Conjuntos y Teoria de Grupos

Curso de conjuntos y numeros.
Apuntes
Juan Jacobo Simon Pinero
Curso 2013/2014
Indice general
I
Conjuntos
1. Conjuntos y elementos
1.1. Sobre el concepto de conjunto y elemento. . . . . . . . . .
1.2. Pertenencia, contenido e igualdad. . . . . . . . . . . . . .
1.3. Operaciones con subconjuntos . . . . . . . . . . . . . . .
1.3.1. Familias de conjuntos y operaciones . . . . . . . .
1.4. Pares ordenados, producto cartesiano y relaciones binarias
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
7
7
7
10
13
15
2. Aplicaciones
2.1. Relaciones y aplicaciones . . . . . . . . . .
2.2. Tipos de aplicaciones . . . . . . . . . . . .
2.3. Imagenes directas e inversas . . . . . . . .
2.4. Composicion . . . . . . . . . . . . . . . .
2.4.1. Inversa de una aplicacion biyectiva
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
19
19
21
22
24
25
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
3. Orden
29
3.1. Conjuntos ordenados y sus elementos distinguidos . . . . . . . . 29
3.2. Conjuntos bien ordenados. . . . . . . . . . . . . . . . . . . . . . . 34
4. Relaciones de equivalencia
4.1. Conceptos b
asicos . . . . . . . . . . . . . . .
4.2. Clases de equivalencia . . . . . . . . . . . . .
4.3. El conjunto cociente y la proyeccion canonica
4.4. Relaciones de equivalencia y particiones . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
37
37
38
39
40
5. Conjuntos num
ericos
5.1. Cardinalidad. Conjuntos finitos e infinitos . . . . .
5.1.1. Orden y operaciones aritmeticas . . . . . .
5.2. N
umeros enteros . . . . . . . . . . . . . . . . . . .
5.3. N
umeros racionales . . . . . . . . . . . . . . . . . .
5.3.1. Escritura decimal de n
umeros racionales. .
5.4. N
umeros reales . . . . . . . . . . . . . . . . . . . .
5.5. N
umeros complejos . . . . . . . . . . . . . . . . . .
5.5.1. Forma exponencial de un n
umero complejo.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
43
43
48
48
50
52
55
56
60
.
.
.
.
.
.
.
.
INDICE GENERAL
4
5.6. Conjuntos numerables y no numerables
6. An
alisis combinatorio.
6.1. Variaciones. . . . . . . . . . . .
6.1.1. N
umero de variaciones.
6.2. Permutaciones. . . . . . . . . .
6.3. Combinaciones. . . . . . . . . .
II
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
. . . . . . . . . . . . . .
61
.
.
.
.
63
63
63
64
64
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
N
umeros y polinomios
67
7. El anillo de los n
umeros enteros.
7.1. Artimetica de los enteros. . . . . . . . . . . . . . . . . . . . . .
7.1.1. Division entera y maximo com
un divisor. . . . . . . . .
7.1.2. Mnimo com
un m
ultiplo . . . . . . . . . . . . . . . . . .
7.1.3. La ecuaci
on diof
antica lineal . . . . . . . . . . . . . . .
7.1.4. N
umeros primos.Teorema Fundamental de la Aritmetica
7.2. Congruencias. . . . . . . . . . . . . . . . . . . . . . . . . . . . .
7.2.1. Propiedades aritmeticas de las congruencias . . . . . . .
7.2.2. Estructuras algebraicas. . . . . . . . . . . . . . . . . . .
7.2.3. Algunas aplicaciones . . . . . . . . . . . . . . . . . . . .
7.3. Teoremas de Euler, Fermat y Wilson . . . . . . . . . . . . . . .
7.4. Teorema chino de los restos . . . . . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
69
69
69
75
76
78
80
81
82
84
87
90
8. Polinomios
8.1. Polinomios con coeficientes en un cuerpo.
8.2. Races de polinomios. . . . . . . . . . . .
8.3. Irreducibilidad y teorema fundamental del
8.4. Factores m
ultiples. . . . . . . . . . . . . .
8.5. Polinomios irreducibles en Q[X]. . . . . .
.
.
.
.
.
95
95
101
103
106
107
. . . . .
. . . . .
algebra.
. . . . .
. . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
A. Ap
endice
111
A.1. La funci
on sucesor . . . . . . . . . . . . . . . . . . . . . . . . . . 111
A.2. Operaciones en N . . . . . . . . . . . . . . . . . . . . . . . . . . . 112
Parte I
Conjuntos
Captulo 1
Conjuntos y elementos
1.1.
Sobre el concepto de conjunto y elemento.
Comenzamos con la definicion de conjunto de G. Cantor:

Un conjunto es una colecci
on (dentro de un todo) de distintos objetos
definidos por nuestra intuici
on o pensamiento
Esta forma de abordar los conjuntos se llama concepcion intuitiva de los
conjuntos.
La noci
on formal de conjunto corresponde con fundamentos de la matematica que quedan fuera del alcance de nuestro curso.
Tambien queda fuera del alcance de este texto el concepto de pertenencia.
Vamos a asumir entonces que hay unos objetos que llamamos conjuntos
que poseen unos objetos que llamamos elementos.
1.2.
Pertenencia, contenido e igualdad.
Las colecciones a las que llamaremos conjuntos seran construidas de las siguientes dos formas principales.
1. Por extensi
on: haciendo la lista de objetos. Por ejemplo
A = {X1 , . . . , Xn , . . . } o A = {a, b, c, . . . }.
2. Por comprehension: a traves de una formula proposicional que siempre
tendra, a su vez, un conjunto de referencia. Por ejemplo, si B es un conjunto,
A = {X B | p(X) (es verdadera) } .
Cuando el conjunto B sea obvio quien es por el contexto, podemos no
escribirlo.
7
CAPITULO 1. CONJUNTOS Y ELEMENTOS
Asumimos (como axioma) que cualquiera de las dos escrituras anteriores

determina un u
nico conjunto.
1.2.1. Ejemplo. Las siguientes colecciones son conjuntos.
1. A = {a, e, i, o, u} o A = {x | x es una vocal }.
2. A = {2, 4, . . . } o A = {x N | x es par }.
1.2.2. Ejercicio. Escribir, usando las formas de comprehensi
on y extensi
on,
los siguientes conjuntos:
1. Los n
umeros naturales que son impares y menores que 20.
2. Las vocales de la palabra murcielago.
3. Los n
umeros impares positivos.
1.2.3. Observaci
on. La exigencia del conjunto de referencia en la escritura de
comprehension es importante. El todo de donde tomamos los elementos debe
de ser, de antemano, un conjunto. De no ser as, podemos tener problemas, como
se muestra a continuacion.
Sea U la colecci
on de todos los conjuntos y definimos
A = {x U | x 6 x} .
Si U fuese conjunto entonces A tambien lo sera y entonces es inmediata la
siguiente proposicion: A A si y solo si A 6 A, conocida como la paradoja de
Russell.
Lo que ocurre aqu es que U no es un conjunto y por tanto, no podemos
formar el conjunto A por comprehension.
1.2.4. Notaci
on. Si a es un elemento del conjunto A, escribiremos a A. En
caso contrario escribimos a
/ A.
1.2.5. Inclusi
on. Sean A y B conjuntos. Decimos que A est
a contenido en B,
o que A es subconjuntos de B si para todo elemento a A se tiene que a B.
Se denota A B y se expresa a A a B
Si A no est
a contenido en B entonces escribimos A 6 B.
1.2.6. Observaci
on. Es claro que A 6 B si y solo si existe a A tal que
a 6 B.
1.2.7. Ejemplo. Sea I = {x N | x es impar } = {x N | x = 2n +

1, con n N}, que a veces, para abreviar, escribimos {2n+1 | n N} (aunque
esta escritura no estaba contemplada, se usa mucho y se entiende perfectamente,
as que podemos introducirla). Entonces I N.
1.2.8. Notaci
on. Sean A y B conjuntos, tales que A B. Si queremos destacar
la posibilidad de que A y B sean iguales podemos escribir A B. Cuando
queremos poner enfasis en justo lo contrario, escribimos A ( B; lo expresamos
como a A a B pero b B tal que b 6 A.
1.2. PERTENENCIA, CONTENIDO E IGUALDAD.
1.2.9. Igualdad. Diremos que dos conjuntos A y B son iguales cuando tengan
exactamente los mismos elementos. Lo expresamos a A a B.
1.2.10. Proposici
on. Sean A y B conjuntos. A = B si y s
olo si A B y
BA
Demostraci
on. Inmediata.
Conjunto vaco.
1.2.11. Definici
on. Un conjunto vaco es aquel que no tiene elementos.
1.2.12. Proposici
on. Sean A y B conjuntos. Si A es vaco entonces A B.
Demostraci
on. Por reduccion al absurdo. Sea A un conjunto vaco y supongamos
que existe B, conjunto tal que A * B. Entonces existe a A tal que a 6 B.
Luego A no es vaco lo cual es imposible.
1.2.13. Corolario. Solo hay un conjunto vaco.
Demostraci
on. Inmediata de la proposicion anterior.
Notaci
on. El conjunto vaco se denota
1.2.14. Ejercicio. Decidir razonadamente si la siguiente afirmaci
on es verdadera o falsa:
A = x, x
6 A.
1.2.15. Partes de un conjunto. Sea A un conjunto. La colecci

on
P(A) = {B | B A}
se conoce como el conjunto de las partes de A o el conjunto potencia de A.

1.2.16. Ejercicios.
1. Determinar P().
2. Sea A = {x1 , x2 , x3 }. Escribir P(A) y comprobar que tiene 23 elementos.
3. (Taller 2012-2013) Probar que A 6= P(A).
Soluci
on. Solo veremos el ejercicio del taller. Supongamos que A = P(A). Se
tendra entonces que X A implica que X A. Vamos a formar el conjunto
B = {X A | X 6 X}. Como B A entonces B A; ademas, ocurre una de
dos:
1. B B, en cuyo caso B A y B B y por tanto B 6 B, lo cual es
absurdo.
2. B 6 B, en cuyo caso B A y B 6 B y por tanto B B, lo cual es
absurdo.
As que la suposicion de que A = P(A) reduce al absurdo y por tanto es falsa.
Luego lo contrario es verdadero.
10
1.3.
Operaciones con subconjuntos
1.3.1. Uni
on. Sean A y B conjuntos. El conjunto
A B = {x | x A o x B}
se conoce como la uni
on de A y B.
Se escribe x A B si y s
olo si x A o x B.
Lo contrario es x
/ A B si y s
olo si x
/A y x
/ B.
1.3.2. Ejercicio. Sea A un conjunto arbitrario. Probar que para cualquier conjunto B, se tiene que A A B.
1.3.3. Intersecci
on. Sean A y B conjuntos. El conjunto
A B = {x | x A y x B}
se conoce como la intersecci
on de A y B.
Se escribe x A B si y s
olo si x A y x B.
Lo contrario es x
/ A B si y s
olo si x
/A o x
/ B.
1.3.4. Ejercicio. Para los conjuntos A, B y C, probar las siguientes propiedades:
1. Si A B y B C entonces (A B) C.
2. (A B) C = A (B C).
3. A B si y s
olo si A B = B si y solo si A B = A
4. Como consecuencia, A = A y A = .
1.3.5. Ejemplos. 1) Vamos a comenzar abordando un caso muy concreto hasta
otener la maxima generalidad, en el uso de la escritura comprehensiva.
Sea U = R2 , el plano eucldeo, A = {(x, y) U | x + y = 3}, B = {(x, y)
U | x + y = 7} y C = {(x, y) U | x y = 0}. Probar que A B y que
A 6 C.
M
as en general, si P (r) = {(x, y) U | x + y = r}, con r R, probar que
P (r) P (s) si y solo si r s.
Finalmente, probar que si U es un conjunto arbitrario, A = {x U | p(x) }
y B = {x U | q(x) }, entonces A B si y solo si [p(x) q(x)].
2) Vamos a ver un caso donde podemos comparar el uso de escritura comprehensiva y el de listas. Para cualquier a N, se define N a = {a, 2a, . . . } =
{x N | x = na, con n N}. En este caso, la escritura con lista parece mas
elegante que la comprehensiva. Tambien N a N b = N mcm(a, b); pero la
uni
on N a N b se escribe mal como lista.
1.3. OPERACIONES CON SUBCONJUNTOS
11
Diagramas de Venn
En 1880 John Venn introdujo los diagramas para una mejor comprensi
on de
los conjuntos y sus operaciones. Los siguientes diagramas representan la union
e interseccion de dos conjuntos A y B contenidos en otro conjunto, digamos U .
U
A
B
'$
'$
&%
&%
Uni
on
A
B
'$
'$
&%
&%
Interseccion
Leyes distributivas.
1.3.6. Proposici
on. Sean A, B y C conjuntos. Entonces
1. A (B C) = (A B) (A C).
2. A (B C) = (A B) (A C).
Demostraci
on. Probaremos la primera, la otra se deja como ejercicio.
] Sea x A (B C). Entonces x A y x B C; es decir, x A y
ademas x B o x C. Ahora separamos en dos casos. Primero, x A y x B,
de donde x A B. El otro es x A y x C, de donde x A C. No hay
mas casos y por tanto x (A B) (A C).
] Si x (A B) (A C) entonces x A y x B o bien x A y x C.
Luego x A en ambos casos y as, x A y ademas x B o x C, de donde
x A (B C).
Vamos ahora con la segunda.
] Sea x A (B C). Tenemos dos casos. Primero, si x A entonces
x A B y ademas x A C (Ejercicio 1.3.2) luego x (A B) (A C).
Ahora, si x 6 A entonces x B C entonces x A B y x A C (otra vez
Ejercicio 1.3.2) y por tanto x (A B) (A C).
] Sea x (A B) (A C). Consideramos dos casos. Primero, si x A
entonces x A (B C) (otra vez Ejercicio 1.3.2). Segundo, si x 6 A entonces
x B y ademas x C por lo que x B C, de donde x A (B C).
1.3.7. Diferencia de conjuntos. Sean A y B conjuntos. La diferencia de
conjuntos es la colecci
on
A \ B = {X | X A y X 6 B}.
Expresado como diagrama de Venn
12
U
A
B
'$
'$
&%
&%
Diferencia
1.3.8. Ejercicio. Considerense los conjuntos A = {X R | 0

2
B = {X R | X2 < 8}. Se pide:
x
2
6} y
1. Representar estos conjuntos en la recta real.

2. Determinar los conjuntos A B, A B, A \ B y B \ A, escribiendolos de
forma comprehensiva y gr
aficamente en la recta real.
1.3.9. Complemento. Sean A y U conjuntos, con A U . Se conoce como
complemento de A en U a la colecci
on
A = U \ A = {X U | X 6 A}.
Leyes de De Morgan.
Augustus De Morgan 1806 (Madras, India)-1871(Londres). Fue hijo de un
militar britanico. Hizo contribuciones importantes en algebra, geometra y ademas
fue cofundador de la London Mathematical Society, as como su primer presidente.
1.3.10. Proposici
on. Sean A y B conjuntos.
1. (A B) = A B .
2. (A B) = A B .
Demostraci
on.
1. x (A B)
2. x (A B)
x 6 A B x 6 A o x 6 B x A o x B
x A B .
x
6 A B x 6 A y x 6 B x A y x B
x A B .
Expresado como diagrama de Venn
1.3. OPERACIONES CON SUBCONJUNTOS

U
A
B
'$
'$
&%
&%
A
B
'$
'$
&%
&%
1.3.1.
13
(A B) = A B
(A B) = A B
Familias de conjuntos y operaciones
Algunas veces queremos hacer colecciones de objetos y no podemos o no

nos interesa garantizar que todos ellos sean distintos. Vamos a ver un par de
ejemplos.
Sean N el conjunto de los n
umeros naturales y P el conjunto de los n
umeros pares positivos. Definimos, para cada n N, An como el conjunto de los
m
ultiplos pares de n; es decir An = {x P | nx N}.
Entonces, la colecci
on C = {An }nN no es conjunto porque, por ejemplo,
Ap = A2p , para todo primo impar. En este caso, decimos que C es una familia
(de conjuntos).
A
un as, es claro que podemos considerar su union e interseccion y respetar
a las leyes habituales de conjuntos.
Otro ejemplo es el siguiente. Considerese p1 (X) = X 3 X 2 + X 1 y
p2 = X 3 + X 2 2. Sean R1 y R2 los conjuntos de races reales de p1 (X) y
p2 (X) respectivamente, y R = {R1 , R2 }. En principio, no podemos asegurar
que R sea o no conjunto, pero es inmediato comprobar que, visto como familia
1 R1 R2 .
1.3.11. Definici
on. Una familia de conjuntos es una colecci
on {Ai | i I},
donde I es un conjunto y Ai son conjuntos.
Si todos los objetos son diferentes, tendremos un conjunto, si no, una familia.
14
Uniones e intersecciones arbitrarias en conjuntos y familias

Comenzamos con la union. Al ser una operaci
on binaria y asociativa, podemos extenderla a una colecci
on finita de uniendos. As, si A1 , . . . , An son
conjuntos se tiene que
n
[
i=1
Ai = {x | x Ai para alguna i {1, . . . , n}} .
Cuando la colecci
on sea infinita, tambien habr
a union, pero ya no es una
consecuencia de propiedades de operaciones binarias. Ser
a una nueva definicion.
Veamos la versi
on mas general. Nos viene a decir que las uniones mas generales seran conjuntos, siempre y cuando los uniendos pertenezcan a su vez, a un
conjunto.
1.3.12. Uni
on arbitraria. Sea C un conjunto cuyos elementos son, a su vez,
conjuntos. La uni
on arbitraria es el conjunto
C = {x | x A, para alg
un A C} .
En el caso de las familias, si I es un conjunto de ndices y C = {Ai | i I} =
{Ai }iI , entonces escribimos
C =
iI
Ai = {x | x Ai para alg
un i I} .
Al igual que sucede con la union, podemos definir la interseccion finita en

conjuntos y familias. Si A1 , . . . , An son conjuntos entonces la interseccion es el
conjunto
n
\
Ai = {x | x Ai para todo i {1, . . . , n}} .
i=1
1.3.13. Intersecci
on arbitraria. Sea C un conjunto, cuyos elementos son, a
su vez, conjuntos. La intersecci
on arbitraria es el conjunto
C = {x | x A, para todo A C} .
En el caso de las familias, si I es un conjunto de ndices y C = {Ai | i I} =
{Ai }iI , entonces escribimos
C =
iI
Ai = {x | x Ai para todo i I} .
1.3.14. Ejemplo. Sea A = {a, b, c} y consideramos el conjunto de las partes

de A, que denotamos P(A). Sea C = {{a, b}, {b, c}}. Entonces
S
1. C = A.
T
2. C = {b}.
1.4. PARES ORDENADOS, PRODUCTO CARTESIANO Y RELACIONES BINARIAS15

1.3.15. Ejemplo. Sea P el conjunto de todos los n
umeros primos positivos.
Para cada primo, p P, definimos el conjunto N p = {0, p, 2p, . . . }, o sea, los
m
ultiplos naturales de p. Entonces:
1. La familia {N p}pP es un conjunto.
S
2. pP N p = N.
3. Si p1 , . . . , pn son primos cualesquiera entonces se tiene que

{0, p1 pn , 2(p1 pn ), . . . }
T
4. pP N p = .
1.4.
Tn
i=1
N pi =
Pares ordenados, producto cartesiano y relaciones binarias
En ocasiones queremos hacer corresponder dos objetos, ya sea para compararlos, sustituirlos o diversos objetivos mas. Una herramienta matematica por
excelencia para estudiar las correspondencias es la idea de pareja ordenada o
par ordenado. En los estudios preuniversitarios invocamos las parejas ordenadas
escribiendo (a, b). Vamos interpretar este concepto en terminos de conjuntos.
1.4.1. Definici
on. Sean A y B conjuntos. La pareja ordenada formada por
a A y b B es el conjunto
(a, b) = {{a}, {a, b}} .
1.4.2. Observaci
on. La escritura de la definicion anterior puede reducirse mucho seg
un el caso. Por ejemplo (a, a) = {{a}}.
1.4.3. Proposici
on. Sean A y B conjuntos. Para cualesquiera elementos a, c
A y b, d B se tiene que (a, b) = (c, d) si y solo si a = c y b = d.
Demostraci
on. Se deduce de la igualdad {{a}, {a, b}} = {{c}, {c, d}}.
Ahora vamos a considerar el conjunto de las parejas ordenadas. N
otese que
una vez establecida la definicion conjuntista de pareja ordenada volvemos a
expresiones completamente familiares.
1.4.4. Producto cartesiano. Sean A y B conjuntos. El producto cartesiano
de A y B es el conjunto
A B = {(a, b) | a A y b B} .
1.4.5. Observaci
on. Es claro que siendo el producto cartesiano un operaci
on
binaria, podemos extender el concepto a un n
umero finito de factores. En este
caso, es inmediato comprobar que el producto cartesiano de tres conjuntos no es
asociativo; sin embargo, la identificacion (a, (b, c)) con ((a, b), c) es demasiado
clara como para pasarla de largo. Intuitivamente identificamos los conjuntos,
16
teniendo precauciones formales pues no tenemos por ahora una descripcion en

terminos de conjuntos para la expresion (a, b, c). M
as adelante le daremos sentido, con un concepto mas general, el de producto directo.
1.4.6. Proposici
on. Sea A un conjunto arbitrario. Entonces
A = A = .
Demostraci
on. Supongamos que A =
6 . Entonces existe una pareja (a, b)
A , con b . Pero eso es imposible. El otro producto es completamente
analogo.
1.4.7. Observaci
on. De la propia definicion de pareja ordenada se desprende
que si A y B son conjuntos puede ocurrir que A B 6= B A.
1.4.8. Ejercicios.
1. Sea A = 1, 2, 3 y B = a, b. Formar el producto cartesiano.
2. Probar que A (B C) = (A B) (A C)
3. Probar que A (B C) = (A B) (A C)
Ahora vamos expresar en terminos de conjuntos la nocion de relacion (o
correspondencia) entre dos objetos.
1.4.9. Definici
on. Sean A y B conjuntos. Una relaci
on binaria (o correspondencia) entre elementos de A y de B es un subconjunto R A B.
Cuando (a, b) R decimos que a est
a relacionado con b (dicho en ese orden)
y escribimos aRb.
Cuando ocurra A = B, diremos simplemente que R es una relaci
on en A.
1.4.10. Observaci
on. Algunos autores obligan a que las relaciones sean conjuntos no vacos. Otros reservan el termino relacion para correspondencias en
un solo conjunto.
Si no causa confusi
on, diremos relacion en vez de relacion binaria.
1.4.11. Observaci
on. N
otese que puede ser que un elemento a este relacionado
con otro b, pero no recprocamente.
1.4.12. Ejemplos.
1. Si A = y B es arbitrario, entonces A B = y por
lo tanto, la u
nica posible relacion entre A y B es la vaca.
2. Sean A y B conjuntos cualesquiera. Siempre se tienen dos relaciones (que
pueden coincidir), una es el vaco y la otra es la total.
3. Sea R R2 la relacion dada por

R = (x, y) R2 | x y ;
es decir, xRy x y.
1.4. PARES ORDENADOS, PRODUCTO CARTESIANO Y RELACIONES BINARIAS17

4. Sea R Z2 Z2 tal que
(a, b)R(a , b ) ab = a b.
5. Sea A un conjunto. La diagonal de A2 ; es decir, (a, b) R a = b, es
una relaci
on (la igualdad).
6. Sea R Z2 la relaci
on dada por aRb a | b (a divide a b; o bien, b es
m
ultiplo de a, vease 7.1.6).
7. Sea R R2 la relaci
on dada por xRy y = x2 + 1. En este caso R =
2
2
{(x, y) R | y = x + 1} y podemos dibujarla en el plano.
1.4.13. Definici
on. Sean A y B, conjuntos, y R una relaci
on entre A y B.
1. Al conjunto A se le llama conjunto inicial.
2. Al conjunto B se le llama conjunto final.
3. Se conoce como dominio de la relaci
on, al conjunto
DomR = {a A | b B, (a, b) R} .
4. Se conoce como imagen de la relaci
on, al conjunto
ImR = {b B | a A, (a, b) R} .
1.4.14. Ejemplo. Sea R R2 tal que
(x, y) R x =
y2 x
.
y
Se puede comprobar que DomR = R y que ImR = R \ {0}.
Podemos representar las relaciones en graficas planas, como se hace en el

c
alculo. Vamos a ver un ejemplo, sean A = {a, b, c} y B = {a , b , c , d } y
considerese la relaci
on R = {(a, b ), (a, c ), (b, c )}. La grafica es
d
c
b
a
Un ejercicio interesante es estudiar la relacion entre la forma de las graficas

y las propiedades de las relaciones.
18
Captulo 2
Aplicaciones
2.1.
Relaciones y aplicaciones
En cursos anteriores hemos visto que una aplicacion es una correspondencia

entre los elementos de dos conjuntos. M
as actualmente, en captulos aneriores hemos expresado el concepto de correspondencia en terminos de conjuntos.
Vamos a trabajar ahora el concepto de aplicacion en terminos de conjuntos.
2.1.1. Definici
on. Sean A y B conjuntos. Una aplicaci
on entre A y B es una
relaci
on f A B que cumple la siguiente propiedad:
Para todo a A, existe un u
nico b B tal que (a, b) f .
O bien, si (a, b) y (a, c) pertenecen a f , entonces c = d.
N
otese que esta definicion en realidad no difiere de la que hemos visto en
estudios previos. Estamos diciendo, en terminos de conjuntos, que una aplicacion
es una correspondencia entre los elementos del conjunto A y del conjunto B,
que satisfacen que para todo a A existe un u
nico elemento b B que le
corresponde.
2.1.2. Notaci
on. Sean A y B conjuntos y f una aplicaci
on de A a B. Escribimos entonces
f
f : A B o A B.
Adem
as, si a A y (a, b) f , como b es u
nico podemos escribir
b = f (a).
En ocasiones expresamos la igualdad anterior b = f (a), que tambien llamamos regla de corespondencia, a traves de ecuaciones. Por ejemplo, podemos
definir f : N N tal que f (n) = n2 .
Cuando partimos de una ecuaci
on como por ejemplo y = x2 + 1 y queremos
interpretarla como la regla de una relacion, la llamamos funci
on 1 y tenemos que
1 Algunos
autores no distinguen estos conceptos y a todo le llaman funciones.
19
CAPITULO 2. APLICACIONES
20
determinar su dominio de definicion es decir, el mayor conjunto que puede

ser el dominio con el que podemos interpretar y = x2 + 1 como la regla de
correspondencia de una aplicacion.
Existen diversas maneras de representar graficamente a las aplicaciones. Vamos a ver dos de ellas. La primera muy tpica:
Sean A = {a, b, c} y B = {a , b , c , d } conjuntos. Representamos la aplicaci
on f : A B tal que f = {(a, a ), (b, c ), (c, d )} como
f
A
La siguiente es la grafica habitual de las coordenadas, que ya hemos visto

para relaciones.
d
c
b
a
a
Otra gr
afica habitual es la de la funci
on y = x2 + 1
2.1.3. Observaci
on. En ocasiones, sobre todo en el c
alculo y la topologa,
se suele identificar la aplicacion con la regla de correspondencia y a la propia
aplicacion con la gr
afica (o grafo).
2.1.4. Observaci
on. Como hemos dicho, una aplicacion es una relacion, que
escribimos f : A B. De este modo tenemos
1. El dominio de f , que es Domf = A. Es decir, el dominio coincide con el
conjunto inicial, as que este u
ltimo termino ya no se usa.
2. La imagen (o imagen directa) de f , que es Imf = f (A) B.
Ademas, tenemos otras definiciones.
2.1.5. Definici
on. Sean A y B conjuntos y f : A B.
1. Al conjunto final B se le llama el codominio de f .
21
2.2. TIPOS DE APLICACIONES
2. A la igualdad b = f (a) se le llama la regla de correspondencia de f , y

tiene especial sentido cuando se establece por f
ormula.
3. Si (a, b) f , decimos que a es una preimagen de b y que b es la imagen
de a.
2.1.6. Ejemplos.
1. Sea A un conjunto. La relaci
on diagonal es una aplicacion que llamamos
la identidad.
2. Sea f : Z N, tal que f (a) = a2 . Entonces f es una aplicacion.
3.
La relaci
on xRy x2 + y 2 = 1 no es una aplicacion. Sin embargo, y =
2
1 x s lo es.
2.1.7. Ejemplo. Operaciones binarias. Sean A y B conjuntos no vacos. Una
ley de composicion externa es una aplicacion
B A A
cuya imagen habitualmente denotamos b a en vez de (b, a). Un ejemplo tpico
de esto es el producto por un escalar en espacios vectoriales.
Otra operaci
on binaria es la ley de composicion interna. Sea A un conjunto.
Una operaci
on binaria en A es una aplicacion
B A A
cuya imagen habitualmente denotamos a a en vez de (a, a ). Un ejemplo
tpico de esto es la suma en los n
umeros naturales.
2.2.
Tipos de aplicaciones
2.2.1. Definici
on. Sea f : A B una aplicaci
on.
1. Decimos que f es inyectiva (o uno a uno) si para cada elemento de la
imagen, la preimagen es u
nica. Escribimos
f (a) = f (b) a = b
a 6= b f (a) 6= f (b)
2. Decimos que f es suprayectiva (o sobreyectiva o exhaustiva) si cubre todo

el codominio. Escribimos
b B, a A tal que f (a) = b.
3. Decimos que f es biyectiva si es inyectiva y suprayectiva.
2.2.2. Ejemplos. Se pueden comprobar facilmente las siguientes afirmaciones:
22
1. La aplicacion f : N N tal que f (x) = 2x es biyectiva.

