Escolar Documentos
Profissional Documentos
Cultura Documentos
Escrib este libro con el fin de ofrecer una introduccion de los Fundamentos
Matem aticos para la Ciencia de la Computaci on, que estimula a pensar que las
Matem aticas no son solo una deducci on de teoremas, sino tambien una meto-
dologa de modelamiento.
Por lo tanto, la cuestion es de artcular matematicamente el fenomeno de
la Computaci on. Se que esta es una tarea compleja, que demanda reflexiones
a prop osito del fenomeno de la computacion y de la metodologa matematica;
comprensiones difciles, que en gran medida a un deben ser elaboradas; pero
que hoy, cuando la computacion precisa una Ingeniera de corte cientfico, son
ineludibles.
El termino Matematicas Discretasse utiliza extensamente para describir
un tipo de Matem aticas donde no tiene cabida propiedades tales como cercana
y suavidad, ideas fundamentales del c alculo. Se trata de un curso hbrido, cuyo
contenido fundamental es de matematicas, aunque muchas de sus aplicaciones
pertenecen a la Ciencia de la Computaci on.
Para la comprensi on integral de la ciencia de la computacion se requiere
comprender muchos t opicos de Matem aticas Discretas, entre los cuales, en un
nivel de introduccion, creo que los mas adecuados son: algoritmos, conjuntos,
induccion matematica, relaciones y estructuras de orden.
Agradezco a la Universidad Catolica San Pablo por su incondicional apoyo.
Fue Luis Daz Basurco, quien sugirio en primer lugar que debera escribir un
texto de Matem aticas Discretas para estudiantes del segundo semestre del Pro-
grama Profesional de Ingeniera Informatica de la USP que el entusiastamente
dirige. Una vez puesta en marcha mi proyecto (por su puesto) duro mas de lo
que se esperaba. La composicion final fue efectuada por Abigail Parisaca Var-
gas y Liliana Mamani S anchez, que trabajaron en LaTeX apoyados por Jes us
Mena Chalco en la composicion de graficos. A todos ellos mi mas sincero agra-
decimiento, agradecimiento que hago extensivo a todos mis alumnos que han -
debera decir sufrido o disfrutado? - de mis cursos de Matem aticas Discretas y
que han contribudo decisivamente a su depuracion y mejora.
3
4
Indice general
1. Logica de predicados 7
1.1. Componentes sint acticos de la Logica de Predicados . . . . . . . 7
1.2. Interpretaci
on y validez . . . . . . . . . . . . . . . . . . . . . . . 12
1.3. Derivaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.4. Teorema de deducci on . . . . . . . . . . . . . . . . . . . . . . . . 19
1.5. L
ogica de ecuaciones . . . . . . . . . . . . . . . . . . . . . . . . . 24
1.5.1. Regla de sustituci on . . . . . . . . . . . . . . . . . . . . . 25
1.6. Forma normal PRENEX . . . . . . . . . . . . . . . . . . . . . . . 28
1.7. Lista de ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
3. Relaciones 69
3.1. Relaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
3.2. Manipulacion de relaciones . . . . . . . . . . . . . . . . . . . . . 72
3.2.1. Relacion Inversa . . . . . . . . . . . . . . . . . . . . . . . 72
3.2.2. Composicion de Relaciones . . . . . . . . . . . . . . . . . 73
3.3. Trayectorias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
3.4. Propiedades de las relaciones . . . . . . . . . . . . . . . . . . . . 79
3.5. Particiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
3.6. Cerradura de las relaciones . . . . . . . . . . . . . . . . . . . . . 85
3.6.1. Algoritmo de Warshall . . . . . . . . . . . . . . . . . . . . 87
3.7. Lista de ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
4. Estructuras de Orden 93
4.1. Conjuntos Parcialmente ordenados . . . . . . . . . . . . . . . . . 93
4.2. Latices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
4.3. Algebras Booleanas . . . . . . . . . . . . . . . . . . . . . . . . . . 104
4.4. Redes L ogicas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105
5
6 INDICE GENERAL
L
ogica de predicados
a) El desarrollo del c
alculo proposicional se basa en entidades matematicas
representativas de unidades de informacion, cuya estructura se contempla
como un todo, sin diferenciar sus componentes. Este planteamiento nos
permite representar matematicamente determinadas estructuras deducti-
vas, que sin embargo son correctas en el lenguaje usual. Como ejemplo
considere las siguientes frases:
Antonio no es tonto.
S
olo los tontos se dejan enga
nar por los vendedores ambulantes.
Antonio se deja enga
nar por Juan.
De estas frases uno debera poder concluir que Juan no es vendedor am-
bulante.
Para evitar las cosas triviales se considera que el dominio es diferente del
vaco.
7
8 CAPITULO 1. LOGICA
DE PREDICADOS
a) La simbolizaci
on, responde a las siguientes preguntas:
Que se afirma?
De quien se afirma?
Mayte es bonita.
Ica est
a entre Lima y Arequipa.
El predicado es | est
a entre y | y los terminos son |Ica , Lima,
Arequipa|. El n
umero de terminos se denomina aridad del predicado. Los
predicados de aridad n suelen denominarse predicados de n cifras. Los
predicados de una sola cifra suelen denominarse propiedades.
Por sustituci
on
Por cuantificaci
on
xi P (x1 , x2 , a3 . . . x1 . . . xn )
xi P (x1 , x2 , a3 . . . xi . . . xn )
P (t1 , t2 , t3 ) = t1 est
a entre t2 y t3
est
a entre y
a) P (U, O, S) .
b) P (X, M, D), Se puede cuantificar.
c) P (X, M, D), No se puede cuantificar.
d) x P (X, M, D).
e) x P (X, M, D).
bLa aparici
on de x como libre en los casos d y c puede entenderse en dos sentidos:
1. En el sentido general (caso b), x representa un elemento generico del do-
minio, en este sentido b y d tienen el mismo contenido de informacion.
2. En el sentido condicional (caso c), x es una forma de denominar en ele-
mento incognito del dominio. En este sentido x representa un elemento
u
nico desconocido.
Observaci on 1.1.3. El nombre de un predicado seguido por una lista de termi-
nos se denomina una formula atomica. Las formulas atomicas pueden combinarse
mediante conexiones logicas como si fuesen proposiciones. x y x, deben tra-
tarse como conexiones unarias los cuantificadores tienen una propiedad superior
a la de todas las conexiones binarias.
10 CAPITULO 1. LOGICA
DE PREDICADOS
Soluci
on
Ejemplo 1.1.5.
Z x
(P (x) Q(x)) P (a) Q(a)
a
Z y
(P (y) Q(y)) P (b) Q(b)
b
Z a
(Q(y)) Q(a)
y
c) Nadie es perfecto.
Soluci
on
El dominio es el conjunto de todas las personas
a) M (t1 , t2 ) = t1 es madre de t2 .
y, xM (x, y)
b) K(t1 , t2 ) = t1 conoce a t2
x yK(x, y)
En espa nol hay muchos cuantificadores tales como unos pocos, la ma-
yoray alrededor de la tercera parteque resultan utiles en el lenguaje
usual, pero que no son lo suficientemente precisos para utilizarlos en logica
de predicados.
La particularizacion solo afecta a variables libres. RConcretamente si A es
x
una expresion, particularizacion de A de x en t ( y A) solo afecta a las
apariciones libres de la variable x.
Ejemplo 1.1.7.
Z x
xP (x) xP (x)
y
Dos cosas solo seran identicas si ambas se tratan identicamente. Esto im-
plica que si una variable aparece tanto libre como ligada, tenemos de hecho
dos variables que casualmente poseen el mismo nombre.
Podemos considerar que las variables ligadas son locales para el ambito
del cuantificador.
M (t1 , t2 ) = t1 es madre de t2
xM (x, y)
Y es madre de y (absurdo)
M (J, M ) es verdadero
Observaci on 1.1.5. Si todas las apariciones de x en una expresion A est an
ligadas, diremos que A no contiene a x libre. Si A no contiene a x libre, entonces
el valor de verdad de A no cambia si x se particulariza con una constante
individual. En este sentido A es independiente de x.
P (x)
P (Oscar)
1.2. Interpretaci
on y validez
on 1.2.1. Observemos que
Observaci
a) Una interpretacion de una frase debe contener informacion suficiente para
determinar si la frase es V o F .
b) Una interpretaci
on de una expresion logica contiene los siguientes compo-
nentes.
Tiene que haber un universo de discurso (dominio)
Para cada individuo, tiene que haber una constante individual que
se refiera exclusivamente a ese individuo y a ning
un otro.
Hay que asignar a cada variable libre una constante individual ex-
clusiva. Tiene que haber una para cada predicado que se utilice en la
expresion, incluyendo los predicados de aridad cero, una proposicion
tienen aridad cero.
Ejemplo 1.2.1.
FRANCO MONTERREY
ALEMAN
P (x) V F V
De donde el valor de xP (x) es F por que Monterrey no pago.
P (x) xP (x)
A(t1 , t2 ) = t1 admira a t2
xyA(x, y)
Supongamos la siguiente asignacion:
R E L yA(x, y) yA(x, y)
R V V F F V
E F F V F V
L F V F F V
yA(x, y) F F F F
yA(x, y) V V V V
Por lo tanto:
xyA(x, y)
Existe alguien que admire a todo el mundo: F
xyQ(x, y) yQ(x, y)
xyQ(x, y) yxQ(x, y)
xR xR R
14 CAPITULO 1. LOGICA
DE PREDICADOS
g) Tal como en el c
alculo proposicional, escribiremos A1 , A2 , . . . , An que en
conjunto implica logicamente a C.
