Está en la página 1de 23

Apunte Introductorio sobre Induccion y Recursion

C
atedra de Paradigmas de Lenguajes de Programaci
on

17 de agosto de 2005
El presente apunte sirve a modo de gua a los temas de Induccion y Recursion que seran tratados en la
materia. Cabe destacarse que no pretende ser un texto exhaustivo, sino mas bien un ndice tematico. Para
informacion adicional el lector puede consultar la bibliografa que se anexa.
Los principios de inducci
on presentados en el apunte se resumen en la Figura 1

Indice
1. Inducci
on sobre los n
umeros naturales
1.1. Esquema de inducci
on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.2. Otros principios de inducci
on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.3. Teorema de Recursi
on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2. Conjuntos definidos inductivamente e inducci
on
2.1. Esquema de definici
on de conjuntos . . . . . . . .
2.2. Esquema de inducci
on . . . . . . . . . . . . . . .
2.3. Teorema de recursi
on . . . . . . . . . . . . . . . .
3. Inducci
on por reglas [Acz77]
3.1. Esquema de definici
on de conjuntos . . .
3.2. Esquema de inducci
on . . . . . . . . . .
3.3. Teorema de recursi
on . . . . . . . . . . .
3.4. Relacion con la presentaci
on informal de

2
3
4
6

estructural
8
. . . . . . . . . . . . . . . . . . . . . . . . . . . 8
. . . . . . . . . . . . . . . . . . . . . . . . . . . 9
. . . . . . . . . . . . . . . . . . . . . . . . . . . 10

. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
Induccion Estructural

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

12
12
12
13
14

4. Inducci
on transfinita
14
4.1. Esquema de inducci
on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
4.2. Teorema de recursi
on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
5. Inducci
on bien fundada (Well-founded Induction)
5.1. Esquema de inducci
on . . . . . . . . . . . . . . . . . .
5.2. Relacion con otros principios de induccion . . . . . . .
5.2.1. Inducci
on transfinita . . . . . . . . . . . . . . .
5.2.2. Inducci
on por reglas . . . . . . . . . . . . . . .

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

16
16
17
17
18

6. Definiciones inductivas como punto fijo de operadores


6.1. Esquema de definici
on de conjuntos . . . . . . . . . . . .
6.2. Relacion con inducci
on por reglas . . . . . . . . . . . . .
6.3. Esquema de inducci
on . . . . . . . . . . . . . . . . . . .
6.4. Teorema de recursi
on . . . . . . . . . . . . . . . . . . . .

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

19
19
21
22
22

7. Conclusiones

22

A. Definiciones varias sobre conjuntos ordenados

22

Axioma de Inducci
on ks
de Peano
KS

+3 Principio de Buen
Ordenamiento de IN
fn TTTT
TTT
TTTTT
TTT

&.
Principio de
Principio
de Induccion
Conjunto de los naturales (IN)
Inducci
on B
asica fn UU
Fuerte
j 08
UUUU
jjjj
j
UUUUU
j
j
UUUUU
jjj
&.
px jjj
Principio de Induccion
Completa
KS
Induccion Transfinita
(hasta un ordinal )
KS

Conjuntos bien ordenados

Conjuntos bien fundados


Inducci
08 on Bien Fundada
nf TTT T
hhhh
h
T
h
T
T
h
T TT TT
hhhh
hhhh
T TTT T
h
h
h
px h
&.
Inducci
on Por Reglas
ks
+3 Principio de Induccion
(conjunto de reglas determinsticas)
de Punto Fijo

Conjuntos definidos por


operadores de clausura

Conjuntos definidos por


punto fijo de operadores

Figura 1: Cuadro ilustrativo de algunos principios de induccion. Una flecha P1 P2 indica que P1 es mas fuerte
que P2 .

1.

Inducci
on sobre los n
umeros naturales

El lector seguramente sabr


a que el principio de induccion sobre los naturales (en adelante denotado IN) nos
permite deducir que una propiedad es satisfecha por cada uno de sus miembros. Sin embargo, en Ciencias de la
Computacion este mecanismo se utiliza ampliamente sobre conjuntos de diversa naturaleza (y no solamente sobre
los n
umeros naturales). Es deseable, entonces, conocer los fundamentos sobre los cuales se basa la induccion
sobre los naturales de modo de poder comprender como funciona en el marco de otros conjuntos. Entre las
preguntas que uno podra hacerse podemos mencionar las siguientes: De donde viene este principio? Por
que funciona?
A priori lo que uno querra hacer es intentar capturarlos, definirlos, delimitarlos de manera abstracta:
formular un conjunto de hip
otesis (supuestos, axiomas) que establecen las propiedades mnimas que un conjunto
debe obedecer para poder llamarse el conjunto de los n
umeros naturales. Asimismo, esta caracterizacion
servira para poder deducir el resto de sus propiedades a partir de las hipotesis. Tal caracterizacion fue propuesta
por Giuseppe Peano en 1889.
Definici
on 0.1 (Axiomas de Peano) El conjunto de los n
umeros naturales IN, el elemento 0 de IN y la
funcion suc de IN en IN satisfacen los siguientes axiomas:
Axioma I. Para ning
un n en IN se tiene que suc(n) = 0 (ie. 0 no pertenece al rango de suc).
Axioma II. Si n, m IN y suc(n) = suc(m), entonces n = m (i.e. suc es inyectiva).
Axioma III. Sea A IN. Supongamos que
1. 0 A y
2

2. para todo n IN, n + 1 A siempre que n A.


Entonces A = IN
Puede definirse una estructura de Peano como una terna (N, 0, S) donde N es un conjunto, 0 un elemento
de N y S una funci
on unaria sobre N que satisface los tres axiomas de Peano. Luego se prueba que el conjunto
N = {0, 1, 2, 3, . . .}, con S la funci
on S(n) = n + 1 es una estructura de Peano. Finalmente, se prueba que
cualquier par de estructuras de Peano son isomorfas, es decir, son esencialmente indistinguibles. Gracias a esto,
junto con el hecho de que pueden definirse las propiedades aritmeticas usuales de los naturales a partir de estos
axiomas, convenimos en que los axiomas de Peano efectivamente caracterizan a los n
umeros naturales.

1.1.

Esquema de inducci
on

Ahora podemos pasar a considerar induccion. La validez de la tecnica de induccion debera tambien ser
consecuencia de estos axiomas y en efecto lo es: el Principio de Induccion Basico es una consecuencia inmediata
del tercer axioma de Peano. Por esa raz
on muchas veces se conoce al tercer axioma de Peano como Axioma de
Induccion. Seguidamente formulamos el Principio de Induccion Basico.
Axioma 1 (Principio de Inducci
on B
asico (PrIndB
asico)) Sea P una propiedad sobre los n
umeros naturales. Supongamos que
1. P (0) es verdadero y que
2. para todo n, si P (n) es verdadero entonces P (n + 1) es verdadero.
Entonces P (n) es verdadero para todos los naturales n. Formalmente,
(P )[P (0) (n)(P (n) P (n + 1)) (n)P (n)]
El primero de estos casos se conoce como caso base y el segundo como caso inductivo. Probar que una
propiedad P vale para todos los n
umeros naturales implica, entonces, probar el caso base y el caso inductivo. El
caso base consiste en probar que P vale para el n
umero 0; el caso inductivo consiste en probar que P (n + 1) es
verdadero (Tesis Inductiva) asumiendo que P (n) es verdadero (Hip
otesis Inductiva). Si estos dos casos pueden
probarse, entonces podemos concluir, apelando al Principio de Induccion Basico, que P es verdadero para todos
los n
umeros naturales.
Ejemplo 2 Consideremos la siguiente propiedad
def

P (n) = Sn =

n(n+1)
2

donde, para todo n IN, Sn = 1 + 2 + 3 + . . . + n. Analicemos primero el caso base. Claramente P (0) es
verdadero, pues en este caso Sn es la secuencia vaca y S0 = 0. Pasemos al caso inductivo. Supongamos que
P (n) es verdadero y probemos que P (n + 1) es verdadero. Procedemos del siguiente modo
Sn+1

= Sn + n + 1
(por def. de Sn+1 )
= n(n+1)
+
n
+
1
(Hip
otesis Inductiva)
2
n(n+1)+2(n+1)
=
(aritmetica)
2
= (n+2)(n+1)
(aritm
etica)
2

Apelamos al Principio de Inducci


on B
asico para concluir que P es verdadero para todo n
umero natural n.
Ejemplo 3 Probemos la siguiente propiedad utilizando el Principio de Induccion Basico:
P (n) = Si f : {0, . . . , n 1} {0, . . . , n 1} es inyectiva, entonces tambien es suryectiva
Asumiremos a modo de convenci
on que en el caso en que n = 0, la expresion {0, . . . , n 1} denota el conjunto
vaco .
Dem. El caso base vale trivialmente pues requiere mostrar que cualquier funcion inyectiva de en es
suryectiva. Consideremos ahora el caso inductivo. Supongamos que vale P (n) y que f : {0, . . . , n} {0, . . . , n}
es una funcion inyectiva. Sea f 0 la restricci
on de f al conjunto {0, . . . , n 1}. Tenemos dos casos por considerar
3

1. Supongamos que f 0 es una funci


on de {0, . . . , n 1} en {0, . . . , n 1}. Dado que f 0 es inyectiva, por
Hipotesis Inductiva podemos concluir que f 0 es suryectiva. Como f es inyectiva tenemos f (n) = n y, por
lo tanto, f es suryectiva.
2. Supongamos que f 0 no es una funci
on de {0, . . . , n 1} en {0, . . . , n 1}. Debe existir un a, 0 a < n,
tal que f 0 (a) = n. Adem
as, este a es u
nico dado la hipotesis de que f es inyectiva. Por otro lado, dado
que f es inyectiva, existe un b, 0 b < n tal que f (n) = b. Definimos entonces la funcion

f (m) si m 6= a
g(m) =
b
si m = a
Dado que f es inyectiva, tambien g lo es. Por lo tanto, aplicando la Hipotesis Inductiva concluimos que
g : {0, . . . , n 1} {0, . . . , n 1} es suryectiva. Como consecuencia, todos los j tal que 0 j n 1
y j 6= b est
an en el rango de f . Dado que ya sabemos que b y n estan en el rango de f , concluimos que
f : {0, . . . , n} {0, . . . , n} es suryectiva.

