divisores de 18 : 1, 2, 3, 6, 9, 18.
El m
aximo de los divisores comunes es 6, as que mcd (12, 18) = 6. Sin
embargo, este procedimiento puede ser muy lento si se usan n
umeros mas
grandes. Un metodo m
as eficiente es el llamado Algoritmo de Euclides,
pero antes de presentarlo, demostraremos algunos teoremas.
Teorema 5.2.12 (Bezout). Para toda a, b Z, a 6= 0, b 6= 0, existen
s1 , s2 Z tales que
mcd (a, b) = as1 + bs2 .
El Teorema de Bezout tambien se demuestra normalmente en un curso
de teora de n
umeros elemental.
Corolario 5.2.13. Sean a, b Z, a 6= 0, b 6= 0. Entonces mcd(a, b) = 1
si y s
olo si existen s1 , s2 Z tales que as1 + bs2 = 1.
5.2 N
umeros Enteros
104
Demostraci
on.
() Si mcd(a, b) = 1, entonces as1 + bs2 = 1 para algunos s1 , s2 Z
por el Teorema de Bezout.
() Supongamos que 1 = as1 + bs2 para algunos s1 , s2 Z. Sea d =
mcd(a, b). Como d | a y d | b, el Lema 5.2.7 (2.) implica que
d | (as1 + bs2 ) = d | 1.
Claramente, 1 | d por el Ejemplo 5.2.4 (1.), as que el Lema 5.2.7
(3.) implica que d = 1. Por definici
on, el maximo com
un divisor
es positivo, as que d = 1.
5.2 N
umeros Enteros
105
5.2 N
umeros Enteros
106
5.2 N
umeros Enteros
5.2.2.
107
Ecuaciones Diof
anticas
Definici
on 5.2.19 (Ecuaci
on diof
antica). Una ecuaci
on diof
antica lineal
en las variables x, y es una ecuaci
on de la forma
ax + by = c, donde a, b, c Z.
Veamos una aplicaci
on de este tipo de ecuaciones.
Ejemplo 5.2.20. Supongamos que tenemos $430 y queremos comprar
bolgrafos que cuestan $20 y cuadernos que cuestan $50. Podemos gastar
todo nuestro dinero comprando bolgrafos y cuadernos? En otras palabras,
buscamos las soluciones enteras no negativas de la ecuaci
on
20x + 50y = 430,
donde x, y son el n
umero de bolgrafos y cuadernos respectivamente.
La siguiente proposici
on establece las condiciones bajo las cuales una
ecuaci
on diof
antica tiene soluciones enteras.
Teorema 5.2.21. Sean a, b, c Z. La ecuaci
on diof
antica
ax + by = c
tiene soluciones enteras si y s
olo si mcd (a, b) | c.
Demostraci
on. Sea d = mcd (a, b).
() Si la ecuaci
on tiene soluciones enteras, existen u, v Z tales que
au + bv = c. Entonces d | c por el Lema 5.2.7 (2.).
() Supongamos que d | c. Por definici
on, existe r Z tal que c = dr.
Por el Teorema de Bezout 5.2.12, existen s1 , s2 Z tales que
as1 + bs2 = d.
Multiplicando la igualdad anterior por r, obtenemos que
r(as1 + bs2 ) = dr = c.
Por la propiedad distributiva,
a(s1 r) + b(s2 r) = c.
Esto demuestra que x = s1 r, y = s2 r es una solucion de la ecuacion.
5.2 N
umeros Enteros
108
La siguiente proposici
on nos muestra un metodo para encontrar todas
las soluciones enteras de una ecuaci
on diof
antica.
Teorema 5.2.22. Sean a, b, c Z, y d = mcd (a, b). Supongamos que
x0 , y0 Z es una soluci
on particular de la ecuaci
on diof
antica ax+by = c.
Entonces, todas las soluciones enteras de esta ecuaci
on son
a
b
xn = x0 + n, yn = y0 n, donde n Z.
d
d
(5.9)
Demostraci
on. Observemos que ad , db Z, ya que d = mcd (a, b). Como
x0 , y0 es una soluci
on particular de ax + by = c, los enteros dados en
(5.9) tambien son soluciones:
a
b
a
b
a x0 + n + b y0 n = ax0 + by0 + an bn,
d
d
d
d
= ax0 + by0 = c.
Ahora demostraremos que todas las soluciones tienen esta forma.
Supongamos que x
, y Z es una soluci
on de ax + by = c. Entonces,
a
x + b
y = c = ax0 + by0 = a (
x x0 ) = b (y0 y) .
Dividiendo la igualdad anterior entre d, obtenemos que
b
a
(
x x0 ) = (y0 y) .
d
d
(5.10)
a
a
n = y = y0 n.
d
d
5.2 N
umeros Enteros
109
(5.11)
Como mcd (20, 50) = 10, y 10 divide a 430, sabemos, por el Teorema
5.2.21, que la ecuaci
on (5.11) tiene soluciones enteras. Una soluci
on particular puede encontrarse usando el algoritmo de Euclides. Veamos que
50 = 2 20 + 10 = 10 = 2 20 + 1 50.
Multiplicando por 43, tenemos que
430 = 86 20 + 43 50.
Esto demuestra que x0 = 86, y0 = 43 es una soluci
on particular.
Por el Teorema 5.2.22, todas las soluciones enteras de la ecuaci
on
(5.11) son
xn = 86 + 5n, yn = 43 2n, n Z.
En este ejemplo, estamos interesados en hallar las soluciones positivas, porque el n
umero de bolgrafos y cuadernos son enteros positivos. La
ecuaci
on tiene cinco soluciones enteras positivas:
x18 = 4, y18 = 7; x19 = 9, y19 = 5; x20 = 14, y20 = 3; x21 = 19, y21 = 1.
Ejemplo 5.2.24. Ser
a posible llenar exactamente un dep
osito de agua
de 55 litros si s
olo tenemos recipientes de 6 y 9 litros? Para responder
a esta pregunta, debemos encontrar las soluciones enteras de la ecuaci
on
diof
antica
6x + 9y = 55.
Sin embargo, mcd (6, 9) = 3 y 3 no divide a 55, as que, por el Teorema
5.2.21, sabemos que no existen soluciones enteras. En otras palabras, no
es posible llenar exactamente el dep
osito con los recipientes mencionados.
5.2 N
umeros Enteros
5.2.3.
110
Ejercicios de N
umeros Enteros
a b
d, d
5.3 Congruencias
5.3.
111
Congruencias
Definici
on 5.3.1 (Congruencia m
odulo m). Sea m N, m 6= 0. Dos
n
umeros enteros a, b Z son congruentes m
odulo m si m | (a b).
Usamos la notaci
on
ab
m
od m
5.3 Congruencias
112
La suma y multiplicaci
on de enteros tienen un buen comportamiento
con respecto a las congruencias m
odulo m.