A, B |= A B Ley de combinaci
on (LC)
A B |= B Ley de simplificaci
on (LS)
AA B Ley de Adici
on (LA)
A, A B |= B Modus Ponens (MP)
A B, B C |= A C Silogismo Hipotetico (SH)
A B, A |= B Silogismo Disyuntivo (SD)
A B, A B |= B Ley de Casos (LCs)
A B |= A B Eliminacion de equivalencia (EE)
A B, B A |= A B Introduccion a la equivalencia (IE)
A, A |= B Ley de inconsistencia (LT)
Soluci
on
V AA
F AV
V
alido
AB No es valida
V F
16 CAPITULO 1. LOGICA
DE PREDICADOS
P (t1 , t2 ) = t1 es madre de t2
absurdo
xP (x) xP (x)
Demostraci
on.
A B es valida (A B) no es valida
(A B)
A B no es valida
a, b P (a) = V
P (b) = V
xP (x) = V
xP (x) = F
1.3. DERIVACIONES 17
1.3. Derivaciones
Rx
La expresion xA t A es valida si la sustitucion x = t no da a lu-
gar una colisi
on de variables. En otras palabras t no debe transformarse
en una variable ligada de ningun cuantificador que pudiera quedar. Esta
implicacion se puede convertir en una regla de inferencia en la siguiente
forma:
RxA
x
t A
x(gato(x) tieneCola(x))
gato(Tom) tieneCola
Soluci
on
Demostraci
on.
H(t1 ) = t1 es humano
M (t1 ) = t1 es mortal
Demostraci
on.
Padre (t1 , t2 ) = t1 es padre de t2
Hijo (t1 , t2 ) = t1 es hijo de t2
Hija (t1 , t2 ) = t1 es hijo de t2
Demostraci
on.
CC (t1 ) = t1 es alumno de CC
Programa (t2 ) = t1 le gusta la programacion
1. x CC (x) Premisa
2. x( CC (x) Prog (x)) Premisa
Z x
3. CC (x) P.U (1)
Zxx
4. CC (x) Prog (x) P.U (2)
x
5. Prog (x) M.P (3,4)
6. xProg (x) G.U.(5)
1.4. TEOREMA DE DEDUCCION 19
Soluci
on
Demostraci
on.
Soluci
on
Demostraci
on. El Dominio es el conjunto de alumnos de estructuras Discretas
E(t1 ) = t1 ha estudiado
A(t2 ) = t2 ha aprobado
20 CAPITULO 1. LOGICA
DE PREDICADOS
P (x, y, z) P (y, x, z)
P (x, 0, x)
P (0, x, x)
Soluci
on
Demostraci
on. Observar que x, y, z son variables verdaderas
Demostraci
on.
M (t1 , t2 ) t1 es la madre de t2 .
H(t1 , t2 ) t1 es la hermana de t2 .
T (t1 , t2 ) t1 es la ta de t2 .
se denomina Generalizaci
on Existencial (G.E)
22 CAPITULO 1. LOGICA
DE PREDICADOS
Demostraci
on.
RxA
x
b
A
Demostraci
on.
1. x(G(x) Premisa
2. x(G(x) R(x)) Premisa
3. G(b) PE (1)x := b
4. G(b) R(b) PU (2)x := b
5. R(b) MP (3,4)
6. xR(b) G.E. (5)
1.4. TEOREMA DE DEDUCCION 23
on 1.4.3. Ve
Observaci amos lo siguiente
a) Si A es una expresion, es posible sustituir cualquier sub-expresi
on B de A
por una Sub expresion C; siempre y cuando B y C sean equivalentes.
b) Equivalencias que implican cuantificadores
1. xA A si x no es libre en A
1d. xA A si x no es libre en A
Z x
2. xA y A si y no es libre en A
y
Z x
2d. xA y A si y no es libre en A
y
Z x
3. xA A xA para cualquier termino t
Zt x
3d xA A xA para cualquier termino t
t
4. x(A B) A xB si x no es libre en A
4d. x(A B) A xB si x no es libre en A
5. x(A B) xA xB
5d. x(A B) xA xB
6. xyA yxA
6d. xyA yxA
7. xA xA
7d. xA xA
Ejemplo 1.4.9.
Considere la frase:
si alguien habla, ma
nana estar
a en los periodicos
1.5. L
ogica de ecuaciones
on 1.5.1. No olvidemos que
Observaci
R(1)xy (x = x) y = x
R(2)xy (x = x) x = y
R(3)xy (x = x) x = y
Soluci
on
R(1)x+1
2y (x < x + 1) x < 2y
xy(x = y y = x)
1. x = y y = z Premisa
2. x = y L.S (1)
3. y = z L.S (1)
4. x = z R(1)yx (y = z) del ejemplo anterior es conmutativa
5. x = y y = z x = z con un supuesto previo
ABC T. Deduccion
A, B C
A, B C ABC
26 CAPITULO 1. LOGICA
DE PREDICADOS
Soluci
on
1. s > 3i Premisa
2. i = 10 Premisa
3. s > 3x10 R(1)i10 (s > 3i)
) El hecho de que ahora existe un individuo, pero uno solo que tiene la
propiedad p se puede expresar de la forma:
x(P (x) y(P (y) y = x) !xP (x)
xP (x) xy(P (x) P (y) x = y) !xP (x)
Ejemplo 1.5.5. Para las siguientes expresiones.
a) Solo Juan podra haber olvidado la reunion
b) la universidad tiene exactamente un rector
c) Todas los pases tienen exactamente una capital
soluci
on
x (olvidado(x) x = J)
xySiguiente(x, y) Cine(x)
b. D = N
P roducto(t1 , t2 , t3 ) = t1 t2 es igual a t3
P rimo(t1 ) = t1 es primo
Igual((a), b)
28 CAPITULO 1. LOGICA
DE PREDICADOS
Ejemplo 1.6.1.
Eliminacion de la condicional ()
A B = A B
(A B) A B
(A B) A B
xA(x) xA(x)
xA(x) xA(x)
1 La f
ormula parcial conectada no contiene libre la variable cuantifica-
da:
x no esta libre en A.
2 La formula parcial conectada contiene libre la variable cuantificada.
En este caso, las expresiones seran del tipo:
Ejemplo 1.6.2.
Eliminacion de la negaci
on
7. Demostrar:
(P (x) Q(y)) (Q(y) R(z)) (P (z) Q(z)) no es valida.
8. En el dominio de los animales, Como traducira las expresiones siguien-
tes?
a) Todos los leones son depredadores.
b) Algunos leones viven en Africa.
c) S
olo rugen los leones.
d) Algunos leones comen cebras.
e) Algunos leones solo comen cebras.
1.7. LISTA DE EJERCICIOS 31
Razonamiento: L
ogico -
Matematico
2.1. Introducci
on
Comenzaremos con el concepto mas fundamental en computacion: el de al-
goritmo.
El estudio de los algoritmos comenzo como una tarea de matematicas; de he-
cho, la b
usqueda de algoritmos era una actividad importante de las matematicas
mucho antes de que se inventaran las computadoras actuales, y el objetivo prin-
cipal de dicha busqueda era decubrir un conjunto u nico de dichas instrucciones
para resolver cualquier problema de cierto tipo.
El nombre algoritmo proviene del matematico persa del siglo IX Alkhowariz-
mi. El algoritmo mas famoso de la historia procede de un tiempo anterior al de
los griegos; se trata del algoritmo de Euclides para calcular el maximo com un
divisor de dos enteros.
Una vez descubierto un algoritmo para resolver un problema, el siguiente pa-
so es representar el algoritmo de modo que se pueda comunicar a una maquina o
a otras personas. Esto significa que debemos transformar el algoritmo conceptual
en un conjunto claro de instrucciones y representar esta ultima sin ambig
uedad.
Los estudios que se ocupan de esto se basan en nuestro conocimiento del lenguaje
y la gramatica, y ha dado lugar a un gran n
umero de esquemas para representar
algoritmos (llamados lenguajes de programacion) fundados en diversos enfoques
del proceso de programacion (denominados paradigmas de programacion).
La figura 2.1 representa la evoluci
on historica de los paradigmas de progra-
macion:
33
34 CAPITULO 2. RAZONAMIENTO: LOGICO
- MATEMATICO
Funcional
Lisp ML Scheme
GPSS Prolog
Declarativo
2.2. Algoritmos
Definicion 2.1. Un algoritmo es una secuencia finita de pasos ejecutables que,
de seguirla, debe terminar en un momento.
El empleo del termino no ambiguo, significa que, en cada paso, la accion
que debe realizarse a continuacion debe quedar determinada de manera
u
nica por la construcci
on por s sola debe bastar para determinar la accion
deseada.
El requisito de que todos los pasos del algoritmo sean ejecutables descar-
ta la posibilidad de que un algoritmo contenga pasos cuya ejecuci on sea
imposible. Los cientficos de la computacion emplean el termino efectivo
para capturar este concepto de ser ejecutable.
El requisito de que una secuencia de pasos terminara no es superfluo pues
que la lista de instrucciones contenga solo un n
umero finito de pasos no
significa necesariamente que la tarea concluir
a alguna vez si se siguen las
instrucciones.
El concepto de calcular la solucion de un problema implica la capacidad
de reconocer cuando ya se obtuvo la solucion, para entonces terminar
el proceso de c
omputo. As pues, en este sentido, solo nos interesan los
procesos de c
omputo que tarde o temprano terminan.
on 2.2.1. Recuerde que
Observaci
a) Un algoritmo en si es algo puramente conceptual, de modo que para co-
municar un algoritmo a una persona o a un computador debemos de hallar
una forma de representarlo.
b) La distincion entre sintaxis y semantica es primordial en el tema de la
representacion de algoritmos. El termino sintaxis se refiere a la represen-
tacion, en tanto que semantica se refiere al concepto que se representa.
La estructura sintactica aires
olo un conjunto de letras; pero el objeto
representado, la semantica, es una sustancia gaseosa que rodea el planeta.
Un objetivo importante de la representacion de algoritmos es asegurar
que la sintaxis refleje con precisi
on la semantica deseada. Otro aspecto
importante es que la sintaxis debe reflejar la semantica subyacente de
manera accesible. La b usqueda de estructuras sint
acticas para representar
algoritmos de manera accesible y no ambigua es una labor continua en las
ciencias de la computacion.