Tal como hemos mencionado, el principio de induccion es consecuencia del tercer axioma de Peano. En efecto,
supongamos que contamos con el tercer axioma de Peano. Supongamos, asimismo, que P (0) es verdadero y que
para todo n, P (n) verdadero implica P (n + 1) verdadero. Sea A = {n IN | P (n) verdadero}. Claramente
A IN. Ademas, 0 A (debido a la hip
otesis P (0) verdadero) y n A implica n + 1 A (debido a la hipotesis
de que para todo n, P (n) verdadero implica P (n+1) verdadero). Concluimos, usando el tercer axioma de Peano,
que A = IN. Por ende, P (n) es verdadero para todo n en IN.
De hecho, El Principio de Inducci
on B
asico es equivalente al tercer axioma de Peano. Es decir, puede probarse
el resultado converso.
sico.
Ejercicio 4 Probar el tercer axioma de Peano utilizando como hipotesis el PrIndBa

1.2.

Otros principios de inducci


on

En esta subsecci
on presentaremos otros tres principios de induccion. Si bien todos ellos son equivalentes al
Principio de Inducci
on B
asico, en algunos casos son mas faciles de usar. A modo de ejemplo, consideremos al
conjunto de los
arboles binarios definidos como el menor conjunto que satisface las siguientes dos condiciones:
1. (Hoja) es una
arbol binario
2. Si t1 y t2 son
arboles binarios, entonces (Nodo t1 t2 ) es un arbol binario
Ejemplos de arboles binarios seran (Hoja) y (Nodo (Hoja) (Nodo (Hoja) (Hoja))). Este es un ejemplo de
una definicion por inducci
on estructural. Establece que un arbol binario puede ser una expresion de la forma
Hoja, o bien, una expresi
on de la forma Nodo t1 t2 , donde t1 y t2 son arboles binarios dados. Dado que el
esquema de inducci
on estructural ser
a tratado en detalle en la seccion 2, relegamos todo comentario adicional
hasta entonces.
Asimismo, contamos con las siguientes funciones:
tam(Hoja)
tam(Nodo t1 t2 )

= 0
= 1 + tam(t1 ) + tam(t2 )

altura(Hoja)
= 0
altura(Nodo t1 t2 ) = 1 + max (altura(t1 ), altura(t2 ))
La primera de ellas, tam, retorna el tama
no de un arbol binario (n
umero de nodos que no son hojas); la
segunda de ellas, altura, retorna la altura de un arbol binario (donde suponemos que la altura de una hoja es 0).
Supongamos que nos proponemos probar que la siguiente propiedad P vale para todos los n
umeros naturales:
P (n) = t.tam(t) = n altura(t) tam(t)

Intentemos utilizar el Principio de Inducci


on Basico sobre IN. El caso base vale trivialmente. Abordemos el caso
inductivo. Supongamos que P (n) es verdadero e intentemos probar P (n + 1). Sea t un arbol binario cualquiera
tal que tam(t) = n + 1. Claramente t debe ser de la forma Nodo t1 t2 , para alg
un arbol t1 y t2 . El problema
con el que nos encontramos ahora es que no podemos aplicar la Hipotesis Inductiva, pues el tama
no de t1 (o
de t2 ) no es necesariamente n! Una posibilidad es usar el Principio de Inducci
on Fuerte que se introduce en
esta seccion, (junto con otros dos principios, a saber el Principio de Inducci
on Completa y el Principio de Buen
Ordenamiento para IN).
Axioma 5 (Principio de Inducci
on Fuerte) Sea P una propiedad sobre los n
umeros naturales. Supongamos que
1. P (0) es verdadero y que
2. para todo k, si P (j) es verdadero para cada j en 0 j k, entonces P (k + 1) es verdadero.
Entonces P (n) es verdadero para todos los naturales n.
(P )[P (0) (k)(j)((0 j k P (j)) P (k + 1)) (n)P (n)]
sico en el que en el caso inductivo se asume que la propiedad P vale
Observar que, a diferencia del PrIndBa
para el n
umero natural inmediatamente anterior, el Principio de Induccion Fuerte asume, en el caso inductivo,
que la propiedad P vale para todos los naturales anteriores al caso que se quiere probar. Utilizando el Principio
de Induccion Fuerte puede completarse la demostracion de P (n) = t.tam(t) = n altura(t) tam(t).
Ejemplo 6 Otro ejemplo es P (n) =n + 2 puede ser factorizada como producto de n
umeros primos.
Dem. El caso base es inmediato pues 2 es primo. Pasemos al caso inductivo. Supongamos que vale P (j),
0 j k. Veamos que vale P (k + 1). Si k + 1 es primo concluimos de inmediato. Si k + 1 no es primo debe ser
divisible por un n
umero r entre 1 y k + 1: k + 1 = r s. Dado que 2 r, s k, por Hipotesis Inductiva tanto r
como s puede escribirse como producto de n
umeros primos. Combinando estas factorizaciones obtenemos una
factorizacion para k + 1. Esto concluye la demostracion.
Una variante del Principio de Inducci
on Fuerte es el Principio de Induccion Completa en el que el caso base
y el inductivo se funden en un u
nico caso.
Axioma 7 (Principio de Inducci
on Completa) Sea P una propiedad sobre los n
umeros naturales. Supongamos que
para todo k IN, si P (j) es verdadero para cada j en 0 j < k, entonces P (k) es verdadero.
Entonces P (n) es verdadero para todos los naturales n.
(P )[((k)(j)((0 j < k P (j)) P (k)) (n)P (n)]
Para ver de que manera el Principio de Induccion Fuerte subsume el caso base de los principios de induccion
ya vistos, consideremos el caso k = 0. Dice as: si P (j) es verdadero para cada j en 0 j < 0, entonces P (k) es
verdadero. Dado que no hay ning
un n
umero j en el rango solicitado, el antecedente vale trivialmente. Entonces,
para poder concluir que la implicaci
on es verdadera, debe verificarse que P (0) es verdadero.
Finalmente presentamos el Principio de Buen Ordenamiento para IN. Es una propiedad intuitiva de los
naturales y que adem
as le es exclusiva en el sentido que (para la nocion de orden usual) no se verifica para
los enteros, ni los racionales ni los reales.
Axioma 8 (Principio de Buen Ordenamiento para IN (PrBONN)) Todo subconjunto no vaco de n
umeros naturales tiene un mnimo elemento (cf. Definicion 66.1). Formalmente
(A IN)[A 6= (m A)(n A)(m n)]
Si bien, tal como ya hemos mencionado, el PrBONN es equivalente a los demas principios de induccion
vistos, no es evidente a partir de su formulaci
on como se utiliza para probar propiedades sobre IN. Desarrollamos
entonces un peque
no ejemplo. Consideremos la propiedad
def

P (n) = Sn =
5

n(n+1)
2

del ejemplo 2.
Dem. La demostraci
on procede por contradiccion. Sea S el conjunto de los n
umeros naturales para los cuales
la propiedad P es falsa y supongamos que S es no vaca. Aplicando el PrBONN podemos deducir la existencia
de un elemento mnimo m en S. Dado que S0 = 0 sabemos que P (0) es verdadero. Por lo tanto, m > 0. Por
definicion de m, P (m 1) es verdadero. En otras palabras Sm1 = (m1)m
. Pero entonces tenemos lo siguiente
2
Sm

= Sm1 + m
+m
= (m1)m
2
(m1)m+2m
=
2
= (m1+2)m
2
= (m+1)m
2

Por lo tanto, P (m) es verdadero, arrojando una contradiccion.


La utilizacion del PrBONN para probar propiedades sobre IN siempre sigue el lineamiento descripto: se
supone, por el absurdo, que la propiedad es falsa para alg
un natural y se define A = {n | P (n) es falso}. Luego
se aplica el PrBONN obteniendo un elemento mnimo m y se procede a llegar a un absurdo a partir de ello
(generalmente construyendo un elemento m
as chico que m tal que P es falso para el mismo).
Tal como hemos mencionado, el Principio de Induccion Basico puede demostrarse a partir del PrBONN.
sico.
Teorema 9 PrBONN implica PrIndBa
Dem. Sea S el conjunto de los naturales k tal que P (k) es falso. Si S es no vaco, por el PrBONN, S tiene
sico P (0) es verdadero.
un menor elemento m. Claramente, m 6= 0, pues por la primera hipotesis de PrIndBa
Por lo tanto, m > 0. Asimismo, P (m 1) es verdadero (por definicion de m) y, por la segunda hipotesis de
sico, obtenemos que P (m) es verdadero. Esta contradiccion muestra que S es vaco y que, por lo
PrIndBa
tanto, P (n) es verdadero para todos los naturales n.
sico implica PrBONN). Ayuda:
Ejercicio 10 Demuestre que vale el resultado converso (ie. que PrIndBa
probar el contrarecproco.

1.3.

