Logica Computacional
Relaciones y Funciones
(Producto Cartesiano
Dados dos conjuntes A y B llamamos producto cartesiano de AxB al conjunto de pares
ordenados cuya primera componente pertenece a A y la segunda componente a B.
AxB={(ab)/AeA a beB}
Ejemplo: be
Dados A={1,23} B={&c} *
AxB=((1.8),(28).(3,.8),(1.¢),(26)(3.¢)} 66
BxA={(g,1),(82),(8,3),(01),(62).(63)}
Observamos que Ax B #B x A, por lo tanto el producto cartesiano no es conmutativo.
Propiedades:
1) lAl=n [Bl=m > |AxBl=nm
Ejemplo: |Al=3 [Bl-2 > |AxB l= 23-6
2 V(ab),(ed) €AxB (a b)= (0d) @& a=cnb=d
Representacién grafic
Si el producto cartesiano es finito como en el ejemplo anterior se grafica de la siguiente forma:
Ejes cartesianos Diagrama tipo arbol
oe
2.
nr
ae.
er
En caso de no ser finito, veamos un ejemplo:
Sea: A={x/-1Sx $2} B={y/ O
def. PC def. distributive,
(xe Any eC)v(xeBayeC) > &y)e(AXC) V@&y)E(BXC) =
def. PC ae
“(y) € (AxC) U (BxC) luego (AUB)xCc(AxC)U (BxC) (1)
2) (AxC)U (BxC)cAUB
(uy) © (AxC)U (BKC) > (xy) €(AXC) VQ&y) E(BXC) =>
defu def PC
(xe AnyeC)v(xeBayeC) = (xeAvxeB)ayeC >
distributiva defiu *
x € (AUB)AyeC = (Ky) €(AUB)xC huego(AxC)U (BxC)c(AUB)xCQ)
De(1)y(2) (AUB)xC=(AxC)U (BxC)
Relacién:
R: A—>B, Res unarelacién del conjunto A enel conjuntoB <>RCAxB
R={(x%y) cAxB/xRy}
Se lee: la relacién R serdn los conjuntos de pares (x, y) tales que x este relacionado con y.
Ejemplo:
Dados A={1,2,3} B=(gc}
AxB={(1,8),(28).(3,2) (1,6), (2,¢),(3,¢)}
Sobre el producto cartesiano podemos considerar algunas relaciones, como por ejemplo:
Ri={(1,8),(26)} R3=AxB
Ro={(3,¢),(2,8)} Re
Representacién gréfica de la relacién:
Ejes cartesianos
Ri
Matriz de la relacién: Mr™™ donde
¢ si (a,b) €R
0 si (a,b) eR
Enlarelacién Re lamatiz sera Maz” pues |Al= 3. |BI= 2
1
my
(2,g)e Re: enma
(3c)eR: enmp
Ry
1
2
3 (hg)e@ Re enmn
Hoole
ol o|
13 Légica Computacional
Dominio: dominio de la relacion R
Dr={aeA/(ab)eRAbEB) CA
Imagen: imagen de la relacion R ~
Ta= {beEB/(ab)eRaacA} cB
Ejemplo:
Dy = {23} CA In = {Be} OB
Dg, = (23) 24 I= (0) © B
Dz, = @ I= @
Relacion inverse: RC AxB R'C BxA
Rl =£(b,a)eEBxA/(a,b)ER} luego D,.= Ik
I_a= De
(3,¢),(2,.8)} Ra (6,3),(g.2)}
Bs1=BxA
Re=D
Relacion complementaria: = Ro AxB Re AxB
{(ab)eAxB/ (ab) ¢ R}
Ejemplo: L
Rr={(1,8),(1.¢),(26) (3,8) } Ri=D Ra=AxB
Union ¢ interseccion de las relaciones:
SeanRCAxBy ScAxB .
RUS= {(a,b)eAxB/(ab)ER y (ab)eS } — segindefinicion dew
RAS={(ab)eAxB/(ab)ERA(ab)ES } — segindefinicion de>
Propiedades: SeanR, Sc AxB
a) RcS >R'cSt
b)RcS> SCR
R'n st
Ejemplo: Demostraremos la propiedad a), ¢) ye)
a)H)RCS RC AxBa SC AxB
He cose ty
Dem) R™={(b,a) ¢BxA/(ab)eR}
S'={(b,a)eBxA/(ab)eS}
(ba)eR' > (abjeR>(ableSa> (b,a)eS? luego R'c St
def. inv. Porhip. RCS def. inv
©) (RASJ'= R14 St Debo probar: )(RAS)Y'c Rin St
a) Rin Ste (RoS)"
14 Légica Computacional
a) (ba)e(RAS)' => (abye (Ros) = (byeR aA(abjyeS=>
def. im
def. inv
(ba) ER" Ab, aes! =>(b, ayer! 7 S71 juego (ROS)Te RIA S$" (1)
def.
o)(b,a) ERAS! > (db, a)eR? a(b,a)eS! = (= be Reshisb Nass
def. eed an
(aby (RAS) > (baye (ROS)! luego R'A S'C(RAS)' ¢
DBEOO (Ras)y'=R'a st
e) RAS =RUS Devo probar: e:) RAS _c RUS
@) RUS c RAS
e)(abje Ene 2iadreas) =(ab)eRv(ab) eS = (ab) eRv(ab)eS
por Morgan (~(pq)= ~pv~q) def. comp.
statjamer luego RAS GC RUS a)
e2)(ab)e RUS (ab) eRv(ab)eS = (a,b) eRv(ab)eS=>(ab)e(ROS)
de
lef. rel. comp.