Teorema 5.3.4. Sea m N, m 6= 0. Sean a, a0 , b, b0 Z tales que a a0
m
od m y b b0 m
od m. Entonces:
1. a + b a0 + b0 m
od m.
2. ab a0 b0 m
od m.
Demostraci
on.
1. Si a a0 mod m y b b0 mod m, por definicion deducimos que
existen r, s Z, tales que a a0 = rm y b b0 = sm. Entonces
(a + b) (a0 + b0 ) = (a a0 ) + (b b0 ) = (r + s) m.
Por lo tanto, a + b = a0 + b0 mod m.
2. En forma an
aloga tenemos que
ab a0 b0 =
ab a0 b + a0 b a0 b0
= (a a0 ) b + a0 (b b0 )
= rbm + sa0 m
= (rb + sa0 ) m,
de donde se obtiene que ab a0 b0 mod m.
Las clases de equivalencia de la relaci
on m
odulo m forman una partici
on de Z. Denotamos como Zm al conjunto cociente de esta relacion.
Ejemplo 5.3.5. Hay dos clases de equivalencia en la relaci
on m
odulo
2 sobre Z. Una de estas clases contiene a los n
umeros divisibles entre 2
(los pares) y la otra contiene a los n
umeros que no son divisibles entre 2
(los impares). Explcitamente,
[0] = {0, 2, 4, . . .} = {2n : n Z},
[1] = {1, 3, 5, . . .} = {2n + 1 : n Z}.
Por lo tanto, el conjunto cociente es
Z2 = {[0] , [1]} .
5.3 Congruencias
113
m
od 3, donde 0 r < 3.
mod 11.
5.3 Congruencias
114
Proposici
on 5.3.8. Un n
umero entero es divisible entre 9 si y s
olo si la
suma de sus cifras es divisible entre 9.
Demostraci
on. Sea x Z y sean x0 , x1 , . . . , xn sus cifras decimales, esto
es
x = x0 + x1 10 + x2 102 + . . . + xn 10n ,
para alg
un n N.
Por el Ejercicio 5.3.3, tenemos que 10k 1 mod 9 para cualquier
k N. Entonces, por el Teorema 5.3.4, deducimos que
x x0 + x1 10 + . . . + xn 10n x0 + x1 + . . . + xn
mod 9.
En particular, 9 divide a x si y s
olo si x 0 mod 9, lo cual es cierto
si y s
olo si
x0 + x1 + . . . + xn 0 m
od 9.
Esto u
ltimo significa que x0 + x1 + . . . + xn es divisible entre 9.
Proposici
on 5.3.9. Un n
umero entero es divisible entre 3 si y s
olo si la
suma de sus cifras es divisible entre 3.
Demostraci
on. Debido a que 10k 1 m
od 3 para cualquier k N, el
resultado se deduce con un razonamiento similar al usado en la demostraci
on de la proposici
on anterior. La demostraci
on formal se deja como
ejercicio.
Ejemplo 5.3.10. El n
umero entero 1001001 es divisible entre 3, ya que
la suma de sus cifras es 3, pero no es divisible entre 9, debido a que la
suma de sus cifras no es divisible entre 9.
5.3 Congruencias
5.3.1.
115
Ejercicios de Congruencias
5.4 Cardinalidad
5.4.
5.4.1.
116
Cardinalidad
Comparaci
on de cardinalidades
C
omo podemos comparar el tama
no de dos conjuntos? Si
S = {x R : x2 = 9},
es f
acil darse cuenta que S = {3, 3} y decir que S tiene dos elementos.
Si T = {1, 7, 11}, entonces T tiene tres elementos y podemos pensar que
T es m
as grande que S. Esta idea intuitiva funciona para conjuntos
finitos, pero c
omo podemos comparar el tama
no de conjuntos infinitos
como N y R?
Definici
on 5.4.1. Sean S y T conjuntos.
1. Decimos que S y T tienen la misma cardinalidad, y escribimos
|S| = |T | ,
si existe una funci
on biyectiva de S en T .
2. Decimos que la cardinalidad de S es menor o igual que la de T , y
escribimos
|S| |T | ,
si existe una funci
on inyectiva de S en T .
Cuando S y T tienen la misma cardinalidad, tambien podemos decir
que son conjuntos equipotentes. Como es usual, |S| < |T | significa que
|S| 6 |T | y |S| =
6 |T |.
Proposici
on 5.4.2. Sea F una colecci
on de conjuntos. La relaci
on de
igualdad entre cardinalidades es una relaci
on de equivalencia sobre F.
Demostraci
on.
1. Reflexividad. Cualquier conjunto S F satisface que |S| = |S|,
puesto que la identidad en S es una funci
on biyectiva sobre S.
2. Simetra. Sean S, T F. Si f : S T es una funcion biyectiva,
su inversa f 1 : T S tambien es una funcion biyectiva (Teorema
4.1.44). Esto implica que si |S| = |T |, entonces |T | = |S|.
3. Transitividad. Sean T, S, U F. Si |S| = |T | y |T | = |U |, existen
funciones biyectivas f : S T y g : T U . Ahora, es sencillo
demostrar que la composici
on g f : S U tambien es una funcion
biyectiva (Ejercicio 5.4.3). Por lo tanto |S| = |U |.
5.4 Cardinalidad
117
La proposici
on anterior debe restringirse a una coleccion de conjuntos
puesto que, como se discuti
o en la Secci
on 3.1, considerar la coleccion de
todos los conjuntos puede generar paradojas.
Originalmente, el matem
atico alem
an Georg Cantor, definio la cardinalidad de un conjunto S como la clase de equivalencia
[S] = {X : |X| = |S|}.
Sin embargo, esta definici
on no funciona en las teoras axiomaticas modernas debido a que [S] es un conjunto demasiado grande(es decir, es
una clase propia). En este contexto, la definici
on formal de cardinalidad
est
a fuera del alcance de este texto: nos enfocaremos mas en comparar
cardinalidades que en definir el concepto de cardinalidad mismo.
En el siguiente teorema establecemos algunas de las propiedades basicas relacionadas con la comparaci
on de cardinalidades.
Teorema 5.4.3. Sean S, T y U conjuntos.
1. Si S T , entonces |S| |T |.
2. |S| |S|.
3. Si |S| |T | y |T | |U | entonces |S| |U |.
Demostraci
on.
1. Si S T la funci
on de inclusi
on i : S T definida por i(s) = s,
s S, es inyectiva.
2. Ejercicio 5.4.4.
3. Ejercicio 5.4.4.
Las partes (2.) y (3.) del teorema anterior son las propiedades reflexiva
y transitiva de la relaci
on entre cardinalidades. El siguiente teorema
establece que la relaci
on entre cardinalidades es tambien antisimetrica,
y por lo tanto, una relaci
on de orden.