36 CAPITULO 2. RAZONAMIENTO: LOGICO
- MATEMATICO
1 if (condicion)
2 actividad - verdadero
3 else
4 actividad -falso
1 while (condicion)
2 repetir-actividad
Procedure-Maximo(n1 , n2 , n3 )
1 max := n1
2 if n2 > max
3 max := n2
4 if n3 > max
5 max := n3
6 return (max)
Procedure Area-Triangulo(a, b, c)
1 p := (a + b + c)/2 // Semipermetro
2 if (p > a) and (p > b) and (p > c)
3 Area := (a (p a) (p b) (p c))1/2
4 else
5 print (Datos no forman un triangulo)
6 return (Area)
7 end Area-Triangulo
Procedure Cuadrado(n)
1 x := n
2 i := 1
3 while (i 6= n)
4 x := x + n
5 i := i + 1
6 return (x)
7 end Cuadrado
Procedure Cuadrado2(N )
1 x := n
2 i := 1
3 until (i < n)
4 x := x + n
5 i := i + 1
6 return (x)
7 end Cuadrado2
Procedure Suma(n)
1 Sum := 0
2 for i := 1 to n
3 Sum := Sum + 1/(8 i + 1)
4 return (Sum)
5 end Suma
Procedure Ordenacion-Burbuja(A)
1 for i := 1 to length(A) 1
2 for j := 1 to length(A) i
3 if A[j] > A[j + 1]
4 intercambiar A[j] con A[j + 1]
5 end Ordenacion-Burbuja
Fase 3:
Entrada: a, b, c
Salida: R1 , R2
2.3. Conjuntos
Muchos conceptos en la matematica y en la ciencia de la computacion pueden
ser convenientemente expresados en el lenguaje de los conjuntos.
Las definiciones son importantes en cualquier ciencia, pues contribuyen a
una comunicanion sin ambig uedad. Por lo tanto, tener un punto de partida
para nuestras definiciones en el cual los significados esten claros es de suma
importancia, nuestro punto de partida sera la idea de un conjunto.
A un cuando revisemos aqu los principales conceptos que se utilizan en la
Teora de Conjuntos, suponemos que el lector ya esta familiarizado con el len-
guaje de los conjuntos.
Un conjunto es una colecci
on ordenada de objetos distintos que por lo general
se denominan elementos o miembros. Por ejemplo tenemos los conjuntos:
A = {a, b, c}
B = {x/x es la capital del Per
u}
N = {0, 1, 2, 3, 4, . . .}
Z = {. . . , 3, 2, 1, 0, 1, 2, 3, . . .}
Z+ = {1, 2, 3, 4, . . .}
Q = Conjunto de todos los n
umeros racionales.
R = Conjunto de todos los n
umeros reales.
C = Conjunto de todos los n
umeros comlejos.
= {} Conjunto vaco.
|P (A)| = 2n
donde n es el n
umero de elementos del conjunto A o cardinalidad de A
Dado un conjunto arbitrario U , podemos definir algunas operaciones en el
conjunto P (A). U en este caso, es llamado el conjunto universal o universo de
discurso. El conjunto universal define el contexto de los objetos en cuestion
44 CAPITULO 2. RAZONAMIENTO: LOGICO
- MATEMATICO
Si A, B P (U ) se define la:
A B = {x U/x A x B} Uni
on
A B = {x U/x A x B} Interseccion
A = {x U/x A 6 A} Complemento
AB = AB Diferencia
A B = (A B) (B A) Diferencia simetrica
A B = (A B) (A B)
Las operaciones definidas para realizarse con conjuntos satisfacen las siguien-
tes propiedades:
Propiedades Idempotentes
AA = A
AA = A
Propiedades Conmutativas
AB = BA
AB = BA
Propiedades Asociativas
A (B C) = (A B) C
A (B C) = (A B) C
Propiedades Distributivas
A (B C) = (A B) (A C)
A (B C) = (A B) (A B)
Propiedades del Complemento
A = A
AA = U
AA =
= U
U =
Leyes de Morgan
)
AB = AB
Leyes de Morgan
AB = AB
Propiedades del Conjunto Universal
AU = U
AU = A
Propiedades del Conjunto Vaco
2.3. CONJUNTOS 45
A = A
A =
Propiedades de Absorci
on
A (A B) = A
A (A B) = A
Observe que los nombres y las formas de estas propiedades son muy parecidas
con las equivalencias logicas de la logica de proposiciones. Veremos mas adelante
que esta semejanza no es una coincidencia.
El producto cartesiano de dos conjuntos A y B, representado por A B,
es el conjunto de todos los pares ordenados de la forma (a, b), donde a A y
b B, observe que por lo general, A B 6= B A ya que la disposicion de los
componentes de un par ordenado es significativa.
Es posible generalizar el concepto del producto cartesiano de conjuntos pa-
ra obtener el producto de mas de dos conjuntos. Por ejemplo, A B C =
{(a, b, c)/a A, b B, c C}. Es com un utilizar la abreviatura A2 para repre-
sentar A A. As, de manera general An representar a la colecci
on de todas las
n-tuplas de elementos de A.
Dados los conjuntos A y B, una funci on de A en B es un subconjunto de
AB, tal que cada elemento de A aparece como el primer elemento de uno y solo
uno de los pares ordenados de la funci on. Si f es una funci on de A en B diremos,
que A es el dominio de f . El conjunto de elementos que aparece como la segunda
componente de los pares ordenados de una funci on se denomina contradominio
o rango de f . Si cada elemento de B se halla en el rango de f , diremos que f es
una funci on sobreyectiva. Si cada miembro del rango de f est a asociado a solo
un elemento del dominio, diremos que f es una funci on inyectiva. Las funciones
que sean inyectivas y sobreyectivas las llamaremos biyectivas.
Por lo general, los elementos del dominio de una funci on se consideran como
entradas para la funci on y los elementos del rango como los valores de salida.
Este concepto de entrada y salida origina la notaci on f : A B, lo cual
representa una funci on f de A en B. Dada una funci on f : A B, representamos
como f (x) al valor de salida asociado a la entrada x. Por ejemplo, suponga que
f : N N es la funci on que consiste en los pares ordenados de la forma (n, n2 ),
2
es decir f (n) = n para cada n N . Esta funci on es inyectiva pero no es
sobreyectiva.
Consideremos ahora el concepto intuitivo del n umero de elementos en un
conjunto.
Es obvio que el conjunto (a, b, c) tiene 3 elementos y que la gente dira
que el conjunto N tiene una infinidad de elementos, pero esto, para nuestros
propositos, es demasiado simplista. Pues, como veremos enseguida los conjuntos
con una infinidad de elementos, llamados conjuntos infinitos, no contienen la
misma cantidad de elementos. El n umero de elementos de los conjuntos infinitos
pueden variar, al igual que el n umero de elementos de los conjuntos finitos. Por
esto, existen varios niveles de infinidad, donde algunos conjuntos infinitos son
mayores que otros.
Ya que nuestro sistema contable tradicional no existen n umeros que repre-
senten el n umero de elementos de un conjunto infinito, es necesario ampliar
nuestro sistema para tener en cuenta estos conjuntos. En este sistema ampliado
nos referimos al n umero de elementos de un conjunto como su cardinalidad. La
46 CAPITULO 2. RAZONAMIENTO: LOGICO
- MATEMATICO
| Z+ |=| N | (| P (N |))
Los elementos de alg un conjunto pueden ser asignados a las posiciones del
areglo S. El elemento asignado a la posicion i sera denotado por S[i] , y a la
sucesion S[1] , S[2] , . . . , S[n] se le llamara sucesion de valores del arreglo S y el
n
umero N se denominara el tama no del arreglo. El punto por observar es que el
arreglo S se considera bien definido, a un cuando a algunas posiciones no se les
haya asignado o si se cambian algunos valores durante la discusi on.
Un concepto muy u til para los conjuntos es la Funci on Caracterstica. Si
A es un conjunto de un conjunto universal U, la funci on caracterstica FA de A
se define con:
2.4. CONJUNTOS EN LA PROGRAMACION 49
1 si xA
fA (x) =
0 si x 6 A
entonces
fAB = fA fB
b. Se tiene los siguientes casos:
fAB (x) = 1
Si x A entonces :
fA (x) + fB fA fB (x) = 1 + fA (x) fA (x) = 1
fAB (x) = 1
Si x B entonces :
fA (x) + fB fA fB (x) = fA (x) fA (x) = 1
fAB (x) = 0
Six 6 A y x 6 B entonces :
fA (x) + fB fA fB (x) = 0 + 0 0 = 1
Entonces
fAB = fA + fB (fB fA fB )
U = {a, c, e, i, m, t}
A = {c, e, m, t}
B = {a, i, m}
entonces:
fA corresponde a la sucesion 0, 1, 1, 0, 1, 1
50 CAPITULO 2. RAZONAMIENTO: LOGICO
- MATEMATICO
fB corresponde a la sucesion 1, 0, 0, 1, 1, 0
U= 1 1 1 1 1 1
A= 0 1 1 0 1 1
B= 1 0 0 1 1 0
y recprocamente, el arreglo:
C= 1 0 0 1 0 1
Procedure Diferencia-Simetrica(A, B)
1 for i := 1 to length(A)
2 if A[i] 6= B[i]
3 C[i] := 1
4 else
5 C[i] := 0
6 return (C)
7 end Diferencia-Simetrica
1 4
- -
2.5. Inducci
on
Uno de los conceptos mas u tiles de las matematicas b asicas en el dise
no y
analisis de algoritmos es la induccion matematica. No solo nos permitira demos-
trar propiedades interesantes acerca de la correccion y eficiencia de los algorit-
mos, sino que ademas puede incluso utilizarse para determinar que propiedades
es preciso probar.
Antes de discutir la tecnica, se ha de indicar una digresi on acerca de la na-
turaleza del decubrimiento cientfico. En la ciencia hay dos enfoques opuestos
fundamentales: Inducci on y deducci on. La inducci on consiste en infe-
rir una ley general a partir de casos particulares, mientras que una
deducci on es una inferencia de lo general a lo particular.