=>(a,b)e RAS luego RUS c RAS Q
De()yQ) RAS =RUS
Composicién de relaciones:
Dadas Ry Sdosrelaciones, RCAxB y S cBxC
SR ={(a0)CAxC/ AbEBA (ab) ERa(bc) eS}.
S°R =S[R(a)]=S(b)=c Co wT!
En forma matricial: Ms-x =Mr © Ms
Ejemplo:
Dado A={1,2,3}, B={ad}, C={8,4,f} ylasrelaciones R y 8,
RCAxBy 8 cBxC
R={(1,8)(24)} S={(e-£), C4, 2) 9}
Analizamos la composicién:
S°R =S[R(]=S[a]=f el par (1g) de Ry el par (g,f) de S = (1,f) en la composicion
+ g elpar (2d) de Ry el par (4.8) de S
S°R = S[RQ)I=S [a] =. = (22)yQ2) enla
+ fel par Q,d) de Ry el par (4,f) de S composicién
S°R= {(1,f), 2,9). @, 9}
(co sea, (1,f) por que3g¢B (1,g) ¢ RA(g,f) € S de acuerdo con la definicién ) Légica Computacional
Otra forma:
g 4 Miro la primera y tercer columna y armo los pares.
oO (1), (2,2),(2,£)
:
NM, e A
my
3 £
Manejo ms
Primeramente veamos operaciones con matrices booleanas
DadasA,B,C,D € {0,1}™™ PS ee Recordamos:
vio 4 viF v
AvB=C oj =ayvby Va,be A a*b=b*a
Bj: (N.4).(R,°)
3) q distributiva* <> Va,b,ce A at (b*c)= (a7b)* (aye) distributive a izquierda
(b¥c)-7 a= (ba) * (cpa) distributive a derecha
Ej (R,+, 2). ae(b+e)= acbtace
(bre)ea=beatcea
Elementos notables:
4) * posee elemento neutro<>dee A,WacA =ate=etana
Ej(N,+) e= (Ry) e=1
5) * posee elemento simétrico > Va A,3a’ eA =ata'=a tame
Ej (Z.4) si luego a =-2
(R,*) si a=2 luego a= 1/2
6) * posee elemento idempotente > Jac A/ata=a
7) * posee elemento absorvente <> 3xeA,VaeA =atx=x*anXx
Propiedades del elemento neutro y sims
1) Dado (A, *) si existe el elemento neutro es tinic
2) Si el elemento a admite su simetrico a’ este es inico
3) Dado (A, * ) siendo * asociativa y con elemento neutro, si a y b admiten simétrico entonces (a* b)
también lo admite y viene dado por b’ * a’ donde b’ y a’ son los simétricos de b y a
Conclusién:
= El elemento neutro es tnico para todos los elementos de A con ley *
+ Elelemento simétrico es tinico para cada uno de los elementos de A con ley *
18 Légica Computacional
Ejemplos:
It: R2-—* R- {1} /a*b=atb-ab
Verificar si cumple asociatividad, conmutatividad, existencia de neutro, simétrico, absorvente €
idempotente.
Asociativa: Va,b,ce@R a*(b*e)=(a*b)*ec
btc=bte-be
at(b*c)=a*(b+e—be)=at(b+e—bc)—a(btc—bc)=
atbte—be-ab-actabe (1)
a*b=atb-ab
(atb)*ce=(at+b—ab)*c=(atb—ab)to-(atb—ab).c=
atb-abt+c-ac—betabe (2)
luego (1)=(2) entonces es asociativa
Conmutativa: Va,beR a*b=b*a
a*b =atb-ab
b*a=b+a—ba luegoa*b=b*a es conmutativa por ser+ y * conmutativas em R
Elemento neuro: JeeR,VacR >ate=e*tana
Como * es conmutativa es suficiente com probar a * ¢
ate=ate—ae ademas a*e~a entonces
ate—ae=a
ate(I-a)=a
e(1-a)=
l-a=0 > a=1 peroleR-{1}
Tuego ¢ = 0 es elemento neutro que satisface V ae R
Elemento simérico: WacR,Aa’eR/ata’=a'*a=0
ata’=0 ademis a*a’=ata’-a.a’ entonces
ata’-aa’
ata’ (1~a)
a’ (1a)
a’=-a/(l-a) Wael
oseaque Va/aeR-{1}existea’
Elemento absorvente (absorcién):. AxER-{1},VacR-{1} a*x=x*anx
a*x=x ademés a*x=a+x—ax entonces
at+x-ax =x
a-ax=0
x =>x=1 perol ¢R-{1} luego no hay elemento absorvente
a=
Elemento idempotente (idempotencia): 3a€R-{1} /a*a=a
ata=a ademés ata=a+a—a.a entonces
ata-aaqa
2a-@=a=>a-8
0
a(a-1)=0 Ya
irre >a=1 ¢@R-{1}
luego a= 0 es elemento idempotente
med (2b) A= {1,2,3,6 }
iatividad, conmutatividad, existencia de neutro, simétrico, absorvente €
idempotente.
19 Légica Computacional
Como A es un conjunto finito debemos tener em cuenta todas las posibilidades, para lo cual
construimos la tabla de operacién.
La linea roja marca la diagonal principal
Conmutatividad: la tabla es simétrica respecto de la
diagonal principal (se cumple)
—
elem: =? elemento neutro = 6
Kee l=
Asociatividad: debemos plantear todos los casos posibles que son las variaciones de 4 elementos,
tomados de a3, 0 sea: V'43=4" = 64
‘Veamos algunos ejemplos:
2*(1#2)=(241) "2 (3*6)*2=3*(6%2)
2*1 172 3*2=3*2
1 1 1 1
Observamos que se verifica, por lo tanto es asociativa.