Teorema 5.4.4 (de Schroeder-Bernstein). Sean S y T dos conjuntos. Si
|S| |T | y |T | |S| entonces |S| = |T |.
A simple vista, el Teorema de Schroeder-Bernstein podra parecer
obvio; sin embargo, hay que tener presente que |S| |T | significa que
existe una funci
on inyectiva de S en T mientras que |T | |S| significa
5.4 Cardinalidad
118
5.4.2.
Conjuntos numerables
El elemplo m
as claro de un conjunto infinito es N.
Proposici
on 5.4.7. El conjunto de los n
umeros naturales N es infinito.
Demostraci
on. Por reducci
on al absurdo, supongamos que |N| = |n|
para alg
un n N. Por definici
on, existe una funcion biyectiva
f : {0, 1, ..., n 1} N.
El rango de esta funci
on es ran(f ) = {f (0), f (1), ..., f (n1)} N. Sea s
N el sucesor del m
aximo absoluto de ran(f ). Entonces, s
/ ran(f ), porque
5.4 Cardinalidad
119
conjuntos
finitos
conjuntos infinitos
conjuntos
infinito-numerables
conjuntos
no numerables
5.4 Cardinalidad
120
5.4 Cardinalidad
121
n es el n
umero natural m
as peque
no tal que g(n) = s. La funcion
h est
a definida en todo el conjunto S porque g es sobreyectiva.
Adem
as, h es inyectiva porque
h(s1 ) = h(s2 ) = g(h(s1 )) = g(h(s2 )) = s1 = s2 .
Esto demuestra que |S| |N|, y as S es numerable por definicion.
Proposici
on 5.4.14. Sean S y T conjuntos numerables. Entonces,
1. S T es numerable.
2. S T es numerable.
Demostraci
on.
1. Por el Teorema 5.4.13 existen funciones sobreyectivas f : N S y
g : N T . Entonces la funci
on h : N S T definida como
n+1
f
, si n es impar,
2
h(n) =
g n ,
si n es par,
2
es sobreyectiva (Ejercicio 5.4.5), lo que demuestra que S T es
numerable.
2. Por definici
on, existen funciones inyectivas f : S N y g : T N.
Entonces la funci
on r : S T N definida como
r(s, t) = 2f (s) 3g(t) , donde s S y t T,
es inyectiva (Ejercicio 5.4.5). Esto demuestra que S T es numerable.
Proposici
on 5.4.15. El conjunto Q de los n
umeros racionales,
Q={
es numerable.
m
: n 6= 0, n, m Z},
n
5.4 Cardinalidad
122
Demostraci
on. Sean Q+ y Q los conjuntos de los n
umeros racionales
positivos y negativos, respectivamente. Primero mostraremos que Q+ es
numerable. Cualquier elemento de Q+ puede ser escrito de manera u
nica
como m/n, donde m, n N, n 6= 0, mcd(m, n) = 1. Entonces, existe una
funci
on inyectiva f : Q+ N definida por
m
f
= 2m 3n .
n
Esto muestra que Q+ es numerable. La funci
on g : Q+ Q dada por
+
g(r) = r es claramente biyectiva, as que |Q | = |Q |. Esto implica que
Q es numerable. Puesto que Q = Q {0} Q+ , la Proposicion 5.4.14
demuestra que Q es numerable.
No todos los conjuntos tienen cardinalidad menor o igual que N; en
otras palabras, existen conjuntos infinitos que no son numerables.
Teorema 5.4.16. El conjunto R de los n
umeros reales no es numerable.
Demostraci
on. Puesto que cualquier subconjunto de un conjunto numerable es numerable (Teorema 5.4.12), es suficiente mostrar que el intervalo
J = (0, 1) R no es numerable. Por reducci
on al absurdo, supongamos
que J es numerable, as que podemos enlistar sus elementos
J = {x1 , x2 , x3 , . . .} = {xn : n N}.
(5.12)
5.4 Cardinalidad
5.4.3.
123
Numeros cardinales
5.4 Cardinalidad
124
5.4 Cardinalidad
5.4.4.
125
Ejercicios de Cardinalidad
5.4 Cardinalidad
126
c) S = (0, 1) y T = R.
Ejercicio 5.4.7. Sea S un conjunto infinito.
a) Demuestra que S contiene un subconjunto numerable.
b) Demuestra que existe un subconjunto propio T de S tal que |T | = |S|.
Demuestra que todo conjunto infinito contiene un conjunto numerable.
Ejercicio 5.4.8. Demuestra que:
(a) Si |S| 6 |T |, entonces |P (S)| 6 |P (T )|.
(b) Si |S| = |T |, entonces |P (S)| = |P (T )|.
Ejercicio 5.4.9. En este ejercicio, esbozaremos c
omo demostrar que
|P (N)| = c. Para ello, es suficiente mostrar que
|P (N)| c y c |P (N)| .
a) Para mostrar que | (N)| c, sea f : P (N) R la funci
on definida
como f (A) = 0.a1 a2 a3 an , donde A P (N) y
0, si n
/A
an =
1, si n A.
Demuestra que f es inyectiva.
b) Para mostrar que c | (N)|, usamos el Ejercicio 5.4.8 para concluir que | (N)| = | (Q)|, ya que |N| = |Q|. por lo tanto es
suficiente encontrar una funci
on inyectiva f : R f (Q). Sea
f (x) = {y Q : y < x}. Para mostrar que f es inyectiva, usa el
hecho de que dados a, b R, existe r Q tal que a < r < b.
5.5 T
ecnicas de Conteo
5.5.
127
T
ecnicas de Conteo
5.5 T
ecnicas de Conteo
128
|A|
Demostraci
on. Sea A = {a1 , ..., an }. Una funci
on f : A B esta completamente determinada por las im
agenes de cada uno de los elementos
de A. En otras palabras, f est
a determinada por la n-tupla
(f (a1 ), f (a2 ), ..., f (an )),
donde f (ai ) B. Cualquier n-tupla diferente determinara una funcion
diferente. Por lo tanto, el n
umero de funciones de A en B es igual a la
cardinalidad del producto cartesiano,
n
El teorema anterior puede aplicarse a una situacion en la que es necesario elegir n elementos de un conjunto B, permitiendo la repeticion
de los elementos y considerando el orden (o haciendo una distincion) en
cada elecci
on. El siguiente ejemplo ilustra la situacion.
Ejemplo 5.5.3. En una clase de 15 estudiantes, queremos elegir un comite de un presidente, un secretario y un tesorero. Supongamos que un
mismo estudiante puede ocupar dos o m
as puestos distintos. De cu
antas
maneras distintas se puede formar el comite?