2. La aplicacion f : [1, ) (0, 1] tal que f (x) =
1
x
es biyectiva.
3. Sean A = {a, b, c} y B = {a , b , c , d }. Entonces

a) La aplicacion f = {(a, b ), (b, b ), (c, b )} no es inyectiva ni suprayectiva (es constante).
b) La aplicacion f = {(a, b ), (b, c ), (c, d )} es inyectiva pero no suprayectiva.
c) Ninguna aplicacion f : A B puede ser suprayectiva.
2.3.
Im
agenes directas e inversas
2.3.1. Definici
on.
1. Para X A, definimos la imagen (directa) de X como
f (X) = {f (x) | x X} = {b B | x X, b = f (x)}.
2. Para Y B, definimos la imagen inversa como
f (Y )1 = {a A | f (a) Y }
que tambien podemos escribir f 1 (Y ) teniendo cuidado de no confundirla
con la aplicaci
on inversa.
En el caso de las im
agenes inversas, cuando el conjunto Y solo tiene un
elemento, digamos Y = {y} se suele denotar f (y)1 .
2.3.2. Proposici
on. La imagen directa verifica
las siguientes propiedades.
1. f () = .
2. Si X Y entonces f (X) f (Y ).
3. Si X, Y A entonces f (X Y ) = f (X) f (Y ).
4. Si X, Y A entonces f (X Y ) f (X) f (Y ).
M
as en general, si I es un conjunto y {X }I una familia de subconjuntos de
A entonces
!
!
[
\
[
\
f
f (X ) y f
f (X )
X =
X
I

2.3. IMAGENES
DIRECTAS E INVERSAS
23
Demostraci
on. 1. Es inmediata de (1.4.6).
2. Si X = el resultado se sigue de lo anterior, y del hecho de que el
vaco est
a contenido en todo conjunto (1.2.12). En otro caso, sea y f (X).
Entonces existe x X tal que f (x) = y. Como X Y entonces x Y , luego
y = f (x) f (Y ).
Finalmente haremos la primera de las generales y los apartados restantes los
dejaremos como ejercicio.
] Sea y f (I X ). Entonces existe x I X tal que f (x) = y.
Como x I X entonces x X para alguna I. Luego y f (X )
I f (X ).
] Considerese y I f (X ). Entonces y f (X ) para
S alguna I,
as que existe x X tal que f (x) = y. De hecho x I X , as que
y = f (x) f (I X ).
2.3.3. Ejercicio. Dar ejemplos de funciones f : A B y conjuntos X, Y A
tales que f (X Y ) ( f (X) f (Y ) y f : A B y conjuntos X , Y A tales
que f (X Y ) = f (X ) f (Y )
Respuesta. Sean A = {1, 2}, B = {b}, X = {1} e Y = {2}. Sea f : A B
tal que f es la constante b. Entonces X Y = , luego f (X Y ) = , pero
f (X) f (Y ) = B.
2.3.4. Proposici
on e Y B. La imagen
inversa verifica las siguientes propiedades.
1. f (Y )1
1
=f Y
.
2. Si I es un conjunto e {Y }I una familia de subconjuntos de B entonces
!1
f (Y )
!1
f (Y )
Demostraci
on. Probaremos la u
ltima afirmaci
on. El resto se deja como ejercicio.
] Sea x f (I Y )1 . Entonces f (x) I Y , entonces f (x) Y para
1
1
todo I luego x f (Y ) para todo I, as que x I f (Y ) .
1
1
] Sea x I f (Y ) . Entonces x f (Y )
para todo I, luego f (x) Y para todo I, entonces f (x) I Y . Por lo tanto x
1
T
.
f
I Y
2.3.5. Ejemplo. Sea f : R R dada por f (x) = x2 . Sea X = [1, 2] R. Se

puede comprobar que:
1. f (X) = [1, 2].
2. f (f (X))1 = [ 2, 1] [1, 2].
24

3. f (X)1 = 4 2, 1 1, 4 2

4. f f (X)1 = [1, 2].
Como ejercicio se puede hacer lo mismo para la aplicacion dada por g(x) =
sen x, e Y = [2, 2].
2.4.
Composici
on
Permtasenos comenzar este p

arrafo con el siguiente ejercicio.
2.4.1. Ejercicio. Sean f : A B y g : B C aplicaciones. Definimos la
relaci
on g f A C tal que (a, c) (g f ) si y s
olo si, existe b B tal que
(a, b) f y (b, c) g.
Probar que g f es una aplicaci
on.
Respuesta. Sea a A. Entonces existe un u
nico b B tal que (a, b F y un
u
nico c C tal que (b, c) g, por tanto (a, c) g f . Vamos a ver que c es
u
nico. Si (a, c ) g f entonces existe b B tal que (a, b ) f y (b , c ) g,
pero la definicion de aplicacion nos dice que b = b y por tanto c = c .
Entonces podemos introducir el siguiente concepto.
2.4.2. Definici
on. Sean f : A B y g : B C aplicaciones. Se conoce como
la composici
on de f seguida de g y la denotamos g f a la aplicaci
on siguiente:
1. g f : A C. Tal que
2. (g f )(a) = g(f (a)).
Entonces, en la composicion ocurre que Dom(g f ) = Domf y el codominio
de la composicion es igual al codominio de g.
2.4.3. Ejemplos.
1. Sean f : N N y g : N Z, dadas por f (n) = 2n + 1 y g(n) = n2 .
Entonces la composicion de f seguida de g es
(g f )(n) = g(f (n)) = g(2n + 1) = (2n + 1)2 .
N
otese que la composicion de g seguida de f no puede definirse, porque
no coinciden la imagen de g y el dominio de f . Tambien notemos que a
efectos practicos, eso podra corregirse. Una manera es la siguiente.
2. Al hilo del apartado anterior, sean f : N N y g : N N, dadas por
f (n) = 2n + 1 y g (n) = n2 . Ahora podemos hacer ambas composiciones
y queda
(g f )(n) = (2n + 1)2
N
otese que (g f ) 6= (f g).
(f g)(n) = 2n2 + 1.

2.4. COMPOSICION
25
2.4.4. Teorema. Sean f : A B, g : B C y h : C D aplicaciones.

Entonces h (g f ) = (h g) f .
Demostraci
on. La coincidencia de los dominios y codominios es clara, luego las
composiciones pueden considerarse. Sea a A. Calculamos
(h (g f ))(a) = h ([g f ](a)) = h (g(f (a))) = (h g)(f (a)) = ((h g) f )(a)
2.4.5. Proposici
on. La composici
on de aplicaciones inyectivas es inyectiva.
Demostraci
on. Sean f : A B y g : B C aplicaciones inyectivas. Sean
a, a A tales que (g f )(a) = (g f )(a ). Entonces g(f (a)) = g(f (a )) y como
g es inyectiva f (a) = f (a ), y como f es inyectiva a = a .
2.4.6. Proposici
on. La composici
on de aplicaciones suprayectivas es suprayectiva.
Demostraci
on. Sea c C. Entonces existe b B tal que g(b) = c y, a su vez,
existe a A tal que f (a) = b. Luego (g f )(a) = c.
2.4.7. Corolario. La composici
on de aplicaciones biyectivas es biyectiva.
Demostraci
on. Inmediata de las dos anteriores.
2.4.8. Proposici
on. Sean f : A B y g : B C. Entonces
1. Si g f es inyectiva entonces f es inyectiva.
2. Si g f es suprayectiva entonces g es suprayectiva.
Demostraci
on. Ejercicio.
2.4.1.
Inversa de una aplicaci

on biyectiva
2.4.9. Notaci
on. Sea A un conjunto arbitrario. Denotamos a la aplicaci
on
identidad en A, como 1A : A A; es decir, 1A (a) = a, para todo a A.
2.4.10. Definici
on. Decimos que f tiene
inversa si existe g : B A tal que g f = 1A y f g = 1B .
En este caso, decimos que f es una aplicaci
on invertible.
2.4.11. Proposici
on invertible. Entonces la
inversa es u
nica.
Demostraci
on. Supongamos que g y h son inversas. Entonces
g = g 1B = g (f h) = (g f ) h = 1A h = h.
26
2.4.12. Notaci
on. Para una aplicaci
on invertible f : A B, denotamos la
inversa como f 1 .
2.4.13. Teorema. Sea f : A B una aplicaci
on. Entonces f es invertible si
y s
olo si es biyectiva.
Demostraci
on. Supongamos primero que f es invertible y veamos que es biyectiva. Sean a, a A. Si f (a) = f (a ) entonces f 1 (f (a)) = f 1 (f (a )), luego
a = a . Ahora, sean b, b B. Hacemos a = f 1 (b) y a = f 1 (b ) y se tiene que
f (a) = b y f (a ) = b . Por tanto es biyectiva.
Recprocamente, supongamos que f es biyectiva y queremos definir la inversa. Para cada b B consideremos la imagen inversa f ({b})1. Se afirma
que la imagen inversa tiene exactamente un elemento. Como f es sobre, entonces f ({b})1 6= . Si a, a f ({b})1 entonces b = f (a) y b = f (a ), de
donde f (a) = f (a ) y como es inyectiva a = a . Definimos g : B A tal que
g(b) f (b)1 , el u
nico elemento. Es inmediato comprobar que g es inversa de
f y por tanto g = f 1 .
2.4.14. Proposici
on. Sean f : A B y g : B C aplicaciones invertibles.
Entonces
(g f )1 = f 1 g 1 .
Demostraci
on. Es un c
alculo directo.
2.4.15. Ejemplo. Las permutaciones. Sea 0 6= n N y A = {a1 , . . . , an } un
conjunto (con n elementos). Una permutacion es una biyeccion : A A. Las
permutaciones se denotan

a1
...
an
.
=
(a1 ) . . . (an )
Como ejemplo mas concreto, si A = {1, 2, 3, 4, 5} entonces una permutacion
puede ser

1 2 3 4 5
=
.
3 4 5 1 2
Dado un conjunto no vaco A con n elementos, se denota S(A) el conjunto
de las permutaciones de A. En caso de que A = {1, . . . , n} escribimos Sn .
Producto directo
Vamos a ver una extensi
on de la idea del producto cartesiano (1.4.4) que
llamaremos el producto directo. A diferencia del producto cartesiano, el producto directo no implica un orden en las coordenadas. Cuando el conjunto de
ndices est
a ordenado, los identificamos, con la idea de extensi
on del producto
cartesiano a un n
umero finito de factores (vease 1.4.5).

2.4. COMPOSICION
27
2.4.16. Definici
on. Sea I un conjunto y F = {Ai }iI una familia de conjuntos. Se conoce como producto directo de la familia F al conjunto
Y
Ai = {f : I iI Ai | f (i) Ai } .
iI
2.4.17. Notaci
on. Los elementos
Q se denotan imitando la escritura de las parejas ordenadas; es decir, si f iI Ai , escribimos f = (xi )iI .
Cuando I es finito y se escribe como una lista, escribimos sus elementos
repitiendo la lista en los ndices. No tenemos que seguir el orden de la lista,
pero es conveniente y se acostumbra.
Por ejemplo si I = {1, . . . , n}, escribimos
A1 An = {(x1 , . . . , xn ) | xi Ai } .
En caso de que no se quiera escribir a una familia con ndices, simplemente
se presupone; es decir, a la familia {A, B, C} la vemos como {A1 , A2 , A3 } o
usando cualquier otro conjunto de ndices con tres elementos.
2.4.18. Ejemplos.
1. R2 = {f : {1, 2} R | f (i) R, i = 1, 2} = {(x1 , x2 ) | xi R}, el
plano habitual.
2. Rn = {f : {1, . . . , n} R | f (i) R, i = 1, . . . , n}.
Q
3. nN An = {f : N nN An | f (n) An }, es un producto infinito. Denotamos sus elementos tambien como f = (x1 , x2 , . . . ).
Ya hemos comentado que el producto cartesiano con mas de dos factores no
es asociativo (vease 1.4.5). El producto directo tampoco lo es, pero todo puede
identificarse. Por ejemplo existe una biyeccion entre A (B C) y (A B) C
que nos permite escribir ABC, e identificar (a, (b, c)) ((a, b), c) (a, b, c).
La comprobaci
on es demasiado laboriosa como para ocuparnos de ella, pero
en general depende del siguiente resultado que es mucho mas simple. Esta parte
la dejamos para los lectores mas curiosos.
2.4.19. Proposici
on. Sean I y J conjuntos y F = {Ai }iI y G = {Bj }jJ
familias de conjuntos. Si existe una biyecci
on : I J, junto con un
Q conjunto
de biyecciones {fi : Ai B(i) }iI entonces existe
una
biyecci
o
n
f
:
iI Ai

Q
1
(j)) .
jJ Bj , dada por f (x)(j) = f1 (j) x(
Q
Demostraci
on. N
otese que para cada
x iI Ai y cada j J, se tiene un
u
nico elemento f1 (j) x( 1 (j)) , as
Q on es aplicacion. Vamos a
Q que la relaci
ver que es biyectiva. Considerese g : jJ Bi iI Ai , dada por g(y)(i) =
fi1 (y((i))) (notese que fi1 : B(i) Q
Ai ). Es claro que tambien es aplicacion.
Se afirma que son inversas. Sea x iI Ai . Entonces

g(f (x))(i) = fi1 (f (x)((i))) = fi1 f1 ((i)) (x( 1 ((i)))) =
= fi1 (fi (x(i))) = x(i).
28
De forma completamente analoga se tiene que f (g(y)) = y. Como tiene inversa,

(2.4.13) nos asegura que f es biyectiva.
Producto directo arbitrario y axioma de elecci
on
Como acabamos de ver, el producto directo finito puede identificarse con
el producto cartesiano de conjuntos. De aqu se desprende que si tengo una
familia finita de conjuntos no vacos, el producto de conjuntos es no vaco.
Sin embargo, no podemos establecer directamente del primer captulo que el
producto arbitrario de una familia de conjuntos no vacos sea no vaca.
Los enunciados que veremos a continuacion, son equivalentes. Es facil comprobarlo.
2.4.20. Axioma de elecci
on.
1. Sea I un conjunto arbitrario y {Ai }iI una familia. Si cada Ai no vaco
entonces se puede elegir un elemento de cada conjunto.
O, equivalentemente
2. Sea I un conjunto no vaco y Q
{Ai }iI una familia de conjuntos no vacos.
Entonces el producto directo iI Ai es no vaco.
M
as adelante veremos conexiones muy interesantes entre esta y otras propiedades.
Captulo 3
Orden
3.1.
Conjuntos ordenados y sus elementos distinguidos
Recordemos que una relaci

on binaria, correspondencia o simplemente relacion (1.4.9 y 1.4.10) es un subconjunto del producto cartesiano entre dos conjuntos. En este captulo nos vamos a referir a cierto tipo de relaciones donde el
conjunto inicial y el final, coinciden.
Comenzamos con una lista de propiedades que utilizaremos durante todo el
texto.
3.1.1. Definici
on. Sea A un conjunto y R una relaci
on en A.
1. Decimos que R es reflexiva si (a, a) R, para todo a A.
2. Decimos que R es simetrica si para a, b A, cada vez que (a, b) R se
tiene que (b, a) R.
3. Decimos que R es antisimetrica si dados a, b A tales que (a, b) R y
(b, a) R, se tiene que a = b.
4. Decimos que R es transitiva si, dados a, b, c A, cada vez que (a, b) R
y (b, c) R se tiene que (a, c) R.
3.1.2. Ejemplo. Se pide que como ejemplo se clasifiquen las siguientes relaciones.
1. Se puede comprobar que si A = {a, b} y B = {1, 2} entonces existen 16
relaciones entre A y B. Un ejercicio puede ser clasificarlas todas.
2. Sea A = N y aRb si y solo si a + b es par.
3. Sea A = Z y aRb si y solo si a y b tienen distinta paridad.
4. Sea A = R y aRb si y solo si
29
CAPITULO 3. ORDEN
30
a) a b.
b) a 6= b.
c) |a + b| 1.
5. Sea A = N y aRb si y solo si a divide a b (recordemos a | b, vease 7.1.6).
6. Sea C un conjunto arbitrario y A = P(C). Definimos
a) aRb si y solo si a \ b = b \ a.
b) aRb si y solo si a b.
7. Sea A = R2 y (x1 , x2 )R(y1 , y2 ) si y solo si x1 < x2 o bien, si x1 = x2 se

tiene que x2 y2 .
3.1.3. Ejercicio. El orden que hemos visto en el Ejemplo 7 se conoce como
orden lexicogr
afico. Se pide extender la idea de orden lexicogr
afico en dos
direcciones. La primera a cualquier n
umero de coordenadas. La segunda sustituyendo R por un conjunto ordenado arbitrario.
3.1.4. Definici
on. Sea A un conjunto.
1. Una relaci
on en A se dice que es una relaci
on de orden (o un orden
parcial) si es reflexiva, antisimetrica y transitiva.
2. Un par (A, ), donde A es un conjunto y es una relaci
on de orden
en A, se dice que es un conjunto ordenado (o parcialmente ordenado).
Si el contexto no deja dudas sobre la relaci
on de orden, s
olo escribiremos
que A es un conjunto ordenado.
3.1.5. Notaci
on. Sea (A, ) un orden parcial. Para a, b A, escribimos a < b
si a b y adem
as a 6= b (tambien se escribe a b).
3.1.6. Ejemplos.
1. Los ejemplos 4a, 5, 6a y 7, son todos ordenes. Los otros no lo son.
2. A = R con el orden a b a b (el orden usual).
3. A = N \ {0} con el orden a b a | b (la divisibilidad 7.1.6).
4. B = {1, 2, 3} y A = P(B) con el orden a b a b (la inclusi
on).
(
a1 < b1 ; o bien
5. A = R2 con el orden (a1 , a2 ) (b1 , b2 )
a1 = b 1 y a2 b 2
Una propiedad notable de la relacion menor o igual de siempre en todos los
conjuntos de n
umeros es que dados dos n
umeros, siempre podemos distinguir
entre tres posibilidades. Que sean iguales, que uno sea mayor que el otro o
viceversa. Vamos a formalizar este concepto en la llamada ley de tricotoma.
3.1. CONJUNTOS ORDENADOS Y SUS ELEMENTOS DISTINGUIDOS 31

3.1.7. Definici
on. Sea (A, ) un conjunto ordenado.
Decimos que A satisface la ley de tricotoma si, dados a, b A, ocurre una
y solo una de las tres condiciones siguientes:
1) a = b. 2) a < b. 3) b < a.
3.1.8. Definici
on. Sea (, A) un conjunto ordenado.
1. Decimos que la relaci
on de orden es un orden total o lineal, si satisface
la ley de tricotoma.
2. En el caso anterior, diremos adem
as que A es un conjunto totalmente o
linealmente ordenado.
3.1.9. Ejercicio. Considerense los conjuntos ordenados (A, ) dados en los
ejemplos (3.1.6). Se pide decidir cu
ales de ellos son conjuntos totalmente ordenados, razonando la respuesta.
Vamos a ver dos representaciones graficas para conjuntos ordenados. La primera es conocida como los diagramas de Hasse o upward drawing, o simplemente diagrama de grafo de un orden parcial.
Consideremos a, b (A, ), tales que a b, pero a 6= b; es decir, a < b.
Entonces dibujamos una lnea hacia arriba que conecte a con b. Lo hacemos
con todos los elementos de A (escritos en lista si es finito o en caso infinito,
con formula cuando sea posible) con la condicion de no repetir ning
un elemento
de A. Ademas, no escribimos bucles; es decir, no conectamos ning
un elemento
consigo mismo.
3.1.10. Ejemplo. Sea C = {1, 2, 3} y A = P(C) junto con la relacion de
inclusion que ya vimos. El diagrama de Hasse asociado es:
{1, 2, 3}
HH

H

HH

H

{1, 2}
{1, 3}
{2, 3}

H

H

H
HH
H
HH
HH

H
H
{1}
{2}
{3}
HH

H

HH

H
La otra representacion, tambien bastante conocida se llama las -matrices.

Si tenemos un conjunto (parcialmente) ordenado, se construye entonces la matriz
A con ndices en A, tal que
(
1 si a < b
a,b =
0 otro caso
CAPITULO 3. ORDEN
32
3.1.11. Ejemplo. Sea, otra vez, C = {1, 2, 3} y A = P(C) junto con la relacion
de inclusion que ya vimos. La representacion de -matriz es
{1}
{2}
{3}
{1, 2}
{1, 3}
{2, 3}
{1, 2, 3}
0
0
0
0
0
0
0
0
{1}
{2}
{3}
{1, 2}
{1, 3}
{2, 3}
{1, 2, 3}
1
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
1
1
1
0
0
0
0
0
1
1
0
1
0
0
0
0
1
0
1
1
0
0
0
0
1
1
1
1
1
1
1
0
Vamos a ocuparnos de algunos elementos notables.

3.1.12. Definici
on. Sea (A, ) un conjunto ordenado y a A.
1. Decimos que a es m
aximo de A, cuando b a para todo b A
2. Decimos que a es el primer elemento o mnimo de A, cuando a b, para
todo b A
En el Ejemplo 3.1.10 podemos ver que el maximo {1, 2, 3} es el que ocupa
el extremo superior, mientras que el primer elemento ocupa el extremo inferior.
En cambio en el Ejemplo 3.1.11, el maximo tiene toda su columna 1 menos la
entrada de el mismo, mientras que el primer elemento es el que tiene toda su
fila 1 excepto la entrada de el mismo.
3.1.13. Proposici
on. Sea (A, ) un conjunto ordenado. Entonces
1. Si A tiene m
aximo entonces este es u
nico.
2. Si A tiene primer elemento o mnimo entonces este es u
nico.
Demostraci
on. Se deja como ejercicio.
3.1.14. Definici
on. Sea (A, ) un conjunto ordenado y a A.
1. Decimos que a es un elemento maximal de A cuando se verifica que si
a b entonces b = a
2. Decimos que a es un elemento minimal de A cuando se verifica que si
b a entonces b = a
3.1.15. Ejemplos. Sobre los siguientes conjuntos, vamos a establecer los elementos notables, cuando los haya.

1. A = n1 | n N , junto con el habitual. El maximo es 1 y no tiene
primer elemento.
2. A = {n N | n es par} junto con el habitual. No tiene maximo.
Tiene primer elemento 0.
3.1. CONJUNTOS ORDENADOS Y SUS ELEMENTOS DISTINGUIDOS 33

3. A = NN junto con el orden lexicogr
afico. No tiene maximales y el primer
elemento es el (0, 0).
4. Un intervalo abierto en R. No tiene maximo, mnimo, maximales ni minimales.
5. Un intervalo cerrado en R. El extremo de la izquierda es el minimo y el
de la derecha es el maximo.
6. A = {a N | 1 6= a N}, junto con la inclusi
on. Si a es primo entonces
a N es maximal. No hay minimales.
7. A = N\{0, 1}, junto con la divisibilidad. No tiene maximales ni minimales.
Tiene minimales. Todos los primos.
8. Sea C = {1, 2, 3} y A = P(C) \ C, junto con la inclusi
on. Entonces A tiene
primer elemento y tiene maximales, pero no tiene maximo.
3.1.16. Definici
on. Sea (A, ) un conjunto ordenado, B A un subconjunto
y c A.
1. Decimos que c es una cota superior de B en A si b c, para todo b B
2. Decimos que c es una cota inferior de B en A si c b, para todo b B
En los ejemplos de (3.1.15) se tiene: En (1), A puede verse contenido en Q
y as, 0 es cota inferior y todo racional q 1 es cota superior. En (2), A puede
verse contenido en N y as, el 0 es cota inferior (y primer elemento). En (3) (0, 0)
es cota inferior y primer elemento, tambien. En (4) y (5) A puede verse contenido en R y as, todos los menores o iguales que el extremo izquierdo del intervalo
son cotas inferiores, mientras que los mayores o iguales al extremo derecho del
intervalo son cotas superiores. En (6) A puede verse contenido en A {N, } y
as, se tiene que N es cota superior y es cota inferior. En (7), A puede verse
contenido en N \ {0} y as, el 1 es cota inferior. En (8), A puede verse contenido
en P(C) y as, el {1, 2, 3} es cota superior.
3.1.17. Definici
on. Sea (A, ) un conjunto ordenado, B A un subconjunto
y c A.
1. Decimos que c A es el supremo (o extremo superior) de B en A si es el
mnimo del las cotas superiores de B en A.
2. Decimos que c A es nfimo (o extremo inferior) de B en A si es el
m
aximo de las cotas inferiores de B en A.
3.1.18. Ejemplos. En los siguientes ejemplos vamos a establecer si existen el
supremo e nfimo de cada uno.