Teorema de Recursi
on

En computaci
on la noci
on de recursi
on es fundamental. Una forma en la que se hace presente es a traves de
las ecuaciones recursivas utilizadas para definir funciones. Por ejemplo, las siguientes ecuaciones recursivas
f (0)
= 1
f (n + 1) = n f (n)
con indeterminada f en el conjunto de todas las funciones de IN en IN (denotado [IN IN]) sirve a modo
de definici
on de f : en efecto, puede demostrarse que hay una u
nica funcion en [IN IN] que satisface las
ecuaciones.
Sin embargo no todas las ecuaciones recursivas con indeterminadas en IN IN tienen una u
nica solucion, o
incluso tienen soluci
on alguna. Por ejemplo,
f (n)

= f (n)

tiene a todas las funciones en [IN IN] como solucion. Por lo tanto, dista de ser una definicion. De manera
analoga, la ecuaci
on
f (n) = 1 + f (n)
no tiene ninguna soluci
on en [IN IN]. Por ende, tampoco constituye una definicion. El Teorema de Recursi
on
I estipula condiciones sobre las ecuaciones recursivas que garantizan la existencia y unicidad de la indeterminada
(llamada g).
Teorema 11 (Teorema de Recursi
on I) Sea A un conjunto, a A y H : A A una funcion. Entonces
existe una u
nica funci
on g : IN A que satisface las siguientes ecuaciones recursivas:
g(0)
= a
g(n + 1) = H(g(n))
6

Un teorema an
alogo en el marco de un principio de induccion mas general que el Principio de Induccion
Basico sobre IN, a saber el Principio de Induccion por Reglas, sera demostrado mas adelante. Como consecuencia
la demostracion del teorema 11 se omite y se invita al lector a consultar el Teorema 39.
El Teorema de Recursi
on I sirve para definir funciones sobre los naturales. Las funciones definidas usando
este mecanismo se llaman funciones definidas por inducci
on (o funciones recursivas).
Ejemplo 12 Para cada k IN podemos definir suma k : IN IN del siguiente modo:
suma k (0) = k
suma k (n + 1) = suc(suma k (n))
donde suc es la funci
on que toma un n
umero n y retorna n + 1. Observar que esta definicion toma la forma del
Teorema de Recursi
on I donde A = IN, a = k y H = suc.
Ejemplo 13 Podemos definir esCero : IN {0, 1} del siguiente modo:
esCero(0) = 1
esCero(n + 1) = 0
Observar que esta definici
on toma la forma del Teorema de Recursion I donde A = {0, 1}, a = 1 y H(x) = 0.
Hay algunas definiciones de funciones recursivas que no caen dentro del esquema del Teorema de Recursion
I. Un ejemplo sera la funci
on factorial que requiere el uso de su argumento. Una presentacion mas flexible del
Teorema de Recursi
on I es:
Teorema 14 (Teorema de Recursi
on II) Sea A un conjunto, a A y H : INA A una funcion. Entonces
existe una u
nica funci
on g : IN A que satisface las siguientes ecuaciones recursivas:
g(0)
= a
g(n + 1) = H(n, g(n))
Ejemplo 15 El caso antes mencionado de la funcion factorial se define:
fac(0) = 1
fac(n + 1) = (n + 1) fac(n)
Observar que toma la forma del Teorema de Recursion II donde A = IN, a = 1, H(n, m) = (n + 1) m.
Cabe destacar que el Teorema de Recursi
on II es equivalente al Teorema de Recursion I. Es claro que dado
los parametros a y H utilizados en el Teorema de Recursion I, pueden exhibirse parametros a0 y H 0 del Teorema
de Recursion II, tal que ambos definen la misma funcion (basta tomar a0 = a y H 0 (x, y) = H(y)). Dejamos al
lector la tarea de demostrar que toda funci
on definida utilizando el Teorema de Recursion II puede definirse
usando el Teorema de Recursi
on I.
Ejercicio 16 Pruebe que toda funci
on definida utilizando el Teorema de Recursion II, tambien puede ser
defininda utilizando el Teorema de Recursi
on I.
Supongamos que quisieramos definir una funcion por recursion en un solo argumento. Por ejemplo, la funcion
suma:
suma(m, 0)
suma(m, n + 1)

= m
= suc(suma(m, n))

Claramente no sigue el formato establecido por el Teorema de Recursion I. Una tercera variante, tambien
equivalente a las primeras dos, es la siguiente que incluye como argumento de la funcion que se define a un
parametro p.

Teorema 17 (Teorema de Recursi


on III) Sea A y P conjuntos, G : P A y H : P IN A A una
funcion. Entonces existe una u
nica funci
on g : P IN A que satisface las siguientes ecuaciones recursivas:
g(p, 0)
= G(p)
g(p, n + 1) = H(p, n, g(p, n))
Observaci
on 18 Instanciando P en INn la funcion g del Teorema de Recursion III se dice que se obtiene por
recursi
on primitiva a partir de las funciones G y H.

2.

Conjuntos definidos inductivamente e inducci


on estructural

Esta seccion presenta, de manera informal, la nocion de conjunto definido inductivamente. La idea intuitiva es
la de construir un conjunto comenzando a partir de ciertos elementos basicos, utilizando reglas que nos permiten
armar elementos compuestos a partir de otros dados. En la Seccion 3 daremos una presentacion rigurosa de los
conjuntos definidos inductivamente y de la nocion de induccion estructural.

2.1.

Esquema de definici
on de conjuntos

Definici
on 18.1 (Definici
on inductiva de un conjunto) Una definici
on inductiva de un conjunto A consiste en una colecci
on de esquemas de reglas (abreviado esquemas). Cada esquema es de uno de dos tipos:
B
asico o Inductivo.
Los Esquemas B
asicos son aquellos que establecen incondicionalmente que ciertos elementos pertenecen
al conjunto.
Los Esquemas Inductivos son aquellos que establecen que un elemento (llamado conclusi
on del esquema)
esta en el conjunto si ciertos otros elementos (llamados hip
otesis del esquema) estan en el conjunto.
Los elementos de A son aquellos para los cuales puede mostrarse que estan en A a partir de un n
umero finito
de aplicacion de esquemas.
Ejemplo 19 Definimos inductivamente al conjunto NAT del siguiente modo:
1. La expresion cero pertenece a NAT.
2. Si n es una expresi
on en NAT, entonces suc(n) pertenece a NAT.
El conjunto NAT cuenta con los siguientes elementos {cero, suc(cero), suc(suc(cero)), suc(suc(suc(cero))), . . .}.
Una manera abreviada de presentar a NAT es la siguiente:
NAT ::= cero | suc(NAT)
Ejemplo 20 La siguiente es una definici
on inductiva de arboles binarios decorados con n
umeros naturales:
1. Para cada n IN, (Hoja n) pertenece a BT
2. Si t1 y t2 pertenecen a BT y n IN, entonces (Nodo n t1 t2 ) pertenece a BT.
Algunos ejemplos de elementos de BT son:
(Hoja 3)
(Nodo 7 (Nodo 4 (Hoja 3) (Hoja 5)) (Hoja 3))
Ejemplo 21 Sea V un conjunto de nombres de variable y C un conjunto de constantes numericas. Definimos
inductivamente el conjunto EXP de expresiones aritmeticas del siguiente modo:
1. Cada constante numerica en C pertenecen a EXP.
2. Cada variable en V pertenece a EXP.
3. Si e pertenece a EXP,entonces (e) pertenece a EXP.
8

4. Si e1 y e2 pertenece a EXP, entonces e1 + e2 pertenece a EXP.


5. Si e1 y e2 pertenece a EXP, entonces e1 e2 pertenece a EXP.
Si x, y V y 1, 2 C entonces, las siguientes expresiones son ejemplos de elementos en EXP:
(x)
(x + 1) 2
(((x))) + y
La justificacion de que el ante
ultimo tem es un elemento de EXP es:
x

(2)

x+1
(x + 1)

(1)
(4)

(3)

(x + 1) 2

(1)
(5)

Ejemplo 22 El conjunto de las listas de n


umeros naturales ListNat se puede definir por induccion estructural
del siguiente modo:
1. nil pertenece a ListNat
2. Si n IN y l ListNat, entonces n : l pertenece a ListNat
Ejemplo 23 Sea = {a, b}. Definimos el siguiente subconjunto AeqB de .
1. (la palabra vaca) pertenece a AeqB.
2. Si w esta en AeqB, entonces awb pertenece a AeqB.
3. Si w esta en AeqB, entonces bwa pertenece a AeqB.
4. Si w y u est
an en AeqB, entonces wu pertenece a AeqB.
Algunos ejemplos de elementos de AeqB son: ab, abab, aabb.

2.2.

Esquema de inducci
on

El Principio de Inducci
on Estructural permite demostrar propiedades P sobre conjuntos inductivos. En
analoga con el Principio de Inducci
on B
asico sobre IN, establece que para probar que P es verdadero para todos
los elementos de un conjunto inductivo debe probarse: 1) que P vale para todos los casos base determinados por
los esquemas de reglas b
asicos, y 2) que si una expresion e es introducida en el conjunto inductivo utilizando
un esquema de regla inductivo y elementos e1 , . . . , en , entonces debe probarse que si P es verdadero para cada
ei , 1 i n, entonces los es para e.
Teorema 24 (Principio de Inducci
on Estructural) Sea A un conjunto definido inductivamente y P una
propiedad sobre los elementos de A. Supongamos que
1. para cada esquema b
asico en la definicion de A, si x es introducido en A por la misma, entonces P (x)
es verdadero.
2. para cada esquema inductivo en la definicion de A, si P es verdadero para cada hipotesis del esquema
entonces P es verdadero para la conclusion del esquema.
Entonces, P (x) es verdadero para todo x en A.
La prueba de validez se formaliza en el marco del esquema de induccion por reglas (Teorema 35).
Corolario 25 Sea P es una propiedad sobre los elementos de EXP. Supongamos que
9

P (n) es verdadero para toda constante numerica en n en C.


