Lógica Proposicional Razonando en La Vida Diaria

Capı́tulo 2
Lógica Proposicional
Resumen Las inferencias lógicas más básicas involucran frases creadas con expresiones
comunes tales como “no”, “y”, “o”, “si . . . entonces”. Estas expresiones nos permiten
describir situaciones indicando lo que es cierto y lo que no. Esta forma de razonamiento
es no solo una forma de clasificación, sino también la base de cualquier descripción
del mundo real. De la misma forma, estas frases lógicas nos proporcionan la estructura
fundamental de actos de comunicación y argumentación. Por ejemplo, cuando estamos
en desacuerdo con lo que alguien afirma, una forma de refutarlo es demostrar que la
afirmación implica ( “si . . . entonces”) un hecho cuya falsedad (“no”) es fácil de mostrar.
Éste es el tipo de patrones de razonamiento que estudiaremos en el presente capı́tulo.
Para ser mas precisos, en este primer capı́tulo presentaremos la Lógica Proposicional, el
sistema lógico que describe el razonamiento con expresiones tales como “no” , “y”, “o” y
“si . . . entonces”. Presentaremos conceptos tales como fórmula, conectivo lógico, verdad,
consecuencia válida, actualización de información, demostración sintáctica y expresivi-
dad, y también discutiremos brevemente las conexiones con Ciencias de la Computación
y Ciencias Cognitivas.
2.1. Razonando en la vida diaria
La Lógica se puede encontrar en muchos lugares:
Una pareja llega a un restaurante con su hijo. El padre pide pescado, la madre
pide ensalada y el hijo pide carne. Un mesero distinto al que tomó la orden
llega con la comida. ¿Qué pasará?
Todos aquellos que han visitado algún restaurante saben lo que sucederá. El mesero
empezará preguntando algo parecido a “¿Para quién es la carne?”, y pondrá el plato
en el lugar correspondiente. Entonces hará una segunda pregunta, “¿Para quién es el
pescado?”, y podrá el plato en su lugar. Finalmente, sin hacer otra pregunta, pondrá el
plato restante en el lugar que le corresponde. ¿Cómo sucede esto?
2-1
2-2 CAPÍTULO 2. LÓGICA PROPOSICIONAL
Comencemos por el final. Cuando el mesero coloca el tercer plato sin hacer preguntas,
estamos viendo el resultado de una acción lógica importante: él realizó una inferencia.
Las respuestas que recibió de las preguntas anteriores le permitieron inferir a quién
le corresponde el tercer plato. Este esquema de inferencia puede ser representado de la
siguiente forma:
P o E o C, no C, no P =⇒ E. (2.1)
Esta representación formal tiene muchas ventajas. Por ejemplo, el esquema representa
una cantidad infinita de inferencias, ya que P, E y C pueden tener cualquier significado.
Este tipo de acciones es especialmente importante en juegos de ingenio y/o acertijos. Un
ejemplo de esto son los pasos que realizamos para resolver un sudoku de 3 × 3 de acuerdo
a las reglas del juego: cada una de las 9 celdas debe tener un número, 1, 2 ó 3, y ningún
número puede repetirse en la misma columna o en la misma fila:
(2.2)
Cada diagrama hace más explı́cita la solución que estaba ya determinada por la posición
inicial de los números 1 y 2. En cada paso la información es revelada mediante actos de
inferencia similares a los que ocurren en el restaurante.
Pero ésta no es la única forma en que la información fluye. Antes de que la inferencia final
se realizara, el mesero buscó información mediante otra acción: hacer una pregunta. Las
respuestas que recibió son cruciales para el resultado final.
En esencia, las respuestas a las preguntas actualizan el estado de información. Durante
una conversación, el estado de información de una persona –o personas– cambia debido a
la comunicación. En el ejemplo del restaurante, el estado de información inicial del mesero
contiene las seis diferentes formas en que los tres platos pueden ser distribuidos entre las
tres personas. Asumiendo que CPE indica que el padre pidió la carne, la madre pidió el
pescado y el hijo pidió la ensalada, las posibilidades iniciales son CPE, CEP, PCE, PEC, ECP
y EPC. La respuesta a la primera pregunta, indicando que el hijo pidió la carne, elimina
las cuatro posibilidades en las cuales esto no sucede, reduciendo el estado de información
a PEC y EPC. La respuesta a la segunda pregunta, indicando que el padre pidió el
pescado, elimina una posibilidad más, quedando tan sólo la distribución correcta: PEC.
Esta secuencia de pasos puede ser representada con una secuencia de diagramas (podemos
entenderla como una animación) que muestra las actualizaciones sucesivamente:
2.2. PATRONES DE INFERENCIA, VALIDEZ E INVALIDEZ 2-3
CEP PCE
Primera Segunda
CPE PEC PEC EPC PEC
respuesta respuesta
EPC ECP
(2.3)
2.2. Patrones de inferencia, validez e invalidez
Considere el siguiente razonamiento de un médico:
Si tomas el medicamento mejorarás.

Pero no has tomado el medicamento. (2.4)
Entonces no mejorarás.
La palabra “entonces” (o su sinónimo “por lo tanto”) indica que la proposición que le

sigue, la conclusión, se deriva a partir de las proposiciones que le preceden, las premisas.
A este tipo de acciones se les llama inferencias.
Esta inferencia en particular no es correcta: la conclusión puede ser falsa aún en el caso en
el que las dos premisas sean verdaderas. Un enfermo puede mejorar simplemente usando
la mejor medicina existente (difı́cil de usar en tiempos modernos): esperar. Confiar en un
patrón de inferencia erróneo como ese puede ser peligroso en algunas situaciones, tal y
como lo muestra el siguiente ejemplo:
Si opongo resistencia, el enemigo me matará.

No opongo resistencia. (2.5)
Entonces el enemigo no me matará.
Compare las inferencias anteriores con la siguiente:
Si tomas el medicamento, mejorarás.

Pero no estas mejorando. (2.6)
Por lo tanto no tomaste el medicamento.
Esta última inferencia es válida: no es posible que las dos premisas sean verdaderas y la
conclusión falsa. Para ser mas precisos,
decimos que una inferencia es válida si ‘transfiere la verdad’, es decir, si la

conclusión es verdadera en cualquier situación en la cual todas las premisas
son verdaderas. Si éste no es el caso, entonces decimos que la inferencia es

inválida.1
Dicho de una manera diferente (pero equivalente), una inferencia es válida si no tiene
‘contraejemplos’, es decir, si no hay situaciones en las cuales todas las premisas son
verdaderas pero la conclusión es falsa. El concepto de inferencia válida es crucial, ası́ que
le dedicaremos un poco más de tiempo.
Lo que la validez implica La definición anterior es clara intuitivamente, pero es im-

portante notar que es más débil de lo que podrı́a pensarse inicialmente. Tomemos una
inferencia válida con dos premisas
P1 , P2 , implica C (2.7)
Existen muchas combinaciones de valores de verdad (verdadero y falso) para las premisas
y la conclusión. Por ejemplo, si alguna de las premisas es falsa, no podemos asegurar
nada acerca de la conclusión: en la inferencia 2.6, si asumimos que la primera premisa
es verdadera (tomar el medicamento implica mejorı́a) y la segunda falsa (el paciente
mejora), la conclusión puede ser falsa (el paciente tomó el medicamento) pero también
verdadera (el paciente no tomó el medicamento y mejora por otras razones). De las
ocho combinaciones posibles de valores de verdad de las dos premisas y la conclusión,
el hecho de que la inferencia sea válida nos permite eliminar tan sólo una posibilidad
(ambas premisas verdaderas y la conclusión falsa).
Dada la validez de una inferencia, lo único que podemos asegurar acerca de sus premisas
y su conclusión puede ser dicho de dos maneras:
(a) Si todas las premisas son verdaderas, entonces la conclusión es verdadera.

(2.8)
(b) Si la conclusión es falsa, entonces al menos una de las premisas es falsa.
El primer enunciado ejemplifica lo que se entiende comúnmente como la función de

la Lógica: si hemos demostrado que las premisas son verdaderas, entonces podemos
concluir que la conclusión también lo es. Pero la Lógica también puede ser utilizada
para refutar afirmaciones, y el segundo enunciado nos dice precisamente cómo hacerlo:
si se demuestra que cierta conclusión es falsa, entonces uno puede dudar acerca de
las premisas. Las inferencias lógicas válidas nos ayudan no sólo a descubrir verdades,
sino también a descubrir falsedades. Aquı́ es importante enfatizar que si tenemos una
inferencia válida, el hecho de que la conclusión sea falsa no implica que todas las premisas
sean falsas; tan sólo que al menos una de ellas lo es. Averiguar cuál o cuáles son la premisas
problemáticas puede requerir información extra.
A manera de ejercicio, y para entender mejor lo que una inferencia válida nos indica,
considere el siguiente árbol que representa un argumento complejo formado por varias
inferencias válidas. Las letras mayúsculas representan proposiciones, y en cada inferencia
las premisas aparecen sobre la lı́nea y la conclusión debajo de ella.
1
N.T. En Castellano también se usan los términos inferencia correcta e inferencia incorrecta para referirse a
una inferencia válida y una inferencia inválida, respectivamente.
2.3. CLASIFICACIÓN, CONSECUENCIA Y ACTUALIZACIÓN 2-5
� � �
� � � �
(2.9)
� � �
�
Si sabemos que A es verdadera y G es falsa, ¿qué podemos decir acerca de las demás
proposiciones? (La respuesta es que, adicionalmente, B es verdadera y C, D y E son falsas;
acerca de F no podemos afirmar nada.)
Patrones de inferencia El siguiente paso importante en el desarrollo de la Lógica fue la

siguiente observación: la validez o invalidez de una inferencia se determina no en base
al contenido especı́fico de las proposiciones que la componen, sino en base a su patrón
abstracto (es decir, su forma). Por ejemplo, es claro que la siguiente inferencia, idéntica
en forma a la inferencia 2.6, es también válida:
Si el enemigo rompe los diques, Holanda se inundará.

Holanda no está inundada. (2.10)
Entonces el enemigo no ha roto los diques.
La forma de esta inferencia tiene partes que pueden variar (algunas proposiciones han
sido substituidas por otras), pero otras son constantes y su significado no debe variar a
fin de que la inferencia siga siendo válida. Por ejemplo, si en la segunda premisa y en
la conclusión remplazamos la negación “no” por la afirmación “sı́”, entonces obtenemos
una inferencia inválida:
Si el enemigo rompe los diques, Holanda se inundará.