1. A = n1 | n N Q, junto con el habitual. El maximo y el supremo es 1. El nfimo es 0.
CAPITULO 3. ORDEN
34
2. A = {n N | n es par} N junto con el habitual. El nfimo y primer

elemento 0.
3. El intervalo (a, b) R. Supremo b e nfimo a.
4. El intervalo [a, b] R. Supremo b e nfimo a.
3.1.19. Proposici
on. Sea (A, ) un conjunto ordenado y B A un subconjunto, con el orden de A. Si B tiene supremo (o nfimo) en A este es u
nico.
Demostraci
El siguiente resultado nos muestra por que podemos decir el supremo e
nfimo, en vez de un supremo o nfimo.
3.1.20. Proposici
on. Sea (A, ) un conjunto ordenado y B A un subconjunto, con el orden de A.
1. Si b B es un m
aximo (o mnimo) entonces b es tambien el supremo de
B en A.
2. Si a A es supremo (nfimo) de B en A y a B, entonces a es m
aximo
(mnimo) de A.
Demostraci
3.2.
Conjuntos bien ordenados.
Es inmediato comprobar que los n

umeros naturales, enteros, racionales y
reales son conjuntos con orden total o lineal. Sin embargo, existe una gran
diferencia entre el orden de los n
umeros naturales y los enteros y los otros dos.
A saber, podemos establecer el antecesor y el sucesor de cualquier n
umero entero
(excepto el 0 en los naturales). Vamos a describir este fenomeno en el lenguaje de
los conjuntos ordenados, estableciendo el concepto de conjunto bien ordenado.
3.2.1. Definici
on. Sea (A, ) un conjunto ordenado. Diremos que es bien ordenado si todo subconjunto no-vaco de A tiene un mnimo
3.2.2. Proposici
on. Todo conjunto bien ordenado es totalmente ordenado. El
recproco no se verifica.
Demostraci
on. Supongamos que un conjunto A es bien ordenado y considero
dos elementos a y b, de A. Consideramos el subconjunto B = {a, b} de A.
Como B no es vaco, tiene primer elemento. De ah se desprende la tricotoma
trivialmente.
3.2.3. Ejemplo. Considerense N N junto con el orden lexicogr
afico.
(1, 1) < (1, 2) < . . . < (1, n) < . . .
< (2, 1) < (2, 2) < . . . < (2, n) < . . .
..
.
3.2. CONJUNTOS BIEN ORDENADOS.
35
Este conjunto est

a bien ordenado.
Demostraci
on. Sea A NN no vaco y A1 = {x N | (x, y) A p.a. y N}.
Claramente A1 6= y A1 N, por tanto, tiene primer elemento. Sea x0 A1 ,
dicho primer elemento. Sea ahora A2 = {y N | (x0 , y) A}. Como antes, A2
tambien tiene primer elemento, digamos y0 A2 .
Se afirma que (x0 , y0 ) es el primer elemento de A. Sea (a, b) A, arbitrario.
Como a A1 entonces x0 a. Si x0 < a ya terminamos, si no, entonces x0 = a,
as que b A2 y as y0 b.
Intuitivamente, es claro que si tenemos un conjunto con un n
umero determinado de elementos, entonces es posible hacer una lista estableciendo un buen
orden entre ellos; de hecho, si existe una biyeccion entre dos conjuntos y uno
tiene un buen orden, el otro podra ser dotado de un buen orden (probarlo como
ejercicio). En el caso de conjuntos arbitrarios, eso ha de ser un axioma. Se conoce como el principio de la buena ordenaci
on. Es interesante hacer notar que este
axioma es equivalente al axioma de eleccion (2.4.20) aunque la demostracion
excede los alcances de estos apuntes. Terminamos entonces con el enunciado.
3.2.4. Principio de la buena ordenaci
on. Si A es un conjunto no-vaco,
entonces existe una relaci
on de orden en A tal que (A, ) es un conjunto bien
ordenado.
36
CAPITULO 3. ORDEN
Captulo 4
Relaciones de equivalencia
4.1.
Conceptos b
asicos
Como hemos comentado, un metodo importante de las matematicas consiste relacionar los elementos de un conjunto. Recordemos que en (3.1.1) vimos
algunas propiedades de las relaciones. Vamos a trabajar con ellas.
4.1.1. Definici
on en A A. Decimos
que R es una relaci
on de equivalencia si es reflexiva, simetrica y transitiva.
4.1.2. Ejemplos.
1. La diagonal; es decir, la igualdad, en cualquier conjunto.
2. En Z, la relaci
on a 5 b si y solo si 5 | (a b).
3. En R, la relaci
on a b si y solo si a b Z.
4. En los triangulos, la semejanza; es decir, triangulos cuyos angulos coinciden.
5. Cu
ando una relaci
on de orden es relacion de equivalencia?
6. Sea A = {a, b, c} y R = {(a, a), (b, b), (c, c), (a, b), (b, a), (a, c), (c, a)}. Determinar si es relaci
on de equivalencia.
Otro ejemplo que puede resultar muy interesante es el siguiente.
4.1.3. Ejemplo. Sea f : A B una aplicacion. Definimos la relacion
a a f (a) = f (a ).
Se puede comprobar que es relaci
on de equivalencia.
4.1.4. Notaci
on. Si R es una relaci
on de equivalencia en A y a, b A est
an
relacionados, entonces podemos escribir cualquiera de las tres siguientes formas
1. La tradicional: aRb, que tambien usamos para relaciones en general.
37
CAPITULO 4. RELACIONES DE EQUIVALENCIA
38
2. Tambien, a R b
3. O la anterior, pero m
as corta si no causa confusi
on, a b.
4.2.
Clases de equivalencia
Sea A un conjunto no vaco y R una relacion de equivalencia en A. Para cada

elemento a A, podemos considerar el conjunto de todos aquellos elementos
de A que esten relacionados con a. Estas colecciones son una herramienta de
trabajo importante en algebra.
4.2.1. Definici
on. Sea A 6= un conjunto y R una relaci
on de equivalencia en
A. Para cada a A, su clase de equivalencia es el conjunto
[a] = {b A | a b }.
Las siguientes propiedades son muy faciles de verificar:
4.2.2. Proposici
on. Sea A 6= un conjunto R una relaci
on de equivalencia en
A. Las siguientes condiciones son equivalentes, para a, b A:
1. [a] [b] 6= .
2. a R b.
3. [a] = [b].
Demostraci
on. (1 2) Si x [a] [b] entonces a x y x b, luego a b.
(2 3) Por hip
otesis, a b. Si x [a] entonces x a y como a b se tiene
que x b, luego x [b]. Analogamente se tiene que cualquier y [b] verifica
y [a].
(3 1) Inmediato del hecho de que (a, a) [a].
Si C es una clase de equivalencia cualquiera y a C entonces [a] = C,
trivialmente. En este caso decimos que a es un representante de C.
Como se ver
a en los siguientes ejemplos, una correcta eleccion de los representantes puede simplificar mucho la descripcion de las clases de equivalencia.
4.2.3. Ejemplos.
1. De las siguientes relaciones se pide determinar si son relaciones de equivalencia (si lo son, hay que probarlo, si no, indicar cual de las tres condiciones
falla). En caso de que lo sean, determinar las clases de equivalencia.
a) En Z, la relacion a b si y solo si a + b es impar.
b) En N N, la relacion (a, b) (c, d) si y solo si a + d = b + c.
c) En A = {1, 2, 3}, la relacion R = {(1, 1), (1, 2), (2, 1), (2, 2)}.
d ) En Z (Z \ {0}), la relacion (a, b) (c, d) si y solo si ad = bc.

Que pasara si incluyesemos al (0, 0)?

4.3. EL CONJUNTO COCIENTE Y LA PROYECCION
CANONICA
39
e) En Z, la relaci
on a 5 b si y solo si 5 | (a b) (vease el Ejemplo 2 de
4.1.2).
f ) En el conjunto de todas las rectas en el plano, L, la relacion L1 L2
si y solo si son paralelas.
2. Determinar las clases de equivalencia de (4.1.3).
4.3.
El conjunto cociente y la proyecci

on
can
onica
4.3.1. Definici
on de equivalencia en A.
Se conoce como conjunto cociente de A, respecto de la relaci
on R, al conjunto
de las clases de equivalencia de los elemetos de A respecto de R.
Se denota A/R, A/R o simplemente A/ .
Vamos a calcular los conjuntos cociente de las relaciones de equivalencia en

los ejemplos de (4.1.2). Calcular los conjuntos cociente consiste en dar un conjunto de representantes (tambien llamado un juego completo de representantes)
En el Ejemplo 1 de (4.1.2), la diagonal, se tiene que A/ = {[a] | a A}.
En el Ejemplo 2 no podemos escribir Z/ = {[a] | a Z} porque la colecci
on
anterior no es un conjunto. N
otese que [0] = [5] = [10] = [15] = . . . y as. De
hecho Z/ = {[0], [1], [2], [3], [4]}. Para el Ejemplo 3 tomando en cuenta que
todo n
umero real tiene una parte entera y una parte decimal que tiene valor
absoluto menor que 1, se tiene que R/ = {[r] | 0 r < 1}. Para el Ejemplo 4,
asociamos a cada triangulo la terna sin orden de sus angulos internos, (, , ),
tal que + + = 180. Dos triangulos son semejantes si coinciden en sus ternas
salvo el orden. As que A/ = {(, , ) | + + = 180}.
4.3.2. Proposici
on. Sea A un conjunto, R una relaci
on de equivalencia en A
y consideremos el conjunto cociente A/R. La correspondencia dada por a 7 [a]
es una aplicaci
on que denotamos R : A A/R
Demostraci
4.3.3. Definici
on. Sea A un conjunto, R una relaci
on de equivalencia en A y
consideremos el conjunto cociente A/R. La aplicaci
on R : A A/R se conoce
como proyecci
on can
onica.
4.3.4. Ejemplos.
1. Vamos a continuar analizando la situaci
on del ejemplo que aparece en
(4.1.3). Recordemos que se tienen dos conjuntos A, B y una aplicacion
f : A B. Se define una relacion dada por a a si y solo si f (a) = f (b).
Consideremos la correspondencia entre el conjunto cociente g A/
B, dada por g = {([a], f (a)) | a A}; o bien, g : A/ B, tal que
g([a]) = f (a). Queremos ver que es aplicacion y que, como tal, es inyectiva.
La particularidad que tiene esta correspondencia es que est
a definida en
40
terminos de representantes y no de clases generales. Esto nos obliga a

comprobar que la correspondencia no depende del representante que se
elija. Es decir que si [a] = [a ] entonces g ([a]) = g ([a ]). En este caso, como
g = f , sabemos de antemano que g es aplicacion, luego g([a]) = g([a ]).
Decimos entonces que g est
a bien definida.
Para abreviar, se suele abusar de la notaci
on y definir directamente la pretendida aplicacion g : A/ B y luego afirmar y probar que la aplicacion
est
a bien definida. Probar que, de hecho, la aplicacion es inyectiva es facil.
2. El siguiente ejemplo puede resultar vistoso. Se considera la relacion de
equivalencia en R, dada por
x y
xy
Z;
2
es decir, los n
umeros reales que distan en un m
ultiplo de 2. Podemos
entonces identificar a estas clases con los angulos, al elegir a los representantes en el intervalo [0, 2); es decir, R/ = {[r] | 0 r < 2}. Ahora,
considerese la circunferencia en el plano real de radio 1, con centro en (0, 0),
que denotamos C(0, 1) o S 1 . Entonces la aplicacion f : R/ S 1 tal
que f [x] = (cos x, sen x) est
a bien definida (en el sentido anterior) y es
biyectiva.
3. Continuamos con el ejemplo anterior y volvemos a considerar los angulos,
R/ = {[x] | 0 x < 2}. Queremos comprobar que la correspondencia
suma de
angulos + : R/ R/ R/ tal que [x] + [x ] = [x + x ]
est
a bien definida. Supongamos que x y y que x y . Entonces
x y x y
x + x (y + y )
=
+
Z
2
2
2
y por tanto [x + x ] = [y + y ].
4. Ahora vamos a ver un caso en el que las cosas no funcionan. Vamos a ver
que pasa si queremos definir el producto de angulos. Queremos ver si la
correspondencia : R/ R/ R/ tal que [x] [x ] = [x x ] est
a bien
definida. Si uno intenta hacer un argumento como antes las cosas no salen.
Despues se comprueba que [ 21 ] = [ 4+1
2 ], pero sus cuadrados no coinciden.
4.4.
Relaciones de equivalencia y particiones
En esta secci
on probaremos que toda relacion de equivalencia induce una
partici
on y viceversa.
Sea A un conjunto no vaco y R una relacion de equivalencia. Consideremos
el conjunto cociente A/ y cualquier elemento C A/ . Sabemos que si
a, b C entonces [a] = C = [b]. Ademas de esto se tiene el siguiente resultado.
4.4.1. Proposici
on. Sea A un conjunto no vaco y R una relaci
on de equivalencia. Las clases de equivalencia de R verifican las siguientes propiedades:
4.4. RELACIONES DE EQUIVALENCIA Y PARTICIONES
41
1. [a] [b] = si y s
olo si a 6 b.
S
2. [a]A/ [a] = A.
Demostraci
on. 1. Inmediato de (4.2.2). 2. Sea b A. Como b b entonces
b [b] [a]A/ [a].
Este
es un resultado importante dentro del algebra. De hecho, las familias
de conjuntos que verifican estas propiedades tienen nombre propio.
4.4.2. Definici
on. Sean A e I conjuntos y P = {Bi }iI una familia de subconjuntos. Decimos que la familia P forma una partici
on para A si se verifican
las siguientes propiedades.
1. Bi Bj = si y s
olo si i 6= j.
S
2. La uni
on (disjunta) iI Bi = A.
4.4.3. Observaci
on. Podemos separar la propiedad (1) en dos, si escribimos
Para cada i I, el conjunto Bi 6= .
Para i, j I, si i 6= j entonces Bi Bj = .
Es decir, los elementos de una partici
on son conjuntos no vacos y disjuntos.
As que toda relaci
on de equivalencia induce una partici
on. El recproco se
verifica. Reuniendo todo se tiene el siguiente resultado.
4.4.4. Proposici
on. Toda relaci
on de equivalencia induce una partici
on. Recprocamente, toda partici
on determina una relaci
on de equivalencia.
Demostraci
on. Ya hemos visto en (4.4.1) que toda equivalencia determina una
partici
on (en clases de equivalencia). Vamos entonces a ver el recproco.
Sea {Ci }iI una partici
on en A. Definimos la relacion
a b a, b Ci para alguna i I.
Se prueba entonces que es relaci
on de equivalencia y que las clases de equivalencia son justo las Ci .
42
Captulo 5
Conjuntos num
ericos
En este captulo vamos a definir y a establecer las propiedades b
asicas de los
n
umeros naturales, enteros, racionales, reales y complejos utilizando del lenguaje
de los conjuntos. La presentacion sera formal, aunque no totalmente, pues puede
alargarse y complicarse mas de lo deseable para un primer curso.
5.1.
Cardinalidad. Conjuntos finitos e infinitos
5.1.1. Definici
on. Decimos que dos conjuntos X e Y son equipotentes si existe
una aplicaci
on biyectiva entre ellos.
5.1.2. Observaci
on. N
otese que el ser equipotentes es una relacion reflexiva,
simetrica y transitiva, y a
un cuando sabemos que la colecci
on de todos los
conjuntos no es, a su vez, un conjunto, podemos agrupar a los conjuntos en
clases de equipotencia.
5.1.3. Definici
on. El cardinal de un conjunto es su clase de equipotencia.
Intuitivamente, podemos comprobar que los cardinales son colecciones disjuntas y que todo conjunto tiene cardinal.
5.1.4. Notaci
on. Para un conjunto A, denotamos su cardinal con |A|.
Entonces un n
umero cardinal es una clase de equipotencia de conjuntos.
Conjuntos finitos e infinitos

5.1.5. Definici
on. Decimos que un conjunto A es infinito si existe un subconjunto propio B
A que es equipotente a A; es decir, existe una biyecci
on
f : B A.
5.1.6. Definici
on. Decimos que un conjunto A es finito si no es infinito.
Aunque no hemos definido formalmente el concepto de n

umero natural o
entero (lo haremos en breve) intuitivamente sabemos trabajar con ellos. Los
siguientes ejemplos nos pueden servir para fijar ideas.
43

CAPITULO 5. CONJUNTOS NUMERICOS
44
5.1.7. Ejemplos. Sea P el conjunto de los n

umeros enteros pares y P + el de
los pares positivos.
1. Probar que |N| = |P + | a traves de la biyeccion n 7 2n, con n N.
2. Probar que |Z| = |P | a traves de la biyeccion m 7 2m, con m Z.
3. Probar que |N| = |P | a traves de la biyeccion
(
n
si n es par.
n 7
(n + 1) si n es impar.
4. Por tanto, |N| = |Z|.
5. Probar que si n N entonces Nn = {x N | x n} es finito.
5.1.8. Definici
on. Un cardinal, decimos que es finito si tiene un representante
finito. En otro caso decimos que es infinito.
Por ejemplo,
0 = ||.
1 = |{}|.
2 = |{, {}}|.
y as, sucesivamente, hasta el 9. El resto de los numerales de los cardinales los
obtenemos con la escritura decimal.
Ahora consideramos la colecci
on de los cardinales finitos.
5.1.9. Definici
on. La colecci
on de los cardinales finitos se conoce como los
n
umeros naturales y se denota N.
No se puede demostrar, con los conceptos sobre conjuntos que hemos visto,
que la colecci
on anterior sea conjunto. Lo asumimos como un axioma.
5.1.10. Axioma del infinito. La colecci
on de los n
umeros naturales es un
conjunto.
5.1.11. Definici
on. Sea n un cardinal y considerese un representante A. Se
conoce como el sucesor de n, al cardinal n = |A {x}|, donde x es cualquier
objeto que no sea un elemento de A
5.1.12. Se puede probar (vease el Apendice) que si n N entonces n
N. Denotamos n = n + 1. Esta propiedad nos da lugar a la definicion de
la aplicacion sucesor, : N N tal que (n) = n . Tambien se prueba en
el Apendice que la aplicacion es inyectiva. Como consecuencia se tiene el
siguiente resultado.
5.1.13. Proposici
on. El conjunto de los n
umeros naturales es infinito.
5.1. CARDINALIDAD. CONJUNTOS FINITOS E INFINITOS
45
Demostraci
on. Sea M = {2, 3, . . . }. Modificamos el codominio de la aplicacion
sucesor, definiendo : N M tal que (n) = n que claramente es inyectiva.
De aqu se tiene de inmediato.
El siguiente postulado sera asumido sin demostracion. El proceso excede con
mucho el objetivo principal de este captulo que es el conocimiento operativo
del lenguaje de los conjuntos y sus propiedades. Para un estudio detallado vease
por ejemplo [6] o [9].
5.1.14. Principio de inducci
on en los n
umeros naturales. Si A N es
tal que
a) 1 A.
b) n A n A
entonces A = N \ {0}.
Hay una tecnica de demostracion llamada induccion matematica, que se
deriva directamente del principio de induccion. Vamos a enunciarla.
5.1.15. Inducci
on matem
atica. Supongamos que se quiere demostrar una
propiedad P (n), para n N. Los dos pasos a continuaci
on son suficientes:
1. Se demuestra la validez de P (0) o P (1). Es decir, que la propiedad vale
para n = 0 o n = 1, como se quiera.
2. Se supone que P (n) es v
alida y a partir de ah, se prueba la validez para
P (n + 1). Es decir, se prueba que si es v
alida para n, lo es para n + 1.
Entonces, el principio de inducci
on nos asegura que el conjunto P = {x N |
P (x) es verdadera} = N; es decir, que la propiedad vale para todos los n
umeros
naturales (tal vez, excepto el 0, si no se consider
o).
M
as adelante haremos varias demostraciones usando la tecnica de la induccion matematica, como ejemplo hagamos el siguiente ejercicio.
5.1.16. Ejercicio. Probar que n = |{1, . . . , n}|.
Una variante muy u

til de la induccion matematica s la llamada induccion
fuerte. Vamos a eunciarla.
5.1.17. Inducci
on fuerte. Si queremos demostrar una propiedad P (n), para
n N podemos proceder de la siguiente forma:
1. Se demuestra la validez de P (0) o P (1). Es decir, que la propiedad vale
para n = 0 o n = 1, como se quiera.
2. Se supone que para cierto n
umero natural, k N, ocurre que P (n) es
v
alida para todo n
umero natural n < k y a partir de ah, se prueba la
validez para P (k).
Entonces, P (n) es v
alida para todo n N.

46
Aplicaciones del principio de inducci

on.
Vamos a ver algunas aplicaciones del principio de induccion. A
un cuando no
hayamos formalizado los conceptos de suma, producto y orden en los naturales,
no quiere decir que no los conozcamos y no podamos trabajar con ellos.
5.1.18. Ejercicio. Probar por inducci
on las siguientes afirmaciones:
1. 1 + 2 + + n =
n(n+1)
.
2
2. 2n < n!
3. n3 n es m
ultiplo de 6 para todo n N.
El conjunto de los n
umeros naturales que hemos construido satisface los
axiomas de Peano; a saber:
El conjunto N tiene un elemento 0 N (1 N).
Existe la funci
on sucesor que es inyectiva.
El 0 no es sucesor de un n
umero natural.
Vale el principio de induccion.
Se puede probar que cualesquiera dos conjuntos que satisfagan estas condiciones son esencialmente el mismo (isomorfos). Eso se conoce como la unicidad
del sistema de Peano.
Orden en los n
umeros naturales
5.1.19. Definici
on. Sean k y r cardinales. Decimos que k r si existen representantes k = |A| y r = |B| con una aplicaci
on inyectiva f : A B.
5.1.20. Ejercicio. Probar que 0 1 n para todo n N \ {0}.
Recordemos la definicion de buen orden en (3.2.1). Los n

umeros naturales
junto con el orden definido forman un conjunto bien ordenado.
5.1.21. Principio del buen orden en los n

umeros naturales. (N, ) es
un conjunto bien ordenado; es decir, todo subconjunto =
6 A N tiene primer
elemento.
Vamos a comprobar que el principio del buen orden est
a en armona con el
concepto de sucesor, como es de esperar.
5.1.22. Proposici
on. Sea n N, arbitrario y considerese el conjunto de los
n
umeros naturales mayores que n; es decir, Mn = {x N | n < x}. Entonces
n es el primer elemento de Mn .
En consecuencia, si a, n N son tales que n a n entonces n = a o
a = n .
5.1. CARDINALIDAD. CONJUNTOS FINITOS E INFINITOS
47
Demostraci
on. Sea a el primer elemento de Mn . Como n Mn entonces
a n . Por hip
otesis, sabemos que existen A y N representantes de a y n,
respectivamente, tales que existe una aplicacion inyectiva f : N A, pero no
sobreyectiva. As, existe a A tal que a
/ Imf . Definimos g : N {N } A tal
que g(n) = f (n) para todo n N y g(N ) = a. Es inmediato comprobar que g
es aplicacion inyectiva y por tanto n a. Luego n = a.
5.1.23. Observaci
on. El principio de induccion y el principio del buen orden
son equivalentes; es decir, si se asume uno de ellos el otro se puede demostrar.
La demostracion puede hacerse como ejercicio; aunque es un poco larga, no es
difcil. Pero hay mas, se puede probar que, a su vez, los postulados anteriores
son equivalentes al axioma de eleccion (2.4.20)
Operaciones en N
Las definimos de forma inductiva o recursiva.
5.1.24. La suma en N. Para n N, definimos
1. n + 1 = n .
2. Si tenemos definida n + m entonces n + m = (n + m) .
Lo anterior viene a decir que n + (m + 1) = (n + m) + 1. Las demostraciones
de las propiedades de la suma se pueden encontrar en el Apendice.
5.1.25. Propiedades de la suma en N.
1. (n + 1) + m = n + (m + 1)
2. n + m = m + n (conmutatividad).
3. (n + m) + r = n + (m + r) (asociatividad).
4. Si a + c = b + c entonces a = b (cancelaci
on).
5.1.26. El producto en N. Para n, m N, definimos
1. n 1 = n.
2. Si tenemos definido n m entonces n (m + 1) = n m + n.
5.1.27. Notaci
on. Escribimos, como siempre, indistintamente, n m = nm.
Al igual que con la suma, las demostraciones de las propiedades del producto
se pueden encontrar en el Apendice.
5.1.28. Propiedades del producto.
1. (n + 1)m = nm + m.
2. nm = mn (conmutatividad).
3. n(m + k) = nm + nk (distributividad).
4. n(mk) = (nm)k (asociatividad).

48
5.1.1.
Orden y operaciones aritm

eticas
Se puede comprobar que el orden en los n

umeros naturales verifica las siguientes propiedades.
5.1.29. Teorema. Sean a, b, c N. Entonces
1. a b si y s
olo si existe u N tal que a + u = b.
2. Si a b entonces a + c b + c para todo c N.
3. Si a b entonces ac bc.
Demostraci
on. 1. Sean A y B, representantes de a y b, respectivamente. Por
hip
otesis, existe una aplicacion inyectiva f : A B. Hacemos B = B \ Imf .
Se tiene entonces que u = |B |. Los otros se pueden probar facilmente por
induccion.
5.1.30. Notaci
on. En la situaci
on del teorema anterior, cuando a b, llamamos u = b a.
5.2.
N
umeros enteros
Vamos a continuar la construcci

on de los conjuntos numericos bajo el lenguaje de los conjuntos.
5.2.1. Proposici
on. Considese el conjunto Z = N N. La relaci
on
(a, b) (n, m) a + m = b + n
es relaci
on de equivalencia.
Demostraci
on. Ejercicio.
5.2.2. Definici
on. Llamamos n
umeros enteros al conjunto cociente
Z = Z/ .
5.2.3. Representantes notables. Sea (n, m) Z.
1. Si n = m entonces (n, m) [(0, 0)]. Luego
[(0, 0)] = {(n, m) Z | n = m} .
2. Si n 6= m se tienen dos casos.
a) Si n > m, haciendo a = n m (5.1.30), se tiene (n, m) [(a, 0)].
Luego
[(a, 0)] = {(n, m) Z | n > m, a = n m} .