P (v) es verdadero para toda variable v en V .
Si P (e) es verdadero,entonces P ((e)) es verdadero.
Si P (e1 ) y P (e2 ) son verdaderos, entonces P (e1 + e2 ) es verdadero.
Si P (e1 ) y P (e2 ) son verdaderos, entonces P (e1 e2 ) es verdadero.
Entonces P (x) es verdadero para todo elemento x de EXP.
Un ejemplo sera probar que la propiedad P que estipula que toda expresion en EXP tiene el mismo n
umero
de parentesis que abren y que cierran. En funcion al Principio de Induccion Estructural para EXP procedemos
de la siguiente manera:
P (c) y P (x) son claramente verdaderos pues no tienen parentesis.
Supongamos que P (e) es verdadero. Entonces P ((e)) es verdadero pues dado que e tiene el mismo n
umero
de parentesis que abren y que cierran, esta condicion se mantiene si agrego un parentesis que abre y otro
que cierra.
Si P (e1 ) y P (e2 ), entonces P (e1 + e2 ). Esto es inmediato. De la misma forma, si P (e1 ) y P (e2 ), entonces
P (e1 e2 ) es verdadero.
Por lo tanto, apelamos al Principio de Induccion Estructural sobre EXP para concluir que P vale para toda
expresion e en EXP.
Corolario 26 Sea P un predicado sobre los elementos de AeqB definido en el ejemplo 23. Supongamos que
1. P () es verdadero.
2. Si P (w) es verdadero, entonces P (awb) es verdadero.
3. Si P (w) es verdadero, entonces P (bwa) es verdadero.
4. Si P (w) y P (u) son verdaderos, entonces P (wu) es verdadero.
Entonces P (x) es verdadero para todo x en AeqB.
Un ejemplo de la utilizaci
on de este corolario sera probar la siguiente propiedad P : P (w)=w tiene la misma
cantidad de as que de bs. El caso base w = vale trivialmente. Supongamos que P (w) es verdadero. Si le
agregamos una a y una b a w, claramente el invariante se mantiene. Esto prueba que P (awb) y P (bwa). El
u
ltimo caso se aborda de manera an
aloga. Apelando al Principio de Induccion Estructural, podemos concluir
que P es verdadero para todo w en .

2.3.

Teorema de recursi
on

Esta seccion exhibe condiciones bajo las cuales se puede garantizar que ecuaciones recursivas con cierta
forma especfica y con una indeterminada f tienen una u
nica solucion en [A B] donde A es un conjunto
definido inductivamente. Comenzamos por indicar que forma deben tomar las ecuaciones recursivas.
Definici
on 26.1 (Definici
on recursiva) Sea A un conjunto definido inductivamente y B un conjunto cualquiera. Una definici
on recursiva para una funci
on f de A en B es una que tiene la siguiente forma:
Para cada esquema b
asico en la definicion de A, el valor de f aplicado a un elemento de A que proviene
de un esquema b
asico est
a dado por alguna funcion conocida de antemano (ie. de manera no recursiva).
Para cada esquema inductivo en la definicion de A, el valor de f aplicado a la conclusion del esquema
esta dado por el valor de alguna funci
on conocida de antemano, aplicada a las hipotesis del esquema y al
valor que arroja f sobre las hip
otesis del mismo.

10

Si bien la definici
on de funci
on recursiva siguiendo esta receta parece cumplir con su comentido, precisaremos
imponer una condici
on adicional. Consideremos la siguiente funcion f definida sobre AeqB:
f () = 0
f (awb) = 2 + f (w)
f (bwa) = 2 + f (w)
f (uv) = 1 + f (u) + f (w)

(1)
(2)
(3)
(4)

Observar que f satisface las condiciones dadas por la Definicion 26.1. Sea w = abab. Notar que
f (w) =(2) 2 + f (ba) =(3) 2 + 2 + f () =(1) 2 + 2 + 0 = 4
f (w) =(4) 1 + f (ab) + f (ab) =(2) 1 + 2 + f () + f (ab) =(1) 1 + 2 + 0 + f (ab) =(2),(1) 5
El problema radica en que la cadena w puede colocarse en AeqB a traves de dos esquemas de reglas diferentes.
Por lo tanto, requeriremos que el conjunto inductivo sobre el cual se pretende definir una funcion utilizando
la Definicion 26.1 cumpla con un requisito adicional, a saber que satisfaga la condicion de lectura u
nica. Intuitivamente, la condici
on dice que para cada elemento de un conjunto inductivo A hay una u
nica manera de
construir ese elemento utilizando las esquemas de la definicion de A.
Definici
on 26.2 (Lectura u
nica) Se dice que una definicion inductiva de un conjunto A satisface la propiedad
de lectura u
nica si valen las siguientes condiciones:
1. Para cada elemento de A hay una u
nica regla que coloca ese elemento en a.
2. Si un elemento es colocado en A utilizando un esquema de regla inductivo, entonces hay una u
nica secuencia
de hipotesis que pueden ser usadas por el esquema para colocar el elemento en el conjunto.
Observaci
on 27 Notar que la condici
on de lectura u
nica esta ligada a la definicion del conjunto inductivo y
no al conjunto en s mismo. Por ejemplo, si agregamos el esquema de regla suc(cero) pertenece a NAT a la
definicion inductiva del ejemplo 19, la definicion resultante define el mismo conjunto NAT. Sin embargo, ya no
cumple con la condici
on de lectura u
nica.
Estamos en condiciones de formular el Teorema de Recursion para la presente nocion de conjuntos definido
por induccion estructural. La demostraci
on de este teorema se realizara en el marco del esquema de induccion
por reglas, marco en el cual las nociones intuitivas de esta seccion se formulan de manera mas rigurosa.
Teorema 28 (Teorema de Recursi
on) Sea A un conjunto definido inductivamente que ademas satisface la
condicion de lectura u
nica. Entonces, cualquier definicion recursiva de una funcion sobre A que sigue el esquema
de la Definicion 26.1 tiene una u
nica soluci
on.
Ejemplo 29 (Ejemplo 21 continuado) Sea val una funcion en [V IN] (el entorno) y h una funcion en
[C IN] (interpretaci
on de constantes numericas). Dado que EXP satisface la condicion de lectura u
nica, las
siguientes ecuaciones definen una u
nica funci
on (que permite evaluar una expresion):
eval(v)
= val (v)
eval(c)
= h(c)
eval((e))
= eval(e)
eval(e1 + e2 ) = eval(e1 ) + eval(e2 )
eval(e1 e2 ) = eval(e1 ) eval(e2 )
Por ejemplo, si val (x) = 3 entonces eval ((x + 2) 3) = 15.
Ejemplo 30 La siguiente funci
on length : ListNat IN calcula la longitud de una lista de n
umeros naturales
length(nil )
length(n : l)

= 0
= 1 + length(l)

La siguiente funci
on map : [IN IN] ListNat ListNat mapea una funcion dada como argumento sobre
cada uno de los elementos de una lista de n
umeros naturales:
map(f, nil )
map(f, n : l)

= nil
= f (n) : map(f, l)
11

3.

Inducci
on por reglas [Acz77]

Esta seccion introduce la noci


on de conjuntos definidos a traves de reglas (de construccion, generacion,
inferencia, etc.). Se basa en una noci
on abstracta de regla. Ello permite introducir los conceptos y resultados
vistos en la secci
on sobre Inducci
on Estructural de una manera mas rigurosa. Asimismo, incluye al Principio de
Induccion Basica sobre IN como caso particular.

3.1.

Esquema de definici
on de conjuntos

Definici
on 30.1
1. Una regla es un par (X, x) donde X es un conjunto (llamado el conjunto de las premisas)
y x es la conclusi
on.
2. Si es un conjunto de reglas, entonces se dice que un conjunto A es -cerrado si para cada regla en
cuyas premisas est
an en A tambien la conclusion esta en A. Escribimos : X x para denotar que
la regla (X, x) est
a en . Podemos reformular la nocion anterior del siguiente modo: A es -cerrado si
: X x y X A implica x A.
Un conjunto de reglas define a un conjunto I() como el menor de los conjuntos -cerrados.
Definici
on 30.2 Sea un conjunto de reglas, el conjunto inductivo definido por (que denotamos I()),
esta dado por
\
I() = {A | A es cerrado}
Ejemplo 31 Sea = {(, 0)} {(n, n + 1) | n IN}. Entonces I() = IN.
Ejemplo 32 Sea = {(, nil )} {(l, n : l) | n IN}. Entonces I() = ListNat.
Ejemplo 33 Considerar el conjunto L de las fbf de la logica proposicional formado a partir de un conjunto de
variables proposicionales y los conectivos l
ogicos de implicacion () y negacion (). Podemos definir
H

= {(, a (b a)) | a, b L}
{(, ((a (b c)) (a b) (a c))) | a, b, c L}
{(, (((a) (b)) (b a))) | a, b L}
{({a b, a}, b) | a, b L}

Quien es I()?
Ejercicio 34 Demuestre que
1. la intersecci
on de una colecci
on de conjuntos -cerrados es -cerrado.
2. I() es el menor de los todos los conjuntos -cerrados.

3.2.

Esquema de inducci
on

Cada conjunto de reglas tiene un principio de induccion asociado:


Definici
on 34.1 (Principio de Inducci
on por Reglas (PrIndReglas)) Sea P una propiedad cualquiera
tal que si : X x y (y X)P (y) implica P (x), entonces P (x) es verdadero para todo x I().
Teorema 35 (Validez del PrIndReglas) El PrIndReglas es valido.
Dem. Sea A = {x I() | P (x)}. Notar que A I(). Asimismo, es facil ver que, debido a PrIndReglas,
A es -cerrado. Por lo tanto, I() A. Finalmente concluimos A = I().
Intuitivamente, uno justifica la inclusi
on de un elemento b en I() a traves de una prueba: la aplicacion
de una serie de reglas que termine en b. Por ejemplo, se entiende que 2 I(), con el del ejemplo 31, pues
0 I() por la primera regla, 1 I() por la segunda regla con n = 0 y porque 0 I(), 2 I() por la
segunda regla con n = 1 y porque 1 I(). Esta intuicion puede formalizarse para aquellos conjuntos de reglas
que tengan un n
umero finito de premisas. Primero debemos formalizar la nocion de prueba.
12

Definici
on 35.1 (-prueba) a0 , . . . , an es una -prueba (finita) de b si
1. an = b,
2. para todo m n existe un X {ai | i < m} tal que : X am .
Es decir, una -prueba de b es una secuencia finita de elementos que termina en b y, ademas, cada elemento
de la secuencia es el conclusi
on de alguna regla en cuyas premisas la preceden en la secuencia.
Sea finitario si cada regla tiene un n
umero finito de premisas.
Proposici
on 36 Si es finitario, entonces
I() = {b | b tiene una prueba}.
Ejercicio 37 Demostrar la proposici
on.

3.3.

Teorema de recursi
on

Una vez definido un conjunto inductivo I() siguiendo la Definicion 30.2 podemos considerar definir funciones recursivas de I() en cualquier conjunto A. Tal como se discutio en la Seccion 1.3 deben proveerse
condiciones que garanticen que las ecuaciones recursivas planteadas a modo de definicion de la indeterminada, efectivamente lo sea.
Definici
on 37.1 El conjunto de reglas es determinstico si
: X1 x y : X2 x implica X1 = X2
Ejemplo 38 En todos los ejemplos dados es determinstico, salvo el caso de H (ejemplo 33). Sea a L.
Entonces, tenemos H : a (a a) y H : {(a (a a)) (a (a a)), a (a a)} a
(a a).
Teorema 39 (Teorema de Recursi
on) Sea finitario y determinstico. Para todo conjunto A y toda familia
H de funciones H:Xx : I()n An A indexadas por reglas : X x, donde X = {y1 , . . . , yn }, existe
una u
nica funcion g : I() A que satisface las ecuaciones
g(x)

= H:Xx (y1 , . . . , yn , g(y1 ), . . . , g(yn ))

para todo : X x.
Dem. Primero abordamos la prueba de unicidad de g, luego la existencia de la misma.
Supongamos que g1 y g2 son dos soluciones a las ecuaciones. Sea P (x) la propiedad g1 (x) = g2 (x).
Mostraremos que para todo x I(), P (x) es verdadero. Para ello usaremos el Principio de Induccion por Reglas
(PrIndReglas). Sea : X x con X = {y1 , . . . , yn } y supongamos que para todo y X, g1 (y) = g2 (y).
Entonces tenemos
g1 (x)

= H:Xx (y1 , . . . , yn , g1 (y1 ), . . . , g1 (yn ))


= H:Xx (y1 , . . . , yn , g2 (y1 ), . . . , g2 (yn )) hip
otesis
= g2 (x)
hip
otesis sobre g2

Pasamos ahora a considerar la existencia de g. Definimos el siguiente conjunto de reglas 0 : para cada
: X x con X = {y1 , . . . , yn } y cada a1 , . . . , an A tenemos
0 : {(y1 , a1 ), . . . , (yn , an )} (x, H:Xx (y1 , . . . , yn , a1 , . . . , an ))
Tomamos a I(0 ) como definici
on de g (ie. I(0 ) es el grafo de g). Debemos mostrar, para concluir, que g definida
de esta manera es en efecto una funci
on. Para ello definimos la propiedad P siguiente: P (x) es verdadero si
!a A tal que (x, a) g

13

Probaremos usando el PrIndReglas que P (x) es verdadero para todo a A. Sea : X x con X =
{y1 , . . . , yn } y supongamos que para todo yi X, existe un u
nico ai tal que g(yi ) = ai . Supongamos que existe
c 6= d tal que g(x) = c y g(x) = d. Por definicion de g, esto es lo mismo que decir,
H:Xx (y1 , . . . , yn , a1 , . . . , an )
y
H:X 0 x (z1 , . . . , zm , b1 , . . . , bm )

= c
= d

Pero como es determinstico, sabemos que X = X 0 . Luego m = n, yi = zi para todo 1 i n y, por la


hipotesis de inducci
on, ai = bi . Luego c = d y conclumos usando el PrIndReglas.

3.4.

Relaci
on con la presentaci
on informal de Induccion Estructural

La nocion de conjunto inductivo introducido de manera informal en la Seccion 2 puede formalizarse a traves
de los conjuntos inductivos definidos por reglas. Dado un conjunto de esquemas de regla seg
un se introdujo en
la Definicion 18.1 definimos un conjunto de reglas del siguiente modo:
1. cada instancia de esquema de regla b
asico se corresponde con una regla x, donde x es la instancia
introducida por el esquema de regla b
asico.
2. cada instancia de esquema de regla inductivo se corresponde con una regla X x donde X es la instancia
de las premisas del esquema de regla inductivo y x es la instancia de la conclusion.
Ejemplo 40 En el caso de la definici
on inductiva del ejemplo 21 procedemos de la siguiente manera. Sea
A = C V {(, ), , }, donde C es el conjunto de constantes y V el de variables. Sea A el conjunto de
secuencias de smbolos de A. El primer esquema de regla basico, a saber el que dice Cada constante numerica
en C esten EXP se corresponde con las reglas EXP : c, for cada c C. El esquema de regla basico que
dice que Cada variable en V est
a en EXP se corresponde con las reglas EXP : v, for cada v V . El
esquema de regla inductivo que dice que Si e esta en EXP, entonces (e) esta en EXP se corresponde con las
reglas EXP : {a} (a), por cada a A . El esquema de regla inductivo que dice que Si e1 y e2 estan en EXP,
entonces e1 + e2 est
a en EXP se corresponde con las reglas EXP : {a1 , a2 } a1 + a2 , por cada a1 , a2 A . De
manera analoga se procede con el esquema de regla inductivo restante.

4.

Inducci
on transfinita

En esta secci
on presentaremos una forma mas general de induccion que aquella vista para los n
umeros
naturales, a saber inducci
on transfinita1 .
Hemos visto que el principio de inducci
on sobre los naturales es una consecuencia del principio de buen
ordenamiento de los naturales (Teorema 9). Esto vale para cualquier conjunto bien ordenado. Recordemos la
definicion de conjunto bien ordenado.
Definici
on 40.1 Un conjunto A es bien ordenado si existe un orden parcial A A tal que (A, ) es un
poset bien ordenado (ie. todo subconjunto no vaco tiene un mnimo).
Un buen orden sobre un conjunto A le impone una estructura lineal en el siguiente sentido: todo para de
elementos de A son comparables. En otras palabras, si (A, ) es bien ordenado, entonces es total: en efecto,
dado el subconjunto {a, b} de elementos de A, por la condicion de bien ordenado o bien (a, b) o bien
(b, a) .
Ejemplo 41 El PrBONN dice que IN es bien ordenado.
Zermelo demostr
o un famoso resultado que dice as.
Teorema 42 (Zermelo) Todo conjunto puede ser bien ordenado.
1 Seguimos

la nomenclatura de [Hal60].

14

Este teorema resulta equivalente a otros principios conocidos en teora de conjuntos, entre los que podemos
mencionar el Lema de Zorn y el Axioma de Eleccion [FS91].
Lo interesante de contar con un buen orden para un conjunto es que, siguiendo el ejemplo de IN, podemos
disponer de un esquema de inducci
on para el mismo.

4.1.

Esquema de inducci
on

El principio de inducci
on asociado a un conjunto bien ordenado es el Principio de Inducci
on Transfinita.
Antes de formularlo introducimos la siguiente notacion. Anotamos 1 la relacion definida como {(a, a) | a
A}. Si (A, ) es bien ordenado y a A, entonces definimos seg(a) = {b A | (b, a) 1 } (el segmento inicial
determinado por a).
Definici
on 42.1 (Principio de Inducci
on Transfinita) Sea B A, con A bien ordenado (con orden ).
Supongamos que
para todo x A, seg(x) B implica x B.
Entonces B = A.
siLa validez del principio de inducci
on transfinita se muestra de manera analoga a la implicacion PrBONNPrIndBa
co. Supongamos que A B no es vaco. Entonces, por la hipotesis de que es un buen orden, A B tiene un
mnimo a. Pero entonces {b | (b, a) 1 } B (notar que {b | (b, a) 1 } 6= pues sino por hipotesis a B,
luego a
/ A B). Luego por el Principio de Induccion Transfinita, a B. Esto arroja una contradiccion pues
a no puede pertenecer a B y a A B. Por lo tanto, A B es vaco.
Si bien el principio de inducci
on transfinita en IN coincide con el principio de induccion sobre los naturales,
el primero de estos es m
as general pues hace referencia a cualquier conjunto que sea bien ordenado.
Ejemplo 43 Un ejemplo de un conjunto sobre el cual podemos aplicar el Principio de Induccion Transfinita
pero no el de naturales sera el conjunto IN+ = IN {} con la relacion de orden usual de IN extendida con la
sico no basta para probar
clausula: n < , para todo n IN. Observar que el Principio de Induccion PrIndBa
propiedades sobre IN+ .
Observaci
on 44 El orden parcial bien ordenado sobre (A, ) cuya existencia se sigue del teorema de Zermelo
implica que el orden es, adem
as, total (Definicion 66.3). Es decir, todo par de elementos del conjunto es comparable. En efecto, dado que todo subconjunto de A tiene mnimo, para cualquier conjunto {a, b}, con a, b A,
tendremos (a, b) o (b, a) . El esquema de induccion que veremos en la Seccion 5 (el Principio de Induccion
Bien Fundado) no impone tal condici
on.