Holanda sı́ está inundada. (2.11)
Entonces el enemigo sı́ ha roto los diques.
La inferencia es inválida porque la inundación puede ser debida a otros factores (por
ejemplo, lluvia excesiva).
Para poder representar formalmente la forma de una inferencia, necesitamos una notación
que nos indique adecuadamente qué partes son variables y qué partes son constantes.
Esto se hace utilizando letras para representar expresiones que pueden ser reemplazadas
por otras de la misma categorı́a, y sı́mbolos especiales para representar las expresiones
que determinan la forma de la inferencia, llamadas comúnmente conectivos lógicos.
2.3. Clasificación, consecuencia y actualización

Clasificación Las ideas principales de la Lógica Proposicional se remontan a la antigüedad

(al filósofo estoico Chrysippos de Soleus2 , 280–207 A.C.), pero su versión moderna se ini-
ció en el siglo XIX con el trabajo del matemático británico George Boole (1815–1864).
Chrysippos George Boole
En esencia, estas ideas son consecuencia de observar que las proposiciones que forman
una inferencia como las anteriores son esencialmente combinaciones de proposiciones
más simples que llamamos proposiciones básicas.
Las proposiciones básicas son generalmente representadas mediante las letras p, q, r, etc.
Si tenemos un número finito de proposiciones básicas, entonces tenemos un número finito
de situaciones posibles, cada una representando una combinación de valores de verdad
de las proposiciones básicas (verdadera o falsa). Por ejemplo, para p y q existen cuatro
combinaciones de valores de verdad, que pueden ser representados como
pq, pq, pq, pq (2.12)
donde p indica que p es verdadera y p indica que p es falsa. (Observe que p no representa
una proposición, y por lo tanto es diferente de la negación no-p que aparece en las
inferencias que usaremos. Esta diferencia se verá claramente más adelante.)
Derivando consecuencias Considere ahora los ejemplos anteriores de inferencias váli-

das e inválidas:
(a) La inferencia que, partiendo de “si-p-entonces-q” y “no-p” deriva “no-q”,

es inválida.
pero
(b) La inferencia que, partiendo de “si-p-entonces-q” y “no-q” deriva “no-p”,

es válida.
2
N.T. Conocido en Castellano como Crisipo de Solos.
2.3. CLASIFICACIÓN, CONSECUENCIA Y ACTUALIZACIÓN 2-7
Nuestra definición anterior de inferencia válida puede ser presentada ahora de manera
más precisa. Esencialmente dice que:
cada una de las combinaciones de valores de verdad que hace verdaderas a

las premisas también debe hacer verdadera a la conclusión.
Verifiquemos que esto se cumple con las inferencias (a) y (b). Tomemos la primera de
ellas:
(a) La segunda premisa, “no-p”, sólo es verdadera en pq y pq. La primera

premisa, “si-p-entonces-q”, es también verdadera en dichas situaciones porque
la condición p es falsa. Sin embargo, en pq la conclusión “no-q” es falsa. Por lo
tanto, la inferencia es inválida.
Para la segunda tenemos que:
(b) La segunda premisa “no-q” es verdadera en pq y pq. Pero la primera

premisa, “si-p-entonces-q”, sólo es verdadera en la segunda situación, ası́ que
pq es la única posibilidad en la cual ambas premisas se cumplen. En dicha
situación la conclusión “no-p” es verdadera, y por lo tanto la inferencia es
válida.
Actualizando información La Lógica Proposicional es útil para reconocer patrones de

inferencia válidos (e inválidos), pero también tiene otros usos. Uno de ellos es describir la
forma en que cambia el estado de información actual cuando se recibe nueva información.
En general, inicialmente consideramos posibles varias situaciones, y la información que

recibimos nos permite descartar algunas de ellas. Por ejemplo, supongamos que se quiere
organizar una fiesta y que los únicos invitados posibles son Marı́a y Juan. Podemos uti-
lizar p y q para indicar que “Marı́a será invitada” y “Juan será invitado”, respectivamente.
Ahora supongamos que nos informan que al menos una de las dos personas debe ser
invitada: “p-o-q”. De entre las cuatro situaciones posibles inicialmente, esta nueva infor-
mación descarta sólo una: pq. Después nos dicen que Marı́a no debe ser invitada, “no-p”.
Con esto descartamos dos situaciones mas, pq y pq, dejando a pq como la única posibilidad.
La siguiente secuencia de diagramas muestra cómo cambian los estados de información:
pq pq poq pq pq no p
pq (2.13)
pq pq pq
Ahora podemos ver por qué la conclusión q es verdadera y por lo tanto la inferencia
válida. Si en el estado de información final alguien afirmara q, dicho estado no cambiarı́a,
es decir, ninguna posibilidad serı́a eliminada:
q
pq pq (2.14)
Ejercicio 2.1 Considere el siguiente ejemplo en el que hay tres hechos a analizar. Una persona se
despierta, abre sus ojos, y se pregunta a sı́ mismo: “¿Me he despertado tarde?”, “¿Está lloviendo?”,
“¿Hay embotellamientos en el camino al trabajo?”. Para responder a la primera pregunta se puede
revisar el reloj despertador; para responder a la segunda se puede mirar por la ventana, y para
responder a la tercera se puede escuchar el reporte del trafico en el radio. Los tres hechos pueden
ser representados con tres proposiciones básicas, p, q y r, con p indicando “me he despertado
tarde”, q indicando “está lloviendo” y r indicando “hay embotellamientos en el camino al trabajo”.
Suponiendo que la persona no sabe nada acerca del valor de verdad de estas tres proposiciones,
¿cuál es el espacio inicial de posibilidades?
Ejercicio 2.2 (Continuación del ejercicio anterior) Ahora la persona revisa su reloj despertador
y se da cuenta de que no se ha despertado tarde. ¿Qué sucede con el espacio de posibilidades?
Acercándonos a un sistema formal Ahora que tenemos un sistema formal para estas
tareas, podemos hacer muchas cosas más. Por ejemplo, además de preguntarnos si una
inferencia dada es válida o no, podemos observar las premisas y preguntarnos qué pode-
mos concluir a partir de ellas. El siguiente ejercicio muestra una forma de inferencia
básica, utilizada comúnmente en programas que realizan razonamiento automático.
Ejercicio 2.3 Alguien nos dice que tenemos “p-o-q” y “(no-p)-o-r”. ¿Qué podemos concluir acerca
de q y r?
Se pueden escribir programas que realizan tareas como la anterior de manera automática
y, de hecho, la Lógica Proposicional es importante históricamente por la relación que tiene
con las Ciencias de la Computación. Las computadoras son esenciales cuando se tienen
tareas de razonamiento complejas que involucran varias inferencias y/o actualizaciones
como las mostradas anteriormente, y el sistema de la Lógica Proposicional puede ser
fácilmente implementado en un programa de razonamiento automático. Como veremos
en la sección 2.10, la Lógica Proposicional es, en cierto sentido, el lenguaje de las Cien-
cias de la Computación, y tiene muchas conexiones con problemas sobre complejidad
computacional.
Pero nuestra historia no comenzó desde el punto de vista de las Ciencias de la Com-
putación, sino desde el punto de vista del lenguaje natural. En la siguiente sección haremos
más preciso nuestro lenguaje, identificando los conectivos lógicos básicos que necesitamos
y definiendo para ellos una notación precisa.
2.4. El lenguaje de la Lógica Proposicional
El razonamiento proposicional involucra proposiciones complejas que contienen ‘conec-

tivos lógicos’ del lenguaje natural, tales como “no” , “y”, “o”, “si . . . entonces”. Aunque
2.4. EL LENGUAJE DE LA LÓGICA PROPOSICIONAL 2-9
estos no son los únicos conectivos que se utilizan en el razonamiento lógico, sı́ son los
más básicos. Podrı́amos utilizar el lenguaje natural para trabajar (algo que se solı́a hacer),
pero se ha vuelto cada vez mas claro que el uso de un lenguaje formal nos permite ser
más claros y precisos, y también mejora el entendimiento y facilita las operaciones.
Del lenguaje natural a la notación lógica Como vimos en la sección 2.3, hay cierta
forma lógica en las inferencias válidas que expresamos en lenguaje natural. Para hacer
esta forma lógica clara debemos usar una notación adecuada. Para empezar, utilizaremos
sı́mbolos especiales para los conectivos lógicos:
Sı́mbolo En lenguaje natural Nombre técnico

¬ no negación
∧ y conjunción
(2.15)
∨ o disyunción
→ si . . . entonces condicional
↔ si y sólo si bicondicional
Los conectivos son algunas veces representados de manera diferente. Algunas personas
usan “&” en lugar de “∧” y “≡” en lugar de “↔”, pero lo importante no es el sı́mbolo
que se use sino su significado (el cual es presentado formalmente en la sección 2.5).
Denotaremos proposiciones básicas (también llamadas proposiciones atómicas) con las
letras minúsculas p, q, r, etc. Para denotar proposiciones arbitrarias que pueden contener
algunos de los conectivos de la tabla (2.15) utilizaremos las letras griegas minúsculas
ϕ, ψ, χ, etc.
Disyunción inclusiva y exclusiva El sı́mbolo “∨” denota disyunción inclusiva, tal y co-
mo se entiende en “para aprobar el examen se debe contestar correctamente las preguntas
3 ó 4”: uno espera no ser penalizado si ambas preguntas se responden correctamente.
Esto difiere de la disyunción exclusiva (frecuentemente representada con “⊕”) que aparece
en enunciados como “te puedes casar con Blancanieves o Cenicienta”, cuyas opciones no
deben ser ambas verdaderas. De aquı́ en adelante la palabra “disyunción” será interpre-
tada como “disyunción inclusiva”.
Ahora podemos escribir frases en lenguaje natural como ‘fórmulas’ con los sı́mbolos
que hemos definido. Por ejemplo, considere la siguiente descripción de las cartas de un
oponente:
Frase “Él tiene un as si no tiene un diamante o un trébol”

Fórmula lógica ¬(d ∨ t) → a
Es útil ver esta traducción como un proceso que se realiza en varios pasos. En caso de que
la traducción de una frase no sea clara, siempre es posible realizar el proceso paso a paso
para identificar dónde se toma la decisión importante.
Él tiene un as si no tiene un diamante o un trébol,

Si (él no tiene un diamante o un trébol) entonces (tiene un as)
(él no tiene un diamante o un trébol) → (tiene un as)
no es cierto que (él tiene un diamante o un trébol) → (tiene un as)
¬ (él tiene un diamante o un trébol) → (tiene un as)
¬ ((él tiene un diamante) o (él tiene un trébol)) → (tiene un as)
¬ ((él tiene un diamante) ∨ (él tiene un trébol)) → (tiene un as)
¬(d ∨ t) → a
Algunos autores aceptan como traducciones enunciados en los cuales las proposiciones
básicas se mantienen intactas, reemplazando tan sólo los conectivos lógicos por su sı́mbo-
lo, de manera similar a lo que sucede en el lenguaje matemático. Esta combinación puede
ser útil (el uso de los sı́mbolos de los conectivos enriquece el lenguaje natural y es posible-
mente más fácil de entender), pero para nosotros será más útil trabajar con traducciones
completas en las cuales las proposiciones son reemplazadas totalmente por su forma
lógica.
Ambigüedad En general el proceso de transformar frases del lenguaje natural a su forma

lógica no es sencillo: es posible encontrar problemas de interpretación. Algunas frases en
lenguaje natural pueden ser ambiguas, es decir, pueden tener dos o más interpretaciones
diferentes. Por ejemplo, la frase “si tiene plumas entonces vuela o nada” puede dar lugar
a dos formas lógicas diferentes:
(a) Si tiene plumas, entonces vuela o nada. p → (v ∨ n)

(2.16)
(b) Si tiene plumas entonces vuela, o nada. (p → v) ∨ n
Una de las virtudes de la notación formal es que dichas diferencias pueden ser identifi-
cadas fácilmente, en este caso mediante el uso de paréntesis, algo que no se puede hacer
con el lenguaje natural.
Como ejemplo adicional, para algunas personas la frase “te daré una cachetada (c) si
te quejas (q)” tiene la forma de una implicación (q → c) mientras que para otras tiene
la forma de una equivalencia (q ↔ c). Las negaciones en lenguaje natural pueden ser
particularmente complicadas. Considere la siguiente pregunta, famosa en experimentos
psicológicos y difı́cil de responder para mucha gente:
¿Cuántas negaciones hay en la frase “nada es demasiado trivial como para ser
ignorado”, y cuál es su significado?
Lenguaje formal y árboles sintácticos Para los lógicos, la notación que hemos presen-
tado es más que una herramienta que ayuda a hacer el lenguaje natural más preciso.
Es importante también porque define un lenguaje artificial (también llamado lenguaje
formal).
2.4. EL LENGUAJE DE LA LÓGICA PROPOSICIONAL 2-11
Las fórmulas de este lenguaje se construyen a partir de proposiciones básicas, represen-

tadas por las letras p, q, r, etc, mediante la aplicación de los conectivos lógicos (y los
paréntesis a fin de evitar ambigüedades).
Ejemplo 2.4 La fórmula ((¬p ∨ q) → r) se construye paso a paso a partir de las proposi-
ciones básicas p, q y r mediante la aplicación sucesiva de las siguientes reglas:
(a) a partir de p se construye ¬p,