5.2. NUMEROS
ENTEROS
49
b) Si n < m, haciendo a = m n se tiene (n, m) [(0, b)]. Luego

[(0, b)] = {(n, m) Z | n < m, b = m n} .
5.2.4. Orden en los n
umeros enteros. Definimos
1. [(a, 0)] [(0, b)] para todo a, b N.
2. [(a, 0)] [(b, 0)] si y s
olo si a b.
3. [(0, a)] [(0, b)] si y s
olo si a b.
5.2.5. Notaci
on.
1. Denotamos con 0 a la clase [(0, 0)], el cero.
2. Denotamos con n a la clase [(n, 0)] y los identificamos con los n

umeros
naturales. Denotamos Z+ = {n Z | n N}.
3. Denotamos con n a la clase [(0, n)], que ser
an los n
umeros negativos.
Z = {n Z | n N}.
5.2.6. Ejercicio. Probar directamente de la definici

on anterior que para n, m
Z se tiene n m si y s
olo si n m.
5.2.7. Proposici
on. (Z, ) es un conjunto totalmente ordenado. A
un m
as,
todo entero tiene predecesor y sucesor.
Demostraci
on. Inmediata de (5.2.4).
Suma y producto en los enteros.

Seguimos con la lnea de presentar la construcci
on de los n
umeros enteros
siguiendo el lenguaje de los conjuntos.
5.2.8. Suma. Definimos
+ : Z Z Z,
tal que,
+ ([(a, b)] , [(m, n)]) = [(a + m, b + n)] ;

[(a, b)] + [(m, n)] = [(a + m, b + n)]
es decir,
5.2.9. Propiedades de la suma.

1. Est
a bien definida (vease 4.3.4).
2. Es conmutativa.
3. Es asociativa.
4. Existe el neutro 0 = [0, 0].
5. Para todo entero no cero, existe el opuesto o inverso bajo la suma.

50
Demostraci
on. Vamos a comprobar que est
a bien definida. El resto lo dejamos
como ejercicio. Supongamos que a, a , b, b , m, m , n, n N son tales que [a, b] =
[a , b ] y [m, n] = [m , n ]. Queremos ver que [a + m, b + n] = [a + m , b + n ]. Por
hip
otesis, a+b = b+a y m+n = n+m , de donde a+b +m+n = b+a +n+m ,
luego (a+m)+(b +n ) = (a +m )+(b+n), de donde se obtiene el resultado.
5.2.10. Producto. Definimos
: Z Z Z,
tal que,
([(a, b)] , [(m, n)]) = [(am + bn, an + bm)] ;
es decir,
[(a, b)] [(m, n)] = [(am + bn, an + bm)]

1. Est
a bien definido.
2. Es conmutativo.
3. Es asociativo.
4. Es distributivo.
Demostraci
on. Ejercicio.
5.3.
N
umeros racionales
Los n
umeros racionales seran ahora construidos a partir de los n
umeros
enteros.
5.3.1. Notaci
on. Denotamos Z = Z \ {0}.
5.3.2. Proposici
on. Sea Q = Z Z . La relaci
on en Q dada por
[(a, b)] [(n, m)] am = bn
es una relaci
on de equivalencia.
Demostraci
on. Ejercicio.
5.3.3. Definici
on. Llamamos n
umeros racionales al conjunto cociente
Q = Q/ .
5.3.4. Representantes notables. Considerese (n, m) Q.
1. Si d|mcd(n, m) entonces [(n, m)] = [(n/d, m/d)]. Luego podemos elegir
representantes cuyas coordenadas son n
umeros coprimos (y son u
nicos).
2. [(0, 1)] = {(0, n) Q | n Z}.

5.3. NUMEROS
RACIONALES
51
3. [(1, 1)] = {(n, m) Q | n = m}.

4. Identificamos con los enteros a los [(n, 1)] = {(a, b) Q | n = a/b Z}.
5. [(1, m)] = {(a, b) Q | m = b/a Z}.
5.3.5. Orden en los n
umeros racionales. Sean [(n, m)] y [(a, b)] n
umeros
racionales. Definimos
[(n, m)] [(a, b)] nb ma.
Adem
as,
1. Decimos que un racional es positivo si es mayor que 0.
2. Decimos que es negativo si es menor que 0.
5.3.6. Proposici
on. (Q, ) es un conjunto totalmente ordenado.
Demostraci
on. Consideremos dos n
umeros racionales cuyos representantes tienen coordenadas coprimas, r = [n, m] y s = [a, b] y hagamos los productos nb y
ma. Como son enteros ha de ocurrir una de tres, nb = ma, nb > ma o nb < ma,
lo que nos da la tricotoma en Q.
5.3.7. Observaci
on. Ning
un racional tiene sucesor (ni predecesor).
Suma y producto en los enteros.
5.3.8. Suma. Definimos
+ : Q Q Q,
tal que,
+ ([(a, b)] , [(m, n)]) = [(an + bm, bn)] ;

[(a, b)] + [(m, n)] = [(an + bm, bn)]
es decir,
5.3.9. Propiedades de la suma.

1. Est
a bien definida (vease 4.3.4).
2. Es conmutativa.
3. Es asociativa.
4. Existe el neutro, 0 = [0, 1].
5. Para todo racional no cero, existe el opuesto o inverso bajo la suma.
A
un m
as, si n, m Z, [(n, m)] = [(n, m)] = [(n, m)].
Demostraci
on. Ejercicio.

52
5.3.10. Producto. Definimos
: Q Q Q,
tal que,
([(a, b)] , [(m, n)]) = [(am, bn)] ;
es decir,
[(a, b)] [(m, n)] = [(an, bm)]

1. Est
a bien definido.
2. Es conmutativo.
3. Es asociativo.
4. Es distributivo.
6. Todo racional no cero, [m, n] tiene inverso; [n, m].
Demostraci
on. Ejercicio.
5.3.12. Notaci
on.
1. Escribimos
m
= [(m, n)] .
n
2. Denotamos con 0 a la clase
0
1
3. Denotamos con m a la clase

n
umeros enteros.
5.3.1.
= [(0, 1)], el cero.

m
1
= [(m, 1)] y los identificamos con los
Escritura decimal de n
umeros racionales.
5.3.13. Definici
on.
- Una sucesi
on de n
umeros (naturales, enteros, racionales, reales o complejos), (an )nN se dice eventualmente periodica si existe un m N y un
entero positivo q > 0 tal que ai = ai+q , para todo i m.
- Si r es el menor de los m N que satisfacen dicha propiedad, entonces el
termino ar es llamado el termino inicial del periodo.
- Si p es el menor de los enteros positivos q anteriores, entonces p es llamado
el periodo de la sucesi
on.
5.3.14. Ejemplos.
1. Todas las sucesiones de n
umeros constantes o eventualmente constantes. Una sucesion se dice eventualmente constante cuando existe un m N tal que ai = ai+1 , para todo i m. En tal caso el
periodo de la sucesion es 1.

5.3. NUMEROS
RACIONALES
53
2. La sucesion 1, 1, 1, 2, 2, 2, 3, 3, 3, 3, 2, 1, 3, 2, 1, 3, 2, 1, . . . es eventualmente
periodica, con periodo p = 3 y con a10 como termino inicial del periodo.
5.3.15. Definici
on. Una sucesi
on de n
umeros naturales (an )nN se dice decimal cuando an {0, 1, ..., 9} para todo n > 0 (n
otese que no hay restricci
on
sobre el termino a0 ).
5.3.16. Teorema. Dado un n
umero racional Q, 0, existe una u
nica
sucesi
on decimal eventualmente peri
odica de n
umeros naturales (an )nN satisfaciendo que
an
1
a2
a1
... n < n ,
(5.1)
10 102
10
10
para todo n N. Adem
as, la asignaci
on
(an )nN define una biyecci
on entre
el conjunto Q+ = { Q : 0} y el conjunto D de las sucesiones decimales eventualmente peri
odicas de n
umeros naturales que no son eventualmente
constantemente 9.
0 a0
Demostraci
on. S
olo vamos a hacer un esquema de demostracion sobre la existencia de la aplicacion. El resto, se omite.
La expresion decimal de un racional se hace de la siguiente manera:
Como 0 < Q, expresamos
=
Hacemos
k
, con 0 k, 0 < d y mcd(k, d) = 1.
d
k
10r0
=
=
da0 + r0
da1 + r1
con
con
0 r0 < d
0 r1 < d
con
0 rn < d
..
.
10rn1
dan + rn
..
.
Tenemos que comprobar dos propiedades de la sucesion (an )nN : una, que
es periodica y la otra, que es decimal.
Para ver que es periodica, observemos que todos los restos son 0 r < d,
por lo tanto, a lo mas en d-pasos, se repetira el primer resto, digamos r0 = rm .
Entonces 10r0 = da1 + r1 es lo mismo que 10rm = dam+1 + rm+1 , de donde
a1 = am y de ah sale el perodo.
Ahora vamos a ver que es decimal.
10rn1 = dan + rn 0 dan 10rn1 < d10
rn1
0 an 10
< 10 0 an < 10.
an
por tanto, (an )nN es decimal. Vamos a ver que satisface la condicion (5.1).
Se tiene, se
nalando con |{z}
lo que vamos a sustituir
r0
k
k
r0
= a0 +
< 1 = 0 a0 < 1.
y 0
d
d
d
d
|{z}
54
Como 10r0 = da1 + r1 entonces
r0
d
a1
10
r1
d
1
10 ,
de donde
k
a1
r1 1
1
r1 1
= a0 +
+
<
y 0
d
10 |d {z10}
d 10
10
a1
1
k
<
= 0 a0
d
10
10
Como 10r1 = da2 + r2 entonces
k
d
1 r1
10 d
a2
102
r2
d
1
102 ,
de donde
r2 1
1
a1
a2
r2 1
+
< 2
+
.
y
0
10 102 |d {z102}
d 102
10
1
a1
a2
k
< 2.
= 0 a0
d
10 102
10
= a0 +
as, sucesivamente llegamos a la propiedad (5.1).

Para terminar de ver que 7 (an )nN , solo falta ver que la sucesion es
u
nica.
P
bi
1
Supongamos que existe (bn )nN tal que 0 ni=1 10
i < 10n . se afirma
que an = bn para todo n N.
Vamos a probar esto por induccion. Para n = 0, se tiene
1
100
0 a0 <
b0 < b0 + 1
a 0 < a0 + 1
0 b0 <
1
100
de donde
luego a0 = b0 .
Supong
amos valido para k n, entonces a0 = b0 , . . . , an = bn .
Pn bi
Pn ai
Para n + 1, hacemos A = i=1 10
i =
i=1 10i = B. Entonces
0
n+1
X
ai
1
< n+1
10i
10
1
an+1
< n+1
10n+1
10
i=1
n+1
X
i=1
bi
1
< n+1 ,
10i
10
entonces
0 A
0B
En la desigualdad de la izquierda sumamos

multiplicamos en ambas por 10n+1 y queda
an+1 10n+1 ( A) < an+1 + 1
lo que implica an+1 = bn+1 .
an+1
10n+1
bn+1
1
< n+1 .
10n+1
10
y en la otra,
bn+1
10n+1 ,
luego
bn+1 10n+1 ( B) < bn+1 + 1,

5.4. NUMEROS
REALES
55
Se tiene,
=
a0 +
r0
d
=
a1 10 +
k
d
a0 + a1 10 +
sustituyendo
5.4.
r0
d
|{z}
k
d
y
r1
d
10r0
da1 + r1
1
10
r1 1
|d {z10}
N
umeros reales
A mediados del siglo XIX los analistas alemanes experimentaron la necesidad

de fundamentar rigurosamente el analisis matematico y con ello llegaron a la
construcci
on de los n
umeros reales partiendo de los racionales [5, p. 130]. Usaron
3 caminos:
1. Identificar a los n
umeros reales con los desarrollos decimales infinitos;
es
decir,
al
hilo
de
los descrito en racionales, expresandolos como a0 +
P
n
, con a0 Z y ai {0, . . . , 9}. Esta idea fue desarrollada
n=1 an 10
por Weierstrass.
2. Definir las llamadas cortaduras de Dedekind en Q. Una cortadura es un
subconjunto Q tal que
a) 6= ( Q.
b) est
a acotado superiormente y no tiene elemento maximo.
c) Si x e y < x entonces y .
As, si q Q, definimos
q = {x Q | x < q}, esto no es novedoso.
Lo interesante es definir 2 = {q | q 2 < 2} y as se van obteniendo los
irracionales.
Despues se elabora una aritmetica de cortaduras, de forma natural y se
obtienen as los n
umeros reales. Esta idea fue desarrollada por Dedekind.
3. Considerar el conjunto cociente de ciertas sucesiones, que actualmente
llamamos sucesiones de Cauchy en Q y que se estudiar
an en los cursos de
analisis matematico. Esta idea fue desarrollada por Cantor y Meray.
Nosotros no abordaremos su fundamento pues eso corresponde a otros cursos. Vamos a asumir que los n
umeros reales es un conjunto no vaco (R, +, )
que contiene a los racionales, Q y que satisfacen los axiomas que listamos a
continuacion.

56
5.4.1. Axiomas de cuerpo. El conjunto de los n

umeros reales junto con la
suma y el producto forman un cuerpo, que tiene como subcuerpo a los racionales.
5.4.2. Axiomas de orden.
1. El conjunto R est
a totalmente ordenado. Escribimos x > y cuando x y
y adem
as, x 6= y.
2. Si x < y entonces para cada z R se tiene que x + z < y + z.
3. Si x > 0 e y > 0 entonces xy > 0.
5.4.3. Definici
on. Un n
umero real x R, se llama positivo si x > 0 y negativo
si x < 0.
5.4.4. Teorema. Sea p un n
umero primo (con el significado habitual en los
reales). Entonces p es irracional.

5.4.5. Axioma de completitud. Todo conjunto no vaco S R, que este acotado superiormente admite un supremo.
5.5.
N
umeros complejos
5.5.1. Definici
on. Llamamos n
umeros complejos al conjunto
C = {(a, b) | a, b R}
junto con las operaciones
(a, b) + (c, d) = (a + c, b + d)
(a, b) (c, d) = (ac bd, ad + bc).
Los representamos en el plano cartesiano como

R
-6
-
b - (a, b)
-p
p
p
p
p
ap
- R
5.5.2. Teorema. El conjunto C, junto con las operaciones descritas, tiene estructura de cuerpo.
Demostraci
on. Es cuestion de
alculos. Observese que (a, b)1 =
hacer los c
b
a
1
y (0, 1)2 = (1, 0).
a2 +b2 (a, b) = a2 +b2 , a2 +b2

5.5. NUMEROS
COMPLEJOS
57
5.5.3. Observaci
on. Identificamos R con {(a, 0) C | a R}.
5.5.4. Notaci
on. Escribimos tambien a los n
umeros complejos como

C = a + b | a, b R e 2 = 1
junto con el producto habitual de los n

umeros reales y r = r para todo r R,
adem
as de ser asociativo.
5.5.5. Conjugado. El conjugado de un n

umero complejo a+b C es a + b =
a b y tiene, entre otras, las siguientes propiedades. Sean z, w C.
1. z = z.
2. z + w = z + w.
3. zw = z w.
4. Si z 6= 0 entonces z 1 = z 1 .
5. z R si y s
olo si z = z.
Demostraci
5.5.6. Definici
on. Sea z = a + b C.
1. Al coeficiente a se le llama la parte real, Re(a + b), y a b la parte
imaginaria, Im(a + b).
2. Su m
odulo es |z| = |a + b| = a2 + b2 .
3. Su argumento es el (
unico, salvo m
ultiplos de 2) a
ngulo que verifica
cos() =
a
|z|
sen() =
b
;
|z|
es decir, Arg(z) = = arctan(b/a) (estableciendo, como siempre, primero

el cuadrante).
5.5.7. Propiedades. Sean z, w C.
1. |z| = z z (equivalentemente, |z|2 = zz).

2. |z| = |z|.
3. |zw| = |z||w|.

4. z 1 = |z|1 .
5. |Re(z)| |z|.
6. |z + w| |z| + |w| (desigualdad triangular).

Demostraci
on. N
otese primero que zw y zw son conjugados y por lo tanto
zw + zw = 2Re(zw). Usando lo anterior y el apartado anterior, tenemos |z +
w|2 = (z + w)(z + w) = zz + ww + zw + zw = |z|2 + |w|2 + 2Re(zw)
|z|2 + |w|2 + 2|zw| = (|z| + |w|)2 .

58
Formas polar y trigonom

etrica.
5.5.8. Notaci
on. Sea z = a + b C, r = a2 + b2 y = arctan(b/a) (como
siempre, estableciendo previamente el cuadrante).
1. La representaci
on polar de z es
z 7 (r, ).
R 6
3 (r, )
r

........
-p .p.
p
p
p
-
- R
2. La representaci
on triginometrica de z es
z 7 r(cos + sen ).
R
-6
3p (r cos(), r sen())
r
p

p

...
p
.....
- R
-p .p
p
pp
p
p
r cos()
-
r sen()-
5.5.9. Producto. Sean z = (r, ) y w = (s, ). Entonces

zw = (rs, + ) = rs(cos( + ) + sen( + )).
La forma trigonometrica se obtiene sin mas, ejecutando el producto y utilizando las identidades trigonometricas fundamentales. En particular, si z C es
z = r(cos + sen )
z 1 =
1
1
(cos() + sen()) = (cos sen )
r
r

5.5. NUMEROS
COMPLEJOS
59
como corresponde con las f

ormulas de la definicion del producto. A
un mas, se
puede probar por induccion el siguiente resultado clasico.
5.5.10. Teorema [Teorema de De Moivre]. Sea z = a + b C, r =
a2 + b2 y = arctan(b/a). Para n N se tiene

z n = (rn , n) = rn (cos(n) + sen(n)).
Demostraci
on. Inmediata por induccion y las formulas anteriores.
Pasamos ahora a estudiar las races de un n
umero complejo. Es igual de
sencillo el c
alculo que con las potencias. Partimos de un n
umero complejo w =
r(cos + sen ). Entonces su n-esima potencia sera
wn = s(cos + sen ).
Trivialmente, se tiene que
r=
+ 2k
,
n
k Z.
El problema consiste entonces solo en determinar cuantas races hay. Para

ello, primero acotamos en funci
on del divisor n. Supongase que k > n y sea
k = nq + k , con 0 k < n. Entonces
+ 2(nq + k )
+ 2k
2n
+ 2k
+ 2k
=
=
+
=
+ 2.
n
n
n
n
n
Lo cual nos muestra que los argumentos seran iguales y por tanto basta considerar
+ 2k
k =
,
k = 0, . . . n 1.
n
Es claro que cualesquiera dos argumentos anteriores dintintos dar
a lugar a
distintos n
umeros complejos. Esto prueba el siguiente toerema.
5.5.11. Teorema. Sea z C, arbitrario. La ecuaci
on X n = z tiene exactamente n races en C. En otras palabras, todo n
umero complejo tiene exactamente n
races n-esimas complejas.
A
un m
as, si w C se escribe w = r(cos + sen ) entonces todas las races
n-esimas son

+ 2k
+ 2k
n
+ sen
,
k = 0, . . . , n 1.
r cos
n
n
Demostraci
on. Inmediata del p
arrafo anterior.
5.5.12. Ejemplo. Vamos a encontrar todas las soluciones de la ecuaci
on X 5 =
5
1; es decir, buscamos todos los w = r(cos + sen ) tales que w = 1. Entonces
w5 = 1 = cos 0, luego = 0, r = 1 y k = 0+2k
, con k = 0, . . . , 4.
5
5.5.13. Definici
on. Sea n 2. decimos que C es una raz n-esima de la
unidad si n = 1 y diremos que es una raz nesima primitiva de la unidad de
adem
as de ser raz, se tiene que m 6= 1 si 0 < m n.

60
5.5.14. Ejemplo. Vamos a estudiar las races cuartas de la unidad. En este
4
caso nos salen los siguientes angulos: 0 = 0, 1 = 2
4 = 2 , 2 = 4 = y
3
6
3 = 4 = 2 . Haciendo zi = cos i + sen i se tiene que z0 = 1, que no es
primitiva, z1 s lo es, z22 = 1, luego no es primitiva y z3 s lo es.
El ejemplo anterior nos dice que zi es primitiva para i coprimo con 4. Esto
es verdadero en general y muy facil de demostrar.
5.5.15. Corolario. Sea z C, arbitrario. Entonces z tiene exactamente
|{m {1, . . . , n 1} | mcd(m, n) = 1}|
races n-esimas primitvas.
5.5.1.
Forma exponencial de un n
umero complejo.
Conocemos del c
alculo las formulas
ex
cos x
sen x
x2
x3
+
+ ...
2!
3!
4
x
+
+ ...
4!
x5
+
+ ...
5!
= 1+x+
x2
2!
x3
= x
3!
= 1
Estas identidades nos sirven de motivaci

on para escribir
=
=
=
()2
()3
+
+ ...
2!
3!
()3
4
()5
2
+
+
...
1 +
2!
3!
4!
5!
cos + sen
1 + +
Desde luego, lo anterior no es una demostracion, pero justifica definir

e = cos + sen ,
de tal forma que escribimos el complejo z = r(cos + sen ) como

z = re .
En particular, obtenemos la famosa identidad de Euler.
e + 1 = 0.
5.6. CONJUNTOS NUMERABLES Y NO NUMERABLES
5.6.
61
Conjuntos numerables y no numerables
Vamos a terminar esta parte abordando algunos aspectos mas de la cardinalidad. Hasta ahora tenemos la definicion de finito e infinito. Recordemos.
1. Un conjunto A, decimos que es infinito si existe B ( A, junto con una
aplicacion inyectiva f : A B.
2. Un conjunto es finito si no es infinito.
3. Recordemos que la cardinalidad de un conjunto A se denota |A|.
5.6.1. Teorema [Bernstein]. Sean A y B conjuntos, tales que existen aplicaciones inyectivas f : A B y g : B A. Entonces, existe una biyecci
on
: A B.
Demostraci
on. La demostracion se omite porque excede el interes de este curso.
Puede consultarse [5, p. 51].
5.6.2. Corolario. Sean A y B conjuntos, tales que existen aplicaciones sobreyectivas f : A B y g : B A. Entonces, existe una biyecci
on : A B.
Demostraci
on. Ejercicio.
5.6.3. Lema. |N| = |N N|.
Demostraci
on. Vamos a exhibir una aplicacion inyectiva : N N N. Es un
poco laborioso, pero muy ilustrativo. La idea es ordenar las parejas en el orden
lexicogr
afico y luego ir contando en diagonal. Podemos ilustrarlo as:
-
(1, 2)
1(1, 3)

1 ...

(2, 2)
(2, 1)

(3, 1)
(1, 1)
N
otese que cada diagonal con pareja superior (1, n) tiene exactamente nPn1
parejas; a saber, de (1, n) al (n, 1) y antes de llegar a ella se han contado i=1 i,
parejas, todas ellas sumando sus coordenadas n + 1 y solo ellas tienen esa suma.
Luego, al terminar la diagonal habremos contado
n1
X
i=1
i+n=
n
X
i=1
parejas. Si llamamos S(n) a la suma de los primeros n n

umeros naturales podemos observar que se asignar
an (1, n) 7 S(n 1) + 1, (2, n 1) 7 S(n 1) + 2
y as (n, 1) 7 S(n 1) + n = S(n).