4.2.

Teorema de recursi
on

La nocion de funci
on recursiva vista hasta ahora tiene una version en el presente marco tambien: recursi
on
transfinita. El esquema es parecido, en su formulacion, al Principio de Induccion Completa. Definir una funcion
utilizando el Teorema de Recursi
on Transfinita es definir una funcion en un a A cuyo valor viene dado por la
aplicacion de una funci
on par
ametro H aplicada a todos los elementos predecesores de a. Para poder formular
esto de una manera precisa introducimos un poco de notacion adicional.
Definici
on 44.1 Sea A un conjunto bien ordenado y X un conjunto arbitrario.
1. Sea a un elemento de A. Una secuencia de tipo a en X es una funcion que va del segmento inicial de a en
X (ie. una funci
on en [seg(a) X]).
2. Si g es una funci
on de A en X, entonces notamos con g|a a la restriccion de esa funcion al segmento inicial
de a.
3. Una funci
on de secuencia de tipo A en X es una funcion f cuyo dominio son todas las secuencias de tipo
a en X, para todo elemento a A, y cuyo rango esta en X.
Seguidamente formulamos el Teorema de Recursion Transfinita. Respeta el esquema de la formulacion del
Teorema de Recursi
on (Teorema 11) simplemente que ahora la funcion H debe utilizar el valor de g en todos
los elementos precedentes a a (en el Teorema de Recursion, H se aplicaba solamente al valor de g en n).
15

Teorema 45 (Teorema de Recursi


on Transfinita) Sea A un conjunto bien ordenado y H una funcion de
secuencia de tipo A en un conjunto X. Existe una u
nica funcion g : A X que satisface las siguientes ecuaciones
recursivas
g(a)

= H(g|a)

para cada a en A.

5.

Inducci
on bien fundada (Well-founded Induction)

Sea A A una relaci


on binaria sobre A. Recordemos que anotamos 1 la relacion definida como
{(a, a) | a A}. Asimismo, anotamos 1 a la relacion {(x, y) | (y, x) }, es decir, 1 es la relacion
inversa de . Un conjunto bien fundado es un conjunto munido de una relacion binaria tal que no existen
-secuencias infinitas descendentes.
Definici
on 45.1 (Conjunto bien fundado) Una 1 -secuencia infinita es una secuencia s : IN A tal que
(s(n + 1), s(n)) 1 . Un conjunto bien fundado es un par (A, ), donde es una relacion binaria sobre A tal
que no existen 1 -secuencias infinitas.
Ejemplo 46

1. Todo conjunto finito es bien fundado.

2. (IN, ) tambien es bien fundado.


3. (IN, |) donde n | m si n divide a m es bien fundado.
Sin embargo, (Z
Z, ) no es bien fundado.
Ejercicio 47 Probar que (IN IN, ) donde se define como
(n, m) (n0 , m0 ) sii n < n0 o (n = n0 y m < m0 )
es bien fundado.

5.1.

Esquema de inducci
on

Sea A un conjunto y A A una relacion binaria sobre A. Escribimos seg (x) para hacer referencia
al conjunto {y A | (y, x) 1 }. Notar que se trata de la misma nocion de segmento inicial (denotado seg)
introducido antes. Simplemente que, ahora, se le agrega el nombre de la relacion sobre la cual predica, como
subndice.
Teorema 48 (Principio de Inducci
on para Conjuntos Bien Fundados) Sea (A, ) un conjunto bien fundado. Sea P una propiedad sobre A tal que:
Para todo a A, si P (b) es verdadero para todo b seg (a), entonces P (a) es verdadero.
Entonces, P (a) es verdadero para todo a A.
Dem. Por contradicci
on. Supongamos que P es una propiedad que cumple con la hipotesis y, ademas, P (x)
es falso para alg
un x A. Definiremos una 1 secuencia infinita {xn | n 1} tal que para todo n, P (xn )
es falso. Comenzamos fijando x1 = x. Suponiendo que ya hemos definido xn de tal modo que P (xn ) es falso,
luego, por nuestra hip
otesis sobre P , debe existir y seg(xn ) tal que P (y) es falso. Elegimos un tal y y fijamos
xn+1 = y. Tenemos entonces (xn+1 , xn ) y xn+1 6= xn (debido a que xn+1 seg(xn )) y, asimismo, P (xn+1 )
es falso (debido a nuestra selecci
on de y). Repitiendo este proceso podemos definir una funcion f : A A tal
que f (y) = x si P (x) es verdadero y definiendo f (y) como alg
un z seg(y) tal que P (z) es falso, si P (y) es
falso. Luego x1 = x y xn+1 = f (xn ).
Por lo tanto, asumiendo la existencia de un elemento x tal que P (x) es falso, podemos obtener una 1 secuencia infinita de elementos de A tal que P es falso para cada uno de ellos. Dado que el poset es bien fundado,
no tiene ninguna 1 secuencia infinita y, por lo tanto, no puede haber un x tal que P (x) es falso.
En el siguiente ejemplo notar que la relaci
on no es total.
16

Ejemplo 49 Sea A = {n IN | n 2}. Sea la relacion definida de la siguiente manera: (n, m) si n divide
a m y n < m. Claramente (A, ) es bien fundada. Usaremos induccion en (A, ) para mostrar que cada elemento
de A puede escribirse como producto de uno o mas primos. Supongamos que n A y que todo n
umero en
seg (n) puede escribirse como producto de uno o mas primos. Si n es primo, puede escribirse como producto
de un u
nico primo, a saber s mismo. Si n no es primo, entonces puede ser escrito como n = m p donde m
y p pertenecen a seg (n). Por la Hip
otesis Inductiva, m y p son productos de uno o mas primos. Combinando
estas factorizaciones vemos que n es producto de uno o mas primos.
Ejercicio 50 Sea (A, ) un conjunto bien fundado. Sea la clausura reflexiva, transitiva de . En otras
palabras:
cb ba
ba
aa
ba
ca
Supongamos que para todo a, b, c A, si b a y c a, entonces existe d A tal que d b y d c. En
diagrama:
b ^=
==
==
==
=
|
a
d [c
c

Usando induccion bien fundada sobre (A, ), probar que es confluente: para todo a, b, c A, si b a y
c a, entonces existe d A tal que d b y d c. En diagrama:

|
d c[

b bZ ==
====
====
====

5.2.
5.2.1.

{

Relaci
on con otros principios de inducci
on
Inducci
on transfinita

Definici
on 50.1 (Poset bien fundado) Un poset bien fundado es un poset (A, ) tal que no existen 1 secuencias infinitas.
Observar que un poset bien fundado (A, ) no es lo mismo que un poset bien ordenado (Definicion 66.2). En
efecto, todo poset bien ordenado tambien es bien fundado (ver Corolario 52). Sin embargo, no vale la inversa,
es decir hay conjuntos que son bien fundados pero que no son bien ordenados. Por ejemplo, cualquier conjunto
finito A munido del orden discreto ((a, b) sii a = b) es bien fundado (pues no tiene ninguna 1 -secuencia
infinita). Sin embargo, no es bien ordenado porque cualquier par de elementos de A son incomparables.
Recordemos la definici
on de un elemento minimal:
Definici
on 50.2 Sea (A, ) un poset y B A. Un elemento a B es minimal en B si no existe b B tal que
(b, a) 1 .
Una forma equivalente de formular posets bien fundados es la siguiente
Teorema 51 Un poset (A, ) es bien fundado si y solo si cada subconjunto no vaco tiene un elemento minimal.
Antes de probar este teorema cabe aclarar que requerir que cada subconjunto no vaco tenga un elemento
minimal no es lo mismo que requerir que tenga un mnimo elemento. Si bien todo mnimo elemento es un
elemento minimal, no todo elemento minimal es un mnimo elemento.

17

Dem. Supongamos que (A, ) es un poset bien fundado y que existe un subconjunto no vaco K de A que
no tiene elementos minimales. Sea x0 un elemento cualquiera de K. Tal elemento existe pues K es no vaco.
Dado que x0 no es minimal, existe x1 K tal que (x1 , x0 ) 1 . Dado que x1 no es minimal, existe x2 K tal
que (x2 , x1 ) 1 . Esta construcci
on puede continuar indefinidamente. De esta manera, podemos construir una
secuencia descendente infinita s : IN K, con s(n) = xn para todo n IN.
Supongamos que (A, ) es un poset tal que cada subconjunto no vaco tiene un elemento minimal. Asimismo,
supongamos que existe una cadena descendente infinita s : IN A an (A, ). El conjunto S = {s(n) | n IN}
es un subconjunto no vaco de (A, ). Asimismo, por definicion, no tiene elementos minimales. Esto contradice
nuestra hipotesis.
Corolario 52 Todo poset bien ordenado es un conjunto bien fundado.
Dem. Sea (A, ) un poset bien ordenado. Pro definicion, todo subconjunto no vaco de A tiene un mnimo
elemento. Dado que todo mnimo elemento es un elemento minimal, deducimos que todo subconjunto de A tiene
un elemento minimal. Aplicando el Teorema 51 conclumos que (A, ) es un poset bien fundado. En particular,
A es un conjunto bien fundado.
Como consecuencia del corolario, el Principio de Induccion Bien Fundado tambien es aplicable a los conjuntos
bien ordenados.
5.2.2.