(b) a partir de ¬p y q se construye (¬p ∨ q)
(c) a partir de (¬p ∨ q) y r se construye ((¬p ∨ q) → r)
Este tipo de construcciones puede ser representada mediante árboles sintácticos que no dan
lugar a ambigüedad alguna. A continuación mostramos el árbol tanto para la fórmula
anterior como para una variante. Matemáticamente, la representación con fórmulas es
equivalente a la representación con árboles, pero éstas difieren en la claridad. Además,
las estructuras tipo árboles han sido ampliamente estudiadas y utilizadas en Matemáticas,
Lingüı́stica y otras áreas:
((¬p ∨ q) → r) (¬(p ∨ q) → r)
(¬p ∨ q) r ¬(p ∨ q) r
(p ∨ q)
¬p q
p p q
Ahora estamos listos para la definición formal del lenguaje de la Lógica Proposicional.
Hay dos formas de hacerlo, y las dos tienen la misma esencia: ambas son definiciones
inductivas (en el apéndice A se puede encontrar más información sobre este concepto). He
aquı́ la primera:
Toda proposición básica (p, q, r, . . .) es una fórmula. Si ϕ es una fórmula, en-

tonces ¬ϕ también es una fórmula. Si ϕ1 y ϕ2 son fórmulas, entonces (ϕ1 ∧ ϕ2 ),
(ϕ1 ∨ ϕ2 ), (ϕ1 → ϕ2 ) y (ϕ1 ↔ ϕ2 ) también son fórmulas. Ninguna otra expre-
sión es una fórmula.
Observe cómo la fórmula del ejemplo 2.4 fue construida siguiendo esta ‘receta’ adecuada-
mente, es decir, la construcción de dicha fórmula es una instancia de la definición anterior
(la definición está dada en términos abstractos, usando las variables ϕ1 y ϕ2 para referirse
a fórmulas arbitrarias). Otra opción es usar la notación BNF (la forma Backus-Naur, llama-
da ası́ en honor de John Backus y Peter Naur, quienes la crearon para definir la sintaxis de
los lenguajes de programación), que es aún más abstracta pero tiene el mismo significado.
Definición 2.5 (lenguaje de la Lógica Proposicional) Sea P un conjunto de letras proposi-

cionales básicas, y sea p ∈ P.
ϕ ::= p | ¬ϕ | (ϕ ∧ ϕ) | (ϕ ∨ ϕ) | (ϕ → ϕ) | (ϕ ↔ ϕ)
Esta definición indica cómo construir objetos del tipo fórmulas en la Lógica Proposicional
(en este capı́tulo, simplemente fórmulas). La definición indica que una fórmula ϕ puede
ser una proposición básica (p), o la negación de una fórmula (¬ϕ), o la conjunción de dos
fórmulas (ϕ ∧ ϕ), y ası́ sucesivamente. Este mecanismo nos permite construir fórmulas
paso a paso, tal y como en el ejemplo anterior.
En la práctica, los paréntesis son frecuentemente omitidos, y tan sólo son utilizados
cuando son necesarios para evitar ambigüedad. Por ejemplo, la expresión p ∨ q ∧ r puede
corresponder a ((p ∨ q) ∧ r) (una fórmula que, para ser verdadera, requiere que r sea
verdadera) pero también a (p ∨ (q ∧ r)) (una fórmula que es verdadera si p es verdadera).
Ejercicio 2.6 Escribe como fórmulas de la Lógica Proposicional los siguientes enunciados:
Sólo iré a la escuela si me dan una galleta ahora mismo.

Juan y Marı́a están corriendo.
Un extranjero tiene derecho a la seguridad social si está empleado legalmente o si ha estado
empleado legalmente hace menos de tres años, a menos que tenga actualmente un empleo
en el extranjero.
Ejercicio 2.7 ¿Cuáles de las siguientes expresiones son fórmulas de la Lógica Proposicional?
p → ¬q
¬¬ ∧ q ∨ p
p¬q
Ejercicio 2.8 Construya árboles sintácticos para las siguientes fórmulas:
(p ∧ q) → ¬q
q ∧ r ∧ s ∧ t (construya todos los árboles posibles).
El hecho de que existan varios árboles sintácticos para la fórmula q ∧ r ∧ s ∧ t nos indica que esta
expresión puede ser leı́da de varias maneras diferentes. ¿Qué tan perjudicial es esta ambigüedad?,
¿por qué?
Una observación importante Observe cómo las fórmulas y los árboles sintácticos son
entidades puramente simbólicas que carecen de un significado concreto. Históricamente,
la diferencia entre la forma y el significado se volvió importante tan sólo a partir del
desarrollo de las Matemáticas durante el siglo XIX. La mayorı́a de las frases en lenguaje
natural y en el razonamiento práctico involucran también el significado de los sı́mbolos
utilizados (a menos que estemos en una fiesta y sea ya muy tarde). Los análisis de lenguajes
a un nivel puramente sintáctico se han vuelto la base para establecer conexiones entre
Lógica, Matemáticas y Ciencias de la Computación, áreas en las cuales los procesamientos
puramente simbólicos juegan un papel importante.
2.5. SITUACIONES SEMÁNTICAS, TABLAS DE VERDAD Y ARITMÉTICA BINARIA2-13
Lógica, lenguaje, computación y pensamiento Para aquéllos con conocimiento en el

área, los árboles sintácticos anteriores pueden ser un recordatorio de los árboles de análi-
sis en gramáticas para lenguajes naturales. De hecho, las traducciones entre formas lógi-
cas y formas lingüı́sticas son importantes cuando se establecen conexiones entre Lógica
y Lingüı́stica, recientemente (siglo XX) mediante el uso de modelos matemáticos. Las
conexiones entre lenguajes formales y lenguajes naturales se han vuelto importantes en
áreas tales como la Lingüı́stica Computacional y la Inteligencia Artificial, por ejemp-
lo para establecer comunicación entre los seres humanos con su lenguaje natural y las
computadoras con sus lenguajes simbólicos. De hecho, los árboles sintácticos pueden
entenderse de dos maneras diferentes que corresponden a dos temas principales en estas
áreas. De arriba hacia abajo analizan expresiones complejas en términos de las expresiones
más simples que las forman: el proceso de analizar frases. Pero de abajo hacia arriba nos
indican cómo construir nuevas frases: el proceso de generación del lenguaje.
La relación entre lenguajes naturales y lenguajes formales también ha sido discutida larga-
mente desde un punto de vista filosófico. El nivel abstracto de los lenguajes formales ha
sido considerado como una forma de lenguaje ’universal‘ para el pensamiento, trascendi-
endo las diferencias entre lenguajes naturales (y tal vez entre culturas). También se puede
entender el lenguaje formal como una forma de reemplazar las formas confusas y am-
biguas del lenguaje natural con las formas claras y precisas de un lenguaje formal a fin de
realizar razonamiento de manera formal, que es precisamente lo que los primeros lógicos
tenı́an en mente cuando afirmaban que los lenguajes naturales son ‘sistemáticamente en-
gañosos’. Pero hay otras opiniones, menos radicales y tal vez más realistas desde un punto
de vista cognitivo empı́rico, que ven esta relación como una forma de crear hı́bridos entre
formas de expresión existentes y nuevas formas de expresión diseñadas artificialmente.
Como ejemplos de esto tenemos el lenguaje de las Matemáticas, que está constituido por
el lenguaje natural más una base creciente de sı́mbolos, o la manera en que las Cien-
cias de la Computación extienden nuestro repertorio natural de expresiones y medios de
comunicación.
2.5. Situaciones semánticas, tablas de verdad y Aritmética Bina-

ria
En los lenguajes formales las diferencias en la sintaxis generalmente conllevan diferencias

en significado, tal y como lo muestran los árboles sintácticos anteriores. Para explicar esto
de manera más precisa necesitamos una forma de asignar un significado a fórmulas,
es decir, una manera de determinar cuándo una fórmula es verdadera o falsa en una
situación dada.
Valores de verdad para proposiciones básicas Como hemos dicho anteriormente, cada
conjunto de proposiciones básicas {p, q, r, . . .} genera un conjunto de situaciones posibles,
describiendo las diferentes formas en que la situación real podrı́a ser. Por ejemplo, tres
proposiciones básicas generan 23 = 8 situaciones posibles:
{pqr, pqr, pqr, pqr, pqr, pqr, pqr, pqr} (2.17)

Las proposiciones básicas pueden ser entendidas como proposiciones atómicas, es decir,
entidades indivisibles. Los conectivos lógicos pueden ser entendidos entonces como ope-
raciones que nos permiten construir ‘moléculas’. Es importante enfatizar que somos
nosotros quienes decidimos en que situaciones consideraremos un enunciado como una
proposición básica, indicando de esta forma que los detalles más finos no son importantes
para nosotros.
Una manera de representar una situación posible es mediante una función V que asigna
un valor de verdad, “1” (verdadero) ó “0” (falso) a cada proposición básica. Por ejemplo,
la situación pqr corresponde a la función que asigna “1” a p, “0” a q y “1” a r. Aunque los
valores de verdad también pueden ser indicados con letras (v en lugar de “1” y “ f ” en
lugar de 0), nosotros utilizaremos números para enfatizar la conexión que existe con la
Aritmética Binaria (la base del funcionamiento de una computadora). Cada una de estas
funciones V que representan situaciones posibles son llamadas evaluaciones; V(p) = 1
indica que la proposición básica p es verdadera en la situación (representada por) V,
y V(p) = 0 indica que p es falsa en la situación V. Como notación alternativa también
escribiremos V |= p para indicar V(p) = 1, y V �|= p para indicar V(p) = 0. Si V |= p
entonces decimos que “V hace verdadera a p”, que “V satisface a p” o que “V es un modelo
de p”. Aunque no será muy utilizado en este capı́tulo, el sı́mbolo “|=” será muy útil
posteriormente.
Operaciones booleanas sobre valores de verdad Dada una situación posible V, es

posible decidir si una proposición atómica es verdadera o falsa. Para poder hacer lo mismo
con fórmulas más complejas necesitamos algo más: necesitamos definir el significado de
los conectivos lógicos (es decir, las operaciones lógicas) que las forman. El significado de
los conectivos se define en base a su interpretación intuitiva; por ejemplo, si V(p) = 0,
entonces V(¬p) = 1 y viceversa, si V(p) = 1, entonces V(¬p) = 0. Estas definiciones son
más fáciles de representar en una tabla.
Definición 2.9 (semántica de la Lógica Proposicional) Una evaluación es una función que
asigna un valor de verdad (0 ó 1) a cada proposición básica. Dada una evaluación, el val-
or de verdad de proposiciones básicas puede ser obtenido inmediatamente. El valor de
verdad de fórmulas más complejas se obtiene a partir del valor de verdad de las proposi-
ciones básicas que la componen y los conectivos lógicos utilizados, tal y como se muestra
en las siguientes tablas de verdad.
ϕ ψ ϕ∧ψ ϕ∨ψ ϕ→ψ ϕ↔ψ