62
De este modo, la correspondencia queda como sigue. Se considera un elemento arbitrario (i, j). Entonces vive en la diagonal de (1, i + j 1) 7 S(i + j 2).
Luego (i, j) 7 S([i + j 2] + i) = S(2i + j 2), y aplicando la conocida formula
de la suma
(2i + j 1)(2i + j 2)
.
(i, j) =
2
5.6.4. Teorema. |N| = |Z| = |Q|
Demostraci
on. Inmediata de la construcci
on que hemos hecho.
5.6.5. Teorema. Considerese el intervalo (0, 1) R. Existe una aplicaci
on
inyectiva f : N [0, 1], pero no existe ninguna aplicaci
on inyectiva (0, 1) N.
Es decir, el infinito de R es mayor que el de N.
Demostraci
on. Vamos a dar un argumento conocido como metodo de la diagonal de Cantor. Supongamos que s se tiene una aplicacion inyectiva. Eso
finalmente significa que hay una aplicacion biyectiva y que hemos numerado a
todos los elementos del intervalo (0, 1). Entonces los escribimos x1 , x2 , . . . , en
su forma decimal
x1
x2
=
=
x3
0, x11 x12 x13

0, x21 x22 x23
0, x31 x32 x33
Considerese el n
umero
x = 0, x11 x22 x33
o sea, que sus decimales son la diagonal de la lista anterior (no importa que
todos fuesen 9 o 0, porque lo vamos a cambiar).
Ahora vamos a construir otro n
umero, de la siguiente forma. A cada xnn
asignamos otro dgito ynn {0, . . . , 9} \ {xnn }, procurando que no todas las
elecciones sean 0 o 9, para que y = 0, y11 y22 (0, 1).
Es inmediato comprobar que y no puede estar en la lista anterior.
Captulo 6
An
alisis combinatorio.
Recordemos que dado un n
umero natural p N se denota Np = {1, . . . , p}.
A lo largo de este captulo denotaremos con A un conjunto finito que tiene
cardinalidad n; es decir, |A| = n y p sera tal que p n.
6.1.
Variaciones.
6.1.1. Definici
on. Se llama variaci
on de los n objetos de A tomados de p en
p a la imagen de cualquier aplicaci
on inyectiva f : Np A.
En la situaci
on de la definicion anterior, denotamos ai = f (i) y esribimos la
variaci
on como lista ordenada f (Np ) = (a1 , . . . , ap ). Intuitivamente, una variacion es una eleccion ordenada de p elementos de A, sin repeticiones.
6.1.1.
N
umero de variaciones.
Vamos a calcular el n
umero de variaciones de los n objetos de A tomados de
p en p. Denotamos dicho n
umero con Vnp .
6.1.2. Teorema. Sea A un conjunto con |A| = n y p n, un n
umero natural.
El n
umero de variaciones de los n objetos de A tomados de p en p es
Vnp =
n!
.
(n p)!
n!
Demostraci
on. Primero n
otese que (np)!
= n(n1) (np+1). Procederemos
por induccion sobre p. El caso p = 1 es trivial. Supongamos valido que para
1 p n se tiene el resultado. Queremos probar la formula para p+1. Primero,
notemos que (n p)Vnp = Vnp+1 .
Sea A un conjunto finito con cardinalidad n p + 1 y f : Np A una
aplicacion inyectiva. Queremos extender el dominio de la aplicacion f a Np+1 .
Para lograr esto, solo tenemos que hacer corresponder p + 1 con un elemento del
conjunto A \ Imf . Esto puede hacerse de n p maneras diferentes y por tanto
hay (n p)Vnp aplicaciones inyectivas.
63
64
CAPITULO 6. ANALISIS
COMBINATORIO.
Como caso particular, n

otese que Vnn = n!. Si sustituimos ahora Np por cualquier conjunto con p elementos, aparte de que no podemos utilizar la notaci
on
ai , no perdemos ninguna propiedad, como se dice en el siguiente resultado.
6.1.3. Corolario. Sean A y P conjuntos con cardinalidad n y p respectivamente, con p n. El n
umero de aplicaciones inyectivas de P en A es Vnp
6.2.
Permutaciones.
Como vimos en (2.4.15), una permutacion de A es una biyeccion de A en

s mismo. Si numeramos los elementos de A = {a1 , . . . , an } podemos escribir
una permutaci
on : A A como

a1
an
=
(a1 ) . . . (an )
El siguiente ejercicio nos muestra que toda permutacion puede ser vista como
una variaci
on de n objetos tomados de n en n.
6.2.1. Ejercicio. Sean A y B conjuntos finitos, tales que |A| = |B|. Probar que
si f : A B es inyectiva entonces ya es biyectiva.
Respuesta. De no ser as, B sera infinito.
Denotamos el conjunto de permutaciones de A como S(A). En caso de que
A = Nn escribimos Sn en vez de S(Nn ). Por el resultado de recuento que vimos
para las variaciones tenemos lo siguiente.
6.2.2. Teorema. Sea A un conjunto finito con n elementos. Entonces el n
umero de permutaciones |S(A)| = n!.
6.3.
Combinaciones.
6.3.1. Definici
on. Sea A un conjunto con n elementos y p N con p n.
Una combinaci
on de los n elementos de A tomados de p en p, es cualquier
subconjunto de A que tenga p elementos.
En este punto es recomendable que nos detengamos a observar con cuidado
la diferencia entre variacion y combinaci
on. Conviene ver alg
un ejemplo. Vamos
a calcular el n
umero de combinaciones de A.
6.3.2. Teorema. Sea A un conjunto con n elementos. El n
umero de combinaciones de los n elementos de A tomados de p en p es
Cnp =
n!
.
p!(n p)!
Demostraci
on. Notemos que todo subconjunto P A con p elementos puede
considerarse como la imagen de (al menos) una aplicacion inyectiva f : Np A.
El caso aqu es determinar cuantas aplicaciones inyectivas de Np pueden tener
6.3. COMBINACIONES.
65
a P como imagen. Estas

son las biyecciones de Np en P y por lo visto en la
secci
on anterior son p!. Ese es el factor por el que tendremso que dividir Vnp .
As que
n!
Vp
.
Cnp = n =
p!
p!(n p)!
6.3.3. Notaci
on. El n
umero de combinaciones de los n elementos de Nn tomados de p en p se escribe

n
p
Cn =
p
y se le conoce como coeficiente binomial.

Un problema interesante que involucra al coeficiente binomial es probar el
teorema del binomio.
6.3.4. Lema [Teorema de Pascal]. Sean n, p N, con p n. Entonces

n
n
n+1
+
=
.
p+1
p
p+1
Demostraci
on. Ejercicio.
6.3.5. Teorema [Teorema del binomio]. Sean a, b n

umeros reales y n N.
Entonces
n
X
n i ni
ab .
(a + b)n =
i
i=0
Demostraci
on. Procederemos por induccion.
Para n = 0, se tiene que (a + b)0 = 1 = 00 a0 b0 .
Supongamos valido para n. Procedemos a probar la afirmaci
on para n + 1.
n
X
n i ni
ab
=
(a + b)
= (a + b)
i
i=0
n
n
X
n i+1 ni X n i ni+1
ab
=
a b
+
=
i
i
i=0
i=0

n
n i+1 ni
n
abn + +
a b
+ ... +
an b + an+1 b0 +
0
i
n1

n
n
n n
abn + +
ai+1 bni + +
a b=
1
i+1
n
n+1
X n + 1
ai bni .
=
i
+
1
i=0
n+1
a0 bn+1 +
por el teorema de Pascal.
66
CAPITULO 6. ANALISIS
COMBINATORIO.
Parte II
N
umeros y polinomios
67
Captulo 7
El anillo de los n
umeros
enteros.
En este captulo se estudiar
an las propiedades aritmeticas de los n
umeros
enteros, es decir, las relacionadas con las operaciones y la divisibilidad. Tambien veremos que existen otros conjuntos dotados de operaciones binarias que
comparten propiedades con los enteros. De ah surjiran los conceptos de anillo
y cuerpo.
7.1.
Artim
etica de los enteros.
En esta secci
on vamos a repasar los conceptos y propiedades b
asicos de los
n
umeros enteros y su descomposicion. Todo desde un punto de vista mas formal
y con el lenguaje de los conjuntos, que hemos desarrollado en la parte anterior.
7.1.1.
Divisi
on entera y m
aximo com
un divisor.
Vamos a demostrar algunas de las propiedades de la suma y el producto de

los enteros.
7.1.1. Proposici
on. En Z se verifican las siguientes propiedades:
1. (Unicidad de los neutros) S
olo hay un entero 0 tal que 0 + a = a para todo
a Z. Y s
olo hay un entero 1 tal que 1a = a para todo a Z.
2. (Unicidad de los opuestos) Para cada a Z existe un u
nico a Z tal que
a + a = 0. Este u
nico elemento se llama el opuesto de a y se denota por
a; la suma b + (a) se denota por b a.
3. (Cancelacion en sumas) Dados a, b, c Z, la igualdad a + b = a + c implica
b = c.
4. (Multiplicacion por cero) Para cada a Z se verifica a0 = 0.
69
70
CAPITULO 7. EL ANILLO DE LOS NUMEROS

ENTEROS.
5. (Reglas de signos) Dados a, b Z se verifican -(-a) = a, a(-b) = (-a)b =
-(ab) y (-a)(-b) = ab.
6. (Cancelacion en productos) Dados a, b, c Z con a 6= 0, la igualdad ab =
ac implica b = c.
Una de las propiedades mas notables del conjunto de los n

umeros enteros es
la la llamada divisi
on entera que enunciamos y demostramos a continuacion:
7.1.2. Teorema [de la divisi
on entera]. Dados a, b Z, con b 6= 0, existen
q, r Z u
nicos tales que a = bq + r y 0 r < |b|.
Demostraci
on. En primer lugar demostraremos la existencia de q y r. Distinguimos cuatro casos:
(1) Supongamos a, b > 0. Consideremos el conjunto de n
umeros enteros
R = {x Z | x 0, y x = a bn para alg
un entero n}.
Entonces, R es, por definicion, un sunconjunto de N {0} que no es vaco ya
que, por ejemplo, a = a b 0 R. Por tanto, R tiene un primer elemento. Sea
r = mn R. Pongamos r = a bq. Vamos a ver que r < b. Si r b, entonces
r b 0 y r b = a bq b = a b(q + 1), y por tanto, r b R y r b < r,
lo cual contradice que r sea el elemento mas peque
no de R. Por tanto, hemos
hallado q, r que cumplen a = bq + r y 0 r < b.
(2) Supongamos a < 0 y b > 0. Entonces, a > 0 y, por el caso anterior,
a = bq + r con 0 r < b. Si r = 0, a = b(q) + 0 y se cumple r = 0 < b. Si
r 6= 0, hacemos a = b(q) r = b(q) + b b r = b(q 1) + (b r). Dado
que 0 < r < b, se cumple 0 < b r < b.
(3) Supongamos a 6= 0 y b < 0. Entonces, b > 0 y, por los casos anteriores,

a = (b)q + r con 0 r < b = |b|. Por tanto, a = b(q) + r con 0 r < |b|.
(4) Si a = 0, entonces 0 = b 0 + 0 y 0 < |b|, ya que por hipotesis b 6= 0.
Finalmente, para demostrar la unicidad de q y r supongamos que a = bq+r =
bq + r con 0 r, r < |b|. Entonces, b(q q ) = r r . Igualando los valores
absolutos |b||q q | = |r r |, lo cual, dado que 0 r, r < |b|, solo puede
cumplirse si q q = 0 y r r = 0.
7.1.3. Definici
on. En la situaci
on del teorema anterior, si a = bq + r, con
b 6= 0 y 0 r < |b|, a q se le llama el cociente de la divisi
on y a r el resto.
7.1.4. Ejemplo. Si a = 7 y b = 3, siguiendo la demostracion del teorema
tenemos que 7 = 3 2 + 1, de donde
7 = 3 (2) 1 = 3 (2) 3 + 3 1 = 3 (3) + 2.
Tenemos pues que el cociente es 3 y el resto 2.
7.1.5. Ejercicio. Calcular la divisi
on entera de a entre b cuando: a = 27 y
b = 4, a = 13 y b = 5, a = 46 y b = 9, a = 51 y b = 7.

7.1. ARTIMETICA
DE LOS ENTEROS.
71
7.1.6. Definici
on. Sean a, b Z. Decimos que b divide al n
umero a, y lo
denotamos por b | a, si existe un c Z tal que a = bc. En este caso, se dice que
a es m
ultiplo de b. Si a 6= 0, decimos tambien que b es un divisor de a.
Observemos que si b 6= 0, decir que b divide a a es lo mismo que decir que

la divisi
on entera de a entre b da resto cero.
Veamos ahora algunas propiedades elementales que usaremos constantemente:
7.1.7. Proposici
on. Sean a, b, c, d Z.
1. La divisibilidad es una relaci
on reflexiva y transitiva.
2. La divisibilidad no es antisimetrica, pero casi lo es. Si a | b y b | a entonces
|a| = |b|.
3. a | b si y solo si a | b. Entonces, si b 6= 0, b y b tienen los mismos
divisores.
4. b | a si y solo si b | a (luego, todo n
umero tiene al menos un divisor
positivo).
5. Si c | a y c | b, entonces c | ra + sb, para todo r, s Z.
6. Si a | b y c | d entonces ac | bd.
7. Si a | b entonces ra | rb para todo r Z.
8. Si a | b entonces |a| |b|.
Demostraci
El maximo com
un divisor es uno de los conceptos mas clasicos de la aritmetica. Desde primaria concemos la definicion, pero falta demostrar su existencia.
Comenzamos repasando la definicion y algunas propiedades b
asicas.
7.1.8. Definici
on. Dados dos n
umeros enteros a, b, con, al menos, uno de ellos
distinto de cero, el m
aximo com
un divisor de a y b se define como el mayor
entero d tal que d | a y d | b. Si a = b = 0, su m
aximo com
un divisor es cero.
El m
aximo com
un divisor de a y b se denotar
a por mcd(a, b) o mcd(b, a).
El maximo com
un divisor existe pues el conjunto de divisores de dos n
umeros
es finito y por tanto tiene maximo (recordemos que todo conjunto finito linealmente ordenado tiene maximo); a
un mas, el maximo com
un divisor siempre es
positivo.
7.1.9. Proposici
on. Si a, b Z, entonces:
(1) mcd(a, b) = mcd(a, |b|) = mcd(|a|, |b|).
(2) mcd(a, 0) = |a|.
(3) mcd(a, b) = 0 si y solo si a = b = 0.
72

ENTEROS.
Demostraci
Vamos a estudiar el maximo com
un divisor utilizando las herramientas de
los conjuntos que hemos desarrollado en captulos anteriores.
7.1.10. Teorema. Sean a, b Z, no cero ambos. El m
aximo com
un divisor de
a y b es el mnimo del conjunto de combinaciones lineales positivas de a y b; es
decir,
mcd(a, b) = mn{c = ra + sb | c > 0 y r, s Z}.
Demostraci
on. Sea D = {ra + sb > 0 | r, s Z}. N
otese primero que como a
o b no son cero, D 6= y por tanto siempre existe = mn D. Se afirma que
es el maximo com
un divisor de a y b. Como D existen , Z tales que
= a + b. Primero vamos a ver que es divisor com
un. Por el algoritmo de la
divisi
on (7.1.2) a = q + r, con 0 r < . Entonces r = (1 q)a + (q)b, con
lo que r D o r = 0. Lo primero es imposible porque es mnimo. Luego r = 0
y por tanto | a. Analogamente | b. Que es maximo se desprende directamente
de (7.1.7); de hecho, todo divisor com
un de a y b es divisor de .
7.1.11. Corolario. Sean a, b Z. Entonces existen r, s Z tales que mcd(a, b) =
ra + sb.
Demostraci
on. Si a = b = 0 hacemos r = s = 0 y tenemos el resultado. Si no son
ambos cero, el resultado se desprende directamente del teorema anterior.
7.1.12. Definici
on. Sean a, b Z y d = mcd(a, b). A una expresi
on d = ra+sb
se le conoce como identidad de Bezout.
En la demostracion del teorema anterior hemos visto que el maximo com
un
divisor es, de hecho, m
ultiplo de cualquier divisor com
un. Vamos a expresar eso
junto con otras propiedades que caracterizan al maximo com
un divisor.
7.1.13. Proposici
on. Sean a, b, c, d Z. Entonces d = mcd(a, b) si y solo si
se cumplen las condiciones
(1) d | a y d | b.
(2) Si c | a y c | b, entonces c | d.
(3) d 0.
Demostraci
on. Supongamos d = mcd(a, b). De la definicion de maximo com
un
divisor tenemos las propiedades (1) y (3). La segunda es inmediata de (7.1.11).
Recprocamente, supongamos que a, b, d cumplen las tres condiciones del
enunciado. Si a 6= 0 o b 6= 0, est
a claro que d es el mayor de los enteros que
dividen a a y b. Si a = b = 0, como 0 | a y 0 | b, la condicion (2) me dice que
0 | d por lo que d = 0. Tambien en este caso se tiene d = mcd(a, b).
Este resultado puede generalizarse a un n
umero finito de enteros como vamos
a ver a continuacion.

7.1. ARTIMETICA
DE LOS ENTEROS.
73
7.1.14. Definici
on. Sean a1 , . . . , an Z con alg
un ai 6= 0. El m
aximo com
un
divisor de a1 , . . . , an , que denotaremos por mcd(a1 , . . . , an ), se define como el
mayor entero d que los divide a todos. Definimos mcd(0, . . . , 0) = 0.
7.1.15. Proposici
on. Sean a1 , . . . , an Z. Entonces
mcd(a1 , . . . , an ) = mcd(mcd(a1 , a2 ), a3 , . . . , an ).
Demostraci
on. Sea d = mcd(a1 , . . . , an ), e = mcd(mcd(a1 , a2 ), a3 , . . . , an ) y
f = mcd(a1 , a2 ). Entonces, como d divide a a1 , . . . , an , tenemos por la proposicion anterior que d divide a f, a3 , . . . , an . Luego d e. Recprocamente, e divide
a f, a3 , . . . , an y, por tanto, e divide a a1 , a2 , . . . , an . Luego e d. Como d, e 0
debe ser d = e.
7.1.16. Teorema. El m
aximo com
un divisor de a1 , . . . , an Z es la mnima
combinaci
on lineal positiva de dichos n
umeros.
As que existen enteros 1 , . . . , n tales que
d = 1 a1 + + n an .
Demostraci
on. Inmediato por induccion, usando (7.1.10).
7.1.17. Corolario. Sean a1 , . . . , an Z. Entonces d = mcd(a1 , . . . , an ) si y
solo si se cumplen las condiciones
(1) d | ai para todo i = 1, . . . , n.
(2) Si c | ai para todo i = 1, . . . , n, entonces c | d.
(3) d 0.
Demostraci
7.1.18. Ejemplo. Para calcular el maximo com
un divisor de los n
umeros 45, 81, 12
y 51 podemos proceder de la siguiente manera:
mcd(45, 81, 12, 51) = mcd(mcd(45, 81), 12, 51) = mcd(9, 12, 52) =
mcd(mcd(9, 12), 51) = mcd(3, 51) = 3.
7.1.19. Definici
on. Dos enteros a, b se llaman primos entre s o coprimos si
mcd(a, b) = 1.
7.1.20. Proposici
on. Sean a y b dos enteros no nulos. Entonces a y b son
coprimos si y solo si existen , Z tales que a + b = 1.
Demostraci
on. Inmediato de la definicion de coprimos y (7.1.11).
7.1.21. Proposici
on. Sean a, b, c Z tales que a | bc. Si a y b son coprimos,
entonces a | c.
Demostraci
on. Sea 1 = a + b una identidad de Bezout. Multiplicando por c
tenemos c = ac + bc. Como a | bc, tambien a | c.
74

ENTEROS.
7.1.22. Proposici
on. Sean a, b, c Z. Si a y b son coprimos y a | c y b | c
entonces ab | c.
Demostraci
on. Considerese la identidad de Bezout ra + sb = 1. Por hipotesis
c
c
c
c
c
c c
,
Z.
Entonces
cb br + ac sb = ac , de
a b
a ra + a sb = a , luego cr + a sb = a y as
c
c
c
donde b( b r + a s) = a , pasamos a multiplicando y se tiene ab | c.
7.1.23. Corolario. Sean a y b dos enteros no nulos y d = mcd(a, b). Si a = da
y b = db , entonces mcd(a , b ) = 1.
Demostraci
on. Ejercicio.
El algoritmo de Euclides
Una forma efectiva de calcular el maximo com
un divisor es mediante el
algoritmo de Euclides, para el cual necesitamos el siguiente resultado:
7.1.24. Proposici
on. Sean a, b Z. Entonces, para todo s Z se tiene
mcd(a, b) = mcd(a sb, b) = mcd(a, b sa).
En particular, si b 6= 0 y a = bq + r es la divisi
on entera de a entre b, tenemos
que
mcd(a, b) = mcd(b, r).
Demostraci
on. Si c | a y c | b, entonces c | a sb por (7.1.7). Recprocamente,
si c | b y c | a sb, entonces c | a sb + sb = a, tambien por (7.1.7).
7.1.25. Algoritmo de Euclides Vamos a calcular el maximo com
un divisor
de dos enteros mediante el algoritmo de Euclides que consiste en la aplicacion
repetida de la proposicion anterior. Podemos suponer que a y b son positivos y
tenemos:
a = bq1 + r1
(a, b) = (b, r1 )
r1 < b
b = r1 q2 + r2
(b, r1 ) = (r1 , r2 ) r2 < r1
r1 = r2 q3 + r3 (r1 , r2 ) = (r2 , r3 ) r3 < r2
..
..
..
.
.
.
Dado que b > r1 > r2 > r3 > 0 debe obtenerse resto cero en un
n
umero finito de pasos:
rn2 = rn1 qn + rn
rn1 = rn qn+1
(rn2 , rn1 ) = (rn1 , rn )

(rn1 , rn ) = rn .
Luego (a, b) = rn .
Los valores x e y de la expresion rn = ax + by pueden obtenerse eliminando
los r1 , . . . , rn1 con una sustitucion regresiva, en las igualdades anteriores a
partir de la pen
ultima igualdad.

7.1. ARTIMETICA
DE LOS ENTEROS.
75
Por ejemplo, para los enteros a = 252 y b = 198 hacemos las divisiones y se
tiene
252 =
198 =
54 =
36 =
198 1 + 54
54 3 + 36
36 1 + 18
18 2.
y, a partir de la pen
ultima igualdad vamos despejando y sustituyendo, obtenemos
18 = 54(1) + 36(1) = 54 + (198 54 3)(1)
= 198(1) + 54(4) = 198(1) + (252 198 1) 4
= 198(5) + 252(4).
La igualdad 18 = 198(5) + 252(4) es entonces una identidad de Bezout.
7.1.2.
Mnimo com
un m
ultiplo
7.1.26. Definici
on. Dados dos n
umeros enteros a, b distintos de cero, el mnimo com
un m
ultiplo de a y b se define como el menor entero positivo que es
m
ultiplo de a y de b a la vez.
Si a o b son cero, entonces el mnimo com
un m
ultiplo de a y b es 0. Se
denotar
a por mcm(a, b).
La existencia del mnimo com
un m
ultiplo est
a garantizada ya que el conjunto
de todos los enteros positivos que son m
ultiplos comunes a a y b es no vaco y,
por tanto, debe tener un primer elemento.
7.1.27. Proposici
on. Si a, b Z, entonces:
(1) mcm(a, b) = mcm(a, |b|) = mcm(|a|, |b|).
(2) mcm(a, b) = 0 si y solo si a = 0 o b = 0.
(3) mcm(a, ab) = |ab|.
Demostraci
on. Ejercicio. Se desprende de (7.1.7).
7.1.28. Teorema. Sean a, b Z. Entonces:
(1) mcm(a, b) mcd(a, b) = |ab|.
(2) Si c es m
ultiplo de a y de b, entonces c es m
ultiplo de mcm(a, b).

ENTEROS.
76
Demostraci
on. Si a = 0 o b = 0 el enunciado es evidente. Por tanto, por la
proposicion anterior, podemos suponer que a, b > 0. Sea d = mcd(a, b) y supongamos que a = da y b = db para ciertos enteros a , b Z. Sea m = a b d.
Observemos que m es m
ultiplo de a y de b. Supongamos que c > 0 es m
ultiplo
de a y de b, es decir,
c = a = b
(7.1)
para ciertos , Z. Entonces tenemos da = db y, por tanto, a = b .
Como, por (7.1.23), a y b son coprimos, por (7.1.21), a | y podemos escribir
= a para cierto Z
Sustituyendo en (7.1) obtenemos
c = a b = a db = m
(7.2)
que es mayor o igual que m y, en consecuencia, m = mcm(a, b). Ademas

ab = a db d = md = mcd(a, b) mcm(a, b).
En la igualdad (7.2) se ha visto que que si c es m
ultiplo de a y b, entonces
tambien lo es de su mnimo com
un m
ultiplo.
El concepto de mnimo com
un m
ultiplo de un n
umero finito de enteros es
analoga al de dos y tambien tenemos, usando el teorema anterior, un resultado
parecido al (7.1.17) para el maximo com
un divisor.
7.1.29. Definici
on. Sean a1 , . . . , an n
umeros enteros no nulos. El mnimo
com
un m
ultiplo de a1 , . . . , an , que denotaremos por mcm(a1 , . . . , an ), se define como el menor entero positivo que es m
ultiplo de a1 , . . . , an a la vez. Si
ai = 0 para alg
un i, definimos mcm(a1 , . . . , an ) = 0.
7.1.30. Corolario. Sean a1 , . . . , an Z. Entonces m = mcm(a1 , . . . , an ) si y
solo si se cumplen las condiciones
(1) m es m
ultiplo de a1 , . . . , an .
(2) Si c es m
ultiplo de a1 , . . . , an , entonces c es m
ultiplo de m.
(3) m 0.
Demostraci
7.1.3.
La ecuaci
on diof
antica lineal
El precio del cafe en la maquina de la planta baja es de 40 cts. Ana solo

tiene monedas de 50 cts y la maquina solo devuelve cambio en monedas de
20 cts. Ana sabe por experiencia que si la maquina no tiene el cambio exacto,
simplemente no lo devuelve. Si Ana no quiere perder dinero podra tomarse un
cafe? Si llamamos x al n
umero de monedas de 50 cts. que introduce Ana e y el

7.1. ARTIMETICA
DE LOS ENTEROS.
77
n
umero de monedas de 20 cts. que le devuelve la maquina, se tiene que cumplir
la ecuaci
on
50x 20y = 40
Una ecuaci
on de este tipo, en la que se buscan soluciones que sean n
umeros
enteros, se llama una ecuaci
on diof
antica lineal. Veamos su solucion.
7.1.31. Proposici
on. Sean a, b, c Z y d = mcd(a, b). La ecuaci
on diof
antica
ax + by = c tiene soluci
on si y solo si d divide a c. En este caso, la soluci
on
general son todos los n
umeros enteros de la forma

x = x0 + x
y = y0 + y
donde x0 , y0 es una soluci

on particular de la ecuaci
on e x , y es una soluci
on
de la ecuaci
on ax + by = 0, llamada ecuaci
on homogenea asociada.
Demostraci
on. Si existen x, y Z tales que ax+by = c, entonces d | ax+by = c.
Recprocamente, supongamos que d | c y pongamos a = a d, b = b d y c =
c d. Si a + b = d es una identidad de Bezout, multiplicando por c tenemos
(c )a + (c )b = c d = c y la ecuaci
on tiene solucion. Veamos ahora c
omo son
las soluciones. Supongamos que x0 , y0 es una solucion particular. Si x, y es una
solucion, entonces
ax + by = ax0 + by0 = c,
es decir, a(x x0 ) + b(y y0 ) = 0, luego poniendo x = x x0 e y = y y0
vemos que la solucion x, y tiene la forma deseada. Recprocamente, si x, y son
como se indica en el enunciado, est
a claro que son solucion de la ecuaci
on.
7.1.32. Proposici
on. Sean a, b, c Z, d = mcd(a, b) y pongamos a = a d,
b = b d. Las soluciones de la ecuaci

on homogenea ax + by = 0 son

x = b t
y = a t
donde donde t es un entero cualquiera.
Demostraci
on. Si existen x, y Z tales que ax + by = 0, entonces ax = by y
dividiendo por d tenemos
a x = b y.
(7.3)
Dado que a y b son coprimos y a divide a b y, a debe dividir a y, luego

existe t Z tal que y = a t. Sustituyendo en (3) se tiene a x = b a t y, por
tanto, x = b t. Por otra parte, se comprueba facilmente que todos los enteros
de esa forma son solucion de la ecuaci
on.
Volviendo al ejemplo del inicio, tenemos que resolver la ecuaci
on 50x20y =
40. Dado que mcd(50, 20) = 10 vemos que la ecuaci
on tiene solucion. Si calculamos una identidad de Bezout obtenemos, por ejemplo, como solucion particular
x0 = 4 e y0 = 8. Por otra parte, las soluciones de la ecuaci
on homogenea son

x = 2t
y = 5t.
78

ENTEROS.
Por tanto, la solucion general de la ecuaci

on es

x = 4 + 2t
y = 8 + 5t
Tenemos que ver ahora si hay soluciones positivas y cual es la mas peque
na. Si
exigimos que x, y 0 deber ser t 1. Tomando t = 1 vemos que Ana puede
introducir 2 monedas de 50 cts y la maquina le devolvera 3 monedas de 20 cts
y un cafe.
7.1.4.
N
umeros primos.
Teorema Fundamental de la Aritm
etica
En esta secci
on vamos a probar el Teorema Fundamental de la Aritmetica que
afirma que todo n
umero entero se puede escribir de forma escencialmente u
nica
como producto de n
umeros primos. Comenzamos precisamente con el concepto
de n
umero primo.
7.1.33. Definici
on. Un entero p 6= 1, 1 se dice que es primo si sus u
nicos
divisores son 1, 1, p y p.
7.1.34. Ejemplo. El primo positivo mas peque
no es el 2 y es tambien el u
nico
primo par junto con el 2. Los primos siguientes son 3, 5, 7, 11, 13, 17, 19, 23,
29, 31, 37, . . . , 997, . . . , 252097800623, . . . , 243112609 1, . . . 1
7.1.35. Lema. Si p es un n
umero primo y p | a1 a2 an con a1 , . . . , an enteros,
entonces p divide a ai para algun i.
Demostraci
on. Supongamos que p | a1 a2 . Si p | a1 , ya. Si no, mcd(p, a1 ) = 1 y
por (7.1.21) se tiene que p | a2 . Este

es el primer paso de la induccion. Se deja
como ejercicio terminarlo.
7.1.36. Teorema [Teorema Fundamental de la Aritm
etica]. Sea a Z,
a 6= 0, 1, 1. Entonces
a = p1 p2 pt
para alg
un t 1 y p1 , , pt primos no necesariamente dististos. Adem
as, estos
primos son u
nicos salvo quiz
as el signo y el orden en el que est
an escritos.
Demostraci
on. Veamos primero que existe una tal descomposicion. Supongamos
a > 0 y procedamos por reduccion al absurdo. Entonces, el conjunto de los
enteros mayores que 1 para los cuales no existe una tal descomposicion tiene un
minimo a0 que no puede ser primo y, por tanto, se escribe como a0 = bc con b
y c distintos de 1 y 1. Como a > 0 podemos suponer que b, c > 0. Entonces
a0 = bc con 1 < b < a0 y 1 < c < a0 .
1 El primo 243112609 1 es el mayor conocido a fecha de junio de 2009. Fue descubierto por
el proyecto GIMPS (Great Internet Mersenne Prime Search) de inform
atica distribuida el 23
de agosto de 2008 y tiene 12978189 cifras.