Veremos, que a un cuando la induccion puede dar lugar a conclusiones falsas,
no se puede despreciar. La deducci on, por otra parte; siempre es valida con tal
de que sea aplicada correctamente.
En general, no se puede confiar en el resultado del razonamiento inductivo.
Mientras que haya casos que no hayan sido considerados, sigue siendo posible
que la regla general inductiva sea incorrecta. Por ejemplo si se observa que:
52 CAPITULO 2. RAZONAMIENTO: LOGICO
- MATEMATICO
13 = 1 = 12
13 + 23 = 9 = 32
13 + 23 + 33 = 36 = 62
13 + 23 + 33 + 43 = 100 = 102
13 + 23 + 33 + 43 + 53 = 225 = 152
p(n) = n2 + n + 41
y observe que:
p(0) = 41 Es un n
umero primo
p(1) = 43 Es un n
umero primo
p(2) = 47 Es un n
umero primo
p(3) = 53 Es un n
umero primo
p(4) = 61 Es un n
umero primo
p(5) = 71 Es un n
umero primo
p(6) = 83 Es un n
umero primo
p(7) = 97 Es un n
umero primo
p(8) = 113 Es un n
umero primo
p(9) = 131 Es un n
umero primo
p(10) = 151 Es un n
umero primo
a4 + b4 + c4 = d4
Al no poder encontrar un ejemplo de este comportamiento, Euler conje-
tur
o que esta ecuaci
on nunca se podra satisfacer. (Esta conjetura est
a relacio-
nada con el ultimo teorema de Fermat). Transcurrieron mas de dos siglos antes
2.5. INDUCCION 53
La ecuaci
on de Pell proporciona un caso todava mas extremo de razona-
miento inductivo tentador pero incorrecto. Considerese el polinomio:
p(n) = 991 n2 + 1
n = 12055735790331359447442538767
2. Si usted puede alcanzar una grada, usted puede siempre pasar a la grada
siguiente
a. P(1) es verdadera
Ejemplo 2.5.1. Consideramos un juego de vdeo que empieza con una nave
espacial a mitad de la pantalla. En 5 segundos aparece un extraterrestre. Cinco
segundos despues el extraterrestre se divide en dos, y estos dos extraterrestres se
subdividen en dos, y as sucesivamente. Es decir, cada cinco segundos el n umero
2.5. INDUCCION 55
P (n) = 2n1 , n Z+
Y evidentemente se verifica para los datos de la tabla. c
omo podemos estar
seguros de que lo que esperamos es correcto sin hacer todos los calculos?
Como vimos, la respuesta a esta pregunta es utilizando el Principio de In-
duccion. As:
on. P (n) = 2n1 , n Z+
Demostraci
Paso Base
P (1) = 2t1
= 20
= 1 es verdadera
Paso Inductivo
Se debe demostrar ahora que P (k) es verdadera para k > 1, entonces P (k+1)
tambien debe ser verdadera.
Se supone que para alg un valor fijo k > 1, P (k) = 2k1 llamada tambien
hipotesis de induccion es verdadera.
2 = 12
2+4 = 23
2+4+6 = 34
2+4+6+8 = 45
Al seguir estos c
alculos el razonamiento inductivo nos hace conjeturas:
Es decir, P (k + 1) es verdadera.
Por lo tanto por el principio de induccion
2 + 4 + 6 + 8 + . . . + 2n = n(n + 1) n Z+
21 > 1! 25 < 5!
22 > 2! 26 < 6!
23 > 3! 27 < 7!
24 < 4! 28 < 8!
2.5. INDUCCION 57
Paso Base
entonces P (k + 1) es verdadera.
a. P(1) es verdadera
58 CAPITULO 2. RAZONAMIENTO: LOGICO
- MATEMATICO
b. P(k) es verdadera par todo n K < n implica que P (n) sea verdadera
Demostraci
on. P(n) = n es un n
umero primo o es el producto de n
umeros pri-
mos, n Z+
Paso Base
P(1) = 1 es un n
umero primo, es verdadera.
Paso Inductivo
Si no n es primo, entonces n es un n
umero compuesto y puede ser escrito
como n = a b, donde a < n y b < n entonces por hipotesis de induccion a y b
son primos o producto de primos. Luego n es el producto de n umeros primos,
entonces P (n) es verdadera.
Observemos que:
P (n) = (n + 1) + (n + 2) + . . .+ 2 + 1, es el n
umero de apretones de manos de
saludo, n Z+ que demostraremos por el principio de induccion generalizada:
Demostraci
on. P (n) = (n + 1) + (n + 2) + . . . + 2 + 1
Paso Base
P (1) = 11
= 0 apretones de manos de saludo, es verdadera
Paso Inductivo
EN LA VERIFICACION
2.6. INDUCCION DE PROGRAMAS 59
Para que usted pueda probar la equivalencia entre estos dos principios de
induccion, le presentamos otro principio llamado principio del buen orden.
Toda colecci on de numeros enteros que contenga por lo menos un elemento
tiene un elemento mnimo. Debemos entonces verificar que las siguientes sean
verdaderas.
Inducci
on matematica generalizada = Induccion matematica
Induccion matematica = Principio del buen orden
Principio del buen orden = Induccion matematica generalizada
2.6. Inducci
on en la verificaci
on de programas
La construcci on de programas se basa en argumentos relacionales y por lo
tanto parece razonable aplicar tecnicas de comprobaci on formales que demues-
tren si un programa funciona correctamente. Las tecnicas formales que se utili-
zan para demostrar que los programas son correctos y son rentables, pues reduce
el numero de errores lo que a su vez reduce el esfuerzo que se necesita en la de-
puracion. Lo esencial en la verififcacion de programas son las precondiciones y
postcondiciones. Las precondicones indican las condiciones que deben satisfacer
los datos de entrada para que el programa pueda cumplir su tarea. Las post-
condiciones, indican que condiciones de salida son aceptables como soluciones
correctas del problema en cuestion. Por ejemplo, en el programa que calcule
una raz cuadrada: la precondici on es que el argumento de la raz cuadrada no
debe ser negativo y la postcondici on que el resultado final sea la raz cuadrada
deseada.
Se utilizara la palabra c
odigo o partes de un c odigo para designar cualquier
parte de un c odigo, desde una simple sentencia hasta el programa entero.
Para demostrar que las diferentes partes del c odigo funcionan correctamen-
te, se deben asociar las precondiciones y las postcondiciones que corresponden a
cada parte del c odigo. Despus se debe demostrar que las precondiciones y post-
condiciones de todas las partes del c odigo son compatibles entre s y a su vez,
con las precondiciones y postcondiciones de todo el programa. De hecho, cuando
el programa es ejecutado, las postcondiciones de cada parte del c odigo deben
incluir en esencia las precondiciones de la siguiente parte. Esto debe realizarse
sin importar lo largas que resulten las partes del c odigo.
60 CAPITULO 2. RAZONAMIENTO: LOGICO
- MATEMATICO
Procedure Producto(m, n)
1 j := 1
2 x := n
3 while (j < n)
4 x := x + n
5 j := j + 1
6 return (x)
7 end producto
Paso Base
I(0) = X0 = 0
= J0 N es verdadera
2.7. LISTA DE EJERCICIOS 63
Paso Inductivo
22. Sean A y B arreglos de longitud N con ceros y unos, y suponga que repre-
sentan subconjuntos, que tambien llamaremos A y B, de alg un conjunto
universal U con N elementos. Escriba un algoritmo en pseudoc odigo para
especificar el arreglo C que represente al conjunto C = A (A B)
a) 20 + 21 + 22 + 23 + + 2n = 2n+1 1; n N
b) 12 + 32 + 52 + + (2n 1)2 = n(2n+1)(2n1)
3 ; n Z+
an 1
c) 1 + a + a2 + + an1 = a1 ; n Z+
a(1r n )
d) a + ar + ar2 + + arn1 = 1r ; r 6= 1 ; n Z+
e) 1 + 2n < 3n ; n 2
f) n < 2n ; n > 1
(2n+1)2
g) 1 + 2 + 3 + n < 8 ; n Z+
h) 3n < n! ; n 6
i) n! < nn ; n Z+
n1 n1 n(n+1)
j) 12 22 + 32 + (1) n2 = (1) 2 ; n Z+
1 1 1 1
k) 1 + 4 + 9 + + n2 <2 n ;n>1
l) Si un conjunto A tiene n elementos, entonces P(A) tiene 2n elemen-
tos.
m) 3| n3 n ; n Z+
66 CAPITULO 2. RAZONAMIENTO: LOGICO
- MATEMATICO
n
T
n) Si A1 , A2 , , An son n conjuntos cualesquiera, entonces Ai =
i=1
n
S
Ai .
i=1
n
S
o) Si A1 , A2 , , An son n conjuntos cualesquiera, entonces Ai =
i=1
n
T
Ai .
i=1
Tn
S
p) Si A1 , A2 , , An , y B son conjuntos cualesquiera, entonces Ai B=
i=1
n
T S
(Ai B).
i=1
umero primo y p|an para n 1 , entonces p|a .
q) Si p es un n
r) Si M CD (a, b) = 1 , entonces M CD (an , bn ) = 1 ; n Z+ .
30. Use induccion matematica para demostrar que n lneas rectas en el plano
(n2 +n+2)
lo dividen en 2 regiones. Suponga que no hay dos lneas paralelas
y que no hay tres lneas con un punto en comun.
31. Demuestre que las regiones del ejercicio anterior pueden colorearse de rojo
y verde de modo que no haya dos regiones que comparten una orilla que
sean del mismo color.
Procedure Potencia(n, m)
1 r := n
2 p := 2 m
3 while p > 0
4 r := r n
5 p := p 1
6 return (r)
7 end Potencia
68 CAPITULO 2. RAZONAMIENTO: LOGICO
- MATEMATICO
Captulo 3
Relaciones
3.1. Relaciones
Los elementos de un conjunto o los elementos de conjuntos diferentes frecuen-
temente presentan comparaciones especiales entre si, que pueden ser descritas
como una relaci
on.
on 3.1. Una relaci
Definici on binaria R del conjunto A en el conjunto B es un
subconjunto de A B.