5.5 T
ecnicas de Conteo
129
P 7 4
S 7 8
f:
T 7 4
representa el comite donde el estudiante 4 es el presidente y el tesorero,
mientras que el 8 es el secretario. Por el Teorema 5.5.2, el n
umero de
funciones de este tipo es
3
5.5 T
ecnicas de Conteo
130
Com
unmente el teorema anterior se aplica en la siguiente situacion.
Supongamos que tenemos un conjunto B del cual queremos elegir n elementos, sin repetirlos y considerando el orden (o haciendo una distincion)
en cada elecci
on. Este planteamiento es equivalente a contar el n
umero
de funciones inyectivas de {1, ..., n} en B.
Ejemplo 5.5.5. En una clase de 15 estudiantes, queremos elegir un comite de un presidente, un secretario y un tesorero. En este caso, supongamos no es posible que un mismo estudiante ocupe dos puestos distintos.
De cu
antas maneras se puede formar el comite?
Con la notaci
on del Ejemplo 5.5.3, debemos contar las funciones inyectivas de {P, S, T } en C. Por el Teorema 5.5.4, el n
umero de funciones
inyectivas de este tipo es
P (15, 3) = 15 14 13 = 2, 730.
Por lo tanto, hay 2, 730 formas distintas de formar el comite bajo las
suposiciones previas.
El siguiente teorema nos dice cual es la cardinalidad del conjunto
potencia de un conjunto finito.
5.5 T
ecnicas de Conteo
131
Teorema 5.5.6. Sea A un conjunto finito, |A| = n. Entonces la cardinalidad del conjunto potencia de A es
|P (A)| = 2n .
Demostraci
on. Recordemos que P (A) es el conjunto de todos los subconjuntos de A. Para cada S P (A), podemos asociar una funcion
S : A {0, 1} definida como
1, si a S
S (a) =
0, si a
/S
Cada una de estas funciones determina un subconjunto de A distinto; es
decir, si S = T , S, T P (A), entonces
1
S = 1
S (1) = T (1) = T.
|A|
= 2|A| .
5.5 T
ecnicas de Conteo
Permutaci
on
1 7 1
2 7 2
1 :
3 7 3
1 7 2
2 7 1
2 :
3 7 3
1 7 3
2 7 2
3 :
3 7 1
Trada
corresp.
132
Permutaci
on
Trada
corresp.
(1, 2, 3)
1 7 1
2 7 3
4 :
3 7 2
(1, 3, 2)
(2, 1, 3)
1 7 2
2 7 3
5 :
3 7 1
(2, 3, 1)
(3, 2, 1)
1 7 3
2 7 1
6 :
3 7 2
(3, 1, 2)
1 7 2
2 7 3
5 :
3 7 1
la cual corresponde con la trada (o 3-tupla)
((1), (2), (3)) = (2, 3, 1).
Por el Teorema 5.5.9, hay 3! = 6 permutaciones de A. Todas estas permutaciones aparecen en la Tabla 5.1.
Como pudimos observar en el ejemplo anterior, una permutacion de
un conjunto finito puede verse como un arreglo de los elementos del
conjunto, en el cual no se permiten repeticiones e importa el orden en el
que aparecen los elementos.
Si A es cualquier conjunto, un k-subconjunto de A es un subconjunto
de A de cardinalidad k.
Teorema 5.5.11. Sea A un conjunto finito, |A| = n. Si k N, k n,
entonces el n
umero de k-subconjuntos de A es
n
n!
.
=
k!(n k)!
k
5.5 T
ecnicas de Conteo
133
Demostraci
on. El Teorema 5.5.4 implica que el n
umero de k-tuplas
inyectivas formadas por distintos elementos de A es P (n, k). Sin embargo, estas k-tuplas no representan k-subconjuntos, porque en un ksubconjunto no importa el orden en el que aparecen los elementos.
Digamos que dos k-tuplas
(a1 , ..., ak ) y (b1 , ..., bk )
son equivalentes, si existe una permutaci
on : A A tal que (ai ) = bi ,
para toda i. Esto define una relaci
on de equivalencia (Ejercicio 5.5.4).
Por el Teorema 5.5.9, la cardinalidad de cada clase de equivalencia es
k!. Como las clases de equivalencia forman una particion de las k-tuplas,
deducimos que hay
P (n, k)
k!
clases de equivalencia distintas. El teorema queda demostrado observando
que cada clase de equivalencia corresponde a un k-subconjunto distinto
de A, y que
P (n, k)(n k)!
n!
P (n, k)
=
=
.
k!
k!(n k)!
k!(n k)!
La expresi
on nk del teorema anterior se llama coefficiente binomial,
ya que tambien determina el k-esimo coeficiente del binomio (x + y)n .
Ejemplo 5.5.12. En una clase de 15 estudiantes, queremos elegir un
comite formado por tres representantes. Cu
antos comites diferentes se
pueden formar?
Como no hay distinci
on alguna entre los representantes que forman
el comite, la pregunta anterior es equivalente a encontrar el n
umero de
subconjuntos de cardinalidad 3 del conjunto de 15 estudiantes. Por el
Teorema 5.5.11, el n
umero de estos subconjuntos es
15
15!
= 455.
=
3
3! (15 3)!
As, se pueden formar 455 comites distintos.
Palabras clave de la secci
on: principio fundamental de conteo,
n
umero de funciones inyectivas, cardinalidad del conjunto potencia, permutaci
on, combinaci
on.
5.5 T
ecnicas de Conteo
5.5.1.
134
Ejercicios de Conteo
Captulo 6
Estructuras Algebraicas
Los objetos principales de estudio del
algebra universitaria son las
estructuras algebraicas. Dicho brevemente, una estructura algebraica
involucra uno o m
as conjuntos junto con una o mas operaciones que
satisfacen ciertas propiedades. Estas operaciones pueden variar considerablemente, dependiendo de los conjuntos sobre las que esten definidas.
Algunos ejemplos comunes son la suma y la multiplicacion usual de n
umeros, la multiplicaci
on de matrices y la composici
on de funciones.
Cada estructura algebraica recibe un nombre especial dependiendo
del n
umero de conjuntos y operaciones involucradas, y de las propiedades que estas satisfagan; as pues, pueden ser llamadas grupos, campos,
espacios vectoriales o anillos, entre muchas otras. En las siguientes secciones definiremos algunas de estas estructuras y examinaremos algunos
ejemplos elementales.
6.1 Grupos
6.1.
136
Grupos
a1 a2
,
b1 b2
=
a1 a2
ai
, donde
Q ,
b1 b2
bi
es una operaci
on binaria de Q. Para comprobar que la operaci
on est
a bien
definida, notemos que si ai 6= 0 y bi 6= 0, entonces a1 a2 6= 0 y b1 b2 6= 0,
y por lo tanto
a1 a2
Q .
b1 b2
Esta operaci
on se llama la multiplicaci
on usual de n
umeros racionales.
Ejemplo 6.1.4. Consideremos el conjunto de n
umeros enteros impares
I = {2n + 1 : n Z} .