7.1. ARTIMETICA
DE LOS ENTEROS.
79
Ahora bien, como 1 < b, c < a0 , los enteros b y c s se escriben como producto
de primos:
b = q1 qr y c = q1 qs
pero entonces a tambien lo que contradice su eleccion.
Si a < 1, entonces a = |a| = p1 pt para cierto t 1 y p1 , . . . , pt primos
y, por tanto,
a = |a| = (p1 )p2 pt
con p1 , p2 , . . . , pt primos.
Probemos ahora la unicidad de la descomposicion. Supongamos
a = p1 pt = q1 qr
(7.4)
con p1 , . . . , pt , q1 . . . , qr primos y procedamos por induccion sobre t. Si t = 1,

entonces a = p1 = q1 qr . Dado que p1 es primo no tiene mas divisores primos
que p1 y p1 . Por tanto, debe ser r = 1 y q1 = p1 . Supongamos ahora el resultado
cierto para t = k y demostremoslo para t = k + 1. Si a = p1 pk+1 = q1 qr
tenemos que pk+1 divide a q1 qr . Por el lema anterior, pk+1 divide a qs para
alg
un s. Reordenando los q s podemos suponer que s = r, es decir, pk+1 | qr .
Como los u
nicos divisores primos de qr son qr y qr tenemos que qr = pk+1 .
Sustituyendo en (7.4) obtenemos
p1 pk pk+1 = q1 qr1 (pk )
y cancelando pk+1 ,
p1 pk = q1 qr1 .
Por hip
otesis de induccion k = r1. Por tanto, k+1 = r y, despues de reordenar
si hace falta, q1 = p1 , q2 = p2 , . . . , qk = pk como queramos demostrar
7.1.37. Corolario. Sea a Z, a 6= 0, 1, 1. Entonces,
a = pn1 1 pns s
para ciertos primos positivos diferentes p1 , . . . , ps y naturales n1 , . . . , ns . Adem
as,
estos primos y sus respectivos ni s son u
nicos (salvo el orden).
Demostraci
7.1.38. Corolario. Sean a, b Z con descomposiciones en primos
a = pn1 1 pns s
b = q1m1 qrmr .
Entonces, el mcd(a, b) puede calcularse haciendo el producto de los primos comunes de a y b elevados a la mnima potencia, y el mcm(a, b) puede calcularse
haciendo el producto de los primos comunes y no comunes de a y b elevados a
la m
axima potencia.
Demostraci

ENTEROS.
80
Finalmente, vamos a demostrar que existen infinitos n

umeros primos.
7.1.39. Teorema. Existen infinitos n
umeros primos.
Demostraci
on. Procedemos por reduccion al absurdo. Supongamos que p1 , . . . , pn
son todos los n
umeros primos y consideremos el n
umero
N = p1 pn + 1.
Dado que N es mayor que pi para todo i, no puede ser primo y, por tanto,
debe ser divisible por alguno de los primos anteriores. Pero si pi | N , entonces
pi | N p1 pn = 1 lo cual es contradictorio.
7.2.
Congruencias.
A lo largo de esta secci

on, m denotara siempre un entero mayor que 1. A
continuacion vamos a definir la relacion de congruencia m
odulo m que ya hemos
visto como ejemplo al estudiar las relaciones de equivalencia.
7.2.1. Definici
on. Dados un entero positivo m y dos n
umeros x, y Z, decimos que x e y son congruentes m
odulo m, y escribimos x y mod m, o
x y (m), si x y es m
ultiplo de m.
7.2.2. Proposici
on. La relaci
on de congruencia m
odulo m es una relaci
on de
equivalencia.
Demostraci
7.2.3. Proposici
on. Sean a, b Z y m un entero mayor que 1.
(1) Si r es el resto de la divisi
on de a entre m, entonces a r mod m.
(2) Si a b mod m y 0 a, b < m, entonces a = b.
(3) a b mod m si y solo si a y b dan el mismo resto al dividirlos por m
Demostraci
Vemos que cada clase modulo m tiene un u
nico representante r entre 0 y
m1. Se le llama representante can
onico y se obtiene como el resto de la divisi
on
entera de cualquier elemento de la clase entre m. Por este motivo, a las clases
de congruencia modulo m tambien se las llama clases de restos m
odulo m.
Dado un entero x, denotemos por x la clase de equivalencia de representante
x. Entonces, por las propiedades de las clases en una relacion de equivalencia,
sabemos que
a = b o a b = .
a = b si y solo si a b mod m.
a b = si y solo si a 6 b mod m.
81
7.2. CONGRUENCIAS.
Denotamos por Z/(m) o Zm el conjunto cociente de Z por la relacion de

congruiencia modulo m, es decir,
Zm = {a | a Z}.
Por lo que hemos dicho, Zm tiene exactamente m elementos:
Zm = { 0, 1, . . . m 1 }.
Los enteros 0, 1, . . . , m 1 son los representantes canonicos de las clases y se
corresponden con los posibles restos que se obtienen al dividir un entero entre
m.
7.2.1.
Propiedades aritm
eticas de las congruencias
Veamos c
omo se comportan las congruencias con la suma y el producto de
n
umeros enteros.
7.2.4. Proposici
on. Sea m un entero mayor que 1 y sean a, b, a , b y c n
umeros
enteros arbitrarios. Entonces:
1. Si a a mod m y b b mod m, entonces a + b a + b mod m.
2. Si a a mod m y b b mod m, entonces ab a b mod m.
3. Si a b mod m, entonces ac bc mod m. El recproco es cierto si c y
m son coprimos.
4. Si c 6= 0, entonces a b mod m si y solo si ac bc mod mc.
Demostraci
on. Si a a mod m y b b mod m tenemos que a a = m y
b b = m para ciertos , Z. Entonces,

(a + b) (a + b ) = (a a ) + (b b ) = ( + )m,
y, por tanto, a + b a + b mod m. Por otra parte, sustituyendo a por a + m,
ab a b
=
=
=
(a + m)(b + m) a b
a b + (a + b + m)m a b
(a + b + m)m,
y, por tanto, ab a b mod m. Con esto hemos probado (1 ) y (2 ).

La primera parte del apartado (3 ) sigue del (2 ). Recprocamente, si c y m
son coprimos y ac bc mod m, tenemos (a b)c = m para cierto Z. Esto
significa que c | m y, como c y m son coprimos, tenemos que c divide a , es
decir, = c . Por tanto, (a b)c = c m y, entonces a b mod m.
Finalmente, para demostrar (4 ), observemos que para un c 6= 0 se tiene que
a b = m si y solo si ac bc = mc.

ENTEROS.
82
7.2.2.
Estructuras algebraicas.
Antes de introducir la idea de estructura algebraica, permtasenos presentar

introducir las siguientes operaciones en Zm .
7.2.5. Definici
on. Sean m un entero positivo. La suma y el producto de dos
elementos a, b Zm est
an dados por
a + b = a + b.
a b = a b.
La definicion anterior est
a escrita en terminos de representantes de clases de
equivalencia, as que lo primero es probar que est
an bien definidas (vease 4.3.4).
7.2.6. Proposici
on. La suma y el producto en Zm est
an bien definidas.
Demostraci
on. Sean a = a y b = b . Tenemos que ver que a + b = a + b . Pero
esto es inmediato de (7.2.4).
7.2.7. Ejemplo. En el caso n = 6 las tablas de las operaciones en Z6 son:
+
Observamos en la tabla del producto que hay elementos no nulos a, b tales

que ab = 0, por ejemplo, 2 3 = 0. De hecho, si m = rs con r y s mayores que 1,
entonces r s = m = 0 en Zm . Tambien vemos que los u
nicos elementos a para
los que existe un b tal que ab = 1 son 5 y 1 (5 5 = 1 y 1 1 = 1).
Las clases de restos modulo m, junto con las operaciones definidas son un
ejemplo mas en la lista de conjuntos dotas de suma y producto, que no son
n
umeros. Este
es un buen momento para considerar el concepto abstracto de
operaci
on binaria y las propiedades b
asicas. Llamamos estructuras algebraicas
a los conjuntos que podemos dotar de operaciones binarias que poseen las propiedades b
asicas de la suma y el producto.
Recordemos de (2.1.7) que una operaci
on binaria, en un conjunto no vaco
A, digamos , es una aplicacion : A A A, y que para a, a A, denotamos
(a, a ) = a a
83
7.2. CONGRUENCIAS.
7.2.8. Definici
on. Sea A un conjunto no vaco con dos operaciones binarias
+ : A A A
: A A A
(suma)
(producto)
Decimos que A es un anillo si se verifica que:

1. La suma es conmutativa.
2. La suma es asociativa.
3. Existe un neutro para la suma, que denotamos 0 A.
4. Todo elemento de A tiene opuesto.
5. El producto es asociativo.
6. Existe un neutro para el producto, que denotamos 1 A.
7. El producto distribuye a la suma.
Decimos que A es anillo conmutativo si adem
as de los anterior, verifica
8. El producto es conmutativo
Decimos que A es un cuerpo si adem
as de los anterior, verifica
9. Cada elemento a A no nulo tiene inverso, es decir, si existe un b A
tal que ab = 1.
Hasta ahora conocemos como ejemplos
1. Anillo (no conmutativo): las matrices cuadradas junto con la suma y el
producto habituales.
2. Anillo conmutativo: los enteros, los polinomios.
3. Cuerpos: hasta ahora solo los numericos.
Vamos a agregar ejemplos.
7.2.9. Proposici
on. Sea m un entero positivo. El conjunto Zm junto con la
suma y producto definidos anteriormente es un anillo conmutativo.
Demostraci
7.2.10. Ejercicio. Probar que en cualquier anillo A:
1. El neutro bajo la suma y el neutro bajo producto son u
nicos.
2. El opuesto de un elemento a A es u
nico. Se denota a.
3. El inverso de un elemento a A es u
nico. Se denota por a1 .
84

ENTEROS.
7.2.11. Proposici
on. Sea m un entero positivo. En Zm , un elemento a tiene
inverso si y solo si mcd(a, m) = 1. Tambien decimos que a tiene inverso m
odulo
m.
Demostraci
on. a tiene inverso si y solo si existe x tal que a x = 1 para cierto
x Z. Esto pasa si y solo si ax 1 mod m, si y solo si ax 1 = my para cierto
y Z; pero esta ecuaci
on diof
antica tiene solucion si y solo si mcd(a, m) = 1.
7.2.12. Corolario. Zm es un cuerpo si y solo si m es primo.
Demostraci
on. Zm es un cuerpo si y solo si todo elemento a 6= 0 tiene inverso.
Por la proposicion anterior, vemos que Zm es un cuerpo si y solo si mcd(a, m) = 1
para todo a = 1, . . . , m 1. Eso solo es posible si m es primo.
7.2.13. Ejemplo. Para calcular el inverso de 7 en Z100 , buscamos un x tal que
7 x = 1, es decir, debemos resolver la ecuaci
on diof
antica 7x 100y = 1 en la
que solo nos interesa una solucion particular (y no nos interesa la y). Usando el
algoritmo de Euclides, como vimos en el tema anterior, tenemos
7 43 100 3 = 1
Luego (7)1 = 43 en Z100 .
7.2.3.
Algunas aplicaciones
La aritmetica modular nos proporciona el marco adecuado para tratar cuestiones de divisibilidad con n
umeros enteros.
7.2.14. Proposici
on. Un n
umero entero es divisible por 3 si y solo si la suma
de sus cifras es divisible por 3.
Demostraci
on. Sea m Z, m > 0 y supongamos que sus cifras se escriben como
an an1 a0 con los ai entre 0 y 9. Entonces
m = an 10n + + a1 10 + a0 .
m es divisible por 3 si y solo si m 0 mod 3. Pero, como 10s 1 mod 3 para
todo s, tenemos
m = an 10n + + a1 10 + a0 an + + a1 + a0
mod 3
7.2.15. Ejercicio. Enunciar y demostrar un criterio de divisibilidad por 9.

A continuacion estudiamos las ecuaciones del tipo a x = b en Zm . Estas
ecuaciones tienen una solucion facil si a tiene inverso en Zm . Por ejemplo, consideremos la ecuaci
on 3 x = 5 en Z20 . Como mcd(3, 20) = 1, vemos, por la
proposicion 8, que 3 tiene inverso y es 7. Luego,
x = 7 3 x = 7 5 = 35 = 15
85
7.2. CONGRUENCIAS.
en Z20 . Lo que hemos hecho se puede expresar tambien en lenguaje de congruencias: la solucion de la ecuaci
on 3x 5 mod 20) est
a formada por todos
los m
ultiplos de 20 mas 15.
7.2.16. Proposici
on. Dados los enteros a, b, t Z, los enunciados siguientes
son equivalentes
on de la ecuaci
on a x = b en Zm .
(1) t es soluci
(2) t es soluci
on de la congruencia ax b mod m.
(3) (t, s) es soluci
on de la ecuaci
on diof
antica ax my = b para alg
un s Z.
Demostraci
on. Solo es un cambio de lenguaje entre aritmetica modular, congruencias y ecuaciones diof
anticas.
7.2.17. Proposici
on. Sean a, b, m Z con m > 1 y d = mcd(a, m). Entonces
la ecuaci
on ax b mod m tiene soluci
on si y solo si d divide a b. En este caso,
la ecuaci
on tiene d soluciones m
odulo m que vienen dadas por los enteros
x0 , x0 +
m
m
m
, x0 + 2 , . . . , x0 + (d 1)
d
d
d
donde x0 es una soluci

on particular. Equivalentemente, las soluciones son todos
los enteros x de la forma
m
x = x0 +
d
para un entero arbitrario.
Demostraci
on. La congruencia ax b mod m es equivalente a la ecuaci
on
axmy = b y esta tiene solucion si y solo si d divide a b. En este caso, pongamos
b = db , a = da y m = dm . Entonces, la ecuaci
on diof
antica ax my = b es
equivalente a a x m y = b y su solucion es (vease 7.1.31)

x = x0 + m t
y = y 0 + a t
donde (x0 , y0 ) es una solucion particular y t es un entero arbitrario, lo que
prueba la segunda parte de la proposicion.
Si x0 + m y x0 + m son dos soluciones, tenemos x0 + m x0 + m
mod m si y solo si m m mod dm si y solo si mod d y por el
apartado 4 de (7.2.4) se tiene la primera parte.
7.2.18. Ejemplos. Vamos a resolver algunas congruencias.
1. 4x 3 mod 7.
Soluci
on. Como 4 y 7 son primos entre s, buscamos el inverso de 4 en Z7 .
R
apidamente vemos que 4 2 = 1, luego multiplicamos ambos miembros
de la congruencia por 2 y obtenemos
x 23 =6
mod 7.
86

ENTEROS.
Por tanto, la solucion u
nica modulo 7 es x = 6. En otras palabras, los
n
umeros enteros que satisfacen la congruencia son los de la forma 7 + 6,
es decir, los m
ultiplos de 7 mas 6.
2. 77x 30 mod 180.
Soluci
on. En este caso tenemos 77 = 7 11 y 180 = 22 32 5, luego
tambien son primos entre s y la congruencia tiene soluci
on u
nica modulo
180. Para calcular el inverso de 77 en Z180 recurrimos a la identidad de
Bezout. Despues de realizar los c
alculos tenemos
180 3 + 77 (7) = 1,
de donde 77(7) 1 mod 180. Multiplicamos, pues, la congruencia por
7 y obtenemos
x 7 30 = 210 30 mod 180.
Por tanto, la solucion u
nica modulo 180 es x = 30, es decir, los m
ultiplos
de 180 menos 30.
3. 572x 20 mod 700.
Soluci
on. Calculamos el maximo com
un divisor de 572 y 700 mediante el
algoritmo de Euclides y obtenemos mcd(572, 700) = 4. Como 4 divide a
20 la congruencia tiene 4 soluciones distintas modulo 700. Aprovechamos
los c
alculos hechos para expresar 4 como combinaci
on lineal entera de 572
y 700. Obtenemos
572 82 + 700 (67) = 4.
Como 20/4 = 5, multiplicamos la congruencia por 5 y nos queda
572(410) + 700(335) = 20
de donde una solucion paticular es x = 410. Finalmente, como 700/4 =
175, la solucion general es x = 410 + 175t, con t = 0, . . . , 3. Esto da
x = 410, x = 410 + 175 = 585, x = 410 + 350 = 760 60 mod 700,
x = 410 + 525 = 935 253 mod 700.
4. 35x + 8y = 5.
Soluci
on. Veamos que podemos usar las congruencias para resolver esta
ecuaci
on diof
antica. Si hacemos modulo 8 obtenemos
3x 5 mod 8.
El inverso de 3 modulo 8 es 3, luego x = 8 1. Sustituyendo x en la
ecuaci
on tenemos 35(8 1) + 8y = 5, es decir, 35 + y = 5. Por tanto,
(x, y) es solucion de la ecuaci
on inicial si y solo si x = 8 1 y (, y) es
solucion de 35 + y = 5. Concluimos, pues, que la solucion general de la
ecuaci
on es

x = 1 + 8
y = 5 35
7.3. TEOREMAS DE EULER, FERMAT Y WILSON
7.3.
87
Teoremas de Euler, Fermat y Wilson
A lo largo de esta secci

on, seguiremos suponiendo que m es un entero positivo.
7.3.1. Definici
on. Definimos la funci
on de Euler como la aplicaci
on de
: N N que asigna a cada n
umero natural m el n
umero
(m) = |{x N | 1 x m, mcd(x, m) = 1}|.
Por tanto, (m) es la cantidad de elementos que tienen inverso en Zm . Por
ejemplo, (1) = 1, (2) = 1, (3) = 2, (4) = 2, (12) = 4. Esta funci
on
puede calcularse con el metodo que se desprende de la proposicion siguiente:
7.3.2. Proposici
on. Si es la funci
on de Euler, se tiene
1. (p) = p 1 si p es primo.
2. (pn ) = pn1 (p 1) si p es primo.
3. Si mcd(n, m) = 1, entonces (nm) = (n)(m).
4. Si m = pn1 1 pns s es la descomposici
on de Q
m en factores primos con
s
p1 , . . . , ps primos distintos, entonces (m) = i=1 pini 1 (pi 1).
5. Si m = pn1 1 pns s es la descomposici

on de m en factores primos con
p1 , . . . , ps primos distintos, entonces
(m) = m(1
1
1
) (1 )
p1
ps
Demostraci
on. 1. Es obvio.
2. Considerese, para cada a = 1, . . . , pn1 , el conjunto,
a = {x N | (a 1)p < x < ap y (x, p) = 1} .
Es f
acil comprobar que
1. a a = si y solo si a 6= a .
2. Para todo 0 x < pn , con (x, p) = 1 se tiene que x a , para alguna
a = 1, . . . , pn1 .
3. El cardinal |a | = p 1, para todo a = 1, . . . , pn1 .
De aqu se obtiene que hay exactamente pn1 (p 1) elementos.
3. Definimos la aplicacion f : Znm Zn Zm tal que f (x) = (xn , xm ),
donde x xn mod n y x xm mod m.
Se afirma que f es biyectiva. Si f (x) = (xn , xm ) = (yn , ym ) = f (y) entonces
x y mod n y x y mod m, luego n | (x y) y m | (x y) de donde (7.1.22)

ENTEROS.
88
nm | (x y). Para ver que es sobre, considerese (a, b) Zn Zm . Por hipotesis

existe una identidad de Bezout 1 = rn + sm. Hacemos x = brn + asm. Entonces
x a mod n y x b mod m; es decir a = xn y b = xm .
4. Por el apartado anterior (m) =
tiene el resultado.
Qs
i=1
(pni ) y por el apartado (2) se
5. Inmediato de multiplicar la igualdad anterior por
Qs
i=1
pi /
Qs
i=1
pi
7.3.3. Ejemplo. Para calcular (1000) descomponemos en factores primos

1000 = 23 53
y, entonces
(1000) = (23 53 ) = (23 )(53 ) = 22 1 52 4 = 400
7.3.4. Teorema [Euler]. Sea m > 1 un entero. Si a es coprimo con m, entonces
a(m) 1 mod m.
Demostraci
on. Sabemos que a(m) 1 mod m es equivalente a a(m) = 1 en
Z
el conjunto de los elementos invertibles en Zm . Sea Um =
m . Consideremos

x1 , . . . , x(m) Zm . Multiplicamos, a Um = {a x | x Um }.
Se afirma que Um = a Um .
] Sea x Um . Entonces x = axi , luego xa1 x1
= 1, por tanto, x Um .
i
] Sea xi Um . Entonces xi = a(a1 xi ) y es claro que a1 xi Um . Por
tanto xi a Um .
Finalmente,
(m)
(m)
(m)
Y
Y
Y
xi =
axi = a(m)
xi .
i=1
Cancelando
Q(m)
i=1
i=1
i=1
xi porque es invertible, tenemos el resultado.
7.3.5. Corolario [Peque

no teorema de Fermat(primera versi
on)]. Sea
p > 1 un n
umero primo. Entonces se cumple
ap1 1
mod p
para todo entero a no divisible por p.

Demostraci
on. Sigue del resultado anterior dado que (p) = p 1.
7.3.6. Corolario [Peque
no teorema de Fermat(seguna versi
on)]. Sea
p > 1 un n
umero primo. Entonces se cumple
ap a
para todo entero a.
mod p
7.3. TEOREMAS DE EULER, FERMAT Y WILSON
89
Demostraci
on. Si a es m
ultiplo de p, entonces los dos miembros son congruentes
con 0. En caso contrario se tiene ap1 1 mod p por el resultado anterior y,
multiplicando por a, ap a mod p.
7.3.7. Ejemplo. Cu
ales son las dos u
ltimas cifras del n
umero 1031243 ? Este
problema es equivalente a saber cual es el representante canonico de 1031243
modulo 100. Para empezar
1031243 31243
mod 100.
Ahora, dado que mcd(3, 100) = 1 podemos usar la congruencia de Euler, que
dice, en este caso,
3(100) 1 mod 100 = 340 1 mod 100
dado que (100) = (22 52 ) = (22 )(52 ) = 40. Si dividimos 1243 entre 40
tenemos 1243 = 31 40 + 3 y, por tanto,
31243 = 33140+3 = (340 )31 33 33 = 27 mod 100.
Luego las dos u

ltima cifras de 1031243 son 2 y 7.
Vamos a terminar con otro resultado clasico de la teora de los n

umeros.
7.3.8. Teorema [Teorema de Wilson]. Sea p un n
umero primo positivo.
Entonces (p 1)! 1 mod p.
Demostraci
on. Si p = 2 o p = 3 el resultado se puede comprobar directamente.
Supongamos que p 5. Hagamos la lista de elementos invertibles de Zp es
{1, 2, . . . , p 1}. En este conjunto tenemos un n
umero par de elementos. Vamos
a probar que, excepto 1 y p 1 = 1, el resto de elementos tiene un inverso
distinto a el. Supongamos que existiese a = k Zp tal que a2 = 1. Entonces
a2 1 = 0 y de aqu, (a + 1)(a 1) = 0. Pero Zp es un cuerpo. Luego a = 1 o
bien a = 1.
Lo anterior significa que en la lista {1, 2, . . . , p 1} aparecen los elementos
junto con sus inversos, excepto p 1 = 1, as que el producto de los elementos
de la lista ha de ser 1. En terminos de congruencias (p 1)! 1 mod p.
El teorema de Wilson nos descubre propiedades muy interesantes de los
n
umeros, como el siguiente ejemplo.
7.3.9. Ejemplo. Sea p un primo positivo. Entonces p | (p 1)! + 1, ya que
(p 1)! + 1 1 + 1 0 mod m.
Otro ejemplo.
7.3.10. Ejemplo. Recordemos que U8 = {1, 3, 5, 7}. En este caso, 32 = 1 y

52 = 1. En cambio, U7 = {1, 2, 3, 4, 5, 6}. En este caso, 2 4 1 mod 7 y
3 5 1 mod 7, as que 1 6 1 mod 7.
Como observaci
on al margen del teorema de Wilson, para cualquier n
umero
primo, p las races cuadradas de la unidad en Zp son u
nicamente 1. Supongase
que a2 1 mod p, entonces p | (a 1)(a + 1). Como p es primo, p mod a + 1
o bien p | a 1, de donde a 1 mod p.