Si R es una relaci
on binaria en AB, entonces R consistir
a en un conjunto
de pares ordenados de la forma (a, b) y escribiremos R : A B.
si (a, b) R diremos que a esta relacionada con b bajo la relacion R y
escribiremos aRb.
on R A B define dos subconjuntos, uno de A y otro de B,
la relaci
estos son:
69
70 CAPITULO 3. RELACIONES
A B A B
b b
b
b
b b b
b b b b
b b b
b b b b
A B A B
b b
b
b
b b b
b b b b
b b b
b b b b
R p q r
a 1 0 1
b 0 1 1
El n
umero 1 de una celda particular de la tabla indica que el suministrador
tiene el producto, mientras que un 0 indica que no lo tiene. las tablas est
an
estrechamente relacionadas con las matrices, para convertir una tabla en
una matriz, simplemente se eliminan los encabezamientos. En nuestro caso
esto produce
1 0 1
Mr =
0 1 1
Una relaci
on R de A en A se denomina una relacion en A. El hecho de
que R est
a sobre A hace posible dibujar el digrafo de R como sigue:
1 2
3 4
3.2. Manipulaci
on de relaciones
Al igual que puede manipularse o trabajarse con los numeros y formulas apli-
cando las reglas del
algebra, tambien pueden definirse operaciones que permitan
manipular las relaciones. Con estas operaciones se puede cambiar, combinar y
refinar relaciones para producir otras nuevas.
3.2.1. Relaci
on Inversa
Definicion 3.3. Si R : A B es una relacion inversa R1 : B A se define
1
por aR b bRa. Todas las propiedades de conjuntos pueden aplicarse a las
relaciones, Para ser formal presentamos la siguiente definicion.
DE RELACIONES
3.2. MANIPULACION 73
aRb a 6 Rb
on R S : A B y puede expresarse:
b) Uni
Entonces:
3.2.2. Composici
on de Relaciones
on 3.5. Sea R una relaci
Definici on de A en B y sea S una relacion de B en C.
La composicion de relaciones R con S es la relacion R S de A en C definida
por:
a(R S)c b B/aRb y bSc
.
R = {(1, b), (2, d), (4, c), (5, d)}, S = {(b, x), (d, y), (b, z)},
entonces:
R S = {(1, x), (1, z), (2, y), (5, y)}
Conjunci
on de matrices booleanas.
A B = C = [cij ]
(
1, si aij = bij = 1;
cij =
0, si aij = 0 bij = 0.
Disyunci
on de matrices booleanas.
A B = D = [dij ]
(
1, si aij = 1 bij = 1;
dij =
0, si aij = bij = 0.
se tiene:
0 1 1
A B = 1 1 0
1 0 1
0 1 1
A B = 1 1 0
1 0 1
1 0 1
A B = 1 1 1
0 1 1
AB =BA
AB =BA
DE RELACIONES
3.2. MANIPULACION 75
2) Asociatividad
A (B C) = (A B) C
A (B C) = (A B) C
3) Distributividad
A (B C) = (A B) (A C)
A (B C) = (A B) (A C)
4) Asociatividad
A (B C) = (A B) C
5) (AT )T = A
6) (A B)T = AT B T
7) (A B)T = AT B T
8) (A B)T = B T AT
c) Una matriz es denominada simetrica si AT = A. En consecuencia, si A
es simetrica, debe ser cuadrada. Es facil demostrar que A es simetrica si
solo si aij = aji . Es decir, A es simetrica si y solamente si las entradas de
A son simetricas con respecto de la diagonal principal de A.
on 3.2.3. Se debe enfatizar:
Observaci
a) Sean R y S dos relaciones de A en B, entonces;
MRS = MR MS
MRS = MR MS
MR1 = (MR )T
entonces:
MR = MR
MRS = MR MS
Entonces,
76 CAPITULO 3. RELACIONES
1 0 0 1
MS = 0 1 1 0
0 0 1 1
S = {(1, a), (1, d), (2, b), (2, c), (3, c), (3, d)}
0 1 0 0
MRS = 0 0 0 1
1 1 0 0
R S = {(1, a), (1, b), (1, c), (1, d), (2, a), (2, d), (3, a), (3, b), (3, c)}
1 0 1
T
1 0 1
MR1 = (MR ) =
0
0 1
1 1 0
R1 = {(a, 1), (a, 3), (b, 1), (b, 3), (c, 3), (d, 1), (d, 2)}
R S RS
A B C A C
a m a m
b n b n
c o c o
Figura 3.4: R, S y R S
Observe que:
MRS = MR MS
Ademas, es claro que:
R S = {(a, o), (b, m), (b, n), (c, m), (c, n), (c, o)}
a)
R S R1 S 1
DE RELACIONES
3.2. MANIPULACION 77
b)
RSSR
c)
(R S)1 = R1 S 1
(R S)1 = R1 S 1
d)
(R S) = R S
(R S) = R S
(b, a) R1 = (a, b) R
= (a, b) S (por hipotesis)
1
= (b, a) S
1 1
R S
Teorema 3.2. Sean A, B, C y D conjuntos finitos, R una relaci
on de C en
D, entonces:
a) (R S) T = R (S T )
b) (R S)1 = S 1 R1
Demostraci
on.
a)
M(RS) T = MRS MT
= (MR MS ) MT
= MR (MS MT )
= MR MST
= MR(ST )
(R S) T = R (S T )
b)
M(RS)1 = (MRS )T
= (MR MS )T
= (MS )T (MR )T
= MS 1 MR1
= MS 1 R1
(R S)1 = S 1 R1
78 CAPITULO 3. RELACIONES
3.3. Trayectorias
Definici on 3.7. Sea R unaQ relacion en A. Una trayectoria de de longitud n de
a a b, es una sucesion finita = a, x1 , x2 , . . . , xn1 , b; que inicia en a y termina
en b, tal que:
a c
b d
Soluci
on
1 3 6 9 12
1 1 1 1 1 1
3
0 1 1 1 1
MR = 6 0 0 1 0 1
9 0 0 0 1 0
12 0 0 0 0 1
R es reflexiva
Demostraci
on. MR tiene unos en toda su diagonal principal.
R no es irreflexiva
Contraejemplo
m11 = 1
R no es simetrica
Contraejemplo
3.5. PARTICIONES 81
R no es asimetrica
Contraejemplo
m22 = 1
R es antisimetrica
Demostraci
on. Haciendo una inspeccion en MR , se constata que:
i 6= j = mij = 0 mji = 0
3.5. Particiones
Una partici
on o conjunto cociente de un conjunto no vaco A es la colecci
on
de subconjuntos no vacios {A1 , A2 , . . . , An } de A tal que
a) Ai Aj = i 6= 1
n
[
b) Ai = A
i=1
A1 =A
A2
A3
[a] = {x A/aRx}
aRb a b , a Z
2|(a b)
Soluci
on:
a) Una relaci
on R es de equivalencia si R es reflexiva, simetrica y transitiva.
demostremos entonces esas tres propiedades.
R es reflexiva
2|0 2|(a a) , a Z
a a(mod 2) , a Z
aRa , a Z
R es simetrica
aRb a b(mod 2)
2|(a b)
2| (a b)
2|(b a)
b a(mod 2)
bRa
3.5. PARTICIONES 83
R es transitiva
R es una relaci
on de equivalencia.
b)
[0] = {. . . , 4, 2, 0, 2, 4, . . .}
[1] = {. . . , 5, 3, 1, 1, 3, 5 . . .}
Observe que:
aRb a b(mod n)
es una relaci
on de equivalencia y denotaremos
Z|R = Z|mod n = Zn
Z2 = {[0], [1]}
Z3 = {[0], [1], [2]}
Z4 = {[0], [1], [2], [3]}
..
.
Determine [2] en Z4 ?
Teorema 3.3. Sean R y S relaciones en A, entonces:
84 CAPITULO 3. RELACIONES
b) R es reflexiva si y s
olo si R es irreflexiva.
olo si R1 = R.
c) R es simetrica si y s
olo si R R1 =
e) R es asimetrica si y s
i) (R S)2 R2 S 2
Demostraci
on. Se har
a las demostraciones de c, f e i
Para c:
R es simetrica MR = (MR )T
MR = MR1
R = R1
Para f:
(R1 )1 = R
= R1 por hipotesis y (c)
Para i:
Las dem
as demostraciones se dejan como ejercicio para el lector.
3.6. CERRADURA DE LAS RELACIONES 85
aR b bR c trayectoria en R 1 de a a b y 2 de b a c
una trayectoria = 1 2 de a a c en R
aR c
R R
R = R R2 R3 . . .
R es la relaci
on transitiva mas peque
na que contiene a R
la cerradura transitiva de R es Rc = R
M
etodo 1:
a b
c d
Rc = R
Rc = {(a, c), (a, d), (b, a), (b, c), (b, d), (c, d)}
M
etodo 2:
Rc = R
R = R R2 R3 R4 R5 . . .
Luego:
0 0 1 0
1 0 1 0
MR = 0
0 0 1
0 0 0 0
0 0 0 1
0 0 1 1
M R2 =
0
0 0 0
0 0 0 0
0 0 0 0
0 0 0 1
M R3 =
0
0 0 0
0 0 0 0
0 0 0 0
0 0 0 0
M R4 =
0
0 0 0
0 0 0 0
M R5 = M R4
..
.
M Rc = M R M R2 M R3 M R4 M R5 . . .
= M R M R2 MR3 (MR4 MR4 . . .)
= M R M R2 M R3
0 0 1 1
1 0 1 1
=0 0 0
1
0 0 0 0
Rc = {(a, c), (a, d), (b, a), (b, c), (b, d), (c, d)}
Teorema 3.5. Sea A un conjunto finito con |A| = n y sea R una relaci
on en
A. Entonces:
R = R R2 . . . Rn
3.6. CERRADURA DE LAS RELACIONES 87
Demostraci
on.