La funci
on
f (a, b) = a + b, donde a, b I,
no es una operaci
on binaria de I porque no se cumple la propiedad de
cerradura: la suma de dos enteros impares no es un entero impar.
6.1 Grupos
137
matem
atico frances Evariste
Galois. A pesar de haber sido asesinado en
un duelo a la corta edad de 20 a
nos, Galois desarrollo una de las teoras
matem
aticas m
as brillantes de la historia.
Definici
on 6.1.7 (Grupo). Sea G un conjunto no vaco y : G G G
una operaci
on binaria de G. El par (G, ) es un grupo si se cumplen las
siguientes propiedades:
G1 Asociatividad. Para toda a, b, c G, se cumple que
a (b c) = (a b) c.
G2 Identidad. Existe un elemento e G tal que e a = a e = a para
toda a A.
6.1 Grupos
138
ai
bi
Q , tenemos que
a1
b1
G2 La identidad es
1
1
a2 a3
b2 b3
Q porque
G3 El inverso de cualquier
a
b
a1 (a2 a3 )
b1 (b2 b3 )
(a1 a2 ) a3
=
(b1 b2 ) b3
a3
a1 a2
=
b1 b2
b3
=
1
1
Q es
b
a
a
b
a
b
1
1
= ab , para toda
Q porque ab ab =
ab
ba
a
b
Q .
ab
ab
= 11 .
6.1 Grupos
139
funci
on biyectiva sobre V ). Por ejemplo,
v1 7 v2
v2 7 v3
:
v3 7 v1
puede verse como una rotaci
on del tri
angulo de 120 grados (Figura 6.1).
v1 7 v1
v2
7 v3
:
v3 7 v2
puede verse como una reflexi
on del tri
angulo a traves del eje que pasa por
v1 (Figura 6.2).
6.1 Grupos
140
7 v1
v1
v2
7 v2
id :
v3
7 v3
es la identidad del grupo.
G3 Debido a que los elementos de D son funciones biyectivas, cualquier
elemento tiene un inverso.
Ejemplo 6.1.12. Sea + la operaci
on binaria de Zn del Ejemplo 6.1.5.
Entonces, el par (Zn , +) es un grupo (Ejercicio 6.1.1).
Ahora demostraremos algunos resultados b
asicos relacionados con los
grupos.
Lema 6.1.13 (Cancelaci
on derecha). Sea (G, ) un grupo y a, b, c G.
Si a c = b c, entonces a = b.
Demostraci
on. Usando las propiedades de la definicion de grupo,
a c = b c = (a c) c1 = (b c) c1 ,
= a c c1 = b c c1 ,
(G1)
= a e = b e,
(G3)
= a = b.
(G2)
(G2)
= b (a d)
(Hipotesis)
= (b a) d
(G1)
=ed
=d
(Hipotesis)
(G2)
6.1 Grupos
141
[0]
[1]
[2]
[3]
[4]
[0]
[0]
[1]
[2]
[3]
[4]
[1]
[1]
[2]
[3]
[4]
[0]
[2]
[2]
[3]
[4]
[0]
[1]
[3]
[3]
[4]
[0]
[1]
[2]
[4]
[4]
[0]
[1]
[2]
[3]
v1 7 v2
v2 7 v1
:
v3 7 v3
6.1 Grupos
142
mientras que
7 v3
v1
v2
7 v2
=
v3
7 v1
Por lo tanto 6= .
Si (G, ) es un grupo y H un subconjunto de G, denotemos por H a la
restricci
on de en H; en otras palabras, H es la funcion H : H H G
definida como
a H b = a b, donde a, b H.
Definici
on 6.1.19 (Subgrupo). Sea (G, ) un grupo y H G. Decimos
que (H, H ) es un subgrupo de (G, ) si (H, H ) es en s mismo un grupo.
Decimos que (H, H ) es un subgrupo propio de (G, ) si H es un subconjunto propio de G (es decir, H ( G).
Teorema 6.1.20 (Test del subgrupo). Sea (G, ) un grupo y H G. El
par (H, H ) es un subgrupo de (G, ) si y s
olo si se cumple las siguientes
propiedades:
S1 Se cumple la propiedad de cerradura en H; es decir, a b H para
toda a, b H.
S2 La identidad del grupo (G, ) est
a contenida en H.
S3 Para cualquier a H, se cumple que a1 H.
Demostraci
on.
() Si (H, H ) es un subgrupo, claramente las propiedades S1-S3 se
cumplen.
() Supongamos que (H, H ) cumple las propiedades S1-S3. La propiedad S1 garantiza que H es una funci
on de la forma H H H,
as que es una operaci
on binaria de H. Las propiedades S2 y S3 implican directamente que G2 y G3 se cumplen. Finalmente, (H, H )
tambien cumple G1 porque, para cualquier a, b, c H,
a H (b H c) = a (b c) = (a b) c = (a H b) H c.
Por lo tanto, (H, H ) es un grupo en s mismo.
Para simplificar notaci
on, si (H, H ) es un subgrupo de (G, ), denotaremos la operaci
on H con el mismo smbolo que la operacion de (G, ).
6.1 Grupos
143
6.1 Grupos
144
6.1 Grupos
6.1.1.
145
Ejercicios de Grupos
Ejercicio 6.1.1. Cu
ales de los siguientes pares son grupos? En caso de
serlo, demuestra que se cumplen las propiedades de cerradura y G1-G3.
En caso contrario, determina que propiedad es la que no se cumple.
a) (Zn , +), donde + es la suma de clases de equivalencia.
b) (2Z, +), donde + es la suma usual de n
umeros.
c) (N, +), donde + es la suma usual de n
umeros.
d) (Q, ), donde es la multiplicaci
on usual de fracciones.
Ejercicio 6.1.2. Sea (G, ) un grupo. Demuestra lo siguiente:
a) Sean a, b, c G. Si c a = c b, entonces a = b.
b) La identidad de (G, ) es u
nica.
Ejercicio 6.1.3. Sea (G, ) un grupo, g G, g 6= e. Si
hgi = e, g, g 2 , ..., g n1
es el conjunto definido en esta secci
on, con g n = e, demuestra que (hgi , )
cumple la propiedad S3 del Teorema 6.1.20.
Ejercicio 6.1.4. Encuentra todos los subgrupos cclicos de Z3 , Z4 , Z5
y Z8 . Puedes encontrar subgrupos cclicos propios no triviales en Z3 o
Z5 ? A que crees que se deba esto?
Ejercicio 6.1.5. Sea D el grupo de simetras del tri
angulo.
a) Explica por que la composici
on de funciones es una operaci
on binaria de D.
b) Cu
antos elementos hay en D? Escrbelos todos usando la notaci
on
del Ejemplo 6.1.11.
c) Encuentra la tabla de Cayley del grupo (D, ).
d) Encuentra dos subgrupos propios no triviales de (D, ).