ENTEROS.
90
7.4.
Teorema chino de los restos
Este teorema es un resultado que se refiere a la resolucion de sistemas de

congruencias, con ciertas restricciones. En vista de que hay congruencias que no
se pueden resolver, es claro que habr
a sistemas de congruencas que no puedan
resolverse. Vamos a comenzar por establecer el sentido de las restricciones en
los sistemas de congruencias lineales.
a1 x b 1
..
.
ak x b k
mod c1
mod ck
En primer lugar observemos que para que el sistema tenga solucion, cada
congruencia por separado debe tenerla. Por tanto, para cada i = 1, . . . k, dividimos la ecuaci
on i-esima por mcd(ai , ci ), resultando una ecuaci
on del tipo
ai x bi mod mi donde ahora mcd(ai , mi ) = 1. Si ahora multiplicamos por el
inverso de ai modulo mi tenemos una ecuaci
on del tipo x ri mod mi . En
consecuencia, el problema se reduce a estudiar sistemas de congruencias del tipo
x r1
..
.
x rk
mod m1
mod mk .
El Teorema chino de los restos toma su nombre de ser artribuido al matematico chino Sun Tsu o Sun Zi. De este personaje, no se sabe nada, excepto
que escribi
o el libro Sunzi suanjing (Manual de matematicas de Sun Zi) y que
muy probablemente vivio entre el siglo I y el siglo III dC. El manual tiene tres
captulos. El primero sobre medida, aritmatica y algebra. Los otros dos captulos son problemas (28 y 36, respectivamente) sobre aritmetica y geometra. El
Problema 26 del Captulo 3 dice:
Problema: Encontrar un n
umero que deje restos 2, 3 y 2, al dividirlo por 3, 5 y 7.
Soluci
on original: Tomo un n
umero que deje resto 1 al dividir
modulo 3, que siempre existe. Tomo ahora uno de 3 y 7 que deje
resto 1 al dividir modulo 5, que tambien existe siempre. Hago lo
mismo con 3 y 5, modulo 7. Por ejemplo, 70, 21 y 15 nos valen.
Ahora, cada uno se multiplica por los restos que queremos.
70 2 + 21 3 + 15 2 = 233.
n
Ese
umero es solucion.
Vamos entonces a ver el resultado general.
91
7.4. TEOREMA CHINO DE LOS RESTOS
7.4.1. Teorema [Teorema chino de los restos].

Sean b1 , . . . , bk enteros arbitrarios y m1 , . . . , mk enteros positivos tales que
mcd(mi , mj ) = 1 para todo i 6= j. Entonces, el sistema de congruencias
mod m1
x b1
..
.
x bk
mod mk
tiene soluci
on u
nica m
odulo M = m1 mk .
M
. Veamos
Demostraci
on. Consideremos los enteros M = m1 mk y Mi = m
i
que Mi y mi son primos entre s: si p es un n
umero primo que divide a Mi y
mi , entonces p divide a alg
un mj con j 6= i y llegamos a contradiccion pues
mcd(mi , mj ) = 1. Por tanto, Mi tiene un inverso modulo mi . Sea Ni tal que
Mi Ni 1 mod mi y observese que Mi Ni 0 mod mj si j 6= i. Ahora no es
difcil ver que el n
umero entero
x0 = b1 M1 N1 + + bk Mk Nk
es una solucion del sistema de congruencias que es u
nica modulo M por la
proposicion anterior.
Ahora nos ocuparemos de la unicidad. Probaremos que de haber solucion,
esta es u
nica modulo el mnimo com
un m
ultiplo de m1 , . . . , mk .
7.4.2. Proposici
on. La soluci
on, si existe, de un sistema de ecuaciones del
tipo
mod m1
x r1
..
.
x rk
mod mk .
es u
nica m
odulo mcm(m1 , . . . , mk ).
Demostraci
on. Sea M = mcm(m1 , . . . , mk ). Si x, y son soluciones, entonces
x, y bi mod mi , luego x y mod mi . Por tanto, x y es m
ultiplo de todos
los mi y, en consecuencia x y mod M .
Ahora podemos ver c
omo hallar una solucion en el caso en que los mi sean
primos entre s.
7.4.3. Ejemplos. Vamos a resolver los siguientes sistemas de congruencias.
x r1 mod 3
x r2 mod 4
1.
x r3 mod 5
Soluci
on. Tenemos M = 3 4 5 = 60, M1 = 20, M2 = 15 y M3 = 12, y
debemos calcular N1 , N2 y N3 tales que
20N1 1 mod 3;
15N2 1
mod 4;
12N3 1 mod 5.
92

ENTEROS.
Directamente se ve que podemos tomar N1 = 2, N2 = 3 y N3 = 3, de
donde la solucion u
nica modulo 60 del sistema es
x = 40r1 + 45r2 + 36r3 .
8x 2 mod 10
15x 6 mod 21
2.
9x 15 mod 24
Soluci
on. Vemos que cada congruencia por separado tiene solucion y dividiendo cada una por el maximo com
un divisor apropiado el sistema es
equivalente a este otro:
4x 1
5x 2
3x 5
mod 5
mod 7
mod 8.
Ahora buscamos los inversos de 4, 5 y 6 modulo 5, 7 y 8 respectivamente.

A simple vista vemos que
4 (1) 1 mod 5;
53 1
mod 7;
3 3 1 mod 8.
Multiplicando cada ecuaci

on por el n
umero correspondiente tenemos
x 1
x 6 1
x 15 1
mod 5
mod 7
mod 8.
Sin hacer mas c

alculos vemos que x = 1 es solucion. En conclusi
on, la
solucion del sistema inicial es x = 1 modulo mcm(5, 7, 8) = 280.
x 1 mod 6
x 5 mod 10
3.
x 11 mod 14
Soluci
on. En este caso, los modulos no son primos entre s. N
otese que
mcm(6, 10, 14) = 210 y no podemos aplicar el Teorema chino de los restos.
Aun as podemos proceder de la siguiente manera: las soluciones de la
primera ecuaci
on son los enteros de la forma
x = 6t + 1.
Sustituyendo en la segunda, tenemos
6t + 1 5 mod 10.
Como mcd(6, 10) = 2, obtenemos 3t 2 mod 5 y podemos despejar la

inc
ognita, t 4 mod 5.
7.4. TEOREMA CHINO DE LOS RESTOS
93
As que x = 6t + 1 = 6(5u + 4) + 1 = 30u + 25. Ahora sustituimos en la

u
ltima,
30u + 25 11 mod 14
nos da 30u 0 mod 14 de donde 15u 0 mod 7, por lo que u = 7v.
Finalmente, sustituimos x = 30 7v + 25 = 210 + 25. As que x 25
mod 210.
94

ENTEROS.
Captulo 8
Polinomios
En este tema vamos a estudiar los anillos de polinomios en una variable con
coeficientes en un cuerpo, haciendo especial enfasis en los cuerpos numericos.
8.1.
Polinomios con coeficientes en un cuerpo.
8.1.1. Definici
on. Sea K un cuerpo.
1. Un polinomio con coeficientes en K es una expresi
on de la forma
a0 + a1 X + a2 X 2 + + an X n
para un entero n 0 y elementos a0 , . . . , an K.
2. Al smbolo X se llama indeterminada y los elementos a0 , . . . , an se llaman
los coeficientes del polinomio.
3. Los polinomios de la forma a0 se llaman constantes y se identifican con
los elementos del cuerpo K.
8.1.2. Notaci
on. El conjunto de todos los polinomios con coeficientes en K se
denota por K[X].
8.1.3. Definici
on. Diremos que dos polionomios a0 + + an X n y b0 + +
m
bm X con m n son iguales en K[X] si ai = bi para todo i = 1, . . . , n y bj = 0
para j = n + 1, . . . , m.
8.1.4. Ejemplos. Hemos visto que Q, R, C y Zp con p primo son cuerpos.
Podemos considerar polinomios con coeficientes en cualquiera de estos cuerpos.
(1) 5 + 2X 2 es un polinomio de Z7 [X].
(2) 1 + 2X 5X 2 X 3 es un polinomio de R[X].

(3) 1 +
17 15
8 X
es un polinomio de Q[X].
95
CAPITULO 8. POLINOMIOS
96
(4) X (1 + i)X 3 X 7 es un polinomio de C[X].

(5) Q[X] R[X] C[X].
Veamos ahora c
omo se definen la suma y producto de polinomios.
8.1.5. Definici
on. Dados dos polimomios de K[X]
A = a0 + a1 X + a2 X 2 + + an X n
B = b0 + b1 X + b2 X 2 + + bm X m
se define su suma como
A + B = (a0 + b0 ) + (a1 + b1 )X + + (an + bn )X n
si n m (se sobreentiende que bk = 0 si k m).
El producto AB se define como el polinomio C = c0 +c1 X + +cn+m X n+m
cuyos coeficientes son
X
ck =
ai bj = a0 bk + a1 bk1 + + ak b0 .
i+j=k
8.1.6. Ejemplos.
(1) En Q[X], R[X] o C[X] se tiene

(3 + X)(X 2 + 2X 3 ) = 3X 2 + 7X 3 + 2X 4
(2) En Z3 [X],
(3 + X)(X 2 + 2X 3 ) = 3X 2 + 7X 3 + 2X 4 = X 3 + 2X 4 .
8.1.7. Proposici
on. K[X] es un anillo conmutativo con las operaciones de
suma y producto de polinomios.
Demostraci
on. Ejercicio.
8.1.8. Definici
on. Decimos que un polinomio no nulo A tiene grado n si A =
a0 + a1 X + a2 X 2 + + an X n con an 6= 0. El grado de A se denotar
a por gr(A).
El grado del polinomio 0 de denotar
a por .
Sea A = a0 + a1 X + a2 X 2 + + an X n . Llamamos coeficiente de grado i del
polimonio A al coeficiente ai . El coeficiente de grado n de un polinomio no nulo
de grado n se llama coeficiente lder, coeficiente de grado m
aximo o coeficiente
principal. El coeficiente de grado cero se llama termino independiente. Si un
polinomio tiene coeficiente lder igual a 1, se llama polinomio m
onico
La siguiente proposicion describe las propiedades del grado, utilizando si hace
falta el convenio siguiente: + n = , () + () = y < n
para todo n.
8.1.9. Proposici
on. Sean A, B K[X]. Entonces
(1) gr (AB) = gr (A) + gr (B).
8.1. POLINOMIOS CON COEFICIENTES EN UN CUERPO.
97
(2) gr (A + B) m
ax {gr (A), gr (B)}.
(3) Si AB = 0, entonces A = 0 o B = 0 (entonces, K[X] es un dominio
entero. Buscar esa definici
on).
(4) A tiene inverso si y solo si A es de grado 0.
Demostraci
on. Ejercicio. Se deduce facilmente de la definicion de grado.
Conocemos desde la educacion secundaria un algoritmo para dividir polinomios, por ejemplo:
X 3+
X 1
X 3 + 32 X
5
2X
2X 2 3
1
2X
de donde X 3 + X 1 = (2X 2 3)( 21 X) + ( 52 X 1).

Vamos a utilizar este algoritmo para demostrar que, al igual que en Z, en
K[X] tambien tenemos divisi
on entera.
8.1.10. Teorema [de la divisi
on entera]. Sea K un cuerpo conmutativo y
A, B K[X] dos polinomios con B 6= 0. Entonces, existen dos u
nicos polinomios
Q, llamado cociente, y R, llamado resto, en K[X] tales que A = BQ + R y
gr (R) < gr (B).
Demostraci
on. Empecemos por ver la existencia del cociente y el resto. Si
gr (A) < gr (B), podemos tomar Q = 0 y R = A. Supongamos, por tanto,
gr (A) gr (B) y procedamos por induccion sobre el grado de A. Si gr (A) = 0,
entonces A = K con 6= 0. Como el grado de B es menor o igual que el
grado de A, tambien es B = K \ {0}. Entonces, podemos tomar Q = 1
y R = 0.
Por hip
otesis de induccion, supongamos que el resultado a demostrar es
cierto para todos los polinomios A y B con gr (A) gr (B) y gr (A) k 1
y demostremoslo para un polinomio de grado k. Sean A = a0 + + ak X k y
B = b0 + + bm X m con ak , bm 6= 0 y k m 0. Recordando el algoritmo de
la divisi
on, consideremos el polinomio
km
C = A (ak b1
)B.
m X
(8.1)
Es claro que gr (C) < gr (A) = k, ya que el termino de grado maximo de

1 km
(ak bm
X
)B se cancela con el de grado maximo de A. Luego, por hipotesis
de induccion, existen polinomios E y R tales que
98
C = BE + R
gr (R) < gr (B)
(8.2)
Combinando (1) y (2) se obtiene

km
A (ak b1
)B = BE + R
m X
y
km
A = (ak b1
+ E)B + R
m X
con gr (R) < gr (B).

La unicidad la dejamos como ejercicio.
8.1.11. Corolario [Teorema del resto]. Sea K un cuerpo conmutativo, a A
y A K[X] un polinomio tal que A 6= 0. El resto de la divisi
on de A entre X a
es A(a).
Demostraci
on. Inmediata.
8.1.12. Ejercicio. Efectuar las siguientes divisiones enteras:
1. X 5 X 4 + X 3 + 4X 2 6X + 2 entre X 3 2X + 1 en Q[X].
2. X 5 X 4 + 2X 3 + 4X 2 X + 1 entre 2X 2 3X + 2 en Z7 [X].
8.1.13. Definici
on. Dados dos polinomios A, B K[X], decimos que A divide
a B o que B es m
ultiplo de A si existe un polinomio C tal que B = AC, es
decir, la divisi
on entera de B entre A da resto 0.
Si A divide a B y B 6= 0, decimos que A es un divisor de B.
8.1.14. Ejemplos.
1. El polinomio X + 1 divide a X 2 1 en R[X].
2. El polinomio X + 1 divide a X 2 + 1 en Z2 [X].
3. Todo polinomio divide al polinomio 0.
4. Un polinomio de grado cero (por tanto de la forma A = K con 6= 0)
divide a todos los polinomios.
8.1.15. Proposici
on. Sean A, B, C K[X].
(1) A | B y A | C A | B + C
(2) A | B A | B C
(3) A | B y B | C A | C
Demostraci
on. Igual que (7.1.7).
8.1. POLINOMIOS CON COEFICIENTES EN UN CUERPO.
99
8.1.16. Proposici
on. Sean A, B K[X]. Entonces
A | B y B | A A = B para alg
un K, 6= 0
Demostraci
on. Tenemos A = BC y B = AD para ciertos polinomios C y D.
Entonces A = ADC, es decir, A(1 DC) = 0, y, por tanto, A = 0 o DC = 1.
En el primer caso, B tambien es cero y se cumple que A = B. En el segundo
caso, C y D son de grado cero y tambien se cumple la condicion deseada.
8.1.17. Definici
on. Dado un polinomio A K[X], a los polinomios de la
forma A para K, 6= 0 los llamaremos polinomios asociados de A. Observemos que cada polinomio tiene un u
nico polinomio asociado m
onico.
8.1.18. Definici
on. Dados dos polinomios A, B K[X], decimos que un polinomio D es el m
aximo com
un divisor de A y B si cumple
1. D | A y D | B.
2. Dado S K[X], si S | A y S | B, entonces S | D.
3. D es m
onico
En algunos textos, se llama maximo com
un divisor a cualquier polinomio
asociado al polinomio D de la definicion anterior, pues, como se vera en la
siguiente proposicion, verifican las condiciones 8.1.18(1 ) y 8.1.18(2 ).
Denotamos el maximo c
om
un divisor de los polinomios A y B, al igual que
en los enteros D = mcd(A, B).
8.1.19. Proposici
on. Sean A, B K[X]. Si D verifica las condiciones 8.1.18(1)
y 8.1.18(2) entonces mcd(A, B) y D son asociados.
Demostraci
on. Sea D = mcd(A, B). De las condiciones deducimos que D | D
y D | D.
El maximo com
un divisor puede calcularse tambien mediante el algoritmo
de Euclides, pues este se basa u
nicamente en la divisi
on entera. Por tanto, no
repetiremos los argumentos teoricos que usamos con Z. Veamos un ejemplo.
8.1.20. Ejemplo. Para calcular el maximo com
un divisor de los polinomios
A = X 5 X 4 + X 3 X 2 y B = X 3 2X 2 + X 2 procedemos de la siguiente
forma:
X5 X4 + X3 X2
X 3 2X 2 + X 2
= (X 2 + X + 2)(X 3 2X 2 + X 2) + 4x2 + 4
1
1
= ( X )(4X 2 + 4) + 0.
4
2
As que 4X 2 + 4 o cualquier otro de la forma (4X 2 + 4) con 6= 0 es

asociado del maximo com
un divisor que es, en este caso, X 2 + 1.
100
Tambien podemos calcular polinomios R y S tales que X 2 + 1 = A R + B S

(identidad de Bezout). Solo tenemos que despejar en la primera ecuaci
on del
ejemplo anterior
4X 2 + 4 = A + B(X 2 X 2),
dividimos por 4 y obtenemos la expresion del maximo com
un divisor,
1
1
1
1
X 2 + 1 = A( ) + B( X 2 X ).
4
4
4
2
8.1.21. Definici
on. Dos polinomios A, B K[X] se llaman coprimos o primos
entre s en caso de que mcd(A, B) = 1.
Al igual que en Z tenemos los siguientes resultados:
8.1.22. Proposici
on. Sean A, B, C K[X]. Entonces A y B son coprimos si
y solo si existen S, T K[X] tales que SA + T B = 1.
Demostraci
on. Igual que (7.1.20)
8.1.23. Proposici
on. Sean A, B K[X] tales que A | BC. Si A y B son
coprimos, entonces A | C.
Demostraci
on. Igual que (7.1.21).
8.1.24. Proposici
on. Sean A, B K[X] con alguno de los dos no nulo. Si
D = mcd(A, B) entonces A/D y B/D son coprimos.
Demostraci
on. Igual que (7.1.23)
Vamos ahora a definir el mnimo com
un m
ultiplo
8.1.25. Definici
on. Dados dos polinomios A, B K[X], decimos que un polinomio M es el mnimo com
un m
ultiplo de A y B si cumple
1. A | M y B | M .
2. Dado N K[X], si A | N y B | N , entonces M | N .
3. M es m
onico.
Al igual que con el maximo com
un divisor, cualquier polinomio que cumpla
las condiciones 8.1.25(1 ) y 8.1.25(2 ) sera asociado al mnimo com
un m
ultiplo,
como se mostrara mas adelante. Como en el caso de los n
umeros enteros, denotamos el mnimo com
un m
ultiplo de A y B con mcm(A, B).
8.1.26. Proposici
on. Sean A, B K[X]. Si M cumple las condiciones 8.1.25(1)
y 8.1.25(2) entonces mcm(A, B) y M son asociados.
Demostraci
on. Sea M = mcm(A, B). De las condiciones 8.1.25(1 ) y 8.1.25(2 )
deducimos que M | M y M | M .
El mnimo com
un m
ultiplo puede calcularse a partir del m
aximo com
un
divisor al igual que suceda con los n
umeros enteros:
8.2. RAICES DE POLINOMIOS.
101
8.1.27. Proposici
on. Sean A, B K[X] dos polinomios no nulos. Entonces
mcm(A, B) =
AB
mcd(A, B)
donde K es un escalar adecuado para obtener un polinomio m

onico.
Demostraci
on. Analoga a la de (7.1.28)
8.1.28. Ejemplo. Seg
un el ejemplo de (8.1.20) tenemos que
(X 5 X 4 + X 3 X 2 )(X 3 2X 2 + X 2)
X2 + 1
es un polinomio monico, de donde,
mcm(A, B) = X 6 3X 5 + 3X 4 3X 3 + 2X 2 .
El Teorema Fundamental de la Aritmetica nos dice que todo n
umero entero
descompone como producto de primos. Tenemos el resultado analogo para polinomios? El equivalente a los n
umeros primos parece facil: son los polinomios
irreducibles. Un polinomio P no nulo es irreducible si, siempre que A divida a
P , el polinomio A debe ser de grado cero o de la forma P con 0 6= K. Pero
antes estudiemos las races de polinomios.
8.2.
Races de polinomios.
Como consecuencia del Teorema del resto (8.1.11), todo polinomio A =

a0 + a1 X + + an X n K[X] define una aplicacion que llamaremos funci
on
polinomial, A : K K dada por A(r) = a0 + a1 r + + an rn .
8.2.1. Definici
on. Dado un polinomio A K[X] y un elemento r K, decimos que r es una raz de A en K si A(r) = 0.
8.2.2. Ejemplos.
1. Seg
un la definicion anterior, todo elemento de K es raz del polinomio
cero.
2. r = 1/2 es raz del polinomio 3X 3
29 2
10 X
1
10 X
2
5
Q[X].
3. r = 3 es raz del polinomio X 2 + X + 1 Z13 [X].

4. El polinomio X 2 + X + 1 no tiene races en R.
5. r =
1
2
3
2 i
es raz del polinomio X 2 + X + 1 C[X].
6. Un polinomio de grado 1 es de la forma aX + b con a 6= 0 y, por tanto,

tiene tiene la raz ab .
102
7. Escribimos el cuerpo Z2 = {0, 1}. En Z2 [X] tenemos tres polinomios (diferentes, claro) A = X + 1, B = X 2 + 1 y C = X 3 + X 2 + X + 1. Todos
determinan la misma funci
on polinomial pues A(0) = B(0) = C(0) = 1 y
A(1) = B(1) = C(1) = 0.
8. Muy pronto veremos que lo anterior no es posible en K[X], si K es un
cuerpo infinito.
8.2.3. Proposici
on. Sea A = a0 + a1 X + + an X n un polinomio de grado n
con coeficientes enteros. Si un n
umero racional pq con p y q primos entre s es
raz de A, entonces p divide a a0 y q divide a an .
Demostraci
on. Si
p
q
es raz de A, entonces
a0 + a1
p
pn
+ + an ( n ) = 0,
q
q
es decir,
a0 q n + a1 pq n1 + + an1 pn1 q + an pn = 0.
Luego vemos que p divide a0 q n y q divide a an pn . Como p y q son primos entre
s, obtenemos la conclusi
on deseada.
8.2.4. Ejemplos.
1. Un polinomio monico con coeficientes enteros solo puede tener races racionales enteras (adem
as de races reales y complejas,
claro).
2. Las posibles races racionales del polinomio 18X 3 + 15X 2 4X 4 son
1
1
1
1
1
2
2
4
4
1, 2, 4, , , , , , , , , .
2
3
6
9
18
3
9
3
9
Entre estas posibilidades comprobamos que
races.
1
2
y 32 son efectivamente
8.2.5. Proposici
on [Ruffini]. Sea K un cuerpo y A un polinomio de K[X].
Un elemento a K es raz de A si y solo si X a divide a A.
Demostraci
on. Inmediato del Teorema del resto (8.1.11)
8.2.6. Definici
on. Un elemento a K es una raz de multiplicidad s 1 de
un polinomio A K[X] si (X a)s divide a A pero (X a)s+1 no divide a A.
Decimos que a es una raiz m
ultiple de A si tiene multiplicidad mayor que 1. Si
tiene multiplicidad 1 decimos que a es una raz simple.
8.2.7. Corolario. Sea K un cuerpo y A un polinomio de K[X] de grado a lo
m
as n 1. Entonces, A tiene a lo sumo n races, contando cada raz tantas
veces como indica su multiplicidad.

8.3. IRREDUCIBILIDAD Y TEOREMA FUNDAMENTAL DEL ALGEBRA.103
Demostraci
on. Procedemos por induccion sobre n. Para n = 1, el polinomio
A es de la forma A = aX + b y tiene solo una raz. Supongamos cierto el
enunciado para polinomios de grado n y sea A de grado n + 1. Si A no tiene
races, el enunciado es trivialmente cierto. Si, por el contrario, a es una raz de
A, entonces A = (X a)B con B un polinomio de grado n. Por la hipotesis
de induccion, B tiene a lo sumo n races y, por tanto, A tiene a lo sumo n + 1
races.
8.2.8. Corolario. Sea K un cuerpo.
1. Si A es un polinomio de grado n 0 y existen m elementos distintos
a1 , . . . , am de K tales que A(ai ) = 0 con m > n, entonces A es el polinomio
cero.
2. Si A y B son polinomios de grado a lo sumo n 0 y existen m elementos
distintos a1 , . . . , am de K tales que A(ai ) = B(ai ) con m > n, entonces
A = B.
Demostraci
on. (1) Seg
un el corolario anterior, el polinomio A debe tener grado
menor que uno. Si A tiene grado 0 entonces A = r 6= 0, luego no tiene races.
S
olo queda que A = 0.
(2) En este caso A B es un polinomio de grado a lo sumo n y con m > n
races. Luego A B = 0.
8.2.9. Corolario. Sea A = a0 + a1 X + + an X n K[X] un polinomio de
grado n que tiene n races r1 , . . . , rn (no necesariamente distintas). Entonces
A = an (X r1 ) (X rn ).
Demostraci
on. Sea B = an (X r1 ) (X rn ). Entonces B = an X n + y,
por tanto, el polinomio A B tiene grado menor o igual que n 1 y tiene n
races. Por tanto, A = B
8.3.
Polinomios irreducibles en R[X] y C[X].