R = R R2 . . . Rn
c) Se acepta W0 = MR
Ejemplo:
on 3.6.2. Notemos:
Observaci
esta ecuaci
on muestra que:
(k1) (k)
Si wij = 1 entonces wij = 1, es decir que cada componente que
es 1 en Wk1 se mantiene con 1 en la matriz Wk .
(k1) (k)
Si wij = 0 entonces wij = 1, si y solo si existen unos en las
posiciones i, k y k, j de Wk1 .
c) La observaci
on 3.6.2-b lleva al siguiente algoritmo para el calculo de Wk
apartir de Wk1 .
Demostraci an contenidas en (R S) .
on. Es claro que, R y S est
(R S) es reflexiva
(R S) es simetrica
Calcule:
a) MR2 , MRS
b) MR , MR1
7. De la relaci
on R definida en A y su digrafo: Sea A = {a, b, c, d, e} y
1 1 0 0 0
0 0 1 1 0
MR = 0 0 0 1 1
0 1 1 0 0
1 0 0 0 0
8. Sea A = {1, 2, 3, 4, 5, 6, 7} y R = {(1, 2), (1, 4), (2, 3), (2, 5), (3, 6), (4, 7)}.
Calcule las restricciones de R a B para el subconjunto de A dado.
(a) B = {1, 2, 3, 4}
(b) B = {2, 3, 4, 6}
0 1 0 1
1 0 1 1
MR =
0
1 0 0
1 1 0 0
A = Z+ ; aRb si y solo si |a b| 2.
A = Z+ ; aRb si y solo si |a b| = 2.
A = el conjunto de todos los pares ordenados de n
umeros reales;
(a, b)R(c, d) si y solo si a = c.
A es el conjunto de todas las lineas que hay en el plano; l1 Rl2 si y
solo si l1 es paralela a l2 .
3.7. LISTA DE EJERCICIOS 91
Hallar la relaci
on transitiva mas peque
na que contenga a R y S
92 CAPITULO 3. RELACIONES
Captulo 4
Estructuras de Orden
a) (, )
b) (P(u),)
93
94 CAPITULO 4. ESTRUCTURAS DE ORDEN
c c c b c
b b b b b
a a a b a
Figura 4.1: Un orden parcial
El gr
afico 4.1 describe completamente al orden parcial y se denomina dia-
grama de Hasse
Ejemplo 4.1.3. El diagrama de Hasse de (P(u), ) donde u = {a, b, c} es:
{a, b, c}
b
{a, b} b b
{a, c} b
{b, c}
{b}
{a} b b b
{c}
{}
f a b c
b b b b
d b b e
d b b e
b b b b
a b c f
(A, ) (A, )
b c
b b
b a
4 b b
5 b
4
b 5
b b
3
3
b 1
1 b b
2 b
2
(A, ) (A, )
8 b b
9
4 b
5 b b
6 b
7
b b b
1 2 3
i
b
g b b
h
b
f
d b b
e
b c
a b b
b
(A, )
Elemento M
aximo :i
Elemento Mnimo : no existe
Observaci
on
SupB = a b , Inf B = a b
4.2. L
atices
on 4.7. Un conjunto parcialmente ordenado (L; ) tal que todo par
Definici
de elementos de L tenga supremo e nfimo se denomina retcula o latice. 1
Observacion 4.2.1. Sean (L1 , 1 ) y (L2 , 2 ) latices. Si para (a, b), (c, d)
L = L1 L2 definimos el orden parcial producto con:
(a, b) (c, d) a 1 c b 2 d
(a, b) (c, d) = (a 1 c, b 2 d) y
(a, b) (c, d) = (a 1 c, b 2 d)
(2, 8)
b
2 8
b b
(2, 2) b b
(1, 8) b
(2, 4)
(2, 1)
2 b b 4 (1, 2) b b b
(1, 4)
b b b
1 1 (1, 1)
(D2 , /1 ) (D8 , /2 ) (L, /2 )
Figura 4.8: D2 , D8 y L = D2 D8
e b b
f d e b b
f
b b
d
b b b c b b b c b b b c
b b
a a
(L, ) (S1 , ) (S2 , )
a b a b = b y ab=a
f (a b) = f (a) f (b)
f (b) = f (a) f (b) por (a)
f (a) f (b)
Esto significa que dos latices son isomorfas si y solo si el diagrama de Hasse
de una de ellas se puede obtener a partir de la otra reetiquetando los vertices.
Ejemplo 4.2.4. Seran isomorfas las latices (D30 , /) y (P(u), )?, donde
u = {a, b, c}
Soluci
on:
Analizando (D30 , /) y (P(u), ),
30 {a, b, c}
b b
6 b b
10 b
15 {a, b} b b
{a, c} b
{b, c}
3 {b}
2 b b b
5 {a} b b b
{c}
b b
1 {}
(D30 , /) (P(u), )
atice (L, )
Teorema 4.2. Sea a, b, c elementos de una l
a) a a b , b ab
b) a b a , abb
c) Si a c y b c entonces a b c
d) Si c a y c b entonces c a b
e) a a = a
aa=a Idempotencia
f) a b = b a
ab =ba Conmutativa
g) a (b c) = (a b) c
a (b c) = (a b) c Asociativa
h) a (a b) = a
a (a b) = a Absorci
on
I = a1 a2 . . . an
0 = a1 a2 . . . an
Definici on 4.11. Una latice (L, ) se dice que es distributiva, si para toda
a, b, c L se tiene que:
a) a (b c) = (a b) (a c)
b) a (b c) = (a b) (a c)
Ejemplo 4.2.5. La latice (P(u), ) es distributiva Por que?
102 CAPITULO 4. ESTRUCTURAS DE ORDEN
I I
b b
a b
a b b
b b
c b
c
b b
b b
0 0
(L1 , ) (L2 , )
Figura 4.11: L
atices no distributivas
A A = U
A A =
4.2. LATICES 103
a b
b
c
b b
(L2 , )
Figura 4.12: L
atice no distributiva
I = 0
a = c
b = c
c = a
c = b
0 = I
a a = 1 a a = 1
a a = 0 a a = 0
luego:
a = a 0 a = a 0
= a (a a ) = a (a a )
= (a a) (a a ) = (a a) (a a )
= 1 (a a ) = 1 (a a )
= a a . . . . . . 1 = a a . . . . . . 2
una demostraci
on la cual deber a constatar la unicidad
104 CAPITULO 4. ESTRUCTURAS DE ORDEN
4.3.
Algebras Booleanas
Definicion 4.14. Un algebra booleana es una latice complementada, distribu-
tiva con al menos dos elementos
Ejemplo 4.3.1. (P(u), ) es un algebra booleana.
Definicion 4.15. Dos algebras booleanas son isomorfas, si lo son como latices
(Definici
on 3.9) y si ademas se cumple que:
f (a ) = (f (a))
Demostraci
on. Puesto que:
a a = 1
a a = 0
(a b) (a b ) = 1
(a b) (a b ) = 0
Entonces (a b) = a b
Tambien
(a b) (a b ) = 1
(a b) (a b ) = 0
4.4. REDES LOGICAS 105
(1, 1)
b 1 b
(1, 0) b b
(0, 1)
b
0 b
(0, 0)
(B, ) (B 2 , )
Figura 4.13: Algebras Booleanas
a + b = (a1 + b1 , a2 + b2 , . . . , an + bn )
a b = (a1 b1 , a2 b2 , . . . , an bn )
0B n = (0, 0, . . . , 0)
1B n = (1, 1, . . . , 1)
4.4. Redes L
ogicas
En 1983, el matematico americano Claude Shanon percibio, las semejanzas
entre la logica proposicional y la logica de circuitos, y pens o que el algebra
booleana B n podra ayudar a sistematizar este nuevo dominio de la electronica.
Imaginemos que los voltajes electricos transmitidos por los hilos puedan asumir
dos valores, alto o bajo, que representaremos por 1 y 0 respectivamente. Las
fluctuaciones de voltaje entre dos valores seran ignorados, de forma que forjamos
un fenomeno discreto binario a partir de un fenomeno originalmente analogo.
106 CAPITULO 4. ESTRUCTURAS DE ORDEN
Supongamos ahora que llaves mecanicas pueden ser usadas a fin de que se obtiene
la se
nal 1 cuando la llave esta cerrada y se obtiene la se
nal 0 con la llave abierta.
x=1 x=0
x1 = 0 x1 = 0
0 1
x2 = 0 x2 = 1
x1 = 1 x1 = 1
1 1
x2 = 0 x2 = 1
x1 x2 x1 + x2
0 0 0
0 1 1
1 0 1
1 1 1
X1
X1 + X2
X2
x1 x2 x1 + x2
0 0 0
0 1 1
1 0 1
1 1 1
X1
X1 X2
X2
x1 x2 x1 x2
0 0 0
0 1 0
1 0 0
1 1 1
X1
X1
x1 x1
0 1
1 0
2 bit:Es la abreviatura del ingles binary digit o dgito binario en espa
nol.
108 CAPITULO 4. ESTRUCTURAS DE ORDEN
p(x, y, z) = (x + y) z
q(x, y, z) = x + y z + x (y + 1)
p(x, y) = x + y
q(x, y) = x y
r(x) = x
x y z f (x, y, z)
0 0 0 0
0 0 1 1
0 1 0 0
0 1 1 1
1 0 0 1
1 0 1 1
1 1 0 0
1 1 1 1
Observaci on 4.4.3. Combinando las compuertas AND, OR y NOT, podemos
construir una red logica que representa determinado polinomio booleano.