ϕ ¬ϕ 0 0 0 0 1 1
0 1 0 1 0 1 1 0 (2.18)
1 0 1 0 0 1 0 0
1 1 1 1 1 1
La tabla nos indica los valores de verdad que asignan los conectivos lógicos en todas las
combinaciones de valores de verdad posibles: dos en el caso de conectivos con un argu-
2.5. SITUACIONES SEMÁNTICAS, TABLAS DE VERDAD Y ARITMÉTICA BINARIA2-15
mento (negación), y cuatro en los casos de conectivos con dos (conjunción, disyunción,
condicional y bicondicional).
Explicación Las tablas para la negación, conjunción, disyunción y bicondicional corres-

ponden a nuestra idea intuitiva. Sin embargo, la tabla para la condicional ha generado
mucho debate debido a que no concuerda exactamente con el significado de la expresión
“implica” en lenguaje natural. Por ejemplo, si el antecedente (la condición) ϕ es falso y el
consecuente es ψ verdadero, ¿la condicional ϕ → ψ es verdadera? Se podrı́a argumentar
que en este caso la condicional deberı́a estar indefinida, pero recuerde que trabajamos
asumiendo que tenemos tan sólo dos valores de verdad, verdadero y falso.
He aquı́ un ejemplo que ha ayudado a muchos estudiantes. La afirmación “Todos los
números mayores que 13 son mayores que 12” es claramente verdadera. Otra forma de
decir lo mismo es afirmando que “si un número n es mayor que 13 (p), entonces n es
mayor que 12 (q)”. Tomemos la condicional p → q; ahora podemos justificar los casos en
los cuales ésta es verdadera asignando distintos valores a n. El caso en el que p → q es
verdadera debido a que p y q son ambas verdaderas se justifica con n = 14; el caso en el
que p → q es verdadera porque p es falsa y q verdadera se justifica con n = 13; el caso en
el que p → q es verdadera porque p y q son ambas falsas se justifica con n = 12.
Las diferencias entre el lenguaje natural y el lenguaje lógico formal pueden ser muy
útiles. Los condicionales son tema importante de investigación en Lógica, y hay muchas
propuestas que tratan de representarlos de una manera que refleje mejor su compor-
tamiento. La Lógica Proposicional es el sistema más simple que existe, pero hay otros
sistemas lógicos que exploran otros aspectos de la implicación en el lenguaje natural y en
el razonamiento común. Algunos de estos sistemas se estudiarán más adelante.
Obteniendo valores de verdad para fórmulas complejas ¿Cómo se obtienen los valo-
res de verdad para fórmulas complejas? Una forma de hacerlo es utilizar las tablas de
verdad paso a paso, empezando con las proposiciones básicas y siguiendo el orden de
construcción representado en los árboles sintácticos. Por ejemplo, sea V una evaluación
tal que V(p) = V(q) = 1 y V(r) = 0, y considere las siguientes fórmulas:
((¬p ∨ q) → r 0 (¬(p ∨ q) → r) 1
(¬p ∨ q) 1 r 0 ¬(p ∨ q) 0 r 0
(p ∨ q) 1
¬p 0 q 1
p 1 p 1 q 1
Esto nos indica que V((¬p ∨ q) → r) = 0 y V(¬(p ∨ q) → r) = 1. Observe cómo los

valores de verdad de las fórmulas son diferentes. Ésta es la razón por la cual sus frases
correspondientes en lenguaje natural tienen diferente significado.

Estos cálculos se pueden realizar para todas las situaciones posibles, y de esta forma
podemos construir una tabla de verdad describiendo completamente el comportamiento
de fórmulas complejas.
p q r ((¬p ∨ q) → r) (¬(p ∨ q) → r)
0 0 0 0 0
0 0 1 1 1
0 1 0 0 1
0 1 1 1 1 (2.19)
1 0 0 1 1
1 0 1 1 1
1 1 0 0 1
1 1 1 1 1
Estos valores se pueden calcular paso a paso respetando el orden impuesto por los
paréntesis. Por ejemplo, tomemos la segunda fórmula de (2.19). Primero hacemos una
lista con todas las situaciones posibles (las primeras tres columnas), y después copiamos
los valores de verdad de cada proposición básica en donde sea necesario.
p q r (¬ (p ∨ q) → r)
0 0 0 · 0 · 0 · 0
0 0 1 · 0 · 0 · 1
0 1 0 · 0 · 1 · 0
0 1 1 · 0 · 1 · 1 (2.20)
1 0 0 · 1 · 0 · 0
1 0 1 · 1 · 1 · 1
1 1 0 · 1 · 0 · 0
1 1 1 · 1 · 1 · 1
Ahora podemos calcular los valores de verdad que impone el primer conectivo. En este
caso dicho conectivo es la disyunción, ya que es el único que tiene explı́citos los valores
de verdad de todos sus argumentos (esto se puede observar también en el árbol sintáctico
de la fórmula). La subfórmula (p ∨ q) es falsa (0) si y sólo si p y q son ambas falsas (0).
El resultado de este paso se muestra en la primera tabla de (2.21). Los siguientes pasos,
en los cuales se calculan las tablas de la negación y luego la condicional, aparecen en las
tablas que le siguen.
2.6. INFERENCIA VÁLIDA Y CONSISTENCIA 2-17
(¬ (p ∨ q) → r) (¬ (p ∨ q) → r) (¬ (p ∨ q) → r)
· 0 0 0 · 0 1 0 0 0 · 0 1 0 0 0 0 0
· 0 0 0 · 1 1 0 0 0 · 1 1 0 0 0 1 1
· 0 1 1 · 0 0 0 1 1 · 0 0 0 1 1 1 0
· 0 1 1 · 1 0 0 1 1 · 1 0 0 1 1 1 1
· 1 1 0 · 0 0 1 1 0 · 0 0 1 1 0 1 0
· 1 1 1 · 1 0 1 1 1 · 1 0 1 1 1 1 1
· 1 1 0 · 0 0 1 1 0 · 0 0 1 1 0 1 0
· 1 1 1 · 1 0 1 1 1 · 1 0 1 1 1 1 1
(2.21)
Por supuesto, estos cálculos se pueden realizar en una sola tabla siempre y cuando los
valores de verdad de las subfórmulas se calculen en el orden correcto.
Ejercicio 2.10 Construya tablas de verdad para las siguientes fórmulas:
(p → q) ∨ (q → p).
((p ∨ ¬q) ∧ r) ↔ (¬(p ∧ r) ∨ q).
Ejercicio 2.11 Usando tablas de verdad determine cuáles pueden ser las diferentes interpreta-
ciones de la expresión
¬p → q ∨ r
(es decir, coloque paréntesis en el lugar adecuado), y muestre por qué éstas no son equivalentes.
“Si”, “sólo si” y “si y sólo si” A continuación se listan algunas formas de expresar
condicionales:
si p entonces q p→q
p si q q→p
p sólo si q p→q
La tercera expresión podrı́a parecer extraña. Para entender el porqué de ella podemos
pensar en términos de la frase “te ayudamos sólo si nos ayudas”, que es falsa tan sólo
cuando “te ayudamos ” es verdadera pero “nos ayudas” es falsa.
El uso de “si” y de “sólo si” explican el uso de la abreviación “si y sólo si” en lugar de la
bicondicional. Una frase de la forma “P si y sólo si Q” indica que si P entonces Q y que si
Q entonces P. La frase “si y sólo si” se abrevia frecuentemente como “ssi”.
2.6. Inferencia válida y consistencia
Ahora podemos definir formalmente el concepto de inferencia válida en Lógica Proposi-

cional. Esta definición es más precisa que la definición presentada en la página 2-3.
El concepto de inferencia válida se define en términos de todas las situaciones posibles.

Como veremos dentro de un momento, podemos utilizar tablas de verdad para verificar
si una inferencia dada es válida o no. En la siguiente definición, k representa a un número
cualquiera (si k = 0, entonces no hay premisas).
Definición 2.12 (inferencia válida) Se dice que una inferencia que nos lleva de un con-
junto finito de premisas ϕ1 , . . . , ϕk a una conclusión ψ es una inferencia válida, en sı́mbolos,
ϕ1 , . . . , ϕk |= ψ,
si y sólo si toda evaluación V que cumple V(ϕ1 ) = . . . = V(ϕk ) = 1 también cumple
V(ψ) = 1. En este caso también diremos que la inferencia produce una consecuencia válida,
o que ψ es una consecuencia lógica de ϕ1 , . . . , ϕk .
Definición 2.13 (equivalencia lógica) Si tenemos ϕ |= ψ y ψ |= ϕ, entonces decimos que

ϕ y ψ son equivalentes lógicamente.
No está de más repetir la advertencia hecha anteriormente: si lo único que sabemos es

que una inferencia dada es válida, no podemos decir nada acerca del valor de verdad de
la conclusión. Como se mencionó anteriormente, una inferencia válida garantiza que su
conclusión es verdadera sólo cuando todas las premisas son verdaderas. En otras palabras, si
sabemos que una inferencia es válida, sólo podemos descartar situaciones en las cuales
todas las premisas son verdaderas pero la conclusión no.
Otro punto que es importante enfatizar es que una inferencia válida nos ayuda no sólo
a establecer más verdades a partir de las que ya conocemos, sino también a refutar
enunciados: si una inferencia es válida pero su conclusión es falsa, al menos una de las
premisas debe ser falsa (aunque, en general, esto no nos dice cuál). De hecho, muchos
filósofos han afirmado que el uso de la Lógica como herramienta de refutación podrı́a ser
el más importante, ya que es la base del proceso de aprendizaje, durante el cual descartamos
posibilidades cuando éstas contradicen los hechos.
El siguiente ejemplo nos muestra como podemos utilizar tablas de verdad para verificar
la validez una inferencia.
Ejemplo 2.14 (modus tollens) El patrón de refutación más simple es conocido como
modus tollens:
ϕ → ψ, ¬ψ |= ¬ϕ.
A continuación se muestra la tabla de verdad que prueba la validez de esta inferencia.
ϕ ψ ϕ → ψ ¬ψ ¬ϕ
0 0 1 1 1 !!
0 1 1 0 1 (2.22)
1 0 0 1 0
1 1 1 0 0
Hay cuatro situaciones posibles, pero sólo una de ellas hace verdaderas a ambas premisas
(la primera evaluación). Dado que la conclusión también es verdadera en esta situación,
podemos concluir que la inferencia es válida.
2.6. INFERENCIA VÁLIDA Y CONSISTENCIA 2-19
Cuando una inferencia es inválida debe haber al menos una situación (i.e., una evaluación)
que hace verdaderas a todas las premisas pero hace falsa a la conclusión. Estas situaciones
son llamadas contraejemplos. La tabla del ejemplo anterior también nos proporciona un
contraejemplo para otra inferencia discutida anteriormente:
a partir de ϕ → ψ y ¬ϕ se infiere ¬ψ
Dicho contraejemplo es la segunda evaluación, bajo la cual ϕ → ψ y ¬ϕ son ambas

verdaderas pero ¬ψ es falsa.
Observe que el hecho de que una inferencia sea inválida no implica que todas las evalua-
ciones que satisfacen a todas las premisas ϕi deben hacer la conclusión ψ falsa. De hecho,
si éste fuera el caso, esto demostrarı́a la validez de cierta inferencia: la refutación de ψ:
ϕ1 , . . . , ϕk |= ¬ψ (2.23)
Consistencia Finalmente, he aquı́ otro concepto lógico importante.
Definición 2.15 (consistencia) Un conjunto de fórmulas Φ = {ϕ1 , . . . , ϕk } es consistente si

y solo sı́ existe una evaluación que satisface a todas las fórmulas de Φ.
Cuando un conjunto de fórmulas no es consistente también decimos que es inconsistente:

no hay evaluaciones que satisfagan a todas las fórmulas del conjunto.
Note que consistencia no es lo mismo que verdad. Que un conjunto de fórmulas sea
consistente no significa que todas sus fórmulas sean siempre verdaderas, tan sólo que
existe una situación en la cual todas son verdaderas. Esta noción es muy útil. Cuando
conversamos con alguien, generalmente es difı́cil comprobar que todo lo que nos dice es
cierto (por ejemplo, sus historias acerca de sus vacaciones o acerca de lo inteligente que
son sus hijos), y generalmente le creemos siempre y cuando la historia sea consistente.
Otro ejemplo es la labor de un abogado defensor. Él no tiene que demostrar que su cliente
es inocente: tan sólo tiene que demostrar que las pruebas presentadas en su contra y su
inocencia son consistentes.
Para verificar consistencia también podemos utilizar la tabla de verdad. Simplemente

hay que buscar el renglón (i.e., la evaluación) que hace verdaderas a todas las fórmulas.
De hecho, validez y consistencia están fuertemente relacionadas: a partir de nuestras
definiciones podemos concluir que
ϕ |= ψ si y sólo si {ϕ, ¬ψ} no es consistente. (2.24)
Tautologı́as Revisemos ahora las ‘leyes’ de nuestro sistema:
Definición 2.16 (tautologı́a) Una fórmula ψ es una tautologı́a (en sı́mbolos, |= ψ) cuando
es verdadera en toda evaluación, es decir, en todas las situaciones posibles. Una tautologı́a
también es llamada una fórmula válida.
Muchas tautologı́as son conocidas como ‘leyes’ de la Lógica Proposicional, y pueden ser
usadas para realizar inferencias o para simplificar afirmaciones. He aquı́ algunas de ellas:
Doble negación ¬¬ϕ ↔ ϕ