Elemento neutro: vemos que en Ia fila del 6 y en Ja columna del 6, se repiten los elementos del
conjunto A. elem,=e=6
Elemento simétrico: a* a’ =a' *a=6
‘Vemos que a = 6 tiene simétrico es a’ = 6
Elemento absorvente: vernos que en la fila del 1 y en la columna del 1 da 1 para cualquier elemento
osea1*1 =I, 2*1= 1, 3*1=1, 6*1=1 luego 1 cs el elemento absorvente
Elemento idempotente: debe cumplirse que aa =a, vemos en la diagonal que 1*1= 1, 2*2-2,
3#3=3, 6*6= 6, por lo Lanto se verifica la idempotencia. Se observa en la diagonal.
3)*>N?__» N/a*b=a
‘Verificar si cumple asociatividad, conmutatividad, existencia de neutro, simétrico, absorvente e
idempotente.
Asociativa: Va,b,ceN a*(b*c)=(a"b)*e
a*(b*tc)=a*b=a (1)
(a%b)*e=a*e=a(2)
Luego (1)= (2) ¢s asociativa
Conmutativa: V a,beN a*b=b*a
a*b=a @)
b*a=b (4) —_Luego (3) (4) no es conmutativa
Elemento neutro: 3e¢N,WaeN =ate=e*ana
a*e=a se satisface siempre independiente del valor de e
e* ana solosie=a, sia#eno se cumple
luego no hay elemento neutro
Elemento simétrico. WaeN,3a' eN/a*a’=a'*a=
como no hay neutro, no se puede estudiar Ia existencia de simétrico
Elemento absorvente (absorcién): Ix EN,VaeN=>a*x=x*a=x
Vemos quea*x=a y a*x=x luego a=x 0 sea que x depende de a , no hay absorvente
Elemento idempotente (idempotencia): Jac N/ata=a
a*a=a para cualquier valor de a, o sea que'no existe un valor de a que verifique para todos
no hay elemento idempotente.
20 Légica Computacional
4) Dadas las siguientes operaciones binarias, estudiar distributividad
*:R?_» R/atb=a+b-ab
7: Ry R/apb=a
a) Si* es distributiva respecto de, V a, b, © R debe cumplirse:
a)at(bre)= (@*b) (ate)
at(byc)=atbi =atb’-ab’ (1)
(a%b)7(a*c) =(atb-ab)7(atc—ac) =(atb-ab)(tte-* (2)
(1) # Q) * no es distributiva a izquierda respecto de :
a) (bp e)*a= (b*a)t(c*a)
(bro) *a=beta=be+a—ba (3) : ..
(br ajt(cta) =(b+a—ba)7(cta-ca)=(b+a—bay(* (4)
(3) # (4) * noes distributiva a derecha respecto de--
Luego * no es distributiva ni a izquierda ni a derecha
b) Sires distributiva respecto de * , Va, b, ¢ ¢ R debe cumplirse:
bat (b*e)= @7 b)* (aT c)
at (b*c)=aqt(bto-be CoE BEET),
(ar b)* (atc) =a? ta® +a° -a?.a® (2)
(1) # @) no es distributiva a izquierda respecto de *
b)(b*e) p a= (dT a)* (eT @)
(b*c) + a=(bte—be)7 a=(bte-be)* (3)
(bya) * (eq a)=bttch—bic® (4)
(3) # (4) sr nocs distributiva a derecha respecto de *
Luego -7 no es distributiva ni a izquierda ni a derecha
21 Légica Computacional
Relaciones_binarias
Definicién: SeaR:A —PA RC AXA (eelaciéndeun conjunto en si mismo)
Dac A IRCA
Ejemplo:
Sea A={1,2}
AxA={(1,1),(1,2)s (21), (225
Ipayl= 22 —> 2*=16 (tendré 16 posibles relaciones en Ax A= A”)
Consideramos todas las relaciones posibles en. A? , (que serin todos los subconjuntos de A?, que
al conjunto de partes de A”) . La relacion Res un elemento de P(A)
‘Anotamos las 16 posibles relaciones:
21), (1,2),(2,29}
»1),(1,2),(2, 1}
+2),(2,1),(2,293
+1),(2,1) (2,293
1 LY, (1,2 )5 (2s 1), (2, 2} = AXA
Ro= @ Rs= {(1,1),(2,2
Riz ((L1)} Re= (C110,
R= {(1,2)} R= {(1,1),(2,1
R= {(21)} Re= {(1,2),(2,1)
Ra= €(2,2)} Ro= {(1,2)(22F
Rw= ((2,1),(2,2)}
wont
La representacién de estas relaciones se puede hacer en ejes cartesianos, por tabla 0 Por digrafo
Por ejemplo:
Ri Ro Ris Ry
eo) oe zt a SY 2
Propiedades de las relaciones binarias:
Reflexiva: RCA, esteflexiva > Vac A => aRa
Arreflexiva: RCA, es arreflexiva o> VaeA => aa
No reflexiva: RCA?, esnoreflexiva > JacA a aka
Simétrica: R CA2, es simétrica <> Va,be A aRb= bRa
‘Antisimétrica: RCAY, es antisimétrica <> Vabe A aRb » bRa=> amb
Asimétrice: RCA?, esasimétrica <> Va,beA a aRb=> bRa
Transitive: RCA?, estransitiva <> Va,b,ceA aRb A bDRe= aRe
Si se verifica:
Reflexiva, simétrica, transitiva es equivalencia
Reflexiva; antisimétrica, transitiva es orden amplio
Arreflexiva, asimétrica, transitiva es orden estricto
SiVabe A aRb v bRa es orden total
Ejemplos: arreflexiva aka
1)(N,<) ordenestricto pueses & asimétrica aRb=> bRe
transitiva
reflexiva Ra por igualdad
2) (N,&) ordenamplio pueses @ antisimétrica aRb=> DRa
transitiva
22 Légica Computacional
Como verificar las propiedades:
‘Para verificar las propiedades debe tenerse en cuenta en la definicién los cuantificadores, si es
\y debe verificarse en todo el conjunto. Si el conjunto es finito se trata en cada par de la relaci6n y si el
conjunto es infinito se utiliza una formula.