Ejemplo 4.4.4. El polinomio booleano p(x, y, z) = (xy + z)z se puede
representar por la red logica:
4.4. REDES LOGICAS 109
Observaci on 4.4.4. Las redes logicas son llamadas tambien redes combina-
torias. Ellas tienen diversos aspectos que debemos percibir. Primero, las lineas
de entrada o de salida no se cruzan, excepto al pasar por las compuertas. Por
lo tanto las lineas pueden ser divididas a fin de establecer entradas para mas
de una compuerta. No hay lazos donde la salida de un componente sirva como
entrada para este mismo componente. Finalmente, la salida de una red es una
funci
on instant anea de la entrada, es decir que cada entrada produce una u
nica
salida. Esta situaci
on hasta ahora establece que:
Circuito de conmutaci
on Red logica
Polinomio booleano
Funci
on booleana
x y z f (x, y, z)
0 0 0 0
0 0 1 1
0 1 0 0
0 1 1 0
1 0 0 1
1 0 1 1
1 1 0 0
1 1 1 1
1. Como existen cuatro filas en la tabla (2, 5, 6, 8) para las cuales f es 1, la
forma b asica de nuestro polinomio booleano tendra la forma de una suma
de 4 terminos.
( ) + ( ) + ( ) + ( )
de modo que el primer termino asume el valor de 1 para los valores de
entrada de la fila 2, el segundo termino asume el valor de 1 para los
valores de entrada de la fila 5, y as en adelante. Por lo tanto, el polinomio
booleano tiene valor 1 para esas entradas y ninguna otra, precisamente lo
que deseamos. (Otras entradas hacen que los terminos y por lo tanto toda
la suma, tenga el valor 0).
2. Cada termino en la suma sera un producto de la forma l1 l2 l3 , donde
l1 , l2 , l3 son llamados literales y l1 es x o x
, l2 es y o y y l3 es z o z.
110 CAPITULO 4. ESTRUCTURAS DE ORDEN
f (x, y, z) = x
yz + x
y z + x
y z + xyz
f +g = f g
2. Leyes de Morgan
f g = f + g
f +g = g+f
3. Leyes conmutativas
f g = gf
f + (g + h) = (f + g) + h
4. Leyes asociativas
f (g h) = (f g) h
f +gh = (f + g) (f + h)
5. Leyes distributivas
f (g + h) = f g+f h
f +f = f
6. Leyes de indempotencia
f f = f
f +0 = f
7. Leyes de identidad
f 1 = f
4.4. REDES LOGICAS 111
f + f = 1
8. Leyes de inversos
f f = 0
f +1 = 1
9. Leyes de dominacion
f 0 = 0
f +f g = f
10. Leyes de absorci
on
f (f + g) = f
on f : B 4 B definida por
Ejemplo 4.4.6. Hallar la fnd de la funci
f (w, x, y, z) = wx
y + wy z + xy
on: Examinando cada termino:
Soluci
wx y1
y = wx Ley de identidad
y (z + z)
= wx Ley de inversos
= wx
y z + wx
y z Ley distributiva
wy z = w 1 y z Ley de identidad
= w (x + x
) y z Ley de inversos
= wxy z + wxy z Ley distributiva
xy = 1 x y 1 Ley de identidad
= (w + w) x y (z + z) Ley de inversos
= wxyz + wxy z + wxyz
+ wxy
z Ley distributiva
entonces
f (w, x, y, z) = wx y z + wxy z + w
y z + wx xy z + wxyz + wxy z + wxyz
+ wxy
z (5)
por la ley de idempotencia (6) se tiene la fnd,
f (w, x, y, z) = wx
y z + wx
y z + wxy z + w
z y z + wxyz + wxyz
+ wxy
z
on 4.4.7. En las
Observaci algebras booleanas:
a) Si acordamos enumerar los elementos del algebra boolena B n veremos que
los valores x1 , x2 , . . . , xn en cualquier fila determina un n
umero binario,
como puede apreciarse en la siguiente tabla para f : B 3 B.
x y z f (x, y, z)
0 0 0 0
0 0 1 1
0 1 0 0
0 1 1 1
1 0 0 1
1 0 1 1
1 1 0 0
1 1 1 1
soluci
on:
Aplicando el concepto de dualidad, se tiene que:
Q
f= M (0, 2, 6)
donde M significa maxterminos.
Ejemplo 4.4.9. Hallar la fnc para f : B 4 B definida por:
f (w, x, y, z) = (w + x + y)(x + y + z)(w + y)
Soluci
on:
x + y + z = 0 + x + y + z Ley de identidad
= ww + x + y + z Ley de inversos
= (w + x + y + z)(w
+ x + y + z) Ley distributiva
w + y = w + 0 + y + 0 por (7)
= w + x
x + y + z z por (8)
= (w + x + y)(w + x + y) + z z por (5)
= (w + x + y + z z)(w + x + y + z z) por (5)
= (w + x + y + z)(w + x + y + z)(w + x
+ y + z)(w + x
+ y + z) por (5)
de donde
f (w, x, y, z) = (w + x + y + z)(w + z + y + z)
(w
+ x + y + z)(w + x + y + z)
(w + x + y + z)(w + x
+ y + z)(w + x
+ y + z)
que en forma compacta se escribe como:
Q
f = M (0, 1, 2, 3, 6, 7, 10)
4.5. Aplicaciones
4.5.1. Arreglos l
ogicos programables
Un circuito integrado, es una red logica que representa una o mas funciones
booleanas, como si algunas compuertas logicas estuviesen debidamente interli-
gadas en un paquete. Estos circuitos integrados son entonces combinados a fin
114 CAPITULO 4. ESTRUCTURAS DE ORDEN
de obtener el resultado deseado. Los chips cuadrados de silicio en los cuales los
circuitos integrados son constrdos, no pueden tener mas de 6 milmetros de
lado, sin embargo pueden contener el equivalente a medio millon de transistores
que implementan funciones booleanas.
En vez de proyectar un chip dedicado a implementar algunas funciones boo-
leanas en particular, podemos usar un PLA (Programable Logic Array). El PLA
es un chip que contiene un arreglo de compuertas AND, OR, NOT. Una vez que
tengamos determinada la forma de suma de productos de las funciones boolea-
nas deseadas, los elementos correspondientes al PLA son activados. A pesar de
que este chip no es muy eficiente, y ser practico apenas para circuitos logicos de
pequena escala, el PLA puede ser producido en masa y apenas es una peque na
cantidad de tiempo y dinero.
x y z f1 f2 f3 f4
f1 (x, y, z) = xyz + x
y z + x
y z + xyz
f2 (x, y, z) = xyz + x
y z + x
y z + xyz + xyz
f3 (x, y, z) = x
yz + x
yz + x
yz
Los peque
nos crculos sombreados representan puntos activados.
x y z f1 f2 f3 f4
S = x
y + x
y
= xy , recuerde que denota la o exclusiva
= (x + y)xy
C = xy
116 CAPITULO 4. ESTRUCTURAS DE ORDEN
La figura 4.22 es una red de compuertas con dos salidas. Este dispositivo,
por motivos que se aclaran mas adelante, es llamado semisumador (SS).
x x+y
y
S = x + y(xy)
x xy xy
y
C = xy
Si = Si Ci1
Ci1 S.S.
Si = xi yi Ci1 (xi yi )
xi
yi S.S. Ci = xi yi
Ci = xi yi + Ci1 (xi yi )
x0 S0
y0 S.S. C0
S1
x1 S.C.
y1 C1
S2
x2 S.C.
y2 C2
x y xy
0 0 1
0 1 1
1 0 1
1 1 0
118 CAPITULO 4. ESTRUCTURAS DE ORDEN
X1
X1 X2
X2
X1
X1 + X2
X2
x = xx
= xx
x+y = x + y
= xy
= x y
= (x x) (y y)
Las entradas de la red representan los cuatro productos que pueden ser
ordenados. Vamos a llamarlos:
w = Locion
x = Perfume
y = Maquillaje
z = Esmalte de Unas
w x y z f (w, x, y, z)
0 0 0 0 0
0 0 0 1 0
0 0 1 0 0
0 0 1 1 0
0 1 0 0 0
0 1 0 1 0
0 1 1 0 0
0 1 1 1 1
1 0 0 0 0
1 0 0 1 0
1 0 1 0 0
1 0 1 1 1
1 1 0 0 1
1 1 0 1 1
1 1 1 0 1
1 1 1 1 1
Ejemplo 4.5.4. Una ley del corredor es controlada por dos interruptores,
uno en cada extremo. La tabla de verdad que permite que la luz sea prendida y
apagada en ambos interruptores es:
x y f (x, y)
0 0 0
0 1 1
1 0 1
1 1 1
120 CAPITULO 4. ESTRUCTURAS DE ORDEN
4.6. Minimizaci
on
Naturalmente, la equivalencia de polinomios booleanos es una relacion de
equivalencia en el conjunto de todos los polinomios booleanos de nvariables.
Cada clase de equivalencia est a asociada a una funcion booleana distinta.
Si deseamos dise nar una red logica para una funcion booleana, lo ideal es
que tengamos un procedimiento que obtenga el polinomio booleano mas simple
de la clase de equivalencia. Lo que llamamos simple dependera de la tecnologa
que estamos empleando en la construcci on de la red, que tipos de componentes
logicos seran usados, etc. De cualquier forma, probablemente deseemos minimi-
zar el numero total de conexiones que precisan ser hechas y el n umero total de
componentes usados. (Al discutir procedimientos de minimizaci on, recordemos
que otros facotres pueden influenciar el costo del circuito. Si la red fuera cons-
truida apenas una vez, el tiempo utilizado para la minimizaci on posiblemente
sea mayor el de la cosntruccion de la red. Sin embargo si la red fuera construida
en gran escala el costo de tiempo de la minimizaci on se justifica.)
que est
a asociada a los polinomios booleanos,
p1 (w, x, y, z) = wx
y z + wx
y z + wxyz
+ w
xyz + w
xyz + w
xyz
(
p1 (w, x, y, z) = wx y z + yz + yz) + w
x(
y z + yz + yz)
= wx(
y (
z + z) + yz) + w x(
y (
z + z) + yz)
y 1 + yz) + w
= wx( y 1 + yz)
x(
= wx(
y + yz) + w x(
y + yz)
= wx((
y + y)( y + z)) + w x((y + y)(
y + z))
= wx(1
(
y + z)) + wx(1 (
y + z))
(
p2 (w, x, y, z) = wx x (
y + z) + w y + z)
p3 (w, x, y, z) = wx
y + wxz
+ w xy + wxz
p1 (w, x, y, z) fnd de f
p2 (w, x, y, z)
p3 (w, x, y, z) suma minimal de productos
son equivalentes.