Leyes de De Morgan ¬(ϕ ∨ ψ) ↔ (¬ϕ ∧ ¬ψ)
¬(ϕ ∧ ψ) ↔ (¬ϕ ∨ ¬ψ) (2.25)
Leyes de distribución (ϕ ∧ (ψ ∨ χ)) ↔ ((ϕ ∧ ψ) ∨ (ϕ ∧ χ))
(ϕ ∨ (ψ ∧ χ)) ↔ ((ϕ ∨ ψ) ∧ (ϕ ∨ χ))
Se puede verificar que estas fórmulas son tautologı́as construyendo su tabla de verdad y
verificando que obtenemos un “1” en todos los renglones.
Una tautologı́a puede ser vista como una inferencia especial: aquélla que no tiene premisas.
Sin embargo, también podemos utilizar el concepto de de tautologı́a para verificar la
validez de una inferencia cualquiera:
ϕ1 , . . . , ϕk |= ψ si y sólo si (ϕ1 ∧ . . . ∧ ϕk ) → ψ es una tautologı́a (2.26)
En otras palabras, verificar que una inferencia de las premisas ϕ1 , . . . , ϕk a la conclusión

ψ es válida es equivalente a verificar que la fórmula (ϕ1 ∧ . . . ∧ ϕk ) → ψ es una tautologı́a.
Esta equivalencia será utilizada frecuentemente.
Ejercicio 2.17 Utilizando tablas de verdad, determine si las siguientes fórmulas
¬p → (q ∨ r), ¬q
implican
1. p ∧ r.
2. p ∨ r.
Construya la tabla de verdad completa y utilı́cela para justificar las respuestas.
Ejercicio 2.18 Utilizando tablas de verdad demuestre que
la inferencia de p → (q ∧ r) y ¬q a ¬p es válida, y
la inferencia de p → (q ∨ r) y ¬q a ¬p no es válida.
Ejercicio 2.19 Verifique si las siguientes inferencias son válidas (la barra ‘/” separa las premisas
de la conclusión):
1. ¬(q ∧ r), q / ¬r.

2. ¬p ∨ ¬q ∨ r, q ∨ r, p / r.
Ejercicio 2.20 Construya las tablas de verdad de las siguientes fórmulas:
1. (p ∨ q) ∨ ¬(p ∨ (q ∧ r)).
2. ¬((¬p ∨ ¬(q ∧ r)) ∨ (p ∧ r)).
2.7. DEMOSTRACIÓN 2-21
3. (p → (q → r)) → ((p → q) → (p → r)).

4. (p ↔ (q → r)) ↔ ((p ↔ q) → r).
5. ((p ↔ q) ∧ (¬q → r)) ↔ (¬(p ↔ r) → q).
Ejercicio 2.21 ¿Cuáles de los siguientes pares de fórmulas son equivalentes lógicamente? Verifique
su respuesta mediante tablas de verdad.
1. ϕ → ψ y ψ → ϕ
2. ϕ → ψ y ¬ψ → ¬ϕ
3. ¬(ϕ → ψ) y ϕ ∨ ¬ψ
4. ¬(ϕ → ψ) y ϕ ∧ ¬ψ
5. ¬(ϕ ↔ ψ) y ¬ϕ ↔ ¬ψ
6. ¬(ϕ ↔ ψ) y ¬ϕ ↔ ψ
7. (ϕ ∧ ψ) ↔ (ϕ ∧ ψ) y ¬ϕ ∧ ¬ψ
2.7. Demostración
Demostración: inferencia simbólica Hasta ahora hemos verificado la validez de infe-

rencias mediante tablas de verdad, basándonos en el significado semántico de las fórmulas
que la componen. Sin embargo, muchas inferencias se realizan mediante manipulación de
sı́mbolos. De hecho, los seres humanos generalmente no razonamos construyendo tablas
de verdad: generalmente construimos inferencias complejas en base a inferencias sim-
ples que conocemos sin pensar mucho en su justificación. Entre más inferencias simples
sepamos, más rápido razonamos. De la misma forma, los matemáticos realizan frecuente-
mente cálculos mediante reglas simbólicas (por ejemplo, en Álgebra) y, por supuesto, las
computadoras realizan cálculos de manera puramente simbólica (ya que hasta ahora no
pueden darse cuenta, como nosotros, de lo que significan sus acciones).
La Lógica nos proporciona métodos de razonamiento formales que nos permiten realizar
demostraciones, y más adelante dedicaremos un capı́tulo entero a este tema. Aquı́ pre-
sentaremos tan sólo las ideas básicas de lo que significa realizar una demostración si-
guiendo un cálculo formal.
Presentaremos ahora un sistema axiomático, organizado de manera parecida al famoso libro

de Geometrı́a Elementos de Euclides: primero establecemos unos pocos principios básicos
(los axiomas) y después presentamos una manera simple de generar más principios (los
teoremas). El uso sucesivo de estos pasos simples nos lleva a teoremas más complejos,
algunos de ellos sorpresivos.
Definición 2.22 (axiomatización) Una demostración sintáctica es una secuencia finita de

fórmulas en la cual cada fórmula, o es un axioma, o se obtiene a partir de las fórmulas
anteriores mediante una regla de derivación. Una fórmula es un teorema si aparece en
alguna demostración, generalmente como su última fórmula. Un conjunto de axiomas y
reglas definen un sistema axiomático para una lógica dada.
A continuación presentamos un sistema axiomático para la Lógica Proposicional. Los

axiomas se presentan como esquemas (esquemas de axiomas), con letras griegas repre-
sentando fórmulas arbitrarias.
(1) ϕ → (ψ → ϕ)
(2) (ϕ → (ψ → χ)) → ((ϕ → ψ) → (ϕ → χ))
(3) (¬ϕ → ¬ψ) → (ψ → ϕ)
La única regla de derivación, modus ponens, ya ha aparecido anteriormente:
a partir de ϕ y ϕ → ψ se deriva ψ.
Este sistema axiomático, desarrollado por el lógico Polaco Jan Łukasiewicz, sólo nos
permite usar dos conectivos lógicos: condicional y negación. En la sección dedicada a
expresividad (sección 2.9) se verá por qué este vocabulario, que podrá parecer limitado,
es en realidad suficiente.
En este curso no nos enfocaremos en demostraciones sintácticas, pero es importante

observar cómo esta herramienta nos permite demostrar hechos basándonos simplemente
en manipulaciones sintácticas (este método puede ser interpretado como un juego, como
se verá mas adelante). Presentaremos tan sólo un ejemplo, para tener una mejor idea de
su funcionamiento.
Ejemplo 2.23 Como ejemplo de una demostración sintáctica demostraremos que p → p

es un teorema. Semánticamente es claro que esta fórmula es una tautologı́a, pero nuestro
interés es ahora derivarla utilizando tan sólo las herramientas que el sistema axiomático
nos proporciona. En la siguiente demostración utilizaremos instancias concretas de los
esquemas de axiomas. Por ejemplo, la primera lı́nea utiliza el esquema de axioma (1), con
la proposición básica p tomando el lugar de ϕ y la fórmula q → p tomando el lugar de ψ.
1. p → ((q → p) → p) Esquema de axioma (1)

2. (p → ((q → p) → p)) → ((p → (q → p)) → (p → p)) Esquema de axioma (2)
3. (p → (q → p)) → (p → p) Modus ponens sobre 1 y 2
4. p → (q → p) Esquema de axioma (1)
5. p→p Modus ponens sobre 3 y 4
En este curso no requeriremos que los estudiantes construyan este tipo de demostraciones,
pero es importante desarrollar habilidad para realizarlas ya que esencialmente consisten
en manipulaciones puramente simbólicas.
En general, una demostración se basa no sólo en los esquemas de axiomas sino también
en ciertas suposiciones adicionales. He aquı́ un ejemplo más cercano al razonamiento que
realizamos en la vida diaria.
2.7. DEMOSTRACIÓN 2-23
Ejemplo 2.24 Utilice tan sólo modus ponens y los axiomas de esquemas adecuados para
derivar la solución al siguiente problema. Se quiere organizar una fiesta respetando las
siguientes incompatibilidades:
(a) Juan es invitado si Marı́a o Ana son invitadas.

(b) Ana es invitada si Marı́a no es invitada.
(c) Si Ana es invitada, Juan no.
¿A quiénes se debe invitar? Hay varias maneras de encontrar la solución, incluyendo

las actualizaciones que estudiaremos en la siguiente sección. Pero, por ahora, ¿podemos
demostrar cuál debe ser la solución? He aquı́ un poco de ayuda:
(i) “Si Ana es invitada, Juan no” corresponde a la fórmula a → ¬ j, (ii) “Ana
es invitada si Marı́a no es invitada” es ¬m → a, (c) “Juan es invitado si
Marı́a o Ana son invitadas” puede ser reescrito equivalentemente como una
conjunción, “Juan es invitado si Marı́a es invitada” y “Juan es invitado si Ana
es invitada”, que en nuestro lenguaje formal corresponde a las fórmulas m → j
y a → j. Ahora podemos demostrar, utilizando los esquemas de axiomas y la
regla de derivación anteriores, que debemos tener ¬a, m y j. ¡A divertirse!
Ası́ concluimos nuestra primera mirada a los sistemas de demostración.
Propiedades del sistema: correctitud y completitud Si todos los teoremas de un sistema

axiomático dado son tautologı́as (fórmulas válidas), entonces decimos que el sistema es
correcto; si todas las tautologı́as son teoremas, entonces decimos que el sistema es completo.
Correctitud es un requerimiento obvio: uno desea un sistema de demostración confiable.
El sistema que presentamos es correcto, ya que todos los axiomas son tautologı́as y la
única regla de derivación, Modus ponens, nos lleva de tautologı́as a tautologı́as.
Completitud es un asunto diferente, y en general no es fácil demostrar que un sistema dado
tiene esta propiedad. (¿El sistema de axiomas de Euclides es suficiente para demostrar
todas las verdades en Geometrı́a? La respuesta tardó varios siglos en ser encontrada,
y requirió una reformulación del sistema.) El sistema que presentamos es completo, y
también lo son los sistemas de demostración que serán presentados más adelante. (Un
caso interesante es el de la Lógica de Predicados, que será discutida en el capı́tulo 4. El
descubrimiento de un sistema completo para ella, realizado por Kurt Gödel en su tesis de
1929, fue el primer resultado importante en la Lógica moderna.)
La demostración sintáctica es tan sólo uno de los muchos métodos utilizados en Lógica
para verificar validez de fórmulas. También tenemos deducción natural (utilizada frecuente-
mente en Teorı́a de la Demostración) y resolución (utilizada en demostradores automáticos
de teoremas). En el capı́tulo 9 discutiremos estos métodos con más detalle.
2.8. Actualización de información
Ahora podemos definir formalmente un estado de información, el contenido informativo

de una fórmula, y la manera en la que el estado de información cambia. Empecemos con
los dos primeros:
Un estado de información es un conjunto de evaluaciones, e indica las situa-

ciones que se consideran posibles. Un estado de información también puede
entenderse como la representación de la incertidumbre que se tiene, es de-
cir, el conjunto de situaciones posibles que no se pueden descartar dada la
información actual.
El contenido informativo de una fórmula ϕ es el conjunto de sus modelos, es decir,
el conjunto de evaluaciones que hacen a ϕ verdadera. Este conjunto se denota
como MOD(ϕ).
El contenido informativo de una fórmula ϕ también puede entenderse como el conjunto

de situaciones posibles que no pueden ser descartadas pese a saber que ϕ es cierta.
Actualización de información mediante eliminación de posibilidades He aquı́ la for-

ma en que una fórmula cambia el estado de información actual:
Una actualización con la información ϕ reduce el estado de información (es

decir, el conjunto de evaluaciones posibles) manteniendo tan sólo aquéllas
que hacen verdadera a ϕ. En otras palabras, si X es un estado de información,
al actualizarlo con ϕ éste se convierte en la intersección de X y MOD(ϕ),
quedando entonces eliminadas aquellas evaluaciones en las cuales ϕ es falsa
(si es que habı́a alguna).
La Lógica Proposicional nos permite de esta forma representar cambios de información

básicos en los cuales el estado de información se reduce al recibir información nueva. Ob-
serve cómo entre más pequeño sea el estado de información, se tiene menos incertidumbre
y, por lo tanto, mas conocimiento.
Esto no es nuevo. En ejemplos anteriores hemos visto que inferencias tales como
“a partir de p ∨ q y ¬p se infiere q”
pueden ser representadas como un proceso que se inicia en un estado de conocimiento

mı́nimo (es decir, máxima incertidumbre: todas las evaluaciones se consideran posibles)
y en el cual cada premisa actualiza el estado de información.
Veamos otro ejemplo. Considere la pregunta hecha en el ejercicio 2.3 (página 2-8):
¿Qué información proporcionan las premisas p ∨ q y ¬p ∨ r?