Ejemplo 1): Probar (Z,=,) es de equivalencia
De acuerdo a la definicién
a=b(n) @ n/(@-b) abeZ obien a-b=nk keZ
Debemos probar que sea reflexiva, simétrica y transitiva, en este caso como el conjunto Z es infinito
debemos utilizar una férmula general para probar que se verifican dichas propiedades.
Reflexiva: VaeZ a-a=n0 30eZ = a-
Simétrica: Va,b eZ (a) = n/(a-b) => a-b=nk
Inego b-a=n(K) (Ke Z => n/(b-a) = b=a(n) Gi)
Transitiva: Vab,ceZ a=b(n) A b=c(n) > a=c(n)
a=b(n) A b=e(n) = n/(a-b) An/(b-c) =
a-b=nk A b-c=nk, kkeZ >
(a—b)+ (b-o)= nk; + nko > (@-c)=n(ki tk) = a=c(a) (si)
entonces (Z,=,) es de equivalencia
Fjemplo 2):
Dado el conjunto A= { 1, 2} y larelacién Rs, dada en el ejemplo inicial Rs= { (1,1),(2.2)}5
analizar sus propiedades.
‘Como es un conjunto finito debemos utilizar las tablas Iégicas para realizar la verificaci6n de
cada propiedad.
Reflexiva: Vae A => aRa
a_|[aeA| aRa |acA=aRa
1 v v Vv tautologia
2 v v v Rses reflexiva
Simétrica: Va,be A aRb=> bRa
Son V'z2 =2*=4 casos
alo aRb=>bRa
rfid Vv
1 | 2 v tautologia
2/1 v Rses simétrica
2|2 Vv
Antisimétrica: Vabe A aRb a bRa= a=b
a|b|aRb| bRa|a=b| aRb» bRa | aRb a bRa=va=d
1]. Vv Vv Vv ¥ v
1) 2 F F F F v
2)1| F F F F Vv tautologia
242 Vv vo ¥ ¥ Vv Rs es antisimétrica
Transitiva: Va,b,ceAaRb a bRe= aRe
23 Légica Computacional
aRb|bRe|aRbabRc|aRe| aRbabReo>aRe
tautologia
Rses transitiva
©
1; Vv
2}v
1| F
2| F
1) F
2) F
ij v
2| Vv
aRa Ameflexiva: VaeA => ala
no es reflexina Rs es arreflexiva
‘Vemnos que si analizo el par (1,1)
31eA A1K1 => Ryesnoreflexiva
Simétrica: Va,be A aRb=> bRa
no es simétrica
Podemos analizar el par (2,1) 21eEA 2Rsl > 1R2
v BE
E entonces no es simétrica
‘Antisimétrica: Va,be A aRb A bRa = a=b
aRbabRa=a=b
aRb[bRa| aRba bRa
a
1 Vv
1 ¥
2 Vv
2 v Ry antisimetrica
Podemos analizar el par (2,1) Ql) eRs A U2)eR: = 1=2
Via F F
F => F
F Logica Computacional
Tronsitiva: Va,b,ce A aRb a bRe=> aRe
aRb|bRe|aRbabRe|aRc| aRbabRe>aRe
orden estricto
Ry: es arreflexiva, asimétrica, antisimétrica, transitiva => orden estricto
Ry: es no reflexiva, simétrica, antisimétrica, transitiva
Rg: es reflexiva, simétrica, entisimétrica, transitiva => orden amplio y es de equivalencia
es no reflexiva, antisimétrica, transitiva
es no reflexiva, antisimétrica, transitiva
¢s arreflexiva, simétrica
: es no reflexiva, antisimétrica, transitiva
: es no reflexiva, antisimétrica, transitiva
: es reflexiva, antisimétrica, transitiva => orden amplio
8 no reflexiva, simétrica
: es no reflexiva, simétrica
es reflexiva, antisimétrica, transitiva => orden amplio
+ es reflexiva, simétrica, transitiva => es de equivalencia
2, 3,6, 12} se definen las relaciones R y S aRbe2/a—b y aSbe3/a—b
Hallar:
a) Ry S por extensién
b) May Ms
MR y Ms*
@MRk vMs"*
RAS ¥ Mens
HRvS' y MRus"
g) Analizar las propiedades de R y S y si esposible clasificarla.