Las siguientes figuras muestran la red logica para cada uno de estos polino-
mios booleanos respectivamente. A partir de ahora consideramos una entrada
de la forma w como una entrada exacta, que no ha pasado por compuerta algu-
na, en vez de considerarla como el resultado de introducir w y pasarla por un
inversor.
4.6. MINIMIZACION 121
w
x wx
yz
y
z
w
x wxyz
y
z
w
x w
xyz
y
z f (w, x, y, z)
w
x w
xyz
y
z
w
x w
xyz
y
z
w
x wx
y z
y
z
w
wxz
x
z
w wx
y
x
y
f (w, x, y, z)
w w
xy
x
y
w w
xz
x
z
w
wx(
y + z)
x
y f (w, x, y, z)
z
w w
x(
y + z)
x
Observaci on 4.6.1. La red logica de la figura 4.28 solo tiene cuatro compuertas
logicas, mientras que la primera 4.27 tiene 7 y 4.29 presenta 5 en consecuencia,
podramos pensar que la segunda red 4.28 es mejor respecto a la minimizaci on de
costos, puesto que cada compuerta adicional incrementa el costo de produccion.
En el estudio de las redes de compuertas, las salidas se consideran funciones
instant
aneas de la entrada. Esto significa que cada nivel de compuertas a nade
un retraso en el desarrollo de la funcion. En el equipo digital de alta velocidad
queremos minimizar el retraso, por lo que optamos por mas velocidad. Esta
necesidad de maximizar la velocidad nos hace desear la representacion de una
funci
on booleana como una suma minimal de productos, en nuestro ejemplo la
u
ltima red logica .
Ya vimos en el ejemplo la simplificaci on de f (w, x, y, z) a traves del uso de
las propiedades del algebra booleana, en tanto, no tenemos un procedimiento
que aplicar, apenas resolver el problema en forma individual. Lo que deseamos
ahora es un procedimiento sistem atico que podamos usar sin la necesidad de ser
tan ingeniosos.
En esta seccion discutiremos dos procedimientos para la reduccion de una
fnd a una suma minimal de productos. Por tanto, podemos minimizar dentro
del contexto de forma de suma minimal de productos.
on 4.6.2. En el ejemplo anterior
Observaci
a) La equivalencia,
xy + x
y = (x + x
)y
= 1y
=y
significa, que
wx
y z + wx
y z = wx
y
Por lo tanto, cuando tenemos una suma de dos productos que difieren ape-
nas en una literal, podemos eliminar esta literal. Sin embargo, la emphfnd
4.6. MINIMIZACION 123
Y 0 1
X
0 1
1 1
x y f (x, y)
0 0 0
0 1 1
1 0 0
1 1 1
En una rapida inspeccion, podemos identificar los 1s en las localidades ad-
yacentes (
xy + xy = y) que marcaremos en el mapa de Karnaugh. Entonces la
suma minimal de productos es:
f (x, y) = y
Ejemplo 4.6.3. En el mapa de Karnaugh,
Y 0 1
X
0 1
1 1 1
YZ 00 01 11 10
X
0 1 1
1 1 1
f (x, y, z) = x
z + yz + xyz
P
b) f = m(0, 2, 4, 6)
xyz + x
y z = yz
xy z + xy z = z
yz + y z = z
YZ 00 01 11 10
X
0 1 1
1 1 1
f (x, y, z) = z
4.6. MINIMIZACION 125
P
c) f = m(0, 1, 2, 3)
YZ 00 01 11 10
X
0 1 1 1 1
f (x, y, z) = x
P
d) f = m(1, 2, 3, 5, 6, 7) Hay que buscar todas las adyacencias
YZ 00 01 11 10
X
0 1 1 1
1 1 1 1
f (x, y, z) = y + z
YZ 00 01 11 10
WX
00 1 1 1 1
01
11
10 1 1 1
f (w, x, y, z) = w
x + xy + w
x
126 CAPITULO 4. ESTRUCTURAS DE ORDEN
YZ 00 01 11 10
WX
00 1
01 1 1 1
11 1 1 1
10 1
YZ 00 01 11 10
WX
00 1
01 1 1 1
11 1 1 1
10 1
Por u
ltimo, presentaremos un ejemplo relacionado con el concepto dual, fnc.
Y
f (w, x, y, z) = M (1, 5, 7, 9, 10, 13, 14, 15)
Soluci
on:
Aplicando el Concepto de dualidad, se tiene
YZ 00 01 11 10
WX
00 0
01 0 0
11 0 0 0
10 0 0
g(w, x, y, z) = (
x + z)(y + z)(w + y + z)
a) Recordemos que el punto b asico para la reduccion de una fnd a una suma
minimal es el reconocimiento de las adyacencias. En el mapa de Karnaugh
determinamos donde existen esas adyacencias. Un segundo metodo para
minimizar, es el procedimiento de Quine McCluskey 3 , que organiza la fnd
en una tabla a fin de simplificar la b
usqueda de adyacencias.
3 Quine McCluskey
128 CAPITULO 4. ESTRUCTURAS DE ORDEN
w x y z f (w, x, y, z)
0 0 0 0 1
0 0 0 1 1
0 0 1 0 1
0 0 1 1 1
0 1 0 0 0
0 1 0 1 1
0 1 1 0 1
0 1 1 1 0
1 0 0 0 1
1 0 0 1 0
1 0 1 0 0
1 0 1 1 1
1 1 0 0 0
1 1 0 1 0
1 1 1 0 0
1 1 1 1 0
Las ocho 4-uplas de ceros y unos producen el valor 1 son listadas en una
tabla, que es separada en cuatro grupos, de acuerdo con el n
umero de unos.
N
umero de 1s w x y z
Tres 1 0 1 1
Dos 0 0 1 1
0 1 0 1
0 1 1 0
Uno 0 0 1 1
0 0 1 0
1 0 0 0
Cero 0 0 0 0
Comparamos el primer termino 1011, con cada uno de los tres terminos del
segundo grupo a fin de encontrar terminos adyacentes. Un termino de este tipo
es 0011, que determina que variable w es eliminada. Escribimos este termino
reducido con un trago en la posicion w en dos terminos 1011 y 0011 en la
tabla original con un ndice 1; este ndice es un puntero que indica la linea
del termino reducido que es formada por esos dos elementos (numerar estas
localidades equivale a trazar los grupos en un mapa de Karnaugh).
Continuamos este proceso con todos los terminos. Un termino numerado
puede ser usado otras combinaciones, de la misma forma que podemos agrupar
un termino ya agrupado en un mapa de Karnaugh. Cuando hayamos terminado
se obtendra las siguientes tablas.
N
umero de 1s w x y z
Tres 1 0 1 1 1
Dos 0 0 1 1 1,2,3
0 1 0 1 4
0 1 1 0 5
Uno 0 0 0 1 2,4,6
0 0 1 0 3,5,7
1 0 0 0 8
Cero 0 0 0 0 6,7,8
4.6. MINIMIZACION 129
Tabla (a)
N
umero de 1s w x y z
Dos - 0 1 1
Uno 0 0 - 1
0 0 1 -
0 - 0 1
0 - 1 0
Cero 0 0 0 -
0 0 - 0
- 0 0 0
Tabla (b)
Repetimos este proceso en la tabla (b)
N
umero de 1s w x y z
Dos - 0 1 1
Uno 0 0 - 1
0 0 1 - -
0 - 0 1
0 - 1 0
Cero 0 0 0 - 1
0 0 - 0 1
- 0 0 0
Tabla (c)
N
umero de 1s w x y z
cero 0 0 - -
Tabla (d)
Observe que el proceso de reduccion no puede ser continuado. Los terminos que
no fueron numerados son irreductibles, de forma que representan los mintermi-
nos.
El segundo paso del proceso, consiste en comparar los terminos irreductibles.
Una marca en la tabla de comparaci on (Tabla (a)) indica que el termino original
en una columna acaba por llevar al termino irreductible a esta linea, o que puede
ser determinado siguiendo los punteros.
Si una columna en la Tabla (e) tiene una marca en apenas una fila, el termino
irreductible de esta fila es el u
nico que cubre al termino original, de forma que
el es un termino esencial y precisa aparecer en la forma final de suma minimal
de productos. Por tanto, vemos en la Tabla (e) que los terminos -011, 0-01,
0-10, -000, son esenciales y precisan ser parte de la expresion final. Tambien
percibimos que todas las columnas con marcas en la fila 5 tambien son marcas
130 CAPITULO 4. ESTRUCTURAS DE ORDEN
f (w, x, y, z) = x
yz + w
yz + wy
z + x
yz
a b b
b b
c
0
4.7. LISTA DE EJERCICIOS 131
x + y + (
x + y + z)
12. Para cada una de las funciones booleanas f , encuentre una representa-
ci
on mediante una suma minimal de productos y luego dise ne una red de
compuertas de dos niveles. Utilice diagramas de Karnaugh.
Q
a) f (x, y, z) = M (0, 4, 5, 6)
P
b) f (w, x, y, z) = m(7, 9, 10, 11, 14, 15)
13. Sea n un entero positivo y se Dn el conjunto de todos los divisores de
positivos de n. As, si n = 20, se tiene Dn = {1, 2, 4, 5, 10, 20}
a) Hacer los diagramas de Hasse de D20 y D30 bajo el orden parcial de
divisibilidad.
b) Determinar si D20 y D30 y D60 son lattices.
132 CAPITULO 4. ESTRUCTURAS DE ORDEN
133