2.8. ACTUALIZACIÓN DE INFORMACIÓN 2-25
A continuación se muestra la forma en que estas premisas cambian el estado de informa-

ción:
estado inicial {pqr, pqr, pqr, pqr, pqr, pqr, pqr, pqr}
actualización con p ∨ q {pqr, pqr, pqr, pqr, pqr, pqr} (2.27)
actualización con ¬p ∨ r {pqr, pqr, pqr, pqr}
A partir de estas premisas podemos concluir correctamente cualquier fórmula que sea
verdadera en las cuatro evaluaciones que no son eliminadas. Una de ellas es la disyunción
q ∨ r, la cual es la respuesta que la llamada regla de resolución proporciona en muchos
sistemas de razonamiento automático. Observe, sin embargo, cómo las premisas son más
fuertes que esta conclusión q ∨ r, ya que nos permiten eliminar evaluaciones que q ∨ r por
sı́ sola no eliminarı́a (por ejemplo, aunque las premisas nos permitieron eliminar pqr, la
fórmula q∨r por sı́ sola no nos permitirı́a hacerlo, ya que es verdadera en dicha evaluación).
¿Cómo podemos entonces obtener una conclusión que sea tan fuerte como sus premisas?
Una posibilidad es ‘comprimir’ las premisas en una sola usando la conjunción:
(p ∨ q) ∧ (¬p ∨ r) (2.28)
En la práctica esta idea nos puede llevar a fórmulas muy complejas, y es preferible tener
descripciones más manejables de toda la información que nos proporcionan las premisas
dadas. Algunos principios del Álgebra Booleana (ver 2.36) serán útiles en estos casos.
Planificación El método de actualización de información es también útil para solucionar

problemas de planificación. El ejemplo de la fiesta, presentado en la sección 2.7 (ejemplo
2.24), es una muestra de esto. ¿Se puede invitar a gente a una fiesta bajo las restricciones
mencionadas? Una forma de verificarlo es realizar actualizaciones de información a partir
de un estado inicial en el que no descartamos ninguna posibilidad:
{ma j, maj, ma j, maj, ma j, maj, ma j, ma j} (2.29)
Las tres restricciones funcionan como premisas, actualizando el estado de información y

descartando entonces las evaluaciones que son incompatibles con cada una de ellas. He
aquı́ cada uno de los pasos:
(a) (m ∨ a) → j {ma j, ma j, ma j, ma j, ma j}
(b) ¬m → a {ma j, ma j, ma j} (2.30)
(c) a → ¬j {ma j}
En este caso particular hay una única solución, pero en general puede haber más de una
o inclusive ninguna.
Juegos y procesamiento de información El proceso de actualización puede describir la

forma en la que la información cambia en juegos tales como Mente maestra, en el cual un
jugador intenta adivinar una secuencia de colores oculta (sin colores repetidos). En cada
ronda el jugador propone una secuencia, y recibe como respuesta una marca negra (•)
por cada color correcto en una posición correcta, y una marca blanca (◦) por cada color
correcto en una posición incorrecta.
Por ejemplo, suponga que hay cuatro colores disponibles, rojo, blanco, azul y naranja, y
tres posiciones. Suponga además que la secuencia oculta es rojo-blanco-azul. He aquı́ una
tabla describiendo una partida e indicando el número de secuencias que son posibles
después de cada respuesta:
Propuesta Respuesta Posibilidades restantes

Inicio 24
rojo-naranja-blanco •◦ 6
blanco-naranja-azul •◦ 2
azul-naranja-rojo ◦◦ 1
Los números pueden ser verificados realizando las actualizaciones.
A pesar de que Mente maestra puede ser jugado de manera individual (una computadora
puede dar la respuesta a cada propuesta), hay variantes más interactivas que se utilizan en
experimentos que intentan determinar la forma en la que los niños razonan en situaciones
que involucran a varios agentes. Temas tales como actualizaciones con varios agentes y
su aplicación a juegos más reales serán estudiados en los capı́tulos 5 y 7.
2.9. Expresividad
Un lenguaje lógico no es tan sólo una herramienta auxiliar para el estudio de inferencias y
actualizaciones; es también un lenguaje que puede ser usado de la misma forma que otros
lenguajes: para declarar verdades (y falsedades), para comunicar hechos, etc. Desde esta
perspectiva es importante conocer la expresividad de un lenguaje lógico: ¿qué podemos
decir con él?
A primera vista, el lenguaje de la Lógica Proposicional podrı́a parecer limitado. Podemos

utilizar conectivos para crear frases complejas, pero no podemos analizar frases en mucho
detalle: “Horatio Nelson murió en Trafalgar” puede ser representada tan sólo como p.
Pero la verdadera prueba consiste en verificar que tan expresivo es el lenguaje ‘en su
propio campo’. Y aquı́ nos encontramos con una sorpresa agradable:
¡La Lógica Proposicional es bastante expresiva! Hay un total de dieciséis operaciones

booleanas con dos argumentos (las dieciséis formas posibles de asignar valores a las
cuatro combinaciones de valores de verdad de los dos argumentos), y algunas de ellas
corresponden a expresiones en lenguaje natural. Por ejemplo, la disyunción exclusiva ϕ ⊕ ψ
corresponde en lenguaje natural a la frase “tenemos ϕ o ψ pero no ambos”. Compare su
tabla de verdad, que aparece abajo, con la de la disyunción inclusiva “∨”:
2.9. EXPRESIVIDAD 2-27
ϕ ψ ϕ⊕ψ ϕ∨ψ
0 0 0 0
0 1 1 1
1 0 1 1
1 1 0 1
Observe cómo podemos obtener la misma tabla de verdad si definimos la disyunción

exclusiva ϕ ⊕ ψ en términos de los conectivos que ya tenemos:
(ϕ ∨ ψ) ∧ ¬(ϕ ∧ ψ) o, alternativamente, ¬(ϕ ↔ ψ) (2.31)
Este método funciona no sólo para la disyunción exclusiva.
Las dieciséis operaciones booleanas pueden ser definidas en términos de los

conectivos ¬, ∧ y ∨.
Como ejemplo,
la tabla de verdad de la implicación ϕ → ψ es idéntica a la tabla de verdad de

¬ϕ ∨ ψ y también a la de ¬(ϕ ∧ ¬ψ).
De hecho, “¬” y “∧” son suficientes para definir todas las operaciones, y también lo son
“¬” y “∨”, y “¬” y “→” (la axiomatización de la Lógica Proposicional presentada en la
sección 2.7 se basa en este último hecho).
Ejercicio 2.25 Defina todas las operaciones booleanas únicamente en términos de “¬” y “∧”.
Ejercicio 2.26 Defina todas las operaciones booleanas únicamente en términos “¬” y “→”.
Inclusive existe una operación que, por sı́ misma, es capaz de definir a todas las demás:
la barra de Sheffer
ϕ | ψ,
definido como ¬(ϕ ∧ ψ) (o, equivalentemente, como ¬ϕ ∨ ¬ψ).
El lenguaje proposicional nos permite entonces expresar cualquier cosa que queramos
decir acerca de proposiciones que pueden ser verdaderas o falsas.
Ésta es tan sólo una de las muchas caracterı́sticas de definibilidad de la Lógica Proposi-
cional. He aquı́ otra, que presentamos sin discutirla en detalle: cualquier fórmula proposi-
cional, sin importar su complejidad, es equivalente a una conjunción de disyunciones de
proposiciones básicas o sus negaciones. A esto se le conoce como la “forma normal con-
juntiva” (también existe una formal normal disyuntiva: una disyunción de conjunciones de
proposiciones básicas o sus negaciones). Por ejemplo, la forma normal conjuntiva de una
disyunción exclusiva p ⊗ q es
(p ∨ q) ∧ (¬p ∨ ¬q). (2.32)
Buscando un balance Hay, ciertamente, muchas cosas que no pueden ser expresadas
en la Lógica Proposicional. Los siguientes capı́tulos presentan lenguajes más expresivos,
tales como la Lógica de Predicados o la Lógica Epistémica. Sin embargo, algo importante
a tener en cuenta es el balance. Tanto en Lógica como en Ciencia, el arte está en ser tan
simple como sea posible: ‘la sencillez es belleza’. Un lenguaje poco expresivo puede tener
propiedades especiales que lo hacen elegante y útil. La Lógica Proposicional cumple su
tarea al permitirnos descubrir patrones de razonamiento básicos. Además, su reducida
expresividad nos permite trabajar con modelos semánticos y métodos de demostración
simples y elegantes. Para lenguajes más expresivos generalmente necesitamos modelos
más elaborados y métodos de demostración más complejos.
El contenido estándar de este capı́tulo llega hasta aquı́. Las secciones siguientes contienen tópicos
especiales que nos permiten ubicar a la Lógica Proposicional en un contexto cientı́fico más amplio.
2.10. Un panorama — Lógica, Matemáticas y Computación
El estudio de fenómenos lógicos con herramientas matemáticas ha sido históricamente

exitoso, y el estudio del lenguaje lógico presentado nos da ideas sobre su poder expresivo,
tal y como hemos visto. Pero el estudio del sistema de fórmulas válidas también produce
nuevas ideas que pueden ser utilizadas en varias áreas. A continuación presentamos
algunos ejemplos.
Álgebra Booleana Las leyes de la Lógica Proposicional siguen muchos patrones intere-
santes. Por ejemplo, tanto las leyes de De Morgan como las leyes de distribución existen
en dos formas, siendo una de ellas el resultado de intercambiar disyunciones y conjun-
ciones en la otra. Esta ‘dualidad’ sucede en general, y refleja la similitud que existe entre
la Lógica Proposicional y la Aritmética Binaria. En particular, las tablas de verdad pueden
ser vistas como leyes de la Aritmética Binaria si interpretamos
“∨” como un operador que regresa el máximo de entre dos números, “∧” como
un operador que regresa el mı́nimo, y “¬” como un operador que intercambia
“0” y “1”.
Por ejemplo, la distribución de la conjunción sobre la disyunción,