Teorema fundamental del
algebra.
8.3.1. Definici
on. Un polinomio P K[X] de grado mayor o igual que uno se
dice irreducible si para toda descomposici
on P = QR con Q, R K[X], se tiene
que, o bien el grado de Q es cero, o bien el grado de R es cero. Un polinomio
que no sea irreducible se llama reducible.
8.3.2. Ejemplos.
1. Un polinomio de grado 1 es de la forma aX + b con a 6= 0 y es irreducible.
En efecto, si aX + b = P Q entonces 1 = gr(P ) + gr(Q) y necesariamente
P o Q es de grado cero.
104
2. Si un polinomio de grado 2 no es irreducible, entonces tiene dos races en

K que pueden ser dos races de multiplicidad 1 o una raz de multiplicidad
2. Dejamos como ejercicio la demostracion.
3. Un polinomio P de grado 3 es irreducible si y solo si no tiene ninguna
raz en K. En efecto: si P descompone debe hacerlo como producto de un
polinomio de grado 1 por un polinomio de grado 2. El polinomio de grado
1 tiene una raz en K.
4. Si el grado de un polinomio es 5, puede que el fenomeno anterior ya no
ocurra. Considerese A Z2 [X], tal que A = (X 3 + X + 1)(X 2 + X + 1) =
X 5 + X 4 + 1. En este caso, A no tiene races en Z2 .
5. El polinomio X 2 2 no tiene races en Q, luego es irreducible en Q[X]. Sin
embargo, como
de R[X] o C[X] es reducible pues se descompone
polinomio
como (X + 2)(X 2)
6. El polinomio P = X 4 +2X 3 +3X 2 +2X +1 no tiene races en Q (ejercicicio)
pero no es irreducible en Q[X] pues P = (X 2 + X + 1)2 .
8.3.3. Teorema. Sea K un cuerpo. Todo polinomio de K[X] de grado mayor
o igual que 1 factoriza como producto de polinomios irreducibles. Esta factorizaci
on es u
nica salvo asociados y el orden de los factores.
Demostraci
on. Ejercicio. Basta reproducir la demostracion del Teorema Fundamental de la Aritmetica.
Despues de este resultado nos gustara saber c
omo son los polinomios irreducibles. La respuesta es facil en el caso complejo y viene dada por el llamado
Teorema Fundamental del Algebra,

cuya demostracion se atribuye a C. F. Gauss
aunque no por consenso.
8.3.4. Teorema [Teorema Fundamental del Algebra].

Todo polinomio de
C[X] de grado mayor que cero tiene al menos una raz en C.
Demostraci
on. La demostracion est
a fuera del alcance de nuestro curso.
8.3.5. Corolario.
1. Un polinomio de C[X] es irreducible si y solo si es de grado 1.
2. Todo polinomio A de grado n 1 de C[X] factoriza como
A = (X 1 ) (X n )
para ciertos n
umeros complejos , 1 , . . . , n .
Demostraci
on. Consecuencia inmediata del teorema anterior.

8.3. IRREDUCIBILIDAD Y TEOREMA FUNDAMENTAL DEL ALGEBRA.105
8.3.6. Ejemplo. Consideremos el polinomio X 8 1 C[X]. Sus races son las
races octavas de la unidad. A simple vista vemos que 1, 1, i y i son races,
por lo que el polinomio es divisible por (X 1)(X + 1)(X i)(X + i):
X 8 1 = (X 1)(X + 1)(X i)(X + i)(X 4 + 1).
Las races de (X 4 + 1) corresponderan con las races octavas primitivas de la
unidad, que son:
z1 = cos 4 + i sin 4 =
2
2
2
2 i
2
2
2 + 2 i
22 22 i = z3
= 22 22 i = z1 .
z3 = cos( 4 + 2 ) + i sin( 4 + 2 ) =
z5 = cos( 4 + ) + i sin( 4 + ) =
z7 = cos( 4 +
3
2 )
+ i sin( 4 +
3
2 )
Por tanto, la factorizacion de X 8 1 en producto de polinomios irreducibles en

C[X] es
X 8 1 = (X 1)(X + 1)(X i)(X + i)(X z1 )(X z1 )(X z3 )(X z3 ).
Como sera la factorizacion en producto de irreducibles en R[X]? Si efectuamos el producto de las tres u
ltimas parejas de factores en la descomposicion
anterior tenemos
X 8 1 = (X 1)(X + 1)(X 2 + 1)(X 2 + 2X + 1)(X 2 2X + 1).

Finalmente, la factorizacion en Q[X] es
(X 1)(X 1)(X 2 + 1)(X 4 + 1).
8.3.7. Proposici
on. Si = a + bi es una raz compleja de un polinomio A
R[X], entonces su conjugado = a bi tambien es raz de A.
Demostraci
on. Sea A = a0 + a1 X + a2 X 2 + + an X n . Por hipotesis, a0 +
a1 + a2 2 + + an n = 0 y como 0 = 0 entonces
a0 + a1 + + an n = a0 + a1 + + an n = a0 + a1 + + an n .
8.3.8. Corolario. Sea P R[X] un polinomio irreducible. Entonces, o bien P
tiene grado 1, o bien P es un polinomio de grado 2 sin races reales.
Demostraci
on. Es claro que los polinomios de grado 1 o de grado 2 sin races
reales son irreducibles. Supongamos que P tiene grado mayor que 2. Queremos
ver que no es irreducible. Por el Teorema Fundamental del Algebra,

P tiene
alguna raz C. Si R entonces P es divisible por X y no es irreducible.
Si 6 R entonces tambien es raz y P es divisible por (X )(X ). Sea
= a + bi. Entonces (X )(X ) = X 2 2aX + (a2 + b2 ) R[X] y P no
es irreducible.
106
8.4.
Factores m
ultiples.
Vamos a ver un criterio que nos permite saber cuando un polinomio tiene
factores irreducibles de multiplicidad mayor que 1.
8.4.1. Definici
on. Sea K un cuerpo y A un polinomio de K[X]. Dado P , un
polinomio irreducible de K[X], decimos que P es un factor de A de multiplicidad
s 1 si P s divide a A pero P s+1 no divide a A. Decimos que P es un factor
m
ultiple de A si s > 1. Si s = 1 decimos que P es un factor simple.
8.4.2. Definici
on. Dado un cuerpo K, se define la derivada formal de un polinomio A = a0 + a1 X + + an X n K[X] como el polinomio
A = a1 + 2a2 X + 3a3 X 2 + + nan X n .
8.4.3. Observaci
on. Es facil ver, y se deja como ejercicio, que la derivada
formal cumple las propiedades que cumple la derivada de funciones reales de
variable real respecto de la suma y producto de funciones.
8.4.4. Proposici
on. Sea K = Q, R o C y sea P un polinomio de K[X] de
grado mayor o igual que 1. El polinomio P tiene factores irreducibles m
ultiples
en K[X] si y solo si mcd(P, P ) 6= 1.
Demostraci
on. Sea Q un factor irreducible de P de multiplicidad s 1. Entonces, P = Qs R para cierto polinomio R no divisible por Q. Vamos a probar que
Q es un factor irreducible de P de multiplicidad s 1. En efecto, derivando
P = s Qs1 Q R + Qs R = Qs1 (s Q R + QR ).
Luego Qs1 divide a P . Supongamos que Qs | P . Cancelamos Qs1 y
obtenemos que Q divide a s Q R + QR , luego Q | s Q R. Como Q es irreducible
y no puede dividir a Q pues el grado de Q es menor que el de Q 1 , tenemos
que Q divide a R, lo cual es contradictorio.
Procedamos ahora a la demostracion del resultado.
() Sea Q un factor irreducible de P de multiplicidad s > 1. Entonces, como
hemos visto, Q es un factor irreducible de P de multiplicidad s 1 1 y, por
tanto, mcd(P, P ) 6= 1.
() Supongamos D = mcd(P, P ) con gr (D) 1. Sea Q un factor irreducible de D y supongamos que la multiplicidad de Q en P es s. Vamos a demostrar
que s > 1. Hemos visto al principio que Q es un factor irreducible de P con
multiplicidad s 1. Como, por hipotesis, Q divide a P , vemos que s 1 no
puede ser cero, es decir, s > 1.
1 Es en este punto en el que utilizamos que K es un cuerpo num
erico. Si K fuese, por
ejemplo, Zp , se podra dar el caso de que Q fuese nulo. A pesar de ello, el resultado tambi
en
es cierto en Zp .
8.5. POLINOMIOS IRREDUCIBLES EN Q[X].
8.5.
107
Polinomios irreducibles en Q[X].
En Q[X] no tenemos una descripcion de los polinomios irreducibles parecida

al caso real pero vamos a dar algunos criterios u
tiles y, para ello, necesitamos
demostrar algunos resultados previos.
8.5.1. Definici
on. Dado un polinomio P con coeficientes enteros, se llama contenido de P al m
aximo com
un divisor de los coeficientes de P y se denotar
a por
c(P ).
Un polinomio P se llama primitivo si c(P ) = 1, es decir, si el m
aximo com
un
divisor de sus coeficientes es 1.
8.5.2. Lema. Dado un polinomio A Q[X] existe un n
umero p/q Q tal que
A = pq A con A primitivo.
Es decir, todo polinomio de Q[X] es asociado de un polinomio primitivo.
Demostraci
on. Ejercicio.
8.5.3. Ejemplo.
2
2 15
6 2 10
X + X+ =
5
3
5
15 2
6 2 10
2
X + X+
5
3
5
2
(9X 2 + 25X + 5)
15
8.5.4. Notaci
on. Dado un polinomio A = a0 + a1 X + + an X n con ai Z
al polinomio
y un n
umero primo p, denotaremos por A,
A = a0 + a1 X + + an X n Zp [X].
En ocasiones, con el fin de simplificar la notaci
on, se omitir
a la raya que
indica la clase modulo p.
8.5.5. Lema. Sea p un n
umero primo y sean P, Q dos polinomios con coeficientes enteros.
= P + Q
en Zp [X].
(a) Si R = P + Q, entonces R
= P Q
en Zp [X].
(b) Si R = P Q, entonces R
Demostraci
on. Ejercicio.
8.5.6. Proposici
on [Lema de Gauss]. Sean A y B dos polinomios con coeficientes enteros. Entonces c(AB) = c(A)c(B).
Demostraci
on. Veamos primero que el producto de polinomios primitivos es
primitivo. Procederemos por reduccion al absurdo. Supongamos pues que c(A) =
c(B) = 1, pero que c(AB) 6= 0. Sea C = AB. Entonces existe un n
umero primo
Luego A = 0
p tal que p | c(C) y por tanto, en Zp [X] se tiene que 0 = C = AB.
= 0, as que p | c(A) o bien p | c(B), lo cual es absurdo.
o bien B
En general, hacemos A = c(A)A y B = c(B)B con A y B primitivos. Entonces AB = c(A)c(B)A B . Dado que A B es primitivo, es claro que
c(AB) = c(A)c(B).
108
8.5.7. Proposici
on. Sea A un polinomio con coeficientes enteros. Si A factoriza como producto de dos polinomios de grado mayor que cero en Q[X], entonces
A factoriza como producto de dos polinomios de grado mayor que cero con coeficientes enteros.
Demostraci
on. Supongamos que A = P Q con P, Q Q[X] de grado mayor que
cero. Por (8.5.2), A = rA , P = (a/b)P y Q = (c/d)Q con a, b, c, d, r Z y
P , Q , A primitivos (con coeficientes enteros). Entonces
rbd A = ac P Q
y por el lema de Gauss rbd = ac, es decir, (a/b)(c/d) = r. En consecuencia
A = (rP )Q y A es producto de dos polinomios de grado mayor que cero con
coeficientes enteros.
8.5.8. Proposici
on [Criterio de reducci
on]. Sea P un polinomio con coeficientes enteros y sea p un n
umero primo que no divide al coeficiente lder de
P . Entonces, si P es irreducible en Zp [X], P es irreducible en Q[X].
Demostraci
on. Primero n
otese que, como p no divide al coeficiente lder de P
se tiene que grP = grP . Supongamos que P se factoriza, digamos P = BC.
Por el resultado anterior, podemos suponer que B y C son polinomios con
C entonces
coeficientes enteros, y por otra parte grP = grB + grC. Como P = B
grB + grC = grP = grP , luego grB = grB y grC = grC. Como P es irreducible,
uno de los sumandos debe de ser 0.
8.5.9. Ejemplo. Consideremos el polinomio
P =
2 3
8
2
X + 2X 2 + X + .
3
3
3
P irreducible en Q[X] si y solo si lo es el polinomio

3
P = X 3 + 3X 2 + 4X + 1.
2
Este u
ltimo modulo 2 es (no ponemos rayitas) X 3 + X 2 + 1 que es irreducible
en Z2 [X] pues es de grado 3 y no tiene races. Luego el criterio anterior nos
asegura que P es irreducible en Q[X].
8.5.10. Proposici
on [Criterio de irreducibilidad de Eisenstein]. Sea P =
a0 + a1 X + + an X n un polinomio con coeficientes enteros de grado n 1.
Supongamos que existe un n
umero primo p tal que p | aj con j = 0, . . . , n 1,
pero p an y p2 a0 . Entonces, P es irreducible en Q[X].
Demostraci
on. Usando (8.5.7), supongamos que P = BC con B, C dos polinomios de grado mayor que cero y coeficientes enteros. En concreto, pongamos
B = b0 + b1 X + + bu X u y C = c0 + c1 X + + cv X v . En Zp [X] tenemos
= bs X s y
que P = an X n , un monomio y por (8.3.3) tendra que ocurrir que B
8.5. POLINOMIOS IRREDUCIBLES EN Q[X].
109
C = ct X t con s, t 1; es decir, que tambien se obtengan monomios. En particular, p divide a b0 y c0 y, por tanto, p2 divide a a0 = b0 c0 , lo cual contradice
las hip
otesis.
8.5.11. Ejemplos.
1. El polinomio 2X 4 + 6X 3 15X 2 + 6 es irreducible en
Q[X] por el criterio anterior con el primo p = 3.
2. Sea p un n
umero primo. El polinomio X n + p es irreducible en Q[X] por
el criterio de Eisenstein. Por tanto, en Q[X] hay polinomios irreducibles
de cualquier grado.
8.5.12. Proposici
on [Criterio de sustituci
on]. Sea K un cuerpo conmutativo y P un polinomio de K[X]. El polinomio P (X) es irreducible si y solo si
P (X a) con a K es irreducible, con a X.
Demostraci
on. Ejercicio.
8.5.13. Ejemplos.
1. Si en el polinomio X 4 6X 3 + 12X 2 10X + 5 sustituimos X por X +1 se obtiene el polinomio X 4 2X 3 +2 que es irreducible
por el criterio de Eisenstein.
2. Sea p un n
umero primo y consideremos el polinomio X p 1. Factorizamos
por X 1 y obtenemos
X p 1 = (X 1)(X p1 + X p2 + + X + 1).
p = X p1 + X p2 + + X + 1 se denomina el p-esimo polinomio ciclot
omico y vamos a ver que es irreducible en Q[X]. Para ello, sustituyamos
X por X + 1 y desarrollemos por el binomio de Newton

p
p
(X + 1)p 1 = X p +
X p1 + +
X.
1
p1
Por tanto,
(X + 1)p 1
p (X + 1) =
= X p1 +
(X + 1) 1

p
1
p2
+ +
p
p1

p
Dado que los n
umeros combinatorios
con 1 k p 1 son
k
divisibles por p (por que?) podemos aplicar el criterio de Eisenstein para
obtener la conclusi
on deseada.
110
Ap
endice A
A.1.
La funci
on sucesor
El siguiente ejercicio nos muestra que la definicion de sucesor es consistente.

A.1.1. Ejercicio. Sea n un cardinal. Probar que si |A| = |B| entonces |A {x}| =
|B {y}|, con x 6 A e y 6 B.
Vamos a justificar las afirmaciones hechas en (5.1.12).
A.1.2. Proposici
on. Si A es un conjunto finito y x 6 A entonces A {x}
tambien es finito.
Demostraci
on. Sea B = A {x} y supongamos que B es infinito. Entonces
existe B ( B, junto con una biyeccion f : B B .
i
Si B A entonces componemos A B B , donde i : A B es la

inclusi
on natural. Se tiene que |A| = |Im(f i)| y por tanto A es infinito, lo cual
es imposible. Si ocurre que B * A entonces ha de ocurrir que x B y existe
a A \ B . Hacemos C = (B \ {x}) {a}. Claramente |C| = |B | y aplicamos
a C el caso anterior.
Ahora, podemos definir una aplicacion : N N tal que (n) = n . Vamos

a ver que es inyectiva.
Supongamos que n y m son cardinales tales que n = m . Queremos probar
que n = m. Sean A y B representantes de n y m, respectivamente. Por hipotesis,
existen x 6 A e y 6 B, junto con una aplicacion f : A{x} B {y}, biyectiva.
Queremos construir una biyeccion g : A B. Para ello, vamos a considerar dos
casos. Primero, si f (x) = y, definimos g(a) = f (a), para todo a A. Es obvio
que g es biyectiva. Segundo caso: f (x) 6= y. Sean ay A tal que f (ay ) = y y
bx B tal que f (x) = bx . Es claro que x 6= ay e y 6= bx . Entonces definimos
g(a) =
f (a)
bx
que tambien claramente es una biyeccion.

111
si a 6= ax
si a = ay
APENDICE
A. APENDICE
112
A.2.
Operaciones en N
Vamos a ver algunas demostraciones de las propiedades de las operaciones

definidas en (5.1.24 y 5.1.26).
Recordemos la defincion de suma. Para n N, definimos
1. n + 1 = n .
2. Si tenemos definida n + m entonces n + m = (n + m) .
Lo anterior viene a decir que n + (m + 1) = (n + m) + 1. Probaremos algunas
de las siguientes propiedades, donde ya escribiremos n + 1 en vez de n .
Propiedades de la suma en N.
1. (n + 1) + m = n + (m + 1)
2. n + m = m + n (conmutatividad).
3. (n + m) + r = n + (m + r) (asociatividad).
4. Si a + c = b + c entonces a = b (cancelaci
on).
Demostraci
on. 1. Fijado n N, procederemos por induccion sobre m. Para
m = 1 se tiene, por definicion, (n + 1) + 1 = n + (1 + 1). Supongamos valido que
(n + 1) + m = n + (m + 1). Para m + 1, usando la definicion y la hipotesis de
induccion hacemos (n + 1) + (m + 1) = ((n + 1) + m) + 1 = (n + (m + 1)) + 1 =
n + ((m + 1) + 1).
2. Fijado n, procederemos por induccion sobre m. Primero tenemos que
probar que n + 1 = 1 + n. Para este primer paso de induccion, ya procederemos
por induccion. Para n = 1, es claro que 1 + 1 = 1 + 1. Supongamos valido que
n + 1 = 1 + n. Ahora, por hipotesis de induccion y por definicion, (n + 1) + 1 =
(1 + n) + 1 = 1 + (n + 1). Esto prueba el primer paso de la induccion.
Supongamos que n + m = m + n. Ahora, por la definicion y la Propiedad 1,
n + (m + 1) = (n + m) + 1 = (m + n) + 1 = m + (n + 1) = (m + 1) + n.
3. Procederemos por induccion sobre r. Para r = 1, (n+m)+1 = n+(m+1),
por la definicion. Supongamos valido que (n+m)+r = n+(m+r). Ahora, por la
definicion y por la hip
otesis de induccion, (n + m) + (r + 1) = ((n + m) + r) + 1 =
(n + (m + r)) + 1 = n + ((m + r) + 1) = n + (m + (r + 1)).
4. Procedemos por induccion sobre c. Para cualesquiera a, b N y c = 1,
n
otese que a + 1 = b + 1 implica a = b y esto a su vez implica que a = b
porque la funci
on sucesor es inyectiva. Supongamos valido que a + c = b + c
implica a = b, para todo a, b N. Ahora a + (c + 1) = b + (c + 1) implica
(a + c) + 1 = (b + c) + 1 y por el caso c = 1, se tiene a + c = b + c. Finalmente
por hip
otesis de induccion se tiene que a = b.
Tambien se pueden consultar en [10, pp. 56-59], por ejemplo.
Recordemos la definicion de producto en N. Para n, m N, definimos
1. n 1 = n.
A.2. OPERACIONES EN N
113
2. Si tenemos definido n m entonces n (m + 1) = n m + n.

Propiedades del producto.
1. (n + 1)m = nm + m.
2. nm = mn (conmutatividad).
3. n(m + k) = nm + nk (distributividad).
4. n(mk) = (nm)k (asociatividad).
Demostraci
on. 1. Procederemos por induccion sobre m. Para m = 1, (n+1)1 =
n+1 = n1+1. Supongamos valido (n+1)m = nm+m. Ahora, por la definicion,
por hip
otesis de induccion y por las propiedades de la suma, (n + 1)(m + 1) =
(n+1)m+(n+1) = (nm+m)+(n+1) = nm+n+(m+1) = n(m+1)+(m+1).
2. Primero probaremos que 1 m = m, por induccion. Para m = 1 es obvio.
Supongamso valido que 1 m = m. Ahora 1 (m + 1) = 1 m + 1 = m + 1.
Ahora, fijado m, procedemos por induccion sobre n. Para n = 1 ya tenemos que
1 m = m. Supongamos valido que nm = mn. Ahora (n + 1)m = nm + m =
mn + m = m(n + 1).
3. Fijamos m, k N. Para n = 1 viene de la definicion y la conmutatividad.
Supongamos valido n(m + k) = nm + nk. Ahora (n + 1)(m + k) = n(m + k) +
m + k = nm + nk + m + k = nm + m + nk + k = (n + 1)m + (n + 1)k.
4. Fijamos m, k. Para n = 1 es obvio. Supongamos valido n(mk) = (nm)k.
Ahora, por definicion, conmutatividad y distributividad, (n+1)(mk) = n(mk)+
mk = (nm)k + mk = (nm + m)k = ((n + 1)m)k.
Puede verse en [10, pp. 59-61]
114
APENDICE
A. APENDICE
Bibliografa
[1] M. Alsina, C. Busque, E. Ventura, Problemes dAlgebra,

UAB, Barcelona,
1990.
[2] R. Antoine, R. Camps, J. Moncasi, Introducci
o a l
algebra abstracta, UAB,
Barcelona, 2007.
[3] T. S. Blyth y E. F. Robertson, Algebra Through Practice, Book 1, Cambridge UP, Cambridge, 1984.
[4] H. C
ardenas, E. Lluis, F. Raggi y F. Tom
as, Algebra
Superior, Ed. Trillas,
Mexico, 1979.
[5] M. A. Goberna, V. Jornet, R. Puente y M. Rodrguez, Algebra

y Fundamentos, Ariel, Barcelona, 2000.
[6] P. R. Halmos, Naive Set Theory, Van Nostrand, Nueva York, 1960. Hay
edici
on en espa
nol de CECSA, Mexico, 1976.
[7] I. N. Herstein, Topics in Algebra, 2nd, ed., Wiley, Nueva York, 1975.
[8] A. del Ro, J. J. Simon, A. del Valle, Algebra

B
asica, U. Murcia-Diego
Marn, Murcia, 2000.
[9] R. L. Vaught, Set Theory. An Introduction, Birkhauser, Boston, 1985.
[10] F. Zaldvar, Fundamentos de Algebra,

FCE-U. Metropolitana, Mexico,
2005.
115

Conjuntos y Teoria de Grupos

Încărcat de

Informații document

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Conjuntos y Teoria de Grupos

Încărcat de

Drepturi de autor:

Formate disponibile

Curso de conjuntos y numeros.

Sobre el concepto de conjunto y elemento.

Comenzamos con la definicion de conjunto de G. Cantor:

Pertenencia, contenido e igualdad.

CAPITULO 1. CONJUNTOS Y ELEMENTOS

Asumimos (como axioma) que cualquiera de las dos escrituras anteriores

1.2.7. Ejemplo. Sea I = {x N | x es impar } = {x N | x = 2n +

1.2. PERTENENCIA, CONTENIDO E IGUALDAD.

1.2.15. Partes de un conjunto. Sea A un conjunto. La colecci

se conoce como el conjunto de las partes de A o el conjunto potencia de A.

CAPITULO 1. CONJUNTOS Y ELEMENTOS

Operaciones con subconjuntos

1.3. OPERACIONES CON SUBCONJUNTOS

CAPITULO 1. CONJUNTOS Y ELEMENTOS

1.3.8. Ejercicio. Considerense los conjuntos A = {X R | 0

1. Representar estos conjuntos en la recta real.

Expresado como diagrama de Venn

1.3. OPERACIONES CON SUBCONJUNTOS

Familias de conjuntos y operaciones

Algunas veces queremos hacer colecciones de objetos y no podemos o no

CAPITULO 1. CONJUNTOS Y ELEMENTOS

Uniones e intersecciones arbitrarias en conjuntos y familias

Ai = {x | x Ai para alguna i {1, . . . , n}} .

Al igual que sucede con la union, podemos definir la interseccion finita en

1.3.14. Ejemplo. Sea A = {a, b, c} y consideramos el conjunto de las partes

1.4. PARES ORDENADOS, PRODUCTO CARTESIANO Y RELACIONES BINARIAS15

3. Si p1 , . . . , pn son primos cualesquiera entonces se tiene que

Pares ordenados, producto cartesiano y relaciones binarias

CAPITULO 1. CONJUNTOS Y ELEMENTOS

teniendo precauciones formales pues no tenemos por ahora una descripcion en

1.4. PARES ORDENADOS, PRODUCTO CARTESIANO Y RELACIONES BINARIAS17

Se puede comprobar que DomR = R y que ImR = R \ {0}.

Podemos representar las relaciones en graficas planas, como se hace en el

Un ejercicio interesante es estudiar la relacion entre la forma de las graficas

CAPITULO 1. CONJUNTOS Y ELEMENTOS

En cursos anteriores hemos visto que una aplicacion es una correspondencia

autores no distinguen estos conceptos y a todo le llaman funciones.

determinar su dominio de definicion es decir, el mayor conjunto que puede

La siguiente es la grafica habitual de las coordenadas, que ya hemos visto

2.2. TIPOS DE APLICACIONES

2. A la igualdad b = f (a) se le llama la regla de correspondencia de f , y

2. Decimos que f es suprayectiva (o sobreyectiva o exhaustiva) si cubre todo

1. La aplicacion f : N N tal que f (x) = 2x es biyectiva.

3. Sean A = {a, b, c} y B = {a , b , c , d }. Entonces

2. Si I es un conjunto e {Y }I una familia de subconjuntos de B entonces

2.3.5. Ejemplo. Sea f : R R dada por f (x) = x2 . Sea X = [1, 2] R. Se

2. f (f (X))1 = [ 2, 1] [1, 2].

Permtasenos comenzar este p

2.4.4. Teorema. Sean f : A B, g : B C y h : C D aplicaciones.

Inversa de una aplicaci

De forma completamente analoga se tiene que f (g(y)) = y. Como tiene inversa,

Conjuntos ordenados y sus elementos distinguidos

Recordemos que una relaci

7. Sea A = R2 y (x1 , x2 )R(y1 , y2 ) si y solo si x1 < x2 o bien, si x1 = x2 se

3.1. CONJUNTOS ORDENADOS Y SUS ELEMENTOS DISTINGUIDOS 31

La otra representacion, tambien bastante conocida se llama las -matrices.

Vamos a ocuparnos de algunos elementos notables.

3.1. CONJUNTOS ORDENADOS Y SUS ELEMENTOS DISTINGUIDOS 33

2. A = {n N | n es par} N junto con el habitual. El nfimo y primer

Conjuntos bien ordenados.

Es inmediato comprobar que los n

3.2. CONJUNTOS BIEN ORDENADOS.

Este conjunto est

CAPITULO 4. RELACIONES DE EQUIVALENCIA