Inducci
on por reglas

En esta subsecci
on veremos que
Cada uso del Principio de Inducci
on Bien Fundado puede ser imitado por el Principio de Induccion por
Reglas (Proposici
on 53).
Si es determinstico, cada uso del Principio de Induccion por Reglas puede ser imitado por el Principio
de Induccion Bien Fundado (Proposici
on 54).
Sea (A, ) un conjunto bien fundado. Definimos el conjunto de reglas como aquellas reglas (seg (a), a),
para cada a A.
Proposici
on 53
(A, ) = I( )
Dem. Por definici
on tenemos que I( ) (A, ). Probamos la vuelta: (A, ) I( ). Supongamos que
a 6 I( ). Vamos a construir una 1 -secuencia infinita a1 a0 1 a1 1 . . . con lo cual contradecimos el hecho
de que (A, ) es bien fundado. Dado que a 6 I( ), sabemos que seg (a) 6 I( ). Notar ademas que seg (a) no
es vaco (pues sino a I( )). Por lo tanto, existe un a0 tal que a1 a0 y a0 6 I( ). Repitiendo este proceso
podemos hallar un a1 tal que a0 1 a1 y a1
/ I( ). Repitiendo indefinidamente obtenemos a1 a0 1 a1 1 . . ..
Con esto queda probado que el Principio de Induccion por Reglas es aplicable siempre que el de buena
fundacion lo sea. Ahora consideramos la vuelta. Recordamos la nocion de conjunto de reglas determinstico
presentada en la Secci
on 3 (Definici
on 37.1) : El conjunto de reglas es determinstico si
: X1 x y : X2 x implica X1 = X2
Sea A el conjunto de las conclusiones de reglas en . Dados x, y A definimos
(x, y) si : X y

(5)

para alg
un conjunto X tal que x X y X A. Con esta definicion de tenemos que , seg
un se definio al
comienzo de esta subsecci
on, es el conjunto de las reglas X y en tal que X A.
Proposici
on 54 Para determinstico, tenemos
I() = I( )
18

Dem. Para probar que I() I( ) basta probar que I( ) es -cerrado y luego concluir apelando al
Principio de Inducci
on por Reglas. Sea : X y y supongamos que para todo x X, x I( ). Dado que
I( ) A, tenemos entonces que X A. Luego por definicion de , : X y. Luego y I( ) por ser
I( ) -cerrado.
Para probar I( ) I() basta probar que I() es -cerrado y luego concluir apelando al Principio de
Induccion por Reglas. Ello es consecuencia inmediata del hecho de que es un subconjunto de .
Finalmente probamos que (I( ), ) es bien fundado. Como consecuencia de ello, partiendo de un conjunto
de reglas , llegamos a probar que I() = (I( ), ), donde se define a partir de y, ademas, (I( ), ) es
bien fundado.
Lema 55 (I( ), ) es bien fundado.
Dem. Consideremos la propiedad sobre I( ) definida de la siguiente manera:
P (x) =no hay 1 -secuencias infinitas comenzando en x
La prueba del lema consiste en verificar que P vale para todo elemento I( ) utilizando el Principio de Induccion
por Reglas. Supongamos que : X y y que para todo x X, P (x) es verdadero. Supongamos, asimismo,
que P (y) es falso. Es decir, que existe una 1 -secuencia infinita y = x1 , x2 , . . . comenzando en y. Por definicion
de (5), sabemos que x2 X. Entonces tenemos una 1 -secuencia infinita comenzando en x2 . Esto contradice
la Hipotesis Inductiva. Por lo tanto no puede existir tal x2 , y en consecuencia tampoco la 1 -secuencia infinita
comenzando en y.

6.

Definiciones inductivas como punto fijo de operadores

En la seccion 3 definimos a un conjunto inductivo como el menor conjunto -cerrado, para un conjunto
de reglas dado. Una manera alternativa de proceder es, definir un operador que, dado un conjunto Y A
(A es nuestro universo), nos da el conjunto de consecuencias de Y seg
un las reglas de :
(Y ) = {x A | : X x con X Y }
Ejemplo 56 Por ejemplo, si = {(, 0)} {(n, n + 1) | n IN} entonces () = {0}, ({2}) = {0, 3} y
({2, 3}) = {0, 3, 4}.
Una vez que tenemos este operador, podemos preguntarnos por el menor X A tal que si le aplico el
operador no obtengo nada nuevo, o bien, todo lo que obtengo ya estaba en X:
(X) X
Este sera el conjunto definido inductivamente por . Retomando el ejemplo, observar que (IN) = IN.

6.1.

Esquema de definici
on de conjuntos

Sea (A, ) un poset. En lo que resta de esta seccion hablaremos de A para referirnos al poset (A, ). Una
funcion : A A es mon
otona si preserva el orden (ie. x y implica (x) (y)). Siguiendo la intuicion sobre
el operador como inferidor de conclusiones a partir de hipotesis, la monotona nos dice que si incrementamos
nuestras hipotesis de partida inferiremos tanto o mas datos que antes.
Ejemplo 57 Sea A = ({1, 2, 3}), = y (B) = B {2}. Entonces es monotona. Ademas, ({1}) = {1, 2}
y ({2}) = {2}. Asimismo, {1} ({1}).
Sea B A, entonces escribimos inf(B) para denotar al nfimo de B, es decir, la mayor de las cotas inferiores
de B (cf. Definici
on 65.2). Asimismo, escribimos sup(B) para la menor de las cotas superiores de B. Un poset
A se llama un reticulado completo si todos los subconjuntos de A tienen nfimo (o, lo que es lo mismo en vistas
del lema 66, supremo).
Si : A A es una endofunci
on (funci
on de un conjunto en s mismo) sobre el poset A, decimos que x A
es un punto fijo de si (x) = x; un pre punto fijo de (denotado ) si (x) x; y un post punto fijo de
(denotado ) si x (x).
19

Ejemplo 58 Siguiendo el Ejemplo 57, = {2} y = {1, 2, 3}.


Tal como comentamos antes, buscamos el menor x talque no genera nada nuevo: el menor x talque
(x) x. Bajo la terminologa recien introducida, buscamos el menor pre-punto de . Si A es un reticulado
completo y : A A es mon
otona, entonces el menor pre-punto fijo de siempre existe.
Teorema 59 Si : A A es una endofuncion monotona sobre un reticulado completo. Existe el menor
pre-punto fijo de y el mayor post punto fijo de y sus definiciones estan dadas por
= inf({x A | (x) x}) and = sup({x A | x (x)})
Dem. A partir de la definici
on de sabemos que
x A.(x) x x
Por lo tanto, usando monotona de , tenemos que para todo x A, si (x) x entonces () (x), y
luego () x. Finalmente, por definici
on de nfimo, () .
Observaci
on 60 En realidad no solamente es un pre punto fijo, sino que tambien es un punto fijo. Para
ello debe probarse que () (sabemos que () , concluimos usando antisimetra de ). Sabemos
que () , luego por monotona de , (()) (). Entonces () es un pre punto fijo. Y dado
que es el menor de ellos, concluimos que ().
La ventaja de presentar el Teorema 59 en terminos de pre puntos fijos es que el post punto fijo se presenta
como una nocion dual. Si bien en este apunte no ahondaremos en post puntos fijos debemos mencionar que en
Ciencias de la Computaci
on han adquirido mucha importancia, especialmente en el ambito de semantica para
calculos de procesos concurrentes [Fok00, JR97]. As como los pre puntos fijos sirven para definir conjuntos
inductivos (cf. Definici
on 61.1), los post punto fijos sirven para definir conjuntos coinductivos, la nocion dual a
la de conjunto inductivo. Consultar [Cro98, JR97] para mas datos sobre induccion y coinduccion.
Observaci
on 61 El lector que conozca la teora de CPOs (complete partial orders) reconocera que las construcciones de punto fijo expuestas aqu se pueden desarrollar en el marco (mas general2 ) de los CPOs. Un CPO
es un poset (A, ) talque
1. A tiene un mnimo elemento (com
unmente denotado ) y
2. para toda cadena C de A, existe sup(C).
El resultado analogo al Teorema 59 en el marco de los CPOs es conocido como el Teorema de Punto Fijo de
Knaster-Tarski [FS91, Teorema 3.9.9] (aborda la existencia de un mnimo punto fijo).
La ventaja de presentar los resultados de pre puntos fijos en el marco de los reticulados completos es que
el pre punto fijo puede expresarse f
acilmente en terminos de la operacion de nfimo. El Teorema de Punto
Fijo de Knaster Tarski asevera la existencia de un mnimo punto fijo de una funcion monotona en un CPO,
pero no nos dice c
omo se obtiene. Si se imponen condiciones adicionales sobre puede decirse algo mas sobre
como se obtiene el mnimo punto fijo. Por ejemplo, si se exige que sea continua3 entonces puede probarse
facilmente [FS91, Teorema 4.13.2] que sup({, (), 2 (), . . .}) es un mnimo punto fijo de (cf Teorema 64).
Una manera alternativa de decir algo m
as sobre como se obtiene el mnimo punto fijo es considerar versiones
menos generales del Teorema de Knaster Tarski. Por ejemplo, en lugar de predicar sobre CPOs considerar puntos
fijos de operadores mon
otonos sobre reticulados completos. Esa es la va adoptada en el presente apunte.
2 Todo

reticulado completo (A, ) es un CPO (verificar!). Sin embargo hay CPOs que no son reticulados completos. Un ejemplo
sencillo es el flat CPO (IN {}, ) con n para todo n IN {}.
3 Una funci
on : A1 A2 es continua si para toda cadena C del CPO (A1 , 1 ) el sup((C)) existe en (A2 , 2 ) y (sup(C)) =
sup((C)) ( preserva supremos). Toda funci
on continua es mon
otona pero hay funciones mon
otonas que no son continuas.