Ejercicio 6.1.6. Sea V = {v1 , v2 , v3 , v4 } y considera el conjunto de permutaciones Sym(V ).
a) Demuestra que (Sym(V ), ) un grupo, donde es la composici
on de
funciones.
b) Cu
antos elementos hay en Sym(V )? Escrbelos todos con la notaci
on
usada en el Ejemplo 6.1.11.
c) Encuentra la tabla de Cayley de (Sym(V ), )
6.2 Campos
6.2.
146
Campos
En esta secci
on definiremos una nueva estructura algebraica que involucra dos operaciones binarias.
Definici
on 6.2.1 (Campo). Sea F un conjunto no vaco. Sean + y dos
operaciones binarias de F . La trada (F, +, ) es un campo si se cumplen
las siguientes propiedades:
C1 (F, +) es un grupo abeliano con identidad e0 .
C2 Si F = F \ {e0 }, entonces (F , ) es un grupo abeliano con identidad
e1 6= e0 .
C3 Distributividad. Para toda a, b, c F , a (b + c) = (a b) + (a c).
Las operaciones + y en un campo son llamadas suma y
plicaci
on, respectivamente. Esto no significa que + y sean la
multiplicaci
on usual de n
umeros; de hecho, el conjunto F podra
tener n
umeros. Al elemento e0 se le llama identidad aditiva del
mientras que a e1 se le llama identidad multiplicativa.
multisuma y
no concampo,
(C1)
= (e0 + e0 ) a
(C1)
= (e0 a) + (e0 a) .
(C3)
6.2 Campos
147
Demostraci
on. El elemento (a b) es, por definicion, el inverso aditivo
del producto a b F . Observemos que
(a b) + ((a) b) = (a + (a)) b
= e0 b
= e0 .
(C3)
(C1)
(6.2.2)
ai
bi
Q, tenemos que
a1
b1
a2
a3
+
b2
b3
a1
a 2 b3 + a 3 b2
=
b1
b2 b3
a1 (a2 b3 + a3 b2 )
=
b1 (b2 b3 )
a1 a2 b3 + a1 a3 b2
=
.
b1 b2 b3
6.2 Campos
148
+
b1 b2
b1 b3
b1 b2
b1 b3
a1 a2 (b1 b3 ) + a1 a3 (b1 b2 )
=
b1 b2 (b1 b3 )
b1 (a1 a2 b3 + a1 a3 b2 )
=
b1 (b1 b2 b3 )
a1 a2 b3 + a1 a3 b2
=
.
b1 b2 b3
Por lo tanto,
a1
b1
a2
a3
+
b2
b3
=
a1 a2
b1 b2
+
a1 a3
b1 b3
.
6.2 Campos
149
Si (x1 , 0) y (x2 , 0) son reales puros, las operaciones definidas previamente coinciden con la suma y multiplicaci
on usual de n
umeros reales:
(x1 , 0) + (x2 , 0) = (x1 + x2 , 0) ,
(x1 , 0) (x2 , 0) = (x1 x2 , 0) .
Observemos que, para cualquier (x, y) C,
(x, y) = (x, 0) (1, 0) + (y, 0) (0, 1)
Para simplificar notaci
on, identificaremos a (x, 0) y (y, 0) con los n
umeros
reales x, y R, respectivamente. Si definimos
i = (0, 1) C,
podemos denotar al n
umero complejo (x, y) como
x + yi C.
El imaginario puro i = (0, 1) es llamado unidad imaginaria y cumple
que
i2 = (0, 1) (0, 1) = (1, 0) ,
al cual identificamos con 1 R. Es por esta razon que com
unmente se
dice que i es una raz cuadrada de 1.
Con con esta nueva notaci
on, la suma y multiplicacion de n
umeros
complejos puede escribirse como
(x1 + y1 i) + (x2 + y2 i) = x1 + x2 + (y1 + y2 ) i,
(x1 + y1 i) (x2 + y2 i) = x1 x2 y1 y2 + (x1 y2 + x2 y1 ) i.
Ejemplo 6.2.8. Consideremos los n
umeros complejos 5 + i y 2 + 4i.
Entonces,
(5 + i) + (2 + 4i) = (5 + 2) + (1 + 4)i = 7 + 5i,
(5 + i) (2 + 4i) = (10 4) + (20 + 2) i = 6 + 22i.
Demostrar que la trada (C, +, ) es un campo no es difcil, utilizando
la notaci
on definida junto con las propiedades de los n
umeros reales. Sin
embargo, la demostraci
on es algo laboriosa, as que se deja como ejercicio.
Ahora consideraremos un campo con un n
umero finito de elementos.
6.2 Campos
150
1
a
R .
6.2 Campos
151
Demostraci
on. Ejercicio 6.2.6.
Ejemplo 6.2.12. Consideremos el conjunto
n
o
Q
2 = x + y 2 : x, y R
Demostraremos que la triada Q 2 , +, es un subcampo de (R, +, ).
SC2 Si xi + yi 2 Q 2 , entonces
x1 + y1 2 + x2 + y2 2 = (x1 + x2 )+(y1 + y2 ) 2 Q
2 .
El inverso aditivo de x + y 2 es
2 .
x + y 2 = (x) + (y) 2 Q
SC3 Si xi + yi 2 Q 2 , tenemos que
x1 + y1 2 x2 + y2 2 = (x1 x2 + 2y1 y2 ) + (x1 y2 + x2 y1 ) 2
es un elemento de Q
en R es
aunque no est
a claro si este es un elemento de Q 2 . Para demostrar que el inverso tiene la forma requerida, racionalizamos el
denominador:
1
xy 2
1
=
x+y 2
x+y 2xy 2
xy 2
= 2
x 2y 2
x
y
=
Q
2 .
x2 2y 2
x2 2y 2
6.2 Campos
6.2.1.
152
Ejercicios de Campos
6.3.
153
Espacios Vectoriales
154
V3 Si , R, entonces
( + ) (x, y, z) = (( + ) x, ( + ) y, ( + ) z)
= (x + x, y + y, z + z)
= (x, y, z) + (x, y, z)
= (x, y, z) + (x, y, z) .
V4 Si , R, entonces
() (x, y, z) = (() x, () y, () z)
= ( (x) , (y) , (z))
= (x, y, z)
= ( (x, y, z)) .
V5 Claramente,
1 (x, y, z) = (1x, 1y, 1z) = (x, y, z) .
Ejemplo 6.3.3 (M2 (R)). Consideremos el conjunto de matrices
a1 a2
M2 (R) =
: ai R .
a3 a4
Definamos la suma de matrices como
a1 a2
b1 b2
a1 + b1
+
=
a3 a4
b3 b4
a3 + b3
y la multiplicaci
on por escalar como
a1 a2
a1
=
a3 a4
a3
a2
a4
a2 + b2
a4 + b4
,
, donde R.
155
V1 (G1) La operaci
on es asociativa porque
[f (g h)] (x) = f (x) + (g h) (x)
= f (x) + [g (x) + h (x)]
= [f (x) + g (x)] + h (x)
= (f g) (x) + h (x)
= [(f g) h] (x) ,
para toda x R. Como dos funciones son iguales si y s
olo si coinciden en todos sus valores, tenemos que
f (g h) = (f g) h.
V1 (G2) Sea i0 : R R la funci
on definida como i0 (x) = 0, para toda
x R. Entonces,
(f i0 ) (x) = f (x) + i0 (x)
= f (x) + 0
= f (x) ,
para toda x R, lo que implica que
f i0 = f.
Esto demuestra que i0 es la identidad de (Fun, ).
V1 (G3) El inverso aditivo de una funci
on f Fun es la funci
on (f ) :
R R definida como (f ) (x) = f (x). Efectivamente,
(f (f )) (x) = f (x) + (f ) (x)
= f (x) f (x)
= 0 = i0 (x),
para toda x R, as que
f (f ) = i0 .
V1 (G4) La operaci
on es conmutativa porque
(f g) (x) = f (x) + g (x)
= g (x) + f (x)
= (g f ) (x) ,
para toda x R, as que
f g = g f.
156
Proposici
on 6.3.5 (Propiedades de espacios vectoriales). Sea (V, +, )
un espacio vectorial real. Para toda v V , R, tenemos que:
1. 0 v = e0 .
2. e0 = e0 .
3. () v = ( v).
Demostraci
on. Demostraremos cada punto.
1. Observemos que
0 v + e0 = 0 v
(V1)
= (0 + 0) v
= 0 v + 0 v.
(V3)
Por cancelaci
on derecha en el grupo (V, +), tenemos que e0 = 0 v.
2. Si = 0, e0 = e0 por la parte (1.) de esta proposicion. Si 6= 0,
entonces, para cualquier w V ,
e0 = e0 + e0
= e0 + e0
1
e0
= e0 +
1
= e0 +
e0
1
=
e0
= e0
= 1 e0 = e0 .
(V1)
(V5)
(V4)
(V2)
(V1)
(V4)
(V5)
3. Ejercicio 6.3.3.
Un subconjunto W de un espacio vectorial real (V, +, ) es un subespacio vectorial si (W, +, ) es un espacio vectorial real en s mismo.
Teorema 6.3.6 (Test del subespacio). Sea (V, +, ) un espacio vectorial
real y W V . Entonces (W, +, ) es un subespacio vectorial si y s
olo si
SV1 e0 W .
157
158
(V2)
(V4)
6.3.1.
159
Ejercicio 6.3.1. Demuestra que R3 , + es un grupo abeliano.
Ejercicio 6.3.2. Demuestra que las siguientes tradas son espacios vectoriales reales.
a) (M2 (R) , +, ), donde M2 (R) es el conjunto de matrices definido
anteriormente.
b) (Rn , +, ), donde Rn = R R ... R, n N.
c) (Fun, , ), donde Fun es el conjunto de funciones sobre R.
Ejercicio 6.3.3. Sea (V, +, ) un espacio vectorial real. Demuestra que
() v = ( v), para toda R, v V .
Ejercicio 6.3.4. Definamos la multiplicaci
on de elementos de R3 como
(x1 , x2 , x3 ) (y1 , y2 , y3 ) = (x1 y1 , x2 y2 , x3 y3 ) R3 ,
donde xi , yi R. Es la trada R3 , , un espacio vectorial real? Justifica tu respuesta.
Ejercicio 6.3.5. Demuestra las siguientes afirmaciones.
a) W = (x, 0, z) : x, z R3 es un subespacio de R3 , +, .
b) Fun0 := {f : R R : f (0) = 0} es un subespacio de (Fun, , ).
c) Fun1 := {f : R R : f (1) = 1} no es un subespacio de (Fun, , ).
Ejercicio 6.3.6. Encuentra el espacio generado por los siguientes subconjuntos de R3 :
A1 = {(7, 0, 0)} ,
A2 = {(2, 0, 0) , (0, 0, 0) , (1, 0, 0) , (0, 0, 1)} ,
A3 = {(1, 0, 0) , (1, 1, 0) , (1, 1, 1)} .
Ejercicio 6.3.7. Sean
W1 = {(1 , 2 , 2 ) : i R} ,
W2 = {(1 , 0, 0) : 1 R} ,
W3 = {(1 , 2 , 31 52 ) : i R} .
Encuentra subconjuntos de vectores Ai en R3 tales que
gen (Ai ) = Wi .
Concluye que (Wi , +, ) es un subespacio de R3 , +, para cada i.
6.4 Polinomios
6.4.
160
Polinomios
6.4 Polinomios
161
n+m
X
X
=
ai bj xk .
k=0
i+j=k
La definici
on anterior podra parecer poco natural; sin embargo, si prestamos atenci
on, podemos darnos cuenta que se trata en realidad de la
multiplicaci
on usual de polinomios estudiada en cursos de algebra basica.
Ejemplo 6.4.5. Consideremos los polinomios
f (x) = x2 + 3x + 2 y g (x) = x 1
en Q [x]. Claramente, f (x) tiene grado 2 y coeficientes a2 = 1, a1 = 3 y
a0 = 2. El grado de g (x) es 1 y sus coeficientes son b1 = 1, b0 = 1. La
suma y producto de estos polinomios son:
f (x) + g (x) = a2 x2 + (a1 + b1 ) x + (a0 + b0 )
= x2 + 4x + 1 Q [x] ,
f (x) g (x) = a2 b1 x3 + (a2 b0 + a1 b1 ) x2 + (a1 b0 + a0 b1 ) x + a0 b0
= x3 + 2x2 x 2 Q [x] .
La trada (F [x] , +, ) no es un campo ya que muchos polinomios no
tienen inverso multiplicativo en F [x]. Por ejemplo, x F [x] no tiene
inverso multiplicativo en F [x] porque expresiones como x1 no son polinomios. De hecho, ning
un polinomio no constante tiene inverso multiplicativo en F [x] (Ejercicio 6.4.4).
Sin embargo, (F [x] , +, ) satisface muchas otras propiedades:
6.4 Polinomios
162
x + 2x + 1
2x2 4x + 6
2x4 + x
2x4 4x3 2x2
4x3 2x2 + x
4x3 + 8x2 + 4x
6x2 + 5x
6x2 12x 6
7x 6
6.4 Polinomios
163
El procedimiento se detiene cuando encontramos un residuo de grado menor que deg g (x) = 2. De esta manera, el cociente de la divisi
on es
q (x) = 2x2 4x + 6 y el residuo es r (x) = 7x 6. Se deja como
ejercicio comprobar que f (x) = q (x) g (x) + r (x) (Ejercicio 6.4.5).