a) Ry Ses una relacién binaria definida de A> A
Pueden hacer el producto cartesiano
y de ahi sacar los pares. Maa
25 ‘L6gica Computacional
R= {( 2,293, 3) 6, 6612, 12 )( 6, 2 )4( 12, 6 Is 12, 2 C2, 6 J (25 12), (6,123
S={(2,2),(3,3),(6, 6 ).C12, 12),( 6, 3 ),( 12, 3 aC 12, 6 (3, 6 )s (3, 12), (6, 12) }
b) Mz y Ms
1011 100 0
Ma=[0 1 0 0 Ms=|0 1 1 1
1011 oii 1
1011 G tT
°)MR y Ms"
R={( 233,203, 6, 1246, 3,12, 3}
S*= { (2,2),(3.3 (6, 695 (12, 12 JB, 6), (3, 1246, 3 6 12,3), (12,6) }
0 100 1000
-. {1011 mis ont, [Ob 21
MRT |g. edad ) otis Awd
0100 OMAR Lot
a)MR vMs7
1100
coppice |d 2 1 1
M i
eas! o1ii
ae
RAS ¥ Mans
lo. 1000 1000
Mans“MpaMs- [2 1.0 0] 4 [0 1 1 1) = |0 1 0 0
1011 0111 ool
tol ales ooil
RAS ={ (2,23, 356, 6 WC 6 12), 12, 6 (12, 12) 3
RUS" y MRuS*
MRUS*= MR v Ms“ schizo enel punto d)
RUS*= (2,2) 23) (3.29 35 6M 3, 3 CB, 12),C 6 3) (6; 6.06 12), (12,3),
(12, 6),(12, 12) }
g) Veamos las propiedades de R
R={ (2,2) 3, 3 6 6 (12, 12) 6,2 4 12, 6 C12, 2)4( 2, 6) (2, 12), (6, 12) 3
Digrafo
72
[2 © ctieglal oe
Mae=|O 1 0 0 < 6
1011
10 1 1
26 Légica Computacional
Reflexive: VaeA=aRa (si)
2€A=2R2 (2,2)¢R_ Verdiagonal de la matriz
Noreflexiva: Jac A a aKa (no)
3eAn 3K3
v F
F
Arreflexiva: Vae A = aa (no)
2eA>2K2
vo F
F
VabeAaRb => bRa (si)
12R6 = 6R12 (Tomo unpar que pertenece )
¥ => v
v
VabeAaRb => bRa
3R6 => 6R3 — (Tomoumpar que no pertenece )
Fo o=> F
v
Para el resto de los casos observar la simetria de la tabla respecto de la diagonal.
Asimética: WabeAaRb => bRa
3R6 => 6K3
F => Vv
Vv
antes de decidir veamos el siguiente ejemplo:
VabeAaRb => bRa
6R12 => 12K%6
VoF
F _luegono es asimétrica
Antisimétrica:; VabeAaRbaAbRa = a=b (no)
(12,6) eR 12R6 A 6R12 = 12-6
Va VvV> F
v => F
F
‘Transitiva: VabceAaRbabRe = aRo
(12,6), (6,12) € R J2R6a 6R12 => 12R12
VaVvV> v
v => Vv
v
antes de decidir veamos el este caso:
3,3), G0) ER 3R3A3R6 => 3R6
VaF=> F
F > fF
v luego es transitiva
Por lo tanto es reflexiva, simétrica y transitiva entonces es de equivalencia.
‘Veamos las propieades de S
S={(2.2),(3, 3 C6, 6),( 12, 12),(6, 3 (12, 3 (12, 6 ),(3, 6), (3, 12)s (6 12) }
27 Légica Computacional
econ
Bist Boe
Beno
‘Analizando las propiedades también esta relacién es de equivalencia.
Ejemplo:
Estudiar las propiedades de la siguicsic relacién binaria: aR b<=> a/b enN
Siadivideab => b=a.k
Reflexivaa VaeN > aRa
leN a=al >a/a=aRa (si)
Arreflexiva: VaeN > aka (no)
anal > a/a=>aRa
No reflexiva:: JaeN a aka (m0)
TeN A IRI
voa F
F
Simétrica: Va,beN aRb => bRa (no)
aRb=b=ak > ona = b Ka (ances multiple de b)
;
Asimétrica: Wa,beN aRb => bka (si)
aRb => b=ak sane => bia
q
Antisimétrica, Va,beN aRbAbRa => a (si)
(@beR beak A a=bk => b=@la)k
Inegoke =k =1 => a=b
‘Transitive: Wa,b,ceN aRba bRe = aRe (si)
aRbAbRe = b=ak; A c=bk — reemplazo
c=@kjk: > cma(kika) > cmak = c/a >aRe
=> Res reflexiva, antisimétrica y transitiva luego R es orden amplio
28 Légica Computacional
Algebra de Boole
Definicién:
Sea B un conjunto no vacio, B#@ y dos operaciones
(B,v, A)esun élgebra de Boole <> v, son leyes de composicion internas (operacién binaris)
1 v, A son asociativas
confit Vj, 4 son conmutativas
operaciones V, « poseen elementos neutros
V. A distributivas una respecto de la otra
v, « con complemento
Recordar:*
y A © producto légico
o v + suma légica
Complemento: Va,b¢B 3a’ eB => ana’=eny
ava’=en,
Ejemplo 1:
Probar que (B, +,®) tal que B = {0, 1} ylas operaciones + y © definidas por las siguientes tablas, es
un algebra de Boole.
T 0
1 1
nolo
colo
= Sle
=
0
1
‘Sabemos que las operaciones +, © son leyes de composicién interna, asociativas, conmutativas,
istributivas una respecto de la otra y poseen elemento neutro. ( Se vid en légica )
Probaremos el complemento:
mirando las tabas dadas vemos que: ens
ata’ =1 (sia=0 =>
Debe verificarse que a+a’=en. —" (sia=l >
aca’ =en
~~,
a’ =0 (sia=1 >
(sia=0 =>
Tuego ({0, 1}, +, °) es algebra de Boole
Ejemplo 2:
Dado A#@ probar que (P(A), U, 0) ¢s.un dlgebra de Boole.