20

6.2.

Relaci
on con inducci
on por reglas

Sea A un conjunto y sea un conjunto de reglas sobre A (tal como se definio en la Seccion 3). Claramente
el poset ((A), ) es un reticulado completo. Sea
(Y ) = {x A | : X x and X Y }
Es facil verificar que es mon
otona en (A). Por lo tanto, podemos definir lo siguiente.
Definici
on 61.1 Dado un conjunto A y un conjunto de reglas sobre A, el subconjunto de A definido inductivamente por es el mnimo pre punto fijo de (ie. ).
Esta manera de definir conjuntos coincide con la Definicion 30.2. La manera mas directa de ver esto es
observar que (B) B sii B es -cerrado.
Lema 62 I() =
El Teorema 59 nos informa, adem
as, que el mnimo pre punto fijo es de la forma =Tinf({x A | (x)
x}). Dado que la operaci
on de nfimo viene dada por la interseccion, tenemos que = {x A | (x) x}.
Hay un modo m
as operacional de entender el punto fijo de un operador. En el ejemplo del principio de esta
seccion, Ejemplo 56, observamos que
()
= {0}(= S1 )
(S1 ) = {0, 1}(= S2 )
(S2 ) = {0, 1, 2}(= S3 )
...
Es decir, comenzando con el conjunto vaco, podemos iterar la aplicacion de y cada iteracion arroja
una (mejor) aproximaci
on del pre punto fijo. A mayor n
umero de iteraciones, mejor es la aproximacion. En el
lmite de esta secuencia de aproximaciones podemos encontrar a la mejor de todas ellas, aquella que no puede
mejorarse. Todo esto puede formalizarse a traves de la nocion de funcion continua.
Definici
on 62.1 Una cadena C en (A) es una secuencia A1 A2 A3 . . . de elementos de (A). En
ese caso escribimos
(C)
S
S para denotar el conjunto {(A1 ), (A2 ), . . .}. Una funcion : (A) (A) se dice
continua si ( C) = (C). Es decir, un operador es continuo si preserva supremos (o lmites).
Observaci
on 63 Todo operador continuo es monotono. Supongamos que A1 A2 . Entonces C = {A1 , A2 } es
una cadena. Dado que es continua, tenemos
(A1 ) (A1 A2 )
(A1 A2 )
= (A1 ) (A2 ) ( continua)
(A2 )
(A1 A2 )
S
Teorema 64 Sea A un conjunto. Si : (A) (A) es continuo, entonces {, (), (()), . . .} es el menor
punto fijo de .
S
Dem. Primero verificamos que X = {, (), (()), . . .} es un punto fijo de .
S
(X) = S{(), (()), ((())), . . .} (contin.) S
=
{, (), (()), . . .})
prop. de
= X
Resta verificar que X es el menor punto fijo de . Supongamos, entonces, que Y es un punto fijo cualquiera
de . Es decir, (Y ) = Y . Probaremos la siguiente propiedad P (n) = n () Y utilizando el Principio de
Induccion Basico sobre IN. El caso n = 0 vale trivialmente (pues Y para cualquier conjunto Y ). Supongamos
que n () Y . Usando monotona de , deducimos que n+1 () (Y ). Dado que Y es un punto fijo de ,
obtenemos n+1 () Y . Apelamos al Principio de Induccion Basico sobre IN para concluir que P es verdadero
para todo n
umero natural n.
Dado que Y es una cota superior para {, (), (()), . . .}, concluimos que X Y (pues X es la mnima
cota superior de ese conjunto). Por lo tanto, X es el menor punto fijo de .
21

6.3.

Esquema de inducci
on

Predicados admisibles. Definici


on. Ejemplos. El Principio de Inducci
on de Punto Fijo.

6.4.

Teorema de recursi
on

Intuici
on: funciones recursivas como lmites de cadenas de funciones aproximadas. CPO de funciones parciales ([A
B], v) (flat CPO, funciones totales estrictas, iso entre CPO de funciones
totales estrictas y CPO de fuciones parciales). Funcionales. Funciones recursivas como punto fijo
de funcionales.

7.

Conclusiones

Este apunte presenta, de manera (notablemente) sintetica, algunas tecnicas relacionadas con la definicion
de conjuntos inductivos y de funciones recursivas sobre los mismos. Un objetivo secundario es el de indicar
bibliografa que el lector interesado pueda consultar en caso de querer profundizar en algunos de los temas.
Algunos topicos relevantes que no hemos tocado:
Inducci
on transfinita sobre ordinales. Ver [Hal60] para mas detalles.
Coinducci
on. En una definici
on inductiva se identifican funciones constructoras que permiten construir
elementos del conjunto. En una definicion coinductiva se identifican funciones llamadas de observaci
on
que, dado un elemento del conjunto, permiten observar algo sobre el mismo. La observacion reiterada
de elementos determina quienes son: es en este sentido que se define un conjunto por coinduccion. Los
elementos de un conjunto coinductivo son, en general, de naturaleza infinita. El ejemplo clasico es el de
las listas infinitas (sobre un conjunto determinado A). La funcion de observacion es la que la toma una
lista y retorna su cabeza. A diferencia de los conjuntos inductivos, se busca el conjunto mas grande que
resulte de observar cosas de su dominio. En efecto, mientras mas se observe, mas podra determinarse lo
observado. Ver [Cro98, JR97].
Algebras y coalgebras de functores. Una formulacion abstracta y muy elegante de las nociones de conjunto inductivo (coinductivo) e inducci
on (coinduccion). Se basa en algunas nociones basicas de teora de
categoras. Una referencia did
actica (y que no asume conocimiento alguno de categoras!) es [JR97].

A.

Definiciones varias sobre conjuntos ordenados

Definici
on 64.1 (Orden parcial, poset) Un orden parcial sobre un conjunto A es un una relacion AA
que es reflexiva, antisimetrica y transitiva. El par (A, ) se conoce como un conjunto parcialmente ordenado
(poset).
Ejemplo 65
1. Sea IN = {0, 1, 2, . . .} el conjunto de los n
umeros naturales. Observar que (IN, ) es un poset
(donde denota el orden usual).
2. ((M ), ) es un poset para cualquier conjunto M .
3. Sea [A * B] el conjunto de todas las funciones parciales de A en B. Dados f, g [A * B], definimos
f v g si Dom(f ) Dom(g) y, para todo x Dom(f ), f (x) = g(x). Verifique que ([A * B], v) es un
poset.
4. Sea el conjunto de todas las palabras sobre el alfabeto . Dados u, v , escribimos u  v si u es un
prefijo de v. Verifique que ( , ) es un poset.
Definici
on 65.1 (cota superior, inferior) Sea (A, ) un poset y B A. El conjunto de las cotas superiores
de B, denotado B sup , son todos los elementos y A tal que (x, y) para todo x B.
El conjunto de las cotas inferiores de B, denotado B inf , son todos los elementos y A tal que (y, x)
para todo x B.

22

Definici
on 65.2 (Supremo, Infimo) El subconjunto B de un poset (A, ) tiene una mnima cota superior
(llamado supremo) x si B (B s )i = {x}. Usamos sup(B) para denotar a x, si existe. B tiene una mayor cota
inferior (llamado nfimo) x si B i (B i )s = {x}. Usamos inf(B) para denotar a x, si existe.
Lema 66 Un poset A tiene nfimo para todo los subconjuntos sii tiene supremos para los mismos.
Dem. Sea B un subconjunto cualquiera de A. Si contamos con nfimos definimos
sup(B) = inf({x | x A y b B.b x})
Asimismo, si contamos con supremos definimos
inf(B) = sup({x | x A y b B.x b})
El lector podra verificar que estas definiciones son pertinentes.
Definici
on 66.1 (Mnimo, m
aximo) Sea (A, ) un poset y B A. El elemento mnimo (m
aximo) del subconjunto B del poset (A, ) es el u
nico elemento en B B inf (B B sup ), si existe.
Definici
on 66.2 (Poset bien ordenado) Un poset (A, ) se dice bien ordenado (well-ordered), si todo subconjunto B no vaco del mismo tiene un mnimo elemento.
Definici
on 66.3 (Cadenas, Orden Total (o Lineal)) Un poset bien ordenado es una cadena: para todo
a, b A, (a, b) o (b, a) (en este caso se dice que es una relacion de orden lineal (o total )).

Referencias
[Acz77] Peter Aczel. Handbook of Mathematical Logic, chapter An Introduction to Inductive Definitions, pages
739782. North-Holland Publishing Company, 1977.
[Cro98] Roy Crole. Lectures on [co]induction and [co]algebras. Technical Report 1998/12, Department of
Mathematics and Computer Science, University of Leicester, 1998.
[Fok00] W.J. Fokkink. Introduction to Process Algebra. Texts in Theoretical Computer Science (EATCS Series).
Springer-Verlag, 2000.
[FS91] Peter Fejer and Dan Simovici. Mathematical Foundations of Computer Science, volume I (Sets, Relations, and Induction) of Texts and Monographs in Computer Science. Springer-Verlag, 1991.
[Hal60] Paul Halmos. Naive Set Theory. The University Series in Undergraduate Mathematics. D. Van Nostrand
Company, 1960.
[JR97] Bart Jacobs and Jan Rutten. A tutorial on (co)algebras and (co)induction. In EATCS Bulletin,
volume 62, pages 222259, 1997.

23