Definici
on 6.4.10 (Irreducible). Sea f (x) F [x] un polinomio no constante. Decimos que f (x) es irreducible si f (x) no puede ser factorizado
como el producto de dos polinomios no constantes de F [x].
Es posible demostrar que cualquier polinomio no constante de F [x]
puede ser escrito de forma esencialmente u
nica como el producto de polinomios irreducibles. Por lo tanto, en cierta forma, los polinomios irreducibles son an
alogos a los n
umeros primos. Tambien es posible estudiar
conceptos como el m
aximo com
un divisor, el algoritmo de Euclides y la
identidad de Bezout para polinomios.
Ahora nos enfocaremos en estudiar otro concepto importante relacionado con polinomios: el concepto de raz de f (x) F [x]. Si
f (x) = an xn + an1 xn1 + ... + a0 ,
y F es un n
umero (racional, real o complejo), definimos a f () F
como el n
umero
n
f (a) = an () + an1 ()
n1
+ ... + a0 .
6.4 Polinomios
164
Teorema 6.4.14. Sean f (x) , g (x) , h (x) , s (x) F [x] tales que
h (x) = f (x) g (x) y s (x) = f (x) + g (x) .
Entonces h () = f () g () y s () = f ()+g (), para cualquier F .
Demostraci
on. Supongamos que
f (x) = an xn + an1 xn1 + ... + a0 ,
g (x) = bm xm + bm1 xm1 + ... + b0 ,
donde ai , bi F . Entonces, para cualquier F ,
f () g () = (an n + ... + a0 ) (bm m + ... + b0 )
= an bm n+m + (an1 bm + an bm1 ) n+m1
+ ... + (a1 b0 + a0 b1 ) + (a0 + b0 )
= h () .
La segunda parte del teorema se se deja como ejercicio.
Ejemplo 6.4.15. Sean f (x) = x2 + 3x + 2, g (x) = x 1, y h (x) =
x3 + 2x2 x 2. Observemos que
h (x) = (x2 + 3x + 2)(x 1) = f (x) g (x) .
Evaluemos estos polinomios en = 3:
f (3) = 32 + 3 3 + 2 = 20,
g (3) = 3 1 = 2,
h (3) = 33 + 2 32 3 2 = 40.
As, comprobamos que
f (3) g (3) = 20 2 = 40 = h (3) .
Teorema 6.4.16 (Factor). Sea f (x) F [x]. Un n
umero F es una
raz de f (x) si y s
olo si x es un factor de f (x).
Demostraci
on.
() Supongamos que F es una raz de f (x). Por el algoritmo de la
divisi
on, con g (x) = x F [x], tenemos que
f (x) = q (x) g (x) + r (x)
6.4 Polinomios
165
para algunos q (x) , r (x) F [x], donde r (x) = 0 o deg r (x) <
deg g (x) = 1. Luego, r(x) es un polinomio constante. Como f () =
0 y g () = = 0, el Teorema 6.4.14 implica que
0 = f ()
= q () g () + r ()
= r () .
Debido a que r (x) es constante, tenemos que r (x) = r () = 0,
lo que implica que f (x) = q (x) g (x). As, por definicion, x es
factor de f (x).
() Supongamos que x F [x] es factor de f (x) F [x]. Por definici
on, tenemos que
f (x) = q (x) (x ) ,
para alg
un q (x) F [x]. Por el Teorema 6.4.14,
f () = q () ( ) = q () 0 = 0
Por lo tanto, es una raz de f (x).
En general, no es verdad que todos los polinomios de F [x] tienen una
raz en F .
Ejemplo 6.4.17. Ning
un polinomio constante distinto de cero tiene races.
Por ejemplo, f (x) = 5 no puede tener ninguna raz ya que f () = 5 6= 0,
para toda F .
La siguiente proposici
on nos brinda un ejemplo mas interesante.
Proposici
on 6.4.18. El polinomio
f (x) = x2 2 Q [x]
no tiene ninguna raz en Q.
Demostraci
on. Por reducci
on al absurdo, supongamos que 2 2 = 0
para alg
un Q. Equivalentemente, podemos escribir 2 = 2. Como
Q, tenemos que = m
n , donde m, n Z, n 6= 0, n 6= m. Podemos
asumir que m y n no tienen factores comunes (excepto 1), ya que estos
pueden ser cancelados en la facci
on. Adem
as n 6= 1 porque no existe
2
ning
un entero m
1 = m tal que m = 2.
6.4 Polinomios
166
p21 ...p2r
= 2,
q12 ...qs2
La proposici
on anterior tambien implica que 2 R no es un n
umero
racional.
Si F = C, entonces s es verdad que cualquier polinomio no constante en C [x] tiene una raz en C. Este hecho es llamado el Teorema
6.4 Polinomios
6.4.1.
167
Ejercicios de Polinomios
b + b2 4ac
b b2 4ac
=
y=
2a
2a
entonces f (x) = (x ) (x ). Concluye que y son races de f (x).
Ejercicio 6.4.10. Usa el Ejercicio 6.4.9 para encontrar las races de los
polinomios f (x) = 3x2 + 6x 1 y g (x) = x2 + x + 4.
Bibliografa
[1] Bloch, E.D., Proofs And Fundamentals, A First course In Abstract Mathematics, Birkh
auser, Boston (2000).
[2] Burton, D.M., Elementary Number Theory, Allyn & Bacon, Inc., Boston
(1980).
[3] Church, A., Introduction To Mathematical Logic, Vol. 1, Princeton University Press, New Jersey (1970).
[4] Copi, I.M., y Cohen, C., Introduccion a la Logica, Editorial Limusa, Mexico (1995).
[5] Cupillari, A., The Nuts And Bolts Of Proofs, Elsevier Academic Press,
Third edition.
[6] Dunham, W., Journey Through Genius. The Great Theorems Of Mathematics, John Wiley & Sons, New York (1990).
[7] Enderton, H.B., A Mathematical Introduction to Logic, Harcourt Academic Press, Second edition.
[13] Kneebone,G.T., Mathematical Logic And The Foundations Of Mathematics, D.Van Nostrand Co., London (1963).
BIBLIOGRAF
IA
169
[14] Lay, S.R., Analysis With An Introduction To Proof, Prentice Hall, Third
edition, (2001).
[15] Maddox, R.B., A Transition To Abstract Mathematics, Learning Mathematical Thinking And Writing, Elsevier Academic Press, Second Edition.
[19] Schramm, M.J., Introduction To Real Analysis, Dover, New York (2008).
[20] Stewart, I. y Tall, D., The Foundations of Mathematics, Oxford Science
Publications, Oxford University Press, (1977).
[21] Velleman, D.J., How to Prove It. A Structured Approach, Cambridge University Press, New York (1995).