(ϕ ∧ (ψ ∨ χ)) ↔ ((ϕ ∧ ψ) ∨ (ϕ ∧ χ)),
es similar a la distribución aritmética de la multiplicación sobre la suma:
x · (y + z) = (x · y) + (x · z).
Observe, sin embargo, que la Aritmética Binaria se comporta de manera más uniforme
que la Aritmética en general, ya que también cumple otra ley de distribución, x + (y · z) =
(x + y) · (x + z), que no se cumple en esta última (esto se puede verificar asignando valores
a x, y y z). Relaciones entre la Lógica y la Computación serán estudiadas en mayor detalle
más adelante.
2.10. UN PANORAMA — LÓGICA, MATEMÁTICAS Y COMPUTACIÓN 2-29
Abstracción y aplicación Los sistemas lógicos abstractos surgen como una manera de
formalizar lo que ya sucedı́a en la práctica. Pero, una vez que tenemos sistemas abstractos,
estos pueden tener nuevas interpretaciones. El Álgebra Booleana es un ejemplo de esto,
ya que puede describir fenómenos muy variados, incluyendo razonamientos proposi-
cionales, Aritmética Binaria, operaciones sobre conjuntos (con “¬” interpretado como
complemento, “∧” como intersección y “∨” como unión) e inclusive el comportamiento
de circuitos eléctricos (entendiendo la conjunción como composición serial y la disyunción
como composición paralela). ¡Una simple fórmula puede decir muchas cosas!
Por ejemplo, considere un principio abstracto del Álgebra Booleana, la ley de absorción:
ϕ ↔ (ϕ ∧ (ϕ ∨ ψ)) (2.33)
En la Lógica Proposicional esta tautologı́a nos permite eliminar partes del discurso que
son redundantes (o, si se usa en la dirección contraria, hace que las cosas simples suenen
complicadas). En la Aritmética Binaria describe el comportamiento de operadores que
calculan el máximo y el mı́nimo:
x = mı́n{x, máx{x, y}} (2.34)
En Teorı́a de Conjuntos, absorción es el principio válido
X = X ∩ (X ∪ Y) (2.35)
que indica que intersectar X con la unión de X e Y nos da como resultado el mismo X.
La Lógica Proposicional también juega un papel importante en el diseño de circuitos
(lógicos) electrónicos. Una compuerta NAND (abreviatura de NOT-AND) es un circuito
electrónico que se comporta como la barra de Sheffer. La compuerta tiene dos entradas
y una salida: si ambas entradas son 1 (indicando que hay voltaje), entonces la salida es
0 (indicando que no hay voltaje). Para cualquier otra combinación de valores de entrada
(voltaje - no voltaje, no voltaje - voltaje, no voltaje - no voltaje) el resultado es 1. Dado
que cualquier operación booleana puede ser definida en términos de la barra de Sheffer,
cualquier circuito lógico que necesitemos puede ser construido tan solo con compuertas
NAND. Por ejemplo, la negación ¬ϕ se puede definir de la siguiente forma:
ϕ | ϕ.
Por lo tanto, podemos construir una compuerta NOT a partir de una compuerta NAND:
entrada salida entrada salida

NOT NAND
Compuerta NOT Compuerta NOT construida con una compuerta NAND
El Álgebra Booleana es la base del funcionamiento de los circuitos booleanos en las

computadoras. Se pueden encontrar detalles más precisos en muchos lugares, incluyendo
varios sitios en internet.
Correctitud y completitud Las propiedades que mencionamos cuando presentamos

la axiomatización de la Lógica Proposicional también tienen sentido bajo interpretación
Booleana. En el siglo XIX el matemático George Boole presentó un análisis algebraico
completo para la Lógica Proposicional basado en los operadores “no”, “y” y “o”. El
sistema, en el cual se utiliza “1” para indicar verdad, “0” para indicar falsedad, “−” para
indicar “no”, “·” para indicar “y”, y “+” para indicar “o”, es el siguiente:
x + (y + z) = (x + y) + z x · (y · z) = (x · y) · z
x+y = y+x x·y = y·x
x+x = x x·x = x
x + (y · z) = (x + y) · (x + z) x · (y + z) = (x · y) + (x · z)
x + (x · y) = x x · (x + y) = x
(2.36)
−(x + y) = −x · −y −(x · y) = −x + −y
x+0 = x x·0 = 0
x+1 = 1 x·1 = x
x + −x = 1 x · −x = 0
−−x = x
Observe cómo cada una de estas ecuaciones corresponde a una tautologı́a cuando la
igualdad es leı́da como equivalencia entre las fórmulas que corresponden a la expresión
de cada lado. Esto nos da correctitud, ya que el cálculo contiene tan sólo ecuaciones
válidas. Pero también tenemos completitud, ya que cualquier ecuación válida puede ser
derivada a partir de las anteriores.
Complejidad computacional La Lógica Proposicional está relacionada con la Com-

putación de muchas formas, tal y como hemos visto en el presente capı́tulo. En particular,
nos permite decidir si una fórmula es válida mediante un procedimiento que puede re-
alizarse de manera automática: el uso de tablas de verdad. De hecho, existen programas
computacionales para cada una de los métodos que hemos estudiado en este capı́tulo.
Esto cumple, dentro de sus propias limitaciones, un proyecto históricamente famoso: el
Calculus ratiocinator de Leibniz, presentado alrededor de 1700, y que proponı́a que todo
proceso de razonamiento podı́a llevarse a cabo de manera automática. La construcción
de ‘máquinas lógicas’ diseñadas para llevar a cabo tareas de inferencia tienen una larga
historia que se remonta a la Edad Media.3
Observe, sin embargo, que el hecho de que podamos decidir automáticamente si una
fórmula es valida o no, sólo implica que los cálculos pueden llevarse a cabo en principio;
en la práctica las cosas pueden ser diferentes. Un procedimiento mecánico basado en
pasos simples puede ser altamente complejo si hay que realizar una gran cantidad de
dichos pasos. En el caso de las tablas de verdad, un renglón para una fórmula dada puede
ser calculado en un número ‘lineal’ de pasos, es decir, en un cantidad de pasos del mismo
orden que el número de sı́mbolos de la fórmula.
3
N.T. Uno de los primeros impulsores de la idea fue Ramon Llull.
2.11. UN PANORAMA — LÓGICA EN LA PRÁCTICA 2-31
El valor de verdad de una fórmula puede ser calculado en tiempo lineal.
Pero considere ahora la tabla de verdad completa. Si tenemos n proposiciones básicas

necesitamos 2n renglones: la tabla crece de manera exponencial en relación al tamaño de la
entrada:
calcular la tabla de verdad de una fórmula toma tiempo exponencial.
Esta proporción de crecimiento hace que problemas que parecen simples puedan so-
brepasar el poder de cálculo de las computadoras más potentes. Debido a esto se han
intentado desarrollar métodos mas ‘inteligentes’ que requieren un menor número de pa-
sos para verificar validez (un ejemplo son las tablas semánticas que se estudiarán en el
capı́tulo 8). Desafortunadamente los métodos encontrados hasta ahora requieren, en el
peor de los casos, tiempo exponencial cuando trabajan con fórmulas complejas.
Esto no es una coincidencia: la complejidad computacional exacta de la Lógica Proposi-
cional es desconocida, y aunque podrı́a haber métodos más rápidos (métodos que nece-
sitan tiempo polinomial para responder preguntas sobre validez) que los que se conocen
ahora, la mayorı́a de los expertos ven esto poco probable. Determinar la complejidad
exacta de la Lógica Proposicional es esencialmente encontrar la respuesta al famoso pro-
blema
P = NP ,
que aparece en la lista de los problemas matemáticos mas importantes ‘2000 Millennium
List’, publicada por el Instituto de Matemáticas Clay.
La complejidad de la Lógica Proposicional es importante no sólo por lo que representa en
sı́, sino porque se ha demostrado que muchas tareas computacionales básicas se reducen
a decidir la validez y/o consistencia de fórmulas proposicionales. Con más de 2000 años
de existencia, la Lógica Proposicional aún presenta retos importantes.
Mayor expresividad e indecibilidad Sea altamente complejo o no, la validez en la

Lógica Proposicional es un problema decidible: dada una fórmula cualquiera, existe un
procedimiento mecánico que nos puede decir si la fórmula es válida o no, al menos en
principio. Esto podrı́a hacernos creer que las computadoras pueden realizar las tareas
de los lógicos, pero la situación cambia cuando trabajamos con lógicas con mayor poder
expresivo como la Lógica de Predicados del capı́tulo 4, que incluye los cuantificadores
“todos” y “algún”. Gracias a los trabajos de Gödel, Turing y otros en la década de los
30, sabemos que no existe ningún procedimiento mecánico que nos permita decidir la
validez de una fórmula de la Lógica de Predicados. Estos sistemas tiene que pagar un
precio por su mayor expresividad: son indecidibles.
2.11. Un panorama — Lógica en la práctica
El arte del modelado Para aplicar de manera adecuada un sistema abstracto como la
Lógica Proposicional se necesitan ‘habilidades para modelar’. Por ejemplo, ya hemos
observado que es necesario traducir del lenguaje natural al lenguaje lógico para descubrir
la parte esencial de una inferencia. Este paso requiere de practica pero también puede
ser divertido, como lo muestran los muchos acertijos lógicos que se pueden encontrar en
revistas y periódicos. He aquı́ un ejemplo sencillo.
El siguiente ejercicio es del libro The Lady, or the Tiger? (¿La dama o el tigre?), de Raymond
Smullyan.
Ejercicio 2.27 Hay dos habitaciones cerradas y cada una tiene en la puerta uno de los siguientes
letreros:
(A) En esta habitación hay una dama y en la otra hay un tigre.
(B) En una de estas habitaciones hay una dama y en una de estas habitaciones hay un tigre.
Uno de los letreros es verdadero y el otro es falso. ¿Detrás de qué puerta está la dama?
La Lógica Proposicional también es una herramienta útil en áreas más serias que van
desde el razonamiento legal hasta la solución de diversas tareas computacionales como
coordinar semáforos o cruces de trenes. Estas aplicaciones no son rutinarias, y requieren
ciertas habilidades creativas.
Habilidades prácticas La Lógica Proposicional también se ha utilizado para desarrollar

habilidades prácticas. Cuenta la leyenda que en los exámenes lógicos en la época medieval
se comprobaba la habilidad de los estudiantes para razonar lógicamente en tiempo real:
Juego de ‘Obligatio’. El profesor da una lista de proposiciones, ϕ1 , . . . , ϕn que el

estudiante debe aceptar o rechazar en cuanto son mencionadas. Si el estudiante
acepta ϕi , entonces se compromete a ella; si la rechaza, se compromete a su
negación ¬ϕi . El estudiante aprueba el examen si puede ‘procesar’ la lista
completa sin caer en inconsistencias.
Supongamos que se trabaja con las tres proposiciones siguientes:
(1) q ∨ ¬(p ∨ r), (2) p → q, (3) q. (2.37)
Si se acepta (1) se debe aceptar (2), que es una de sus consecuencias, y se puede aceptar
o rechazar (3). Si (1) es rechazada, se puede aceptar o rechazar (2) pero (3) debe ser
rechazada, ya que es consecuencia de la negación de (1). He aquı́ el diagrama completo:
2.12. UN PANORAMA — LÓGICA Y COGNICIÓN 2-33
q ∨ ¬(p ∨ r) ¬(q ∨ ¬(p ∨ r))
p→q p→q ¬(p → q)

¬(p → q)
pierde
q ¬q q ¬q q ¬q
gana gana pierde gana pierde gana
El diagrama se puede entender como la descripción completa de un juego, es decir, un

árbol de juego que describe todas las opciones posibles y sus resultados. (El juego se vuelve
más interesante si el profesor puede elegir cual es la proposición que presentará en cada
paso, posiblemente influido por las decisiones que el estudiante ha hecho. El árbol de
este nuevo juego es, por supuesto, más complejo.) Observe que, para tranquilidad del
estudiante, existe una estrategia ganadora. La razón lógica es la siguiente.
Dado un conjunto consistente de afirmaciones y una proposición cualquiera