Verifiquemos las condiciones:
U, c\son leyes de composicién interna pues W X.Y ¢ P(A) XUY € P(A) 0 XOY ¢ P(A)
U, A son asociativas
pues VKY,ZER(A) XU(YUZ)=(XVY)UZ
pues VXYZEP(A) XA(YAZ)=(XAY)OZ
se prueba coiio lo hicimos en conjuntos
U, M'son conmutativas
pues VXYeR(A) XUY= YUX
pues WKYeR(A) XAY=YOX
Recordamos que
xe(XAY) > xeXaxeY axe Y axeX > xe(YOX)
def. conmut. A
U, A son distributivas
pues VX&YZEPA) XA(YUZ)=(XAY)U(KOZ)
29 Légica Computacional
puss VK&YZER(A) XU(YAZ)=(KYY)O(KVZ)
U, A tienen elemento neutro
eny=@ pues KUG =X
eng=U pues XAU =X
U, 0 tienen complemento
G-u @
U-9 uU-o
pues VXEP(A) XUX—enq osea
XOX¥= en, osea
Luego (P(A), U, 0) es Algebra de Boole
30 Légica Computacional
Se denomina grafo no dirigido a toda tema ( V, A, @) tal qt
a) Los elementos de V se denominan vértices 0 nodos, V
b) Los elementos de A se denominan aristas 0 lados, A= { a1 -.-.-.-- 8}
©) La funcién @ se denomina fimoién de incidencia, : A —> Vx’
4d) Un vértice “v” se denomina extremo de una arista “a”, si se tiene v € o(@)
©) Se dice que un vértice “v" y una arista “a” son incidentes si v € (a), 0 sea que “V" es extremo
de“a”
£) Se denomina lazo a toda arista “a” tal que | g(a) |= 1 0 sea que posee un nico extremo
g) Dos aristas a; y a2 son paralclas si se tienc (a1) = (aa) 0 sea poseen los mismos’extremos
h) Dos vértices vj y Vz son adyacentes si se tiene que (a1) = @(@2), 0 sea tienen los mismos extremos
i) Dosaristas a; y a2 con a) # a son adyacentes si se tiene que:
a) no son paralelas
b) existe v © Vital que { v } = 9a) 7 9(@)
|) Un grafo se llama simple sino tiene lazos ni aristas paralelas
k) Un grafo es finito si y solosi V y A son conjuntos finitos.
ii) @: A> Vx
Ejemplo 1: Dado el siguiente grafo G:(V, A, @)
ay b V={a.b,c,d} _conjunto vértices
A={ai, a2, a3, 8} Conjunto aristas
e 2 a;= {ab} a={b,c} a= {a,c} a= {c,d}
83 © p(a:) = {a,b} a, b son extremos de a;
(a2) = {b,c} b, eson extremos de a
a,c} a, son extremos de as
{c,d} a, bson extremos de ay
eayor 4a) oe) = Lb3,
La arista a1 es incidente con los vértices a, b
La arista a2 es incidente con los vértices b, ¢
La arista a3 es incidente con los vértices a, ¢
La arista ay es incidente con los vértices ¢, d
La arista ay + a; (no son paralelas), a1 y 82 son adyacentes pues @(a1) > (ax) =(b)
aq 44
Este es un grafo simple y finito.
Ejemplo 2: Dado el siguiente grafo’ G: (V, A, 9)
V=(v1, V2, V3, Ve} Conjunto vértices
a iis A={a1,%,a3, a4} conjunto aristas
i ofa) ={v1,¥2} > | o(a)|=2
v a (2) = {v1 v2} > | (2) |= 2
(2s) = {v2 ¥3} > | 9(@3)|=2
. (a) = {v3 v3} > 1 9(@s) |= 1 lazo
ey vano es incidente con ninguna arista —> vértice aislado
Vemos que 9(a:)=9(a) > a1y a2 sonaristas paralelas
pai) =9(@2) > vi y v2 son vértices adyacentes
31 Logica Computacional
efi 5
Se denomina digrafo 0 grafo dirigido a toda terna(V, A, 8) tal que: i) V+@ fi): A> VxV
a) Los elementos de V se denominan vertices o nodos, V= (vi. Ya}
bb) Los elementos de A se denominan aristas 0 lados, A={ a1 ......~ te}
¢) La funcién 6 se denomina funcién de incidencia dirigida, 6: A —> VxV
4) Dada Je arista “a” y un vértice “v” se dice que:
1. “V" es vértice inicial (origen o fuente) de “a” si existe w © V tal que 5(a) = (v.w)
2-“'v" es vértice final (término) de “a” si existe w € V tal que 5(2) = (w.¥)
¢) Dada una arista “a” y un vértice “v” se dice que:
1-laarista‘‘a” Hega al vértice “v" si existe w € V tal que (a) = (w.¥)
2 laatista “a” sale del vértice “v” si existe w € V tal que (a) = (vw)
1) Las aristas ay y_92 son paralelas si se tiene 5(a:) = 8(@:) 0 sea tienen el mismo vértice inicial ye]
mismo vértice final
g) Se denomina azo a toda arista “a” tal que existe v € V, para el cual (a) = (vv), 0 sea el vértice
inicial es igual al vértice final ‘
hy Dos vertices v1 y v2 son adyacentes si existe a € A tal que &(a) = (Wi, V2) 0 (a) = (va vi)
i) Dos aristas a1 y az con ay # az son adyacentes si existe v, wi, wW: € V tales que
a) a1 y az no son paralelas
'b) Bar) = wi, v)A 8(@2) = (v, Wa)
(a1) =(v, wi) 0 6) = (or, ¥)
j) Un digrafo se llama simple si no tiene lazos ni aristas paralelas
ik) Un digrafo es finito si y solo si Vy A son conjuntos finitos.
1) Dos aristas a1 y a2 son antiparalels: si y solo si existen v1 y vo vértices tales que
Dut va
2) 8(a1) = (v1, v2) 0 (a2) = (v2, 1)
Ejemplo 3: Dado el siguiente digrafo G:(V, A,5)
V=(abode}
A= (ar a, a3,a4} 5 A > VRV
° 8 (a1) =(b, ©) b vértice inicial, c vértice final
6 (az)=(a, b) a vértice inicial, b vértice final
8 (as) =(@, d) a vértice inicial, d vértice final
8 (as) =(@, a) a vértice inicial, a vértice final
ay esun lazo
La arista ayes incidente con los vértices b y ¢, la arista ay sale del vértice b y llega al vértice ¢
El vértice “e” 8 aislado, no es incidente con ninguna arista
Los vértices a'y b son adyacentes |
Las aristas a2 y a1 son adyacentes_ | 5 (a2)=(@,b) 9 5 (a) =(b.¢}
Grado de un grafo:
Dado un grafo G™= (V,A,9) se llama funcién grado o funcién valencia a
g VNU {0} tal que ve V g(v)=mimero de aristas incidentes en el vértice, contando los lazos
en forma doble
a) V ve V, (wv) es el grado o valencia del vértioe
b) Sive VAg(v)=0 ves vértice aislado
©) Sive VAg(v)=1 ves vértice pendiente
d) el grafo es k-regular si solo si, Vve V g(v)=k (kENo)
32 Légica Computacional
Grado de un digrafo:
Dado un digrafo G ~ (V,A,8) se lama funcién grado positivo y funcién grado negativo @ las
respectivas funciones:
g°: V—> No a (v) = “cantidad de aristas que llegan al vértice v"
g:V >No g (v)=“cantidad de aristas que salen del vértice v"
a) V ve V, g° (~) es el grado positivo o valencia positiva o invalencia del vértice v
b)V ve V, g (W) es el grado negativo 0 valencia negativa o exvalencia del vértice v
ove, g(v)=g (W) +E (vy) esel grado total o valencia total del vértice v
dV veV, gn(v)=8' ()-2 (v) sel grado netoo valencia neta del vértice v
Propiedad:
Dado un grafo G=(V,A, @) setiene que D> g(v) =2/A|
o
Ejemplo 4: Dado el grafo G=(V, A, @), analicemos los grados
V={abodefeh} [Al=8
A> fayar 95, 04,506, 0488
gb)=2 8 ()
g@=2 gle)
g(f)=2 s@ lazo se cuenta doble
g(@)=2 g(h)=1 hes pendiente 0 colgante
Da) =2|Al=2.8=16
Relacion de adyacencig: entre los vértices Rac VxV
viRe vy <2 viy vyson vértices adyacentes (o sea existe una arista entre vi¥ ¥)
Ry se representa usando la matriz M 6{0,1}"" donde:
Mi= (mj) =. <<» | siviy vj son adyacentes
(cada elemento m3) 0 siviy vj no son adyacentes
Carasteristicas de la matriz My
J) los lazos estén representados con 1 en la diagonal
ii) no permite determinar si hay lados paralelos
iid) si no existen lados paralelos y no hay lazos en el grafo, para cada vértice v c W (1 si I siviy a) som incidentes
(cada elemento mj) 0 siviy a no son incidentes
Caracteristicas de la matriz Mi
j) permite representar aristas paralelas (en forma de dos columnas iguales)
ii) permite representar lazos (las columnas que tienen un tnico 1)
iif) si no hay lazos la suma de cada fila es el grado del vértice correspondiente
iv) por cada arista que no sea lazo la columna correspondiente posee dos unos
33 Logica Computacional
Observacién:
Tas relaciones Ray Ri pueden definirse en un digrafo y en ese caso la matriz de adyacencia R, no
tiene por que ser simétrica y la matriz de incidencia se define de la siguiente forma:
“1 siv;es vértice inicial de a
Mi=(mj)= <> 1 sivies vértice final de a;
(cada elemento mj) 0 sino esincidente
Ejemplo 5:
Definir el grafo, hallar las matrices de adyacencia y de incidencia y la funcion @
a, v4 es
G=(V, 4,9)
» {abode Ivi=s
5 c {u, Uz, Us, Us, Us, Us, U7, Ue} JAl=8
¢ ey ‘a 9: A> VxV
g:Aav
oun) = {a,b} ots) = fe, d} 9(us)
(un) = {b,c} (us) = fe, d} (ue)
A= {fab}, (6, 0}, {6d}, fe, a}, (6,8), (2, dB, fe, B), (b. B}
fea} pur)
fad} pus)
Matriz de adyacencia: wRa vj > wiy vison vertices adyacentes, Rac VxV
bc de
Lge Op ta E
M, = (my) = 4 1 siviy vj son adyacentes o ol 1 L
0 siviy yj no son adyacentes Te O9 To 0
1o-ke O; 1
1 0 1 0
Observando la matriz, M, vemos:
- No hay lazos por que no hay 1 en la diagonal
= Mg es simétrica
~ El vértice a tiene grado 3, cantidad de unos en la fila 1 0 en la columna 1
(por que no hay Iazos ni lados paralelos )
g(@)=3, a) =4, a()=2, 204) =4, se) =3
Matriz de incidencia: wRi aj <> vi y aj somincidentes Ri C VxA
©
5
ie
My = (mj) =< 1 siviy aj son incidentes
0 siviy aj no son incidentes
oroon
Hooro
orore
Observando fa matriz Mi vemos
= No hay aristas paralelas por que no hay dos columnas iguales
= No hay lazos por que no hay columnas con solo un 1
= Como no hay lazos la suma de cada fila es el grado del vértice
g(a) =3, afb) =4, e()=2, od) =4, 8) =3
34 Logica Computacional
Ejemplo 6:
Definir el digrafo, hallar las matrices de adyacencia y de incidencia y la funcién 5
vi 4 G=(,A,5)
V=(vinvanvsve) Am (a1, 83,93, a a5, ao)
(| ag &: A> VxV
2, 3 Bar) = (vi, va) (a4) = (Wn Ve)
5 Bla) = (va, v9) Blas
Va ag Siri 8(as) = (v4, V3) (2)
ag: es un bucle
as, a4 aristas antiparalelas 8(as)=(vs, v1) y (as) = (v1, va)
Matriz de adyacencia: viR, vj <> viy vjson vértices adyacentes Rac VxV
1 sivy yj son adyacentes
0 siviy yj no son adyacentes
My = (my
va
| Matriz de incidencia: vjRi aj <> vi y @ sonincidentes Rj C VxA
as
<1 si yjes vértice inicial de aj”
(m5 re 1 si wes vértice final de a
0 sino es incidente
°
con
enoo
+ En la matriz de inciencia el bucle se pone con |
Grados: 7
g(u)=1, (vr
g'(v2)= 1, BC v2
s'(vs)=3, g(vs)
B (v= 1, BC ve) =2, BC v4
2, a(v1)
1, aC v2) va) = 0
1, avs) =4, Bal vs)
= 3, Sal v4) =-1
35 Légica Computacional
Arboles
Los drboles son un tipo de relacién que es itil para una gran variedad de aplicaciones en computacién
¥ que se representa con un grafo dirigido. Estas relaciones son eseenciales para la construccién de
bases de datos y compiladores de lenguajes.
Sen V = {Vinezoava} un conjunto de vértices y R una relaci6n definida en V, de forma tal que e) grafo
dirigido G ~(V, R) tenge apariencia de érbol; es decir existe un vértice vo & V con la propiedad de
tener un caming nico en el grafo de vo a cualquier otro vértice vi ¢ V; pero ningin camino de vo @ Vo;
vo se denomina rafz del drbol, en este caso suele utiizarse como notacién del drbol (T', vo)
(I= tree) de esta forma se simplifica la denominacién de los vértices.
Camino: Sea G=(V, A, 9) un grafo, v, W ‘€ V existe un camino de longitud n del vértice v al
You might also like
- Tema 2Document5 pagesTema 2Melii Ferreira100% (1)
- Unidad 1-Consejos para Escribir UnDocument12 pagesUnidad 1-Consejos para Escribir UnMelii FerreiraNo ratings yet
- Lucía Miranda, Matrices Narrativas ColonialesDocument16 pagesLucía Miranda, Matrices Narrativas ColonialesMelii FerreiraNo ratings yet
- 1a - MCD y MCM - Varios EjerciciosDocument1 page1a - MCD y MCM - Varios EjerciciosMelii FerreiraNo ratings yet
- PROGRAMA 2020 - Literatura Latinoamericana I BDocument19 pagesPROGRAMA 2020 - Literatura Latinoamericana I BMelii FerreiraNo ratings yet
- Akmajian, Demers y Harnish (1984) Lingüística Una Introducción Al Lenguaje y La Comunicación - 00 Nota para Los EstudiantesDocument5 pagesAkmajian, Demers y Harnish (1984) Lingüística Una Introducción Al Lenguaje y La Comunicación - 00 Nota para Los EstudiantesMelii FerreiraNo ratings yet
- 3b - Ejercitación Sobre Simplificación y Negación - ResueltoDocument2 pages3b - Ejercitación Sobre Simplificación y Negación - ResueltoMelii FerreiraNo ratings yet
- (ALENCAR - UbirajaraDocument83 pages(ALENCAR - UbirajaraMelii FerreiraNo ratings yet
- 1b - Ejercicios Conjuntos - ResueltoDocument8 pages1b - Ejercicios Conjuntos - ResueltoMelii FerreiraNo ratings yet
- Tema 3Document37 pagesTema 3Melii FerreiraNo ratings yet
- Tel. Gratuito CABA, Area de Defensa y Proteccion Al Consumidor:147Document2 pagesTel. Gratuito CABA, Area de Defensa y Proteccion Al Consumidor:147Melii FerreiraNo ratings yet
- TP°1-Ferreira, Melisa-Corrección de Textos JurídicosDocument3 pagesTP°1-Ferreira, Melisa-Corrección de Textos JurídicosMelii FerreiraNo ratings yet
- TP°2 - Ferreira, MelisaDocument2 pagesTP°2 - Ferreira, MelisaMelii FerreiraNo ratings yet
- Character SheetDocument1 pageCharacter SheetMelii FerreiraNo ratings yet
- Recuperatorio Parcial I de Lógica Computacional - Junio2021 - ON LINEDocument4 pagesRecuperatorio Parcial I de Lógica Computacional - Junio2021 - ON LINEMelii FerreiraNo ratings yet
- Lengua y Cultura Latina I E - 2° Parcial 2021Document4 pagesLengua y Cultura Latina I E - 2° Parcial 2021Melii FerreiraNo ratings yet