“ϕ”, el conjunto puede ser ampliado de manera consistente con al menos una
de las proposiciones en {ϕ, ¬ϕ}.
El enunciado anterior parece decir que, para ganar el juego, el estudiante debe verificar en
cada ronda la consistencia de un conjunto de fórmulas, lo cual es un proceso complicado.
Una estrategia más sencilla es la siguiente:
elija un modelo (es decir, una evaluación) antes de iniciar el juego, y simple-
mente evalúe cada una de las proposiciones, aceptándola cuando es verdadera
en el modelo y rechazándola en caso contrario.
2.12. Un panorama — Lógica y cognición
¿Cómo se relacionan los sistemas lógicos con lo que realizamos en la práctica todos los
dı́as? Una conexión con esta realidad se ha presentado ya en varias ocasiones:
Lógica y Lingüı́stica En el lenguaje natural las frases tiene un significado más rico que el
que les asignamos en la Lógica Proposicional. Por ejemplo, la expresión “y” tiene también
significados no booleanos: “Juan y Marı́a se pelearon” puede significar simplemente “Juan
se peleó y Marı́a se peleó”, pero también “Juan y Marı́a se pelearon entre ellos”. También
hemos mencionado cómo las expresiones condicionales tales como “si . . . entonces” no
corresponden exactamente a la tabla de verdad de la condicional “→”: por ejemplo, el no
ser millonario no implica que si fuera millonario serı́a generoso.
Pero esto no significa que los métodos lógicos no son útiles. De hecho, la diferencia se ha
vuelto una ventaja creativa. La riqueza del lenguaje natural ha sido una fuente inagotable
de nuevas teorı́as lógicas: por ejemplo, la Lógica Proposicional se ha generalizado para
trabajar con más de dos valores de verdad a fin de modelar vaguedad e indeterminación,
y el estudio de distintos tipos de condicionales se ha vuelto una subdisciplina floreciente
en la cual trabajan juntos lógicos y lingüistas.
Lógica y Psicologı́a Cognitiva La relación entre Lógica y Psicologı́a ha sido un poco

más tormentosa. Muchos psicólogos afirman que el razonamiento humano es altamente
no-lógico. He aquı́ un ejemplo famoso.
La tarea de selección de Wason es un acertijo lógico que hace la siguiente pregunta:
Se tiene cuatro cartas, cada una de las cuales tiene un número en un lado y una
letra en el otro. Las cartas son puestas sobre la mesa de forma que las caras
visibles muestran “A”, “K”, “2” y “7”. ¿Qué carta o cartas se deben voltear
a fin de verificar que si una carta tiene un número par de un lado, tiene una
vocal del otro?
Tarea de selección de Wason
De acuerdo a lo estudiado en este capı́tulo, ésta es la respuesta correcta:
se deben voltear únicamente las cartas que muestran “2” y “K”.
La explicación es que a fin de verificar la implicación “par → vocal” necesitamos ver el

otro lado de la carta que muestra el “2”, pero no debemos olvidar la ya mencionada
refutación: si la carta no muestra una vocal de un lado, debemos verificar que no tiene un
número par del otro. Sin embargo, los resultados de este experimento, realizado varias
veces durante varias décadas, indican que
la mayorı́a de la gente elige (a) voltear tan sólo la carta que muestra “2”, o (b)
voltear las cartas que muestran “2” y “A”.
2.12. UN PANORAMA — LÓGICA Y COGNICIÓN 2-35
Los psicólogos han propuesto varias explicaciones, algunas sugiriendo que los seres
humanos tenemos una tendencia a comprobar y no a refutar. Estos resultados parecen
sugerir que el razonamiento normal es muy diferente a lo que la Lógica nos indica.
Sin embargo, si en el experimento cambiamos números y letras por tareas más familiares,
los resultados se acercan más a lo que indica la Lógica. Por ejemplo, si la regla a verificar
es “si bebes alcohol, debes tener mas de 18 años” y las cartas tienen una bebida y la
edad, por ejemplo “22”, “cerveza”, “17” y “Coca Cola”, la mayorı́a de la gente elige
las cartas correctas (“cerveza” y “17”). Algunos psicólogos han utilizado esto como un
argumento contra la Lógica: los dos experimentos tienen la misma forma lógica y, sin
embargo, los resultados son diferentes dependiendo del efecto de familiaridad. (Se puede
encontrar mas información sobre este experimento en http://en.wikipedia.org/wiki/
Wason_selection_task.)
Esta polémica no es tan importante. Ciertamente los seres humanos no somos irracionales:
si ignoráramos la Lógica y tan sólo extrajéramos información incorrecta a partir de los
datos a nuestra disposición, serı́a difı́cil entender la supervivencia de la especie. Al pare-
cer el problema tiene que ver con la representación de las tareas de razonamiento, y otros
principios pudieran ser importantes aquı́. Y todavı́a hay más: la diferencia en los resul-
tados concuerda con una tendencia en la Lógica moderna que sugiere que las formas
de inferencia utilizadas dependen de la tarea que se lleve a cabo. Esto nos darı́a reglas
que pueden ser diferentes a las estudiadas en este capı́tulo, incluyendo ciertas formas
de ‘inferencias por defecto’ que no son válidas pero que pueden ser utilizadas hasta que
surge algún problema que nos obliga a revisar lo que se ha concluido hasta ahora.
Pero demos la última palabra a George Boole, frecuentemente considerado como el padre
del estudio puramente matemático de la Lógica (Proposicional). Podrı́a parecer que el
tı́tulo de su obra, “The Laws of Thought” (Las Leyes del Pensamiento) imponen una pers-
pectiva matemática normativa e intransigente. Cerca del final del libro, Boole confirma
que considera el tı́tulo de manera seria: las leyes de la Lógica Proposicional describen una
parte esencial del razonamiento humano. Sin embargo, también reconoce que frecuente-
mente el razonamiento humano no sigue estos cánones. Lo que esto significa, dice él, es
que hay más reglas del pensamiento humano que aún deben de ser descubiertas. Eso es
precisamente de lo que trata la conexión entre la Lógica y las Ciencias Cognitivas.
Ejercicios extra
Ejercicio 2.28 Demuestre que todos los conectivos proposicionales pueden ser definidos con la
barra de Sheffer
ϕ | ψ,
definido como ¬ϕ ∨ ¬ψ.
Ejercicio 2.29 ¿De cuántas maneras se puede ganar el siguiente juego de Obligatio?
(1) (p → q) ∨ (r → q), (2) ¬((p ∧ r) → q), (3) q.
Ejercicio 2.30 Considere la siguiente fórmula:

(p ∧ (q → r)) → ¬(¬p ∨ ((¬q → q) ∧ (r → ¬r))).
Los sı́mbolos lógicos de la fórmula son todos los que aparecen en ella con excepción de los
paréntesis y las proposiciones básicas. La fórmula tiene entonces 11 sı́mbolos lógicos. Responda a
lo siguiente:
1. ¿Cuántas celdas tiene la tabla de verdad de la fórmula dada? ¿Cuál es la relación de este
número con la cantidad de sı́mbolos lógicos?
2. La tabla de verdad de una fórmula ϕ con 3 proposiciones básicas tiene 23 = 8 renglones.
¿Cuántas celdas se deben calcular en la tabla de verdad de ϕ (en el peor de los casos) para
decidir si la fórmula es válida o no, suponiendo que tiene n sı́mbolos lógicos?
Resumen En este capı́tulo hemos presentado nuestro primer sistema lógico, y ahora sabemos
cómo razonar de una manera matemática formal acerca de proposiciones. En particular, hemos
aprendido a
leer y escribir fórmulas proposicionales,
traducir frases simples en lenguaje natural a fórmulas,
construir tablas de verdad para diferentes propósitos
verificar la validez de inferencias,
obtener actualizaciones en estados de información,
realizar demostraciones sintácticas simples.
Además, ahora podemos trabajar con nociones tales como
sintaxis, semántica, evaluación, verdad, inferencia válida, tautologı́a, consistencia,

demostración sintáctica, poder expresivo, sistema lógico
Por último, hemos hecho una primera exploración a las conexiones que existen entre la Lógica
Proposicional y la demostración matemática, la Computación, la complejidad y algunos temas
cognitivos tales como el lenguaje natural y los experimentos psicológicos.

Lógica Proposicional Razonando en La Vida Diaria

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Lógica Proposicional Razonando en La Vida Diaria

Cargado por

Copyright:

Formatos disponibles

Capı́tulo 2

2.1. Razonando en la vida diaria

La Lógica se puede encontrar en muchos lugares:

2.2. Patrones de inferencia, validez e invalidez

Considere el siguiente razonamiento de un médico:

Si tomas el medicamento mejorarás.

La palabra “entonces” (o su sinónimo “por lo tanto”) indica que la proposición que le

Si opongo resistencia, el enemigo me matará.

Compare las inferencias anteriores con la siguiente:

Si tomas el medicamento, mejorarás.

decimos que una inferencia es válida si ‘transﬁere la verdad’, es decir, si la

son verdaderas. Si éste no es el caso, entonces decimos que la inferencia es

Lo que la validez implica La deﬁnición anterior es clara intuitivamente, pero es im-

(a) Si todas las premisas son verdaderas, entonces la conclusión es verdadera.

El primer enunciado ejempliﬁca lo que se entiende comúnmente como la función de

Patrones de inferencia El siguiente paso importante en el desarrollo de la Lógica fue la

Si el enemigo rompe los diques, Holanda se inundará.

Si el enemigo rompe los diques, Holanda se inundará.

2.3. Clasiﬁcación, consecuencia y actualización

Clasiﬁcación Las ideas principales de la Lógica Proposicional se remontan a la antigüedad

Chrysippos George Boole

pq, pq, pq, pq (2.12)

Derivando consecuencias Considere ahora los ejemplos anteriores de inferencias váli-

(a) La inferencia que, partiendo de “si-p-entonces-q” y “no-p” deriva “no-q”,

(b) La inferencia que, partiendo de “si-p-entonces-q” y “no-q” deriva “no-p”,

cada una de las combinaciones de valores de verdad que hace verdaderas a

(a) La segunda premisa, “no-p”, sólo es verdadera en pq y pq. La primera

Para la segunda tenemos que:

(b) La segunda premisa “no-q” es verdadera en pq y pq. Pero la primera

Actualizando información La Lógica Proposicional es útil para reconocer patrones de

En general, inicialmente consideramos posibles varias situaciones, y la información que

es decir, ninguna posibilidad serı́a eliminada:

2.4. El lenguaje de la Lógica Proposicional

El razonamiento proposicional involucra proposiciones complejas que contienen ‘conec-

Sı́mbolo En lenguaje natural Nombre técnico

Frase “Él tiene un as si no tiene un diamante o un trébol”

Él tiene un as si no tiene un diamante o un trébol,

Ambigüedad En general el proceso de transformar frases del lenguaje natural a su forma

(a) Si tiene plumas, entonces vuela o nada. p → (v ∨ n)

Las fórmulas de este lenguaje se construyen a partir de proposiciones básicas, represen-

(a) a partir de p se construye ¬p,

Toda proposición básica (p, q, r, . . .) es una fórmula. Si ϕ es una fórmula, en-

Deﬁnición 2.5 (lenguaje de la Lógica Proposicional) Sea P un conjunto de letras proposi-

Sólo iré a la escuela si me dan una galleta ahora mismo.

Ejercicio 2.8 Construya árboles sintácticos para las siguientes fórmulas:

Lógica, lenguaje, computación y pensamiento Para aquéllos con conocimiento en el

2.5. Situaciones semánticas, tablas de verdad y Aritmética Bina-

En los lenguajes formales las diferencias en la sintaxis generalmente conllevan diferencias

{pqr, pqr, pqr, pqr, pqr, pqr, pqr, pqr} (2.17)

Operaciones booleanas sobre valores de verdad Dada una situación posible V, es

ϕ ψ ϕ∧ψ ϕ∨ψ ϕ→ψ ϕ↔ψ

Explicación Las tablas para la negación, conjunción, disyunción y bicondicional corres-

Esto nos indica que V((¬p ∨ q) → r) = 0 y V(¬(p ∨ q) → r) = 1. Observe cómo los

correspondientes en lenguaje natural tienen diferente signiﬁcado.

Ejercicio 2.10 Construya tablas de verdad para las siguientes fórmulas:

2.6. Inferencia válida y consistencia

Ahora podemos deﬁnir formalmente el concepto de inferencia válida en Lógica Proposi-

El concepto de inferencia válida se deﬁne en términos de todas las situaciones posibles.

Deﬁnición 2.13 (equivalencia lógica) Si tenemos ϕ |= ψ y ψ |= ϕ, entonces decimos que

No está de más repetir la advertencia hecha anteriormente: si lo único que sabemos es

Dicho contraejemplo es la segunda evaluación, bajo la cual ϕ → ψ y ¬ϕ son ambas

Consistencia Finalmente, he aquı́ otro concepto lógico importante.

Deﬁnición 2.15 (consistencia) Un conjunto de fórmulas Φ = {ϕ1 , . . . , ϕk } es consistente si

Cuando un conjunto de fórmulas no es consistente también decimos que es inconsistente: